以MOOC為基礎的個性化學習路徑的生成與探索

熊婭 徐洪勝 唐海

摘要：當前，以MOOC為代表的網絡教育平臺為在線學習者推薦學習資源時往往沒有針對其個性，從而導致學習者面對眾多推薦資源感到困惑，不知以何種學習路徑進行高效率、高質量的學習。在分析MOOC平臺在線教育特點的基礎上，提出線上與線下融合教學模式的改進方法與策略，設計為學習者精準推送合理、可行、高效的個性化學習路徑，同時也為MOOC課程建設提供一個重要突破點。

關鍵詞：MOOC；學習路徑；融合教學模式

一、前言

近年來，隨著互聯網技術的飛速發展，學習的范圍和方式發生了翻天覆地的變化。MOOC作為在線學習的領軍平臺，打破了傳統課堂學習的時空限制，為學習者提供了規?；㈤_放式的學習機會。然而，盡管MOOC平臺具備諸多優勢，但學習者面臨著學習效率低下和學習質量不穩定的問題。因此，如何解決學習者在網絡學習過程中常見的信息過載、學習迷航等困擾，成為在線網絡教育領域亟待解決的熱點問題。 鑒于當前在線網絡教育蓬勃發展的態勢，本文立足于MOOC平臺個性化學習路徑的不足之處，旨在提出一個切實可行、高效的解決方案，以期為在線學習的持續優化提供新的思路和方法。

二、MOOC的發展情況及特點

（一）MOOC的由來及其發展情況

MOOC的全稱為“Massive Open Online Course”，中文名為“大規模在線開放課程”。MOOC的概念最早在2008年由加拿大的兩位學者Dave Cormier和Bryan Alexander在“聯通主義和聯結知識”（Connectivism and Connective Knowledge）網絡課程中提出，這門課程成功地運用了聯通主義學習理論，支持了大規模在線學習，成為世界上第一門MOOC課程。自此之后，世界各地的名校紛紛加入了MOOC的浪潮[1]。

2012年，美國多所頂尖大學相繼建立了在線學習平臺，標志性事件包括斯坦福大學的Udacity初始開設24門課程，早期兩節課就吸引了九萬名注冊學生。同年4月，斯坦福教授達芙妮·科勒和吳恩達共同創立的Coursera迅速成為最大的在線學習平臺，至2013年6月，已與70所高校建立合作。此外，哈佛大學和麻省理工學院于2012年5月聯合推出了edX平臺，由麻省理工的計算機科學教授領銜，最初7門課程的注冊學生達53000人。一年后，edX的合作機構增至28家。這些事件標志著MOOC的快速發展，推動了在線學習的普及和全球化趨勢。

在互聯網和信息技術的支持下，MOOC在線教育平臺可以讓幾萬、幾十萬甚至上百萬名學習者同時學習，突破了線下教育學習的空間限制，只要服務器容量不受限制，上課人數就不受限制，“大規?！睂W習得以實現。而“大規模”使課程價值無限被放大，幾十萬人同上一門課，其經濟效益超出了世界上最好的大學，這也是MOOC具有巨大商業價值的精髓之處。一直以來，MOOC的核心理念在于開放和分享優質的學習資源，與現代教育倡導的共同創造和分享的時代精神和基本理念相吻合。開放意味著不受身份、國籍、年齡、膚色等條件限制的學習者都能通過網絡，獲取世界上優質的教育資源?！敖换ァ币彩荕OOC的重要特性之一，實時交互使MOOC具有了類似于傳統線下課堂面對面的交流模式，特別是學習者之間的交流，因為不受時間和空間的限制，線上的平臺交流就更為方便、快捷和高效[2]。在MOOC學習中，有些平臺還提供了作業自動測評、自動回答提問等功能，這種實時交互體現了學習的及時反饋，提升學習者參與學習活動的積極性，培養學生獨立思考的能力，促使學習者知曉自身學習存在的不足與劣勢，及時查漏補缺、揚長避短。

MOOC雖然具有以上眾多優勢，但是在“個性化”教育方面還存在明顯短板：由于學習者與學習資源的數據規模龐大，MOOC平臺下的在線教學活動，無法像線下傳統課堂那樣，教師與學習者進行一對一的、充分的、因材施教的個性化學習輔導。當前的MOOC平臺難以做到為學習者精準推送符合其學習風格、認知水平等學習特征的學習資源，導致學習者的學習效率不高，學習目標不明確。

（二）MOOC的特點及其突出問題

學習路徑一般是指達成有效學習的學習活動所形成的路線與序列[3]。SCORM標準給出了學習路徑的詳細定義：學習路徑是指學習者在一定的學習策略引導下，根據其學習目標對學習內容進行學習所需要完成的學習活動的路線與序列[4]。“學習路徑”實際上指的是在特定學習策略的指導下，學習者生根據他們的學習目標、學習內容、知識基礎和現有環境，對即將進行的學習活動進行規劃和排序的過程[5]。

當前在線學習網站具有海量的學習資源，學習者很容易獲取學習資源，那么先學什么后學什么呢？按照章節目錄進行未必就是最高效的學習路徑。眾多專家、學者和科研機構研究認為，為了減輕學生在網絡學習過程中遇到的“信息過載”和“學習迷航”等問題，可以向學生推薦適應個性化因素（如學習風格和認知水平）的學習路徑。通過這樣的個性化學習路徑推薦，學習效果將得到提升，學習效率也會提高。這個方面的研究從一定程度上可以改善在線學習效率不高的問題。縱觀國內外，個性化學習系統領域自20世紀90年代以來就逐漸引起一些學者和科研機構的關注，而個性化學習路徑研究的發展隨著個性化學習系統的盛行而日益蓬勃。

在全球教育研究的領域中，尤其在歐美等西方國家，早期的學者們已經開始深入探索學習路徑的研究與實踐，他們采用了包括有意義學習理論和模糊神經網絡在內的多種先進理論框架與技術手段。這些研究工作主要集中在在線開放課程平臺，通過對學生的知識掌握程度、學習動機和興趣傾向進行精確評估與分析，從而向學生推送更加個性化的學習內容，不僅實現了教學內容的個性化定制，而且促進了教育資源的有效分配。進一步，研究者還利用知識空間理論及布魯姆的教育目標分類法來為學習者設計出與其認知水平相匹配的個性化學習路徑，有效提升了學習效率和教學質量。中國雖然在這一領域起步較晚，但已通過對學習者行為和偏好的深入分析，結合先進的數據挖掘技術，如AprioriAll算法，成功地為不同的學習者群體開發出更為精確和個性化的學習路徑，不僅開拓了差異化教學的新視角，也為教育個性化提供了強有力的理論支撐和實踐指導。此外，針對自適應學習路徑的構建及其特性的探討，特別是通過建立基于學習特征的自適應學習路徑生成框架，進一步深化了個性化學習設計的理論基礎，同時為實現更加高效和精準的教育教學提供了創新的技術支持和策略方向，展現了教育技術與教育理念相結合的巨大潛力。

在國內外學術界，對個性化學習路徑的研究逐漸展現出深入與廣泛的趨勢，從探索學習者的學習風格出發，發展至涉及學習者認知水平的研究，最近更是擴展到了對學習情緒的考查。隨著這些研究的深入，涌現出多種旨在解釋和滿足學習者獨特需求的個性化學習理論。盡管這些理論極大豐富了領域內的研究視角，但至今尚未出現一個被廣泛認可且效能顯著的個性化學習系統，顯示出個性化學習路徑研究仍處在探索的過程中。這一情況揭示了盡管計算機科學在個性化學習方面已取得進步，但實現真正個性化的教育目標還面臨諸多挑戰。例如，如何有效整合學習者的需求、情緒及認知狀態等多維因素。因此，個性化學習路徑的研究在計算機科學領域仍具有巨大的發展潛力，需要該領域研究者繼續深入探索，通過創新技術與算法來推進個性化學習的效率和準確性。

三、個性化學習路徑研究

以歐美為首的西方國家很早就對學習路徑開展了研究和實踐，美國匹茲堡大學Peter Brusilovsky在MOOC學習平臺上，基于奧蘇泊爾的有意義學習理論，采用模糊神經網絡方法來評估學生的知識水平、動機和興趣偏好，這樣可以推送符合學生需求的學習內容，實現個性化的學習路徑定制。奧地利格拉茨大學的Nussbaume采用知識空間理論和布魯姆目標分類法對學習者的認知水平進行評估，并制定出適合學習者的學習路徑。國內對該領域的研究稍晚，但仍取得了一定的進展。姜強等基于AprioriAll算法[6]，通過挖掘分析具有相同或相似學習偏好和知識水平的群體的學習行為軌跡，基于學習者特征與學習材料的媒體類型、理解層次和難度等級的匹配度來生成精確的個性化學習路徑，為差異化教學提供了新的視角。牟智佳等從自適應學習路徑的內涵與特征的視角[7]，闡述了數據挖掘技術與自適應學習支持服務之間的關系，并提出了一個基于學習特征模型的自適應學習路徑生成框架。

從國內外的研究歷程來看，近些年來對個性化學習路徑的研究越來越深入，其研究范圍也越來越寬廣，從最開始的學習風格、隨后的學習者認知水平，到現在的學習情緒研究，以及隨之而來的是各種各樣的個性化理論層出不窮，但并未有大家一直認可的高效學習系統的出現，因而學習路徑的研究仍處于探索階段，個性化學習還有很大的發展空間。

四、個性化在線學習路徑生成與探索

（一）線上與線下教學模式融合

為解決在線學習效率不高的問題，印度NIIT公司基于E-Learning的使用和實踐提出了“融合式學習”的學習方式，它是互聯網與傳統教育模式相融合的全新范式。融合式學習在形式上是把傳統的課堂面對面學習方式和以MOOC為核心的在線學習方式有機結合，其本質是以學習者為中心的教育范式。融合式學習以目標達成作為教育原則，倡導個性化學習和主動學習，既要充分利用互聯網豐富的教育資源和便捷的交互技術，又要全面發揮教師在學習過程中的控制、啟發和引導作用，提高學生的學習效率和學習質量，全面培養學生的個性化學習[8]。鑒于線下傳統課堂面對面教學高質量、高效率的特點，本文考慮將線下學科專家的專業知識、教學經驗等融入線上的網絡教學中，線上是以學習者為主，線下是以教師為主，兩者相互作用，為在線學習者精準推送合理、可行、高效的個性化學習路徑，提高在線學習的效率。如何將傳統的課堂教學經驗與線上的網絡學習模式相融合，從而構建個性化的學習路徑，提高學習者學習的高效性將是研究重點。

（二）個性化在線學習路徑生成研究思路與方法

對于個性化在線學習路徑生成，采用線上與線下優勢互補的融合教學手段。首先運用大數據處理技術進行聚類分析，甄選出在線學習者對于某門學科學習路徑的各種不同類別，然后通過教育專家的線下指導，對各種學習路徑加以評價，再運用半監督機器學習方法構建優化學習路徑，最后再經由線上將優化學習路徑結合學習者自身的認知水平、學習風格等特征為學習者精準推送合理、可行、高效的個性化學習路徑。

個性化在線學習路徑生成思路如圖1所示，包括以下內容：

1.各類學習路徑的生成

基于大數據挖掘的方式，通過MOOC等在線學習平臺以及已有的在線學習系統，將相關的學習者信息存儲至在線學習信息庫，主要記錄學習行為、學習軌跡、消息記錄、在線時長等信息。運用數據挖掘等方法對在線學習信息庫進行聚類分析，得到各類學習路徑。

2.優化學習路徑的生成

線下專家對各類學習路徑進行分析以適應不同的學習風格，對不同風格學習路徑中的個例進行標注，運用半監督機器學習技術，針對不同學科的學習路徑，將各類學習路徑轉化為適應不同學習風格的優化學習路徑。

3.個性化學習路徑的生成

在優化學習路徑之后導入學習者模型以及具體學習行為數據，通過個性化學習路徑生成算法，獲得個性化學習路徑。將個性化學習路徑推送至學習者，學習者再對個性化學習路徑進行評價反饋，形成閉環。

五、結語

目前有關學習者的個性化學習路徑的研究、學習路徑的構建大多以線上學習者的學習需求、學習方式以及資源愛好等為主，很少有研究考慮結合線下人工的干預和指導。本文結合線上與線下的融合學習模式，立足于當前在線網絡教育的蓬勃發展以及半監督機器學習方法的深入研究，加之大數據、云計算、人工智能等先進信息化技術的運用，提供一個切實可行的高效策略，實現線上線下學習方式的優勢互補，生成適應學習者自身學習特點的個性化學習路徑。

參考文獻

[1]杜世純. MOOC背景下混合式學習的實現路徑與效果評價研究[D].北京：中國農業大學，2017.

[2]劉艷春.MOOC+SPOC新型混合式教學模式知識互動研究[D].哈爾濱：哈爾濱工業大學，2018.

[3]黃志芳.面向E-Learning的適應性學習路徑推薦研究——以初中物理課程為例[D].武漢：華中師范大學，2015.

[4]彭紹東.基于SCORM標準的“學習路徑”設計[J].現代教育技術，2010，20（08）：114-119.

[5]李光泉.基于學習者個性的教育資源推薦服務研究[D].南昌：江西財經大學，2018.

[6]姜強，趙蔚，李松，等.大數據背景下的精準個性化學習路徑挖掘研究——基于AprioriAll的群體行為分析[J].電化教育研究，2018，39（02）：45-52.

[7]牟智佳.學習者數據肖像支撐下的個性化學習路徑破解——學習計算的價值賦予[J].遠程教育雜志，2016，34（06）：11-19.

[8]杜世純.MOOC背景下混合式學習的實現路徑與效果評價研究[D].北京：中國農業大學，2017.

基金項目：湖北省教育科學規劃2020和2022年度重點課題（項目編號：2020GA045、2022GA049）

作者單位：熊婭，湖北汽車工業學院和重慶三峽職業學院；徐洪勝、唐海，湖北汽車工業學院

■ 責任編輯：王穎振、楊惠娟