基于物聯網技術的MOOC學習管理模型研究*

李 茜

（廣西經濟管理干部學院，廣西　南寧　530007）

基于物聯網技術的MOOC學習管理模型研究*

李 茜

（廣西經濟管理干部學院，廣西南寧530007）

針對MOOC平臺教學反饋取樣工具較少，學生學習行為分析能力不足的特點，將物聯網技術與MOOC的教學方式相結合，構建更為完整有效的，集數據采集、分析、模型管理等于一體的學習管理模型，有利于形成學習群體完整的教學反饋，個性化定制和推送學習方式及內容，也有利于提升學生學習效果和興趣.

慕課；物聯網；數據分析；行為分析；交互技術

0　引言

進入互聯網時代，以流媒體為主要內容，交互式技術為解決工具，高速信息網絡為載體的現代遠程教育技術再次受到世界各國教育領域的廣泛關注和重視.2013年，在哈佛大學、麻省理工學院、斯坦福大學和浙江大學等國內外高等教育學府相繼推出網上視頻公開課程后，MOOC（“慕課”，Massive Open Online Course，大規模開放在線課程）這一網絡公開課（Open Course Ware，麻省理工）的新概念出現了大爆發.MOOC教育平臺是借助現代互聯網絡技術和信息交互技術，將優質的教學資源通過低成本方式提供給任何愿意學習的人，這將對高等教育帶來深遠的影響[1].但是，當前MOOC平臺在教學方式上，還存在著教學反饋獲得手段單一，及時性不強；在線教學手段和學習技術開發有限，構建學習模型速度不快等缺陷，影響其受眾群體和教學水平的進一步提高.

物聯網是近年來廣受關注并得到成熟應用的技術領域，是集終端（末端）狀態感知、網絡傳輸和感知數據綜合分析及應用為一體的技術復合體，強調終端設備對物體（個體）狀態的采集和采集數據的分析應用.隨著智能手機、平板電腦和可穿戴式設備在各類人群日常生活中的普及，傳統意義上通過電子標簽技術、溫濕度和化學物理傳感器技術采集終端狀態的物聯網感知端設備范疇將會進一步得到延伸，采集數據的類型、范圍，尤其是對人類個體行為狀態感知分析的范圍也將進一步擴大.

筆者將探討如何將物聯網技術與MOOC教學方式相結合，從而解決當前MOOC平臺在教學反饋、學生行為狀態感知和學習技術方面的缺陷，構建一個有效合理的MOOC學習管理框架模型.

1　典型MOOC教學方式分析

MOOC是一種基于關聯主義學習理論的教學方式.學習者通過網絡路徑，采用意義建構知識查詢路徑的模式尋找存放學習信息的節點，對知識領域進行探索.學習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學習方式Fig.1　Learning style of MOOC

1.1MOOC教學方式特點

1）采用O2O（Online to Offline，線上線下）的課程組織方式.MOOC的教學課堂要求教師不在線時，利用網絡通過教學視頻、在線文章或者其他教學資源學習，教師在線時通過線下作業批改、線上討論、在線考試的方式對學習內容進行復習、討論、聯系和考試.

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

3）線上資源平臺存儲大量的教學課程資源.通過云計算技術的應用，MOOC線上資源平臺存儲海量的課程相關資源，包括試題、作業、測驗、考試等資料.資源的密集化和多樣化，能夠營造更多的創意空間和激發學生的創造力.

4）固定的模塊測驗與靈活評價策略相結合[2]. MOOC平臺的學習者每周均要完成規定的測驗，這些測驗多以標準化的，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，討論的結果和測驗結果記入最終成績.

1.2MOOC教學方式存在的不足

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

2）學生學習行為分析不足.MOOC運行過程中，高退學率是一個十分典型的問題.以Coursera平臺上，南洋理工大學開設的“法醫學導論”課程為例，即便是課程完成度達到40%即可畢業，課程有5341人關注并報名，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生學習動機，教師如何監控學習過程，學習效率如何提高，是否需要個性化的學習指導和教學資源，這些問題需要采集足夠的數據進行學習分析研究.

2　物聯網技術對MOOC學習行為的采集和分析

2.1終端設備感知學習行為

隨著智能手機、平板電腦、可穿戴式智能設備和計算機等個人終端設備的不斷發展和普及，無線3G/ 4G/WIFI高速網絡向終端設備的大規模滲透，利用個人終端在任何環境下開展學習成為越來越普遍的現象[4]，也成為MOOC教學發展的趨勢（Mobi－MOOC）.當前的終端設備普遍具備全球定位系統、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學習客戶端APP軟件相結合，就能夠在用戶授權后，采集用于學生行為感知的相關數據.如經常發生學習行為地點和時間、感興趣的學習欄目、專題的關注度、訪問某種（類）學習資源的頻度、閱讀停留的時間、完成某類課程或練習的平均次數和時間、搜索關鍵字、訪問MOOC學習論壇或討論組的頻次和發布觀點的個人傾向等等與MOOC學習有關的，細粒度的學習者學習行為相關數據.這些數據與MOOC平臺上海量的學生人數資源相結合，完全符合當前大數據即海量的數據規模（Volume）、快速的數據流轉和動態的數據體系（Velocity）、多樣的數據類型（Variety）、巨大的數據價值（Value）的特征[6].

2.2大數據分析學生網絡學習行為

大數據分析是物聯網技術的核心，對于上述海量MOOC終端平臺采集的海量細粒度的教學數據和信息，MOOC的后臺管理者能夠利用數據挖掘和學習分析技術對數據進行采集、存儲和分析，從而構建一個完整的學習個體、群體的網絡學習行為模型.參考美國國家教育部發布的《通過教育數據挖掘和學習分析促進教與學》研究報告，可以在以下幾個方面構建不同的網絡學習行為模型，并進行整合[7].建模方向如表1所示.

表1　物聯網大數據分析學生網絡學習行為模型研究方向Tab.1　Students'network learning behavior model research based on the big data analysis of Internet of things

3　基于物聯網的MOOC學習管理框架模型

在物聯網技術參與拓展對MOOC平臺學生學習行為的采集和分析技術的基礎上，可以得出一種如圖2所示的MOOC學習管理框架模型.

該模型包含9個部分：1）物聯網終端.負責MOOC平臺與學生的最終交互、教學資源的展示、學生學習行為的采集行為參數的傳遞等.2）資源傳遞.負責將學習資源以短視頻、動畫、RSS等多媒體形式推送至物聯網終端設備，供學生學習使用.3）交互行為評估.負責接收物聯網終端采集的學習行為數據以及其他學習參數數據，進行評估分析，并將分析結果保存入學習行為記錄數據庫中.4）學習方式自適應（教學功能管理）.負責根據評估分析結果和教學策略模型數據、學生自適應行為模型數據在學習資源庫中自動匹配推薦合適的教學資源給學習者，并推送至資源傳遞模塊.該模塊還負責根據學生學習行為的評估分析結果，在教師的干預和智能機器學習功能的控制下生成教學策略和自適應不同學生學習行為的模型，并存入模型庫中管理.5）知識管理.負責根據教學過程產生的各種數據，對數據進行清洗、分類并將其轉化為可儲備的有用知識并傳遞給學習資源庫.6）教學行為人工干預.負責對系統傳遞的學習資源進行人工調整和過程干預.7）學習資源數據庫.存儲各類學習資源.8）學生學習行為記錄數據庫.存儲學習者的學習行為和參數記錄.9）教學策略（自適應行為模型）數據庫.存儲各類學習行為模型.

系統用戶由學生（學習者）、教師和MOOC平臺管理者組成.

圖2　基于物聯網技術的MOOC學習管理框架模型Fig.2　MOOC learning management framework model based on Internet of things

4　結語

將物聯網技術與MOOC相結合形成的學習管理框架模型，能夠更有效地采集學生（學習者）的學習行為參數，從而對學習者的學習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習者的學習情況，有利于針對個體或者某類學生群體構建完整的學習行為畫面，形成全面的教學反饋信息.

基于物聯網的數據挖掘和分析技術的應用，能夠系統化和結構化的整理和歸納MOOC平臺各類用戶的學習行為，并形成有針對性的教學策略模型和學習行為模型，有利于個性化的定制和針對性的推送課程主題和教學內容、學習方式方法和其他教學資源，提升學生學習效果和興趣.

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

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

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

[4]李德仁，姚遠，邵振峰.智慧城市中的大數據[J].武漢大學學報：信息科學版，2014（6）.

[5]李建功.物聯網環境下移動終端的發展趨勢思考[J].信息通信技術，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.大數據視角分析學習變革——美國《通過教育數據挖掘和學習分析促進教與學》報告解讀及啟示[J].遠程教育雜志，2013（6）.

[責任編輯 蘇 琴]

[責任校對 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.

廣西高等教育教學改革工程重點項目（2014JGZ154）.

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