“互聯網+”時代基于大數據的學生學習過程監測和決策系統的研究

【摘 要】本文在“互聯網+”背景下對基于大數據的學生學習過程監測和決策系統進行了研究。首先闡述了該系統研究的意義、大數據概念和特點，構建了系統的總體框架，最后設計了系統的部分特色功能。

【關鍵詞】互聯網+；大數據；學習過程；監測和決策

0 引言

當今社會，科技進步日新月異，以“互聯網+”為引領的大數據、云計算和物聯網等新一代信息技術快速發展，改變了我們的思維方式，一場信息化的教育革命，正在教育的各個領域展開。在“互聯網+教育”這種新型教學模式下，老師面臨的一大難題是：如何精準的了解每個學生的學習情況、優缺點、興趣愛好和學習需求，與人才培養目標和就業市場需求相結合，有針對性地提供個性化和分層次的教學。

而本文就是在“互聯網+教育”的背景下，利用大數據、物聯網和云計算能等新一代信息技術，構建高職學生學習過程智慧監測和決策的系統和云平臺，對學生在學習過程中產生的所有數據，進行全方位的大數據挖掘、智能分析，以“精準”的了解學生學習的動態需求，預判學生的潛在學習需求，同時結合專業人才培養目標，使教師很快能根據差異化的評估信息做出有針對性的教學方案，對每個學生開展個性化的教學和分層次的教學，從而提高學生的學習效率和教師的教學質量。

1 大數據技術

大數據是指海量數據的集合，是需要具有很強的洞察發現、流程改進和優化等能力的新管理模式才能發現的高價值性的信息資產。它的關鍵在于對這些大數據用新的挖掘和處理方法對其進行處理，并發現數據之間的關聯關系和奧秘。如果把它作為一種投資，那么這種投資要實現高增長率必須提高大數據的處理能力，通過加工和處理發現其中的關聯關系和價值，實現增值。當然，大數據技術與云計算技術的是相輔相成的，大數據需要采用云計算技術對龐大的數據進行分布式處理。

在“互聯網+教育”的背景下，學生從入學到畢業，產生的數據多種多樣，包括上課、考試、晨練、借閱圖書、購物、吃飯、出入寢室等數據，這些數據用傳統技術很難被關聯起來，彼此是相對獨立的?，F在以“互聯網+”信息技術為支撐，借助諸如大數據技術和云計算技術的新型管理模式，打通各類師生業務之間的數據孤島，挖掘和分析其中的規律，并將大數據挖掘和分析的結果運用到日常的教學、教務的管理和師生的服務中，為老師和學生提供了精準和高效的服務，同時也提高了學校的管理水平，推動了學校的內涵式發展。

2 總體框架設計

在“互聯網+”背景下，運用大數據和云計算等新一代信息技術來構建學習過程監測和決策系統需要整合學校現有的資源，例如在線學習與考試、在線教學資源庫（微課、慕課、協同學習交流和在線教學視頻等），并且需要有新一代信息技術的技術支撐，同時需要開發符合要求的功能模塊（智慧監測與決策、人才培養規格等），其頂層設計的技術體系與服務體系框架，主要由基礎架構即服務（Iaas）層、平臺即服務（Paas）層和軟件即服務（Saas）層組成。

2.1 Iaas層

Iaas層是硬件基礎設施層，提供硬件基礎服務，包含虛擬數據中心和基礎平臺兩部分。虛擬數據中心的硬件基礎是普通服務器集群、存儲系統、網絡系統和其它的計算資源等。普通服務器集群和基于眾核的并行處理系統GPU等并行計算設施相結合，組成混合式的大數據并行處理系統。同時使用用虛擬化和并行資源調度技術，更好的調度和管理底層計算資源，為大數據的應用和處理提供按需分配的基礎設施。基礎平臺包含云服務管理平臺、集群管理、計算服務和存儲服務等，實現資源監控、負載管理、數據管理、資源部署、安全管理和計費管理等功能。通過基礎平臺的管理，能夠保證虛擬數據中心的基礎設施能更好地利用系統資源，更好地應對突發情況，保證基礎設施和其提供的資源能被合法和靈活地訪問和使用，保證其底層能高效率的運行，同時滿足系統的完整性，可靠性和可管理性的要求。

2.2 Paas層

Paas層提供基礎平臺服務和開發環境服務。該層是整個系統架構的中間層，起到承上啟下的作用，向下根據用戶需求計算需要的計算資源，并調用IaaS層提供的虛擬化計算資源，向上向Saas層提供平臺服務和開發環境服務，同時實時監控平臺的正常運行。Paas提供商主要是搭建PaaS基礎平臺并負責該平臺的正常運行，將PaaS基礎平臺以服務的方式提供給Saas層運營商或用戶，同時還提供對該平臺的技術支持和技術咨詢等服務，以保證Paas平臺以及應用系統能夠長期、穩定和可靠的運行。Paas層是以編程接口的形式為第三方提供有商業價值的資源、服務平臺和應用系統的開發，不但為第三方提高了應用開發的效率，還為第三方節約了大量的開發成本。

2.3 Saas層

Saas層主要提供在云計算基礎設施上的應用程序和具體的教學業務服務，用戶可以在PC機、筆記本和手機等設備上通過瀏覽器訪問。學校不需要管理和維護任何包括網絡、服務器、操作系統和存儲等的云計算基礎設施。該層主要構建學生學習過程智慧監測和決策的系統，首先整合學校教務系統、在線教學資源庫、學生管理系統和在線學習與考試系統等，同時開發協同學習交流模塊、學生課堂實時監測模塊和人才培養規格模塊等。并在此基礎上，開發智慧決策模塊，對學生在學習過程中產生的所有大數據進行全方位的大數據挖掘和智能分析，以“精準”的了解學生學習的動態需求，預判學生的潛在學習需求，并結合人才培養目標和職業崗位能力要求給出相應的建議和處理意見。

3 特色功能設計

基于大數據的學生學習過程監測和決策系統主要特色功能模塊包括學習過程線下智慧監測模塊、學習過程歷史數據即在線學習數據收集模塊、學生學習過程評估模塊、學習個性化推薦和決策模塊和教師決策等模塊，具體功能介紹如下：

3.1 學習過程線下智慧監測模塊

通過物聯網傳感器或可穿戴設備收集學生線下即課堂內學習行為表現數據（什么時候翻書、點頭、開小差、心率、血壓等）和情緒態度數據（微笑、溫和、煩躁）表情， 通過網絡將收集到的學習行為數據實時存儲到云平臺存儲系統中，然后通過挖掘和決策模塊對這些行為數據進行處理，判斷出學生的情緒狀態和行為動作， 然后做出相應的決策分析。endprint

3.2 學習過程在線學習智慧監測模塊

在網絡教學云平臺中，收集已有的學生基本情況歷史數據，同時實時跟蹤學生在線學習的情況，實時收集學生通過網絡學習的狀態數據，例如學習了哪些課程、瀏覽過哪些視頻、復習過哪些知識點、做過哪些練習題以及進行了哪些測試，這些數據都將發送到大數據云平臺中。

3.3 學生學習過程評估模塊

綜合線上學習和線下學習的數據，利用大數據挖掘技術進行高效的學習過程評估，并結合人才培養規格和職業崗位能力要求，給出定量評價并匯總，做到全程評價。

3.4 學習個性化推薦和決策模塊

利用云計算技術、數據挖掘技術等高新技術，設計一個學習個性化推薦和決策模塊。首先，根據已有的線上和線下學生學習的監測大數據進行分析，根據一些特定的算法，以學生的各項特征為基礎，通過計算得到某一權值，并以這個權值作為依據，并結合人才培養規格和職業崗位能力要求，為學生推薦合適的學習內容，并將個性化結果顯示在界面上，實現基于大數據的學習推薦模塊。

3.5 教師決策模塊

教師決策模塊主要使用人工智能算法對學生數據進行智能挖掘和分析。首先建立學習模型并根據學生的學習過程監測到的大數據，測算出學生目前學習狀態，包括學生已經掌握了哪些知識點、哪些知識點沒有掌握、學生對哪些內容感興趣，并結合人才培養目標，分析出學生與專業培養目標規定的職業崗位能力要求的差距，并將決策和分析結果輸出供教師參考，使教師能做出合適的教學方案和教學策略，對每個學生開展個性化的教學和分層次的教學。

4 結束語

本文在“互聯網+”背景下，將大數據、物聯網和云計算等新一代信息技術引入了高職學生學習過程智慧監測和決策系統的建設中。首先闡述了該系統研究的意義、大數據概念和特點，構建了系統的總體框架，最后設計了系統的部分特色功能，希望能對學生行為和狀態大數據的監測和決策的研究提供一定的參考。當然本文只是提出了部分的設計和功能，具體的實現有待進一步的完善。

【參考文獻】

[1]http：//www.51cto.com.

[2]http：//baike.baidu.Com.

[3]俞華鋒.網絡大數據挖掘云服務平臺的構建[J].科技視界.2013（18）.

[4]俞華鋒.基于云計算的智慧物流平臺的研究[J].科技信息.2015（32）.endprint