高等数学课程线上教学情况调查研究——以新疆大学为例

［摘要］随着新冠疫情的结束，大学生课程逐渐从线上教学回归到了线下教学，但线上学习对于新
型教学研究的探索却没有结束。

尤其对于高等数学这门基础性学科而言，如何在后疫情时代利用好已投入的线上教学资源，配合辅助好线下教学尤为重要。

以新疆大学2022级理工科学生为主要调查对象，对高等数学线上课程学习效果影响因素进行深入研究，并根据研究结果，提出教学改革建议。

［关键词］线上教学；高等数学；技术接受模型；影响因素
［中图分类号］G642
［文献标志码］A
［文章编号］2096-0603（2023）33-0057-04
高等数学课程线上教学情况调查研究①
——
—以新疆大学为例张春梅，肖
汉
（新疆大学数学与系统科学学院，新疆乌鲁木齐830017）
随着后疫情时代的到来，疫情期间线上教学的前
期投入与线上教学所产生的数字资源的再应用，成为各大院校所需要面对的主要问题。

在“互联网+”时代背景下，利用好线上教学优势，为今后线上线下混合教学模式提供新的发展思路是需要考虑的方向[1-3]。

本文以新疆大学2022级理工科学生为例，对高等数学课程的线上教学进行分析研究，探究影响学生学习效果的因素，给出能正向提高教学质量的建议，并进一步探讨线上线下混合教学的互补优势。

一、新疆大学2022级理工科学生线上学习情况调查
2022年秋季学期整个采用线上形式开展教学活动。

本文主要采用抽样问卷调查，以新疆大学博达校区10个理工科学院2022级本科生为对象，进行了高等数学线上课程学习情况调查研究。

（一）学生线上学习调查基本情况
为更好地了解学生在高等数学线上课程中遇到的情况，我们随机选取6名学生进行面对面访谈。

通过交流，了解到他们在线上课程中的表现情况并不乐观，挂课（只上线不听课）现象比较严重，有3人出现挂课现象，其中1人整学期只认真听过两周的课程。

其余3人也或多或少存在注意力不集中的情况。

和2023年春季学期线下教学相比较，线上课程注意力不集中的情况较严重。

其中4人认为，和线上课程时期相比，学习效率没有什么区别；1人认为在线下学习效率提高了；仅有1人认为自己在高等数学课上不区分线上与线下，
都能保持注意力。

同时6人都没有出现作业没有作答与提交的情况，但同样6人都没有回放过线上视频。

6人在线上学习期间与同学几乎没有交流，在线下课程时期，6人所在的班级里存在抄袭作业的现象。

而对高等数学课程的问题，除了一名高考数学成绩在135分以上的学生认为高等数学内容并不困难以外，其他人认为高等数学内容学习并不轻松。

同时6人对学习该课程没有明显的倾向，3人认为“不挂科就好”，2人认为“能拿高分就行”，1人“不想在公共课上花费太多精力”。

所以对于高等数学考试内容无关的知识课程学习，6人都是持有最好不学习的态度。

6人均认为高考数学知识点学习简单考试困难；高等数学则是知识点学习困难，但作业习题没那么困难。

有2人愿意在不影响平时成绩的前提下增加章节测试，以了解自身与其他人的学习状况。

（二）针对初步了解情况设计问卷根据访谈结果，产生三个疑问：线上课程对学生高等数学学习是否产生了消极影响？线上课程中影响学生高等数学学习的主要因素是什么？采用什么措施才能使学生对高等数学线上课程学习感到满意？
针对此，我们设计了调查问卷。

问卷由三部分组成：个人基本信息、线上线下学习相关问题、学生的意见和建议。

问卷结果显示，线下学生上课情况明显好于线上，
①基金项目：新疆大学本科教育教改项目“高等数学课程思政实施状况调查与问题分析”（XJU-2023JG12）；新疆维吾尔自治区高
校本科教育教改项目“《统计预测与决策》课程思政教学设计与路径探索”（XJGXPTJG-202321）。

作者简介：张春梅（1981—），汉族，四川人，硕士，讲师，研究方向：高等数学教学与研究。

57--
但是线上与线下学生课堂表现情况没有过大差异。

线上课程期末成绩主要集中分布在60~80分，且成绩分布较均匀，中高分、中低分学生均未出现极端增多情况。

同时线上时期，41%的学生可以独立完成作业；46%的学生少部分题目或一般题目需要同学帮助；只有12%的学生完成作业存在困难。

有84%的学生能完成困难题目，只有15%的学生放弃解答。

45%的学生认为期末考试难度一般，40%的学生认为考题简单，只有14%的学生认为考题困难。

对于考试成绩符合预期和不符合预期的学生，各占50%。

线上课程回放有85%的学生没看过或者很少看，14%的学生看过大部分和全看。

这说明大部分学生对课程视频回放并没有重视，和访谈调查结果一致。

综上可知，线上课程并不是影响学生学习效果的主要原因。

二、调查问卷量表化处理研究
结合前期学生访谈信息，并结合研究主题的特征，我们采用结构方程模型[4]，简化并筛选出符合本研究的变量，构建了线上课程学习效果调查问卷的外部因素部分的相关量表（表1），简化并筛选出感知有用性量表、感知易用性量表、行为意愿量表和学习效果量表（表2）。

表1外部因素各维度变量及其题项
一维变量二维
变量
具体题项
题项
标识
学生自身因素结果预期
通过线上课程，学生能够更好地克服
自身遇到的学习难点
XZ1
自我学习
驱动力
通过线上课程，学生提高了自己未来
获取知识的期望和目标
XZ2学习成长
线上课程中，学习到有助于其他理工
科专业课学习的技巧与方法
XZ3
学习者自
身素养
线上课程中遭遇困难，可以有效发现
并解决问题
XZ4
课程内容因素课程内容
难易度
线上课程的课程内容难易度适中，利
于学生理解学习
KN1课程结构
线上课程能够提高对《高等数学》学
习兴趣
KN2
教师因素专业知识
教师在线上课程中能够很好地对学
生进行指导
JS1
教学参与
情况
教师在线上课程中能及时督促学生
学习，提醒完成阶段性任务
JS2
表2TAM其他维度变量及其题项
具体题项题项标识
线上高数课程可以提高学习效率GY1
线上高数课程可以提高成绩GY2
线上高数课程学习使用容易GYY1
线上高数课程学习不会给高数学习带来负担GYY2
未来的学习更倾向于线上高数课程XW1
未来的学习推荐他人参加线上高数课程XW2
线上高数课程，解题能力有所提高XX1
线上高数课程，自主学习能力有所提高XX2
我们通过克隆巴赫系数信度检验方法[5]分析各个
维度内部变量的一致性。

若克隆巴赫系数取值范围在
0~1之间，则检验结果系数值越高，其信度越高。

通常信
度系数在0.6以下为不可信，0.6~0.7之间为可信，0.7~
0.8之间为比较可信，0.8~0.9之间为很可信，0.9~1之间
为非常可信。

表3外部变量中各变量量表信度分析
项数
4
2
2
变量克隆巴赫系数
学生自身因素0.735
课程内容因素0.786
教师因素0.682
表4外部变量、感知有用性、感知易用性、行为意愿及学习效果
量表信度分析
项数
8
2
变量克隆巴赫系数
外部变量0.711
感知有用性0.763
2
感知易用性0.886
行为意愿0.8192
学习效果0.7842
从表3、4可以看出，外部变量、感知有用性、感知
易用性、行为意愿和学习效果量表信度分析的信度系数
均介于0.7~0.9之间，具有很好的内部一致性和信度。

表5的模型适配度检验显示指标卡方自由度比
（CMIN/DF）在3~5之间，指标误差均方根（RMSEA）<
0.08。

同时修正拟合指数（IFI）的检验结果0.8以上，外
部变量量表CFA模型拥有良好的适配度。

表5外部变量适配度检验
实测结果
3.547
指标参考标准
CMIN/DF1~3为优秀，3~5为良好
RMSEA<0.05为优秀，<0.08为良好0.067
IFI>0.9为优秀，>0,8为良好0.883
58--
通过建立CFA 模型计算出各个测量题项对应的标准化因子载荷，再使用AVE 和CR 的公式计算求出各维度的AVE 值和CR 值。

表6、7显示各个维度都拥有良好的收敛效度、组合信度和区别效度。

表6外部变量量表各个维度收敛效度和组合信度检验路径关系
Estimate AVE
CR
XZ1
<---学生自身因素
0.651
0.538
0.821
XZ2<---学生自身因素0.732XZ3<---学生自身因素0.673XZ4
<---学生自身因素0.835
KN1<---课程内容因素0.7720.6690.801KN2<---课程内容因素
0.862JS1<---教师因素0.8740.703
0.825
JS2<---
教师因素0.803表7外部变量量表各个维度区别效度检验结果
教师因素
0.838变量学生自身因素AVE 值平方根
课程内容因素教师因素0.703学生自身因素课程内容因素
0.5380.733
0.818
0.4530.6690.3480.411表8~11表明，感知有用性量表、感知易用性量表、学习效果量表及行为意愿量表CFA 模型均适配度良好。

表8
感知有用性模型适配度检验
实测结果2.6700.0470.943指标参考标准
CMIN/DF 1~3为优秀，3~5为良好
RMSEA <0.05为优秀，<0.08为良好IFI
>0.9为优秀，>0,8为良好
表9
感知易用性模型适配度检验
实测结果3.1210.0460.923指标参考标准
CMIN/DF 1~3为优秀，3~5为良好RMSEA <0.05为优秀，<0.08为良好IFI
>0.9为优秀，>0,8为良好
表10
学习效果模型适配度检验
实测结果3.0450.0340.976指标参考标准
CMIN/DF 1~3为优秀，3~5为良好
RMSEA <0.05为优秀，<0.08为良好IFI
>0.9为优秀，>0，8为良好
表11
行为意愿模型适配度检验
实测结果2.9470.0740.940
指标参考标准
CMIN/DF 1~3为优秀，3~5为良好RMSEA <0.05为优秀，<0.08为良好IFI
>0.9为优秀，>0，8为良好
由表12可知，研究变量在学生自身因素、课程内容因素、教师因素、感知有用性、感知易用性、行为意愿
和学习效果上的认识水平和行为水平都在中等左右。

偏度和峰度的系数绝对值均在标准范围内，因此各个测量题项数据均满足近似正态分布。

表12各个维度描述统计及测量题项正态分布性检验结果
维度
测量题项平均值标准差偏度峰度学生自身因素XZ1 3.49 1.446-0.526-0.951XZ2 3.140.918-0.053-1.398XZ3
3.160.898
-1.1240.742
XZ4 3.03 1.067-0.927-0.304课程内容因素SKH3 3.46 1.120.107
-0.837SKH4 2.890.994-0.491-0.766教师因素
JS1 3.870.856-0.8660.555JS2
3.540.505
-0.17
-2.087感知有用性GY1 3.7
0.939-0.61-1.657GY2
3.460.73-0.984-0.378感知易用性GYY1 3.160.898 1.1240.742GYY2 3.03 1.067
-0.927-0.304行为意愿XW1 3.46 1.120.107
-0.837XW2
2.81
1.175
-1.025-0.619学习效果
XX1 2.330.622-0.432-0.983XX2 3.34
0.343
-0.767-1.234
表13显示外部变量量表CFA 模型拥有良好的适配度。

表13学习效果TAM 模型适配度检验
实测结果4.0350.0660.923
指标参考标准
CMIN/DF 1~3为优秀，3~5为良好
RMSEA <0.05为优秀，<0.08为良好IFI
>0.9为优秀，>0，8为良好
由表14（见文末），路径假设关系检验中，外部因素对于感知易用性和感知有用性都有显著性正向影响。

其中对感知易用性影响最大的因素是学生自身，对感知有用性影响最大的因素是课程内容，而对于行为意愿影响最大的因素为感知易用性。

因此可知学生自身因素对于学习效果影响最大。

感知易用性和感知有用性都是影响行为意愿的关键因素，因此帮助学生理解高等数学线上课程的有用性和易用性，能够提高学生学习满意度。

综上结论，学生学习意愿才是学习的关键。

如果学生本身没有学习意愿，再优秀的教师，再通俗易懂的教学内容，再方便的线上课程形式，最后也不会达到满意
59--
的学习效果。

同时如果学生不善于利用线上课程的优势，不清楚线上课程有利于高等数学学习，最后也会影响学习效果。

三、提高高等数学教学效果的建议（一）帮助学生确立高等数学课程目标
帮助学生确立学习目标，有助于加强学生的学习主动性，让学生明白学习高等数学的目的。

无论目标是“通识课不挂科”还是“为了考研做准备”，只有提高学生的学习意愿，才能保证其他因素有效发挥作用。

（二）增加知识点考试频率
增加知识点考试频率，既能帮助学生了解自己的学习程度，也能帮助学生在知识点方面查漏补缺。

设置不同难度的考试试题，也能帮助学生了解自己学习程度。

而课上无法覆盖的知识点，也可以通过考试帮助学生补充学习。

（三）设置学习奖励和处罚制度
对于能够取得高分的学生给予实质性奖励，使其在学习知识的同时收获成就感。

同时设置处罚制度，例如让挂科学生参加有偿课程。

（四）增设过渡数学基础课程
在高考至进入大学前这一段时间，很多学生会有一段懈怠期。

可以在第一学期设置数学基础课程，帮助不能适应大学学习的学生衔接好高中与大学的学习。

（五）对课程内容进行分级
让学生自己去选择不同难度级别的课程。

例如将课程内容分成：（1）学生必须学会的基础知识。

（2）进一步学习的中层扩展知识。

（3）为考研或竞赛进一步学习
的高难度知识。

（4）数学分析等数学专业知识。

（六）招收更多的优秀学生
扩大招生，可以有效增强校内学生间竞争意识，加强校内学风建设。

综上，研究发现高等数学线上课程学习效果主要受到学生自身因素影响，同时让学生提前了解线上课程内容有利于提高高等数学课程的学习效果。

因此采取帮助学生建立高等数学课程目标规划，进一步优化高等数学课程内容，提高线上课程中教师与学生的互动性等一系列措施能够提高学生线上学习效果。

在未来的教学过程中，如果充分利用线上教学优势，采用线上线下混合教学模式来提高教学效果，将是我们继续努力研究的方向。

参考文献：
［1］赵士元.“互联网+”背景下高等数学教学模式探讨［J ］.湖北开放职业学院学报，2022，35（19）：141-142，151.
［2］朱芳芳.“互联网+”背景下提升学生自主学习能
力研究：以“高等数学”学习为例［J ］.新课程教学（电子版），2022（15）：167-168.
［3］张冬梅，张锐锋.“互联网+”在高等数学课程教学中的实践与效果分析［J ］.中国新通信，2022，24（13）：206-208.
［4］安明明.高校线上教学质量影响因素的博弈分析［J ］.甘肃高师学报，2022，27（5）：108-112.
［5］鞠晓云.后疫情时代影响中学生在线学习行为意愿因素研究［D ］.青岛：青岛大学，2022.
假设编号
关系路径Estimate S.E. C.R.P 值H 1感知易用性<---学生自身因素0.2520.066 3.818***H 2感知易用性<---课程内容因素0.1240.072 3.722***H 3感知易用性<---教师因素0.1730.064 2.7030.006H 4感知有用性<---学生自身因素0.2430.052 4.673***H 5感知有用性<---课程内容因素0.360.066 5.455***H 6感知有用性<---教师因素0.0910.048 2.3960.018H 7感知有用性<---感知易用性0.2020.078 2.2900.024H 8行为意愿<---感知有用性0.1630.046 3.543***H 9
行为意愿<---感知易用性0.3550.051 6.961***H 10学习效果
<---行为意愿
0.378
0.065
5.815
***
表14学习效果TAM 模型路径关系检验结果
因编辑张慧
注：*为P <0.05，**为P <0.01，***为P <0.001
60--。