研究背景
移动互联网、云计算、大数据和人工智能技术为高等院校的教育教学带来重大变革机遇，基于以上技术的智慧教育正是顺应这种教学改革趋势的最前沿的教学理论与实践。智慧教育正推动教学工具、教学内容、教学管理、教学监督与评价等的全面云技术化、大数据化和智能化，助力实现课堂教学现代化。
现代化教学实践就是教学过程数据自动记录，教学结果自动生成，实现教学管理、监督与评价智能化。它具有预警、预测功能，拥有全过程、全行为、全内容、海量大数据等特征。大数据驱动下的智慧教育对学习体验的提升和教学质量的提高起到巨大的推动作用：一方面，通过对学生学习行为的分析，教师可以客观地了解学生现有的学科知识、学习动机、学习能力，制定学生档案，根据学生的个性化学习需求，选择合理的教学目标；另一方面，综合积极性、能动性、应用性等多种因素，对学生在网络空间的学习效果进行客观评价，逐步为学生创造良好的学习情境，推动教学质量的提高。
二
影响学习效果的关键要素
在教育模式变革的基础上，要适应当前多模态的“互联网 ”教学模式现状，符合新形态下移动学习、自主学习、泛在学习等特点，应该将利用新的应用技术帮助学习者改善学习方式和学习习惯视为关键。现有的学习评价机制在内容上需要拓展，在方式上需要变革，因此，有必要建立一套准确完整的评估体系和模型，对学习效果进行科学、合理、精确的评估。
本文基于混合式教学实践的探索与研究证明，采用混合式教学模式可以很好地促进学生自主学习能力、协作沟通能力和创新能力的提升，可以极大地提高教学效果。通过分析学习效果的关键因素，构建了一种学习效果评估指标模型，如图1所示。采用问卷调查对该效果评估指标进行了验证，为进一步应用该模型来评估学习效果提供依据。
图1 学习效果评估指标模型
学习效果是学习者在完成一系列课程或者培养计划之后，所掌握的知识、技能、应用能力和价值观念的转变。学习效果关键因素的选取考虑到：第一，从关注教育目标转向关注教育过程，从学习行为指标体系和教学水平评估指标体系两方面着手；第二，结合客观量化评价的学习行为和主观判断的课堂教学效果；第三，面向理工科领域，学习效果达到对实践应用能力的要求。基于此，在认知领域方面，设置了学习态度、学习能力两个指标；在应用领域方面，设置了知识应用技能指标；在情感领域方面，设置了团队合作能力指标。
因此，所构建的学习效果评价一级指标包括四个影响因素：学习态度、学习能力、知识应用技能、团队合作能力。在本评估模型中，这四个因素紧密相关，贯穿于课程的不同阶段，共同影响学生的学习效果。
1.学习态度
学习态度指学生明确学习目的后，表现出的行为动机，外在表现为学习积极性和自我认同感，是一种稳定的心理倾向。学习态度由认识、情感和行为三个因素构成。良好的学习态度是学习行为的基础，对学习行为有较强的导向作用，因此，学习态度的好坏与其学习效果密切相关，学习态度是一切有效学习的基础。
2.学习能力
学习能力是与学习效果密切相关的一组能力，包括基本学习能力——注意力、核心学习能力——记忆力、高级学习能力——思维力、学习动力——心理能力四个能力。这四个方面的能力相互影响、相互制约，共同组成综合的学习能力，直接影响学习效果。对大学生而言，学习能力具体可表现为感觉动作能力、知觉动作能力、符号阅读能力、逻辑推理能力、自我管理能力。
3.知识应用技能
为满足社会对新工科应用型设计人才的需求，符合新工科人才培养的要求，促进教学理念与实践的渗透与融合，提升学生的设计研究和创新精神，知识应用技能也成为学习效果的外在表征之一。特定对应于工科专业领域，其应用技能包含：所学知识的实验技能、应用能力、项目实践开发能力。
4.团队合作能力
大学生的团队合作精神是指团队配合意识，主要包含四个方面：实现团队目标、自我认同团队角色、处理团队关系、合作完成团队工作。在劳动分工精细化的现代社会，对于大学生而言，个人不仅要具备过硬的专业能力，还要有团队精神，才能达到合作效果。因此，培养大学生团队合作精神，使学生能更快、更好地适应社会，不仅关系到学校教育能否实现“以学生为本”的教育，还关系到每个大学生的综合素质提高和未来职业发展。增强大学生的团队合作能力成为综合能力培养的重要任务。
三
学习效果评估指标的构建
在以上一级评估指标的基础上，衡量学习行为在每类评估指标中的具体表现，结合调查问卷，建立了二级评估指标，最终制定学习效果评估指标体系。
学习态度以学习者个体为分析角度，体现其对课程的重视态度，来自对教师的认可度和对课程的态度。教师期望效应作为一种情感效应，对学生的学习态度在认知水平、行为倾向、情感体验三个维度都有一定的影响。学生的学习态度以课程的开展为时间轴，体现为学生在课前、课中、课后对课程的态度。学习能力体现为学生已有的知识储备能力，熟练掌握文献检索工具的能力，并对搜集到的信息能熟练加工和处理，将已学知识的延伸和拓展能力，同时具备主动思考能力、终身学习的能力。应用技能包含了所学知识对应的实验技能、应用能力和项目实践开发能力。团队协作能力体现为：积极承担团队任务、清晰表达观念、虚心接受他人观点、提炼总结观点。学习效果反映了学生对教学的满意度，包括课程满意度、课程教学质量评价、教学效果评价、课程学习目标完成度评价等维度。
根据以上分析，对一级指标进行分解，构建了16项二级评估指标。二级评估指标包含了学习者在每类学习行为中的具体表现，既要考虑学习效果评价的有效性，又要兼顾过程数据的可获得性。由于在网络空间学习中，学生的学习行为是可采集、可量化的，因此，这些评估指标的分析也具有可操作性。
采用5级李克特量表设计问卷，对本校工科类教师开展了网上调查问卷，共得到了有效问卷41份，各选项占比结果如表1所示。
表1 学习效果多级评估指标体系
|
一级指标 |
二级指标 |
非常同意 (1) |
同意 (2) |
不确定 (3) |
不同意 (4) |
非常不同意 (5) |
|
学习态度 |
教师的影响力 |
19.51% |
29.27% |
12.20% |
34.15% |
4.87% |
|
课前预习 |
65.85% |
24.39% |
2.44% |
2.44% |
4.88% | |
|
课中积极互动 |
48.78% |
34.15% |
7.32% |
2.44% |
7.31% | |
|
课后复结 |
51.22% |
24.39% |
2.44% |
2.44% |
19.51% | |
|
学习能力 |
知识储备能力 |
12.20% |
39.02% |
17.07% |
21.95% |
9.76% |
|
查找资源能力 |
60.98% |
12.20% |
14.63% |
9.76% |
2.43% | |
|
有效利用信息解决问题 |
36.59% |
41.46% |
2.44% |
12.20% |
7.31% | |
|
延伸和拓展能力 |
46.34% |
24.39% |
19.51% |
7.32% |
2.44% | |
|
主动思考能力 |
43.90% |
36.59% |
2.44% |
4.88% |
12.19% | |
|
应用技能 |
实验技能 |
63.41% |
19.51% |
7.32% |
9.76% |
0 |
|
应用能力 |
60.98% |
29.27% |
2.44% |
2.44% |
4.87% | |
|
项目实践能力 |
75.61% |
9.76% |
4.88% |
2.44% |
7.31% | |
|
团队合作能力 |
积极承担团队任务 |
73.17% |
14.63% |
2.44% |
9.76% |
0 |
|
清晰表达观念 |
48.78% |
31.71% |
4.88% |
12.20% |
2.43% | |
|
接受他人观点 |
24.39% |
46.34% |
14.63% |
4.88% |
9.76% | |
|
提炼总结观点 |
51.22% |
34.15% |
7.32% |
2.44% |
4.87% |
问卷调查结果显示：所有评估指标的平均分值为2.05。在所有选项中，平均分值得分最低的选项为“课前预习”(1.56)和“项目实践能力”(1.56)，得分最高的选项为“知识储备能力”(2.78)和“教师的影响力”(2.76)，由此可见，学生在课前阶段准备得充分与否对于整个学习效果的有效性会产生较大的影响。同时，对于工科学生而言，能力的掌握包括思考能力和实践能力，学习效果需要通过实践来检验，因此项目实践能力也是衡量学习效果的一个重要方面。教师的影响力，由于此问卷调查对象为教师群体，教师对学习效果的影响力没有切身感知，因此该指标的衡量依据不够客观。而知识储备能力与学习初期的接受度有一定关系，但远不如其他学习态度重要，可以通过中期和后期的努力来弥补该因素的不足，因此并不构成影响学习效果的主要因素。
根据调查的结果分析，将“知识储备能力”和“教师的影响力”这两个效果评估指标去除，最后产生学习效果指标共计14个。而各个指标在学习效果评估中的权重确定，将在后续研究中通过数据分析和挖掘来进一步完善。
四
结语
本文设计了一种混合式教学环境下学习效果评估指标体系，并采用问卷调查的方式对该体系进行了验证。问卷调查结果表明，该体系评估指标能适用于网络空间线上和线下学习相结合的教学模式，较全面、合理地评估学生的学习效果，有效地提升学生的学习积极性、自主学习能力、协作沟通能力和创新能力。该体系使学生在丰富的线上资源、高质量线下教学设计的学习环境中获得更好的学习效果。后续研究中，将通过进一步的数据挖掘和分析，明确各个指标在教学效果评估中的权重来推进该评估指标体系的实施，推动教学质量的提高。
,
