教学构成与通识课教学效果研究.docVIP

教学构成与通识课教学效果研究 　　[摘 要] 通过优化通识课教学内容与教学手段各组成部分的比例，提高了大学生对通识课教学的满意程度，得到了较为理想的教学效果，为提高新时期通识教育的教学效果进行了有益的探索。 　　[关键词] 通识教育；教学构成；教学效果 　　[中图分类号] G642.0 [文献标识码] A [文章编号] 1005-4634（2013）01-0036-03 　　0 引言 　　随着高等教育改革的不断深化，加强通识教育以便为社会培养出复合创新型人才成为了高等教育界进入21世纪以来的当务之急 [1]。 　　通识课不同于专业课与专业基础课，它为大学生的兴趣发展、个性发挥提供了广阔的自由空间 [2]。有效的通识教育，既可以丰富学生的知识、完善学生的知识结构，又可以引领学生的新思维、开发学生的创新能力，为此，通识课的教学和专业课与专业基础课的教学大有不同。随着时代的不断进步、学生知识结构的日新月异，通识课教学本身也在不断地向科学化挺进，它需要系统地介绍背景科学典故，以培养学生的科学思维；需要进行专家学者专题讲座，以开阔学生的知识视野；需要进行双语教学，以培养学生与世界接轨的意识；需要进行课堂讨论，以挖掘学生的潜能；需要精彩的多媒体动画，以开发学生的求知欲望；需要板书交流，以加深学生对知识的深刻理解。 　　毋庸置疑，上述教学内容与教学手段的各组成部分对通识课的教学效果都有影响。在实际教学中，如果各部分的比例安排不当，则会直接影响到学生求知欲望的满足、正确思维的培养、视野的开阔、潜能的开发；如果各部分的比例得当，则一定能够达到令学生满意的教学效果，为培养复合创新型人才奠定坚实的基础。可见，开展通识课教学内容与教学手段比例构成和教学效果的研究刻不容缓、势在必行。 　　笔者以十年来的通识教育大学生问卷调查数据为基础，用学生对各教学阶段的满意程度来评判教学效果，将自然科学研究中的人工神经网络建模技术、遗传算法优化技术引入到通识课教学研究中来，建立了科学典故比例、专题讲座比例、双语教学比例、课堂讨论比例、动画说明比例、板书交流比例等影响因素与学生满意程度之间的复杂??系模型，优化了通识课教学这一复杂过程，并通过近年来的教学实践验证，得到了令学生满意的通识课教学内容与教学手段的合理构成，这一探索结果对通识教育中如何确定与把握教学内容与教学手段的比例以达到良好的教学效果具有一定的借鉴意义。 　　1 通识教学模型的建立 　　对于通识教育，在通识课教学过程中，科学典故、专题讲座、双语教学、课堂讨论、动画说明、板书交流等教学内容与教学手段对教学效果都有影响。要想得到学生满意的良好教学效果，必须首先明确上述教学内容与教学手段的比例安排与学生满意程度之间的关系，进而才能加以优化控制。 　　科学典故、专题讲座、双语教学、课堂讨论、动画说明、板书交流等教学内容与教学手段的比例与学生满意程度构成的是多因素非线性复杂系统，表1给出了2002～2008年《前沿材料科学》和《创新工程》通识课的教学内容与教学手段的比例与学生满意程度（学期平均值）的数据，可见各比例与学生满意程度之间存在着非常复杂的非线性关系，采用传统的回归方法根本无法准确地确定其关系模型。 　　人工神经网络建模技术目前已广泛应用于自然科学研究的复杂非线性系统的建模、估计、预测、诊断和自适应控制等领域[3，4]。BP网络是一种前馈式全连接多层神经网络，具有较强的联想记忆和推广能力，可以任意精度逼近任何非线性连续函数，效果非常理想。因此，本文将人工神经网络建模技术引入到通识教育领域，利用人工神经网络建模技术来建立科学典故、专题讲座、双语教学、课堂讨论、动画说明、板书交流等教学内容与教学手段的比例与学生满意程度之间的关系模型。 　　本文采用24个样本训练网络，4个样本检验网络的推广能力。训练66000次时，结果如表1所示，学生满意程度的期望值为大学生问卷调查数据的平均值，学生满意程度的输出值为人工神经网络建立模型的理论计算值，可见，无论是训练样本还是检验样本，其相对误差均稳定在3.3%以内，说明此时已建立了准确的科学典故比例、专题讲座比例、双语教学比例、课堂讨论比例、动画说明比例、板书交流比例与学生满意程度之间的复杂关系模型。 　　2 合理教学构成的确定 　　本研究是针对人工神经网络建立的模型来寻找合适的科学典故比例 、专题讲座比例 、双语教学比例 、课堂讨论比例 、动画说明比例、板书交流比例 以使学生满意程度 取得最大值，这是一个非线性优化问题。=（，，，，，）是一个非常复杂的多维空间函数，求其导数非常困难。遗传算法优化技术是根据生物的优胜劣汰、遗传变异的种群进化规律形成的一种优化算法，能较好地解决上述优化问题[5]。 　　本文将遗传算法优化技术引入到通识教育领域，采