李敏　陳小莉

摘 要：通過大數(shù)據(jù)分析，教育管理者能夠通過學習平臺全面地記錄、跟蹤、掌握不同學習者的學習特點、學習需求、學習基礎(chǔ)和學習行為，從而為不同的學習者建立學習模型，打造“個性化”的學習空間，并利用大數(shù)據(jù)分析結(jié)果動態(tài)地推薦學習路徑、學習資源。推動實現(xiàn)“因材施教”。建立合理的自適應在線學習分析模型是大數(shù)據(jù)技術(shù)在教學平臺實現(xiàn)的基礎(chǔ)。

關(guān)鍵詞：大數(shù)據(jù) 自適應 學習平臺 學習分析模型

中圖分類號：G71 文獻標識碼：A 文章編號：1672-3791（2018）02（c）-0169-03

大數(shù)據(jù)、移動互聯(lián)網(wǎng)等信息新技術(shù)的出現(xiàn)，將遠程教育、在線學習提升到一個空前矚目的階段?，F(xiàn)在普遍使用的網(wǎng)絡(luò)學習平臺有 Blackboard、Web CT、Moodle、Sa Kai、Learning Space等[1]，這些學習平臺注重教師課程管理和教學管理，能夠為學習者提供學習服務(wù)，但千篇一律的學習界面，學習活動順序和學習資源難以調(diào)動學生的學習內(nèi)源驅(qū)動力，學習效果往往不能達到期望值。隨著大數(shù)據(jù)技術(shù)的引入，使遠程教育的規(guī)模化和個性化達到統(tǒng)一平衡[2]。通過大數(shù)據(jù)分析，教育管理者能夠通過學習平臺全面地記錄、跟蹤、掌握不同學習者的學習特點、學習需求、學習基礎(chǔ)和學習行為，從而為不同的學習者建立學習模型，打造“個性化”的學習空間，并利用大數(shù)據(jù)分析結(jié)果動態(tài)地推薦學習路徑、學習資源[3]。由此可見，大數(shù)據(jù)分析能夠推動實現(xiàn)“因材施教”。

1 大數(shù)據(jù)分析及應用現(xiàn)狀

大數(shù)據(jù)技術(shù)能夠從海量數(shù)據(jù)中找出有價值的數(shù)據(jù)，其核心并不在“大量”，而在于“價值”。當前大數(shù)據(jù)技術(shù)的商業(yè)應用在中國已經(jīng)非常普及，百度、阿里、騰訊、優(yōu)酷、美團等，都采用它并取得了較好的商業(yè)效果。

大數(shù)據(jù)技術(shù)引入到教育領(lǐng)域勢必帶來教育新變革。在教育中采用大數(shù)據(jù)可以對學習者在學習過程中的努力程度、學習態(tài)度、智力水平、領(lǐng)域能力、交互協(xié)作等多維度進行測量，通過深層次挖掘有價值數(shù)據(jù)信息，揭示其內(nèi)在的學習規(guī)律。在線學習平臺通過大數(shù)據(jù)可以打造“個性化”學習空間，成為一種新型的自適應學習平臺。

我們認為，大數(shù)據(jù)在教育領(lǐng)域應用現(xiàn)狀與期望值還有較大的差距。在國內(nèi)，大數(shù)據(jù)技術(shù)并沒有廣泛應用于在線學習，究其原因，在于現(xiàn)今沒有一個公認的科學合理的自適應在線學習分析模型作為技術(shù)實現(xiàn)的基礎(chǔ)，這是我們本文研究的目的。

2 基于大數(shù)據(jù)的個性化自適應在線學習分析模型研究

2.1 基于大數(shù)據(jù)的個性化自適應學習過程結(jié)構(gòu)

美國《通過教育數(shù)據(jù)挖掘和學習分析促進教與學》簡報中給出了學習者自適應學習結(jié)構(gòu)及數(shù)據(jù)流程[4]。該結(jié)構(gòu)包含六大模塊：內(nèi)容傳遞模塊、學習者數(shù)據(jù)庫、預測模塊、顯示

模塊、自適應模塊、干預模塊。我們以此為參考結(jié)合我?，F(xiàn)狀設(shè)計出如圖1所示的學習過程結(jié)構(gòu)：

該結(jié)構(gòu)以傳統(tǒng)“在線學習平臺”為業(yè)務(wù)核心，增加“大數(shù)據(jù)分析模塊”和“個性化學習推薦引擎”，構(gòu)成了“基于大數(shù)據(jù)分析的個性化自適應平臺”，另外引入我?！皻v史數(shù)據(jù)庫”參與大數(shù)據(jù)分析，提高數(shù)據(jù)分析的價值。

2.1.1 歷史數(shù)據(jù)庫

重慶電大建校近30年來，現(xiàn)有學員11萬人，開設(shè)本科、專科課程上千門，擁有豐富的歷史數(shù)據(jù)，經(jīng)過數(shù)據(jù)挖掘，其結(jié)果可以基本反映在線學習的普適特征。

2.1.2 在線學習平臺

重慶電大擁有重慶電大開放學習平臺、重慶成人教學平臺、Moodle平臺等眾多在線學習平臺，這些平臺均能提供學習內(nèi)容（知識點、案例、測試、練習等可視化信息），能管理、維護、傳遞學習內(nèi)容與評價給學習者，以支持學習者的學習行為。這些平臺對應了電大不同時期、不同層次的教學任務(wù)，反映了不同的在線學習特征（學歷教育、繼續(xù)教育等）。在線學習平臺的數(shù)據(jù)存放在“在線數(shù)據(jù)庫”里，在特定時期進入“歷史數(shù)據(jù)庫”。

2.1.3 大數(shù)據(jù)分析模塊

大數(shù)據(jù)分析模塊將來自“歷史數(shù)據(jù)庫”的數(shù)據(jù)、“在線數(shù)據(jù)庫”的在線學習行為數(shù)據(jù)和課程歷史數(shù)據(jù)經(jīng)大數(shù)據(jù)方法分析，便能得到基于本課程的個人學習行為特點及預測結(jié)果。

2.1.4 個性化學習推薦引擎

根據(jù)大數(shù)據(jù)分析結(jié)果和預測結(jié)果給學習者推薦他們感興趣的學習內(nèi)容、形成學習路徑，推薦學習序列。

2.2 基于大數(shù)據(jù)的個性化自適應學習模型的設(shè)計

本研究以大數(shù)據(jù)分析為契機，設(shè)計出基于學習環(huán)境、學習分析、學習參與者、學習策略、目標等5個層次構(gòu)建的個性化自適應在線學習分析模型，如圖2所示。

2.2.1 學習環(huán)境

自適應學習是一種個性化的學習，它不是獨立的學習系統(tǒng)，需要學習環(huán)境中有良好的組織反饋。這里的學習環(huán)境包含了學習資源、學習平臺、學習工具等，其中不僅有專用的自適應學習平臺，還有學習所依賴的外部環(huán)境，如各種社交媒體（博客、維基）等。學習參與者通過各種交互在學習環(huán)境中產(chǎn)生海量數(shù)據(jù)，經(jīng)過大數(shù)據(jù)分析可以為預測、學習干預、處理學習行為提供依據(jù)。

2.2.2 學習分析

學習分析不僅針對自適應學習平臺，還針對與它相關(guān)的系統(tǒng)及相應的歷史數(shù)據(jù)，如我校其它學習平臺的歷史數(shù)據(jù)通過大數(shù)據(jù)分析可以產(chǎn)生具有普適特征的學生學習行為定義，可以成為自適應學習平臺的基本行為定義模板。大數(shù)據(jù)分析方法主要采用統(tǒng)計法、知識可視化、個性化推薦、數(shù)據(jù)挖掘和社會網(wǎng)絡(luò)分析等。

2.2.3 學習參與者

學習參與者包括學習的主體學習者、還有可以指導學習者學習、進行學習干預的教師、管理人員以及學習平臺自身（如自適應學習平臺中的信息推送直接參與了學習過程）。

2.2.4 學習策略

在自適應性學習系統(tǒng)中，學習者一般采用三種學習策略，如傳授式、探索式和協(xié)作式[5]，我們主要采用協(xié)作式學習策略。不同的學習參與者通過學習策略來實現(xiàn)協(xié)作。

2.2.5 目標

這里的目標指的是所有學習參與者均需要達到的目標。對系統(tǒng)平臺來說，自適應與個性化推薦是兩個最重要的實現(xiàn)目標。自適應是學習者主動地適應遠程學習方式，實現(xiàn)學習者自我組織，制定并執(zhí)行學習計劃、自主選擇學習策略，對學習進行自我評估；個性化推薦是系統(tǒng)主動向?qū)W習者注入資源的學習方式：通過大數(shù)據(jù)分析結(jié)果實施相應的教學策略，適應性呈現(xiàn)個性化、可視化的學習路徑、學習資源、同伴、工具等[1]。

3 基于大數(shù)據(jù)的個性化自適應在線學習平臺實現(xiàn)

基于以上的設(shè)計思想，我們以Moodle平臺為基礎(chǔ)開發(fā)了相應的自適應學習平臺。如圖3所示，可以看到當學生單元測試成績不理想時，系統(tǒng)會自動為學生推送新的學習序列。

4 結(jié)語

基于大數(shù)據(jù)分析的自適應在線學習平臺能夠?qū)崿F(xiàn)真正的“因材施教”，不同的學習者可以采用不同的學習策略，通過平臺自適應功能創(chuàng)造不同的學習情境，滿足“個性化學習”的需要。我們通過對自適應在線學習過程及學習分析模型的研究，開發(fā)出了基于大數(shù)據(jù)分析的自適應在線學習平臺，在實際應用中取得了較好的效果。

參考文獻

[1] 姜強.自適應學習系統(tǒng)支持模型與實現(xiàn)機制研究[D].長春：東北師范大學，2012.

[2] US Depart of Education， Office of Educational Technology.Expanding Evidence Approaches for Learning in a Digital World[EB/OL].

[3] 姜強，趙蔚.自適應學習系統(tǒng)述評及其優(yōu)化機制研究[J].現(xiàn)代遠距離教育，2011（6）：57-63.

[4] Enhancing Teaching and Learning through EducationalData Mining and Learning Analytics [DB/OL].

[5] 余勝泉.適應性學習-遠程教育發(fā)展的趨勢[J].開放教育研究，2000（3）：12-15.