基于大數據的個性化學習推薦服務研究

肖堅

摘 要：大數據時代的到來毫無疑問為信息科學技術開辟了一條嶄新的發展路徑，而無論在哪個行業的應用也都至始至終秉承著高質量、高效率的應用原則，實現行業應用的信息化和技術化。本文就大數據時代的個性化學習推薦服務進行討論，提出幾點思考，僅供參考。

關鍵詞：大數據;個性化學習;推薦服務

通過分析了解之后我們發現，大部分個性化推薦系統當中應用到的數據均是以個性化的信息服務結合與之相關的技術獲取到的，而這當中具體的提取方法及推薦模型的建立也都往往比較復雜且耗時較大。

1.基于大數據的定義分析

學習分析指的是在基于大數據的基礎上借助數據和模型預測學生學習行為以及學習成果的一種技術，對于這種技術它具備相應的信息處理能力。有人則以為，所謂的學習分析實際上核心在于借助數據來收集工具或是在分析技術的基礎上對學生整個學習參與及學習過程或是學習表現的有關數據進一步探究，以達到進行及時的修改或是優化課程教學的一種評價策略。在此過程中，教師需要對學生進行在線學習的過程中出現的數據信息做進一步的研究和分析，進而完全理清楚學生的共同點或者不同點，根據學生的實況或特點對學生學習背后隱藏的信息進一步分析并使用，同時制定出有針對性地學習數據內容，給學生提供智能化的學習服務，幫助學生能更好的參與并開展學習任務[1]。

2.知識服務當前面對的主要問題

2.1科技知識資源供給與需求不平衡

基于現如今數據生產能力和信息化水平不斷發展的不同階段，逐漸表現出了科技知識資源供不應求和供過于求的矛盾體現。目前，在用戶類型繁多且科技需求旺盛并且知識資源豐富的科技大數據時代，介于資源和用戶信息不對稱、個性化需求強烈和科學研究范式變化、科技情報服務要求提高等原因影響基礎上，科技知識資源的供求成了當前需要面臨的首要問題。

（1）用戶想要找的科技知識資源因為數據組織及檢索技術影響的緣故無法在數據庫中找到對應的信息。

（2）在圖書館和信息服務機構具備大量的知識資源的前提下，卻無法實現為用戶提供更多精準的知識資源。

（3）數據所體現出來的價值并未得到充分的挖掘，同時知識計算引擎也并未設計和啟動、至此也并未行成科技知識流動態環境，最終使得數據被留滯于數據中心。

（4）對于特色的數據和專題數據或者是科研實體知識資源沒有辦法實現快速化供給。

（5）在應急專題、科技界迫于解決的知識創新需求或者產業技術創新以及市場創新方面的需求、常規化科技情報分析任務等具體需要的科技知識的資源供給速度比較緩慢。

2.2科技情報服務體系反應不及時與渠道秩序不規范

介于以知識計算為主要核心引擎的科技大數據中心依然沒有能夠有序地建立起來，因此也并未能夠行成或協同科技情報分析服務方法庫，與此同時，科技情報服務單元并未協同起來或者是沒有能夠使得高價值的中間分析數據結果實現統一化存儲及共享應用，如此，如果是在面對應急和專題或者是常規等差異性科技情報的需求的時候，對于數據源的遴選、數據的分析以及數據的收集和數據報告的撰寫依然還是以人工為主，也因此使得科技情報服務發生響應的速度較為緩慢，沒有辦法支撐全領域或者是支承整個行業的科技情報服務的任務需求。

在兼并同時面對專業領域和專題方向或者是產業方向的時候，仍然也沒有能夠建立起或是利用好統一化的“數據+平臺+專家”類型的科技情報服務體系，如此在遇到實際科技決策以及定位發展問題的時候，又缺乏規范具體的標準情報來通過多渠道上報科技情報，也或者是完全低估了“數據+科技”類型的科技情報服務形式，致使獲取到的情報質量比較低或是真假情報混淆以及出現決策不到位等問題，如此說來，當前面臨的首要問題就是必須規范科技服務渠道的秩序[2]。

3.大數據學習分析支持個性化學習研究

3.1完善個性化的學習者檔案

想要實現個性化學習，必要的前提因素便是可以擁有更多而且差異類型的數據點。對于大數據的學習分析并應用，一定程度上能增加收集數據點的數目及類型。然而又因為這些數據點相互之間產生的作用則又促使學習者在建立檔案時檔案信息的確立更加完善，同時也能使教師深入了解一些學生個性化發展的實際需求，為學生提供適應他們的個性化學習方案。在學習者的檔案信息中，除了其智力成就數據信息之外，也存在能夠影響他們學業成績或職業成就的學生情感非認知屬性數據信息或是行為數據等等。但在實際數據的收集過程中，不管針對哪一種數據類型，行為數據、生物識別數據或是非認知數據都必須要確立更多的數據點，用于幫助學習者構建更加完整的個性化檔案。

3.2分析預測個性化的學習行為

學習行為屬于能夠影響學生個性化學習的核心因素。在大數據背景下的學生對學習任務的分析其核心點主要在于對學生的學業成績進行分析，找到影響學生學習的不良行為或是會影響個性化學習效果的主要因素，從而從其中找到那些在學習過程中需要提供幫助的學生人群。不僅如此，也可以對學生的學習行為進行預測，引導學生樹立遠大的人生目標，緊密跟蹤學生的學習進展情況，使他們可以收獲屬于自己的數據。作為學生而言，他們往往能借助數據的交互點信息來確定最終的目標或是具體想要達成這些目標應該取用什么樣的策略[3]。

另外，這些數據點同樣可以指導學生的學習行為，讓他們在自主學習的過程當中發揮出更大的效用。而應用這種方法有效地避免了讓學生學習同樣的內容，或是開展同樣的活動。結合個人的學習信息的差異性，以及每個學生不同的喜好、興趣或是背景和學習目標，生成屬于他們自己的學習地圖。然而，假如長期對學生的信息進行分析，往往能夠進一步為學生個體以及團體提供適應性并且個性化的學習環境，這樣則更加有助于以最大限度地實現學習效率和學習質量的提高，對此，建立在大數據基礎上的預測針對個性化學習來說往往至關重要。

3.3優化個性化的教育決策

以往的教育模式當中，教師通常都會被視作擁有自主權的課程內容專家。然而課程的安排往往都是由學校來決定的，但對于教師而言可以結合實際需求對具體地內容做對應的修改或刪減。另外，教師也被認為是具有權威性的教育專家與實踐者，以此說來，大數據的分析使用一定意義上正在使教師這個角色發生改變。

基于大數據的基礎上作出相應的決策，能夠實現教師角色的弱化，而這樣一來，也更加有助于收獲除教育領域之外的其他個人獲取到相應的知識和經驗。介于教師角色弱化的緣故，這個角色的作用同樣被重新定義并擴展，逐漸地，教師這個角色被擴展為無背景并且不受認證的個體，與此同時，一些非教育領域（包括像游戲、移動以及社交技術）的數字資源，也能夠發揮出與教科書及輔助參考資料同樣的作用[4]。

結束語

科學技術的進步帶動了社會乃至經濟的發展，如此一來我們的日常生活以及學習也開始步入了大數據的時代，它在教育領域的應用為其提供更多的學習數據資源，同時又引導學生進入了一個高效率、高質量的數據信息學習時代，實現了教育領域與時俱進的時代特色。

[參考文獻]

[1]劉海鷗，劉旭，姚蘇梅，謝姝琳.基于輿情畫像的在線社交用戶信息傳播特征統計分析【J】.現代情報，2019（09）：112-113.

[2]趙宏，張馨邈.遠程學習者在線學習情緒狀態及特征差異【J】.現代遠程教育研究. 2019（02）：99-106.

[3]王興蘭.大學生虛擬學習社區用戶生成行為實證研究【J】.圖書館學研究. 2019（06）：111-119.

[4]馬相春，鐘紹春，徐妲.大數據視角下個性化自適應學習系統支撐模型及實現機制研究【J】.中國電化教育.2017（04）：97-102.

本文系湖南省教育廳資助科研項目（19C1234）的階段性研究成果。

（作者單位：湖南外貿職業學院，湖南 長沙 410000）