混合課程對物流管理專業學生績點的影響因素分析

楊雪陶，張榮禎

（南京郵電大學，江蘇 南京 210023）

0 引言

南京郵電大學于2016 年10 月成立現代郵政學院，其物流管理專業面向現代郵政信息和郵政物流快遞服務，與國家郵政局及郵政、快遞及物流企業等開展政產學研合作，越來越受到大眾的青睞。該專業主要培養適應現代物流服務業發展需要，具有較高的思想道德和文化修養，具有國際視野、創新精神和實踐能力的物流管理專業人才。物流管理專業的學生需要掌握管理科學基礎理論、現代物流管理理念等專業知識，能夠熟練運用現代物流與供應鏈管理理論、系統規劃設計方法、計算機信息技術[1-2]。但是從該專業學生的課堂表現與考試成績來看，傳統課堂主要存在如下幾個問題：（1）學生的基礎不同，教師無法實現個性化教學；（2）專業課程較為枯燥且教師為主學生為輔的教學模式很難調動學生學習的積極性；（3）傳統教學受時間空間限制很大。

隨著“互聯網+”時代的到來，學習場景地點發生了巨大的變化，學習不再被拘于小小的教室之中，傳統課堂教學與在線學習相結合的混合式教學模式應運而生。相對于傳統教學的不足，混合教學能夠以學生為主體，實現精確、個性化教學，構建高?；咏虒W模式，實現精準學習評價。且通過線上教學和線下教學的有機結合，可以充分實現學習環境、學習資源和學習方式的合理整合，不受時間空間的限制。建設線上、線下混合教學課堂，能夠更好地踐行以學生為主體的新時代教育思想，提高教學質量，促使學生深度學習，滿足當代大學生發展實際需要，培養走向新時代的人才。目前，國內外已有眾多針對“互聯網+”混合教學的相關研究[3-9]，例如：王晶心等[3-4]運用相關分析和多元線性回歸分析等方法研究基于MOOC 的混合式課程對北京大學在校生的學習影響；許德泓[5]通過案例分析法和對比分析法，縱向跟蹤福州大學在2007—2016 年期間實施混合教學改革的效果；徐鳳等[6]以《運籌學》課程為例，闡述了混合教學模式的設計。

然而現有研究大多沒有采用定量的研究方式，缺乏數據分析的理論支撐且研究手段較為單一。因此，本文采用物流管理專業學生總平均學分績點（GPA）為因變量，基于線上發布并收集的310 份調查問卷的數據，運用描述性統計、交叉分析、有序logistic 回歸分析等定量研究方法來研究混合課程對該專業學生績點的影響。

1 交叉分析結果

本次調查面向南京郵電大學現代郵政學院物流管理專業本科全日制大學生隨機發放問卷。調查問卷采用問卷星設計，并發布線上問卷。問卷主要內容包括學生個人情況（性別、年級、專業、日平均學習時長、GPA 等）以及物流管理專業學生對學?；旌险n程設計的態度、了解程度、滿意程度和適應程度等，共計設置22 個問題。一共發放350 份問卷，收回有效數據310 份。利用SPSS 分別以學生個人情況和混合課程開展情況兩個方面進行學生的GPA 交叉分析。

1.1 個人情況與GPA 的交叉分析

根據表1，使用卡方檢驗，做如下假設：

表1 個人情況與GPA 之間的交叉表

（1）H0: 性別和GPA 之間是獨立的；VS H1: 兩者之間不獨立。

（2）H0: 學科和GPA 之間是獨立的；VS H1: 兩者之間不獨立。

（3）H0: 年級和GPA 之間是獨立的；VS H1: 兩者之間不獨立。

由表2 可知，性別、學科類型、年級和GPA 之間的卡方檢驗的P 值均小于0.05，拒絕原假設，表明性別、學科類型、年級和GPA 之間不獨立，存在一定相關性。

表2 卡方檢驗P 值表

由表3 可知，性別、學科類型、年級和GPA 之間的列聯系數c，Cramer's V，近似顯著性表明性別、學科類型、年級和GPA 之間存在一定的關聯程度。

表3 相關系數表

1.2 混合課程開展情況與GPA 的交叉分析

（1）了解程度、適應速度和日平均學習時長分別與GPA 的交叉分析結果如表4 所示。

表4 混合課程開展情況與GPA 之間的交叉表

類似1.1 節使用卡方檢驗以及相關系數分析，得到結論：對混合課程的了解程度、適應速度和GPA 之間存在一定的關聯程度，但混合課程日平均學習時長和GPA 之間不存在關聯。

（2）作業完成情況、專注程度和討論情況分別與GPA 的交叉分析結果如表5 所示。

表5 混合課程開展情況與GPA 之間的交叉表

同樣地，使用卡方檢驗及相關系數分析，可知，線上學習作業的完成情況和GPA 之間存在一定的關聯程度，而線上學習的專注程度、討論情況和GPA 之間不存在關聯。

2 有序logistic 回歸分析結果

2.1 多重共線性檢驗結果分析

根據交叉分析結果，選取和GPA 之間存在一定關聯程度的自變量：性別、學科類型、年級、對混合課程的了解程度、對混合課程的適應速度和線上學習作業完成情況，對其進行多重共線性檢驗，結果如表6 所示。

表6 多重共線性檢驗表

由表6 可知，容忍度均遠大于0.1，方差膨脹因子VIF 均小于10，可認為自變量之間不存在嚴重的多重共線性。

2.2 平行線檢驗結果分析

根據表7，選擇聯系函數Complementary log-log，結果如表8 所示。

表7 聯系函數表

表8 聯系函數為Complementary log-log 的檢驗表

當聯系函數為Complementary log-log 時，顯著性為0.477，大于0.05，不拒絕原假設，即認為滿足平行線假設。

2.3 有序logistic 回歸結果分析

有序logistic 回歸結果如表9 所示。

表9 參數估計表

表9 中，臨界值常數GPA=1、GPA=2、GPA=3 和GPA=4 對應的估計值分別代表“4.0 以上vs4.0 以下”、“3.5 以上vs3.5 以下”、“3.0 以上vs3.0 以下”和“2.5 以上vs2.5 以下”的二元logistic 回歸的常數項。自變量系數中，學科類型=1、2、3、4 對應的估計值分別代表“學科類型為工科”、“學科類型為理科”、“學科類型為文科”和“學科類型為其他”的自變量系數估計值；年級=1、2、3、4 對應的估計值分別代表“年級為大一”、“年級為大二”、“年級為大三”和“年級為大四”的自變量系數估計值；作業完成情況=1、2、3、4、5 對應的估計值分別代表“作業全部完成”、“作業大部分完成”、“作業基本完成”“作業少部分完成”和“不完成”的自變量系數估計值。

由表9 可以看出，在顯著性水平為0.05 時，學科類型不會對GPA 等級水平產生顯著影響。而“年級=2”、“年級=3”及“作業完成情況=3”也均未在模型中呈現顯著性。

2.4 有序logistic 回歸模型檢驗

對模型中是否所有自變量偏回歸系數全為0 進行似然比檢驗，由表10 可知，顯著性0.000 小于0.05，說明至少有一個自變量的偏回歸系數不為0，即擬合包含學科類型、年級和作業完成情況3 個自變量的模型擬合優度好于僅包含常數項的模型。

表10 模型擬合信息表

3 結論與混合課程改進措施

3.1 結論

通過對物流管理專業學生個人基本情況、混合課程開展情況同GPA 的交叉分析以及以GPA 為因變量的有序logistic 回歸分析可得以下結論：

（1）年級對GPA 具有顯著影響，且年級為大一的學生更為明顯，相對于其他年級的學生，其GPA 處于較低等級水平的概率更高。性別、學科類型和GPA 之間雖然存在一定的關聯程度，但對GPA 的影響并不顯著。

（2）混合課程線上學習作業完成情況對GPA 具有顯著性影響，而且作業完成情況越好，GPA 所處等級水平的概率也相對越高。對混合課程的了解程度、對混合課程的適應速度同樣和GPA 之間存在有一定的關聯程度，但對GPA 的影響并不顯著。

3.2 改進措施

（1）學院應積極發揮頂層設計的作用，高屋建瓴，確保物流管理專業學生，尤其是大一新生充分了解混合課程的形式、內容等，加快其對混合課程的適應速度，進而達到大力提升混合課程具體內容的開展。

（2）教師應提供課程的電子課件、在線資源、精品課程等，豐富學習內容。從圖1 可以看出，需加強學習監督力度。比如：每次線上課程中設置簽到環節，計入課程總成績的計算，線上課程打開視頻，突擊檢查，采用實時互動的直播問答等方式。從圖2 和3 可以看出，教師可以開展線上線下課程的有機結合，豐富課程內容，使用生動的視頻語言、在線資源，以彈幕留言的方式與學生互動，調動學生的積極性。

圖1 學生對混合課程的改進看法

圖2 學生對混合課程核心的看法

圖3 線上學習方式圖

（3）從圖4 以及有序logistic 回歸分析可以看出，物流管理專業學生應提高自制力，以高效率積極投入到線上線下的課堂中而不是長時間卻低效率的學習，尤其是作業完成情況，應獨立按時完成作業、多與教師交流，在平時就打下堅實知識基礎。

圖4 適應混合課程具體做法圖