許文杰 束紅

摘要：基于MOOC平臺(tái)的在線學(xué)習(xí)模式，提出了一個(gè)較完善學(xué)習(xí)監(jiān)督系統(tǒng)。除基本在線學(xué)習(xí)功能外，結(jié)合聲紋識(shí)別技術(shù)，對學(xué)習(xí)者的語音交流過程進(jìn)行抽樣檢測，實(shí)現(xiàn)了人性化的學(xué)習(xí)監(jiān)督方案。此外，還添加了同伴互評(píng)模式，對學(xué)習(xí)成果進(jìn)行科學(xué)化的認(rèn)證。

關(guān)鍵詞：MOOC;學(xué)習(xí)監(jiān)督;聲紋識(shí)別;同伴互評(píng)

中圖分類號(hào)：TP312? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）22-0099-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Design and Research of Learning Supervision System Based on Mooc Platform

XU Wen-jie ，SHU Hong

（Tongling College， Tongling 244000， China）

Abstract： Based on the online learning mode of MOOC platform， a more perfect learning supervision system is proposed. In addition to the basic online learning function， combined with voiceprint recognition technology， the learner's voice communication process is sampled and tested， and a humanized learning supervision scheme is realized. In addition， a peer-to-peer evaluation model was added to scientifically certify learning outcomes.

Key words： MOOC; Learning Supervision; Voice Mark Recognition; Peer Review

1 背景

MOOC 自 2011 年推出后，作為一種信息環(huán)境下的新型教育模式席卷全球，迅速成為廣大學(xué)習(xí)者在線學(xué)習(xí)的方式。然而，隨著平臺(tái)的發(fā)展，一些限制性的因素也隨之顯現(xiàn)：第一，在 MOOC 學(xué)習(xí)中，學(xué)習(xí)者經(jīng)常有頂替、刷課、篡改、作弊等等行為的出現(xiàn)，缺乏人性化的監(jiān)督方式;第二，學(xué)習(xí)過程中學(xué)生與老師、學(xué)生與學(xué)生之間的互動(dòng)難以有效展開。

基于以上提出的兩點(diǎn)原因，本文設(shè)計(jì)了一個(gè)基于MOOC在線學(xué)習(xí)模式[1]的在線學(xué)習(xí)監(jiān)督系統(tǒng)，本系統(tǒng)采用的是B/S架構(gòu)模式的系統(tǒng)，服務(wù)器端以Express框架為核心，配合MongoDB數(shù)據(jù)庫以及Python運(yùn)行環(huán)境進(jìn)行對客戶端的在線服務(wù)。在此基礎(chǔ)平臺(tái)上實(shí)現(xiàn)聲紋識(shí)別技術(shù)驗(yàn)證學(xué)習(xí)者身份、在線同伴互評(píng)等核心功能。其中，聲紋識(shí)別功能是預(yù)先錄入語音數(shù)據(jù)建模，隨機(jī)抽取部分聲音數(shù)據(jù)進(jìn)行聲紋匹配算法，驗(yàn)證身份;同伴互評(píng)功能是學(xué)習(xí)者在互評(píng)界面對每位學(xué)習(xí)同伴進(jìn)行客觀的五方面打星評(píng)價(jià)，通過綜合分析判定最終每個(gè)人的評(píng)分，該值直接會(huì)影響最后的學(xué)習(xí)成果認(rèn)證。

2 設(shè)計(jì)方案

本系統(tǒng)建立在對已有的各大MOOC學(xué)習(xí)平臺(tái)網(wǎng)站系統(tǒng)的提升，具有良好的適用性與廣泛性。系統(tǒng)的結(jié)構(gòu)層次圖如下：

2.1 功能結(jié)構(gòu)

系統(tǒng)的模塊分為服務(wù)功能總模塊，其下有數(shù)據(jù)處理模塊、通信服務(wù)模塊、數(shù)據(jù)加密模塊、數(shù)據(jù)分析模塊。服務(wù)功能模塊負(fù)責(zé)對整個(gè)系統(tǒng)功能運(yùn)轉(zhuǎn)提供分配任務(wù)的職能。數(shù)據(jù)處理模塊主要負(fù)責(zé)對數(shù)據(jù)的分類、存儲(chǔ)、請求等。通信模塊則主要負(fù)責(zé)維持多個(gè)用戶在線通信，負(fù)責(zé)通信數(shù)據(jù)的廣播與單播，接收緩存數(shù)據(jù)等。數(shù)據(jù)加密功能主要由數(shù)據(jù)加密模塊負(fù)責(zé)，加密后交付給數(shù)據(jù)處理模塊保存，加密主要包括聊天記錄、語音建模數(shù)據(jù)、語音在線聊天數(shù)據(jù)等。數(shù)據(jù)分析模塊是對數(shù)據(jù)進(jìn)行分析，與之前建立的模型進(jìn)行匹配。系統(tǒng)的功能結(jié)構(gòu)圖如下：

2.2 前端用戶界面設(shè)計(jì)

系統(tǒng)的前端布局采用Layui進(jìn)行用戶端視圖展示。Layui自帶的BootStrap自響應(yīng)式布局是的系統(tǒng)在不同的設(shè)備上呈現(xiàn)最好的效果。業(yè)務(wù)邏輯放在應(yīng)用服務(wù)上，減輕使用設(shè)備壓力。數(shù)據(jù)處理和數(shù)據(jù)服務(wù)分開處理，既保證數(shù)據(jù)服務(wù)的穩(wěn)定提供，又保證數(shù)據(jù)分析結(jié)果的可靠性。還采用Echarts圖表顯示數(shù)據(jù)對比，直觀的展示出個(gè)人數(shù)據(jù)與平均值的差異程度。

2.3 服務(wù)器設(shè)計(jì)

服務(wù)器端使用了基于Nodejs平臺(tái)[2]的Web應(yīng)用開發(fā)框架—Express。該框架具有快速、開放、極簡等優(yōu)良的特點(diǎn)。交流模塊的實(shí)現(xiàn)使用了SocketIO技術(shù)。開發(fā)模式選擇了MVC的開發(fā)模式，任務(wù)分配高效均衡。

2.4 數(shù)據(jù)庫選擇

數(shù)據(jù)庫使用了輕量級(jí)文檔型數(shù)據(jù)庫MongoDB，以文檔結(jié)構(gòu)的存儲(chǔ)方式，能夠更便捷的獲取數(shù)據(jù)，內(nèi)置GridFS支持大容量的存儲(chǔ)，MongoDB的第三方支持豐富，很多開發(fā)框架都提供了對MongDB的支持，整體性能優(yōu)越。

2.5 聲紋識(shí)別技術(shù)

聲紋識(shí)別是與文本無關(guān)的聲紋識(shí)別[3]。首先分析計(jì)算聲紋的特征參數(shù)MFCC，通過聲紋特征算法，建立聲紋特征模型，主要用到的核心算法為：伯努利樸素貝葉斯分類算法（BNB）、高斯樸素貝葉斯分類算法（GNB）[4]、決策樹之分類決策樹算法（DT）。

具體識(shí)別流程為：Nodejs服務(wù)器利用系統(tǒng)命令調(diào)用聲紋識(shí)別子程序。子程序通過對學(xué)前準(zhǔn)備時(shí)錄入的語音提取MFCC特征參數(shù)，進(jìn)行特征算法建立個(gè)人特征模型。當(dāng)發(fā)送語音時(shí)，隨機(jī)抽取多段語音進(jìn)行對比分析，匹配聲音數(shù)據(jù)，進(jìn)而達(dá)到學(xué)習(xí)監(jiān)督的效果。

2.6 同伴互評(píng)

實(shí)現(xiàn)同伴互評(píng)機(jī)制[5]使在線交流的語音質(zhì)量得到保證，達(dá)到了對一定的監(jiān)督效果。學(xué)習(xí)者進(jìn)行包括溝通能力、答案準(zhǔn)確性、獨(dú)立創(chuàng)新、傾聽他人、意義闡述五個(gè)方面來對同伴進(jìn)行評(píng)分，并將個(gè)人的分?jǐn)?shù)通過Echarts實(shí)時(shí)展示：

3 總結(jié)

系統(tǒng)以“互聯(lián)網(wǎng)+教育”模式[6]下的MOOC平臺(tái)為基礎(chǔ)，創(chuàng)新的結(jié)合了聲紋識(shí)別技術(shù)與同伴互評(píng)模式，構(gòu)建出了完善的學(xué)習(xí)監(jiān)督系統(tǒng)。系統(tǒng)在語音交流中進(jìn)行人性化的監(jiān)督，是對學(xué)習(xí)者學(xué)習(xí)成果的最大保證。

參考文獻(xiàn)：

[1] 劉兆惠， 李旭， 王超， 等. 基于MOOC的分層混合式教學(xué)模式探究[J]. 大學(xué)教育， 2019（6）： 31-33.

[2] 柳志強(qiáng)， 陜粉麗. 基于NodeJS的聊天系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 電腦知識(shí)與技術(shù)， 2017， 13（13）： 69-70.

[3] 楊瑞瑞. 基于文本無關(guān)的聲紋識(shí)別算法的研究及實(shí)現(xiàn)[D]. 長沙： 電子科技大學(xué)， 2017.

[4] 曾誰飛， 張笑燕， 杜曉峰， 等. 改進(jìn)的樸素貝葉斯增量算法研究[J]. 通信學(xué)報(bào)， 2016， 37（10）： 81-91.

[5] 汪瓊， 歐陽嘉煜， 范逸洲. MOOC同伴作業(yè)互評(píng)中反思意識(shí)與學(xué)習(xí)成效的關(guān)系研究[J]. 電化教育研究， 2019（6）： 1-10.

[6] 黎明. “互聯(lián)網(wǎng)+教育”背景下網(wǎng)絡(luò)共享課程研究與思考[J]. 智庫時(shí)代， 2019（22）： 189-190.

【通聯(lián)編輯：謝媛媛】