基于用户满意度的慕课质量评价研究——以人工智能专业为例

钱小龙，仇江燕

（南通大学 教育科学学院，江苏 南通226019 ）

一、问题提出

随着互联网浪潮的袭来，各行各业都受到不同程度的冲击，教育首当其冲。互联网技术的迅速发展促进了教育领域的改革与创新，各种以技术为支撑的崭新教育形态纷纷涌现。过去几年，大型开放式网络课程，即慕课（massive online open courses，MOOC），因为具有规模大、开放性强、个性化等特点，以及突破时间空间的优势受到教育界的广泛关注和研究[1]。与此同时，随着第四次工业革命新时代的来临，人工智能已经融入了人们的生活，这项新技术也被运用在教育、金融、农业等不同领域，甚至可以说，人类已经进入到人工智能时代。未来人工智能不仅为人类带来经济上的发展、社会的进步和生活上的便捷，同时也在推动着教育的变革与发展[2]。

2017年国务院发布的《新一代人工智能发展规划》文件中明确要求，我国需要加强人工智能学科建设，选择试点院校以建立人工智能学院，另外还需要增加人工智能专业的博士和硕士招生数量[3]。在不到一年的时间里，许多知名大学纷纷集中资源涉足人工智能领域，并响应了国家建立人工智能学院的号召。2018年首届“全国高校人工智能学院院长/系主任论坛”在北京举行，百余所高校的学院院长与系主任济济一堂，深入探讨分析人工智能的学科建设与发展、人才培养体系建设与产业人才需求匹配等方面[4]。人工智能学科如火如荼建设的同时，中国大学MOOC、 学堂在线等知名慕课平台上的人工智能专业慕课也如雨后春笋般出现。自2013年启动慕课建设项目以来，清华大学、北京大学、微软研究院等作为国际顶尖人工智能研究机构陆续建设和发布了一批人工智能专业慕课。因此，本文选取我国一所高校（以下称为B大学）人工智能专业慕课为案例研究对象，探究其建设与应用的现状、优势、问题等，以期了解我国人工智能专业慕课的特征与规律。一方面，慕课的发展愈来愈快，未来的慕课种类会越来越多，慕课形式越来越丰富，受众越来越广泛，了解我国人工智能专业慕课建设的情况可以丰富慕课研究理论，为慕课管理者和开发者带来经验启示，改善慕课平台的管理、维护与建设，以便更好地推进以慕课为抓手的教育信息化改革，并为学生提供高质量的教育资源。另一方面，近年来我国高校纷纷开设人工智能课程，人工智能成为一个研究的焦点。通过从用户满意度视角对人工智能专业慕课个案的质量评价研究，也为我国高校人工智能专业建设提供良好的在线学习资源与环境，促进人工智能专业人才培养，为国家培养一批又一批具有人工智能时代信息技术素养的“智能型公民”，抢占国际人工智能产业发展的战略制高点。

二、文献回顾

（一）国内研究现状

对于慕课的研究，不同学者从不同的角度深入探讨，其中已有不少学者从用户满意度视角研究慕课质量。崔春阳、戴心来、单畅（2017）以期望确定模型为基础，引入心流体验变量，并得出满意度对慕课学习者持续使用意愿具有显著积极影响，且满意度影响最为直接与剧烈[5]；祝旸（2018）采用结构方程模型，从技术支持、学习支持、教学支持、考核评价和学习评价5 个方面探究中国大学MOOC 平台的满意度，研究发现通知功能、不同形式考核等对慕课平台满意度影响最大，并建议完善考核系统增加交流等[6]；李青、刘娜（2015）从媒体技术、课程内容、课程管理三个方面十一个维度针对慕课质量讨论具体质量措施，构建适合慕课质量观的慕课质量模型[7]。对国内慕课满意度论文进行总结，发现慕课满意度研究比较成熟，研究方法众多。在此基础上，本研究基于用户满意度视角，从不同维度构建慕课模型深入探究。

通过梳理国内人工智能慕课发现，国内大多研究人工智能技术与慕课教学相结合，分析人工智能慕课内容的研究较少。蒋雪玲（2015）考察Udacity 人工智能专业慕课，发现人工智能专业慕课知识点分散、内容少、难度小、知识点分割、互动性好等特点，建议提升慕课的实用性以促进人工智能专业课程教学[8]。莫宏伟、徐立芳等（2015）尝试将慕课融入到传统的研究生课程教学中去，提出慕课与人工智能相结合的混合式教学模式[9]。不过，当前我国人工智能专业慕课质量还尚未可知，还没有进行系统的考察研究。从初步印象来看，以北京大学开设的人工智能专业慕课为例，该课程重点介绍关于人工智能的核心思想、基本理论、基本方法和一些应用，并在原版英语教材的基础上，根据人工智能的发展和变化，特别是机器学习领域，编写和丰富了大量内容。然而，美中不足的是，一方面，课程中的相关概念较为复杂，学生理解有一定困难；另一方面，讲课内容以PPT 为主，PPT 内容与书本内容基本一致，采用的仍是传统授课方式。

综上所述，已有不少学者关注在线学习用户满意度的情况，并利用不同研究方法深入探究。其中，使用满意度分析模型与量表研究慕课满意度是众多学者近年来关注的热点，研究价值较高。与此同时，国内人工智能专业慕课的研究较少，研究方向趋于人工智能技术与慕课混合式教学的整合，而现有的人工智能专业慕课在实际运作方面也存在诸多问题。从目前来看，还没有学者基于用户视角，针对我国人工智能专业慕课的满意度现状进行研究。因此，利用满意度分析模型与量表研究人工智能专业慕课有可能弥补这方面的较大空缺，为国内人工智能专业慕课的质量改善提供一些建议，也为人工智能专业建设添砖加瓦。

（二）国外研究现状

慕课的实际效果一直备受关注，尤其是国内外慕课的平均完成率不足十分之一，这也是影响慕课满意度的重要原因。针对完成人数较低的情况，国外学者对于慕课满意度做了相当多的研究。韦伯斯特（Webster，1997）很早就研究在线学习满意度的影响因素，发现影响学生满意度的四个因素为技术、教师、学生与课程的特性[10]。赫恩（Hone，2016）根据开罗大学379 名参与者的学习数据研究影响慕课满意度的重要因素，其中师生互动与课程内容两因素占慕课满意度的79%[11]。戈麦斯美诺（Gomezzermeno，2016）收集墨西哥私立大学慕课学习数据，采用定量研究方法，并结合描述性统计与概率模型分析慕课满意度，发现课程结构、通信技术的使用限制等对慕课满意度有影响[12]。谢克（Shaik，2006）构建了教学服务、教学管理与交流互动三个维度的远程服务质量评估模型[13]。通过对国外慕课满意度研究进行总结，可以发现国外研究中使用定量数据的较多，并倾向于根据课程相关信息来设计不同维度的满意度概念模型，进而掌握慕课满意度的影响因素。

与此同时，相比于国内而言，国外开展人工智能专业慕课的建设实践一直处于引领位置。加州大学伯克利分校在edX 平台推出《人工智能导论》（Introduction to AI）慕课，由克莱因（Dan Klein）和阿比勒（Pieter Abbeel）主讲，此课程对智能计算机系统设计中的基本思想和技术进行介绍，并对统计与决策理论建模范例进行重点讲解。在课程中学到的技术可以让学生有能力制造出能够在随机和敌对环境中做出有效决策的自主智能体，给学生在应用程序领域深造奠定良好基础[14]。哥伦比亚大学于2018年9月在edX 平台推出《人工智能》（Artificial Intelligence）课程，由萨勒布·奥伊西（Ansaf Salleb-Aouissi）主讲，课程讲述对构建智能计算机系统基本技术的广泛理解，以及对人工智能如何应用场景的把握[15]。这些场景包括自动驾驶汽车、人脸识别、网络搜索、工业机器人等等。讲解人工智能与智能代理导论、人工智能史可以让学生了解AI的发展历史，讲解智能代理体系可以让学生掌握如何解决未知和启发式搜索、游戏玩法、逻辑代理和约束满足等问题，其他相关技术知识的讲解还能教会学生用Python 编程来解决现实的人工智能问题。

综上所述，国外对慕课满意度的研究较多，并依据已完成的模拟课程中与课程相关的信息设计不同维度对满意度的影响，而且国外相关机构还开发了不少高质量的人工智能专业慕课，强化对人工智能前沿知识与技术的传播和学生实践能力的锻炼。

（三）综合评价

通过上述研究梳理发现：

第一，国内外从用户满意度研究慕课质量的研究较多，研究方法众多，其中从不同维度使用满意度分析模型与量表分析用户满意度影响因素是众多学者关注的焦点。因此，基于用户视角使用满意度模型研究人工智能专业慕课质量的理论依据充足且与当前的研究趋势相符。

第二，相较于拥有丰富理论和实践研究的国外人工智能专业慕课，我国部分人工智能专业慕课存在知识点分散、理解困难、趣味性低等问题，而在实际应用中也存在诸多的不确定性。因此，有必要比较分析双方的异同，剖析存在的问题，总结经验和教训，为后续的人工智能专业慕课的建设与应用提供借鉴。

第三，目前国内还很少有学者基于用户视角针对人工智能专业慕课的满意度进行研究，对我国人工智能专业慕课的实用性和科学性程度缺乏了解，因而有必要开展相关研究，从而为广大慕课教学者和管理者提供指引，加快以慕课为依托的我国人工智能专业课程改革进程。

三、研究设计与研究过程

（一）量表设计与数据收集

2002年6月7日，教育技术标准委员会正式发布了《教育信息化技术标准CELTS-22─网络课程评价规范》（标准草案征求意见稿）简称CELTS-22 规范，主要从四个维度即课程内容、教学设计、界面设计、技术进行网络课程评价研究[16]。同时，有研究发现，在评价指标体系中一般都有课程内容的评价指标，出现频率最高的是教学设计。此外，资源的可用性与在线支持等指标出现频次也比较高[17]。因此，笔者在CELTS-22 规范的基础上，借鉴相关慕课质量评价指标体系，建立初步的评价指标（如表1所示）。

表1 我国人工智能专业慕课质量评价指标体系

images/BZ_94_360_425_2191_590.pngimages/BZ_94_360_594_2191_1736.png

由于我国人工智能专业慕课数量比较多，且不同学校所发布的慕课存在一定差异，为了确保研究的科学性和规范性，有必要聚焦研究对象。本研究选择的B 大学在我国率先开展人工智能专业慕课的建设与应用，在业界地位突出，具有一定的示范性。根据评价指标体系制作调查问卷的初始版本，确定调查人群是学习过该大学人工智能专业慕课的用户。为保证研究结论的普适性，采取随机抽样的形式发放问卷，同时，在调查对象上，选择不同年龄段、性别及学历层次的用户，以控制有机变量对研究结果造成的影响。本次问卷使用问卷星制作，辅以微信、QQ 和邮件等社交软件进行问卷填写。正式发放之前，分别选择5 人进行2 次预测，并对问卷结构与内容进行了修整完善。最终剔除掉无效问卷后共收得有效问卷145 份。问卷内容包括三个部分，第一部分为调查对象的基本属性，第二部分为用户满意度视角下的我国人工智能专业慕课质量评价体系研究，第三部分为开放性问题。

（二）研究过程

1.信效度分析

在正式分析数据之前，必须进行信度分析和效度分析，以确定数据的可靠性和合理性。信度分析所得结果是被测对象真实程度指标； 效度分析所得结果是被测对象有效程度指标。基于SPSS18.0 的分析，若信度系数α 值高于0.8，则说明信度高；介于0.7—0.8，说明信度较好；介于0.6—0.7，则说明信度可接受；小于0.6，说明信度不佳。本研究中总体α 系数为0.989，大于0.9，说明数据信度质量很高。

此外，对量表指标进行降维处理，从表2可以看出KMO 值大于0.8，且sig 值小于0.05，意味着数据样本具备了进行因子分析的效度条件。

表2 效度分析

2.因子分析

针对因子提取情况，以及因子提取信息量情况进行分析，从表3可知，在进行了8 次迭代之后，从指标因子中抽取出6 个主成分，特征值均大于1，累积解释总方差达到80.826%，其中主成分1 的解释方差最大，达到66.657%。旋转成分之后，特征值较之前相对集中，累积解释总方差与旋转之前保持不变。此外，从表4中可以看出，各成分中的指标因子共同载荷量平均高于0.5，意味着研究项和因子之间有较强的关联性因子，可以有效地提取出信息。最后，在实践经验的基础上，综合考虑各因子间的内涵属性，将抽取的六项主成分分别命名为教学策略的科学性、过程实施的全面性、课程目标的适切性和导向性、课程内容的合理性、资源来源的严谨性与前沿性、资源粒度。

表3 解释总方差

3.维度数据分析与权重赋值

根据泰勒的课程与教学的基本原理，可以将课程编制过程分为4 个步骤，即确定教育目标、选择学习经验、组织学习经验和评价教学结果[18]。施良方将整个过程分为课程目标、选择和组织内容、实施课程和评价课程[19]。因此，根据这个理论结合泰勒课程理论，可以将选择学习经验与组织学习经验合并为教学策略，实施课程与评价课程合并为过程实施。基于慕课共享性等特点增添资源出处与资源粒度。因此本研究将维度分为教学策略的科学性、过程实施的全面性、课程目标的适切性和导向性、课程内容的合理性、资源来源的严谨性与前沿性、资源粒度6 个方面。根据AHP 层次分析法对6 个方面赋予权重，最终结果见表5。

表4 旋转成分矩阵

注：采用Kaiser 标准化的正交旋转法后提取的主成份。指标后的数值为量表中对应的题项。

表5 维度分析权重

由表5可知，最终CI 值为0.098，RI 值为1.260，可计算得出CR 值为0.078＜0.1，说明层次分析的一致性检验通过，可以运用该权重对6 个维度赋予分值。为了对满意度情况进行分析，将等级“很不满意、不满意、一般、满意、很满意”且赋分值“1、2、3、4、5”。通过赋分得出每个题项的实际得分，例如最后一个维度总分为1579=511+526+542，从而得出所有维度得分。参考杨哲的做法[20]，计算出平均分、得分率等。平均分是所有调查对象在该维度上每个题项所得平均分。例如资源粒度的平均分为1579/3/145*3.1=11.25264368，得分率是指平均得分占该维度全分的百分比，例如资源粒度得分率为11.2526436/15.5=0.725977011[20]。通过对6 个维度得分率分析可以了解被调查对象对于6 个维度的认可度，具体情况如表6。

表6 维度得分与得分率表

由表6可以看出：整体上，学习者对慕课比较满意。其中教学策略的科学性、过程实施的全面性、 课程目标的适切性和导向性、 课程内容的合理性和资源来源的严谨性与前沿性这5个维度得分率较高超过0.9，说明学习者对整个课程编制过程中课程目标、课程实施、课程策略、课程内容等认可度较高；其中，过程实施的全面性、课程目标的适切性和导向性、课程内容的合理性和资源来源的严谨性与前沿性得分率较高，但仍然有提升的空间。课程内容的合理性居于第五位，内容的组织安排是否合理以及能否按照学习者的喜好推送内容方面需要提升；课程目标的适切性和导向性居于第四位，可能在是否提供课程目标以及课程目标是否能适合学习者发展水平等方面还需要进一步改善； 资源的出处还需要提供的更严谨与前沿；过程实施的全面性低于教学策略，表明实施过程中需要注意证书发放、学习追踪、考核、评价以及导航定向上还有改进地方；而资源粒度的得分率最低，学习者对于资源的粒度化不是非常满意，人工智能专业慕课存在视频资源分割较为随意、资源单一性弱、资源类型细分不够、视频时长过长、重点难点过于集中等问题，在视频分割、视频时长的划分上还有待提高。

四、策略建议

根据本案例质量评价情况和数据分析的结果，可以从用户满意度视角掌握我国人工智能专业慕课的建设与应用现状。该大学人工智能专业慕课发展迅猛，建设管理得当，推广应用迅速，但也存在一些方面有待完善。针对研究发现的问题，可以对我国人工智能专业慕课建设提供以下建议，希望能助力人工智能专业慕课的未来发展和慕课质量的不断改善。

（一）优化慕课课程目标，凸显立德树人理念

目标是指想要达到的境地或标准[21]。课程目标即课程教学中教师或教育行政部门要求学生达到的学习结果和最终标准[22]。课程目标对课程设计发挥着指引作用，而课程设计是提高教学效率、促进学生发展和提升教学质量的基础和前提[23]。慕课由于规模大、自主性强等特点受到教育界的广泛关注与学习，然而正因为慕课自主性强的特点，学生可以自主决定学习时间、学习内容、学习程度，使课程目标的指向性作用很难发挥；且海量的慕课资源虽然可以拓宽学习者的学习范围，却打乱原有的学习路线，从而更加淡化课程目标。通过本研究发现，当前我国人工智能专业慕课可能在是否提供课程目标以及课程目标是否能适合学习者发展水平等方面还需要进一步改善。因此，我国人工智能专业慕课必须提供课程目标，且要注重目标与知识和学习者两者间的匹配，课程目标的确定首先是符合课程大纲的要求，与课程内容相适应，最重要的一点是要符合学习者的认知水平。人工智能专业慕课可以针对同一课程内容、不同的学习者，提供不同层次的课程，比如可以将课程分为初级课程、中级课程和高级课程等。学习者依据自身能力，自主选择不同层次的课程学习，这样可以适应更广大的学习者群体，可以有效避免高水平学习者学习需求得不到满足，低水平学习者难以消化知识的尴尬现象。

此外，习近平强调高校立身之本在于立德树人，将立德树人理念贯穿课程目标的情感领域，有利于引导学生树立正确的世界观、人生观和价值观。随着人工智能应用领域的不断扩展，应用群体的普及，同样给人工智能教育带来伦理上的困境，而在人工智能专业课程目标指向上强调引导学生承担社会责任，树立高尚的道德观念，能从源头解决人工智能带来的道德挑战。将立德树人理念融入情感领域目标，强化人工智能伦理教育，教师需要重视情感促进认知作用，正确认识知识与情感相辅相成的事实，强化立德树人理念与人工智能伦理教育在整个课程目标中的比重，调动一切资源共同推进学生社会责任感的培养。在此基础上，还可以在课程内容中适当加入文学、哲学、历史等方面的知识，培养学生的人文主义气息，进一步凸显立德树人理念。

（二）强化慕课团队建设，明确各个环节的作用和任务

慕课是一项系统工程，涵盖了设计、开发、应用、管理、评价等多个模块，每个环节都至关重要、必不可少。在设计与开发过程中，多媒体特性的充分挖掘、课程知识的系统呈现以及实现两者的完美融合是重中之重，一般知识的呈现方式应该是多媒体优化组合的结果，这种组合不是简单的拼凑，而是基于不同媒体的不同特性针对不同知识点进行合理设计，然而目前慕课还存在教材搬家或录像搬家的情况，没有充分发挥互联网的交流互动特点[24]；仅将课程录像作为内容呈现，学生没有归属感，直接影响学习[25]；无法做到实时互动教学与个性化教学方案等问题[26]。从人工智能专业慕课的调查情况来看，用户对于课程内容的合理性较为满意，但也提出在内容组织安排与按照学习者喜好推送内容等方面还可以更完善。针对这个问题，应发挥集体的力量，在充分沟通交流的基础上合理安排课程内容，注意遵循用户的学习发展规律与人工智能知识体系，重难点突出、详略得当等，并在慕课制作人员与教师相互协作的基础上优化课程内容的知识构成和组织形式。同时研究还发现，几乎所有慕课都是采用观看视频的形式来讲解课程内容，以演示文稿的形式来呈现课堂的知识点，补充材料、案例分析、图形图片动画、教材与做练习也常常出现，交流有论坛交流、师生互动、做笔记以及小组互助等等方式。对此，一方面需要肯定，另一方面还需要继续完善。具体而言，教师需要依据不同媒体的特性、课程内容的性质和学习者的类型来决定知识的表现形式，尽量确保表现形式的多元化、个性化和丰富性。

在应用、管理与评价模块中，其根本目标是慕课价值的体现，并为此目标提供重要的智力支持和制度保障。基于当前我国人工智能专业慕课现状和人工智能产业的发展前景，慕课团队需要科学制定完善的政策方针，理清人工智能专业课程的知识体系，并依据政策规定和体系结构确定人工智能专业慕课的内容构成，明确课程目标，既要保持课程内容与知识体系的相互呼应，又要遵循科学知识固有的逻辑关系。慕课平台需要开设讨论区域供学习者讨论交流，并定时维护与管理；管理部门应加大支持力度，鼓励慕课团队强化慕课配套多媒体资源的开发，丰富知识的呈现方式和表现形态。此外，衡量人工智能专业慕课质量好坏的关键指标之一就是在线学习效果，而在线学习效果很大程度上取决于慕课的开发与管理水平。因此，为了开发出高水平的慕课和进行高效的慕课管理，慕课团队的相关人员应该加强团队协作，结合实际开展交流活动，针对教学设计、教学管理、技术支持和师生关系等问题进行探讨。同时，专门设立团队协作专项慕课教学研究项目，针对慕课存在的各种问题研究应对措施，在课程专家和教学管理人员的帮助下解决出现的各种问题，将团队的优势充分展现出来，为教师协作提供更加科学规范的途径。需要注意的是，课程内容体系的设置是高校人才培养计划的重点，在学校设定的培养方案中，不同阶段课程内容之间是否衔接紧密，是否需要补充其他课程内容，都是需要深思熟虑的，而慕课团队的有效协作是一剂良药[27]。明晰慕课建设过程模块，明确各方任务，各司其职，在此基础上，加强各方交流与协作是提升课程质量的关键。

（三）加大慕课投资力度，提升内部管理与商业运作

慕课作为一种以互联网技术为依托的先进课程形态，非常依赖信息技术装备的支持，如果没有基础设施和相关技术条件的保障，慕课这种先进事物将毫无用武之地。在《国家中长期教育改革和发展规划纲要（2010—2020年）》（公开征求意见稿）中明确指出将要把教育放在首位，全面建设教育事业[28]。因此，对于慕课这样一个能够为教育变革带来重要契机的新事物，国家有必要加大投资力度，提供有力的经费保障。当前，尽管慕课已经慢慢褪去其华丽的外衣，但它对教育变革产生的推动作用仍在，对于各级各类高校的发展愿景与战略举措的影响仍在。不过，当各种对于教育投入、教育负担和教育统计的担忧遭遇爆炸式发展的网络技术时，高校的管理者们无疑将对慕课的发展前景产生犹豫不决。人工智能专业慕课质量评价研究的结果表明，在慕课实施过程还存在诸多管理问题，包括证书发放、学习追踪、成绩考核、学习评价以及导航定向等方面。不过，与其说是管理问题，还不如说是经费问题。尽管足够的经费不能百分之百保证提供高效的慕课管理，但经费严重不足必然会对慕课管理产生消极影响。

面对一个需要投入大量经费和资源的新事物，高校仅仅依靠热情、信心、声誉和宣传是不可能实现慕课可持续发展的。为了消弭慕课发展预想与现实之间的鸿沟，只有从内部的高效管理和外部的经费保障两个方面入手，商业领域才有可能解决系统性的问题。2017年8月，国务院发布《关于进一步扩大和升级信息消费 持续释放内需潜力的指导意见》文件中明确，为了发展在线教育，在未来需要建设优质在线开放课程和资源库，这些在线开放课程与资源库能将课程教学与应用服务有机结合[29]。一方面，要注重慕课的内部管理，尤其是将慕课建设与应用紧密地结合起来是非常重要的环节，也是获取政府部门经费支持的前提条件。这是一项系统工程，不仅要注重慕课建设流程的规范化，还要注重慕课实施流程的标准化，致力于提高用户的学习满意度和学习体验感。另一方面，在积极争取国家经费投入的同时，尝试采用创新商业模式，引入社会资金。一直以来，高校是以慕课的开放性和自由性特征为傲的，但也为此背上沉重的思想负担和经济负担，创新商业模式的引入并不意味着放弃慕课的基本特征，而是在保持这样特征的基础上通过科学的商业化运作来解决各种现实的问题，实现可持续的长远发展。

（四）扩展慕课资源内容，细化资源粒度

课程资源是课程内容的载体，主要包括课程视频、音频、文本，以及各种辅助材料。课程内容一般要根据学习者和课程目标来组织，慕课更应该如此。具体而言，慕课教师团队首先充分理解和分析课程目标与课程内容，将所有知识点按照逻辑顺序和结构逐级进行框架搭建，知识点搭建的框架其实就是课程的目录。有些大知识点甚至分成三级结构，这主要依据知识点讲解需要而定。大知识点逐步细化为若干个小知识点，每个小知识点是一个授课单元[27]。具有开放性的慕课往往没有固定的大纲，知识点的选择性更大，课程视频内容划分自由度更大。并且，课程资源不是一成不变的，每门课程的知识点随着相关领域研究的不断深入，理念的更新与时代的发展、未知的规律不断被发现，课程的资源也需不断补充、更新与完善。为保证资源内容的科学性、准确性与前沿性，慕课团队需要紧跟学术与技术前沿，利用新技术、新媒体纠正有偏差的知识点，补充新的知识点或相关领域。

如果说学校学习是“面”，慕课学习是“块”，那么每个知识点视频就是“点”。长时间的学习容易发生学生学习懈怠、上课走神、知识点太多而导致的学习重点不明确等现象，且学生学习的地点不固定，时间较为碎片化，相比于固定场所，有效学习时间更短。为保证学生能在碎片化的时间内有效学习，必须细化资源粒度，对视频时长、主题、内容进行切割，做到主题单一，内容不可划分。慕课视频资源的建设可以借鉴微课的建设，做到视频短而精，教师转变传统教学观念，将以“章节”为单位授课转变为以“知识点”为单位授课，授课时长在5—10 分钟以内，甚至可以是1 分钟，使学习者能短时间快速获取知识点。具体而言，针对课程资源的调查发现，人工智能专业慕课的资源粒度不够，资源单一性弱、资源还可以再分、视频时长还略过长，且扩展资源的严谨性与前沿性还需更为完善。针对这些问题，我国人工智能专业慕课可以更为详细划分资源，将视频分割、知识更加碎片化，不至于让学习者产生视觉疲劳、上课走神等不良反应。通过将理论抽象的知识点分割成小段录制的微课视频，时长在5—10 分钟，且内容衔接处有一定交互性，可以反复观看，讲解详细形象，会把理解难度降低。由于在分割过程中，分解了知识点，而且难点也从抽象变成具象，便于理解和掌握。当然，如何科学合理地进行粒度切割关系到整个工作的成效性，也是未来慕课资源建设需要重点关注的问题。

五、总结与展望

近年来，人工智能迅速成为业界关注的焦点，我国高校纷纷设置人工智能专业和开设人工智能课程。慕课作为一种与传统课程相互促进相互补充的新型课程形态，也应跟上时代的发展步伐。人工智能和慕课作为两种新兴的热点话题值得研究，同样人工智能专业慕课作为两者在教育方面的结合，更加值得探索。我国人工智能专业慕课建设力度不足，还处于探索阶段，对人工智能专业慕课进行个案研究有助于为未来人工智能专业慕课的建设与应用提供借鉴。目前，从用户满意度的视角来看，人工智能专业慕课对于是否提供课程目标和课程目标是否具有适切性还存在一定的不确定性；尽管用户对于课程内容的合理性较为满意，但在智能推送内容等方面的满意度还不高；同时课程实施中还存在一些过程性的问题，在学习证书发放、学习追踪、成绩考核、学习评价，以及导航定向等方面还需要继续改进；人工智能专业慕课还存在资源粒度不够，资源单一性弱、资源细分不够、视频时长过长等问题，在资源扩展的严谨性与前沿性还需改善。为此，结合当前我国人工智能专业慕课现状，本研究相应地从慕课目标设计、模块分工、投资运营及资源粒度切割等方面提出策略建议。

研究我国人工智能专业慕课对于优化人工智能专业课程体系和类型，甚至对于人工智能专业建设都具有重要的促进作用，因此需要积极探索人工智能专业慕课未来的发展愿景和路径。在未来的研究中，可以对以下两个方面进行深入的探索：一是选择不同的理论基础作为切入点，基于不同的视角对人工智能慕课进行研究，例如教师视角、平台管理者视角，横向扩展人工智能专业慕课的研究导向，纵向夯实我国人工智能专业慕课的专业化程度；二是细化用户群体，选择不同学习经历、不同知识基础、以及不同学习目的的学习者视角研究，深入细致地分析人工智能专业慕课的建设与应用现状，完善我国人工智能专业慕课的建设机制和应用规范。随着人工智能时代的悄然降临，人工智能教育备受重视，各国高校纷纷设立人工智能机构、人工智能专业和人工智能专业课程，并启动大量人工智能项目。解决我国人工智能专业慕课建设与应用过程中的问题，一方面能为慕课质量的改善提供建议，为慕课管理者和教师带来经验启示，以便于更好地推进以慕课为抓手的教育信息化改革，进而为学生提供高质量的课程资源；另一方面，也为人工智能人才培养和人工智能战略实施与推进提供助力，训练具有前沿性和创新性的人工智能思维模式，培养符合国家产业发展和科技进步所需要的人工智能人才，进而为我国在人工智能时代占据战略制高点奠定坚实的基础。

（致谢：南京大学黄蓓蓓博士在论文撰写过程中提供了热情的支持，尤其在数据分析和处理工作中发挥了不可或缺的关键性作用，在此表示诚挚的感谢！ ）