当MOOC遇上大数据 能“照”出什么？

　　如今，在O2O领域“闭环”是一个十分时髦的概念，在这种模式下，鼓励商家将线上流量引入线下，线下用户再将体验反馈给线上，如此实现线上、线下的交互，形成完整闭环。如果借用这套闭环的逻辑来审视“慕课”（MOOC，MassiveOpenOnlineCourses，意为“大型开放式网络课程”），似乎发觉，长久以来，“慕课”仅仅是一套套静态的视频课程。

　　虽然“慕课”在教育普及和推广上发挥了巨大的作用，但是，它的教学模式依旧相对单一。打开国内任意一家慕课平台，基本的授课模式就是学生看讲师录制好的视频，而讲师对于镜头前的学生却所知甚少。

　　坐在屏幕前的学习者情况各异，慕课要做到的是让每一位学生都能听懂而且学有所获。

　　然而，这并不是一件容易的事情。

　　作为清华大学慕课平台的金牌教师，肖星对此深有感触。“听我们课的学生，既有我的研究生同学，也有还在上中学的00后，如何才能同时满足‘大拿’和‘小白’的学习需求呢？”

　　这不仅是肖老师的困惑，也是所有慕课讲师必须直面的难题。

　　在这一问题上，开设《数据结构》《计算几何》等慕课的清华大学计算机系副教授邓俊辉选择用自己的专业知识去解决。“用大数据挖掘、分析等技术，去重新解读慕课，它是一面‘镜子’，既可以‘照’出学生的现在，也可以‘照’出未来。”

　　不知道学生是谁？大数据告诉你“材”分几种

　　慕课是开放的平台，任何人只要有学习意愿都可以报名。面对数以万计的学习者，邓俊辉选择用“quantity”（学习次数）和“quality”（学习效果）这两个指标对学生的学习情况进行统计，并制成表格，将其称为“麻将牌”。

　　邓俊辉向科技日报记者解释“麻将牌”的含义：在表中，每一位学生的学习次数用黑点标记出，一个点就代表学了一次，九个点就代表九次；而每个麻将牌的颜色则表明学习效果，偏绿是好，偏红则有待提升。

　　记者从表中看到，有的学生的时间轴上只有两个绿色的“一饼”，一学就会，邓老师把这种学生叫做“天生丽质”型。有的学生则开始时是红色的“一饼”，然后间隔了一段时间，之后“麻将牌”的点数逐渐减少，牌的颜色也慢慢由红转绿。邓老师把他们归为“循序渐进”型，“一开始可能由于学起来有些吃力，但通过自己查阅相关书籍或是与师友交流，逐步找到了感觉，过段时间再上课就会进入状态了。”

　　在邓俊辉看来，上述两种学生基本上不需要老师过多干预就能完成课程，但有两种学生则可能需要老师更多的介入。一种是“一挫即折”型，反映为只有两个“一饼”的红色麻将牌，只学了两次而且效果都不是很好，而且持续性弱。另一种则是多次出现红色的“六饼”甚至是“九饼”，属于“百折不饶”型。

　　“前一种学生的问题可能主要出在思想层面上，遇到困难就退缩了，或是因为一些其他的事情耽误了学习的进度；后一种则可能是方法不对路，需要讲师进行点拨。”邓老师分析说。

　　一幅麻将图，简单明了地描绘出了学习者的“样貌”。虽处虚拟课堂，老师对学生的情况却可了然于胸，从而对课程做出针对学生特点的调整。从老师讲学生听的单向输入，转变为双向互动，形成了师生的闭环体系。

　　如何调动积极性？大数据告诉你学得如何

　　从学生时代走过的人，可能会对考试成绩排名这件事“心有余悸”。然而，邓俊辉却看到了排名的另一面。“慕课学习不同于纯粹的自学，我们应该把它看成一个群体行为，处在社群中的学习者可以从同学身上找到参照，进而弥补不足。”

　　邓俊辉以一张测试习题的统计图表为例，向科技日报记者解释，在这张表格上，显示出了这名学习者每道习题的排名情况，学习者对自己的学习情况一清二楚。

　　通常来说，由于慕课面向社会大众，因而有些课程的名字与大学专业课一致，但在难度上却低了很多。这样的设计虽然照顾了大部分的学习者，却忽视了那些“学霸”们的需求。

　　2013年，邓俊辉讲授慕课《数据结构》，无意间在论坛看到这样一个帖子，一名学生反映他的课虽然讲得很好，但是讲得再深点就更好了。面对“学霸”的“加餐”要求，邓俊辉推出了一道“大餐”——清华大学本科校内课程。

　　在那之后，邓俊辉不断鼓励慕课学霸们晒出自己的成绩单，慕课4次PA作业中任意一次达到90分就可以在网上加入清华大学全校公选课学习，在公选课课堂的两次PA获得90分可继续晋级加入清华大学计算机系的专业课堂学习，与清华学子同台竞技！

　　每个学期，邓俊辉都会推出一份“英雄榜”，公布本轮课程结束后晋级到THU课堂（公选课）、CST课堂（计算机系专业课）的学生名单。“这样的设计在一定程度上照顾到了一些个性化学生的学习需要。”

　　一份习题排名，让普通学习者清楚地知道自己的薄弱环节；一份“英雄榜”，让学霸有机会比肩清华学子。

　　我是什么样的人？大数据告诉你答案

　　谈及大数据对慕课未来的影响，邓俊辉认为，更有待发掘的是数据对学习者的预测功能。“见微知著，小的方面说，从学习者以往的慕课学习习惯可以推断出他日后的课程完成情况。大的方面说，从学习这样一个行为分析学习者的性格、做事风格等等。”

　　2016年招聘季刚刚开始，又一批学子奔波在求职的路上，学历、专业、实习经历等成为了他们打开一扇扇企业大门的钥匙。“如果慕课平台将学习者的学习行为数据进行整合，从而计算出他的类型特征，也许这将成为用人单位参考的另一重要指标，因为行为习惯是更具有说服力的衡量标准。”

　　邓老师向科技日报记者举例说明，“如果一家企业想招一个有领导气质的人，就可以考察他在慕课学习过程中的参与程度；如果企业想招一个‘潜力股’进行重点培养，那么就可以调阅他的学习曲线，看看他是否属于快速学习型人才。”

　　“现有招聘模式下，HR要耗费大量的人力和物力选拔人才，但一波招聘过后，资料就作废了。但如果能建立起以慕课为基础的数据库资料，这就是一个可以反复被利用的材料，而且是动态的指标”，邓俊辉补充说，慕课数据库建立的同时也要注意保护用户的隐私，只能由专人查阅，不能随意传播。