学习风格对大学计算机课程MOOC学习的影响.docVIP

学习风格对大学计算机课程MOOC学习的影响 　　摘要：提出使用Felder-Silverman量表对大学生进行学习风格测量，对学习风格与大学计算机课程中操作型学习和应用型学习成绩的关系进行分析。数据分析表明，对于操作型学习和应用型学习，部分学习风格与学习成绩有显著差异。文章根据研究结果提出大学计算机课程MOOC教学设计和学习的建议。 　　关键词：学习风格；Felder-Silverman量表；大学计算机；MOOC 　　1背景 　　新兴技术应用于教育催生了新的教学模式，如社交媒体用于教育的O2O教学模式。近年来随着MOOC教学的深入，也出现了基于MOOC/SPOC协同建设的教学模式。纵观MOOC的相关研究，针对课程内容建设的比较多，而关注学习风格对MOOC模式下学习者学习成效以及学习行为影响的研究却非常有限。国外已有关于学习风格对学习成绩、学习态度和学习行为影响的研究，但不论国内外，尚缺乏MOOC环境下学习风格与学习成效和行为的深入研究。如果不能理清二者之间的关系，就难以有的放矢地改进MOOC的内容设计以及教学和学习模式设计，也就难以充分发挥MOOC的优势。 　　2研究设计 　　大学计算机是除计算机专业外所有一年级学生都要学习的一门计算机类基础课程。课程采用MOOC课堂与传统课堂相结合的方式进行，即任课教师在机房对每节课的内容进行概要介绍，针对具体知识点提供MOOC课堂资源，同时也对部分知识点进行课堂讲授，学生可根据自身情况选择两种学习方式的比例。根据学习内容的特点可将课程分为操作型学习和应用型学习两个部分，研究中操作型学习的测量以Word为准，应用型学习以Excel为准，每个单元学习结束后进行单元测试，其成绩作为评价学习效果的依据。 　　笔者使用Felder-Silverman量表对学习风格进行测量。学习风格量表初测在北方工业大学2014级统计1～2班的课堂完成，在回收问卷后，初测修正并形成用于正式调查的问卷。 　　3分析及讨论 　　3.1调查样本人口统计学分析 　　本次调查共在北方工业大学18个大学计算机课堂进行，专业覆盖工科、理科、文科共67个自然班。回收、整理并删除无效问卷后共获得1500条有效记录，其中含台湾地区1人、香港地区2人。由于港台地区生源数量很少，且经济社会环境与大陆地区有较大不同，因此以下分析将基于大陆地区的1497条记录进行。 　　我们从性别、生源地、地区和专业4个方面对样本数据进行分析，数据见表1。 　　数据显示学生男生比例偏高，这与该大学工科专业比例大有关。由于该大学是北京市属高校，因此生源地将以“是否北京生源”来划分，其中北京生源比例略高。根据国家统计局对我国经济地区的划分，非北京地区生源的统计数据显示，该校招生向西部地区倾斜，其余地区分布较平均。专业方面，数据显示学校以工科为主。 　　3.2学习风格分析 　　Felder-Silverman量表把学习风格分为4组内容相对的学习风格，它们是活跃型/沉思型、感悟型/直觉型、视觉型/言语型和序列型/综合型。每个题项有a、b两个选项，根据学生对每个题项的回答进行得分统计，得分在11a、9a、7a、5a的为a种风格，得分为11b、9b、7b、5b的为b种风格，而3a、1a、1b、3b则属两种风格的平衡型。但在本次调查的分析中我们发现，按上述分类方法容易导致平衡型数量偏高的情况，这可能是文化差异所致。因此，修正后的依据是得分为11a、9a、7a、5a、3a的列为a种风格，得分为11b、9b、7b、5b、3b的列为b种风格，而1a、1b则属两种风格的平衡型。 　　学习风格的统计数据见表2。在活跃型/沉思型维度中，沉思型比例略高，说明被测试者倾向于安静思考，单独学习的人更多一些，但3个部分比例比较平均。感悟型/直觉型维度中，感悟型的比例更高一些，说明喜欢以有序化、结构化方式学习的人更多，倾向于灵活创新型学习的比例偏低。视觉型/言语型维度中视觉型比例明显偏高，说明以视觉元素呈现学习内容符合大多数人的认知行为习惯。序列型/综合型维度中序列型人数更多一些，说明被测试者中注重细节和部分学习的人较多，而以整体观念学习的人相对少。 　　总体而言，数据分析的结果揭示了大学新生的认知习惯和学习偏好，为进一步理解他们的学习行为提供了基于统计意义的依据。 　　3.3学习风格与MOOC学习成绩关系的分析 　　由于不同专业的学习内容存在差异，为了消除由课程差异产生的影响，我们将只对8个工科专业课堂共503个有效记录的数据进行分析。此外，相同内容的工科课程也可能存在不同教师教学方法和行为对结果的干扰，因此成绩采用课堂内按成绩升序排名的方式，即最低分的排名为l，以此类推，相同分数则排名并列，但后续排名顺延直到最高分。差异性对比采用单因素方差分析，以