打开文本图片集
摘要：本文利用SPSS软件根据聚类分析理论，对基于网络教学资源平台的《计算机教育》课程教学效果进行了分析与评价。聚类分析结果明确有效地表明了网络教学资源平台能够提升教学效果。
Abstract： This paper evaluated College Information Technology"s teaching and learning effect based on network instruction platforms by using the software SPSS， which accorded to the theory of Hierarchical Cluster Analysis module. Cluster Analysis" data analysis result clearly demonstrated that Network Instruction Platform could greatly accelerate the College Information Technology"s teaching effect.
关键词：系统聚类法；社会科学统计软件包；网络教学平台；大学计算机教育
Key words： Hierarchical Cluster Analysis；SPSS；Network Instruction Platform；College Information Technology Education
中图分类号：G642.4 文献标识码：A 文章编号：1006-4311（2017）03-0167-03
1 研究背景
随着信息化社会的到来，高等教育自身围绕教育教学活动的探索也逐渐数字化、信息化，出现了大量基于计算机网络、电化教育手段的教育教学改革实践与探索的热潮。高校不仅加大了对于新时代背景下的教育教学方法的探索与实践，而且引入了大量的数字化教学平台，以期促进高等教育教学活动，为自1997年以来的高等教育大众化提供优质的教育教学资源。目前高校不再局限于为学生提供广播电视远程教学资源，而且通过自身建设或外购的网络教学平台为学生提供大量的数字虚拟教育教学生态环境。这些数字化的网络教学平台为高等教育教学提供了跨越时空的虚拟教育教学环境，极大地促进了高等教育教学的演化与发展。目前，网络教学绩效评价的方法、技术、视角多样。对于网络教学平台的教育教学效果的评价、对于高校所投入的大量的软件及硬件教育教学资源的投入产出衡量，尚缺乏权威性的评价体系。部分院校制定了自己的网络教学绩效评价指标及实施方法[1]，部分学者结合国际国内的网络教学平台的运行情况提出了独具特色的评价体系[2]。目前有部分文献以四点量表的形式考察了网络教学效果的不同的维度[3]。有学者以实证分析的角度，利用绩效技术理论与方法角度来确定影响网络教学平台效能发挥的阻碍因素[4][5]。而为了解与掌握网络教学平台教学效果，基于系统聚类模型分析评价高校网络教学平台教学绩效尚不多见。
本文所涉及的网络教学平台专指吉林农业科技学院为提升计算机公共教学而外购或自建的网络化、数字化教学平台（以下简称网络教学平台）。这些平台包含有各类在线考试（模拟练习）系统、大学计算机基础/精品课网站、高级程序设计优秀课/精品课网站、泛雅网络教学平台、图书馆各类电子书籍与文献系统、教师围绕大学计算机教育类课程所开发的视频课资源等。随着持续性的建设与投资，学校迫切需要了解网络教学平台的教学绩效。本文选择了学校计算机公共教学课程《大学计算机教育》（College Information Technology Education，以下简称CITE）相关网络教学资源平台为评价对象。
2 研究方法
2.1 对象
吉林农业科技学院2015-2016学年第一学期全校本科新生开设CITE课程。该课程包含三个独立的模块，即计算机基础知识与应用模块（以下简称基础模块）、高级程序设计语言模块（以下简称语言模块）、吉林省普通高校计算机共同课教学专业委员会组织的吉林省计算机二级（以下简称省二模块）考试模块（以处简称省二模块）。按照权重0.4，0.3，0.3对基础模块、语言模块、省二模块进行加和，求得学生总评成绩。CITE课程学习需要学生完成前两个模块的基础上，参加省二级考试。这三个模块分别考察了学生计算机基本知识、计算机编程能力、标准考试环境下的综合应用能力的，能够全面反映学生的记忆、认知、应变能力。本文根据实验组及控制组设计的需要对相应的教学分组分别依三个模块采集了相应的学生成绩。
通过考试系统数据的调取，获取了每个实验组（本文以授课班级为实验组）学生各模块的成绩。随后在此基础上，对实验组授课教师依学生成绩进行分类汇总，求得每组任课教师所带学生成绩的各个模块平均值，如表1所示。
通过对表1中数据分析，Group1组学生成绩中基础模块、语言模块、省二模块及总评成绩（72.79，75.00 ，59.57，69.49）明显低于相应实验组Group2的成绩（88.71，91.54，71.83，84.50）。
2.2 实验设计
吉林农业科技学院2015-2016学年度第一学期本科新生最终在计算机考试系统中注册选修CITE课程的人数共计2012人。本文研究从中选择了15组教学任务。为了掌握网络教学平台对于CITE教学质量的影响，对承担CITE教学任务分组的教师提出了教学方法、手段方面的不同要求。第一组作为控制组（Group1）；本组采用传统教育教学方法，以理论教学为主，重在教师对课堂的控制及信息的传输与表达；第二组作为实验组（Group2）；本组要求教师依托于网络教学平台开展教育教学活动，将多种基于网络的数字化教学平台应用于教学的各个环节。并引导实验组的教师采用了翻转式课堂教学方法来完成相应教学任务，以强化学生在课外自主学习的时间比重，引导学生通过网络教学平台获取教学内容的理论知识与技能；并引导教师在课堂上通过学生上讲台演示、群组讨论的方式完成课程教授。通过实验组教学方法与手段的变化，以强化网络教学平台在教学中的应用深度，从而为利用实验组学生不同模块成绩来分析评价网络教学平台在教学中的绩效。CITE教学分组授课教师情况见表1。
2.3 研究过程
对于选修CITE课程的学生成绩数据进行预处理。其中学生成绩任一模块因违纪、旷考、缺考而没有成绩的记录共计32个。由于这些异常情况随机出现在不同的班级，因此采取了删除的处理。最后获得有效学生CITE成绩数据1980项记录。
通过Microsoft EXCEL对有效学生成绩按照实验分组任课教师排序（以姓氏笔划为序），随后对三个模块成绩进行分类汇总以计算各模块平均分，获得每个实验分组学生计算机基础模块平均成绩、高级程序设计语言平均成绩、省二计算机平均成绩。
利用SPSS对15组学生三个模块成绩进行系统聚类分析方法，以获取聚类信息。
3 结果与分析
3.1 系统聚类分析选项设定
采用系统聚类分析对表1中的数据进行处理，以定量的方式来分析网络教学平台相对于传统教育教学的差异。本文系统聚类分析中聚类方法采用的距离度量是系统默认的Between-group Linkage（即组间平均距离法）；而其中Measure（即度量距离标准）采用了Euclidean Distance（即欧氏距离）；数据标准化采用的是Z Scores（即Z得分），从而保证数据标准化后均值为0，标准差为1。随后将聚类数根据实验设计分类数目初步确定为2个。
3.2 系统聚类分析过程表的分析与评价
SPSS所给出的系统聚类分析过程表如表2所示。从表中第四列聚类系数（Coefficients）可以看出每次被合并的两个类之间的距离大小。在系统进行相应的聚类分析过程中，可以根据这一系数的变化来分析15个实验分组经过系统聚类分析后最佳的分类数目。
如表2所示，第13阶的聚类系数是3.339，这一数字仅比第13阶的聚类系数2.93大0.409个单位；而第14阶的聚类系数比第13阶的聚类系数大6.995个单位。由此，我们可以认为系统聚类分析过程结束于第13阶是合理的，此时所有的数据被分成两类。而这正好与我们的实验设计思想一致，即反映了实验组与控制组的学生成绩的差异。
3.3 聚类分析结果表与聚类树的分析与评价
经过系统聚类分析后的聚类结果如表3所示，可以清楚地看到Group1的6名教师所教授实验组的学生成绩为第1类；而Group2组的9名教师所教授实验组的学生成绩为第2类。这一结果可以清晰地通过相应的聚类树形图表示出来，如图1所示。其中第2类成绩反映了教师教学过程中网络教学平台对教学效果的影响。这说明网络教学平台的引入对于教育教学有着很大的影响。
根据图1进一步分析可以看出，最终聚类后所生成的第1类中Teacher_01所教授的实验分组成绩与Group1其余组的成绩有着明显的差异。第2类中的Teacher_15所教授的实验组分组成绩与Group2其余组的成绩也有着明显的差异。
经过分析，前者是由于承担相应教学任务的教师是一位新任教师，教学管理能力、学科专业知识把握能力弱于其他教师而导致相应教学任务组学生的成绩明显低于Group1的平均成绩。后者是一名教学骨干教师，该教师教学能力很强，能够有意识地将网络教学资源平台与传统教育教学过程无疑衔接，并能够充分利用网络教学平台的组织管理功能强化对于学生学习过程的控制与管理，因此其所教授实验组的学生的成绩明显优于其他实验分组的成绩。
4 结论与思考
实验所测试的课程由理论性强的模块、操作性强的模块、综合考核模块组成，能够体现出多种不同的网络教学平台的效果。本研究差异性地设计实验组教学手段与教学方法，使得实验分组中实验组的教学过程能够充分利用网络教学平台来完成教学过程、教学管理控制、数字化教学资源，从而实现实验组与控制组学生成绩的差异化。理论性教学模块一般由优秀课网络教学平台支撑；高级程序设计类技能性教学由交互性在线数字化网络教学平台支撑；而省二这样综合性的学习环节由数字化考试平台为学生提供了平时的练习与正式的考核支持，学生通过大量的、多次的模拟考试来完成相应的教学任务的学习。在此基础上，本研究基于系统聚类对于实验组及控制组学生的成绩进行了聚类分析，根据聚类结果提出了一种网络教学平台绩效的评价新方法。这种基于《大学计算机教育》并以系统聚类分析为手段对于网络教学平台绩效的评价有着独特的视角。
在影响教师在教学中采纳教育信息技术的诸多因素中，教师的个人特质占有重要位置，这些特质包括与技术采纳有关的人口学特征、技术使用经验、自我效能、个人创新性等由于承担教学任务的教师个人技术使用经验、自我效能、个人创新性等特质不同，其对于网络教学资源及平台的使用能力有着一定的差异[6]。有的教师在教学过程中能够充分利用现有网络教学平台，有的教师只能简单地将网络教学平台与现有教学相整合，部分教师教学智慧不足难以将教学平台应用于教学过程。因此，利用系统聚类分析法来聚类不同教学组成绩，可能存在着一定的影响因子，会影响到教学实验组的分组的准确性。因此，控制影响因子，保证系统聚类法的应用准确性还需要进一步思考。
参考文献：
[1]付强，李晓铭，邓少鸿.高校网络教学总体绩效评价的探索与实践[J].当代教育理论与实践，2015（08）.
[2]刘敏斯.基于高校网络教学平台的学习绩效评价研究[D].南昌大学，2011.
[3]王海燕.高校网络教学实施效果调查与分析——以宁波大学为例[J].宁波大学学报（教育科学版），2005（03）：89-93.
[4]王换超，张庆秀.绩效技术视角下的高校网络教学平台应用研究——以Blackboard网络教学平台为例[J].中国远程教育，2014，10：88-94.
[5]刘文静.基于绩效技术的网络教学视频的设计与应用研究[D].东北师范大学，2014.
[6]高峰.教师的个人特质与教育信息技术的采纳——基于高校网络教学背景的实证研究[J].电化教育研究，2011，12：25-31，46.