基于大数据的在线教育学习支持服务体系构建研究

查相虹 张晶蕊 王娟

摘 要：学习支持服务是在线教育的核心要素，其服务质量直接关系到学习者的学习效果和在线教育发展。通过文献研究法，深入研究大数据背景下学习支持服务新的内涵和特征，构建了大数据环境下以学习者为中心的学习支持服务体系。该体系可为学习支持服务设计提供参考，为改善在线教育学习支持服务质量提供新的路径，促进在线教育发展。

关键词：大数据;在线教育;学习支持服务

DOI：10.11907/rjdk.181790

中图分类号：G434文献标识码：A文章编号：1672-7800（2019）001-0208-05

Abstract：Learning support service is the core element of online education. The quality of service is directly related to the learning effect of learners and the development of online education. To explore the important role of education data in learning support services， we provide a new path for improving the quality of online education learning support services. Through literature research， an in-depth study of the new connotation and new features of learning support services in the context of big data is conducted， and a learning-centered learning support service system contructed under the big data environment. This system provides is conducted reference for the design of learning support service of online education learning platform， thus is promoted the development of online education.

0 引言

20世紀80年代，丁兴富教授[1]将学习支持服务概念引入我国。1998年教育部启动了现代远程教育试点项目，把学习支持服务作为远程教育系统运行的4大要素之一。2012年以前，学习支持服务的研究主体是广播电视教育和远程学习支持服务。随着新兴技术在教育领域的应用，在线教育、终身教育的研究逐渐增多，学习支持服务不再仅局限于远程教育，开始涉及在线教育领域。

孙洪涛和郑勤华教授[2]对慕课调查研究发现，学习支持服务集中在课程资源，忽视了课程评价、课程交互、课程技能方面的支持，间接导致了慕课注册率高但辍学率也高的问题。如今在线教育已普及，云计算、大数据、人工智能等新兴技术在教育界得到创新应用，变革了学习方式。这要求学习支持服务与时俱进，切实关注学习效果。本研究以大数据为切入点，论述在线教育领域学习支持服务新的内涵和特征，构建学习支持服务体系，以期为相关研究与实践提供参考。

1 大数据背景下学习支持服务内涵

1.1 教育大数据

2012年，联合国发布了《大数据促发展：挑战与机遇》白皮书，指出大数据时代已经到来，大数据的出现将会对社会各个领域产生深刻影响[3]。大数据技术应用越来越纯熟，其内涵也在不断丰富和发展。杨现民[4]认为：大数据既是一种技术，更是一种能力，即能从海量复杂的数据中寻找有意义关联、挖掘事物变化规律、准确预测事物发展趋势的能力。大数据同时也代表着思维方式，即让数据具有表征意义，让数据成为人类思考问题、作出行为决策的基本出发点。

2012年，大规模在线开放课程（MOOC）在教育界刮起了一股飓风，MOOC的出现开启了新一轮“在线教育元年”。截至2017年，中国大学MOOC注册用户超过620万，累计选课人次超过2 000万[5]。以MOOC为首的在线教育平台产生了大量的教育数据，将如此庞杂的数据通过收集、筛选和分析加以利用，具有很大的潜在价值和良好的应用前景。

1.2 相关研究

自英国开放大学远程教育研究专家西沃特[6]1978年提出学习支持服务概念以来， 关于学习支持服务研究日趋兴盛，目前已形成较为成熟的系统理论。在中国知网以“学习支持服务”为主题词在中文核心期刊中进行搜索，共检出相关文献715篇，发文趋势及关键词共现网络如图1、图2所示。

从发文数量上看，总体呈稳步上升趋势。结合具体文献和关键词共现网络分析，远程教育、开放教育和开放大学是主要研究领域，其研究大致分为4个阶段：①起步阶段（1996-2001年），前期研究文献较少，主要从理论层面探讨广播电视大学的学习支持服务;②迅速发展阶段（2002-2007年），研究范围从广播电视教育扩展到远程教育领域，文献数量大幅增加，但仍以理论研究为主，应用层面研究逐渐增多;③持续关注阶段（2008-2012年）。这一阶段注重应用层面研究，研究成果较多;④创新发展阶段（2013年至今）。MOOC和移动学习兴起。随着互联网、大数据、云计算等智能技术在教育领域的应用，不少学者开始探究如何提供创新和智能的学习支持服务。

1.3 学习支持服务

目前，众多在线学习平台存在学习支持服务水平较差的问题。很多学习平台专注于课程内容建设，缺乏必要的学习支持服务，学习支持服务的重要作用没有得到重视，无法发挥应有的作用[7]。

大数据技术和学习分析技术通过测量、收集、分析在线学习者学习过程数据，建立学习者模型，探索学习者学习特征、教师教学设计和教学绩效之间的关系，建立基于数据的教学过程监测、评估、诊断和预测技术体系，进而为学习者提供全方位、个性化、高效率的学习体验。

在大数据背景下，学习支持服务即以学习者为中心，借助大数据、学习分析、移动互联网技术，从在线教育网络学习平台中获取学习过程数据，建立学习者特征模型和评测体系，向学习者提供智能化和人性化的支持服务。

2 学习支持服务特征

以移动互联网技术、大数据、云计算、情境感知技术为支撑的第二代自适应在线学习系统，需要嵌入智能化的学习支持服务，从而发现人与在线资源的沟通障碍，并提供个性化、人性化、及时精准的支持，使学习过程充满人文关怀，促进自适应体系建设[8] 。

2.1 个性化

以MOOCs为代表的在线学习平台，从大数据角度出发提供个性化学习服务。个性化体现在个性化的学习资源推送和个性化的学习路径制定两方面。大数据在个性化资源推送应用上有两种方式：①对学习过程数据进行分析，实现个性化资源推送;②利用问卷量表和学习过程数据分析相结合的方法实现个性化资源推送[9]。个性化学习路径可通过机器规划的方式为学习者制定最合适的学习路径，即通过智能算法从海量教育资源中自动生成学习路径，既能应对大规模、动态化的学习资源内容配置，又能满足海量学习者的个性化需求，提高学习效率。

2.2 精准性

大数据应用使学习支持服务具有精准性，主要体现在学习需求的精准定位和学习资源的精准提供上。通过对学习者基本信息和学习行为过程数据的收集与分析，发现学习者的兴趣和行为方式，结合学习者模型精准定位用户需求。网络学习平台资源种类众多，学习者寻找资源可能会耗费许多时间和精力，提供精准化的学习资源显得尤为重要。将学习者数据可视化，网络学习平台能够有针对性地在特定时间为学习者提供特定形式与内容的资源，同时搜集学习者的反馈信息，不断完善与优化。

2.3 预知性

大数据的核心功能是预测，典型案例如亚马逊的市场营销。亚马逊收集读者网上查阅行为和购买行为数据，建立读者偏爱阅读模型，预测读者购买群体行为，实现书籍推荐[10]。学习支持服务的预知性，体现在对学生的辍学倾向预测、非学习状态预测和学业水平预测。当在线教育系统显示学习者出现不积极参与互动交流、不及时完成课堂任务、长时间不进行学习等情况时，通过数据分析可预测学习者是否有辍学倾向，及时对其进行预警，防止辍学行为发生。当学习者长时间盯着某一页面无操作或频繁点击页面时，表明学习者可能处于非学习状态，服务人员可及时提醒。通过对学习者在线学习时长、学习相关课程资源时间、使用搜索工具时间、回复讨论的活跃度、作业提交次数等学习行为数据进行統计分析，探究其与学业水平之间的关系，建立学业水平预测模型，帮助教师改进教学。

2.4 时效性

要不断提高大数据的实时分析和处理能力。与对历史数据的聚合和分析不同，实时数据分析具有更强的时效性，对数据存储、计算和呈现提出了更高要求[11]。在线学习平台中，学习问题得不到教师的及时回应较为常见，大数据技术的应用可有效解决该问题。通过收集学习者学习习惯数据，能够有效预见提问爆发时间、学习拥堵时段、知识难点和问题集中点，形成有效的预警机制，安排相关人员进行问题归类、问题分析和问题解答，提高支持服务效率，改善学习体验。

2.5 智能化

随着数据挖掘、学习分析、智能推荐等智能技术逐渐在教育领域的深入应用，学习支持服务呈现出智能化特征，一方面可智能辨别学习者情绪，另一方面可提供智能化的引导服务。对学习行为数据进行分析，对出现的异常数据加以特别关注，例如某一时间段内无意义的频繁点击鼠标等，将其与学习者感知模型比对，以提供智能化的情绪支持。利用大数据中数据挖掘和学习分析技术，分析学习者的检索数据、浏览内容、学习关注点，可在一定程度上分析学习者需求。比如数学课程的学习者产生了“微积分”、“线性代数”等多次检索的“标签云”，这就意味着该学习者可能需要数学方面相关课程支持。这种以大数据支持的智能性引导，能帮助学习者迅速找到所需资源。

3 学习支持服务体系构建

3.1 学习支持服务体系范畴

丁兴富[12]将学习支持服务范畴界定为信息服务、资源服务、人员服务、设施服务、实践性教学环节、作业检测和考试6个方面;黄荣怀[13]从课程支持、技术支持、学习方法支持、情感支持和实践性教学环节5个方面论述了混合式学习中的学习支持服务;陈丽[14]根据学习支持服务的目的，将其分为教学支持、管理支持、学习技能支持、技术支持和同伴支持5类;董兆伟[15]基于顾客满意理论，认为“互联网+”时代，学习支持服务应该包括师资服务、资源服务、教学过程服务、设施服务和管理服务5个方面。

郑勤华[16]和孙洪涛[17]对中国多个MOOCs平台的近百门课程进行分析，发现大多数课程仅提供了少量的学习支持服务，交互水平较低，加强支持力度尤为急迫。 本文在前人研究成果基础上，将学习支持服务体系分为资源支持服务、技能支持服务、管理支持服务、交互支持服务和评价支持服务5个范畴。

3.2 基于大数据的学习支持服务体系构建

本文构建以学习者为中心，以导学、督学、助学为理念，以大数据为技术手段，构建以资源支持服务、技能支持服务、管理支持服务、交互支持服务和评价支持服务支撑的学习支持服务体系，如图4所示。

3.2.1 大数据环境

大数据技术使学习支持服务更加个性化、精准化、时效化和智能化。在线学习平台包含结构化数据、非结构化数据和异构化数据，这些数据并不都具有使用价值和自动呈现结论的功能，不能直接为学习支持服务所用。数据价值需要通过收集、筛选、处理和分析过程才能体现。大数据技术模型如图5所示。

图5 应用大数据技术模型

首先，将数据存储在云存储数据中心，并实时更新数据。利用合适的算法对数据进行预处理，对数据进行分析和挖掘，建立基于大数据的效能反馈。然后，对已预处理的数据进行关联、分类、聚类、偏差分析，建立学习者信息库、学习者特征模型、学习知识模型、学习行为模型、学习感知模型、评分数据库，使学习支持服务过程更加精确、个性化和智能化。最后，对数据进行可视化，将数据分析结果呈现，进而为学习者提供优质的个性化学习支持服务。

3.2.2 学习支持服务体系

（1）资源支持服务。学习资源包括课程资源和信息资源。课程资源承载着本课程的主要内容，是学习对象。信息资源包括与课程相关的拓展资源，以及讨论资源、生成性资源。目前已有爱课程、学堂在线、华文慕课、腾讯课堂、网易云课堂等各具特色的学习平台，这些平台提供大量的学习资源。例如爱课程网站，截至2017年2月已收纳精品视频公开课1 037门[18]，分为在线开放课程、视频公开课、资源共享以及学校云，涉及法学、哲学、理学、心理学、工学、教育教学等多个学科，如图6所示。以《智慧课堂教学》课程为例，在进行课程学习前，有课程概述、授课目标、预备知识、授课大纲、证书要求的课前导学知识介绍，这些信息帮助学习者根据需求和兴趣选择合适的课程;进入课程学习后，课程公告提醒学习者每周的课程及作业要求;讨论区供学习者进行课程讨论及资源创建;期中期末考试对学习者进行知识学习检验。

在线学习平台学习资源丰富，但学习者也容易淹没在知识的海洋中，找不到学习目标，形成信息孤岛现象，造成此类现象的原因是学习资源和学习需求不匹配。大数据技术能根据学习者基本信息库和学习特征模型，对其进行学习分析，探析学习需求和学习风格，为其提供个性化的学习资源支持服务，满足学习者需求。

（2）技能支持服务。杜克大学研究表明，许多学习者缺乏必要的预科知识或技能基础，最终未能完成课程学习[19]。在线学习平台不限制学习者背景，学习者的知识层次和能力水平不一，因此，有些学习者面对在线学习平台的功能会感到束手无策。英国开放大学[20]为在线学习者提供一般性学习技能和核心学习技能两类服务。一般性学习技能指学习课程必备的基本技能，诸如阅读、做笔记、制定学习计划、选择合适的学习策略、信息技术、复习考试等;核心技能如合理分配学习时间、报告交流、在线讨论、解决问题、批判性思维等。这些与学习技能培养有关的资源主要通过学习材料和学习活动的形式出现。在大数据环境下，在线学习平台可依据学习者的注册数据，对学习者知识能力水平进行判断，为学习者提供有针对性的技能支持服务。

（3）管理支持服务。管理是在线学习平台的一项重要内容，关系到在线学习平台的正常运行。大数据环境下的管理支持服务主要包括教务管理和教学管理。教务管理包括注册管理、考试管理、学籍管理和证书发放等。学习者从注册课程开始建立个人学习档案，可随时查看学籍情况，每次测验成绩可自动集中到数据库，保证学习数据真实、及时、可靠。教学管理包括教学进度安排、教学活动组织、学习者管理等。互联网时代，可利用智能软件对学习过程实时记录，通过数据分析，掌握学习规律，提供恰当的学习提醒，以便合理安排学习时间，达到更好的学习效果。

（4）交互支持服务。交互是在线学习平台不可或缺的功能，交互支持服务包括学习活动交互和情感交互。学习活动交互包括师生交互、生生交互以及学习者与学习资源交互。师生和生生之间的交互通过讨论区和问答区进行，但存在教师反馈不及时问题，这是在线学习急需改善的部分。学习者通过构建关系网络，找到学习兴趣和学习风格相同的伙伴，促进学习者之间的沟通交流。

学习者在学习时所发的弹幕，在点评区、聊天室、讨论组、问答区中以同步或异步方式表达的学习感受和态度，这些非结构化数据反映了学习者的情感信息，可利用智能传感设备，采用多种情感测评方法，如量表的情感测评方法、生理信号的情感检测方法、面部表情的情感识别方法、语音信号的情感检测方法、文本数据的情感分析方法，获取学习者的情感数据，对其进行量化和分析，实时掌握学习者情感动态。对学习者情感状态进行准确判断并采取合适的措施进行干预，帮助学习者解决学习过程中产生的不良情绪，提高学习效率。

（5）评价支持服务。评价的作用不仅是诊断学习过程和结果，更重要的在于帮助学习者建构知识， 正视不足之处，提高学习能力和效果。在线平台中存储的学习行为数据是进行有效评价的基础。学习分析和数据挖掘等技术为教学干预提供了技术支撑，有助于实现过程评价的自动化。基于教育数据的评价，魏顺平[20]提出了基于学习过程数据挖掘的在线学习自动评价模型，该模型在相应的评价指标体系指导下，结合模糊理论和层次分析法，实现对网络学习过程的跟踪和分析，支持教师对学习过程的监控，从数据收集、工具选择和分析呈現3个层次建立分析过程，为学习提供定量分析和定性评价服务。毛刚[21]构建了以学习分析为中心，以学习目标、学习过程、自我评价、同伴评价和反思改进为主体的网络学习评价模型，并进行了实证研究，证明了有效性。

大数据技术在学习评价中的应用，为教学评价提供了新的评价手段和方式，对学习者的学习状态进行量化和可视化，能全面客观地反映学习效果。

4 结语

互联网时代，在线教育成为教育发展的重要趋势。学习支持服务是在线教育的重要研究领域，要丰富学习支持服务内涵，转变服务形式，为学习者提供更加个性、便捷和智能的支持服务。将大数据技术引入在线学习支持服务中，为实现个性化、智能化的支持服务提供了强有力的技术支撑。本文在大数据背景下，探讨了学习支持服务的内涵和特征，确立了以学习者为中心的五大学习支持服务范畴，期望为学习者提供更加完善的服务，进而促进在线教育发展，构建学习型社会。