基于深度學習的MOOC課程重構系統研究

摘? 要 為解決MOOC課程利用成效低、資源重復建設等問題，基于深度學習理論，依據各MOOC平臺課程和知識的關系設計一款MOOC課程重構系統，并使用Jsoup技術對大量數據進行收集和存儲，使用自然語言處理技術對數據進行關鍵字分析，繼而生成知識圖譜，同時系統記錄學習者學習狀態，以便用戶持續性學習，以期能為優化MOOC課程資源提供一定的指導。

關鍵詞 深度學習;課程重構;MOOC課程;SPOC;知識地圖;Jsoup技術

中圖分類號：G642.3? ? 文獻標識碼：B

文章編號：1671-489X（2020）04-0053-03

Study on Reconstruction System of MOOC Courses based on Deep Learning//LU Hong

Abstract In order to solve the problems of low utilization of MOOC courses and repeated construction of resources， this paper designs a?MOOC curriculum reconstruction system based on the theory of deep?learning， and uses Jsoup technology to collect and store large amounts?of data. The use of natural language processing technology to analyze?the data keywords， and then generates knowledge map， while the sys-tem records the learners learning status， so that users continue to learn， in order to optimize the MOOC course resources can provide some guidance.

Key words deep learning; course reconstruction; MOOC courses;? SPOC; knowledge map; Jsoup technology

1 引言

MOOC課程重構（Courses Reconstruction）是以各類MOOC課程資源、SPOC課程資源和網絡公開課等為基礎，依據課程教學目標或學習者的學習需求，采用知識圖譜生成技術重構相應課程資源的非結構化關系圖，生成滿足課程教學目標和學習者學習需求的非線性MOOC課程，并為學習提供相應的動態學習路徑推薦，其本質是以學生為主體的動態學習任務規劃與實時優質課程資源推薦過程。在過去的幾年中，不同架構的MOOC平臺不斷涌現，上線的MOOC課程和SPOC課程、用戶數量也呈爆炸式增長趨勢[1]。但隨著MOOC課程在教育教學實踐中的深入應用，逐漸暴露出課程輟學率高、課程資源重復、跨平臺資源檢索困難、課程評價模式單一等問題[2-3]。

王繼元等通過利用NVivo工具對10篇訪談文本的數據進行分析，指出MOOCs的高輟學率主要是因為學習者的學習主動性和自我學習管理能力不足，MOOCs的高輟學率不應該是評價MOOCs課程的唯一指標[4]。徐振國等通過調查研究發現，學習者自制力差、學習動機不強烈、后期跟不上學習進度等因素是導致MOOC學習者輟學的首要因素，并提出采用學分認證、MOOC課程積分、獎學金、混合式教學、強化在線學習互動等策略提高MOOC課程的完成率[5]。……