劉春娟

（吉林省經濟管理干部學院，吉林長春130000）

學習資源大數據是精準教學分析的重要基礎資源，大數據挖掘技術可以對各種非結構化的數據進行采集和存儲。課堂教學資料、在線學習資源以及其他輔助教學資源都可以作為數據挖掘的有效平臺，學生每次學習記錄包括討論、互動留言、課程平臺學習痕跡都會被記錄下來，并由數據庫記錄和存儲大量實時、可靠的學生學習行為數據，生成數以萬計的個性化學習數據。將互聯(lián)網海量課程資源、相關信息整合到網絡課程平臺，不斷完善課程教學資料，定期更新微課、慕課等并發(fā)布至相關課程網站，形成符合學情的特色教學資源；追蹤前沿科技，加強校企行業(yè)間三方合作，形成行業(yè)動態(tài)、企業(yè)資訊、招聘培訓一體化的課外資源庫；通過良好的交互系統(tǒng)，組織學生進行討論交流，促進協(xié)作學習。

1 構建學習者模型

只有充分考慮學生個性化特征并做到滿足學習者的個性化需求，才能實現(xiàn)精準教學。構建學習者模型是重中之重，學習者模型可有效記錄學生的學習信息，并詳細記錄學生在課程學習過程中的學習痕跡。學生學習動態(tài)、不同學生群體的趨向化個性特征和需求，這些資料都是講授者、學習者在個性化精準學習系統(tǒng)中進行學習決策的依據。學習者模型結構如圖1所示。

圖1 學習者模型

學習偏好代表學習者在學習過程中的傾向，只有充分掌握學習者的個性化學習偏好才能更精準地推送學習者喜歡的學習資源和學習方式。學習風格借助學習者模型和認知風格測量表通過學前測試確定，其他偏好信息都是通過對學習者在學習過程中產生的數據進行分析而確定。認知水平部分包括學習者初始認知水平、當前的學習目標以及學習過程中的動態(tài)認知水平。初始認知水平即學習者在本課程學習前的相關專業(yè)知識水平，該部分可通過學前診斷測試來有效確定。動態(tài)認知水平是經過學習后積累的動態(tài)不斷變化的相關專業(yè)知識水平，動態(tài)認知水平展現(xiàn)的是學習者對相關專業(yè)知識內容的實時掌握情況，該部分學習結果在學習過程中是不斷變化更新的，其學習結果可以通過過程測試以及學習行為綜合診斷來評價確定。動態(tài)認知評價結果形象展示學習者對知識的掌握情況，教學平臺依據動態(tài)學習成果推薦學習內容。學習行為記錄主要作用是采集分析學習者學習歷史和學習過程中的具體學習行為，通過行為記錄來完善修正學習者學習個性化偏好，在充分考慮學習者個性化特征前提下，盡可能完善并滿足學習者的專業(yè)能力需求。

2 構建線上線下一體化的精準學習路徑

線上線下一體化的精準自適應個性化學習路徑是將課堂理論知識、學習資料投放至互聯(lián)網，涵蓋豐富的生動形象的影像資料，融入團建理念，合作學習，激發(fā)學生學習動力；同時，協(xié)助學生發(fā)現(xiàn)并掌握適合自己的學習方法，為不同學生設置豐富的合適的教學任務，形成多種個性化的學習策略和實施程序，并定期對學習者學習過程成果和學習策略進行診斷性中期評價或結果評價，幫助學生調整學習策略和教學內容，使學生達到學習目標，如圖2。

圖2 線上線下一體化的個性化自適應學習路徑

2.1 基于翻轉課堂的精準化輔助教學

食品理化檢測技術多元化課程平臺貫穿于學習者的學習全過程，包括課前、課中、課后，課程平臺將傳統(tǒng)多媒體授課與多種形式的微課、MOOC相結合，進行精準化教學。針對不同的學習者，制定個性化學習計劃，課程平臺后臺大數據詳細記錄學生的學習痕跡，并定期分析學習者成果。

2.2 基于任務驅動的精準實訓教學

運用《東方仿真練習測評系統(tǒng)》進行精準教學。學生課上或課下均可通過課程平臺鏈接網站登錄系統(tǒng)進行實訓操練，按系統(tǒng)要求逐一完成操作任務，提交至系統(tǒng)評分，實時精準地記錄學生完成任務的時間、失分點和最終分數。

2.3 基于大數據分析的精準干預

通過《食品理化檢測課程平臺》《東方仿真系統(tǒng)》，教師實時掌握學生動態(tài)，根據測量、記錄呈現(xiàn)的學習行為，判斷學生達成教學目標的程度，利用課程平臺交互系統(tǒng)不限時間不限空間地進行針對性干預，如圖3。

圖3 基于大數據的精準教學干預

圖4 精準教學模式教學診斷

2.4 構建基于大數據的精準教學診斷

精準教學評價機制是全員、全過程 、全方位的實時評價。食品理化檢測技術課程教學評價應用數據挖掘、采集、分析等技術，實現(xiàn)數據統(tǒng)計分析可視化展示，通過課程平臺的仿真軟件和微課向相關專業(yè)知識點測試，監(jiān)控學習者學習情況，實時反饋給授課教師。授課教師結合課堂互動情況記錄、階段性知識點測驗和實驗操作結果，綜合專業(yè)職業(yè)能力要素進行綜合評價，最終生成可視化的評價報告，如圖4。根據學生的學習表現(xiàn)進行預測，調整教育決策。

3 結語

本課題的研究區(qū)別于以往的個性化教學模式的探究，通過建立學習者模型，利用大數據分析學習風格和偏好等，更精準的把握學習者想達到的學習目標和學情。課題的研究不局限于在線課程的個性化教學模式，而是構建“線上線下一體化”的個性化自適應學習路徑，更適用于高職教師和學生的“教”與“學”。