周云霞 栗磊 高新成 王燕 盧青

摘 要 大數(shù)據(jù)環(huán)境為高校教育治理提出了新的挑戰(zhàn)，信息技術(shù)與高等教育不斷融合，教學(xué)內(nèi)容開放化，教師角色復(fù)雜化，學(xué)習(xí)形式個(gè)性化和靈活化，教育數(shù)據(jù)多元化和密集化等，這些因素對(duì)學(xué)情分析與教學(xué)質(zhì)量評(píng)價(jià)提出了新的要求。將學(xué)情分析與教學(xué)質(zhì)量評(píng)價(jià)有效結(jié)合，構(gòu)建大數(shù)據(jù)環(huán)境下具有智能預(yù)測(cè)的多元化、智能化、個(gè)性化和數(shù)據(jù)化的學(xué)情分析與教學(xué)質(zhì)量評(píng)價(jià)體系模型，分為特征數(shù)據(jù)提取層、學(xué)情分析機(jī)制層、策略調(diào)整反饋層等三個(gè)層次，能夠促進(jìn)教學(xué)改革，有效提升教學(xué)水平，增強(qiáng)學(xué)校核心競(jìng)爭(zhēng)力。

關(guān)鍵詞 大數(shù)據(jù) 學(xué)情分析 質(zhì)量評(píng)價(jià)中圖分類號(hào)：G642 ? ? 文獻(xiàn)標(biāo)識(shí)碼：ADOI：10.16400/j.cnki.kjdks.2019.04.008

Abstract The big data environment has posed new challenges for university education governance， such as the continuous integration of information technology and higher education， the openness of teaching content， the complexity of teachers' roles， the individualization and flexibility of learning forms， the diversification and denseness of educational data， etc. These factors have put forward new requirements for the analysis of learning conditions and the evaluation of teaching quality. Effective combination of learning situation analysis and teaching quality evaluation can construct a multi-dimensional， intellectualized， personalized and data-based model of learning situation analysis and teaching quality evaluation system under large data environment， which can be divided into three levels： feature data extraction level， learning situation analysis mechanism level and strategy adjustment feedback level. It can promote teaching reform， effectively improve teaching level and enhance learning， and strengthen school core competitiveness.

Keywords big data; learning situation analysis; quality evaluation

1 學(xué)情分析內(nèi)涵

國(guó)內(nèi)外古代先賢們?cè)岢觥耙虿氖┙獭薄熬裰a(chǎn)術(shù)”“自然教育論”“尊重天性”等教育思想，[1]這些思想雖然都沒有提出學(xué)情分析的真正內(nèi)涵，但是都隱喻教育要根據(jù)自然規(guī)律尋找個(gè)性化的教育方法。近現(xiàn)代，國(guó)內(nèi)的研究者認(rèn)為學(xué)情分析在廣義上是指對(duì)學(xué)生的所有情況的分析，狹義上是指對(duì)學(xué)生在學(xué)習(xí)方面有何特點(diǎn)、學(xué)習(xí)方法怎樣、習(xí)慣怎樣、興趣如何，成績(jī)?nèi)绾蔚确矫娴姆治?，?guó)內(nèi)的研究更看重獨(dú)立性、實(shí)用性，設(shè)計(jì)理念包括教學(xué)方法和學(xué)法指導(dǎo)，以及教學(xué)設(shè)想的分析;在西方有關(guān)學(xué)情分析的解釋有多種：Analyze Student（分析學(xué)生）、Learners Characters（學(xué)習(xí)者特征）、Analyze Learners（分析學(xué)習(xí)者）等，更看重教學(xué)過程的系統(tǒng)性、融合性，將教學(xué)內(nèi)容分析、課堂互動(dòng)、評(píng)價(jià)與反思等融入到教學(xué)過程中。本文主要是對(duì)教師教學(xué)、學(xué)生生活與學(xué)習(xí)行為進(jìn)行分析。

2 大數(shù)據(jù)在教育行業(yè)中的應(yīng)用現(xiàn)狀

目前，大數(shù)據(jù)在教育領(lǐng)域的應(yīng)用主要集中在學(xué)習(xí)分析、行為檔案、管理服務(wù)、教學(xué)科研等方面。一些高校已經(jīng)形成了協(xié)同可持續(xù)的智慧化管理與導(dǎo)引發(fā)展新模式。目前，在線學(xué)習(xí)、網(wǎng)上課堂、MOOCs、教學(xué)評(píng)價(jià)系統(tǒng)、教務(wù)管理系統(tǒng)、校園卡系統(tǒng)等多種信息化平臺(tái)得到廣泛應(yīng)用，為數(shù)據(jù)成爆炸性增長(zhǎng)創(chuàng)造了空間。這些數(shù)據(jù)具有數(shù)據(jù)量大、速度快、類型多、價(jià)值高四大特點(diǎn)，利用這些數(shù)據(jù)，探尋新的知識(shí)，服務(wù)于教學(xué)，為領(lǐng)導(dǎo)提供決策分析已成為當(dāng)下必然趨勢(shì)。據(jù)調(diào)查，目前我國(guó)在應(yīng)用大數(shù)據(jù)進(jìn)行學(xué)情分析方面的還不多，主要集中在用戶行為分析方面;國(guó)外主要是利用深度挖掘技術(shù)，預(yù)測(cè)學(xué)生未來學(xué)習(xí)情況。[2，3]

3 大數(shù)據(jù)分析的多層模型

大數(shù)據(jù)分析多層模型自下而上共分為五個(gè)層次：元數(shù)據(jù)層、數(shù)據(jù)倉庫層、數(shù)據(jù)探索層、數(shù)據(jù)挖掘?qū)印?shù)據(jù)展示層。元數(shù)據(jù)層主要是將各種各樣的數(shù)據(jù)通過ETL（Extract Transform Load）進(jìn)行抽取、轉(zhuǎn)換、加載到數(shù)據(jù)倉庫。數(shù)據(jù)倉庫是一個(gè)存放大量數(shù)據(jù)的物理空間，方便對(duì)數(shù)據(jù)進(jìn)行分析。數(shù)據(jù)探索層是數(shù)據(jù)的核心層，利用統(tǒng)計(jì)學(xué)中的相關(guān)指標(biāo)，對(duì)數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，實(shí)現(xiàn)一些目標(biāo)比較明確、計(jì)算方法比較清楚的統(tǒng)計(jì)分析。數(shù)據(jù)挖掘比數(shù)據(jù)分析難度要高，分析目標(biāo)不清楚、實(shí)現(xiàn)方法不確定。數(shù)據(jù)展示層是把數(shù)據(jù)分析和數(shù)據(jù)挖掘得出來的結(jié)果通過圖表、報(bào)表展現(xiàn)出來，可以直觀的看到結(jié)果，以便決策。

4 學(xué)情分析與教學(xué)質(zhì)量評(píng)價(jià)體系模型

4.1 模型概述

參照大數(shù)據(jù)分析的多層模型，整合校園中各業(yè)務(wù)系統(tǒng)的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，依托Hadoop生態(tài)系統(tǒng)，運(yùn)用數(shù)據(jù)分析與挖掘技術(shù)，構(gòu)建起大數(shù)據(jù)環(huán)境下的學(xué)情分析與教學(xué)質(zhì)量評(píng)價(jià)體系模型。該模型以保證信息安全為基礎(chǔ)，建立在多維時(shí)空之上，以大數(shù)據(jù)作為環(huán)境支撐，依托個(gè)性心理學(xué)、學(xué)習(xí)分析理論和大學(xué)生事務(wù)管理學(xué)等相關(guān)理論，[4]實(shí)現(xiàn)業(yè)務(wù)的智能化趨勢(shì)預(yù)測(cè)和教學(xué)策略調(diào)整，為教學(xué)、服務(wù)和管理等提供科學(xué)的數(shù)據(jù)支持。在多維時(shí)空中，每個(gè)維度對(duì)應(yīng)于不同的評(píng)價(jià)指標(biāo)，每個(gè)評(píng)價(jià)指標(biāo)都有相應(yīng)的數(shù)據(jù)庫提供數(shù)據(jù)支撐，通過相關(guān)的數(shù)據(jù)庫，對(duì)學(xué)生的行為數(shù)據(jù)進(jìn)行分類匯聚，運(yùn)用大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)對(duì)離散點(diǎn)分析和聚類分析，形成更加科學(xué)合理的綜合教學(xué)評(píng)價(jià)體系。[5]以往的學(xué)情分析模型很少涉及教學(xué)質(zhì)量評(píng)價(jià)，本文將學(xué)情分析與教學(xué)質(zhì)量評(píng)價(jià)相融合，一是利用學(xué)情分析結(jié)果為教師提供良好的數(shù)據(jù)參考，在一定程度上促進(jìn)教學(xué)改革;二是學(xué)生的各種行為數(shù)據(jù)展示的結(jié)果也能很好的反映教師的教學(xué)策略是否適應(yīng)個(gè)性化的需求，既互相影響又互相促進(jìn);三是使得模型在業(yè)務(wù)流程上更加完整。

模型大致分為三個(gè)層次：特征數(shù)據(jù)提取層、學(xué)情分析機(jī)制層、策略調(diào)整反饋層。每個(gè)層次都有具體的功能，三個(gè)層次互相依托，形成完整的數(shù)據(jù)和業(yè)務(wù)流程。下面對(duì)各個(gè)模塊做簡(jiǎn)要介紹。

（1）特征數(shù)據(jù)提取層通過Hadoop生態(tài)系統(tǒng)的分布式文件系統(tǒng)（HDFS）將各類離散的數(shù)據(jù)進(jìn)行分布式存儲(chǔ)，數(shù)據(jù)具有多樣性，可以從多個(gè)維度對(duì)學(xué)生的學(xué)生基本信息、課堂學(xué)習(xí)、課外學(xué)習(xí)、校園生活、以及娛樂等情況進(jìn)行分析，多維度的數(shù)據(jù)為教師提供了豐富有效的數(shù)據(jù)資源，為教師調(diào)整教學(xué)方案提供了準(zhǔn)確而科學(xué)的依據(jù)。

（2）學(xué)情分析機(jī)制層是模型的核心層，具有承上啟下的作用。特征數(shù)據(jù)通過抽取、轉(zhuǎn)換和加載后進(jìn)入該層，有些特征數(shù)據(jù)需要通過數(shù)據(jù)挖掘算法進(jìn)入個(gè)性化反饋機(jī)制，[6]反饋結(jié)果經(jīng)過自適應(yīng)推薦機(jī)制直接作用給學(xué)生;有些特征不確定的就要通過數(shù)據(jù)挖掘模塊，經(jīng)過聚類分析、關(guān)聯(lián)分析以及頻繁模式樹等算法計(jì)算后進(jìn)入智能趨勢(shì)預(yù)測(cè)模塊，再通過Nodejs或者Echarts等技術(shù)展示給教師、管理者還有家長(zhǎng)，比如課堂學(xué)習(xí)情況就要通過多個(gè)數(shù)據(jù)庫關(guān)聯(lián)分析，多個(gè)維度的結(jié)果都要以可視化的方式展示出來，只有這樣，關(guān)注者才能直觀的看到數(shù)據(jù)的真正價(jià)值，也更加科學(xué)合理。

（3）策略調(diào)整反饋層主要是對(duì)教學(xué)目標(biāo)和教學(xué)策略進(jìn)行調(diào)整。根據(jù)可視化展示結(jié)果，家長(zhǎng)、教師以及管理者能清晰的從不同維度看到學(xué)生的真實(shí)情況，從而用科學(xué)的數(shù)據(jù)指導(dǎo)教學(xué)、改進(jìn)教學(xué)，促進(jìn)教師的專業(yè)化發(fā)展。教師具有雙重角色，一是受評(píng)價(jià)者，受到來自學(xué)生、同行、專家以及管理者從課程建設(shè)、教學(xué)狀態(tài)、學(xué)生情況、科研水平四個(gè)角度的評(píng)價(jià);二是評(píng)價(jià)者，對(duì)自己的教學(xué)策略進(jìn)行評(píng)價(jià)，學(xué)生的多維空間展示結(jié)果可以很好的印證教學(xué)策略是否適合個(gè)性化的教育需求。雙重角色賦予教師不同的使命：一是更好的制定個(gè)性化教學(xué)目標(biāo)以適應(yīng)開放式互聯(lián)網(wǎng)空間教學(xué)模式;二是提升自己的專業(yè)教學(xué)水平與科學(xué)研究能力。

4.2 關(guān)鍵技術(shù)概述

（1）聚類和相關(guān)性挖掘是模型中重要的數(shù)據(jù)挖掘方法。通過多維空間提取關(guān)于學(xué)生的學(xué)生基本信息、課堂學(xué)習(xí)、課外學(xué)習(xí)、校園生活、以及娛樂等多種多樣的數(shù)據(jù)。數(shù)據(jù)雖然種類繁多，但都是圍繞學(xué)生的生活和學(xué)習(xí)，具有一定的邏輯關(guān)系，采用聚類和相關(guān)性挖掘技術(shù)可以更加準(zhǔn)確的了解到學(xué)生的學(xué)習(xí)和生活習(xí)慣，從而為校園管理提供更好的科學(xué)依據(jù)。聚類的關(guān)鍵是如何將大量的數(shù)據(jù)按照相似的特點(diǎn)劃分成不同的子集，并且讓不同的子集之間的相關(guān)性很小，教師和管理者都可以通過這些子集制定更加具有針對(duì)性的教學(xué)和管理方案。關(guān)聯(lián)分析能夠更好的判定學(xué)生的行為趨向，如通過學(xué)生的消費(fèi)數(shù)據(jù)可以分析學(xué)生的消費(fèi)水平，根據(jù)消費(fèi)的情況可以尋找貧困學(xué)生并加以資助等，這些實(shí)際的應(yīng)用對(duì)于學(xué)校的細(xì)節(jié)化管理都會(huì)有所幫助。

（2）智能趨勢(shì)預(yù)警是模型的關(guān)鍵部分，不僅為學(xué)生提供課程學(xué)習(xí)預(yù)警，同時(shí)也為教師、家長(zhǎng)以及管理者提供不同的警示信息。趨勢(shì)預(yù)警利用了數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則和回歸分析方法，對(duì)大量數(shù)據(jù)的分析可以了解學(xué)生所選課程的相關(guān)性，了解學(xué)生的學(xué)習(xí)情況，從而為學(xué)生推薦選課方案;可以根據(jù)預(yù)測(cè)哪些是學(xué)生經(jīng)?！皰炜啤钡恼n程;可以預(yù)測(cè)學(xué)生的后續(xù)課程情況;可以預(yù)測(cè)哪些學(xué)生不適合選擇的課程;可以跟蹤學(xué)生的成績(jī)情況，并預(yù)測(cè)學(xué)生的綜合測(cè)評(píng)，預(yù)測(cè)學(xué)生的推免情況。家長(zhǎng)通過可視化模型可以隨時(shí)督促孩子調(diào)整學(xué)習(xí)狀態(tài);教師可以了解學(xué)生的整體趨勢(shì)情況，如哪部分學(xué)生對(duì)教學(xué)方案適應(yīng)的好，是否需要調(diào)整教學(xué)方案，如何調(diào)整教學(xué)方法等，從而制定科學(xué)合理的個(gè)性化教學(xué)方案;管理者可以根據(jù)學(xué)生趨勢(shì)預(yù)警情況，提前調(diào)整管理辦法，以應(yīng)對(duì)有可能發(fā)生的風(fēng)險(xiǎn)。

5 結(jié)束語

大數(shù)據(jù)環(huán)境為高校教育治理提出了新的挑戰(zhàn)，教學(xué)環(huán)境進(jìn)入云空間，教學(xué)內(nèi)容更加開放，教師角色更加復(fù)雜化，這些因素都對(duì)學(xué)情分析與教學(xué)評(píng)價(jià)提出了新的要求。運(yùn)用大數(shù)據(jù)技術(shù)對(duì)學(xué)情分析進(jìn)行智能挖掘與智能預(yù)測(cè)還有更廣闊的發(fā)展空間。未來，我們要用智慧的手段幫助教師和管理者形成快速和科學(xué)的決策，真正實(shí)現(xiàn)教育管理智慧化。

黑龍江省高等教育教學(xué)改革研究項(xiàng)目“高校本科教學(xué)質(zhì)量保障體系建設(shè)的研究與實(shí)踐”（SJGY20170024）

參考文獻(xiàn)

[1] 毛耀忠，張銳.西方學(xué)情分析研究：源起、現(xiàn)狀及走向[J].外國(guó)中小學(xué)教育，2017（7）：1-8.

[2] SOUTHAVILAY V，YACEF K，REIMANN P，et al.Analysis of collaborative writing processes using revision maps and probabilistic topic model[C].Proceedings of the Third International Conference on Learning Analytics and Knowledge.ACM，2013：38-47.

[3] FERGUSON R，SHUM S B.Social learning analytics：five approaches[C]. Proceedings of 2nd International Conference on Learning Analytics and Knowledge.ACM，2012：23-33.

[4] 萬宏建，李賽強(qiáng).大學(xué)生事務(wù)管理學(xué)[M].北京：人民出版社，2014.

[5] 李有增，曾浩.基于學(xué)生行為分析模型的高校智慧校園教育大數(shù)據(jù)應(yīng)用研究[J].中國(guó)電化教育，2018（7） ：33-38.

[6] 李強(qiáng)，趙晨杰，羅先錄.基于大數(shù)據(jù)應(yīng)用技術(shù)的學(xué)情分析系統(tǒng)架構(gòu)分析與設(shè)計(jì)[J].軟件工程，2018（5） ：34-37.