基于大数据的微课评价模型研究

侯贺+马林+郑伟

摘要摘要：梳理了微课的网络评价、大赛评价、技术评价方法。结合这3种方法优点，在大数据背景下，提出了一种基于网络行为的多评价主体、多评价内容的微课评价模型，实现了数据化客观评价。

关键词关键词：大数据；微课；评价模型

DOIDOI：10.11907/rjdk.162242

中图分类号：TP319文献标识码：A文章编号文章编号：16727800（2017）001011703

引言

微课的雏形最早见于1993年美国北爱荷华大学LeRoy A.McGrew提出的60秒课程及1995年英国纳皮尔大学T.P.EE教授提出的OML（One Minute Leture）。2008年美国新墨西哥圣胡安学院教学设计师David Penrose首创微课程，正式提出“微课”这一概念。其后，在国外的Youtube、Twitter、Facebook等主流媒体上出现了多种形式、不同类别的微课[1]。国内微课起源于微教学视频，但其存在交互性差、应用率低、制作成本高、内容繁杂等缺点。2011年，广东佛山市教育局胡铁山结合中国情表1检测获得的数据数值Face 1Face 2Face 3Face 4X330350289272Y210224215242Smile77105248336表2每张脸的平均处理速度处理速度JavaOpenCVJNI技术Face 1 /ms1 530353982Face 2 /ms1 495357961Face 3 /ms1 542336992平均值/ms1 522.33348.67978.334结语

本文详细介绍了利用JNI实现Java和OpenCV结合进行人脸以及微笑检测的功能。实验结果表明，通过JNI技术能够使Java在调用OpenCV的参数进行检测时，通过借用OpenCV强大的图片处理能力，有效提高人脸检测速度。

之后微课的理论及应用研究在我国得到长足发展。李婉嘉[3]等对微课的开发与应用进行了研究，提出了微课的开发原理与过程，简述了微课的制作方法。李琴[4]、杨庆峰[5]等分析了微课设计与制作的理论与实践，提出了多媒体讲解型、屏幕录制型、动画讲解型、教学录像型、视频剪辑型5种微课制作方法，满足不同教学方法和教学过程需求。唐烨伟[6]等基于内容分析从研究过程、文献、内容及趋势4个方面深入探讨微课，得出目前微课的研究热点主要集中在设计制作、应用策略、应用方法等方面。然而，微课效果评价的相关研究较少，且评价方法多是基于学习效果与感受、设计与创新程度、画质音效等主观评价[7]，如何从客观方面进行效果评价尚无好的方法。

随着大数据、云计算、可穿戴设备的出现，大数据已经应用在教学评估、行为分析、舆情预测等高校信息化建设中[8]。如何基于大数据对微课进行客观评价成为微课理论研究的热点。本文提出一种基于数据分析的微课评价方法，主要通过对某一微课视频的点击率、关鍵词频、热搜度等指标，对数据进行多评价体系、无权重分析，形成数据报表或可视化图表，对微课视频进行多主体、多方式的客观评价，以此形成反馈信息，据此对微课质量进行改善和提高。

1微课评价方法

微课设计流程包括教学分析、教学设计、微课开发、课程实施与评价几个阶段，如图1所示[9]。评价对各环节具有反馈作用，是微课制作质量与效果的关键。常用的评价方法有网络评价、大赛评价、技术评价等。

大赛评价主要从教学设计、内容、技术支持、效果效益等方面评价，但评价方法、人员身份单一，且客观性欠佳。技术评价注重微课的传输、共享、画质等效果，但是缺乏实用性考虑。

基于大数据的评价方式可根据评分、点击量、转发量、留言反馈等综合信息形成单个微课视频数据报表或可视化图表，用对比图的形式直观地显示具有相同知识点的微课视频评价图表。

2基于大数据的微课评价原则及要点

2.1评价原则

（1）体现微课自身特点。以用户经验、直观体验、视觉效果等定性条件为依据，应用于微课教学内容、教学设计、音效特点等方面。只有充分考虑微课的这些特点，评价模型才能形成科学合理的评价结果，并有针对性地提供反馈。

（2）评价主体及内容层次化。基于大数据的微课评价模型结合网络评价、大赛评价、技术评价等优点，实现网友、专家、学生多主体评价，使评价资源更具适用性，如图2所示。

这些特征评价用数据报表、统计图表征，可能导致评价结果流于形式。

定性评价强调评价的系统性，评价更具实质性，可对教学活动进行完整记录和描述，对微课的反馈更加直接。

（3）定量评价与定性评价相结合。将两种评价方式结合，使微课的评价更加真实全面。微课评价的数据准确度、深入程度越高，对用户选择微课、教师改进微课的帮助越大。定量评价利用统计方法客观记录微课的点击量、转发量、评分，深入挖掘各种网络行为的潜在关系，但是难以表征微课内容、形式、教学目标、教学结果等，对比图、趋势图、文字描述等方式使两种评价结合成为可能。

2.2评价要点

（1）增加数据支持。利用小数据评价微课的整体情况，数据主要来自于部分网民、少数专家及技术人员，比较粗糙。基于大数据的微课评价方法增加数据支持，建立微课评价数据库，注重全数据模式评价，有助于数据的循环利用，能得到更好的评价结果。

（2）构建多评价体系。单一的微课评价体系无法对专业问题进行科学合理的评价。根据微课的专业性质，构建多评价体系，有助于引导微课评价，更容易形成结构化、层次化的微课资源，实现大数据环境下微课共建共享。

（3）设置评价权重。接受微课内容有强弱之分，对于易于接受的微课，加大学者评价权重，对于专业性较强的微课，加大专家评价权重。根据用户评价，引导公众关注优秀微课，高水平的专家评价提升了微课的欣赏和评价水准。

3微课评价模型

大数据，又称为海量资料，指将信息以数据化形式展现，根据一定的数据模式对数据进行挖掘、分析、再利用，形成多样化的信息反馈及资产。 随着微课理论研究的不断发展，借助大数据挖掘潜藏在微课中的价值，能使微课评价内容全面、数据来源广泛、数据形式多样化。通过构建基于大数据的微课评价模型，提供一种综合的、科学的、开放的评价方法，使微课评价方法有章可循。

3.1评价技术

（1）分布式计算。在众多计算机节点将计算机资源协同起來，完成一个计算工作，其可靠性和可伸缩性较强，可以保障单个节点故障不会影响整个程序的运行，且任一单个节点的添加或删除不会影响整个程序的运行。

（2）数据挖掘。从模糊随机数据中提取潜在信息和知识，可以对原始数据进行二次或多次挖掘，通过数据变换及知识表达实现关联规则发现，引导微课资源的价值导向。

（3）数据可视化。数据可视化是一种数据视觉表现形式，如图形图像、数据报表等。

3.2评价模型

基于大数据的微课评价模型由3部分构成：数据采集模块、数据挖掘模块、数据评价与反馈模块，如图3所示。

数据采集模块。在基于大数据的微课评价模型中，数据采集模块占据重要地位。首先采集与微课相关的网络行为，如点赞、评分、分享、评论等，形成评价数据池。由于数据池包含结构化数据、非结构化数据、异构数据等多种数据形式，同时还存在记录不完整、记录拼写错误等问题，因此，需要对数据进行预处理。经过预处理的数据完整、全面、可用，最终形成目标数据。

（2）数据挖掘模块。数据挖掘模块由数据挖掘、算法运行、数据分析3部分构成。数据挖掘算法有数据分类、关联规则发现、序列模式发现、聚类、总结等。针对评价关注的重点，可以选择某一种或几种挖掘算法，以满足不同的评价要求。挖掘方法选择好便可运行算法。最后，根据数理统计、数据库、可视化技术原理，分析算法结果。

（3）数据评价与反馈模块。用户按需选择以报告报表或图形图像形式显示评价结果。如果评价结果满足用户需求，则结束评价过程；否则，需要返回数据挖掘模块，重新选择挖掘算法并运行，直至得到满意的评价结果。

4结语

微课评价对微课制作过程的每个环节都具有反馈作用，是微课制作过程的重要环节。大数据技术的出现为微课客观评价提供了可能。本研究通过微课大数据的实时传输、分析，实现微课效果的实时监控，构建了一个综合、科学、开放的微课评价模型。下一步将基于云平台，搭建完整的微课制作及评价系统，并通过实践反馈，进一步改善微课评价模型以提高其科学性。

参考文献：

[1]刘桂花.微课在高校课堂教学中的应用[J].中国成人教育，2016 （6）：6568.

[2]孟祥增，刘瑞梅，王广新.微课设计与制作理论与实践[J].远程教育，2016 （6）：154157.

[3]李婉嘉，徐晶.微课开发与应用研究[J].软件导刊，2013 （11）：7779.

[4]李琴.浅析微课设计与制作的理论与实践[J].无线互联科技，2015（5）：4648.

[5]杨庆峰，胡江浩，田志衡，等.高校微视频课程的设计与应用研究[J].山东工业技术，2016（10）：174179.

[6]唐烨伟，樊雅琴，庞敬文，等.基于内容分析法的微课研究综述[J].中国电化教育，2015 （4）：3841.

[7]陈香丽，黄桥燕，刘晓静，等.微课的评价定位研究[J].中国教育技术装备，2015 （8）：6171.

[8]赵玉洁.大数据在高校信息化中的应用探究[J].中国教育信息化，2015（19）：8789.

[9]王觅.面向碎片化学习时代微视频课程的内容设计[D].武汉：华中师范大学，2013.

责任编辑（责任编辑：杜能钢）