喻永尚，劉 勇（通訊作者），張桂芬

（廣西民族大學(xué)電子信息學(xué)院 廣西 南寧 530006）

1 引言

在傳統(tǒng)的教育模式中，從基礎(chǔ)教育到高等教育的學(xué)習(xí)者與教師皆需處于同一空間與時間進(jìn)行面對面的授課模式，以往的教育方式給學(xué)習(xí)者帶來了充足的體驗感，但進(jìn)行這一模式所需的條件在某些情況下是可能無法滿足的，并且在長時間的研究與調(diào)查中發(fā)現(xiàn)，傳統(tǒng)的教學(xué)方式并未為學(xué)習(xí)者帶來具有針對性、高效性的學(xué)習(xí)環(huán)境。2019年2月，中共中央、國務(wù)院印發(fā)《中國教育現(xiàn)代化2035》，明確提出要建立協(xié)同規(guī)劃機(jī)制、健全跨部門統(tǒng)籌協(xié)調(diào)機(jī)制，完善區(qū)域教育發(fā)展協(xié)作機(jī)制，全方位協(xié)同推進(jìn)教育現(xiàn)代化建設(shè)[1]。教育現(xiàn)代化的推進(jìn)與基礎(chǔ)教育及高等教育的建設(shè)，為Python語言個性化信息分析模型在教育領(lǐng)域的眾多應(yīng)用奠定了堅實的基礎(chǔ)。隨著大數(shù)據(jù)產(chǎn)業(yè)的不斷成熟，在大數(shù)據(jù)的支持下的個性化學(xué)習(xí)分析使得教育模式實現(xiàn)了質(zhì)的飛躍，由傳統(tǒng)的“一對多”模式走向“個性化”模式。

2 基于大數(shù)據(jù)的個性化學(xué)習(xí)分析結(jié)構(gòu)的構(gòu)建

基于大數(shù)據(jù)的個性化學(xué)習(xí)分析模型的最終目標(biāo)是實現(xiàn)“因人施教”。傳統(tǒng)的教育模式最大的弊端是忽略了學(xué)習(xí)者個體差異，導(dǎo)致學(xué)習(xí)者在學(xué)習(xí)的過程中并不能跟隨課堂節(jié)奏因而學(xué)習(xí)效率尚未達(dá)到最佳狀態(tài)，個性化學(xué)習(xí)分析結(jié)構(gòu)由8個環(huán)節(jié)組成，該結(jié)構(gòu)充分說明了該模型的詳細(xì)流程，如圖1所示。在該系統(tǒng)中，知識領(lǐng)域?qū)＜抑谱鞒鲱I(lǐng)域知識圖譜，由知識圖譜提供課件元素，并結(jié)合個性化干預(yù)引擎以及自適應(yīng)推薦引擎根據(jù)學(xué)習(xí)者特征信息和基礎(chǔ)數(shù)據(jù)庫二者所產(chǎn)生的結(jié)果，最終得出自適應(yīng)課件，并將該課件反饋至學(xué)習(xí)者的學(xué)習(xí)內(nèi)容中，有助于呈現(xiàn)出最適合學(xué)習(xí)者的學(xué)習(xí)內(nèi)容；根據(jù)調(diào)查、采集可穿戴設(shè)備等其他數(shù)據(jù)收集方式所產(chǎn)生的數(shù)據(jù)作為學(xué)習(xí)者的特征信息，并將該特征信息分別通過自適應(yīng)推薦引擎與教育測評引擎進(jìn)行分析，有助于培養(yǎng)學(xué)習(xí)者的自我效能；教師、管理者根據(jù)教育測評引擎結(jié)合學(xué)習(xí)者特征信息所產(chǎn)生的結(jié)果并傳遞至信息面板的可視化學(xué)生信息，調(diào)整教學(xué)方式及教學(xué)內(nèi)容，實施個性化教學(xué)干預(yù)，有助于實時動態(tài)掌握最為準(zhǔn)確的學(xué)習(xí)者的學(xué)習(xí)評估并且能夠提高教育質(zhì)量。

2.1 學(xué)習(xí)內(nèi)容

學(xué)習(xí)內(nèi)容是學(xué)習(xí)者的主要需求，包括學(xué)習(xí)安排、學(xué)習(xí)課件等一系列學(xué)習(xí)模塊，其中知識點(diǎn)通過有助于記憶與理解的圖形符號的形式進(jìn)行呈現(xiàn)出來，如流程圖、思維導(dǎo)圖等。學(xué)習(xí)者首次使用系統(tǒng)時，學(xué)習(xí)內(nèi)容是通過一些預(yù)處理（如分析相同類型的學(xué)習(xí)者的學(xué)習(xí)內(nèi)容）之后所推送的，日后的學(xué)習(xí)內(nèi)容根據(jù)系統(tǒng)中各個引擎進(jìn)行分析之后在進(jìn)行修改與完善。

圖1 個性化學(xué)習(xí)分析結(jié)構(gòu)

2.2 學(xué)習(xí)者特征信息

學(xué)習(xí)者特征信息包括學(xué)習(xí)者對知識領(lǐng)域目前的掌握程度、當(dāng)前外部刺激對人所產(chǎn)生的主觀體驗、學(xué)習(xí)者對外界事物認(rèn)識的能力、學(xué)習(xí)者對自身認(rèn)知活動的自我調(diào)節(jié)和意識等。學(xué)習(xí)者特征信息通過調(diào)查、可穿戴設(shè)備等數(shù)據(jù)收集方式進(jìn)行采集并存入數(shù)據(jù)庫中，之后再進(jìn)行數(shù)據(jù)清洗加工等一系列處理，使得數(shù)據(jù)更加精準(zhǔn)并具有高質(zhì)量的價值，對學(xué)習(xí)者特征信息的處理與自適應(yīng)推薦引擎以及教育測評所產(chǎn)生的結(jié)果有密不可分的關(guān)系。

2.3 基礎(chǔ)數(shù)據(jù)庫

基礎(chǔ)數(shù)據(jù)庫包括學(xué)習(xí)者的各類基本信息，如姓名、年齡、性別、專業(yè)、愛好等，以及學(xué)習(xí)者的歷史學(xué)習(xí)記錄，如成績、先前課程、老師教評等。為了制定出最適合學(xué)習(xí)者的學(xué)習(xí)內(nèi)容及學(xué)習(xí)規(guī)劃，僅依據(jù)學(xué)習(xí)者的特征信息將無法產(chǎn)生最優(yōu)的結(jié)果，因此還需要參照學(xué)習(xí)者的歷史學(xué)習(xí)記錄，將這些數(shù)據(jù)綜合起來才能形成更為詳細(xì)的學(xué)習(xí)者個人信息。

2.4 自適應(yīng)推薦引擎

自適應(yīng)推薦引擎運(yùn)用內(nèi)容分析法對學(xué)習(xí)者特征信息以及基礎(chǔ)數(shù)據(jù)庫中的學(xué)習(xí)者的學(xué)習(xí)行為特征進(jìn)行分析，同時通過時間序列預(yù)測法進(jìn)行分析動態(tài)數(shù)據(jù)以及話語分析法分析學(xué)習(xí)者在學(xué)習(xí)過程中所產(chǎn)生的文本內(nèi)容等以便預(yù)測下一步學(xué)習(xí)者可能會做出的學(xué)習(xí)行為，并且運(yùn)用決策樹預(yù)測法對在學(xué)習(xí)過程中所產(chǎn)生的一些重要數(shù)據(jù)進(jìn)行運(yùn)算分析，經(jīng)過自適應(yīng)推薦引擎的各種分析之后所得出的結(jié)果有助于為學(xué)習(xí)者提供更為合適的學(xué)習(xí)內(nèi)容。

2.5 個性化干預(yù)引擎

個性化干預(yù)引擎是由教師通過自身的多年教學(xué)經(jīng)驗以及對學(xué)習(xí)者的要求對學(xué)習(xí)者的學(xué)習(xí)內(nèi)容、學(xué)習(xí)安排進(jìn)行修改與完善的一項重要板塊。針對學(xué)習(xí)效率以及學(xué)習(xí)成績較差的學(xué)習(xí)者，管理員以及教師通過個性化干預(yù)引擎及時為其給予幫助與干預(yù)，提供一些較為適合其自身的學(xué)習(xí)內(nèi)容，目的在于通過此項操作來提高學(xué)習(xí)者的學(xué)習(xí)效率，并且在日后的學(xué)習(xí)過程中學(xué)習(xí)者能夠重拾信心。

2.6 教育測評引擎

教育測評引擎是對學(xué)習(xí)者的特征信息以及歷史學(xué)習(xí)記錄通過統(tǒng)計與數(shù)學(xué)方法中平均值法、中值法、標(biāo)準(zhǔn)偏差法等進(jìn)行計算與分析，該過程常常與大數(shù)據(jù)中數(shù)據(jù)挖掘及數(shù)據(jù)分析技術(shù)相結(jié)合，使得測評結(jié)構(gòu)具有前瞻性和權(quán)威性。

2.7 可視化信息面板

可視化信息面板對于教師、管理員和學(xué)習(xí)者是開放的，通過可視化技術(shù)，以散點(diǎn)圖、評估模型等形式呈現(xiàn)學(xué)習(xí)者的綜合測評結(jié)果，摒棄了傳統(tǒng)通過分?jǐn)?shù)形式進(jìn)行評判學(xué)習(xí)者的學(xué)習(xí)能力以及學(xué)習(xí)效率的方法，而對教育測評引擎所得出的結(jié)果采用數(shù)據(jù)描述的方法以便于人們發(fā)現(xiàn)數(shù)據(jù)之中的隱藏內(nèi)容，并對學(xué)習(xí)者結(jié)合其自身的學(xué)習(xí)能力做出客觀準(zhǔn)確的評價。

3 基于Python語言個性化學(xué)習(xí)分析模型

3.1 知識結(jié)構(gòu)可視化

腦科學(xué)研究發(fā)現(xiàn)，目前人類右半腦的開發(fā)和利用非常有限。人類大腦的各種技巧如果能被和諧而巧妙地加以運(yùn)用，將比彼此分開工作產(chǎn)生更大的效率。思維導(dǎo)圖利用“左腦+右腦”的“全腦”思考模式，有利于激發(fā)大腦的潛能，并使大腦平衡協(xié)調(diào)發(fā)展[2]。因此個性化分析學(xué)習(xí)模型的實現(xiàn)運(yùn)用可視化技術(shù)來描述Python語言知識體系并將其呈現(xiàn)給學(xué)習(xí)者，實現(xiàn)了將在傳統(tǒng)的學(xué)習(xí)過程中雜亂的知識點(diǎn)有條不紊地聯(lián)系起來，能夠清晰表達(dá)出知識與知識之間的內(nèi)在聯(lián)系，降低了學(xué)習(xí)者的學(xué)習(xí)負(fù)擔(dān)，促進(jìn)了學(xué)習(xí)者對Python語言知識的理解與記憶，并在心理方面增強(qiáng)了學(xué)習(xí)者對Python語言學(xué)習(xí)的興趣。如圖2所示的《Python語言程序設(shè)計》知識結(jié)構(gòu)圖。

圖2 《Python語言程序設(shè)計》知識結(jié)構(gòu)圖

當(dāng)學(xué)習(xí)python語言程序設(shè)計中的某一知識點(diǎn)時，學(xué)習(xí)者可以從知識結(jié)構(gòu)圖中選擇學(xué)習(xí)板塊，系統(tǒng)將會依據(jù)學(xué)習(xí)者特征信息個性化進(jìn)行推薦與安排學(xué)習(xí)計劃、最佳學(xué)習(xí)資源、相對應(yīng)的知識點(diǎn)練習(xí)和測試，同時推薦與該學(xué)習(xí)者具有相似的特征信息的學(xué)員所學(xué)習(xí)的內(nèi)容板塊，可為學(xué)習(xí)者打造適合自身的學(xué)習(xí)平臺。

3.2 學(xué)習(xí)過程與測評結(jié)果可視化

在傳統(tǒng)的教育模式中，學(xué)習(xí)者在從基礎(chǔ)教育至高等教育期間都經(jīng)歷了以數(shù)字的形式作為一種評價其在該階段的學(xué)習(xí)表現(xiàn)及學(xué)習(xí)能力，該數(shù)字結(jié)果的產(chǎn)生是僅基于教師、輔導(dǎo)員對該學(xué)習(xí)者的日常表現(xiàn)的一種主觀評價和在學(xué)期結(jié)束之際進(jìn)行的考核中學(xué)習(xí)者的表現(xiàn)，該結(jié)果是片面的和短暫的并不具有權(quán)威性及客觀性。更全面的教育測評結(jié)果應(yīng)該基于大數(shù)據(jù)個性化學(xué)習(xí)分析技術(shù)對學(xué)習(xí)者在學(xué)習(xí)過程中的綜合表現(xiàn)進(jìn)行分析所產(chǎn)生的具有準(zhǔn)確性及實時性的有效數(shù)據(jù)，依據(jù)不同的評測項目進(jìn)行評價并以可視化的形式（如蛇形圖、山脈圖）展現(xiàn)給教師、管理員和學(xué)習(xí)者?？梢暬问骄哂袑?fù)雜數(shù)據(jù)以直觀的視覺形式表現(xiàn)出來的特性，并能夠?qū)⒁恍┏橄蟮?、毫無關(guān)聯(lián)的信息整合起來，致使學(xué)習(xí)者、教師和管理員能夠在可視化信息面板中擁有更好的體驗感，并能夠直接從中得出所需的結(jié)果與結(jié)論。采用大數(shù)據(jù)數(shù)據(jù)分析的技術(shù)進(jìn)行實時分析數(shù)據(jù)并可視化呈現(xiàn)，教師能夠更加清晰地看到學(xué)習(xí)者的表現(xiàn)情況并對其課程做出適當(dāng)?shù)母深A(yù)與調(diào)整，此外，學(xué)習(xí)者通過分析出來的結(jié)果更加了解自己的學(xué)習(xí)狀況，并且能夠知曉自己離心中所定下的目標(biāo)的差距，并以此來激發(fā)自身的學(xué)習(xí)熱情，做出適當(dāng)?shù)恼{(diào)整。

學(xué)習(xí)過程可視化的實現(xiàn)通過Ajax、消息推送、可視化等信息技術(shù)[3]，基于Vue.js、J2EE、SSM框架進(jìn)行開發(fā)實現(xiàn)，如圖3所示。該模塊中包括學(xué)習(xí)者的學(xué)習(xí)進(jìn)度、學(xué)習(xí)日常安排、學(xué)習(xí)時間、學(xué)習(xí)記錄等一系列數(shù)據(jù)，運(yùn)用不同的顏色圖標(biāo)來表示各個數(shù)據(jù)的評測結(jié)果，其中紅色圖標(biāo)表示嚴(yán)重警告，黃色圖標(biāo)表示警告，綠色圖標(biāo)表示通過，灰色圖標(biāo)表示未開始。

圖3 學(xué)習(xí)過程可視化框架圖

4 結(jié)語

個性化學(xué)習(xí)的精準(zhǔn)性與優(yōu)越性為學(xué)習(xí)者提供了最佳的學(xué)習(xí)環(huán)境，這必須借助于大數(shù)據(jù)分析與數(shù)據(jù)可視化的直觀性。本文所提出的基于大數(shù)據(jù)的python語言個性化學(xué)習(xí)分析模型已經(jīng)基本上實現(xiàn)了自適應(yīng)性學(xué)習(xí)模式，完善了自主學(xué)習(xí)并分析數(shù)據(jù)的功能，能夠進(jìn)一步地將數(shù)據(jù)之間所隱藏的關(guān)系揭示出來，從而更加完整地了解學(xué)習(xí)者的學(xué)習(xí)情況并能夠為學(xué)習(xí)者提供最佳的學(xué)習(xí)安排，另外有助于更加全面地評測學(xué)習(xí)者及進(jìn)行個性化干預(yù)。另一方面，可視化將使學(xué)習(xí)者對Python語言的知識結(jié)構(gòu)有了更加清晰的認(rèn)識，使得教育測評中的數(shù)據(jù)之間的關(guān)系更直截了當(dāng)?shù)卣宫F(xiàn)給用戶。