[发明专利]基于学习者在线学习行为数据的学习有效性综合评分方法

说明书

本发明属于教育信息化领域，具体涉及一种基于学习者在线学习行为数据的学习有效性综合评分方法。包括以下步骤：S1为学习者观看视频行为评分；S2确定每一种学习行为得分的权值λ_i∈[0,1],i＝1,2,...,N，N为学习行为评分的数量；S3将各学习行为得分综合在一起形成课程综合评分，综合评分的方式是计算S和S_max的比值。本发明可以大幅度提升学习者评分的比率，让有学习行为的学习者都能获得评分；同时也提高了学习者评分的合理性；还可以提高学习者对于MOOC课程的参与性，提高课程资源的利用率：综合评分要求学习者参与各类学习行为才能获得更高的评分，可以激励学习者的学习热情，提高MOOC课程资源的利用率；最后，雷达图让学习者准确的了解自身的学习状态。

技术领域

本发明属于教育信息化领域，具体涉及一种基于学习者在线学习行为数据的学习有效性综合评分方法。

背景技术

互联网催生了云计算、物联网，使得在线教育开始兴起。大规模在线开放课程(MOOC)目前已经成为重要的学习平台，它实现了教学资源的全球共享。目前Coursera、Udacity、edX三大国际提供商在互联网上提供免费的在线课程，为更多的学生提供了系统学习的可能。国内的中国大学MOOC、好大学在线和学堂在线等MOOC平台也在迅速发展。

目前MOOC面临着很多挑战，缺乏有效的评价方式就是其中之一。现有的MOOC通过加权学习者的考试成绩和作业成绩作为最终的课程成绩，获得评分的学习者往往不到10％。并且，课程的通过率非常低，很多课程甚至低于1％。研究表明绝大多数学习者学习目的并不是为了获得课程证书，但是这并不意味着不需要对他们进行评估。一个好的课程评价方法应该能够评估学习者有效的学习行为(能够获取知识和提升自己的学习行为)，它有助于学习者了解自身的学习状态，提高学习者的学习兴趣和课程参与度。

另一方面，现有的MOOC通过加权作业成绩和考试成绩来给学习者评分。数据分析的结果表明，这种评分方式存在很大的缺陷，而且这个现象在全球所有的MOOC平台普遍存在。为了说明现有评分方式存在缺陷，我们分析了获得证书的学习者观看视频的数量以及学习者学习事件数量与课程成绩的关系。

视频是在线课程知识的主要载体，学习者的成绩应该与观看视频行为显著相关。但是学习行为分析数据表明大量的学习者几乎没有观看视频，但是获得了很高的课程评分。选择中国大学MOOC平台的两门课程《C语言程序设计》和《博弈论》用于说明这个问题。如图1所示，图1中的横坐标是学习者观看的视频数量，纵坐标是各数量值对应的学习者的人数占比。在获得证书的学习者中，大量学习者甚至没有观看5个视频。可以看出MOOC分数不合理，这个现象同样存在与edX平台。

现在的MOOC评分方式中，学习事件数量与成绩并不显著的正相关。选择edX的两门课程来说明这个问题，即MITx 2.01x和MITx 3.091x，如图2所示。图2以散点图的形式描述了学习事件和成绩之间的关系。许多高分学习者的学习活动很少(右侧区域)，但有许多学习者参与了大量的学习但没有成绩(左侧区域)。

为了保持MOOC的健康发展，需要研究一种综合评分方法。一方面提高课程的评分比率，让更多的学习者能够获得成绩，另一方面，提升课程评分的科学合理性。

发明内容

本发明的目的就是为了克服现有MOOC评分方法的缺陷，提出一种基于学习者在线学习行为数据的学习有效性综合评分方法。该方法能够对学习者的有效学习行为进行评分，包括观看视频、完成作业、参与讨论和参加考试等。它实现了对学习过程的评估，使得评分更加合理。该方法能够大幅度的提升评分的比例，同时分数的雷达图像能让学习者清晰的了解自身的学习状态。最终达到提高在线学习者的学习效率，提高在线课程的参与度的目的。

本发明的目的是通过以下技术实现的：一种基于学习者在线学习行为数据的学习有效性综合评分方法，该方法包括以下步骤：

S1观看视频行为学习者评分：