基于課程教學成效的Moodle課程聚類分析

徐淳建　沈良忠

摘要：隨著互聯(lián)網技術的發(fā)展，基于網絡教學平臺開展線上教學的新型模式迅速普及，基于社會構建主義理論的Moodle平臺成為國內外高校頻繁使用的教學平臺之一。該文基于Moodle平臺積累的師生交互數(shù)據，利用Weka中的K-Means算法按照教學成效對Moodle課程進行聚類，發(fā)現(xiàn)Moodle各課程在實施教學方面的特點，并提出后續(xù)建設的有益建議。

關鍵詞：Moodle；數(shù)據挖掘；聚類分析；K-Means算法；weka

隨著互聯(lián)網技術的快速發(fā)展及其對高等教育的深入影響，基于網絡的教學應用已經成為當前教學的主流模式，各大院校紛紛構建了自己的網絡教學平臺，同時積極出臺各項教學政策激勵教師開展基于網絡的混合式教學、翻轉課堂教學等的研究。在眾多網絡教學平臺中，以開放源代碼特性著稱的基于社會構建主義教學理論的Moodle平臺被國內外眾多高校頻繁使用，例如哈爾濱工業(yè)大學的樂學網，華東政法大學的網上課堂，臺灣銘傳大學的數(shù)位教學平臺。截止2017年6月，Moodle官網顯示，Moodle在276個國家有共51153個活動網站。Moodle已經成為世界上使用人數(shù)最多的網絡在線教學平臺之一。

Moodle強大的日志記錄功能可以記錄師生基于平臺交互的所有數(shù)據，近些年有不少學者針對Moodle平臺課程數(shù)據開展各類研究。2014年金杰以《開放教育學習指南課程》為例，使用SPSS軟件對教師參與度，學生參與度作業(yè)完成次數(shù)，課程成績等進行了相關性研究。2016年蘇仰娜以《多媒體課件設計與制作》課程實踐翻轉課堂教學為例，利用Moodle平臺的測試、討論、報表與日志、互動評價與電子檔案袋等功能，實現(xiàn)對學生在線學習活動的跟蹤。2016年郭涵陽等通過對Moodle平臺師生訪問行為的日志進行統(tǒng)計與數(shù)據挖掘研究，發(fā)現(xiàn)課程教學材料以及其他相關的自主學習材料存量和類型對課程、資源的訪問量會造成影響，師生的交互量會對學生訪問作業(yè)資源與提交作業(yè)的積極性造成影響。2016年沈良忠等通過對Moodle平臺課程數(shù)據的研究，提出了基于三維度的課程評價模型。由此可見通過對Moodle平臺課程數(shù)據的深入分析，確實能夠發(fā)現(xiàn)數(shù)據背后所隱藏的一些規(guī)律，更好的指導網絡課程的教學開展。因此，本文主要參考文獻4提出的三維度視角，也從課程、教師以及學生三個方面對數(shù)據進行處理，通過聚類技術來分析不同類型課程之間的教學成效差異，有針對性的提醒教師做好相應課程的教學建設工作，幫助教學管理部門更好的實現(xiàn)對于Moodle課程的管理，并能根據相關分析結果進行下一步Moodle課程建設的后續(xù)決策。

1Moodle課程數(shù)據

Moodle平臺是Martin Dougiamas博士于2002年開發(fā)的課程管理系統(tǒng)，2006年由上海師范大學黎加厚引入國內，經過15年的發(fā)展目前功能越來越強大，系統(tǒng)運行已經越來越穩(wěn)定。Moodle平臺主要分為以下九大模塊：①課程管理模塊：教師可以全面控制課程的所有設置。②作業(yè)模塊：教師可以布置作業(yè)，學生提交作業(yè)，教師批改作業(yè)并反饋給學生。③聊天模塊：支持學生之間、師生之間、教師之間之間的直接交流。④投票模塊：學生可以就教師需要調查的某項內容進行投票。⑤論壇模塊：主要分為教師專用、課程新聞、全面開放等論壇模式，方便教師發(fā)布公告，學生探討問題。⑥測驗模塊：教師定義題庫，學生進行測驗。⑦資源模塊：教師上傳課程相關資源，學生瀏覽學習。⑧問卷調查模塊：教師可以進行在線問卷的編輯，然后讓學生填寫問卷調查。⑨互動評價模塊：提供師生之間、生生之間對某項內容的互動評價。其中課程管理模塊、資源模塊以教師為主導，作業(yè)模塊、投票模塊、測驗模塊、問卷調查、聊天模塊、論壇模塊、互動評價等模塊均以師生共同為主導。由此可見，課程教學的有效開展需要課程建設的投入以及教師和學生的共同參與和積極配合。

1.1數(shù)據的獲取

根據以上對Moodle平臺教學功能模塊的分析可知，Moodle平臺的相關數(shù)據主要分為課程有關的數(shù)據，例如課程資源數(shù)、活動數(shù)、試題數(shù)；教師相關如教師在線時間、發(fā)帖數(shù)量、批改情況；跟學生相關如學生在線時間、提交數(shù)量、瀏覽量等等。因此，本文對于課程的教學成效的評價亦主要從以上三個方面進行數(shù)據收集，相應的數(shù)據匯總如表1所示。

1.2數(shù)據的預處理

由于不同數(shù)據的取值范圍存在不一致現(xiàn)象，因此需要將這些數(shù)據進行標準化處理。數(shù)據預處理的方法主要參考文獻4中的方法。經過標準化預處理以后，具體數(shù)據如表2所示：

2課程聚類分析

2.1聚類分析

聚類分析的主要思想就是要將一個大的數(shù)據集通過算法分析拆分成若干個大小不一的子集，使的同一個簇中的數(shù)據對象之間的距離很近或相似度比較高，不同簇中的對象距離很遠或相似度比較低。其中，基于劃分的K-Means就是被廣泛應用的聚類算法。K-Means算法的過程如下：①先隨機選取K個數(shù)據作為中心；②計算每個數(shù)據到每個中心的距離，并將它分配到最近的中心的類；③重新計算已經得到的每個類的中心；④重復迭代直到新的中心不再改變；⑤結束算法。

本文基于Weka平臺中的K-Means算法對數(shù)據進行聚類分析，主要完成了單課程多教師和多班級的課程聚類，主要考察課程整體教學團隊的教學成效；同時也對每位教師、每個班級的課程教學成效進行了聚類，主要考察每位教師在不同班級授課的教學成效。針對以上第1種分析需求，需要將獲取數(shù)據中的同名課程的多位教師該課程的數(shù)據匯總之后取平均值，再進行聚類。經過加和取平均值處理之后，共得到28門課程數(shù)據，設置聚類數(shù)量為3之后得到的結果如表3所示：

由表3可見，clusterl的課程教學成效最優(yōu)，cluster0的課程次之，cluster2的課程相對較差。專業(yè)課程的課程資源比公共課程相對而言更加完善，但是專業(yè)課程總體而言教學效果的兩極分化比較嚴重，說明各專業(yè)教師和學生在參與在線教學環(huán)節(jié)的組織方面差異較大。這一結果也說明，課程教學成效的好壞教師和學生的積極參與顯得尤其重要。

針對以上第2種分析需求，共有162門課程，設置聚類數(shù)量為3之后得到的結果如表4所示。

通過表3和表4的比較，發(fā)現(xiàn)表4中Cluster0的占比有所提高，研究發(fā)現(xiàn)這主要是馬克思主義基本原理概論和中國特色社會主義理論體系概論等思想政治基礎課程的開設是面向所有學生而導致的。為了深入研究每類的課程情況，這里取表3中的Clusterl的典型課程大學語文為例具體說明，結果如表5所示。

通過表3～5的綜合分析，可以得到如下結論：

①課程的建設度在一門好的網絡課程中占重要地位，且對課程的教學成效有一定影響。但是如果師生參與不積極，將無法實現(xiàn)教學預期，如表5中的第4條記錄。此外，課程資源的匱乏肯定會降低學生的課程參與度。

②課程教學成效與教師和學生的參與度有直接聯(lián)系，并且教師的參與積極性能夠能帶動學生的參與積極性，而且相關教學意見的及時反饋對于學生而言至關重要。

3結束語

基于網絡平臺的在線教育新模式，有效改變了傳統(tǒng)教學只能在課堂學習的限制，同時培養(yǎng)了學生主動學習的良好習慣；但是網絡教學的成效問題，是學校教學管理部門必須要關注的一個重要問題，如果不對其進行有效監(jiān)督，則網絡教學極有可能流于形式。本文基于Moodle平臺數(shù)據對課程教學成效的聚類分析，可以對不同的課程進行聚類，幫助教學管理部門對課程進行過程的監(jiān)控，同時可以提醒課程負責教師對課程的教學開展進行反思和加以改進。