大數據環境下MOOC存在的問題及解決方法之初探

張婷婷　卜天然　汪峰坤　葛靜

摘要：針對大數據環境下MOOC教育的特點，指出國內MOOC教育存在學習者盲目選擇課程視頻、視頻知識點內容重復和退學率高三個問題，提出了解決方法。分別從建立智能關聯推薦系統、建立基于內容的視頻檢索查重系統、建立機器化測評系統三個角度闡述。

關鍵詞：大數據；MOOC；智能關聯推薦；視頻檢索查重；機器化測評

1.簡介

大數據（Big Data）是指“無法用現有的軟件工具提取、存儲、搜索、共享、分析和處理的海量的、復雜的數據集合?！?V（即Volume、Variety、Value、Velocity）為大數據的典型特征。

隨著互聯網和大數據時代的到來，教育知識的傳播由原來的口傳和紙媒的一對多模式轉變為開放化的雙向學習模式，大規模網絡開放課程MOOC（Massive Open Online Course）也隨之興起。MOOC通常由有著共享精神和傳播知識意愿的個人或組織提供面向全社會的免費的教學視頻，并輔以其他多種形式的教學手段，比如：交互性論壇、師生遠程交流、互助小組、模擬實驗等等。

以開放性和共享性為特點的MOOC具有很多優勢：（1）只要有網絡和終端設備即可學習。（2）課程免費，學習成本低。（3）突破時間空間的限制。（4）對學習者不設門檻。（5）激發學習興趣，為終身學習提供可能性。MOOC迅速掀起了全球教育理念的變革，很多知名高校，比如哈佛大學、麻省理工學院、斯坦福大學、東京大學等都加入到MOOC視頻團隊中。

國內高校的公開課在2013年首次登陸M00C平臺，實踐時間相對較短，經驗缺乏，一些問題逐漸顯露。

2我國MOOC存在的問題

2.1盲目選擇課程視頻，缺乏對學習者的內容推薦體系

大數據時代的到來促進了MOOC的產生和快速發展，帶來了學習方式和學習理念的大變革，使得大規模在線學習成為可能。比如：大規模多種類的在線課程的提供、大規模的用戶注冊、大規模的論壇用戶討論、大規模的用戶接入等等。

傳統的課堂教學學生規模有限，通?？刂圃?0-40人，教師可以在短時間內對學生的個人情況做基本了解，比如學生的性格特點、學生的教育經歷、學生的家庭地址等等，這樣教師就可以根據學生的個人特點調整教學方案，有針對性地給部分學生“開小灶”，最大限度地提高教學質量。

相比于小規模的傳統教學，學習者的層次跨度較大，學習動機各有差異，對于MOOC的需求也不盡相同。有的學習者把M00C視頻作為傳統課堂教學的知識延伸，他們更希望能跳過基礎講解直接進入核心知識的學習；有的自學者把MOOC作為交流討論的平臺，他們往往不在意視頻的質量而更注重學習社區的交流氛圍，更希望MOOC教師能定期與自己交流答疑；有的學習者把MOOC作為學科入門的途徑，由于自身的“零基礎”，他們希望MOOC教師能講解的更基礎和細致；有的學習者只是把MOOC作為自身掌握情況的檢驗工具，他們可能跳過視頻而直接做測驗題。

正是由于學習者的需求多樣性和差異性，他們無法在大數據時代的浩瀚MOOC課程中快速挑選到符合自身需求的視頻資料，造成時間和精力的浪費。因此，針對多樣化學習者的內容推薦體系的建立具有實際意義。

2.2視頻知識點內容重復，缺乏MOOC視頻內容查重體系

傳統課堂教學，教師的教授內容遵循教學計劃，課程之間極少出現知識點重復的問題。同行之間可以相互交流，對于前后續課程內容的設計可以達成一致。在教學過程中，也可以根據學生的反饋適當調整授課內容。但是MOOC的制作者沒有這樣的先天優勢。

MOOC的制作者通常為個人或者小團隊，他們制作MOOC的驅動力可以概括為三個：（1）好奇心驅使下的對于新的教學方法的嘗試。（2）認為MOOC可以幫助其實現個人價值。（3）單純的利他主義。這使得大部分MOOC制作者的著眼點僅限于當下課程的制作，對于其他制作者已經上線或者正在制作的同種課程并沒有太多了解。這就不可避免出現大量內容重復的視頻，是對MOOC制作者和學習者時間和精力的嚴重浪費。

考慮到MOOC的“微視頻”特性，可以對于申請錄制或申請上傳的視頻內容進行查重處理，避免在MOOC資源庫中出現過多的知識點重復，節省社會資源。

2.3退學率高，缺乏對學習者的評價和激勵機制

傳統課堂教學，學生知識體系的構建都是按照人才培養方案逐步進行的。只要認真聽講，大部分學生都是可以跟上老師的授課內容的，教師可以通過課下答疑和作業批改的方式幫助少部分基礎較弱的同學跟上進度。每門課程結束的課程測評也可以激勵學生進行持續有效的學習。但是在大數據環境下的MOOC學習中，這樣的學習環境不復存在。

研究表明，MOOC有著大規模的注冊量，但是學習者的退學率非常高，超過90%。究其原因，大致可分為四大類：（1）缺乏學習的動力。（2）由于自身基礎薄弱，不能理解視頻內容選擇放棄。（3）對于無法理解的知識點找不到可以求助的對象，喪失學習興趣。（4）學習時間不能保證。

建立針對學習者的評價和激勵機制可以幫助大部分學習者提高學習目標、課程內容對于他們的內在激勵程度，督促他們保質保量的參與學習，并對自己的知識掌握情況有更清晰的認識。

3大數據環境下解決MOOC問題方法之初探

大數據時代之前，人類歷史上所有印刷制品的數據量是200PB（1PB=210TB），日常語言傳遞的數據量總和大約是5EB（1EB=210PB）?，F今，大數據環境下數據量呈爆發式增長，一家大型企業的數據量就可達到EB量級。根據IDC的“數字宇宙”的報告，預計到2020年，全球數據使用量將達到35.2ZB。相比于傳統的以文本為主的結構化數據，大數據環境下非結構化的數據（比如：事務日志、音視頻、地理位置、圖片等）呈主流趨勢。隨著非結構化數據量的指數級增長，數據價值密度卻在降低。以MOOC視頻為例，一集15分鐘的視頻，大部分學習者真正獲取到的有用數據不足三分之一。如何快速、高效完成數據“提純”，避免內容重復，并對學習者進行一定的智能推薦和評價激勵是值得探討的問題。

4小結

國內MOOC實踐時間短，經驗缺乏，存在三方面的問題：（1）盲目選擇課程視頻，缺乏對學習者的內容推薦體系；（2）視頻知識點內容重復，缺乏MOOC視頻內容查重體系；（3）退學率高，缺乏對學習者的評價和激勵機制。針對這些問題，提出解決方法：（1）建立智能關聯推薦系統；（2）建立基于內容的視頻檢索查重系統；（3）建立機器化測評系統。