打开文本图片集
【摘 要】 职业教育专业教学资源库建设属于深化高职教育教学改革的重大项目，各级教育管理者非常关注其建设进展和成效，教育部也于2015年年初提出对资源库的资源质量、使用成效以及资源更新情况进行监测。从教育部的这一工作要求出发，参考当前大数据与学习分析的理念与方法，开展基于大数据的资源库运行监测设计研究，构建了监测模式，完成了监测内容框架设计、监测工具开发以及监测报告生成与发布。实践表明，这些工作为推进专业教学资源库项目提供了有力支撑，为深化高职教育教学改革做出了贡献。
【关键词】 高等职业教育；专业教学资源库；教学改革；教学资源；运行监测；大数据；学习分析
【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009—458x（2016）06—0068—05
一、项目背景
2006年以来，通过实施“国家示范性高等职业院校建设计划”，建设了一批适应现代产业发展要求、满足技术技能人才培养需要、体现职业教育特点的优质校本教学资源，但专业发展不平衡，不同地区和院校之间专业水平差异大的问题依然存在。2006年，《教育部财政部关于实施国家示范性高等职业院校建设计划加快高等职业教育改革与发展的意见》（教高[2006]14号）提出，“围绕国家重点支持发展的产业领域，研制并推广共享型教学资源库，为学生自主学习提供支撑；运用现代信息手段，搭建公共服务平台，为共享优质教学资源提供技术支撑”。[1]2010年，《国家中长期教育改革和发展规划纲要（2010-2020年）》提出，“建设有效共享、覆盖各级各类教育的国家数字化教学资源库和公共服务平台”。[2]
按照以上文件要求，为继续深化示范建设成果，提高高职专业教学整体水平，提升高职专业服务社会发展能力，2010年教育部正式启动职业教育专业教学资源库（简称“资源库”）项目，以专业改革与建设为核心，借助现代信息技术手段，通过优质专业资源的共建共享，在全国范围内为教师教学、学生学习、社会化学习与培训提供优质专业教学资源，提供跨学校、跨地区，时时、处处、人人的无界化服务。截至2015年年底，中央财政已投入3.8亿元，形成由71个专业教学资源库（其中40个库已验收）、1个民族文化传承与创新资源库（包含8个子库，其中3个子库已验收）和1个学习平台（数字校园学习平台）构成的资源库建设体系，覆盖了农林牧渔、交通运输等19个高职专业大类。
随着资源库建设项目的持续推进，已经建成的资源库项目得到了广泛应用，项目管理者亟须了解全国的应用情况，于是相关文件对应用监测提出了具体要求。《2014年职业教育专业教学资源库建设指南》指出，专业教学资源库应明确“辅教辅学”的功能定位，按照“碎片化资源、结构化课程、系统化设计”的顶层设计和建设规范，强化共享应用的功能与制度设计。同时，首次在“应用推广”要求中提出了“项目将委托第三方对资源更新、应用推广情况进行持续监测，定期发布监测结果”[3]。2015年资源库功能定位调整为“能学、辅教”，一方面让所有愿意学习且具备基本条件的学生都可以进来学习，另一方面让教师可以针对不同的学习对象和课程要求，灵活组织教学内容，辅助实施教学过程，实现教学目标等，并明确指出“获得中央财政支持的资源库须接受‘国家级职业教育专业教学资源库运行监测平台’对其资源质量和使用成效的监测，监测数据作为项目验收和更新奖励的依据” [4] 。
综上所述，国家对资源库建设的认识不断深入：一是功能设计上从“共建共享”的资源仓库转变为“能学、辅教”的资源与学习系统组合；二是更加强调项目管理的科学化，从传统管理手段转变为依靠监测平台的信息化管理手段。按照当前资源库管理的系统设计，需要对资源的质量和使用成效从建设伊始便进行监测，让建设与应用情况一览无遗，并定期发布应用数据报告，督促和引导资源库加强推广与应用。
二、基于大数据与学习分析的
资源库监测模式设计
资源库项目启动实施已有五年多，不仅资源数量已十分巨大，应用方面也已积累了海量数据。为此，项目管理者提出要基于资源库建设和运行大数据开展项目监测工作，具体工作包括基于数据全面了解项目进展情况，辅助专家开展资源库建设与应用评价工作，预测、诊断存在的问题并为相关决策提供支持。而在微观层面，如何进行数据的采集、存储、分析以及深度挖掘，近年来蓬勃发展的大数据与学习分析技术恰好为项目管理者和参与者提供了工作优化的思路和方法。
《科学》杂志（Science）曾于2011年出版专刊——《数据处理》（Dealing with Data），讨论了科学研究中大数据相关问题及其重要性，自此大数据进入公众视野[5]。大数据是继云计算、物联网之后又一个炙手可热的名词。李国杰院士等人认为，大数据是无法在可容忍的时间内用传统IT技术和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合。[6]数据量巨大（volume）、数据新增速度加快（velocity）、数据来源多样化（variety）和数据价值密度低（value）被视为大数据的四个核心特征。[7]针对大数据的全新特征，人们在分析数据和信息时要做出相应的转变，即从随机抽样向采集全部样本转变，从追求精确向掌握大体方向转变，从寻找因果关系向寻找相关关系转变。[8]大数据将改变人类的教育方式、人类的学习方式，改变教育信息化的研究范式，并在一定程度上改变人类的思维方式[9]。作者认为，大数据必然在资源库项目监测及职业教育信息化工作推进中发挥重要作用，并且在设计资源库监测模式时要充分理解大数据的特征及相应的处理理念。
要想真正发挥大数据的作用，必须有配套的技术予以支持。针对数据量巨大的特点，可以采用分布式存储和计算方法，相应的工具有Hadoop、Spark、数据仓库以及各类商用大数据服务平台如阿里云、亚马逊AWS等。针对数据来源多样化的特点，可以采用词语切分、信息抽取等方法，相应的工具有各类自然语言处理工具，如大数据搜索与挖掘开发平台。针对数据的产生与处理加速的特点，可以定制相应数据接口并采用信息自动抓取和推送方法。针对数据价值密度低的特点，可以采用聚类、关联规则、决策树等数据挖掘方法。具体到教育领域大数据分析利用，形成了一个新的研究方向，即学习分析技术。
学习分析理念在教育界引起很大反响。美国新媒体联盟的“地平线报告”项目自2011年起连续四年预测学习分析技术将在未来几年内成为主流。学习分析在国际上被称为“自学习管理系统问世以来，教育技术大规模发展的第三次浪潮”[10]。学习分析技术已经得到广泛的研究与应用，其典型应用概括起来有现状描述、教学评价（价值判断）、未来预测、教学干预四类[11][12][13]。而这四类应用恰与前文提及的监测具体工作相吻合。要将学习分析技术应用于监测工作中，可以套用学习分析模式来设计监测模式。
学习分析模式由“学习分析流程”“工具与算法”“数据与信息”三要素构成[14]。相应地，我们也构建一个包含这三要素的“基于大数据的资源库运行监测模式”，由“监测工作流”“方法与工具流”“数据与信息流”三要素构成，如图 1所示。“监测工作流程”方面的关键环节有基于数据全面了解项目进展情况，辅助专家开展资源库建设与应用评价工作，预测、诊断存在的问题并为相关决策提供支持等。所用到的“工具与算法”包括统计分析与可视化、相关分析、关联规则、预测等一系列数据挖掘方法。所用到的“数据与信息”主要有用户数据、课程数据、资源素材数据、题库数据、运行日志数据及资源库项目元数据等。
在该监测模式中，大数据的特色主要体现在数据采集环节以及数据处理环节。
在数据采集环节，将全面采集所有资源库的建设与应用数据：一是所有资源库项目全覆盖（要采集这些资源库从申报、立项、验收到推出等全生命周期的元数据信息），二是这些资源库项目部署的平台全覆盖（在多平台上部署就采集多平台的数据），三是资源库数据全覆盖（包括用户、课程、素材、题库等对象数据以及运行日志等过程数据），从而形成“国家级专业教学资源库项目大数据”，体现数据量巨大和数据来源多样化的大数据特征。另外，针对多个项目以及项目部署在多个平台背景下运行数据的实时获取问题，抽取数据共性，提供数据推送接口，要求所有资源库项目运行平台实时推送数据，体现数据新增速度加快的大数据特征。
在数据处理环节，对海量数据并不进行精确校对，而是广泛采用统计分析与可视化、聚类、预测、关系挖掘、文本挖掘等一系列数据挖掘方法，从海量数据中挖掘有价值的信息，为项目管理者呈现一个项目运行的大体情况，体现从追求精确向掌握大体方向转变，从寻找因果关系向寻找相关关系转变。
三、专业教学资源库运行
监测平台的实现
监测工作需要相应的信息化系统支撑，这一系统就是监测平台。基于上述监测模式设计，资源库运行监测平台的实现主要包括监测内容框架设计、监测平台设计与开发以及监测结果的分析与呈现等。需要说明的是，目前的监测平台只实现了上述监测模式的部分要求，全面功能的实现还需要持续的投入和研发。
（一）监测内容框架设计
2015年年初发布的《职业教育专业教学资源库建设工作指南》（简称“《指南》”）对监测内容做出了规定。《指南》指出：“获得中央财政支持的资源库须接受‘国家级职业教育专业教学资源库运行监测平台’对其资源质量和使用成效的监测，监测数据作为项目验收和更新奖励的依据”，“验收通过的资源库仍须保持更新，鼓励探索以用促建、共建共享、开放建设、动态更新的有效机制，保证每个资源库每年资源更新比例不低于总量的10%”。这里提到了三项监测内容，即“资源质量”“使用成效”“持续更新”。
根据《指南》要求，项目组进一步完善监测指标体系的详细设计。“资源质量”“使用成效”“持续更新”这三个资源库监测维度恰好对应资源库项目周期的三个环节，即“建设”“应用”“更新”。上述三个资源库项目指标的达成，首先是这三个环节的落实。只有具体工作落实了，才能实现“资源有质量”“使用有成效”“持续在更新”。《指南》在“如何监测”中指出：“监测平台定期采集资源库运行日志及素材使用情况等数据”，资源库的运行数据忠实记录了资源库的各项属性及其使用过程，我们也可以通过这些数据了解一个资源库的“建设”“应用”“更新”情况，从而实现对资源库是否做到“资源有质量”“使用有成效”“持续在更新”进行价值判断。
由于2015年是监测项目实施的第一年，项目组重点监测资源库现状，不做价值判断。我们在对资源库数据进行监测时，根据“建设”“应用”“更新”三个环节确定了不同的监测维度，如图 2所示。
1.建设维度
分别从用户、素材资源和课程三个方面对资源库的建设数据进行指标设计。根据《指南》对资源库建设提出的具体要求，包括“注册用户不少于1，000人”，“已建成专业核心课程不少于6门，资源类型多样、分布合理，文本类和图形（图像）类资源数量占比不超过50%”，“建设内容包含测评系统，能够支持资源库课程教学模块的自学检测”，在“建设”维度设计出“注册用户”“资源素材”“课程”“题库”等二级指标。其中，搜集用户数据主要是了解建设团队中教师、企业人员、学生的比例和人员基本信息，为后续分析应用情况奠定基础；素材资源方面，主要监测文本、图片、音频、视频、动画、虚拟仿真等各种类型资源的数量；课程层面主要监测课程数及课程中所包含的微课数、模块数、素材资源数等。
2.应用维度
针对资源库应用情况的运行监测，一方面可以从政策层面促进资源库的深层次应用，另一方面可以根据监测数据调整资源建设内容，使资源库更加符合用户需求。应用层面的监测主要包括以下五个方面：
（1）用户行为概况：主要监测各类型用户在课程各模块中的活动量占比；
（2）课程应用情况：主要监测课程的访问量等相关数据；
（3）资源素材应用情况：主要监测每个资源素材使用的次数，包括下载、分享、浏览、评论等数据；
（4）学习活动情况：主要监测学生讨论、作业、考试等行为的发生次数；
（5）注册用户活动情况：主要监测注册用户在各模块中的活跃度以及各类型用户的活跃情况。
3.更新维度
在资源库建好后，针对建设要求中提及的更新情况进行监测，主要规定三类对象即“课程”“资源素材”“用户”的建设和发展同比上一年的增长情况。因此，“更新”也是对这三类对象的更新，其中“课程”“资源素材”强调修改、替换和新增，而“用户”主要强调“新增”。
（二）监测平台的设计与开发
根据资源库监测指标之建设维度、应用维度和更新维度， 专业教学资源库运行监测平台需要实现对当前及以后所有专业教学资源库的运行数据进行监测，由于数据量巨大，在准确评估当前数据量现状和研究不同平台的数据采集方式之后，项目组在技术上采用了JAVA语言开发，J2EE企业级标准，B/S结构，并采用云计算技术（SAAS），通过分布式并行计算、分布式缓存、分布式部署构架整个平台的技术框架，可以在将来为支持用户的爆发式增长和大规模开发提供可水平扩展的支撑，也为平台的可用性、健壮性、可靠性提供有力的保障。考虑到数据来源的不同，项目组采用service pool技术，为内部、外部或第三方的其他系统提供高度灵活易用的web service接口，方便第三方资源库提供商通过监测平台提供的接口，将数据采集至监测平台。
在平台构建上，专业教学资源库运行监测平台主要包括五个系统。其中，统一身份认证平台作为信息化的安全认证及授权中心，主要为各应用系统提供集中的身份认证与授权服务；基础平台作为所有业务系统的基础数据中心、数据仓库，也是数据的路由和交换中心，承担着所有业务系统基础数据的管理、配置、分发、存储和服务任务；任务指标系统用于对专业教学资源库建设任务中的各项数据进行填报，以便后续与监测数据作比对；数据采集系统根据采集数据指标和范围，确定通过什么样的采集方式从数据源中将数据采集入库，再对入库的原始数据进行整理和清洗，将整理和清洗过的数据推送到数据挖掘分析系统；数据挖掘分析系统根据数据指标、数据建模，将数据采集系统中输出的数据在数据仓库中进行一系列处理，最终通过汇总和一定算法产生有价值的数据分析报告。五个系统各司其职，分工明确，共同完成对专业教学资源库建设与应用数据的监测与分析工作。
（三）监测结果的分析与呈现
在对监测数据进行分析时，项目组也按照建设、应用、更新三个环节分别对相关数据进行分析，并分别出具相关报告。在报告的呈现上都以图形化形式为主，采用了色彩鲜艳的饼状图、柱状图和曲线图等多种方式，一目了然，方便各类型用户快速获取相关信息。
四、总结与展望
目前，资源库运行监测平台开发工作已经全部完成，通过了全面的功能与性能测试，并试运行支持了2015年度的验收工作。下一步，监测平台开发的主攻方向有三个方面：一是针对实际运行中搜集的数据和运行情况进一步完善各项功能，力争为参与资源库建设的职业院校提供更全面的服务；二是在已建成和在建资源库基础上构建专业、课程及资源的搜索引擎，根据监测分析所获取的数据实现资源的智能推送和资源在多个平台的扩散应用，并逐步完成个性化服务平台的搭建，帮助资源库深入开展推广和应用工作；三是以监测平台累积的资源库使用效果和学习行为数据为依据，研制资源库运行平台基本要求，为实现运行平台多样化和开放竞争奠定基础，并以开放竞争促进资源库平台注重实效、改进功能、提升服务。
[参考文献]
[1] 教育部财政部关于实施国家示范性高等职业院校建设计划加快高等职业教育改革与发展的意见[EB/OL]. http：///publicfiles/business/htmlfiles/moe/s3876/201010/109734.html
[2] 国家中长期教育改革和发展规划纲要（2010-2020年）[EB/OL]. http：///publicfiles/business/htmlfiles/moe/moe_838/201008/93704.html
[3] 2014年职业教育专业教学资源库建设指南[EB/OL]. http：///72/view/2572
[4] 教育部关于确定职业教育专业教学资源库2015年度立项建设项目及奖励项目的通知[EB/OL]. http：///web/articleview.aspx？id=20150702081707646&cata_id=N003
[5] 许晓东，王锦华，卞良，孟倩. 高等教育的数据治理研究[J]. 高等工程教育研究，2015（5）：25-30.
[6] 李国杰，程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域———大数据的研究现状与科学思考[J]. 中国科学院院刊，2012，27（6）：647-657.
[7] MCAFEE A，BRYNJOLFSSON E. Big data： The management revolution [J]. Boston： Harvard Business Review，2012 （ 10） ： 3-9.
[8] 维克多·迈尔-舍恩伯格，肯尼恩·库克. 大数据时代———生活、工作与思维的大变革[M]. 盛扬燕，周涛，译. 杭州：浙江人民出版社，2013：17-19.
[9] 何克抗. 大数据面面观[J]. 电化教育研究，2014（10）：8-16，22.
[10] 祝智庭，沈德梅. 学习分析学：智慧教育的科学力量[J]. 电化教育研究，2013（5）：5-12，19.
[11] Marie Bienkowski， Feng Mingyu， Barbara Means."Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics： An Issue Brief，" U.S. Department of Education， Office of Educational Technology（2012）.
[12] Papamitsiou， Z.， & Economides， A. （2014）. Learning Analytics and Educational Data Mining in Practice： A Systematic Literature Review of Empirical Evidence. Educational Technology & Society， 17 （4）， 49-64.
[13] 王良周，于卫红. 大数据视角下的学习分析综述[J]. 中国远程教育，2015（3）：31-37.
[14] 魏顺平. 学习分析技术：挖掘大数据时代下教育数据的价值[J]. 现代教育技术，2013（02）：5-11.
收稿日期：2015-11-23
定稿日期：2016-01-31
作者简介：魏顺平，博士，副研究员，国家开放大学工程中心副处长（100039）。
王博，硕士，助理研究员，南京工业职业技术学院发展规划办公室（210023）。
侯小菊，硕士，国家开放大学工程中心（100039）。
责任编辑 单 玲