基于在线学习社区的教学评价体系研究

来源:用户上传      作者:

　　 [摘要]针对互联网快速发展下在线学习社区存在的师生互动实时性差、没有有效的激励机制、评价体系不完善等问题，分析了在线学习社区各类问题产生的根源，提出了课程推荐优化、个性化资源库构建、在线问答系统构建等优化方案。
　　 [关键词]学习社区;MOOC;教育大数据
　　 [中图分类号]G642
　　 [文献标识码]A
　　 [文章编号]1671-5918（2019）08-0158-03
　　 doi：10.3969/j.issn.1671-5918.2019.08.070
　　 [本刊网址]http：//www.hbxb.net
　　 相对于传统的教育模式而言，在线学习社区能够更大程度地发挥教育资源的功效，是现在和未来的一种重要的教育手段。大规模开放在线课程（massiveopenonlinecourse，MOOC）作为在线学习社区的一种重要展示形式，在当下的在线教育市场中占据着非常重要的地位。众多国内外一流大学都已经加入了开展MOOC的行列。MOOC是开放式教育资源运动发展的结果，将优秀的教学通过信息技术和互联网nag进行广泛的传播，不但可以免费供应优质资源，还提供完善的学习体验，展示了其结合现有高等教育体制的种种优势。目前，影响最大的MOOC网站是Udacity、Coursera、和edX。edX是MIT和哈佛大学共同创办的非营利性质平台，它也吸引了许多如伯克利大学等众多一流大学的加盟。此外还有iversity和Veduca等在线学习平台，清华大学创办的“学堂在线”是国内首家知名MOOC平台，清华大学的部分课程也加盟edX平台向全世界开放。
　　 一、在线学习的服务特点
　　 现阶段，大规模在线开放课程主要有多种典型的存在形式，其中，关联主义在线课程是一种最为典型的在线课程形式。对于在线学习平台而言，如何优化在线课程平台的学习体验，加强学生真实的课堂感受，调动学生的学习主动性是决定在线学习课程是否成功所需要解决的重要问题。
　　 （一）依托“学习大数据”的个性化课程服务体系
　　 对于在线学习社区而言，所有使用在线课程的学习者在学习过程中产生的数据（包含用户对在线学习系统操作时产生的操作数据、用户在社区中进行交流的内容数据、用户通过在线资料中心进行上传下载时所产生的历史数据等）将会被平台记录下来。经过大量用户操作数据的积累，在线社区将会逐渐持有越来越海量的“学习大数据"，这类数据往往会被用来通过数据挖掘等方式挖掘用户学习体系构建的行为特征，同时也可以用来构建用户学习过程的评价体系，针对不同用户的学习过程构建个性化学习网络，然后通过目标学习网络的架构特点为用户推荐个性化课程及学习资料，由于在线社区能够为用户构建个性化的学习网络，社区可以在用户学习的过程中持续改进课程体系的教学内容和教学环节设计，实现真正意义上的“因材施教”。
　　 （二）依托在线社区的学习交流
　　 在线学习社区需要为学习社区的用户提供足够丰富的交流互动方式，在针对学习内容的高质量交流互动中，用户通过对学习内容的探讨和交流能够有效加强用户对知识节点的掌握程度，提升用户的学习兴趣和学习动力，与此同时，对于在线学习社区而言，提供丰富的用户交流互动方式：一方面用户通过对学习问题的交流、讨论和切磋，可以提升学习兴趣和学习动力;另一方面在线学习资源中有限的教师资源，难以解决所有的用户提出的、计算机技术难以处理的主观性问题，而以互动交流为基础的用户群体只能可以积聚而这种困局。以问答系统为例，用户通过提问和回答都可以获得只适合成就感，从而增加学习的兴趣和动力;问答形成的群体职能可以部分解决用户提出的主观性问，从未弥补教师资源的不足。
　　 （三）依托在线学习社区的互动交流
　　 用户的实际交流互动才可以提升学习兴趣和动力以及形成群体智能，因此MOOC需要激励用户去使用这些方式进行浮动。用户声誉是最有效的激励方式之一，其本质是及时反馈用户活动。仍以问答系统为例，在学习社区的问答系统中，用户可以针对学习过程中存在的难点提出相应的问题，社区中的其他用户回答该问题。在此过程中，提问者和答题者都会获得相應的声誉奖励，互动交流多、交流内容有价值的用户会获得较高的声誉值，成为互联网社交工具中所谓的“大V”用户，这类用户提出的问题和做出的回答都有可能具有更高的价值，从而获得更多的关注，继而获得更多的声誉值，形成在线学习社区中优秀用户自我提升的良性循环。
　　 二、在线学习存在的问题
　　 （一）师生交流的实时性较差
　　 在线学习社区中，由于用户难以面对面进行沟通，因此尽管在线学习平台提供答疑和问答系统，但是由于平台本身的限制导致用户交流的实时性较差，用户之间的交流效果往往会因为实时性差而相应地被削弱，据不完全统计，在著名的在学学习平台Coursera中，每个问题从提出到响应的时间中值为22分钟，而对于学习社区的用户而言，提问的及时响应是其在在线学习过程中进行知识网络构建的一个重要要求。在传统的课堂教学模式下，用户提出的问题能以最快的速度获得响应，而在在线学习社区中，由于在线社区本身的模式，用户在社区中提出的问题往往无法获得及时的响应，这也是在线学习社区无法替代传统课堂教学的主要因素。
　　 （二）没有有效的激励机制
　　 在现阶段的在线学习社区中，用户的课程学习往往没有办法获得较好的激励，而有效的激励机制能够给学习用户以较好的学习反馈，用户进行在线学习时，相比传统的课堂教学而言，用户往往需要耗费更多的精力，因此，如何调动学习用户的积极性，建立有效的学习激励机制是当前学习社区所必须解决的问题。当前学习社区常见的激励方式是为完成课程的用户提供结课证书，没有其他更加有效的、实时的激励机制，这样势必会导致用户学习的主动性差，参与课程学习不够积极。在线学习社区学习环境与传统课堂教学存在着较大的差别，由于教师无法直接与学习者当面沟通，一旦学习者出现厌学等不利于学习过程的情绪，如果在线社区不能够为用户提供有效的学习激励，学习者的学习效果势必会因此而大打折扣。作为在线学习社区所需要解决的重要问题，这一问题至今都没有一套完善的解决方案，这导致许多用户在这也在一定程度上限制了在线学习社区平台的发展。 　　 （三）信息过载问题
　　 在现阶段的学习社区中，用户学习课程的选择主要通过知识网络构建和学习系统推荐两种模式，前者通过为用户提供的一整套完整的知识结构体系来让用户选择需要学习的课程，这种模式具有明确的主题和合理的架构，用户可以通过一整套完备的学习体系构建自己的知识网络。后者则是通过用户学习课程的历史记录和其他相关的用户特征为用户推荐用户可能感兴趣的课程，这一模式能够保证用户在完成现在的学习任务的同时，继续探索其可能感兴趣的课程，从而提高用户的学习主动性，同时也能够避免在线课程平台出现某些冷门课程无人学习的问题。这两种模式都能够保证用户构架合理的知识结构体系，但是与此同时，随着学习的不断深入，基于知识网络构建的课程体系和基于用户特征推荐的课程体系会越来越庞大，学习用户需要面对的课程体系越来越复杂，这导致用户无法快速筛选确定自己的目标课程，用户也无法对课程的质量进行准确的判断。虽然用户能够在此过程中得到大量的可供选择的资源，但是由于大部分用户往往是对课程所处领域毫无接触的学习者，如何对课程进行筛选成为用户需要面临的重要问题。
　　 （四）缺乏良好的资源共享平台
　　 在现阶段的学习社区中，学习社区平台会为参与课程的用户提供课程视频、音频、课程资料等相关的文件资源，这种平台对用户的资源分发与传统的课堂教学类似，其本质是教师对学生的学习资源分发。但是对于在线社区而言，这类资源分发方式没有高效利用到在线平台共享性的特点，用户与用户之间的资源共享只有通过第三方的在线存储平台生成的外链来进行共享，与此同时，尽管这类资源通过用户评论、问答等方式发生了共享，但由于这类资源并没有直接依托于在线课程平台，用户往往无法直观地对资源的质量进行快速判断，这导致这类资源共享方式很容易成为恶意使用者的投机渠道。对平台而言，这类学习资料本身也能够对课程发展起到非常好的支撑作用，对用户而言，如何快速获取需要的学习资料是非常重要的一个问题。通过第三方进行资源共享往往会导致用户在寻找资源上耗费大量的精力，这会不仅会降低学习者的学习主动性，同时还会造成学习者学习效率低下等问题。因此，对于在线学习平台而言，如何构建高效且有质量的学习资源共享渠道也是其长远发展所必须要解决的问题。
　　 三、在线学习的发展和挑战
　　 从课程体系而言，在线学习社区平台应该构建高效的推荐算法，为不同特征的用户推荐高质量的课程;从学习支持而言，在线学习社区平台应该提供高效的问答平台，对用户提出的问题做出快速响应，对提供高质量回答的用户做出良性反馈;从资源支持而言，在线学习社区平台应该为学习用户提供与其学习进度相对应的资源支持，同时，平台也应该收集用户在学习和问答过程中产生的课程资源，形成一套内容丰富的课程资源库，这样，用户才能够在一整套完善的学习系统中构建高质量的知识网络。
　　 （一）建立准确高效的课程推荐系统
　　 在线学习社区平台与传统课堂教学的一大显著区别在于用户在在线学习平台的学习过程会产生大量的操作数据，这些数据构成的“在线学习数据库”能够依托于数据挖掘等方式形成学习平台用户特征图谱。在线课程平台的推荐系统能够根据学习平台的用户特征图谱针对系统中不同的用户推荐具有学习价值的高质量课程，由于这一推荐过程本身依托于用户操作数据生成的用户特征图谱，推荐结果能够最大程度满足用户的学习需求，同时基于课程体系架构的推荐也能够最大程度满足用户对于其学习领域的扩展需求，保证用户在最短时间能获得最好的学习效果，从学习平台的角度对用户的学习过程进行优化。
　　 （二）建立针对用户的个性化资料库，为用户提供高质量的个性化服務
　　 由于在线学习社区平台本身对用户操作数据的记录，系统能够基于用户特征为用户创建属于用户本身的个性化资料库。对于用户而言，由于在线学习社区平台记录了用户的行为特征及学习偏好，系统可以基于用户的个性化特征生成用户的特征图谱，通过标记、分类等方式对用户进行分组，完成分组后再将与用户具有相同或相关的特征标记的资源（包括问答资源和学习资料等）添加到用户的个性化资源库中。实现用户的个性化资源库能够保证用户快速获取其所需要的学习资源。在资源库的运营维护中，系统平台必须实现学习资源的快速去重和筛选，去重能够保证用户个性化资源库的高效利用，资源筛选能够避免低质量学习资源对用户的学习过程产生不良的反馈效果。
　　 （三）建立高质量的用户问答系统，对用户的主动学习提供正向激励
　　 在线学习社区平台存在的一大问题就是对于用户主动学习行为激励不足，因此，为了保证学习社区用户能够在社区反馈的正向激励下进一步优化社区内容质量，可以建立高质量的用户问答系统，通过社区用户的问答互动实现对内容输出用户的正向激励。与此同时，学习社区应该通过机器学习、自然语言处理等相关技术实现对低质量问答信息的筛选和过滤，消除社区中存在的恶意提问、恶意回复等低质量信息，以保障社区学习信息的整体质量，避免出现“劣币驱逐良币”现象。同时，在线学习社区也可以通过社区用户贡献评价系统来对用户的学习效果进行打分，将课程成绩与问答系统所绑定，以实现全方位的用户行为激励。
　　 （四）构建全方位的用户评价系统，对用户的学习效果进行正确的评估
　　 对于在线学习社区而言，如何针对用户的学习效果进行正确评估是一个非常重要的问题。对于传统的线下教育模式而言，通过课堂测验等常规评估手段都能够达到对学习者进行学习效果评估的目的，但是对于新型的在线学习社区而言，传统的学习评估手段无法保证学习者是在完全真实有效的评估环境下进行学习效果评估。因此，在线上学习社区中，需要通过社区各版块的综合信息评估用户的学习效果。例如，通过在课程学习过程中的课堂测验、问答社区的在线提问及答题、社区资源库的用户贡献评估等维度对用户的学习效果进行全方位评估，由于可以基于用户的课堂表现及课后学习状态进行综合评估，这种评估模式能够更加有效地对用户的学习效果实现更加客观准确的评价。
　　 四、结语
　　 针对线上学习社区存在的交流实时性差、信息过载、资源交流不足、评价体系不完善等问题，本文提出了课程推荐、个性化资料库服务、用户在线问答系统构建、全方位学习评估等手段。对于在线学习社区而言，如何结合教育大数据、知识图谱构建、人工智能等新技术实现自身发展，是当下教育者需要进一步深度思考的问题。
　　 参考文献：
　　[1]何镝，彭智勇，梅晓茸.Web社区管理研究综述[J].计算机科学与探索，2011，5（2）：97-113.
　　[2]胡军，张勤，夏英.大数据时代计算机专业人才培养研究[J].计算机教育，2018（4）：43-46.
　　 [3]余骞，彭智勇，洪亮，万言历.基于用户邻域和主题的新颖性Web社区推荐方法[J].软件学报，2016，27（5）：1266-1284.
　　[4]黄秀华，徐樂.基于MOOC的高校混合式教学发展研究[J].计算机教育，2018（4）：121-125.
　　[5]唐艳琴，陈卫卫，鲍爱华，李志刚，吴永芬，李清.数据结构MOOC课程的设计与建设[J].计算机教育，2018（2）：95-99.
转载注明来源:https://www.xzbu.com/1/view-14991650.htm