|
|
|
# Coursera 视频间习题数据采集需求
|
|
|
|
|
|
|
|
## 网站描述
|
|
|
|
|
|
|
|
Coursera 是一个在线学习网站，网站上有大量的课程视频。为了保持学生注意力，很多视频中间会设置一道或几道练习题。如下例子：
|
|
|
|
|
|
|
|
这是机器学习课程中的一个视频，可以看到视频进度条上有一个黄色块：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
当视频播放到色块的位置时，视频上方会跳出一道题目：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
通过尝试可以得到正确答案及其解释：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
我们的目标就是爬取该网站教学视频中间的练习题的位置、题目、选项、答案和解析。
|
|
|
|
|
|
|
|
## 采集需求
|
|
|
|
由于网站需要注册、登陆、登记参加课程，才能访问每个视频，采集时不要求自动加入所有课程，只需要爬取尽可能多机器学习相关课程即可。具体而言，需要自己注册一个账户、并加入任意多门机器学习课程（[例子](https://www.coursera.org/learn/machine-learning/home/welcome)），将这些课程的教学视频的视频间习题相关信息采集得到。
|
|
|
|
|
|
|
|
## 数据格式
|
|
|
|
采集得到的数据要求为 json 格式，要求的字段及描述如下：
|
|
|
|
|
|
|
|
```javascript
|
|
|
|
[
|
|
|
|
{
|
|
|
|
name: "..." // 课程名
|
|
|
|
videoId: "...", // 视频id
|
|
|
|
questions: [ // 视频间习题列表
|
|
|
|
{
|
|
|
|
id: "48c58d91e8b4ba69e855527382fd0024" // 习题id
|
|
|
|
type: "mcq", // 习题类型，如 mcq 表示单选题
|
|
|
|
definition: "Suppose a friend ...", // 题面
|
|
|
|
options: [
|
|
|
|
{
|
|
|
|
id: "dccf33328b0e92882b98ad16cd4a7680", // 选项 ID
|
|
|
|
content: "A is $$\\alpha=0.1$$, B is ..." // 选项内容
|
|
|
|
},
|
|
|
|
...
|
|
|
|
],
|
|
|
|
answer: ["dccf33328b0e92882b98ad16cd4a7680"], // 答案，和选项 ID 对应，多选题可为列表
|
|
|
|
explanation: "In graph C, the cost function ...", // 答案解释
|
|
|
|
videoCuePoint: 411800 // 在视频中的位置 (ms)
|
|
|
|
},
|
|
|
|
...
|
|
|
|
]
|
|
|
|
},
|
|
|
|
...
|
|
|
|
]
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
## 评分标准
|
|
|
|
* 采集到5门以上机器学习课程全部视频间习题的内容、选项：1分
|
|
|
|
* 在上面的基础上采集到习题在视频中的位置：2分
|
|
|
|
* 在上面的基础上采集到答案和答案解释：3分 |
