基于学习分析技术的MOOC学习者智慧管理模块设计研究*

王 星，徐 影，张勤茹

（1．淮北师范大学 信息学院，安徽 淮北 235000；2．淮北师范大学 教育学院，安徽 淮北 235000）

一、问题的提出

MOOC于 2008年由加拿大学者Dave Cormier和Bryan Alexander教授提出[1]，2011年斯坦福大学开设的《人工智能导论》引领了MOOC建设的浪潮[2]，2012年迅速发展的Coursera、Udacity、edX三大MOOC平台推动该年被美国《纽约时报》评选为MOOC元年，2013年5月清华大学、北京大学加盟edX[3]，慕课入选2013年全国教育十大新闻[4]，随后国家推动的MOOC平台建设、商业MOOC平台建设、高校MOOC建设和区域性MOOC联盟建设，逐渐将MOOC应用引向深入。MOOC研究热点包括机遇与挑战、在线学习、教学模式、课程建设和应用领域[5]。MOOC以联通主义理论作为主要理论基础，强调知识的生成在MOOC可持续发展中的支撑作用，进入后现代建设时期，MOOC高质量资源供给、标准化建设、大规模体系集成催生出了形态多样的变式MOOC。与此同时诸多学者从不同层面对MOOC建设进行了理性思考，比较有代表性的是高地指出MOOC存在的主要问题包括完成率不高、教学模式囿于传统、难以实现个性化学习、学习体验缺失、学习效果难以评估、学习成果缺乏认证[6]，由此可见高辍学率与低参与度是MOOC面临的一个主要问题[7]，解决问题的关键是引入创新建设思路，推动MOOC由资源被动供给者的身份向资源主动服务者的身份转变。

学习分析学创新教育教学研究范式，被称为教育技术发展的第三次浪潮[8]，学习分析与知识国际会议自2011年以来已经连续召开7届，学习分析技术是大数据在教育中的应用领域之一。从狭义上来说学习分析的对象是学习者本体数据和学习情境数据，目标是优化学习者本体学习和学习环境，学习分析关键技术包括内容分析、话语分析、网络分析和情境分析等，学习者典型分析模型包括知识模型、认知模型、情感模型和行为模型[9]。基于学习分析视角优化MOOC平台建设已经成为研究的焦点问题，MOOC学习分析发展包括两个阶段，第一阶段以个案研究和教育理论研究为核心，第二阶段以学习设计和教学干预为核心[10]，具体研究主要包括：对于学习者的MOOC评论帖进行话题挖掘[11]，对于学习者学习过程进行监测[12]，对于MOOC中的视频进行标注[13]，对于学习者的辍课进行预测干预[14]，MOOC学习者身份认证[15]，MOOC数据分析软件平台（MOOC-ito）建构[16]，在 MOOC中嵌入智能导师系统[17]，学习定制服务模型设计[18]等。

当前研究主要存在的问题：①学习者原始数据匮乏，分析数据从登录MOOC具体课程平台开始积累；②资源优化主要从提高质量的角度出发，未考虑到学习者对于资源学习的个性化需求；③数据分析大多为学习之后进行，分析结果可以在一定程度上揭示规律，促进今后优化，却不能对于当前学习过程进行实时反馈；④数据分析类型倾向于可视化简单行为数据，缺乏系统化的学习者综合数据；⑤分析结果较少对于MOOC平台资源建设产生直接影响。本研究针对以上问题，从学习者的视角出发，基于学习分析技术试图设计MOOC学习者智慧管理模块，旨在实现学习者数据智慧收集与模型转化、MOOC平台资源个性化呈现、MOOC平台资源生态化发展的目标，从而为MOOC学习者真正实现自组织学习提供全程最优化保障。

二、MOOC平台登录用户设计

MOOC开始同步课程学习之前，需要先在平台上进行注册，注册后的用户可以获得更多的学习权限，通过对不同类型MOOC平台的个人管理模块进行调查，发现MOOC平台一般都会提供学习课程、学习讨论、学习轨迹、学习认证等相关信息，尚没有更深层次的学习互动方式。根据MOOC开发经验，还会设置教师用户和后台管理用户，教师用户可以对于资源进行管理，可以查看学习者群体的简单统计数据，可以开展必要的课程互动等，后台管理用户负责对于课程进行系统持续维护。

传统的用户登录模块存在的主要问题包括：①学习者用户学习信息只具有记录功能，但记录类型有限且没有深层次转化功能，同时学习者并不能够参与资源建设，只作为资源的消费者；②有限的教师用户面对大量的学习者，参与互动的频次极为有限，大都是面对学习者群体开展，教师对于学习者学习的贡献率较低；③管理用户标准化运维模式，对于教与学反馈采纳程度极为有限，致使平台资源质量的提高并不能带来教与学效果的提高。笔者针对以上存在的问题，对于登录用户权限和可实现功能进行了重新设计，如图1所示。

图1 MOOC平台登录用户设计

1.学习者用户

MOOC大规模、开放和在线的特点决定了课程一经上线便会有大量用户同时访问学习，传统教学过程以师教生、以师督生、师生共振的角色定位被打破，学习者自主学习、自我监督、自我管理的在线学习生态已经形成，教师角色的弱化并不是提供给学习者匹配的学习支持减轻其学习负担，而是让学习者更多地参与到资源构建、自我分析、自我管理中来，真正成为MOOC学习过程中的学习主体。学习者用户登录MOOC平台后功能设计定位如下：

（1）浏览学习轨迹：①可以浏览自己登录过的课程以及正在学习的课程；②可以查看在课程学习中的讨论信息，并且可以快速链接到讨论区域；③经过不同时间段的学习，可以获得相应的优惠学习权限；④可以查看根据以往学习推送的感兴趣课程信息；⑤可以在授予权限基础上查看其他学习者的学习信息；⑥可以查看已经获取的证书信息，以及将要获得证书课程所需学习的计划信息等。

（2）查看分析数据：①可以查看当前正在学习课程的学习分析数据；②可以查看基于学习分析技术系统分析学习者课程学习历程的综合分析模型数据；③可以在授权的基础上查看其他学习者的分析数据。

（3）重组课程资源：①可以主动选择课程资源模块的组成；②可以自主订制或设计课程资源的呈现界面。

（4）完善课程资源：①可以将搜集的扩展资源存放在相应模块中，以供教师与管理者选择使用方法；②将学习过程成果资源存放在相应模块中，以供教师进行收集评价信息或更新资源使用。

（5）修改模型参数：基于智慧分析功能构建的学习者模型，学习者可以在授予相应权限的基础上进行修改，保留修改轨迹方便教师进行更正。

2.教师用户

（1）查看个体数据：可以根据需要查看个体详细学习数据或学习分析数据。

（2）查看群体数据：可以按照不同标准分组或整体查看学习分析数据。

（3）优化干预策略：①MOOC平台提供给教师多样的干预途径，教师可以在查看个体或群体数据的基础上，主动对于个体或群体进行教学干预；②教师可以在授权的基础上，对于课程平台智能化的干预进行查看和修改。

（4）优化课程资源：①对于学习者提供扩展资源进行分析处理；②对于学习者学习成果资源进行分析处理；③基于教学过程产生的资源同管理员一同优化MOOC资源。

（5）修正模型参数：①教师对于学习者的修改轨迹进行查看修正；②教师对于学习者模型本身进行阶段性修正。

3.管理用户

（1）查看学习者分析数据：管理用户对于学习者分析数据按需进行更为深层的恰当的分析处理，并且根据需要调整分配学习者相应权限。

（2）查看教师分析数据：管理用户可以查看教师教学轨迹及教学过程分析数据，用以作为资源调整的依据之一。

（3）优化干预模块：管理用户根据学习者分析数据和教师分析数据对于平台干预模块进行动态优化调整。

（4）优化课程资源：管理用户根据学习者学习过程数据、教师教学过程产生数据以及教学过程生成的课程资源，动态更新调整课程资源的质量、数量、表现形式和推送方式。

（5）优化模型参数：①管理用户将学习者和教师对于学习者模型修改数据进行规范化处理，动态生成新的学习者模型；②管理用户及时吸收前沿的技术和理念融入到学习者模型创新建构和表现之中。

MOOC平台三类登录用户形成合力，共同完成学习者个性化最优学习，一是持续优化MOOC资源构成与服务模式，保持资源构成和服务的高质量；二是持续优化学习者模型，保持与课程资源持续良性互动促进深度学习；三是提供给教师学习者个体与群体更为全面的数据分析和干预方式，促进平台干预与教师干预深度融合。

三、学习者智慧分析功能设计

1.当前研究现状与存在问题

基于学习分析技术探索学习者模型的建构方兴未艾，学习者模型对于教师掌握学习者动态学习信息进行精准干预，对于改进平台建设研究资源生命周期进化具有重要意义。基于学习分析技术对于MOOC平台学习者学习进行分析已经成为研究的焦点问题，花燕锋等构建了基于MOOCs的多元同心学习分析模型，具体应用包括学习者特征识别、学习行为分析和交互分析[19]，杨玉芹构建了MOOC学习者个性化学习模型，解释了其理论和实践的重要意义[20]，而且设计了MOOC自主个性化学习环境设计[21]，王萍基于edX开放数据对于学习者类型、特征和行为进行了分析[22]，方海光等提出了基于量化自我算法的MOOC自适应学习系统的模型[23]等。

当前研究存在主要问题：一是倾向于理论建构的科学性，对于实践效用联系较少；二是学习者分析的效用周期较短，并没有延伸至终身MOOC学习阶段；三是较少考虑到分析模型可持续发展问题等。基于已有研究[9][24]和存在的问题，本研究提出建构MOOC学习者智慧管理模块，其核心就是设计系统的学习者智慧分析功能，MOOC学习者智慧分析层次分解如表1所示。

表1 MOOC学习者智慧分析层次分解

2.MOOC学习者智慧分析层

MOOC学习者智慧分析层由下到上依次为数据层、分析层、模型群层、干预层和资源更新层，上一层以下一层为基础进行智慧化运转与表示，具体各层介绍如下：

（1）数据层：数据层是MOOC学习者智慧分析进行的基础，一是数据层具有多通道数据收集功能，用来收集学习者不同类型信息，MOOC平台进行智能化自动收集；二是数据层在收集学习者数据后进行格式转化，存储为可以进行进一步分析所需的数据格式，这一过程也由MOOC平台自动完成。

（2）分析层：一是基于数据层收集的学习者学习数据，利用集成在MOOC平台上的系统分析功能对于数据进行系统分析；二是经过分析后的相应结果形式存储在不同通道，以方便同模型群层进行进一步的交互。

（3）模型群层：以可视化的形式保存学习者信息转化后的一般类型模型子群信息，一是将分析层数据进行对比分析得出相应子模型分析结果，二是将分析结果经过整合转化进入下一层进行更加深入的分析，三是吸收数据分析结果优化一般子模型结构。

此外，今年农产品产量不高且价格偏低，导致农民收入微薄，即便是种植大户也是依靠国家补贴才能勉强维持。而肥料价格的大幅上涨，势必会影响农民购买肥料的积极性，这让原本就不太明朗的冬储市场雪上加霜。

（4）干预层：一是对于模型群层不同类型模型分析结果进行整合分析，建立不同模型的加权系数；二是进一步整合为系统的当前学习者学习综合模型，并且将此模型与系统干预模块对接，干预分为系统智能化干预和教师干预，达到对于学习者进行综合干预的效果。

（5）资源更新层：学习过程中经过学习者与系统的持续互动，学习者个性化学习资源组成持续更新优化，最终促进该MOOC课程资源构成数量、质量和服务质量得到持续改进。

学习者智慧分析功能基于学习分析技术与方法进行综合分析，分析层分析的广度和深度取决于相关理论与技术的发展程度与应用深入程度，智慧分析功能的创新之处就在于建立学习者一般性模型群，整合生成学习者综合模型，并且与MOOC资源进行智慧对接，从而真正起到基于资源服务优化学习过程，提高教学效果的目的。

四、MOOC资源智慧服务设计

MOOC已经成为开放资源建设的典型代表，无论从数量还是质量方面都在引领开放教育资源建设的方向，在创新资源的应用效果方面，杨鑫等建构了主动式课堂MOOC实时互动平台[25]，秦瑾若等提出基于深度学习理论的MOOC学习活动设计[26]，郑勤华等提出丰富MOOC交互方式[27]，刘红晶等提出基于知识地图的MOOC学习共同体的学习模式[28]等。综合分析文献研究不难发现，MOOC在应用过程中静态资源角色并没有发生本质改变，如何改变资源在教学模式中的从属地位，如何深化MOOC资源应用真正在开放教育发展中起到变革作用，如何避免走传统资源生命周期发展衰落的老路，成为需要迫切解决的问题。本研究基于学习者智慧分析功能设计，进一步研究MOOC资源智慧服务过程，从而真正实现MOOC资源服务的智能化和发展的生态化，MOOC资源智慧服务流程如图2所示。

图2 MOOC资源智慧服务流程

MOOC资源智慧服务分为两个阶段：

1.第一门课程学习阶段

第一阶段为初次登录MOOC平台，即第一门课程学习阶段。此时学习者还没有学习数据积累，MOOC平台在学习者初始学习前预先收集学习者的基本状况信息，作为学习者模型的最初数据部分，MOOC平台预先建构普通型个体课程学习界面。同时MOOC平台持续记录学习者课程学习产生的数据，逐步建立学习者模型群各子模型，根据模型群建立状况，开始进行系统干预和教师干预同时进行的综合干预，并且对于学习者个体课程学习模块进行持续更新，使课程学习模块更为适合学习者个性化学习。然后课程学习过程依次循环，学习者产生数据越来越多，学习者模型群不断完善，干预过程更为有效。

2.后续课程学习阶段

此时学习者经过第一门课程的学习已经建立了初步的学习者模型群，在开始第二门课程学习前，MOOC平台先根据存储的学习者模型群构建更加符合学习者需求的个性化课程学习模块，学习者开始进行课程学习，同时MOOC平台持续记录学习者课程学习产生的数据，逐步完善学习者模型群各子模型，并且进行系统干预与教师干预协同的综合干预，持续促进学习者个性化学习模块不断更新，然后MOOC资源智慧服务过程依次循环，直至课程学习结束。

随着课程学习门数增多，学习者学习数据收集不断增多，学习者模型群逐渐完善，综合干预过程越来越精确，学习者个性化学习模块更为适应学习者的学习，同时MOOC课程资源持续动态更新，从而确立资源建设面向服务的理念、转变资源在教学模式中的从属地位，进而真正实现学习者基于资源的个性化学习。

五、总结与展望

MOOC应用的广度和深度逐渐增加，MOOC不仅在开放教育中作为核心建设的资源平台，而且在学历教育中正在发挥着越来越大的作用，集中表现在：一是MOOC与课堂教学相结合引领课堂教学的变革；二是MOOC与在线教学相结合创新建构网络教学的新形态；三是MOOC在学分认证的探索中也取得了良好的实践效果，具有很大的发展潜力。在物化形态技术和观念形态技术持续变革的今天，MOOC促进教育持续创新变革的根本动力来自于资源建设本身，后MOOC时期转变资源建设的关键是基于服务的理念面向学习者本体增强资源的内生动力。

本研究基于学习分析技术，以建构MOOC学习者智慧管理模块为突破点来优化MOOC资源建设理念，设定了学习者用户、教师用户和管理用户三类登录用户及其可实现功能，设计了MOOC学习者智慧分析层，进一步设计了MOOC资源智慧服务流程，以期为MOOC资源转型升级建设提供新的视角，下一步将在MOOC学习者智慧管理模块设计的基础上，进行模块的实际开发与实践应用。