大規模開放課程的知識地圖分析*
——以學習元平臺為例

萬海鵬，李 威，余勝泉

(北京師范大學 教育技術學院 “移動學習”教育部—中國移動聯合實驗室，北京 100875)

大規模開放課程的知識地圖分析*
——以學習元平臺為例

萬海鵬，李 威，余勝泉

(北京師范大學 教育技術學院 “移動學習”教育部—中國移動聯合實驗室，北京 100875)

針對當前MOOC課程學習過程中學習者所面臨的內容組織結構差、學習散漫無計劃、學習動機不足等問題，結合知識地圖的特點，提出了構建大規模開放課程知識地圖的解決思路。基于學習元平臺，從學科知識語義關聯與進化、基于學習活動的過程數據采集與分析以及知識地圖的可視化呈現三個環節出發，構建了面向學習者和教師的知識地圖。該地圖具有可進化的學科知識語義關聯、可視化的知識掌握狀態表征、可動態自適應呈現等特點，不僅包含知識與知識之間的關系，還包含人與知識之間的交互狀態，既能夠用作知識導航，又能夠作為形成性評估的工具。通過應用案例闡述了學習元知識地圖在學科知識導航以及形成性評估方面給學習者和教師帶來的幫助，試圖為大規模開放課程知識地圖的設計提供參考與借鑒。

MOOC；知識地圖；學習活動；發展性評估；學習元

一、引言

大規模開放課程(Massive Open Online Courses，簡稱MOOC)自2012年以來就備受矚目，它具有的開放性、在線性，為學習者提供不受時空限制的學習機會，允許來自世界各地、具有不同教育背景和不同學習能力的學習者同時參與同一門課程的學習。這種大規模的開放性，得到了廣泛的認同，MOOC正逐步成為終身教育的一個重要途徑。

不受時空限制、大規模的開放性既是MOOC的優勢，同時也是它的劣勢。師生時空分離導致學生與教師之間缺乏面對面的互動，加上學習者數量龐大、學習需求千差萬別，而教師數量和精力有限，因此教師難以判斷學生是否感到課業太容易、學習內容是否乏味，難以評估學生參與學習過程的質量，難以為學生提供個性化指導。杜克大學一份關于大規模網絡公開課程的研究報告表明，這種高度自由的學習方式導致學習者對學習時間安排不知所措，無法利用散亂的時間按計劃進行學習[1]。MOOC學習者的反思報告指出，學習過程中過多的匿名信息、課程內容缺乏結構性組織、學習體驗難以同真實價值建立關聯等是導致其最后退出課程學習的主要因素[2]。有研究者指出，諸如學習時間管理、學習目標設定、查找資源、嘗試新工具等在教室學習中由教師完成的任務在MOOC中則需要學習者來承擔，這對于很多學習者而言是十分困難的[3]。因此，在MOOC學習過程中，如何幫助學習者管理時間、規劃學習進度、提高學習動機、實現自我導向學習，以及如何幫助教師高效組織課程內容、分析和評估學習者的學習過程、提升學習者保持率，是當前大規模開放課程發展過程中亟需解決的問題。

Holley和Dansereau于1984年首次提出知識地圖(Knowledge Map)的概念[4]，知識地圖是一種以可視化方式展現的顯性化、結構化的知識關系網絡，具有知識管理、學習導航和學習評估等功能。關于知識地圖的實際應用效果研究已經有了長足的發展，有研究表明知識地圖能夠以可視化的方式顯示可獲得的信息及其相互關系，并能保證不同背景的使用者在各個具體層面上進行知識的有效交流、共享和學習[5]；知識地圖能夠打破時間和空間限制，實現知識的整合[6]；知識地圖能夠幫助學習者記憶學習內容，降低焦慮感，提高學習動機[7]；知識地圖能夠整合靜態和動態的推理規則以解決問題，促進概念的形成[8]；e-Learning 環境下，基于知識地圖的實驗組在學習效率上遠高于基于一般瀏覽方式的控制組，同時能夠充分表示學習內容及內容間關系的知識地圖能夠促進對知識的理解[9]。此外，有研究表明，與利用傳統文本相比，知識地圖能夠幫助學習者獲得更多關于信息處理以及學習策略方面的內容[10]。

可見，知識地圖對于解決MOOC內容組織結構性差、學習者學習散漫無計劃、學習者學習動機不足等問題以及處理不同層次水平學習者之間的交流共享問題具有很大的借鑒意義，有可能成為破解當前MOOC“有大規模訪問，但沒有大規模網絡學習發生”現狀[11]的關鍵所在。因此，本文擬從知識地圖的視角，探討大規模開放課程下面向學習者層面的個人知識地圖和面向教師層面的課程知識地圖的構建與分析方法，以幫助學習者提高學習效率并輔助教師更好地分析和評估課程學習效果。

二、知識地圖研究回顧

長期以來，有關知識地圖的結構、類型以及構建原理與方法一直受到學術界的普遍關注。受限于研究者的不同學科背景、技術水平、實驗條件等，關于知識地圖結構內涵的理解呈現多樣化的特性。縱觀知識地圖的諸多定義，我們可以發現知識地圖的組織結構一般包含以下三方面的特征[12][13]：知識地圖是對知識結構及其內在關系的表征；知識地圖能揭示知識所在的結構位置，但不指向具體的知識內容；知識地圖以可視化的方式向用戶進行最終展示。知識地圖可以看作是一種智能化的站點導航和知識管理工具，能夠將各種知識資源、知識主體及其相互間的關系進行連接，形成動態可變的知識與社會網絡結構，并以可視化方式展現，以方便不同層次學習者之間的知識交流和共享[14]。為了促進更好地理解各類知識地圖并深入挖掘和揭示知識地圖在不同領域的應用價值，許多研究者從知識地圖的功能、應用等不同視角對知識地圖進行了類型劃分。如譚玉紅等[15]在學習知識管理的研究中將知識地圖劃分為仿真型知識地圖、樹型知識地圖和異型圖；Eppler[16]從功能角度出發將知識地圖劃分為知識資源地圖、知識資產地圖、知識結構地圖、知識應用地圖和知識開發地圖，并通過具體案例對五種知識地圖做了詳細闡述；也有研究者從知識地圖的應用與內涵出發，將知識地圖劃分為狹義和廣義知識地圖[17]，其中狹義知識地圖是指能提供存取知識的線索、揭示知識之間關聯的知識組織和導航工具；廣義知識地圖則包括展示開發具有特定競爭力計劃步驟的知識創新地圖，提供知識資產的總體概貌并指向知識具體位置的知識識別地圖；具有學習總覽與過程、學習內容結構以及學習回顧等信息的知識獲取地圖。可見，對于知識地圖的結構定義與類型劃分很難找到統一的標準，從某種意義上來說，這給我們深入理解知識地圖帶來了不少困惑。但換個角度來看，這種百花齊放、百家爭鳴的理解與研究能夠開拓我們的思路，有助于形成對知識地圖全面、系統和深入地理解。

關于知識地圖構建原理與方法，有研究者按照知識地圖構建的步驟對此進行了詳細綜述[18][19]，具體包括三步構建法、四步構建法、五步構建法、六步構建法、七步構建法以及十一步構建法等。基于對各種構建模式與方法的詳細分析，我們可以發現，知識地圖的整個構建過程中最為關鍵的四個環節是：知識的選擇、知識之間關系的建立、知識及其關系的可視化展示、知識及其關系的持續更新與進化。同時，針對不同的領域，我們還需要遵循相應的構建原則，如面向關聯數據的知識地圖構建需要遵循指向、跨域、動態和按需服務的原則[20]；個人知識地圖的構建則需考慮將個人的興趣愛好納入知識地圖生成過程之中[21]；一般知識地圖構建需要滿足直觀信息量少，維護成本低，具有長遠的發展策略等原則[22]。知識地圖的構建是一項復雜的系統化工程，涉及知識提取與模型表征、關系挖掘、人工智能、社會網絡分析、語義網等核心技術。當前，知識地圖的研究已由探討性研究轉向實際構建技術的研究[23]，J. H. Lee和A. Segev[24]通過基于TF /IDF規則的文本挖掘技術為在線學習 (e-Learning)提供了自動化構建領域知識地圖的方法，以幫助學習者在文字材料閱讀中發現重要概念以提高閱讀效率。也有研究者基于本體技術，以數字信息資源組織的多領域本體語義互聯為切入點，構建了基于知識地圖的多領域本體語義互聯框架模型[25]。伴隨相關核心技術的不斷發展與成熟以及在線學習、在線教育的興起，知識地圖在教育領域的構建與成熟應用將成為未來的研究動向。

從上述文獻分析中我們可以看出，知識地圖已然成為學術界的研究熱點，知識地圖在資源檢索、知識管理和學習支持服務中發揮越來越重要的作用。然而，現有的研究主要將知識地圖看作是一種知識的導航或管理工具，知識地圖常常以統一組織結構的模式向各種類型用戶進行展現，知識地圖本身缺乏動態調整以適應不同用戶需求的功能特性。此外，現有知識地圖的構建方法對知識地圖中知識及知識之間關系進化與更新的關注程度不夠深入，知識及其之間關系往往處于靜止狀態。同時，為在線學習(e-Learning)所構建的知識地圖不能支持對學習者個人知識學習掌握情況進行個性化評估，從而導致不能為學習者制定和調整個人學習計劃提供相應的幫助。現有大部分MOOC平臺，如Coursera、edX、Udacity、Future Learn、Open2study、清華學堂在線等，均缺乏有關知識地圖的設計與應用實踐。可見，如何基于當前在線學習平臺中存儲的大量學習過程信息記錄，動態構建面向教師和學生的包含知識掌握評估信息的動態課程知識地圖是一個有待深入研究的問題。因此，本研究將從三個方面來實現知識地圖的構建：基于知識之間的語義關聯形成知識之間的邏輯組織；基于學習過程數據的分析表征知識的掌握狀態；基于不同用戶的需求進行可視化的動態呈現。從上述三方面出發所構建的知識地圖既可以用于知識導航，又可以作為形成性評估的有效支架，還能同時滿足不同層面用戶的現實需求。

目前，可汗學院已經初步展示了知識地圖的特色。利用練習測試儀表盤模塊中所提供的知識地圖，學習者可以很直觀地看到完整專題知識結構以及各知識之間的聯系；還可以使用知識地圖的縮放功能，通過地圖放大來查看更詳細具體的知識點名稱，通過地圖收縮來查看知識點的結構及其相互間的關系。除了表征學科知識結構及其之間的聯系外，在知識地圖展示界面以及左側導航當中，平臺還會根據學習者對知識點的學習狀態以不同顏色對知識點進行標注，未完成學習的知識點顯示為灰色，已完成學習的知識點顯示為藍色。可汗學院的知識地圖對于我們研究面向學習者層面的知識地圖設計具有一定的啟發意義，然而通過分析我們發現，用于表征可汗學院知識地圖中知識掌握狀態的數據主要來源于練習測驗的結果，而缺乏對有關學習過程交互數據的考慮。

三、基于學習元平臺的知識地圖構建

學習元是一種新型學習資源組織方式，具有生成性、開放性、聯通性、可進化發展、智能性、內聚性、自跟蹤、微型化等基本特征[26]。學習元面向具體的學習目標，既可以獨立存在，又可以實現彼此間聯通，構建以學習者為中心的個性化知識網絡，其內部包含元數據、聚合模型、領域本體、內容、練習、評價、活動、生成性信息、多元格式、服務接口等要素。此外，學習元基于語義信息組織學習內容和資源，允許大規模開放訪問，支持協同開放編輯，利用語義基因保證內容和關系的持續生成與有序進化；基于學習過程信息實施發展性評估，并構筑知識網絡和人際網絡，促進學習者與學習內容、學習者與學習者之間的深度聯結；具備多元格式，能夠在多種終端上自適應呈現。這些都為知識地圖的構建及顯示提供了保障。

基于對已有知識地圖相關研究的問題分析，為了更好地輔助后期課程知識地圖的構建，本研究設計了知識地圖的概念模型，具體包含學科知識、學科知識間的語義關聯(已確認的、待確認的、待建立的)和學科知識的掌握狀態三方面內容(如圖1所示)。該模型具有學科知識及其關聯網絡的動態進化、學科知識掌握水平的持續更新等核心特征，既能夠對知識與知識之間的關聯關系與邏輯結構進行表征，又能夠對用戶與知識之間交互的情境狀態(學習時間、掌握水平等)進行表征，并最終以可視化的方式向用戶呈現。因此，基于該模型構建的知識地圖可以很好地滿足大規模開放課程教學和學習過程中對知識導航和形成性評估等功能的需求。

圖1 知識地圖概念模型

基于上述設計的知識地圖概念模型，利用學習元平臺進行知識地圖的構建主要包括三個環節：學科知識語義關聯與進化、基于學習活動的過程數據采集與分析、知識地圖的可視化呈現。

(一)學科知識語義關聯與進化

當前學習元平臺中學科知識本體的來源主要有三種：一是由普通用戶創建，二是由系統管理員將外部成熟的本體直接從后臺導入，三是通過系統自動挖掘[27]。三種來源的本體均需要通過一定的認證機制才能被系統采納，其中由普通用戶創建的學科知識本體采用社會信任機制的方式進行手動和自動審核，由系統自動挖掘的則采用人工審核的方式，而由系統管理員導入的則直接融入已有本體庫。對多種來源本體的支持能夠保持學科知識本體的持續豐富和更新，而多種認證機制的納入則能夠保證學科知識本體的質量與權威性。

同時，基于已有的學科知識本體，學習元平臺允許通過半自動化和人工編輯的方式逐步建立學科知識之間的語義關聯關系，并采用自上而下以及自下而上兩種關聯進化的思路，實現學科知識的語義關聯及其進化。所謂自上而下是指由學科專家對平臺中新增的學科知識關系進行人工審核以及手動增加學科知識之間的關系，由學科專家審核或新增的學科知識關系直接被系統采納；而自下而上是指由普通用戶根據現實需要對平臺中尚未定義的學科知識或學科知識之間的關系，以及尚未標注的學科知識之間的關系進行添加，或是基于平臺推理引擎所產生的相關學科知識和學科知識關系等。如圖2所示為《教育傳播與技術研究手冊》課程知識群中所包含的學習元知識及其之間的語義關聯效果圖，其中既包括已建立關聯關系的學習元知識，也包括待建立關聯的學習元知識，同時對于課程知識群中的學習元知識及其之間已建立的關聯關系還能夠進行持續更新和進化。利用基于學科知識本體所建立的學科知識關聯，形成包含學科知識及其之間相互關聯關系的原始知識地圖。

圖2 課程知識語義關聯

(二)基于學習活動的過程數據采集與分析

傳統的在線學習過程數據采集主要通過監控和跟蹤學習者的數據庫訪問記錄或Web日志文件來實現。綜合對現有在線學習行為數據采集研究[28-32]的分析，可以發現目前主要存在以下兩方面的不足：一是忽視學習者對學習內容本身貢獻的行為數據采集；二是學習行為數據采集與分析模型很少關注學習者當前的學習情境信息，如地理位置、氣候、學習終端、網絡環境等。基于對上述不足和學習元自身特色的綜合考慮，學習元平臺確立了從學習情境信息數據、知識建構行為數據、學習行為數據和學習結果信息數據四個維度來進行學習過程數據采集的方案。其中學習情境信息主要包括學習者初始能力水平信息、學習終端設備信息、地理位置信息以及時間信息等影響學習者獲取和運用知識的一切要素。知識建構信息主要包括學習內容與學習資源的編輯、審核、批注、分享和傳播等對學習內容和學習資源進行再創造的貢獻數據。學習行為信息以學習活動為核心，主要包括瀏覽學習內容與資源、參與學習活動、完成學習任務等過程性的行為數據。學習結果信息主要包括學習時長、完成活動質量、測試成績、作品檔案袋等成果性數據。

目前，學習元平臺中已經構建了包含討論交流、投票調查、提問答疑、在線交流、發布作品、六頂思考帽、概念圖、學習反思、練習測試、辯論活動、策展活動、操練活動、SWOT分析圖以及同伴互評等14種學習活動在內的學習活動庫。教師可以根據實際教學需要，通過選擇和精心設計學習活動，并自由嵌入到相應的教學內容當中，實現學習內容與學習活動的無縫整合。同時，借鑒謝曉林[33]基于活動理論所構建的五要素學習活動模型，并結合構建課程知識地圖的現實需求，學習元平臺設計了包含學習目標、學習服務、學習資源、學習工具、學習過程信息、學習結果信息、學習評價輸出等七要素的學習活動模型(如下頁圖3所示)。在該模型中，學習工具要素是指輔助學習者完成學習活動任務的技術工具或手段；學習活動的學習評價由學習過程信息和學習結果信息兩部分構成，評價的主體是多元的，既包括教師自主評分，又包括同伴互評；學習評價輸出是指每個學習活動都包含一個評價的指標體系以及基于該評價體系的評價結果輸出，而評價結果輸出最終納入到整個知識點，再到整個課程的評價體系當中。學習目標、學習服務、學習工具、學習資源四大要素是在學習活動設計階段需要完成的內容，主要由教師參與；學習過程信息和學習結果信息兩個要素的采集是在學習者參與學習活動過程，即學習活動實施階段中進行，學習記錄由系統自動采集；而學習評價的輸出是基于學習活動的評價體系，利用學習過程信息和學習結果信息在學習活動的最后評價階段進行。

圖3 學習活動七要素模型

同時，學習活動庫作為學習元平臺用于采集學習行為過程數據的重要載體，基于對各種學習活動特征的考慮，針對不同類型學習活動設計了其對應的數據采集項(如下表所示)。除學習活動庫外，學習元平臺還對學習者的態度(登錄次數、學習時間積累)，資源貢獻與利用情況(學習內容段落編輯、學習內容段落批注、學習資源信任度投票、學習工具引入、學習資源引入與下載)，評價反饋行為(學習內容評論、學習資源評分)，站內檢索歷史等數據進行了采集。

學習活動數據采集項表

而數據分析階段，通過借鑒Bienkowski設計的個性化自適應學習系統[34]、Tanya Elias[35]提出的學習分析持續改進循環模型以及Grelier等人提出的學習分析框架[36]思想，學習元平臺初步構建了課程知識地圖的分析框架(如圖4所示)。借助平臺中已建立好的學科知識本體系統，可獲得知識之間的關聯；參照教師設定的評估方案，基于上述采集的數據，進行知識掌握評估分析，并依據分析的結果來實施知識掌握狀態的標注，具體計算公式如下：

知識掌握標注依據上述三個公式，其中Itemj表示學習者在與知識點Kj關聯的評價項目j上的百分制得分，不同任務的計算規則各異；Score(Ij)表示學習者在與知識點Kj關聯的評價項目Itemj上的實際得分，Iωj為教師設置的該評價項目所占的權重，；Score(Kj)表示學習者在與知識點Kj關聯的評價模塊Mj上的實際得分，Mωj為教師設置的該評價模塊所占的權重，；評價項目和評價模塊的具體數量完全由教師決定。

圖4 課程知識地圖分析框架

近年來，隨著在線學習評估對人全面發展的日益關注，發展性評估所提倡的評價內容多元化、評價形式多元化、評價主體多元化、評價結果和反饋形式多元化等理念在學習元平臺評估方案設計方面得到了很好的體現。

首先評估方案的內容設計方面，學習元平臺中設計的課程單元評價項目是多維度的，如學習態度、學習活動、內容交互、資源工具和評價反饋，既有關注學習過程的討論交流、辯論活動，又有聚焦學習結果的繪制概念圖、發布作品和策展活動。同時，為了滿足教師個性化教學評估需求，學習元平臺還支持自定義評價模塊的創設。其次在評價主體設計方面，學習元平臺中的教師主體可以設定評價方案各維度權重、對自定義模塊進行手動評分、對系統評分進行手動修訂；同伴主體可以對他人的作品、概念圖、帖子等進行評論和評分；學習者自身可以撰寫學習過程反思。來自教師、同伴、學習者自身三種評價主體的評價數據最終都統一匯總至課程單元的知識掌握評估方案中，從而形成對學習者知識點掌握狀態的標注。

此外，學習活動庫中的具體學習活動都是按照七要素活動模型進行設計，基于每種學習活動所對應采集的活動過程與活動結果數據，學習元平臺主要從參與態度、參與質量和參考外部量規三個方面對學習活動效果進行綜合性評估，并將學習活動評估的輸出結果納入課程單元知識掌握評估方案中，作為知識地圖分析階段的重要數據來源。

(三)知識地圖可視化顯示

根據知識地圖的分析結果，并結合用戶對于課程知識的掌握情況以及知識之間的關聯，基于可視化中心可以構建適用于不同層面人員的知識地圖，如學習者知識地圖和教師知識地圖等(如圖5所示)。在學習者知識地圖中，會突出顯示各知識節點之間的前后序關系和學習者的掌握情況，為學習者制定學習計劃提供指導。在教師知識地圖中，則會突出顯示該課程中學生掌握較差的知識節點以及知識節點之間的關系，為班級學習評估和教學安排提供支撐。同時，不同層次的用戶可以通過自己的知識地圖直觀地了解不同知識節點的掌握情況，從而為制定下一步的學習、教學、研究計劃提供指導。有研究表明，影響教育領域人員對評估工具采用的因素主要體現在三方面：個人的教育知識和信息設計能力會影響教育工作者對學習系統或者評價工具易用性的認識；個人先前對學習評價系統的使用經歷也會影響其對學習系統或評價工具的接受程度；評價系統或評價工具的易用性對是否接受該系統或工具存在直接的影響[37]。因此，課程知識地圖作為一種形成性評估工具，在實際設計、組織、可視化呈現方面需重點關注上述三個要素，充分考慮各層面人員的現實需求。

圖5 多層次知識地圖

當知識地圖所包含的知識點特別多時，我們可以提供多種途徑以方便用戶查看局部知識點，如縮放功能，用戶選擇希望查看的知識點區域，系統能夠自動將用戶選中的局部區域進行放大和突出顯示。同時，利用拖拽的方式，將知識地圖中的某一知識節點拖拽出來，且系統會自動以所拖拽的節點為中心顯示局部(如圖6所示)，用戶拖拽藍色區域中心節點時，知識地圖便會突出顯示所有與該節點直接關聯的知識節點，而其他節點則會被隱藏。此外，知識地圖還將具備檢索功能，當用戶進行檢索時，能夠以用戶搜索的知識節點及與其直接關聯的知識節點形成局部知識地圖，返回給用戶，以幫助用戶查找所需的知識節點。

圖6 知識地圖拖拽顯示

當知識地圖中各知識點之間的關系特別復雜時，首先基于拖拽功能形成局部知識地圖，在形成的局部知識地圖中，以曲線束的形式表示知識節點之間的復雜關系。當鼠標經過或單擊某條曲線時，能夠突出顯示該曲線、該曲線代表的關系名稱以及所連接的兩個知識節點(如圖7所示)，保證無論在知識點過多還是知識點關系過于復雜的知識地圖中，用戶都能快速找到自己需要的內容。

圖7 知識地圖多重關系表征

基于學習元平臺的知識地圖構建技術實現方面，平臺采用J2EE的技術路線，具體包括Java(編程語言)、Struts(實現MVC三層架構)、Hibernate(數據封裝層)、MySQL(底層數據庫)、Tomcat(應用服務器)等。其中Struts框架是結合JSP、JSP 標簽庫以及Servlets的MVC模式實現。在可視化環節，數據的采集和控制主要通過以上技術實現，同時采用Ajax技術進行異步處理。可視化呈現主要基于Html5 Canvas技術實現，在得到后臺傳來的數據后，通過Canvas畫布技術繪制用戶的知識地圖，繪制過程中根據不同的情況進行動態布局，實現各種交互事件。通過Html5進行知識地圖的可視化展現可以擺脫平臺限制，在PC及不同移動終端實現自適應的呈現。

四、基于學習元平臺的知識地圖分析應用

學習元平臺(Learning Cell System)[38]包含學習元、知識群、學習社區、知識云、學習工具、模板中心六個功能模塊，具有基于本體的資源組織與管理、開放內容編輯、學習資源多終端自適應呈現、社會知識認知網絡動態生成與共享、資源語義關聯、基于過程信息的個性化學習評價等六個特色功能。其中學習元是最基本的資源組織單元，一個學習元可以理解為一個課程教學單元；知識群是基于一定的推理規則以自動或手動方式對同主題學習元的聚合，一個知識群可以理解為一門課程；學習社區是一種在線學習環境，具有社會性和教學管理等特性，一個學習社區設計可以理解為一個教學班級。基于學習元平臺，以五年級數學學科下冊為例，開展了面向學習者和教師知識地圖的分析應用探索。

學習元平臺能夠為教師和學習者提供具體的課程知識結構地圖，以方便用戶了解課程的結構，了解自己所學的內容在課程結構中所處的位置以及作用。基于五年級數學下冊課程知識結構地圖(如圖8所示)，學習者和教師都可以方便地了解五年級數學下冊包含哪些章節，每個章節的具體內容。當學習“分數的意義與性質”章節時，學習者能夠清晰地明確該章節在整個課程中的具體位置及其相關聯的前驅和后繼章節內容，從而幫助學習者明確課程知識結構，減少學習過程中的迷航感與焦慮感。

圖8 課程知識結構地圖舉例

(一)學習者個人知識地圖分析

由于MOOC學習中，學習者可以自由選擇想要學習的內容，自己制定學習計劃，在一定程度上自主決定課程內容的學習先后序列，然而這種完全的自由卻往往容易讓學習者感到無所適從，不知道從何處開始學習，進而導致學習動機低下。同時，雖然學習者會瀏覽和學習不同的課程內容，但學習者往往對自己的知識掌握情況不甚了解。因此，在學習者個人知識地圖中，需要幫助學習者理清知識之間的內在聯系，為學習者提供課程內容結構導航，告知學習者知識掌握的情況，以幫助學習者更好地選擇學習內容和制定學習計劃。

基于學習元平臺，我們構建了以知識群(課程)作為中心節點的學習者個人知識地圖(如下頁圖9所示)，環繞中心的第一圈節點為課程知識群下的學習元分類，即各章名稱；環繞中心的第二圈節點為學習元，即課程教學單元，并以不同顏色來代表不同的掌握水平。對于第一圈的章節點，則根據該學習者對本章中所有課程教學單元的三種掌握水平所占百分比以餅狀圖的方式進行展示；對于第二圈的課程教學單元節點，則根據該教學單元所設定的評估方案所計算出的學習成績進行純色標注(低于60分為紅色，60-80分為黃色，大于80分為綠色)。由下頁圖9可知，在“圖形的認識”這一章節中，學習者對三角形和幾何體知識點的掌握較好、對角知識點的掌握一般、對拼圖的掌握較差，因此學習者可以選擇對掌握較差的拼圖知識點進行更加深入地學習。簡言之，個人知識地圖可以作為課程知識組織結構導航以及學習者課程知識學習掌握評估與分析的工具。利用個人知識地圖，學習者能夠全面了解課程知識體系脈絡以及自身的知識掌握情況，快速定位存在學習困難的知識點，隨時監控和調整學習進度。

當學習者選擇查看掌握較差的課程單元節點時，系統能夠推送與該單元節點相關的學習資源，如下頁圖9所示與“拼圖”知識點相關的學習資源，學習者可以從中發現感興趣的輔助學習資源，從而減輕迷失感，提升學習動機。當學習者選擇查看課程章節點時，系統能夠推送適合學習者能力結構的學習路徑，促進課程內容的結構化，解決不知從何下手開始學習的難題。前者主要借助系統中正在逐步完善的學科知識本體，利用知識點與教材的關聯以及知識點與學習資源的關聯，實現關聯資源的精準推送；后者主要是以知識點開始學習的時間先后為主線，對學習者的知識學習軌跡進行記錄和存儲，同時根據學科知識本體中各知識點之間的關聯關系，實現對學習者自適應學習路徑的推薦。

圖9 學習者個人知識地圖

(二)教師課程知識地圖分析

MOOC學習當中，面對大規模的學習者，教師很難分析和評估學習者的在線學習過程，無法及時獲得班級整體以及單個學習者的知識學習掌握情況。因此，課程知識地圖應該能夠作為課程整體學習掌握情況的可視化分析與形成性評估工具，輔助教師對班級學生的學習情況進行整體分析與評估。利用課程知識地圖，教師能夠方便了解班級學生在課程每個知識點上的掌握情況，反思課程教學設計并隨時調整教學進度；同時，能夠輔助教師對知識掌握薄弱的學生進行針對性輔導和干預，降低學生的焦慮感，從而提升學生的學習保持率。

基于學習元平臺，我們構建了以知識群(課程)作為中心節點的教師課程知識地圖(如圖10所示)，環繞中心的第一圈節點為課程知識群下的學習元分類，即各章名稱；環繞中心的第二圈節點為學習元，即課程教學單元，并以不同顏色來代表不同的掌握水平。對于第一圈的章節點，根據班級所有學生對本章中所有課程教學單元的三種掌握水平所占百分比以餅狀圖的方式進行展示；對于第二圈的課程教學單元節點，同樣根據班級所有學生在該課程教學單元的三種掌握水平所占百分比以餅狀圖的方式進行展示。利用知識地圖，教師能夠實現對學習者的形成性評估，可以直觀及時地發現課程中學生掌握薄弱的章節知識點。由圖10可知，關于角的知識點，掌握一般和掌握較差的學生非常多，教師可以選擇查看每位開始學習“角”的學生的學習掌握詳情以及具體的習路徑(如圖11所示)，如學生做了哪些操作、查閱了哪些資料、參加了哪些活動、表現如何、學習順序如何等等，從而幫助教師明確不同學生的學習路徑，發現學生在學習中存在的問題和困難，反思課程設計，并提供相應的學習資源和輔導，以提高學生的學習效果。

圖10 課程知識地圖

圖11 知識點學習路徑

五、結束語

知識地圖能夠幫助學習者提高學習效率，為學習者提供更好的學習路徑指導，避免其所學知識碎片化[39]，輔助教師更好地分析和評估課程學習效果，及時調整教學計劃。基于學習元平臺所構建的知識地圖(部分功能仍處于開發與優化當中)，具有可進化的學科知識語義關聯、可視化的知識掌握狀態表征、可動態自適應呈現等特點，不僅包含知識與知識之間的關系，還包含人與知識之間的交互狀態，既能夠用作知識導航，又能夠作為形成性評估的工具。知識地圖中所蘊含的這種結構化課程內容設計，使得學習者能夠很好地制定學習計劃，按時完成課程任務，及時獲取課程學習反饋并基于反饋調整計劃，從而極大地激發學習者的學習熱情，輔助學生在學習過程中與教師和同伴之間的溝通。利用知識地圖，教師能夠方便地組織課程內容、安排授課計劃和學習任務，借助知識地圖的評估功能能夠及時掌握學習者的學習進度、分析學習者的學習路徑、發現學習者的學習困難，從而適時適當調整教學環節和內容。

雖然學習元知識地圖能夠為面向學習者和教師的大規模開放課程知識地圖設計提供一定的借鑒意義，但目前對于面向研究者、管理者和技術人員的知識地圖仍然缺乏相應的設計，且現有學習元知識地圖難以跨越學科領域，面向學習者的知識地圖缺乏對個人興趣的考慮。因此，還需要后續不斷改進。此外，基于學科知識地圖的語義檢索和實證研究也都將成為未來需要重點關注的話題。

[1] Bioelectricity: A Quantitative Approach [EB/OL].http://dukespace.lib.duke.edu/dspace/bitstream/handle/10161/6216/Duke_Bioelectricity_MOOC_Fall2012.pdf,2014-03-07.

[2] A personal reflection on Massively Open Online Courses (MOOCs)[EB/OL].http://www.insidetrack.com/a-personal-reflection-on-massivelyopen-online-courses-moocs/, 2014-10-17.

[3] Kop, R.. The challenges to connectivist learning on open online networks: Learning experiences during a massive open online course [J]. The International Review of Research in Open and Distance Learning, 2011, 12(3):19-38.

[4][24] Lee, J. H., & Segev, A.. Knowledge maps for e-learning [J].Computers & Education, 2012, 59(2):353-364.

[5][23] 唐欽能,高峰,王金平.知識地圖相關概念辨析及其研究進展[J].情報理論與實踐,2011,(1):121-125.

[6] 伍思靜,陶桂鳳.基于知識地圖構建大學外語教師專業學習共同體[J].中國電化教育,2011,(5):23-26.

[7] Hall, R. H., & O’Donnell, A. M. Cognitive and affective outcomes of learning from knowledge maps [J].Contemporary Educational Psychology, 1996, 21(1):94-101.

[8] Gomez, A., Morenoa, A., Pazosa, J., & Sierra-Alonso, A. Knowledge maps: an essential technique for conceptualization [J].Data &Knowledge Engineering, 2000, (33):169-190.

[9] Shaw, R. S..A study of learning performance of e-learning materials design with knowledge maps [J].Computers & Education, 2010,54(1):253-264.

[10] Hall, R. H., Dansereau, D. F., & Skaggs, L. P. Knowledge maps and the presentation of related information domains [J].Journal of Experimental Education, 1992, 61(1): 5-18.

[11] 余勝泉,萬海鵬.支持課程大規模開放的學習技術[J].中國電化教育,2014,(7):7-18.

[12][22]司莉,陳歡歡.國內外知識地圖研究進展[J].圖書館雜志,2008,(8):13-17.

[13] 李大鵬.基于本體的學科知識地圖構建研究[D].武漢:華中師范大學,2011.

[14] Vail, E. F. Knowledge mapping: getting started with knowledge management [J].Information Systems Management, 1999, (16): 10-23.

[15] 譚玉紅,吳巖.關于學校知識管理中的“知識地圖”研究[J].電化教育研究,2005,(3):17-19.

[16] Eppler, M. J. Making knowledge visible through intranet knowledge maps: concepts, elements, cases [EB/OL]. http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=926495,2014-11-03.

[17] 李丹,張會平.知識地圖理論研究[J].科技情報開發與經濟,2008,(33):130-132.

[18] 付旭雄.基于關聯數據的知識地圖中知識鏈接構建研究[D].武漢:華中師范大學,2012.

[19] 司莉,陳歡歡.國內外知識地圖研究進展[J].圖書館雜志,2008,(8):13-17.

[20] 朝樂門,張勇,邢春曉.面向開放關聯數據的知識地圖研究[J].圖書情報工作,2012,(10):17-24.

[21] Novak, J., Wurst, M., Fleischmann, M., & Strauss, W. Discovering,Visualizing, and Sharing Knowledge through Personalized Learning Knowledge Maps [EB/OL]. http://link.springer.com/chapt er/10.1007/978-3-540-24612-1_15, 2014-10-28.

[25] 畢強,韓毅,牟冬梅.基于知識地圖的多領域本體語義互聯研究[J].情報科學,2009,(3):321-325.

[26] 余勝泉,楊現民,程罡.泛在學習環境中的學習資源設計與共享——“學習元”的理念與結構[J].開放教育研究,2009,(1):47-53.

[27] 楊現民,余勝泉.學習元平臺的語義技術架構及其應用[J].現代遠程教育研究,2014,(1):89-99.

[28] 郭巖,白碩,楊志峰,張凱.網絡日志規模分析和用戶興趣挖掘[J].計算機學報,2005,(9):1483-1496.

[29] Karin Anna Hummel and Helmut Hlavacs. Anytime, Anywhere Learning Behavior Using a Web-Based Platform for a University Lecture [EB/OL].http://www.researchgate.net/publication/242382391_Anytime_Anywhere_Learning_Behavior_Using_a_Web-Based_Platform_for_a_University_Lecture, 2014-09-09.

[30] 彭文輝,楊宗凱,黃克斌.網絡學習行為分析及其模型研究[J].中國電化教育,2006,(10):31-35.

[31] 李念.基于網絡學習行為分析的評價模型研究[D].武漢:華中師范大學,2007.

[32] 楊曉麗,董俊敏.高校網絡學生網上學習行為的統計分析及對策研究[J].高等函授學報(哲學社會科學版),2010,(6):66-68.

[33] 謝曉林.學習活動管理系統的設計、開發與應用[D].北京:北京師范大學,2008.

[34] Bienkowski, M., Feng, M. &Means, B. Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics:An Issue Brief [EB/OL]. http://www.cra.org/ccc/files/docs/learninganalytics-ed.pdf, 2014-09-01.

[35] Elias, T. Learning Analytics Definitions Processes Potential [EB/OL].http://learninganalytics.net/LearningAnalyticsDefinitionsProcessesPot ential.pdf, 2013-09-03.

[36] Greller, W, & Drachsler, H. Translating Learning into Numbers: A Generic Framework for Learning Analytics [J].Educational Technology& Society, 2012, 15 (3):42-57.

[37] Ali L, Asadi M, Ga?evi? D, et al. Factors influencing beliefs for adoption of a learning analytics tool: An empirical study [J].Computers& Education, 2013, (62):130-148.

[38] 楊現民,程罡,余勝泉.學習元平臺的設計及其應用場景分析[J].電化教育研究,2013,(3):55-61.

[39] 梁樂明,曹俏俏,張寶輝.微課程設計模式研究——基于國內外微課程的對比分析[J].開放教育研究,2013,(2):65-73.

萬海鵬：在讀博士，研究方向為移動與泛在學習、在線學習評價、計算機教育應用(dnvhp@163.com)。

李威：在讀碩士，研究方向為移動資源設計開發、信息技術教育應用、知識可視化。

余勝泉：博士，教授，博士生導師，研究方向為移動與泛在學習、教育技術基本理論、計算機教育應用、教育信息化。

2015年1月4日

責任編輯：李馨 趙云建

Knowledge Map Analysis of Massive and Open Course——Taking Learning Cell Platform as an Example

Wan Haipeng, Li Wei , Yu Shengquan
(School of Educational Technology, The Joint Laboratory for Mobile Learning, Ministry of Education-China Mobile Communications Corporation, Beijing Normal University, Beijing 100875)

To address students’ problems recently rising in MOOC such as poor organizational structure of content, undisciplined and unplanned learning process, lack of motivation etc., considering the characteristics of knowledge map, this paper proposed to build a knowledge map of MOOC. Based on Learning Cell System, we have constructed learners and teachers’ knowledge map by three steps: semantic relation and evolution of subject knowledge, process data acquisition and analysis based on learning activities,and knowledge map visualization. This knowledge map has the characteristics of evolvable subject knowledge semantic association,visualization of the state of knowledge acquisition, and dynamically adaptive presents. It not only contains the relationship between knowledge and knowledge, but also includes the interaction between person and knowledge. Besides, it can be used as a knowledge navigation, and as a formative assessment tools. through the application cases, the paper described to use a knowledge map to help students and teachers in subject knowledge navigation and formative assessments, and provide information and reference for the future design of MOOC knowledge map.

MOOC; Knowledge Map; Learning Activity; Developing Assessment; Learning Cell

G434

A

1006—9860(2015)05—0030—10

* 本文系博士點基金項目“泛在學習環境下的學習資源進化研究”(項目編號：20110003110029) 、北京師范大學教育學部學生科研基金資助項目“在線課程的學習評價與分析模型研究——以學習元平臺為例”(項目編號：15-03-01)的研究成果。