序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內(nèi)心深處的真相，好投稿為您帶來了七篇期中網(wǎng)課總結(jié)范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創(chuàng)作。

篇(1)

一、教學(xué)準(zhǔn)備：鉆研教材，明確任務(wù)

教材是最基本、最重要的課程資源。只有讀懂教材、活用教材，才能在課改中真正成為新課程新教材的體驗者和實踐者。在新課改條件下，不僅課程體系大變革，教材也從內(nèi)容到形式上發(fā)生了顯著變化，必須認真鉆研教材。

1.讀懂教材

首先，仔細研讀每個模塊的每項任務(wù)，著力讀懂、讀透每項活動的活動描述、業(yè)務(wù)流程、操作依據(jù)、工作步驟、技術(shù)支撐和能力拓展，挖掘教材所蘊藏的豐富內(nèi)涵。再從整體上把握教材的全部內(nèi)容、把握該教材在專業(yè)課程新體系中的地位，理清脈絡(luò)，做到胸有全局。

2.處理教材

在充分理解教材的基礎(chǔ)上，根據(jù)學(xué)校和學(xué)生的實際情況，對教材進行分析和處理，大膽改錯、補充、重組，合理使用教材。

日期和金額的大寫，重要性貫穿始終，對新生來說難度較大。教材在“活動1.2.2取得并審核銀行承兌匯票”和“活動1.3.1簽發(fā)轉(zhuǎn)賬支票”的“技術(shù)支撐”環(huán)節(jié)，略有闡述。通過查閱相關(guān)教材，進行整合、補充，放在開學(xué)第一課講解。一方面，從簡單、常見的日期和金額引入新課，激發(fā)學(xué)生興趣，消除對專業(yè)課的陌生感；另一方面，在后續(xù)課上反復(fù)復(fù)習(xí)，牢固掌握該知識。

3.明確任務(wù)

新教材在編寫上，立足于任務(wù)導(dǎo)向的理念。根據(jù)學(xué)校、學(xué)生和自身的實際情況，合理組織教學(xué)內(nèi)容，明確每個模塊每項活動的工作任務(wù)和重難點，并在課前適當(dāng)布置任務(wù)。

在講授“模塊2與外單位往來的原始憑證”的前兩周，就給學(xué)生安排任務(wù)，要求購物時取得發(fā)票。課堂導(dǎo)入時，展示取得的各種發(fā)票，自然引入如何開具發(fā)票的任務(wù)。學(xué)生通過親身參與，對取得發(fā)票的過程有所了解，也為如何開票打下了基礎(chǔ)。

二、教學(xué)過程：優(yōu)化教法，加強實踐

學(xué)校在發(fā)展，教師在進步，但無論教學(xué)資源，還是教學(xué)方法，總是滯后于最新改革成果。為緊跟改革步伐，提高教學(xué)效率，在教學(xué)過程中，要充分利用現(xiàn)有教學(xué)資源，優(yōu)化教學(xué)手段和教學(xué)方法，強調(diào)“能力為本位，學(xué)生為主體，實踐為導(dǎo)向”，著重培養(yǎng)學(xué)生從事會計崗位工作的實踐能力。

1.網(wǎng)上平臺，手工模擬

會計專業(yè)是筆者學(xué)校的骨干專業(yè)。學(xué)校非常重視專業(yè)實訓(xùn)基地建設(shè)，已建立沙盤實訓(xùn)中心、VBSE綜合實訓(xùn)中心和會計專項技能實訓(xùn)中心。教學(xué)過程中，充分挖掘現(xiàn)有資源，加強實訓(xùn)，力求幫助學(xué)生在熟悉會計工作中各類原始憑證的同時，能夠較熟練地處置原始憑證，為從事會計領(lǐng)域工作打好扎實的基礎(chǔ)。

在校現(xiàn)有“網(wǎng)中網(wǎng)”會計實訓(xùn)教學(xué)平臺中，從“基礎(chǔ)會計實訓(xùn)平臺”和“出納實務(wù)實訓(xùn)平臺”中選取合適內(nèi)容作為參考并加以完善，重建“原始憑證實訓(xùn)平臺”。網(wǎng)上實訓(xùn)平臺，企業(yè)資料詳細，業(yè)務(wù)活動具體，原始單據(jù)齊全，工作流程合理，印章簽字仿真，更有利于學(xué)生的直觀認識、理解、掌握和操作。考慮到中職生主要就業(yè)于中小企業(yè)，學(xué)生書寫能力也需加強，因此，在進行網(wǎng)上平臺實訓(xùn)的同時，對常見的原始憑證如支票、增值稅發(fā)票、入庫單、借款單等，進行手工模擬實訓(xùn)，進一步加強填寫規(guī)范訓(xùn)練。

2.小組分工，角色扮演

根據(jù)任務(wù)需要，對學(xué)生進行分組，各成員扮演各崗位角色，按工作流程，明確并完成各自的工作任務(wù)。對于各崗位的工作任務(wù)和業(yè)務(wù)流程，根據(jù)難易程度，由各組自行確定并執(zhí)行，或各組確定經(jīng)教師審核后執(zhí)行。

在進行“活動1.3.1簽發(fā)轉(zhuǎn)賬支票”手工模擬實訓(xùn)時，根據(jù)任務(wù)需要，每組五位成員，完成“任務(wù)分配表”后，進行任務(wù)操作、工作匯報和成果展示。

3.微課慕課，翻轉(zhuǎn)課堂

當(dāng)今學(xué)生生活在信息時代，對電子產(chǎn)品和各類軟件有著天生的親近感。微課慕課、翻轉(zhuǎn)課堂，順應(yīng)了時代的要求。適當(dāng)采納微課慕課，無論是對自身業(yè)務(wù)水平的提高，還是對學(xué)生學(xué)習(xí)興趣的激發(fā)和學(xué)習(xí)能力的培養(yǎng)，都有其獨特的優(yōu)越之處。

在進行“活動2.1.1開具增值稅專用發(fā)票”教學(xué)時，嘗試著微課教學(xué)。經(jīng)過多次錄制，終于完成一個比較滿意的微視頻，發(fā)放到班級QQ群，用于學(xué)生課前預(yù)習(xí)和課后復(fù)習(xí)。學(xué)生學(xué)習(xí)興趣和學(xué)習(xí)主動性都有所提高，學(xué)習(xí)效果較為明顯。

三、教學(xué)評價：應(yīng)知應(yīng)會，自評互評

教學(xué)評價，力求形式多樣化。每個教學(xué)活動，編制“學(xué)習(xí)成果評價表”，評價內(nèi)容從學(xué)習(xí)能力到學(xué)習(xí)態(tài)度，從學(xué)習(xí)過程到學(xué)習(xí)結(jié)果，從自我評價到小組評價、教師評價。

1.能力和態(tài)度相結(jié)合

只有端正學(xué)習(xí)態(tài)度，才能學(xué)會學(xué)好零起點的專業(yè)課。因此，在進行教學(xué)評價時，明確評價標(biāo)準(zhǔn)，除了從“應(yīng)知應(yīng)會”兩個方面考核學(xué)生的學(xué)習(xí)能力外，還考核學(xué)生的學(xué)習(xí)態(tài)度。

“活動2.1.1開具增值稅專用發(fā)票”評價時，“應(yīng)知”從知識目標(biāo)進行評價，評價標(biāo)準(zhǔn)為：能流暢地說出開具增值稅專用發(fā)票的工作步驟；能流暢地說出增值稅專用發(fā)票的基本聯(lián)次和用途。“應(yīng)會”從能力目標(biāo)進行評價，評價標(biāo)準(zhǔn)為：能熟練地計算增值稅專用發(fā)票的金額、稅額和價稅合計；能熟練地開具增值稅專用發(fā)票。學(xué)習(xí)態(tài)度則從學(xué)生是否學(xué)習(xí)勤奮，工作認真，團隊合作進行評價。

2.過程和結(jié)果相結(jié)合

課程成績，最終評價不僅僅是期末考試成績，更重要的是總評成績，即將過程性評價和終結(jié)性評價相結(jié)合的成績，具體為：總評成績=平時測驗成績30%+作業(yè)10%+期中考試成績20%+平時課堂表現(xiàn)10%+期末考試成績30%。平時測驗，主要利用網(wǎng)上實訓(xùn)平臺進行，可以得到實時成績，也便于進行成果展示和學(xué)生改進，并作為學(xué)生自評、小組互評的依據(jù)，最后由教師評價得出平時測驗成績。

3.自評和互評相結(jié)合

教學(xué)評價，除了教師評價，更側(cè)重與學(xué)生自我評價和小組互評相結(jié)合。教師明確評價標(biāo)準(zhǔn)，做好“教導(dǎo)者”和“促進者”。學(xué)生在意識到標(biāo)準(zhǔn)很重要，力圖實現(xiàn)目標(biāo)時，才真正知道應(yīng)承擔(dān)的責(zé)任，才能對自己做出最恰當(dāng)?shù)脑u價，從而促進自我發(fā)展，提升自我素質(zhì)。只有全員參與的自我評價、小組評價和教師評價相結(jié)合，才是最客觀的評價。

四、教學(xué)反思：重在及時，貴在堅持

教育工作，多一分反思，就多一分提高。要不斷反思，總結(jié)專業(yè)知識的滯后、教育理論的不足和教學(xué)技能的欠缺，積累經(jīng)驗。

篇(2)

預(yù)測在校大學(xué)生學(xué)業(yè)成績并及時進行干預(yù)指導(dǎo)，是提升大學(xué)生學(xué)習(xí)效果的有效途徑。云環(huán)境下，學(xué)習(xí)中過程性數(shù)據(jù)的積累為預(yù)測分析提供了有力依據(jù)。本研究設(shè)計并開展一門基于實體課堂和云學(xué)習(xí)平臺（MOODLE平臺、微信平臺）的混合式大學(xué)課程。通過收集學(xué)生多類屬性及學(xué)習(xí)過程性數(shù)據(jù)建立多元回歸模型，對其將取得的成績進行預(yù)測，并展開教學(xué)干預(yù)以提升其學(xué)習(xí)效果。結(jié)果顯示，在預(yù)測模型方面，多元回歸模型可以在全班水平上取得較佳的預(yù)測效果；在預(yù)測因子方面，績點、在線學(xué)習(xí)參與度、前導(dǎo)課成績和學(xué)習(xí)興趣是影響學(xué)業(yè)成績的重要因素；在干預(yù)效果方面，教學(xué)干預(yù)取得了較好效果，學(xué)弱群體接受干預(yù)后進步顯著。

【關(guān)鍵詞】 云學(xué)習(xí)平臺；學(xué)業(yè)成績；預(yù)測；干預(yù)；多元線性回歸

【中圖分類號】 G443 【文獻標(biāo)識碼】 A 【文章編號】 1009―458x（2016）09―0014―07

一、研究背景

在線學(xué)習(xí)和課堂學(xué)習(xí)相結(jié)合的混合式教學(xué)方法，已成為目前許多高校正在探索的模式。隨著以云計算、云存儲為標(biāo)志的云時代的到來，在線學(xué)習(xí)方式變得更加多元。學(xué)習(xí)者可以隨時隨地使用任何設(shè)備接入云端學(xué)習(xí)平臺，基于云存儲的大量在線學(xué)習(xí)痕跡也為學(xué)業(yè)成績預(yù)測和個性化學(xué)習(xí)研究提供了有力支持。

在校大學(xué)生學(xué)業(yè)成績預(yù)測是指以單科學(xué)習(xí)情況為基本分析單元，在課程開始后根據(jù)學(xué)生的各種基本情況對其將取得的成績進行評估（李建萍， 2009）。收集和分析大學(xué)生的個性化特征以及在云學(xué)習(xí)平臺上的在線行為數(shù)據(jù)，據(jù)此進行學(xué)業(yè)成績預(yù)測并及時干預(yù)指導(dǎo)，可以對學(xué)生起到預(yù)警作用，督促其采用有效的方法提高學(xué)業(yè)成績，同時也能夠督促教師建立更加有效的教學(xué)策略。這對采用更好的教學(xué)法、讓學(xué)生主動參與學(xué)習(xí)和提升學(xué)習(xí)效果是十分必要的。

因此，本研究以一門大學(xué)課程為切入點，設(shè)計并開展基于實體課堂和云學(xué)習(xí)平臺（MOODLE平臺、微信平臺）的混合教學(xué)。在課程進行中，通過收集和分析學(xué)習(xí)者基本信息、心理認知水平（網(wǎng)絡(luò)自我效能、學(xué)習(xí)興趣）、先前知識水平（績點、前導(dǎo)課成績、上次任務(wù)成績）和在線行為數(shù)據(jù)（MOODLE平臺參與度、微信平臺參與度），建立多元回歸預(yù)測模型，對其將取得的成績進行評估，并展開預(yù)測結(jié)果指導(dǎo)下的學(xué)習(xí)干預(yù)，以建立更加有效的教學(xué)策略和方法，提升學(xué)習(xí)者在云環(huán)境下的學(xué)習(xí)效果。

二、文獻綜述

1. 心理認知水平

非智力因素在學(xué)習(xí)活動中具有引導(dǎo)、控制、調(diào)節(jié)等作用。自我效能感與學(xué)習(xí)興趣是影響大學(xué)生學(xué)習(xí)過程和學(xué)業(yè)成績的重要心理因素。在傳統(tǒng)學(xué)習(xí)環(huán)境中，根據(jù)學(xué)習(xí)者的自我效能感可以有效預(yù)測其學(xué)業(yè)表現(xiàn)（Lane， Lane， & Kyprianou， 2004）；在在線學(xué)習(xí)環(huán)境中，根據(jù)網(wǎng)絡(luò)自我效能感會對學(xué)習(xí)效果產(chǎn)生深遠影響（Peng， Tsai， & Wu， 2006）。網(wǎng)絡(luò)自我效能感是指個體對自己成功使用網(wǎng)絡(luò)進行工作學(xué)習(xí)的自我信念和期望（Wu & Tsai， 2006）。Peng等人（2006）研究發(fā)現(xiàn)，在線學(xué)習(xí)環(huán)境中，大學(xué)生網(wǎng)絡(luò)自我效能是其學(xué)習(xí)動機、興趣與學(xué)業(yè)表現(xiàn)的重要影響因子。隨著學(xué)生擁有越來越多的機會使用網(wǎng)絡(luò)信息資源或工具進行學(xué)習(xí)，網(wǎng)絡(luò)自我效能感已成為研究者關(guān)注的重點。

學(xué)生的學(xué)習(xí)興趣是其對學(xué)習(xí)活動產(chǎn)生的心理上的愛好和追求的傾向，是推動學(xué)習(xí)活動的內(nèi)部動機，也是影響學(xué)業(yè)成績的重要因素（吳靖媛， 等， 2010）。早期就已有大量研究調(diào)查興趣對學(xué)習(xí)結(jié)果的影響（Lepper， 1988； Paris， Olson， & Stevenson， 1983； Pintrich， 1989）。興趣與學(xué)業(yè)成績的關(guān)系一直是該領(lǐng)域研究的核心。如今，興趣對學(xué)習(xí)的促進作用已得到人們的普遍認同（吳靖媛， 等， 2010）。考慮以上因素，本研究選擇了網(wǎng)絡(luò)自我效能感和學(xué)習(xí)興趣兩個因素，作為預(yù)測學(xué)業(yè)成績時心理認知方面的影響變量。

2. 先前知識水平

本研究調(diào)查的先前知識水平，即背景知識水平，是指課程學(xué)習(xí)之前，學(xué)習(xí)者所擁有的與該門課程有關(guān)的所有背景知識的總體掌握程度。學(xué)習(xí)者的先前知識是影響其學(xué)習(xí)效果的重要因素之一（葉海智，等， 2014）。先前知識在不同階段的信息加工中起作用，缺乏必要先前知識的學(xué)習(xí)者在學(xué)習(xí)新信息與構(gòu)建新知識的過程中會遇到困難（Dochy， 1994）。因此，本研究認為學(xué)習(xí)者先前知識水平能夠?qū)ζ鋵W(xué)業(yè)成績產(chǎn)生影響。已有研究中（Huang & Fang， 2013； Hoschl & Kozeny， 1997； Huang & Fang， 2011），前導(dǎo)課成績、GPA成績（以下稱“績點”）以及課程中上次任務(wù)成績等均可作為衡量學(xué)生先前知識水平的因素。

3. 在線學(xué)習(xí)參與度

許多研究者（Alavi， 1994； Astin， 1996； Pratton， 1986）都強調(diào)了教學(xué)中學(xué)生參與度的重要性。Hrastinski（2009）認為，如果學(xué)習(xí)者想在在線學(xué)習(xí)中取得更好的學(xué)習(xí)效果就要投入更大的參與度。他在研究中發(fā)現(xiàn)，學(xué)生在論壇中發(fā)消息的數(shù)量能夠作為其在線學(xué)習(xí)參與度的影響因子。Morris等人（2005）的研究表明，在線學(xué)習(xí)參與度的影響因子（例如發(fā)帖數(shù)量和瀏覽時長）會對學(xué)習(xí)績效（考試成績）產(chǎn)生正向促進作用。眾多相關(guān)研究（Bento & Schuster， 2003； Michinov， Brunot， Le Bohec， Juhel， & Delaval， 2011； Webster & Hackley， 1997）也表明，當(dāng)學(xué)生能夠有效參與在線學(xué)習(xí)時，其學(xué)習(xí)效果更佳。

有學(xué)者認為參與度的衡量不能僅僅依靠在線論壇中的帖子數(shù)量來評估。Shaw（2012； 2013）在研究了在線論壇中學(xué)生的學(xué)習(xí)交互行為后，總結(jié)出回復(fù)、提問、瀏覽與無行為四種在線學(xué)習(xí)參與類型，并分析了它們與學(xué)習(xí)績效的關(guān)系。其研究結(jié)果表明，不同類型行為對在線學(xué)習(xí)參與度的貢獻程度不同，計算權(quán)值也應(yīng)是不同分值。其中，方差分析結(jié)果顯示“回復(fù)”是權(quán)重最高的行為類型。本研究參考了Shaw（2012； 2013）研究中的思想和方法，根據(jù)實際情況擴展了行為類型，并結(jié)合加權(quán)計算的方法衡量學(xué)生的在線學(xué)習(xí)參與度。

總體來看，這些研究多是針對傳統(tǒng)課堂環(huán)境，研究過程與結(jié)論并不完全適用于云時代下的新型課堂環(huán)境。隨著云學(xué)習(xí)平臺與傳統(tǒng)課堂逐漸深入整合，在云學(xué)習(xí)環(huán)境下，如何有效預(yù)測學(xué)生學(xué)業(yè)成績并進行及時干預(yù)指導(dǎo)，形成有效教學(xué)策略，還有待研究。因此，本研究以一門基于云學(xué)習(xí)平臺開展的大學(xué)課程為切入點，考慮學(xué)生的心理認知水平、先前知識水平和在線學(xué)習(xí)參與度三方面因素，建立多元回歸模型，預(yù)測其學(xué)業(yè)成績，并進行適當(dāng)?shù)母深A(yù)和指導(dǎo)，以提升其學(xué)習(xí)效果，為云環(huán)境下進行學(xué)業(yè)成績預(yù)測和建立有效教學(xué)策略提供一定的理論依據(jù)和實踐參考。

三、研究過程

1. 研究對象

研究對象來自北京市某高校的78名大三學(xué)生。他們在大三上學(xué)期學(xué)習(xí)了一門教育必修課，課程采用了云學(xué)習(xí)平臺（MOODLE平臺、微信平臺）和實體課堂相結(jié)合的混合模式。研究對象中男生26人（33.33%），女生52人（66.67%），使用MOODLE平臺和微信平臺的詳細情況如表1所示。從調(diào)查結(jié)果來看，所有學(xué)生擁有智能手機并安裝了微信應(yīng)用，大部分學(xué)生使用過微信或MOODLE平臺進行課程學(xué)習(xí)，有利于課程的開展。

2. 課程設(shè)計

本研究以大三下學(xué)期的一門教育類必修課“信息技術(shù)學(xué)科教學(xué)法”為基礎(chǔ)展開研究，設(shè)計流程如圖1所示。從教學(xué)安排來看，整個課程共有三次綜合性學(xué)習(xí)任務(wù)，分別在第1周、第2-4周和第5-8周。教師首先在課堂上講授學(xué)科知識并布置任務(wù)。學(xué)生在MOODLE平臺或微信平臺瀏覽學(xué)習(xí)資源、提交任務(wù)作品、進行同伴互評與討論。在截止時間內(nèi)，學(xué)生可根據(jù)互評建議修改作品，反復(fù)提交，終稿成績作為最終任務(wù)成績。

表1 MOODLE平臺和微信平臺使用情況

[題項＼&選項＼&人數(shù)＼&比例＼&使用智能手機并安裝微信應(yīng)用＼&是＼&78＼&100%＼&否＼&0＼&0＼&使用微信的頻率＼&每時每刻都在用＼&43＼&55.13%＼&每天偶爾用一下＼&32＼&41.03%＼&幾天用一次＼&2＼&2.56%＼&很少使用＼&1＼&1.28%＼&使用微信公眾號進行過課程學(xué)習(xí)＼&是＼&39＼&50%＼&否＼&39＼&50%＼&希望通過微信公眾號進行課程學(xué)習(xí)＼&很希望＼&25＼&32.05%＼&一般＼&45＼&57.69%＼&不希望＼&8＼&10.26%＼&閱讀過的微信教育類公眾號＼&10個以上＼&3＼&3.85%＼&5-10個＼&17＼&21.79%＼&5個以內(nèi)＼&53＼&67.95%＼&從未閱讀過＼&5＼&6.41%＼&使用MOODLE平臺進行過課程學(xué)習(xí)＼&是＼&53＼&67.95%＼&否＼&25＼&32.05%＼&希望通過MOODLE平臺進行課程學(xué)習(xí)＼&很希望＼&19＼&24.36%＼&一般＼&56＼&71.79%＼&不希望＼&3＼&3.85%＼&]

圖1 課程與實驗設(shè)計流程

在實踐環(huán)節(jié)，課程第一周，研究人員與教師共同布置在線平臺，講解平臺使用方法，并完成對學(xué)生的前測。隨后，學(xué)生正式展開課程學(xué)習(xí)。研究人員在課程進行過程中收集學(xué)生完成任務(wù)1與任務(wù)2時的在線行為數(shù)據(jù)，并結(jié)合前測數(shù)據(jù)進行任務(wù)3的成績預(yù)測。隨后，針對預(yù)測結(jié)果展開學(xué)習(xí)干預(yù)，尤其是瞄準(zhǔn)學(xué)弱群體及時進行提醒與預(yù)警。當(dāng)任務(wù)3結(jié)束后，研究人員對部分學(xué)生進行訪談，對實驗效果進行分析。

3. 研究方法

多元回歸是研究一個因變量與兩個或兩個以上自變量的回歸，是反映一種現(xiàn)象或事物的數(shù)量依多種現(xiàn)象或事物的數(shù)量的變動而相應(yīng)變動的規(guī)律，建立多個變量之間數(shù)量關(guān)系式的統(tǒng)計方法。

McKenzie等人（2001）通過問卷法調(diào)研了澳大利亞大學(xué)一年級的197名學(xué)生，以入學(xué)成績、社會心理、認知水平和人口特征作為預(yù)測因子，學(xué)業(yè)表現(xiàn)（期末成績）作為因變量，建立多元回歸模型進行預(yù)測。結(jié)果顯示，入學(xué)成績、社會心理、認知水平均為顯著預(yù)測因子，部分人口特征可以作為預(yù)測因子。他們認為，找到影響學(xué)業(yè)表現(xiàn)的預(yù)測因子可以對目標(biāo)學(xué)生進行有效的指導(dǎo)干預(yù)，使其規(guī)避學(xué)業(yè)風(fēng)險。Huang和Fang（2013）在一項預(yù)測機械課程學(xué)術(shù)表現(xiàn)的研究中比較了四種不同數(shù)學(xué)模型的預(yù)測能力。他們收集了323名學(xué)生的績點、四門前導(dǎo)課成績、三次期中測驗成績和最終期末成績，建立多種預(yù)測模型，分析模型準(zhǔn)確率及自變量有效性。結(jié)果顯示，在預(yù)測全班學(xué)業(yè)成績時，選擇多元回歸方法最佳，以績點作為自變量即可實現(xiàn)較高準(zhǔn)確率。雖然其他數(shù)學(xué)方法也可以用來預(yù)測學(xué)業(yè)成績，但是從已有研究來看（Hoschl， et al， 1997； Flook， Repetti， & Ullman， 2005； Ayán & Garc， 2008），用多元回歸方法進行學(xué)業(yè)成績預(yù)測更為普遍，且準(zhǔn)確率較好。所以，本研究采用多元回歸作為主要的研究方法，以此來預(yù)測云環(huán)境下的大學(xué)生學(xué)業(yè)成績。

4. 數(shù)據(jù)收集

（1）個人基本信息與心理認知水平

本研究以調(diào)查問卷的形式在前測時收集了學(xué)習(xí)者個人基本信息和心理認知水平的數(shù)據(jù)。個人基本信息量表包括性別、年齡等學(xué)習(xí)者基本特征，以及MOODLE平臺和微信平臺的使用情況。

心理認知水平維度包括網(wǎng)絡(luò)自我效能感和學(xué)習(xí)興趣兩個子量表。其中，網(wǎng)絡(luò)自我效能感量表選自謝幼如等人（2011）編制的“大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)自我效能感量表”，共20道題目，采用七級里克特答題范圍，整體一致性系數(shù)為0.92，各題項一致性信度在0.72-0.89之間，具有較高的同質(zhì)性。該量表用來測量個體對自己在網(wǎng)絡(luò)學(xué)習(xí)活動中取得成功的信念水平，是個體對自己使用計算機、網(wǎng)絡(luò)信息資源或網(wǎng)絡(luò)通信工具等完成學(xué)習(xí)任務(wù)的能力的一種主觀判斷。

學(xué)習(xí)興趣量表改編自Harackiewicz等（2008）編制的“原始學(xué)習(xí)興趣量表”。該量表共7道題目，采用七級李克特答題范圍，整體一致性系數(shù)為0.90，具有較高的同質(zhì)性。該量表原為測量學(xué)習(xí)者在心理學(xué)科中的學(xué)習(xí)興趣水平，因此研究人員對題目進行了改編以適于測量被試對教育學(xué)科的學(xué)習(xí)興趣。

（2）先前知識水平

為衡量學(xué)習(xí)者的先前知識水平，本研究在前測時收集了被試的績點與一門前導(dǎo)課期末成績作為參考。另外，為預(yù)測下一次任務(wù)成績，學(xué)生前一次任務(wù)成績也會作為假設(shè)影響因素。績點采用五分制計算方法，前導(dǎo)課成績采用百分制計算方法，每次任務(wù)成績采用十分制計算方法。

（3）在線學(xué)習(xí)參與度

研究者通常使用定量方式評估在線論壇參與度，如學(xué)習(xí)者在論壇中發(fā)帖的數(shù)量（Mazzolini & Maddison， 2003）。然而，參與度不應(yīng)僅僅依靠帖子或其他行為數(shù)量來評估（Wenger， 1998），積極參與的行為比被動接受的行為貢獻更大（Romiszowski & Mason， 2004）。因此，不同類型的在線行為，根據(jù)其貢獻程度，在參與度計算中的權(quán)重也應(yīng)有所區(qū)分。

在使用云學(xué)習(xí)平臺期間，學(xué)生在MOODLE平臺和微信平臺留下了多種操作痕跡，如瀏覽資源、提交作業(yè)和同伴互評等。參考已有研究（Shaw， 2012； Shaw， 2013； Morris， et al， 2005）的維度劃分及權(quán)重分配，并結(jié)合研究的實際情況與多名專家意見，本研究制定了MOODLE平臺和微信平臺的在線行為編碼體系（如表2所示）。該編碼原則就是不重不漏地記錄學(xué)生的在線行為。研究人員據(jù)此對MOODLE平臺系統(tǒng)日志及微信平臺聊天記錄進行了整理與編碼，統(tǒng)計學(xué)習(xí)者在兩個平臺中不同行為的數(shù)量，并計算參與度。計算公式如下，其中Pm為MOODLE參與度，Pw為微信參與度，N為行為數(shù)量，W為行為權(quán)重。

[P總=Pm+Pw]…（1）

[Pm=i=113NAi?WAi]…（2）

[Pw=i=110NBi?WBi]…（3）

5. 數(shù)據(jù)分析

本研究使用多元線性回歸模型作為預(yù)測模型。在學(xué)生完成兩次任務(wù)之后，使用前兩次任務(wù)的過程性數(shù)據(jù)建立預(yù)測模型，進行第三次任務(wù)成績的預(yù)測。

建立模型時，首先將網(wǎng)絡(luò)自我效能感和學(xué)習(xí)興趣兩個維度下的子題項計算均值，合并為兩個變量。然后將網(wǎng)絡(luò)自我效能感（X1）、學(xué)習(xí)興趣（X2）、績點（X3）、前導(dǎo)課成績（X4）、第一次任務(wù)成績（X5）、在線學(xué)習(xí)參與度（X6）作為自變量，第二次任務(wù)成績（Y）作為因變量，使用第二次任務(wù)中90%的樣本量作為訓(xùn)練樣本建立模型，10%作為檢測樣本檢驗?zāi)Ｐ汀ｎA(yù)測模型建立完畢后，將第三次任務(wù)中的過程數(shù)據(jù)作為預(yù)測樣本帶入模型，進行任務(wù)3成績的預(yù)測。當(dāng)任務(wù)3實際成績得出后，再次驗證預(yù)測效果。模型的建立和預(yù)測工作都是在SPSS 18.0軟件中進行。

6.干預(yù)實施

在任務(wù)3預(yù)測結(jié)束后，將全班學(xué)生成績進行降序排列，按比例分為高（27%）、中（46%）、低（27%）三個分?jǐn)?shù)段。在中低分?jǐn)?shù)段中，綜合考慮性別、活躍度等因素，選擇一部分學(xué)生進行教學(xué)干預(yù)。干預(yù)方式包括在線交流、一對一面談和一對多面談，干預(yù)內(nèi)容包括提醒警示、鼓勵、知識點梳理和答疑。

四、研究結(jié)果

1. 最終預(yù)測模型

以第二次任務(wù)中90%樣本量為訓(xùn)練樣本，建議多元線性回歸模型。結(jié)果顯示，最終預(yù)測模型為：

[Y=-2.618+0.387?X3+0.007?X6+ 0.074?X4+0.385?X2]…………（4）

模型中，顯著影響因子按影響程度由大到小依次排序為績點（X3）、在線學(xué)習(xí)參與度（X6）、前導(dǎo)課成績（X4）和學(xué)習(xí)興趣（X2）。被排除在模型外的因子為網(wǎng)絡(luò)自我效能感（X1）和第一次任務(wù)成績（X5），說明二者對第二次任務(wù)成績（Y）的影響不夠顯著。

該結(jié)果符合常理，也與先前研究結(jié)果有所吻合。Huang和Fang（2013）的多元回歸預(yù)測結(jié)果中，績點也是首要預(yù)測因子，具有決定性作用，可見績點對評估學(xué)生學(xué)業(yè)成績的重要性。本研究中網(wǎng)絡(luò)自我效能感主要測量學(xué)生使用在線環(huán)境完成任務(wù)的信心，但想要取得更高的學(xué)業(yè)成績，需要學(xué)生形成真正的在線學(xué)習(xí)行為，并保持較高的參與度。第一次任務(wù)成績的影響能力最弱，主要是由于一次任務(wù)成績的隨機性較大，并不能充分體現(xiàn)學(xué)生的學(xué)業(yè)水平，而且該任務(wù)為課程開始后首次作業(yè)，學(xué)生可能還未完全熟悉課程，發(fā)揮也不夠穩(wěn)定。

2. 平均預(yù)測準(zhǔn)確率

[APA=1-1n?i=1nPi-AiAi?100%]…（5）

該數(shù)值反映了模型在預(yù)測全班學(xué)生成績時的有效性。其中，P為預(yù)測成績，A為實際成績，n為樣本量。

模型建立后，用任務(wù)2中10%的樣本量進行檢驗，其平均預(yù)測準(zhǔn)確率為91.14%。平均準(zhǔn)確率較高，說明模型較合理，可以用此模型進行第三次任務(wù)成績的預(yù)測。

任務(wù)3成績預(yù)測的結(jié)果顯示，平均預(yù)測準(zhǔn)確率為97.65%（兩人未交作業(yè)，n=76），說明此次預(yù)測在全班水平上準(zhǔn)確率較高，整體預(yù)測效果較好。

3. 命中率

命中率與平均預(yù)測準(zhǔn)確率均是檢驗預(yù)測模型效果的標(biāo)準(zhǔn)。命中率反映了在全班學(xué)生中符合預(yù)測成績在實際成績的90-110%區(qū)間內(nèi)的人數(shù)比例（即預(yù)測誤差為±10%）。命中率越高，預(yù)測模型越好。

任務(wù)3的預(yù)測命中率為53.85%，命中人數(shù)超過半數(shù)，與已有研究中（Huang & Fang， 2013）的預(yù)測命中率相對持平。Huang和Fang（2013）在研究中指出，預(yù)測模型不合適、預(yù)測因子不全面或不準(zhǔn)確等因素都可能是命中率不高的原因。本研究中，多元回歸模型雖然在全班水平上取得了較好的預(yù)測效果，平均預(yù)測準(zhǔn)確率較高，但是在預(yù)測某個學(xué)生成績時，大概會有50%的概率無法精準(zhǔn)評估，因此提升精確命中率成為本研究下一步需要解決的問題。

4. 成績干預(yù)結(jié)果

本研究對比了干預(yù)及未干預(yù)學(xué)生第三次任務(wù)與第二次任務(wù)的實際平均分，并用配對T檢驗分析差異的顯著性。

表3從高（27%）、中（46%）、低（27%）三個分?jǐn)?shù)段學(xué)生的角度進行分析，從干預(yù)結(jié)果可以看出，高分組學(xué)生平均分下降，中分組和低分組預(yù)的學(xué)生平均分提升顯著，而未預(yù)的學(xué)生平均分提升不顯著或有所降低。

Dochy， F. J. R. C. （1994）. Investigating the use of knowledge profiles in a flexible learning environment： analyzing students' prior knowledge states. In S. Vosniadou （Eds.）， Psychological and Educational Foundations of Technology-Based Learning Environments （pp. 339-353）. Berlin， New York： Springer Verlag.

Flook， L.， Repetti， R. L.， & Ullman， J. B. （2005）. Classroom social experiences as predictors of academic performance. Developmental psychology， 41（2）： 319.

Harackiewicz， J. M.， Durik， A. M.， Barron， K. E.， Linnenbrink-Garcia， L.， & Tauer， J. M. （2008）. The role of achievement goals in the development of interest： Reciprocal relations between achievement goals， interest， and performance. Journal of educational psychology， 100（1）： 105.

Hoschl， C.， & Kozeny， J. （1997）. Predicting academic performance of medical students： The first three years. American Journal of Psychiatry， 154（6）： 87.

Huang， S.， & Fang， N. （2011）. Work in progress―Prediction of students' academic performance in an introductory engineering course. In Frontiers in Education Conference （FIE）， 2011 （pp. S4D-1）. IEEE.

Huang， S.， & Fang， N. （2013）. Predicting student academic performance in an engineering dynamics course： A comparison of four types of predictive mathematical models. Computers & Education， （61）： 133-145.

Hrastinski， S. （2009）. A theory of online learning as online participation[J]. Computers & Education， 52（1）： 78-82.

Lane， J.， Lane， A. M. & Kyprianou， A. （2004）. Self-efficacy， self-esteem， and their impact on academic performance. Social Behavior and Personality， （32）： 247-256.

Lepper， M. R. （1988）. Motivational considerations in the study of instruction. Cognition and Instruction， （5）： 289-309.

Mazzolini， M.， & Maddison， S. （2003）. Sage， guide or ghost？ The effect of instructor intervention on student participation in online discussion forums. Computers & Education， 40（3）： 237-253.

McKenzie， K.， & Schweitzer， R. （2001）. Who succeeds at university？ Factors predicting academic performance in first year Australian university students. Higher education research and development， 20（1）： 21-33.