郭涵陽，高曼如，沈良忠

(溫州商學(xué)院，浙江 溫州 325000)

Moodle平臺師生訪問行為日志統(tǒng)計與挖掘研究

郭涵陽，高曼如，沈良忠

(溫州商學(xué)院，浙江 溫州 325000)

信息技術(shù)的快速發(fā)展催生了網(wǎng)絡(luò)教學(xué)平臺的不斷涌現(xiàn)，其中Moodle平臺因其開源特征被認(rèn)為是當(dāng)前構(gòu)建MOOC(大規(guī)模開放在線課程)的有力平臺之一。網(wǎng)絡(luò)課程教學(xué)的有效開展使得Moodle系統(tǒng)日志表中存儲了大量的師生訪問行為數(shù)據(jù)，有效的日志統(tǒng)計挖掘有助于發(fā)現(xiàn)大量數(shù)據(jù)背后潛在的訪問規(guī)律。通過統(tǒng)計分析、數(shù)據(jù)挖掘等技術(shù)實現(xiàn)了對日志數(shù)據(jù)的深入研究，并針對分析結(jié)果提出了Moodle課程使用中存在的問題及相應(yīng)的改進(jìn)意見，不僅有助于理解師生在Moodle平臺的課程訪問學(xué)習(xí)規(guī)律，而且能為Moodle課程的教學(xué)評價提供有價值的參考建議，有助于后期Moodle課程自動評價系統(tǒng)的研究。

Moodle；統(tǒng)計分析；數(shù)據(jù)挖掘；聚類

0 引 言

隨著教育信息化理念的深入人心，教育技術(shù)與課堂教學(xué)的結(jié)合日益緊密，越來越多的高校在積極構(gòu)建基于網(wǎng)絡(luò)的課程教學(xué)平臺。目前，國內(nèi)外高校使用的課程管理系統(tǒng)主要包括WebCT、BlackBoard、TopClass、Claroline、Moodle等等[1]。其中，基于社會建構(gòu)主義教學(xué)理念而開發(fā)的Moodle(Modular object -oriented dynamic learning environment，模塊化面向?qū)ο蟮膭討B(tài)學(xué)習(xí)環(huán)境)由于其開源性在國內(nèi)外被廣泛使用[2]。Moodle課程開發(fā)與設(shè)計的最大特點(diǎn)就是模塊化，教師可以根據(jù)課程的需要自行設(shè)定包括以下十多種教學(xué)活動模塊，如作業(yè)、測驗、討論區(qū)、博客、聊天室、程序教學(xué)、在線調(diào)查等，從而實現(xiàn)教師個性化的教與學(xué)生個性化的學(xué)[3]。

該校自2011年起，完成建設(shè)Moodle課程總計90多門，每學(xué)期使用近40門，平均涉及學(xué)生數(shù)4 000人左右。Moodle平臺累計了幾百萬的師生訪問日志記錄，有效利用統(tǒng)計分析、數(shù)據(jù)挖掘等技術(shù)實現(xiàn)日志分析，不僅能發(fā)現(xiàn)師生的訪問規(guī)律，同時能為Moodle課程評價等提供有價值的建議。在國外，Romero等[1]在2007年采用數(shù)據(jù)挖掘的方法對Moodle平臺的各種數(shù)據(jù)進(jìn)行了統(tǒng)計分析和挖掘等研究。Jovanovic[4]根據(jù)課程中學(xué)生作業(yè)完成數(shù)，測驗試題正確數(shù)、錯誤數(shù)等信息建立分類模型預(yù)測學(xué)生表現(xiàn)。Lavigne等[5]根據(jù)學(xué)生點(diǎn)擊量、登錄次數(shù)、會話時間等信息實現(xiàn)學(xué)生聚類，并根據(jù)兩組學(xué)生的訪問路徑差異推理不同的網(wǎng)絡(luò)學(xué)習(xí)策略。而在國內(nèi)，魏順平[6]在2011年僅以一門培訓(xùn)課程為例，進(jìn)行了相關(guān)的數(shù)據(jù)分析。金杰[7]也以一門課程為例，主要做學(xué)生參與度與平時成績、作業(yè)完成次數(shù)與成績、教師參與度與學(xué)生參與度之間的相關(guān)性研究。張國榮[8]通過模糊C均值方法對一門課程的學(xué)習(xí)數(shù)據(jù)進(jìn)行模糊聚類研究，使得班級成員在劃分小組進(jìn)行個性化學(xué)習(xí)時，更好地理解每個學(xué)生所屬的類別。文中通過對學(xué)校2013年、2014年Moodle平臺使用課程運(yùn)行日志數(shù)據(jù)的比較分析，發(fā)現(xiàn)了隱藏在數(shù)據(jù)背后的師生訪問規(guī)律及課程建設(shè)中存在的一些問題，幫助教學(xué)管理部門加深對Moodle課程使用情況的宏觀認(rèn)識，并有針對性地提出了教師改進(jìn)課程建設(shè)的若干意見，為Moodle課程教學(xué)評價標(biāo)準(zhǔn)的制定提供了強(qiáng)有力的數(shù)據(jù)支撐。

1 Moodle日志統(tǒng)計分析

1.1 日志表預(yù)處理

Moodle日志記錄了教師、學(xué)生與Moodle課程各教學(xué)模塊之間交互的所有數(shù)據(jù)，甚至包括師生的每次登錄，顯然系統(tǒng)日志所積累的大量數(shù)據(jù)對于師生訪問偏好、課程建設(shè)問題、課程教學(xué)評價等方面都提供了非常有價值的信息。通過對某門課程師生交互日志信息的詳細(xì)分析，不僅可以真實再現(xiàn)師生教與學(xué)的多維立體過程，而且可以實現(xiàn)針對師生教與學(xué)的過程性考核和評價。Moodle日志表中每條操作記錄的具體信息如表1所示。

表1 日志表字段說明

Moodle日志表在進(jìn)行分析的時候，其用戶信息需要參考用戶表(mdl_user)，以便判斷該用戶是教師還是學(xué)生；課程信息參考課程表(mdl_course)，以便獲取課程性質(zhì)。日志數(shù)據(jù)選取2013年2月至2013年6月以及2014年2月至2014年6月這兩個時間段作為研究對象。其中，2013年2月至2013年6月的日志記錄共84萬；2014年2月至2014年6月的日志記錄共88萬。為了實現(xiàn)教師、學(xué)生的分組查詢，日志表中增加isteacher字段以便區(qū)分用戶身份；為了實現(xiàn)日志信息的時間訪問，日志表中增加了logyear、logmonth、logday、loghour，每條日志信息最終歸屬到某小時。

1.2 模塊訪問統(tǒng)計

要實現(xiàn)對Moodle課程教學(xué)成效的評價，必須獲得師生經(jīng)常使用的課程教學(xué)模塊。2013年和2014年Moodle課程各教學(xué)模塊的使用統(tǒng)計情況如圖1所示。

圖1 Moodle課程各教學(xué)模塊統(tǒng)計

由圖可知，測驗、課程、討論區(qū)、資源、作業(yè)等模塊是師生最經(jīng)常訪問的，將被作為評價的主要模塊；而其他模塊如用戶、上傳、博客、投票、wiki等使用較少。比較發(fā)現(xiàn)，討論區(qū)的訪問量較高，表明師生能積極利用該模塊進(jìn)行互動交流或者知識庫建立；資源模塊的訪問量基本與討論區(qū)持平，但是資源模塊的性質(zhì)暗示了課程在教學(xué)材料建設(shè)不高，需要更好地完善以便更多地吸引學(xué)生進(jìn)行自主學(xué)習(xí)。測驗和作業(yè)兩大模塊需要循序漸進(jìn)加以完善。測驗更多的是以客觀題的方式出現(xiàn)，系統(tǒng)可以自動判分；而作業(yè)更多的是以文檔提交的方式上傳，作業(yè)相對較低的訪問量及上傳量說明課程作業(yè)少、上交率低的情況在課程中普遍存在，其原因可能是教師對作業(yè)模塊的批改和反饋不夠及時。

1.3 行為訪問統(tǒng)計

模塊統(tǒng)計分析結(jié)果表明測驗、課程、討論區(qū)、資源、作業(yè)等模塊最為常用，每個教學(xué)模塊又具有不同的操作行為。通過對各個教學(xué)模塊不同操作行為的統(tǒng)計發(fā)現(xiàn)，對于課程、資源模塊，98%以上的操作行為是View或View All。在作業(yè)模塊中，View占比80%左右，Upload占比13%左右，Update Grades占比僅為3%左右，說明教師在作業(yè)的批改部分確實存在較大問題，教師作業(yè)批改的學(xué)生覆蓋率和反饋及時性均不到位，使得學(xué)生日后作業(yè)的上交率也隨著教學(xué)進(jìn)程的逐步推進(jìn)呈現(xiàn)降低的趨勢。在測驗?zāi)K中，行為Continue Attempt平均占比達(dá)到30%左右，說明大部分課程都開放了“多次測驗，最高取分”的策略，學(xué)生也是積極參與到測驗?zāi)K進(jìn)行自我學(xué)習(xí)成效的評價，這也很好地說明了圖1中測驗?zāi)K的統(tǒng)計占比高的情形。與其他教學(xué)模塊不同的是，討論區(qū)教師隸屬的特有行為占比比其他教學(xué)模塊都高，例如“新帖”行為占比大約10%左右，充分說明大部分教師都有在討論區(qū)積極的組織主題討論活動。

2 Moodle課程時間訪問

課程的學(xué)習(xí)具有一個時間連續(xù)性，Moodle課程的學(xué)習(xí)亦是如此。為了深入理解師生訪問行為在時間上的特點(diǎn)，分別統(tǒng)計了按月、星期及小時的訪問情況。

2.1 按月訪問統(tǒng)計

通常，每年2月份為高校第二學(xué)期的開始，Moodle平臺數(shù)據(jù)訪問量較低，隨著授課進(jìn)度的前移，訪問數(shù)據(jù)量顯著上升，隨后訪問數(shù)據(jù)可能增加或降低，主要取決于該學(xué)期使用Moodle課程的學(xué)生人數(shù)、課表安排等其他因素。臨近考試的月份，Moodle訪問數(shù)據(jù)又會明顯上升，因為教師通常將Moodle課程學(xué)習(xí)作為一項成績記錄期末總分，較大部分學(xué)生會在考前做一些突擊性工作。

2.2 按星期訪問統(tǒng)計

同一門課程，由于師生的隨機(jī)性，每學(xué)期的授課時間安排可能不同，例如A課程2013年安排在周二，2014年可能安排在周三。相應(yīng)的Moodle平臺該課程的訪問時間也肯定存在差異，為了研究每周可能存在的課程訪問規(guī)律，2013年和2014年每周的訪問量統(tǒng)計通常呈現(xiàn)“M”型，即兩頭訪問量較低，中間又存在兩個峰值和一個峰谷。兩頭訪問量低的情況可能是由于周末的原因，師生使用Moodle平臺的積極性不高；另外周三下午學(xué)生通常會參與一些社團(tuán)類的活動，教師參與教研室的一些教學(xué)活動或者會議，使用量也會相對較低。

2.3 按小時訪問統(tǒng)計

為了更好地掌握教師、學(xué)生每天的Moodle課程訪問規(guī)律，2013年和2014年每天每小時的訪問統(tǒng)計結(jié)果如圖2所示。

圖2 按小時訪問統(tǒng)計

由圖可知，每天的訪問峰值基本出現(xiàn)在以下三個時間點(diǎn)。第一是早上10-11點(diǎn)，有些學(xué)生剛上完上午2節(jié)課，需要完成Moodle平臺的相關(guān)作業(yè)等；第二是下午4點(diǎn)左右，大部分學(xué)生剛上完下午2節(jié)課；第三是晚上9點(diǎn)左右。通常，學(xué)生主要選擇下午和晚上進(jìn)行Moodle課程學(xué)習(xí)；另外也有小部分比例數(shù)據(jù)表明即使在凌晨也有用戶在使用網(wǎng)絡(luò)平臺，但是由于在校學(xué)生使用網(wǎng)絡(luò)的時間通常在晚上11點(diǎn)之前，這說明相當(dāng)一部分教師深夜依然利用Moodle平臺進(jìn)行資料上傳、作業(yè)批改、測驗查看等課程準(zhǔn)備類工作；當(dāng)然也不排除有小部分同學(xué)在校外利用Moodle平臺進(jìn)行學(xué)習(xí)的可能。

3 Moodle日志挖掘研究

數(shù)據(jù)挖掘作為一種數(shù)據(jù)利用的有效手段，已經(jīng)在許多領(lǐng)域得到了廣泛應(yīng)用，例如金融業(yè)、電子商務(wù)等[9]。數(shù)據(jù)挖掘的過程主要包括數(shù)據(jù)收集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和結(jié)果評價四個必要環(huán)節(jié)[10]。當(dāng)前，教育信息化的發(fā)展使得教育領(lǐng)域的各類數(shù)據(jù)得以迅速增長，因此如何從海量的教育數(shù)據(jù)中挖掘出對教育者、學(xué)習(xí)者和管理者有用的信息，促使了教育數(shù)據(jù)挖掘研究的出現(xiàn)[11]。Moodle平臺作為一個網(wǎng)絡(luò)學(xué)習(xí)平臺，雖然不能像傳統(tǒng)課堂中通過面對面交流得到情真意切的及時反饋，卻能夠完整記錄學(xué)生的大多數(shù)學(xué)習(xí)行為，通過對系統(tǒng)中師生交互的日志數(shù)據(jù)的挖掘，還能有效地發(fā)現(xiàn)數(shù)據(jù)背后所隱藏的師生教與學(xué)的規(guī)律，同時對Moodle平臺數(shù)據(jù)的挖掘同樣需要經(jīng)過以上四個必要的環(huán)節(jié)。

3.1 師生討論區(qū)回歸分析

Moodle平臺基于社會建構(gòu)主義學(xué)習(xí)理念而開發(fā)，社會建構(gòu)主義認(rèn)為教師、學(xué)生應(yīng)該是平等的主體，在教學(xué)活動中他們相互協(xié)作，相互交流，并逐步根據(jù)自己已有的經(jīng)驗共同建構(gòu)知識[12]。因此Moodle設(shè)計目標(biāo)不僅僅停留在教學(xué)內(nèi)容的管理與呈現(xiàn)，而是更加關(guān)注對教學(xué)過程中各種“活動”的支持。Moodle對教師角色的定位不是知識的提供者，而是一個學(xué)習(xí)社團(tuán)中有影響力的榜樣，是各種學(xué)習(xí)活動的引導(dǎo)者，是與學(xué)生平等對話、共同實現(xiàn)預(yù)定學(xué)習(xí)目標(biāo)的組織者[13]?；诖?，通過對Moodle課程各教學(xué)模塊的線性回歸分析，發(fā)現(xiàn)與其他模塊相比，討論區(qū)的建設(shè)最能凸顯教師作為組織者(引導(dǎo)者)與學(xué)生之間的關(guān)系，教師與學(xué)生在討論區(qū)操作帖子數(shù)量之間的相關(guān)系數(shù)達(dá)到0.84，屬于高度相關(guān)，如圖3所示。通過對若干門課程的比較發(fā)現(xiàn)，教師在論壇操作量大的課程，其學(xué)生的平均操作量也較大，反之亦然。通過對論壇數(shù)據(jù)的觀察，可及時提醒教師進(jìn)行論壇的師生互動交流。

圖3 討論區(qū)師生操作線性關(guān)系

3.2 學(xué)生聚類分析

數(shù)據(jù)聚類是一個將物理或者抽象對象的集合分組成由類似對象組成的多個類或簇的過程[14]。通過學(xué)生聚類可以將利用Moodle平臺進(jìn)行學(xué)習(xí)的學(xué)生根據(jù)其操作行為實現(xiàn)相似群體的劃分，從而實現(xiàn)針對不同群體的針對性引導(dǎo)，例如針對作業(yè)提交少的群體及時提醒其進(jìn)行作業(yè)提交。根據(jù)圖1的模塊訪問統(tǒng)計結(jié)果，測驗、課程、討論區(qū)、作業(yè)、資源在模塊訪問上排名前五。因此，主要通過學(xué)生在以上五個模塊的訪問數(shù)據(jù)對學(xué)生進(jìn)行聚類，發(fā)現(xiàn)相似學(xué)生的訪問共性。選取1 518名在各個模塊上均有操作的記錄，使用SPSS的K-means進(jìn)行聚類，設(shè)置聚類個數(shù)為3，聚類結(jié)果和案例分布如表2所示。

表2 K-means聚類結(jié)果

為了更好地表明聚類結(jié)果之間的差異，依據(jù)學(xué)生操作行為聚類結(jié)果繪制的雷達(dá)圖如圖4所示。

圖4 聚類結(jié)果雷達(dá)圖顯示

由圖可知，從第1類到第3類，學(xué)生的活躍程度逐漸降低，并主要表現(xiàn)在討論區(qū)、測驗兩個模塊。從第1類到第3類，作業(yè)、資源、課程模塊的訪問量都很低，這值得教師反思。課程、資源的較低訪問量充分說明課程教學(xué)材料以及其他相關(guān)的自主學(xué)習(xí)材料存在數(shù)量較少，類型單一，不能吸引學(xué)生的注意或者學(xué)生認(rèn)為從中難以獲得自己所需內(nèi)容的問題。作業(yè)資源的低訪問量亦表明學(xué)生在作業(yè)提交的環(huán)節(jié)缺乏監(jiān)管，教師沒有及時對網(wǎng)絡(luò)作業(yè)進(jìn)行批閱，對于學(xué)生作業(yè)交或不交的態(tài)度是模糊的，這種態(tài)度直接影響了學(xué)生再次遞交作業(yè)的積極性。教管部門、教師應(yīng)該及時針對這些表現(xiàn)不活躍的學(xué)生，開展針對性教學(xué)干預(yù)。

4 結(jié)束語

Moodle平臺存儲了大量的日志數(shù)據(jù)，對以上日志數(shù)據(jù)的統(tǒng)計分析和挖掘研究是理解Moodle平臺運(yùn)行狀況的有效途徑。文中通過對2013年和2014年兩個學(xué)期Moodle課程日志數(shù)據(jù)的統(tǒng)計分析和挖掘研究，掌握了Moodle平臺的總體訪問情況，數(shù)據(jù)背后隱藏的潛在師生訪問偏好，并依據(jù)學(xué)生平臺訪問數(shù)據(jù)對學(xué)生進(jìn)行聚類和分類分析，有助于改進(jìn)課程教學(xué)和學(xué)生干預(yù)工作。統(tǒng)計分析結(jié)果給教管部門、一線教師以啟迪和深思。例如，前五的模塊訪問明確預(yù)示著Moodle課程教學(xué)評價的主要方面；課程、資源的較低訪問預(yù)示著課程負(fù)責(zé)教師必須在Moodle課程的教學(xué)材料等方面進(jìn)一步完善；討論區(qū)師生操作的高度相關(guān)性暗示有些教學(xué)模塊需要師生共同的經(jīng)營等等。

課題的下一階段工作就是根據(jù)日志分析結(jié)果，制定Moodle課程的評價標(biāo)準(zhǔn)，實現(xiàn)課程評價結(jié)果的自動生成，最終實現(xiàn)師生成長檔案袋的設(shè)計與開發(fā)工作。

[1]RomeroC,VenturaS,GarcíaE.Dataminingincoursemanagementsystems:Moodlecasestudyandtutoria[J].ComputesandEducation,2008,51(1):368-384.

[2] 熊小梅.基于Moodle平臺的網(wǎng)絡(luò)課程設(shè)計及應(yīng)用[J].教育與職業(yè),2014(2):172-173.

[3] 沈良忠,李 瑩,萬曉潔,等.基于Moodle的實習(xí)管理模式探究[J].中國電力教育,2013(2):145-146.

[4]JovanovicM,VukicevicM,MilovanovicM,etal.Usingdataminingonstudentbehaviorandcognitivestyledataforimprovinge-learningsystems:acasestudy[J].InternationalJournalofComputationalIntelligenceSystems,2012,5(3):597-610.

[5]LavigneG,RuizGG,McAnally-SalasL,etal.Loganalysisinavirtuallearningenvironmentforengineeringstudents[J].RevistaDeUniversidadYSociedadDelConocimiento,2015,12(3):113-128.

[6] 魏順平.Moodle平臺數(shù)據(jù)挖掘研究——以一門在線培訓(xùn)課程學(xué)習(xí)過程分析為例[J].中國遠(yuǎn)程教育,2011(1):24-30.

[7] 金 杰.基于平湖電大課程平臺(Moodle)的數(shù)據(jù)挖掘研究[J].電腦編程技巧與維護(hù),2014(22):57-58.

[8] 張國榮.Moodle平臺數(shù)據(jù)挖掘方法設(shè)計與實現(xiàn)[J].計算機(jī)技術(shù)與發(fā)展,2014,24(5):231-234.

[9] 畢曉東.私有云模式下基于Moodle的課程協(xié)作學(xué)習(xí)平臺設(shè)計[J].軟件導(dǎo)刊,2014,13(1):85-86.

[10] 盧永艷.數(shù)據(jù)挖掘在網(wǎng)絡(luò)教育中的應(yīng)用[J].現(xiàn)代計算機(jī),2007(11):56-57.

[11] 李 婷,傅鋼善.國內(nèi)外教育數(shù)據(jù)挖掘研究現(xiàn)狀及趨勢分析[J].現(xiàn)代教育技術(shù),2010,20(10):21-25.

[12] 黃 旌.Moodle在“結(jié)構(gòu)與設(shè)計”教學(xué)中的應(yīng)用探究[J].教育研究與評論:技術(shù)教育,2012(1):80-81.

[13] 李春暉.基于Moodle的課外自主學(xué)習(xí)研究[J].時代報告:學(xué)術(shù)版,2012(9):349.

[14]HanJiawei,KamberM.數(shù)據(jù)挖掘：概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2001.

Research on Statistics and Mining of Log Data about Visiting Behavior for Both Teachers and Students from Moodle

GUO Han-yang,GAO Man-ru,SHEN Liang-zhong

(Wenzhou Business College,Wenzhou 325000,China)

The rapid development of information technology has led to the emergence of the online teaching platforms,among which Moodle system is considered to be one of the powerful platform to build MOOC (Massive Open Online Course) because of its characteristic of open-source.The effective development of online course teaching makes the Moodle system accumulate a lot of visit behavior data of both teachers and students.An effective analysis on the log data would surely help discover the underlying pattern.It makes a deep study on these log data by means of statistical analysis and data mining technologies.Based on the result,the existing problems and corresponding improving suggestions are presented which not only help to understand behaviors of both teachers and students,but provide valuable suggestions for Moodle course’s teaching evaluation which is also helpful for the later research on the automatic evaluation system of Moodle course.

Moodle;statistical analysis;data mining;clustering

2015-10-28

2016-02-24

時間：2016-10-24

浙江省2015年度高等教育教學(xué)改革項目(jg2015249)；浙江省2015年度省教育技術(shù)研究規(guī)劃課題(JA021)

郭涵陽(1994-)，男，研究方向為計算機(jī)應(yīng)用技術(shù)；沈良忠，副教授，通訊作者，研究方向為教育數(shù)據(jù)挖掘、計算機(jī)應(yīng)用技術(shù)。

http://www.cnki.net/kcms/detail/61.1450.TP.20161024.1105.010.html

TP311

A

1673-629X(2016)11-0168-04

10.3969/j.issn.1673-629X.2016.11.037