基于大數(shù)據(jù)分析的學(xué)習(xí)者評價模型

唐春玲

摘 要：隨著大數(shù)據(jù)技術(shù)的飛速發(fā)展，將大數(shù)據(jù)嵌入在線學(xué)習(xí)平臺中，通過對學(xué)習(xí)平臺的大量學(xué)習(xí)行為數(shù)據(jù)進行深度挖掘，分析出學(xué)生學(xué)習(xí)狀況和問題，及時給予學(xué)習(xí)評價，然后根據(jù)分析結(jié)果反饋干預(yù)學(xué)習(xí)者，對其學(xué)習(xí)進行個性化有效指導(dǎo)從而提高學(xué)習(xí)者的學(xué)習(xí)成效。本文從學(xué)習(xí)者學(xué)習(xí)風格、知識模型、學(xué)習(xí)活動序列進行研究從而提出學(xué)習(xí)者評價模型。

關(guān)鍵詞：大數(shù)據(jù);學(xué)習(xí)風格;學(xué)習(xí)風格;學(xué)習(xí)活動序列

中圖分類號：G434 文獻標識碼：A 文章編號：1671-2064（2019）20-0024-02

0 引言

“大數(shù)據(jù)”一詞代表著信息技術(shù)發(fā)展進入了一個新的時代。數(shù)據(jù)是記錄信息的載體，它能夠精準、全面和及時地反映個人的思維、行為、情感和特性。在線學(xué)習(xí)平臺一方面提供了各種類型的學(xué)習(xí)資源，另一方面也保存了大量的學(xué)習(xí)狀態(tài)行為的數(shù)據(jù)。隨著大數(shù)據(jù)技術(shù)的發(fā)展，對在線學(xué)習(xí)行為數(shù)據(jù)進行有效挖掘，分析出學(xué)習(xí)者的學(xué)習(xí)特征和學(xué)習(xí)狀況，對學(xué)習(xí)者每模塊學(xué)習(xí)情況進行分析評價，推送有助于學(xué)習(xí)者提高學(xué)習(xí)成效的學(xué)習(xí)資源，從而進行個性化學(xué)習(xí)指導(dǎo)。利用現(xiàn)代化信息技術(shù)手段，滿足學(xué)生的差異認知需求，對不同的學(xué)習(xí)者使用不同的學(xué)習(xí)路徑，每個人可以按照自己的特征進行學(xué)習(xí)，從而實現(xiàn)因材施教。將大數(shù)據(jù)互聯(lián)網(wǎng)優(yōu)勢與在線學(xué)習(xí)相結(jié)合中建立基于大數(shù)據(jù)分析的學(xué)習(xí)者評價模型是重要的研究環(huán)節(jié)。

1 基于在線學(xué)習(xí)的學(xué)習(xí)者評價模型

在大數(shù)據(jù)與在線學(xué)習(xí)相結(jié)合過程中，建立基于大數(shù)據(jù)分析的學(xué)習(xí)者評價模型是重要的研究環(huán)節(jié)。模型中首先要對學(xué)習(xí)者建立特征模型，它記錄了學(xué)習(xí)者學(xué)習(xí)風格、認知水平、情感偏好和個體特征。

1.1 學(xué)習(xí)者特征的構(gòu)建

通過采集學(xué)習(xí)者學(xué)習(xí)相關(guān)數(shù)據(jù)和個人信息，確定其學(xué)習(xí)風格。國際上已有很多關(guān)于學(xué)習(xí)者學(xué)習(xí)風格的研究。VARK模型側(cè)重于學(xué)習(xí)者怎樣運用自己的各種感官有效地學(xué)習(xí)，其所定義的4種類型分別為視覺型、聽覺型、讀寫型及動覺型，文中采用VARK模型。

1.2 知識模型

模型要為不同特征的學(xué)生進行個性化的信息推送首先就要把知識點的聯(lián)系的呈現(xiàn)給學(xué)習(xí)者，清楚地表明各個知識點的邏輯關(guān)系。知識模型描述領(lǐng)域知識的結(jié)構(gòu)，包括概念和概念間的聯(lián)系。多類型的可視化學(xué)習(xí)資源是促進學(xué)習(xí)者學(xué)習(xí)效果的保障。除了傳統(tǒng)的課件、教材、實訓(xùn)指導(dǎo)書等，還應(yīng)包含視頻、音頻、微課，交互式課件等，甚至還有VR體驗等不同形式的學(xué)習(xí)資源。當前最熱門的知識模型是知識圖譜，知識圖譜本質(zhì)上是一種大規(guī)模的語義網(wǎng)絡(luò)，用來描述事物之間的關(guān)系，通常采用實體-關(guān)系-實體三元組形式表現(xiàn)。

1.3 學(xué)習(xí)活動序列

學(xué)習(xí)活動序列是指為達到學(xué)習(xí)目標根據(jù)不同類型的用戶呈現(xiàn)出一套學(xué)習(xí)方案，這個學(xué)習(xí)方案包括：知識、技能、素質(zhì)目標，任務(wù)描述，自操自測，知識準備，任務(wù)實施、評價機制等，組成了一個有機整體。學(xué)習(xí)活動序列不僅包含同一知識點的各類資源的組織，還包含知識點之間的學(xué)習(xí)路徑，可以自主選擇學(xué)習(xí)順序，也可以按照課程推薦的順序。這里可以使用大數(shù)據(jù)中的關(guān)聯(lián)分析中的Apriori算法，Apriori算法能夠找出數(shù)據(jù)集中不同項目之間的相關(guān)性，通過采集大量學(xué)習(xí)者知識點學(xué)習(xí)順序和學(xué)習(xí)效果等數(shù)據(jù)，建立學(xué)習(xí)者學(xué)習(xí)經(jīng)歷模型，使用Apriori算法分析學(xué)習(xí)順序和學(xué)習(xí)成績之間的相關(guān)性，找出最佳學(xué)習(xí)路徑，推送給學(xué)習(xí)者。

1.4 學(xué)習(xí)者評價模型

評價模型中首先根據(jù)學(xué)生在線調(diào)查問卷的情況對學(xué)習(xí)者進行初聚類，然后對學(xué)生行為數(shù)據(jù)、知識圖譜、活動序列數(shù)據(jù)進行預(yù)處理。然后根據(jù)學(xué)習(xí)者階段學(xué)習(xí)數(shù)據(jù)對學(xué)習(xí)者進行再分類，對學(xué)習(xí)成績低于閾值的學(xué)生進行干預(yù)，通過分析出學(xué)習(xí)活動序列跟學(xué)習(xí)成績的相關(guān)性，推薦其優(yōu)化的學(xué)習(xí)路徑及資源對其進行督促改進，最后給學(xué)生學(xué)習(xí)過程以平價，如圖1所示。

2 模型中的大數(shù)據(jù)技術(shù)

模型中主要采用聚類、分類、關(guān)聯(lián)規(guī)則大數(shù)據(jù)技術(shù)。

聚類就是把一組數(shù)據(jù)按照相似度劃分成若干個簇。模型中在根據(jù)學(xué)習(xí)者學(xué)情分析調(diào)查中，根據(jù)學(xué)習(xí)者的答題情況對學(xué)習(xí)者進行聚類，給學(xué)習(xí)者分組。常用的聚類算法有K-Means算法。其算法中心思想是：首先從數(shù)據(jù)中選擇選取N個數(shù)據(jù)作為聚類的中心，然后計算其余數(shù)據(jù)到這N個數(shù)據(jù)的距離，取最小距離把其放入該簇，然后重新計算聚類的中心，把它作為新簇中心，重新計算其余數(shù)據(jù)到聚類中心的距離重新分簇，直到算法收斂為止。分類是在數(shù)據(jù)庫中根據(jù)數(shù)據(jù)的特征將其劃分為不同的類。最常用的分類算法有決策樹算法。系統(tǒng)中用來給資源和學(xué)習(xí)活動序列，學(xué)習(xí)者二次分類。關(guān)聯(lián)規(guī)則就是發(fā)掘一個事物和另一個事物之間存在的相關(guān)性。模型中主要用來挖掘?qū)W習(xí)者學(xué)習(xí)知識點的知識圖譜順序與學(xué)習(xí)成績的相關(guān)性，找出最佳學(xué)習(xí)路徑反饋給學(xué)習(xí)者。

3 結(jié)語

學(xué)習(xí)者在線學(xué)習(xí)過程中產(chǎn)生了大量的寶貴數(shù)據(jù)，通過大數(shù)據(jù)技術(shù)把隱藏在海量數(shù)據(jù)背后暗藏的有用信息挖掘出來從而反饋給學(xué)習(xí)者，增加其自我認知，讓教育回歸人本身，一定是在線教育的又一個春天。

參考文獻

[1] 姜強，趙蔚，王朋嬌，王麗萍.基于大數(shù)據(jù)的個性化自適應(yīng)在線學(xué)習(xí)分析模型及實現(xiàn)[J].中國電化教育，2015（1）：85-92.

[2] 姜強，趙蔚，王朋嬌.自適應(yīng)學(xué)習(xí)系統(tǒng)中雙向適應(yīng)交互評價實證研究[J].現(xiàn)代遠程教育研究，2013（5）：106-112.

[3] 趙慧瓊，姜強，趙蔚，李勇帆，趙艷.基于大數(shù)據(jù)學(xué)習(xí)分析的在線學(xué)習(xí)績效預(yù)警因素及干預(yù)對策的實證研究[J].電化教育研究，2017（01）：65-68.

[4] 王林麗，葉洋，楊現(xiàn)民.基于大數(shù)據(jù)的在線學(xué)習(xí)預(yù)警模型設(shè)計——“教育大數(shù)據(jù)研究與實踐專欄”之學(xué)習(xí)預(yù)警篇[J].現(xiàn)代教育技術(shù)，2016（07）：78-82.

[5] 朱瑩瑩.大數(shù)據(jù)背景下的職大外語課堂教學(xué)改革創(chuàng)新模式研究[J].天津職業(yè)院校聯(lián)合學(xué)報，2016（10）：35-38.

[6] 張艷霞，孫洪濤，李爽，等.數(shù)據(jù)表征學(xué)習(xí)過程及其應(yīng)用——學(xué)習(xí)分析數(shù)據(jù)集國際研究綜述[J].中國電化教育，2015（09）：85-93.

[7] 黃赟茹.基于大數(shù)據(jù)分析方法的學(xué)生在線學(xué)習(xí)評價研究[D].北京：北京郵電大學(xué)，2017.

[8] 姜強.自適應(yīng)學(xué)習(xí)系統(tǒng)支持模型與實現(xiàn)機制研究[D].長春：東北師范大學(xué)，2012.