唐春玲

摘 要：隨著大數(shù)據(jù)技術(shù)的飛速發(fā)展，將大數(shù)據(jù)嵌入在線學(xué)習(xí)平臺(tái)中，通過(guò)對(duì)學(xué)習(xí)平臺(tái)的大量學(xué)習(xí)行為數(shù)據(jù)進(jìn)行深度挖掘，分析出學(xué)生學(xué)習(xí)狀況和問(wèn)題，及時(shí)給予學(xué)習(xí)評(píng)價(jià)，然后根據(jù)分析結(jié)果反饋干預(yù)學(xué)習(xí)者，對(duì)其學(xué)習(xí)進(jìn)行個(gè)性化有效指導(dǎo)從而提高學(xué)習(xí)者的學(xué)習(xí)成效。本文從學(xué)習(xí)者學(xué)習(xí)風(fēng)格、知識(shí)模型、學(xué)習(xí)活動(dòng)序列進(jìn)行研究從而提出學(xué)習(xí)者評(píng)價(jià)模型。

關(guān)鍵詞：大數(shù)據(jù);學(xué)習(xí)風(fēng)格;學(xué)習(xí)風(fēng)格;學(xué)習(xí)活動(dòng)序列

中圖分類(lèi)號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）20-0024-02

0 引言

“大數(shù)據(jù)”一詞代表著信息技術(shù)發(fā)展進(jìn)入了一個(gè)新的時(shí)代。數(shù)據(jù)是記錄信息的載體，它能夠精準(zhǔn)、全面和及時(shí)地反映個(gè)人的思維、行為、情感和特性。在線學(xué)習(xí)平臺(tái)一方面提供了各種類(lèi)型的學(xué)習(xí)資源，另一方面也保存了大量的學(xué)習(xí)狀態(tài)行為的數(shù)據(jù)。隨著大數(shù)據(jù)技術(shù)的發(fā)展，對(duì)在線學(xué)習(xí)行為數(shù)據(jù)進(jìn)行有效挖掘，分析出學(xué)習(xí)者的學(xué)習(xí)特征和學(xué)習(xí)狀況，對(duì)學(xué)習(xí)者每模塊學(xué)習(xí)情況進(jìn)行分析評(píng)價(jià)，推送有助于學(xué)習(xí)者提高學(xué)習(xí)成效的學(xué)習(xí)資源，從而進(jìn)行個(gè)性化學(xué)習(xí)指導(dǎo)。利用現(xiàn)代化信息技術(shù)手段，滿(mǎn)足學(xué)生的差異認(rèn)知需求，對(duì)不同的學(xué)習(xí)者使用不同的學(xué)習(xí)路徑，每個(gè)人可以按照自己的特征進(jìn)行學(xué)習(xí)，從而實(shí)現(xiàn)因材施教。將大數(shù)據(jù)互聯(lián)網(wǎng)優(yōu)勢(shì)與在線學(xué)習(xí)相結(jié)合中建立基于大數(shù)據(jù)分析的學(xué)習(xí)者評(píng)價(jià)模型是重要的研究環(huán)節(jié)。

1 基于在線學(xué)習(xí)的學(xué)習(xí)者評(píng)價(jià)模型

在大數(shù)據(jù)與在線學(xué)習(xí)相結(jié)合過(guò)程中，建立基于大數(shù)據(jù)分析的學(xué)習(xí)者評(píng)價(jià)模型是重要的研究環(huán)節(jié)。模型中首先要對(duì)學(xué)習(xí)者建立特征模型，它記錄了學(xué)習(xí)者學(xué)習(xí)風(fēng)格、認(rèn)知水平、情感偏好和個(gè)體特征。

1.1 學(xué)習(xí)者特征的構(gòu)建

通過(guò)采集學(xué)習(xí)者學(xué)習(xí)相關(guān)數(shù)據(jù)和個(gè)人信息，確定其學(xué)習(xí)風(fēng)格。國(guó)際上已有很多關(guān)于學(xué)習(xí)者學(xué)習(xí)風(fēng)格的研究。VARK模型側(cè)重于學(xué)習(xí)者怎樣運(yùn)用自己的各種感官有效地學(xué)習(xí)，其所定義的4種類(lèi)型分別為視覺(jué)型、聽(tīng)覺(jué)型、讀寫(xiě)型及動(dòng)覺(jué)型，文中采用VARK模型。

1.2 知識(shí)模型

模型要為不同特征的學(xué)生進(jìn)行個(gè)性化的信息推送首先就要把知識(shí)點(diǎn)的聯(lián)系的呈現(xiàn)給學(xué)習(xí)者，清楚地表明各個(gè)知識(shí)點(diǎn)的邏輯關(guān)系。知識(shí)模型描述領(lǐng)域知識(shí)的結(jié)構(gòu)，包括概念和概念間的聯(lián)系。多類(lèi)型的可視化學(xué)習(xí)資源是促進(jìn)學(xué)習(xí)者學(xué)習(xí)效果的保障。除了傳統(tǒng)的課件、教材、實(shí)訓(xùn)指導(dǎo)書(shū)等，還應(yīng)包含視頻、音頻、微課，交互式課件等，甚至還有VR體驗(yàn)等不同形式的學(xué)習(xí)資源。當(dāng)前最熱門(mén)的知識(shí)模型是知識(shí)圖譜，知識(shí)圖譜本質(zhì)上是一種大規(guī)模的語(yǔ)義網(wǎng)絡(luò)，用來(lái)描述事物之間的關(guān)系，通常采用實(shí)體-關(guān)系-實(shí)體三元組形式表現(xiàn)。

1.3 學(xué)習(xí)活動(dòng)序列

學(xué)習(xí)活動(dòng)序列是指為達(dá)到學(xué)習(xí)目標(biāo)根據(jù)不同類(lèi)型的用戶(hù)呈現(xiàn)出一套學(xué)習(xí)方案，這個(gè)學(xué)習(xí)方案包括：知識(shí)、技能、素質(zhì)目標(biāo)，任務(wù)描述，自操自測(cè)，知識(shí)準(zhǔn)備，任務(wù)實(shí)施、評(píng)價(jià)機(jī)制等，組成了一個(gè)有機(jī)整體。學(xué)習(xí)活動(dòng)序列不僅包含同一知識(shí)點(diǎn)的各類(lèi)資源的組織，還包含知識(shí)點(diǎn)之間的學(xué)習(xí)路徑，可以自主選擇學(xué)習(xí)順序，也可以按照課程推薦的順序。這里可以使用大數(shù)據(jù)中的關(guān)聯(lián)分析中的Apriori算法，Apriori算法能夠找出數(shù)據(jù)集中不同項(xiàng)目之間的相關(guān)性，通過(guò)采集大量學(xué)習(xí)者知識(shí)點(diǎn)學(xué)習(xí)順序和學(xué)習(xí)效果等數(shù)據(jù)，建立學(xué)習(xí)者學(xué)習(xí)經(jīng)歷模型，使用Apriori算法分析學(xué)習(xí)順序和學(xué)習(xí)成績(jī)之間的相關(guān)性，找出最佳學(xué)習(xí)路徑，推送給學(xué)習(xí)者。

1.4 學(xué)習(xí)者評(píng)價(jià)模型

評(píng)價(jià)模型中首先根據(jù)學(xué)生在線調(diào)查問(wèn)卷的情況對(duì)學(xué)習(xí)者進(jìn)行初聚類(lèi)，然后對(duì)學(xué)生行為數(shù)據(jù)、知識(shí)圖譜、活動(dòng)序列數(shù)據(jù)進(jìn)行預(yù)處理。然后根據(jù)學(xué)習(xí)者階段學(xué)習(xí)數(shù)據(jù)對(duì)學(xué)習(xí)者進(jìn)行再分類(lèi)，對(duì)學(xué)習(xí)成績(jī)低于閾值的學(xué)生進(jìn)行干預(yù)，通過(guò)分析出學(xué)習(xí)活動(dòng)序列跟學(xué)習(xí)成績(jī)的相關(guān)性，推薦其優(yōu)化的學(xué)習(xí)路徑及資源對(duì)其進(jìn)行督促改進(jìn)，最后給學(xué)生學(xué)習(xí)過(guò)程以平價(jià)，如圖1所示。

2 模型中的大數(shù)據(jù)技術(shù)

模型中主要采用聚類(lèi)、分類(lèi)、關(guān)聯(lián)規(guī)則大數(shù)據(jù)技術(shù)。

聚類(lèi)就是把一組數(shù)據(jù)按照相似度劃分成若干個(gè)簇。模型中在根據(jù)學(xué)習(xí)者學(xué)情分析調(diào)查中，根據(jù)學(xué)習(xí)者的答題情況對(duì)學(xué)習(xí)者進(jìn)行聚類(lèi)，給學(xué)習(xí)者分組。常用的聚類(lèi)算法有K-Means算法。其算法中心思想是：首先從數(shù)據(jù)中選擇選取N個(gè)數(shù)據(jù)作為聚類(lèi)的中心，然后計(jì)算其余數(shù)據(jù)到這N個(gè)數(shù)據(jù)的距離，取最小距離把其放入該簇，然后重新計(jì)算聚類(lèi)的中心，把它作為新簇中心，重新計(jì)算其余數(shù)據(jù)到聚類(lèi)中心的距離重新分簇，直到算法收斂為止。分類(lèi)是在數(shù)據(jù)庫(kù)中根據(jù)數(shù)據(jù)的特征將其劃分為不同的類(lèi)。最常用的分類(lèi)算法有決策樹(shù)算法。系統(tǒng)中用來(lái)給資源和學(xué)習(xí)活動(dòng)序列，學(xué)習(xí)者二次分類(lèi)。關(guān)聯(lián)規(guī)則就是發(fā)掘一個(gè)事物和另一個(gè)事物之間存在的相關(guān)性。模型中主要用來(lái)挖掘?qū)W習(xí)者學(xué)習(xí)知識(shí)點(diǎn)的知識(shí)圖譜順序與學(xué)習(xí)成績(jī)的相關(guān)性，找出最佳學(xué)習(xí)路徑反饋給學(xué)習(xí)者。

3 結(jié)語(yǔ)

學(xué)習(xí)者在線學(xué)習(xí)過(guò)程中產(chǎn)生了大量的寶貴數(shù)據(jù)，通過(guò)大數(shù)據(jù)技術(shù)把隱藏在海量數(shù)據(jù)背后暗藏的有用信息挖掘出來(lái)從而反饋給學(xué)習(xí)者，增加其自我認(rèn)知，讓教育回歸人本身，一定是在線教育的又一個(gè)春天。

參考文獻(xiàn)

[1] 姜強(qiáng)，趙蔚，王朋嬌，王麗萍.基于大數(shù)據(jù)的個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型及實(shí)現(xiàn)[J].中國(guó)電化教育，2015（1）：85-92.

[2] 姜強(qiáng)，趙蔚，王朋嬌.自適應(yīng)學(xué)習(xí)系統(tǒng)中雙向適應(yīng)交互評(píng)價(jià)實(shí)證研究[J].現(xiàn)代遠(yuǎn)程教育研究，2013（5）：106-112.

[3] 趙慧瓊，姜強(qiáng)，趙蔚，李勇帆，趙艷.基于大數(shù)據(jù)學(xué)習(xí)分析的在線學(xué)習(xí)績(jī)效預(yù)警因素及干預(yù)對(duì)策的實(shí)證研究[J].電化教育研究，2017（01）：65-68.

[4] 王林麗，葉洋，楊現(xiàn)民.基于大數(shù)據(jù)的在線學(xué)習(xí)預(yù)警模型設(shè)計(jì)——“教育大數(shù)據(jù)研究與實(shí)踐專(zhuān)欄”之學(xué)習(xí)預(yù)警篇[J].現(xiàn)代教育技術(shù)，2016（07）：78-82.

[5] 朱瑩瑩.大數(shù)據(jù)背景下的職大外語(yǔ)課堂教學(xué)改革創(chuàng)新模式研究[J].天津職業(yè)院校聯(lián)合學(xué)報(bào)，2016（10）：35-38.

[6] 張艷霞，孫洪濤，李爽，等.數(shù)據(jù)表征學(xué)習(xí)過(guò)程及其應(yīng)用——學(xué)習(xí)分析數(shù)據(jù)集國(guó)際研究綜述[J].中國(guó)電化教育，2015（09）：85-93.

[7] 黃赟茹.基于大數(shù)據(jù)分析方法的學(xué)生在線學(xué)習(xí)評(píng)價(jià)研究[D].北京：北京郵電大學(xué)，2017.

[8] 姜強(qiáng).自適應(yīng)學(xué)習(xí)系統(tǒng)支持模型與實(shí)現(xiàn)機(jī)制研究[D].長(zhǎng)春：東北師范大學(xué)，2012.