连云港师范学院包佃清、胡建平主持完成了2024年江苏省高校“高质量公共课教学改革研究”专项课题（课题编号：2024GZJX152），课题组主要成员：张永瑞、苏 文、周正国、刘 娅、吴 兰

     本课题围绕大学计算机及信息技术课程的高校新形态教材和教学平台资源建设开展研究，取得了一定的成果。修订出版了计算机基础教程（第2版）和计算机基础实验教程（第2版）等教材，建设了配套的教学平台资源，相关资源已在超星学习通和爱课程网络平台上线，同时课题组对新形势下的公共课学生学习行为和学习效果因果进行研究，相关成果以论文形式出版，被SCI、EI期刊收录，取得了符合预期的效果。

      在课程教材建设方面，修订出版的教材由上海交通大学出版社于2025年3月印刷。全书根据教育部高等学校计算机基础课程教学指导委员会对“大学计算机基础”课程的教学要求和高等职业教育专科信息技术课程标准，以及国家教育部考试中心发布的全国计算机等级考试一级考试大纲要求而重新修订，旨在帮助读者快速提高信息化素养水平，参加相应计算机水平认证。教材立足职业教育特色，以“职场与校园双线并行”为核心设计理念，构建了“能力递进+思政融合”的立体化框架，在内容组织、资源建设与评价体系上均体现创新性与实用性，符合新时代高职教育“德技并修”的育人要求。修订的教材具有一定的特色与创新，以真实项目引领文化素养和技能训练，完全对接全国计算机一级考试，切实融入课程思政的教学内容。

     教材后期建设将围绕本科教学开展，根据教育部高等学校计算机基础课程教学指导委员会对“大学计算机基础”课程的教学要求和新时代计算机基础课程教学基本要求（2023），制定教材出版方案。根据本科大学计算机基础教学的能力培养目标，团队将围绕计算思维能力培养、新时代能力培养目标、能力培养目标的实现途径开展初步研究。构建大学计算机基础教学的知识体系，建设符合信息与社会的教学要求、平台与计算的教学要求、程序与算法的教学要求、数据与智能的教学要求的教材。在课程体系方面研究大学计算机基础教学的课程体系，建设方案围绕大学计算机通识基本型、问题求解型、数据分析型、人工智能型等类型展开深入研究。

     同时，在研究过程充分考虑各类型学生的特点，结合当前计算机技术发展的现状，将知识点任务化，突出基本概念的理解和知识应用，并通过提供单元测试，巩固和提升学生对知识的理解和掌握。以掌握计算机各类软件的使用为目标，将操作要点融于任务之中，精心设计学习过程，借助图文并茂的操作步骤展示任务具体过程。教材编写充分考虑本科学生的特点，突出技能培养，强调项目实现的过程和步骤，融入课程思政元素来培养学生正确的世界观、人生观、价值观。

     在课程教学平台资源建设方面，主要是在超星学习通、爱课程双平台建设。出版的教材配有丰富的数字化教学资源，学生可通过教材二维码，配合学习通、爱课程等平台，学习教材内容。经过建设并实践，在中国大学MOOC（爱课程）这个网络教学平台，面向全国学生开展线上教学。在超星泛雅这个网络教学平台，面向全校学生以自然班为单位，每个班级独立开展线上教学。

     后期将逐步更新本科教学段的教学内容，包括视频、课件、习题、案例等。同时，配合江苏省在线开放课程建设，将操作微视频等教学资源以二维码的方式进行呈现，既强化对学生操作技能的培养，进一步推动了在线开放课程的资源建设。教材编写内容新颖先进，保持与计算机技术发展趋势同步，充分融入课程思政元素，增加计算思维内容，突出技能训练，适用于高素质技能型人才的培养。

     在资源建设方面，强化多元化、分层次教学资源建设。采用校企合作开发模式，邀请行业、企业共同开发教学资源，充分利用行业、企业优势，实现优势互补，提高学生的实践能力，增加就业比例。

     在学生学习行为研究与分析方面，本课题源于在线开放课程学生行为分析，团队一直致力于研究和分析学生课堂行为，尤其是在线学习模式下的行为。所以，本项目围绕在线学习行为特征分析与情感倾向识别方法研究开展工作。经过团队研究，发表了2篇论文，分别被SCI和EI期刊收录。

     在传统教学环境下，教师可以观察到学生的学习状态，凭借自身教学经验对学习者进行有针对性的干预。但在MOOCS学习环境中，教师不能观察到学习者的实时状态，单纯凭借固有的教学经验，很难准确判定每个学习者状态。随着MOOCS用户快速增加，和现代计算机技术进步，各种学习平台中记录了大量的真实数据，包括用户行为数据、学习载体的数据，这些数据蕴含了学习者丰富的行为和心理，为深入分析学习者的学习提供了新的契机，能从计算机技术层面实现统计分析，并量化出每个学习者的学习数据，使分析结果更加可靠严谨，在线教育更加科学化、人性化。研究表明，学习者的学习行为和情感是影响辍学和学习效果的重要因素。因此，对学习者的学习行为和情感倾向识别，是在线学习发展的思路与方向之一，也是新业态教学环境下，降低辍学率、改善学习效果的必要手段和突破口。有助于追踪学习者的学习状态，通过数据预警提示，加以提前干预，改善学习者的体验感，提高学习效果。学习者可以最大程度满足其合理需求，同时还可以优化MOOC教学过程，支持教育决策，促进教与学的共同发展。因此，本项目研究具有重要的意义和应用价值。

     项目研究内容包括学习行为预测、学习效果预测、学习行为挖掘和学习效果分析、文本情感获取、舆情语义识别、情感词典与点间互信息等。项目研究过程取得的成效是将研究成果应用于学情诊断研究，实现学生学习行为动态跟踪与个性化指导。

     后续在学生学习行为研究方面，结合前期取得的成果，将研究基于改进YOLO模型的在线学习行为实时检测与特征分析研究。主要是为了提高线上教育学生行为的检测效果，将研究提出一种智能化的学习行为检测技术。其中以目标检测算法为基础，引入轻量级注意力机制、特征金字塔等对算法模型进行改进。其次，为了提高对学生多目标行为检测效果，引入基于Byte Track的跟踪框架，并利用卡尔曼滤波进行状态更新。在线上行为检测中，将选取专业视频数据集进行测试，期望研究成果优于同类模型。在特征检测准确度测试研究中，期望研究模型在良好行为平均检测准确度表现最好。在多目标的实时行为特征检测实验中，也是研究模型检测准确度均最高。最后在行为特征分析中，研究技术相比同类技术拥有更出色的检测精度。研究内容将为教育的信息化建设以及线上教育的评估与改进提供技术支持。