基于大數據技術的高職院校O2O智慧教學平臺構建

諶順周，吳 云，謝紅英，姜 莉

（湖南懷化職業技術學院信息與藝術設計系，湖南 懷化 418000）

0 引言

在“互聯網+”時代，信息技術的快速發展為高職教育教學改革提供了先進技術支撐和新的發展方向。隨著信息技術和職業教育教學的不斷融合，MOOC、翻轉課堂等在線學習方式越來越多地應用在職業教育中，改變了學生的學習理念和學習方式，突出了學生個性化學習的特點。但是，這并不意味著以互聯網為依托的在線學習就完全可以取代傳統的線下教學。雖然過去以講授為主的教學方式已經難以滿足“互聯網+”時代學生發展新要求，但是在線學習要求學生高度誠實和自律，這對于職業院校的學生來說是個較大的考驗。因此，職業教育教師很有必要對傳統線下教學和現代線上學習做進一步的結合起來，構建既符合“互聯網+”時代發展要求又符合職業教育發展特點的教學平臺。“互聯網+教育”是指將互聯網基因注入時代教育中去，運用互聯網技術和信息手段實現與課堂教學內容的高度整合，以促進教育理念、教學過程、教學方式、教學評價的創新。本文立足于互聯網信息技術的發展現狀，并結合高職院校線上線下教育實踐，對智慧型O2O教學平臺的構建和建設中的關鍵技術和問題進行研究，并提出平臺的設計思路和總體框架[1]。

1 O2O智慧教學平臺概述

O2O模式即Online to Offline，最早是美國電子商務領域提出的概念，在互聯網廣泛發展的今天，O2O模式已經不僅僅是針對商業領域，對于傳統教育同樣適用，教育O2O模式在社會培訓市場已經興起，但是這些商家大多數是將O2O模式應用在對自身課程產品的銷售上，沒有對教學過程或者教學內容進行有效的促進與改善。O2O 智慧教學平臺是指集智慧學習、智慧答疑、精準教學、在線討論、個性化練習測試、多維度評價等多項服務在內的一體化教學服務系統[2]。通過實現教學資源和學習內容的個性供紀念品，以及線上自主學習與線下課堂教學打通。在這種互動共享空間里，學生通過平臺線上自主學習、多方討論、多維度評價，教師通過平臺進行學情分析、問題答疑、教學設計，通過線上線下有機結合，形成閉環，有效推進個性化精準教學，提升教學質量和效果。

2 大數據學情分析在 O2O 智慧教學平臺中的應用分析

通過對學生學習過程數據、練習測試數據、互動問答數據、教師教學課堂數據、搜索提問數據等教學數據的進行記錄采集，形成教學大數據，再通過大數據挖掘分析，實現對學生學情、學習習慣、學習行為、教師課堂效果等進行數據分析，實現教學資源的精準推送，個性化學習資源推送、精準練習測試、測量與記錄，智慧答疑系統自主問題搜索，有效促進教師根據學情分析數據進行精準課程設計、精準課堂把握，并為課堂上的教學決策和學習干預提供數據支持，為教學評價提供數據支撐，為教學管理提供決策依據，進而實現線上線下相結合的智慧教學。

3 基于大數據技術的高職 O2O 智慧教學平臺框架設計

3.1 O2O智慧教學平臺建設目標

基于大數據技術的高職 O2O智慧教學平臺構建是將大數據技術應用于O2O教學平臺中，旨在通過該系統構建能讓教師在實施教學過程中，根據學生學習學情數據分析，實現差異化的教學，使教學更精準化[3]。學生可在系統中根據自身基礎進行個性化學習，系統可為學生進行量身定制學習、練習內容。教學管理者可根據教師教學數據和學生學習反饋數據，對課堂教學質量把控，實施更精準化教學決策。

3.2 O2O智慧教學平臺關鍵技術應用

3.2.1 學情分析系統

通過大數據技術和數據挖掘進行學情分析，能夠讓每一個學生根據自身知識結構量身定制一套學習資源和課程，還能夠及時了解學生學習興趣、學習習慣，提前預警和提示，依靠大數據驅動學生學習，促進教師改善教學方法和手段，進一步提升教學質量。學情分析系統可通過對預測、聚類、相關性挖掘、數據判斷、用模式進行發現等技術實施學情分析[4]。

3.2.2 個性知識供給模型

個性化推薦在各個領域都能看到，如商品推薦、新聞推薦、電影推薦，系統會根據你最近瀏覽信息和搜索內容進行綜合分析，推斷出你所關注的內容，精準推送相關內容給你。O2O智慧教學系統個性知識供給系統也是根據你最近瀏覽內容、搜索關鍵詞和錯誤練習題等綜合判斷，為學生推薦相關學習資源和內容。構建一種高效可靠的個性化知識推薦模型對智慧教學平臺的構建起到很關鍵的作用，符合“以生為本、因材施教、自主學習”的教育理念[5]。

3.2.3 知識圖譜智慧答疑系統

O2O智慧教學平臺來說，學生答疑是其中的重要模塊，學生碰到問題可在線咨詢老師，但老師不可能24小時在線，如不能及時回答，可能會造成學生因為學習困難而放棄，影響學習興趣和積極性，通過智慧答疑系統開發能夠有效解決類似問題，有助于提高教學效能，普通答疑系統無法對課程知識進行全面表示，缺乏對問題答案的歸納功能，在答疑系統中引入知識圖譜，把學生提的問題以知識點樹的形式展現，結合樸素貝葉斯算法進行文本分類，歸類問題相關知識點，搜索相匹配的教學視頻或課件，能夠更好的為學生解決問題，學生還可進行相關知識點的擴展學習，有效提升系統的智能化[6]。

3.3 O2O智慧教學平臺技術架構設計

高職 O2O智慧教學平臺技術框架采取分布式大數據集群技術框架，基礎數據計算機平臺使用Hadoop技術，通過與其相關的數據處理和工具，使用HDFS分布式文件存儲，ETL進行數據采集處理、MapReduce分布式計算框架，系統還包括大數據訪問框架和數據安全保障體系等。如圖1所示。

高職 O2O智慧教學平臺通過對學生自主學習過程、課堂教學過程、測試考試、頭腦風暴、在線答疑、問答搜索等教學數據進行采集，形成海量的教學大數據，通過過濾算法和去噪手段對數據進行處理，得到數據集合，再利用 Hadoop分布式存儲數據，使用MapReduce分布式計算，采用數據挖掘技術算法中的分類、回歸分析和相關性分析算法對教學大數據進行分析建模，通過挖掘分析結果，為學生提供個性化學習知識推薦，為教師提供教學數據支撐，為教學管理者提供教學決策參考，形成線上線下教學學習閉環。

圖1 O2O智慧教學平臺技術架構圖Fig.1 O2O intelligent teaching platform technology architecture

3.3.1 平臺基礎設施和數據庫層

平臺的基礎設施層是整個平臺架構的根基，為整個服務平臺能夠高效穩定運行提供基礎支持和有力保障[7]。平臺的基礎設施層主要包含以下幾個方面。

①服務器：服務器是服務平臺賴以運行的容器。

②網絡：網絡是用戶和服務平臺之間交互的媒介。

③數據庫：數據庫存儲了服務平臺上所有學習、教學相關的信息基礎數據。

④虛擬化軟件：使用VM集群技術虛擬一個統一的服務平臺，來滿足系統的服務需求。

3.3.2 數據采集層

數據采集服務是保證數據來源的重要手段，本系統通過使用ETL數據采集工具、網絡爬蟲等對各類學習、教學數據進行采集，將采集到的數據經過數據抽取、清洗、轉換后放到數據倉庫中存儲起來，采集數據的質量直接決定數據分析的準確性和可靠性。

3.3.3 數據計算服務層

數據計算服務層是該平臺的核心，采用以HDFS分布式數據存儲為基礎，通過MapReduce分布式計算，為應用呈現層提供可靠的、高質量的數據分析結果，為學生學習、教師教學精準化服務。

3.3.4 數據分析層

過大數據技術對學習行為分析，實現教學資源的精準推送，個性化學習、精準練習、測量與記錄，通過智慧答疑系統自主問題搜索，教師根據學情分析數據精準課程設計、課堂精準把握，并為線下課堂上的教學決策和學習干預提供數據支持；數據處理模塊主要包括數據收集、數據分析、數據挖掘以及數據應用等。

3.3.5 應用呈現層

應用層是服務平臺向租戶提供的業務服務層，根據不同租戶的需求，該層為用戶提供不同的服務功能，如線下學習子系統、課堂教學子系統、智能問答子系統、教學決策子系統，該層對內向數據提供各類基礎數據，對外向學生、教師和教學管理者提供各項業務服務，實現O2O智慧教學學習。

3.3.6 系統安全保障體系

系統安全保障體系包含系統數據安全和系統運行安全兩個模塊，系統數據安全主要包括學生和教師個人相關信息安全不被泄漏，系統重要數據不被盜取。系統運行安全包括系統可靠性，系統備份和恢復等。

4 結束語

本文立足于互聯網信息技術的發展現狀，并結合高職院校線上線下教育實踐，對智慧型O2O教學平臺的構建和建設中的大數據學情分析、知識圖譜答疑系統、個性化知識供給模型等關鍵技術和問題進行研究，并提出關鍵技術應用策略、平臺的設計思路和總體框架。