高校數字化教學資源云平臺建設及其關鍵技術研究

牟波

（貴州師范學院，貴州 貴陽 550004）

0 引言

隨著計算機網絡技術的日趨成熟，以云計算、大數據技術為代表的計算機應用技術，已在各行各業中得到廣泛的應用，在教育教學領域的應用比重也越來越大[1]。基于云計算、大數據技術理念進行數字化教學資源云平臺的建設與應用的實踐，是在對云技術深入學習的基礎上，利用云計算框架對課程資源數據實現分享、推薦、搜索等服務，以期能著力解決教學資源庫建設與應用中“互聯互通難、信息共享難、教學協同難”等實際問題，達到消除課程教學資源的“信息孤島”“數據煙囪”的目的[2]。

1 高校數字化教學資源云平臺部署體系

采用高校“共建、共享、共用”理念，使用云計算模式來部署高校的教學資源平臺，統一將教學資源部署在云服務器上，各級各類用戶可以通過云平臺作為訪問接口，訪問教學資源平臺，此時的師生都是教學資源云的“貢獻、分享、收益”主體，他們既是開發者和建設者，也是教學資源云的使用者[3]。具體部署體系模型如圖1所示。

圖1 數字化教學資源云平臺的部署體系

基于云平臺的教學資源庫建設能夠，可以有效減少軟硬件設備費用，同時對各種教學資源進行有效整合，整體改善數字化管理水平，深化教學改革，提高教學資源的利用率，實現最大限度教學資源共享，解決教學資源不足、不均的問題，利于師生隨時在線教學，提高教學效率和教學質量，利于構建高校進階的多維教學資源格局[4]。

2 高校數字化教學資源云平臺架構模型

高校數字化教學資源云平臺的架構，采用自底向上設計，共分為四層，分別是:物理資源層、數據資源層、應用服務層和服務接口層。其中物理資源層、數據資源層、應用服務層為主要核心結構，提供云計算核心服務，即：基礎設施即服務(IaaS)、平臺即服務(PaaS)和軟件即服務(SaaS)，具體構圖如圖2所示。

圖2 數字化教學資源云平臺架構模型

①物理資源層Infrastructure-as-a-Service（基礎設施即服務）：該資源管理層是對所有計算基礎設施的虛擬利用，對于平臺中的任意軟件，用戶能夠部署和運行任意軟件，同時實現資源有效共享、自動化管理、負載動態優化、解決平臺依賴問題等優勢，確保物理資源層提供可用性、安全性、靈活性、可擴展性等服務。

②數據資源層Platform-as-a-Service（平臺即服務）：通過多租戶技術、海量數據處理技術，對不同類型的教學資源進一步邏輯性整合與組合，將各類教學資源如課程考試題庫、教學課件資源庫、多媒體教學視頻庫等以“共享型數據庫”存儲在云端的數據庫中，實現平臺數據海量存儲和處理[5]。

③應用服務層Infrastructure-as-a-Service（基礎設施即服務）：其本質是把局限于高校內的桌面應用程序遷移到云端，真正實現系統程序的泛在訪問，實現數字化教學資源的共享與交流，在SaaS模式下，通過互聯網瀏覽器在任何時間、任何地點都可以輕松使用桌面軟件。

④服務接口層service interface：為各類用戶訪問應用系統提供訪問接口，支持多樣化訪問，用戶可通過學校或者家用局域網接入，也可以使用移動終端（筆記本、手機、平板電腦等）通過Wi-F、5G網絡、VPN等實現“漫游式”訪問服務。

在教學資源云平臺下，可以輕松融入來自各地的各類優秀教學資源，可及時補充各類緊張、稀缺教學資源，同時可以實時掌握用戶學習進程，提出最適合用戶學習的方法及內容，自動根據各用戶的自身情況，推薦極佳的學習資料與學習方式，從而實現自主式、推送式、觸發式學習[6]。

3 高校數字化教學資源云平臺關鍵技術

云計算技術不是單一技術，而是一系列關鍵技術，主要包括虛擬化技術、多租戶技術、海量數據處理技術和多維數據分析推送技術等技術，具體如下：

· 虛擬化技術(Virtualization)：主要包含系統桌面、數據服務器、應用程序、數據存儲等虛擬化技術，其功能就是將計算機各類資源抽象化[7]，具體如圖3所示。

圖3 當前主要的虛擬化技術

虛擬化技術是云計算的關鍵核心技術之一，云平臺中的各類軟硬件資源均可實現虛擬化，以供多個應用一起使用，其目的是高效利用、充分整合各種計算及存儲資源。

· 多租戶技術（multi-tenancy technology）：即多重租賃技術，是一種軟件架構技術，實現多用戶的環境下共用相同的系統或程序組件，同時確保各用戶間數據的隔離性。

多租戶技術是一種“軟件共享”的架構技術，每個用戶在自己的專屬視圖模式下使用、管理和定制應用程序，在滿足用戶的個性化服務需求的同時，又可以實現對用戶個人隱私的有效保護，實現對用戶可伸縮的基礎結構和可配置的功能服務。

· 海量數據處理技術：云平臺中所分布的海量數據信息，可以通過運用海量數據處理技術進行有效的分析、處理和管理。目前海量數據處理技術主要是Google的BigTable數據管理技術和Hadoop團隊開發的開源數據管理模塊HBase等[8]，具體海量數據處理技術架構如圖4所示。

圖4 海量數據處理架構

另外，海量數據處理效率提高的常用方法之一便是通過一致性HASH算法對海量數據進行數據并行分割，同時利用多組計算資源分解任務，達到提升數據處理的速度[9]。

· 多維數據分析推送技術：采用機器學習模型來做分析推送排序，先后迭代了LR、FM、GBDT、融合模型以及DNN等分析推送計算。基于這些基礎機器學習模型，以教學資源云平臺實時在線和離線數據為基礎，利用各種分析計算工具開展點擊率、回復率、瀏覽時長、用戶點贊、用戶回復等多指標的分析[10]。

4 結語

隨著云計算、互聯網技術、大數據技術的深度發展，構建基于云計算的教學資源平臺，可以輕松融入各類優秀教學資源，實時掌握用戶學習進程，推薦極佳的學習資料與學習方式，從而實現自主式、推送式和觸發式學習。讓數字化教學資源聚起來，推動教學資源數據從“云端”向教用、學用、研究用落地；讓數字化教學資源通起來，向上連接教務系統，向下覆蓋教師、學生、科研管理人員，實現網上教學便利；讓數字化教學資源用起來，打造課程教學資源“聚通用”的現實版，實現“教學資源共享”，體現了以教學實用為中心的理念。這是在本科教學資源體系建設方面積極探索，更是對高校教學改革要求的創新型探索和具體實踐。