基于MOOC的学习定制服务模型构建研究 *

李艳红，赵 波，甘健侯，徐天伟,3

(1.云南师范大学 信息学院，云南 昆明 650500；2.云南师范大学 民族教育信息化教育部重点实验室，云南 昆明650500；3.华中科技大学 教育科学研究院，湖北 武汉 116024)

基于MOOC的学习定制服务模型构建研究 *

李艳红1,2，赵 波1，甘健侯2，徐天伟1,3

(1.云南师范大学 信息学院，云南 昆明 650500；2.云南师范大学 民族教育信息化教育部重点实验室，云南 昆明650500；3.华中科技大学 教育科学研究院，湖北 武汉 116024)

大规模在线网络课程，是一种面向社会公众的免费教育形式，对传统教学模式产生了巨大的冲击，具有优质教学资源共享的特点。当前流行的MOOCs实际上是基于内容的xMOOCs，只强调对知识的传播和复制，并没有很好地为学习者提供高质量、个性化的学习支持服务。该研究依托云南省教师教育联盟MOOCs平台，主要从个性化导学服务、学习路径推荐和学习共同体组建三个方面探究沉浸式、强交互、重体验的个性化在线学习环境构建，以期实现MOOCs网络学习方式的最优化。

大规模开放在线课程(MOOCs)；学习定制；学习支持服务；知识地图；学习Agent

大规模在线网络课程(Massive Open Online Courses，简称MOOCs)，是一种面向社会公众的免费教育形式，对传统教学模式产生了巨大的冲击，具有优质教学资源共享的特点，然而目前流行的MOOCs实际上是基于内容的xMOOCs。xMOOCs以行为主义学习理论为基础，主要采用教授主义和传播式教学手段，只强调对知识的传播与复制，并没有很好地为学习者提供高质量、个性化的学习支持服务。本研究依托云南省教师教育联盟MOOCs平台，从个性化导学服务、学习路径引导和学习共同体组建三个方面探究沉浸式、强交互、重体验的个性化在线学习环境的构建，以期实现MOOCs网络学习方式的最优化。

一、学习定制服务

2014年7月，美国软件公司Qualtrics和教育技术公司Instructure的研究调查[1]发现：导致MOOCs辍学的两个主要原因是：(1)学习者个人时间问题；(2)MOOCs的学习体验没有达到学习者的预期。许多博客[2]指出通过MOOCs的“资源泛滥”，很难找到一条学习路径，因为学习者在理解知识点遇到困难时，不能获得及时的学习支持服务。MOOCs既没有创造知识社区，也没有提供学习者与教师交流互动的平台，这使得MOOCs仅仅像是在进行教材培训[3]。教学设计者不仅应该抓住MOOCs“大规模”“开放”和“及时反馈”的本质特征，而且需要尊重学习者的个人学习体验，明确课程的学前要求和定位，结合课程特点设计自适应的教学模式，给学习者提供有效的个性化学习支持服务。基于MOOCs的学习定制服务能够满足学习者个性化的学习需求，系统通过：(1)学习者特征分析量表和学习跟踪Agent获取学生的特征信息，据此分析学习者的个性化需求，提高学习者的学习兴趣；(2)课程知识地图组织教学内容，定位学习者在知识领域中所处的位置，有利于学习者建立知识联系。

(一)利用量表进行学习者特征分析

MOOCs的学习效果不仅取决于学习内容资源，而且受到学习者个体特征的影响，教学过程中需要考虑学习者的先前经验、学习动机、元认知能力、学习风格以及学习者个性特征，当学习环境和过程与学习者的个体特征相匹配时，会实现学习过程的良性互动，并且产生最佳的学习效果。实验数据表明[4]，关注学习者的学习起点以后，网络学习效果取得了明显提升。2014年6月底至7月初，果壳网MOOC学院发起的第二次MOOC中文用户问卷调研结果显示[5]，MOOCs学习者的主要学习动机是出于兴趣，获取新知。根据杜克大学《生物电(Bioelectricity)》MOOCs课程统计结果，所有注册学生大约只有10%获得课程结业证书[6]，大多数只是次要参与，即潜伏者。学生必须进行时间的自我管理，设定学习目标[7]，并且有持续的学习动机，才能顺利地完成MOOCs课程。提供可以预测学习风格的辅助工具和指南可以帮助和支持所有MOOCs的参与者，这种方式可以让每个学习者自由选择适合自己的学习资源。当学习过程中遇到困难时，辅助工具和指南可以及时提供解决方案。学习定制服务模型根据所罗门(Barbara A. Soloman)学习风格测试量表和温斯坦标准化学习策略量表(LASSI)进行学习者特征分析，以此推荐相应的学习模式，实现学习路径的个性化推荐。

(二)利用信息Agent进行适应性学习内容推送

学习者在学习过程中产生的海量实时学习数据被MOOCs平台记录在案，信息Agent通过智能分析(Smart Analytics)，对学习者所产生的大数据中的“隐含意义”进行挖掘。学习信息推送是一种“资源找人”的交互模式，针对不同的学习者，推送相应的学习信息。一般的学习信息推送过程是：学习者在首次登录学习系统时，进入服务订阅模式，设置个人需求标签，服务器根据信息标签自动推送相关课程信息给用户系统。现有的方法主要从服务器层次的“用户—标签—资源”三者整体关系中挖掘用户兴趣特征，较少从用户自身出发获取与用户直接相关的用户兴趣特征。为了弥补现有基于需求标签的不足，本模型引进基于Agent信息推送的概念。Agent 是人工智能领域发展起来的一个概念，是指具有感知能力、问题求解能力和与外界进行通讯能力的能持续自主地发挥作用的软件实体[8]。Agent的学习性使得Agent能够学习用户的兴趣、爱好，建立用户兴趣模型，从而进一步指导自己的决策。在学习的过程中，系统根据学习跟踪Agent记录的学习轨迹分析结果，自动推送相关信息给学习者客户端。推送信息包括课程、学习资源、学习同伴、学习时间提醒等，其优势在于信息的相关性、自主性和及时性。

(三)利用知识地图进行学习定向

经过多年的发展，可汗学院[9]充分认识到如果想成为一个在线的教育机构，而不只是一个为部分学生提供在线学习辅导的机构，课程设计至关重要。为此，可汗学院为学习者建立了“知识地图”，以帮助学习者确定学习的起点。与此同时，他们还开发了为确定学习起点设计的“前置测验(Pretest)”。在学习一个知识点之前，学生需要先做几道作业题，对相关知识掌握情况进行检测。如果学生遇到了问题，可以看视频讲解，也可以看解答的提示。这样，当学生看视频上的知识讲解时，就是带着问题来看的，是在进行积极学习。学习定向是一种有计划的认知过程，它具有认知、情感和行为的特征。阿姆斯和阿什(Ames,Archer)[10]发现，当教师在课堂上强调个人的提高、努力以及学习的内部动机时，学生将致力于掌握课堂中所呈现的材料以及个人学习上的进步。尼克斯(Nicholls)[11]研究的认为任务卷入(Task-involved)是一种比较积极的学习方式，在任务卷入的课堂活动中，学生将学习活动视为对具体教学材料的掌握，学生的成功与同伴、聪明感和能力感相关。知识地图提供了任务驱动的学习过程可视化界面，使学习者清晰掌握自身学习进度和学习效果，采用任务驱动和合作学习的策略，实现学生的定向掌握和积极的学习。

二、基于MOOCs的学习定制服务模型构建研究

MOOCs领域需要研究学习者特征和如何改善学习过程体验，以此为依据调整课程设计，提高MOOCs学习支持服务的质量。虽然这点很重要，但是很少有实证研究使MOOCs开放学习平台的参与可视化和可测量化[12]。基于MOOCs的学习定制服务模型旨在探究在开放的云南省教师教育联盟MOOCs学习平台上根据学习者先前的学习经验和当前的学习需求，实现个性化的学习路径引导和课程内容呈现，构建适应性学习环境，实现MOOCs课程的个性化定制。整体模型如下页图1所示，初次登录的学习者需要进行注册，并且进行学习风格和学习策略测试，学习跟踪Agent自动记录测试结果，构造学习者个人动态的贝叶斯学习网络。信息Agent根据贝叶斯学习网络信息，提取学习者的个性化特征，推送适应性的课程和学习同伴，然后开始正式的课程学习。课程采用任务式的驱动策略，让学习者和学习同伴自主地选择学习任务进行学习，根据每个知识点的学习情况，系统自动生成个人动态课程知识地图。学习者可以根据知识地图的标注情况，对课程知识点的掌握情况有一个可视化的清晰了解。本服务模型的技术重点是利用信息Agent提取相关信息，进行课程和学习同伴的有效推送；技术难点是如何形成简洁可视化的课程知识地图界面，不需要学习者的手动操作，直接由系统根据学习跟踪Agent的信息，生成课程知识点掌握情况的可视化界面。

模型的设计主要包括个性化的导学服务、个性化的学习路径引导和学习共同体组建三个方面的内容：

图1 基于MOOCs的学习定制服务模型框架图

(一)个性化的导学服务

系统对首次注册的学习者进行学习风格和学习策略分析测试，学习定制服务模型系统根据自动生成的测试分析结果，推荐课程学习内容和学习同伴给学习者。学习者和学习同伴共同制定学习计划，并且按照学习计划同步完成课程内容。

1.学习风格和学习策略分析测试

学习者在计划、监控、小组学习、信息加工能力、知觉偏好等方面都存在差异，个性化导学要适应MOOCs学习者的个性差异，就必须了解其个性差异的本质特点。学习风格作为直接参与学习活动且具备稳定性和独特性的学习者个性心理特征，最直接地体现着网络学习者的个性差异，从而可以作为个性化导学策略设计的依据[13]。学习风格测试的种类很多，目前信度和效度比较高的是所罗门学习风格测试[14]。CMoodle根据该测试量表和相应的计算方法，在Moodle平台上开发了自测活动插件，可布置在课程的任何位置。学习定制服务模型对首次注册MOOCs课程的学生进行所罗门学习风格分析测试，测验共有44题，获得学生的四种学习类型：活跃型与沉思型、感悟型与直觉型、视觉型与言语型、序列型与综合型。教学设计者事先根据每种学习类型，设置不同类型的学习任务。系统根据测试结果，自动推送相应的学习任务给学习者。

学习者学习策略的选择是否与其认知风格、学习方式相匹配，直接影响到学习的效率。温斯坦标准化学习策略量表(LASSI)[15]是专门设计用于测查和诊断学生适用学习方法和学习策略能力的一种测评工具。LASSI测验施测方便，计分迅速，量表结构科学合理，测查问题全面，是目前比较理想的测查和诊断学生学习方法和学习策略的评估工具。量表由76个自我报告项目组成，共分为10个量表：态度(Attitude)、动机(Motivation)、时间管理(Time Management)、焦虑(Anxiety)、专心(Concentration)、信息处理(Information Processing)、选择要点(Selecting Main Ideas)、学习辅助(Studying Aid)、自我测试(Self-testing)、考试策略(Test Strategies)。测试直接采用国际上的常模，将被试的原始分数转换为百分数。将LASSI应用于学习定制服务模型，有效地测量了学习者的学习策略，有利于对学习者的学习行为进行深入的研究和评价。

2.课程和学习同伴推送

学习跟踪Agent[16]根据学生学习痕迹(主要包括学生学习某知识点所用的时间，访问过的链接，知识点测试成绩和所用的时间，论坛回答和提问问题等信息)并结合学生学习风格和学习策略测试信息生成贝叶斯学习网络(Bayesian Learning Network)。贝叶斯理论是处理不确定性信息的重要工具，在处理不确定信息的智能化系统中已成功地应用于医疗诊断、统计决策、专家系统、学习预测等领域。学生在线学习的过程中，贝叶斯学习网络根据学习跟踪Agent搜集的信息更新原有网络。应用贝叶斯技术和贝叶斯动态网络(Dynamic Bayesian Networks，DBNs)为学习信息Agent提供了形式化的数学框架和处理工具，可以有效解决信息Agent研究领域所遇到的学习行为决策问题，实现了基于MOOCs的学习定制服务模型的课程和学习同伴的智能推送。其推送过程如图2所示，信息Agent获取学习者的特征信息以后，生成用户学习信息推送模型，推送模型调用课程资源数据库的信息和学习者类型数据库，进行课程资源的过滤和学习同伴类型的匹配，将适应学习者特征风格和学习策略的课程资源和学习同伴推送给学习者。

图2 课程和学习同伴智能推送服务模型框架图

(二)个性化的学习路径引导

20多年网络教育实践中被证明能够有效保证网上学习效果的教学经验被很好地总结为MOOCs的基本教学模式，如网上学习辍学率高，因此不能单纯靠学生自学，一定要有老师引导授课。但是，基于MOOCs大规模的学习人数，光靠教师的一己之力是力不从心的。在线学习情景提供了良好的交互技术支持和丰富的在线资源，有利于学习者自主学习的发生。学习者原有的知识结构以及学习风格等个性化因素会影响其对在线资源的选择和活动的意义建构，形成学习者的个性化学习路径。因此，一定要借助MOOCs系统平台本身的设计，让学习者在系统的路径引导下，进行自主的学习。这样不仅能让学习者获得高效的学习体验，而且有利于解决MOOCs高辍学率的难题。

1.学习任务驱动

在进行基于MOOCs的教学设计时，必须制定学习激励策略，引起学生的学习内部动机，才能顺化学习过程。研究表明，采用任务驱动式学习策略在网络学习过程中取得了良好的学习效果[17]。任务驱动式学习策略是通过“任务”来诱发、加强和维持学习者的成就动机。任务是一个由外向内的演化过程，以成就动机的产生为宗旨。系统根据课程知识点要求，按照学习风格和学习策略的测试类型，设计闯关式学习任务供不同类型的学习者进行选择，使学习过程激发学习者的好奇心。

2.学习路径引导

学习者对教学内容的选择并不是随机的，而是在教学内容相关理论框架基础上，依据知识点之间的知识网络关系构成特点，主动选择意义建构需要的知识点序列进行学习[18]。知识地图应用于教育领域，不仅能够帮助教师组织教学内容，而且可以有效地反映课程的学习目标、学科体系、层次关系和关联关系等，有利于学生定位当前在知识领域中所处的位置，建立知识联系[19]，如图3所示。知识地图提供了任务驱动的学习过程可视化界面，使学习者清晰掌握自身学习进度和学习效果。学习者根据学习任务自主构建个人课程知识地图学习网络，将确定的最终知识源建立知识与知识之间的关联，并与网络系统进行集成，建立知识链接。完成特定学习任务的学习之后，学习者需要完成学习效果自查表，根据课程目标的自查表项可以使学习者明确知识重点和自身的学习效果。

(三)学习共同体组建

相比于网络公开课，MOOCs的学习者不但有学习的热情，更有实际的行动。他们喜欢跟随老师精心准备的学习材料认真学习、愿意花时间与学习同门课程的其他学习者探讨课程问题，学习者的紧密互助塑造了课程学习的良好氛围。学习者对共同体的归属感、认同感以及从其他成员身上所得到的尊重感有利于增强学习者对共同体的参与程度，维持他们持续、努力的学习活动。基于MOOCs的学习定制服务模型构建了学习同伴数据库，用于进行学习同伴推送。在学习同伴数据库中以学习类型互补为原则，进行学习风格和学习策略的匹配。学习者根据系统推送或者自主搜索的结果，进行双方自主互选。学习者与学习同伴进行交流与合作，形成合作学习的模式，共同建构知识、分享知识。如图4所示，学习者、学习同伴、教师和助教形成基于MOOCs平台的学习共同体，实线箭头代表强交互，虚线箭头代表弱交互。传统的MOOCs网络学习平台中，学习者和学习同伴实际上只是通过学习论坛的随机弱交互，大多数学习者失去了传统课堂的师生情感交流，常常感觉孤独无助。在此基础上，我们突出了学习同伴的作用，信息在圆环内自由地流动，形成一个强交互的整体。

图3 个性化学习路径服务模型框架图

图4 学习共同体示意图

当前碎片化的传播语境弱化了学生深入思维的能力，削弱了学生思维的逻辑性和连贯性[20]。学习共同体通常采取的合作学习的形式是当前很受研究者重视的一种学习形式，虽然形式多样，但有共同点：学习者和学习同伴开展合作学习，互相帮助，共同学习[21]。Cohen[22]研究发现，合作学习的效果受许多条件的制约：(1)学习任务应该是团体性任务，即学习任务所要求的资源(信息、知识、技能、材料等)，单个学习者不能全部具有，离开与学习同伴的合作交流，学习者无法完成课程目标。任务目标是共同的，同时资源上又是相互依赖的，这可以促进学习者对活动的参与。(2)合作学习的任务最好是结构不良的问题(Ill-structured Problem)，开放式、答案不唯一的问题更能引发学生的深层次的沟通。(3)合作学习的效果主要取决于学生之间相互作用的频度和形式。研究表明，小组成员提供详细解释的次数与其学习效果显著相关；成功的学习小组一般会提出更多的与任务相关的问题，在策略及策略解释上花更多的时间。另外，合作的结构化程度也会影响到学习效果。结构化水平较高的合作学习对于常规的学习任务较为合适，结构化水平较低的合作学习更适合于开放式的、探索式的学习任务。

因此，在进行闯关式学习任务的设计时，需要综合考虑学习任务的性质、学习交流频度和形式，为了增强学习同伴的作用，系统规定学习者和学习同伴只有在都完成课程要求时，才能顺利结业。只有通过合理设计学习任务和合作形式，才能得到学习共同体的真正作用。

三、结束语

本研究的特色和重要意义主要有三点：(1)MOOCs仅以名校声誉作为质量保障的基础，缺乏有效的学习支持服务，不具备系统、完整的教学管理体系[23]。本研究在学习者特征分析的基础上，进行适应性学习内容推送，实现学习路径的个性化引导，营造了学习者的自主学习环境；(2)本研究首次将成熟的Agent和知识地图应用到MOOCs的学习分析和学习路径的引导过程中，实现了教育、计算机科学和图书馆学的交叉融合，使MOOCs的学习过程更加智能化；(3)本研究在MOOCs学习定制服务研究领域属于比较早期的研究，可以为MOOCs平台系统今后的发展建设提供了参考性的研究建议。

接下来的研究是利用本研究团队正在实现的云南省教师教育联盟MOOCs平台进行《计算机导论》公共课程的实验教学，学习对象是云南师范大学本科一年级三个公共大班学生，大概有400人左右。实验数据的类型主要有两种：(1)系统数据。根据学习跟踪Agent记录的学习过程数据，进行基于学习者在线学习行为的数据分析；(2)实际调查数据。课程结束以后，给学习者发放课程调查问卷，并且进行随机访谈；(3)最后，根据学习者的课程学习效果分析数据和学习者意见调查问卷和访谈信息，对本学习定制服务模型进行修正。

[1] Qualtrics.Qualtrics and Instructure Partner Reveal Top Motivations for MOOC Students[EB/OL].http://www.qualtrics.com/press/pressreleases/qualtrics-and-instructure-partner-reveal-topmotivationsfor-mooc-students,2014-09-10.

[2] Russell Boyatt, Mike Joy, Claire Rocks, Jane Sinclair.What (Use) is a MOOC?[A].The 2nd International Workshop on Learning Technology for Education in Cloud Springer Proceedings in Complexity[C].Berlin:Springer Netherlands,2014.133-145.

[3] Rachelle DeJong Peterson.MOOC Fizzles[J].Academic Questions,2014,(9):316-319.

[4] Hanna Toiviainen, Seppo Toikka, Jiri Lallimo. Analysing Expansive Learning in a Multilayered Design Project[A]. Collaborative Knowledge Creation[C].Rotterdam:Sense Publisher,2012.93-116.

[5]果壳网.2014年MOOC学习者报告[EB/OL].http://www.zhongjiaomedia.com/mooc/601.html,2014-08-24.

[6] Lewin, Tamar.Universities Abroad Join Partnerships on the Web[J].New York Times, 2013,(3):21.

[7] K. Masters.A Brief Guide To Understanding MOOCs[J]. The Internet Journal of Medical Education,2011,(1):2.

[8] Macal C M,North M J.Tutorial on agent-based modelling and simulation[J].Journal of Simulation,2010,(3):151-162.

[9] Prensky M. Khan Academy[EB/OL]. Educational Technology.http://www.marcprensky.com/writing/Prensky-Khan_Academy-EdTech-Jul-Aug2011.pdf,2014-09-15.

[10] Michiel Ferrari,Robea J Sternberg.The Development of Mental Abilities and Styles[A].Handbook of Child Psychology: Child Psychology and Practice[C].Oxford City:Cambridge University Press,1998.899-945.

[11] Olaf Koller.Goal Orientations:Their Impact on Academic Learning and Their Development During Early Adolescence,Motivational Psychology of Human Development[J].Advances in Psychology, 2000, (131):129-142.

[12] Jean Heutte, Jonathan Kaplan, Fabien Fenouillet, Pierre-André Caron, Marilyne Rosselle.MOOC User Persistence[A].Learning Technology for Education in Cloud,MOOC and Big Data[C].Berlin:Springer International Publishing,2014.13-34.

[13] 衷克定,刘洋.基于学习风格理论的在线导学策略设计与实践[J].开放教育研究,2012,(3):83-89.

[14] Felder, F.M. and Soloman, B.A. Index of Learning Styles[EB/OL].http://www.engr.ncsu.edu/learningstyles/ilsweb.html,2014-09-15.

[15] Claire E. Weinstein.LASSI 2nd Ed User’s Manual[M].Florida:H&H Publishing Company,Inc.1990.

[16]Fenton-Kerr T, Clark S, Cheney G.Multi-Agent Design in Flexible Learning Environments[EB/OL].http://ascilite.org.au/conferences/wollongong98/asc98-pdf/fenton-kerr0057.pdf,2014-09-15.

[17] Ali Borji,Majid Nili Ahmadabadi.Online learning of taskdriven object-based visual attention control[J].Image and Vision Computing,2010,(7):1130-1145.

[18] 曹良亮.在线学习中学习路径分析及学习行为特点研究[J].中国远程教育,2014,(4):25-30.

[19] Trucano, Michael. Knowledge Maps: ICT in Education[M].Washington, DC: infoDev World Bank, 2005.

[20] 李艳红,赵波,甘健侯.基于MOOC的佤族文化大众教育网络学堂构建研究[J].民族论坛,2014,(5):81-84

[21] Robert E.Slavin.Co-operative learning:what makes groupwork work?[A]. The nature of learning: Using research to inspire practice[C].Berlin:Springer US,2010.161-178.

[22] Haym Hirsh,William W. Cohen.Learning from Data with Bounded Inconsistency[A].Incremental Version-Space Merging: A General Framework for Concept Learning[C]. Berlin:Springer US,1990.29-48.

[23] 姚媛,韩锡斌,刘英群等.MOOCs与远程教育运行机制的比较研究[J].远程教育杂志,2013,(6):3-10.

李艳红：在读硕士，研究方向为智能教学系统设计(crazylife127@126.com)。

赵波：教授，研究生导师，研究方向为软件工程和知识工程。

甘健侯：教授，研究生导师，研究方向为智能信息处理、语义Web。

徐天伟：在读博士，教授，研究生导师，研究方向为高等教育管理、教育信息化。

2014年8月8日

责任编辑：李馨 赵云建

The Research of the MOOCs Study Custom Service Model

Li Yanhong1,2, Zhao Bo1, Gan Jianhou2, Xu Tianwei1,3
(1.School Of Information Science And Technology, Yunnan Normal University, Yunnan Kunming 650500;2.Key Laboratory of Educational Information for Nationalities, Ministry of Education, Yunnan Normal University, Yunnan Kunming 650500;3.Institute of Education Sciences, Huazhong University of Science and Technology, Wuhan Hubei 430074)

Massive open online courses is a kind of free education for the public,having a huge impact on traditional teaching mode,and has the characteristics of high quality teaching resources sharing.Now,MOOCs only brings the mass production of knowledge learning,doesn’t realize the personalization and customization of the courses.So,it needs the research of the design related learning resources and system framework.The research of the MOOCs study custom service model reach the optimization of the network teaching methods.

MOOCs;Study Custom;Service Model;Knowledge Map;Study Agent

G434

A

1006—9860(2014)11—0039—05

* 本文系民族教育信息化教育部重点实验室开发基金课题(课题编号：EIN2011B005)、云南省教育厅科学研究基金研究生项目(项目编号：2014J037)、2014年云南师范大学研究生创新基金项目研究成果。