基于学习分析技术的MOOC资源服务模式研究

王星 张勤茹

摘 要：MOOC已经成为开放课程建设的典型代表，MOOC既融入学校教育促进教育发展转型升级，又创新远程教育开创网络教育新形态。MOOC资源自身创新发展是其面向未来发展的关键所在，学习分析技术为内涵式提升MOOC资源建设层次提供了新的视角。基于学习分析技术的MOOC资源服务模式包括：建设模式，形成资源进化、形态表现、课程建设、学生学习一体化的建设体系；推送模式，深入挖掘MOOC资源建设深度、资源推送与私人订制相结合、构建个性化的学习环境；流转模式，以系统的视角统筹MOOC资源高层次建设，实现生态化流转。该服务模式可以探索后MOOC时代资源建设取向、提升MOOC资源教育服务层次、推动MOOC资源发展与学习者学习进行深度融合。

关键词：学习分析技术；MOOC；服务模式

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2018）13-0047-05

一、基于学习分析技术的MOOC资源服务转型

学习分析学（Learning Analytics）已经成为教育技术发展的第三次浪潮。[1]自2011年以来，学习分析与知识国际会议（简称LAK）已经连续召开七届。2017年LAK关注追踪学习、理解学习、改进学习和可持续发展四大内容。[2]美国2017年地平线报告基础教育版将分析技术纳入影响未来五年教育的六大技术，中国2017年地平线报告高等教育版将学习分析技术纳入未来2～3年重要发展技术。学习分析技术聚焦教师教学行为和学习者学习行为所产生的数据，运用大数据挖掘、可视化技术、统计分析、社会网絡分析等技术，将数据转化为信息、知识和智慧深度服务于教与学过程。学习分析要素组成包括学习过程、学习环境、教育环境、受众等环节。[3]学习分析的数据来源多样化、数据分析深度化、分析结果可视化、服务对象精准化。可以进行大数据学习分析的平台有“梦盒学习”、“狸米个性化教学平台”、“猿题库”等。[4]

MOOC已经进入到了支持学习设计与教育干预的第二代发展阶段。[5]MOOC逐渐融入学历教育体系，2013年美国教育委员会通过了5门MOOC课程的学分认定申请，[6] 2016年MIT宣布开设以MOOC为基础的供应链管理微硕士学位。[7]部分学校内MOOC与学校间MOOC课程学分认可高校数量逐渐增多。MOOC相关研究关注教学设计、数据挖掘、视频标注、学习活动、交互分析、学习者分析等领域。MOOC资源建设方面，有学者对MOOC评论帖内容进行学习者话题的挖掘，[8]有学者提出问题式学习慕课开发，[9]有学者提出了基于学习性评价的MOOC设计理念，[10]有学者提出了语义网技术与MOOC结合形成的语义慕课建设模式。[11]MOOC相关主题研究方兴未艾，然而MOOC资源本体研究囿于标准化的建设规范，亟需创新研究理念、深化研究内容、拓展研究领域。

基于学习分析技术视角探究MOOC资源发展，为后MOOC时期资源转型升级提供了新的思路。学习分析与MOOC研究结合方面，有学者研发了慕课数据分析干预软件平台（MOOCito），[12]有学者基于edX开放数据对MOOC的学习者进行学习分析，[13]有学者基于学习分析对MOOC形成性测试难度系数进行了研究，[14]有学者通过多维视角构建了MOOC学习分析发展机制与分析框架。[15]LAK会议论文关注MOOC领域的学习分析技术，高频关键词统计持续位于前列，学习分析技术已经成为MOOC资源的支撑技术，[16]研究集中在学习交互的文本挖掘与分析方面。[17]学习分析数据主要来源于MOOC产生的动态和交互数据，尚未对MOOC资源产生系统性影响。如何将学习分析技术融入资源建设提升资源的智能化水平、如何将学习分析技术创新资源应用实现学习者智慧化自适应学习目标、如何将学习分析技术优化资源内生实现资源生态化流转，这些问题的系统解决将会防止MOOC出现断崖式发展，有助于构筑MOOC资源服务创新体系。

二、基于学习分析技术的MOOC资源建设模式

MOOC引领当前开放课程建设，视频公开课、资源共享课、精品课程以及MOOC的衍生课程都在借鉴MOOC建设优势。MOOC资源建设优势体现在：①大规模开放性，面向有学习需求可以连接网络的人们，这也是MOOC建设的初衷；②名校精品化，MOOC建设汇聚名校名师，建设标准与质量优异；③松散的同步性，MOOC学习过程没有严格要求，但会进行同步授课，并保留教学资源；④交互资源丰富，大规模学习人群会有规模巨大的交互数据；⑤轨迹资源丰富，每个学习者都会有个性化的学习过程轨迹；⑥基于资源的评价方式，评价采用多元化方式针对静态提交的资源与动态产生的资源进行等。

MOOC资源建设过程中同时面临比较突出的辍学率高、完成率低的问题，MOOC正式或非正式进入学校学历教育之中的问题主要体现在：①大规模与个性化之间的矛盾，学习者个性化学习需求倍增，高质量资源与低服务水平越发不相匹配；②平台间数据互通的问题，不同终端平台建设质量不一，无法形成合力满足学习者泛在学习需求；③资源建设固化，可持续发展问题；④课程表现一致、千生一面的问题等。化解MOOC资源建设问题的核心就是以学习者为中心，将学习分析技术融入资源建设系统，打通多终端平台壁垒实现数据互通有无，目标就是形成资源进化、形态表现、课程建设、学生学习一体化的建设体系，构建基于学习分析技术的MOOC资源建设模式，如图1所示。

1.多终端平台多形式MOOC资源建设

移动终端设备革新迅速，无线网络越来越触手可及，学习者全时空学习成为可能，需要构建与电脑、电视、PDA、智能手机、电子书包等设备表现相适应的MOOC资源，发挥不同终端平台优势，形成MOOC终端学习硬件体系，运用学习分析技术挖掘不同平台产生的数据，不断优化不同终端平台MOOC资源建设。

2.多维度循环性资源实现智能化进化

将MOOC资源按照使用进程演变过程进行科学划分。静态资源，课程建设初期的基础性资源；动态资源，师生教与学过程轨迹以及交互产生的数据；再生资源，学习者发生概念交互产生的创新性资源。三类资源建设目标就是趋向智慧资源，智能识别产生资源优化并将其融入资源循环发展进化之中。

3.元资源多形态表现及智能化转换

资源的多媒体呈现是学习者进行认知的基础，以知识点为单位分解课程章节，构建多媒体表现的知识点资源库，基于学习分析技术探究同一知识点学习者多媒体适应性，以及不同知识点多媒体组合最佳形式。为了减少资源库容量，应当开发多媒体转换软件，建立元资源库，元资源库应当具有按需将知识点转换成多媒体的功能。

4.以学习者为中心进行层次化课程建设

创新MOOC的资源展示功能，一是让学习者有更多的自主选择性，学习者可以选择界面的组成、资源的组合方式、交互的形式等，保持学习者的最佳操作状态；二是平台提供给学习者层次化的学习内容，可以分为优秀、良好、中等、及格等，呈现不同的课程内容和学习方式，供学习者选择类别学习按需晋升。

5.促进概念交互发生的智慧化学习

通过多平台支持学生选择适宜的学习方式，教师也有充分的教学方式创设相匹配的学习方式，学习不再仅仅发生在教室，学生知识的习得不再被计划而是自身主导发生，学生统筹多种学习方式促进深度学习，减少知识习得过程中的认知障碍，保障学生能够顺畅地完成知识的同化和顺应。

三、基于学习分析技术的MOOC资源推送模式

教育信息资源推送领域包括移动平台推送和电脑平台推送，推送形式智能化程度不断加深，逐渐由模糊面向多群体被动更新资源，向精准面向学习者个体进行主动推送转变，个性化资源智慧推送已经成为研究的热点问题。个性化学习的本质就是实现“可个性化学习”（PersonalizableEducation），迁移到本研究就是提供个性化资源学习的机会。推送技术研究包括RSS信息推送技术、基于短消息的推送、基于特征提取的教育视频资源推送[18]、Agent信息推送技术、基于RFID的移动学习资源推送[19]。推送技术应用在MOOC领域，有学者依据多媒体资源适应性推送策略提出了设计个性化的MOOC 2.0模式[20]，有学者提出MOOC平台课程的推送机制[21]，有学者提出促进MOOC与图书馆融合的个性化智能推送服务[22]。

无论是推送技术应用在教育教学领域，还是应用在MOOC资源领域，面临的共同问题：一是推送资源范围受限，或是集中于局部静态课程资源，或是集中于提示性信息资源，尚未以课程资源整体的视角进行考量；二是推送资源准确度模糊，推送资源以群体化资源为主；三是推送方式种类有限，主要以学习者订制推送为主。总体来看，资源推送的效果并没有实现设计初衷，甚至技术操作壁垒对认知有一定的阻礙作用。因此，从顶层设计角度将推送策略与MOOC资源建设相结合，不失为一个可行的创新方式，基于学习分析技术科学统计、分析、决策教与学过程所用资源与产生数据助力MOOC资源推送的实施，目标就是深入挖掘MOOC资源建设深度、资源推送与私人订制相结合、构建可个性化的学习环境，基于学习分析技术的MOOC资源推送模式如图2所示。

1.推送主体

系统推送，融合学习分析技术，系统可以预置不同类型频道供学习者选择，可以根据学习者使用情况进行个性化更新，还可以根据课程学习进度推送相应信息资源；智能代理，根据预置的资源推送策略，结合学习者动态学习状况，智能化、显性或隐性地推送学习资源；教育者，基于学习分析技术可视化呈现分析结果，任课教师、助教或辅助专家等可以进行有针对性的智慧化推送。

2.推送内容

资源主体，以知识点为元资源建构资源库，将资源本身、表现形式、资源组合等进行有机统一，形成结构化的MOOC资源建设模式；学习路径，对学习者学习进程进行引导性建构，结合学习者认知状况，对学习资源、功能界面、推送形式等进行显性或隐性个性化调整，形成学习者最优学习路径；学习策略，建构与学习资源学习相匹配的学习策略库，根据学习者学习状况进行有针对性推送。

3.推送对象

学习者个体是MOOC资源推送的主体，推送功能设定与推送理念更新都以学习者学习为中心；教师是MOOC资源推送的受益方，一方面基于学习分析技术推送可视化的学习者学习状态数据，另一方面推送与教师教学相关的匹配内容，还有辅助教师进行有效的教学干预；共同体推送是MOOC资源首先要实现的目标，学习者通过不同方式形成不同类型的共同体，还有师生形成的共同体，都可以成为MOOC资源推送的对象。

4.影响因素

推送时间也可以称为推送时机，基于学习分析技术准确判断适时推送；推送形式，以何种资源整合及表现方式进行推送；推送路径，选择适宜的频道进行推送；推送数量，单次推送量与多次重复推送频次相结合；推送场景，推送与资源相匹配的展现场景；师生认知，方便教师讲授，同时有利于学习者认知的同化和顺应。

5.推送策略

主动推送，推送主体根据学习者动态状况进行资源主动推送；被动推送，MOOC资源的静态资源建构以及学习过程的阶段性更新；显性推送，以目标知识点资源的形式进行推送；隐性推送，将推送内容融于其它资源或以引导性路径的形式进行推送。

四、基于学习分析技术的MOOC资源流转模式

MOOC资源可持续发展需要实现生态化流转。流转就是关注资源的循环过程，将MOOC的“建设”与“应用”融为一体，实现MOOC资源的高层次建设。影响MOOC资源流转的因素体现在：①尚未形成完整的知识循环体系，基础性资源与生成性资源没有很好地融合建设，同时较少关注资源的智慧化发展；②资源的变化如何影响有效行为产生方面深入程度欠缺，应当将人为干预与资源智能自动化影响相结合；③MOOC资源评价机制与建设模式匹配程度不高，需要以效果评价促进资源优化建设；④MOOC资源大规模的特点亟需关注个体化的干预，为利用资源进行有效干预提供了一个新的视角。

基于学习分析技术融通MOOC资源流转过程，就是以系统的视角统筹MOOC资源高层次建设。MOOC资源建设应当具有前瞻性，及时吸纳最新的技术成果为我所用，实现与下一个资源建设形态无缝衔接；MOOC资源研究应当具有前沿性，创新建设、应用与发展理念实现资源有效流转；MOOC资源实践应当具有科学性，以数据可视化分析逐渐代替主观性、计划性判断，以科学的数据分析指导MOOC资源流转过程。基于学习分析技术的MOOC资源流转模式如图3所示。

1.教学交互

有学者构建了教学交互层次塔，包括三层次的交互。[23]一是操作交互，学习者与媒体平台界面之间的交互；二是信息交互，学习者与教学组成要素之间的交互，包括学生与学习资源的交互、师生之间的交互和生生之间的交互；三是概念交互，学生新旧概念之间的交互。智慧交互，突破了交互层次限制，实现按需无阻碍交互。

2.知识循环

资源在静态资源、动态资源、再生资源和智慧资源之间进行无缝循环，形成促进学习者知识掌握的资源循环流。

3.学习行为

操作行为，学习者学习过程活动的生理行为；交流行为，学习者与教师、其他学习者主动或被动交流的行为；协作行为，学习者以共同体的形式进行的活动；反思行为，学习者在学习过程中或学习后的自省；获得行为，学习者习得新知外显的应用行为。

4.环境创设

异步环境，学习者与教师、其他学习者、学习资源非实时非同步的学习环境；同步视频，学习者与教师、其他学习者、学习资源实时同步的学习环境；虚拟仿真，创设逼真沉浸程度不同的情境，模拟真实的学习情境，增强学习者真实的学习体验感受；学习空间，创设不同类型的个性化个体和共同体环境，学习者可以进行最优化学习。

5.学习干预

干预主体，系统干预就是MOOC平台根据预设的干预程序进行适时干预，智能代理干预就是具有一定智能化处理的工具根据数据分析进行的适时干预，教师干预就是教师根据可视化的学习数据分析通过MOOC提供的干预工具进行的干预；干预时机，综合分析学习者的学习状况评估确定干预时序；干预数量，推送资源的种类、多少和多媒体种类等；干预对象，学习资源种类的变化、学习者学习路径的变化或者同步呈献给学习者；干预内容，知识性内容、策略性内容、方法性内容、MOOC平台相应结构改进和心理情绪方面内容等。

五、研究总结

MOOC标准化高质量的开发已经覆盖高等教育的课程体系，MOOC服务于学习型社会发展能够整体提高国民的知识学习层次，MOOC融入正规学校教育以致创新新时代教育形态趋势明显。随着互联网以及相关技术的变革性发展，后MOOC时期做好与下一代课程形态的衔接，以及对下一代课程形态展开积极探索显得尤为重要。MOOC转型升级发展的关键是依托以学习分析技术为代表的前沿技术，改变资源在教学结构中的传统地位，降低学习者学习的技术阻碍，将MOOC资源与学习者学习进行深度融合。基于学习分析技术对MOOC资源建设、推送和流转模式组成的服务体系进行理论探索之后，如何构建现实可操作、可行的实施方案，如何改进、建设相匹配的MOOC平台进行实践验证将会是后续关注的内容。

参考文献：

[1]祝智庭，沈德梅.学习分析学：智慧教育的科學力量[J].电化教育研究，2013（5）：5-12.

[2]吴永和，李若晨，王浩楠.学习分析研究的现状与未来发展——2017年学习分析与知识国际会议评析[J].开放教育研究，2017（5）：42-56.

[3]李艳燕，马韶茜，黄荣怀.学习分析技术：服务学习过程设计和优化[J].开放教育研究，2012（5）：18-24.

[4]杨雪，姜强，赵蔚.大数据学习分析支持个性化学习研究——技术回归教育本质[J].现代远距离教育，2016（4）：71-78.

[5]周玲.多维视角下MOOC学习分析发展机制与分析框架建构[J].电化教育研究，2017（4）：41-46.

[6]荀渊.MOOC的实质与前景[J].电化教育研究，2014（6）：16-20.

[7]李晓明，张绒.慕课：理想性、现实性及其对高等教育的潜在影响[J].电化教育研究，2017（2）：62-65.

[8]刘彭晛，刘智，孙建文，刘海.面向MOOC课程评论的学习者话题挖掘研究[J].电化教育研究，2017（10）：30-36.

[9]向佐军.问题式学习慕课开发的原理与设计——以荷兰马斯特里赫特大学慕课为例[J].中国电化教育，2016（6）：86-92.

[10]蔡旻君，马光仲，陈萍.从学习性评价的视角反观MOOC之理念与设计[J].中国电化教育，2016（9）：66-73.

[11]吴文涛，张舒予.语义慕课：语义网环境下MOOC的发展愿景[J].中国电化教育，2016（9）：51-58.

[12]（塞）维托米尔·科瓦诺维克等.慕课试验平台的研发：一项用户研究的结果[J].中国远程教育，2017（7）：16-25，79-80.

[13]王萍.基于edX开放数据的学习者学习分析[J].现代教育技术，2015（4）：86-93.

[14]宗阳，郑勤华，张玄，陈丽.学习分析视角下MOOCs形成性测试难度系数研究[J].远程教育杂志，2016（3）：96-103.

[15]周玲.多维视角下MOOC学习分析发展机制与分析框架建构[J].电化教育研究，2017（4）：41-46.

[16]曹帅，王以宁，徐鹏.学习分析技术的研究现状与未来趋势——基于2011-2015年LAK会议论文的分析[J].中国电化教育，2016（5）：78-84.

[17]李香勇，左明章，王志锋.学习分析的研究现状与未来展望——2016年学习分析和知识国际会议述评[J].开放教育研究，2017（1）：46-55.

[18]文孟飞，胡超，于文涛，刘伟荣.一种基于特征提取的教育视频资源推送方法[J].现代远程教育研究，2016（3）：104-112.

[19]张豪锋，王春丽.基于RFID的移动学习资源推送系统设计[J].中国电化教育，2012（2）：131-135.

[20]姜强，赵蔚.多元化媒体资源适应性推送及可视化序列导航研究[J].开放教育研究，2015（2）：106-112.

[21]樊敏.基于慕课平台课程推送机制的研究[J].微型电脑应用，2016（4）：58-59.

[22]张骏毅，鲁萍，刘念.以知识的个性化智能推送服务，加强MOOC与图书馆的融合[J].农业图书情报学刊，2016（12）：171-173.

[23]陈丽.远程学习的教学交互模型和教学交互层次塔[J].中国远程教育，2004（5）：24-28，78.

（编辑：王天鹏）