大规模在线协同学习的机理与方法研究

The MOOCs have significantly increased scale of online education, bringing a grand challenge on how to achieve both goals of personalized learning and development of practice competency at a large scale. In order to address the challenge, it is necessary to leverage collective intelligence in a similar way as Open Source Software communities for promoting students to participate in project development of massive online collaborative learning on the Internet. Focusing on Internet based crowd learning, the proposal aims at studying the models of large-scale personalized learning and acquisition, examining the emergence mechanism of collective intelligence and collaboration methods in crowd learning, and verifying the findings in the case study of online software engineering education. From the perspectives of both individual and crowd, we plan to investigate the model of personal learning acquisition, requirement-driven self-adaptive intelligent tutoring, organization patterns and collaboration model of crowd learning as well as emergence analysis. We are going to develop an online platform for massive online collaborative learning and practices to support relevant educational applications and empirical studies. The research is of significant values to exploring massive open online education and to improving its quality and effectiveness.

当前以慕课为代表的大规模在线开放教育面临二方面重大挑战：如何针对大量学习主体的特点开展个性化学习、如何在传授知识的同时强化实践能力培养。项目借鉴开源软件社区的群体化思想，依托互联网学习平台，采用互助和社群的组织方式以及群体在线协同的学习途径，以解决上述挑战。项目以基于互联网的群体学习为背景，面向软件开发技术在线学习和实践的需求，围绕大规模个性化学习的内在机理和习得模型、大规模群体化学习的协同方法和智慧涌现机理二方面科学问题，从个体和群体二个不同层次，研究基于学习大数据的个人习得特征分析、群体学习的组织模式和协同机制及其涌现分析、需求驱动的自适应导学机制与方法，建立支持软件开发技术大规模在线协同学习和实践的平台，并结合实际的软件工程教学开展应用实践与实证研究。该工作对于探索大规模在线协同学习的规律、提高其效用和质量具有重要意义和价值。

项目以基于互联网的群体学习为背景，借鉴开源社区的群体化思想，围绕大规模个性化学习的内在机理和习得模型、大规模群体化学习的协同方法和智慧涌现机理两个重大科学问题，从个体和群体两个层次，研究基于学习大数据的个人习得特征分析、群体学习的组织模式和协同机制及其涌现分析、需求驱动的自适应导学机制与方法，建立支持软件开发技术大规模在线协同学习和实践平台，并结合实际的软件工程教学开展应用实践与实证研究。.项目研究主要成果包括：.（1）项目提出基于xAPI的学习行为数据收集和处理框架，形成了包含各类学习行为的海量数据集；基于可解释性的深度学习和贝叶斯网络方法，建立面向不同规模、线上/线下混合式学习情景的个人习得时序预测模型；研究编程作业自动聚类和纠错算法，自动识别学生对编程中知识点掌握情况。.（2）项目解释群体化开发社区和问答社区的协作机理，提出群体化学习模型；针对群体化学习软件开发社区，研究开发社区代码质量贡献机理与保证方法，提出代码质量问题自动修复方法，构造Fork摘要的生成方法；针对群体化学习问答社区，研究游戏化激励机制对用户动机与贡献行为的影响，提出了问题审阅人的推荐方法、社区群体智能涌现分析方法等。 .（3）项目提出综合“路径规划+智能问答+学伴推荐”的自适应导学方法，解决大规模在线学习中的个性化辅导问题。研究面向开放式在线学习过程的知识追踪方法，结合知识内在语义形成的知识图谱，构造个性化学习路径规划和推荐方法；研究阅读理解的问题自动生成和查询结果的解释方法，提出基于群体智能的作业互评方法，实现支撑在线学习的作业自动答疑和智能评阅。.（4）项目开发大规模在线协同学习的支撑工具和服务，构建在线协同学习平台知士荟、在线实践教学平台EduCoder,形成万人规模的学习社区，覆盖全国几十所高校，开展面向能力导向的大规模在线软件教学实践与实证研究。.项目研究对于揭示大规模在线协同学习的机理、提高其效用和质量具有重要意义和价值。