康迎曦 唐北平



◆摘? 要:隨著網(wǎng)絡(luò)信息技術(shù)的發(fā)展,近幾年MOOCs( Massive Open On line Course)在國內(nèi)外呈風起云涌之勢。本文通過對MOOCs大數(shù)據(jù)進行學習分析和干預策略的研究,依據(jù)在線學習者不同的知識背景、學習基礎(chǔ)、學習風格和學習能力等個體差異,構(gòu)建不同的學習模式,為學習者提供個性化的學習建議、學習資料和推薦課程,從而提高學習者的在線學習效率,進一步完善在線學習系統(tǒng)。
◆關(guān)鍵詞:MOOCs大數(shù)據(jù);學習分析;干預策略
一、引言
大規(guī)模在線開放課程MOOCs( Massive Open On line Course)是基于課程和教學、互聯(lián)網(wǎng)和移動通訊技術(shù)發(fā)展起來在線學習模式,國內(nèi)外發(fā)展迅速。但這種在線學習模式也存在著一些問題,如在線學習質(zhì)量和效率較低、教師不能及時進行輔導、個性化教學內(nèi)容少、在線學習的監(jiān)管和評價不及時等。通過分析MOOCs大數(shù)據(jù),研究學習者的在線學習效果,對學習行為進行分析和干預,對推動教育信息測量和學習分析的發(fā)展,提高在線學習質(zhì)量的有著重要的研究價值和意義。
二、MOOCs大數(shù)據(jù)
1.MOOCs大數(shù)據(jù)的概念和特點
在使用MOOCs學習的過程中,大量的學習者和眾多的教學資源積累了數(shù)量巨大的學習行為數(shù)據(jù)。大規(guī)模在線課程學習者的數(shù)量遠遠超出了傳統(tǒng)實體課堂,有上萬人,甚至幾十萬人;這些大數(shù)據(jù)都是在學習過程中自然產(chǎn)生的,是即時數(shù)據(jù),而不是事后搜集和積累的,所以大數(shù)據(jù)的類型非常豐富詳盡。與傳統(tǒng)的教育數(shù)據(jù)相比,MOOCs大數(shù)據(jù)具有更強的實時性、多樣性、全面性和潛在價值大等特點。
2.研究MOOCs大數(shù)據(jù)的重要性
海量的MOOCs學習者在網(wǎng)絡(luò)平臺上產(chǎn)生了超大規(guī)模、種類繁多的數(shù)據(jù),其中包括:MOOC的教學資源、學習者情況、作業(yè)測驗、學習過程記錄等直接數(shù)據(jù),還有貼吧、博客等社交網(wǎng)絡(luò)上對MOOC討論以及網(wǎng)絡(luò)鏈接和網(wǎng)絡(luò)搜索等間接數(shù)據(jù)。對超大規(guī)模的復雜數(shù)據(jù)進行處理,能給MOOC的發(fā)展帶來促進作用。主要體現(xiàn)在以下幾個方面:
(1)分析學習行為。利用數(shù)據(jù)挖掘技術(shù),采集學習者在MOOC平臺的學習內(nèi)容、學習情況使用感受和教學反饋等信息。這些碎片化信息都反映出了學習者的行為和情感,收集和分析MOOC大數(shù)據(jù)對教師和管理者非常重要,他們可以根據(jù)數(shù)據(jù)分析結(jié)果,利用教育學、心理學和專業(yè)知識改進教學方法、設(shè)計新課程和更新平臺應(yīng)用等促進MOOC平臺的發(fā)展。
(2)進行學習推薦。通過超強的數(shù)據(jù)處理能力,對學習者的課程學習進度快慢、作業(yè)和測驗成績、論壇的積極性、發(fā)表言論與關(guān)注對象等數(shù)據(jù)進行分析處理。系統(tǒng)就可以追蹤學習者的興趣愛好、課程學習情況、學習能力及風格等行為特點進行分析與預測,主動向?qū)W習者推薦合適的課程內(nèi)容、學習方法和志同道合的學習伙伴,為每個學習者創(chuàng)建適合自己的個性化學習環(huán)境。
(3)進行課程調(diào)整。利用大數(shù)據(jù)技術(shù)搜集和分析反饋數(shù)據(jù),可以幫助主講教師、助教以及技術(shù)人員對課程的內(nèi)容選擇、重點難點講解、內(nèi)容安排順序、時間片段長度等作出預測,對課程內(nèi)容安排作出合理調(diào)整。
3.研究MOOCs大數(shù)據(jù)的關(guān)鍵問題
學習者的交互學習、群體學習和個性化學習問題;課程的關(guān)鍵知識點、知識點搜索與關(guān)聯(lián)以及知識點與作業(yè)的關(guān)聯(lián)問題;教師的教學過程管理、作業(yè)互評、交互式課程安排和課程信息推薦等問題,具體情況如圖1所示。
三、學習分析與干預策略的研究
1.學習分析與干預在MOOCs中的必要性
學習分析和干預是一個新興的研究領(lǐng)域,它關(guān)注的是學習過程與學習環(huán)境大數(shù)據(jù)的處理,在線學習環(huán)境的設(shè)計、學習理論的發(fā)展以及在線數(shù)據(jù)使用中存在的問題。通過數(shù)據(jù)挖掘和分析在線學習過程中產(chǎn)生的大量數(shù)據(jù),了解學習者學習情況并及時發(fā)現(xiàn)學習中存在的問題,以此對學習者發(fā)出提示或警告,從而督促、引導學習者順利完成在線學業(yè)。
2.MOOCs學習分析的數(shù)據(jù)
MOOCs學習分析的主要數(shù)據(jù)有:學習者的學習風格和學習態(tài)度;學習行為,例如:平臺訪問次數(shù)、在線學習時長、下載次數(shù)、作業(yè)次數(shù)和訪問網(wǎng)站等;交互數(shù)據(jù),例如:學習互動次數(shù)、互動內(nèi)容、發(fā)帖次數(shù)等;表現(xiàn)數(shù)據(jù),例如:測驗成績、班級排名、是否進步等;情感數(shù)據(jù),例如:學習愛好、朋友圈等,具體情況如圖2所示。
3.學習干預策略的研究
對MOOCs大數(shù)據(jù)進行了數(shù)據(jù)挖掘和學習分析后,我們設(shè)計了一個基于數(shù)據(jù)挖掘、數(shù)據(jù)分析、狀態(tài)評估、預警干預的四步學習預警系統(tǒng),如圖3所示。該系統(tǒng)能對學習者的知識、行為、情緒三方面所處的狀態(tài)進行評估,并進行積極干預,提出合理化的干預策略,
四、應(yīng)用實例
1.學習分析和干預模型的建立
我們以中國大學MOOC課程《電路分析》為例,對學習者的各項數(shù)據(jù)進行收集和統(tǒng)計,對學習狀態(tài)進行分析,并進行有效干預,學習分析與干預模型如圖4所示。
2.學習分析和干預效果總結(jié)
研究結(jié)果證明,通過分析學習行為數(shù)據(jù),預測的學習效果比較準確,學習效果基本是學習行為的最終體現(xiàn),受學習者的教育背景、學習目的、學習投入、情感等多方面的影響。通過一定的學習干預后,學習者的學習效果、考試通過率都有所提高。
五、結(jié)束語
在互聯(lián)網(wǎng)+和大數(shù)據(jù)時代,追求個性化學習是學習者共同目標。在MOOCs大數(shù)據(jù)支持下進行的在線學習分析和干預,既可以提高廣大在線學習者個性化學習的績效;又能促進網(wǎng)絡(luò)學習、數(shù)字化教育、智能學習的發(fā)展,實現(xiàn)雙贏的局面[7]。但目前我國的教育大數(shù)據(jù)研究和學習分析仍然處在起步階段,要實現(xiàn)這一系列的數(shù)據(jù)采集和分析,學習預測和干預還面臨著技術(shù)水平、資金投入等方面的挑戰(zhàn),更需要廣大教育工作者全方位的努力。
參考文獻
[1]袁松鶴,王海榮,張偉,等.四個MOOCs平臺10門課程的比較研究——MOOCs教學的創(chuàng)新方向與啟示[J].中國電化教育,2014(10):42-52.
[2]吳錦輝.我國主要慕課(MOOC)平臺對比分析[J].高校圖書館,2015(01):11-14.
[3]劉和海,李起斌.“中國式MOOC”概念探討及平臺優(yōu)化策略研究——基于中文MOOC平臺的調(diào)查分析[J].現(xiàn)代教育技術(shù),2014(05):81-87.
[4]姜藺,等.MOOCs學習者特征及學習效果分析研究[J].中國電化教育,2013(11):54-59.
[5]金貴朝.MOOC支撐下的混合式教學模式研究[J].中國教育技術(shù)裝備,2015(02):8-10.
[6]Macfadyen L P, Dawson S. Mining LMS data to develop an “early warning system” for educators: A proof of concept[J].Computer & Education, 2010(54):588-599.
[7]楊現(xiàn)民,王榴卉,唐斯斯.教育大數(shù)據(jù)的應(yīng)用模式與政策建議[J].電化教育研究,2015(09):54-61、69.
[8]Essa A, Ayad H. Improving student success using predictive models and data visualisations[J]. Research in Learning Technology, 2012,(20):58-70.
基金項目:湖南省普通高等學校教學改革研究項目:《電工電子技術(shù)》課程線上線下混合式“金課”建設(shè)的研究與實踐(立項編號: HNJG-2020-0748)。