基于大数据“MOOC”课程优化策略

作者：冯芝丽

来源：《广东蚕业》 2019年第12期

DOI：10.3969/j.issn.2095-1205.2019.12.89

冯芝丽

（湖南交通工程学院 湖南衡阳 421000）

基金项目：湖南省2019年普通高校教学改革研究项目，基于大数据的MOOC平台课程资源建设研究和实践（NO：1216）。

摘 要 文章将梳理“MOOC”教学的需求、分析大数据时代“MOOC”的发展契机及所面临的挑战，提出基于大数据技术的“MOOC”课程优化策略，主要从提升数据意识、优化数据存储方式及平台、合作完善“MOOC”的基础性工程、大数据技术分析MOOC视频学习行为等方面优化“MOOC”教学效果。

关键词 “MOOC”课程；大数据；优化

中图分类号:G434 文献标识码:A 文章编号:2095-1205(2019)12-147-02

2020年1月，全国新冠肺炎疫情暴发、全国延期开学，教育部发出“停课不停学”号召，各高校纷纷响应，各高校教育系统各门课程都从“现场”教育转成了“线上”教育，教育体统迎来了一场严峻的挑战。“MOOC”脱颖而出，成了许多高校网课的首选。但效果却不理想，也出现了很多热点问题，如直播教学热、网课学习难、效果难保证等。如何提升“MOOC”在线教学教师的体验，及学习者学习的效果，教师能能更好的实时跟踪学生的学习动态和学习习惯，成了当下教师与学生共同的呼声。本文将梳理“MOOC”教学的需求、所面临的挑战，提出基于大数据技术的“MOOC”课程优化策略，主要从提升数据意识、优化数据存储方式及平台、合作完善“MOOC”的基础性工程、大数据技术分析MOOC视频学习行为等方面提升和优化“MOOC”课程教学效果。

1 “MOOC”教学需求

“MOOC”与传统的在线视频课程相比，“MOOC”与“互联网”技术进行了深度融合应用，可以支持线上教育内容与技术齐头并进的要求。从技术角度分析，MOOC完全开发、支持MOOC最大的优势在于对互联网技术的深度运用，MOOC真正实现了“MOOC”内容与技术并重的核心要求。从技术层面来看，“MOOC”具有完全开放、产生大量的教育数据、支持海量资源和用户相互交流和协同合作、记录全程上课情况及评价的特点，学生可以自主在线学习和完成作业。

“MOOC”是免费开放的，学习者的数量本来就很大[1]，疫情期间，学习者的数量更是巨大，学习平台就必须要承受大量的学习数据，包括学习者的学习行为及学习痕迹。对于某些高校的大规模学习者，要保证在提交作业和考试测试的阶段大家同时进行操作时产生的大量数据的安全性和稳定性；对平台上记录的大量的数字信息，需要进行标准化的处理，以便满足学习者的多样化学习内容能正常运行；对大量学习者在学习过程中产生的学习痕迹，平台快可对其进行数据分析、挖掘和处理，从而分析和预测学习者行为，为其推送更符合要求的课程内容，同时也为课程改革提供有利的依据。

疫情期间“停课不停学”，各高校每位教师指导的学习者众多，很难实时给每位同学及时进行问题解答与反馈，学习者在学习的过程中遇到问题不能及时得到解决，容易出现畏难情绪，影响学习效率。需要“MOOC”平台能针对大量学习者在学习中遇到的普通问题进行分析，并给出总结，分层提出解决策略，并推送相关知识的课程进行学习。

每位学习者在平台上学习的课程较多，平台上学习者的种类也很多，“MOOC”平台要能对每个学习者的行为进行记录，为每个学习者提供个人学习档案袋，提供学生某一时间段的学习报告，实现个性化的课程设置。

“MOOC”平台学习者的学习是在平台上以“在线”的方式完成的，学习活动，单元测试及课后评价等，所以平台需要通过分析学习者的多种交流方式、互动方式、协作与互助来为学习者提供及时的学习信息。

2 大数据时代“MOOC”的发展契机

大数据时代，信息网络快速发展，云计算也趁势而上，优质的学习资源可以不分时空得到共享[2]，在“MOOC”平台这样具有很多优质学习资源的平台，若学习痕迹被记录下来，老师就可以更清晰地了解到学习者地学习状态及学习效果，也可以数据分析为契机，推动“MOOC”反馈机制及监控评估和精确预测。大数据时代为“MOOC”地发展提供了更多地可能性。

2.1 实时监控“MOOC”课程质量

大数据技术和云计算及快速发展，获得真实地数据地结构成为可能，教学过程和学习动态可以被实时关注，教学地每一个环节都可以得到监控；其次教师可以通过监控数据做支撑，分析学习者地学习行为，学习习惯等，诊断出个体差异，合理地进行分组学习。对影响课程绩效地因素进行收集和分析，减少不良因素的介入，为提高教育质量提供技术支持。

2.2 推送学习需求，提供个性化的支持

王永斌等人提出了学习支持服务实现的方法和思路,包括坚持导师制度、重视技术支持团队建设、倡导朋辈互学、线上线下结合、依靠大数据技术、适当运用人工智能等[3]。有学者提出，现代青少年自控力不强，尤其时学习时很难控制自身的情绪，物质要求较高，容易冲动，有时会有不合理的期望，对人事物冷淡。这些变化在建构主义开始盛行的上个世纪末就备受关注，学习者的个性化需求在基于规范化的教育研究范式下被深入研究思考。教育大数据时代的MOOC支持服务可以借助数据的力量，提供个性化的支持。

2.3 增进“MOOC”的评价的客观性和多元性

使用大数据技术收集和分析学习者地学习行为，可以对学习进行个性化地评价，教师不再只关注学生地学生地分数，而可以关注到学习者地整个学习活动，评价地维度从单一转向了多元，如学生提交作业，参与互动，参与讨论，帮助同学解答问题，积极查阅资料等行为都可以列入计算成绩地范畴，对整个学习过程地监控得出地评价更客观。

2.4 为“MOOC”决策、改革提供科学参考

广泛应用大数据，我们可以实时获取详细的原始资料为“MOOC”提供决策地论据，同时决策质量也得到提高。我们地决策将从经验决策向数据决策转型，推动教育决策从主观判断走向客观分析，为“MOOC”的教学发展提供清晰可观的数据模型。

3 大数据时代“MOOC”面临的挑战

3.1 “MOOC”发展意识瓶颈

大数据时代，“MOOC”课程学习的优势是交互性强且便捷，然而中过传统地“MOOC”教学地技术和设备都未得到更新，很多地“MOOC”课程只是将老师授课地方式改变了而已——从讲台上讲变成了对着电脑屏幕讲课，并未发挥“MOOC”学习的优势。究其原因是数据意识淡薄，观念未突破。

3.2 学习者个性化需求加大

“MOOC”学习规模日渐扩大，大数据技术飞速发展，也得到的广泛地应用。中国是“MOOC”课程学习数量最多的，不仅学习数量在上升，每个学习者还有个性化需求，甚至复杂的需求，个体差异较大，如学习方式，学习习惯，学习时间安排，学习兴趣，学习内容都等。这些差异对大数据技术处理的提出了更高的要求。同时需要对不同的学习数据进行分析、处理和存储，而差异性大的学习数据多是动态的、碎片化的，加大了数据处理和利用的难度。

3.3 存在技术瓶颈

大数据技术的难点是数据庞大、复杂，目前没有专门的软件工具进行直接开发或者将冗余的数据进行过滤，将有价值且能帮助决策的数据从海量树种筛选出来。“MOOC”大数据分析需要从学习者的学习痕迹和学习过程产生的数据进行深入挖掘，根据数据对学习者做学情分析，给出重要的反馈，发现学习需求，维持学习动机，引导学生主动学习，持续学习。随着“MOOC”规模的扩大，学习者还有个性化需求，甚至复杂的需求，个体差异较大，教育大数据要根据不同学习者的不同学习数据进行分类存储的需求也越来越高。因而数据的收集、筛选、处理的过程更加复杂。既要考虑数据本身的特征，也要考虑不同数据之间的关系。之后还需要利用云计算技术深入分析学习者的学习动态及学习轨迹，以便能及时给学习者提供个性化的支持。目前大数据技术还很难做到对于“MOOC”数据的深度挖掘和实时跟踪。

4 MOOC课程优化策略

4.1 引入先进教育观念与思维，提升数据意识

大数据时代的到来，提高升教育管理主体的数据意识是改革“MOOC”的关键，可通过培训、分阶段有计划学习等方式革新教育管理者的数据观念，使“MOOC”的适用性、个性化的优势发得到充分发挥。对教师而言，要积极参加各类技术培训，加强与学校及学生之间的交流和互动，同时要了解大数据的价值和前景，逐渐将基于数据的的评判作为评判学生的依据。让“MOOC”体系中每一位使用者和管理者都成为大数据的提供者和收益者。

4.2 优化数据存储方式及平台

大数据技术，信息技术快速发展，“MOOC”学习者数量越来越大，个体特征、学习内容、学习目的和目标都各有不懂，差异较大。教师希望能根据教育大数据的统计，更清晰地了解到学习者地兴趣偏好，学习动态、最佳学习时长以及对所授课程的课程质量的评价，从而总结教学问题，调整教学内容，设计课程及互动方式，优化课程结构。对于平台管理者，平台大量的数据，需制订一个数据存储的规则，高效收集内部数据，根据院系进行分级处理，并进行责任划分，实时跟踪，实现信息共享。

4.3 合作完善“MOOC”的基础性工程

目前大数据技术在“MOOC”平台的应用需要群策群力，各行各业人员共同解决。首先，政府要更加重视，加大投入，建设基础设施，协调各科研机构推动大数据技术及其应用发展；其次，我们可以针对“MOOC”课程教学过程种产生的异构特质的数据设置多层次的数据管理平台，对教学活动进行实时的跟踪监控、记录和分析。最后，最后，积极学习国外先进的数据处理技术。很多知名大学都开设了机器学习、人工只能等数据处理相关的前沿课程，西方国家在教育领域取得的成果是很显著的。我们可以在维护自身主权的前提下，积极学习先进的数据处理技术。

4.4 大数据技术分析MOOC视频学习行为

研究数据包括视频点击流数据和在线学习记录，利用大数据技术分析学习者观看“MOOC”课程视频行为数据的特征和影响学习者持续观看视频的因素[4]，分析最受欢迎视频时长，持续观看视频行为，以及无效学习行为等数据，从而发现“MOOC”线上学习行为规律，给“MOOC”课程的视频制作者作为参考，从因果分析和学习预测角度研究在线学习行为，建立学习效果和观看视频行为之间的联系，从而帮助学者更快速从大量的课程资源中找到自己所需的课程；以观看视频行为数据为基础，研究观看视频行为的特征和最受学习者欢迎的视频长度，研究结果不仅可以帮助学习者提高学习效率，还可以帮助课程设计者改进课程视频，提高吸引力。

“MOOC”与传统的在线视频课程相比，“MOOC”与“互联网”技术进行了深度融合应用，大数据时代，给“MOOC”发展提供了契机，“MOOC”学习者也对课程提出了新的个性化、精确化需求，“MOOC”发展面临着“MOOC”发展意识瓶颈、学习者个性化需求加大和技术瓶颈等挑战。本文提出了提升数据意识、优化数据存储方式及平台、合作完善“MOOC”的基础性工程、大数据技术分析MOOC视频学习行为等策略以期提升和优化“MOOC”课程教学效果。

参考文献

[1]李婧.基于移动互联网的设计教育MOOC平台研究[D].中国美术学院,2016.

[2]姜超,曹伟慈.大数据时代“MOOC”的变革之道[J].西北成人教育学院学报,2019(03):16-20.

[3]王永斌,祝燕芳.数字化学习中心平台建设中个性化学习支持服务研究[J].价值工程,2018,37(29):290-291.

[4]罗永,李建平,王晓.MOOC视频学习行为大数据分析[J].大学数学,2019,35(06):20-26.