大數據視野下促進學生自主學習策略研究

陳怡然 廖寧

摘 ?要：受傳統教學理念、教學模式、教學方法等因素的制約，學生較弱的自主學習能力已成為制約我國高校教學質量以及人才培養質量的重要因素。在以學習者為中心的知識意義建構過程中，如何借助于大數據這樣的工具，將教師的輔助功能恰如其分的體現，是我們這篇文章中所探討的重點。

關鍵詞：大數據 ?自主學習 ?學習策略

黨的十九大報告在闡述全面建設小康社會的宏偉目標時，明確提出要“形成全民學習、終身學習的學習型社會，促進人的全面發展。”在學習型社會，自主學習能力是必備的能力之一，也是衡量高校人才培養質量的重要標準之一。但是，由于受傳統教學理念、教學模式、教學方法等因素的制約，學生較弱的自主學習能力已成為制約我國高校教學質量以及人才培養質量的重要因素。

建構主義（constructivism）認為，知識不是通過教師傳授得到，而是學習者在一定的情境即社會文化背景下，借助學習時獲取知識的過程中其他人（包括教師和學習伙伴）的幫助，利用必要的學習資料，通過意義建構的方式而獲得。教師在知識的學習過程中，不再是傳統的講授者與知識的提供者，而是意義建構的幫助者、促進者。

然而，在以學習者為中心的知識意義建構過程中，教師的輔助功能如何恰如其分的體現，一直是一個值得討論的問題。在信息技術廣泛應用于教育之前，教師對學習者的幫助和促進完全依賴于教師本人的經驗和主觀判斷。隨著慕課，網絡異步教學等信息科技的流行和發展，教師在學習者的知識意義建構過程中的角色，得到了越來越多的信息技術的支撐。

在計算機存儲技術和人工智能領域中的廣泛采用的大數據技術因其具有適用于大容量數據（Volume），多種類數據（Variety），要求處理速度快的數據（Velocity），能處理價值密度低的數據（Value）的4V特征，具備從各種結構化到非結構化數據中快速獲取有價值信息的能力。使用大數據技術對學習者學習過程中產生的各種數據，包括并不局限于：學習成績，學習時間，學習情緒，等進行建模分析，可以有效支撐教師的策略選擇。對不同的學生行個性化的幫助，有效促進學生的自主學習能力、幫助學習者進行知識意義的建構，遠遠超過教師本人的主觀判斷能夠做到的程度。

一、基于大數據對學習特征分類建模，制定個性化的學習目標

對即將開始學習本門課程的所有學生，根據網絡教學平臺他們在其他課程中已積累的教學數據，比如平時作業質量，平時作業完成時間，問卷調查結果，教學平臺訪問次數，學生筆記數量，教師筆記訪問次數等數據與學生的課程成績使用SciPy，NumPy，Pandas，Matplotlib等Python大數據分析包進行相關性分析，建立相關性模型，從而對學生進行聚類分析，對不同的類別進行學習特征（如知識水平，能力水平，學習風格，學習習慣等）建模，對不同類別學生推薦定制化的學習目標，學習范圍，學習進度，學習策略等。

二、大數據支持下促進學生順利完成自主學習目標

以找出適合學生的學習內容為主要目標，為學生匹配個性化的學習范圍。在這里我們通過對學生學習過程數據進行挖掘和分析，預測學生對資源的個性化需求，從海量的網絡學習資源中為學生推薦與其學習特征相匹配的學習資源，解決自主學習中學生對爆炸式的網絡信息篩選能力弱的難題。

通過大數據相關技術可以對每一個學生對學習過程（比如學習頻率，學習時間長短，學習質量，學習情緒等）進行精確記錄，建立每個學生的學習軌跡，對可能會偏離學習效果的學生進行提前預警，提醒教師對這些學生進行更好的監督和幫助，及時調整學習策略，以促進學習目標的順利完成。

三、使用大數據幫助教師、學生精確互動

即使是自主學習，也不應該在學生完全獨立的狀態下完成。教師與學生之間，學生與學生之間的良好互動是對獨立自主學習的有益補充。通過先前進行的學習特征聚類分析中，把學生分成特質相近的組別，有利于學生之間結成學習伙伴，在互動中完成自主學習。大數據支持下每個學生學習軌跡的建立，有利于教師和學生之間有針對性的互動，幫助教師分析特定學生的學習狀態，修正學生的學習策略，從而更有效的幫助學生達成學習目標。

四、大數據挖掘幫助修正已有的學習模型，完善學習策略

大數據分析產生的學習特征聚類不應該是靜態的，隨著學習的進行，每個學生的學習特征都在不斷地動態變化之中。要在挖掘學習軌跡數據的基礎上，對學習特征進行更新，保證學習特征聚類反映了最新的學習狀態，實現學生的動態流動。學習軌跡大數據的分析和挖掘還可以提供信息用于檢測已有的學習策略，并對其進行修改完善。有效的策略得以保留，效果較差的策略會被淘汰。

結語

單純的知識灌輸已經被證明是低效的，但是放手學生去自主學習又會面臨學生自主學習能力弱，無法有效監控的問題。每一個學生的自主學習基礎和需求都不一致，教師難以針對性的幫助和促進學生通過自主學習完成知識意義的建構。即使是新興的慕課，翻轉課堂等新教學模式也不能解決這個問題。唯有大數據支撐下對學生的學習軌跡數據進行數學建模，數據挖掘和分析，才可能對學生的自主學習給予符合其自身需求的引導和支持，并對學習過程進行分析和預警，幫助教師與學生精準互動，完善學生的學習策略，從而順利達成自主學習的目標。

參考文獻

[1]申偉.大數據時代外語自主學習能力的影響因素與培養策略探究[J].廣東行政學院學報，2018，030（001）：93-98.

[2]鄧麗.網絡環境下高職學生自主學習能力培養策略研究[D].聊城大學，2014.

[3]沈卉卉.大數據時代微課程對大學生自主學習能力創新培養的研究[J].科教文匯，2016（1）：35-36.

[4]徐興梅，曹麗英，趙月玲.大數據時代背景下學生自主學習能力的培養[J].農業網絡信息，2016（6）：91-93.

[5]賈秋林.互聯網時代中學生自主學習能力培養研究[D].信陽師范學院，2016.