基于学者网学生学习行为的高校教学监控数据分析方法

1 概况

1.1 背景

教学工作是高校的第一要务，教学质量是所有教学工作的核心^[1]。课程教学则是教学工作的中心。当前高校投入了大量的精力促进课堂教学质量的提高，如师资队伍建设、人才培养模式改革、教学方法创新等。高校对课程教学秩序的监控，倾向于随堂抽查、教学资料收集等传统、片面、局限的监控手段^[2]。监控工作还停留于教学常规活动记录的形式，对其背后潜在的规律与联系，并未进入深层分析与研究。运用教学基本状态数据，分析与挖掘教学活动潜在的规律，以此来查找教学过程中存在的问题，能够有效完善教学质量监控体系，提高教学质量水平 [3]。学者网课程平台上丰富的课程教学活动记录，为高校实施开展这些工作提供了可能。

1.2 分析目标

对高校学生学习行为的分析，主要有2个目标：①分析与研究学者网已有的课程活动相关规律，为教学管理层提供教学监控、预警与决策支持；②分析与挖掘学生在教学过程中的行为偏好与规律，为授课教师及时获知教学状态，调整教学方法，科学评估学生学习效果提供可量化的参考指标。

1.3 分析框架

结合目前学者网数据库里面已有的数据，选取与学生课程关系最为密切的学习行为，主要包括学生的作业完成、学习时间、交流互动、考勤记录这4个分析模块^[4]，并根据笔者的教学经验，从教学管理者与教师的视角下分析内容。具体分析框架如图1所示。

2 数据总体情况

本次分析将课程定义为“学生所应学习的学科总和及其进程与安排”。据此，在数据探索与清洗阶段，笔者对部分非课程数据进行分析与统计，得到以下相关信息。截至2017年12月17日，学者网上拥有作业提交等学习记录的学生共有33 421人，已存在的有效课程数目有777门，同一课程名不同老师算做不同课程来计算，共有1 115门课程。

相关统计如下：①课程名为空 12门；②课程名为纯数字或字符串构成，且访问量很少，如5次，这样的课程类似有“12231”“1sss”“dd”；③课程名为广告或个人言论传播类型的课程，如“步步高点读机”“高三应该怎么复习”“高校现职领导不得推荐为长江学者”“珠峰学校为高考学生总结了物理重点”“海浪牌雪碧”“未知”“鸢空间＾资源共享”“注册宋58至588”“自主学习”“作业”“course”，这些课程点击访问有些无法访问，有些访问量几乎没有；④学者网成员测试学者网课程平台的课程4门，如“试用此功能”“测试专用”“自娱自乐”“For_TEST”“Test”等；⑤党委工作交流平台或学生团队、班级交流平台，“党旗下成长”“电软系辩论队”“八上思品”；⑥毕业设计类型课程有6门，如“2018届房地产专业毕业论文”“2018级毕业设计”等。

3 数据分析实现

3.1 学生作业上交情况分析

1）多数学生偏好当天或一周后交作业。

根据作业上交时间距离作业布置起始时间差统计，如图2所示。

1～2天以内上交的作业约占16.5%，6～8天内上交的作业约占18.3%，其中选择最多的上交作业天数为1天，1天内上交作业统计得到的总频次为4.7万人次，但是6～8天内上交作业的统计得到的总频次约为8万人次。

2）七成学生犯有严重的交作业“懒癌症”。

在实际教学管理中，学生提交每个作业的具体时间，受作业本身难度、工作量、作业规定的完成时间、学生对该门课程的喜爱程度等多重因素的影响。但是，从总体上来看，一个人的长期行为有其个人的习惯特点，每个学生提交作业，也有其个人的提交习惯。

考虑到作业提交的时间极有可能受作业规定完成总时长的影响，因此，我们计算每个作业完成总时间complete_day与该作业规定完成时间duration_day的比值，来衡量学生提交作业的拖延程度（如图3所示）。

拖延程度系数d=complete_day/duration_day， d越大，代表作业提交时间越迟，具体情况如图4所示。 

根据绘制的概率密度曲线图和计算的结果来看，约73%的学生倾向于在作业规定上交期限的后半段时间完成作业。在前半段时期内完成的，仅占约27%的比例。要特别注意到，存在约11.54%的学生在超过规定的上交期限（拖延系数超过1）交作业。 

3）宽松的作业上交期限有诱惑学生犯“懒癌症”的可疑。

依据统计，作业指定完成的最长天数与学生提交该作业的距离天数有强正相关关系，关系系数为0.693。根据每个作业要求的完成时长与学生完成作业的时长强正相关关系，以及大多数学生喜欢拖延的统计结果，作为教师，可从以下几点得到启发。

（1）作业规定的完成期限不宜过长。布置的期限过长，学生做作业的起始时间可能越迟。规定的期限越短，越有利于引导学生在短时间内通过做作业的方式及时复习学习课堂知识。

（2）考虑设计激励机制引导学生尽早完成作业。73%的学生喜欢在作业规定完成的后半段期限做作业，若能通过激励措施（如增加平时成绩、公开表扬积极交作业的学生等），引导这部分学生通过作业及时复习课堂知识，将有利于极大提高整个班级的整体课堂教学质量。

（3）要特别留意作业拖延症严重的学生，督促他们按时完成作业。作业拖延症较为严重（拖延系数在1.5以上）的学生，极有可能是课程学习基础差或者不愿意学习的“问题”学生，这些学生在课程期末考核中往往通不过。

由此引出另一个问题，作业的布置期限最好是多长？除了个别综合性较强，工作量较大等特殊情况的学习任务外，根据艾宾斯浩知识遗忘曲线以及课程按周排课的规律，建议教师布置作业的时间不宜超过7天。

4）八成学生“循规蹈矩”完成作业。

图5的统计结果表明：一半以上的学生作业提交比例达到75%，有25%的学生上交作业不到作业要求总量的一半；约有8成的学生能完成老师规定的大部分作业。

3.2 学生学习时间规律分析

1）每天后半天是多数人喜爱的学习时间。

一般学生是完成作业就上交作业的，因此，上传作业的时间即学生的学习时间。

通过统计发现，在晚上学习的学生是最多的，其次是下午与上午，如图6所示。从教学安排上分析原因，高校教学一般安排在白天，因此，大多数学生能自由安排的时间段主要是晚上。总的来说，选择后半天（下午与晚上）的时间段学习，远比前半天学习的学生多。

2）自由充裕的周末学习时间不受学生青睐。

另外，根据经验判断，总的来看，大多数学生不喜欢在周末学习，实际统计出来的数据也支持了这一观点。如图7所示，学习次数最少的时间分别是星期六、星期五、星期日。选择在周末学习的，仅占了所有学习行为约22%左右，不到四分之一。这22%的学习行为中，约30%是因为已到作业截止日期的当天或最后一天。因此，除了具有“被迫”学习可疑的行为外，利用周末进行课程学习的行为，仅占所有学习行为的16%以下。据统计，当前高校本科生，其大学前三年平均每周学习课程有6～8门，按课程一般3～4学时/周来算，其周总学时25左右，需3～4天完成，再加上平时数不胜数的校园活动，因此，实际上每位学生能较完整地安排学习的时间段主要是周末。从数据库查询得到的信息可知，被统计的学生主要是工科类的学生。众所周知，工科课程的难度相对较大，尤其是开发应用类课程知识的学习，由于程序代码的调试往往较为耗时，因此需要相对较长的学习时间。统计出来的数据却告诉我们这样一个事实：能够科学合理利用周末进行专业学习的学生并不多，这是否提示学生专业知识的学习积极性并不高？

3.3 学生交流互动情况分析

数据库目前共有33 421位学生。在学者网里面共有3 793个学生在学者网上进行交流学习，占比仅约11.9%。在这部分交流互动的学生中，其互动次数的频次如图8所示。

从图8可知，大多数学生的交流互动频次为1~2次。由此可知，大多数学生爱当课程学习平台“潜水者”。根据统计，学生交流互动最热门的前10名课程是：C语言程序设计、离散数学、高级语言程序设计、中职学科课程与教学论、大学计算机基础、计算机应用基础、数据库前沿、教育研究方法、职业教育课程与教学论实验。

3.4 学生考勤情况统计分析

1）风雨兼程仍阻止不了八成学生按时上课的热情。

为了考查每个学生整体出勤情况，笔者将所有每个学生近3年来的数据进行汇总计算，得出学者网上所有学生的出勤数据（见图9、图10）。

根据图9学生出勤率分布密度曲线可知：大多数学生的出勤率较高，能达到94%以上；从整体上看，有81.6%的学生全勤，即约八成的学生严格遵守上课规定，坚持无请假旷课事件发生（如图10所示）。

2）下半年出勤比上半年好。

如图11所示，仔细观察各学期的考勤状态折线图与条形图，不难发现，每学年的第1学期出勤率明显高于第2学期，这些时间段分别对应每年的下半年与上半年。换言之，下半年请假、迟到、旷课率要比上半年低一些。

3）每学期第2～4个月的教学区间为缺勤重灾区。

由于每年7月份与8月份基本是固定的暑假时间，没有考勤记录，如图12所示，无此2个月份的考勤统计数据。横向观察以上3个条形图，整体上讲，旷课现象比请假与迟到要相对严重。每学期初（第一个月）与学期末（最后一个月）的考勤状态比其他月份要好。

而每年的3～5月份，是考勤状态较糟糕的月份，对于迟到、旷课、请假这3个考勤状态，3～5月份累计人次占全年总人次的比例分别为53.4%、39.9%、67.2%。

值得注意的是每年旷课最严重的月份不在3～5月份中，而是12月，这可能受该月季节天气寒冷、节假日多等因素的影响。

综合以上分析，对于重视考勤纪律等学风建设的教学管理者来说，如想抓好学生的出勤率，可重点监控每学期的第2～4个月的班级考勤，尤其是每年的3～5月份。

4）导论类与程序设计语言类课程为学生旷课的主要课程。

旷课不同于请假，旷课一般是学生非客观原因的主观行为，如果课程旷课现象较为严重：一方面，可能受学生个体影响；另一方面，每次开课旷课现象均较严重的课程，也可能是课程教学设计不当的信号提示。分析与研究旷课较严重的课程规律，为教学管理层重点抓好专业课程模块教学工作具有指向引导作用[5]。

由于个别学生在某门课程中可能存在多次旷课的情况，因此，与按旷课总人次衡量旷课程度的指标相比，从该课程的开课次数、每次旷课学生数占课程学生总数的比值这两方面来综合考核课程各学期的平均旷课率，更能体现该课程开课以来的旷课程度。由于数据表开设学期大于1次的只有开设次数为2的课程。因此，笔者从开课次数为2且具有旷课记录的课程里面筛选出前10门课程，得到旷课程度排名前10的课程，分别为软件项目管理、数据结构、C语言程序设计、面向对象程序设计、物联网技术及应用、面向对象程序设计（Java）、传感器原理与应用、C#程序设计、线性代数、计算机应用基础——大数据与云计算。从以上“旷课学生数占比前10的课程”可以看出，占比最高的课程“软件项目管理”，历年学生逃课人数约42%，接近一半的学生有过逃课记录。通过查询，该门课学生总数158人，有旷课记录的学生64人，开课累计次数2次，每次有3～4成的学生逃课。开课多次且学生旷课的比率仍然很高的话，一方面，提示该门课程的教学实施可能存在需要改进的地方；另一方面，相关专业学生的班风学风也有存在问题的可能性。

根据平均每学期学生旷课比率排名，我们可以获得旷课最严重的前10名课程分别属于哪些类型的课程：导论类与程序设计语言类课程占了多数；如果考虑全部有旷课记录的课程，则导论类、开发应用类、程序设计语言类课程，是旷课最为严重的前3类课程，占了所有旷课课程数的83%；较多同类型的课程均存在旷课，暗示这些类型的课程教学设计者可能需要改进和调整课程的教学方法与内容，吸引更多的学生投入学习。

4 结 语

以上为对学者网上2015年9月至2017年8月期间的学生学习行为数据分析。通过对这些高校的学生的作业完成、学习时间、交流互动、考勤记录等行为的分析，可以帮助我们对高校的学生学习状况有较为客观、全面的了解，对高校监控与管理教学存在的统计难、信息不全等问题实现了极大的突破；另一方面，对学生学习行为分析提供的分析方案，同样适用于针对某个大学学生学习行为的分析，为各个高校监控与掌握该校学生学习行为提供了分析与挖掘思路，各高校教学管理者可从中得到借鉴与参考价值。总的来说，本次分析方案的设计是对当前高校把大数据技术应用于教学监控的一个创新。

参考文献：

[1] 刘培军. 大学生学习适应性研究: 以广西壮族自治区为例[D]. 上海: 上海师范大学, 2015. 

[2] 吴立平, 刘凤丽. 应用型本科高校教学质量监控体系及运行机制构建[J]. 黑龙江高教研究, 2016(1): 35-37. 

[3] 石青辉. “互联网+”背景下高校学生的学习行为特点与课堂教学改革[J]. 教育教学论坛, 2018(8): 143-145. 

[4] 吴建国, 吴海燕. 教学基本状态数据在高校教学质量监控中的作用[J]. 高等建筑教育, 2016(5): 49-53. 

[5] 欧阳俊, 陈嘉. 构建高校教学质量保障监控体系的研究与实践[J]. 河北农业大学学报(农林教育版), 2015(3): 1-5. 

基金项目：广东省本科高校教学质量与教学改革工程教学团队（JXTD201601）；广州商学院校级质量工程教学团队（zlgc2015004）；2017年广东省高等教育教学研究与改革项目“商科院校的大数据人才培养实践教学体系”(2017SJJXGG01)。

第一作者简介：吴晓玲，女，讲师，研究方向为大数据技术在教育教学中的应用，[e-mail]。

（完）

更多精彩：