“后疫情时代”高校 “云教学”效果研究和实践——基于文本挖掘方法

发表时间:2021/4/15   来源:《科学与技术》2021年2期   作者:蔡荣江
[导读] 疫情期间,依托“云教学”模式,将教师转换成“主播”,
        蔡荣江
        宁波工程学院  浙江 宁波 315000
        摘要:疫情期间,依托“云教学”模式,将教师转换成“主播”,教师和学生之间可以产生更多互动,学习效果也将不同于课堂教学。高校“云课堂”也将从一种辅助式教学方式转变成了主导式教学方式。在直播技术及平台迅猛发展的大环境下,如何利用技术手段,来提高课程教学的质量及效果,打造虚拟课堂环境。利用教学利器打造多样型授课,赋予同学们在学习过程中更多的想象空间。如何实现其路径值得我们进行探索。
        关键词:后疫情时代;文本挖掘;云教学;效果评价
        
Research and Practice on the Effect of "Cloud Teaching" in Universities in the "Post-epidemic Era"——Based on text mining method
Rong jiang Cai
Ningbo University of Technology,Ningbo,Zhejiang,315211,China
Abstract:

During the epidemic, relying on the "cloud teaching" model to transform teachers into "anchors", teachers and students can have more interactions, and the learning effect will be different from classroom teaching. The "cloud classroom" in colleges and universities will also change from an auxiliary teaching method to a leading teaching method.
In the context of the rapid development of live broadcast technology and platforms, how to use technical means to improve the quality and effect of course teaching and create a virtual classroom environment. Use teaching tools to create a variety of lectures, giving students more imagination in the learning process. How to achieve its path is worth exploring.
        
        
        2020年伊始,全球爆发了严重的“新冠”疫情,为了避免疫情扩散,减少人员流动,各行业延迟复工。而学校是突发公共卫生事件的高发单位,学生是易感人群和防控重点,课堂教学也只能通过网络形式进行远程授课,因此给在线课堂教学带来了前所未有的压力。随着疫情发展,疫情防控成为了常态化。后疫情时代,高校在线课堂教学也将从一种辅助式教学方式转变成了主导式教学方式。在疫情期间,“云教学”形成了以“资源平台+直播平台+交流平台”三大平台为核心,以大数据反馈为导向的新型教学模式。
1存在的主要问题
在该背景下,“云教学”将会面对如下几方面的问题:首先,“云教学”是否达到预期教学效果。由于疫情的突发性在线和学习,对于老师和学生来说都是“新手”。对于老师来说,“云教学”的内容必须重新规划,既不能面面俱到,又不能一带而过,内容需要“云教学”过程中逐步去摸索。而良好的教学效果是在线教育的基本要求。在疫情特殊背景下,长期线下教学效果的评价机制无法满足现实需求。因此将在线教育的直接利益相关主体,在线学习的学生们,对于“云教学”的体验感作为主要“云教学”效果的评价指标是较直接且高效的做法。
        其次,“云教学”体系是否完善。在疫情突发性的特殊背景和环境下,需要实现多样化“云教学”形式,这不仅需要充分保障“云教学”的内容和质量,也需要全面适合学生的自主学习的差异性和状况。不同专业课程讲授与学习差异性明显,如在课程讲授中,会有通识、专业理论、专业实践等不同课程设置,因此不同类型课程对于“云教学”需求差异性较大。因此这就不仅仅需要“云教学”的基础设施软硬件配套、在线教育平台资源及“云教学”管理的充分保障。更重要的是需要确保在线课程类型分类明晰,根据不同“云教学”平台及软件的使用特点,根据课程内容选择适合的、恰当的“云教学”方法,从根本上保障“云教学”的效果。
        最后,“云教学”效果是否能够有效评价。在疫情环境下,由于其的突发性,如何客观真实地获取到学生在线学习感受,如何识别和刻画在线学习者的学习体验效果,提升“云教学”课堂水平。如何全面评价课前、课中和课后的教学效果。如何将“云教学”效果评价的考核指标的完善,这不但可以提高了“云教学”的日常教学效率,也是应急情况下“云教学”的基本保障。
2应用的主要方法及流程
        依据多种教学平台的数据,通过文本挖掘方法,深度挖掘学银在线、中国大学慕课及学堂在线等教学平台上的在线学习评论数据,对疫情背景下大学生的学习体验进行了聚类分析。该方法不同于传统的问卷调查数据和访谈资料,可以更客观真实地表达学生感受,准确衡量教学效果。采集学生关于“云教学”评论的文本数据,并运用聚类分析作为数据挖掘方法,以此来识别和刻画在线学习者的学习体验,发现问题,重新设置学习主题,改进“云教学”方法和提高“云教学”效果,流程如图1所示。

图1 学习体验效果文本挖掘流程

3 研究路径及过程
3.1在线学习体验的文本挖掘分析
        在教学平台评论数据收集的基础上,通过数据去重、特征提取、聚类过程、聚类结果评估等步骤,对学生的在线学习体验进行了基本分析。采用K-Means主题聚类研究方法,以教学平台学生学习体验数据作为数据来源,以学生为中心,运用网络爬虫搜集网络教学平台中高校大学生涉及网课体验的评论与话题。通过文本数据聚类分析深入挖掘文本数据,呈现出疫情特殊时期学生在课前、课中、课后真实的学习体验状况,分析影响学生体验的关键因素,设置适合的学习主题。主题聚类分析流程如图2所示。
                    
图2 教学效果的文本挖掘流程
3.1.1数据获取和整理、清洗
        来自于各教学平台、互动平台,如学堂在线平台、中国大学MOOC平台、学银在线平台上的学生学习体验评论文本;再剔除评论中出现的英文字母或异常词及无效文本评论。爬取出来的文本数据以Excel文件的形式呈现。整理完毕后将Excel文件转换成Txt文件使用,数据总量为16770条评论。整理好爬虫搜集的文本数据作为基础数据,利用Python编程中Jieba分词工具包将文本进行分词处理。Jieba中文分词可以将句子最精确地切开,适合文本分析,把句子中所有可以成词的词语都扫描出来,通过分词后得到词频统计数据,如表1所示。根据词频数据生成词频共现矩阵,如表2所示。进而形成高频词词云图,如图4所示。
3.1.2关键词提取
        使用Python软件对线上教学效果的文本关键词进行挖掘、提取。同时过滤一些无实际意义且与本研究无关的词,得出主题关键词如“课堂”、“视频”、“直播”、“签到”、“作业”“在线”,最后利用词频由大到小排序并选取前30个关键词
        根据以上高频词结果,继续进行词共现分析,形成了共现词矩阵。因受篇幅限制,在此只选取了前15个高频词,如表2所示。排名靠后的词语两两之间共现次数较少。由于共现矩阵不容易形成直观的描述和分析。利用Python工具绘制出前多少个高频词的词云图,如图4所示,实现数据信息的可视化。
 

3.1.3“云教学”效果主题聚类分析
        根据高频关键词的共词强度,进一步将关键词划分为不同类别。根据上文30个高频词,设定阈值为14,进而使用K-Means聚类算法对共词矩阵中的关键词进行聚类。基于“肘部法则”的文本主题聚类处理结果,进一步集合本领域专家的相关意见,使用K-Means聚类算法对关键词进行聚类,观察斜率即可得出最佳K值。由图知,当K=7时曲线有明显转折,因此本文K取值为7大类主题较为合理。
        
        图5 文本主题聚类处理结果
        相关主题如下,Topic1的高度关联词突出表现为回学校、打卡、不想、上学、学校,故定义为大学生的“网课意愿”;Topic2关联词与教学平台相关定义为“平台体验”;Topic3关联词主要围绕学生在线听课现场的状况可定义为“授课现场”;Topic4关联词则围绕学生的听课设备,将其定义为“网课硬件”;Topic5关联词涉及学生的课堂视频学习以及课后作业布置定义为“课业任务”;Topic6关联词定义为“学习状态”;Topic7关联词则定义为“期待开学”。
3.2文本挖掘教学效果下的“云教学”体系重塑
        本研究基于文本挖掘的方法,关注在疫情防控背景下,“云教学”效果研究和相关教学实践。以网络爬虫所获得的关于大学生线上学习体验的数据作为研究基础,通过文本聚类分析得出大学生学习体验,发现“云教学”过程中的真实的教学效果。进一步结合“双螺旋”“云教学”模式,对“云教学”整体流程进行重构,进而改进“云教学”效果。
(1)基于文本挖掘方法掌握平台学情数据,及时改进在线平台使用效果
        基于文本挖掘方法对典型在线教育平台等使用满意度主题聚类分析,明确高校师生对在线教育平台的满意度及其教与学效果,明晰典型在线教育平台特色优势及不足,为平台选择及教学效果改进提供参考。
(2)分类管理与引导“云教学”各项活动,提高教学效果
        将教师与学生按照自然科学学科和人文社科学科,通识课程、理论课程及实践实训课程进行分类,将不同类课程需求与调查所得不同平台(软件)提供服务特点对接,分类引导高校师生,优化在线教育模式。
(3)及时规范和发布“云教学”基本规范、考核与监督标准指标
        高校教务处及时出台本校在线教育基本规范要求、考核规范及“云教学”督导检查基本指标。细化本校在线主流教学模式规范,鼓励教师团队教学,引导或部分限制本校师生使用在线平台,同时出台本校相关平台教师或学生使用手册。
参考文献:
[1]基于库伯体验学习理论的MOOC质量影响因素分析[J]. 王珂珂. 成人教育. 2016(09)
[2]协作学习理论与实践——在线教育质量的根本保证[J]. 琳达·哈拉西姆,肖俊洪. 中国远程教育. 2015(08)
[3]“慕课”对我国高校教学改革的启示[J]. 路萍. 中国职工教育. 2014(22)
[4]教学信息化:一场走向在线教育的革命?[J]. 李逢庆,赵建民. 现代远距离教育. 2013(05)
[5]在线教育来潮:教师的困境与出路[J]. 黎静. 高教探索. 2013(05)
(宁波市教育科学规划课题2020YGH021:基于“云财务”下的新商科“虚拟仿真实训”环境建设与应用研究)
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: