[摘 要]隨著外語學科教學理念不斷朝著精準化、信息化、智能化的方向演進，其教學模式也在信息技術、互聯網技術的輔助下發生了轉變，倡導精準的教學設計、教學評價和數據驅動的教學決策。本文基于成熟的在線課程體系和在線課程平臺建設經驗、四輪混合式教學實踐經驗，探究了BOPPPS模型應用于混合式外語教學的實證效度。通過JASP軟件對四輪混合式教學積累的質性數據進行可視化分析，凸顯了以互動協作、精準多元為特征的BOPPPS混合式外語教學模式優勢，明確了數據分析及數據可視化技術對混合式外語教學的重要意義。

[關鍵詞]數據可視化 BOPPPS教學模式 混合式外語教學

基金項目：本文為陜西省教育科學“十三五”規劃、2020年度課題《精準教學導向下民辦高校混合式外語教學實踐研究》的研究成果（項目編號：SGH20Y1510）。

引 言

近年來，互聯網通訊技術、信息技術的蓬勃發展，智慧教育理念的普及使得計算機輔助語言教學（Computer-assisted language Teaching，CALT）成為了每位外語教師要面對的時代命題。智能時代最理想的CALT模態應該是為學生創建個性化的學習資源和學習路徑；教師可在大數據技術和人工智能的輔助下實現個性化的教學設計并實時跟蹤、記錄學生的學習情況及教學動態，獲取形成性數據，最終實現數據驅動的精準教學。

實施這種理想化的CALT需要建構精準且個性化的混合式教學模式。一直以來，學界對外語教學混合式教學模式的探索停留在模式設計、平臺及評價體系構建等層面，尚無成熟的實證研究范式驗證混合式教學模型的實證效度。在近三年的《高級英語》信息化改革及混合式教學實踐過程中，筆者逐漸探索出了以BOPPPS教學模式和平臺輔助（Platform-aided）數據統計、數據分析為特征的混合式外語教學模式。本文將結合JASP數據分析軟件的數據可視化功能呈現BOPPPS混合式外語教學模式的實證效度。

BOPPPS混合式教學模式——以《高級英語》為例

BOPPPS作為一種有效的課程設計模型和教學模式，最初由加拿大教師培訓工作坊ISW（Instructional Skills Workshop）提出。BOPPPS強調精準有效的教學互動及參與式學習，將教學過程分解為六個操作性強的程序模塊，與教學的不同環節對應，即導入（Bridge-in）、學習目標（Objective）、前測（Pre-assessment）、參與式學習（Participatory Learning）、后測（Post-assessment）、總結（Summary）。其學習目標模塊與精準教學建構規范化的課程標準及學習表現量規的理念不謀而合，而其他環節則環環相扣，方便教師采集精準教學所需的形成性數據并有助于實現數據驅動的教學決策。經過四輪的“線上+線下”混合式教學實踐，筆者及所在課程團隊協力構建了可實現線上線下形成性數據驅動且融入了課程思政理念的BOPPPS混合式教學模式，驗證了BOPPPS與混合式外語教學設計兼容并蓄的可行性。

圖1 《高級英語》BOPPPS混合式教學模式

如圖1所示，該教學模式強調高效的翻轉與互動，是由課程標準、語言育人標準、導學案、翻轉任務和研究性學習任務為驅動，以支架式教學、合作教學模式為特征的高效混合式教學模式。

該教學模式實現了基于學情分析、需求分析的精準教學，通過制訂分層分級的教學計劃及學習目標、輔助標準實現以學定教，即自上而下精準的框架式教學。該模式可在各個教學環節層層滲透課程思政元素：首先，通過導入環節建構與背景知識相關的認知框架，制訂學習目標及表現量規，實現因材施教；其次，在面授環節通過參與式學習、小組合作學習、多模態課堂互動等完善認知框架，并通過前測、后測實現動態的學情監測與教學反饋。最后，通過獨立學習與作業、全班交流及BOPPPS的總結完成對文本人文內涵、人文精神的提煉與升華，實現語言教育與立德樹人的結合。

《高級英語》BOPPPS混合式教學實證數據的可視化分析

為了凸顯BOPPPS教學模式在混合式外語教學過程中的實證效度，筆者用JASP軟件作為綜合性學習分析工具。JASP由荷蘭阿姆斯特丹大學Eric-Jan Wagenmakers教授的團隊開發。該軟件的優點是為用戶提供圖形化界面，允許用戶進行多元統計分析，如T檢驗、變異數分析、共變數分析、信度分析、回歸分析、因素分析、集群分析、整合分析等。用戶可以通過點選選擇數據分析函數，對分析的算法進行個性化調整。

結合在線課程平臺的數據抓取、統計及分析功能，筆者采集了授課班學生學期初至學期末的在線學習狀態及學習過程數據，用JASP軟件將該質性數據可視化，可以一目了然地呈現BOPPPS混合式外語教學模式的實證效度，具體過程如下。

1.多維學情觀測

《高級英語》已經依托學銀在線平臺建設了成熟的省級精品在線課程體系，在校本混合式教學實踐過程中積累了大量的線上線下學習數據。教師借助精準教學的測繪記錄技術從多個維度對預先擬定的線上線下學情、學習能力及學習需求觀測點進行評估與記錄，確定精準教學的層級式形成性評價指標后，開展對學情的多維觀察及多元數據采集，觀察并解析學情及學習需求，借助在線學習平臺的學情分析工具（如統計功能、督學功能），以及在線學習系統自帶的數據統計、數據分析及數據可視化工具，實現線上學情數據（如學習報告、知識點分布圖、成績趨勢分布圖等）的可視化分析。同時，教師根據形成性評價指標繪制標準變速表對線下的學情進行評估，再結合線上學情數據分析結果確定學生的認知心理特征、認知風格、學習風格、學習需求和學習狀態，以發現學生的共性和個性問題，在課堂教學中對其逐個擊破，并據此制訂精準化的教學方案，實現個性化教學。

其中，線上的觀測點有：網絡學習活動數據，即參與在線互動的頻次；學習行為過程數據，包括登錄頻次、課程任務點、對教學資源的訪問量及時長；學習結果數據，包括在線作業完成情況、在線測試分數、線上PBL學習任務完成度。

線下的主要觀測點為學生的學業證據，包括學生課堂學習行為過程的實錄數據，即課堂的音頻、視頻，這部分還要關注教師的課堂話語模式，以及學生的提問及答題行為、課堂活動的組織及互動模式；另一部分為學生的學習行為結果數據，包括前測與后測的成績、課堂互動行為記錄、小組活動對話記錄、學成卡、筆記本、反思日志、課程思政征文和線下書面作業及小組合作學習任務完成情況等。

2.獲取學習平臺的數據

學銀在線平臺提供的數據包括兩類：一類是結構化數據，以二維表形式存儲；另一類是非結構化數據，如討論區、評價區中的文本信息，包括討論記錄、發帖的數量及內容（文本、圖片、附件等）。獲取學習平臺數據的過程也是挖掘“教與學”形成性數據的過程，教師需要測量、收集、分析學生的學習情景數據，為其“畫像”。筆者自2020年9月開始進行數據收集，共跟蹤收集了學銀在線平臺記錄的2021年9月至12月三個班級共120名學生的一學期在線學習數據，將學習數據按月導出作為形成性評價的依據，每個班級共產生了四個Excel文檔。

《高級英語》線上的形成性數據采集主要通過在線平臺的數據抓取勾勒學生的在線學習軌跡，包括簽到、章節知識點學習、在線討論、課程思政問卷與研討情況、在線課堂活動情況及PBL分組任務完成情況。同時，通過在線數據統計記錄學生的學習狀態，包括課程基礎資源及拓展資源任務點的完成度、在線作業成績、在線測試成績、在線課程互動積分，以及教師對小組PBL分組任務的評分。線上的各項數據均可以形成個人的研究性學成報告并反饋給學生，以實現督學。平臺獲取的結構化數據類型包括數值數據和字符數據，囊括了學生的個人信息、課程視頻觀看得分、課程資源學習進度、在線討論得分、在線作業成績、在線測試成績、章節學習次數、簽到得分、課程互動得分等十余個字段數據信息。

3.獲取線下形成性數據

《高級英語》的線下形成性數據源主要是由形成性表現量規與標準變速表套系記錄學生線下學業表現而產生的數據，具體的指標包括：由組內組間評價得出的小組合作學習成績、由教師給出的小組合作學習成果評分、課堂互動情況、由教師給出的個人研究性學習成績。此外，通過卷面考試對學生進行總結性評價，既考查學生的低階思維能力，如記憶、理解、應用，又考查學生的高階思維能力，即分析、評價、創造等能力。線下的考核數據可以形成學生最終的學業表現報告再反饋給學生。

4.數據的處理與規范化

在數據處理環節，線上的結構化數據將與線下的形成性數據集成。根據預先制訂的形成性考核標準，從在線結構化數據中提取了在線作業、在線測試、音視頻學習、章節學習、在線討論、課程互動六個字段的數值，用VLOOKUP函數導入各個月份的形成性評價表與線下相應考核指標字段的值并進行匯總。為了提高數據處理的效率，一個班每個月的各項考核數值被集成到一個Excel文檔中，Excel文檔中的空值（如學生未提交作業或未參加測試，該欄的字段值為空值）將全部被替換為整數0，最終集成平臺獲取的結構化數據，生成如圖2所示的形成性評價量表。

圖2 結構化數據形成性評價量表

由于原始結構化數據中的專業、學院、學號、班級、性別等中文字符數據無法在JASP軟件中正常識別處理，因此將該類數據做規范化處理，統一替換為英文表達或數字。其中，學生姓名統一按漢語拼音縮寫編碼，其余的考核指標字符、字段統一用英文表達。最終，將線上線下的考核指標作為數據分析中的屬性或變量，每個表格共有21個屬性或變量。本次數據可視化分析共集成了3個班級116名學生的有效數據，為了適應JASP軟件的要求，上述xls格式的Excel文檔將被轉換為csv格式。

5.數據分析

利用JASP軟件中的描述性統計分析模塊對形成性評價量表中的21個屬性進行可視化，對9月、12月的線上線下形成性數據進行可視化對比分析后，可以清晰地呈現學生一學期的學習效果和BOPPPS混合式外語教學模式的教學效果。

（1）在線作業

圖3 9月與12月的在線作業可視化分析

在線作業的完成度及成績是評估學生在線學習狀態的重要指標。本次分析將學生9月、12月的第一次在線作業成績及第四次在線作業成績進行了頻率分析及可視化分析，見圖3。JASP軟件提供的頻率表顯示，116份有效樣本數據中100分的占比由原來的77.5%上升至81.8%。同時，在JASP的描述性統計分析過程中分別以9月的第一次在線作業、第四次在線作業，以及12月的第一次在線作業和第四次在線作業作為變量進行了兩輪回歸分析，X軸為各月份的第一次在線作業成績值域，Y軸為各月份的第四次在線作業成績值域。從生成的散點圖可以明顯看到，左側散點圖中的數據分布較為離散，說明兩組變量的相關性不夠顯著，即作為自變量的9月第一次在線作業成績和作為因變量的該月第四次在線作業成績之間無明顯的相關性。而將右側12月散點圖中的回歸線與9月的回歸線相比較，其回歸線向右上方傾斜的角度更明顯，說明數據分布呈現明顯的集中傾向，兩次作業成績有一定的正向關聯。以上的可視化分析說明學生只要按教師擬定的學習目標認真完成前期在線作業就能保證后期作業成績的穩定，從而也間接說明了應用BOPPPS教學模式后，因教師設置了明確的學習目標、教學目標并布置了相應的在線學習任務，學生逐漸形成了延續性的在線學習行為。

（2）在線測試

小提琴圖（Violin Plot）是JASP軟件提供的可視化模型之一，用來展示多組數據的分布狀態及概率密度。本次可視化分析將9月的第一次在線測試和12月的兩次在線測試數據利用JASP的描述性統計分析進行建模，生成了圖4左、中、右三張小提琴圖。三張圖清晰地呈現了從9月到12月學生在線測試成績的變化，數據的分布呈現了從60分數檔到80分數檔再向100分逐漸橫向密集分布的狀態，說明分數處于80-100分之間的學生人數逐漸增多，經過近一學期的BOPPPS混合式外語教學，學生的在線測試成績有了較為明顯的提升，誠然，這也意味著學生學習成績的兩級分化趨勢亦更為顯著。

（3）在線課堂活動

圖5 9月與12月的在線課堂活動可視化分析

在線課堂活動的設計決定了BOPPPS混合式外語教學參與式學習環節運行的效果。《高級英語》的在線課堂活動涵蓋了在線問卷、隨堂練習、隨機選人、投票、搶答、主題討論等多種形式，與面授環節的課堂教學活動有機融合，充分調動了學生的學習積極性。在JASP軟件中對9月和12月的在線課堂活動相關數據進行了一元線性回歸分析，以在線課堂活動為因變量，以音視頻學習、章節內容學習及在線討論為協變量生成了圖5所示的散點圖，從左至右分別為9月和12月的在線課堂活動成績樣本分布情況。圖中的X軸為在線課堂活動賦分的值域，Y軸為殘差。散點圖的數據分布特征提示自9月至12月，學生的在線課堂活動的參與度有了較大幅度提升，各項在線學習活動的頻次也隨之穩步提升。

（4）小組合作學習項目（PBL）

《高級英語》的BOPPPS混合式外語教學特征之一是開展任務驅動的小組合作學習，教師在課前在線發布的導學案中布置小組合作學習項目，安排學習小組進行與背景信息相關的文獻檢索與文獻研究，學生將最終研究成果上傳至在線課程平臺由任課教師進行評分。

圖6 9月與12月的小組合作學習項目可視化分析

在JASP軟件中對9月和12月兩個月的小組合作學習項目數據進行一元線性回歸分析，以PBL為因變量，以在線課堂活動為協變量生成了圖6所示的散點圖，從左至右分別為9月、12月的小組合作學習項目成績數據樣本分布情況。圖中的X軸為PBL賦分的值域，Y軸為殘差。不難發現，12月的數據分布模式比9月的更為集中，即學生參與小組合作學習項目的頻次有了一定幅度提升，從而佐證了實施BOPPPS在線教學的效度。

（5）線下作業

線下作業的完成情況同樣是衡量BOPPPS混合式外語教學效果的重要指標，作為不可或缺的形成性數據，線下作業的成績可以佐證學生在BOPPPS教學過程中進行參與式學習的效果。

圖7 9月與12月的線下作業情況可視化分析

按照《高級英語》混合式教學設計，每月學生預定完成三次線下書面作業，其形式可以為長難句分析與釋義、翻譯練習、聽寫等。在JASP軟件中對9月第一次線下作業和12月第三次線下作業的成績數據進行一元線性回歸分析，以兩次作業成績為因變量，以線下的小組合作學習組內評分為協變量生成了圖7所示的散點圖。從左至右分別為9月第一次線下作業和12月第三次線下作業的成績數據樣本分布情況。圖中的X軸為各次線下作業賦分的值域，Y軸為殘差。顯然，數據分布模式的變化提示從9月至12月，學生完成線下作業的頻次及成績有了大幅提升，BOPPPS教學設計從一定程度上起到了督學作用。

（6）各月份考核成績

按照BOPPPS教學模式，《高級英語》每月均有一次詞匯及理解測試作為前測，而月底將按照各項線上線下考核指標進行整體賦值評分作為后測與總結，期末的平時成績取四個月份成績的平均值，具體的考核指標如圖8所示。

圖8 《高級英語》平時成績考核比例

從9月至12月四個月份的階段性考核成績的變化能夠清晰地反映BOPPPS混合式外語教學的實施效果和學生的學業表現。

圖9 9月至12月的各月考核情況可視化分析

同樣，以各月考核成績作為因變量，以最終的平時成績作為協變量，運用JASP軟件的一元線性回歸分析生成圖9所示的四張散點圖。圖中的X軸為各月考核成績的值域，Y軸為殘差。圖中的數據分布模式提示：9月有不少學生的成績在60-80分檔次，到了10月，成績的數據樣本已經呈現出了向80-100分檔次集中的趨勢，而到了11月，學生的成績出現了小幅波動，但仍有小部分學生的成績持續攀升到100-120分檔次，到了12月大部分學生的月末考核成績都集中在80-120分檔次且有小部分學生的成績有小幅攀升。值得注意的是原來處于40-60分檔次的學生的成績均有了大幅提升，聚集在60-80分檔次。以上可視化數據是一學期的BOPPPS混合式外語教學效果最有力的佐證。

結 語

在四輪BOPPPS混合式教學實踐過程中，課程團隊以精準教學理念為導向，制訂統一的課程標準、層級式的形成性評價量規，并據此不斷優化線上線下的教學設計、教學方法、互動模式，收集了大量與“教與學”過程的相關質性數據。但礙于信息技術的嵌入有限，相關質性數據的挖掘、處理與分析尚處于試驗階段。借助JASP軟件的數據可視化分析，本研究以三個教學班一學期的小規模實證數據分析驗證了BOPPPS混合式外語教學模式的實證效度：BOPPPS混合式教學有著嚴謹科學的線上線下教學流程及精準多元的形成性評價體系，不僅能夠充分規范學生線上線下的學習行為，調動其學習積極性，更能為教師的質性行動研究提供研究素材。本次基于JASP軟件的數據可視化分析預示著未來智能化的CALT必將與數據挖掘、數據分析、機器學習等技術深入融合，可快速提升外語教師數字化的教學決策力，實現真正意義上的精準教學。

參考文獻：

[1]韓曄，高雪松.國內外近年線上外語教學研究述評：理論基礎、核心概念及研究方法[J].外語與外語教學，2020（5）：1-10.

[2]于春燕，郭經華.MOOC與混合及教學理論及實務[M].北京：清華大學出版社，2018.

[3]元肖肖，基于BOPPPS教學模式的SPOC教學活動設計研究[D].保定：河北大學，2019.

（李然：西安翻譯學院英文學院）