打开文本图片集

摘要：随着MOOC教学的兴起，线上学习模式获得了较多关注，在线教学辅助平台则为线上学习提供了技术支持。大部分在线教学辅助平台主要提供教学过程管理功能，但相对缺少对在线学习行为的数据收集和分析。在线教学和传统教学不同，由于教师和学生往往分布在不同空间，教师难以实时观察学生的学习行为，所以通过在线平台对学生学习行为数据进行收集和分析对提高教学质量具有重要意义。本文通过在线学习平台记录学习者的行为数据，在三类维度对其学习编程语言的学习行为进行探索，为在线教学质量的提升提供数据支撑。

关键词：MOOC、在线教学、学习行为分析

一、研究背景

随着移动开发技术、云计算、人工智能的普及和深入，在线教育得到快速发展。例如，浙江大学国家级程序设计系列课程教学团队推出的教学辅助平台“拼题A”，类似PTA的平台还有Python123等。它们的主要功能是帮助教师进行教学过程管理。线上学习模式与传统教学模式不同点之一在于教师和学生往往分布在不同的空间，教师难以实时观察到学生的学习行为，所以通过在线平台对学生学习行为数据进行收集和分析对提高线上教学质量具有重要意义。但是目前在线学习平台在学习行为数据分析方面的功能并不完善，往往缺少对学生在线学习行为的检测，缺少一种方便的途径为老师提供学生个性化学习评价。为了解决这些问题，本文尝试建立适用于线上程序设计辅助平台的用户画像模型，采集并分析用户行为数据，通过可视化手段展示，发现用户学习成果与学习行为之间的关系，从而有效的为教学过程和学习过程提供客观数据评价和支撑。

二、在线学习行为数据模型设计

本研究采用了学习者特征分析的多个维度分类分析方法，结合在线学习行为特征，对学习者进行画像研究。通过在线学习平台记录用户的各种行为数据，主要包括答题结果、提交次数、题目的熟练度、考试成绩、题目耗费时间、连续学习时间、学生登陆次数、平均及格率、任务完成率等指标，并将学习行为划分为三类维度，分别是学习自主能动性、学习具象化表现、学习客观因素，通过对三类维度讨论来分析学习行为特点，如表1所示。

三、线上程序设计辅助平台开发和运行数据分析

为了获取用户行为数据，我们以在线程序设计学习为例，开发了基于学习行为分析的线上程序设计辅助平台，通过监控用户使用客户端的过程，记录用户的各种行为数据。

本研究提取了自2020至2021学年计算机科学与技术专业的3790名学习者的线上程序设计辅助平台答题数据（数据采集周期为2020年3月-2021年6月），去除97个无效样本（部分学生由于系统问题导致数据出现异常），最终得到有效样本3693个。针对于每个学生学习行为特点综合学习自主能动性、学习具象化表现、学习客观因素来将所有学生进行了画像建模，并根据画像属性将具有鲜明特点的建模总结归纳为三类，即基础类、钻研类、表达类。每类学生学习行为维度占比如图1所示，本研究根据学生的画像标签最终给出一个评价分数。

总结

通过上述分析，对学生画像的数据可以为在线学习过程提供一定的帮助：

1、加强学习行为主体的自我改良：学生可以在使用平台后，即数据被收集后获取其反馈，例如推送知识面较为生疏的题目可以使其加深理解，而熟练度到了一定高度后则推送更高难度的题目，也可以直接给出个人的数据多维分析图让其进一步了解自己。

2、教师对个体的充分认识：通过数据可视化，可以更直接、直观的为教师呈现学生的个性化特征，使其可以精确的做出相应的个性化教学方针，提高老师上课的效率和学生集体的接收知识程度。

虽然本平台提供一定的学习行为分析功能，但其仍处于较为初级的阶段，数据的形式比较浅层，因此很难实现对用户的精确画像。后续研究应扩充采集数据的途径，并对数据特征进行综合分析和提取，从而更加有效的支持线上学习质量的提升。

项目基金

本文为临沂大学2021大学生创新训练项目《基于学习行为分析的程序设计辅助教学平台》（S202110452018）的阶段性成果之一，同时受到2021年第二批山东省一流本科课程的临沂大学《Python程序设计》项目支持。

参考文献

[1]柴艳妹，雷陈芳. 基于数据挖掘技术的在线学习行为研究综述[J]. 计算机应用研究，2018，35（5）：7.

[2]秦晓安，王睿，程鸿芳. 线上教学学生学习行为与成效的大数据分析研究[J]. 安徽商贸职业技术学院学报，2020，19（3）：4.

[3]孙发勤，董维春. 基于学习分析的在线学习用户画像研究[J]. 现代教育技术，2020，30（4）：7.

[4]刘明春. 基于BP神经网络的在线学习行为评价模型[J]. 无线互联科技，2015（14）：3.

[5]Y Yang，Hooshyar D，Pedaste M，et al. Prediction of students' procrastination behaviour through their submission behavioural pattern in online learning[J]. Journal of Ambient Intelligence and Humanized Computing，2020（2）.

作者简介

刘鸣涛（1982.4），男 汉族 山东临沂 临沂大学 信息科学与工程学院，博士，讲师，从事计算机软件与理论方向研究