趙以霞，金昆，鄭曉歡，孔麗華

1. 中國(guó)科學(xué)院文獻(xiàn)情報(bào)中心，北京 100190

2. 中國(guó)科學(xué)院大學(xué)，北京 100190

3. 中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心，北京 100190

4. 中國(guó)科學(xué)院，北京 100864

數(shù)據(jù)庫(kù)（集）基本信息簡(jiǎn)介

引 言

2011年，新媒體聯(lián)盟（New Media Consortium，NMC）發(fā)布《地平線報(bào)告（高教版）》，預(yù)測(cè)學(xué)習(xí)分析技術(shù)將在4-5年內(nèi)應(yīng)用起來，并將學(xué)習(xí)分析定義為大范圍收集學(xué)生的學(xué)習(xí)數(shù)據(jù)并加以分析，從而評(píng)價(jià)學(xué)生的學(xué)習(xí)進(jìn)度、預(yù)測(cè)其未來的學(xué)習(xí)表現(xiàn)，并查找潛在的問題[1]。2011-2019年，旨在促進(jìn)個(gè)性化學(xué)習(xí)的學(xué)習(xí)分析技術(shù)與自適應(yīng)學(xué)習(xí)一直是新媒體聯(lián)盟地平線報(bào)告所預(yù)測(cè)的技術(shù)趨勢(shì)。隨著MOOC（Massive Open Online Courses，大規(guī)模開放在線課程）的發(fā)展，在線學(xué)習(xí)數(shù)據(jù)迅速積累起來，進(jìn)一步推動(dòng)了基于在線學(xué)習(xí)數(shù)據(jù)開展用戶分析。2014年6月，哈佛大學(xué)和麻省理工學(xué)院聯(lián)合發(fā)布了經(jīng)過整理的2012-2013學(xué)年edX平臺(tái)（麻省理工和哈佛大學(xué)于2012年4月聯(lián)手創(chuàng)建的大規(guī)模開放在線課堂平臺(tái)，網(wǎng)址www.edx.org/course）16門課程開放數(shù)據(jù)供全球研究者使用[2]。2014年，羅切斯特大學(xué)計(jì)算機(jī)科學(xué)副教授菲利普·郭，針對(duì)edX數(shù)學(xué)和科學(xué)課程的862個(gè)視頻課程，基于12.8萬(wàn)人的690萬(wàn)條視頻在線觀看記錄數(shù)據(jù)，開展分析，研究受歡迎的課程媒體形式[3]。為提升專業(yè)技術(shù)人員能力，我國(guó)人力資源和社會(huì)保障部發(fā)布2015年《專業(yè)技術(shù)人員繼續(xù)教育規(guī)定》，對(duì)專業(yè)技術(shù)人員的學(xué)習(xí)時(shí)間提出要求，并明確參加遠(yuǎn)程教育是有效的繼續(xù)教育學(xué)習(xí)方式之一。不同于其他專業(yè)技術(shù)人員，國(guó)家相關(guān)行業(yè)會(huì)提出明確的公需課和專業(yè)課學(xué)習(xí)要求，并組織實(shí)施，自然科學(xué)研究人員的學(xué)習(xí)具有更強(qiáng)的自主性。為此，中國(guó)科學(xué)院專門建設(shè)中國(guó)科學(xué)院繼續(xù)教育網(wǎng)，為科研人員提供自主學(xué)習(xí)服務(wù)，促進(jìn)知識(shí)更新。本數(shù)據(jù)集是基于2018年中國(guó)科學(xué)院科研人員的學(xué)習(xí)習(xí)慣建立的學(xué)習(xí)數(shù)據(jù)，通過分析不同專業(yè)技術(shù)職稱、不同年齡、不同性別、不同工作年限科研人員的在線學(xué)習(xí)時(shí)間點(diǎn)傾向、學(xué)習(xí)內(nèi)容傾向和學(xué)習(xí)時(shí)長(zhǎng)傾向，可以為精準(zhǔn)服務(wù)科研人員在線學(xué)習(xí)奠定基礎(chǔ)。

1 數(shù)據(jù)采集和處理方法

為獲得科研人員學(xué)習(xí)數(shù)據(jù)，本研究構(gòu)建起科研人員專屬的在線學(xué)習(xí)平臺(tái)，匯聚各類課程資源，進(jìn)而記錄科研人員在線選學(xué)課程和學(xué)習(xí)時(shí)長(zhǎng)。

1.1 學(xué)習(xí)平臺(tái)開發(fā)設(shè)計(jì)

為面向中國(guó)科學(xué)院100多個(gè)科研機(jī)構(gòu)的科研人員提供有針對(duì)性的學(xué)習(xí)服務(wù)，研發(fā)中國(guó)科學(xué)院繼續(xù)教育網(wǎng)，支持各院屬機(jī)構(gòu)組織管理培訓(xùn)，發(fā)布資源，管理人員，進(jìn)行統(tǒng)計(jì)分析。科研人員登陸中國(guó)科學(xué)院繼續(xù)教育網(wǎng)可以自主選學(xué)課件，報(bào)名培訓(xùn)班，并圍繞課件、培訓(xùn)班等資源進(jìn)行交流互動(dòng)[4]。

1.2 建設(shè)和匯聚在線學(xué)習(xí)資源

MOOC的發(fā)展，為用戶帶來了大規(guī)模學(xué)習(xí)資源的同時(shí)，也會(huì)帶來信息過載問題。中國(guó)科學(xué)院繼續(xù)教育網(wǎng)實(shí)現(xiàn)了自主研發(fā)資源和匯聚外部資源功能，主要由各科研院所自主上傳和匯聚。截至2018年底，共積累3062個(gè)課件資源，包括三分屏課件、視頻課件、微課件、單一文檔（PPT、PDF、WORD等），以及外部?jī)?yōu)質(zhì)資源鏈接。

1.3 在線學(xué)習(xí)數(shù)據(jù)記錄收集與清洗

（1）數(shù)據(jù)收集：中科院繼續(xù)教育網(wǎng)用戶信息由各研究院所維護(hù)，本研究利用中科院繼續(xù)教育網(wǎng)的職工在線學(xué)習(xí)統(tǒng)計(jì)功能，直接獲得2018年1月1日至2018年12月31日科研人員在線學(xué)習(xí)數(shù)據(jù)。

（2）數(shù)據(jù)清洗：結(jié)合本研究目的，剔除管理人員、支撐人員、工人等人群的學(xué)習(xí)數(shù)據(jù)，最終得到科研人員在線學(xué)習(xí)數(shù)據(jù)集。由于部分院屬單位對(duì)于人員的標(biāo)識(shí)不完整，科研人員屬性值缺失，本文僅保留具有明確的科研人員屬性值且標(biāo)識(shí)專業(yè)技術(shù)職稱的學(xué)習(xí)數(shù)據(jù)。

（3）數(shù)據(jù)處理：由于涉及科研人員的個(gè)人信息，為保護(hù)隱私數(shù)據(jù)，本文采用編號(hào)標(biāo)識(shí)科研人員唯一性，并將出生年月和入所工作時(shí)間進(jìn)行計(jì)算，轉(zhuǎn)換為年齡和工作年限予以標(biāo)識(shí)。為進(jìn)一步分析學(xué)習(xí)時(shí)間段特點(diǎn)，將數(shù)據(jù)集劃分為12個(gè)時(shí)間段，即每2小時(shí)為1個(gè)時(shí)間段，從0-2時(shí)開始，至22-24時(shí)。

1.4 樣本數(shù)據(jù)人口統(tǒng)計(jì)特征

本文最終得到219 472條學(xué)習(xí)數(shù)據(jù)，來自10 360名科研人員，其中選學(xué)并學(xué)習(xí)為206 756條，僅選學(xué)并未學(xué)習(xí)有12 716條。206 756條學(xué)習(xí)數(shù)據(jù)由10 245位科研人員產(chǎn)生，學(xué)時(shí)合計(jì)為212 382.74小時(shí)。針對(duì)重點(diǎn)分析學(xué)習(xí)行為，本文重點(diǎn)統(tǒng)計(jì)10 245人的基本信息，其人口統(tǒng)計(jì)特征如下（詳見數(shù)據(jù)集性別、年齡、工作年限、職稱）。10 245名科研人員中，有6846位男性科研工作者，占比66.82%，3399名女性科研工作者，占比33.18%。在線學(xué)習(xí)科研人員年齡方面，31～50歲的科研人員占比78.87%；從事工作年限方面，集中在三個(gè)區(qū)域“1～5年”“6～10年”“11～20年”，共占比89.71%；受訪者專業(yè)技術(shù)職稱方面，初級(jí)占比7.67%，中級(jí)占比41.03%，副高級(jí)占比35.93%；正高級(jí)占比15.36%（詳細(xì)見表1）。

表1 樣本人口統(tǒng)計(jì)基本特征描述

2 數(shù)據(jù)樣本描述

本數(shù)據(jù)集的數(shù)據(jù)存儲(chǔ)于Excel文件的3個(gè)數(shù)據(jù)表單中，“所有選學(xué)數(shù)據(jù)”表單存放10 360名科研人員2018年課件選學(xué)和學(xué)習(xí)相關(guān)數(shù)據(jù)，共有219 472條學(xué)習(xí)記錄；“僅選學(xué)未學(xué)”表單存放具有選學(xué)行為、但未開始學(xué)習(xí)的12 716條數(shù)據(jù)記錄；“選學(xué)且學(xué)習(xí)”表單存放選學(xué)且有學(xué)習(xí)行為的206 756條學(xué)習(xí)記錄。這3個(gè)數(shù)據(jù)表單所包含的具體字段名稱、類型及示例見表2。關(guān)于課程時(shí)長(zhǎng)字段數(shù)值，取值范圍在0.05～48之間，平均值為1.27小時(shí)。

表2 所有選學(xué)數(shù)據(jù)內(nèi)容

3 數(shù)據(jù)質(zhì)量控制和評(píng)估

3.1 質(zhì)量控制

數(shù)據(jù)集質(zhì)量主要通過系統(tǒng)限定實(shí)現(xiàn)，以人工干預(yù)為輔。在設(shè)計(jì)在線學(xué)習(xí)功能時(shí)，實(shí)現(xiàn)20分鐘內(nèi)需要答題繼續(xù)記錄學(xué)時(shí)，否則中斷記錄；在線學(xué)習(xí)統(tǒng)計(jì)功能，實(shí)現(xiàn)同一課件跨年度重新選學(xué)，課件學(xué)習(xí)時(shí)長(zhǎng)小于課件時(shí)長(zhǎng)記錄，限制用戶多個(gè)瀏覽器終端或?yàn)g覽器同時(shí)學(xué)習(xí)，并實(shí)現(xiàn)課件繼續(xù)學(xué)習(xí)功能，支持?jǐn)帱c(diǎn)續(xù)學(xué)。

人工干預(yù)方面，主要是對(duì)最終收集的數(shù)據(jù)進(jìn)行轉(zhuǎn)換，剔除人員敏感信息，結(jié)合本文研究目的，分離僅選學(xué)未有學(xué)習(xí)行為和有學(xué)習(xí)行為的數(shù)據(jù)。雖然沒有學(xué)習(xí)行為，但選學(xué)課程到個(gè)人學(xué)習(xí)空間，也代表用戶的一種興趣和需求，因此，本文將此類數(shù)據(jù)保留到了數(shù)據(jù)集中。

3.2 質(zhì)量評(píng)估

本文提供的2018年科研人員在線學(xué)習(xí)數(shù)據(jù)集，通過研究院所維護(hù)保障人員信息的真實(shí)性，并通過設(shè)定系列學(xué)時(shí)計(jì)算規(guī)則控制數(shù)據(jù)質(zhì)量，保障數(shù)據(jù)的可用性和真實(shí)性，可以基于此學(xué)習(xí)數(shù)據(jù)集開展系列學(xué)習(xí)分析工作。

（1）學(xué)習(xí)行為與選學(xué)行為比例分析

學(xué)習(xí)率在選學(xué)中達(dá)到94%，選學(xué)某個(gè)課件但從未點(diǎn)擊開始學(xué)習(xí)的比例為6%，轉(zhuǎn)化率較好，這為在線資源開發(fā)和推送提供依據(jù)（圖1）。

圖1 選學(xué)轉(zhuǎn)化率

（2）不同職稱男女學(xué)習(xí)比例分析

根據(jù)中國(guó)科學(xué)院統(tǒng)計(jì)年鑒，中科院科研人員專業(yè)技術(shù)崗位的男女比例約為2.2∶1。本數(shù)據(jù)集中，具有學(xué)習(xí)行為的男女科研人員比例為2∶1，說明女性在線學(xué)習(xí)積極度略高于男性科研人員。在副高級(jí)選學(xué)人數(shù)中，男女選學(xué)比例與實(shí)際人員數(shù)據(jù)男女統(tǒng)計(jì)比例基本一致；而在初級(jí)、中級(jí)和正高級(jí)的科研人員選學(xué)男女比例中，均顯示女性科研人員在線選學(xué)比男性科研人員更積極一些（圖2）。

圖2 不同性別和職稱學(xué)習(xí)數(shù)據(jù)對(duì)比

（3）不同職稱不同性別人均年累計(jì)學(xué)習(xí)時(shí)長(zhǎng)分析

對(duì)不同職稱級(jí)別的男性和女性科研人員的年累計(jì)學(xué)習(xí)時(shí)長(zhǎng)分別求平均值，可以看出男性科研人員的年累計(jì)學(xué)習(xí)時(shí)長(zhǎng)均高于女性，在正高級(jí)科研人員中，尤為突出。而隨著職稱的提升，科研人員的人均年累計(jì)學(xué)習(xí)數(shù)據(jù)有較為明顯的下降，女性科研人員人均年累計(jì)學(xué)時(shí)從23小時(shí)降低到16小時(shí)，而男性科研人員人均年累計(jì)學(xué)時(shí)從23小時(shí)降低到19小時(shí)（圖3）。

圖3 不同性別和職稱人均學(xué)習(xí)時(shí)長(zhǎng)對(duì)比

（4）學(xué)習(xí)時(shí)間段規(guī)律

初級(jí)、中級(jí)、副高級(jí)和正高級(jí)人員的學(xué)習(xí)時(shí)間段呈現(xiàn)較為一致的趨勢(shì)，主要集中在上午 10-12時(shí)、14-18時(shí)，而18-24時(shí)也是不可忽視的學(xué)習(xí)時(shí)間段，這為后續(xù)精準(zhǔn)推送學(xué)習(xí)資源的時(shí)間提供了參考，使得資源能夠更有效地為科研人員學(xué)習(xí)（圖4）。

圖4 不同職稱人員學(xué)習(xí)時(shí)間段對(duì)比

（5）不同年齡每次學(xué)習(xí)時(shí)長(zhǎng)特點(diǎn)

利用學(xué)習(xí)時(shí)長(zhǎng)數(shù)據(jù)除以學(xué)習(xí)記錄數(shù)據(jù)，得到平均每次學(xué)習(xí)時(shí)長(zhǎng)，該學(xué)習(xí)時(shí)長(zhǎng)與課件時(shí)長(zhǎng)有較強(qiáng)相關(guān)性。結(jié)合不同年齡和性別進(jìn)行分析，可以看出每次學(xué)習(xí)時(shí)長(zhǎng)數(shù)和年齡、性別無(wú)明顯相關(guān)，基本都在1小時(shí)左右（圖5）。對(duì)數(shù)據(jù)進(jìn)行深入分析，可得到更多學(xué)習(xí)規(guī)律。

圖5 不同年齡和性別每次學(xué)習(xí)時(shí)長(zhǎng)對(duì)比

（6）已學(xué)習(xí)課程與未學(xué)習(xí)課程分析

共匯聚3062個(gè)課件資源，1915個(gè)課程被選學(xué)，選學(xué)率僅達(dá)到63%，還有1147個(gè)課件從未被選學(xué)。通過分析1915個(gè)課程的特點(diǎn)，為后續(xù)研發(fā)課件資源提供支持。

（7）最受歡迎課程分析

按照選學(xué)人次對(duì)課程進(jìn)行排序，選課人數(shù)在1000人以上的課程，共有11個(gè)，集中在大數(shù)據(jù)、人工智能、信息技術(shù)等方面，如表3所示。

表3 選學(xué)最多的課程排名

4 數(shù)據(jù)使用方法和建議

2018年中國(guó)科學(xué)院繼續(xù)教育網(wǎng)科研人員在線學(xué)習(xí)數(shù)據(jù)集以 EXCEL存儲(chǔ)，使用者可以通過EXCEL工具或轉(zhuǎn)換格式導(dǎo)入到數(shù)據(jù)庫(kù)進(jìn)行查看、檢索、分析、數(shù)據(jù)挖掘等操作?？梢酝ㄟ^關(guān)聯(lián)規(guī)則挖掘課程之間的關(guān)系，構(gòu)建推薦系統(tǒng)，在基于學(xué)習(xí)行為分析的個(gè)性推薦方面開展深入研究和應(yīng)用，進(jìn)一步提升中科院繼續(xù)教育網(wǎng)的智能化水平。

致 謝

感謝在中國(guó)科學(xué)院繼續(xù)教育網(wǎng)開發(fā)及資源研發(fā)中貢獻(xiàn)智慧的專家和研發(fā)人員。