高校数字化教学资源云平台建设及其关键技术研究

牟波

（贵州师范学院，贵州 贵阳 550004）

0 引言

随着计算机网络技术的日趋成熟，以云计算、大数据技术为代表的计算机应用技术，已在各行各业中得到广泛的应用，在教育教学领域的应用比重也越来越大[1]。基于云计算、大数据技术理念进行数字化教学资源云平台的建设与应用的实践，是在对云技术深入学习的基础上，利用云计算框架对课程资源数据实现分享、推荐、搜索等服务，以期能着力解决教学资源库建设与应用中“互联互通难、信息共享难、教学协同难”等实际问题，达到消除课程教学资源的“信息孤岛”“数据烟囱”的目的[2]。

1 高校数字化教学资源云平台部署体系

采用高校“共建、共享、共用”理念，使用云计算模式来部署高校的教学资源平台，统一将教学资源部署在云服务器上，各级各类用户可以通过云平台作为访问接口，访问教学资源平台，此时的师生都是教学资源云的“贡献、分享、收益”主体，他们既是开发者和建设者，也是教学资源云的使用者[3]。具体部署体系模型如图1所示。

图1 数字化教学资源云平台的部署体系

基于云平台的教学资源库建设能够，可以有效减少软硬件设备费用，同时对各种教学资源进行有效整合，整体改善数字化管理水平，深化教学改革，提高教学资源的利用率，实现最大限度教学资源共享，解决教学资源不足、不均的问题，利于师生随时在线教学，提高教学效率和教学质量，利于构建高校进阶的多维教学资源格局[4]。

2 高校数字化教学资源云平台架构模型

高校数字化教学资源云平台的架构，采用自底向上设计，共分为四层，分别是:物理资源层、数据资源层、应用服务层和服务接口层。其中物理资源层、数据资源层、应用服务层为主要核心结构，提供云计算核心服务，即：基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)，具体构图如图2所示。

图2 数字化教学资源云平台架构模型

①物理资源层Infrastructure-as-a-Service（基础设施即服务）：该资源管理层是对所有计算基础设施的虚拟利用，对于平台中的任意软件，用户能够部署和运行任意软件，同时实现资源有效共享、自动化管理、负载动态优化、解决平台依赖问题等优势，确保物理资源层提供可用性、安全性、灵活性、可扩展性等服务。

②数据资源层Platform-as-a-Service（平台即服务）：通过多租户技术、海量数据处理技术，对不同类型的教学资源进一步逻辑性整合与组合，将各类教学资源如课程考试题库、教学课件资源库、多媒体教学视频库等以“共享型数据库”存储在云端的数据库中，实现平台数据海量存储和处理[5]。

③应用服务层Infrastructure-as-a-Service（基础设施即服务）：其本质是把局限于高校内的桌面应用程序迁移到云端，真正实现系统程序的泛在访问，实现数字化教学资源的共享与交流，在SaaS模式下，通过互联网浏览器在任何时间、任何地点都可以轻松使用桌面软件。

④服务接口层service interface：为各类用户访问应用系统提供访问接口，支持多样化访问，用户可通过学校或者家用局域网接入，也可以使用移动终端（笔记本、手机、平板电脑等）通过Wi-F、5G网络、VPN等实现“漫游式”访问服务。

在教学资源云平台下，可以轻松融入来自各地的各类优秀教学资源，可及时补充各类紧张、稀缺教学资源，同时可以实时掌握用户学习进程，提出最适合用户学习的方法及内容，自动根据各用户的自身情况，推荐极佳的学习资料与学习方式，从而实现自主式、推送式、触发式学习[6]。

3 高校数字化教学资源云平台关键技术

云计算技术不是单一技术，而是一系列关键技术，主要包括虚拟化技术、多租户技术、海量数据处理技术和多维数据分析推送技术等技术，具体如下：

· 虚拟化技术(Virtualization)：主要包含系统桌面、数据服务器、应用程序、数据存储等虚拟化技术，其功能就是将计算机各类资源抽象化[7]，具体如图3所示。

图3 当前主要的虚拟化技术

虚拟化技术是云计算的关键核心技术之一，云平台中的各类软硬件资源均可实现虚拟化，以供多个应用一起使用，其目的是高效利用、充分整合各种计算及存储资源。

· 多租户技术（multi-tenancy technology）：即多重租赁技术，是一种软件架构技术，实现多用户的环境下共用相同的系统或程序组件，同时确保各用户间数据的隔离性。

多租户技术是一种“软件共享”的架构技术，每个用户在自己的专属视图模式下使用、管理和定制应用程序，在满足用户的个性化服务需求的同时，又可以实现对用户个人隐私的有效保护，实现对用户可伸缩的基础结构和可配置的功能服务。

· 海量数据处理技术：云平台中所分布的海量数据信息，可以通过运用海量数据处理技术进行有效的分析、处理和管理。目前海量数据处理技术主要是Google的BigTable数据管理技术和Hadoop团队开发的开源数据管理模块HBase等[8]，具体海量数据处理技术架构如图4所示。

图4 海量数据处理架构

另外，海量数据处理效率提高的常用方法之一便是通过一致性HASH算法对海量数据进行数据并行分割，同时利用多组计算资源分解任务，达到提升数据处理的速度[9]。

· 多维数据分析推送技术：采用机器学习模型来做分析推送排序，先后迭代了LR、FM、GBDT、融合模型以及DNN等分析推送计算。基于这些基础机器学习模型，以教学资源云平台实时在线和离线数据为基础，利用各种分析计算工具开展点击率、回复率、浏览时长、用户点赞、用户回复等多指标的分析[10]。

4 结语

随着云计算、互联网技术、大数据技术的深度发展，构建基于云计算的教学资源平台，可以轻松融入各类优秀教学资源，实时掌握用户学习进程，推荐极佳的学习资料与学习方式，从而实现自主式、推送式和触发式学习。让数字化教学资源聚起来，推动教学资源数据从“云端”向教用、学用、研究用落地；让数字化教学资源通起来，向上连接教务系统，向下覆盖教师、学生、科研管理人员，实现网上教学便利；让数字化教学资源用起来，打造课程教学资源“聚通用”的现实版，实现“教学资源共享”，体现了以教学实用为中心的理念。这是在本科教学资源体系建设方面积极探索，更是对高校教学改革要求的创新型探索和具体实践。