基于头歌平台的大学生在线编程学习行为分析研究.pdfVIP

基于头歌平台的大学生在线编程学习行为分析研究

摘要

随着信息技术的快速发展，编程技能已成为工科专业学生必备的专业能力之

一。在线编程学习作为一种新兴的教育模式，为学生提供了灵活、便捷的学习途径。

深入分析基于EduCoder头歌在线实践学习平台的大学生编程学习行为，探讨不同

学习行为与学习成绩之间的关系，以期为优化在线编程教学策略和提升学习效果

提供理论支持和实践指导。

主要完成工作：（1）构建行为分析框架。梳理国内外相关文献，将编程学习行

为划分为外显和内隐两个方面：外显方面包括平台操作、问题解决、协作学习和交

互学习；内隐方面包括信息素养、学术挑战、学习态度和自我效能感。制定学习行

为测量指标，并构建在线编程学习行为分析框架。（2）框架应用实施。选取参与《C

语言程序设计》在线实践课程的大学生为研究对象，通过平台和问卷收集数据，进

行框架的应用。（3）学习行为分析。通过描述性统计分析了解在线编程学生基本学

习情况；运用K-means聚类算法对学生群体进行特征类别划分；采用相关性分析

探讨学习行为与学习成绩之间的相关程度；利用多元线性回归分析分别探讨了外

显和内隐学习行为对学习成绩的影响效应，并得出了影响学习成绩的关键行为变

量。（4）研究结果分析讨论。根据在线编程学习行为分析结果，对学习者行为特征

进行讨论，揭示在线编程学习中存在的问题，并提出相应的建议。

研究发现：（1）在线编程学生可依据行为特征划分为“互动活跃”、“认真思考

型”、“出色专注型”和“努力配合型”四个群体，各群体之间的编程学习成绩及行

为表现存在着明显差异。（2）显著性影响编程学习成绩的行为主要来自外显行为中

的平台操作、问题解决和协作学习，以及内隐行为中的学术挑战、学习态度、自我

效能感和信息素养。（3）参与在线编程学习的学生对在线编程的形式较为好奇，但

在学习过程中出现了学习投入度不高、缺少学术挑战意识、交互学习不活跃、面对

困难不自信和缺乏自律性等情况，影响了编程学习效果和专业技术能力发展。

根据上述研究结果，针对学习过程中存在各方面的问题，从教学者、学习者和

平台建设者三个方面出发，提出以下建议：（1）教师可依据学生群体类别分配任务，

提升学习者自我效能感；开辟多元编程学习路径，促进多维技术能力提升；（2）学

生应加强自主编程学习意识，制定高效编程学习目标；树立积极进取学习心态，积

极参与团队交流协作；（3）平台建设者应注重优化平台学习资源建设，打造共享学

习资源仓库；完善学习监督反馈机制，创设AI智能编程交互空间。

关键词：在线编程学习，学习行为分析，EduCoder平台，学习效果,教育数据挖掘

ResearchonLearningBehaviorAnalysisofCollegeStudents

BasedonEduCoderPlatform

ABSTRACT

Withtherapiddevelopmentofinformationtechnology,programmingskillshave

becomeoneofthenecessaryprofessionalabilitiesforengineeringstudents.Asan

emergingeducationmodel,onlineprogramminglearningprovidesstudentswitha

flexibleandconvenientlearningpath.BasedonEduCoderToutiaosin-depthanalysisof

collegestudentsprogramminglearningbehaviorontheGeonlinepracticallearning

platform,weexploretherelationshipbetweendifferentlearningbehaviorsandacademic

performance,withaview