[發(fā)明專利]基于社區(qū)在線學習系統(tǒng)的學習激勵機制構建方法

有效

• 申請?zhí)枺?/td>: 201510072026.1
• 申請日: 2015-02-11
• 公開（公告）號: CN104616225B
• 公開（公告）日: 2017-11-14
• 發(fā)明（設計）人: 彭智勇;史玉玲;洪亮;余騫;彭海平
• 申請（專利權）人: 武漢大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06Q50/20
• 代理公司: 武漢科皓知識產(chǎn)權代理事務所(特殊普通合伙)42222
• 代理人: 張火春

技術領域

本發(fā)明屬于一種學習激勵機制，尤其是基于社區(qū)在線學習系統(tǒng)的學習激勵機制構建方法。

背景技術

MOOC于2008年首次提出，作為一種新的在線學習模式，其出現(xiàn)依賴于以Wiki、Facebook和Youtube為代表的社交網(wǎng)絡技術和云端服務技術的飛速發(fā)展，這些互聯(lián)網(wǎng)技術極大地方便了人們的交流、溝通和協(xié)同工作，使得地理位置上的距離不再成為問題。MOOC的大規(guī)模(Massive)體現(xiàn)在參與的學生、老師、學校、課程以及投入等方面。MOOC的開放(Open)指學生不再受地域、年齡、文化和語言等因素的限制，同時也指教學與學習的形式以及教學資源的開放性。MOOC的在線(Online)意味著教學與學習可以擁有相對低廉的成本，學生通過在線互動能更多地參與課程建設，并且對教師和學生在線行為的大數(shù)據(jù)分析可以更好地完善教學。MOOC在課程(Course)方面的革新體現(xiàn)在老師從課程的主導者轉變?yōu)榻M織者；課程內(nèi)容非結構化且處于演變中；學生更多地參與課程建設。換言之，MOOC通過成熟的互聯(lián)網(wǎng)技術將先進的學習理論付諸在線學習實踐中。

眾多國內(nèi)外一流大學都已經(jīng)加入了開展MOOC的行列。目前影響最大的MOOC網(wǎng)站有Udacity、Coursera和edX。Coursera和Udacity都由斯坦福大學創(chuàng)立，為非盈利性平臺，其中Coursera有眾多大學的加盟。edX是MIT和哈佛大學共同創(chuàng)辦的非盈利性質(zhì)平臺，它也吸引了如伯克利大學等眾多一流大學的加盟，此外還有iversity和Veduca等在線學習平臺。清華大學創(chuàng)辦的“學堂在線”是國內(nèi)首家知名MOOC平臺，清華大學的部分課程也加盟edX平臺向全世界開放。

學生在MOOC中不能及時得到學習反饋，原因之一是缺乏有效的激勵機制，因為學習者通過終端設備進行在線交互，比線下學習更耗費精力。調(diào)動學習者參與在線交互的積極性，需要對學習者進行適當?shù)莫剟睢Ｄ壳暗腗OOC網(wǎng)站除了為學習者提供結課證書外，沒有其他系統(tǒng)化的學習激勵方式，這不利于學習者完整地進行課程學習。

目前的在線學習系統(tǒng)中對學生的評價方式評價都是簡單的考試或者是提交平時作業(yè)，不能客觀的評價的學生的平時成績，這就需要從學生的參與課程社區(qū)的活動來評價用戶的成績，更為客觀的評價學生，我們提出通過評價用戶的平時活動來激勵并提高學生參與課程社區(qū)活動的興趣。

目前，對學生評價的方式有很多種，主要分為兩種，傳統(tǒng)的評價方式是根據(jù)用戶的活動，例如，新浪微博中根據(jù)用戶的活躍天數(shù)來評定用戶的等級，或者更加用戶發(fā)的微博數(shù)進行相應的勛章獎勵，或者在CSDN中根據(jù)用戶的回帖數(shù)來給予相應積分等等。這種方式雖然可以量化用戶活動，并進行相應獎勵，也有一定的激勵作用，但是存在較多的問題，例如用戶灌水、作弊等問題，且這種激勵方式不能客觀的評價用戶對系統(tǒng)的貢獻，忽略了用戶之間潛在的影響。

在學術界，可以通過計算用戶聲譽值來評價，主要分為K-core、HITS、PageRank、TS-S PageRank和IC Model五種方法。K-core分解的方式對傳播網(wǎng)絡中所有小于或者等于K的節(jié)點，通過遞歸的方式逐漸去除，這樣能描述網(wǎng)絡傳播的層次特征，中心節(jié)點的用戶的聲譽值高。HITS和PageRank原本是用于網(wǎng)頁重要性分析算法，但也適用于計算用戶聲譽值。HITS算法的核心是網(wǎng)頁之間的引用關系，進行挖掘，它主要利用鏈接權威度(Hub)與內(nèi)容權威度(Authority)這兩者來綜合評價節(jié)點的權重，就是利用頁面之間的鏈接跳轉來挖掘潛在的信息，簡單概括為重要的節(jié)點，它指向的頁面也比較重要。PageRank是Google專有的算法，用于衡量特定網(wǎng)頁相對于搜索引擎索引中的其他網(wǎng)頁而言的重要程度。PageRank與HITS算法相似，也是將網(wǎng)頁之間的鏈接作為影響網(wǎng)頁權重的因素，不過算法不一樣，節(jié)點A指向節(jié)點B，即網(wǎng)頁A有一鏈接指向B，算法當成節(jié)點A對節(jié)點B的投票，節(jié)點的得票數(shù)越多，說明節(jié)點的重要性越高，它的權重也是越大。而TS-PageRank算法則是在PageRank算法的基礎上引入了主題相關性，不同主題有不同的側重程度，來實現(xiàn)PageRank的擴展，提高查詢頁面時結果的準確性。IC Model(獨立級聯(lián)模型)采用貪心算法找到一個能是傳播最大化的原始子集，傳播過程中，節(jié)點A有一定的概率影響與之相鄰的節(jié)點B，節(jié)點之間的傳播是獨立，最終得到用戶傳播的原始子集。

發(fā)明內(nèi)容

為了更為客觀、準確的評價在線學習系統(tǒng)中用戶的聲譽，本發(fā)明提出了一種聲譽計算方法，該算法不僅可以客觀的計算在線學習系統(tǒng)中用戶的聲譽值，而且實現(xiàn)系統(tǒng)的激勵機制，激勵用戶多參與系統(tǒng)的活動。