在线学习时长影响考试成绩分析——以《概率论》课程为例

发布时间：2020-12-29 17:41

　　对在线课程学习者的学习行为数据进行分析是备受关注的热点话题之一。在线课程访问数据和学习时长作为重要的学习行为数据,能有效地反映学习者的学习规律。文章以《概率论》课程的在线访问数据及学习时长和期末成绩为蓝本,分析了期末考试成绩处于优、良、中三个等级学生之间的访问次数、访问天数和持续学习时长之间的差异性。结果表明,优、良、中三类学生之间,在访问次数和访问天数的平均值,以及持续学习0～1小时和1～2小时的平均重复频数上存在着非常显著的差异性。可见,学习者若要取得优异的成绩,加强课程访问频次,并培养1～2小时之内的持续学习习惯尤为重要。 

【文章来源】：中国教育信息化. 2020年19期

【文章页数】：5 页

【部分图文】：

某学生持续学习时长的频数统计条图

图2和图3分别列出了在三类学生之间存在显著性差异和不存在显著性差异的7个变量的均值图。从图2和图3可以看出，无论三类学生之间这7个变量的差异是否显著，随着期末成绩等级的降低，这7个变量的均值（对持续学习时长，指的是每一类学生的重复次数平均，即平均频数）都呈现十分明显的下降趋势。这表明，期末成绩优秀的学生在课程访问上相比期末成绩良好以及中等的学生会更加频繁，且学习时长更长，或者同一类学习时长（比如持续学习0～1小时），但重复次数更多。本研究还表明，优、良、中三类学生主要在持续学习一两个小时之内的差异十分显著，而持续学习时间超过2个小时及以上的差异并不显著。特别地，在持续学习3个小时以上的行为中，期末成绩良好的学生甚至出现了平均重复次数超过期末成绩优秀的学生情况（如图3的右子图所示）。但是，由于平均重复次数（0.27）远不足1次，因此，笔者认为这种现象并不具有很好的说服力。此外，从图2和图3中还可以看出，学生们持续学习时长最为集中的是0～1小时，即图2中的左下子图所示。期末成绩优、良、中三个等级学生持续学习0～1小时的平均重复次数分别为134.63、104.32和88.88次，差异十分显著，且远远高于其他类别持续学习时长的平均重复次数。排在第二位的是持续学习持续0分钟的情形，即纯登录行为。如图3的左子图所示，期末成绩优、良、中三个等级学生纯登录行为的平均重复次数分别为59、51.45和50.58次，差异不显著。平均重复次数排在第三位的是持续学习时长为1～2小时的情形，优、良、中三类学生的平均重复次数分别为12.31、8.45和6.77次，且差异十分显著。平均而言，三类学生仅有1次多一点的持续学习时长为2～3小时的情形。因此，综上分析，可以发现，学生们虽然有纯登录的学习行为，但是优、良、中学生之间的差异并不明显。大家更加倾向于持续进行一两个小时之内的有效学习，并且优、良、中学生之间的差异十分明显。图3 优、良、中三类学生之间不存在显著性差异的变量均值图

优、良、中三类学生之间不存在显著性差异的变量均值图

【参考文献】：
期刊论文
[1]大数据环境下在线学习者画像的构建[J]. 肖君,乔惠,李雪娇.  开放教育研究. 2019(04)
[2]基于学习者视角的国内主要MOOC平台比较研究[J]. 马金钟,马森.  延边大学学报(社会科学版). 2019(04)
[3]在线学习者学习行为模式及其对学习成效的影响——基于网络学习资源视角的实证研究[J]. 赵呈领,李敏,疏凤芳,黄琰.  现代远距离教育. 2019(04)
[4]MOOC课程资源访问模式与学习绩效的关系研究[J]. 张媛媛,李爽.  中国远程教育. 2019(06)
[5]基于SPOC的翻转课堂教学模式及其效果研究——以“摄影基础”为例[J]. 王济军.  现代远距离教育. 2018(01)
[6]混合式教学质量评价体系的构建与实践[J]. 李逢庆,韩晓玲.  中国电化教育. 2017(11)
[7]大学翻转课堂教学效果实证研究——以《财务学及技术基础》课程翻转教学为例[J]. 夏庆利,罗一清.  大学教育科学. 2017(02)
[8]基于SPOC翻转课堂的探讨:实证与反思[J]. 顾容,张蜜,杨青青,卢丽,徐静波.  高教探索. 2017(01)
[9]基于Moodle平台的在线学习深度分析研究[J]. 张家华,邹琴,祝智庭.  电化教育研究. 2016(12)
[10]开放大学远程学习者在线学习行为的特征分析[J]. 孙月亚.  中国电化教育. 2015(08)



本文编号：2946024