基于MOOC平臺的學習監督系統設計與研究

許文杰 束紅

摘要：基于MOOC平臺的在線學習模式，提出了一個較完善學習監督系統。除基本在線學習功能外，結合聲紋識別技術，對學習者的語音交流過程進行抽樣檢測，實現了人性化的學習監督方案。此外，還添加了同伴互評模式，對學習成果進行科學化的認證。

關鍵詞：MOOC;學習監督;聲紋識別;同伴互評

中圖分類號：TP312? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）22-0099-02

開放科學（資源服務）標識碼（OSID）：

Design and Research of Learning Supervision System Based on Mooc Platform

XU Wen-jie ，SHU Hong

（Tongling College， Tongling 244000， China）

Abstract： Based on the online learning mode of MOOC platform， a more perfect learning supervision system is proposed. In addition to the basic online learning function， combined with voiceprint recognition technology， the learner's voice communication process is sampled and tested， and a humanized learning supervision scheme is realized. In addition， a peer-to-peer evaluation model was added to scientifically certify learning outcomes.

Key words： MOOC; Learning Supervision; Voice Mark Recognition; Peer Review

1 背景

MOOC 自 2011 年推出后，作為一種信息環境下的新型教育模式席卷全球，迅速成為廣大學習者在線學習的方式。然而，隨著平臺的發展，一些限制性的因素也隨之顯現：第一，在 MOOC 學習中，學習者經常有頂替、刷課、篡改、作弊等等行為的出現，缺乏人性化的監督方式;第二，學習過程中學生與老師、學生與學生之間的互動難以有效展開。

基于以上提出的兩點原因，本文設計了一個基于MOOC在線學習模式[1]的在線學習監督系統，本系統采用的是B/S架構模式的系統，服務器端以Express框架為核心，配合MongoDB數據庫以及Python運行環境進行對客戶端的在線服務。在此基礎平臺上實現聲紋識別技術驗證學習者身份、在線同伴互評等核心功能。其中，聲紋識別功能是預先錄入語音數據建模，隨機抽取部分聲音數據進行聲紋匹配算法，驗證身份;同伴互評功能是學習者在互評界面對每位學習同伴進行客觀的五方面打星評價，通過綜合分析判定最終每個人的評分，該值直接會影響最后的學習成果認證。

2 設計方案

本系統建立在對已有的各大MOOC學習平臺網站系統的提升，具有良好的適用性與廣泛性。系統的結構層次圖如下：

2.1 功能結構

系統的模塊分為服務功能總模塊，其下有數據處理模塊、通信服務模塊、數據加密模塊、數據分析模塊。服務功能模塊負責對整個系統功能運轉提供分配任務的職能。數據處理模塊主要負責對數據的分類、存儲、請求等。通信模塊則主要負責維持多個用戶在線通信，負責通信數據的廣播與單播，接收緩存數據等。數據加密功能主要由數據加密模塊負責，加密后交付給數據處理模塊保存，加密主要包括聊天記錄、語音建模數據、語音在線聊天數據等。數據分析模塊是對數據進行分析，與之前建立的模型進行匹配。系統的功能結構圖如下：

2.2 前端用戶界面設計

系統的前端布局采用Layui進行用戶端視圖展示。Layui自帶的BootStrap自響應式布局是的系統在不同的設備上呈現最好的效果。業務邏輯放在應用服務上，減輕使用設備壓力。數據處理和數據服務分開處理，既保證數據服務的穩定提供，又保證數據分析結果的可靠性。還采用Echarts圖表顯示數據對比，直觀的展示出個人數據與平均值的差異程度。

2.3 服務器設計

服務器端使用了基于Nodejs平臺[2]的Web應用開發框架—Express。該框架具有快速、開放、極簡等優良的特點。交流模塊的實現使用了SocketIO技術。開發模式選擇了MVC的開發模式，任務分配高效均衡。

2.4 數據庫選擇

數據庫使用了輕量級文檔型數據庫MongoDB，以文檔結構的存儲方式，能夠更便捷的獲取數據，內置GridFS支持大容量的存儲，MongoDB的第三方支持豐富，很多開發框架都提供了對MongDB的支持，整體性能優越。

2.5 聲紋識別技術

聲紋識別是與文本無關的聲紋識別[3]。首先分析計算聲紋的特征參數MFCC，通過聲紋特征算法，建立聲紋特征模型，主要用到的核心算法為：伯努利樸素貝葉斯分類算法（BNB）、高斯樸素貝葉斯分類算法（GNB）[4]、決策樹之分類決策樹算法（DT）。

具體識別流程為：Nodejs服務器利用系統命令調用聲紋識別子程序。子程序通過對學前準備時錄入的語音提取MFCC特征參數，進行特征算法建立個人特征模型。當發送語音時，隨機抽取多段語音進行對比分析，匹配聲音數據，進而達到學習監督的效果。

2.6 同伴互評

實現同伴互評機制[5]使在線交流的語音質量得到保證，達到了對一定的監督效果。學習者進行包括溝通能力、答案準確性、獨立創新、傾聽他人、意義闡述五個方面來對同伴進行評分，并將個人的分數通過Echarts實時展示：

3 總結

系統以“互聯網+教育”模式[6]下的MOOC平臺為基礎，創新的結合了聲紋識別技術與同伴互評模式，構建出了完善的學習監督系統。系統在語音交流中進行人性化的監督，是對學習者學習成果的最大保證。

參考文獻：

[1] 劉兆惠， 李旭， 王超， 等. 基于MOOC的分層混合式教學模式探究[J]. 大學教育， 2019（6）： 31-33.

[2] 柳志強， 陜粉麗. 基于NodeJS的聊天系統的設計與實現[J]. 電腦知識與技術， 2017， 13（13）： 69-70.

[3] 楊瑞瑞. 基于文本無關的聲紋識別算法的研究及實現[D]. 長沙： 電子科技大學， 2017.

[4] 曾誰飛， 張笑燕， 杜曉峰， 等. 改進的樸素貝葉斯增量算法研究[J]. 通信學報， 2016， 37（10）： 81-91.

[5] 汪瓊， 歐陽嘉煜， 范逸洲. MOOC同伴作業互評中反思意識與學習成效的關系研究[J]. 電化教育研究， 2019（6）： 1-10.

[6] 黎明. “互聯網+教育”背景下網絡共享課程研究與思考[J]. 智庫時代， 2019（22）： 189-190.

【通聯編輯：謝媛媛】