基于Moodle平臺的遠程教育學習者滿意度評估模型研究

摘要：由于傳統的評估模型，在學習者滿意度評估時相似度低。為此，提出基于Moodle平臺的遠程教育學習者滿意度評估模型研究研究。確定遠程教育學習者滿意度評估指標，通過采集二級學習者滿意度測評指標，確定一級學習者滿意度測評指標，用于設計模型中的基礎指標數據;利用Moodle為平臺全程跟蹤學習者的學習過程及學習成果，結合跟蹤得到的具體數據評估遠程教育學習者滿意度。設計對比實驗，結果表明，設計的評估模型評估相似度明顯高于實驗對照組，證明設計的評估模型評估精度更高。

關鍵詞：Moodle平臺;遠程教育;學習者滿意度;評估模型

遠程教育作為一種新型的在線學習方式，針對遠程教育學習者滿意度進行評估是保障遠程教育質量的重要方式。考慮到傳統針對遠程教育的學習者滿意度評估模型在實際運行過程中，由于沒有基于學習者滿意度動態特性、邏輯關系復雜以及不穩定等特點進行設計，很容易出現評估誤差大的問題。Moodle平臺作為開源的課程管理系統，在使用中不需要花費任何金錢。并且以其自身強大的創建和管理學習對象的工具，受到國內外學者的一致好評。Moodle平臺為遠程教育學習者滿意度評估模型的優化建設提供了一個良好的契機。因此，本文基于Moodle平臺設計出一種新型遠程教育學習者滿意度評估模型，致力于從根本上為學習者滿意度評估模型的改進提供更加良好的發展空間。

在遠程教育學習者滿意度評估模型設計中，將一級學習者滿意度評估指標設定為知識獲取以及教學質量。知識獲取的構成要素主要包括：內容質量、媒體呈現以及學習評價;教學質量的構成要素主要包括：教師聲譽、教學能力以及教學態度。本文以此為遠程教育學習者滿意度評估模型的二級測評指標，可通過采集二級學習者滿意度評估指標，確定一級學習者滿意度評估指標，用于遠程教育學習者滿意度評估模型中的基礎指標數據。

本文根據遠程在線教育學習者滿意度評估指標，利用Moodle為平臺全程跟蹤學習者的學習過程及學習成果，根據跟蹤得到的得出遠程教育活動與學習者能力之間的置信度對學習者的滿意度進行評估。通過Moodle平臺保證登陸者可以在Moodle中對學習者滿意度作出相應的評估，使評估者不僅有教師和同學，還有登陸者，實現評估主體多元化。評估模型的設計從學習者角度出發，分析遠程教育需求、通過信息流導入遠程教育信息，構成立體的交互式評估模型，保證評估模型能夠根據實際的需求進行動態性升級。基于Moodle平臺遠程教育學習者滿意度評估模型整體結構圖，如圖1所示：

根據圖1所示，則為本文得出的評估模型，該模型以學習成果為導向，整體選用Inranet構架。使用該模型評估遠程教育學習者滿意度，能夠在方便學習者滿意度評估的同時，兼顧評估模型的易操作性。

本文以仿真實驗的形式，利用Real Application Clusters系統仿真模擬軟件為上述內容進行論證。選取200名遠程教育學習者作為實驗對象，在分別使用傳統評估模型以及本文設計評估模型進行仿真實驗，設置傳統的評估模型為實驗對照組。仿真實驗主要內容為分析兩種評估模型的評估相似度，評估相似度與學習者實際滿意度越接近證明其評估結果越精準，評定評估性能更高的評估模型。在此次的仿真實驗中，共設計5次仿真實驗。針對Real Application Clusters系統仿真模擬軟件測得的評估相似度，記錄實驗結果。

根據上述設計的仿真實驗步驟，采集5組實驗數據，將兩種評估模型下的評估相似度進行對比，評估相似度對比結果，如下表1所示。

通過表1可得出如下的結論：本文設計的評估模型評估相似度明顯高于實驗對照組，證明設計的評估模型評估精度更高，可以實現對遠程教育學習者滿意度的精準評估。

通過對比實驗證明，基于Moodle平臺的遠程教育學習者滿意度評估模型在學習者滿意度評估中的具體優勢已經顯現出來。評估相似度的高低是保證學習者滿意度評估精度以及質量的主要衡量標準，而針對遠程教育學習者滿意度評估模型進行基于Moodle平臺的設計可以大幅度提高評估精度。設計評估模型不但能夠完成傳統的評估模型所不能完成的任務，還能為遠程教育學習者滿意度評估領域的研究提供學術意義。

參考文獻：

[1]喬茜琳，楊安.被低估的儀式感：基于企業柯式培訓效果評估模型分析[J].商場現代化，2019，01（004）：080-082.

[2]沈良忠，昝鄉鎮，高曼如.基于Moodle平臺的師生學習共同體構建[J].教育理論與實踐，2018，38（003）：040-041.

[3]李水藍.農民大學生學習支持服務質量測評模型的開發與驗證[J].湖南廣播電視大學學報，2019，01（003）：001-006.

[4]李振.高職交通土建專業群教學質量學生滿意度實證研究[J].岳陽職業技術學院學報，2020，01（002）：055-059.

[5]高江江，于平.慕課環境下學生虛擬實驗學習滿意度影響因素研究[J].實驗技術與管理，2018，35（001）：221-225.

2020年度湖南省自然科學基金項目，課題編號：2020JJ7031，項目名稱：基于教育大數據的在線學習滿意度動態評估與精準干預研究。

2020年度湖南省社會科學成果評審委員會課題，課題編號：XSP20YBZ189，項目名稱：大規模在線教育學習者滿意度的模型構建與提升路徑研究。

蒲驍旻（1982.11月），男，漢，湖南邵陽，本科，講師，研究方向：計算機網絡技術、云計算、大數據。