大數據環境下高校智慧移動學習平臺的構建研究

潘志宏, 萬智萍, 謝海明

(1. 中山大學 新華學院, 廣東 廣州 510520； 2. 廣東移動通信有限責任公司茂名分公司, 廣東 茂名 525000)

實驗教學研究

大數據環境下高校智慧移動學習平臺的構建研究

潘志宏1, 萬智萍1, 謝海明2

(1. 中山大學 新華學院, 廣東 廣州 510520； 2. 廣東移動通信有限責任公司茂名分公司, 廣東 茂名 525000)

針對移動學習平臺的局限性,設計了高校智慧移動學習平臺解決方案。首先,探索移動平臺與高校課堂教學協同合作的O2O閉環學習模式；其次利用“社交網絡”來解決平臺互動性與協同性問題,將“群智思想”引入平臺解決移動學習平臺資源庫動態建設問題；最后利用大數據和機器學習技術,對學習行為數據進行感知挖掘和知識獲取來讓平臺更加智慧,從而提升學習的個性化和高效性。方案對高校的教學改革具有一定推動作用與參考意義。

智慧移動學習； 群智(眾包)； 社交網絡； 大數據

1 高校智慧移動學習平臺的背景和構建意義

隨著移動互聯網與大數據技術的不斷發展,在線學習(E-learning)不斷向移動學習(M-learning)、泛在學習(U-learning)、智慧學習發展。由于智能終端的不斷普及,學生可以隨時隨地利用碎片化的時間進行學習,因此移動學習越來越受到學生歡迎。其次,大數據技術讓移動學習平臺能夠更加智能地了解學生情況并制定個性化的學習計劃[1-7]。近年來隨著MOOC的不斷發展,將在線學習推至一個高度,出現很多MOOC平臺,比如：以國內高校課程為主的網易的中國大學MOOC和云課堂、高等出版社的愛課程等；以IT類培訓為主的慕課網、極客學院、開課吧等；以coursera、edx、udacity為代表的國外知名MOOC平臺。這些平臺都已經移動化,讓學員能隨時隨地利用碎片化時間進行學習,對高等教育和職業培訓教育起到很大的推動作用。這類平臺也有一定的局限性：

第一,很多平臺提供課程視頻讓學員通過移動終端或者PC端進行學習,但相對來說互動性和協同性不夠完善,教師與學員、學員之間、學習圈之間很難通過平臺即時溝通或協同完成作業項目；

第二,目前這類平臺在智慧學習方面仍處于完善階段,沒有全程感知追蹤學員的學習行為數據,教師難以通過平臺了解每個學員課前課后的學習狀態,從而制定更加針對性的輔導,學員也不能根據平臺所提供的個性化精準信息,制定自己的學習計劃；

第三,由于移動平臺并不是專門針對高等學校,所以在功能設置的時候,不能很好地與課堂教學進行較好的協同合作,也即是移動學習平臺與課堂教學不能形成完整的O2O(online與offline)閉環學習模式；

第四,課程資源都是依靠平臺構建者來建設,雖然教師或教育機構經驗豐富,但具有一定的局限性,學生可能會比較被動去學習平臺所提供的資源,缺乏參與主動性，另外,平臺學習資源只依靠一方來維護,難以確保內容的多樣性。

設計了一個高校智慧移動學習平臺解決方案,它能較好地解決上述問題,對高校的教學改革建設具有一定推動作用與參考意義。首先,探索移動平臺與高校課堂教學協同合作的O2O閉環學習模式；其次,利用“社交網絡[9-10]”來解決平臺互動性與協同性問題,將“群智思想”引入平臺解決移動學習平臺資源庫動態建設問題[11-12]；最后利用大數據和機器學習技術,對學習行為數據進行感知挖掘和知識獲取來讓平臺更加智慧,從而提升學習的個性化和高效性。

2 高校智慧移動學習平臺的解決方案

高校智慧移動學習平臺解決方案主要解決3大問題：第一,平臺如何與大學課堂教學協同并融合[6-8]；第二,如何設計平臺的架構讓其更好地匹配這種協同模式；第三,如何對平臺的教育數據進行深度挖掘,讓教育更精準、智慧。

2.1 協同構建O2O閉環教學模式

隨著信息技術的不斷發展,傳統的基于班級，以教師、教材、教室為中心的授課方式,將逐步被基于廣泛學習資源平臺,以學生、問題、活動為中心的創新能力培養模式所取代。移動平臺讓學習觸手可及,對學習產生很大的推動作用。在高校這種環境下,如果能將課堂面對面教學與線上移動平臺學習相結合,構成一個完整的O2O閉環教學模式,通過兩者優勢互補,能夠使學生達到最佳學習效果。

Gerstein(2011)提出的翻轉課堂教學模型[13],將課堂劃分為4個階段,即體驗學習階段、概念探究階段、意義建構階段和展示應用階段。本文在其基礎上提出O2O閉環教學模式：課前課后都以智慧移動學習平臺教學為主,課中以線下課堂授課為主(見圖1)。

圖1 移動平臺與線下課堂O2O閉環教學模式

學生課前通過智慧移動學習平臺在線學習,掌握基礎概念并進行思考；線下課堂教學則以教師的學習引導、案例研討、問題解答等過程為主,這樣可以充分利用課堂時間來達到更好的教學效果；課后學生通過智慧移動平臺在線交流,協同完成項目作業,教師也可以通過大數據分析技術獲知教學效果和教學需求。這種基于高校智慧移動學習平臺的O2O模式將慕課學習、學習圈交互協助、在線行為數據分析跟蹤、學習量化評估很好地整合在一起,并融合到課前、課中、課后3個環節中。充分發揮碎片化學習、全程互動學習、個性化推薦學習的優點。

2.2 高校智慧移動學習平臺系統架構

要讓智慧移動學習平臺很好地融合大學課堂并進行協同合作,有2個問題需要重點考慮。首先是高校的平臺學習資源內容如何建立,其次是如何讓高校學生更好地融入平臺。為了更好地解決這2個問題,提出將“群智(眾包)思想”和“社交網絡”引入高校移動學習平臺。

傳統線上或者移動學習平臺課程資源都是依靠學校教師或者教育機構來建設,雖然依靠經驗豐富的教師或教育機構來構建課程資源能夠讓課程更適合學生,但同時也有一定的局限性。學生可能會比較被動去學習平臺所提供的資源,缺乏參與學習的主動性,而平臺學習資源只單純依靠一方來維護,也很難保證內容的多樣性及讓平臺學習資源在保證質量前提下動態豐富完善。在高校移動學習平臺體系架構中增加“群智思想”與“評價激勵機制”[14]解決此問題。

群智思想就是調動所有用戶(參與者)隨時隨地充分利用各種終端參與到課程內容建設任務中,可通過2個具體的實例來說明這個思想的應用：

第一,學生在學習本課程的過程當中,可以把與其他課程相關、有用的學習資源通過各種移動終端分享到平臺,進行資源共享；

第二,學生學完課程后遇到難題可以通過平臺進行提問,平臺利用機器學習技術挖掘過濾,如果發現某個問題很多人提問(證明它是一個難點),平臺會將它自動增加到課程作業,納入課程體系中。

通過群智思想讓平臺的資源庫不斷豐富、多樣化,形成一個動態的閉環,不斷完善。

為了保證群智思想下平臺學習資源的質量,以及提升參與者的主動性,需要制定合理的資源引入評價體系,比如某個學生將自己覺得有用的資源分享到平臺,一方面可以通過平臺建設方進行評價,另一方面可以通過平臺使用者對資源進行評價,比如點贊率或者評價留言等,后臺通過評價算法進行綜合計算,最終將評價排名靠前的資源自動納入課程體系,讓本課程體系里面的資源庫成為一個能不斷完善的動態閉環。為了更充分地調動所有學習者學習的主動性與參與資源建設的主動性,共享資源、回答問題、參與評價、資源被納入課程體系、被點贊與點贊等都可以獲得相應的激勵分數。課程學習是一個綜合的過程,它包含課程基礎內容自學、自己搜集資料解決問題、幫助別人解決問題、擴展資料的學習與評價,因此通過評價體系與激勵機制可以讓學生更加積極地參與到學習的全過程。

為了更好地實現群智思想,將社交網絡引入平臺也是必需的。首先,通過移動社交網絡可以讓學生和教師隨時隨地更好地分享資源、參與平臺資源構建；其次,可以通過社交網絡更好地構建學習圈,方便教師與學生的實時溝通和學生之間的學習討論,基于班級的學習圈還能讓學生在學習過程中協同工作,提高效率,同時教師也能更高效地管理學生圈；最后,還能通過對學生大量的社交網絡行為進行分析挖掘,從而更好地掌握學生學習過程的詳細情況,并制定更好、更有針對性的指導。通過社交網絡將線下課堂延伸到移動終端,讓協同學習變得更高效,指導更有針對性。

設計了高校智慧移動學習平臺的核心體系架構：學習資源管理層、大數據挖掘層、學習行為管理層、數據傳輸層、移動終端層。學習資源管理層引入群智思想與激勵評價體系；大數據挖掘層包含數據預處理、數據挖掘、知識獲取；學習行為管理層包含學習行為數據感知、移動社交網絡、學習資源數據交互。高校智慧移動學習平臺體系架構圖如圖2所示。

2.3 運用大數據讓移動學習平臺更智慧

大數據技術包含數據挖掘、機器學習、云計算等技術,廣泛應用于各大平臺,用于提升平臺的智能化,在高校智慧移動學習平臺中,主要是利用大數據技術對移動學習平臺產生的大量教育數據進行挖掘和分析,特別是對在線學習行為和學習過程進行量化分析。要實現移動學習平臺的“智慧”,就必須引入大數據挖掘技術,通過挖掘大量學習過程的數據制定更有針對性的學習計劃[15-16]。這個過程可以簡單描述為感知數據、挖掘數據、獲取知識。

感知數據就是收集大量學生的基本信息與學習過程的行為數據。學生通過各種移動終端接入平臺,由于移動終端本身擁有大量的傳感器,方便收集學生學習過程全方位的行為數據。學習過程的行為數據包含學生參與交流互動的頻率、學習時間分配與位置、課程學習的興趣點,協同工作時完成的工作量、評價留言等。

挖掘數據就是對感知的數據進行處理,首先要對數據進行預處理,即抽取清洗,把樣本數據中明顯的無效數據刪除,然后收集分類、添加標簽等。接著對預處理后的數據進行挖掘,比如利用聚類算法、文本語義挖掘算法、SVM等算法來完成數據的挖掘與分析。數據挖掘功能部署在云服務器端,可以利用云平臺強大的計算能力來提升數據挖掘分析的效率。

獲取知識是挖掘數據的最終目的,通過機器學習算法挖掘得到一些中間結果,還需要轉換為知識,并通過交互界面呈現給用戶。例如通過聚類和文本語義算法分析多數學生重復學習課程某個知識點的視頻,并且在交流互動評價中多次出現相關關鍵詞,則說明該知識點有可能是學生的興趣點或者難點,這些都給教師提供有用的信息,在線下授課時可以針對該問題進行詳細講解。另外也可以通過全程感知學生的學習過程與狀態,每個學生通過移動終端學習的內容、完成作業情況、參與項目協作、參與互動這些數據都被系統如實記錄下來,形成每個人的學習行為數據,系統通過對這些數據的分析給學生制定更加適合的學習計劃。

3 結語

高校智慧移動學習平臺具有很好的應用價值,可以讓高校課堂教學與移動學習相互融合協同,從而提升教學質量。在理論上研究移動學習平臺怎樣貫穿到高校課堂的整個過程,提出O2O閉環學習模型,并設計智慧移動學習平臺的系統架構,在系統架構中引入“群智思想”以解決動態完善平臺學習資源建設問題,加入“移動社交網絡”提升平臺的互動性與協同學習。最后利用大數據與機器學習技術,通過對學習過程行為的數據感知、數據挖掘,最終形成知識來幫助教師對學生學習情況的全程掌握,給予學生更有針對性的指導,同時學生也能夠通過智慧移動平臺獲取更適合自己的學習計劃。

References)

[1] Motiwalla L F. Mobile learning: A framework and evaluation [J]. Computer & Education,2007,49(3):581-596.

[2] 薛建強.大學英語移動學習模式的構建與發展研究[J].實驗技術與管理,2014,31(3):176- 179.

[3] Chu H C,Hwang G J,Tsai C C. A knowledge engineering approach to developing mindtools for context-aware ubiquitous learning[J]. Computer & Education,2010,54(1):289-297.

[4] Hsu T,Chiou C,Tseng J C R,et al. Development and Evaluation of an Active Learning Support System for Context-Aware Ubiquitous Learning[J]. IEEE Transaction on Learning Technologies,2016,9(1):37-45.

[5] Jain G,Gurupur V,Schroeder J,et al. Artificial Intelligence-Based Student Learning Evaluation: A Concept Map-Based Approach for Analyzing a Student’s Understanding of a Topic[J]. IEEE Transaction on Learning Technologies,2014,7(3):267-279.

[6] 蔡寶來,楊伊.基于移動學習的課堂有效教學策略研究[J].教育科學研究,2015(9):42-47.

[7] 祝智庭.智慧教育新發展:從翻轉課堂到智慧課堂及智慧學習空間[J].開放教育研究,2016,22(1):18-26.

[8] 梁中,陳波,于泠,等.基于手機微信的信息安全翻轉實驗課堂教學實踐 [J].實驗技術與管理,2016,33(10):156 -160.

[9] Lai C F,Huang Y M,Chen S Y. A M-learning content recommendation service by exploiting mobile social interactions[J]. IEEE Transaction on Learning Technologies,2014,7(3):221-230.

[10] Lee M S,Son Y E. A Study on the Adoption of SNS for Smart Learning in the “Creative Activity”[J]. International Journal of Education and Learning,2012(3):1-18.

[11] Doan A,Ramakrishnan R,Halevy A Y. Crowdsourcing systems on the World-Wide Web[J]. Communications of the ACM,2011,54(4):86-96.

[12] Poetz M K,Schreier M. The Value of Crowdsourcing: Can Users Really Compete with Professionals in Generating New Product Ideas?[J]. Journal of Product Innovation Management,2012,29(2):245-256.

[13] Gerstein J. The flipped classroom[EB/OL]. (2016-08-25).http://www.scoop.it/t/the-flipped-classroom.

[14] Yang D J,Xue G L,Fang X,et al. Incentive Mechanisms for Crowd sensing: Crowd sourcing With Smartphones[J]. IEEE/ACM Transactions on Networking,2016,24(3):1732-1744.

[15] Suciu G,Vulpe A,Todoran G,et al. Cloud Computing And Big Data As Convergent Technologies For Mobile E-Learning[C]//10th International Scientific Conference on eLearning and Software for Education. Bucharest,romania: Carolnatl defence univ publishing house,2014.113-120.

[16] Udupi P K,Malali P,Noronha H. Big data integration for transition from e-learning to smart learning framework[C]//3rd MEC International Conference on Big Data and Smart City. Muscat ,Oman:IEEE,2016:268-271.

Research on construction of smart mobile learning platform in colleges and universities based on big data

Pan Zhihong1, Wan Zhiping1, Xie Haiming2

(1. Xinhua College, Sun Yat-sen University,Guangzhou 510520, China;2. Maoming Branch, Guangdong Mobile Communication Co. Ltd., Maoming 525000, China)

In order to solve the limitation of the existing mobile learning platform, this paper designs a smart mobile learning platform solution for universities.Firstly, the O2O close-loop learning mode which makes the mobile learning platform cooperate with the college classroom teaching is discussed. Secondly,by using the social networks in the platform to solve the interactive and collaborative problems, the thought of crowdsourcing is introduced to make the learning resource of the mobile learning platform automatic construction. Finally,with the techniques of big data and machine learning,sensing the behavior data which was produced in the learning process in order to acquire knowledge which can make the mobile learning platform more wisdom, can improve the individuation and efficiency of the learning process. This platform solution has a certain reference significance for the teaching reform in colleges and universities.

smart mobile learning； crowdsourcing； social networks； big data

10.16791/j.cnki.sjg.2017.04.040

2016-11-06 修改日期：2016-12-30

2016年度廣東省本科高校高等教育教學改革項目“大數據背景下高校智慧移動學習平臺構建及O2O閉環學習模式的研究”(粵教高函236號)；廣東省青年創新人才自然科學類基金項目(2014KQNCX253)；中山大學新華學院2016年教學改革與教學質量工程項目(2016J037)

潘志宏(1984—),男,廣東揭陽,碩士,高級工程師,美國計算機學會(ACM)會員,中國計算機學會(CCF)會員,主要研究方向為移動互聯網、計算機網絡與信息系統.

E-mail：zhihong840420@163.com

G40-057

A

1002-4956(2017)4-0161-03