Moodle平台网络课程数据挖掘模式分析*

□ 周剑云

Moodle平台网络课程数据挖掘模式分析*

□ 周剑云

在传统教育中，教师通过与学生面对面的交流，获得学生学习行为的表现信息，较为容易掌握学生的学习情况和课程教学效果，但随着现代教育技术的发展，网络学习方式的普及，以及学生学习行为的变化，研究网络课程的教学方法受到了越来越多的关注。本文以Moodle网络课程管理系统为研究基础，分析并提出有针对性的数据挖掘方法构架，以达到对课程建设情况和学生学习情况的跟踪分析，为教师改进教学策略、提高网络课程教学质量提供有力支持及方法借鉴。

网络课程；数据挖掘；挖掘模式

一、引言

随着互联网以及移动设备的迅速普及，人们使用网络的时长在不断增加，通过网络进行学习的需求及能力也在迅速提高。据美国AmbientInsight研究报告指出，2009年美国中学以后的教育机构中，有44%的学生通过网络进行课程学习，预计到2018年，美国通过网络学习的学生人数将超过面授学生的总人数。在韩国，78%的高校都提供网络教学（Al⁃lenetal．2008）。在中国，教育部于2011年10月启动了国家开放课程建设工作，教育部《教育信息化十年发展规划》（2011-2020年）中也明确提出了“推动信息技术与高等教育融合，创新人才培养模式”的要求，融合的关键就是要选择有效的网络教学模式，因此，对网络教学的质量和有效性研究正被人们所关注。

本文以Moodle网络课程平台为基础，分析并提出有针对性的数据挖掘方法构架，以达到对课程建设情况和学生学习应用情况的跟踪分析，为教师改进教学策略、提高网络课程教学质量提供有力支持。

二、选择Moodle网络课程平台的理由

之所以选择Moodle课程管理系统建设网络课程平台，是由于Moodle课程管理系统是一个开源免费软件，更主要的是其模块化的设计非常易于课程的创建，能使课程教师摆脱课程网站建设的技术屏障，还可以使教师从课程内容的设计者转变为教学资源与活动的组织者。[1]

在国外Moodle系统的应用得到了迅速推广。有数据显示，使用Moodle的国家和地区有200多个，注册使用机构有67,000多所，注册用户数量达5,800万，运行课程有600多万门。注册用户最多的前五位国家分别是美国、西班牙、巴西、英国和德国。[2]

三、教师所关注问题调查

根据教育部颁布的《CELTS-31教育资源建设技术规范》，将教育资源建设分为素材、课程、评价和资源管理系统开发四个层次。其中素材与课程是网络教育资源建设的基础，评价和资源管理系统则分别是确保质量与实现资源建设的工具与手段。[3]对于建设网络课程的教师需要了解它的使用情况，从而分析课程结构是否合理，调整课程内容的分布情况，优化网络课程的设计，提高教学效果。

为了解教师使用网络课程的期待值和目的性，我们采取目的抽样和随机抽样相结合的方式，样本来自笔者所在的三个教师专用QQ群人员。调查问卷设计从了解教师对网络课程的需求、认识、应用三个主要层面展开，具体的问卷内容为四个部份：了解参与问卷教师的基本情况；了解教师对网络技术应用的需求情况；了解教师对网络课程的认识及使用困难所在；了解教师希望网络课程能帮助解决教学中的哪些问题。问卷发布在公共专业问卷调查网站（问卷星）上，一周后回收有效问卷159份。数据分析基本报告可见链接：http://www．sojump．com/report/3234099．aspx。

笔者所在院校为云南普通高校，与问卷的地图分布情况相吻合，应该更能代表云南普通高校的普遍情况（见图1）。

图1 问卷来源地理分布比率图

问卷中有96．61%的教师认为应该在教学中整合网络技术，有38．98%的教师因为技术应用能力的不足，不够明确如何使用网络技术（见图2），这说明我们建设网络课程应该选择如同Moodle这样简单易用的课程管理系统。

对于建设网络课程，教师关注度较高的前4个方面是：学生学习过程参与的情况、网络资源的使用情况、学生在线学习时间以及学生参与讨论的频度情况（见图3）。

图2 教师对网络技术与教学融合的意见

图3 教师关注信息统计

四、网络课程数据挖掘模式构架

数据挖掘技术是获取相关信息的有效技术手段。对于教师所关心的几个方面内容，这里提供几种可借鉴的方法：

1．学生学习过程分析

美国教育评价专家斯克里文(GF．Scriven)在1967年所著的《评价方法论》中，提出形成性评价是为正在进行的教育活动提供反馈信息，以提高正在进行的教育活动质量的评价，是一种对学习进程的动态评价。教师和学生可以依据获取的反馈信息了解学习状态，及时调整教学或学习。[4]

在Moodle平台中具备学生学习进展跟踪功能。

方法一：通过设置“课程进度跟踪”，了解学生各项学习活动的完成情况。

如图4所示，进入课程，在“课程管理”/“课程进度跟踪”进行跟踪条件设置，然后再选择“课程管理”/“报表”/“课程进度”，就会显示选修该门课程的所有学生的各项学习活动的完成情况。

图4 课程进度跟踪设置

方法二：分析学生各项学习活动的参与度。

通过选择“课程管理”/“报表”/“课程成员”，可以详细地显示各项课程活动学生的参与情况，以及参与的次数，更清楚地分析学生的学习努力程度。如图5所示，列出了数据库原理及应用这门课程的“第一部分测验”活动、每个学生参与的次数。

方法三：采用数据挖掘手段，了解学生的学习风格。

此方法要求具备一定的数据挖掘知识及应用能力。通过Mysql系统提取Moodle后台数据库（serv⁃ermysqldatamysql）进行关联规则分析。

关联规则数据挖掘，可以发现学生学习行为之间的关系，通过对学生的某两类网络学习行为之间取值关系进行分析就可以得出它们之间的关联性，进而预测学生将要进行的下一个行为，从而挖掘网络学生学习行为之间的关系，使得学生学习风格显性化。[5]

图5 学生参与活动频度

2．课程资源利用情况分析

课程资源建设是影响网络教学应用质量的重要因素。甘振韬等通过SQLServer的AnalysisServices工具，对网络课程的资源配置情况，包括资源配置指数和访问量进行分析。[6]

Moodle平台能很直观地呈现课程各项资源的访问情况。

方法：选择“课程管理”/“报表”/“课程活动”，课程设计的各项活动被访问量被详细统计出，如图6所示，教师可以清楚了解课程资源的利用率情况，分析学生的学习喜好，适当调整各活动资源的配比。

图6 课程资源访问情况

3．学生在线学习时间分析

对于某门课程，通过分析学生的日志，可以掌握学生的在线学习时间，以及学习时段的分布情况。

方法：点击“课程管理”/“报表”/“日志”，其中可以设定查看所有成员或是某一个成员、所有活动或是某一项活动，以及所有日期或是某一天，学生的在线学习情况。如图7所示。

图7 学生日志

4．学生参与讨论的频度分析

学生参与课程讨论的频度，可以反映学生的学习主动性，教师通过观察可以即时进行有针对性的教学干预。

方法：选择“课程管理”/“报表”/“课程成员”，如图8所示，学生参与“课程聊吧”活动的情况。

图8 学生参与讨论活动的频度

5．学习成绩分析

学生的最终学习情况需要一个成绩评定，Moo⁃dle平台的设计理念中非常强调过程性评价，它能够记录学生学习过程中的各项活动成绩，包括师生、生生相互评价的成绩，汇总成学生的最终成绩。

方法一：查看教学活动的单项成绩情况。

直接使用Moodle平台所提供的课程管理功能，点击“课程管理”/“成绩”选项，打开成绩管理菜单，再选择“类别和项”下的“简略视图”（如图9），可以查看教学活动过程各项汇总成绩。并可以设置学习过程中各部分占总成绩的比率。

方法二：对测验试题结构分析。

在Moodle中若选择测验，则出现“测验管理”,再选择“测验管理”/“统计”，可以得到本次测验的统计分析报告。包括此测验的标准偏差、测验的分数分布偏度、分数的分布峰度等。还有此测验试题的结构分析结果，包括容易度指数、试题的标准偏差等（如图10），能让教师科学地调整测验的结构组成，试题的难易程度和分数的布局等。

图9 成绩汇总算法设定

图10 测验试题结构

方法三：在成绩管理菜单下选择“导出”为Ex⁃cel、OpenDocument电子表格或其它文档，再进行统计分析。

6．群组分析（分组）

学生分组开展学习，可以促进学生的集体意识及合作能力的培养，但如何分组？各分组成员真的能很好地协作吗？这需要教师特别注意，需要考虑如何分组才能更好地激发学生的学习积极性。

方法一：选择“课程管理”/“用户”/“小组”，可以自主创建小组，也可以用“自动创建小组”方式创建，如图11所示，就是以自动方式创建的小组，其中还可以指定小组数量或是每个小组成员数。这种方式设置的小组较为随机，如果希望分组能考虑成员的凝聚性可以选择方法二进行。

图11 创建学生分组

方法二：应用社会网络分析软件，如UCINET等，可以开展学习社群的关系距离及中心性分析，以及小团体分析等分析。通过收集学生在讨论区或是聊天室中的问答的关系情况获得分析数据。对于社会网络结构的特征分析可以辅助判断师生交互网络发展的成熟程度。

五、小结

本文基于Moodle网络课程管理系统，介绍了教师关心的几个方面的数据分析方法，为想要分析自己网络课程使用情况的教师提供方法借鉴，从而教师能够更好地调整网络课程的内容组成、结构布局，以及教学方法策略的调整。同时，本研究也适当突破Moodle网络课程平台，提供了在其它网络课程平台中进行数据挖掘分析的方法和思路。通过几个方面数据分析方法的整合，目的是提供一种进行网络课程数据挖掘模式架构的研究。今后，研究还应深入底层数据的分析，提供更具通用性的网络课程数据挖掘模式方法。

[1]黎加厚.信息化课程设计——Moodle信息化学习环境创设[M].上海：华东师范大学出版社，2007.

[2]张伟远，段承贵.网络教学平台发展的全球合作和共建共享[J].中国远程教育，2012，（10）：32-36.

[3]邓康桥.workflow技术在网络课程开发管理系统中的应用研究[J].中国远程教育，2013，（4）：63-68.

[4]刘纳.基于数据挖掘技术的网络学习形成性评价研究[D].上海：华东师范大学，2012.

[5]李素珍.基于网络学习行为分析的网络学习风格与学习偏好挖掘模型研究[D].武汉：华中师范大学，2009.

[6]甘振韬，梅文，郭玉军.数据挖掘技术在网络课程资源配置中的研究[J].中国医学教育技术，2012，26（6）：635-638.

G40-034

A

1009—458x（2014）09—0068—04

2014－04－30

周剑云，副教授，硕士，云南普洱学院理工学院（665000）。

责任编辑三 川

云南省教育厅科研基金项目“支持网络课程建设的数据挖掘架构研究”（项目编号：2013Y107）、国家自然科学基金项目“非线性环境取能系统随机动力学问题研究”（项目编号：11265012）。