恒美微站 Logo 恒美微站
  • 首页
  • 关于我们
  • 建站服务
  • 主题模板
  • 案例展示
  • 资讯中心
  • 联系我们

一种基于问题驱动的练习策略,旨在帮助学生在团队学习模式下提升计算机编程技能

  • 首页
  • 资讯中心
  • /
  • 一种基于问题驱动的练习策略,旨在帮助学生在团队学习模式下提升计算机编程技能

相关资讯

从SQL注入到数据泄露:应急响应演练与防御实战 2026/10/19 4:18:21
基于YOLOv11的花生霉变检测系统:从训练到部署实战解析 2026/10/19 4:13:21
open-code-review:基于 Git Diff 的轻量级 LLM 代码审查 CLI 工具 2026/10/19 4:13:21

最新资讯

TCP超时与重传:RTO计算、快速重传与SACK排障实战
AutoML十年演进:从网格搜索到LLM驱动的新形态
麒麟arm64源码编译Qt 5.12.8实战与避坑指南
ArtCraft艺术手作全流程:让工艺支撑灵感,用构图拉高上限
VOS3000 2.1.8.05 安装包:CentOS 7 x64 环境依赖、授权脚本与中文客户端一次讲透
读卡器速度瓶颈不在芯片?GL3224桥接、PCB走线与信号完整性实战拆解

今日推荐

OpenCowork 实测:支持本地文件、飞书机器人的 Windows AI 助手(只需配置 Token)
GPT-6 Sol 与 Luna 怎么选?Chat、Work、Codex 版本差异与 TaoToken 接入实测
openclaw.net 集成 ElBruno.MempalaceNet 记忆系统:把 MCP 配置改到 TaoToken 的完整实践

本周热门

基于GMM的语音识别系统原理与MATLAB实现详解
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

本月精选

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证
2026 大模型集体涨价:用 Python 做企业 Token 成本测算与选型避坑(附配置)

一种基于问题驱动的练习策略,旨在帮助学生在团队学习模式下提升计算机编程技能

发布时间:2026/10/19 4:18:21
一种基于问题驱动的练习策略,旨在帮助学生在团队学习模式下提升计算机编程技能 原文引用Wang, XM., Hwang, GJ. A problem posing-based practicing strategy for facilitating students’ computer programming skills in the team-based learning mode.Education Tech Research Dev65, 1655–1671 (2017). https://doi.org/10.1007/s11423-017-9551-0一种基于问题驱动的练习策略旨在帮助学生在团队学习模式下提升计算机编程技能一、概念解析Collaborative learning 协作学习是以小组为基本组织形式小组成员为达成共同学习目标分工配合、交流互助、共享资源在互动讨论中共同建构知识、完成学习任务同时兼顾个人学习责任与小组集体成果的一种学习策略。基于问题驱动的编程技能训练策略这种基于在线团队学习的环境采用了基于问题解决的练习策略该环境通过整合 Moodle 学习管理系统中的 Wiki 功能模块来实现。学生团队可以编辑内容并添加评论此外系统还会记录每次编辑的结果使学生能够对比不同版本之间的变化。在这项研究中教师利用分组功能将学生分成多个学习小组还安排了两个小组合作共同完成编程任务。每个小组都有两个 Wiki 页面一个用于提出编程问题另一个用于代码审查。以小组 i 和小组 j 为例小组 j 的提问页面只有该小组的成员可以访问而小组 j 的代码审查页面则可以被小组 i 和 j 的所有成员访问。每个小组需要在这两个页面上完成两个编程任务一个是自己设计的任务另一个是其他小组设计的任务。图1 学习流程提出问题活动包含五个步骤。在第一步中团队成员根据教师提供的示例和问题提出要求对学习内容进行了回顾。团队 i 和团队 j 所面临的示例和学习内容是不同的。在第二步中团队成员在充分理解相关知识和任务要求后将所学知识与自己的生活经验联系起来并发表意见以明确编程任务的主题随后讨论任务的细节。在第三步中当团队成员完成初步问题的提出后教师通过 Wiki 中的评论功能给出反馈并判断所提出的问题是否符合要求。随后学生们根据教师的意见利用协作功能共同改进任务内容。第四步在明确任务之后团队成员需要开始执行。他们可以单独进行编程然后共同协作以得出最终解决方案或者也可以由一名成员负责编写代码而其他成员则负责进行修正。无论采用哪种协作方式所有成员都需要讨论问题并达成共识。第五步老师对编程过程进行反馈包括解决方案的正确性以及代码的规范性等。团队成员根据其他小组的建议对编程代码进行调整。当每个小组完成问题提出阶段后他们便进入代码评审阶段。在代码审查活动中两个团队互相交换各自的编程任务。然后两个团队的成员会一起合作完成这些任务。完成任务后两个团队会互相反馈意见。如果结果差异较大团队成员可以讨论这些结果老师也可以给出建议。二、摘要1.研究目的为了解决在协作学习过程中没有指导策略或支持工具而导致学习效果不佳这一情况提出了一种基于问题驱动的练习策略以辅助计算机编程实践课程中协作学习活动的开展。学生们被引导去提出计算机编程问题从而促进团队成员之间的讨论。各团队提出的问题随后被另一个团队接收并解决以便对编码过程进行审查并提供反馈。2.研究对象实验在一门 C#编程课程中进行参与者为来自中国东部某大学两个班级中的 53 名大二学生一组有 25 名学生被随机分配到实验组他们通过基于问题解决的协作学习策略进行学习另一组有 28 名学生作为对照组他们采用传统的协作学习方法进行学习。3.实验结论结果表明所提出的策略确实有助于提高学生的学习成绩及编程技能。此外研究发现采用所提出的方法进行学习的学生其自我效能感更高认知负担也更低。相比之下采用传统协作学习方式学习的学生则存在这些问题。三、研究问题实验在一门C#编程课程中进行回答以下研究问题1.与传统的协作学习相比采用基于问题解决的协作学习策略能否显著提升学习者的学习成果2.与传统的协作学习相比采用基于问题解决的协作学习策略能否显著提升学习者进行小组学习的自我效能感呢3.与传统的协作学习相比采用基于问题解决的协作学习策略能否显著降低学习者的认知负担四、研究设计1.实验工具在本研究中用于评估的工具包括学习成就的预测和后测、小组学习的自我效能的预问卷以及小组学习和认知负荷的后问卷。预测试和后测试均由两位具有丰富教学经验的教师设计预测试包含 14 道选择题占 70%以及 1 道设计题占 30%后期测试包含 8 道选择题占 40%以及 2 道设计题占 60%两项测试的总分数满分均为 100 分。选择题旨在测试学生的 C#编程知识水平而设计题则用于评估学生的编程问题解决能力。自我效能感问卷包含八个条目采用 5 点量表评分认知负荷问卷包含心理负荷和心理努力两个维度该问卷共有五个关于心理负荷的条目三个关于心理努力的条目。每个条目的评分采用 7 点 Likert 量表较高的数值意味着学生在学习过程中具有更高的认知负担。2.实验对象参与者为来自中国东部某大学两个班级中的 53 名大二学生一组有 25 名学生被随机分配到实验组他们通过基于问题解决的协作学习策略进行学习另一组有 28 名学生作为对照组他们采用传统的协作学习方法进行学习两组学生都主修教育信息技术专业。3.实验过程在学习活动开始之前所有学生都由同一位教师进行为期 7 周的 C#编程课程培训内容包括 C#的基本语法和类结构。之后所有学生都参加了预测试并完成了预问卷。预测试的目的是评估学生之前对 C#编程的掌握情况以及编程技能水平而预问卷则用于评估学生进行小组学习时的自我效能感。之后所有学生都接受了为期两周的 C#编程中“继承”概念的教学同时还有相应的示例来帮助他们理解。接下来两组学生在接下来的 5 个月内采用两种不同的教学策略进行学习。在治疗组中学生们采用了基于问题驱动的练习策略来学习。他们利用 Moodle 平台上的 Wiki 页面进行协作性问题提出和代码审查活动。在学习活动过程中治疗组的成员需要完成两个与继承相关的编程任务其中一个任务是由小组成员根据老师在课堂上的示例提出的另一个任务则是由另一组成员提出的。另一方面对照组的学生则采用传统的协作学习方法来完成学习任务。他们登录 Moodle 系统后通过讨论与团队成员合作直接完成了老师布置的两个编程任务然后提交了自己的成果。老师会对学生的程序进行反馈并给出示例程序供他们参考。学生们随后会对照老师的反馈和示例程序审查自己的代码并进行修改和完善。在学习活动结束后进行了测验和问卷调查。测验内容涵盖 C# 的继承和多态性而问卷调查的内容则包括小组学习的自我效能感和认知负荷。图2 实验流程五、实验结果1.学习成果分析对学生学习成绩前测数据进行正态性检验根据结果实验组和对照组P值均大于0.05数据近似正态分布。通过莱文方差等同性检验P0.0640.05说明两组的方差是齐性的之后我们再看均值等同性t检验P值为0.2180.05表明实验组和对照组学生之间的平均成绩没有显著差异也就是他们的基础能力是差不多的。前测满足正态基线主检验使用独立样本 t 检验为增加分析严谨性、补充非参数检验结果额外使用 Mann‑Whitney U 交叉验证基线均衡情况U276.00Z-1.319P0.1870.05两种检验结论一致。通过莱文方差等同性检验我们可以知道显著性P值0.4520.05说明方差是齐性的条件满足。表1 学习成绩后测协方差分析结果组别NMSDF实验组2561.2403.0009.799对照组2848.2292.832通过 ANCOVA 方法对两组的后测试成绩进行了分析以排除预测试成绩的影响结果如表 1 所示。分析结果显示采用不同学习策略进行协作学习的学生在成绩上存在显著差异F 值为 9.799p 值为 0.003小于 0.05且实验组的成绩显著高于对照组。因此可以得出结论与传统的协作学习方式相比基于问题驱动的协作学习策略能够显著提高学生的学习效果。与此同时采用 Mann‑Whitney U 检验比较两组前后测增益分的差异结果显示U200.500Z-2.664P0.0080.05表明两组干预带来的得分增益存在统计学差异。该结果与协方差分析结论基本一致说明该结论具有较好稳健性。2.认知负荷分析再对学生认知负荷前测数据进行正态性检验根据结果实验组和对照组P值均大于0.05数据近似正态分布。通过莱文方差等同性检验P0.1550.05说明两组的方差是齐性的之后我们再看均值等同性t检验P值为0.1070.05表明实验组和对照组学生之间实验前认知负荷水平没有显著差异。同理我们也对认知负荷分析额外使用 Mann‑Whitney U 交叉验证基线均衡情况U280.500Z-1.239P0.2150.05两种检验结论一致。通过莱文方差等同性检验我们可以知道显著性P值0.3670.05说明方差是齐性的条件满足。表2 认知负荷后测协方差分析结果组别NMSDF实验组252.9530.13445.297对照组284.2080.127结果如表2显示根据认知负荷的协方差结果F45.297P0.05说明两组数据有显著差异这意味着采用问题驱动型练习策略学习的学生的认知负荷明显低于对照组学生。同时采用 Mann‑Whitney U 检验比较两组前后测增益分的差异结果显示U51.50Z-5.319P0.05表明两组干预带来的得分增益存在统计学差异。该结果与协方差分析结论基本一致。3.自我效能感分析再对学生自我效能感前测数据进行正态性检验根据结果实验组和对照组P值均大于0.05数据近似正态分布。通过莱文方差等同性检验P0.7530.05说明两组的方差是齐性的之后我们再看均值等同性t检验P值为0.4610.05表明实验组和对照组学生之间的自我效能感水平没有显著差异。同理根据自我效能感的Mann‑Whitney 检验结果U337.50Z-2.23P0.824 0.05两种检验结论一致。通过莱文方差等同性检验我们可以知道显著性P值0.0760.05说明方差是齐性的条件满足。表3 自我效能感后测协方差分析结果组别NMSDF实验组254.1820.0957.984对照组283.8130.089表3 展示了两组的实验结果F7.984p 0.0070.05结果表明采用问题驱动型练习策略进行协作学习的学生其小组学习自我效能感优于采用传统教学方法的学生。这个结果与预期一致实验组的学生在学习成就方面表现更好认知负担也更低。采用 Mann‑Whitney U 检验比较两组前后测增益分的差异结果显示U248.00Z-1.817P0.0390.05表明两组干预带来的自我效能得分增益存在统计学差异。该结果与协方差分析结论基本一致说明该结论具有较好稳健性。六、结论本研究提出了一种基于问题驱动的练习策略。研究结果表明与传统的协作学习方式相比这种基于问题驱动的练习策略能够显著提升学生的编程技能以及小组学习的自我效能感同时还能降低他们的认知负担。在本研究中所提出的做法旨在让学习者能够相互学习并从同伴那里获得反馈或帮助。这种教学方法不仅为实验组的学生提供了解决同伴提出的问题以及获得同伴意见的机会而且还有助于他们发展解决问题的能力。通过审查同伴的工作学习者能够置身于一个相互学习的环境中。这种活动增强了学习者的积极参与意识并培养了他们对待学习的负责任态度。此外代码审查活动还促进了学习者之间的互动让他们有机会反思并加深对自己所解决编程问题的理解。在认知负荷方面对照组的学生在教师指导下完成编程任务之后他们自己检查自己的编程代码并根据教师提供的反馈和标准答案来修正。而实验组的学生在学习活动开始时就得到了示例任务。通过这种引导方式他们能够在一定的知识范围内提出问题并共同解决它。在过程中学习者并不局限于单一的任务他们可以更加积极地参与各种活动发挥更多的创造力。这或许就是为什么实验组的学员不仅在学习成绩上取得了更好的效果而且认知负担也相对较低的缘故。收获本次我了解了非参数检验方法尝试运用了Mann‑Whitney U检验知道了Mann‑Whitney U与独立样本t检验的区别在本次数据分析中针对前测数据增加了U检验来进行辅助然后用后测减前测的数值作为增益进行稳健性分析来作证协方差分析结果。

关于恒美微站

恒美微站专注于为个体商户、工作室提供极简自助建站服务,让每个人都能轻松拥有专业网站。

快速链接

  • 关于我们
  • 建站服务
  • 主题模板
  • 案例展示
  • 资讯中心

服务项目

  • 可视化建站
  • 拖拽编辑
  • 主题定制
  • SEO 优化
  • 网站托管

联系方式

  • 📍 地址:北京市朝阳区建国路 88 号
  • 📞 电话:400-888-8888
  • ✉️ 邮箱:info@hmyw.cn
  • 🕐 时间:周一至周日 9:00-18:00

© 2024 恒美微站 hmyw.cn 版权所有 | 京 ICP 备 12345678 号