一種在線學習監督輔助系統的設計與研究*

陳智文，黃智偉

（武漢鐵路職業技術學院，湖北 武漢 430205）

隨著互聯網和信息技術的快速發展，人們獲取知識的方式和途徑發生了巨大的變化，帶來的“互聯網+教育”使得在線教育用戶數量不斷攀升，市場規模持續擴大。在線教育不受時間、空間和地點條件的限制，通過對線下學習模式中的授課內容進行電子化、視頻化，大大提高了學習的便利性。受新冠肺炎疫情影響，2020年春季學期延期開學，我國近3億師生根據教育部“停課不停學”的要求開展了史上最大規模的群體在線學習，全國本科高校108萬教師開出課程合計1 719萬門次，在線學習的大學生共計35億人次[1]。

1 研究現狀與問題

在線教學最核心的本質是學習者學會自主學習[2]。學習者的學習投入程度顯著影響其學業成績和認知發展[3]。在線學習是一種需要學習者具有高度自覺性的學習，沒有實體課堂，教師的“氣場”無法有效帶動學習者，學習者難以及時告知學習困難，教師也無法隨時感受到學習者的眼神和表情[4]。

在開展在線教育的過程中，網絡中的功能元素太過多樣化，信息量十分龐大，導致自控力不足的學習者無法專心學習，在打開在線教育平臺的同時可能打開娛樂軟件。學習者習慣于傳統的面授課堂，當置身于虛擬的學習環境中時難免出現目標偏離、學習效率低下等情況。當學習者的行為指向背離學習任務時往往不能像在傳統課堂學習時那樣及時被教師矯正，有時還會出現所謂的信息迷航現象，學習者不愿或不能自覺回到計劃的學習進程中。在線學習的這一特殊性決定了監督的重要性。

目前各大在線教育平臺的監督學習功能有限，部分平臺如釘釘、雨課堂、騰訊課堂等僅有打卡簽到功能，只能確定學習者進入了在線學習系統平臺，不能確定是不是本人打卡，且學習者打卡后是否一直在屏幕前也無從得知。當教師一對多進行學習指導時，學習過程更是難以監督，無法保證每個學習者都能認真學習在線教學內容，當學習者出現異常學習行為時，教師無法及時提醒及糾正。

2 系統的功能描述

針對在線學習中教師一對多授課時無法進行有效監督的情況，本文提出一種監督管理系統，可應用在移動端及PC端，全自動監督學習者的學習過程，當出現異常學習行為時進行警報提醒。

異常學習行為主要包括：其他人代上課，非活人上課（貼本人照片），上課中途離開、睡覺；在理論課程直播過程中，學習端設備顯示內容包含非教師講授視頻窗口；在計算機實際操作課程中（教師未開啟課件窗口），打開非教師允許使用的軟件。

本系統能夠協助教師對學習者的在線學習行為進行遠程監督，對學習者的異常學習行為進行警示及記錄，協助教師管理學習者，提高教師在線教學效率及學習者在線學習效率。

3 系統整體設計

本文提出一種基于數據挖掘的在線學習監督輔助系統，包括學習端、教學端、后臺管理三大部分。數據挖掘是一種決策支持過程，它主要基于人工智能、機器學習、模式識別、統計學、數據庫、可視化技術等高度自動化地分析數據，作出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整策略，減少風險，作出正確的決策。

本系統監督檢測所采用的技術就是數據挖掘技術，數據挖掘就是通過分析每個數據，從大量數據中尋找規律，主要有數據準備、規律尋找和規律表示3個步驟。數據準備是從相關的數據源中選取所需的數據并整合成用于數據挖掘的數據集；規律尋找是用某種方法將數據集所含的規律找出來；規律表示是盡可能以用戶可理解的方式（如可視化）將找出的規律表示出來。本系統采集的數據為教學端、學習端的頁面信息，利用學習端學習頁面信息具有一定統一性這一特征進行聚類等算法分析，從而挖掘學習端異常學習行為信息。

系統的整體結構見圖1。學習端包括人臉活體檢測模塊、頁面檢測模塊、應用程序識別模塊、流量檢測模塊、信用度模塊和警報模塊。在給每位學習者設置信用度的基礎上，系統通過人臉活體檢測模塊對學習端學習者的唯一性進行確認，通過頁面檢測模塊對學習者學習頁面的統一性進行檢測，在學習者需要自行練習操作時，通過異常程序識別及異常流量檢測來確保學習者學習行為的真實性，否則，發出警報。教學端包括應用程序控制模塊和警報記錄模塊。對于需要實操的課程，教師可自行設置被允許的應用程序，對學習者在線學習異常行為進行統計、記錄、分析。后臺管理用于連接和控制學習端、教學端，儲存并記錄學習者的所有信息。

圖1 系統整體結構圖

當學習端出現異常學習行為時，系統能夠自動檢測，根據相應的異常學習行為在學習設備上彈出不同的對話框進行警示，具體見圖2。

圖2 學習端警報彈窗圖

在教學端教學設備上也會有相應警示記錄提示（見圖3），并實時更新。當有學習者出現多次警示記錄時，教師可以根據實際情況進行點名提醒。

圖3 教學端警示記錄顯示圖

4 系統功能模塊設計

4.1 信用度模塊設計

信用度模塊由學習者使用系統學習的累計時長與學習者接收到的警報次數加權所得，它反映了學習者在線學習自覺性的高低。信用度模型見第131頁圖4，信用度=k1×信用度1+k2×信用度2。

圖4 信用度模型圖

本系統對學習者監督的頻率、信息采集的頻率會根據信用度的高低而變化。信用度越高系統采集信息的頻率越低，信用度越低系統采集信息的頻率越高。也就是說長時間使用本系統進行在線監督后，對于未檢測到任何不良學習行為的信用度高的學習者，沒有必要頻繁進行檢測，檢測頻率會從原始的5 s/次逐步降低為600 s/次，若后期檢測到該學習者做出了不良的學習行為，造成信用度降低，那么檢測頻率又會從600 s/次逐步上升；對于頻繁檢測到不良學習行為的信用度低的學習者，檢測頻率可能一直會保持最高頻率5 s/次。

4.2 人臉活體識別模塊設計

目前人臉識別技術已日趨成熟，應用廣泛，在在線教育行業主要被應用于在線考試，如職教云考試模塊、阿里培訓考試模塊、駕照考試等。人臉活體識別模塊除了“識人”外還“識真”，也就是說在系統面前不僅要確保這張臉是這個人的臉，還要確保這張臉是活體的人臉，而不是圖片、視頻或帶著面具的人臉。“識真”可以通過眨眼、搖頭、點頭等組合動作驗證用戶是否為真實活體本人，最大程度監督和確保是學習者本人在進行學習。

本系統會不定時通過學習端攝像頭采集學習者圖像，與原始登記照片進行匹配，使用人臉關鍵點定位和人臉追蹤等技術“識人”“識真”。當系統檢測到面部識別不匹配、無頭像、非活人等情況時，學習端會彈出提示框進行相應的警報提醒。人臉活體識別流程見圖5。

圖5 人臉活體識別流程圖

4.3 頁面檢測模塊設計

目前的頁面檢測技術主要應用于在線考試防作弊機制，使用固有頻率截屏或錄屏，人為監控查看異常防止作弊，或者進行頁面跳出檢測，當跳出當前頁面時會自動記錄及提醒。本系統的頁面檢測模塊主要針對在線理論課程，當教學端與學習端頁面內容顯示一致時，根據學習者信用度以自適應的頻率對學習端設備進行截屏，使用聚類分析的算法，與教學端的頁面進行匹配，發現異常點，發出警報。學習者最小化、關閉教師直播分享頁面或者是瀏覽其他頁面等與教師頁面顯示不一致的情況均能通過頁面檢測模塊發現。頁面檢測流程見圖6。

圖6 頁面檢測流程圖

4.4 應用程序識別模塊和流量檢測模塊設計

對于實際操作的課程，當教師講授完理論部分后學習者需要使用PC端自己動手操作，教學端與學習端的頁面顯示不可能一直保持一致，此時已不能使用頁面檢測模塊，故提出應用程序識別模塊與流量檢測模塊。教師通過應用程序控制模塊開放課程所需的一部分應用程序權限，如“C語言程序設計”課程開放VC++使用權限，“信息技術基礎”課程開放Office使用權限等。當學習端開啟了非教學端允許的應用程序時，系統則發出警報。考慮到有些課程需要用到瀏覽器查找資料，為避免學習者通過瀏覽器在線觀看視頻，故補充流量檢測模塊，對于流量使用異常情況系統也會發出警報并記錄。應用程序識別和流量檢測流程見第132頁圖7。

圖7 應用程序識別和流量檢測流程圖

4.5 警報模塊設計

通過各檢測模塊檢測，當學習端出現面部識別不匹配及無頭像、頁面與教學端頁面不匹配、使用非教師授權的應用程序、流量使用異常等情況時，系統會進行彈框提醒。當學習者收到警示彈框提醒時只能停止異常學習行為，否則系統會不斷彈出警示窗口，警示次數不斷累積。后臺也會對日期、姓名、班級、時間、警報異常項、累計次數、截屏異常圖像進行統計、存儲、記錄，方便教師對教學情況進行分析。

5 系統的應用優點

本系統根據在線統一教學過程中學習端頁面某種程度的一致性，基于數據挖掘技術為學習過程的監督做好了軟件條件的準備，手機端/PC端的普及為本系統的應用做好了硬件條件的準備。系統具有以下特點。

1）自適應控制檢測頻率，節約網絡資源。本系統首次提出學習信用度概念，信用度由學習者使用系統學習的累計時長與學習者接收到的警報次數加權所得，將學習者的學習自覺性進行量化，劃分信用等級。根據信用等級自適應地控制系統檢測頻率，例如對于自覺性強的學習者，可以降低監督頻率；對于自覺性弱的學習者，更有針對性地進行監督，從而有效節省網絡帶寬，提升傳輸效率。

2）監督檢測適用條件廣泛。在線課程不管是統一上的理論課程還是實際操作課程，本系統均能進行有效監督。針對理論課程，教學端與學習端頁面必然保持一致，通過頁面檢測模塊實現監督；針對實際操作課程，通過應用程序識別模塊及流量檢測模塊實現監督。

3）異常學習行為檢測廣泛。本系統的監督檢測貫穿于教師統一在線授課的全過程，包括學習者身份的確認，是否出現其他人或假人代替上課，學習者是否睡覺、消失；在教師講授課程時，學習端展示的頁面是否跟教學端頁面保持一致，學習者是否打開了其他窗口，是否關閉了教師課程展示的窗口；當教師允許學習者自行操作時，學習者是否打開了其他無關軟件等。本系統對整個在線教學實行全過程監督，最大程度監控學習者的學習行為。

6 結束語

本文提出一種在線學習監督輔助系統，在計算學習信用度的基礎上，通過人臉活體檢測、頁面檢測、警報等模塊分析在線學習者的異常學習行為。本系統能夠推動“互聯網+教育”的普及，對自覺性不強的低、中、高年級的在線學習者均能進行監督，從而提高學習者在線學習的自律性。