基于大数据技术的在线课程质量监控体系构建研究

吴建城

摘要：文章旨在探讨基于大数据技术的在线课程质量监控体系的构建，以解决当前在线课程监控体系存在的问题。首先，该体系融入大数据技术以处理在线课程数据，实现对学生学习行为和课程质量的全面监控与分析。此外，该体系加入情感分析技术以识别学习者情感状态，为在线课程质量评估提供全新视角。最后，该体系利用Spring MVC及uni-app架构搭建高质量监控系统，实现对在线课程质量的自动、全面、精确监控，进一步推动在线课程的高水平建设。

关键词：情感分析；质量评估体系；在线课程；质量监控

中图分类号：G434 文献标识码：A

文章编号：1009-3044（2024）13-0088-03 开放科学（资源服务）标识码（OSID） ：

0 引言

随着在线教育的迅速发展和普及，高等教育领域对于在线课程质量监控的需求日益增长，其教学质量直接关系到学生的实际能力培养和综合素质提升[1]。因此，构建科学、高效的在线课程质量监控体系成为当前教育管理的迫切需求，也是提升教学质量的关键保障之一。

在当今素质教育的背景下，传统的教学质量监控方式已经无法满足多元化、个性化的教学需求。因此，学校有必要积极改革教学质量监控的体系和内容，以适应新时代的教育发展。这意味着需要淡化监控者与被监控者之间的界限，利用在线课程多方数据（如课程评论数据等）共同推动教学质量的不断提升[2]。

重庆三峡医药高等专科学校在实践类课程的教学管理方面积累了丰富的经验和实践成果。本文旨在结合当下在线课程的现状和需求，探讨构建和完善基于大数据技术的在线课程质量监控构建体系，以期为教育管理者和教师提供可行的解决方案和指导建议。

1 在线课程质量监控构建体系的研究

在线课程质量监控体系的研究是当前教育领域的一个重要议题。随着信息技术的迅速发展和互联网教育的普及，越来越多的高校开始关注在线课程的质量问题，并试图通过大数据技术构建有效的监控体系。在这个背景下，建立基于大数据技术的在线课程质量监控构建体系具有重要的理论和实践意义。

同时，随着人才培养模式的改革以及新世纪高等教育目标的提出，实践教学在教学工作中的地位日益提升，逐渐从过去的验证性教学、理论课的附属地位转变为独立的教学体系。在培养学生的实践动手能力、独立分析和解决问题的能力方面，实践教学具有其他教学形式无法取代的重要作用，成为学生创新思维和创新能力培养的关键环节。为了有效监控在线课程的质量，特别是实践类课程，需要借助大数据技术构建在线课程质量监控体系。这一体系可以从诸多方面进行监控，包括课程内容的质量、教学效果的评估、学生的学习反馈等。通过大数据分析技术，可以实现对海量课程数据的实时监测和分析，发现问题、改进课程，从而提升在线课程的质量水平。

因此，建立基于大数据技术的在线课程质量监控构建体系对于提高教育教学质量、促进学生全面发展具有重要意义。通过不断完善监控构建体系，可以更好地发现和解决在线课程中存在的问题，推动在线教育的健康发展。

1.1 当下在线课程质量监控构建体系存在的问题

在当前的在线课程质量监控构建体系中存在一系列问题，这些问题影响了在线教育的质量和效果，应当引起教育从业者的重视：

1） 教学环节的多样性及其内容的复杂性决定了对其监控的难度较大。理实一体类课程的特点是涉及多样化的实践环节和复杂的实践内容，这使得对该类教学的监控变得异常困难。传统的监控方法往往难以覆盖教学的全过程和多方面，因此需要引入更加有效的监控手段和技术手段。

2） 教学过程的时长较长，且教学形式多样化。通常情况下，教学需要经历较长的周期，教学形式也较为多样，包括指导教师讲解、学生独立完成、指导教师巡回指导等。此外，有些专业核心课程涉及的教师较多，每名教师授课的学时数较少，这样就给教学质量的监控带来了挑战，监控不够全面、客观。

3） 教学环节缺乏信息收集、管理和反馈机制，其质量得不到有效的保障。由于缺乏系统化的信息收集和管理机制，教学环节的质量监控往往停留在表面，无法深入地了解学生的实际学习情况和问题所在，也无法及时地对教学过程进行调整和改进。

综上所述，当前在线课程质量监控构建体系存在诸多问题，需要通过引入大数据技术和完善监控机制来解决，以提高在线课程的质量和效果。

1.2 在线课程质量监控构建体系建立的原则

1） 以大数据技术为支撑的原则。随着大数据技术的不断发展，利用大数据分析技术可以实现对在线课程质量的全面监控和分析。这种基于大数据的监控体系可以实时收集、处理和分析海量的学生学习数据、课程评价数据等，从而为课程质量评估提供更加客观、全面的依据，帮助学校和教师及时发现问题并进行针对性改进。

2） 以现代教育理念为指导的原则。在线课程质量监控体系的建立应以现代教育理念为指导，注重培养学生的实践能力、创新思维和综合素质。监控体系应充分考虑学生的个性发展和人格塑造，致力于打造一个促进学生全面成长的教育环境。

3） 以全面性和科学性为原则。在线课程质量监控体系的建立应具备全面性和科学性，即全面覆盖各个环节和要素，并且基于科学的方法和标准进行评估和监控。监控体系需要结合教育实践和学科特点，科学地设计监控指标和评价体系，确保评价结果客观准确，为教学改进提供可靠的数据支持。

2 基于大数据在线课程质量监控体系构建的实践

本文旨在结合大数据技术和情感分析，构建一个全面、高效的在线课程质量监控体系。大数据技术赋予了数据收集、存储和处理海量在线课程数据的能力，包括学生的学习轨迹、课程评价和互动行为等。这些数据不仅提供了宝贵的课程运行情况反馈，还为教育者提供了深入了解学生需求和行为模式的机会。与此同时，情感分析技术允许教育者从学生的言行举止中捕捉情感信号，识别他们的情绪状态和学习体验，从而快速发现课程中存在的问题和挑战，及时作出调整和改进，以提升课程质量和学习效果。

这一综合性的监控体系不仅为教师和教育管理者提供了全面了解在线课程运行情况的工具，更可以通过充分利用大数据和情感分析技术，实现对在线课程质量的精准监控和持续改进，从而提升学生的学习体验和教学效果。在线课程质量监控体系结构如图1所示。

2.1 采用大数据技术处理在线课程数据

为了有效地收集在线课程数据，并应用于质量监控体系的建立，监控体系可以采用Apache Hadoop作为大数据技术平台。Apache Hadoop是一个开源的分布式计算框架，可用于处理大规模数据，并提供高可靠性和高扩展性。具体而言，首先可以采用网络爬虫技术来抓取在线课程平台上的各种数据，包括学生的学习行为、课程内容、交互数据（用户的点击行为、观看视频的时长、参与讨论的次数、作业提交情况等）。使用网络爬虫可以自动化地从网页中提取数据，并将其转化为结构化的数据格式，以便后续的存储和分析，部分示例代码如图2所示。其次，可以利用Ha? doop 中的HDFS（Hadoop Distributed File System） 存储在线课程平台的原始数据，包括学生的学习行为、课程内容、交互数据等。最后，利用Apache Spark作为Hadoop生态系统中的数据处理引擎，通过其强大的并行计算能力和内存计算优势，对在线课程数据进行实时分析和处理，部分示例代码如图3所示。

除了基础的大数据技术工具外，还可以采用自然语言处理（NLP） 技术中的Word Embedding 算法，如Doc2Vec，用于对在线课程中的文本数据进行语义表示和特征提取。通过将课程资料、讨论区内容等转化为文本向量形式，能够更好地理解学生的学习行为和课程内容之间的关联，从而为在线课程质量监控提供更深层次的分析和评估。部分示例代码如图4所示。

综上所述，采用Apache Hadoop作为基础平台，结合Apache Spark和自然语言处理技术，能够高效地收集、处理和分析大规模的在线课程数据，为构建在线课程质量监控体系提供了强大的技术支持。

2.2 采用情感分析技术识别学习者情感状态

为了有效地识别学生的情感状态，并应用于在线课程质量监控体系的建立，本文采用情感分析技术作为其中的重要组成部分。在情感分析技术中，一种常用且高效的算法是基于深度学习的情感分类模型，如卷积神经网络（CNN） 和长短期记忆网络（LSTM） [3]。具体而言，可以利用深度学习框架，如TensorFlow或Py? Torch，构建一个情感分类模型。该模型可以接受学生在讨论区、评价页面等地方输入的文本内容作为输入，然后通过多层神经网络进行特征提取和情感分类。在训练阶段，需要使用已标记的情感数据集对模型进行训练，以使其能够学习到文本数据中情感的表示和分类规律。在测试阶段，则可以使用训练好的模型对新的文本数据进行情感预测，从而识别学生的情感状态。部分示例代码如图5所示。

综上所述，采用深度学习算法进行情感分析能够帮助人们准确地识别学生在学习过程中所表现出的情感倾向，为在线课程质量监控提供更加细致和全面的评估[4]。

2.3 使用Spring MVC 架构搭建质量监控系统

为了有效地搭建在线课程质量监控系统，可以采用Spring MVC架构。这是一种基于Java的Web应用开发框架，能够提高系统的可维护性和扩展性。具体而言，将监控系统的前端页面、后端业务逻辑和数据持 久 化 层 进 行 分 离 ，采 用 MVC（Model-View- Controller） 的设计模式，实现系统各个组件之间的解耦合协同工作。

首先，可以使用Spring MVC框架来设计和实现监控系统的前端页面。通过Spring MVC提供的视图解析器和控制器映射机制，可以将前端页面的请求映射到相应的处理方法，并动态生成页面内容，以展示在线课程的质量监控数据和分析结果。同时，Spring MVC还提供了强大的表单处理和数据绑定功能，可以方便地处理用户提交的请求和数据。其次，可以利用Spring 框 架 中 的 IoC（Inversion of Control） 和 AOP（Aspect- Oriented Programming） 特性，结合Spring MVC框架，来实现监控系统的后端业务逻辑。通过IoC容器管理Bean的依赖关系和生命周期，以及AOP实现横切关注点的模块化管理，能够实现业务逻辑的灵活组装和统一管理，确保监控系统的高效运行和可维护性。最后，使用Spring框架中的ORM（Object-Relational Mapping） 模块，结合Hibernate或MyBatis等持久化框架，来实现监控系统的数据持久化操作。通过ORM技术，可以将Java对象和数据库表之间建立映射关系，实现对象与数据的无缝转换和交互，从而实现对在线课程质量监控数据的可靠存储和高效管理。

综上所述，利用Spring MVC架构搭建在线课程质量监控系统，不仅能够提高系统的性能和可靠性，还能够提升开发效率和团队协作能力，为在线课程质量监控体系的建立和优化提供了强大的技术支持。

2.4 使用uni-app 搭建质量监控前端系统

为了搭建高效的在线课程质量监控前端系统，可以采用uni-app框架，这是一个基于Vue.js的开源跨平台应用框架，能够快速构建跨平台的移动应用[5]。

借助uni-app框架的Vue.js特性，实现监控系统的前端业务逻辑。Vue.js是一种轻量级的JavaScript框架，具有响应式数据绑定和组件化开发的特点，能够快速构建可复用、可维护的前端代码。通过Vue.js的强大功能，可以实现监控系统的数据展示、用户交互等功能，提升系统的用户体验和操作效率。同时，结合uni- app框架的跨平台特性，将监控系统部署到不同的终端设备上，包括PC端、移动端等。通过uni-app提供的一次开发，多端部署的能力，能够更好地满足用户的需求，实现监控系统的全面覆盖和便捷使用。

3 结束语

在构建在线课程质量监控体系的过程中，面临着诸多挑战和难题。其中包括数据收集的复杂性、数据处理的效率、模型的精准性以及监控系统的时效性等方面的问题。然而，基于大数据技术的在线课程质量监控体系为教育者提供了一种有效的解决方案。通过利用最新的大数据技术，能够设计和构建一个高效的监控平台，实时收集、存储和分析在线课程数据，从而及时发现课程质量问题并采取相应的措施加以改进。这不仅有助于提升在线课程的教学质量和学习体验，还可以为教育机构和决策者提供重要的参考和支持，推动在线教育的健康发展和社会经济的进步。因此，基于大数据技术的在线课程质量监控体系不仅是当前教育领域的一项重要探索，也是推动教育高质量发展的关键举措。

参考文献：

[1] 黄楚新.我国自媒. 体发展现状、问题及对策[J]. 人民论坛，2022（22）：104-107.

[2] 王璐，赵呈领，万力勇. 基于扎根理论的在线开放课程质量评价指标体系构建研究：以国家精品资源共享课为例[J]. 中国远程教育，2017（11）：70-76.

[3] 聂卉，首欢容. 基于修正点互信息的特征级情感词极性自动研判[J]. 图书情报工作，2020，64（5）：114-123.

[4] 徐振国，王佳宁，王悦，等. 基于深度学习的自媒体平台在线课程质量评价研究[J]. 电化教育研究，2023，44（8）：42-48.

[5] 滕毅，马焯文. 基于Uniapp的校园拼车多端小程序设计与实现[J]. 电子制作，2022，30（16）：43-46.

【通联编辑：谢媛媛】

基金项目：2022 年度重庆三峡医药高等专科学校自然科学项目：基于数据挖掘与情感分析的在线课程质量评价体系研究（项目编号：XJ2021000201）