关键词:
学习行为数据分析
机器学习
教学设计
中职教学
摘要:
2021年,教育部等部门联合印发《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》,指出要以信息化为主导,聚焦数字资源、信息网络等方面推动教育新基建。在当前信息技术环境下,结合大数据、机器学习等新一代信息技术对职业教育大数据进行采集和分析是职业教育发展的必然趋势,以数字技术赋能教育转型升级,推动职业教育高质量发展。近年来,学习分析技术在教育领域得到了广泛关注,使用机器学习方法对学生学习数据进行分析,有助于教师更好地了解学生、制定适合学生学习特点的教学方案。然而,当前针对中职学生学习行为数据分析的相关研究不足。鉴于中职学生学习习惯和学习行为与其他教育阶段学生存在差异,不能直接将现有学习行为研究结论应用于中职教学过程的现状,针对当前中职《C语言程序设计》课程教学中存在的理论与实践脱节、学生实践不足等问题,急需基于中职学生学习行为特点并借鉴中职学生学习行为研究相关成果提出解决方案。
针对当前中职教育中存在的问题,对中职学生学习行为数据进行分析,进而基于分析结果指导学生学习过程,帮助教师进行教学方法的优化有着重要意义。为了实现上述目标,本文主要研究内容和创新点包括了以下三个工作:
1.使用机器学习模型分析中职学生数据,探究学生成绩的影响因素。通过对比五种模型的性能,得出随机森林模型在分类预测问题中性能最佳,进一步使用随机森林模型分析中职学生学习行为数据。实验得出对中职学生学习成绩影响较大的因素有学生对于课堂的参与度、能否完成任务、是否明确教学目标等,为下一步进行教学设计和教学实践提供研究基础。
2.基于数据分析结果设计基于任务驱动教学法的教学过程,并应用于中职教学实践。基于中职学生学习行为数据分析结论,结合当前《C语言程序设计》课程教学现状、学生特点以及课程特点,详细设计了基于任务驱动教学法的课程教学流程、教学活动、教学评价,将系统完整的教学设计应用于中职《C语言程序设计》课程教学实践中,收集同一时期内两个班级的教学数据,为评估任务驱动教学法的实践效果提供数据支撑。
3.综合学生成绩、调查问卷、学生访谈,多维度评价教学效果。本研究在教学实践后,通过比较所收集的测验成绩数据、任务完成率数据、实验班学生的调查问卷数据以及访谈记录,对比分析两个班级的教学效果,多维度评价任务驱动教学法的有效性。最后,反思实践过程中的问题、总结研究中存在的不足,为将来深入研究指出改进和优化的方向。