王傳安,葛 華
1.安徽科技學院信息與網絡工程學院,安徽 滁州 233100;
2.北京郵電大學網絡技術研究院,北京 100876
慕課(massive open online courses,MOOC)作為一種新興的學習者協同進行的學習平臺,隨著互聯網Web 2.0和云計算等技術的成熟[1],不但吸引了越來越多學習者、平臺提供者及高校參與其中,同時也引發了教育研究者的極大關注[2]。盡管MOOC得到了快速的發展,一些初步的研究成果已經形成,但是教師對學習者在MOOC平臺下是如何學習的知之甚少[3-4]。了解學習者的學習行為特性,不僅可以優化MOOC平臺的設計,更重要的是可以彌補MOOC教學方式中師生的時空分離缺點。
現在對MOOC學習者學習行為的研究多數傾向于學習行為方式與學習效果之間的關聯[5-6],且研究所有的樣本數據多數直接采集行為日志或問卷調查,屬于線后統計分析行為[7]。同時,目前對MOOC學習者行為分析都是單方面的,無法判定學習者在學習過程中是否存在偽學習行為。比如某學習者為盡快播放完課程教學視頻,采取連續播放或掛機方式播放教學視頻,且在播放過程中多次拖放視頻。
再比如某學習者為完成提交課程作業任務,一次性提交所有作業,諸如此類學習行為我們稱之為偽學習行為,同時該學習者可看做是“偽學習者”[8-9]。而如何正確識別MOOC平臺中的偽學習者,并根據偽學習行為特性制定相應的預防措施或報警機制,以抑制學習者的偽學習行為,已成為MOOC教學研究中首要解決的關鍵問題之一。
本文為實現高精度的偽學習者識別,將多種學習行為特征進行融合分析,建立了學習者動態行為模式,通過多分類器協同學習,實現對未標記學習者行為數據進行標記,進而根據標記判定該學習者是否為偽學習者?!?br>