韓喆宇
(包頭市第九中學,包頭 014010)
大數據技術具有全面、精準以及迅捷、科學等優勢,當前已經被廣泛的應用在在線教育當中。為在線教育注入了新的活力。并且在線教育除了對當前飛速發展的大數據進行實際的應用以外,還根據相關規定,不斷地將現代的科學技術實際的運用起來,建立起一個能夠更好地幫助人們學習的在線平臺。
將大數據與在線教育相結合使得在線教育的實際應用更加的個性化。在線教育個性化的實際應用可以分為三個方面。第一方面,個性化推薦應用。在線教育的內容個性化推薦是常見的大數據與在線教育結合方式,是一種通過對不同的學習者偏好建立相應的模型,提前預測學習者將來可能會需要的學習內容,并且主動地為學習者進行推薦。之后會記錄學習者的學習情況,進行分析,重新建立模型,不斷地根據學習者的興趣以及實際需要,個性化的推薦不同的內容給每個學習人員;第二方面,個性化的學習難度推薦。這是一種通過對學習者實際做題情況數據,計算學習者的學習情況,通過智能題庫的方式為學習者推薦不同的習題難度。可以幫助學習者做題當中建立信心的同時不斷地提升能力;第三方面,對于學習風格的個性化推薦。風格的個性化推薦是一種通過對VARK學習風格多元化媒體模型資源對學習者的綜合學習數據進行分析,推薦不同的學習方式,幫助學習者提升學習當中的興趣與應用。比如說,對于喜歡視覺的學習者人群,推薦動畫和視頻的學習方式、對于喜歡聽覺的學習者人群,推薦音頻學習資料、對于喜歡閱讀的學習者人群,推薦閱讀文檔的學習模式等,激發學習者自己學習的動機和興趣。
一個完善的數據化與在線教育結合系統,可以根據學習者的自身學習基礎、學習能力等會為其量身制定出一個適合他情況的學習計劃以及復習方案。從學習方法上提高學習者的學習成績。目前這種將大數據與在線教育結合,推薦適合學習者,獨一無二的學習與復習方法應用已經十分普及。其工作原理是通過對離線數據源進行大數據分析,理清這些異構的數據源,通過處理與分析,挖掘出這些復雜而又雜亂的數據潛在的規律,為學習者建立學習與復習的模型,之后再結合數據推薦模型、個性化智能引擎以及習題數據庫,為學習者制定量身的習題,更好的幫助學習者提高學習成績。并且實際推薦之后還會通過對學習者學習實際運用的情況進行記錄,比如學習時間、學習效率、復習做題所用時間、完成的成績對比等,得出為其制定方案的實際效果,再通過不斷考察進一步的推翻和完善,最終使得學習者在在線教育的學習與復習應用中更加合理、科學。
通過對在線教育使用者相關數據的采集與分析,可以使得學習者的應用知識與難度變得更加的系統化。應用知識系統化指的就是,首先數據系統管理會將學習者需要各科知識的主要知識點按單元系統化的整理出來,學習者可以選擇不同學科的不同單元由易到難循序漸進的系統化學習,學習后還可以對這一單元進行測試,根據測試結果進行有針對性的繼續學習與復習。例如將UD設為11個等級,設置的對UD學習期望值為9,通過對實際情況與期望值的誤差,計算出學習者接下來應該學習的內容,將學習變得更加系統化。
習題難度變得逐漸系統化,與應用知識系統化模型較為類似。原理就是假設每類題型最小的難度為E1,將E1劃分為十個等級,根據以往學習者的實際做題情況為學習者循序漸進逐漸推薦難度更高的題型等級,系統化的幫助學習者逐漸提升成績與能力[1]。
“一起作業網”為大數據背景下在線教育應用實例。一起作業網是一個針對中小學同步做作業、學習的網址。在大數據的分析模式下為在線教育的老師提供學生學習情況,幫助老師可以根據學生具體情況進行教學、為學生提供更多的學習方式以及個性化的學習推薦、為家長反饋孩子的作業以及學習的實際情況。
“一起作業網”首先構建了猿題庫的“1對1”在線輔導,就是一種通過學生數據進行個性化的課外在線輔導平臺,根據每個學生實際情況制定學習課件,建立“1對1”的課后作業在線輔導模式以及“統一出題”的網站功能;其次“一起作業網”麥學習的版塊,通過對學生數據進行分析,分析學生的學習短板,并對相同短板的學生建立網上班級,老師統一布置作業以及自動批改等功能。促進學生課后交流以及自主學習的情況;最后“一起作業網”還建立個性化教育的“e時代”,將2萬多名教師以及大量的學習題型和數據整合到一起,為每個學生建立獨立的學習檔案,教師和家長可以通過檔案迅速的了解學生的學習情況,幫助學生不斷地提高學習成績[2]。
綜上所述,大數據技術已經廣泛的應用到在線教育當中。并且通過個性化的推薦不斷激發學習者自己學習的動機和興趣、使得學習者在在線教育的學習與復習應用中更加合理、科學化。在未來大數據技術下的在線教育將會更廣泛的使用到實際的教學當中。