高职助产专业线上教学模式探究与实践

阎晓丽 李彩霞 冯彩琴 董莉军 张峰琴

1.运城护理职业学院,山西运城 044000；2.运城护理职业学院附属医院妇产科，山西运城 044000

近年来，随着我国网络技术的发展，教育体制改革的不断深化，网络教学逐渐被应用于日常教学中并取得了显著效果。互联网教育对传统教学模式起到了有效的补充作用，如在线网课、小程序课程等学习方式及学习理论与技术不断涌现[1-2]。目前线上教学模式成为了主流发展方向[3-4]。本研究以助产专业女性生殖健康课程为基础，应用前沿的互联网技术，搭建女性生殖健康在线教学平台，采用先进的互联技术实现动态专业课程推荐及课后习题辅助系统，探讨将传统课程与网络平台相结合的高职助产专业线上教学模式对高职教学效果的影响，为实践教学提供一定的参考依据。

1 资料与方法

1.1 一般资料

选取2022年9—12月运城护理职业学院高职助产专业的60名学生作为研究对象。纳入标准：2021年入学的高职助产专业学生；2021年下半学年期末成绩均≥60分；自愿参加本研究。排除标准：其他学年入学的学生；2021年下半学年期末成绩有＜60分者。采用随机数表法将其分为实践组与对照组，每组各30例。实践组女28名，男2名，年龄18～20岁，平均（18.33±0.58）岁。对照组女29名，男1名，年龄18～20岁，平均（18.41±0.63）岁。两组学生一般资料比较，差异无统计学意义（P＞ 0.05），具有可比性。本研究经学校教学伦理委员会批准。

1.2 方法

1.2.1 对照组 老师根据教学大纲制订教学计划，采用传统教学方法。

1.2.2 实践组 在传统教学方法的基础上实施线上教学模式。①高职助产专业在线课程系统采用浏览器/服务器（browse/server，B/S）模型，主要模块有前端首页展示模块、后端数据管理模板及推荐算法模型。在线部分包括主页推荐、视频中心、试题测试等，用户通过在线浏览、点击、观看、收藏、分享等操作产生一系列行为数据，这些数据有助于构建用户画像特征，更好地优化首页推荐效果；离线部分主要包括推荐模型训练、行为日志数据清洗、用户画像构建与迭代、资源数据向量化；基础数据部分主要包括用户数据表、资源数据表、问题表、用户答题表及用户行为日志表，这些表为系统提供数据基础。②数据库表包括用户信息表、资源表、试题表、媒体表、练习表、用户行为日志表。记录学生的应用信息，为学生提供针对性的练习。③课程推荐基于高职助产专业在线课程系统，结合实际需求将召回和排序融为一体，采用因子分解机（factorization machine，FM）做推荐的核心算法，为学生有针对性地推荐课程内容。推荐实践主要包括样本选择、特征工程、模型训练及线上生产环节。

1.3 观察指标及评价标准

①期末考试成绩包括理论50分和病例分析50分，闭卷，统计各项目得分及总分。②操作技能评分包括模拟操作技能50分、应急处理能力30分以及观察能力20分，总分100分。③教学方法满意评分[5]包括内容的科学性、教学方法、内容的趣味性、对能力的提高作用、对理论知识的理解、对综合分析能力的提高作用6个方面。采用0～5分评分法，满意评分越高则满意度越高，Cronbach’s α为0.783。④采用调查量表[6]分析教学效果，包括知识内化效果评分，由快速有效获取资源、能汲取别人的见解与经验以及有效将知识内化为自己的知识3个维度组成，每个维度完全不符合0分、不符合1分、基本符合2分、符合3分、非常符合4分，Cronbach’s α为0.802；知识外化效果评分，由有效与同学分享交流、有效将理论知识转化为实践能力以及能够实现知识创新3个维度组成，评分标准同知识内化效果评分，Cronbach’s α为0.794。发放问卷60份，回收60份，回收率为100%。

1.4 统计学方法

使用SPSS 20.0统计学软件进行数据处理，计量资料用均数±标准差（）表示，采用t检验，计数资料用[n（%）]表示，采用χ2检验，P＜ 0.05为差异有统计学意义。

2 结果

2.1 两组期末考试成绩比较

实践组理论、病例分析成绩以及总分高于对照组，差异有统计学意义（P＜ 0.05）。见表1。

表1 两组期末考试成绩比较（分， ± s）

组别 n 理论 病例分析 总分实践组 30 43.37±5.64 41.05±7.33 84.42±7.24对照组 30 38.72±6.71 35.52±7.18 74.24±6.67 t值 2.914 3.192 5.664 P值 0.005 0.002 0.000

2.2 两组操作技能评分比较

实践组操作技能、应急能力、观察能力评分以及总分高于对照组，差异有统计学意义（P＜ 0.05）。见表2。

表2 两组操作技能评分比较（分， ± s）

表2 两组操作技能评分比较（分， ± s）

组别 n 操作技能 应急处理能力 观察能力 总分实践组 3044.01±5.92 22.38±4.31 15.58±2.55 81.97±6.74对照组 3037.18±5.56 17.15±4.26 12.36±3.08 66.69±5.35 t值 4.606 4.727 4.411 9.726 P值 0.000 0.000 0.000 0.000

2.3 两组教学方法满意评分比较

实践组内容的科学性、教学方法、内容的趣味性、对能力的提高作用、对理论知识的理解以及对综合分析能力的提高作用评分高于对照组，差异有统计学意义（P＜ 0.05）。见表3。

表3 两组教学方法满意评分比较（分， ± s）

表3 两组教学方法满意评分比较（分， ± s）

组别 n 内容的科学性 教学方法 内容的趣味性 对能力的提高作用 对理论知识的理解 对综合分析能力的提高作用实践组 30 4.21±0.48 4.51±0.72 4.43±0.54 4.26±0.61 4.34±0.67 4.40±0.54对照组 30 3.76±0.35 3.92±0.45 3.80±0.51 3.76±0.53 3.89±0.58 3.76±0.62 t值 4.149 3.806 4.646 3.389 2.781 4.264 P值 0.000 0.000 0.000 0.001 0.007 0.000

2.4 两组知识内化效果评分比较

实践组快速有效获取资源、能汲取别人的见解与经验以及有效将知识内化为自己的知识评分高于对照组，差异有统计学意义（P＜ 0.05）。见表4。

表4 两组知识内化效果评分比较（分， ± s）

表4 两组知识内化效果评分比较（分， ± s）

有效将知识内化为自己的知识实践组 30 4.21±0.56 4.25±0.73 4.38±0.62对照组 30 3.28±0.41 3.18±0.64 3.16±0.55 t值 7.339 6.037 8.063 P值 0.000 0.000 0.000组别 n 快速有效获取资源能汲取别人的见解与经验

2.5 两组知识外化效果评分比较

实践组有效与同学分享交流、有效将理论知识转化为实践能力以及能够实现知识创新评分高于对照组，差异有统计学意义（P＜ 0.05）。见表5。

表5 两组知识外化效果评分比较（分， ± s）

表5 两组知识外化效果评分比较（分， ± s）

能够实现知识创新实践组 30 4.18±0.42 4.03±0.66 4.20±0.67对照组 30 3.06±0.37 3.15±0.49 3.14±0.48 t值 10.960 5.864 7.044 P值 0.000 0.000 0.000组别 n 有效与同学分享交流有效将理论知识转化为实践能力

3 讨论

本研究基于前沿互联网技术，提出一种基于在线学习加智能推荐的在线课程模式，该模式主要包括理论模式和在线实践。理论模式主要是移动学习[7]和碎片化学习理论[6]，该理论已在各行业的在线系统证明有巨大的成功，因此本研究基于此理论实现助产专业在线系统；在线实践主要是系统的具体设计与功能实现，从系统框架设计到底层数据库、推荐算法等其他功能设计，最终实现在线课程系统雏形。移动学习理论[8-9]将移动学习看作个人感知、情感态度、认知技能的变化。远程教育、数字化学习和移动学习是远程教育的不同发展阶段[10]。碎片化学习[11-12]不同于微型化学习，从字面上看，“碎片化”是指将某一整体碎成许多碎片。碎片化学习体现在学习时间零散、知识的不连续，是一种新的思维方式，意味着化整为零[13]。学习过程中对碎片化时间的有效利用能提高学习效率。小程序让利用碎片化时间成为可能，为快速学习碎片化知识提供了平台。微型学习也是学习的一种方式，主要是通过微型媒体和移动技术实现，随着数字化技术发展而逐渐被大众获知，表现形式有动画、短视频、小文本、图片等，在零碎空间和时间下，微型学习有较大优势[14]。

国外的在线教育平台研究涉及不同的教育阶段，如远程教育、职业教育、中小学教育及高等教育，涵盖不同学习阶段学习任务。移动学习活动更加有助于语言学习，在空间和时间更自由的在线学习环境下学习效率提升更加明显，此外，建议学生尝试多样性体验在线学习，在线学习尽可能避免外部干扰因素，提升学习效率。在移动学习应用在学者具体执行程度研究方面，国内学者给出不同的研究观点，利用碎片化时间提升学习效率，并解决实践过程中遇到的具体问题[15]。本研究结合在线学习、高职助产专业的特点，分析目前移动学习平台存在的问题，采用互联网技术开发助产专业女性生殖健康的在线学习平台，简化开发流程，确保平台功能模块满足师生需求。

高职助产专业在线课程平台核心是为了培训学生的技能，同时根据学生的学习进度及兴趣爱好为学生动态化推荐合理的视频，以达到“千人千面”的效果。目前业界常用的推荐模式有召回、排序，其中召回的方法有协同过滤、逻辑回归、因式分解等传统方法，随着计算机技术的发展，召回开始采用深度神经网络算法，如深度神经网络（deep neural networks，DNN）、双塔等深度模型，排序主要采用线性回归模型（logistic regression，LR）、FM、二元组合（PairWise）等技术手段。本研究以FM做推荐的核心算法，该算法相比传统LR模型，增加自动特征组合，并加之隐向量存在。本研究根据高职助产专业特点以及在线学习的发展，采用互联网技术开发助产专业女性生殖健康的在线学习平台，简化开发流程，确保平台功能模块满足师生需求。平台根据不同学生的不同需求，提供不同的模块，并以此设计页面和程序逻辑结构。高职助产专业在线课程系统采用B/S模型，主要模块有前端首页展示模块、后端数据管理模板及推荐算法模型，其中数据流程分线上用户行为和线下模型训练、物料画像及用户画像向量化。在线部分包括主页推荐、视频中心、试题测试等，用户通过在线浏览、点击、观看、收藏、分享等操作产生一系列行为数据，这些数据有助于构建用户画像特征，更好地优化首页推荐效果；离线部分主要包括推荐模型训练、行为日志数据清洗、用户画像构建与迭代、资源数据向量化；基础数据部分主要包括用户数据表、资源数据表、问题表、用户答题表及用户行为日志表，这些表为系统提供数据基础。在完成程序设计后，做好开发准备，包括小程序账号的注册和开发环境的建设。通过学期实践后，实践组理论成绩、病例分析、操作技能、应急能力、观察能力评分高于对照组，并且实践组教学方法满意评分高于对照组。

综上所述，在线教学系统经历多年的研究，在许多课程中有应用研究，其中对职业院校助产专业微课教学、信息化教学的研究成果较多，但针对“女性生殖健康”课程的研究相对较少，缺少将高职助产专业“女性生殖健康”课程微课与信息化平台教学相结合的研究。本研究探讨高职助产专业线上教学模式的教学效果，具有较强的创新理念与研究价值，并达到了预期的效果。