李 茜

（廣西經(jīng)濟管理干部學(xué)院，廣西　南寧　530007）

基于物聯(lián)網(wǎng)技術(shù)的MOOC學(xué)習(xí)管理模型研究*

李 茜

（廣西經(jīng)濟管理干部學(xué)院，廣西南寧530007）

針對MOOC平臺教學(xué)反饋取樣工具較少，學(xué)生學(xué)習(xí)行為分析能力不足的特點，將物聯(lián)網(wǎng)技術(shù)與MOOC的教學(xué)方式相結(jié)合，構(gòu)建更為完整有效的，集數(shù)據(jù)采集、分析、模型管理等于一體的學(xué)習(xí)管理模型，有利于形成學(xué)習(xí)群體完整的教學(xué)反饋，個性化定制和推送學(xué)習(xí)方式及內(nèi)容，也有利于提升學(xué)生學(xué)習(xí)效果和興趣.

慕課；物聯(lián)網(wǎng)；數(shù)據(jù)分析；行為分析；交互技術(shù)

0　引言

進入互聯(lián)網(wǎng)時代，以流媒體為主要內(nèi)容，交互式技術(shù)為解決工具，高速信息網(wǎng)絡(luò)為載體的現(xiàn)代遠程教育技術(shù)再次受到世界各國教育領(lǐng)域的廣泛關(guān)注和重視.2013年，在哈佛大學(xué)、麻省理工學(xué)院、斯坦福大學(xué)和浙江大學(xué)等國內(nèi)外高等教育學(xué)府相繼推出網(wǎng)上視頻公開課程后，MOOC（“慕課”，Massive Open Online Course，大規(guī)模開放在線課程）這一網(wǎng)絡(luò)公開課（Open Course Ware，麻省理工）的新概念出現(xiàn)了大爆發(fā).MOOC教育平臺是借助現(xiàn)代互聯(lián)網(wǎng)絡(luò)技術(shù)和信息交互技術(shù)，將優(yōu)質(zhì)的教學(xué)資源通過低成本方式提供給任何愿意學(xué)習(xí)的人，這將對高等教育帶來深遠的影響[1].但是，當(dāng)前MOOC平臺在教學(xué)方式上，還存在著教學(xué)反饋獲得手段單一，及時性不強；在線教學(xué)手段和學(xué)習(xí)技術(shù)開發(fā)有限，構(gòu)建學(xué)習(xí)模型速度不快等缺陷，影響其受眾群體和教學(xué)水平的進一步提高.

物聯(lián)網(wǎng)是近年來廣受關(guān)注并得到成熟應(yīng)用的技術(shù)領(lǐng)域，是集終端（末端）狀態(tài)感知、網(wǎng)絡(luò)傳輸和感知數(shù)據(jù)綜合分析及應(yīng)用為一體的技術(shù)復(fù)合體，強調(diào)終端設(shè)備對物體（個體）狀態(tài)的采集和采集數(shù)據(jù)的分析應(yīng)用.隨著智能手機、平板電腦和可穿戴式設(shè)備在各類人群日常生活中的普及，傳統(tǒng)意義上通過電子標(biāo)簽技術(shù)、溫濕度和化學(xué)物理傳感器技術(shù)采集終端狀態(tài)的物聯(lián)網(wǎng)感知端設(shè)備范疇將會進一步得到延伸，采集數(shù)據(jù)的類型、范圍，尤其是對人類個體行為狀態(tài)感知分析的范圍也將進一步擴大.

筆者將探討如何將物聯(lián)網(wǎng)技術(shù)與MOOC教學(xué)方式相結(jié)合，從而解決當(dāng)前MOOC平臺在教學(xué)反饋、學(xué)生行為狀態(tài)感知和學(xué)習(xí)技術(shù)方面的缺陷，構(gòu)建一個有效合理的MOOC學(xué)習(xí)管理框架模型.

1　典型MOOC教學(xué)方式分析

MOOC是一種基于關(guān)聯(lián)主義學(xué)習(xí)理論的教學(xué)方式.學(xué)習(xí)者通過網(wǎng)絡(luò)路徑，采用意義建構(gòu)知識查詢路徑的模式尋找存放學(xué)習(xí)信息的節(jié)點，對知識領(lǐng)域進行探索.學(xué)習(xí)者可以通過多種不同的路徑完成對知識的探究，如圖1所示.

圖1　MOOC學(xué)習(xí)方式Fig.1　Learning style of MOOC

1.1MOOC教學(xué)方式特點

1）采用O2O（Online to Offline，線上線下）的課程組織方式.MOOC的教學(xué)課堂要求教師不在線時，利用網(wǎng)絡(luò)通過教學(xué)視頻、在線文章或者其他教學(xué)資源學(xué)習(xí)，教師在線時通過線下作業(yè)批改、線上討論、在線考試的方式對學(xué)習(xí)內(nèi)容進行復(fù)習(xí)、討論、聯(lián)系和考試.

2）微視頻為主，交互式學(xué)習(xí)為輔的知識組織和學(xué)習(xí)模式.以全球化的Coursera平臺為例，MOOC教學(xué)平臺上的微視頻一般濃縮為10～15分鐘，知識點集中，展現(xiàn)方式靈活，大量的知識鞏固和強化過程通過教師發(fā)布論題引導(dǎo)下的論壇討論和在線作業(yè)完成.

3）線上資源平臺存儲大量的教學(xué)課程資源.通過云計算技術(shù)的應(yīng)用，MOOC線上資源平臺存儲海量的課程相關(guān)資源，包括試題、作業(yè)、測驗、考試等資料.資源的密集化和多樣化，能夠營造更多的創(chuàng)意空間和激發(fā)學(xué)生的創(chuàng)造力.

4）固定的模塊測驗與靈活評價策略相結(jié)合[2]. MOOC平臺的學(xué)習(xí)者每周均要完成規(guī)定的測驗，這些測驗多以標(biāo)準(zhǔn)化的，隨機在題庫中抽取的客觀選擇題、判斷題為主.另外，課程還通過論壇、Twitter、Facebook或其他形式的博客形成專題小組討論，討論的結(jié)果和測驗結(jié)果記入最終成績.

1.2MOOC教學(xué)方式存在的不足

1）教學(xué)反饋取樣缺乏工具，社會性交互不足.基于聯(lián)通主義的MOOC教學(xué)，比較適合生成性知識的學(xué)習(xí)[3]，而不是固定知識的重復(fù).因此，通過有效的教學(xué)反饋工具采集學(xué)生的學(xué)習(xí)行為和狀態(tài)，對于營造教師和學(xué)生在課程教學(xué)中的效果極為重要.

2）學(xué)生學(xué)習(xí)行為分析不足.MOOC運行過程中，高退學(xué)率是一個十分典型的問題.以Coursera平臺上，南洋理工大學(xué)開設(shè)的“法醫(yī)學(xué)導(dǎo)論”課程為例，即便是課程完成度達到40%即可畢業(yè)，課程有5341人關(guān)注并報名，僅有91人上課，30人獲得完成證書，注冊完成比例5‰，上課完成比例32%.那么如何解釋低完成率背后的學(xué)生學(xué)習(xí)動機，教師如何監(jiān)控學(xué)習(xí)過程，學(xué)習(xí)效率如何提高，是否需要個性化的學(xué)習(xí)指導(dǎo)和教學(xué)資源，這些問題需要采集足夠的數(shù)據(jù)進行學(xué)習(xí)分析研究.

2　物聯(lián)網(wǎng)技術(shù)對MOOC學(xué)習(xí)行為的采集和分析

2.1終端設(shè)備感知學(xué)習(xí)行為

隨著智能手機、平板電腦、可穿戴式智能設(shè)備和計算機等個人終端設(shè)備的不斷發(fā)展和普及，無線3G/ 4G/WIFI高速網(wǎng)絡(luò)向終端設(shè)備的大規(guī)模滲透，利用個人終端在任何環(huán)境下開展學(xué)習(xí)成為越來越普遍的現(xiàn)象[4]，也成為MOOC教學(xué)發(fā)展的趨勢（Mobi－MOOC）.當(dāng)前的終端設(shè)備普遍具備全球定位系統(tǒng)、運動感知器件、視覺跟蹤攝像頭等人類行為感知元件[5].將這些元件與終端的MOOC學(xué)習(xí)客戶端APP軟件相結(jié)合，就能夠在用戶授權(quán)后，采集用于學(xué)生行為感知的相關(guān)數(shù)據(jù).如經(jīng)常發(fā)生學(xué)習(xí)行為地點和時間、感興趣的學(xué)習(xí)欄目、專題的關(guān)注度、訪問某種（類）學(xué)習(xí)資源的頻度、閱讀停留的時間、完成某類課程或練習(xí)的平均次數(shù)和時間、搜索關(guān)鍵字、訪問MOOC學(xué)習(xí)論壇或討論組的頻次和發(fā)布觀點的個人傾向等等與MOOC學(xué)習(xí)有關(guān)的，細粒度的學(xué)習(xí)者學(xué)習(xí)行為相關(guān)數(shù)據(jù).這些數(shù)據(jù)與MOOC平臺上海量的學(xué)生人數(shù)資源相結(jié)合，完全符合當(dāng)前大數(shù)據(jù)即海量的數(shù)據(jù)規(guī)模（Volume）、快速的數(shù)據(jù)流轉(zhuǎn)和動態(tài)的數(shù)據(jù)體系（Velocity）、多樣的數(shù)據(jù)類型（Variety）、巨大的數(shù)據(jù)價值（Value）的特征[6].

2.2大數(shù)據(jù)分析學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為

大數(shù)據(jù)分析是物聯(lián)網(wǎng)技術(shù)的核心，對于上述海量MOOC終端平臺采集的海量細粒度的教學(xué)數(shù)據(jù)和信息，MOOC的后臺管理者能夠利用數(shù)據(jù)挖掘和學(xué)習(xí)分析技術(shù)對數(shù)據(jù)進行采集、存儲和分析，從而構(gòu)建一個完整的學(xué)習(xí)個體、群體的網(wǎng)絡(luò)學(xué)習(xí)行為模型.參考美國國家教育部發(fā)布的《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進教與學(xué)》研究報告，可以在以下幾個方面構(gòu)建不同的網(wǎng)絡(luò)學(xué)習(xí)行為模型，并進行整合[7].建模方向如表1所示.

表1　物聯(lián)網(wǎng)大數(shù)據(jù)分析學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為模型研究方向Tab.1　Students'network learning behavior model research based on the big data analysis of Internet of things

3　基于物聯(lián)網(wǎng)的MOOC學(xué)習(xí)管理框架模型

在物聯(lián)網(wǎng)技術(shù)參與拓展對MOOC平臺學(xué)生學(xué)習(xí)行為的采集和分析技術(shù)的基礎(chǔ)上，可以得出一種如圖2所示的MOOC學(xué)習(xí)管理框架模型.

該模型包含9個部分：1）物聯(lián)網(wǎng)終端.負責(zé)MOOC平臺與學(xué)生的最終交互、教學(xué)資源的展示、學(xué)生學(xué)習(xí)行為的采集行為參數(shù)的傳遞等.2）資源傳遞.負責(zé)將學(xué)習(xí)資源以短視頻、動畫、RSS等多媒體形式推送至物聯(lián)網(wǎng)終端設(shè)備，供學(xué)生學(xué)習(xí)使用.3）交互行為評估.負責(zé)接收物聯(lián)網(wǎng)終端采集的學(xué)習(xí)行為數(shù)據(jù)以及其他學(xué)習(xí)參數(shù)數(shù)據(jù)，進行評估分析，并將分析結(jié)果保存入學(xué)習(xí)行為記錄數(shù)據(jù)庫中.4）學(xué)習(xí)方式自適應(yīng)（教學(xué)功能管理）.負責(zé)根據(jù)評估分析結(jié)果和教學(xué)策略模型數(shù)據(jù)、學(xué)生自適應(yīng)行為模型數(shù)據(jù)在學(xué)習(xí)資源庫中自動匹配推薦合適的教學(xué)資源給學(xué)習(xí)者，并推送至資源傳遞模塊.該模塊還負責(zé)根據(jù)學(xué)生學(xué)習(xí)行為的評估分析結(jié)果，在教師的干預(yù)和智能機器學(xué)習(xí)功能的控制下生成教學(xué)策略和自適應(yīng)不同學(xué)生學(xué)習(xí)行為的模型，并存入模型庫中管理.5）知識管理.負責(zé)根據(jù)教學(xué)過程產(chǎn)生的各種數(shù)據(jù)，對數(shù)據(jù)進行清洗、分類并將其轉(zhuǎn)化為可儲備的有用知識并傳遞給學(xué)習(xí)資源庫.6）教學(xué)行為人工干預(yù).負責(zé)對系統(tǒng)傳遞的學(xué)習(xí)資源進行人工調(diào)整和過程干預(yù).7）學(xué)習(xí)資源數(shù)據(jù)庫.存儲各類學(xué)習(xí)資源.8）學(xué)生學(xué)習(xí)行為記錄數(shù)據(jù)庫.存儲學(xué)習(xí)者的學(xué)習(xí)行為和參數(shù)記錄.9）教學(xué)策略（自適應(yīng)行為模型）數(shù)據(jù)庫.存儲各類學(xué)習(xí)行為模型.

系統(tǒng)用戶由學(xué)生（學(xué)習(xí)者）、教師和MOOC平臺管理者組成.

圖2　基于物聯(lián)網(wǎng)技術(shù)的MOOC學(xué)習(xí)管理框架模型Fig.2　MOOC learning management framework model based on Internet of things

4　結(jié)語

將物聯(lián)網(wǎng)技術(shù)與MOOC相結(jié)合形成的學(xué)習(xí)管理框架模型，能夠更有效地采集學(xué)生（學(xué)習(xí)者）的學(xué)習(xí)行為參數(shù)，從而對學(xué)習(xí)者的學(xué)習(xí)情況有一個較為完整的記錄.此外，該框架還能有效的跟蹤學(xué)習(xí)者的學(xué)習(xí)情況，有利于針對個體或者某類學(xué)生群體構(gòu)建完整的學(xué)習(xí)行為畫面，形成全面的教學(xué)反饋信息.

基于物聯(lián)網(wǎng)的數(shù)據(jù)挖掘和分析技術(shù)的應(yīng)用，能夠系統(tǒng)化和結(jié)構(gòu)化的整理和歸納MOOC平臺各類用戶的學(xué)習(xí)行為，并形成有針對性的教學(xué)策略模型和學(xué)習(xí)行為模型，有利于個性化的定制和針對性的推送課程主題和教學(xué)內(nèi)容、學(xué)習(xí)方式方法和其他教學(xué)資源，提升學(xué)生學(xué)習(xí)效果和興趣.

[1]馬新強，黃羿，蔡宗模.MOCC教育平臺技術(shù)及運營模式探析[J].重慶高等教育研究，2014（1）.

[2]王海榮，張偉.國外大規(guī)模開放教育資源設(shè)計理念及啟示——基于Coursera平臺MOOC課程的體驗研究[J].天津大學(xué)學(xué)報，2013（3）.

[3]郝丹.MOOC：顛覆與創(chuàng)新？——第4次“中國遠程教育青年學(xué)者論壇”綜述[J].中國遠程教育，2013（11）.

[4]李德仁，姚遠，邵振峰.智慧城市中的大數(shù)據(jù)[J].武漢大學(xué)學(xué)報：信息科學(xué)版，2014（6）.

[5]李建功.物聯(lián)網(wǎng)環(huán)境下移動終端的發(fā)展趨勢思考[J].信息通信技術(shù)，2011（5）.

[6]Barwick H.The＂four Vs＂of Big Data.Implementing Information Infrastructure Symposium[EB/OL].[2012－10－02].http:// www.computerworld.com.au/article/396198/iiis＿four＿vs＿big＿data/.

[7]徐鵬，王以寧，劉艷華，等.大數(shù)據(jù)視角分析學(xué)習(xí)變革——美國《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進教與學(xué)》報告解讀及啟示[J].遠程教育雜志，2013（6）.

[責(zé)任編輯 蘇 琴]

[責(zé)任校對 黃招揚]

Research on MOOC Learning Management Model based on IOT

LI Qian
（Department of Computer Science，Guangχi College for Economic Management，Nanning530007，China）

MOOC platform is short of feedback sampling tools and students learning behavioral analysis capacity.Combing the characteristics of IOT and MOOC establish a more complete and effective teaching method.It establishes an all－in－one model of data acquisition，analysis，model management.This model is conducive to the formation of study groups complete teaching feedback，personalization and customization and push learning content，also help improve student learning and interest.

MOOC；IOT；Data Mining；Behavior Analysis；Interactive Technology

P209

A

1673－8462（2015）02－0105－04

2014－12－30.

廣西高等教育教學(xué)改革工程重點項目（2014JGZ154）.

李茜（1980－），女，廣西桂林人，廣西經(jīng)濟管理干部學(xué)院副教授，研究方向：計算機應(yīng)用技術(shù).