基于大數據的教育智慧平臺的設計與實現

張睿思

關鍵詞： 大數據; 教育智慧平臺; 自主學習; 多特征融合; 關聯分析技術; 學生成績預警

中圖分類號： TN919?34; TP393 ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）14?0091?04

Design and implementation of intelligent education platform based on big data

ZHANG Ruisi

（Hunan Institute of Technology， Hengyang 421002， China）

Abstract： The activities of teachers and students are constrained by teaching plans in traditional teaching methods， and the teaching methods are aging， and cannot expand students′ learning abilities by means of big data， resulting in students′ low self?learning ability after class and low extracurricular communication ability. Therefore， an intelligent education platform based on the big data is designed. The overall structure of the platform includes the physical layer， virtual resource layer， logic layer， display layer， application layer， network layer and user layer. The big data center module of the platform is used to collect all business data by means of network and equipments such as sensor， and store business data in the massive data storage device. For the software design part of the platform， the multi?feature fusion acquisition algorithm is used to collect student data， so as to complete the student achievement warning by using the achievement warning algorithm based on the correlation analysis technology. The experimental results show that only 5.15% and 4.49% of students cannot improve their self?learning abilities after class and extracurricular communication abilities respectively， and more than 95% students have good feedback after using the designed platform， which indicates that the designed platform can effectively improve students′ self?learning ability after class and extracurricular communication ability， and has a high application efficiency.

Keywords： big data; intelligent education platform; self?learning; multi?feature fusion; correlation analysis technology; student achievement warning

人們的學習途徑從課堂與課本進入了多元化教育時代，使用網絡與移動終端學習逐漸成為信息時代學習的重要方式;而傳統的教學模式多半是照本宣科，教師與學生的活動受教案約束[1]，統一的“程序化”教學方式導致教學方式老化，學生學習效率不高[2]。傳統的教育模式已經不能滿足現在的學習需求[3]，因此，本文設計基于大數據的教育智慧平臺，通過大數據技術，把互聯網資源與學校平臺的數據連接，實現智慧教育。

1 ?基于大數據的教育智慧平臺的設計

1.1 ?平臺硬件設計

基于大數據的教育智慧平臺結構分為7層，分別是物理層、虛擬資源層、邏輯層、展現層、應用層、網絡層、用戶層[4]。其詳細結構如圖1所示。

1.1.1 ?平臺硬件設備配置結構設計

基于大數據的教育智慧平臺中的硬件設備配置結構如圖2所示。其主要包括服務器、交換機、防火墻、網絡機柜、攝像機、音視頻分配器與手寫屏各一個，2臺計算機[5]。其中，交換機按照學生在線并發數設置交換機設備的配置，考慮到冗余情況可多設置1臺留作備用;防火墻采用具有冗余接口的VPN防火墻，確保總體教育智慧平臺在最大并發數下可靠運行;攝像機、音視頻分配器主要用來錄制教師課程，把音頻、視頻錄制到控制端，教師使用手寫屏在屏幕上模擬黑板輸入[6]。

1.1.2 ?大數據中心模塊設計

大數據中心模塊是基于大數據的教育智慧平臺中業務模塊的數據集散地，主要通過網絡和傳感器等設備采集所有業務數據，并保存在海量數據存儲設備中，使用數據篩選與清洗處理技術處理數據后，傳輸至相應的應用程序中進行程序操作[7]。

1.2 ?平臺軟件設計

1.2.1 ?多特征融合采集算法

采用多特征融合采集算法對平臺中的學生特征數據進行快速、準確的特征采集[8]。

[Ta，a1=i=1nqi-s2qi-s-lqi-s2qi-s-li=1nqi-s2qi-s-l22+qi-s2qi-s-l22] ? ?（1）

式中：[Ta，a1]為學生數據特征屬性和學生特征表達集合;[qi]為學生數據分類后數據特征數目;[s]為學生特征含有量;[i]為數目;[n]為參數;[l]為學生數據特有屬性。學生數據特征識別后必須去除不是特征性的屬性，有利于采集時減小誤差提升速度，冗余數據去除公式為：

[L=q+i=1nTa，a1iq-ei=1nTa，a12i] ?（2）

式中：[L]代表限定去除標準，符合標準的將被去除;[q]代表去除時采用的過濾要求;[e]代表已有冗余數據去除要求。經過過濾后能夠采集數據特征。

[C=βi=1nei+i=1nTa，a1·a，a1idiθi=1nTa，a12i+ ? ? ? 1-βqi+i=1nTa，a1i-X2Ta，a12ii=1nTa，a1-X2] （3）

式中：[diθ]代表數據特征的持有權值;[β]代表平衡因子關聯系數;[X]代表數據特征采集因素[9]。

1.2.2 ?基于關聯分析技術的成績預警算法

基于第1.2.1節采集的學生數據，采用基于關聯分析技術對學生成績進行預警[10]。將事務集設為A1，預警項集設為A2，K為頻繁項集，Y為候選集，Rules為預警規則集，seq為預警項順序集，minsup表示最小支持度，minconf表示最小置信度，則算法描述為：

Input ?A1，minsup，minconf，A2，seq

Output ?成績預警規則Rules

1.初始化頻繁項集[K1]

2.while（all [LK-1≠？]）

3.end

4.while（all [YK]）

5.end

2 ?實驗分析

2.1 ?本文平臺對學生課后自主學習的影響

實驗統計本文平臺對學生課后自主學習的影響，結果如表1所示。

分析表1可知：使用基于大數據的教育智慧平臺后，有87.37%的學生課后總是可以回想起課堂上教學的相關知識來進行自主解題;有86.92%的學生總是可以課后自主解題;有87.21%的學生總是可以在課后自主發現自己的解題錯誤;有86.33%的學生總是可以在課后自主發現錯誤后及時改正。僅有5.15%的學生使用本文平臺時不能提升學生課后自主學習的能力。由該數據可知，基于大數據的教育智慧平臺可有效提升學生課后自主學習的能力。

2.2 ?學生課外交流情況

實驗統計本文平臺對學生課外交流的影響，結果如表2所示。

分析表2可知：學生課外使用基于大數據的教育智慧平臺時，僅有1.35%的學生在平臺中不參與課后溝通;僅有0.34%的學生在平臺中不向老師提問;僅有1.5%的學生沒有增加對老師的了解;僅有0.21%的學生沒有增加對同學的了解;僅有1.09%的學生沒有增加對知識的理解。經過統計，僅有4.49%的學生使用本文平臺時不能提升自己的課外交流能力，由該數據可知，基于大數據的教育智慧平臺可有效提升學生課外交流的能力。

2.3 ?學生對本文平臺的反饋結果

學生對本文平臺的反饋結果如表3所示。

分析表3可知：使用本文平臺后，認為同意使用本文平臺對學習幫助很大的學生占比92.59%（同意+基本同意）;同意使用本文平臺對學習效率提升較高的學生占比97.52%（同意+基本同意）;同意使用本文平臺有助于及時發現錯誤并得到糾正的學生占比89.88%（同意+基本同意）;同意使用本文平臺有助于加強師生交流的學生占比94.47%（同意+基本同意）;同意本文平臺可在學校中普遍運用的學生占比93.56%（同意+基本同意）。對本文平臺反饋結果果斷差評的學生僅占4.67%。由該數據可知，大約95%以上的學生使用本文平臺后反饋較好。

3 ?結 ?論

本文設計基于大數據的教育智慧平臺，通過實驗數據分析可知：學生使用本文平臺后，超過85%的學生總是可以在課后回憶課堂知識且發現自己的解題錯誤、自主解題、及時改正;僅有4.49%的學生在平臺中不參與課后溝通、不向老師提問、未增加對老師和同學的了解以及對知識的理解;且約95%以上的學生對本文平臺的反饋結果良好。綜合分析實驗數據得知，本文平臺是一種高質量的教育平臺，可大大提高學生的學習質量和教師的教學效果。

參考文獻

[1] 鹿星南，和學新.國外智慧學校建設的基本特點、實施條件與路徑[J].比較教育研究，2017，39（12）：23?29.

LU Xingnan， HE Xuexin. On basic characteristics， implementing conditions， and approaches of foreign smart school construction [J]. International and comparative education， 2017， 39（12）： 23?29.

[2] 鄧莉瓊，肖秋根，李中寧，等.基于大數據分析的計算機網絡課程自適應學習系統構建[J].計算機工程與科學，2016，38（z1）：276?280.

DENG Liqiong， XIAO Qiugen， LI Zhongning， et al. Construction of an adaptive learning system of computer network course based on big data analysis [J]. Computer engineering and science， 2016， 38（S1）： 276?280.

[3] LEE T， JEON S， KANG D， et al. Design and implementation of intelligent HVAC system based on IoT and big data platform [C]// Proceedings of IEEE International Conference on Consumer Electronics. Las Vegas： IEEE， 2017： 398?399.

[4] 孫傲冰，季統凱，伍小強.面向智慧城市的大數據開放共享平臺的設計與實現[J].計算機應用，2017，37（z1）：340?343.

SUN Aobing， JI Tongkai， WU Xiaoqiang. Design and realization of big data open platform for smart city [J]. Journal of computer applications， 2017， 37（S1）： 340?343.

[5] KRECHOWICZ A， DENIZIAK S. Business intelligence platform for big data based on scalable distributed two?layer data store [C]// Proceedings of 2017 Federated Conference on Computer Science and Information Systems. [S.l.]： IEEE， 2017： 177?182.

[6] ZHAO H， HAO X， WANG A， et al. Design and implementation of an intelligent cooking robot based on Internet of Things [C]// Proceedings of the 2015 Chinese Intelligent Automation Conference. Berlin： Springer， 2015： 423?430.

[7] 楊可晗，馬瓊.大數據下提高遠程教育質量提取有效資源仿真[J].計算機仿真，2017，34（4）：212?215.

YANG Kehan， MA Qiong. To improve the quality of distance education and the simulation of effective resources under the big data [J]. Computer simulation， 2017， 34（4）： 212?215.

[8] DONG X. The exploration about the construction of big data platform based on intelligent tourism [J]. Electronic test， 2017， 50（11）： 53?60.

[9] HUANG L F， LIU J Y， HUANG Z C， et al. Design and implementation of information push service platform in mobile intelligent district based on JXTA [J]. Applied mechanics & materials， 2015， 713： 2229?2232.

[10] 祝智庭，彭紅超，雷云鶴.解讀教育數據智慧[J].開放教育研究，2017，23（5）：21?29.

ZHU Zhiting， PENG Hongchao， LEI Yunhe. Interpreting educational data wisdom [J]. Open education research， 2017， 23（5）： 21?29.