面向高职高专慕课大数据探析及应用.docVIP

面向高职高专慕课大数据探析及应用 　　摘 要：针对日益流行的慕课课程建设的特点，面向高职高专高校MOOC建设的需要，提出了结合院校图书馆平台基础的统一慕课物联建设平台架构，结合MOOC学习和图书馆借阅图书所产生的大数据，给出了大数据分析平台架构和技术架构，并结合计算机媒体类课程的特点，介绍了将其他计算机类MOOC学习大数据分析的结果用于指导媒体类课程MOOC建设的方法 关键词：MOOC；物联建设平台架构；大数据；计算机媒体类课程 中图分类号：G434；TP393 文献标识码：A 文章编号：2095-1302（2017）03-0-02 0 引 言 教育部在2015年年度工作要点中明确提出要“继续加大优质数字教育资源开发和应用力度，探索在线开放课程应用带动机制，加强慕课（MOOC）建设、使用和管理。”国家随之确定了“慕课”建设框架，其中涵盖了高职高专等职业教育的内容。国务院参事汤敏老师2015倡导的“慕课最大的空间和机会实际上是在职业教育”，鼓励高职优质慕课资源和平台的建设。此举对于完善终身教育体系，提高国民的职业技术和能力，乃至学习型社会的建设都有重要意义 目前国内MOOC的研究主要包括MOOC平台建设研究、MOOC教学模式研究、“翻转课堂”实现方式研究等。清华大学、北京大学、北京航空航天大学、复旦大学等很多高水平大学都设置了MOOC，并进行了深入研究。同时，在国家积极倡导“互联网+教育”的时代背景下，更具特色的高职高专院校如何结合自身学科建设特点与优势，发挥“重技能，强能力”的培养特点，提供更优质的开放性远程教育服务是各高职高专院校面临的一项挑战，从大量MOOC课程建设的尝试中探索自己的MOOC之路 MOOC不是单纯的教师讲课，而是通过网络技术，将课堂教学、学习体验、师生互动等不同教学环节通过编排完整呈现，从而在线产生大量数据。这些大数据中蕴含了大量的对教育教学具有普遍意义的规律和价值，通过对这些慕课大数据进行挖掘与分析，教师可以有效掌握教学规律、预测教育活动、进行教育管理和决策等 1 高职高专院校慕课物联网建设 目前，大多数高职高专院校都有自己的图书馆，而MOOC学习需要学生进行登录、学习、进行互动等。将MOOC的平台建设与学校已有的图书馆平台相结合，充分利用已有资源，进行统一资源平台登录，可有效降低学校建设MOOC平台的成本，提高资源使用率。MOOC与图书馆统一物联建设平台如图1所示 统一MOOC教育平台与图书馆系统，学生通过图书馆统一登录账户登录，通过MOOC教室进行MOOC课程在线学习。慕课教育平台包括在线教学、课辅教学、社交媒体（包括微信、QQ等）、知识分析与综合等，最终形成知识的积累信息 MOOC教学平台与大数据分析平台直接相连，将学生学习记录以及图书借阅记录等提交大数据分析平台进行分析。此外，大数据分析平台还包括数据存储、数据清洗和数据预处理、大数据分析与可视化等功能 学生可以通过客户端、浏览器及移动端等设备，形成一个综合的物联网技术平台 2 慕课大数据分析 通过MOOC平台可以获得学校学生对于MOOC课程学习的有效记录，包括学生的学号、姓名、登录时间、下线时间、学习课程名称，学习课程知识点记录、在线互动内容、在线互动次数、做作业次数、做作业时长、做作业成绩、学生考试课程名称，课程期中考试成绩、期末考试成绩、课程综合成绩、课程成绩排名等内容。由于学生使用的是与图书馆平台进行综合统一登录的平台，还可以获取学生的图书借阅情况，如借阅图书名称、借阅日期、还书日期等 针对获取的学生学习MOOC的综合大数据，需要采用大数据分析平台进行处理。图2所示为基于分布式集群处理的大数据处理平台架构图。平台采用大数据生态圈的Python，数据库采用MongDB，存储动态常用分析所用的数据；数据预处理与存储模块包括用于大数据分布式存储的分布式文件系统（Hadoop Distributed File System， HDFS）和Tachyon分布式内存管理系统，可对获取的数据进行清洗并提供存储服务；在计算处理方面，采用UC Berkeley提出的基于内存计算的Spark。Spark所有作业都在内存中完成，通过分布式弹性数据集（Resilient Distributed Dataset，RDD），Spark能够对作业流程进行扫描并根据作业的先后次序进行优化，加快在内存中的运算速度。利用Spark中的MLlib和Graphx提供机器学习、优化和图计算等方面的功能，并辅以Mahout和Hadoop MapReduce框架进行其他算法的补充；可视化模块以JavaScript为手段，采用D3和Processing将整个过程中产生的相关结果进行可视化展示 数据挖掘子系统与数据分析子