网络教学系统中的可视化学习监控机制

开篇：润墨网以专业的文秘视角，为您筛选了一篇网络教学系统中的可视化学习监控机制范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘要】文章基于信息可视化技术应用的视角,试图在多维学生行为数据与学习者用户、教师用户之间搭起了明晰的信息反馈渠道,支持教师对远程学习者的教学监控以及学习者自我监控,为提升网络教学质量提供切实可行的信息可视化应用的技术思路。

【关键词】网络教学;学习监控;信息可视化

【中图分类号】G40-057【文献标识码】B 【论文编号】1009―8097(2010)01―0092―04

一 引言

学习监控是指针对学生学习过程的计划、检查、评价、反馈、控制和调节的一系列过程[1],包括学生的自我学习监控和教师对学习过程的监控。它发生在学习过程中,以促进学习为目的,而教学管理层次的教学监控(如教师考评、教学效果评估)等不在此范围。教育研究表明,监控学生的学习是高质量教育的必要措施,是区分有效教学和无效教学的重要标准。越来越多的研究者已经认识到,学习监控的缺失是造成网络教学质量低、辍学率高的一个重要原因[2]。监控机制的缺失可能会导致诸多网络学习障碍,如,学生在课程知识空间中容易迷航;缺乏必要的反馈机制而使学习动机难以长期保持;缺乏恰当的教师指导等等。因此,远程教育者需要寻求必要的措施来实施学习监控,一个有效的网络教学系统则需要提供一个支持教师和学生了解学生状态的途径,并可以采取恰当的针对性的教学干预,从而监控学生的学习过程,促进高质量的远程学习得以发生。

课堂教学中,学习监控通过教师对学生学习行为的观察、学业结果和访谈等渠道来获取学生学习信息、感知学习状态,然后,教师适应性调整教学策略,学生获得反馈信息自主学习。而在网络教学中,这些非正式的监控渠道因为师生分隔而变得不太可能,因此,需要在网络教学平台中设计新的渠道来实施类似的学习监控,这些渠道涉及数据采集、数据分析和挖掘、信息呈现等若干信息处理过程。因此,本文拟将信息处理领域内的信息可视化技术引入到网络教学平台设计中,从信息处理的视角,在多维学生行为数据和网络教学用户(教师和学习者)之间搭起一个信息理解和交互的桥梁,使教师对远程学习者的学习监控成为可能,并且支持学习者进行自我学习监控,为提升网络教学的有效性和教学质量提供了理论思路和实践路线。

二 网络教学系统中的信息处理

网络教学系统LMS(Learning Management System)中往往汇集了大量数字化的信息资源,包括课程教学内容、课程学习的补充资源、电子邮件、聊天室、学习者信息、学习结果信息等。网络教学系统与传统面授教学系统最大的区别可能在于,教与学的活动都通过数字化信息流动,这些数字化信息即构成了网络教学最重要的研究内容。对这些信息进行深度加工、分析、处理和呈现,使其对教与学双方产生作用,可能是网络教学系统研究的一个值得探索的方向。

但是现有的网络教学对LMS中大量数据的利用和洞察是有限的,虽然一些LMS系统(如Blackboard、WebCT等)提供了学习行为的跟踪和诸多数据统计分析的功能,但其目的仅仅停留在计算机管理教学的层次,如统计学生登录学习平台的频次;对用户访问课程的总体情况可视化呈现;通过可视化图表如柱状图、曲线图等显示学生学习成绩等。这给网络教学管理会带来更多支持,但尚没有深入到学习信息分析和数据挖掘层次,比如,学生对某个概念的掌握程度、知识点的难度、学生的学习障碍等,因此对教与学决策的支持相对薄弱。另一方面,就已经提供的部分数据分析统计功能,也未能被教育者和学习者有效地运用来监控学习,网络教学系统更多成为一个静态课程库,呈现的是主要功能,交互、管理、反馈等功能往往作为摆设而存在。主要原因在于人力成本投入的局限,例如,LMS中反映学习者学习行为的跟踪性数据通常以日志文件、表格文件呈现形式,庞杂而混乱,对于教师而言太过麻烦,需要专业性的数据挖掘和分析的知识,教师很难直接利用。

因此,如何增进人们(尤其是教师)对网络教学中各类信息的理解?如何对这些信息进行开发、利用,使其能够支持教学决策?情报学近年来的热点和前沿之一的信息可视化技术则提供了洞察信息、支持决策的工具。

三 信息可视化为学习监控提供了新方法、新技术

信息可视化是在计算机的协助下,对数据的可见的、交互的表示;其目的是洞察数据、发现知识、作出决策或解释数据,如图1所示。

信息可视化的关键是,将数据用有意义的图形表示出来,图形可以帮助我们思考。在这个信息日益丰富的社会,可视化技术研究和应用开发已经从根本上改变了我们表示和理解大型复杂数据的方式,引导我们获得新的洞察和有效的决策。信息可视化可用于知识发现、决策支持、信息理解、信息检索、信息系统界面设计、数字图书馆、数据库、文献信息表示等。目前在如下几个方面涌现了较多的应用成果:(1)数据库中的知识发现(KDD),即用数据库管理系统来存储数据,用机器学习的方法来分析和挖掘大量数据背后的知识,如油气勘探、气象预报、股票分析、电子商务等。(2)知识域可视化(KDVis),以可视化技术为手段,描绘某个知识领域(相互关联的一组知识)的发展轨迹,动态形象全面展示领域知识的总体结构,揭示知识单元之间的本质关系[3]。工具有概念图、认知地图、语义网络等,如英语视觉化词典Visual Thesaurus。(3)动态知识呈现,提供信息及其相关信息间关系的全貌,允许用户与之交互,增进信息理解。如集成于医学文献数据库MEDLINE检索中的ConceptLink系统,集词汇共频、动态概念映射关联于一体的可视化系统,揭示数据库文献的内在特征,揭示某个领域的信息之间的关联[4]。(4)数字图书馆,围绕大型文档集合的可视化应用展开,如用可视化揭示信息的分布;用可视化显示检索的结果;用可视化为大量的信息分类;用可视化帮助用户浏览等。如美国Berkeley大学数字图书馆研究人员开发的文献检索结果可视化系统TitleBars,可视化查寻条件与检索结果之间的相关性;英国皇后图书馆(Queen Library)的图书检索系统提供与查寻条件相关词汇的概念关系图,引导进一步搜索[5]。

将信息可视化技术应用到网络教学领域来加强学习监控,被认为是一种新颖的方法。网络教学中的学习监控首先依赖于对LMS中大量数据的洞察,教师的教学决策和学生的自我监控都必须建立在学习状态信息理解的基础之上。而信息可视化技术在数据理解和洞察方面具有天然的优势。通过信息分析和可视化呈现,可以支持和促进教师/学生对大量的多维的课程教学信息和学习行为信息的理解和洞察。国际上,信息可视化在网络教学中的应用也是新的课题。研究者一般的结论有:信息可视化技术可用来图形化处理复杂、多维的学生行为数据;可视化技术易于表现网络教学中的社会特征,如学生与学生之间的社会性联系、在线论坛中的交互关系;教师能够灵活操纵可视化图形,多侧面地了解学生学习、课程方面的特征,从而了解他们的学习者以及监控在线课堂。国际上相关研究代表性的是CourseVis/ GISMO系列项目[6]。

CourseVis是瑞士Lugano大学的信息技术学院研究并开发出的支持远程教学的可视化工具[7]。其中信息可视化应用的方式主要表现在三个方面:对学生与学生、教师与学生、学生与系统之间的交互行为进行可视化呈现;对学生的整体学习表现(过程和结果)进行可视化呈现;对学生的行为特征进行可视化揭示。GISMO是CourseVis的研究继续,基本延续了前者的功能[8]。与前者相比最大的改进在于平台技术上。CourseVis是一个WebCT的外挂工具,而GISMO无缝集成于Moodle远程教学平台,为在线教学的教师和课程指导者提供操纵界面。因为Moodle的开源和免费特性,将可视化工具整合进网络教学平台变为可能,而且GISMO还宣称留有API接口,可以整合到其他LMS中。

GISMO项目是直接面向网络教学中的教学问题而设计的整体可视化解决方案。而信息可视化在网络教学的某些具体方面也有一些应用,如InterMap视觉呈现课程参与者的交互情况[9];France等研究的学习阶段的交互性活动图表[10]等。

事实上,可视化技术应用于社会科学领域中的很多经验也可以给我们很多借鉴。例如,有很多研究着眼于应用IV技术来分析在线论坛;采用IV分析电子商务中的用户行为;可视化技术管理电子邮件等等;可视化知识管理;可视化信息导航;可视化知识分类等。这些研究成果都可以为网络教学中的可视化应用提供思路。

四 面向学习监控的可视化机制

我们认为,信息可视化在网络教学中的应用主要可以面向学习监控,致力于建造学生、教师和课程之间的信息沟通和数据理解的诸多通道。按照这一思路,我们从教师的教学监控和学生的自我监控两个方面来分析具体的需求和相应的可视化学习监控机制,如表1所示。

1 学习者特征可视化。学习者特征可分解为认知特征、社会交往特征和行为特征等三个子特征。认知特征,通过整体的学习者学业水平、知识点粒度的掌握水平、知识单元(主题)粒度的掌握水平、学生认知难点、学习者的相互比较等来多角度来反映;社会交往特征,通过学生之间的交互行为、师生交互,学生和系统之间等若干交互来映射,如在讨论区中的参与情况,小组协作学习中的参与情况等;行为特征,则反映学习者在网络教学系统中的客观活动情况,如课程参与度、学习习惯、媒体习惯、学习进度等。借助于各种可视化技术,可将各个子特征更清晰地呈现出来,从而可以勾勒出学习者的整体特征。其结果将为学生模型的构建提供直接依据和方式方法。如图2可视化呈现了学生对各知识点的掌握水平[7]。

2 群体特征可视化。群体特征也可分解为认知特征、行为特征和社会交往特征等三个方面。认知特征侧重从群体(或小组)认知水平的展现,如呈现学生总体学业水平、各知识点学生的总体掌握水平,如图3所示[7],揭示的规律可指导课程开发和教学策略选择;也可观测到一些学习小组认知风格,用于指导小组协作学习的组织。行为特征则揭示群体行为规律,如学生群体对课程知识和课程资源的访问情况、学生对课程网站的登录情况等,揭示的规律对媒体选择和平台技术优化等都有直接指导意义。社会交往是群体特征中最有活力的特征,在社会科学领域群体交互可视化越来越受到研究者关注。例如,对在线论坛的可视化,用生长树的形式展示论坛中某个话题的讨论情况[11];以活跃球的方式呈现讨论区中某个话题的活跃程度以及个人参与情况等[8]。图4呈现了CourseVis平台讨论区的可视化的界面[7]。呈现交互信息,在提高交互的有效性、增强学生的归属感、便于教师发现交互障碍等方面都有积极意义。

3 课程特征可视化。基于课程知识和资源的视角,对学习行为数据分析,得到关于课程特征的全局性认识。可分解为诸多子特征:课程知识点难度特征、资源访问特征、媒体使用特征等。例如,对课程某知识单元的学生访问情况,可以反映该知识点的难度;结合学生学习成绩的统计分析,可了解该知识点的整体掌握情况,教师据此可以进行适当的教学干预。另外,从课程资源角度,可以了解那些课程资源更受欢迎,哪些媒体方式更容易被学生接受,可以为课程资源的开发提供参考。

4 教师特征可视化。远程教学中可以通过跟踪教师的行为,通过教师的登录行为、交互行为等数据的分析,了解教师的教学参与度和教学策略的有效性等内容,教师对自身特征的了解,可促进其控制教学行为,开展反思性教学,提高教学水平。

5 课程知识域可视化。借鉴知识域可视化的相关研究成果,以可视化技术为手段,描绘某个知识领域(相互关联的一组知识)的总体结构,揭示课程知识单元之间的关系。相关的方法有:概念图、语义网络、认知地图等。例如,以树状图的方式布局知识点,可缩放、折叠。点的大小表明重要程度,颜色标识某学习者对此掌握的程度。点击某个点,可直接进入该内容单元。可能的应用方式有:由教师或课程开发者预设的知识域的概念图或语义网络;动态生成的学习者动态认知地图。每个学生的认知地图都是不同的,可反映学生的认知路径和认知水平。

6 可视化学习导航。能将学习者已访问的课程页面动态生成一个图形化的浏览历史地图,当学习者从一个课程页面进入到另一个页面时,系统会自动地将页面添加到图中,可以在最小的屏幕空间中显示整个浏览历史地图。通过可视化学习导航,可以得到学习引导,避免信息迷航。具体应用方式:生成学习者自己的学习路径;实时查看教师推荐的学习导航路径;查看某个学习同伴(高手)的学习路径。可参考的相关研究经验有:Maryland大学计算机学院的Bederson研究的PadPrints技术[12];多伦多大学计算机系统研究院开发的Hy+技术[13]等。

需要区别的是,课程知识域可视化,往往是教师或课程开发者预设的静态的知识语义网络,对学生自主学习更具有监控意义;而课程特征可视化是在学习经验基础上聚集起来的课程使用特征,从课程角度反映了学生的学习过程以及教师的教学策略的有效性,其特征对于教师教学和课程开发更具有监控意义。

五 结语

总之,面向学习监控的信息可视化设计,其最终目的在于利用可视化技术,反映远程课堂中发生了什么,将学生学习过程呈现出的交往特征、认知特征、行为特征等凸显出来,将教学过程中的课程特征、教学策略特征凸显出来,增进教师和学生自身对学习状态的洞察,达到学习监控和决策支持的目的。

信息可视化在网络学习系统中应用的相关工作很多,包括信息采集、信息处理、数据挖掘等,而可视化并不是一个最终解决方案,而仅仅是应用领域需求的一种体现,本文如能传达出来自网络学习监控的可视化需求亦达到目的了。

参考文献

[1] 董奇,周勇.论学生学习的自我监控[J].北京师范大学学报,1994,(1):8-14.

[2] 曹梅.网络学习监控初探[J].中国远程教育, 2002,(7):47-49.

[3] 张芳芳,周宁等. 知识域可视化初探[J].数字图书馆论坛, 2007,(2):16-24.

[4] 林夏.信息可视化与可视分析[Z]. 2008年数字图书馆前沿问题高级研讨班讲义.2008.

[5] 英国皇后图书馆主页[OL].

[6] 项目介绍[OL]., GISMO软件下载.

[7] Mazza R, Dimitrova V. CourseVis: A graphical student monitoring tool for supporting instructors in web-based distance courses[J]. Int.J.Human-Computer Studies, 2007,(65):125-139.

[8] Mazza R, Milani C. Exploring Usage Analysis in Learning Systems: Gaining Insights From Visualisations[C]. 12th International Conference on Artificial Intelligence in Education (AIED). Amsterdam, The Netherlands, 2005, 65-72.

[9] Romani L A S. InterMap: Tool for Visualizing Interaction in Distance Learning Environments on Web[D]. Master’s thesis, Institute of Computing, State University of Campinas,Brazil, 2000

[10] France L, et al. Help through Visualization to Compare Learners’ Activities to Recommended Learning Scenarios[C]. Proceedings of the Fifth IEEE International Conference on Advanced Learning Technologies (ICALT), 2005, pp. 476-480.

[11] Chen H. Social Visualization for Computer Mediated Communication: A Knowledge Management Perspective [DB/OL].

[12] Hightower R R, et al. Graphical Multiscale Web Histories: A Study of PadPrints [DB/OL].

[13]The Hy+ Database Visualization System [OL].