现代信息技术背景下学生线上学习行为的管理困境与突破
2020-06-30王林春
杨 幸,王林春,李 健
(湖南工业职业技术学院,湖南 长沙,410208)
一、引言
伴随着云计算、物联网、大数据、人工智能、移动互联等现代信息技术的发展,国家对教育信息化提出了明确的要求,要求在教育领域中应充分运用现代信息技术,以保证扩大教育规模,为教育终身化、个性化和国际化提供保障[1]。近年来,国家层面通过精品课程[2]、精品资源共享课[3]、专业教学资源库[4]以及精品在线开放课程等建设项目不断引导、支持与推动信息化教育教学的发展,其中最重要的一种形式就是在线学习平台[5](即E-Learning Platform)。这种新型的教育教学方式已经成为高等教育的新手段,并逐步与传统的线下教学方式进行融合,共同推动高等教育的信息化发展。
在线学习不但具备开放的在线交流环境,而且其交流资源种类繁多,包括文档、图片、音频和视频等类型,这些资源组成了一个信息完备的学习资源网络。学习者可以突破时空的限制,以更加灵活和开放的形式来开展学习活动;学习者也可以实时分享自己的学习资源、学习成果和学习心得等,还可以与其他在线学习者组队组团来展开在线小组协同学习[6]。
二、线上学习行为的特点
在线学习与传统线下学习相比具有如下特点:
(一)开放性。基于在线学习平台的线上学习环境是一个开放的环境,它的用户群是开放的,只要有相关需求都可以注册,使用该平台来进行在线学习[7]。
(二)灵活性。在线学习平台有着传统线下学习模式无法比拟的优势,它不仅支持用户24 小时随时随地使用,而且支持的方式还灵活多样,用户不但可以通过PC 端进行访问,还可以通过手机、PAD 等移动端进行访问。
(三)交互性。在线学习平台为教师和学习者之间,学习者与学习者之间提供了有效沟通的手段和工具。
(四)共享性。在线学习平台的一大显著特征就是它的共享性,用户可以随时获取想要的学习资料,也可将自己的资源进行分享,具有共建共享特征。
(五)协同性。协同学习是在线学习模式的一大亮点,在线学习平台支持用户对共同关注的问题或主题进行探讨和交流,更加有利于培养团队协作精神和能力。
(六)主动性。在线学习环境具有开放性的特点,最初面向的对象是具有主动学习能力的学习者,故在线学习平台一方面要求用户要具有主动学习的能力,另一方面也通过更加便捷、有趣的功能来鼓励用户主动学习[8]。
三、线上学习行为的管理困境
线上学习的载体是线上课程,而线上课程的资源主要以10 分钟左右的短视频为主,具有重点、难点突出,内容直观、生动,可反复观看学习,不受时空限制等特点,能有效提高课程教与学的效果。对在线学习过程的相关数据进行分析发现,课前预习率较高、视频反刍比基本正常,但学生在翻转课堂上体现出来对知识、技能掌握情况并不理想的问题。究其原因,主要是线上学习方式更强调学生的学习主动性和自觉性,如果学生的主动性和自觉性不高,没有认真的按要求预习,而是通过一些伪技术手段骗过了在线学习系统的监管和数据统计,那么在线学习系统获得的相关结果指标将失真[9-10]。
以视频为主的线上教学,与传统的课堂教学最大的区别之一是学习过程中教师很难参与督促和管理。教师很难真正掌握学生是否在认真观看视频,对不理解的知识点是否真的在反复观看等情况,MOOC 等线上学习的高辍学率和低完成率也有这方面的原因[11]。针对在线学习方式中学习行为管理难的问题,许多在线学习平台通过一定的技术手段来进行有效监管和督促,比如哈佛大学的edX 在线学习平台,要求学生必须完整观看某一视频后,方能继续观看后续视频;增加了视频观看过程中的交互环节,学生必须在观看过程中有拖动进度条或者点击相关按钮等行为,方能确定正在观看视频;观看完某一视频后,必须完成对应的测试且成绩合格,方能学习后续内容;国内的中国大学MOOC(慕课)、智慧职教、超星尔雅等在线课程平台,新增了一系列措施对学生的线上学习行为进行管理,如允许教师在学生所观看视频的任意位置插入练习题,学生必须正确完成练习题方能继续观看视频;若检测视频播放页面为非活动状态,则停止播放视频,待页面为活动状态后,通过点击播放按钮才能继续播放视频等。这些新增的措施虽然有效避免了学生在一台终端上同时开启多个程序,一心两用的问题,也有助于管理学生的线上学习行为。但是,这些措施仍然停留在管理学生学习操作行为上,而不能在视频中插入过多的练习题来影响内容学习的连续性,因此,这种情况下学生仍然可以通过在电脑上播放视频或在手机上玩游戏的方式来避开管理,效果并不理想。
四、线上学习行为管理的突破
针对目前在线学习平台线上学习行为管理方面的不足,提出了一种以智能分析技术为核心学习行为管理系统,实时地了解学生学习行为和状态,进行更加有效的学习行为管理。
(一)管理系统的原理
当学生进行线上学习时,通过终端设备自带的高清摄像头实时采集学生头部运动轨迹、面部特征、眼球运动轨迹、眼睛聚焦点等行为数据[12],匹配预设定的行为标准,智能识别监控区域内学生的异常行为并给出提示,为线上学习平台管理学生当前学习行为提供支撑数据。
(二)软件框架
该管理系统的智能分析软件框架如图1 所示。
图1 智能视频分析软件框架
智能视频分析软件通过近距离、高清摄像头采集学生在线上学习时的头部运动轨迹、面部动作、眼球运动轨迹以及眼睛的聚焦点等相关信息,并进行智能分析,将分析后的结果与预定义的规则进行匹配,根据匹配结果,判断其学习行为的有效性。
(三)软件系统模块描述
视频分析模块:该模块对实时采集的视频进行快速分析,获得监控目标头部运动、面部特征、眼球运动、眼睛聚焦点等数据的静态图片集,以供后续匹配分析。
匹配模块:该模块依据“视频分析模块”中获得的静态图片集上的特征点,与预定义行为标准进行匹配,并即时得出结果。
预设行为标准管理模块:采集大量较为完备的正常学习行为特征并定义相关特征点,为“匹配模块”提供参考依据,以提高匹配的准确率。
五、结语
自由、开放的在线学习平台为学生的在线学习提供了良好的自由发挥空间和成长的环境,但也面临因学生在线学习行为的失控而降低了学习的效率的问题。本文对线上学习行为特点进行了分析,剖析了线上学习行为的管理困境,最后提出了一种通过智能分析技术为核心的线上学习行为管理系统。