潘志宏, 万智萍, 谢海明

(1. 中山大学 新华学院, 广东 广州 510520； 2. 广东移动通信有限责任公司茂名分公司, 广东 茂名 525000)

实验教学研究

大数据环境下高校智慧移动学习平台的构建研究

潘志宏1, 万智萍1, 谢海明2

(1. 中山大学 新华学院, 广东 广州 510520； 2. 广东移动通信有限责任公司茂名分公司, 广东 茂名 525000)

针对移动学习平台的局限性,设计了高校智慧移动学习平台解决方案。首先,探索移动平台与高校课堂教学协同合作的O2O闭环学习模式；其次利用“社交网络”来解决平台互动性与协同性问题,将“群智思想”引入平台解决移动学习平台资源库动态建设问题；最后利用大数据和机器学习技术,对学习行为数据进行感知挖掘和知识获取来让平台更加智慧,从而提升学习的个性化和高效性。方案对高校的教学改革具有一定推动作用与参考意义。

智慧移动学习； 群智(众包)； 社交网络； 大数据

1 高校智慧移动学习平台的背景和构建意义

随着移动互联网与大数据技术的不断发展,在线学习(E-learning)不断向移动学习(M-learning)、泛在学习(U-learning)、智慧学习发展。由于智能终端的不断普及,学生可以随时随地利用碎片化的时间进行学习,因此移动学习越来越受到学生欢迎。其次,大数据技术让移动学习平台能够更加智能地了解学生情况并制定个性化的学习计划[1-7]。近年来随着MOOC的不断发展,将在线学习推至一个高度,出现很多MOOC平台,比如：以国内高校课程为主的网易的中国大学MOOC和云课堂、高等出版社的爱课程等；以IT类培训为主的慕课网、极客学院、开课吧等；以coursera、edx、udacity为代表的国外知名MOOC平台。这些平台都已经移动化,让学员能随时随地利用碎片化时间进行学习,对高等教育和职业培训教育起到很大的推动作用。这类平台也有一定的局限性：

第一,很多平台提供课程视频让学员通过移动终端或者PC端进行学习,但相对来说互动性和协同性不够完善,教师与学员、学员之间、学习圈之间很难通过平台即时沟通或协同完成作业项目；

第二,目前这类平台在智慧学习方面仍处于完善阶段,没有全程感知追踪学员的学习行为数据,教师难以通过平台了解每个学员课前课后的学习状态,从而制定更加针对性的辅导,学员也不能根据平台所提供的个性化精准信息,制定自己的学习计划；

第三,由于移动平台并不是专门针对高等学校,所以在功能设置的时候,不能很好地与课堂教学进行较好的协同合作,也即是移动学习平台与课堂教学不能形成完整的O2O(online与offline)闭环学习模式；

第四,课程资源都是依靠平台构建者来建设,虽然教师或教育机构经验丰富,但具有一定的局限性,学生可能会比较被动去学习平台所提供的资源,缺乏参与主动性，另外,平台学习资源只依靠一方来维护,难以确保内容的多样性。

设计了一个高校智慧移动学习平台解决方案,它能较好地解决上述问题,对高校的教学改革建设具有一定推动作用与参考意义。首先,探索移动平台与高校课堂教学协同合作的O2O闭环学习模式；其次,利用“社交网络[9-10]”来解决平台互动性与协同性问题,将“群智思想”引入平台解决移动学习平台资源库动态建设问题[11-12]；最后利用大数据和机器学习技术,对学习行为数据进行感知挖掘和知识获取来让平台更加智慧,从而提升学习的个性化和高效性。

2 高校智慧移动学习平台的解决方案

高校智慧移动学习平台解决方案主要解决3大问题：第一,平台如何与大学课堂教学协同并融合[6-8]；第二,如何设计平台的架构让其更好地匹配这种协同模式；第三,如何对平台的教育数据进行深度挖掘,让教育更精准、智慧。

2.1 协同构建O2O闭环教学模式

随着信息技术的不断发展,传统的基于班级，以教师、教材、教室为中心的授课方式,将逐步被基于广泛学习资源平台,以学生、问题、活动为中心的创新能力培养模式所取代。移动平台让学习触手可及,对学习产生很大的推动作用。在高校这种环境下,如果能将课堂面对面教学与线上移动平台学习相结合,构成一个完整的O2O闭环教学模式,通过两者优势互补,能够使学生达到最佳学习效果。

Gerstein(2011)提出的翻转课堂教学模型[13],将课堂划分为4个阶段,即体验学习阶段、概念探究阶段、意义建构阶段和展示应用阶段。本文在其基础上提出O2O闭环教学模式：课前课后都以智慧移动学习平台教学为主,课中以线下课堂授课为主(见图1)。

图1 移动平台与线下课堂O2O闭环教学模式

学生课前通过智慧移动学习平台在线学习,掌握基础概念并进行思考；线下课堂教学则以教师的学习引导、案例研讨、问题解答等过程为主,这样可以充分利用课堂时间来达到更好的教学效果；课后学生通过智慧移动平台在线交流,协同完成项目作业,教师也可以通过大数据分析技术获知教学效果和教学需求。这种基于高校智慧移动学习平台的O2O模式将慕课学习、学习圈交互协助、在线行为数据分析跟踪、学习量化评估很好地整合在一起,并融合到课前、课中、课后3个环节中。充分发挥碎片化学习、全程互动学习、个性化推荐学习的优点。

2.2 高校智慧移动学习平台系统架构

要让智慧移动学习平台很好地融合大学课堂并进行协同合作,有2个问题需要重点考虑。首先是高校的平台学习资源内容如何建立,其次是如何让高校学生更好地融入平台。为了更好地解决这2个问题,提出将“群智(众包)思想”和“社交网络”引入高校移动学习平台。

传统线上或者移动学习平台课程资源都是依靠学校教师或者教育机构来建设,虽然依靠经验丰富的教师或教育机构来构建课程资源能够让课程更适合学生,但同时也有一定的局限性。学生可能会比较被动去学习平台所提供的资源,缺乏参与学习的主动性,而平台学习资源只单纯依靠一方来维护,也很难保证内容的多样性及让平台学习资源在保证质量前提下动态丰富完善。在高校移动学习平台体系架构中增加“群智思想”与“评价激励机制”[14]解决此问题。

群智思想就是调动所有用户(参与者)随时随地充分利用各种终端参与到课程内容建设任务中,可通过2个具体的实例来说明这个思想的应用：

第一,学生在学习本课程的过程当中,可以把与其他课程相关、有用的学习资源通过各种移动终端分享到平台,进行资源共享；

第二,学生学完课程后遇到难题可以通过平台进行提问,平台利用机器学习技术挖掘过滤,如果发现某个问题很多人提问(证明它是一个难点),平台会将它自动增加到课程作业,纳入课程体系中。

通过群智思想让平台的资源库不断丰富、多样化,形成一个动态的闭环,不断完善。

为了保证群智思想下平台学习资源的质量,以及提升参与者的主动性,需要制定合理的资源引入评价体系,比如某个学生将自己觉得有用的资源分享到平台,一方面可以通过平台建设方进行评价,另一方面可以通过平台使用者对资源进行评价,比如点赞率或者评价留言等,后台通过评价算法进行综合计算,最终将评价排名靠前的资源自动纳入课程体系,让本课程体系里面的资源库成为一个能不断完善的动态闭环。为了更充分地调动所有学习者学习的主动性与参与资源建设的主动性,共享资源、回答问题、参与评价、资源被纳入课程体系、被点赞与点赞等都可以获得相应的激励分数。课程学习是一个综合的过程,它包含课程基础内容自学、自己搜集资料解决问题、帮助别人解决问题、扩展资料的学习与评价,因此通过评价体系与激励机制可以让学生更加积极地参与到学习的全过程。

为了更好地实现群智思想,将社交网络引入平台也是必需的。首先,通过移动社交网络可以让学生和教师随时随地更好地分享资源、参与平台资源构建；其次,可以通过社交网络更好地构建学习圈,方便教师与学生的实时沟通和学生之间的学习讨论,基于班级的学习圈还能让学生在学习过程中协同工作,提高效率,同时教师也能更高效地管理学生圈；最后,还能通过对学生大量的社交网络行为进行分析挖掘,从而更好地掌握学生学习过程的详细情况,并制定更好、更有针对性的指导。通过社交网络将线下课堂延伸到移动终端,让协同学习变得更高效,指导更有针对性。

设计了高校智慧移动学习平台的核心体系架构：学习资源管理层、大数据挖掘层、学习行为管理层、数据传输层、移动终端层。学习资源管理层引入群智思想与激励评价体系；大数据挖掘层包含数据预处理、数据挖掘、知识获取；学习行为管理层包含学习行为数据感知、移动社交网络、学习资源数据交互。高校智慧移动学习平台体系架构图如图2所示。

2.3 运用大数据让移动学习平台更智慧

大数据技术包含数据挖掘、机器学习、云计算等技术,广泛应用于各大平台,用于提升平台的智能化,在高校智慧移动学习平台中,主要是利用大数据技术对移动学习平台产生的大量教育数据进行挖掘和分析,特别是对在线学习行为和学习过程进行量化分析。要实现移动学习平台的“智慧”,就必须引入大数据挖掘技术,通过挖掘大量学习过程的数据制定更有针对性的学习计划[15-16]。这个过程可以简单描述为感知数据、挖掘数据、获取知识。

感知数据就是收集大量学生的基本信息与学习过程的行为数据。学生通过各种移动终端接入平台,由于移动终端本身拥有大量的传感器,方便收集学生学习过程全方位的行为数据。学习过程的行为数据包含学生参与交流互动的频率、学习时间分配与位置、课程学习的兴趣点,协同工作时完成的工作量、评价留言等。

挖掘数据就是对感知的数据进行处理,首先要对数据进行预处理,即抽取清洗,把样本数据中明显的无效数据删除,然后收集分类、添加标签等。接着对预处理后的数据进行挖掘,比如利用聚类算法、文本语义挖掘算法、SVM等算法来完成数据的挖掘与分析。数据挖掘功能部署在云服务器端,可以利用云平台强大的计算能力来提升数据挖掘分析的效率。

获取知识是挖掘数据的最终目的,通过机器学习算法挖掘得到一些中间结果,还需要转换为知识,并通过交互界面呈现给用户。例如通过聚类和文本语义算法分析多数学生重复学习课程某个知识点的视频,并且在交流互动评价中多次出现相关关键词,则说明该知识点有可能是学生的兴趣点或者难点,这些都给教师提供有用的信息,在线下授课时可以针对该问题进行详细讲解。另外也可以通过全程感知学生的学习过程与状态,每个学生通过移动终端学习的内容、完成作业情况、参与项目协作、参与互动这些数据都被系统如实记录下来,形成每个人的学习行为数据,系统通过对这些数据的分析给学生制定更加适合的学习计划。

3 结语

高校智慧移动学习平台具有很好的应用价值,可以让高校课堂教学与移动学习相互融合协同,从而提升教学质量。在理论上研究移动学习平台怎样贯穿到高校课堂的整个过程,提出O2O闭环学习模型,并设计智慧移动学习平台的系统架构,在系统架构中引入“群智思想”以解决动态完善平台学习资源建设问题,加入“移动社交网络”提升平台的互动性与协同学习。最后利用大数据与机器学习技术,通过对学习过程行为的数据感知、数据挖掘,最终形成知识来帮助教师对学生学习情况的全程掌握,给予学生更有针对性的指导,同时学生也能够通过智慧移动平台获取更适合自己的学习计划。

References)

[1] Motiwalla L F. Mobile learning: A framework and evaluation [J]. Computer & Education,2007,49(3):581-596.

[2] 薛建强.大学英语移动学习模式的构建与发展研究[J].实验技术与管理,2014,31(3):176- 179.

[3] Chu H C,Hwang G J,Tsai C C. A knowledge engineering approach to developing mindtools for context-aware ubiquitous learning[J]. Computer & Education,2010,54(1):289-297.

[4] Hsu T,Chiou C,Tseng J C R,et al. Development and Evaluation of an Active Learning Support System for Context-Aware Ubiquitous Learning[J]. IEEE Transaction on Learning Technologies,2016,9(1):37-45.

[5] Jain G,Gurupur V,Schroeder J,et al. Artificial Intelligence-Based Student Learning Evaluation: A Concept Map-Based Approach for Analyzing a Student’s Understanding of a Topic[J]. IEEE Transaction on Learning Technologies,2014,7(3):267-279.

[6] 蔡宝来,杨伊.基于移动学习的课堂有效教学策略研究[J].教育科学研究,2015(9):42-47.

[7] 祝智庭.智慧教育新发展:从翻转课堂到智慧课堂及智慧学习空间[J].开放教育研究,2016,22(1):18-26.

[8] 梁中,陈波,于泠,等.基于手机微信的信息安全翻转实验课堂教学实践 [J].实验技术与管理,2016,33(10):156 -160.

[9] Lai C F,Huang Y M,Chen S Y. A M-learning content recommendation service by exploiting mobile social interactions[J]. IEEE Transaction on Learning Technologies,2014,7(3):221-230.

[10] Lee M S,Son Y E. A Study on the Adoption of SNS for Smart Learning in the “Creative Activity”[J]. International Journal of Education and Learning,2012(3):1-18.

[11] Doan A,Ramakrishnan R,Halevy A Y. Crowdsourcing systems on the World-Wide Web[J]. Communications of the ACM,2011,54(4):86-96.

[12] Poetz M K,Schreier M. The Value of Crowdsourcing: Can Users Really Compete with Professionals in Generating New Product Ideas?[J]. Journal of Product Innovation Management,2012,29(2):245-256.

[13] Gerstein J. The flipped classroom[EB/OL]. (2016-08-25).http://www.scoop.it/t/the-flipped-classroom.

[14] Yang D J,Xue G L,Fang X,et al. Incentive Mechanisms for Crowd sensing: Crowd sourcing With Smartphones[J]. IEEE/ACM Transactions on Networking,2016,24(3):1732-1744.

[15] Suciu G,Vulpe A,Todoran G,et al. Cloud Computing And Big Data As Convergent Technologies For Mobile E-Learning[C]//10th International Scientific Conference on eLearning and Software for Education. Bucharest,romania: Carolnatl defence univ publishing house,2014.113-120.

[16] Udupi P K,Malali P,Noronha H. Big data integration for transition from e-learning to smart learning framework[C]//3rd MEC International Conference on Big Data and Smart City. Muscat ,Oman:IEEE,2016:268-271.

Research on construction of smart mobile learning platform in colleges and universities based on big data

Pan Zhihong1, Wan Zhiping1, Xie Haiming2

(1. Xinhua College, Sun Yat-sen University,Guangzhou 510520, China;2. Maoming Branch, Guangdong Mobile Communication Co. Ltd., Maoming 525000, China)

In order to solve the limitation of the existing mobile learning platform, this paper designs a smart mobile learning platform solution for universities.Firstly, the O2O close-loop learning mode which makes the mobile learning platform cooperate with the college classroom teaching is discussed. Secondly,by using the social networks in the platform to solve the interactive and collaborative problems, the thought of crowdsourcing is introduced to make the learning resource of the mobile learning platform automatic construction. Finally,with the techniques of big data and machine learning,sensing the behavior data which was produced in the learning process in order to acquire knowledge which can make the mobile learning platform more wisdom, can improve the individuation and efficiency of the learning process. This platform solution has a certain reference significance for the teaching reform in colleges and universities.

smart mobile learning； crowdsourcing； social networks； big data

10.16791/j.cnki.sjg.2017.04.040

2016-11-06 修改日期：2016-12-30

2016年度广东省本科高校高等教育教学改革项目“大数据背景下高校智慧移动学习平台构建及O2O闭环学习模式的研究”(粤教高函236号)；广东省青年创新人才自然科学类基金项目(2014KQNCX253)；中山大学新华学院2016年教学改革与教学质量工程项目(2016J037)

潘志宏(1984—),男,广东揭阳,硕士,高级工程师,美国计算机学会(ACM)会员,中国计算机学会(CCF)会员,主要研究方向为移动互联网、计算机网络与信息系统.

E-mail：zhihong840420@163.com

G40-057

A

1002-4956(2017)4-0161-03