上一篇文章介绍过葡萄牙学者Dias et al.（2017）的文章——计算机支持的概念图制作&Moodle支持的交互和协作。该文是基于Dias & Diniz（2013）的交互质量（QoI）开展的实证研究。

那么，Dias & Diniz（2013）的交互质量（QoI）具体如何呢？一起来看一下。

作者认为：高等教育中使用LMS能为学习者提供丰富的学习环境，能基于社交建构主义（social constructivist）理论开展混合学习。评估混合学习的有效性（efficacy ）的关键因素在于学习者与LMS的交互质量（quality of interaction，QoI）。交互质量一直难以量化。

因此，本文介绍了一个可以将交互质量进行量化的模型——FuzzyQoI。这个工具基于模糊逻辑构念（fuzzy logic construct）而构建，能用于评估混合学习环境下，师生与LMS之间的交互质量。

这个FuzzyQoI 模型体现为一个5级的模糊推理系统（fuzzy inference system），该系统含110个LMS变量（metric/variable）。这110个变量是学习者在LMS上的学习活动，作为输入数据。作者将这110个变量归为12类，作为经过编纂的数据输入（codified input），该系统内存储了600位专家的模糊规则（fuzzy rule）（见下图）。

本文通过在高等教育的5门混合学习课程（持续51周）中验证了FuzzyQoI的应用效果，受试包括75位教授和1037位学生。

结果显示：FuzzyQoI 模型能够高效地辨识各种交互差异，包括：LMS交互趋势、相关、分布、LMS使用时长的依赖情况[包括：用户依赖组（user-dependent）和用户独立组（user-independent）。]

结论：

FuzzyQoI 模型能被用于更好地了解和解释一些内隐的因素如何影响混合学习中学习者与LMS的交互行为。

这篇文章学到如下三新：

新知识：

1. 模糊逻辑（fuzzy logic，FL）
2. 模糊系统（fuzzy system，FS）

新方法：

1. 使用Matlab的Mathwork软件计算教师和学生的交互情况
2. Moodle上的110种学习活动。
3. 上述110种学习活动的归类方法。归为12类（见上图最左边的12个分类），分别是：

• Journal/Wiki/Blog/Form
• Forum/Discussion/Chat
• Submission/Report/Quiz/Feedback
• Course Page
• Module
• Post/Activity
• Resource/Assignment
• Label
• Upload
• Update
• Assign
• Edit/Delete

新联系：

这篇文章的算法太复杂，我就不挑战了。

但是，我可以借鉴他的110中Moodle活动归类和对这些活动的12种归类方法，来研究师生与LMS的交互。

但是，没有了算法，我又该如何分析呢？

我是否可以借鉴Cerezo et al. (2016) 的分析方法？

文章信息：

Dias, S. B., & Diniz, J. A. (2013). FuzzyQoI model: A fuzzy logic-based modelling of users’ quality of interaction with a learning management system under blended learning. Computers & Education, 69, 38-59.

Cerezo, R., Sanchez-Santillan, M., Paule-Ruiz, M. P., Núnez, J. C. (2016). Students’ LMS interaction patterns and their relationship with achievement: A case study in higher education. Computers & Education, 96, 42-54.