線上學習行為中影響課程學習效果的因素分析
——以管理信息系統課程為例

李會，胡笑梅，魏瑞斌

(安徽財經大學 管理科學與工程學院，安徽 蚌埠 233030)

隨著信息技術的不斷發展，教育領域也在探索“互聯網+教育”新模式，越來越多的課程嘗試在保留傳統課堂教學優勢的基礎上，將一部分教學活動放入網絡教學平臺，要求學生在線學習相關內容。這種模式就是現在較為流行的“SPOC+MOOC”教學模式[1,2]。而由于在線學習的自主性、開放性等特點，學生的學習動機、學習態度很難全面監控，學習效果一直以來備受爭議[3]。為進一步探究“SPOC+MOOC”教學模式的學習效果，文章以安徽財經大學管理信息系統課程為例，將線上學習行為數據與卷面成績進行綜合分析，探討影響學生卷面成績的關鍵性因素，以此為后期線上課程模塊設計提供借鑒[4-6]。

1 數據采集與處理

管理信息系統課程是安徽財經大學經管類學科基礎課程，是一門涵蓋了計算機科學、管理學、運籌學、社會學、信息科學等多學科的綜合性課程。該門課程一方面培養學生應用信息技術進行管理信息處理和管理信息系統開發及組織實施的能力；另一方面注重培養學生發現問題、分析問題、解決問題的能力以及嚴謹的創新創業思維能力。2015年，安徽財經大學管理信息系統課程獲批“省級大規模在線課程”立項，課程組在“e會學”平臺上開通該門課程在線平臺，并將線上教學納入課程教學的一部分，開展“SPOC+MOOC“的教學模式，通過線上線下互動的教學模式，提高課堂教學效果[4]。

文章以管理信息系統課程為例，采集了近兩年來學生在線學習情況，如學生性別、線上學習進度、線上作業完成情況、線上考試完成情況等數據，共計1126條記錄。結合期末試卷考試成績，運用多元線性回歸模型、決策樹模型,對學生課程學習效果與在線學習動機進行分析，探討影響學生學習效果的主要因素，并在此基礎上對提高課程教學效果給出相應的建議。

2 模型構建

2.1 回歸模型基本理論

多元線性回歸模型分析是確定兩種或兩種以上變量間相互依賴的定量關系的一種統計分析方法。具體多元線性回歸模型的公式如下：

Yi=β1+β1X1+β2X2+β3X3+……+βnXn

其中Y為因變量，Xi是自變量，β是偏回歸系數，表示其他自變量不變時，某一自變量所引起因變量變化的比率。文章以實際線上平臺學習過程數據、學生性別、課程卷面成績作為樣本，在樣本數據中引入4個指標作為自變量，即：X1-性別，X2-線上學習進度，X3-線上作業成績，X4-線上考試成績，將課程卷面成績作為因變量，以此從一系列候選影響因素中篩選出影響學生卷面成績的主要指標。

2.2 多元線性回歸模型構建

文章將數據導入至SPSS中，選擇線性回歸構建回歸模型。將性別、線上學習進度、線上作業成績、線上考試成績作為自變量，課程卷面成績作為因變量，構建多元線性回歸模型。以此找出對課程卷面成績的關鍵性影響因素。具體結果如表1所示：

表1 影響卷面成績的因素分析

在上表中給出了回歸方程中的常數項、回歸系數的估計值和檢驗結果，可見常數項為68.343，四個自變量的回歸系數分別為7.796，0.022，-0.013，0.112。同時，線上作業情況的P值遠大于0.05,因此不應該被納入方程。因此，本文僅以性別、線上學習進度、線上考試成績作為自變量，再次構建回歸模型，結果如表2所示。

表2 影響卷面成績的主要因素分析

構建出的回歸方程如下：

卷面分=67.917+7.811*性別+0.022*線上學習進度+0.107*線上考試情況

從上述回歸方程可以看出卷面成績與性別高度相關，與課程進度完成情況、線上考試得分正相關。

學生的性別(X1)的系數為7.811，即在其他因素不變的情況下，性別會對所學課程成績產生較大影響。從表2可知，性別對課程卷面成績貢獻價值達7.811。表明學生的性別是影響課程卷面成績的重要因素。

學生的線上學習進度(X2)的系數為0.022，即在其他因素不變的情況下，學生線上學習進度情況對所學課程成績產生一定影響。從表2可知，線上學習進度對課程卷面成績貢獻價值為0.022。表明學生的線上平臺學習進度情況對課程卷面成績起到一定程度的影響，但影響效果不突出。

學生的線上測試完成情況(X4)的系數為0.107，即在其他因素不變的情況下，學生線上測試完成情況也會對所學課程成績產生顯著影響。從表2可知，線上學習完成情況對課程卷面成績貢獻價值為0.107。表明學生的線上平臺測試完成情況對課程卷面成績起到促進作用。

學生的線上作業完成情況(X3)沒有經過顯著性檢驗，說明這個指標對卷面成績的取得影響不大。

模型建立之后，該模型預測的精準度如何，數據是否能夠滿足回歸模型的使用條件，需要進一步驗證。

通過“Durbin-Watson”進行模型匯總，觀察統計量具體取值情況，模型整體效果如表3。

表3 模型整體效果

該模型中“Durbin-Watson”取值為1.927，根據相應統計用表，該統計量的取值在0～4之間，基本說明殘差間相互獨立。

同時通過殘差分布的“直方圖”和“正態概率圖”，驗證模型是符合正態分布。

圖1 模型殘差直方圖和正態概率圖

2.3 決策樹模型構建

文章通過回歸模型得到了基本的分析結果，現借助決策樹模型對影響課程卷面成績的自變量進行深入分析，以此來探索各個變量之間的關聯性，并將結果與回歸模型進行對比分析，驗證模型的準確性。

將數據導入至SPSS后，選擇分類功能下的樹模型，將卷面成績轉換為優秀(90分以上)、良好(80-90分)、中等(70-80分)、及格(60-70分)、不及格(60分以下)五個因變量，性別及線上學習行為作為自變量，構建決策樹模型。

圖2 決策樹模型的分析結果

從模型的分布情況來看，性別作為對卷面成績影響最大的自變量被首先用于拆分節點，性別為女，優秀等級有311例，良好等級有353例，而性別為男時，優秀等級僅有35例，良好126例，這充分說明該門課程卷面成績取得良好級別以上的大多是女生占比較大，這跟財經類院校學生構成結構不無關系。

隨后，節點3中，又按照線上考試情況進行第二次拆分，將節點2分為3個子集，其中線上考試成績90.4分以上學生的中，卷面成績“良好”等級以上的同學占到359例，而線上成績低于80.7分，卷面成績“良好”等級以上同學僅有32例。節點1并未按照線上考試成績拆分，這里可能存在兩個方面的原因：節點1因為樣本量較小而未繼續拆分；線上考試情況在節點1中并無作用。

從樹型模型上看，性別、線上考試情況、線上學習進度對最終成績的取得起到一定的影響作用，這與回歸分析中的結論基本保持一致。

3 結論與討論

文章以管理信息系統課程為例，將線上學習平臺采集到的學生學習行為的數據與卷面成績進行分析，構建了多元線性回歸模型與決策樹模型，得出影響學生卷面成績的關鍵性因素。通過上述兩個模型可以看出，影響管理信息系統卷面成績的關鍵因素為性別、線上平臺考試情況，線上平臺學習進度情況有一定影響，而線上作業完成情況給卷面成績帶來了負面影響。根據文章分析得出如下結論：1.學校及課程性質：由于安徽財經大學是一所以經濟學、管理學、法學為主的多科性大學，男女生比例為3：7。管理信息系統課程作為面向經管類同學開設的學科基礎課，存在女多男少的現象。另外，在對相關任課教師的調研中，普遍反映課堂中女生學習更加認真。因此，性別對學生卷面成績起到關鍵性作用也是客觀實際的一種反映。2.根據線上平臺各模塊設計比例可知，網絡得分主要由線上學習進度、線上作業完成情況和線上考試情況組成。在這三塊的分數中，線上考試得分占50%，線上作業完成情況占30%，線上學習進度占20%。由于權重上的差異，導致更多的學生把重心放在線上考試上，而忽視了其他兩個環節。針對線上作業情況，由于作業次數共計13次，且題量較大，較多同學沒有堅持完成。另一方面，通過對學生的調查發現，很多同學對待線上作業態度不端正，存在相互借鑒答案的現象。線上作業完成質量較高的同學，未必對課程基本知識掌握較好。因此，為了進一步提高學生學習效果，加快課程線上線下教學模式建設，課程組團隊應進一步多維度，全方位的深化課程教學模式改革，不斷優化線上教學平臺資源?，F提出以下意見：1.課程作業貴在質量而非數量：課題組在設計線上作業的過程中，可設置關卡作業，將作業有效分布在每個知識點，同時注意題量的設計，避免讓學生產生厭學的情緒，多設置線上互動型作業。2.注重調動男生學習積極性：由于財經類院校存在女多男少的現象，且男生更容易受到網絡游戲等的影響，因此，課程組教師在課程教學中，應該多關注男生學習情況，激發其學習興趣和積極性。