毛燁，許建林

（江蘇農(nóng)牧科技職業(yè)學院，江蘇泰州 225300)

隨著國家“新基建”的深入開展和教學信息化的不斷普及，不但推動了大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、人工智能等新技術的發(fā)展，也更新了傳統(tǒng)的教育教學觀念，正在逐漸改變一些教育教學行為。特別是2021年7月，教育部等部門專門發(fā)布了《教育部等六部門關于推進教育新型基礎設施建設構建高質(zhì)量教育支撐體系的指導意見》[1]，要求“促進信息技術與教育教學的深度融合”“普及教育應用”“創(chuàng)新評價應用”“拓展研訓應用”“深化管理應用”等。2020年初，為應對新冠肺炎疫情，幾乎所有學校都開展“停課不停學”的在線教學。經(jīng)過近2年的建設，各類網(wǎng)絡教學平臺已日漸完善，基本實現(xiàn)“從專用資源向大資源轉(zhuǎn)變”[2]，師生信息素養(yǎng)不斷提高，相關課程也逐漸形成“線上與線下相結合”的教學模式，教師和學生的平臺使用情況產(chǎn)生了豐富的在線教學數(shù)據(jù)和在線資源使用記錄。然而如此海量的教學行為數(shù)據(jù)對學校決策、學生學習規(guī)劃和老師教學方案制定都有重大作用，基于大數(shù)據(jù)的在線教學數(shù)據(jù)分析也愈發(fā)重要[3]。

論文以《平面設計》課程為例，采用各種大數(shù)據(jù)技術，對該課程的在線教學數(shù)據(jù)進行分析，并對結果進行可視化展示，以指導學生和教師調(diào)整學習與教學行為。

1 基于大數(shù)據(jù)的數(shù)據(jù)分析技術流程

基于大數(shù)據(jù)的數(shù)據(jù)分析與展示主要包括6個流程。技術流程圖如圖1所示：

圖1 基于大數(shù)據(jù)的數(shù)據(jù)分析與展示技術流程圖

(1)Hadoop平臺部署安裝。作為一個開源平臺，用戶可以在不了解Hadoop底層分布細節(jié)的情況下，開發(fā)分布式的程序，以充分利用廉價機器集群的運算速度和分布存儲的數(shù)據(jù)。

(2)數(shù)據(jù)采集。使用Python語言，輔以強大的軟件工具包，編寫爬蟲腳本，自動解析網(wǎng)頁，獲取數(shù)據(jù)。采集的離線數(shù)據(jù)，輸出保存到Hadoop的HDFS目錄中。

(3)數(shù)據(jù)清洗。使用MapReduce對HDFS中的數(shù)據(jù)進行預處理，將數(shù)據(jù)轉(zhuǎn)換成便于統(tǒng)計和分析的相對結構化的數(shù)據(jù)。

(4)數(shù)據(jù)分析。數(shù)據(jù)清洗后的仍在MapReduce中進行統(tǒng)計、分析，在HDFS中生成數(shù)據(jù)輸出目錄。

(5)數(shù)據(jù)可視化。用Python+echarts來進行數(shù)據(jù)可視化展示，并在HTML頁上呈現(xiàn)。

(6)綜合分析。結合數(shù)據(jù)分析和數(shù)據(jù)可視化結果，發(fā)現(xiàn)學生學習行為規(guī)律，及時讓老師調(diào)整教學策略，提醒學生學習重點和難點，提升教學的效率。

2 大數(shù)據(jù)平臺搭建

大數(shù)據(jù)平臺搭建于VMware Workstation Pro上，選用Cent OS7作為系統(tǒng)，安裝全分布Hadoop，其中一臺為管理節(jié)點，其他四臺為數(shù)據(jù)節(jié)點。依次安裝好JDK、Hadoop、Hive、Zookeeper、Hbase、Spark等軟件。通過FileZilla上傳至hadoop1目錄下的ope中。

2.1 安裝配置Centos系統(tǒng)

安裝5臺Centos系統(tǒng)。安裝好后需修改主機名，設置靜態(tài)IP和hosts，創(chuàng)建普通用戶，配置好SSH。先安裝cent os7系統(tǒng)，將主機名改為hadoop1修改命令：vim/etc/sysconfig/network，然后保存：wq。然后使用命令：cd/etc/sysconfig/network-scripts/ifcfg-eth33修改IP地址：172.16.1.41。如圖2所示。

圖2 IP映射關系圖

2.2 安裝配置Hadoop

配置Hadoop{“hadoop.env.sh，core-site.xml，hdfssite.xml，mapred-site.xml，yarn-site.xml，slaves”}，共配置6個文件。

依次配置完上述6個文件后，將hadoop1復制到其他計算機，修改機器名為hadoop2,hadoop3,hadoop4,hadoop5，最后輸入命令hdfs namenode-format進行格式化一下，在虛擬機hadoop1中進入目錄/usr/local/src/hadoop-2.6.0/sbin/，輸入start-all.sh，啟動Hadoop集群。

2.3 安裝配置其他軟件

其余各軟件的安裝步驟與hadoop相類似，不再重復，安裝路徑及部署位置如表1所示：

表1 各軟件安裝路徑及部署位置

3 數(shù)據(jù)分析與可視化展示

3.1 數(shù)據(jù)分析流程

基于大數(shù)據(jù)的在線課程教學數(shù)據(jù)分析流程如圖3所示。在線教學平臺的教學大數(shù)據(jù)經(jīng)過預處理后，導入Hadoop平臺進行處理并建立HBase數(shù)據(jù)表。最后經(jīng)過Mapreduce清洗后得到最終用于可視化展示的數(shù)據(jù)。

圖3 數(shù)據(jù)分析流程圖

3.2 在線教學數(shù)據(jù)結構化處理

為了對學生劃分等級和教學重點規(guī)劃，論文采集了江蘇某高職學校2019級的計算機網(wǎng)絡技術三個班的《平面設計》課程教學數(shù)據(jù)，一共獲得109名學生的數(shù)據(jù)，將獲取的數(shù)據(jù)導入組件Hadoop平臺，按表2和表3的字段命名規(guī)則在HBase建立數(shù)據(jù)表，以對這部分學生數(shù)據(jù)進行分析。

表2 學生樣本基本信息數(shù)據(jù)表

表3 學生登錄信息表

表4 當日人均登錄時長

表5 學生章節(jié)得分表

3.3 數(shù)據(jù)分析與可視化展示

將預處理后的109名學生的在線學習平臺數(shù)據(jù)存儲到HBase中，使用大數(shù)據(jù)技術與數(shù)據(jù)查詢技術提取學習者特征信息和章節(jié)特征信息，對學生進行學習行為統(tǒng)計和分析，將上課的學生成績與教學任務相聯(lián)系，以便科學建立學習者行為習慣、學習績效及教學任務重難點之間的聯(lián)系[4]。

3.3.1 教學平臺活躍度

(1)學生每日登錄人數(shù)統(tǒng)計

通過MySQL查詢學生登錄信息表，來統(tǒng)計每天登錄教學平臺人數(shù)和平均每天登錄平臺的人數(shù)。

表6 每天登錄教學平臺人數(shù)

表7 平均每天登錄平臺人數(shù)

(2)可視化展示

圖4 每日（部分日期）登錄人數(shù)可視化展示

(3)數(shù)據(jù)分析

一個時間周期內(nèi)，教學平臺登錄人數(shù)在3月4日達到了頂峰，間隔一周后在3月10日又達到了高峰。根據(jù)授課計劃，每周二和周三為上課的日期，學生會在上課前完成課前預習任務和課后任務。其余每個非周末的時間，也有將近半數(shù)的學生會登錄平臺，而登錄人數(shù)較低的日期為周末。

3.3.2 學習登錄次數(shù)與時長統(tǒng)計

(1)學習登錄次數(shù)、時長統(tǒng)計

通過建立0-24時全時段數(shù)據(jù)表來保存學生每次登錄平臺和離開平臺時間，并通過關聯(lián)查詢來統(tǒng)計每個登錄號十天內(nèi)的累計學習時長。

表8 連續(xù)10天學生累計學習時長前10名登錄次數(shù)及時長

?

(2)可視化展示

圖5 連續(xù)10天學生累計學習時長（前10名）可視化展示

圖6 連續(xù)10天學生累計學習時長（前10名）登錄次數(shù)可視化展示

圖7 學習時長前10名學生成績圖

(3)數(shù)據(jù)分析

結合學生登錄的次數(shù)，由可視化結果可以看出，10天內(nèi)累積學習時長排名前10的同學，每天都會登錄學習平臺，并且每天在線時長約1小時，其學習成績也均達到優(yōu)良。

3.3.3學生學習成績等級劃分

(1)學生學習成績等級劃分

統(tǒng)計平臺中90-100、80-89、70-79、60-69、0-59數(shù)據(jù)區(qū)間的人數(shù)。

表9 各分數(shù)段人數(shù)統(tǒng)計長

(2)可視化展示

圖8 各分數(shù)段人數(shù)可視化展示

(3)數(shù)據(jù)分析

此部分統(tǒng)計的是學期末學生的總評學習成績，圖表中明顯看出學生成績基本呈正態(tài)分布，除了2名學生不及格外，其他學生均完成課程學習，到達合格要求，70%以上的學生期末成績能達到良好及以上。

3.3.4 教學任務分析

(1)教學任務平均得分

預設9個教學任務的權重，統(tǒng)計所有學生在每個教學任務的平均得分，得到每個教學任務的直觀教學成果。

表10 9個教學任務的平均得分

(2)可視化展示

圖9 9個教學任務的平均得分可視化展示

(3)數(shù)據(jù)分析

此部分展示的是《平面設計》課程9個教學任務的學生平均得分，此中可以看出學生在AI基本編輯工具和圖形編輯工具的使用上有所欠缺，特別是路徑工具的掌握。

4 結果分析與建議

根據(jù)以上統(tǒng)計和可視化展示的結果，結合日常教學實際，可總結出以下規(guī)律和建議：

(1)筆者所在學校，平均每天登錄人數(shù)接近總?cè)藬?shù)的70%，尤其是在有課的當天，學生登錄頻次較高，學生在教師的引導下能利用平臺開展學習。

新冠疫情爆發(fā)到現(xiàn)在，學生已經(jīng)習慣開展線上與線下相結合的教學，線上教學在培養(yǎng)學生自主學習方面是有一定成效的。但教師也要強化以網(wǎng)絡資源的建設，爭取以內(nèi)容吸引和留住學生，提供與課程內(nèi)容配套的價值、質(zhì)量、趣味性等均有較高質(zhì)量的資源[5]。

(2)學習成績優(yōu)良的學生，平均每日都能登錄平臺開展自主學習，學習成績優(yōu)良。說明花費在學習上的時間長度與學習成績是成正比的。

教師應督促學生多利用教學平臺開展學習，以提升學習主動性和教學效果。對于學習主動性較強的學生，教師要鼓勵這部分學生堅持并持續(xù)自主學習[6]。而學習主動性較弱的學生，則要幫助他們樹立正確的學習態(tài)度，加大學習監(jiān)管，引導其主動轉(zhuǎn)變學習觀念。

(3)每個教學任務的平均得分可以直觀地看出學生哪些知識點有欠缺，也可以及時修正教師主觀主義上認定的重難點、“優(yōu)差生”及目標達成與否。

大數(shù)據(jù)分析的結果可以為教師科學地掌握重難點提供依據(jù)，修正主觀主義的偏差，以及時調(diào)整教學策略和補充資源。針對不同學生群體，提供不同的指導與幫助，“因材施教”，最終提升教學質(zhì)量和人才培養(yǎng)質(zhì)量[7]。