0 引 言
2019 年 4 月，教育部启动了“六卓越一拔尖”计划 2.0，面向一流课程建设的“双万计划”是该计划的 3 项核心任务之一。课程是高等教育质量革命的主阵地，“课堂教学革命”和“学习革命”是重要抓手 [1]，一流课程建设的主要目标是实现高质量的课程教学。《教育部关于一流本科课程建设的实施意见》（教高 [2019]8 号）指出，一流课程建设要遵循 3 个原则：提升高阶性、突出创新性和增加挑战度，课程的教学目标设计应该坚持知识、能力和素质的有机融合，通过教学方式和教学方法改革引导学生进行探究式学习与个性化学习，一流课程的教学设计应重视培养学生的高级思维能力，以及对学生逻辑思维潜能和自主学习能力的培养与训练。
线上线下混合式一流课程是“双万计划”中的重要组成部分，要求线上教学时间占20%~50%，通过线上与线下教学活动的有效衔接，实现从以“教”为中心的教学向以“学”为中心的教学转变。学习效果评价是对课程教学质量的有效评估，传统的学习效果评价大多采用基于期末考核的终结性评价方法，是一种结果性评价，难以动态反映学生在课程学习过程中的学习表现，也难以为个性化学习指导提供参考依据。形成性评价是一种面向学习全过程的评价，在线上线下混合式教学中，可以通过对学生线上线下学习活动数据的采集和分析，及时了解其学习状态，发现学习中存在的问题，从而正确引导学生进行学习行为和学习状态调整，能够很好地体现以学为中心和产出为导向的教学理念 [2]。目前，已有众多学者关注形成性评价和学习行为与在线学习效果之间的关系：文献 [3] 中分析了美国以学生为中心的课程教学评价创新，指出了形成性评价在课程教学评价中具有重要作用；文献 [4]中提出了融合智能技术的金课框架，阐述了学情分析、个性化学习指导和形成性学习效果评价对教学质量的促进作用；文献 [5] 中通过学习投入与学习坚持之间的关系研究发现，在线学习者的学习投入对其学习坚持性有正向直接影响；文献[6] 中也认为分析学生的学习行为和激发学生的学习主动性是在线教育领域值得关注的问题；文献 [7] 中通过对北大在 Coursera 平台上的 6 门课程和 8 万多名学习者的学习行为数据分析发现，学习者的课程学习成绩与其在线时间、观看视频次数、平时测验成绩以及在课程论坛上的参与情况等学习行为之间存在明显的正相关性。以上文献的研究结果表明，学生在学习过程中的学习表现对其学习效果有重要的影响。
1 数据结构线上线下混合式教学实施框架
数据结构课程是计算机专业的一门核心课程，总学时为 72，使用基于异步 SPOC 的线上线下混合式教学，其中，线上教学学时为 23，占总学时的 32%，包含 14 学时的视频学习和 9 学时的单元测试。数据结构课程内容丰富、实践性强，要求学生具备一定的编程基础和程序调试能力，而且学情基础对课程的学习效果具有重要影响，因此在教学准备阶段，要对教学对象进行学情基础调查，准确获取学生的学习需求，为课程的教学目标和教学活动设计提供决策依据；在课程教学过程中，通过问题反馈和反思以及形成性评价的引入，及时发现教学和学生学习过程中存在的问题，分析学生的学习需求变化，必要时要开展针对性的教学方案微调和个性化学习指导。数据结构课程的教学实施总体框架如图1 所示。
数据结构的教学实施过程总体上由教学准备、知识构建、知识应用与创新及评价与反思 4个环节构成，教学活动设计分为线上和线下两部分，采用目标和任务驱动。其中，知识构建主要面向数据结构概念和特点、基本操作的算法思想等浅层的知识学习，其教学目标是实现知识的记忆、理解和领会，并培养学生的自主学习和自我管理能力；知识应用与创新的教学目标突出高阶性、创新性并增加挑战度，主要通过算法实验、算法应用和参与项目等教学活动训练和提升学生的算法实现与应用创新能力。在图 1 中，评价和反思环节与教学准备环节的连接旨在促进教学内容和教学活动的动态优化与调整，切实贯彻以学为中心的教学理念。
2 学习效果评价指标体系设计
数据结构课程的学习效果评价指标设计以线上线下混合式一流课程的评审指标为指导，结合数据结构课程的教学目标，以产出为导向，从知识、能力和素质 3 个层次进行设计，具体的评价指标及权重见表 1。
2.1 知识层次的学习效果评价
在知识层次，主要评价学生对当前所学知识或已学习课程知识的记忆、理解和领会水平，二级评价指标包括线上测试、课堂测试、期中测试和作业完成度。其中，线上测试以章为单位，由学生在 SPOC 平台上自主完成，课堂测试使用雨课堂软件在线下课堂完成，旨在检验学生的线上自主学习情况以及对当前章节知识的理解和领会水平；期中测试主要考核学生对已学知识的理解和掌握情况，包含一部分主观题，通过线下考试的形式完成；作业完成度评价以章为单位，每章教学完成后布置一次作业，每次作业通常包含多个任务，每个任务的分值均设为 100，由主讲教师进行评分，作业完成度的计算方法为每个任务获得的评分之和除以当次作业的任务总分。
2.2 能力层次的学习效果评价
在能力层次，主要评价学生应用所学的数据结构知识和算法解决实际问题的算法实现和应用创新能力以及高阶思维水平，包含 3 个二级评价指标：基础实验表现、综合实验表现和参与项目表现。其中，基础实验任务每章发布一次，主要针对当前章涵盖的数据结构基本操作的实现和简单应用，每个基础实验一般包含 2~3 个任务，每个任务的分值均设为 100 分，评价因素主要包括实验结果和代码结构，对应的影响权重分别设为0.6和0.4。综合实验根据知识单元的划分进行发布，每个知识单元的教学活动结束后发布一次综合实验，每个综合实验的分值设为 100，可将数据结构的知识单元划分为 4 个：线性表、树、图、查找和排序。综合实验的主要教学目标是训练和提升学生对已学算法的整合和应用能力，主要培养学生的高阶思维，评价因素主要包括实验结果、代码结构和算法性能，对应的影响权重分别设为 0.4、0.3和0.3。数据结构课程教学中要求学生至少参与一项无级别要求的实践研究性项目或参加一个技术类竞赛，主要的教学目标是培养学生的知识应用和创新能力，提升课程挑战度，评价因素主要包括项目（竞赛）完成度以及使用技术和方法的先进性，对应的影响权重分别设为 0.6和0.4。
能力层次上的各级评价指标均使用教师评价、学生互评和学生自评相结合的主观评价方法，在线下课堂完成，评价权重分别设置为 0.4、0.3和0.3。学生互评采用动态随机匹配的方法，每次评价前，由随机匹配软件产生互评匹配名单，并要求在规定的时间内完成对相应评价指标的打分。
2.3 素质层次的学习效果评价
将学生在课程学习过程中的学习投入和协作学习表现定义为学生的综合素质体现，具体包括视频学习、线下课堂活动表现、线上活动表现和协作学习 4 个二级指标，每个二级指标的影响因素及其权重见表 2。为了促进和实现探究式学习，数据结构课程设立助教团队和协作学习小组。助教人数的上限设为班级学生数的 20%，学生可以自愿报名参加，报名人数超过上限时由主讲教师根据学生的学情基础和沟通交流能力进行筛选；协作学习小组要求每位学生必须参加，教师或课程组制订协作学习计划后，学生通过自由组合形成分组，每组不超过 5 人，每人至少要参与完成一个协作学习计划，每个协作学习计划设立一位小组负责人。
在素质层次的各个评价指标上，视频学习投入和线上活动表现由 SPOC 平台自动统计，线下课堂活动表现和协作学习两个指标采用教师评价和学生小组互评相结合的评价方法，最后得分为教师评分和学习小组互评得分的平均值。
3 线上线下混合式教学的学习效果评价方法
线上线下混合式教学强调以学为中心，教学目标、教学方案和教学活动通常要根据学生的学习状态进行动态微调，为此，笔者提出一种形成性评价和终结性评价相结合的课程学习效果评价方法，其中，形成性评价以章为评价单元，终结性评价结果为期末考试成绩。
3.1 基于形成性评价的学习效果评价方法
鉴于目前大多数线上课程的单元测试都是以章为单位，为了兼顾线上线下教学在知识组织结构上的一致性，也以章为单位建立基于数据驱动的形成性评价方法。
根据表 1 的学习效果评价指标体系，在每章的教学活动完成后，首先按照评价指标体系计算每个学生在知识、能力和素质 3 个层次上的学习效果评价得分，然后使用公式（1）计算每个学生在当前章的形成性评价得分 Sic。
在公式（1）中，SiK、SiA和SiQ 分别表示第 i个学生在当前章学习中获得的知识、能力和素质评价得分；wK、wA和wQ 分别代表知识层次、能力层次和素质层次上的评价得分在形成性评价中的影响权重，其值已在表 1 中给出。
3.2 融入形成性评价的课程学习效果评价方法
使用加权平均的方法计算课程的学习效果评价得分。假设课程包含的章数为 M，可以使用公式（2）计算第 i 个学生数据结构课程的学习效果评价得分 SiE。
在公式（2）中， wc和wf 分别表示形成性评价和期末评价的影响权重，本课程将 wc和wf 设为 0.5 ；Sicj和Sif 分别表示第 i 个学生在第 j 章的形成性评价得分和最后的期末评价得分。其中，Sicj和Sif 均使用百分制。
3.3 学习效果评价方法的实践应用结果分析
为了验证基于 SPOC 的数据结构线上线下混合式一流课程的学习效果评价方法的合理性，以教学活动结束后的学生满意度调查结果作为参照，对比分析评价结果与学生满意度调查结果的吻合度。参与的教学对象为软件工程专业 2019级和计算机科学技术专业 2020 级的 124 名大二年级学生。满意度调查的问卷设计主要面向学生数据结构课程学习中在知识、能力和素质 3 个层次上获得的提升情况，每个问题设置“很满意”“满意”和“不满意” 3 个不同选项，对比结果见表 3。
从表 3 的结果对比中可以看出，学习效果评价结果与满意度调查结果具有较好的一致性，而且通过对比分析教学过程中采集的学生学习投入数据发现，学习效果评价结果为优秀的学生对课程的满意度较高，期末学习效果评价为不及格的学生学情基础较差，其中大部分学生在课程学习中的投入不足。
4 结 语
从知识、能力和素质 3 个层次建立的数据结构线上线下混合式一流课程的学习效果评价指标体系与学生的满意度调查结果具有很好的一致性，反映了学情基础和学习投入对学习效果的正向影响。鉴于此，在今后的数据结构课程教学中应该加强对学生学习行为和学习状态数据的及时采集和分析，注重形成性评价结果在个性化学习指导中的应用，进一步促进以学为中心的教学理念下课程教学质量的提升。
参考文献:
[1] 刘飞, 银海强. 高等教育质量革命背景下形成性评价体系构建研究[J]. 科教导刊, 2021(25): 4-6.
[2] 姜云霞, 葛馨, 王双. 基于“金课”理念的课程教学组织方法研究[J]. 高教学刊, 2021(11): 157-160.
[3] 祝士明. 深度融合智能技术的金课建设: 框架与路径[J]. 国内高等教育教学研究动态, 2020, 30(8): 34-40.
[4] 赵炬明. 关注学习效果: 美国大学课程教学评价方法述评——美国"以学生为中心"的本科教学改革研究之六[J]. 高等工程教育研究, 2019(6): 9-23.
[5] 兰国帅, 郭倩, 钟秋菊. MOOC学习投入度与学习坚持性关系研究[J]. 开放教育研究, 2019, 25(2): 65-77.
[6] 张进良, 魏立鹏, 刘斌. 智能化环境中基于学习分析的学习行为优化研究[J]. 远程教育杂志, 2020(2): 69-79.
[7] 贾积有, 缪静敏, 汪琼. MOOC学习行为及效果的大数据分析: 以北大6门MOOC为例[J]. 工业和信息化教育, 2014(9): 23-29.
基金项目：天津市教委高等学校教学改革项目（B201007006）。
第一作者简介：何丽，女，天津财经大学教授，研究方向为数据挖掘、机器学习，heli@tjufe.edu.cn。
引文格式：何丽，王晓. 数据结构线上线下混合式一流课程的学习效果评价探索[J].计算机教育,2022(9):119—123.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
