杨 斐
深度学习视域下程序设计类MOOCs学习活动设计实践
杨 斐
（阜阳职业技术学院 信息与智能制造学院，安徽 阜阳 236031）
为解决目前程序设计类MOOCs学习活动存在的问题，将深度学习理论作为指导思想进行学习活动设计，建立“五要素四活动”的深度学习活动框架和四层需求层次模型，使用AHP层次分析法计算各个需求的权重，在Java程序设计课程中进行实践，达到了预期效果。
深度学习；
程序设计；
MOOCs；
学习活动
深度学习以高阶思维为基础，倡导主动学习和终身学习，用批判性理解的方式进行思考，将知识点进行整合、构建、形成体系并迁移应用到不同的情境，培养学习者创新解决实际问题的能力。深度学习要求教师要根据课程的特点对学习者的需求进行分析，做好学习活动设计，把知识点或学习任务融入到形式丰富的学习情境中，吸引学习者的注意力，引导他们主动进行探究式学习。
程序设计类课程研究现实世界到机器世界的抽象，算法分析与计算思维的培养，如何使用程序设计语言解决实际问题[1]。这类课程内容比较适合处理成细粒度的教学单元并以当下比较流行的MOOCs形式组织教学，但在教学活动设计上应体现深度学习的核心要义，避免出现浅层学习带来的知识点隔离、创新应用不足、评价来源单一[2]等问题。基于此，笔者以深度学习理论为指引，对程序设计类课程进行MOOCs学习活动设计探讨，并以Java程序设计课程为例进行程序设计类课程MOOCs学习活动设计实践，达到了较理想的效果。
1.1 设计学习活动框架
结合深度学习的核心要义，对超星尔雅、职教云、e会学等慕课平台程序设计类课程学习活动进行分析分类，设计出图1所示的深度学习活动框架。五个核心要素中的学习者是整个学习活动的发起者，处于主体地位。资源包括教师制作上传至平台的各种类型的学习资源，以及学习者在学习过程中通过各种互动活动、主动的知识构建等途径衍生出的新知识。教师在学习活动中扮演过程监控者的角色，为学习者提供学习指导、互动答疑、考核评价等服务。规则是学习者必须遵守的过程性规范和标准，用于约束学习活动，包括考核方案、课程公告、作业要求等内容。工具是学习活动开展所需要用到的各种软硬件，是各种学习活动顺利进行的保障。
图1 深度学习视域下程序设计类MOOCs学习活动框架
四类学习活动围绕五个核心要素构成循环往复的闭环[3]，反映了深度学习的核心要义和程序设计类课程的特点。知识构建是整个学习活动的起点和基础，批判理解使这部分知识得到延伸和拓展，再通过迁移应用类的学习活动把所学知识运用于实际问题的解决，最后通过客观的评价反思总结学习活动的收获。
1.2 建立学习活动需求层次模型
在学习活动框架基础上针对四类学习活动设计Likert7级量表问卷，设置51个问题用来陈述每种学习形式的具体需求。每个需求有“非常不重要”“不重要”“不太重要”“一般”“一般重要”“重要”“非常重要”7个选项，对应1～7种分值[4]。在笔者所在学校开设程序设计类慕课课程的班级发放该问卷，并全部有效收回，然后计算学习者对每种学习活动需求的敏感程度，得到每种需求感知因子，构建出完整的需求指标体系，最终得到图2所示的深度学习视域下的学习活动需求层次模型。
图2 深度学习视域下的学习活动需求层次模型
1.3 层次分析法计算指标权重
层次分析法（AHP）可以把复杂问题转换为层次内部因素的权重来描述各种需求的重要程度，减少学习者在进行问卷时对各种学习需求判断的模糊性。
1.3.1构建判断矩阵
将同一层次所有指标两两比较相对重要性获得标度值建立一致矩阵，可以减少类型不同的指标相互比较时的困难，使结果更加准确。标度值获取标准见表1。标度值计算方法为7/(8-K)，K=1～7。
表1 相对重要标度值获取标准
以“C1学习指导”的感知因子层中的三个指标为例构建矩阵并进行计算分析，C层其他学习活动的计算方法相同。矩阵中的uij表示第i个指标相对于第j个指标的重要程度，uij*uji=1。
1.3.2计算权重
对矩阵AC1中的行向量对应的指标使用方根法求出其权重。
使用公式（1）可求出C1的三个感知因子的权重并得到特征向量WC1为：
1.3.3一致性检验
为保证各层次的指标权重在逻辑上是一致的，比如指标A比指标B非常重要，指标C比指标B一般重要，则指标A肯定比指标C重要，因此需要检验矩阵的一致性。首先通过公式（2）求出矩阵AC1的最大特征根λmax，再用公式（3）计算出一致性比例CR。若CR>0.1需进一步调整判断矩阵，最终使CR<0.1，达到满意的一致性。
1.3.4层次排序
继续计算剩下各类型学习活动感知因子层的权重，进行排序后得到学习者学习活动需求指标权重排序（见表2）。
表2 学习活动需求指标权重排序
以笔者所带的2019级计算机应用技术专业的Java程序设计课程为例，按照图2学习活动需求层次模型一级指标对应的四种类型的学习活动和表2计算得到的各个二级指标的感知因子的权重排序分别进行学习活动的设计和实践。
2.1 B1—知识构建类学习活动
运用层次分析得到学生对于知识构建类学习活动的需求感知因子为D3（提供有效的学习方法）、D6（教学视频播放流畅）、D10（课后作业难度数量适中）。具体措施为：在学习指导活动中运用课程公告将课程的特点、学习方法、各种规则、考核要求等内容在开课前发布出来，让学生心里有数。并将课程内容通过思维导图的形式推送给学生，帮助他们构建知识体系，绘制学习路线图。在安徽省高等学校省级质量工程慕课示范项目支持下，制作高质量的教学视频，并选择e会学和职教云两个成熟的慕课平台开通运行，使学习者获得较好的学习体验。精心选择难度适中、具有启发性的课前、课后小练习帮助学生巩固课程内容，教师及时批改并将结果反馈给每个学习者。
2.2 B2—批判理解类学习活动
批判理解能力是深度学习达成的基础，教师可利用课程平台不同模块开展丰富多彩的互动交流活动，帮助学生潜移默化中形成高阶思维能力。运用层次分析得到该类学习活动的感知因子为D14（网络流畅）、D19（帮助详细）、D20（内容丰富）、D25（导航及时更新）、D26（恰当的引导）。开展的具体活动主要包括建立学生互助答疑群，课前发布自主学习任务，学生在教师指导下进行互助答疑，教师对学生的回答进行点评并筛选出最佳答案，对回答者进行过程考核加分奖励。课中让学生通过提问、头脑风暴等活动检验学习效果，教师进行详细、有效、及时的解答。课后利用各种技术手段组织学生在平台讨论区按照设定的主题展开讨论，教师每天浏览讨论区中的帖子并及时回复，同时将优秀的发帖置顶，激发学生参与热情，使学生在讨论过程中不断获取新知识。在资源分享活动中，教师开课前制作准备丰富的视频、文档、动画等资源并上传至课程平台，设置结构清晰的导航栏目方便学习者浏览下载，在课程教学过程中及时把教师答疑活动中学习者的共性问题整理记录下来形成文档、视频等形式的资源补充到课程中。引导学习者分享其探究式学习过程中形成的再生资源，包括互助答疑时查阅的资料、网址、自己的总结等，教师每周对这部分优质内容进行分类导航再加工后上传至课程的“拓展内容”栏目。设置资源分享积分机制，按照资源的质量细化分值，学期末评出“最佳分享”“分享达人”等并将积分折合成过程分计入学生成绩。
2.3 B3—迁移应用类学习活动
该类学习活动感知因子为D29（知识点覆盖全面）、D34（教师及时跟进指导）、D37（有企业导师指导）。开展的迁移应用类学习活动主要有课后实训、综合独立实训和公司情境项目三种形式。课后实训是设置在每节视频后的小项目，设计上充分考虑对每节视频知识点的综合应用，教师做到当天任务当天批改，及时了解学生对基础知识点的掌握情况，同时在项目中还涉及到学生对之前学过内容的巩固，形成前驱后继知识的综合体。
综合独立实训设置在每一章的结束，可以看作是大型项目针对不同章节内容的子模块分割，是迁移应用能力的进一步提升。教师要参与到实训的每个环节，对学生提出的问题给予及时解答。项目内容基本都是选自企业实战项目中的模块，教师在实训指导过程中并不是简单直接地贴出代码，而是通过设置引导问题一步一步解决，先将一个有Bug的作品演示给学生，引导学生讨论问题，然后自主解决问题，使学习者获得满满的成就感。
公司情境项目是程序设计类知识迁移应用活动最高级形式，因为任何应用系统的开发都要遵循相应的公司业务流程和开发规范。该项目主要对应Java程序设计独立实践课模块，学习者的具体需求为有企业导师指导、项目情境有较高的时效性、有具体的公司角色分工。在项目进行时由教师和软件开发企业工程师共同指导，根据学习者的能力特点进行分组并确定项目经理、软件架构师、数据库工程师等角色分工，教师作为实训过程的监控者。项目内容选用和前沿应用保持一致的企业近两年的真实案例。
2.4 B4—评价反思类学习活动
该类学习活动主要包括个人自评、学习者互评、教师点评和学习反思等四个二级指标。计算得到的感知因子包括D38（有一定的客观性）、D42（有明确评价方式）、D46（有较强的启发性）、D48（非强制的）。由于个人自评是学习者对自己的阶段性或总结性评价，具有一定的主观性，所以，教师应事先制定好评价规则并在评价过程中给予指导和反馈。以Java程序设计课程为例，教师利用职教云平台的学生互评功能将部分实训作品的批改权限指定给学习者，每找出一个Bug为评价者加分，被评价者如果改正了这些问题也加上相应的分数，并最终计入过程考核分数，这个环节完成后再由教师进行点评。课程结束后鼓励学生自愿利用平台的“评价”模块记录课程的收获与感悟以及对课程的期望等，教师将这些心路历程记录汇编下来，在下次开课时分享处理供下届学习者参考，可形成良性循环的效果。
2.5 学习活动实施效果评价
四种类型的学习活动运行一学期以来共上传教学视频35个、非视频类学习资源82个，发布课程公告及学习指导10次，教师答疑20次，主题讨论43个，形成有效讨论贴1596条并从中提取再生资源32个，课前课后作业70次，课后实训29个，综合独立实训4个，公司情境项目1个，各类评价参与人次773人次，学习反思19个。运用Likert5级量表问卷对本次学习活动设计实践效果进行评价，每个问题分别有“完全相符”“比较相符”“一般相符”“比较不符”“完全不符”5个选项，建立三层评价模型（见表3）。
表3 学习活动效果评价模型
通过问卷调查对准则层和感知因子层中的指标对应打分后得到准则层对目标层的判断矩阵，使用公式（1）计算准则层A1、A2、A3、A4的权重，再利用公式（2）、（3）进行一致性检验得到CR=0.039<0.1,数据一致性满足要求。
计算得到的四种学习活动准则层指标“比较相符”以上比例见表4。从中可以看出学习者对批判理解类和迁移应用类学习活动兴趣度较高。随着高层次学习活动的展开，虽然学习者学习能力不同，在相关性、学习信心等方面略有下降，但整体满意度较高，达到了较理想的效果。
表4 学习效果评价结果
MOOCs的建设是一项耗时耗力的工程，如何用好才是关键，只有将基于MOOCs的学习活动上升到深度学习的层次才能发挥其最大作用。教师要针对不同课程的特点进行需求分析，做好整体框架和层次模型的构建，精细化设计学习活动的每一个环节，过程化动态培养学习者的深度学习习惯。由于本次针对Java程序设计课程的深度学习活动研究只限于笔者所使用的慕课运行平台，各种评价类的学习活动设计也仅针对该平台所提供的功能模块，因此建立包含所有线上学习活动评价特征的质量评估体系是接下来要研究的主要内容。
[1]陆秋,王宇.程序设计类课程的混合教学模式研究[J].电脑知识与技术,2021(9):125-127.
[2]何丽,汤莉,刘军.基于深度学习的MOOC混合式教学设计与实践[J].计算机教育,2019(1):150-153.
[3]韩冬梅.深度学习视域下MOOC学习活动设计与实践[J].牡丹江教育学院学报,2020(11):90-93.
[4]崔向平.MOOC学习活动设计的理论与实践[M].北京:科学出版社,2019:50-52.
G642
A
1672-4437（2022）04-0057-05
2022-04-18
安徽省高等学校省级教学示范课“Java程序设计”（2020SJJXSFK1927）；
安徽省高等学校省级质量工程项目（2020zyq63）。
杨斐（1983―），男，安徽阜阳人，阜阳职业技术学院副教授，硕士，主要研究方向：大数据应用技术及课程建设。
猜你喜欢程序设计学习者实训你是哪种类型的学习者学生天地(2020年15期)2020-08-25基于Visual Studio Code的C语言程序设计实践教学探索计算机教育(2020年5期)2020-07-24基于CDIO理念的数控实训教学改革与实践装备制造技术(2020年12期)2020-05-22十二星座是什么类型的学习者意林·少年版(2020年2期)2020-02-18从细节入手，谈PLC程序设计技巧电子制作(2019年9期)2019-05-30虚拟情景实训环境三维模拟计算机测量与控制(2017年6期)2017-07-01电工电子实训教学改革与创新电子制作(2017年8期)2017-06-05汉语学习自主学习者特征初探海外华文教育(2016年4期)2017-01-20高职高专院校C语言程序设计教学改革探索山东工业技术(2016年15期)2016-12-01微课在数控实训课中的应用探析信息记录材料(2016年4期)2016-03-11