大数据时代高职学生在线学习调查与研究

摘 要：随着信息技术和网络技术的发展，在线教育逐渐成为新时代人们学习的重要方式。新时期高职院校学生学习面临着生源渠道多、学习能力有差距等问题，因此通过在线学习可以取得较好的效果。对大数据时代高职院校学生在线学习情况进行调查与分析后，提出了调整课程结构和优化资源配置、安排助教辅导与监督、加强学生在线学习管理等建议。

关键词：大数据；高职学生；在线学习

中图分类号：G712 文献标识码：A 文章编号：1671-9255（2017）02-0057-05

2015年 8月，国务院印发《促进大数据发展行动纲要》的通知，探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用。[1]2015年9月，教育部办公厅颁发《关于“十三五”期间全面深入推进教育信息化工作的指导意见》，根据文件中规定的“十三五”教育信息化的基本原则，将大数据时代高校信息化教学模式改革的价值取向定位在数据驱动式教学，进而助推教学信息化、学习个性化、教学决策科学化、教学管理精细化。[2]近年来MOOC、翻转课堂和微课等在线教育已渐渐被关注，“互联网+教育”的研究开始兴起。

一、新时期高职院校学生学习现状

（一）生源来自多渠道，难于教学

1.学生层次不一，无法采取统一教学

自主招生是中国高等教育招生改革、扩大高校自主权的重要举措，也是选拔优秀创新人才的一种新探索。从2003年北京大学和清华大学首批22所院校开始试点，到2015年要求通过分类招生考试录取的学生占高职院校招生总数的一半左右[3]，这十几年的变化是巨大的。首先是学生和学生家长，从刚开始的不认可到近年的逐步接受；其次是学校，从刚开始的鸡肋变成今天的主流招生方式； 最后是教师，从不停地抱怨到今天的想办法转变教学

方式。但对于学校统一教学安排来说还是非常困难，因为分类招生的学生和普招的学生本身差别就很大，再加上分类招生里面又包含普通高中和中职学生，这就造成了同一年级同一专业的几个班级包含不同的生源，对任课教师提出了极大的挑战。

2.学习能力有差距，任课教师只能顾及部分学生

高职院校生源不仅构成复杂，而且相同生源不同课程学习能力也有较大差距。据调查，很多高职院校的学生在学习能力上并不比那些本科生差，他们没有考上本科大部分是因为某一门课程拖了后腿，如很多文科生数学差，理科生英语差，这对那些同时招生文理科的专业的教学提出了很大挑战。如笔者所在院校教师在教授《实用英语》和《经济应用数学》这两门课的时候深有体会，因为同一个班级的学生水平差距很大，想让绝大多数人跟上进度变得很困难。所以很多教师为了完成既定的教学任务，只能顾及到一部分学生。

（二）学习的主观能动性不足，不利于教学

高职院校的学生主动学习和自我约束意识本身就不强，再加上没有考研和升学压力，一些课程与就业又不能直接挂钩，造成很多高职学生学习的动力不足。另外高职院校整体的学习氛围不浓厚，主动去图书馆阅览室学习的人不多，这影响了学校

学习风气，不利于教学的开展。

（三）自我意识强，抗拒传统的课堂教学模式

新时期高职院校的学生大多都是95后，自我意识强，难以安静地读一本书，却能利用碎片化时间学习。针对这部分学生，很多高职院校采取传统的课堂教学模式，以教为中心，采取灌输的方式教学。学生只是接受者，处于被动地位，这让95后的学生们很难接受，教学效果也就可想而知了。

二、大数据时代高职院校学生在线学习

情况调查与分析

在线学习，就是网络化学习。即在网上建立教育平台，通过网络，自主选择学习时间、地点和学习方式，最终达到一定学习目标的一种学习形式。[4]在线学习包括电子书、教学软件（课件）、在线视频等学习方式，目前比较流行的MOOC、翻转课堂和微课都是在线学习的不同形式。

目前安徽商贸职业技术学院（以下简称“我院”）学生在线学习包含两种：一种是学生自己自发在线学习，包括一些精品课程、大规模在线课程（MOOC）、教学软件和一些电子书等；另一种是学校统一组织的网络公选课。因为前一种情况不方便调研和统计，这里我们主要是对学校统一组织的网络公选课在线学习情况进行调研。

（一）网络公选课整体运行情况

据统计，2015-2016学年第2学期，我院共有7425名学生选修了58门网络公选课，总选课量为20790人次，人均选课量是2.8门，课程运行模式如表1所示，整体运行状况良好。

（二）学生在线学习访问情况调查与分析

1.访问量（按月）

综合2016年3月至2016年6月整个学期的学习数据，可以得出我院学生在网络公选课平台的访问频数，此处以月为单位描绘出学生在这4个月的访问情况，横坐标为该学期的月份，纵坐标为访问次数，统计结果如图1所示：

由图1数据分析可知，5月为学生学习的高峰月，学习平台访问量呈急剧上升趋势。一方面是因为4月份教学管理部门对本学期的网络公选课学习进度进行了统计，对学习速度慢的学生在学校网站上进行公示处理，要求辅导员进行督促，所以5月份访问量急剧增加。另一方面，这是我院第一次正式开设网络公选课，很多学生还没有形成自主学习和自我控制学习时间的意识，需要教师的督促和引导。

2.访问量（按周）

由图2可知，学生们更倾向于在周三进行在线课程的学习。主要是因为周三下午是全校教职工统一学习和开会的时间，学生不上课，所以很多学生利用这个课余时间进行网络学习。这既反映了我院大部分学生会充分利用空闲时间学习，也提醒教学管理部门，在学生学习相对比较集中的时间点安排专门的人员，针对可能遇到的问题进行及时回复与处理，有助于学生学习效率的提高。 3.访问量（按时段）

由图3可知，访问量从8点开始，呈现上升趋势，主要访问时间在8时至24时，并集中于12点之后，因此，我院网络中心要加强这一时段内的网络管理工作，避免出现因在线人数过多而导致的网速过慢、视频无法加载等情况。

（三）学习讨论情况调查与分析

学习讨论与交流对于学生学习来说至关重要，这能促进学生进一步深入学习，网络学习也是如此。学生通过在论坛当中与同学进行互动，能够在一定程度上消除网络学习的孤独感，指导教师也能通过讨论区了解学生的学习情况，形成良性互动。我院学生在2016学年春季学期，共在网络公选课学习中发帖讨论205次，回帖讨论116次，课程的人均讨论数较低，反映出两个情况：

1.学生对线上讨论的接收度较低

我院教学管理部门可以通过鼓励教师、助教参与课程讨论，带动学生的讨论热情。

2.遇到问题时，学生不喜欢在线讨论

我院学生在日常的学习中如遇到问题，主要通过小范围的线下交流加以解决。其实集思广益效果更佳，可以感受到不同院系同学对问题独特的理解和解决方式。

根据讨论数据显示，我院学生的在线讨论主要集中在《公共日语》《口才艺术与社交礼仪》《中国古建筑欣赏与设计》《创业创新领导力》等4门课程上。一方面说明学生对这些课程比较感兴趣；另一方面也说明这些课程学习起来有一定的难度，需要讨论与辅导。教学管理部门要安排专门的教师进行在线辅导与答疑。

（四）课程完成率调查与分析

课程完成率是检测学生课程学习进度的重要指标，据统计，我院学生的课程完成率为68.05%，由此可见我院学生的学习持续性较强，大部分学生能在规定时间内完成学习任务。同时也要加大我院学习的通知力度，对落后学生的学习进度进行实时监管。

（五）学习结果调查与分析

我院网络公选课平时成绩占比60%，期末成绩占比40%。平时成绩的构成主要包括：课程视频观看得分（40%）、课程测验得分（20%）。

1.视频观看进度调查与分析

视频观看进度是检测学生课程学习结果的重要指标，据统计，我院本次选课学生视频观看进度超过90%的有7163人，介于50%-90%中间的有154人，而少于50%的学生只有238人，如图4所示。由此可见我院学生的学习积极性较高，大部分学生能在规定时间内完成学习任务。

2.通过人数和考试结果分析

据统计，我院本次选课通过人数为7091人，整体通过率达到95.5%。其中最高通过率为100%的课程3门：《中华传统思想――对话先秦哲学》《数学的思维方式与创新》和《文物精品与中华文明》；最低通过率为73%的课程为《西方哲学智慧》。

数据分析发现，考试结果一方面与学生的学习态度、个人的积极性和自学能力有很大的关系；另一方面与课程精彩程度以及任课教师是否有吸引力也有关系。要想进一步提高通过率和考试成绩，既需要发掘学生兴趣点，提升学生学习的积极性和自学能力，也要对网络视频课程的质量严格把关。

三、大数据时代高职院校学生在线

学习管理建议

在大数据时代，我们可以借助一些工具或软件对学生在线学习过程进行实时跟踪和监控，并对产生的数据进行实时分析，从而使教学管理部门及时掌握教学过程中的各种状况，进行实时调整。

（一）调整课程结构和优化资源配置，调动学生自主学习的积极性

目前很多高职院校因为资源有限，专业设置和人才培养方案同质化严重。特别是一些课程结构设置更多的是考虑课程体系和任课教师，而不是新时代学生的学习特点和需求。教师按照传统的方式教学，学生被动地接受，既不能调动学生的学习兴趣，也导致学生丧失获取知识的能力和创新能力。[5]

要想调动学生自主学习的积极性，首先要真正做到“以学生为中心”，站在学生角度考虑问题，针对不同类型学生感兴趣的课程进行优化配置；其次要考虑学生的特点和获取知识的便利性，加强MOOC、翻转课堂和微课等信息化课程的建设，拓展学生学习的时间和空间。这样既避免了课堂教学的枯燥，又能让学生自主学习，还能让学生根据自己的实际需求和兴趣，选择学习内容。通过网络这种相对平等的交流方式，教师可以更好地引导学生学习，培养学生学习兴趣及学习主动性。

（二）安排助教辅导与监督，促进学生更好地学习

进入网络学习时代，教师在学生的在线学习过程中仍然扮演着十分重要的角色。所以在学生进行在线学习时，我们要安排专门的助教来辅导与监督学生学习。因为高职学生在生源、知识基础、学习能力和认知程度等方面都存在较大的差异，如何充分考虑不同类型学生的特性，进行教学资源的优化，做到“因特性施教”，只有对学生充分了解的助教才能做到。另外，在线学习过程中，助教还可以根据学生特点明确其学习目标和任务，并对学生在线提出的问题及时地予以解答和反馈。[6]通过助教的指导、协助与监督，可以促进学生更好地学习。

（三）通过及时有效的数据分析，加强学生在线学习管理

虽然在线学习模式无论是在方式方法上，还是在吸引力上都较传统教学模式有很大的进步，但由于高职院校学生生源多样化、学习自觉性不够等特点，依旧不能放松对他们学习的管理。通过大数据时代高职院校学生在线学习情况数据分析，发现在刚选完课的一段时间内，学生主动在线学习的并不多，到了中后期因为考试临近，加上教学管理部门的督促，在线学习的人才逐渐增多，所以教W管理部门的学习跟踪是必不可少的。

另外通过数据分析我们还发现少数学生的学习态度不够端正，有的直到考试前几天才集中时间突击完成学习任务，有的仅打开视频却不观看学习，还有的甚至直接使用软件“刷课”。针对这些行为，我们要采取一定的技术手段，限制学生“刷课”，并对“刷课”的学生进行警告。 大稻菔贝背景下，这种基于网络环境的在线学习模式，不仅是对传统教学手段的补充，也为学生的自主学习拓展了前所未有的空间，这是当前高职院校教学改革的重要发展趋势。[7]但面对海量的原始数据如何分析，使数据变为信息，为教学研究与教学决策提供指导才是我们重点研究的内容。未来高职院校，为迎合大数据时代教育的发展，要不断创新教与学的方法，提高学习效率与质量，提升教学效果，这样才能使我们的高职教育立于不败之地。

参考文献：

[1]国务院关于印发促进大数据发展行动纲要的通知[EB/OL].[2016-12-20].http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.

[2]教育部办公厅关于征求对《关于“十三五”期间全面深入推进教育信息化工作的指导意见（征求意见稿）》意见的通知[EB/OL].[2016-12-20].http：//www.moe.edu.cn/srcsite/A16/s3342/201509/t20150907_206045.html.

[3]教育部关于做好2015年普通高校招生工作的通知[EB/OL].[2016-12-20].http：//www.moe.edu.cn/publicfiles/business/htmlfiles/moe/s3258/201502/xxgk_184104.html.

[4]杨春明.学生在线学习的研究[J].辽宁行政学院学报，2011（6）：98-99.

[5]姜强，赵蔚，王朋娇.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，2015（1）：85-88.

[6]谭阳，陈琳，刘艳，等.基于在线数据过滤提取的高职学生网上学习行为调查与分析.中国教育信息化，2016（11）：26-30.

[7]陈红莉.探究基于网络环境的大学英语自主学习[J].长春教育学院学报，2014（4）：73-74.

（责任编辑 汪 伟）

Abstract： With the development of information technology and internet technology， online learning has gradually evolved as an important way of learning in the new era. Higher vocational college students graduated from different senior high schools with different learning abilities， thus online learning can be more effective for these students. Based on the research and analysis of higher vocational college students’ online learning in the era of big data， this paper proposes some suggestions such as adjusting course structure and optimizing resource allocation， arranging teaching assistant for tutoring and supervision and improving management on students’ online learning， etc.

Key Words： big data； higher vocational college students； online learning