熊 劍

(西南民族大學(xué)信息與教育技術(shù)中心，四川 成都 610041)

面向MOOC的知識可視化視覺表征與建模設(shè)計

熊 劍

(西南民族大學(xué)信息與教育技術(shù)中心，四川 成都 610041)

針對MOOC學(xué)習(xí)缺乏深度的現(xiàn)象，提出了面向MOOC的知識可視化視覺表征與建模設(shè)計.剖析了MOOC學(xué)習(xí)缺乏深度的主要問題和信息加工的內(nèi)在要求，厘清了知識可視化、表征、建模等基本概念；在借鑒了視覺傳播取向和信息論視角的知識表征基礎(chǔ)上，提出了面向MOOC的視覺表征框架；在此框架下，分別從語義、語用、語法信息三要素著手，闡釋了具體的分析方法.在語義上，基于Bloom教學(xué)目標分類法確定知識的類型、提取過程和表征方法；在語用上，陳述了信息有效傳達的基本原則；在語法上，介紹了具體的結(jié)構(gòu)模型和可視化方法.實踐證明，MOOC的學(xué)習(xí)者在表征框架下，能增強認知聯(lián)結(jié)、拓展廣度、增加深度，從而滿足深度學(xué)習(xí)的訴求.

MOOC；知識可視化；視覺表征；知識建模；分析框架

當(dāng)大規(guī)模開放在線課程MOOC在美國快速發(fā)展之際，它在我國也受到了前所未有的關(guān)注.與傳統(tǒng)的在線課程和視頻課程相比，MOOC具有名校名師效應(yīng)、免費優(yōu)質(zhì)的教學(xué)資源、持續(xù)多樣的學(xué)習(xí)支持服務(wù)、多元化的評價機制和及時反饋等特點[1].

然而，MOOC作為新生事物，還面臨著諸多困難與挑戰(zhàn).單從學(xué)習(xí)方式轉(zhuǎn)變的實踐層面上看，MOOC學(xué)習(xí)者從設(shè)備屏幕中獲取信息，以視聽覺感性認識的方式進行審美和評價，但可能出現(xiàn)的問題是，喪失了文字層面上的抽象思維能力，缺少了對知識的收集、整理、篩選、歸納、總結(jié)、評價、創(chuàng)新，難以建構(gòu)知識的系統(tǒng)結(jié)構(gòu)，對知識的理解僅僅停留在淺層的感官階段，難免會對學(xué)習(xí)內(nèi)容缺乏深入思考，缺乏對知識的遷移和應(yīng)用[2].因此，如何在MOOC的網(wǎng)絡(luò)環(huán)境下，對課程內(nèi)容進行設(shè)計與開發(fā)，促進學(xué)習(xí)者深入閱讀，達到促進信息加工與知識建構(gòu)的目的，以實現(xiàn)有意義的“讀圖”與思考[3]，就成為突破MOOC學(xué)習(xí)后繼乏力的關(guān)鍵.

在學(xué)習(xí)視域下，多項研究表明，可視化技術(shù)能支持學(xué)習(xí)和認知.可視化可以加速信息的輸入和理解，具有檢索功能[4]；能輔導(dǎo)學(xué)習(xí)者基于知識和問題解決建模，進行認知模擬[5]；能將內(nèi)隱的個體知識(認知知識制品)轉(zhuǎn)化為外顯的物理知識制品，從而促進知識的傳播和創(chuàng)新[6]；在全部學(xué)習(xí)活動中，可視化能清楚呈現(xiàn)知識的信息、數(shù)據(jù)及其關(guān)系、結(jié)構(gòu)，通過積極調(diào)動視覺經(jīng)驗促進知識遷移，并在復(fù)雜認知中減少認知壓力等[7].

因此，本研究以可視化技術(shù)作為學(xué)習(xí)和認知工具，對課程知識進行可視化的視覺表征與建模，希望能最大限度地連接人腦認知模式，來嘗試突破MOOC學(xué)習(xí)中知識獲取碎片化和視聽感性認識所帶來的學(xué)習(xí)深度缺乏等問題.

1 相關(guān)概念

本研究涉及以下幾個相關(guān)概念:

1)知識可視化.知識可視化指可以用來構(gòu)建、傳達和表示復(fù)雜知識的圖解手段，除傳達事實信息外，還致力于傳輸人類的知識，幫助他人正確地重構(gòu)、記憶和應(yīng)用知識[8].它應(yīng)用視覺表征手段，促進群體知識的創(chuàng)造和傳遞[9].

2)表征.又稱知識表征，是外部事物在心理活動中的內(nèi)部再現(xiàn)[10].趙國慶等學(xué)者從多個領(lǐng)域?qū)Ρ碚鞯暮x進行了分析，認為在知識可視化領(lǐng)域，表征是指知識的外在表現(xiàn)形式，與此對應(yīng)的是承載知識的圖解手段，即直接作用于人感官的刺激材料[6].視覺表征是知識可視化的重要研究對象[8].

3)建模.又稱知識建模，指為知識的思維結(jié)構(gòu)建立模型，幫助學(xué)習(xí)者超越思維局限，將新知識納入已有知識結(jié)構(gòu)中的方法總稱[11].

2 視覺表征分析框架

2.1 研究現(xiàn)狀

目前，知識可視化視覺表征的研究存在著多種視角和取向:

傳播取向的知識表征.Burkhard認為知識可視化研究的是視覺表征在提高人類群體之間知識傳播和創(chuàng)新中的作用，由此提出了包括功能類型、知識類型、受眾類型和可視化形式四個方面內(nèi)容的表征分析框架[12].趙國慶等學(xué)者基于雙重編碼理論，將知識可視化的研究框架立足于三個維度:知識類型、可視化目的、可視化形式[6].

視覺文化取向的知識表征.張舒予認為，在教育技術(shù)的現(xiàn)代化進程中，對學(xué)習(xí)資源的開發(fā)與建設(shè)，是以視覺符號的結(jié)構(gòu)方式和功能機制為基礎(chǔ)的[13].國玉霞等在視覺傳播視野下，結(jié)合視覺認知原理，構(gòu)建了“三維視覺”聯(lián)動知識可視化視覺表征過程理論框架，其核心為“編碼ˉ代碼ˉ解碼”三碼轉(zhuǎn)換[14].

信息論視角的知識表征.趙慧臣認為，視覺表征的研究重點是表征形成中的因素及其關(guān)系[8].他從信息的認識論層面出發(fā)，認為信息被認識的過程是“先形式、后內(nèi)容、再效用”，對應(yīng)認知主體的“觀察力、理解力、目的性”，提出了新的分析框架，包括:形式分析、內(nèi)容構(gòu)建、意義解讀和設(shè)計方法[15].

2.2 構(gòu)建面向MOOC的視覺表征框架

只有立足于MOOC背后的學(xué)習(xí)理論基礎(chǔ)和教學(xué)實踐形式，分析其內(nèi)涵特征和核心要素的學(xué)習(xí)機理與作用機制，才可能形成全面認識，構(gòu)建出準確的面向MOOC的知識可視化視覺表征分析框架.

MOOC存在的形態(tài)大致有三類:xMOOC、cMOOC、tMOOC.xMOOC基于內(nèi)容，理論基礎(chǔ)是行為主義；cMOOC基于網(wǎng)絡(luò)，理論基礎(chǔ)是關(guān)聯(lián)主義；tMOOC基于任務(wù)，理論基礎(chǔ)是建構(gòu)主義[16].從其形態(tài)分類上可以看出，雖然它們的學(xué)習(xí)理論基礎(chǔ)與教學(xué)目的存在顯著差異，但核心過程都是促進知識的傳播.這與傳播取向的知識表征訴求一致.

同時，MOOC的教學(xué)不同于傳統(tǒng)網(wǎng)絡(luò)課程，更加注重學(xué)習(xí)者創(chuàng)造性思維的培養(yǎng)，更加注重知識的生成而不是灌輸[17].這與信息論視角中對知識表征的內(nèi)涵解讀“是認識論層面的信息，其認知的過程實質(zhì)上是學(xué)習(xí)者接觸、理解和應(yīng)用視覺表征的過程[15]”一致.

由此可見，構(gòu)建面向MOOC的知識可視化視覺表征與建模的分析框架，需要綜合考慮傳播取向和信息論視角的知識表征框架；不僅需要考慮視覺表征的功能作用和內(nèi)容構(gòu)建方法，還要重點分析MOOC學(xué)習(xí)者的認知結(jié)構(gòu)，使知識在信息傳播的每一個環(huán)節(jié)得到關(guān)注.

為此，構(gòu)建面向MOOC的視覺表征分析框架，需要解答三個方面的問題:什么類型的知識需要被可視化(MOOC可以傳遞的知識類型，語義信息)、要解釋給什么人或群體(MOOC學(xué)習(xí)者特征分析，語用信息)、可視化特定知識的最佳方法是什么(MOOC制作者的設(shè)計方法，語法信息).

3 視覺表征設(shè)計方法

3.1 知識類型(語義信息)

對知識類型的界定，是知識可視化的基本問題.不同角度的知識分類，將產(chǎn)生不同的視覺表征結(jié)果.知識的主要分類方式如圖1所示.

圖1 知識的主要分類方式Fig.1 The main classification of Knowledge

3.1.1 知識類型的界定

修訂版的Bloom教學(xué)目標分類法新增了知識分類維度，將知識分為四類:事實性知識、概念知識、程序性知識、元認知知識[18].面向MOOC的知識可視化聚焦于知識內(nèi)容傳播與認知生成，因此從教學(xué)目標達成的角度理解知識的類型，是最合適的選擇.

3.1.2 類型提取

1)事實性知識.孤立的內(nèi)容元素，包括專有名詞、具體細節(jié)、元素等.可提取為“對象——屬性”；

2)概念知識.較為復(fù)雜的和有組織形式的知識，包括分類和種類知識，原理和推理，理論、模型和結(jié)構(gòu)等.可提取為“對象——結(jié)構(gòu)”和“對象——關(guān)系”；

3)程序性知識.一系列的或有次序的步驟，包括從事并完成各種活動的技能、方法等.可提取為“對象——操作”和“對象——過程”；

4)元認知知識.認知或意識的知識，以及關(guān)于自我認知的知識，包括策略知識、認知任務(wù)知識、自我知識等.可表達為以上三種語義信息提取的綜合，是一種語義集合類型，全面反映知識的(靜態(tài))狀態(tài)與認知的(動態(tài))過程.

3.1.3 表征方法

完成了對知識類型的語義提取，從方法上，就可以實現(xiàn)對知識的可視化視覺表征.可以使用的表征方法如下:

1)用關(guān)鍵詞語指代對象，這個關(guān)鍵詞語應(yīng)該是對象共性的概括，或本質(zhì)的抽象；

2)用聯(lián)結(jié)鍵(具有關(guān)系、結(jié)構(gòu)的連接符集合)將對象的屬性、特征外顯出來，體現(xiàn)對象之間的聯(lián)系.聯(lián)結(jié)鍵表示知識之間在個體特定的思維環(huán)境背景下構(gòu)成的特殊關(guān)系[19].如果聯(lián)系無法符號化，則作為聯(lián)結(jié)鍵的連接對象；

3)將關(guān)鍵詞語畫上框或圈，用帶有箭頭的符號表示流程方向(物質(zhì)流、能量流、信息流、時間流等)或操作狀態(tài)(因果、控制、矛盾、類比、演繹、歸納等)，則可以體現(xiàn)認知的動態(tài)過程.

表征方法示例如圖2所示.

圖2 認知語義類型表征方法示例Fig.2 Example of cognitive semantic type representation

3.2 MOOC學(xué)習(xí)者特征分析(語用信息)

MOOC學(xué)習(xí)者是學(xué)習(xí)活動的主體，他們所具有的認知的、情感的、社會的特征都將對知識可視化視覺表征的過程產(chǎn)生影響.視覺表征的目的是為了有效促進主體的學(xué)習(xí)，只有當(dāng)主體知道了事物的含義、理解了運動的狀態(tài)或形式，以及對他的效用，才能形成全面認識，完成信息流程，達到認知目的[20].

分析學(xué)習(xí)者特征，使可視化的知識與學(xué)習(xí)者的特征相匹配，就是為了讓作為認知主體的學(xué)習(xí)者更好地了解視覺表征對他的效用，進而更加能動地深入了解其含義，促成長時記憶信息的形成.

語用信息的有效傳達，需要遵循以下原則:

1)表征的內(nèi)容符合起點能力；

2)呈現(xiàn)的聯(lián)系符合認知結(jié)構(gòu)；

3)設(shè)問的引導(dǎo)關(guān)注動機連接；

4)媒體的形式匹配學(xué)習(xí)風(fēng)格.

3.2.1 起點能力分析

學(xué)習(xí)者原有的知識和技能，稱之為起點能力.語用信息傳達是否有效，關(guān)鍵就在于起點能力分析是否準確.

MOOC常采用的做法是單元前小測驗:如果測驗不合格，證明接下來的單元知識超出其認知水平，還達不到語用信息傳達的最低閾值，學(xué)習(xí)失敗的可能性很大，需要按測驗結(jié)果提示的要求補充完善知識結(jié)構(gòu)；如果測驗合格，可以進入單元學(xué)習(xí)新知識.

3.2.2 認知結(jié)構(gòu)分析

認知結(jié)構(gòu)是指知識在頭腦中的表征方式、知識類型和知識的組織結(jié)構(gòu)，由主體長時記憶的事實、概念、命題、理論等構(gòu)成[21].

Ausubel的認知同化學(xué)習(xí)理論認為，有意義學(xué)習(xí)與保持的關(guān)鍵因素是學(xué)習(xí)者原有的認知結(jié)構(gòu)，并提出通過確定學(xué)習(xí)者的三個認知結(jié)構(gòu)變量特性來對學(xué)習(xí)者認知結(jié)構(gòu)進行分析.這三個變量為:可利用性、可分辨性、穩(wěn)固性[22].

MOOC可視化知識，首先應(yīng)該考慮的，是知識面向的學(xué)習(xí)者群體類型(包括年齡分布范圍、性別比例、受教育程度等)，可采用課前問卷量表、課中觀察、課后訪談等形式，對學(xué)習(xí)群體對象的認知結(jié)構(gòu)做整體分析，使視覺表征符合對象的認知類型；然后，充分利用三個認知結(jié)構(gòu)變量框架，細化表征內(nèi)容，使可視化的知識更符合學(xué)習(xí)者的認知結(jié)構(gòu).

3.2.3 學(xué)習(xí)動機分析

學(xué)習(xí)動機是促使學(xué)習(xí)者自覺學(xué)習(xí)的內(nèi)部動力，也是加強知識可視化視覺表征傳達語用信息的激勵因素.

視覺表征設(shè)問的引導(dǎo)方式可借鑒Keller提出的ARCS動機策略設(shè)計模型.參考ARCS模型，把影響MOOC學(xué)習(xí)者學(xué)習(xí)動機的因素分為四類，對其逐一細化，可用于設(shè)計MOOC視覺表征設(shè)問的引導(dǎo)方式，加強深度學(xué)習(xí)的認知聯(lián)結(jié)[23].

1)注意力(Attention):知覺喚起、激發(fā)探究、變化；

2)關(guān)聯(lián)性(Relevance):熟悉化、目標定向、動機匹配；

3)自信心(Confidence):期望成功、挑戰(zhàn)情景、歸因方式；

4)滿足感(Satisfaction):自然的結(jié)果、積極的結(jié)果、公平.

3.2.4 學(xué)習(xí)風(fēng)格分析

Keefe從信息加工角度界定了學(xué)習(xí)風(fēng)格的概念:“學(xué)習(xí)者特有的認知、情感和心理行為方式”[24].

國內(nèi)學(xué)者陳麗等在信息加工理論的基礎(chǔ)上，構(gòu)建了中國遠程學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征的三維模型.該模型從生理維度、經(jīng)驗維度、心理維度三個層面上對遠程學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征進行分析和測量[25].

MOOC的知識可視化呈現(xiàn)方式可參考陳麗的學(xué)習(xí)風(fēng)格模型.對MOOC的視覺表征而言，了解學(xué)習(xí)者學(xué)習(xí)風(fēng)格的目的在于找出不同學(xué)習(xí)風(fēng)格與圖文形式組織、傳遞方法運用、媒體選擇之間的關(guān)系，以便為學(xué)習(xí)者提供更適合其學(xué)習(xí)風(fēng)格特點的視覺表征方式.

3.3 MOOC制作者設(shè)計方法(語法信息)

面向MOOC的知識可視化，還必須從制作者角度出發(fā)，參考語法學(xué)和視覺傳達設(shè)計的一般原理，采用合理的語法結(jié)構(gòu)，有效發(fā)揮視覺技術(shù)工具的價值，探尋視覺表征的設(shè)計方法.

3.3.1 設(shè)計方法的功能形態(tài)

教學(xué)目標的分析與確立是MOOC制作者設(shè)計可視化特定知識最佳表征方式的重要環(huán)節(jié)，它決定著知識傳遞的總方向.

修訂版的Bloom教學(xué)目標分類法將認知教育目標按兩個維度分類:知識被分成四類，每類知識的掌握按認知過程由低級到高級又被分成六級水平，分別是記憶、理解、運用、分析、評價、創(chuàng)造[26].以此為標準，面向MOOC的知識可視化設(shè)計方法從功能形態(tài)上就具備三種特點:

1)記憶、理解水平層次的教學(xué)目標側(cè)重表達功能；

2)運用、分析水平層次的教學(xué)目標突出分析功能；

3)評價、創(chuàng)造水平層次的教學(xué)目標強調(diào)模擬形態(tài).

3.3.2 語態(tài)和動詞結(jié)構(gòu)

MOOC的學(xué)習(xí)理論基礎(chǔ)，均強調(diào)以學(xué)生為中心，學(xué)生是認知的主體，是知識意義的主動建構(gòu)者.因此，在對教學(xué)目標進行視覺表征時，應(yīng)把學(xué)習(xí)者作為主語，采用主動語態(tài)[23].

謂語的使用，采用Bloom支架提供的動詞[27]，它們是顯性的，可以在教學(xué)評價階段判斷知識是否傳達，教學(xué)目標有沒有達成.

3.3.3 可視化設(shè)計方法

與功能形態(tài)的三種特點對應(yīng)，可視化設(shè)計方法大體上也有三種:

1)表達功能的呈現(xiàn).用圖形圖像指代事物元素及其屬性，用聯(lián)結(jié)鍵將類聚的概念、命題連接起來反映關(guān)系.設(shè)計方法采用可視化知識的技術(shù)，典型工具有認知地圖、概念圖(CmapTool、Inspiration、MindMapper)、知識圖譜等；

2)分析功能的呈現(xiàn).用統(tǒng)計的方法分析現(xiàn)象，揭示規(guī)律.設(shè)計方法采用可視化認知模式的技術(shù)，典型工具有思維導(dǎo)圖(MindManager、FreeMind)、思維地圖(Thinking Maps、Office系列的SmartArt)、統(tǒng)計圖表(Excel、SPSS、Matlab)等；

3)模擬形態(tài)的呈現(xiàn).用模擬、仿真的形態(tài)反映事物的本質(zhì)或思維的認識過程.設(shè)計方法采用可視化問題解決過程的技術(shù)，或可視化系統(tǒng)思維的技術(shù)，典型工具有模型化的圖示工具(Metafora、InsightMaker、Stella)、仿真性的虛擬平臺(各學(xué)科的虛擬仿真平臺[28])等.

4 知識建模設(shè)計方法

知識經(jīng)過上述可視化設(shè)計方法進行視覺表征后，呈現(xiàn)出單一的知識點特征，知識點與知識結(jié)構(gòu)之間的聯(lián)系，仍然是零散和碎片化的，缺乏邏輯性和整體連貫性.為此，還需考慮對知識建模，推送符合學(xué)習(xí)者特征的知識模型，輔助學(xué)習(xí)者實現(xiàn)深度學(xué)習(xí).

4.1 基于專家系統(tǒng)的知識建模方法

專家系統(tǒng)是人工智能的研究領(lǐng)域，是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)，它的核心是知識庫和推理機[29].可視化語義模型(通過語義類型提取并表征出來的知識模型)存放在知識庫中，這些模型都是可做決策的；推理機則針對現(xiàn)有條件或已知信息，基于特定的算法或決策策略，與知識庫中類似的表征規(guī)則反復(fù)匹配，依據(jù)學(xué)習(xí)者的特征推薦出新的結(jié)論，獲得求解結(jié)果.

基于專家系統(tǒng)的知識建模方法采用“問題求解”模式，其運作機制是:學(xué)習(xí)者從知識庫中提取符合起點能力的可視化語義模型，在交互界面上完成知識表征；用戶接口將表征的結(jié)果依據(jù)其語義解析成反映學(xué)習(xí)者特征的知識特征變量；專家系統(tǒng)根據(jù)知識特征變量，通過反復(fù)匹配知識庫中的相關(guān)規(guī)則，分析推理，得出預(yù)測的語義模型，生成相對標準、正確的知識目標變量.專家系統(tǒng)推薦的語義模型，很有可能就是學(xué)習(xí)者理解出現(xiàn)偏差的知識點，進而明確需要努力的方向.學(xué)習(xí)者每次知識的建構(gòu)，都與專家系統(tǒng)推薦的標準知識模型比較、校正，在學(xué)習(xí)過程中得到及時的提示、評價和建議，促進反思，建立知識點與知識結(jié)構(gòu)之間的聯(lián)系.如圖3所示.

圖3 基于專家系統(tǒng)的知識建模方法Fig.3 Knowledge modeling method based on expert system

4.2 基于教學(xué)過程的知識建模方法

基于教學(xué)過程的知識建模系統(tǒng)，一般包括知識庫(學(xué)科知識庫和教學(xué)策略庫)、教學(xué)策略推理機、學(xué)習(xí)者模型等模塊.與基于專家系統(tǒng)的建模方法相比，本方法知識庫較小，學(xué)科性更強，知識點之間的結(jié)構(gòu)關(guān)系更明確.

基于教學(xué)過程的知識建模方法模擬“思維的認知過程”方式，其運作機制是:學(xué)習(xí)者經(jīng)MOOC平臺進入某個學(xué)習(xí)單元，系統(tǒng)會根據(jù)學(xué)習(xí)者以往的表現(xiàn)生成一個符合該學(xué)習(xí)者特征，且起點條件不低于本單元最低閾值的靜態(tài)模型.在整個學(xué)習(xí)過程中，系統(tǒng)不斷獲取學(xué)習(xí)者學(xué)習(xí)行為，分析其特征，評價并記錄學(xué)習(xí)情況，診斷學(xué)習(xí)中的錯誤并生成診斷模型，這是一個動態(tài)的過程.在經(jīng)過多次靜態(tài)模型與動態(tài)模型的比較之后，系統(tǒng)會根據(jù)數(shù)據(jù)分析推送出學(xué)習(xí)建議.教學(xué)策略推理機則反復(fù)匹配教學(xué)策略庫中進行補救教學(xué)的決策策略，自動選擇合理的教學(xué)方案實現(xiàn)個性化教學(xué)，幫助學(xué)習(xí)者完成該教學(xué)單元的知識建構(gòu).如圖4所示.

圖4 基于教學(xué)過程的知識建模方法Fig.4 Knowledge modeling method based on teaching process

5 結(jié)束語

本文在視覺傳播取向和信息論視角的知識表征基礎(chǔ)上，提出了面向MOOC的知識可視化視覺表征與建模設(shè)計框架.針對不同起點能力、各異認知結(jié)構(gòu)、多元學(xué)習(xí)動機和多樣學(xué)習(xí)風(fēng)格的眾多學(xué)習(xí)個體，提供滿足各個知識水平層次的視覺表征與知識建模設(shè)計方法，具有操作性指導(dǎo)意義.實踐證明，MOOC的學(xué)習(xí)者在表征框架下，能增強認知聯(lián)結(jié)、拓展廣度、增加深度，從而滿足深度學(xué)習(xí)的訴求.

[1]汪基德，馮瑩瑩，汪瀅.MOOC熱背后的冷思考[J].教育研究，2014 (9):104-111.

[2]顧小清，馮園園，胡思暢.超越碎片化學(xué)習(xí):語義圖示與深度學(xué)習(xí)[J].中國電化教育，2015(3):39-48.

[3]權(quán)國龍，張茹，顧小清.面向“深閱讀”的知識圖示設(shè)計[J].電化教育研究，2015(11):13-19.

[4]WARE C.VISUAL QUERIES:The Foundation of Visual Thinking [M]//Tergan SˉO＆Keller T.Knowledge and information visualization:Searching for Synergies.Springer-Verlag Berlin Heidelberg，2005: 27-35.

[5][美]D·H·喬納森.用于概念轉(zhuǎn)變的思維工具:技術(shù)支持的思維建模[M].祝智庭，顧小清，譯.3版.上海:華東師范大學(xué)出版社，2007:164-170.

[6]趙國慶，黃榮懷，陸志堅.知識可視化的理論與方法[J].開放教育研究，2005(1):23-27.

[7]權(quán)國龍，馮園園，馮仰存，等.面向知識的可視化技術(shù)分析與觀察[J].遠程教育雜志，2016(1):90-98.

[8]趙慧臣.知識可視化的視覺表征研究綜述[J].遠程教育雜志，2010(1):75-80.

[9]趙國慶.知識可視化2004定義的分析與修訂[J].電化教育研究，2009(3):15-18.

[10]呂永峰.讀圖時代可視化及其技術(shù)分析[J].現(xiàn)代教育技術(shù)，2015 (2):19-25.

[11]顧小清，權(quán)國龍.以語義圖示實現(xiàn)可視化知識表征與建模的研究綜述[J].電化教育研究，2014(5):45-52.

[12]BURKHARD R A.The Use of Complementary Visual Representations for the Transfer of Knowledge:A Model，a Framework，and Four New Approaches[D].citizen of Sumiswald BE，Switzerland，2005:54.57.

[13]張舒予.視覺文化研究與教育技術(shù)創(chuàng)新[J].中國電化教育，2006 (4):10-15.

[14]國玉霞，顏士剛.論視覺傳播視野下的知識可視化過程[J].電化教育研究，2016(3):20-25.

[15]趙慧臣.知識可視化視覺表征的分析框架[J].開放教育研究，2010(10):51-58.

[16]王永固，張慶.MOOC:特征與學(xué)習(xí)機制[J].教育研究，2014(9): 112-120.

[17]劉和海，張舒予，朱麗蘭.論“慕課”本質(zhì)、內(nèi)涵與價值[J].現(xiàn)代教育技術(shù)，2014(12):5-11.

[18]常經(jīng)營，蘭偉彬.布魯姆教育目標分類的新發(fā)展[J].南陽師范學(xué)院學(xué)報(社會科學(xué)版)，2008(5):84-86.

[19]焦秋生.認知結(jié)構(gòu)的表征與建構(gòu)[J].山東師范大學(xué)學(xué)報(人文社會科學(xué)版)，2004(6):108-112.

[20]鐘義信.自然語言理解的全信息方法論[J].北京郵電大學(xué)學(xué)報，2004(4):1-12.

[21]毛景煥，李蓓春.認知結(jié)構(gòu)理論的教學(xué)設(shè)計原理初探[J].外國教育研究，2000(4):10-13.

[22]王洪玉.試析奧蘇貝爾的學(xué)習(xí)理論及其啟示[J].教學(xué)研究，2005 (7):291-293.

[23]熊劍.翻轉(zhuǎn)課堂教學(xué)微視頻設(shè)計與制作研究[J].西南民族大學(xué)學(xué)報(自然科學(xué)版)，2015，41(3):350-355.

[24]劉春玲.國內(nèi)外有關(guān)學(xué)習(xí)方式的研究綜述及對我國教學(xué)發(fā)展的啟示[J].教育實踐與研究，2004(2):3-6.

[25]陳麗，張偉遠，郝丹.中國遠程學(xué)習(xí)者學(xué)習(xí)風(fēng)格特征的三維模型[J].開放教育研究，2005(2):48-52.

[26]吳紅耘，皮連生.修訂的布盧姆認知教育目標分類學(xué)的理論意義與實踐意義——兼論課程改革中“三維目標”說[J].課程·教材·教法，2009，29(2):92-96.

[27]REX HEER.Model of Learning Objectives based on Taxonomy for Learning，Teaching，and Assessing:Revision of Bloom's Taxonomy of Educational Objectives[EB/OL].(2009-03-18)[2016-04-08].http://www.celt.iastate.edu/teaching/effective-teaching-practices/revised-blooms-taxonomy

[28]熊劍.基于虛擬現(xiàn)實技術(shù)的教學(xué)積件平臺的設(shè)計與實現(xiàn)[J].西南民族大學(xué)學(xué)報(自然科學(xué)版)，2014，40(4):547-552.

[29]畢學(xué)工，杭迎秋，李昕，等.專家系統(tǒng)綜述[J].軟件導(dǎo)刊，2008，7 (12):7-9.

(責(zé)任編輯:張陽，付強，李建忠，羅敏；英文編輯:周序林)

Visual representation and modeling design of knowledge visualization based on MOOC

XIONG Jian
(Information and Educational Technology Center，Southwest University for Nationalities，Chengdu 610041，P.R.C.)

Aiming at the phenomenon of lack of depth in MOOC learning，this paper presents a visual representation and modeling design of knowledge visualization based on MOOC，analyzes the main problems of the lack of depth of MOOC learning and the inherent requirements of information processing，and clarifies the basic concepts of knowledge visualization，representation and modeling.In reference to the viewpoint of the knowledge representation of visual communication and information theory，this article presents a framework for MOOC-oriented visual representation，explains the concrete analysis methods from the three elements of semantic，pragmatic and grammatical information respectively，determines the type of knowledge，the extraction process and the representation method based on the Bloom teaching target classification method in semantic，states the basic principles of effective communication of information in the pragmatic，and introduces the concrete structure model and visualization method in grammar.It is proved that learners in the framework for MOOC-oriented visual representation can enhance the cognitive link，expand the breadth，depth，and thus meet the aspirations of the depth of learning.

MOOC；knowledge visualization；visual representation；knowledge modeling；analytical framework

G434

A

2095-4271(2016)05-0550-08

10.11920/xnmdzk.2016.05.014

2016-04-07

熊劍(1981—)，男，漢族，四川宜賓人，實驗師，研究方向:教育技術(shù)應(yīng)用.

中央高?；究蒲袠I(yè)務(wù)費專項基金資助項目(2016SZYQN49)