基于大数据分析的MOOC智能自主学习系统设计
马莲姑 杜锋 黄寿孟
摘 要： 为了提高网络课程教学自主学习平台的稳定性和资源利用效率，提出一种基于大数据分析的大型开放式网络课程（MOOC）智能自主学习系统设计方法。进行MOOC智能自主学习系统的总体设计描述和功能模块化分析，系统设计包括MOOC学习资源检索模块、信息处理模块和人机交互模块，采用Android操作系统进行MOOC智能自主学习系统的底层模块设计，基于大数据分析技术进行海量MOOC自主学习资源检索设计，在MVB总线控制协议下进行进程管理和文件配置，实现学习系统的软件开发设计。软件测试结果表明，该自主学习系统进行海量MOOC学习资源大数据处理的稳定收敛性较好，鲁棒性较高。
关键词： 大数据分析； 大型开放式网络课程； 自主学习； 系统设计
中图分类号： TN711?34； TP311 文献标识码： A 文章编号： 1004?373X（2017）20?0064?03
Abstract： In order to improve the stability and resource utilization efficiency of autonomous learning platform for network course teaching， a design method of massive open online course （MOOC） intelligent autonomous learning system based on large data analysis is presented. The overall design description and the functional module analysis of the MOOC intelligent autonomous learning system are conducted in this paper. The system is composed of MOOC learning resource retrieval module， information processing module and human?computer interaction module. Android operating system is adopted to design the bottom module of MOOC intelligent autonomous learning system. The massive MOOC autonomous learning resources retrieval design is realized based on big data analysis technology. The process management and file configuration are performed according to the MVB bus control protocol to implement software development and design of the learning system. The software testing results show that the autonomous learning system has high stability and strong robustness for large data processing of MOOC learning resources.
Keywords： big data analysis； massive open online courses； autonomous learning； system design
0 引 言
在网络教育和远程现代化教学不断升级和普及的当今社会，采用远程网络自主学习是人们进行课程教学和自我学历提升的一种主要方式，大型开放式网络课程（Massive Open Online Courses，MOOC）的出现有效满足了人们对知识文化和课程学习的个性化需求。随着互联网技术和多媒体远程教学技术的发展，通过智能地自主學习系统设计，并通过网络和现代化媒体进行教学资源传输以及共享，实现远程网络学习和教育，提高自主学习的有效性，改善当前教学资源分布不均衡的现状[1]。因此，研究MOOC这中开放式教学模式下的智能自主学习系统设计方法在促进大型开放式网络课程教学资源优化配置方面具有重要意义，相关的自主学习系统设计方法研究受到人们的重视。本文提出一种基于大数据分析的大型开放式网络课程（MOOC）智能自主学习系统设计方法，通过软件系统设计和仿真测试，得出有效性结论。
1 系统总体设计描述与功能构成
本文设计的基于大数据分析的MOOC智能自主学习系统采用开源代码交互性设计方法。首先给学习用户终端装载一张电子标签卡，进行用户的身份识别和个性化自主学习定制。采用非接触式的射频识别技术激活电子标签，写入大型开放式网络课程的自主学习资源信息。基于AV890网络服务链接协议进行自主学习用户的身份、学科信息以及学习集成等信息的智能感知，实现自主学习系统的反馈控制[2]。采用MUC主控系统进行自主学习系统的集成控制，设计系统驱动程序进行上位机通信与信息交互，最后在人机交互终端进行学习进程管理和文件配置，实现MOOC网络课程智能化配置和学习资源的自动更新，MOOC智能自主学习的总体系统构架如图1所示。
根据上述设计原理和自主学习系统的总体设计构架，进行MOOC智能自主学习系统的功能模块化分析，在自主学习系统的移动智能终端，通过4G和WiFi网络进行数据传输，在控制中心把学习资源上传到统一的接口，与移动智能终端进行通信[3]。综上分析，得到本文设计的系统功能模块主要包括了MOOC学习资源检索模块、信息处理模块和人机交互模块。其中，学习资源的信息检索模块主要实现的是学习资源智能检索、数据库访问和大数据挖掘功能，信息处理模块是通过智能算法进行大数据分析，实现MOOC智能自主学习资源的调度和访问控制，人机交互模块是实现信息交互和人机对话功能，并根据用户身份和学习需求进行进程管理配置。系统功能模块构成如图2所示。
2 系统软件设计
在Android操作系统下进行自主学习系统的软件开发与设计，采用嵌入式的Bootloader驱动模块进行MOOC智能自主学习系统的底层模块设计，调用进程管理程序。基于大数据分析技术进行海量MOOC自主学习资源检索设计，根据ROMFS文件系统执行进程管理、设备管理、网络管理，MOOC智能自主学习系统的一个组件使用post关键字mach?mini2440.c进行编译[4?5]。利用Busybox的安装脚本进行MOOC智能自主学习系统的工程管理应用程序开发，在程序开发之前，进行中断位控制设计和根文件系统配置。通过VME总线或局部总线传输技术进行信息采集，结合上述设计原理，对MOOC学习资源检索模块、信息处理模块和人机交互模块的软件设计分布描述如下：
2.1 MOOC学习资源检索模块
MOOC学习资源检索模块选用AOSID?1709型号的阅读器进行学习资源检索，当电子标签信息的初始状态Flag=0时，调整执行命令进行标签识别，资源检索模块部分的GUI类窗口主要分为主窗口、标准对话框、基本控件窗口，构建包括日期、时间以及链表等自主学习信息的标准控件。在可视化的界面下进行应用程序的框架设计和图形用户界面开发，开发工具选择上层的API嵌入式设计方法，采用MVB总线控制协议的总线传输技术进行组件式的架构[6]。通过接口将不同组件联接起来，通过高层次的主动消息组件（Active Message）执行自主学习命令，实现MOOC资源调用，学习资源检索的实现进程如图3所示。
2.2 信息处理模块
信息处理模块作为MOOC智能自主學习系统的主控模块，实现信息处理和大数据分析功能，采用大数据挖掘技术进行大数据分析和信息处理，采用Android操作系统发送命令给相关 I/O引脚，并以字节为单位与上层组件无线消息包交互，并在MVB总线控制协议下进行进程管理和文件配置。在TinyOS 2.x中调用TaskBasic.postTask（）任务的TaskBasic（）.runTask（）事件触发自主学习系统的TaskBasic接口程序，在标准的TinyOS调度程序下进行语义声明网络协议库开发。信息处理模块的操作系统体系结构主要包括通信库、协议库、核心库和资源库，如图4所示，而信息处理模块的TinyOS组件库包括网络协议库、传感器驱动库。通过硬件抽象组件对底层硬件进行调试和平台库开发，使用unique（）函数初始化运行任务，进行MOOC智能自主学习的大数据管理和学习资源调度。
3 系统测试分析
对MOOC智能自主学习系统的软件测试建立在开放源码的Linux操作系统上，系统测试主要完成Linux内核的裁剪与编译、根文件系统的配置。系统主程序的编写采用linux内置的TCP/IP协议栈，底层模块连接网络的API接口，串口读取代码basecomm：（class SerialComm ： public BaseComm），使用两个进程来进行读写TCP服务进程和数据分发缓存进程，两个进程函数是：readerThread和writerThread，在TCP服务进程中，ServerThread负责客户端的连接，进行自主学习系统资源的内存管理与资源配置。最后在调试器和嵌入式模拟仿真环境中进行系统调试，以系统响应的鲁棒性曲线为测试指标，得到测试结果如图5所示。分析图5结果得知，本文设计的自主学习系统具有较好的鲁棒性响应能力，收敛性较好，而传统模型的振荡较大，导致自主学习系统稳定性不好，本文方法有效解决了这一问题，提高了系统的稳定性。
4 结 语
本文提出一种基于大数据分析的大型开放式网络课程智能自主学习系统设计方法。进行MOOC智能自主学习系统的总体设计描述和功能模块化分析，系统设计包括了MOOC学习资源检索模块、信息处理模块和人机交互模块。采用Android操作系统进行MOOC智能自主学习系统的底层模块设计，基于大数据分析技术进行海量MOOC自主学习资源检索设计，在MVB总线控制协议下进行进程管理和文件配置，实现学习系统的软件开发设计。软件测试结果表明，该自主学习系统进行海量MOOC学习资源大数据处理的稳定收敛性较好，鲁棒性较高，具有较好的系统稳定性。
参考文献
[1] 戴圣法，魏庆国，魏中海，等.基于回溯搜索算法的导联选择脑机接口研究[J].现代电子技术，2016，39（13）：10?14.
[2] 陆兴华，吴恩燊.基于安卓客户端的智能家居电力控制优化设计[J].电力与能源，2015，35（5）：692?695.
[3] 杨照峰，王启明，吕海莲.基于任务延迟的云计算资源调度算法研究[J].计算机测量与控制，2014，22（2）：499?502.
[4] 匡桂娟，曾国荪.一种基于时分复用的云资源管理方法[J].同济大学学报（自然科学版），2014，42（5）：782?789.
[5] 张敏，金龙旭，李国宁，等.基于TDICCD空间相机图像模拟源系统设计[J].液晶与显示，2016，31（2）：208?214.
[6] 牛冲丽，王涛.基于物联网的大型公共建筑能耗监测与节能服务[J].物联网技术，2015，5（7）：29?31.
摘 要： 为了提高网络课程教学自主学习平台的稳定性和资源利用效率，提出一种基于大数据分析的大型开放式网络课程（MOOC）智能自主学习系统设计方法。进行MOOC智能自主学习系统的总体设计描述和功能模块化分析，系统设计包括MOOC学习资源检索模块、信息处理模块和人机交互模块，采用Android操作系统进行MOOC智能自主学习系统的底层模块设计，基于大数据分析技术进行海量MOOC自主学习资源检索设计，在MVB总线控制协议下进行进程管理和文件配置，实现学习系统的软件开发设计。软件测试结果表明，该自主学习系统进行海量MOOC学习资源大数据处理的稳定收敛性较好，鲁棒性较高。
关键词： 大数据分析； 大型开放式网络课程； 自主学习； 系统设计
中图分类号： TN711?34； TP311 文献标识码： A 文章编号： 1004?373X（2017）20?0064?03
Abstract： In order to improve the stability and resource utilization efficiency of autonomous learning platform for network course teaching， a design method of massive open online course （MOOC） intelligent autonomous learning system based on large data analysis is presented. The overall design description and the functional module analysis of the MOOC intelligent autonomous learning system are conducted in this paper. The system is composed of MOOC learning resource retrieval module， information processing module and human?computer interaction module. Android operating system is adopted to design the bottom module of MOOC intelligent autonomous learning system. The massive MOOC autonomous learning resources retrieval design is realized based on big data analysis technology. The process management and file configuration are performed according to the MVB bus control protocol to implement software development and design of the learning system. The software testing results show that the autonomous learning system has high stability and strong robustness for large data processing of MOOC learning resources.
Keywords： big data analysis； massive open online courses； autonomous learning； system design
0 引 言
在网络教育和远程现代化教学不断升级和普及的当今社会，采用远程网络自主学习是人们进行课程教学和自我学历提升的一种主要方式，大型开放式网络课程（Massive Open Online Courses，MOOC）的出现有效满足了人们对知识文化和课程学习的个性化需求。随着互联网技术和多媒体远程教学技术的发展，通过智能地自主學习系统设计，并通过网络和现代化媒体进行教学资源传输以及共享，实现远程网络学习和教育，提高自主学习的有效性，改善当前教学资源分布不均衡的现状[1]。因此，研究MOOC这中开放式教学模式下的智能自主学习系统设计方法在促进大型开放式网络课程教学资源优化配置方面具有重要意义，相关的自主学习系统设计方法研究受到人们的重视。本文提出一种基于大数据分析的大型开放式网络课程（MOOC）智能自主学习系统设计方法，通过软件系统设计和仿真测试，得出有效性结论。
1 系统总体设计描述与功能构成
本文设计的基于大数据分析的MOOC智能自主学习系统采用开源代码交互性设计方法。首先给学习用户终端装载一张电子标签卡，进行用户的身份识别和个性化自主学习定制。采用非接触式的射频识别技术激活电子标签，写入大型开放式网络课程的自主学习资源信息。基于AV890网络服务链接协议进行自主学习用户的身份、学科信息以及学习集成等信息的智能感知，实现自主学习系统的反馈控制[2]。采用MUC主控系统进行自主学习系统的集成控制，设计系统驱动程序进行上位机通信与信息交互，最后在人机交互终端进行学习进程管理和文件配置，实现MOOC网络课程智能化配置和学习资源的自动更新，MOOC智能自主学习的总体系统构架如图1所示。
根据上述设计原理和自主学习系统的总体设计构架，进行MOOC智能自主学习系统的功能模块化分析，在自主学习系统的移动智能终端，通过4G和WiFi网络进行数据传输，在控制中心把学习资源上传到统一的接口，与移动智能终端进行通信[3]。综上分析，得到本文设计的系统功能模块主要包括了MOOC学习资源检索模块、信息处理模块和人机交互模块。其中，学习资源的信息检索模块主要实现的是学习资源智能检索、数据库访问和大数据挖掘功能，信息处理模块是通过智能算法进行大数据分析，实现MOOC智能自主学习资源的调度和访问控制，人机交互模块是实现信息交互和人机对话功能，并根据用户身份和学习需求进行进程管理配置。系统功能模块构成如图2所示。
2 系统软件设计
在Android操作系统下进行自主学习系统的软件开发与设计，采用嵌入式的Bootloader驱动模块进行MOOC智能自主学习系统的底层模块设计，调用进程管理程序。基于大数据分析技术进行海量MOOC自主学习资源检索设计，根据ROMFS文件系统执行进程管理、设备管理、网络管理，MOOC智能自主学习系统的一个组件使用post关键字mach?mini2440.c进行编译[4?5]。利用Busybox的安装脚本进行MOOC智能自主学习系统的工程管理应用程序开发，在程序开发之前，进行中断位控制设计和根文件系统配置。通过VME总线或局部总线传输技术进行信息采集，结合上述设计原理，对MOOC学习资源检索模块、信息处理模块和人机交互模块的软件设计分布描述如下：
2.1 MOOC学习资源检索模块
MOOC学习资源检索模块选用AOSID?1709型号的阅读器进行学习资源检索，当电子标签信息的初始状态Flag=0时，调整执行命令进行标签识别，资源检索模块部分的GUI类窗口主要分为主窗口、标准对话框、基本控件窗口，构建包括日期、时间以及链表等自主学习信息的标准控件。在可视化的界面下进行应用程序的框架设计和图形用户界面开发，开发工具选择上层的API嵌入式设计方法，采用MVB总线控制协议的总线传输技术进行组件式的架构[6]。通过接口将不同组件联接起来，通过高层次的主动消息组件（Active Message）执行自主学习命令，实现MOOC资源调用，学习资源检索的实现进程如图3所示。
2.2 信息处理模块
信息处理模块作为MOOC智能自主學习系统的主控模块，实现信息处理和大数据分析功能，采用大数据挖掘技术进行大数据分析和信息处理，采用Android操作系统发送命令给相关 I/O引脚，并以字节为单位与上层组件无线消息包交互，并在MVB总线控制协议下进行进程管理和文件配置。在TinyOS 2.x中调用TaskBasic.postTask（）任务的TaskBasic（）.runTask（）事件触发自主学习系统的TaskBasic接口程序，在标准的TinyOS调度程序下进行语义声明网络协议库开发。信息处理模块的操作系统体系结构主要包括通信库、协议库、核心库和资源库，如图4所示，而信息处理模块的TinyOS组件库包括网络协议库、传感器驱动库。通过硬件抽象组件对底层硬件进行调试和平台库开发，使用unique（）函数初始化运行任务，进行MOOC智能自主学习的大数据管理和学习资源调度。
3 系统测试分析
对MOOC智能自主学习系统的软件测试建立在开放源码的Linux操作系统上，系统测试主要完成Linux内核的裁剪与编译、根文件系统的配置。系统主程序的编写采用linux内置的TCP/IP协议栈，底层模块连接网络的API接口，串口读取代码basecomm：（class SerialComm ： public BaseComm），使用两个进程来进行读写TCP服务进程和数据分发缓存进程，两个进程函数是：readerThread和writerThread，在TCP服务进程中，ServerThread负责客户端的连接，进行自主学习系统资源的内存管理与资源配置。最后在调试器和嵌入式模拟仿真环境中进行系统调试，以系统响应的鲁棒性曲线为测试指标，得到测试结果如图5所示。分析图5结果得知，本文设计的自主学习系统具有较好的鲁棒性响应能力，收敛性较好，而传统模型的振荡较大，导致自主学习系统稳定性不好，本文方法有效解决了这一问题，提高了系统的稳定性。
4 结 语
本文提出一种基于大数据分析的大型开放式网络课程智能自主学习系统设计方法。进行MOOC智能自主学习系统的总体设计描述和功能模块化分析，系统设计包括了MOOC学习资源检索模块、信息处理模块和人机交互模块。采用Android操作系统进行MOOC智能自主学习系统的底层模块设计，基于大数据分析技术进行海量MOOC自主学习资源检索设计，在MVB总线控制协议下进行进程管理和文件配置，实现学习系统的软件开发设计。软件测试结果表明，该自主学习系统进行海量MOOC学习资源大数据处理的稳定收敛性较好，鲁棒性较高，具有较好的系统稳定性。
参考文献
[1] 戴圣法，魏庆国，魏中海，等.基于回溯搜索算法的导联选择脑机接口研究[J].现代电子技术，2016，39（13）：10?14.
[2] 陆兴华，吴恩燊.基于安卓客户端的智能家居电力控制优化设计[J].电力与能源，2015，35（5）：692?695.
[3] 杨照峰，王启明，吕海莲.基于任务延迟的云计算资源调度算法研究[J].计算机测量与控制，2014，22（2）：499?502.
[4] 匡桂娟，曾国荪.一种基于时分复用的云资源管理方法[J].同济大学学报（自然科学版），2014，42（5）：782?789.
[5] 张敏，金龙旭，李国宁，等.基于TDICCD空间相机图像模拟源系统设计[J].液晶与显示，2016，31（2）：208?214.
[6] 牛冲丽，王涛.基于物联网的大型公共建筑能耗监测与节能服务[J].物联网技术，2015，5（7）：29?31.
