网络教学视频资源自动评价方法

姚金良等

【摘 要】

本文设计了一种自动评价网络教学视频的指标：流行度和质量。与已有的人工评价方法不同，本文的评价方法通过教学视频中各集的播放量来挖掘学习者对该教学视频的评价，通过函数拟合获得指数函数的两个参数a和b，分别对应视频的评价指标：流行度和质量。通过网络真实数据进行相关实验，结果显示该自动评价指标和方法与人工评价的结果基本一致。

【关键词】 视频教学；资源评价；自动评价；视频教学资源

【中图分类号】 G434 【文献标识码】 B 【文章编号】 1009—458x（2015）07—0072—05

一、引言

随着计算机多媒体技术以及网络技术的飞速发展，网络视频教学资源成几何级增长。由于视频教学资源所具有的多媒体特性与传统面授方式的相似性，教学视频已成为当前最为重要的一种教学资源形式，在网上通过视频进行学习也已经成为自主学习的一种重要方式。当前各类网络教学平台层出不穷，各种学习社区内，网友也分享了大量的视频教学资源。这些教学视频大部分来自各种培训机构、国内外知名大学的公开课课程、教师自己制作的视频课程。近年来，随着慕课网站的兴起，大量的视频教程被发布到慕课网站供人们免费学习。

面对如此多的视频教学资源，如何进行有效的评价，让学习者能够快速地找到最好的视频教学资源就显得非常重要。一种简单的评价方式是在上传视频资源时，由编辑按资源的各种属性分别评价，并给出一个总分值。这种人为进行的评价容易受到编辑主观性的影响，也不能全面地从学习者的角度来评价视频内容的优劣，并且是一项非常耗时的工作。另外，有学者提出了基于问卷调查的方式，该类方式需要发放调查问卷，容易受到问卷形式、发放对象等一些因素的影响，同时也是一项非常耗时的工作[1]。面对视频资源的急剧增长，仅仅依靠编辑进行人工评价的方式已经无法满足实际的需要，采用自动评价方式是各个学习社区和视频网站展示视频的必然趋势。当前，一些视频教学平台主要根据视频播放量进行评价。由于教学视频一般有很多集，且不同教程的视频集数也不一样，造成以该课程总体播放量进行评价的方式容易导致偏差。在特定时间内，学习者可能对某一序列课程特别感兴趣，学习者会通过不断地搜索和预览视频内容来找到最适合自己的视频教学资源，这也造成了基于视频播放量的评价方式存在一定的误差。

还有一些教学视频网站采用基于协作的评价方式，根据已有学习者的“点赞”数量来确定该教学视频的质量。这是一种易于操 作和容易实现的评价方式，但是很多的学习者不愿意进行积极的评价。笔者分析了好知网上的数据，学习者评价数量与视频浏览量的比在0.01左右[2]。如果视频的评价数量比较少，那么评价结果就不具有代表性，也易受到噪声数据的影响。

针对上述问题，已有一些学者进行了探讨，并提出了相关方法。屈小牛针对教学资源的评价问题提出了一种自动化评价方法：首先建立资源的特征属性，在其之上建立评价体系，专家和学习者根据调查表确定各个属性的权重，然后通过程序获取资源的对应属性值，最后根据属性权重和属性值获得资源的总体评价[3]。熊玲提出了基于链接分析的web教学资源自动评价方法评价面向教学的网站[4]，通过构建网站的外链数量进行评价。

本文认为，教学视频作为学习者远程学习的一类重要的资源，在学习者的学习过程中起着举足轻重的作用，教学视频质量的优劣直接影响学习者的学习兴趣及学习效率。教学视频的质量可能体现在各个方面，包括课程的难易程度、讲授内容是否新颖、内容是否有趣、理论讲解是否透彻易懂和获取的难易程度等。无论从编辑、专家的角度，还是从学习者的角度，根据上述几个方面来评价一个教学视频是非常困难的。本文提出了一种简单的评价方式：“用脚投票的方式”。这种方式假定：如果学习者认为该视频资源质量不高或者不适合自己，会自动地转移到其他相关教学视频上。网上学习不同于课堂教学的一大特点就是网上视频资源极为丰富，并且学习者从一个教学视频转向另外一个教学视频非常方便，只需输入不同的网址就可以，导致学习者可以非常简单地根据自身对教学视频质量的评价来确定是否需要继续学习该教学视频资源。

由于网上自主学习者没有考试、学分、文凭等压力，其学习主要基于兴趣、职业发展、课堂辅助学习等需要。这一特点导致网上学习者辍学率较高。笔者认为，在每个教学视频中存在一定数量的放弃继续学习的行为是一个正常的现象，这一放弃比例在每个教学视频上基本是一致的。本文将这些方面的信息都通过学习者是否继续学习该视频课程相关联，假设：一个高质量的教学视频，应该是能让学习者不断地继续学习下去，直到完成整个课程的内容；而一个低质量的教学视频则会让学习者放弃继续学习。这一假设直观上与实际相符合，为此，本文设计了一种基于各集视频播放量的评价指标，该指标包括教学视频的流行度和质量两个指标。本文提出的自动评价方法通过函数拟合获得指数函数的两个参数a和b，分别对应教学视频的流行度和质量。参数a反映参与该课程的学习者人数，学习人数越多，该课程越流行。参数b反映教学视频各集播放量的衰减因子，学习的人数随着时间的推移减少得快，表示该视频质量较低，反之则质量较高。

二、基于视频的网上学习特点

基于教学视频进行网上学习具有与传统的面授学习不一样的新特性。这些新特性既为学习者提供了更多的学习机会，也给学习者提出了更高的要求。通过新特性能观察到教学视频的质量，通过各集的播放量来进行评价。新特性主要表现在以下几个方面：

1. 网络教学视频的特性

（1）网络视频资源极大丰富

笔者以“C语言程序设计”为关键词进行搜索，得到结果如下：在百度视频搜索引擎中显示50页1000个相关视频；通过优酷的搜酷搜索可以得到30个视频数大于5的相关栏目；在好知网上有9个整理好的视频资源；在网易云课堂有12个相关视频教程。百度和优酷上显示的视频没有进行整理，不易浏览，而好知网和网易云课堂由发布者进行了编辑，便于用户学习和浏览。可见，查找教学视频已经不是困难的事情，现在的问题是如何从大量的资源中，发现最有价值的教学资源。

（2）网络视频资源访问的便利性

当前，网络视频资源的访问变得极为方便，只要拥有网络，学习者可以在任何时间、任何地点进行视频的访问和学习。随着智能手机的普及，基于移动端的网上视频资源访问也成一种主流的方式，例如，好知网有手机应用程序提供下载，可以在手机端进行学习。另外，网上教学视频是按课程进行组织，一般一个课程由多个视频构成。

（3）各种各样的学习功能

以教学视频为基础的一些网上学习社区可以为学习者提供各种学习功能和服务。比如，好知网可以方便地记录学习者的学习时间、频率等情况，可以为学习者保存学习时的笔记，并进行学习的提醒等服务。同时，好知网提出了小组的概念，学习者在学习小组可以互相讨论问题，构建网上学习环境，找到相同学习兴趣的同伴等，提高学习者的学习兴趣。

2. 网络学习者的特点

（1）网上学习者的兴趣多样

网络上的学习者不同于在校学生，没有考试成绩、学分的压力，他们在网上学习的动机主要包括，兴趣、职业发展的需要、辅助课堂学习等。基于兴趣的学习者关注的常见课程为各种讲授棋类的视频、各种摄影课程的视频等。基于职业发展需要的学习者没有时间去学校进行系统的学习，工作中需要进一步提升自身的能力。这些学习者希望从网络上学习相关的课程，如职场礼仪、各种技术课程等。辅助课堂学习是为了进一步提高课堂学习的效果。一些积极主动的学习者，在课外学习课堂上的相关课程，作为课堂学习的一个有效补充。学习者一般通过搜索或者同学推荐来获得相关的教学资源，而视频教学资源是学习者最容易接受的一种网上学习资源。另外，学习者需要自己确定采用何种学习资料。总的来说，网上学习者都具有明确的学习目的、积极的学习态度，其主动性非常强。

（2）网上学习者学习时间有限

网络学习者的另外一个特点是学习者可能没有特别多的时间。大部分的学习者都有自己的工作，工作和家庭等事情都容易导致学习中断。另外，网络学习者没有学习压力，其学习是基于兴趣，不是来自考试、教师、证书等方面给予的外在的压力，在没有外在压力的情况下，导致学习者在各种事情的挤压下易于放弃网上学习。

3. 网上学习者学习行为特点

网上学习者喜欢在线观看视频的学习方式，这类学习资源都是免费的。该学习方式一般没有教师指导，称之为无教师监督的自主学习。这类学习行为非常自由，学习者可以在不同的视频资源之间切换。另外，网上学习者会随着时间的推移而失去兴趣，也会因为课程中的难度而退出学习。网上学习也没有作业和测试，对所学知识测试主要依赖于实际中的应用，而不是书面的考试，实际应用的效果直接影响学习者进一步学习该课程的兴趣。毫无疑问，在没有教师监督的情况下，学习者完成整个课程内容的概率会降低。

从以上三个特点出发，笔者认为，通过教学视频进行网上学习的学习者会因为各种原因而放弃继续学习网上教学视频。但是，在相同课程的教学视频上，学习者放弃的比率跟该教学视频的质量相关，教学视频的质量越高，放弃学习的学习者越少。

三、基于播放量的自动评价方法

本文希望能够找到一种更易于实际应用的网络教学视频的自动评价方法。此方法基于以下假设：高质量的教学视频会促进学习者坚持学习完视频内容。也就是说，在相同教学内容的条件下，学习完高质量的教学视频的人数多于学习完低质量教学视频的人数，低质量教学视频导致学习者中途放弃学习的概率更高。基于这一假设，笔者设计了教学视频的评价指标和计算方法。

本文建立了一种学习人数随着时间而变化的衰减因子指标，用于描述学习该课程的人数随时间的变化率。学习人数减少得越快，表示该课程的质量越差；学习人数下降得越慢，表示该课程是一个高质量的教学视频。学习相同课程，不同教学视频的学习者流失快慢的比较，可以较好地反映教学视频的优劣。

为了刻画学习人数随时间的衰减过程，本文进行了初步的实验：2014年10月，选取了好知网上一个视频教程“食物（静物）摄影用光和构图实例”，该课程一共有60个视频。笔者根据每集的时间顺序，画出了该课程每集的播放量，见图1虚线，然后观察播放量随时间（视频序列）的变化。从曲线变化趋势可以认为其播放量的变化比较符合指数递减的分布，因此，笔者再用指数函数拟合该数据得到指数函数的曲线（实线）。图1中，横坐标为第几集视频，纵坐标为对应的播放量。从图中可以看到，开始5集播放量都在2，000以上，然后不断递减。从图1中可以发现，真实的播放量衰减过程，与指数函数的衰减过程基本一致。但是，不同的教学视频的衰减速度不一致。

因此，本文通过视频集中每个视频的播放量进行指数函数的拟合。指数函数的公式如下：

[y=a∗e-b∗x] （1）

在该公式中，参数b控制指数函数的下降速度。因此，参数b可以作为视频课程质量的评价指标，b越小，播放量下降速度越慢。该衰减因子不易受视频总体播放量的影响。参数a反映了视频总体播放量的数据，我们用该指标来评价视频集的流行度。已有的基于视频点击量的排序方法容易受到视频名称、关键词等影响，并不能真实反映学生对课程的评价。但是，流行度指标不同于视频浏览量，该指标可以应对噪声的影响。

四、实验结果与分析

为了测试自动评价指标的有效性，笔者从好知网随机选择部分视频课程作为实验数据的来源[2]。好知网是以虚拟社区为基石的知识分享在线学习平台，以兴趣和知识需求为纽带，实现老师和学生、学生和学生之间的知识传递，让教和学的单向推送模式转化为一种多端互动模式。好知网国内Alex排名在4，000上下，获得众多网友的一致好评，月访问UV（独立访客）达到60万左右，PV（访问量）在120万左右。我们于2014年12月从好知网上选取了“C语言程序设计”的相关课程，其中四个教学视频最为相关，分别为“边用边学C语言”“吉林大学C语言视频教程”“C语言程序设计（曾怡主讲）”和“C语言程序设计（小甲鱼系列）”。然后，根据每个视频集中每集的播放量，用最小二乘曲线拟合方法，拟合得到指数函数的两个参数a和b。为了比较笔者提出方法的评价结果与学生真实的评价吻合度，笔者用计算得到的评价结果排序四个视频，然后与学生的评价结果进行比较，看其是否一致。实验结果如表1所示。

从实验数据可以看到，上述课程的自动评价结果与学生的评价结果基本一致。另外，其质量指标并不受流行度的影响，“C语言程序设计（小甲鱼系列）”虽然有较多的人学习，但是视频质量并不高。同时，可以看到学生的评价人数并不高，存在一定的不稳定性。表1数据基本验证了笔者提出的评价方法较好地反映了学习者对视频教程的评价。

用笔者的教学视频评价方法，本文对不同类别的教学视频进行评价。根据好知网上的视频分类：摄影、电脑、职场、编程、语言、文化、兴趣、生活和公开课，对不同类别随机选取5个视频集，通过拟合的指数函数参数a和b的均值来评价不同类别教学视频的流行度和视频质量。其数据如表2所示。

从表2可以看到，根据学习人数评价，不同类别课程受到的欢迎程度不一样。本文方法中的系数a很好地反映了不同类别的视频教程的受欢迎程度，正好与学习的人数成正比关系。学习的人数是注册用户加入该视频课程进行学习的人数，而一般的非注册的浏览用户虽然看了视频，但不是学习用户。因此，通过本文的评价指标，系数a可以反映某个视频教程的受欢迎程度，同时对一些噪声点击具有较好的抵抗性；系数b可以反映相同教学内容不同视频的质量。从表2也可以看到，虽然编程相关的课程流行度不是很高，但是其视频质量还是最高的。

另外，为了测试网络学习者学习保持的一般规律，消除学习内容的影响，笔者对选取的9个类别中每个类别5个视频集的播放量进行求和。由于每个视频集中视频的数量不一致，笔者选取每个视频集的前17个视频进行统计和最小二乘方法拟合，得到的结果如图2所示（虚线为每集实际播放量，实线为用指数函数拟合的结果）。

从图2可以看出，不考虑教学视频的内容，总体的播放量是成指数下降。这反映了网络学习者辍学率的一般规律。但是，不同视频类别的辍学率，其指数变化率不一致；对同一教学内容，学习不同的教师讲授视频的学习者存在差别。因此，该指标可用于评价相同内容的视频质量。

另外，对于专题性的视频教程（同一视频集中不同视频相关性非常低的视频教程），本方法不一定适用。例如，好知网中的教程“菁俏妞de化妆教程”。该视频教程中前三个视频讲授内容分别为万圣节化妆、萌兔兔妆、圣诞节派对化妆。第5个视频则为“五分钟淡妆”，此视频获得了比前面三集多得多的播放量。从中可以发现，对不同集之间相关性弱的视频集，其播放量并不一定符合按指数递减趋势。

五、总结

本文提出了一种通过对教学视频集播放量进行统计分析得到教学视频流行度和质量的方法。通过真实的实验数据验证了这一评价方法与实际的课程评价结果基本一致。由于从学习者的行为角度出发，因此不容易受到噪声的影响，而且可以通过程序计算自动地获得评价结果。与已有的方法比较，这一方法无须构建评价标准，能够根据每集视频的播放量来自动评价，从而与互联网快速发布的要求相适应。同时，该方法还可以用于其他类型视频集的评价，比如电视连续剧。

应该指出的是，本文的评价方法主要适用于评价开放的视频课程，并应用于对两门以上的同类课程进行质量比较。而对于有访问限制、专门用于网络教学中的网络视频课程不一定合适。另外，本课程评价方法特别适合每集具有相关性的视频教程。

[参考文献]

[1] 吕生荣. 程序设计基础教学资源的有效性评价研究[D]. 包头：内蒙古师范大学，2008.

[2] 好知网. http：//www.howzhi.com.

[3] 屈小牛，数字教学资源库质量自动评价系统的研究[D]. 成都：四川师范大学，2013.

[4] 熊玲. 基于链接分析的Web教学资源自动评价模型研究[D]. 南京：南京师范大学，2013.

收稿日期：2014-11-15

定稿日期：2015-03-14

作者简介：姚金良，博士，讲师；杨冰；韩建平。杭州电子科技大学（310018）。

魏建强，杭州阔知网络科技有限公司（310018）。

责任编辑 三 川