摘 要：当前，微课资源正逐渐从重建设的阶段向应用与建设并重的阶段转化，随着资源越积越多，如何公正地评价资源、推动资源的有效应用与进化成为当前资源应用的先决条件。本文分析了一段时间内微课选择并选用这一过程的行为数据，提出了一种基于时间流的资源追踪使用的新评价方法，可以和其他的基于数据分析的评价结合，形成对一个资源全面的评价。
关键词：时间流；使用行为；微课；追踪评价
中图分类号：G40-058.1 文献标志码：A 文章编号：1673-8454（2018）01-0031-05
一、引言
1.课题的提出
微课（Micro Learning Resource），是指运用信息技术按照认知规律，呈现碎片化学习内容、过程及扩展素材的结构化数字资源（摘自百度百科）。主要特点有：①教学时间较短，一般长度为5～8分钟；②教学内容较少，主题突出。微课概念提出以后，得到了各级教育机构的大力追捧，并通过“微课大赛”等多种形式，成功建设了一大批微课资源。
根据网络搜索，我们发现对微课资源的评价方法，主要有两种，一种是专家评审的方法，多个专家分别对被评微课进行打分，汇总以后根据总分排名，以此来判断微课质量的高低好坏，此种形式最为常见；一种是基于数据的判断，即根据微课的点击量、收藏量来进行评价好坏，此方法在有平台作为支撑载体的情况下较为常见。此两种做法各有好坏，专家点评方法可能比较容易受到评委的主观判断影响；而基于点击量收藏的方法，从规则上很难避免拉人式的非正常点击或者收藏，进而影响到评价的客观公正性。
苏州园区教育局组织区内中小学教师在近5年的时间内建设了大量原创微课资源，随着承载平台易加互动学习平台的大规模推广使用，如何使用信息化的手段对微课资源进行合理有效的客观评价，方便广大教师的日常应用，是当务之急。使用大数据分析的方法，对平台上各种用户行为进行分析，挖掘出其中隐含的对资源评价的行为数据，并基于此进行微课资源的评价，成为一种较为可行的方法。
2.资源评价方法简述
当前，在线学习平台对资源的使用，主要的几种行为有观看、点赞、收藏、引用、下载、评论、投诉等。传统的基于用户行为的资源评价通常会聚焦在用户孤立的行为中，但我们发现，在一定的场景下，将用户的连续行为进行意义分析，将有助于我们更深度地挖掘蕴涵在用户行为中的资源评价意义，因此，我们提出了一种基于时间流的资源追踪关联性评价方法模型。时间流，按时间排序；基于时间流的资源追踪评价是指将使用者在某一段时间内对多个资源的所有操作行为按时间排序，分析出其中操作动作所隐含的评价倾向，并将倾向评价进行数字化处理，形成对资源客观评价的方法。
二、资源追踪评价模型算法
1.场景分析
基于时间流的资源追踪评价模型的建立基于如下典型场景：
某校四年级三班数学任课王老师明天要上《加法运算律及其简便计算》的课，现在要寻找一节合适的微课，加入到翻转课堂课前任务单中去。打开资源素材库，发现该章节下面有7个微课，仅从标题看，无法做判断。为了选择自己需要的，王老师跳着观看了这七个微课，几经对比，认为其中《应用加法运算律进行简便计算》是最符合当前所教班级具体情况的一个，所以王老师引用该资源到自己的课时中，并发布给学生课前先学。
在上述场景中，有几个明显的特点：①目的性，明确的目的，寻找自己需要的资源；②明确性，基于明确的主题，某一章节的课前先学；③结果性，最终结果是形成了对资源的引用。
我们进一步分析，可以发现几个隐藏的点：①选择是一个过程，会查看较多的同类资源；②整个过程是时间流式的，看完一个再看另外一个，看到满意的会进行引用、收藏等操作；③选择可能有几轮，每一轮都是前一轮的精选，直到最后选定一个；④在一个限定的时间内完成，在半个小时之内结束的实际可能性很大；⑤结论是一个被选中的微课视频。
2.指标提炼
我们先整理一下选择过程中所发生的动作：（见表1）
平台从观看开始，固定在素材每6秒的時刻记录一次播放行为，形成一维观看序列数组，保存形式如{1，1，1，0，0，1…}，1为观看，0为未观看。
覆盖率= ，如系统总长为8分13秒，每6秒为一个计数点，则视频总长度计算点数为83，若系统记录到了用户观看了其中的13个点的值为1，则覆盖率 == 0.157。一个点被记录两次（观看两次），在覆盖率计算时作为一次计算。
下降率=1-（不包含18秒），用于区别只观看了前面几秒就关掉的情况，值为0时，观看了全部视频；值为1时，18秒以后无观看记录。（见图1）
如图1所示：视频A在24秒以后共有17个记录点，观看数据总共记录了12个点，其下降率为0.29；视频B同样有17个点，观看数据总共记录了2个点，其下降率为0.88。下降率越大，则说明后半部分未看的比例越大。
基于上述简单的分析以后，我们可以进一步分析上述场景中隐含的对资源进行评价的过程：王老师按照系统的默认排序，大致浏览了每个素材微课，有了初步的判断，筛选出其中的2个（微课2和微
