大数据时代基于学习分析学的慕课教学质量提升机制研究

2021-06-28 00:52陆凯
广西教育·C版 2021年2期
关键词:慕课大数据时代

陆凯

【摘 要】本文论述大数据时代基于学习分析学的慕课教学质量提升机制,回顾国内外相关研究,基于学习分析學,分析慕课学生、慕课教师和慕课建设者所处地位以及应该发挥的作用,探讨这三者之间应该如何组成科学、高效的教与学的生态循环,并具体提出包括慕课学习者自适应学习机制、慕课教师个性化教学机制、慕课建设者动态系统优化机制在内的慕课教学质量提升机制,以全方位、多层次地提升慕课教学质量。

【关键词】大数据时代 慕课 学习分析学 教学质量提升机制

【中图分类号】G  【文献标识码】A

【文章编号】0450-9889(2021)07-0034-03

在大数据教育应用的背景下,迅速兴起的通过分析大数据以改善教与学的新兴学科—— 学习分析学(Learning Analytics,简称LA)得到全世界范围内研究者的广泛关注和探索。学习分析学是使用智能数据、学习者数据以及分析模型来发现信息和社会性联系,并以此为依据进行学习预测和提供建议的一门学科。学习分析学涉及科技和社会学科的多个学术领域,包括计算机科学、社会学、学习科学、机器学习、统计学,以及“大数据”,被称为教育信息化的新浪潮,成为当前信息技术与教学融合研究的热点。

基于学习分析学探究慕课教学质量的提升机制,为慕课的规范、科学发展提供了新的思路。运用学习分析技术分析慕课学习者在慕课学习过程中产生的数据,慕课学习者可以反思自身的问题并调整学习,实现自适应学习;慕课教师可以发现学习者的问题,反思并改进教学策略,实现个性化教学;慕课建设者可以评估现有课程并给予改善,实现课程优化,从而全方位、多层次地提升慕课教学质量。

一、国内外相关研究回顾

慕课与学习分析学的结合可谓是“天作之合”:两者同为大数据时代计算机信息技术发展的产物,慕课教育过程中产生的海量数据需要适合的分析技术进行分析,以解读教学过程中的成功与不足之处,从而为提升教学质量提供建议。学习分析学正是能满足这一需求的一门学科。因此近年来慕课与学习分析学结合的研究已成为慕课研究的主要领域。

国内外学者对此领域开展了广泛、深入的研究。国外研究者中,Admopoulos基于6个平台、30所大学、133门课程的相关数据分析了影响慕课学生保有率的因素及程度。Drachsler和Kalz提出一个概念性的框架以涵盖现有的慕课与学习分析结合的研究,该框架基于微观、中观和宏观3个层次,各自具有其数据采集与分析的方法。Kovanovic等试图设计一种慕课分析技术平台,旨在使几乎没有技术背景的教师能够分析慕课数据以更好地了解学生的学习情况,并帮助教师在授课过程中根据分析结果采取行动和开展试验,从而提升学生学习体验,促进学生更好地开展学习活动。

国内研究者中,王萍基于ed X发布的第一个大规模慕课开放数据集,使用数据分析方法,对ed X平台的中外学习者进行了研究。在数据分析的基础上,对中国学习者的学习现状及特点、慕课学习行为中的主要现象以及慕课数据分析的应用进行了讨论和思考。宗阳等在学习分析的视角下,基于学习者形成性测试成绩,构建了慕课形成性测试难度系数自动学习收敛模型,并在一门中国慕课中验证了科学性和可行性。周玲从目的、对象和技术三个纬度剖析了慕课学习分析的发展机制,为慕课学习分析的规范化提供理论依据和实践参考。

通过回顾过往研究可看出,运用学习分析学对慕课开展研究不但可行而且有效,但现有研究大部分关注的是对慕课学习者行为的分析。学习者固然是教育过程中的重要一环,但并非全部,还需要慕课教师与慕课建设者的共同努力才能组成完整的教学闭环。慕课教学质量需要慕课学生、慕课教师和慕课建设者全方位的提升,才能覆盖慕课教学过程的所有环节,实现慕课教学质量的整体提升。本研究正是基于学习分析学,分析慕课学生、慕课教师和慕课建设者所处地位和应该发挥的作用,研究这三者之间应该如何组成科学、高效的教与学的生态循环,从而建立行之有效的慕课教学质量提升机制。

二、基于学习分析学的慕课教学质量提升机制

慕课完整的教学环节包括慕课学生、慕课授课教师及慕课建设者,提升慕课教学质量需要从这三者着手。慕课教学质量提升机制包括慕课学习者自适应学习机制、慕课教师个性化教学机制、慕课建设者动态系统优化机制(具体机制流程见图1),可全方位、多层次地提升慕课教学质量。

而学习分析技术可帮助慕课学生进行自适应学习、帮助慕课教师开展个性化教学以及帮助慕课建设者评估和优化慕课。3个方面的提升机制既可以自行运转又与其他两者互有关联,共同形成基于学习分析技术的慕课教学质量提升机制。3个机制的具体内容如下。

(一)慕课学生自适应学习机制

人的学习根据学习内容和学习方式的不同可分为3种类型,分别是机械的学习、示教的学习和自适应的学习。自适应学习区别于机械学习和示教学习之处在于发挥学生的自主能动性方面,它是学习者通过自身在学习中发现、总结和反思,最终形成学习的理论并且能够自主解决问题的一种学习方式。相对于传统学习方式来说,自适应学习更加符合当代社会对教育的需求,它更加个性化,可以满足每名学生个性化的需求,是较为有效的教育形式之一。学习分析技术可分析、评估和预测学习者的学习行为,驱动学习者进行自我反思,采取恰当的措施改进学习方式,从而推动自我适应的学习。

学习者在学习慕课的过程中产生了大量数据,包括学习者的登录数据(注册用户名、登录时间、时长等)、学习行为数据(慕课板块的浏览、搜索、点击、收藏、点赞等)、与同伴和系统的交互数据(在慕课讨论区的评论、发帖、回复等)。学习分析技术的发展为慕课学习者数据的收集、分析和报告提供了技术支撑。学习分析技术可采集慕课学习者的学习数据并通过聚类、预测、关系挖掘、内容分析、话语分析、社会网络分析及可视化表征等方式进行数据分析,之后将分析结果反馈给学生,帮助学生更清楚地了解自身学习的薄弱与不足之处,从而促进学习者反思自己的学习行为并及时调整学习。学习者改进后的学习投入会持续产生更丰富、更完整的学习数据,学习者持续进入“搜集—分析—反馈—反思—调节”的循环机制,从而使学习获得良性发展,不断提升学习质量。具体机制流程见图2。

(二)慕课教师个性化教学机制

个性化教学,是指以学习者个性差异为基础,强调学习过程要针对其个性特征和发展潜能而采取恰当的教学方法、手段、策略、内容、过程、评价等,使学习者在各方面能充分、自由发展,以促进学习者个性发展为目标的教学范式。个性化教学作为当今教育改革与发展的核心内容,已成为信息社会的重要发展趋势。学习分析通过营造师生互动、生生互动、人机互动、资源共享的“互联网+”学习环境,正推动个性化教学步入常态化的发展阶段。

注册并在线学习慕课的学习者通常以成百上千人计,甚至一些受欢迎的慕课拥有来自四面八方的上万名学习者。他们学习基础不同,学习风格各异,而讲授慕课的教师只有寥寥数人,难以给予所有的慕课学习者个性化指导,针对不同学习者因材施教。而利用学习分析工具,教师可以搜集慕课学习者的学习表现(学习实践投入、与慕课资源交互的频度、慕课测评成绩等)、自主学习路径、在线学习环境的影响因素等数据并进行分析,了解学习者的学习风格、学习需求、学习进展等学习状态,据此进行精准学情评估及预测当前教学交互活动与教学策略的合理性并做相应调整,对学生进行学习干预。受到干预的学生持续产生更多的学习数据,教师再次进入“搜集—分析—评估—预测—干预”的循环机制,持续为每名学生提供最适合的个性化教学。具体机制流程见图3。

(三)慕课建设者动态系统优化机制

优化原理是指按照特定的目标,在一定的限制条件下,以科学、技术和实践经验的综合成果为基础,对标准系统的构成因素及其关系进行选择、设计或调整,使之达到最理想的效果。系统优化是一个动态的过程,需要人们在定量分析和定性分析相结合的基础上,对方案进行动态的选择、设计、评价、比较和决策,从而使系统不断优化。每门慕课都是一个复杂的系统,需要慕课建设团队精心策划和设计各个部分的结构并串联成运行流畅的系统才能建设完成,而且上线后建设团队还需要根据学习数据分析和反馈对课程进行评估,通过螺旋式动态调整来优化结构。学习分析技术可帮助慕课建设者了解课程系统中各个部分的合理性和有效性,评估课程结构的科学性,对结构保持动态优化,使其达到更理想的教学效果。

每门慕课课程一般包括多个板块,如课程通知、教师信息、教学视频、学习资源、讨论区、作业提交与成绩公布、自测习题库、个人作品展示、意见建议、相关链接等多个部分。慕课课程的每个板块设计得是否合理,是否发挥应有的作用以及达到教学效果的程度,需要经过慕课学习者的亲身体验并给予反馈意见才能确定。慕课建设者运用学习分析技術,分析慕课学生在学习慕课过程中的行为特征,如学习者在课程不同板块的学习时长和跳转路径、对慕课资源模块的关注频率、对慕课章节内容的感兴趣程度等,可以评估慕课结构和内容的合理性、科学性,从而对慕课进行优化。慕课优化后持续产生更多的学习者数据,慕课建设者再次进入“搜集—分析—评估—反思—优化”的循环机制对慕课进行动态式的结构优化,使之向着最理想的方向发展。具体机制流程见图4。

慕课在课程数量快速增加的过程中出现课程教学质量不高的问题。只有不断提升慕课的教学质量才能保证慕课的科学发展,这需要慕课学习者、慕课授课教师和慕课建设者的共同努力,缺一不可。基于学习分析学提出慕课教学质量提升机制,其中包括慕课学习者自适应学习机制、慕课教师个性化教学机制、慕课建设者动态系统优化机制,三者互有关联又自行运转,共同为实现提升慕课教学质量的目标做出贡献。不过该机制的提出目前仅限于理论的探索,还需要教学实践来证明其科学性与有效性,并在实践过程中不断调整优化,以达到最理想的效果。

【参考文献】

[1]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).

[2]吴岩.应对危机  化危为机  主动求变  做好在线教学国际平台及课程资源建设[J].中国大学教学,2020(4).

[3]Siemens,G.Learning analytics:The emergence of a discipline[J].American Behavioral Scientist,2013(57) .

[4]Adamopoulos P.What makes a great MOOC?An inter-disciplinary analysis of student retention in online courses[C].Milian,Italy:In Proceedings of the 34th International Conference on Information Systems,2013ICIS(13).

[5]DRACHSLER H,& KALZ M. The MOOC and learning analytics innovation cycle(MOLAC):a reflective summary of ongoing research and its challenges[J].Journal of computer assisted Learning,2016,32:281-290.

[6]Kovanovi,V.,Joksimovi?,S.,Katerinopoulos,P.,Michail,C.,Siemens,G.,& Ga?evi,D.Developing a MOOC experimentation platform:Insights from a user study. In Proceedings of the Seventh International Conference on Learning Analytics and Knowledge(LAK'17)(pp.1-5).New York:ACM,2017.

[7]王萍.基于ed X开放数据的学习者学习分析[J].现代教育技术,2015(4).

[8]宗阳,郑勤华,张玄,等.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).

[9]张琪.学习分析技术与方法[M].北京:科学出版社,2018.

注:2019年度广西高等教育本科教学改革工程项目“大数据时代基于学习分析学的外语慕课教学质量提升机制研究与实践”(2019JGA388)

【作者简介】陆 凯(1976— ),男,广西南宁人,硕士,广西民族大学相思湖学院副教授、外国语言文学学院副院长,研究方向为教育技术及教师发展。

(责编 何田田)

猜你喜欢
慕课大数据时代
大数据时代下计算机信息处理技术的应用
大数据时代背景下高职院校宣传思想工作的思考与实践
自媒体时代慕课对民办院校高等化学教学的意义与影响
大数据时代下图书馆的服务创新与发展
大数据时代高校学生知识管理
高校图书馆学科服务在慕课发展过程中的价值与服务的自我创新研究
从“数据新闻”看当前互联网新闻信息传播生态
大学生对慕课的了解和利用
“慕课”教学的“八年之痒”
慕课环境下的学习者