米春橋， 彭小寧， 趙嫦花， 黃隆華， 唐錦濤

1 背景介紹

在新的信息社會時代，傳統(tǒng)教育模式已經(jīng)不能適應現(xiàn)代教育的需要，傳統(tǒng)教育在培養(yǎng)目標上，按統(tǒng)一模式培養(yǎng)所有學生，重知識傳遞輕能力發(fā)展，不利于具備創(chuàng)新思維與能力的創(chuàng)造型人才的成長；在教學內(nèi)容上，教材是學生的唯一學習內(nèi)容，是學生知識的主要來源；在教學方法上，是注入式、滿堂灌，只研究教師如何教，不重視學生如何學，考試主要靠死記硬背，不利于調(diào)動學生的學習積極性[1]；在教學形式上，只是課堂一個渠道，單一化、模式化，忽視因材施教和課堂外渠道；在師生關系上，重教師作用，教師是主動的施教者，忽視學生的主動性，學生是知識傳授對象，是外部刺激的被動接受者[2].因此，傳統(tǒng)教育具有一定的保守性和封閉性，不能很好地滿足學生的能力發(fā)展需求，也不能讓學生適應新時代創(chuàng)新型人才發(fā)展的需要.

個性化教育是現(xiàn)代教育理念積極倡導的教育模式，它以學生的發(fā)展需求為中心，以學生的個性差異為基礎，強調(diào)尊重學生的個性發(fā)展，基于大數(shù)據(jù)的個性化學習是根據(jù)學生在學習過程中產(chǎn)生的行為數(shù)據(jù)分析而實施的有針對性的適合個體特征需要的個性化的自主學習方式.相比于傳統(tǒng)學習方式，基于大數(shù)據(jù)的個性化學習方式一方面讓文字、音頻、視頻、鏈接等多媒體資源都能拿來制作豐富的教學內(nèi)容，其趣味性和形象性都有很大的提高，另一方面對每位學生所提供的學習資源都是專門針對學生個體差異而設計的，能最大程度地滿足學生的真實需要，尊重其個性能力發(fā)展，而傳統(tǒng)的教學模式采用一刀切的教學方法，完全忽略了受教育者的個性發(fā)展需求.基于大數(shù)據(jù)的個性化學習方案是在已有的學習管理平臺基礎上增加數(shù)據(jù)分析和相應的預測模塊，根據(jù)學生在平臺上產(chǎn)生的相關特征數(shù)據(jù)，對學生個性特征進行比對分析，及時了解學生的學習時間、學習風格、登錄情況、測試結果、問題反饋，并預測學習中薄弱的知識環(huán)節(jié)及相關危機風險，為學生及時調(diào)整學習策略提供建議方案，從而為學習者提供更全面、更適合自己的個性化學習服務[3].

2 現(xiàn)狀分析

美國教育部發(fā)布的《通過教育數(shù)據(jù)挖掘和學習分析促進教與學》報告，指出目前教育領域中大數(shù)據(jù)的應用主要有教育數(shù)據(jù)挖掘和學習分析兩大方向[4].利用教育數(shù)據(jù)挖掘進行教育數(shù)據(jù)分析，從大數(shù)據(jù)中提取價值的技術主要有：預測、關系挖掘、聚類、模式發(fā)現(xiàn)等，可以極大地促進大學生個性化學習資源的構建、個性化學習共同體的建立和個性化學習風格的形成，并為大學生提供個性化學習服務和為教師制定個性化教學方案提供較為準確的依據(jù)[5].因此，教育大數(shù)據(jù)挖掘有利于促進個性化教育的具體實現(xiàn)[6].

然而要真正實現(xiàn)個性化教育，首先，需要對學生的個體差異有充分的了解，即個性化教育的前提基礎是對學生個性特征的全面了解與認知，相關的研究如大數(shù)據(jù)時代下量化自我支持的個性化學習研究[7].其次，需要有豐富的與學生個體特征相適應的學習資源服務，相關的研究如關于大數(shù)據(jù)的智慧型個性化學習服務研究[8-10].最后，對個性化學習效果的檢驗，還需要有個性化的學習評價方法，相關的研究如利用多元化的方法和手段，采用適合于學習者的個體學習特點的評價方式，對學習者的學習過程和學習結果進行科學、個性化的評價，以最大限度地促進具有不同個性特征的學習者自主、創(chuàng)造性的發(fā)展[11，12].然而當前的相關研究大都是針對個性化教育的某一個環(huán)節(jié)的論述，缺乏對個性化教育整體方法體系的探索與研究，本文利用現(xiàn)代信息技術，基于學情大數(shù)據(jù)分析，設計與構建了一套完整的個性化學習方案體系，有利于促進個性化教育理念的實踐與發(fā)展.

3 方案設計

3.1 學生個性特征認知方案設計

個性化學習需要建立在對學生個體特征充分認知的基礎之上，包括學生的學習目標、風格、興趣、偏好、習慣、動機、過程行為等都需要事先了解清楚才能開展有針對性的個性化學習服務，據(jù)此本文設計的學生個性特征認知方案如圖1所示，具體包括如下四個方面.

（1）學生個性特征數(shù)據(jù)規(guī)劃.結合各學校關于數(shù)據(jù)收集基礎設施條件的差異，基于心理學關于學生的感知方式、知覺風格、理性水平等有關理論，構建最能體現(xiàn)學生個體個性化特征的有關數(shù)據(jù)指標，從而為學生個性認知指明具體需要用到哪些相關數(shù)據(jù)，比如：學生的家庭背景、學籍、歷史成績、個人學習習慣、課程學習行為過程數(shù)據(jù)以及學生對某一知識點學習時間長短的記錄數(shù)據(jù)等.

（2）學生個性特征數(shù)據(jù)收集.對高校的教務管理系統(tǒng)中關于學習過程、教學過程及教學管理過程的相關數(shù)據(jù)進行全面收集，整理并收集教學輔助系統(tǒng)和圖書館管理系統(tǒng)中的相關數(shù)據(jù)，采集可穿戴設備如智能手環(huán)等對學生行為活動感知所產(chǎn)生的數(shù)據(jù)以及在線學習系統(tǒng)對學生學習過程產(chǎn)生的數(shù)據(jù)等.然后將有關個人隱私的敏感數(shù)據(jù)進行脫敏處理后存入數(shù)據(jù)庫中.

圖1 學生個性特征認知方案圖

（3）學生個性特征數(shù)據(jù)處理.對收集到的相關基礎數(shù)據(jù)進行清洗加工處理，對其中的異常值進行檢測與標記、對缺失值依據(jù)相關的規(guī)則進行修補或者替換、剔除等處理，處理后得到精準的、有價值的高質量基礎數(shù)據(jù)，為學生的個性特征分析與挖掘提供基礎.

（4）學生個性特征分析與挖掘.基于學生基礎數(shù)據(jù)庫，采用聚類分析、回歸分析、概率預測等算法，利用相關軟件和自主編程相結合進行數(shù)據(jù)分析和挖掘建模，從而得出學生的個性特征.

3.2 個性化學習資源推薦方案設計

個性化學習的核心是不同的學生個體按需學習最符合自身需要的學習資源，達到最高效的學習時間利用與學習資源利用.因此利用現(xiàn)代信息技術，根據(jù)學生的個性特征與興趣需求模型進行對應的個性化學習資源推薦是實現(xiàn)個性化學習重要的環(huán)節(jié)之一.個性化學習資源推薦可以以學生的興趣需求為基礎，通過一定的修正模式，挖掘出學生的真正學習興趣，從而根據(jù)學生興趣為其推薦相應的學習資源.據(jù)此，本文在借鑒前人相關研究成果[13，14]的基礎之上，所采用的個性化學習資源推薦方案如圖2所示，具體可描述分為如下四個方面.

（1）由學生個性特征認知方法得到學生的個性特征信息，然后通過興趣識別算法分析出學生的興趣模式與興趣需求，基于學生的興趣需求進一步形成基礎的興趣模型A.

（2）在基礎的興趣模型A的基礎上，通過學生長期在網(wǎng)絡學習平臺上的活動，平臺模型將對學生的學習行為進行跟蹤、監(jiān)控和檢測，生成學生對于所接觸的學習資源及話題討論的動作日志，通過對日志的分析以及數(shù)據(jù)信息的轉換，利用關聯(lián)規(guī)則和聚類算法等數(shù)據(jù)挖掘技術得出學生的初步的興趣模型B.

（3）在初步的興趣模型B的基礎上，根據(jù)學生的進一步網(wǎng)上學習動作行為對模型B進行動態(tài)修正，從而得出改進的興趣模型C.這樣可以降低模型A的主觀因素干擾和模型B的噪聲干擾，盡量貼近學生的真實興趣.系統(tǒng)平臺模型將學習資源與興趣模型C進行關聯(lián)，找出學生真正感興趣的資源進而推薦給學生.學生在得到推薦結果后，系統(tǒng)模型將對推薦的結果進行判斷，如果學生對推薦的學習資源產(chǎn)生了進一步的收藏及下載等行為，則認為學生對系統(tǒng)模型的推薦結果是滿意的，系統(tǒng)模型將繼續(xù)推薦一些新的相關興趣模型C的學習資源.

（4）如果學生沒有對所推薦的資源進行點擊，或者只是進行了點擊的行為，但很快關閉了資源頁面，則認為所推薦的學習資源并不是學生感興趣或者真正需要的，那么系統(tǒng)模型將根據(jù)學生與系統(tǒng)平臺的互動行為對學生興趣模型C進行進一步的調(diào)整，并根據(jù)學生所在集體的相同群體特征的相似性原理，采用與該學生興趣最近的個體的興趣特點對學生興趣模型C進行進一步的增補與修剪，得到最終的興趣模型D，從而重新推薦一些相關的學習資源給學生，并保持繼續(xù)跟蹤學生的動態(tài)，最終形成對學生精準化的個性資源推薦.

3.3 學習行為與學情風險預警方案設計

圖2 個性化學習資源推薦方案圖

圖3 學習行為過程預警方法流程圖

為保證個性化學習的質量，必須對個性化學習的過程進行全程監(jiān)控，對學生有可能遇到的學業(yè)危機與風險進行提前預警，以幫助學生更好地認識自己的學習過程，在出現(xiàn)偏差時及時調(diào)整學習方式與策略，促進個性化學習質量的提高，體現(xiàn)個性化學習高效率的本質特征.據(jù)此，本文采用大數(shù)據(jù)的全樣本及關聯(lián)分析等數(shù)據(jù)分析技術，以學生課程表現(xiàn)等學情大數(shù)據(jù)為切入點，基于學生的個人基本信息（性別年齡等）、歷史基礎信息（高考成績等）、課程參與度信息（考勤等）、上課積極度信息（作業(yè)等）等課程全過程及學生全方位的數(shù)據(jù)信息的挖掘與關聯(lián)分析，設計構建了學習行為與學情風險預警方案，如圖3所示，對學生在學習全過程中的表現(xiàn)做出實時評價，并基于數(shù)據(jù)挖掘算法對學生的學業(yè)風險進行及時提示預警，以便學生及時調(diào)整相關學習方法與策略，提高學生學業(yè)成功率，增強學生學習自信心與自主力.具體包括如下五個方面.

（1）通過學生個性特征認知方法所收集到的數(shù)據(jù)經(jīng)過脫敏后進行集成與規(guī)范入庫，對收集到的基礎原數(shù)據(jù)進行清洗加工處理，對其中的異常值進行檢測與標記，對缺失的數(shù)據(jù)依據(jù)相關的規(guī)則和方法進行修補或替換、剔除等處理.

（2）采用相關分析、因子分析等方法結合定性分析與定量分析對影響學情風險的關鍵因素進行識別并計算其相關的特征值.

（3）基于關鍵因素及特征值，分別構建學業(yè)質量危險性、學習基礎脆弱性、學習風險適應力等學情風險衡量模型，并進行相關的量化計算.

（4）根據(jù)學業(yè)質量的危險性、學習基礎脆弱性、學習風險適應力等學習主體風險，結合課程內(nèi)容復雜性及課程往年掛科率等學習客體風險，結合學生歷史學情數(shù)據(jù)及當前的狀態(tài)數(shù)據(jù)，采用邏輯回歸、支持向量機、決策樹、樸素貝葉斯等數(shù)據(jù)挖掘算法構建學情綜合風險預警模型，并自主編程實現(xiàn)相關計算.

（5）根據(jù)學情模型計算得到的風險值的高低，分別建立紅、黃、綠三級警示信訊，并分別面向學生、教師、學校建立三級應對措施機制，確保警示信訊及時準確到達學生，并對學生如何采取補救措施提供建議方案.

3.4 多維度個性化學習評價方案設計

個性化學習結果的效益如何，同樣需要用個性化的學習評價方法進行分析.學習評價是對學生在學習系統(tǒng)中的學習過程與結果進行評定，多維度的學習評價從多個角度多個方面去評價學生的學習，個性化評價打破了傳統(tǒng)上評價標準單一且只注重學校、教師對學生校內(nèi)表現(xiàn)、考試成績等分值化的評價現(xiàn)狀.據(jù)此，本文設計的多維度個性化學習評價方案如圖4所示，具體包括如下三個方面.

圖4 多維度個性化學習評價方案圖

圖5 個性化學習綜合服務信息系統(tǒng)框架圖

（1）評價目標多樣化.看待一個學生的學習成果，并不單單只從分數(shù)這一個方面，而從平時成績、處理問題能力、思維方式、動手能力、心理狀況、身體狀況、交際能力等多個方面進行考察、分析與評價，有利于個性化人才的發(fā)現(xiàn)、成長與發(fā)展.

（2）評價方式多樣化.用學生自評、學生互評、家長評價、教師評價等方式進行多方面的評價[15].通過學生的自我評價，能夠較為清楚地了解學生對本人諸多學習行為的認識，促進學習者本人反思自我行為，并逐漸形成反思反饋機制，這種評價方式在很大程度上尊重了學生的個性發(fā)展，克服了過去教師的評價代表一切的一刀切式評價的缺陷；通過學生互評，可以地讓最熟悉評價對象的旁學者充分發(fā)表自己對同學的建議，形成更為中肯的評價意見，同學之間的互評還能一定程度上加強學生在學習過程中的參與感與互動性，通過評價他人達到更好地認識自我的效果；通過家長評價，可以準確地反饋學生在家中的學習情況，因此家長的反饋和輔助對于學習評價也是非常必要的；通過教師評價，可以在評價主體多元化的同時，兼顧教師評價的主體地位，便于形成對學生最直接的意見和建議措施.

（3）評價結果反饋化.通過數(shù)據(jù)庫技術實時記錄對評價結果的反饋，基于各種反饋的積累，形成更加精準和符合學生個體需要的學習資源推薦，促進學生更好的自主學習，同時又為下一次的評價提供了更好的基礎，從而形成評價與進步的良性循環(huán)效果.

3.5 個性化學習綜合服務信息系統(tǒng)設計

個性化教育的精準性與高效性必須借助現(xiàn)在信息系統(tǒng)作支撐才能實現(xiàn).因此，本文最后綜合學生個性特征認知、個性化學習資源推薦、學習行為與學情風險預警、多維度個性化學習評價等方案，結合大數(shù)據(jù)、數(shù)據(jù)庫、Ajax、可視化、消息推送等信息技術，基于HTML、CSS、JavaScript、J2EE等程序開發(fā)技術，設計了個性化學習綜合服務信息系統(tǒng)，如圖5所示.系統(tǒng)整體上包含四層架構，即用戶層、技術架構層、功能層和底層平臺層，系統(tǒng)的運行以學生的個性特征為前提，對具有不同學習特征的學生給予個性化資源推薦，并對學生的學習過程進行學情危機風險分析，制定相關的預警方案，在學習完成之后，建立完善的學生對教學和學習的反饋機制及多維度的個性化學習效果評價機制，從而為個性化學習所有環(huán)節(jié)提供信息技術支持與服務，提高個性化學習的效率.

4 總結與展望

本文在大數(shù)據(jù)的背景下提出了個性化學習方案的設計，并指出了基于大數(shù)據(jù)的個性化學習有利于解決傳統(tǒng)教育中存在的學習對象認知不充分、學習資源難以滿足個性需求、學情分析缺乏預警機制、學習評價方式單一、缺乏綜合信息系統(tǒng)支撐等問題，并有針對性地設計了各種具體的解決方案，有利于提高個性化學習的學習效率和學業(yè)成功率，有利于個性化人才的識別、培養(yǎng)與發(fā)展.未來隨著可穿戴設備、虛擬現(xiàn)實等新興信息技術的成熟及其在教育領域中的廣泛深入應用，可為教育研究提供更細致的學生個性化數(shù)據(jù)與學習過程化數(shù)據(jù)，加上大數(shù)據(jù)分析技術在教育數(shù)據(jù)挖掘中的進一步深入應用，可使本文所設計的個性化學習方案得到進一步的完善與實踐，從而實現(xiàn)更好地了解學生的個性特征、更精準地推薦個性化學習資源、更全面地了解學情風險、更客觀地評價學習成效等，促進基于大數(shù)據(jù)的個性化學習實踐，促進教育現(xiàn)代化與智慧化的發(fā)展.

[1]孫建.高中思想政治高效課堂之我見[J].劍南文學：經(jīng)典閱讀，2012（5）：235-235.

[2]楊恩浩.高效課堂的探索與實踐[J].語數(shù)外學習：高中語文教學，2014（3）：80-81.

[3]周清清，佘航，平萍.基于大數(shù)據(jù)評價的個性化學習平臺模式構建研究[J].中國教育信息化，2016（15）：13-15.

[4]胡弼成，王祖霖.“大數(shù)據(jù)”對教育的作用、挑戰(zhàn)及教育變革趨勢——大數(shù)據(jù)時代教育變革的最新研究進展綜述[J].現(xiàn)代大學教育，2015（4）：98-104.

[5]王盛.教育數(shù)據(jù)挖掘促進高校學生個性化學習途徑分析[J].考試周刊，2014（34）：176-176.

[6]馬德堅.大數(shù)據(jù)支持下的個性化教育實現(xiàn)[J].軟件導刊·教育技術，2016，15（2）：52-53.

[7]吳金紅.大數(shù)據(jù)時代量化自我支持的個性化學習研究[J].中國教育信息化，2015（19）：42-45.

[8]趙苗苗，陳琳.基于大數(shù)據(jù)的智慧型個性化學習服務研究[J].教育導刊，2015（10）：64-67.

[9]張雪燕.基于開放教育平臺的個性化學習服務系統(tǒng)研究[J].中國教育信息化，2016（1）：89-93.

[10]楊超.基于粒子群優(yōu)化算法的學習資源推薦方法[J].計算機應用，2014，34（5）：1350-1353.

[11]李星，楊瑾，肖夢雄，徐晴.基于網(wǎng)絡學習行為的個性化評價研究[J].電腦知識與技術，2012，8（3）：1704-1707.

[12]解冬青.網(wǎng)絡學習的個性化評價系統(tǒng)的研究與設計[D].上海：華東師范大學，2010.

[13]王倩.基于社交網(wǎng)絡模式的個體個性化學習資源的推薦方法研究[J].計算機光盤軟件與應用，2014（7）：50-50.

[14]田久樂.數(shù)字化終身學習中基于學習者興趣的個性化學習資源推薦機制研究[D].長春：東北師范大學，2012.

[15]李小玲.實踐中多維度發(fā)展型學生評價體系構建措施新探[J].理科考試研究（初中版），2016，23（3）：41-42.