返回首页

IPv6环境下个性化网络学习系统设计及实现

时间:2018-04-17 00:02来源:betway必威官网www.etsupport.net 编辑:麦田守望者

本文从系统需求分析、系统设计和主要技术路线三方面,介绍了所开发的个性化网络教学平台,为教学管理提出了一些有益的建议。

  教学是教育领域的中心工作,教育信息化也意味着把信息技术手段有效应用于教学和科研,促进教学和科研的发展.网络教育促进了教育管理、教育教学和教育科研等教育领域各方面的改革与发展.然而,不尽如人意的在线学习体验却阻碍了MOOC(全称:Massive Open Online Courses)等网络教育平台的应用推广[1-2].为了改善学习体验和效果,人们开始利用网络学习行为大数据进行学习行为分析[3],探究学习规律和学习需求,为学习者提供个性化服务干预.2015年高等教育版《地平线报告》也提出了个性化学习是未来高等教育将采用的技术和需要解决的挑战[4].目前,在IPv6环境下还没有成熟的个性化在线学习平台实施方案和构建标准.本研究从系统需求分析、系统设计和主要技术路线三方面,介绍了所开发的个性化网络教学平台,并进一步基于网络学习行为数据和学习分析技术挖掘在线学习规律和特征,为教学管理提出了一些有益的建议.

  1 系统需求分析与方案设计

  1.1 系统简介

  本软件系统名称为“大学选修课个性化网络学习系统”(以下简称为“学习系统”),该系统适用于高校实施学生选修课的网上教学,通过课程选择、课程学习、课程测试、课程辅导等功能实现课程的网上学习,通过课程统计、教务管理等功能实现了课程的网络化管理.该学习系统不仅具有学习记录数据库、平台数据收集、可视化技术等功能,还可以基于学生学习数据,对学生感兴趣的学习内容进行个性化推荐并根据学生偏好对系统界面进行个性化调整.本系统对于利用高校优质基础教育资源,提高网络学习用户体验,实现个性化网络教学具有重要意义.

  1.2 系统需求分析概述

  需求分析是任何系统设计开发的关键步骤.该学习系统基于文献分析和用户(大学生、一线教师、高校教务管理人员)访谈法,调研用户对系统的期望和他们对现有网络学习系统的评价,确定系统应具有的基础功能如表1所示.

  表1 系统目标用户及相应操作权限

  目前,学习者对网络教学的不满体现在两方面:教学设计和平台设计,其中平台界面设计和技术支持是平台设计的突出问题[5].虽然教学设计的优化主要依赖更多精品教学资源的注入和教学设计的不断改良,但是学习平台也可以起到辅助作用,如收集学习者对课程的评分和评价反馈给教学设计人员,为不同的教学资源设计分区鲜明的显示位置便于学习者查看等.学习系统是技术支持和教育传承的综合,因此,本学习系统的平台设计不仅从界面设计和技术支持两方面来改善用户的即时体验,还设计了课程评价功能以反哺后续教学设计的优化.

  2 系统优化设计概要

  平台界面是在线学习系统给学习者留下的第一印象,好的界面设计能更有效地吸引学习者开始进一步的学习.平台界面的设计应简洁美观,布局合理,导航路径及功能分区清晰,信息量适度,界面的语言风格、文字大小均应统一.本学习系统遵循以上设计原则,设计整体界面如图1所示.导航区域固定在系统每一个页面的左侧,点击系统功能名称即可跳转到相应页面,点击用户名还可以查看联机帮助、个人资料等信息,保证用户可以流畅的操作及随时查看帮助信息.界面的右部是内容展示区域.内容显示以图表为主,形式直观、清晰.对于包含子项内容的页面采取块状分区显示,并且每个分区都可以展开、折叠和取消显示,满足用户对信息展示量的个性化操作.此外,为了满足用户对界面风格的个性化设置,本系统内置了三套皮肤,用户只需点击界面上方的色块即可为系统换肤.

  图1 学习系统整体界面示例

  网络学习资源的丰富,既为学习者创造了更多了选择机会,又不可避免地带来了选择盲目性.为提高学习者选课效率和精度,本系统不仅提供课程检索功能,还为每位用户智能推荐个性化课程,并可视化课程的基本信息作为选课参考.

  在线教学系统不仅是技术支持的网络系统,它还承载着教育价值.基于此标准,该系统采取系统--用户双向反馈的设计思维.例如课程讨论具有设置帖子加精和置顶功能,不仅便于教学信息的传播和论坛管理,还起到反馈激励帖主的作用;课程测试标记已考/未考状态,不仅有成绩记录,还有学生对每道题的回答和标准答案,强化结果性反馈.课程评价功能则属反向反馈,学习者对课程的评价将是后续课程教学设计的参考指标,可以反哺学习体验的改善工作.

  3 系统中采用的主要技术

  3.1 数据库访问技术

  本系统采用MySQL作为后台数据库系统,基于Web界面的管理工具MySQLAdmin,以及Sun公司的MySQL Workbench 5.1开源版进行开发阶段的设计和管理,项目采用Mybatis方式对数据库进行访问.MyBatis 是一个支持普通 SQL查询,存储过程和高级映射的优秀持久层框架,不仅消除了几乎所有的JDBC代码、参数的手工设置以及结果集的检索,还能通过简单的XML或注解进行配置和原始映射,将接口层和POJO映射成数据库中的实际记录.MyBatis框架运作流程包括加载配置、SQL解析、SQL执行和结果映射.

  3.2 课程个性化推荐策略

  个性化推荐是基于用户行为数据,挖掘用户的兴趣、偏好,预测用户的未来行为,并由系统主动向用户回馈预测的信息.为了给用户自在的学习体验,本系统并不要求学习者必须对所学课程进行评价,这也造成了学习者对课程的评价数据集稀疏,给系统推荐带了一定的难度.在协同过滤推荐算法中,概率矩阵分解(probabilistic matrix factorization,PMF)[6]假设了数据的潜在分布,不仅弥补了传统矩阵分解方法过拟合的问题,还可以基于用户特征向量矩阵和项目特征向量矩阵的乘积近似逼近和填充原始评分矩阵,利用填充的低维矩阵预测那些残缺的用户对项目的评分,以进行相应的推荐[7].因此,本系统通过建立用户特征矩阵和课程特征矩阵,基于概率矩阵分解建立个性化课程推荐模型,并设定于每天凌晨四点钟自动启动推荐运算程序.

  3.3 系统平台搭建技术

  本系统的应用服务采用Java EE架构进行分层实现,Java EE分层架构便于程序并行开发,提高开发速度,更重要的是,这种架构具有很好的扩展性,便于系统功能和系统性能的进一步提高,避免重复开发.本学习系统界面层采用JQuery、 bootstrap、JSP、HTML、CSS等技术实现与学生、教师、教务管理员、系统管理员的交互;业务层采用Spring框架实现子系统的处理流程;数据层处理数据存取,包括数据库和文件系统两种方式,前者主要存储用户信息、课程信息(视频文件除外)、教务管理信息等,后者主要存储系统配置文件、视频文件等.移动学习将成为未来学习的主流,本系统相应的移动平台APP支持Android手机和平板系统,学习者可通过移动设备访问学习平台.

  本系统为服务大学生选课,提高高校优质教学资源利用而开发,目标受众范围广,人数多.因此,学习系统平台架构由应用服务和视频服务两个部分构成:应用服务采用集中式的集群技术来进行部署,主要任务是集中实现整个系统的业务流程、用户控制、数据存储等;视频服务采用分布式方式来部署,主要任务是实现整个系统教学视频文件的存储、修改和播放等,保证多并发条件下的系统整体性能.应用服务集群可以对分布式视频服务系统进行数据管理和服务控制,用户通过应用服务集群与系统进行数据交互,通过分布式视频服务系统取得需要播放的教学视频.系统整体框架如图2所示.

  图2 系统整体框架图

在学习者反馈和课题组人员的自身网络学习经历中,视频加载缓慢是降低学习效率和学习体验感差的一大来源.因此,为使用户拥有流畅的视频学习体验,本系统的应用服务集群基于负载均衡、Web集群、数据库集群三个部分,以保证响应速度.其中,负载均衡负责把大量用户的请求按照一定的策略分摊到内部Web集群的多个服务器上,提高整体响应速度;Web集群管理内部多个处理用户响应的服务器,保持处理过程状态数据的整体一致性;数据库集群通过读写均衡、分摊请求的方法来管理多个数据库,为Web集群的数据存储提供高并发支持.具体部署情况如图3所示:

  图3 应用服务集群部署

  分布式视频服务系统中的主节点部署在Web集群中,以实现数据管理和服务控制,同时也处理来源于Internet的视频数据访问请求.分布式视频服务系统由主节点和从节点组成:主节点部署在应用服务集群中,用于存放用户上传和修改的视频数据,实现用户对课程资源的修改,同时通过Internet提供视频播放数据,满足学生学习要求,还能够作为从节点的数据备份——在从节点没有视频数据时提供视频数据的播放;从节点部署在各个学校校内网中,满足学生在校集中学习的要求,实现系统整体的高并发播放的需求,降低主节点的压力.主从节点间可通过教育科研网进行数据的定时同步.分布式视频服务系统的部署如图4所示.

  图4 分布式视频服务系统部署

  4 相关系统数据统计及建议

  个性化教学是在线学习平台的发展方向,个性化要求按照学习者的需求和特点,提供针对个体并适宜于该个体的学习内容,即学习资源的弹性化和定制式[8].教学视频是在线教育平台的主要知识载体,但就单次视频所含知识量和时长来讲,很难做到完全的适应学生的各种学习习惯.这是因为制作多种规格的教学视频,必然导致制作成本的提高;其次,知识点本身的讲解难度有要求,时间太短会造成讲解不透彻,时间太长又会显得繁琐.以五分钟为时间段划分粒度,对已建成平台的用户在线时间进行统计分析,结果如图5所示.可以看出,持续时间在1-5分钟和持续时间在40分钟左右的人数最多,且明显多于其他类型人数.所以,我们建议制作这样两类时长的教学视频,既可以满足部分学生的个性化学习需求,又兼顾了教学资源制作成本和可行性.

  图5 学习时长分布

  此外,虽然网络教学允许学生在任何时间开始学习,但就其整体参与状况来看还是有规律可循的.对用户在线时间的统计显示用户参与量在上午和下午均会出现一个小高峰,具体在线时间分布如图6所示.

  图6 学习时间分布

  因此,我们建议教辅人员可定期统计平台参与时间分布,将线上辅导时间设定在高峰阶段将能为更多的学生提供反馈.同时,还可将统计结果反馈给系统维护人员,加强此段时间的维护工作,以确保系统运行稳定.在此统计阶段,一些异常的学习行为也引起了我们的注意,比如有的学生参与时间经常在半夜,有的学生则在论坛交流中表现出明显的负面情绪.大数据改善学习的三大核心要素即反馈、个性化和概率预测[9].学习平台的反馈功能和个性化设计已引起普遍的关注,研究角度也日趋多样化,而基于学习平台数据的概率预测目前还以学习成绩和辍课率为目标.教学平台数据不仅是学生学习过程和结果的记录者,还是反映学生兴趣和思想的重要来源,如基于微博的自然语言处理等技术就为抑郁症预测问题提供了一种新的方法[10].在线教育平台记录着大量的学生言论,从中也可了解学生的心理情感状态,建议学校心理健康教育部门将这些数据记录加入心理检测预警分析中,以提高大学生心理危机发现率[11].

  5 结论

  目前在IPv6环境下还没有个性化网络教学平台的报道.本文从系统需求分析、系统设计和主要技术路线三方面,介绍了所构建个性化网络教学平台的具体情况.并进一步根据学生的学习数据统计,为教学资源的设计开发和教辅时间的安排提出建议.

  参考文献

  [1] 孟亚玲.从“MOOC中文用户大摸底”看其对中国教育的影响[J].电化教育研究,2014,(8):38-43.

  [2] Zhang G B.Designing Web-Based curriculum from the perspective of empathy theory[C]//Proceedings of 2010 Third International Conference on Education Technology and Training.New Jersey: IEEE,2010.382-386.

  [3] 魏雪峰,宋灵青.学习分析:更好地理解学生个性化学习过程——访谈学习分析研究专家George Siemens教授[J].中国电化教育,2013,(9):1-4.

  [4] 龚志武,吴迪,陈阳键,等.新媒体联盟2015地平线报告高等教育版[J].现代远程教育研究,2015,(2):3-22.

  [5] 李凑.基于用户体验的我国mooc学习者需求调查研究[D].南昌:江西师范大学,2015.

  [6] Salakhutdinov R,Mnih A.Probabilistic matrix factorization applied to the netflix rating prediction problem[C]//Advances in neural information processing systems.Whistler: Stanford,2007.1257-1264.

  [7] 庞俊涛,张晖,杨春明,等.基于概率矩阵分解的多指标协同过滤算法[J].山东大学学报(工学版),2016,46(3):65-73.

  [8] 吴刚.大数据时代的个性化教育:策略与实践[J].南京社会科学,2015,(7):104-110.

  [9] 舍恩伯格 V M,库克耶K.与大数据同行 学习和教育的未来[M].赵中建,译.上海:华东师范大学出版社,2015.

  [10] 李鹏宇.微博社交网络中的学生用户抑郁症识别方法[D].哈尔滨:哈尔滨工业大学,2014.

  [11] 张家明,王纯静.基于大数据技术的大学生心理危机预警研究[J].教育与职业,2015,(30):75-77.

  作者单位:和珍珍、张晖、李波为西南科技大学 计算机科学与技术学院,王祎珺西南石油大学现代教育技术中心

顶一下
(0)
0%
踩一下
(0)
0%
标签(Tag):个性化网络学习系统
------分隔线----------------------------
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
验证码:点击我更换图片
猜你感兴趣