基于物联网技术的MOOC学习管理模型研究*

李 茜

（广西经济管理干部学院，广西　南宁　530007）

基于物联网技术的MOOC学习管理模型研究*

李 茜

（广西经济管理干部学院，广西南宁530007）

针对MOOC平台教学反馈取样工具较少，学生学习行为分析能力不足的特点，将物联网技术与MOOC的教学方式相结合，构建更为完整有效的，集数据采集、分析、模型管理等于一体的学习管理模型，有利于形成学习群体完整的教学反馈，个性化定制和推送学习方式及内容，也有利于提升学生学习效果和兴趣.

慕课；物联网；数据分析；行为分析；交互技术

0　引言

进入互联网时代，以流媒体为主要内容，交互式技术为解决工具，高速信息网络为载体的现代远程教育技术再次受到世界各国教育领域的广泛关注和重视.2013年，在哈佛大学、麻省理工学院、斯坦福大学和浙江大学等国内外高等教育学府相继推出网上视频公开课程后，MOOC（“慕课”，Massive Open Online Course，大规模开放在线课程）这一网络公开课（Open Course Ware，麻省理工）的新概念出现了大爆发.MOOC教育平台是借助现代互联网络技术和信息交互技术，将优质的教学资源通过低成本方式提供给任何愿意学习的人，这将对高等教育带来深远的影响[1].但是，当前MOOC平台在教学方式上，还存在着教学反馈获得手段单一，及时性不强；在线教学手段和学习技术开发有限，构建学习模型速度不快等缺陷，影响其受众群体和教学水平的进一步提高.

物联网是近年来广受关注并得到成熟应用的技术领域，是集终端（末端）状态感知、网络传输和感知数据综合分析及应用为一体的技术复合体，强调终端设备对物体（个体）状态的采集和采集数据的分析应用.随着智能手机、平板电脑和可穿戴式设备在各类人群日常生活中的普及，传统意义上通过电子标签技术、温湿度和化学物理传感器技术采集终端状态的物联网感知端设备范畴将会进一步得到延伸，采集数据的类型、范围，尤其是对人类个体行为状态感知分析的范围也将进一步扩大.

笔者将探讨如何将物联网技术与MOOC教学方式相结合，从而解决当前MOOC平台在教学反馈、学生行为状态感知和学习技术方面的缺陷，构建一个有效合理的MOOC学习管理框架模型.

1　典型MOOC教学方式分析

MOOC是一种基于关联主义学习理论的教学方式.学习者通过网络路径，采用意义建构知识查询路径的模式寻找存放学习信息的节点，对知识领域进行探索.学习者可以通过多种不同的路径完成对知识的探究，如图1所示.

图1　MOOC学习方式Fig.1　Learning style of MOOC

1.1MOOC教学方式特点

1）采用O2O（Online to Offline，线上线下）的课程组织方式.MOOC的教学课堂要求教师不在线时，利用网络通过教学视频、在线文章或者其他教学资源学习，教师在线时通过线下作业批改、线上讨论、在线考试的方式对学习内容进行复习、讨论、联系和考试.

2）微视频为主，交互式学习为辅的知识组织和学习模式.以全球化的Coursera平台为例，MOOC教学平台上的微视频一般浓缩为10～15分钟，知识点集中，展现方式灵活，大量的知识巩固和强化过程通过教师发布论题引导下的论坛讨论和在线作业完成.

3）线上资源平台存储大量的教学课程资源.通过云计算技术的应用，MOOC线上资源平台存储海量的课程相关资源，包括试题、作业、测验、考试等资料.资源的密集化和多样化，能够营造更多的创意空间和激发学生的创造力.

4）固定的模块测验与灵活评价策略相结合[2]. MOOC平台的学习者每周均要完成规定的测验，这些测验多以标准化的，随机在题库中抽取的客观选择题、判断题为主.另外，课程还通过论坛、Twitter、Facebook或其他形式的博客形成专题小组讨论，讨论的结果和测验结果记入最终成绩.

1.2MOOC教学方式存在的不足

1）教学反馈取样缺乏工具，社会性交互不足.基于联通主义的MOOC教学，比较适合生成性知识的学习[3]，而不是固定知识的重复.因此，通过有效的教学反馈工具采集学生的学习行为和状态，对于营造教师和学生在课程教学中的效果极为重要.

2）学生学习行为分析不足.MOOC运行过程中，高退学率是一个十分典型的问题.以Coursera平台上，南洋理工大学开设的“法医学导论”课程为例，即便是课程完成度达到40%即可毕业，课程有5341人关注并报名，仅有91人上课，30人获得完成证书，注册完成比例5‰，上课完成比例32%.那么如何解释低完成率背后的学生学习动机，教师如何监控学习过程，学习效率如何提高，是否需要个性化的学习指导和教学资源，这些问题需要采集足够的数据进行学习分析研究.

2　物联网技术对MOOC学习行为的采集和分析

2.1终端设备感知学习行为

随着智能手机、平板电脑、可穿戴式智能设备和计算机等个人终端设备的不断发展和普及，无线3G/ 4G/WIFI高速网络向终端设备的大规模渗透，利用个人终端在任何环境下开展学习成为越来越普遍的现象[4]，也成为MOOC教学发展的趋势（Mobi－MOOC）.当前的终端设备普遍具备全球定位系统、运动感知器件、视觉跟踪摄像头等人类行为感知元件[5].将这些元件与终端的MOOC学习客户端APP软件相结合，就能够在用户授权后，采集用于学生行为感知的相关数据.如经常发生学习行为地点和时间、感兴趣的学习栏目、专题的关注度、访问某种（类）学习资源的频度、阅读停留的时间、完成某类课程或练习的平均次数和时间、搜索关键字、访问MOOC学习论坛或讨论组的频次和发布观点的个人倾向等等与MOOC学习有关的，细粒度的学习者学习行为相关数据.这些数据与MOOC平台上海量的学生人数资源相结合，完全符合当前大数据即海量的数据规模（Volume）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）、巨大的数据价值（Value）的特征[6].

2.2大数据分析学生网络学习行为

大数据分析是物联网技术的核心，对于上述海量MOOC终端平台采集的海量细粒度的教学数据和信息，MOOC的后台管理者能够利用数据挖掘和学习分析技术对数据进行采集、存储和分析，从而构建一个完整的学习个体、群体的网络学习行为模型.参考美国国家教育部发布的《通过教育数据挖掘和学习分析促进教与学》研究报告，可以在以下几个方面构建不同的网络学习行为模型，并进行整合[7].建模方向如表1所示.

表1　物联网大数据分析学生网络学习行为模型研究方向Tab.1　Students'network learning behavior model research based on the big data analysis of Internet of things

3　基于物联网的MOOC学习管理框架模型

在物联网技术参与拓展对MOOC平台学生学习行为的采集和分析技术的基础上，可以得出一种如图2所示的MOOC学习管理框架模型.

该模型包含9个部分：1）物联网终端.负责MOOC平台与学生的最终交互、教学资源的展示、学生学习行为的采集行为参数的传递等.2）资源传递.负责将学习资源以短视频、动画、RSS等多媒体形式推送至物联网终端设备，供学生学习使用.3）交互行为评估.负责接收物联网终端采集的学习行为数据以及其他学习参数数据，进行评估分析，并将分析结果保存入学习行为记录数据库中.4）学习方式自适应（教学功能管理）.负责根据评估分析结果和教学策略模型数据、学生自适应行为模型数据在学习资源库中自动匹配推荐合适的教学资源给学习者，并推送至资源传递模块.该模块还负责根据学生学习行为的评估分析结果，在教师的干预和智能机器学习功能的控制下生成教学策略和自适应不同学生学习行为的模型，并存入模型库中管理.5）知识管理.负责根据教学过程产生的各种数据，对数据进行清洗、分类并将其转化为可储备的有用知识并传递给学习资源库.6）教学行为人工干预.负责对系统传递的学习资源进行人工调整和过程干预.7）学习资源数据库.存储各类学习资源.8）学生学习行为记录数据库.存储学习者的学习行为和参数记录.9）教学策略（自适应行为模型）数据库.存储各类学习行为模型.

系统用户由学生（学习者）、教师和MOOC平台管理者组成.

图2　基于物联网技术的MOOC学习管理框架模型Fig.2　MOOC learning management framework model based on Internet of things

4　结语

将物联网技术与MOOC相结合形成的学习管理框架模型，能够更有效地采集学生（学习者）的学习行为参数，从而对学习者的学习情况有一个较为完整的记录.此外，该框架还能有效的跟踪学习者的学习情况，有利于针对个体或者某类学生群体构建完整的学习行为画面，形成全面的教学反馈信息.

基于物联网的数据挖掘和分析技术的应用，能够系统化和结构化的整理和归纳MOOC平台各类用户的学习行为，并形成有针对性的教学策略模型和学习行为模型，有利于个性化的定制和针对性的推送课程主题和教学内容、学习方式方法和其他教学资源，提升学生学习效果和兴趣.

[1]马新强，黄羿，蔡宗模.MOCC教育平台技术及运营模式探析[J].重庆高等教育研究，2014（1）.

[2]王海荣，张伟.国外大规模开放教育资源设计理念及启示——基于Coursera平台MOOC课程的体验研究[J].天津大学学报，2013（3）.

[3]郝丹.MOOC：颠覆与创新？——第4次“中国远程教育青年学者论坛”综述[J].中国远程教育，2013（11）.

[4]李德仁，姚远，邵振峰.智慧城市中的大数据[J].武汉大学学报：信息科学版，2014（6）.

[5]李建功.物联网环境下移动终端的发展趋势思考[J].信息通信技术，2011（5）.

[6]Barwick H.The＂four Vs＂of Big Data.Implementing Information Infrastructure Symposium[EB/OL].[2012－10－02].http:// www.computerworld.com.au/article/396198/iiis＿four＿vs＿big＿data/.

[7]徐鹏，王以宁，刘艳华，等.大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志，2013（6）.

[责任编辑 苏 琴]

[责任校对 黄招扬]

Research on MOOC Learning Management Model based on IOT

LI Qian
（Department of Computer Science，Guangχi College for Economic Management，Nanning530007，China）

MOOC platform is short of feedback sampling tools and students learning behavioral analysis capacity.Combing the characteristics of IOT and MOOC establish a more complete and effective teaching method.It establishes an all－in－one model of data acquisition，analysis，model management.This model is conducive to the formation of study groups complete teaching feedback，personalization and customization and push learning content，also help improve student learning and interest.

MOOC；IOT；Data Mining；Behavior Analysis；Interactive Technology

P209

A

1673－8462（2015）02－0105－04

2014－12－30.

广西高等教育教学改革工程重点项目（2014JGZ154）.

李茜（1980－），女，广西桂林人，广西经济管理干部学院副教授，研究方向：计算机应用技术.