孙金萍 鲍蓉 厉丹
摘要：本文针对在线教学平台的实际使用情况进行研究，通过查阅国内外网络学习行为的相关文献，明确网络学习行为的概念、网络学习行为模型构建的方法和技术。以徐州工程学院教学平台《计算机组成原理》为例，搜集网络学习环境下学习者学习过程中的各种学习行为数据，通过实证研究展示大学生网络学习的真实情况，从中发现大学生网络学习行为存在的问题，并针对这些问题提出相应的对策建议。
关键词：网络教学;学习行为;行为分析;模型;教学平台
中图分类号：TP31 文献标识码：A
文章编号：1009-3044（2021）02-0073-02
Abstract： In this paper， the actual use of online teaching platform is studied. By consulting the relevant literature of online learning behavior at home and abroad， the concept of online learning behavior， the method and technology of network learning behavior model construction are clarified. Taking the teaching platform of Xuzhou Institute of technology as an example， this paper collects various learning behavior data of learners in the process of learning under the network learning environment. This study reveals the real situation of College Students' online learning through empirical research， finds out the problems existing in college students' online learning behavior， and puts forward corresponding countermeasures and suggestions for these problems.
Key words： network teaching; learning behavior; behavior analysis; model; teaching platform
随着计算机的发展，计算机网络也一同进行着飞速的发展。计算机网络的发展也使我们的生活更加便捷，随之应运而生的网络教学平台也在逐渐成熟。人们可以在网络教学平台上可以更方便、快捷的学习，而现如今，网络教育平台也成为各大高校学生课内课外学习的方式[1-2]。为进一步做好疫情防控工作，减少人员聚集阻断疫情传播，鼓励教师通过多种形式，开展网络教学、在线答疑等教学环节，做到让学生停课不停学，保质保量完成教学任务[3]。但网络教学师生之间交流沟通较少，教师难以准确掌握学生学习情况。参考文献[1]对关联规则以及序列模式挖掘的算法做了一定的研究和改进，并在此基础上利用改进后的算法对学习行为的数据进行采集、挖掘和分析，最后将数据挖掘技术应用于个性化的学习系统，优化了在线学习的机制以及用户的学习体验。参考文献[2]搜集学习者在学习过程中的各种网络学习行为数据，以构建的网络学习行为六层次模型为分析框架，归纳和总结大学生网络学习行为的特点规律，并诊断大学生网络学习行为存在的问题。
网络教学平台上详细地记录了学生的学习数据，不但可以辅助教师教学，还可以帮助教师更好地对学生的学习行为来进行一个准确的分析。
1 数据来源
设计的网络教学平台内设有356门课程，可以通过分类检索不同类型课程进行学习，平台集成了学习公告通知、资源中心和培训等信息。教师可以通过平台发布课程、管理学生信息、布置作业、发送通知等;学生可以通过平台内的课程中心进行课程的选择学习、线上完成作业、发布参与讨论以及资料下载等。
在线学习平台内记录了大量的学生学习行为信息，这些信息真实地反映了教师在线课程的建设、信息化教学的程度、学生在线课程的完成情况。本文主要选取了徐州工程学院网络教学平台中学生在线学习统计信息和课程统计信息等作为数据来源。具体信息如图1所示。
2 在线学习行为分析
为更好地对在线学习平台中的数据进行分析[4-5]，将在线学习平台中学生在线学习统计信息进行分类，构建学生在线学习行为投入分析框架，主要按照如下几点进行分析。
参与：主要指学生登录网络教学平台的次数等行为，体现了学习在课外对于线上教学学习内容的投入。
交互：主要指学生在对于线上课程学习过程中存在的课程问题所提出参与的讨论，体现了学生对于课程学习内容的掌握熟悉程度。
挑战：主要指学生对于教师线上发布的作业和测试等内容的完成度，体现了对于线上学习成果的检验。
为了衡量这些指标的重要程度，从在线学习平台中选取了《计算机组成原理》课程数据，针对上述的“在线学习行为投入分析框架”，主要从以下几点对学生在线学习行为投入与学习效果进行综合评价。
（1）签到率
分析学生的签到率可以直观地感受到学生对于学习过程的参与度，在图2中也可以通过签到率一栏更确切的数字看到学生对于课堂教学中的参与率是比较高的。显示大多数同学对于课堂的签到率是百分百，只有少数部分同学对于课堂参与率较低。这也反映了同学们对于课程的学习还是有想法的，他们都参与了课程的学习。
