秦燕

摘要：在線課程作為在線教育的一種形式，在我國高校已經(jīng)得到了廣泛應(yīng)用，它具有開放性、交互性和個性化等特點(diǎn)，給學(xué)生提供了更加廣闊的學(xué)習(xí)空間。在線課程的搭建需要借助大數(shù)據(jù)技術(shù)進(jìn)行輔助支持，以實(shí)現(xiàn)對用戶信息和教學(xué)過程的有效管理。這就要求教師在使用線上資源時必須具備一定的數(shù)據(jù)分析能力和處理手段，收集并分析學(xué)生學(xué)習(xí)行為數(shù)據(jù)，建立適合學(xué)生特點(diǎn)的個性化教學(xué)模式。本文從個體學(xué)習(xí)者視角研究在線課程的設(shè)計與評價問題，通過分析在線課程設(shè)計過程中涉及的學(xué)習(xí)資源、學(xué)習(xí)活動和學(xué)習(xí)效果等要素及其相互關(guān)系，構(gòu)建完整的在線課程設(shè)計框架體系。

關(guān)鍵詞：大數(shù)據(jù)分析；在線課程；學(xué)習(xí)行為；數(shù)據(jù)標(biāo)準(zhǔn)；策略探究

引言

在線開放課程是互聯(lián)網(wǎng)技術(shù)與教育深度融合的產(chǎn)物，以其豐富的教學(xué)內(nèi)容和多樣化的學(xué)習(xí)方式給高校帶來了全新的發(fā)展機(jī)遇。目前，各級行政院校已經(jīng)開展了相關(guān)研究，但是對于如何在線上教學(xué)中提高教學(xué)質(zhì)量卻缺乏足夠的認(rèn)識，為此，必須從理論層面探討“線上線下一體化教學(xué)模式”。

1. 在線課程學(xué)習(xí)行為數(shù)據(jù)標(biāo)準(zhǔn)設(shè)計

1.1 設(shè)計理念

在線課程學(xué)習(xí)行為作為一種新的研究視角，能夠?yàn)閷W(xué)習(xí)者提供個性化服務(wù)，以實(shí)現(xiàn)對學(xué)習(xí)者自主能力和創(chuàng)新能力的培養(yǎng)。個性化教學(xué)作為當(dāng)今時代的新型教育理念與方法，強(qiáng)調(diào)了學(xué)生在知識建構(gòu)過程中的主體地位[1]。在線課程設(shè)計應(yīng)注重從“教”到“學(xué)”，從“教師中心”向“學(xué)生中心”轉(zhuǎn)變；要將課堂教學(xué)融入課堂外的活動中，使教與學(xué)融為一體，真正發(fā)揮在線課程學(xué)習(xí)功能。

在設(shè)計學(xué)生行為數(shù)據(jù)標(biāo)準(zhǔn)時，必須遵循以下原則：其一，采用結(jié)構(gòu)化、模塊化、可擴(kuò)展的數(shù)據(jù)采集方式，進(jìn)行多維度、多層次的數(shù)據(jù)分析，構(gòu)建一個完整的數(shù)據(jù)庫結(jié)構(gòu)體系，基于數(shù)據(jù)挖掘技術(shù)分析在線課程學(xué)習(xí)行為特征。其二，根據(jù)實(shí)際需求進(jìn)行分析并提取特征變量，形成具有一定可信度的特征向量，再運(yùn)用模糊聚類分析法建立評價模型，從而有效識別出在線課程學(xué)習(xí)行為模式。通過實(shí)驗(yàn)驗(yàn)證所提出算法的可行性及有效性，結(jié)果表明該方法能準(zhǔn)確高效地辨識出不同類型用戶的在線課程學(xué)習(xí)行為特點(diǎn)，并有針對性地制定相應(yīng)的教學(xué)策略。其四，依據(jù)模型結(jié)果進(jìn)行調(diào)整及改進(jìn)，利用可視化編程語言（Visual Basic6.0）開發(fā)完成一套針對不同層次、不同水平的網(wǎng)絡(luò)學(xué)習(xí)人群的個性化教學(xué)系統(tǒng)平臺，包括注冊登錄模塊、個人信息管理模塊、學(xué)習(xí)監(jiān)控管理模塊、在線答疑模塊等功能模塊，同時給出各部分具體流程。

例如：列舉在線學(xué)習(xí)中所發(fā)生的個體學(xué)習(xí)行為，主要有以下幾類（見表1）：第一，觀看視頻次數(shù)、瀏覽時間、點(diǎn)擊次數(shù)。第二，單視頻觀看數(shù)、多視頻觀看數(shù)、總觀看數(shù)、平均每秒鐘瀏覽數(shù)等指標(biāo)。第三，單元測試完成數(shù)量、成績排名以及相關(guān)信息查詢統(tǒng)計，學(xué)生單元測驗(yàn)成績、綜合測評分?jǐn)?shù)等內(nèi)容。第四，討論區(qū)主題設(shè)置、討論問題形式、話題選擇等。

1.2 學(xué)習(xí)行為數(shù)據(jù)挖掘

1.2.1 關(guān)聯(lián)分析

學(xué)習(xí)行為關(guān)聯(lián)分析是基于學(xué)生的課堂行為表現(xiàn)來預(yù)測和診斷學(xué)習(xí)效果，并為改進(jìn)教學(xué)提供依據(jù)。以分析視頻觀看人數(shù)與時間序列中某一時間段內(nèi)學(xué)習(xí)者完成某一動作時所需花費(fèi)時間間隔作為特征指標(biāo)。運(yùn)用支持向量機(jī)（SVM）對數(shù)據(jù)進(jìn)行建模和分類發(fā)現(xiàn)，通過對實(shí)驗(yàn)結(jié)果分析可知，學(xué)習(xí)行為之間存在一定相關(guān)性，且有較高相關(guān)度，不同維度下各變量間也具有顯著的關(guān)聯(lián)性。

計算觀看25個以上視頻與考核成績關(guān)聯(lián)支持度和置信度，假設(shè)所有樣本均達(dá)到最大似然估計精度，利用最小距離法構(gòu)建了多階段模型。結(jié)果顯示：當(dāng)測試人數(shù)大于3人或每節(jié)課時長不超過15分鐘時，訓(xùn)練后的分類器能夠有效識別出每個被試者的學(xué)習(xí)成績。若測試人數(shù)小于1人或者每課時長度不超過5分鐘時，則需要增加更多的訓(xùn)練樣本才能取得更好效果。同時，根據(jù)測試人數(shù)以及每次練習(xí)的次數(shù)等因素建立相應(yīng)的權(quán)重系數(shù)矩陣，將其引入決策樹算法中得到最優(yōu)解，從而使最終獲得的決策更為準(zhǔn)確可靠。

在制定學(xué)習(xí)行為標(biāo)準(zhǔn)時，應(yīng)綜合考慮教師、課程、學(xué)生三方面的影響因素。學(xué)生觀看視頻指標(biāo)可不納入考慮范圍，可以采用一個簡單量化指標(biāo)即看完某一影片之后所需的時間占總學(xué)時的比例衡量。除此之外，還可結(jié)合其他相關(guān)指標(biāo)如平均上課時數(shù)、聽課效率、課業(yè)負(fù)擔(dān)程度等加以判斷。

1.2.2 分類分析

假設(shè)某一單元單個教學(xué)視頻為10分鐘，學(xué)生的觀看時長與學(xué)習(xí)內(nèi)容呈現(xiàn)時間相等，其中，單元成績以“知識”和“技能”兩個維度進(jìn)行計算，如A組5分鐘、B組20分鐘、C組30分鐘。實(shí)驗(yàn)結(jié)果表明，在相同條件下，采用不同長度的教學(xué)視頻對同一班級中各個體學(xué)習(xí)成績產(chǎn)生影響的效果存在差異。隨著視頻播放時長增加，學(xué)習(xí)效果會隨之提升，且當(dāng)播放時長超過50分鐘后，A組與B組均出現(xiàn)了顯著的正向變化（P＜0.05），而C組與D組中只有1人出現(xiàn)顯著差異。此外，A組和D組在播放時間間隔上也表現(xiàn)出顯著差異，但A組與D組在此方面并沒有達(dá)到顯著性水平（P＞0.05）?？梢姡處熞⒁飧鶕?jù)教學(xué)內(nèi)容及學(xué)生特點(diǎn)合理選擇恰當(dāng)?shù)慕虒W(xué)視頻長度。

利用大數(shù)據(jù)挖掘、分類分析、關(guān)聯(lián)規(guī)則等方法，將學(xué)生學(xué)習(xí)行為與學(xué)習(xí)效果聯(lián)系起來，從動態(tài)角度掌握學(xué)習(xí)者的學(xué)習(xí)狀態(tài)，幫助其構(gòu)建完整的學(xué)習(xí)策略體系。此外，在數(shù)據(jù)分析的幫助下，可以為教師設(shè)計有效的教學(xué)策略提供依據(jù)，提前干預(yù)學(xué)生的學(xué)習(xí)態(tài)度與策略調(diào)整方向，實(shí)現(xiàn)教與學(xué)的平衡發(fā)展。

2. 在線課程學(xué)習(xí)行為數(shù)據(jù)標(biāo)準(zhǔn)內(nèi)容

2.1 數(shù)據(jù)采集

利用聚類分析法對學(xué)習(xí)群體進(jìn)行分類時，首先，要對聚類對象的信息和屬性有一個全面準(zhǔn)確的把握，在此基礎(chǔ)上確定初始類簇，即將聚類對象分成若干個具有相同特征且相互獨(dú)立的類簇[2]。根據(jù)每個子群所包含的成員數(shù)及其所屬類別來選擇合適的參數(shù)，以達(dá)到優(yōu)化劃分結(jié)果的目的。

其次，針對在線課程學(xué)習(xí)行為存在隨機(jī)性、模糊性及不確定性等特點(diǎn)，提出一種基于模糊隸屬度函數(shù)的模糊多目標(biāo)粒子群算法（FMPPSO），該方法通過引入模糊集理論將不同專家給出的評價轉(zhuǎn)化為多個指標(biāo)綜合考慮，并采用改進(jìn)的自適應(yīng)變異算子提高了種群多樣性。同時，為了避免早熟收斂現(xiàn)象，還應(yīng)設(shè)計新的適應(yīng)度函數(shù)來衡量個體與全局最優(yōu)解之間的差距。

最后，將上述兩種策略相結(jié)合形成了一套有效的在線課程教學(xué)支持體系框架，包括教師授課方式、學(xué)生聽課模式、課下作業(yè)布置形式、課后輔導(dǎo)指導(dǎo)四個方面內(nèi)容。用測試集分析各模塊的有效性，實(shí)驗(yàn)結(jié)果表明，本文所提方案能較好地完成在線課程教學(xué)支持系統(tǒng)中各個功能模塊的實(shí)現(xiàn)工作，取得良好的教學(xué)效果，可以作為今后進(jìn)一步研究的方向。

2.2 行為指標(biāo)設(shè)計

對采集的數(shù)據(jù)進(jìn)行處理，有針對性和有效地挖掘?qū)W習(xí)行為，為學(xué)生提供個性化指導(dǎo)。學(xué)習(xí)行為指標(biāo)包括：學(xué)習(xí)者特征（性別、年齡等）、學(xué)習(xí)策略（使用時間、頻率等）、學(xué)習(xí)態(tài)度（情感體驗(yàn)、焦慮狀態(tài)等）[3]。在此基礎(chǔ)上提出基于數(shù)據(jù)挖掘技術(shù)的教學(xué)輔助系統(tǒng)框架，實(shí)現(xiàn)從學(xué)習(xí)者個體角度出發(fā)的個性化教學(xué)策略制定。根據(jù)不同階段學(xué)習(xí)者特點(diǎn)，設(shè)計以“目標(biāo)設(shè)定”“知識呈現(xiàn)”“自我評價”“反饋矯正”四個維度為主線的具體策略實(shí)施步驟，形成一個完整的教學(xué)輔助系統(tǒng)架構(gòu)。

設(shè)置指標(biāo)時，應(yīng)充分考慮不同學(xué)習(xí)者的群體特征以及各因素之間的相互影響作用。采用層次分析法確定各項(xiàng)參數(shù)權(quán)重系數(shù)，并通過模糊綜合評判法建立模型，最終獲得相應(yīng)策略效果評估結(jié)果，即針對某一特定學(xué)習(xí)者開展對應(yīng)的教學(xué)活動或活動組合方案。例如，利用機(jī)器學(xué)習(xí)算法優(yōu)化試題質(zhì)量，提高考生成績預(yù)測準(zhǔn)確性，使其成為具有較高信度與效度的測評工具。構(gòu)建一種基于元認(rèn)知理論的自主學(xué)習(xí)模式，引導(dǎo)學(xué)習(xí)者樹立正確的學(xué)習(xí)動機(jī)，促進(jìn)其主動探索學(xué)習(xí)過程，從而有效提升學(xué)習(xí)效果。

2.3 數(shù)據(jù)清洗和分析

數(shù)據(jù)清洗是指對數(shù)據(jù)源中的錯誤、冗余或不一致等信息進(jìn)行識別和過濾，以獲得正確而可靠的結(jié)果。清理后的數(shù)據(jù)在后續(xù)處理中起著至關(guān)重要的作用，包括查詢優(yōu)化、數(shù)據(jù)分析、數(shù)據(jù)挖掘等方面，可大大提高系統(tǒng)性能。由于目前大多數(shù)數(shù)據(jù)庫都采用基于規(guī)則的方法來實(shí)現(xiàn)數(shù)據(jù)錄入與更新，因此如何有效地將大量非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換成具有語義意義的結(jié)構(gòu)化數(shù)據(jù)顯得尤為重要[4]。通過分析上一步數(shù)據(jù)，在線課程學(xué)習(xí)行為模型能夠得到學(xué)習(xí)者當(dāng)前所處位置的相關(guān)特征信息，并以此作為學(xué)生學(xué)習(xí)效果評估指標(biāo)，有助于教師根據(jù)這些特征向量調(diào)整教學(xué)策略。當(dāng)教師發(fā)現(xiàn)群體學(xué)習(xí)規(guī)律以及個別化規(guī)律，應(yīng)有針對性地改進(jìn)教學(xué)方法，提高教學(xué)效率，構(gòu)建一個高效且能反映出個體差異性的在線課程管理平臺，為不同層次的用戶提供個性化服務(wù)。

2.4 分析機(jī)制

模型中的另一個模塊為分析機(jī)制模塊，對學(xué)習(xí)者數(shù)據(jù)進(jìn)行聚類分析，根據(jù)聚類結(jié)果將學(xué)習(xí)者劃分成不同層次，并針對不同層次設(shè)計相應(yīng)的教學(xué)方案。利用模型中的各個功能模塊完成基于網(wǎng)絡(luò)學(xué)習(xí)環(huán)境的個性化教學(xué)模式的構(gòu)建和應(yīng)用，該系統(tǒng)通過用戶行為記錄、在線測驗(yàn)以及反饋等功能實(shí)現(xiàn)了對學(xué)生學(xué)習(xí)過程的實(shí)時監(jiān)控。利用模型將學(xué)生的信息進(jìn)行分類后，采用“先分后合”的策略，按照學(xué)生在每一階段所需要掌握的知識點(diǎn)，分門別類地推送給每個學(xué)習(xí)者。同時還可以建立一種新的知識組織模式——以教師為中心的分層式結(jié)構(gòu)，把復(fù)雜而抽象的教學(xué)內(nèi)容轉(zhuǎn)化成為便于理解與記憶的層次化形式。利用模型將學(xué)生的學(xué)習(xí)行為進(jìn)行可視化處理，并結(jié)合數(shù)據(jù)挖掘技術(shù)，從多個維度揭示學(xué)生之間存在差異的原因，從而制定更為有效的教學(xué)策略。

例如，其一，在線反饋機(jī)制。該模塊提供多種方式的反饋渠道，包括在線測試、課堂提問、作業(yè)批改、答疑解惑、考試閱卷等等。對學(xué)習(xí)資源進(jìn)行整合和管理，形成一套完善的網(wǎng)上教學(xué)服務(wù)系統(tǒng)。其二，診斷。為了更好地達(dá)到在線學(xué)習(xí)教學(xué)效果，提出了一個評價指標(biāo)體系來衡量學(xué)習(xí)效果，其中包含五個一級指標(biāo)，即學(xué)習(xí)成績、課程設(shè)置情況、學(xué)習(xí)態(tài)度、個人能力水平及自我認(rèn)知狀況。診斷結(jié)果包括三個二級指標(biāo)，分別是學(xué)科成績（A級）、總體表現(xiàn)（B級）、個別表現(xiàn)（C級）。其三，學(xué)習(xí)習(xí)慣及偏好。通過學(xué)習(xí)平臺的行為路徑、內(nèi)容導(dǎo)航、活動安排等方面向用戶呈現(xiàn)具體的學(xué)習(xí)傾向，幫助用戶調(diào)整自己的學(xué)習(xí)方向。另外，用戶可根據(jù)自身特點(diǎn)選擇適合自己的學(xué)習(xí)策略，如自主探索性學(xué)習(xí)、協(xié)作探究型學(xué)習(xí)、任務(wù)驅(qū)動型學(xué)習(xí)等。

2.5 模型選擇與構(gòu)建

大數(shù)據(jù)分析必須在數(shù)據(jù)收集、分析和挖掘等方面實(shí)現(xiàn)深度融合，才能更好地發(fā)揮其價值。目前，常采用的分析法有以下幾種：基于統(tǒng)計方法（如回歸分析方法）、以經(jīng)驗(yàn)為基礎(chǔ)的判斷法、通過數(shù)據(jù)挖掘找出規(guī)律來預(yù)測未來發(fā)展趨勢的算法等等。對于算法與模型選擇，通常根據(jù)所研究問題的特征進(jìn)行綜合比較[5]。例如，利用模糊理論對復(fù)雜系統(tǒng)中的參數(shù)變化情況做出估計時，可以將樣本點(diǎn)作為一個總體變量處理。當(dāng)不考慮個體因素影響或只需使用某一種類型指標(biāo)時，則可將所有樣本點(diǎn)均視為總體變量。在參數(shù)范圍的選擇中，需要注意一些原則：第一，應(yīng)充分考慮各群體之間的差異；第二，要從整體出發(fā)，而不是從單個對象的角度去考慮事物間的關(guān)系；第三，選取具有代表性的指標(biāo)組合；第四，盡量避免“一刀切”式的做法。

利用大數(shù)據(jù)構(gòu)建在線課程行為數(shù)據(jù)模型時，一般都會遇到兩個主要問題：一是如何準(zhǔn)確提取出學(xué)習(xí)者學(xué)習(xí)過程中各個階段的信息，二是如何正確識別學(xué)習(xí)者不同學(xué)習(xí)方式下的表現(xiàn)。為此，需要建立一套完整的知識圖譜，并把這些知識按照一定的層次排列起來，形成清晰的知識結(jié)構(gòu)。具體而言，在線課程行為數(shù)據(jù)模型建立中，首先要解決知識分層問題。當(dāng)前關(guān)于在線課程行為建模大多是從傳統(tǒng)教育模式入手，但這種組織形式存在著很多弊端，比如缺乏有效的反饋機(jī)制，不利于教師及時調(diào)整教學(xué)方法以及學(xué)生自主探究能力的培養(yǎng)。為此，在線課程行為模型庫建設(shè)應(yīng)從更高層面上著手。其次，在線課程行為分析模型的設(shè)計應(yīng)當(dāng)符合學(xué)情特點(diǎn)。最后，需要關(guān)注在線課程行為模型的有效性，尤其是針對特定的目標(biāo)人群進(jìn)行個性化定制。

結(jié)語

綜上所述，教師通過大數(shù)據(jù)分析，對在線課程行為數(shù)據(jù)進(jìn)行挖掘和分析，可以及時了解學(xué)生的學(xué)習(xí)需求、學(xué)習(xí)態(tài)度、課堂表現(xiàn)等信息，進(jìn)而為提高課堂教學(xué)效果提供有力支持。未來，教師必須構(gòu)建線上與線下相結(jié)合的混合教學(xué)模式，實(shí)現(xiàn)教學(xué)資源數(shù)字化建設(shè)，從而提升教學(xué)質(zhì)量。

參考文獻(xiàn)：

[1]徐麗麗.基于在線學(xué)情分析模型的高職課程教學(xué)研究——以大數(shù)據(jù)技術(shù)基礎(chǔ)課程為例[J].電腦知識與技術(shù)，2022，18（32）：168-170，173.

[2]徐彤，于正永.基于中國大學(xué)MOOC平臺大數(shù)據(jù)學(xué)習(xí)行為分析的實(shí)踐研究——以《LTE無線網(wǎng)絡(luò)優(yōu)化》在線課程為例[J].電腦知識與技術(shù)，2021，17（34）：37-39.

[3]唐煉，楊潔，李新威.基于大數(shù)據(jù)的在線教育學(xué)習(xí)支持服務(wù)體系構(gòu)建分析——以體育課程為例[J].體育視野，2021，（5）：69-70.

[4]沈洵.基于大數(shù)據(jù)分析的在線課程學(xué)習(xí)行為數(shù)據(jù)標(biāo)準(zhǔn)設(shè)計[J].新課程研究，2020，（21）：45-47，89.

[5]施萬里，張余輝.基于大數(shù)據(jù)分析技術(shù)的智慧教育平臺設(shè)計[J].現(xiàn)代電子技術(shù)，2020，43（9）：150-153.

作者簡介：秦燕，本科，講師，研究方向：大數(shù)據(jù)分析線上教學(xué)。