教學構成與通識課教學效果的研究

[摘 要] 通過優(yōu)化通識課教學內容與教學手段各組成部分的比例，提高了大學生對通識課教學的滿意程度，得到了較為理想的教學效果，為提高新時期通識教育的教學效果進行了有益的探索。

[關鍵詞] 通識教育；教學構成；教學效果

[中圖分類號] G642.0 [文獻標識碼] A [文章編號] 1005-4634（2013）01-0036-03

0 引言

隨著高等教育改革的不斷深化，加強通識教育以便為社會培養(yǎng)出復合創(chuàng)新型人才成為了高等教育界進入21世紀以來的當務之急 [1]。

通識課不同于專業(yè)課與專業(yè)基礎課，它為大學生的興趣發(fā)展、個性發(fā)揮提供了廣闊的自由空間 [2]。有效的通識教育，既可以豐富學生的知識、完善學生的知識結構，又可以引領學生的新思維、開發(fā)學生的創(chuàng)新能力，為此，通識課的教學和專業(yè)課與專業(yè)基礎課的教學大有不同。隨著時代的不斷進步、學生知識結構的日新月異，通識課教學本身也在不斷地向科學化挺進，它需要系統(tǒng)地介紹背景科學典故，以培養(yǎng)學生的科學思維；需要進行專家學者專題講座，以開闊學生的知識視野；需要進行雙語教學，以培養(yǎng)學生與世界接軌的意識；需要進行課堂討論，以挖掘學生的潛能；需要精彩的多媒體動畫，以開發(fā)學生的求知欲望；需要板書交流，以加深學生對知識的深刻理解。

毋庸置疑，上述教學內容與教學手段的各組成部分對通識課的教學效果都有影響。在實際教學中，如果各部分的比例安排不當，則會直接影響到學生求知欲望的滿足、正確思維的培養(yǎng)、視野的開闊、潛能的開發(fā)；如果各部分的比例得當，則一定能夠達到令學生滿意的教學效果，為培養(yǎng)復合創(chuàng)新型人才奠定堅實的基礎?？梢?，開展通識課教學內容與教學手段比例構成和教學效果的研究刻不容緩、勢在必行。

筆者以十年來的通識教育大學生問卷調查數(shù)據為基礎，用學生對各教學階段的滿意程度來評判教學效果，將自然科學研究中的人工神經網絡建模技術、遺傳算法優(yōu)化技術引入到通識課教學研究中來，建立了科學典故比例、專題講座比例、雙語教學比例、課堂討論比例、動畫說明比例、板書交流比例等影響因素與學生滿意程度之間的復雜關系模型，優(yōu)化了通識課教學這一復雜過程，并通過近年來的教學實踐驗證，得到了令學生滿意的通識課教學內容與教學手段的合理構成，這一探索結果對通識教育中如何確定與把握教學內容與教學手段的比例以達到良好的教學效果具有一定的借鑒意義。

1 通識教學模型的建立

對于通識教育，在通識課教學過程中，科學典故、專題講座、雙語教學、課堂討論、動畫說明、板書交流等教學內容與教學手段對教學效果都有影響。要想得到學生滿意的良好教學效果，必須首先明確上述教學內容與教學手段的比例安排與學生滿意程度之間的關系，進而才能加以優(yōu)化控制。

科學典故、專題講座、雙語教學、課堂討論、動畫說明、板書交流等教學內容與教學手段的比例與學生滿意程度構成的是多因素非線性復雜系統(tǒng)，表1給出了2002～2008年《前沿材料科學》和《創(chuàng)新工程》通識課的教學內容與教學手段的比例與學生滿意程度（學期平均值）的數(shù)據，可見各比例與學生滿意程度之間存在著非常復雜的非線性關系，采用傳統(tǒng)的回歸方法根本無法準確地確定其關系模型。

人工神經網絡建模技術目前已廣泛應用于自然科學研究的復雜非線性系統(tǒng)的建模、估計、預測、診斷和自適應控制等領域[3，4]。BP網絡是一種前饋式全連接多層神經網絡，具有較強的聯(lián)想記憶和推廣能力，可以任意精度逼近任何非線性連續(xù)函數(shù)，效果非常理想。因此，本文將人工神經網絡建模技術引入到通識教育領域，利用人工神經網絡建模技術來建立科學典故、專題講座、雙語教學、課堂討論、動畫說明、板書交流等教學內容與教學手段的比例與學生滿意程度之間的關系模型。

本文采用24個樣本訓練網絡，4個樣本檢驗網絡的推廣能力。訓練66000次時，結果如表1所示，學生滿意程度的期望值為大學生問卷調查數(shù)據的平均值，學生滿意程度的輸出值為人工神經網絡建立模型的理論計算值，可見，無論是訓練樣本還是檢驗樣本，其相對誤差均穩(wěn)定在3.3%以內，說明此時已建立了準確的科學典故比例、專題講座比例、雙語教學比例、課堂討論比例、動畫說明比例、板書交流比例與學生滿意程度之間的復雜關系模型。

2 合理教學構成的確定

本研究是針對人工神經網絡建立的模型來尋找合適的科學典故比例 、專題講座比例 、雙語教學比例 、課堂討論比例 、動畫說明比例、板書交流比例 以使學生滿意程度 取得最大值，這是一個非線性優(yōu)化問題。=（，，，，，）是一個非常復雜的多維空間函數(shù)，求其導數(shù)非常困難。遺傳算法優(yōu)化技術是根據生物的優(yōu)勝劣汰、遺傳變異的種群進化規(guī)律形成的一種優(yōu)化算法，能較好地解決上述優(yōu)化問題[5]。

本文將遺傳算法優(yōu)化技術引入到通識教育領域，采用遺傳算法優(yōu)化技術繁殖2500代后，得到的最優(yōu)點為（8.6，10，19.5，5.2，11.2，4.3），最優(yōu)值 =97.8，即采用科學典故比例為8.6%、專題講座比例為10%、雙語教學比例為19.5%、課堂討論比例為5.2%、動畫說明比例為11.2%、板書交流比例為4.3%進行通識課教學時效果最好，得到的學生對教學的滿意程度最大值為97.8%。這一合理的通識課教學內容與教學手段的比例構成已被2009～2011年以來的后續(xù)實踐教學所驗證，數(shù)據如表2所示?？梢?，本研究比較符合通識教育的實際情況，對提高新時期通識教育的教學效果具有一定的借鑒意義。

3 結束語

在通識課教學過程中，科學典故、專題講座、雙語教學、課堂討論、動畫說明、板書交流等教學內容與教學手段對教學效果都有重要的影響，當科學典故比例為8.6%、專題講座比例為10%、雙語教學比例為19.5%、課堂討論比例為5.2%、動畫說明比例為11.2%、板書交流比例為4.3%時，學生對教學的滿意程度較大，均在97%以上，教學效果較好。這一探索結果對現(xiàn)代通識教育中如何確定與把握各部分教學內容與教學手段的比例以達到良好的教學效果具有一定的借鑒意義。

參考文獻

[1]李松林，朱逾.通識教育呼喚高校教學及課程體系改革[J].云南民族大學學報，2003，（5）：105-107.

[2]馮惠敏，曾德軍.武漢大學通識教育調查與分析報告[J].武漢大學學報，2003，（4）：522-527.

[3]Saad E W，Wunsch D C.Neural network explanation using inversion [J].Neural Networks，2007，（1）：78-93.

[4]Zhang P，Du Y H.Modeling and optimizing of steel and mushy Al-28Pb alloy bonding [J].Trans.Nonferr.Metal.Soc，2001， （2）：239-243.

[5] Zhang P， Du Y H. Study on modeling and optimizing of deformed steel bars hot rolling[J].J.Uni.Sci.Technol.1999，6（4）：289-291.