云学习平台大学生学业成绩预测与干预研究.docVIP

云学习平台大学生学业成绩预测与干预研究 　　【摘 要】 　　预测在校大学生学业成绩并及时进行干预指导，是提升大学生学习效果的有效途径。云环境下，学习中过程性数据的积累为预测分析提供了有力依据。本研究设计并开展一门基于实体课堂和云学习平台（MOODLE平台、微信平台）的混合式大学课程。通过收集学生多类属性及学习过程性数据建立多元回归模型，对其将取得的成绩进行预测，并展开教学干预以提升其学习效果。结果显示，在预测模型方面，多元回归模型可以在全班水平上取得较佳的预测效果；在预测因子方面，绩点、在线学习参与度、前导课成绩和学习兴趣是影响学业成绩的重要因素；在干预效果方面，教学干预取得了较好效果，学弱群体接受干预后进步显著。 　　【关键词】 云学习平台；学业成绩；预测；干预；多元线性回归 　　【中图分类号】 G443 【文献标识码】 A 【文章编号】 1009―458x（2016）09―0014―07 　　一、研究背景 　　在线学习和课堂学习相结合的混合式教学方法，已成为目前许多高校正在探索的模式。随着以云计算、云存储为标志的云时代的到来，在线学习方式变得更加多元。学习者可以随时随地使用任何设备接入云端学习平台，基于云存储的大量在线学习痕迹也为学业成绩预测和个性化学习研究提供了有力支持。 　　在校大学生学业成绩预测是指以单科学习情况为基本分析单元，在课程开始后根据学生的各种基本情况对其将取得的成绩进行评估（李建萍， 2009）。收集和分析大学生的个性化特征以及在云学习平台上的在线行为数据，据此进行学业成绩预测并及时干预指导，可以对学生起到预警作用，督促其采用有效的方法提高学业成绩，同时也能够督促教师建立更加有效的教学策略。这对采用更好的教学法、让学生主动参与学习和提升学习效果是十分必要的。 　　因此，本研究以一门大学课程为切入点，设计并开展基于实体课堂和云学习平台（MOODLE平台、微信平台）的混合教学。在课程进行中，通过收集和分析学习者基本信息、心理认知水平（网络自我效能、学习兴趣）、先前知识水平（绩点、前导课成绩、上次任务成绩）和在线行为数据（MOODLE平台参与度、微信平台参与度），建立多元回归预测模型，对其将取得的成绩进行评估，并展开预测结果指导下的学习干预，以建立更加有效的教学策略和方法，提升学习者在云环境下的学习效果。 　　二、文献综述 　　1. 心理认知水平 　　非智力因素在学习活动中具有引导、控制、调节等作用。自我效能感与学习兴趣是影响大学生学习过程和学业成绩的重要心理因素。在传统学习环境中，根据学习者的自我效能感可以有效预测其学业表现（Lane， Lane， Kyprianou， 2004）；在在线学习环境中，根据网络自我效能感会对学习效果产生深远影响（Peng， Tsai， Wu， 2006）。网络自我效能感是指个体对自己成功使用网络进行工作学习的自我信念和期望（Wu Tsai， 2006）。Peng等人（2006）研究发现，在线学习环境中，大学生网络自我效能是其学习动机、兴趣与学业表现的重要影响因子。随着学生拥有越来越多的机会使用网络信息资源或工具进行学习，网络自我效能感已成为研究者关注的重点。 　　学生的学习兴趣是其对学习活动产生的心理上的爱好和追求的倾向，是推动学习活动的内部动机，也是影响学业成绩的重要因素（吴靖媛， 等， 2010）。早期就已有大量研究调查兴趣对学习结果的影响（Lepper， 1988； Paris， Olson， Stevenson， 1983； Pintrich， 1989）。兴趣与学业成绩的关系一直是该领域研究的核心。如今，兴趣对学习的促进作用已得到人们的普遍认同（吴靖媛， 等， 2010）。考虑以上因素，本研究选择了网络自我效能感和学习兴趣两个因素，作为预测学业成绩时心理认知方面的影响变量。 　　2. 先前知识水平 　　本研究调查的先前知识水平，即背景知识水平，是指课程学习之前，学习者所拥有的与该门课程有关的所有背景知识的总体掌握程度。学习者的先前知识是影响其学习效果的重要因素之一（叶海智，等， 2014）。先前知识在不同阶段的信息加工中起作用，缺乏必要先前知识的学习者在学习新信息与构建新知识的过程中会遇到困难（Dochy， 1994）。因此，本研究认为学习者先前知识水平能够对其学业成绩产生影响。已有研究中（Huang Fang， 2013； Hoschl Kozeny， 1997； Huang Fang， 2011），前导课成绩、GPA成绩（以下称“绩点”）以及课程中上次任务成绩等均可作为衡量学生先前知识水平的因素。 　　3. 在线学习参与度 　　许多研究者（Alavi， 1994； Astin， 1996； Pratton， 1