摘 要：为了实现教学质量和教学效率的最优化，探索契合大学生学习心理、学习习惯、学习兴趣的教学模式，展开了CAI教学在大学生学习行为中应用效果的理论性研究。通过观察和比较使用CAI教学工具前后对学生考核成绩的影响程度，使用统计方法和SPSS软件建立模型，分析CAI模式在教学领域的应用效果，结合线上调查问卷结果综合衡量，总结实现CAI教学最优化的方法，为其发展应用的方向提供理论基础。
　　关键词：CAI教学；学习行为；比较分析；应用效果
　　本实验就使用CAI教学工具前后对学习成绩上的影响进行观察比较，以真实数据推算统计模型，通过实验验证结果的正确性，反映出CAI教学在大学生学习行为中的应用效果。
　　一、 目的与模型
　　（一） 实验目的
　　选取学院119名数字媒体专业的学生作为研究对象，随机分为A、B、C三个班，通过为期6个月的实验（CAI教学），观察与比较使用CAI教学工具前后在大学生学习行为中的应用效果。实验样本和实验内容均合理，具有可比性和探究性。
　　（二） 评价标准
　　1. 教学结果：以期末考核成绩评估，对分值（0-100分）进行关联性检测，判断是否使用CAI教学与考试成绩的相关性。
　　2. 学生评价：以线上不记名问卷形式评估，由“关于CAI模式下大学生学习行为的调查”问卷反映结果。比较学生对CAI教学在喜爱程度、适应程度、学习兴趣、学习效率、师生交流五个方面的百分率。
　　（三） 统计模型
　　1. Pearson积差相关系数
　　通过两个离差相乘反应变量之间的相关程度，取值范围在-1到 1之间，数值稳定，标准误小。一般可按三级划分：|r|<0.4为低度线性相关；0.4≤|r|<0.7为显著性相关；0.7≤|r|<1为高度线性相关。
　　2. Kendalls Tau-b等级相关系数。
　　用于判断两个有序分类变量的相关性，适用于总体分布未知或变量皆为等级变量且对应同一研究对象。取值范围在-1到 1之间，τ=1为一致的等级相关性；τ=-1为完全相反的等级相关性；τ=0为相互独立。
　　3. 根据相关性推算线性方程，通过上学期成绩与是否使用多媒体教学工具来推测其下学期成绩，二元线性回归分析预测法的回归方程为：
　　最小二乘法建立的求参数的方程为：
　　二、 结果
　　（一） A班学生成绩与是否使用CAI教学的相关系数测试见表1。
　　分析：假设1为使用CAI教学，使用SPSS软件对成绩数据分析处理，计算Pearson系数0.540（.01表明99%案例可用），计算Kendall系数0.430，证明下学期成绩与使用CAI教学正相关，与上学期成绩正相关。
　　（二） 将多个上学期成绩因变量带入前文的方程组中，计算系数b1x，y、b2x，y和常数ay，x，得出预估模型：下学期成绩=ay，x b1x，y*上学期成绩 b2x，y*是否使用CAI教学。以此预估模型預测B班的下学期考试成绩，并同真实结果对比，见图1。
　　分析：真实成绩与预测成绩基本重合，其中不重合部分可视作学生考试中的发挥失常或超常发挥，证明CAI教学对促进学生成绩的有利影响。
　　（三） 以C班作对照组，统计未使用CAI教学的班级，成绩统计结果见表2。
　　分析：C班各同学期末与期中成绩浮动不大，均分相近，证明在未使用CAI教学条件下，个人在短时间内的学习成绩无太大变化，侧面验证CAI教学可以有效提高学生成绩。
　　（四） 学生对CAI教学的主观评价结果，见表3。
　　三、 结论
　　综合衡量期末考核结果和调查问卷结果，可以得出结论：CAI教学在提高学习成绩方面优于传统教学，证明了CAI教学在促进教学效果方面的有效性；学生对CAI教学模式充分认可、适应较快、效率较高，肯定了CAI教学在促进大学生学习行为方面的应用价值。
　　根据调查问卷总结实现CAI教学最优化方法：（1）完善CAI教学硬件设备和软件系统；（2）合理安排信息容量和课堂节奏，让主动学习代替机械灌输；（3）电子课件以教材为主，合理拓展知识，丰富形式内容；（4）教师灵活运用CAI，与学生多多交流互动。
　　参考文献：
　　[1]计算机辅助教学CAI在高职教学中的应用[J].国家图书馆，2013.
　　[2]王航航.教学媒体理论与实践[J].2011.
　　[3]周翼翔.CAI的应用现状与发展趋势[J].四川职业技术学院学校，2004，14（4）：89-91.
　　[4]孙谦.基于SPSS软件的高校学生课程考试成绩分析方法[J].曲靖师范学院学报，2013，32（3）：43-47.
　　作者简介：
　　王留琴，丁宇辰，孔维豪，林丽，杨琳，江苏省南京市，南京工程学院计算机工程学院。