基于Mood le混合教学的学习行为分析*——以“网上支付与电子银行”为例

张 仙，刘云华，张媛媛，周 铝

（1.云南农业大学 经济管理学院，云南 昆明 650201；2.云南农业大学 基础与信息工程学院，云南 昆明 650201）

基于Mood le混合教学的学习行为分析*
——以“网上支付与电子银行”为例

张 仙1，刘云华2，张媛媛1，周 铝1

（1.云南农业大学 经济管理学院，云南 昆明 650201；2.云南农业大学 基础与信息工程学院，云南 昆明 650201）

Moodle是一款开源软件，现已被很多教育机构用来进行混合式教学,其强大的功能不仅能为学习者提供大量的学习资源及交流空间，还能记录学习者学习行为的数据。本文通过数据挖掘工具，挖掘M oodle系统中存在的大量数据，分析其行为，重构学生学习活动，总结其取得的成绩和存在的不足，为进一步提高教学质量提供参考意见。

数据挖掘；Moodle；混合教学

一、引言

Moodle是一款开源软件，现已被很多教育机构用来进行混合式教学，其强大的功能不仅能为学习者提供大量的学习资源及交流空间，还能记录学习者学习行为的数据。[1]如何更好地根据学习者学习行为数据，重构学习活动，分析其取得的成绩和存在的不足，进一步提高Moodle使用质量，这是值得研究的问题。

二、研究现状

当前，利用Moodle开展网络教学已成为国内外高校教学应用的重要形式。[2]在过去的几年里，有学者从如何构建更适合网络教学的Moodle平台进行了研究；有学者从Moodle网络课程设计及建设的角度进行了研究；有学者从Moodle网络教学的策略、模式进行了研究；还有学者对利用Moodle平台开展的混合教学实践进行了研究。[3-6]但这些主要是从教的角度进行研究，从学习者的角度进行研究的比较少。

近年来，有许多学者采用不同的数据挖掘方法去帮助教学人员改善教学及管理。[7]但利用数据挖掘工具，来研究Moodle网络教学过程，特别是研究学习者行为的，当前并不多见。本研究根据Moodle网络课程中的“网上支付与电子银行”的日志及数据，进行分析及数据挖掘，对如何提高教学质量进行了思考。

三、研究方法

1.研究工具

本研究主要采用Moodle提供的工具及Weka（Waikato Environment for Knowledge Analysis）系统来进行数据统计及挖掘分析。

2.研究对象

本研究选择了“网上支付与电子银行”这门课程进行个别化教学的实践。本门课程的使用者人数是60人。选这门课程主要是由于笔者在教学中使用了Moodle的大多数活动和资源（教学内容、作业、论坛、测试等），而且最终的成绩也能获得。

3.数据来源

本研究的数据主要来源于Moodle课程提供的日志及各类报表，如学习者活动报表、访问报表和测试情况报表等。

四、研究过程及分析

1.统计

为了更好地重构学习活动，本研究主要从学生学习状况、课程资源访问情况、学习成绩分析等方面进行统计分析。

（1）学生学习状况

Moodle活动报表详细记录了学生学习活动情况，根据活动报表，本研究统计出了学生上网学习的频次,如表1所示。从表1中可以看出，不同的学生访问次数存在显著差别。由于本网络课程是配合传统教学开展的，所以存在一部分学生在老师强制的情况下才会登录Moodle，完成老师的教学要求。当然，根据不同学生的访问情况，教师可以对学习积极性差的学生进行督促，以便达到教学目标。

表1 Moodle学习者活动情况统计表

（2）课程资源访问情况

为了获得学生对本课程不同主题相关内容的访问情况，本研究根据访问报表，统计了每一主题、每一内容的访问情况，其结果如表2所示。

表2 课程访问情况

表2表明，不同的主题、不同内容的访问情况不一样。在每一个主题中，不同内容的访问情况也不一样，其中，测验访问量最高，教学课件其次，教学内容、参考资源及讨论区访问量都较低。这表明本课程的混合教学中，学生最关心与考试密切相关的内容，这和我国的应试教育有一定的关系。当然，根据本课程主题的访问情况，可以获得整个主题受欢迎的程度，在此基础上，进一步修改和完善相关内容和教学策略，使教学内容更受欢迎，使学生更积极主动地进行学习。

（3）学习成绩分析

对于学生的测试，Moodle提供测试情况报表,如表3所示。

表3 部分测试情况报表

测试报表描述了测验数据处理状况，主要包括正确率、标准差、区分度、区分系数等。根据这些数据，可以看到哪些题目比较困难，哪些题目比较简单，哪些问题具有高区分度。根据表3，如果题目太容易、太困难或没有区分度，教师能删除或修改问题。

2.簇

簇是将一个群体根据特征划分为相似团体的过程。在本研究中，簇被用来寻找具有相似学习特征的学生，在此基础上进行群体性的指导和协作学习。同时，对不同群体，有针对性地提供学习内容和提出相应的改进意见。

为了找出具有相似学习特征的学生，本研究采用了Weka中KMean算法，使用属性k的3族划分数目，来簇化学生群。表4显示每个簇的质心点，每个簇中案例的数目。

表4 学习族划分表

从表4中可以看出，有三个学生簇。簇0是积极上网学习课程内容，按要求完成作业，积极参加讨论的学生，这是非常活跃的学生；簇1是比较活跃的学生；簇2是不活跃的学生。根据这些信息，教师能把学生划分为不同的群体，在此基础上进行分类指导。当然，教师也可以根据新来的学生的特征，将其归入不同的簇。

3.关联规则挖掘

Weka系统有一些可以被用来处理关联法则的算法。本研究使用最小支持度0.3和最小可信度0.9作为参数，利用Apriori算法去查找课程“网上支付与电子银行”的离散概况。通过挖掘，Weka找到了很多规则，如表5所示。

表5 学习规则挖掘

这些规则可以分为两类，第一类是常规经验，第二类是非常规经验。第一类中得到的一些规则，根据教学经验和学习经验较容易得到，比如规则1、2、3、6、8、9、10。如规则1表明，很少上论坛（total_time_forum=low）的学生，也很少阅读教学内容（n_read_l=low）；规则6表明，如果学生平时成绩不错 (n_assignment=good），那最终成绩也会很优秀(mark=good)；规则9表明，测验成绩很低（n_quiz=low），并且很少给向教师发送信息（n_messages_t=low）的学生，最终成绩也很低（mark=low)）。第二类中得到的一些规则，是平时教学中没注意到的，比如规则4、5、7。如规则4表明，经常阅读教学内容（n_read_l =medium），但很少和教师交流的（n_messages_t=low），最终成绩也很低（Mark=low）；规则7表明，很少阅读课件（n_read_p=low）,但作业完成的很好的同学(n_assignment =good），会积极参加讨论区的讨论（n_read_b）。根据这些非常规经验，可以帮助教师改进教学行为以及监测学生的学习情况。

五、结束语

通过Moodle提供的学习行为日志及活动报表的统计、聚类及关联规则分析，可以看出本混合教学中的Moodle网络教学对学生学习比较有帮助的是习题和测验，其次是教学内容。这也表明，本课程还需要进一步完善，改革考核方式，加强学生学习活动设计及引导，调动学生网上自主学习的积极性，培养学生自主学习、自主探索的能力，从而使其形成良好的学习习惯，为学生终生学习奠定基础，而不仅仅是为了完成考试而学习。☉

[1]黎加厚.课程管理系统Moodle在中国的发展[EB/OL]. http://blog.sina.com/shnuli.2011.2.1.

[2]赵国栋,原帅.混合式学习的学生满意度及影响因素研究[J].中国远程教育,2010（6）:32-38.

[3]叶海松,季隽.Moodle的二次开发与设计[J].电化教育研究，2007（4）:50-55.

[4]王润兰,李铮铮,唐洛等.论Moodle网络教学平台与“教学设计”课程整合教学的优势[J].电化教育研究, 2009（9）:96-99.

[5]杨丽君，陈波.基于Moodle学习平台的中小学校长培训新模式初探[J].电化教育研究,2008(10)：53-60.

[6]周跃良,唐小娟.利用混合式学习改革高校教学的策略[J].电化教育研究,2007(11):56-59.

[7]Rossett,A.,Douglis,F.&Frazee,R.V.Strategies for Building Blended Learning[J].Learning Circuits,2003(7):1-6.

(编辑：杨馥红)

G434

B

1673-8454(2011)23-0077-03

云南农业大学第七批校级一类课程建设项目“网上支付与电子银行”资助。