在线学习自动评价模式构建与应用研究.docx

《在线学习自动评价模式构建与应用研究.docx》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、在线学习自动评价模式构建与应用研究【摘要】2011年以来，在美国顶尖大学中迅速发展起来并广泛影响世界的MOOCs（大规模开放在线课程）无疑给“在线学习”树立了成功应用的典范。不同于以往的开放教育资源运动，MOOCs既有优质资源的共享，更有学习支持服务的提供。这使开放在线课程提供者面临一个严峻问题，即日益增长的学习者和有限的师资之间的矛盾。本文尝试采用技术方法缓解这一矛盾，以在线学习的评价问题为突破口，从辅导教师视角提出了“基于学习过程数据挖掘的在线学习自动评价模式”，并选取基于Moodle平台开展的纯在线培训日志数据为样本开展模式应用，借鉴已有研究成果构建在线学习评

2、价指标体系，并设计了指标评分算法，采用层次分析法确定评价指标体系权重，并以新的评价指标体系，基于学习过程数据挖掘为某课程学生自动评分。结果表明，自动计算得出的成绩与课程辅导教师人工给出的成绩有着较高的一致性，从而验证了在线学习自动评价模式的有效性。【关键词】MOOCs；在线学习；学习分析；自动评价；层次分析法中图分类号】G40-057【文献标识码】A【文章编号】1009—458x(2015)03—0038—08引言2011年以来，在美国顶尖大学中迅速发展起来并广泛影响世界的MOOCs(大规模开放在线课程)逐渐发展成为在线学习的成功应用典范。MOOCs模式表明，只有当

3、教学各要素(包括课程资源、课堂教学、师生交流、学生练习等)系统、完整呈现，并由辅导教师提供各种学生支持服务时，在线学习才表现出一定的效果[1]。不同于以往的开放教育资源运动，MOOCs既有优质资源的共享，更有学习支持服务的提供。这就带来一个矛盾，即全世界学习者选择学习名校课程的需要与名校有限师资的矛盾。以MOOCsedX为例，它曾经开设的“CircuitsandElectronics”(6.002x)课程有155，000名学生注册，教学团队仅有12名教师[2]，势必要借助各种技术手段来自动完成一些教学任务，如批改作业、答疑、学习提醒、评价学习成绩等。本文将以在线学习

4、的自动评价模式和方法为对象展开研究。在线学习情境下，辅导教师虽然不能像在面授教学中那样亲眼看到每位学生的学习表现，但是学习平台却能记下教师不能记下的学生做出的各种行为，包括登录平台、浏览资源、做作业、参与讨论，等等。基于这些数据记录，辅导教师可以间接了解到每位学生的学习表现，并基于这些表现做出客观的学习评价。可以说，通过在线学习平台对学习过程的记录，计算机对学生的在线学习表现做出自动评价的做法不仅是可能的，而且对缓解“庞大的学习者群体与紧缺的教师资源”之间的矛盾也是必要的。目前，分析利用教学与学习过程数据，逐渐成为一个新的研究方向，即“大数据与学习分析技术”。学习分

5、析在许多方面指的是应用于教育领域的“大数据”分析[3]。学习分析是一个新兴的研究领域，旨在应用数据分析为教育系统的各级决策提供参考。对教育工作者和研究人员而言，学习分析在剖析学生与在线文本、课件之间的互动中发挥着至关重要的作用。学生也受益于学习分析的成果，通过开发用于分析学生具体数据的移动软件和在线平台，为学生提供符合他们学习需求的支持服务系统。从已有在线学习分析研究来看，国内的研究主要处在引进国外研究成果，综述相关概念、工具、模式阶段[4][5][6][7][8][9]，而将学习分析技术应用于解决实际教学问题的实证研究相对较少[10][11]，国外在实证研究方面则

6、走得更快一些。2014年召开的学习分析与知识国际会议，专门设置分论坛对“教与学过程挖掘和评价”这一议题进行讨论，有研究者对当前广受关注的MOOCs课程学习过程展开研究。Coffrin等人采用可视化方法对比呈现学生学习两门MOOCs课程的行为，结果发现两门课程的区别很小，其共同特点是课程刚开始时学生的参与率很高但随后却迅速下降[12]。针对MOOCs课程学生参与程度低的问题，Hickey等选择若干大学的在线课程开展教学实验，提出了13条参与度改善策略，包括开展学生互评、教师颁发奖章等活动来促进彼此间的交流和互相帮助，为学生提供个性化学习建议，并提高学生参与度[13]。

7、本文的重点是将学习分析技术应用于在线学习评价。LeahP.Macfadyen等人尝试采用回归分析方法建立预测模型来预测学生学习成绩，可以看作是一种应用。LeahP.Macfadyen等人以基于BlackBoard平台的在线生物课程学习过程数据为研究对象，选取118名学生为样本，将平台中发生的各类学习活动量的统计值与最终的学习成绩进行回归分析，发现了论坛参与度、邮件发送数量和考试完成数量等三个与学生学习成绩显著相关的关键变量，并建立回归模型，以预测学生的学习成绩[14]。实验表明，该模型预测某门课程不及格学习者的准确率为81%。在国内，马杰等人做了类似的研究，他们