学习分析技术和计算机自适应测验在基于Moodle的混合式教学中的应用

石云 陈伟 管彦允

摘要：混合式教学是传统教学和网络教学的“融合”。用学习分析技术对网络教学产生的海量学习记录进行大数据分析挖掘，实现教学预测；用计算机自适应测验技术对学生的学习能力进行动态检测，实现个性化评估。然后指导改进课堂教学方法，最终提高教学效果。

关键词：学习分析；自适应测验；Moodle；混合式教学

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2016）24-0212-02

一、引言

毋庸置疑，“互联网+教育”是2015的热词之一，它的出现极大地推动了在线教育平台的蓬勃发展，它为学生的个性化学习、知识建构奠定了物质基础，同时海量的学习痕迹留存到平台服务器，为进一步的学习行为的大数据分析提供了数据保障。在线教育平台在教学上的瓶颈显而易见，如无法监督学生的学习行为、无法与学生有效开展教学互动、无法根据学生学习背景的差异性因材施教等。

线上教育与线下教育相结合的混合式教学模式可以实现教学的优势互补。将在线教育中教育大数据分析获取的学生学习行为特征，融入到传统教学方法和策略的设计中，能达到教育的无缝对接。

Moodle是一款基于建构主义学习理论、采用动态模块化设计的在线课程管理系统。用Moodle搭建在线教育平台，教师可以根据教学设计对已有模块进行组合，或者根据教学需要自行开发插件，再把它组织到教学过程中，从而实现课程的个性化教学。

本文着重从学习分析技术与自适应技术两个角度，对教育大数据分析在混合式教学中的具体实现，以及其对于提升课堂教学效果的现实意义。

二、学习分析技术及其在混合式教学中的应用

（一）学习分析技术概述

2011年“学习分析和知识国际会议”给出学习分析技术的明确定义：“学习分析技术是测量、收集、分析和报告有关环境的数据，用以理解和优化学习及其学习产生的环境的技术”。2012年“NMC地平线报告（高教版）”明确指出：“学习分析技术是对学生生成的海量数据的解释和分析，以评估学生的学术进展，预测未来的表现，并发现潜在的问题。”

学习分析技术可以为学生提供实时、准确的数据反馈信息，实现学生的个性化学习；可以对教师进行课堂管理和生成学生评价数据提供第一手的资料，便于教师管理及开展因材施教的活动。其在混合式教学的实施过程为：网络教学产生的海量学习痕迹数据，经过学习分析得到学习行为特征，从而指导教师调整传统课堂教学方法和策略，最后实施教学。此流程反复迭代，直到课程教学结束。

（二）学习分析技术在Moodle教学平台上的实现

Moodle教育管理平台通过日志文件记录下所有登录平台的学生的一切学习行为，比如：登录平台次数、访问模块的次数、论坛发帖次数等。Moodle自带有一些可用于学习分析的模块，在不进行额外的数据挖掘的情况下，对学习分析的两个关键维度——分数和课程，有较为深入和全面地追踪分析，但当需要对学生、课程、分数进行综合比较分析及其可视化时，Moodle自带的学习分析模块就不能很好地满足分析需求了，这时可以将Moodle的数据库导出，用额外的辅助分析工具进行分析。

Moodle自带的GISMO插件可以实现对某一门课程的个别学生或整个班级学生在线学习的出勤情况、活动参与情况、课程资源浏览情况、作业提交情况进行统计与分析，从时间、课程、资源和学生四个维度产生可视化报表。GISMO以图表的形式呈现学生访问课程的次数、学生完成与提交作业的情况、学生访问课程资源的情况等，从而可以获知学生在课程学习中的态度和特点，判断哪些课程资源需要撤掉或更改，等等。GISMO插件的下载地址为：http：//sourceforge.net/projects/gismo/。GISMO的安装、配置及使用在文献[1]中有详细的介绍，本文不再赘述。

进一步讲，希望通过学生的平时表现，如在线学习的出勤情况、活动参与情况、作业提交情况来预测其期末考试成绩，这就需要用到数据挖掘技术对数据作关联规则的分析。WEKA是一款免费的、基于JAVA环境的开源数据挖掘软件。WEKA软件可在http：//weka.wikispaces.com/下载。WEKA所处理的数据集是一个二维的表格。创建一个新表，表结构由课程编号、课前测试成绩、提交作业的次数、考试总次数、通过考试的次数、没有通过考试的次数、登陆课程的次数和期末考试成绩构成。首先用Moodle自带的、从数据库提取数据的工具Phpmyadmin对Moodle数据库进行读取，并将获取的数据写入上述表格。然后用WEKA进行关联分析，得到可以指导教学策略制定的关联规则：课前测试成绩好的学生，期末考试成绩也好；测试通过率高的学生，期末考试成绩也好；期末考试成绩高的学生不一定平时作业完成次数多；登陆课程次数最多的学生不一定获得期末考试成绩的高分；等等。WEKA的安装、配置及使用在文献[1]中有详细的介绍，本文不再赘述。

（三）学习分析技术对混合式教学的积极影响

通过学习分析工具GISMO和WEKA，对Moodle在线教育平台上，海量学习痕迹数据的学习行为的可视化分析，可以让教师及时掌握学生的学习行为并及时做出分析，不断优化教学策略。如：对Moodle平台上很少被学生浏览的课程资源进行撤掉或更改；对登陆课程的次数多但测试通过率低的学生，在课堂教学中给予关注，发现其问题根源，对症下药；等等。这对于改善教学效果有着不言而喻的作用。

三、计算机自适应测验及其在混合式教学中的应用

（一）计算机自适应测验概述

计算机自适应测验是以项目反应理论为基础建立题库，由计算机根据被试者能力水平自动选择测试题，最终对被试者能力做出估计的一种新型测验。它不同于传统的纸笔测验，测验试题的呈现和被试者对试题的解答均通过计算机来完成。它也不同于一般的计算机化测验，计算机在测验过程中不仅是呈现题目、输入答案、自动评分、得出结果，而且能根据被试者对试题的不同回答，自动选择最适宜的测试题让被试者回答，最终达到对被试者能力做出最恰当的估计。因此，计算机自适应测验是因人而异的测验。

（二）计算机自适应测验在Moodle教学平台上的实现

首先进行Moodle的二次开发，设计与实现具有数据层、业务逻辑层和表示层三层B/S结构，采用三参数逻辑斯蒂项目反应模型的计算机自适应测试模块。由于本文的重点是模块的应用，有关二次开发的细节在本文不作阐述。其次，编写config.html、mod.html、view.php、lib.php、mod_form.php、version.php、index.php、icon.gif、db/mysql.php和db/mysql.sql平台整合文件，实现新开发模块与Moodle平台的整合，具体细节可以参看官网http：//docs.moodle.org/en/Development。然后，在完成Moodle平台的安装后，将计算机自适应测试模块文件夹放到Moodle平台安装目录下的mod文件夹中，从平台管理界面进入维护模式，对模块进行检测和安装，安装工作完成后，就可在Moodle平台中使用。

学生由Moodle平台的计算机自适应测验登陆界面进入。首先，计算机给出一个难度中等的题目，如果学生答对，计算机就会估计他的能力高于中等水平，第二题会给他一个难度高一点的题目；如果学生答错，计算机就会估计他的能力低于中等水平，第二题会给他一个难度较低一点的题目。然后，计算机根据学生第二题的作答情况，对其能力再次估计，调整估计值，并在题库中选择最接近此估计值的题目。接着根据学生的反应，对其能力再进行估计。这样，随着学生做题数目的增多，计算机对其能力的估计值精度越来越高，最后其估计值将收敛于一点，该点就是该生能力较为精确的估计值。

（三）计算机自适应测验对混合式教学的积极影响

计算机自适应测验与其他测验相比，能因人而异地选题，题目针对性强，可以用较少的题目较精确地估计学生的能力。不必规定测验举行的时间，学生可选择自己最理想的时间进行测验。这是因为计算机自适应测验是因人而异的，不必因害怕泄露试题而规定统一的测验时间。可采用多媒体技术，可创设各种生动、形象的情景，使测验呈现方式能满足多种测验目的，同时更能激发学生的测验动机，能及时了解测验结果，并能方便地通过网络将测验结果传送给教师，从而为教师因材施教提供了强有力的支撑，也为实现个性化学习的网络教学平台的教学资料的呈现形式提供了参考，更为传统课堂教学的教学方法与策略的设计提供了依据。

四、结语

传统课堂教学以“教”为主，学生动手和动脑的机会较少，不利于学生自主性和独立性的培养，不易于发挥学生的潜力和创造力。网络教学以“学”为主，更严苛于学生的自学能力和自律能力。基于Moodle的混合式教学将传统课堂教学与网络教学在学习理论、学习资源、学习环境、学习方式等方面进行“配合”与“融合”，充分利用学生在网络上产生的海量学习痕迹，在分析技术的支撑下发现学习行为特征，依托计算机自适应测验获取客观的教学效果评价，调整课堂教学的策略和方法，从而在固定的时空里激发学生的潜力和创造力。

参考文献：

[1]陈春燕.学习分析在Moodle网络课程中的应用研究[D].上海师范大学，2014.