熊婭 徐洪勝 唐海

摘要：當前，以MOOC為代表的網(wǎng)絡教育平臺為在線學習者推薦學習資源時往往沒有針對其個性，從而導致學習者面對眾多推薦資源感到困惑，不知以何種學習路徑進行高效率、高質(zhì)量的學習。在分析MOOC平臺在線教育特點的基礎(chǔ)上，提出線上與線下融合教學模式的改進方法與策略，設(shè)計為學習者精準推送合理、可行、高效的個性化學習路徑，同時也為MOOC課程建設(shè)提供一個重要突破點。

關(guān)鍵詞：MOOC；學習路徑；融合教學模式

一、前言

近年來，隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，學習的范圍和方式發(fā)生了翻天覆地的變化。MOOC作為在線學習的領(lǐng)軍平臺，打破了傳統(tǒng)課堂學習的時空限制，為學習者提供了規(guī)模化、開放式的學習機會。然而，盡管MOOC平臺具備諸多優(yōu)勢，但學習者面臨著學習效率低下和學習質(zhì)量不穩(wěn)定的問題。因此，如何解決學習者在網(wǎng)絡學習過程中常見的信息過載、學習迷航等困擾，成為在線網(wǎng)絡教育領(lǐng)域亟待解決的熱點問題。 鑒于當前在線網(wǎng)絡教育蓬勃發(fā)展的態(tài)勢，本文立足于MOOC平臺個性化學習路徑的不足之處，旨在提出一個切實可行、高效的解決方案，以期為在線學習的持續(xù)優(yōu)化提供新的思路和方法。

二、MOOC的發(fā)展情況及特點

（一）MOOC的由來及其發(fā)展情況

MOOC的全稱為“Massive Open Online Course”，中文名為“大規(guī)模在線開放課程”。MOOC的概念最早在2008年由加拿大的兩位學者Dave Cormier和Bryan Alexander在“聯(lián)通主義和聯(lián)結(jié)知識”（Connectivism and Connective Knowledge）網(wǎng)絡課程中提出，這門課程成功地運用了聯(lián)通主義學習理論，支持了大規(guī)模在線學習，成為世界上第一門MOOC課程。自此之后，世界各地的名校紛紛加入了MOOC的浪潮[1]。

2012年，美國多所頂尖大學相繼建立了在線學習平臺，標志性事件包括斯坦福大學的Udacity初始開設(shè)24門課程，早期兩節(jié)課就吸引了九萬名注冊學生。同年4月，斯坦福教授達芙妮·科勒和吳恩達共同創(chuàng)立的Coursera迅速成為最大的在線學習平臺，至2013年6月，已與70所高校建立合作。此外，哈佛大學和麻省理工學院于2012年5月聯(lián)合推出了edX平臺，由麻省理工的計算機科學教授領(lǐng)銜，最初7門課程的注冊學生達53000人。一年后，edX的合作機構(gòu)增至28家。這些事件標志著MOOC的快速發(fā)展，推動了在線學習的普及和全球化趨勢。

在互聯(lián)網(wǎng)和信息技術(shù)的支持下，MOOC在線教育平臺可以讓幾萬、幾十萬甚至上百萬名學習者同時學習，突破了線下教育學習的空間限制，只要服務器容量不受限制，上課人數(shù)就不受限制，“大規(guī)模”學習得以實現(xiàn)。而“大規(guī)模”使課程價值無限被放大，幾十萬人同上一門課，其經(jīng)濟效益超出了世界上最好的大學，這也是MOOC具有巨大商業(yè)價值的精髓之處。一直以來，MOOC的核心理念在于開放和分享優(yōu)質(zhì)的學習資源，與現(xiàn)代教育倡導的共同創(chuàng)造和分享的時代精神和基本理念相吻合。開放意味著不受身份、國籍、年齡、膚色等條件限制的學習者都能通過網(wǎng)絡，獲取世界上優(yōu)質(zhì)的教育資源?！敖换ァ币彩荕OOC的重要特性之一，實時交互使MOOC具有了類似于傳統(tǒng)線下課堂面對面的交流模式，特別是學習者之間的交流，因為不受時間和空間的限制，線上的平臺交流就更為方便、快捷和高效[2]。在MOOC學習中，有些平臺還提供了作業(yè)自動測評、自動回答提問等功能，這種實時交互體現(xiàn)了學習的及時反饋，提升學習者參與學習活動的積極性，培養(yǎng)學生獨立思考的能力，促使學習者知曉自身學習存在的不足與劣勢，及時查漏補缺、揚長避短。

MOOC雖然具有以上眾多優(yōu)勢，但是在“個性化”教育方面還存在明顯短板：由于學習者與學習資源的數(shù)據(jù)規(guī)模龐大，MOOC平臺下的在線教學活動，無法像線下傳統(tǒng)課堂那樣，教師與學習者進行一對一的、充分的、因材施教的個性化學習輔導。當前的MOOC平臺難以做到為學習者精準推送符合其學習風格、認知水平等學習特征的學習資源，導致學習者的學習效率不高，學習目標不明確。

（二）MOOC的特點及其突出問題

學習路徑一般是指達成有效學習的學習活動所形成的路線與序列[3]。SCORM標準給出了學習路徑的詳細定義：學習路徑是指學習者在一定的學習策略引導下，根據(jù)其學習目標對學習內(nèi)容進行學習所需要完成的學習活動的路線與序列[4]?！皩W習路徑”實際上指的是在特定學習策略的指導下，學習者生根據(jù)他們的學習目標、學習內(nèi)容、知識基礎(chǔ)和現(xiàn)有環(huán)境，對即將進行的學習活動進行規(guī)劃和排序的過程[5]。

當前在線學習網(wǎng)站具有海量的學習資源，學習者很容易獲取學習資源，那么先學什么后學什么呢？按照章節(jié)目錄進行未必就是最高效的學習路徑。眾多專家、學者和科研機構(gòu)研究認為，為了減輕學生在網(wǎng)絡學習過程中遇到的“信息過載”和“學習迷航”等問題，可以向?qū)W生推薦適應個性化因素（如學習風格和認知水平）的學習路徑。通過這樣的個性化學習路徑推薦，學習效果將得到提升，學習效率也會提高。這個方面的研究從一定程度上可以改善在線學習效率不高的問題?？v觀國內(nèi)外，個性化學習系統(tǒng)領(lǐng)域自20世紀90年代以來就逐漸引起一些學者和科研機構(gòu)的關(guān)注，而個性化學習路徑研究的發(fā)展隨著個性化學習系統(tǒng)的盛行而日益蓬勃。

在全球教育研究的領(lǐng)域中，尤其在歐美等西方國家，早期的學者們已經(jīng)開始深入探索學習路徑的研究與實踐，他們采用了包括有意義學習理論和模糊神經(jīng)網(wǎng)絡在內(nèi)的多種先進理論框架與技術(shù)手段。這些研究工作主要集中在在線開放課程平臺，通過對學生的知識掌握程度、學習動機和興趣傾向進行精確評估與分析，從而向?qū)W生推送更加個性化的學習內(nèi)容，不僅實現(xiàn)了教學內(nèi)容的個性化定制，而且促進了教育資源的有效分配。進一步，研究者還利用知識空間理論及布魯姆的教育目標分類法來為學習者設(shè)計出與其認知水平相匹配的個性化學習路徑，有效提升了學習效率和教學質(zhì)量。中國雖然在這一領(lǐng)域起步較晚，但已通過對學習者行為和偏好的深入分析，結(jié)合先進的數(shù)據(jù)挖掘技術(shù)，如AprioriAll算法，成功地為不同的學習者群體開發(fā)出更為精確和個性化的學習路徑，不僅開拓了差異化教學的新視角，也為教育個性化提供了強有力的理論支撐和實踐指導。此外，針對自適應學習路徑的構(gòu)建及其特性的探討，特別是通過建立基于學習特征的自適應學習路徑生成框架，進一步深化了個性化學習設(shè)計的理論基礎(chǔ)，同時為實現(xiàn)更加高效和精準的教育教學提供了創(chuàng)新的技術(shù)支持和策略方向，展現(xiàn)了教育技術(shù)與教育理念相結(jié)合的巨大潛力。

在國內(nèi)外學術(shù)界，對個性化學習路徑的研究逐漸展現(xiàn)出深入與廣泛的趨勢，從探索學習者的學習風格出發(fā)，發(fā)展至涉及學習者認知水平的研究，最近更是擴展到了對學習情緒的考查。隨著這些研究的深入，涌現(xiàn)出多種旨在解釋和滿足學習者獨特需求的個性化學習理論。盡管這些理論極大豐富了領(lǐng)域內(nèi)的研究視角，但至今尚未出現(xiàn)一個被廣泛認可且效能顯著的個性化學習系統(tǒng)，顯示出個性化學習路徑研究仍處在探索的過程中。這一情況揭示了盡管計算機科學在個性化學習方面已取得進步，但實現(xiàn)真正個性化的教育目標還面臨諸多挑戰(zhàn)。例如，如何有效整合學習者的需求、情緒及認知狀態(tài)等多維因素。因此，個性化學習路徑的研究在計算機科學領(lǐng)域仍具有巨大的發(fā)展?jié)摿?，需要該領(lǐng)域研究者繼續(xù)深入探索，通過創(chuàng)新技術(shù)與算法來推進個性化學習的效率和準確性。

三、個性化學習路徑研究

以歐美為首的西方國家很早就對學習路徑開展了研究和實踐，美國匹茲堡大學Peter Brusilovsky在MOOC學習平臺上，基于奧蘇泊爾的有意義學習理論，采用模糊神經(jīng)網(wǎng)絡方法來評估學生的知識水平、動機和興趣偏好，這樣可以推送符合學生需求的學習內(nèi)容，實現(xiàn)個性化的學習路徑定制。奧地利格拉茨大學的Nussbaume采用知識空間理論和布魯姆目標分類法對學習者的認知水平進行評估，并制定出適合學習者的學習路徑。國內(nèi)對該領(lǐng)域的研究稍晚，但仍取得了一定的進展。姜強等基于AprioriAll算法[6]，通過挖掘分析具有相同或相似學習偏好和知識水平的群體的學習行為軌跡，基于學習者特征與學習材料的媒體類型、理解層次和難度等級的匹配度來生成精確的個性化學習路徑，為差異化教學提供了新的視角。牟智佳等從自適應學習路徑的內(nèi)涵與特征的視角[7]，闡述了數(shù)據(jù)挖掘技術(shù)與自適應學習支持服務之間的關(guān)系，并提出了一個基于學習特征模型的自適應學習路徑生成框架。

從國內(nèi)外的研究歷程來看，近些年來對個性化學習路徑的研究越來越深入，其研究范圍也越來越寬廣，從最開始的學習風格、隨后的學習者認知水平，到現(xiàn)在的學習情緒研究，以及隨之而來的是各種各樣的個性化理論層出不窮，但并未有大家一直認可的高效學習系統(tǒng)的出現(xiàn)，因而學習路徑的研究仍處于探索階段，個性化學習還有很大的發(fā)展空間。

四、個性化在線學習路徑生成與探索

（一）線上與線下教學模式融合

為解決在線學習效率不高的問題，印度NIIT公司基于E-Learning的使用和實踐提出了“融合式學習”的學習方式，它是互聯(lián)網(wǎng)與傳統(tǒng)教育模式相融合的全新范式。融合式學習在形式上是把傳統(tǒng)的課堂面對面學習方式和以MOOC為核心的在線學習方式有機結(jié)合，其本質(zhì)是以學習者為中心的教育范式。融合式學習以目標達成作為教育原則，倡導個性化學習和主動學習，既要充分利用互聯(lián)網(wǎng)豐富的教育資源和便捷的交互技術(shù)，又要全面發(fā)揮教師在學習過程中的控制、啟發(fā)和引導作用，提高學生的學習效率和學習質(zhì)量，全面培養(yǎng)學生的個性化學習[8]。鑒于線下傳統(tǒng)課堂面對面教學高質(zhì)量、高效率的特點，本文考慮將線下學科專家的專業(yè)知識、教學經(jīng)驗等融入線上的網(wǎng)絡教學中，線上是以學習者為主，線下是以教師為主，兩者相互作用，為在線學習者精準推送合理、可行、高效的個性化學習路徑，提高在線學習的效率。如何將傳統(tǒng)的課堂教學經(jīng)驗與線上的網(wǎng)絡學習模式相融合，從而構(gòu)建個性化的學習路徑，提高學習者學習的高效性將是研究重點。

（二）個性化在線學習路徑生成研究思路與方法

對于個性化在線學習路徑生成，采用線上與線下優(yōu)勢互補的融合教學手段。首先運用大數(shù)據(jù)處理技術(shù)進行聚類分析，甄選出在線學習者對于某門學科學習路徑的各種不同類別，然后通過教育專家的線下指導，對各種學習路徑加以評價，再運用半監(jiān)督機器學習方法構(gòu)建優(yōu)化學習路徑，最后再經(jīng)由線上將優(yōu)化學習路徑結(jié)合學習者自身的認知水平、學習風格等特征為學習者精準推送合理、可行、高效的個性化學習路徑。

個性化在線學習路徑生成思路如圖1所示，包括以下內(nèi)容：

1.各類學習路徑的生成

基于大數(shù)據(jù)挖掘的方式，通過MOOC等在線學習平臺以及已有的在線學習系統(tǒng)，將相關(guān)的學習者信息存儲至在線學習信息庫，主要記錄學習行為、學習軌跡、消息記錄、在線時長等信息。運用數(shù)據(jù)挖掘等方法對在線學習信息庫進行聚類分析，得到各類學習路徑。

2.優(yōu)化學習路徑的生成

線下專家對各類學習路徑進行分析以適應不同的學習風格，對不同風格學習路徑中的個例進行標注，運用半監(jiān)督機器學習技術(shù)，針對不同學科的學習路徑，將各類學習路徑轉(zhuǎn)化為適應不同學習風格的優(yōu)化學習路徑。

3.個性化學習路徑的生成

在優(yōu)化學習路徑之后導入學習者模型以及具體學習行為數(shù)據(jù)，通過個性化學習路徑生成算法，獲得個性化學習路徑。將個性化學習路徑推送至學習者，學習者再對個性化學習路徑進行評價反饋，形成閉環(huán)。

五、結(jié)語

目前有關(guān)學習者的個性化學習路徑的研究、學習路徑的構(gòu)建大多以線上學習者的學習需求、學習方式以及資源愛好等為主，很少有研究考慮結(jié)合線下人工的干預和指導。本文結(jié)合線上與線下的融合學習模式，立足于當前在線網(wǎng)絡教育的蓬勃發(fā)展以及半監(jiān)督機器學習方法的深入研究，加之大數(shù)據(jù)、云計算、人工智能等先進信息化技術(shù)的運用，提供一個切實可行的高效策略，實現(xiàn)線上線下學習方式的優(yōu)勢互補，生成適應學習者自身學習特點的個性化學習路徑。

參考文獻

[1]杜世純. MOOC背景下混合式學習的實現(xiàn)路徑與效果評價研究[D].北京：中國農(nóng)業(yè)大學，2017.

[2]劉艷春.MOOC+SPOC新型混合式教學模式知識互動研究[D].哈爾濱：哈爾濱工業(yè)大學，2018.

[3]黃志芳.面向E-Learning的適應性學習路徑推薦研究——以初中物理課程為例[D].武漢：華中師范大學，2015.

[4]彭紹東.基于SCORM標準的“學習路徑”設(shè)計[J].現(xiàn)代教育技術(shù)，2010，20（08）：114-119.

[5]李光泉.基于學習者個性的教育資源推薦服務研究[D].南昌：江西財經(jīng)大學，2018.

[6]姜強，趙蔚，李松，等.大數(shù)據(jù)背景下的精準個性化學習路徑挖掘研究——基于AprioriAll的群體行為分析[J].電化教育研究，2018，39（02）：45-52.

[7]牟智佳.學習者數(shù)據(jù)肖像支撐下的個性化學習路徑破解——學習計算的價值賦予[J].遠程教育雜志，2016，34（06）：11-19.

[8]杜世純.MOOC背景下混合式學習的實現(xiàn)路徑與效果評價研究[D].北京：中國農(nóng)業(yè)大學，2017.

基金項目：湖北省教育科學規(guī)劃2020和2022年度重點課題（項目編號：2020GA045、2022GA049）

作者單位：熊婭，湖北汽車工業(yè)學院和重慶三峽職業(yè)學院；徐洪勝、唐海，湖北汽車工業(yè)學院

■ 責任編輯：王穎振、楊惠娟