基于动态评价体系的MOOC课程实施管理系统的设计

佘华扬

摘 要：本文基于动态评价体系，提出了MOOC课程实施管理系统。由于学习者在学习课程的过程中积累了海量行为数据，对这些数据进行挖掘从而分析学生的学习行为以便管理监测。旨在使教师和学生双方正确认知行为，共同受益。

关键词：动态评价体系；行为分析；翻转课堂；MOOC

中图分类号：TH111-4 文献标识码：A 文章编号：1671-2064（2017）05-0019-01

当前，虽然各类MOOC网站都在建设特色化的服务型系统，但不可否认的是，立足于各大高校，将线上线下相结合的MOOC课程实施管理系统还未完全建设成功。很多高校在线学习系统缺少监测评分功能，监管不到位，以至于部分学生学习不认真，出现刷课现象，没有达到预期的教育目的。本文设计实现了一个基于动态评价体系的MOOC课程实施监控系统，“动态评价体系”的目的是降低教师的教育偏好以及课程设计的差异对系统评价学生学习效果的影响，因此信息交换的过程要进行修正，无需实时给出评价结果[1]。

1 功能需求与系统特色

1.1 需求分析

MOOC课程实施管理系统以“高校课堂的线上线下互动”为主要思路，采用MVC开发模式。系统服务器端负责处理所有业务逻辑，同时向三类用户提供不同入口：教师、学生和管理人员，即分为三个主模块。教师模块可以设置课堂形式、发放通知公告、设计课后作业及习题、设置课程评价指标权重、查看学生学习情况（通过动态评价体系评价）、批改学生作业、按照学生线上提出的疑惑进行备课等。学生模块可以查看系统公告、观看教学视频、完成课堂（课后）作业、向教师提出问题、完成测试、与其他同学和教师交流互动等。管理员主要职责是设置课程安排、课程管理、上传相关教学视频、查看教师教学情况和学生学习情况。在学生使用本系统学习过程中，系统会根据设定好的评价指标记录学生的学习情况，由于不同老师对课程设计的差异，动态评价体系在老师完全设置好一门课程后自动对各指标可用性和权值进行設定和优化，其后开始对数据库中存储的学生学习情况进行评价。

1.2 系统特色

通过对高校传统课堂和“翻转课堂”的对比分析，拟设计一套集在线学习、在线互动、在线评价、在线学习监督等功能的系统。该系统着眼于解决高校课堂教育的线上线下结合的问题，同时根据不同老师的不同课程设置和教学偏好，以数学模型结合老师设置指标权重方式建立一套动态学生学习效果评价体系[2]。

2 构建动态评价体系

构建动态评价体系主要分成三部分，即通过主成分分析模型构建一个能充分反映学生学习效果的指标体系，通过因子分析模型设计合理的权数分配评价体系，从而到达系统的对学生学习效果进行评估和督促学生学习的目的。

2.1 主成分分析模型

学生在学习过程中会受到诸多影响，可以先设立一组评价指标，在系统每天运行的过程中收集数据，然后对数据进行量化处理，用得到的数据构建主成分分析模型，该模型通过线性变换将已知的评价指标映射为一组因子，选取方差最大的m个因子，并确保这m个因子的累计贡献率达到85%～95%的方式对数据集进行降维，这样会得到一组新的评价指标，与之前不同的是，这组评价指标体系对学习效果具有更强的解释力度，从而简化了之后的分析过程。

2.2 因子分析模型

为了对学习效果进行评估，需要估计指标体系内不同指标对不同方面影响的权重，通过合理附权得到的评价结果可信度更高。建立因子分析模型，即可得到每一方面的主要影响指标。上一步得到的指标体系量化后的数据和学习效果的几个方面的数据可通过模型联系起来，其中的系数矩阵，每一个元素值对应着学习效果的某一方面与某一评价指标的相关性大小，其行元素平方和反映了所有评价指标对学习效果某一方面的影响，列元素平方和反映了某一评价指标对学习效果整体的影响程度。

2.3 模型优化

动态评价体系在老师完全设置好一门课程后自动对各指标可用性和权值进行设定和优化，其后开始对数据库中存储的学生学习情况进行评价。常用的最优化模型有梯度下降法，牛顿法和拟牛顿法，相比于其他两个算法，拟牛顿法具有广泛的适用性、快速的收敛速度和更少的空间利用的特点，选择DFP和BFGS算法进行模型优化。

3 数据库设计

由于MySQL数据库具有轻量级、跨平台、查询效率极高、使用事务插入速度极快等优点，非常适合内存占用较少，查询速度要求较高的情况。因此，本系统选用了MySQL社区版作为平台后台的数据库管理系统（DBMS），并且，它也支持SQL中DDL、DML语句操作的关系型数据库。本系统数据库表主要包括管理员表、教师表、学生表、学院表、课程表、视频表、章节表、测试表、作业表、公告表等10张表。同时通过对存储过程、视图、函数的灵活运用，提高系统的运行效率。

4 结语

本系统的设计有利于高校线上教学的推广和发展，但还有一些不足之处，有待落实和完善，期待后续功能的增加与改进。

参考文献

[1]蒋卓轩，张岩，李晓明.基于MOOC数据的学习行为分析与预测[J].计算机研究与发展，2015（3）：614-628.

[2]胡艺龄，顾小清，赵春.在线学习行为分析建模及挖掘[J].开放教育研究，2014（2）：102-110.