SCI论文（www.lunwensci.com）:
Research on the Influence of Cloud Class Course Platform on the Teaching Reform in College
--Taking the Statistics as an Example
WANG Yong-lian, WANG Li-jun
(School of Statistics, Jilin University of Finance and economics, Changchun Jilin)
Abstract: Today, with the increasing development of the internet and mobile terminals, Cloud Class as a mobile teaching assistant plays an important role in the teaching of vocational colleges. This paper uses the offline assessment data of the statistical courses of 107 undergraduates from three different majors in a semester of a college and the multiple online teaching
modules based on cloud class courses as research data, We analyzed the relationship between online teaching and offline teaching effects of the cloud class platform through measurement methods and obtained the following results, The online teaching effect based on cloud class is remarkable, and teachers can grasp the learning effect of students in time through the online performance of students, and follow up and guide in time.
Key words: Online teaching; Statistics; Multiple linear regression Intelligent; Teaching assistant
一 引言
随着大数据时代的到来和移动终端使用的大众化，教育部印发《教育信息化 2.0 行动计划》，提出要大力推进智慧校园建设工作，实施智慧教育创新发展和信息素养全面提升行动，全面提升教育教学质量 [1]，教育信息化建设迅速发展。线上教学呈现出百花齐放的场景，云班课作为国内基于互联网环境下知名的线上教育平台，许多高职高校采用多种线上教学助手，如云班课、课堂派等作为教学工具，教学效果众说纷纭。许多学者对线上创新教育改革做了不同研究，但是针对教学效果的评价，大部分学者的研究是从定性分析的基础上对其进行评价， 石海玲（2020）基于中职语文课程探究了线上与线下教学的利弊问题 [2]；吴晓辉（2019）以计算机应用基础课程为例，探究了云班课教学过程中的问题及效果 [3]；魏红等（2018）采用实验组和对比组探究了蓝墨云班课混合教学模式在比较形态学教学效果 [4]；刘毅等（2020）通过实验对比研究了云班课的描述性效果分析 [5]； 以上研究结果都显示线上教学具有明显的效果且都在教学过程中存在一定的问题。本文将以基于云班课的统计学的教学为例，通过建立模型对其线上教学效果进行实证分析并给出可行性的建议。
二 研究数据，变量设计和方法
根据《中国互联网络发展状况统计报告》显示， 截止 2016 年 6 月，中国已有网民数量 7.10 亿，其中手机网民数量 6.56 亿， 占比达 92.5%[6]。云班课作为线上智能教学助手的知名平台，由于任何师生都可以在移动终端免费使用，该 APP 在教学过程中依照课前推送资源进行学习、课堂上交流讨论深化理解和课后通过测试巩固复习来进行教学 [7]， 日渐成为高职高校教学的有力助手。以下内容将分别从资料来源与数据和变量设计与方法两方面来为后续的实证分析做铺垫工作。
（一） 资料来源与数据
在互联网环境下，智能教学助手如云班课利用移动终端设备开展授课和学习活动，见图 1。相比于传统线下教学，具有明显的几大优势 : ①考勤便利。授课老师可以不定时点名；②及时评测。根据事先编辑好的题目、答案选项和测评标准，教师可以实现随堂随时测试；③可上传丰富的教学资源。教师可以根据自己线上讲课需要的 PPT 提前上传到 APP 上，方便学生预习和复习；④可以有效地调动学生的积极性。每个学习功能模块完成以后会有相应的经验值，系统会根据累计经验值进行排名，这就会促使学生养成按时签到、学习和及时完成老师布置的作业；⑤便于考核及总结分析。除了传统的教师评价，还可以指定学生相互匿名评价，有助于老师考核和学生自我总结 [8]。为了研究具有多功能的智能教学助手云班课线上教学效果，本文以在统计学课程实际教学过程中经常使用的几个功能作为数据资料的来源，相应的模块作为指标，其中，教师在实际统计学课程的教学过程中经常使用的功能主要有考勤签到、资源学习、头脑风暴、课堂测试和课后作业，针对这些指标，笔者以本校的 107 名本科生在统计学课程的学习过程中在云班课留下的相关数据和该学期统计学课程期末线下考试的实际成绩作为最终效果评价的研究数据。
（二） 变量设计和方法
在统计学的教学过程当中，教师使用考勤签到、资源学习、头脑风暴、课堂测试和课后作业辅助线上教学活动，因此，文章初选的解释变量为以上五个，统计学线下期末考试成绩作为相应的被解释变量。为了研究线上教学各个重要环节对于学生考试成绩的影响，故在此处采用多元线性回归的方法考察多个因素对期末考试成绩的影响。
图 1 云班课平台功能
研究在线性相关条件下，两个和两个以上自变量对一个因变量的数量变化关系，称为多元线性回归分析，表现这一数量关系的数量关系的数学公式， 称为多元线性回归模型 [9]。
多元线性回归模型的总体回归函数的一般形式如下：
Yt=β0+β1X1t+β2X2t+β3X3t+… +βkXkt+μt
上式假定被解释变量 Y 与（k-1）个自变量之间的回归系数可以用线性函数来近似反应。其中， βi(i=0,1,2， … ,k) 是总体回归系数，Xjt(j=1,2,… ,k) 是第j 个自变量Xj 的第t 个观察值，μt 为随机误差项。模型一般要求：①随机误差项具有零均值和同方差；②随机误差项服从正态分布且不序列相关。
三 模型建立与相关检验
（一） 模型建立与求解
根据研究资料选定的解释变量为五个，分别是： X1 考勤签到；X2 资源学习；X3 头脑风暴；X4 课堂测试； X5 课后作业。被解释变量为该学期在云班课学习统计学的每位学生的期末考试成绩，此处，我们使用Yt 来表示。因此建立以下模型：
Yt=β0+β1X1t+β2X2t+β3X3t+β4X4t+β5X5t+e（t 1）
首先通过 EViews 软件对（1）利用普通最小二乘法做回归估计，得到如下结果：
Y=42.892+13.567X1+0.047X2+0.033X3+0.098X4+0.032X5
（5.94）（1.71） （1.42）（0.36） （0.70） （0.66）
从回归结果我们可以明显知道，在 10% 的显著性水平下，解释变量 X2 资源学习、X3 头脑风暴、X4 课堂测试和 X5 课后作业均未通过参数检验，只有 X1 考勤签到这一个解释变量通过了检验，方程的显着性检验的 F 值为 5.0989， 对应的 P 值为 0.000335， 所以回归方程的显著性检验通过，综合考虑以上回归结果的分析，加之从现实客观角度分析，如果出勤率这个解释变量高时，那么相应的课堂测试成绩可能就会高，资源学习相应的值就会更多一些，换一种情况而言，课后作业做的好的同学，资源学习的经验值就会更过。所以最初选定的五个变量在一定程度上可能会存在多重共线性的问题，由此导致了多个参数均未通过检验。
为了验证我们的分析，首先引进相关系数矩阵， 通过EViews软件我们可以得出相关系数矩阵，如表 1。
通过观察解释变量的相关系数矩阵，我们知道五个解释变量在不同程度上都具有一定的相关性，由此可以判定，直接利用普通最小二乘法求解的多元线性回归模型（2）存在着多重共线性的问题，为了解决多重共线性的问题，在这里我们采用逐步回归的方法进行改进， 通过此方法将原始的五个解释变量再次进行拟合求解。通过 Eviews 进行逐步回归，得到了如下结果，如表 2。
从表 2 可以看出，通过逐步回归，该方法把解释变量 X2、X3 和 X5 剔除掉，将 X4 和 X1 两个解释变量最终添加到模型当中，得到的模型如下：
Y=49.1050+0.2289X4+0.1464X1 （3）
（8.63） （2.49） （1.92）
经过逐步回归，针对方程显著性检验而言，计算结果表明，对应的 F 值为 10.93308，且相应的 P 值为0.0000，模型（3）的方程显著性检验通过。由上表可知，解释变量 X4 和 X1 的系数对应 t 值分别为 2.4937 和 1.9198，在显著性水平为 10% 下，两个解释变量的系数都通过了检验，与此同时，其系数对应的 P 值分别为 0.0142 和 0.0576， 两者均显著低于 0.10， 因此模型（3）确立为最终模型。由模型（3）可知，模型中解释变量系数的实际意义是：每增加 1 单位的课堂测试经验值，期末考试成绩平均提升 0.23 分；每增加一个单位的签到，期末成绩将会平均提升 0.15 分。
（二） 模型的相关检验
针对多元线性回归模型的检验，上文中线性回归方程的显著性检验和参数检验均通过，由于使用逐步回归的方法求解得模型（3），因此在一定程度上解决了多重共线性的问题。由于数据不是时间序列，此处不在做序列相关性检验。
异方差性检验：
对于不同的样本点，随机误差项的方差不再是常数，而是互不相同，则认为出现了异方差性。对于异方差性的检验，此处我们采用怀特检验来判别模型（3）是否存在异方差性，通过 EViews 软件估计结果可知，Obs*R-squared 对应的概率 P 值为0.2909，大于 0.10，不拒绝原假设，所以该模型不存在异方差性。
四 结论与建议
（一） 结论
本文对不同专业的 107 名本科生统计学考试成绩的影响因素进行实证分析，使用考勤签到、资源学习、头脑风暴、课堂测试和课后作业作为解释变量， 学生的统计学课程期末线下期末考试成绩作为被解释变量，由于解释变量之间存在较为严重的多重共线性，故通过逐步回归的方法对变量进行了拟合， 结果发现：在利用云班课进行教学过程当中，影响学生期末线下考试成绩的主要因素是日常的签到率和课堂测验两个因素，由模型（3）可知，日常签到率和课堂测试两个变量前的系数分别为 0.23 和 0.15， 都显著大于零，说明两者对于期末线下考试成绩具有明显的正向影响，从模型中解释变量系数的实际意义进行理解：每增加 1 单位的课堂测试经验值， 期末考试成绩平均提升 0.23 分；每增加一个单位的签到，期末成绩平均提升 0.14 分。由逐步回归分析结果可知，模型（3）的判定系数和调整的判定系数分别为 17.37% 和 15.78%， 由此可知， 学生线下考试成绩的变动中，大概有将近 20% 可以由日常签到率和课堂测试用来解释，这与现实情况也是符合的， 对于学生而言，期末成绩和课堂出勤以及课堂测验具有很大的相关性，也就是说对于统计学，学生的出勤率和日常课堂测验成绩能较好的反映出学生的学习效果。
（二） 建议
通过回归模型（3）知道，签到率和课堂测试两个因素对线下期末考试成绩起着重要的作用。对此， 第一，教师在使用云班课线上教学过程当中，应当注重对学生课堂签到方面做出重点把控，应该不定时对学生进行签到并统计情况，对于未按时签到的学生进行及时提醒，这有助于学生及时学习教师发布到云班课线上的学习资源，对学生自主线上学习起到了提醒作用；第二，课堂测试作为重要因素之一， 从量上来说，教师应该针对课程每一章节的难易程度布置适量的课堂作业；从质上而言，教师要把重点及难点控制好，做到题目数量适量的同时，布置的课堂测试题目又能帮助学生掌握重点和克服难点。
针对如何提升签到率和课堂测试，本文给出以下建议：第一，云班课 APP 作为国内知名在线智能教学助手，应该加强对相关课程体系的教学资源的扩充，使其具备更加全方位、多层次的教学功能， 提升学生学习兴趣，能够让学生喜欢使用云班课进行学习，而不是被动地为了完成学习任务而学习； 第二，教师在进行录制线上教学过程中，要更加注重使用辅助教学资源提升学生的学习兴趣，让学生真正爱上这门课程的学习，这跟教学老师的授课方式和使用的教学案例等多方面息息相关，为了提升学生学习热情，积极按时签到学习，教师需要着重考虑在这些方面改进，在此基础上进行相应的教学； 第三，课堂测试是必不可少的学习环节，在掌握重点和克服难点的基础之上，教师更应该根据每一次的课堂测试成绩，因人而异，在后续的课后作业的布置上更加具有针对性地布置相关学习任务。这就要求教学老师做好充分的准备，在平常教学过程中对学生做深度的学情分析，在此基础上，不同层次的学生会找到自身需要加强的薄弱环节，有助于提升学生的成绩。
参考文献
[1]教育部 . 教育部关于印发《教育信息化 2.0 行动计划》的通知[EB/OL].http://www.edu.cn.
[2]石海玲 . 蓝墨云班课在中职语文课程中的运用效果探究 [J]. 科学大众 ( 科学教育 ),2020(02):128.
[3]吴晓辉 . 蓝墨云班课在“计算机应用基础”课程教学中的应用效果分析 [J]. 无线互联科技 ,2019,16(02):84-85.
[4]魏红 , 燕春艳 , 彭圣智 , 等 . 蓝墨云班课混合教学模式在比较形态学教学中的应用 [J]. 济宁医学院学报 ,2018,41(06):453- 456.
[5]刘毅, 方文娟, 盛跃颖, 等. 基于云班课的微生物检验课程翻转课堂教学效果评价 [J]. 医学教育研究与实践 ,2020,28(01):111- 114+118.
[6]邢伟 . 手机移动终端下高职课堂教学研究与实践——以蓝墨云班课为例 [J]. 职教通讯 ,2017(03):70-73.
[7]张茵茵 , 牛彦敏 . 移动教学平台在高等教育教学中的应用—— 以蓝墨云班课平台为例 [J]. 软件导刊 ( 教育技术 ),2017,16(03):23-24.
[8]夏利华 . 基于蓝墨云平台移动信息化教学设计与实施 [J]. 现代商贸工业 ,2018,39(10):180-182.
[9]曾五一，肖红叶 . 统计学导论 [M]. 北京：科学出版社，2013.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/31846.html
