大数据时代的到来,为在线教育带来了前所未有的机遇.如何有效利用机遇实现在线教育变革,是当前大数据应用重点关注的问题.数据分析技术为军事职业教育学习平台提供了技术支持与服务保障,围绕学生、教师、管理员的在线教育服务不断变革、创新,数据分析应用逐渐在线学习平台中发挥重要作用.本文以在线教育数据应用现状研究分析为基础,展开军事职业教育数据分析平台应用研究,并对军事职业教育数据分析平台的应用发展方向提出思考.

随着信息技术的发展和在线教育的展开,人们逐渐从信息匮乏的时代走入了信息过载的时代,如何将海量课程资源与用户需求进行匹配成为一大难题.面向职业教育学习平台,研究基于协同过滤算法的个性化课程推荐模型,分别提出基于用户的推荐模型UserCF和基于对象的推荐模型ItemCF,并引入多进程思想优化模型训练效率.其研究成果应用在某职业教育学习平台,取得较好的效果.

在线教育在军事职业教育中具有十分重要的地位.文章紧扣军事职业教育创新发展,结合军事职业教育队伍建设和培训中存在的问题,提出依托军事职业教育平台构建在线教育技能认证课程体系,拟定了课程内容和模块化组织方法,并探讨了在线课程教学组织与实践的效果.

2019年全军评选出了40门军事职业教育精品在线开放课程,对于建立有军队特色的现代精品在线课程具有重要的参考价值.通过分析研究课程建设过程中表现出的优势与存在的问题,提出相关改进建议,期望对下阶段开展军事职业教育在线开放课程建设提供一定参考.

鉴于疫情期间线下考试开展的困难性,以及高校课程的考试需求,设计并开发基于共享题库的云考试系统,用于组织远程在线考试.本文分析了该系统的功能设计和系统框架,介绍了组卷策略、数据库设计等关键技术的实现方式,并进行在线部署应用实践,上线结果表明该系统一定程度上解决了用户在线考试的需求,改善了用户的学习体验.

由于当前MOOC平台学习资源数量不断增长,检索引擎能否帮助用户准确定位其需要的课程对于用户体验而言意义重大.然而,当前国内主流MOOC平台的资源检索粒度较粗,用户难以针对想学习的某一具体知识点定位相关课程.鉴于此,提出了将知识图谱应用于MOOC平台资源检索的思路,并通过实体识别、关系分析、课程知识点发现等方法构建了面向MOOC数据的知识图谱,然后基于该图谱搭建了资源检索引擎.将该引擎与国防科技大学梦课平台进行了集成,并开展了用户调研以验证该引擎的有效性.实验结果表明,该引擎可有效针对知识点粒度进行资源检索,提升了用户使用体验.

MOOC是军事职业教育网络服务平台面向学习者提供的主要学习资源,需要规范化运营才能充分实现教学目标.文章结合军事职业教育平台的特色,研究了军事职业教育在线课程运营工作框架,分析了该平台上成功运营的《战争科学论》在线课程,总结提炼了改进军事职业教育在线课程运营工作的策略,以期促进课程运营工作充分贴合学习者需求,实现课程建设目标.

近年来,慕课作为互联网上出现的一种新型在线教育模式,由于其所具有的重要教育和社会意义,吸引了全球数以千万计的学习者在线学习.作为一项以学习者为中心的在线教育活动,深入研究慕课在线学习者在不同学习阶段的心理特征及其变化过程就显得非常重要.通过开展学习者心理分析研究,为慕课教育从业者改善教育资源设计和提高教学效率提供参考.本课题依托国防科技大学梦课平台,以在线问卷调查的方式,调查了梦课平台在2016年6月至2016年8月期间在线学习者群体的心理态势,从在线学习者的基本信息、 外部学习环境因素和内部学习动机因素三个方面开展心理问卷调查研究,结合梦课平台的军事领域特色,梳理了在线学习者的在线学习心理特质并对存在的问题提出了建议.

文章以国防科学技术大学梦课平台选课人数最多的8门MOOC课程数据为基础,抽取了课程因素等三个维度、共计40余项学习数据开展辍课预测问题研究.首先,文章分析了各门课程中对预测辍课最有帮助的行为数据;其次,文章根据分析结果,选取11项行为数据训练多元线性回归和神经网络两种预测模型,实验结果表明针对不同课程建立不同的预测模型对学习者进行辍课预测的准确率平均达到90%以上.这一结果对预警学习者辍课从而实施教师干预,最终提高MOOC课程中完成课程的学习者比例带来帮助.

紧扣慕课课程内涵与特点,在分析现有数字教学资源评价标准的基础上,提出了慕课课程的主观与客观评价相结合的综合评价方法、评价标准以及指标计算公式,通过对一批在线课程的综合评价实践,验证了文章提出的评价方法和标准具有一定的合理性和科学性.

文章紧扣MOOC的内涵与特点,在分析已有的网络课程、多媒体教材等数字资源评价标准的基础上,提出了MOOC的主观评价与客观评价相结合的综合评价方法、评价标准以及客观评价中各指标的计算公式,以期能对MOOC建设和评价提供更多的参考依据.

选取哈佛大学和麻省理工学院联合发布的edX平台开放数据和国防科学技术大学MOOC教育平台数据作为研究基础,通过数据的处理、整合、分析,从平台、课程、学习者类型三个方面针对中美MOOC学习者学习行为进行分析,并从学习者类型出发,指出当下热点问题MOOC“高辍学率”的影响因素.

MOOC作为一种新兴的网络教育模式，对于建立符合我军特色的现代军事职业教育模式具有重要的参考价值。借鉴MOOC理念，国防科学技术大学自主开发了梦课学习平台为全军官兵提供远程开放学习服务，进而积累了海量的官兵学习行为数据。分析官兵的在线学习行为数据，对洞悉学习者的在线学习规律、改进教师的课程建设质量和提升平台的教学组织管理能力，具有重要的作用。本文从部队官兵在梦课学习平台的选课学习、成绩考核和互动交流3个行为方面分析总结了部队MOOC学习者的行为特征，对院校和部队开展基于MOOC平台的军事职业教育有一定的启发。

梦课学习平台是承载全军数十万名乃至数百万名官兵开放课程的在线学习平台，本文阐述了平台从原型系统选型到技术路线、系统架构设计等发展过程中的技术与实践。

游戏化学习近年来已经成为学术界和工业界研究实践的热点，但是其在高等教育领域，尤其在MOOC平台上的应用才刚刚起步。军队作为组织性、纪律性强，网络环境相对独立的群体，如何依托游戏化学习，激励参学官兵广泛参学，是当前面临的一大挑战。国防科学技术大学在军队网络上搭建了MOOC平台——梦课学习平台，设计了一种线上线下结合的游戏化学习模型，开展了探索实践，并取得了初步成效。

MOOC架构下的学习具有自组织和自适应的特点，学习者难以像传统课堂学习一样具有较高的持续性，课程学习退出率居高不下。本文基于对MOOC学习活动模型的分析，针对教师、学习者、MOOC平台三大主体提出了5类学习促进策略：资源策略、社交策略、情感策略、服务策略和机制策略，有助于增强学习者的教学体验，保持学习的黏度，提高MOOC课程学习的完成率。

Environment-Driven adaptation is an important means ensuring software integrity.Confronted with scenarios not anticipated during the developmental stage,the predefined adaptability of the software should be adjusted to ensure that its behavior agree with the users' expectation.The premise of this kind of adjustment are efficient software engineering mechanisms.Based on the principles of the Separation of Concerns and the Dynamic Software Architecture(DSA) technology,this paper proposes a component model named ACOE(adaptive component model for open environment) that supports the online fine-grained adjustment to software adaptability.ACOE encapsulates adaptation concerns,such as sensing,decision,and execution into components,and connectors,and then supports their dynamic configuration with the DSA technology.As a result,a third-party can adjust the adaptability by selectively upgrading it when necessary.An ACOE container prototype and experimental applications are implemented to validate this approach.

The adaptability feature of pervasive computing brings about a series of new challenges which have to be resolved on the software platform layer,such as how to define the architecture of pervasive applications,how to provide common services necessary to the adaptation of upper-layer applications and how to adapt the platform to the multi-dimensional resource-constrained environments.Confronted with those challenges,this paper introduces the Autonomic Unit concept,which abstracts the devices and resources in the pervasive computing environments and takes adaptability as an inherent property.Based on this concept,we present the architecture of a self-adaptive pervasive computing software platform UbiStar,and present its design and implementation.The mechanisms to support adaptive software in UbiStar are concluded,and the related works are compared.