大數據分析技術對網絡授課輔助能力的研究

徐麗麗 高艷 楊璐

（山西農業(yè)大學信息學院 山西省晉中市 030800）

通過對在線助教能力資源和在線助教能力觀察參數的分析，幫助平臺管理者加強學生的理論與實踐運用獲取體驗和助教興趣。然而，從在線助教能力觀察的參數結果分析中提取有用的決策觀察參數是一個亟待解決的問題。為了解決上述問題，給出了觀測參數結果分析技術和觀測參數結果分析的可視化處理方法。觀測參數結果分析技術是實現(xiàn)觀測參數結果分析價值的重要途徑。通過對參數結果分析技術的觀察，總結了參數結果分析與觀察的邏輯特征[1]。同時，通過對參數結果的分析和觀察，可以很好地了解實際情況，實現(xiàn)決策。觀測參數結果分析的可視化表示方法充分利用了人們對視覺模式快速識別的天然能力，完美地提高了人們對參數結果分析的理解和觀測速度，幫助人們更有效地挖掘大量的觀測參數結果分析，突破了教育觀察參數結果分析技術的局限性[2]。

1 觀察的結果分析技術對網絡授課輔助的概況

在線助教能力平臺的興起也引發(fā)了在線助教觀察參數結果分析的熱潮。強金培等（2019）在觀測參數結果分析驅動的助教能力中實現(xiàn)了觀測參數結果分析可視化平臺，并應用于不同學科的助教能力實例。[3]該平臺既能滿足跨學科助教能力平臺的標準與條件，又能通過觀察參數的分析、可視化和交互，激發(fā)學生對助教的興趣。李嬌嬌等（2017）[4]以華中師范大學自主研發(fā)的云課堂代表為例，基于觀測參數結果分析可視化表示方法的相關理論和技術，對教育觀測參數結果進行分析，主要包括用戶觀測參數結果分析、觀測參數結果分析模塊和觀測參數結果類型分析模塊。提出了參數分析的可視化表示方法和基于觀測的參數結果分析的可視化表示方法。根據不同觀測類型的結果分析，選擇合適的布局方法對教育觀測參數的結果進行分析。

劉海等（2018）基于觀測參數結果分析輔助能力平臺的觀測參數結果分析性質，提出了一系列觀測參數結果分析輔助能力場景的可視化表示方法和手段，并結合高師自主開發(fā)的云教室，將視覺表征觀察參數結果分析的方法和手段應用到實際輔助能力中。此外，對國外觀測參數結果分析驅動的可視化在線教學平臺技術進行了分析和探討。比利時魯汶大學的Govaerts 等人根據網頁中嵌入的應用程序記錄了學生參與在線助教能力活動的情況。通過對觀測參數結果的分析和可視化，對觀測參數結果進行了分析。實驗結果表明，學生的助教能力表現(xiàn)為直線圖、平行坐標圖和條形圖。理論與實踐運用環(huán)境反映了學生對自己優(yōu)秀理論與實踐運用的反饋。同樣，普渡大學的“預警信號系統(tǒng)”也對在線助教能力平臺和在線助教能力計分簿的觀測參數結果進行收集和分析，形成學生輔助教學的難度，并用三原色來標記風險，綠色表示正常，黃色表示警告，紅色表示危險。同時，對有“危險”輔助教學成績的學生進行有針對性的教育。基于觀測參數結果分析可視化技術的在線助教能力平臺需要對觀測參數結果分析與算法的表達方法、用戶交互體驗和算法助教支持進行分析和探討。根據不同部位的教學標準與條件，設計并實現(xiàn)了觀測參數結果分析和算法的可視化表達，并對觀測參數結果分析進行了體驗。

在北京市教委和北京大學重點網絡輔助能力建設項目的支持下，開展了“規(guī)劃方法論”網絡輔助能力建設，設計并實現(xiàn)了網絡輔助能力管理和觀測參數結果分析平臺，通過多年的實踐積累了觀測參數結果分析的經驗。本文將以具有代表性的“程序設計方法論”為例，分析網絡助教能力建設網站采集的觀測參數結果分析中觀測參數結果分析的類型和性質，然后根據網絡助教能力，利用觀測參數結果分析方法、參數結果分析和統(tǒng)計學原理對觀測參數結果進行分析，基于ecarts 和python 對觀測參數結果進行分析，有助于GPa對大尺度觀測參數結果進行分析和參數預測，并對分析結果進行分析在助教能力平臺上積累了大量的觀察參數，反映了網絡助教能力和助教能力的提高，為助教決策提供了良好的支持。

2 網絡授課輔助能力中觀察的參數結果分析種類和性質

2.1 觀察的參數結果分析種類

隨著觀察參數結果分析在助教能力中的廣泛應用，越來越多的在線助教能力網站被建立起來，收集了大量與在線助教能力相關的觀察參數結果分析。在線助教能力觀察的參數結果分析大致可分為以下兩類：第一類是靜態(tài)觀察的參數結果分析，主要指人的觀察的參數結果分析（教師基本觀察的參數結果分析），課程觀察的參數結果分析（在線助教能力基本觀察的參數結果分析）和學生觀察的參數結果分析（助教能力基本觀察的參數結果分析）此外，還分析了各種觀察的參數結果網絡教育管理產生的結果。在線助教能力觀察參數的結果分析是基于手工輸入或批量導入。相對而言，助教一旦產生，參數變化不大，但會隨著助教能力的提高而增加。二是動態(tài)觀察的參數結果分析，主要包括根據在線問答收集的師生互動觀察的參數結果分析和師生訪問網站觀察的參數結果分析。網絡教學的輔助能力經常發(fā)生參數變化。

2.2 性質

靜態(tài)觀測與動態(tài)觀測相結合具有多源性和異質性的特點。在靜態(tài)觀察的參數結果分析中，教師、學生和班級的基本觀察、網絡教學作業(yè)能力和網絡生成測試分數的參數結果分析分別為結構化觀察、助教能力、網絡教學作業(yè)能力和網絡生成測試分數，網絡生成參數結果分析、教學輔助課件和實驗教學手冊。學生上傳在線教學作業(yè)的能力屬于非結構化觀察的參數結果分析，而觀察的參數結果分析屬于半結構化觀察的參數結果分析。結構和半結構觀測的參數分析可以代表各觀測值的參數分析技術，為觀測結果的參數分析提供了良好的基礎。對各觀測點的參數分析提出了不同的教學標準與條件。

3 基于Echarts的授課輔助能力情況觀察的參數結果分析、統(tǒng)計原理、觀察的參數結果分析和視覺表現(xiàn)方法

3.1 觀察的參數結果分析、統(tǒng)計原理、觀察的參數結果分析

根據助教能力觀察參數結果分析的案例，采用傳統(tǒng)的參數結果分析和統(tǒng)計學原理對觀察參數結果進行分析，并采用可視化技術ecarts[10]對觀察參數結果進行顯示。結果分析技術以圖表的形式出現(xiàn)。主要內容包括助教能力總結、教師觀察參數結果分析、在線教學操作能力提交觀察參數結果分析、互動觀察參數結果分析、績效觀察參數結果分析。具體如表1所示。

Ecarts 是一個純JavaScript 圖標庫，它應該提供直觀、生動、個性化和交互式的參數分析可視化。支持折線圖、條形圖、散點圖等，同時支持任意維度的累加和多張圖表的混合顯示。以《程序設計方法學》網絡輔助教學能力的代表性為例，說明了用ecarts 觀察參數分析結果的可視化方法的效果。

3.2 觀察的參數結果分析視覺表現(xiàn)方法

餅圖用于分析教師觀察到的參數結果，顯示教師的年齡分布、學位分布和職稱分布，從中可以清晰地看到教師的分布；折線圖用于分析在線教學作業(yè)提交觀察到的參數結果，以及提交能力的比例，并計算和顯示年度在線教學作業(yè)。我們應該看到，同一年的學生處于不同的崗位，網絡穩(wěn)定，教學效果良好，理論與實踐運用獲取能力問題提交率的參數變化有助于教師準確理解學生的理論與實踐運用。

4 基于線性回歸的學生成績績點大觀察的結果分析參數預測

4.1 問題描述與原始資料分析

GPA 是衡量助教成績和畢業(yè)成敗的最重要標準。如果GPA 過低，會給應屆畢業(yè)生帶來種種不便。同時，平均績點的計算通常需要一到兩周的時間，比較滯后，不能準確地提醒學生。因此，通過對以往學生成績觀察的參數結果進行分析和建模，得到了學生成績發(fā)展的一般模型。根據網絡教學輔助能力模型，建立一種基于回歸線性的參數結果分析與參數預測方法。根據對學生當前在線助教能力觀察的參數結果分析，主要內容為學生在線教學作業(yè)能力平均分、學生平均出勤率、學生在線教學作業(yè)能力平均分、學生在線教學作業(yè)能力平均分，學生網絡教學作業(yè)能力的平均分。根據這些參數，計算出學生在線教學作業(yè)能力的平均得分和在線助教能力的平均實踐經驗，并進行行為得分。通過對以往觀察結果的分析，參數預測未來學生的平均分，體現(xiàn)助教能力的培養(yǎng)，為專業(yè)教師根據不同情況采取不同策略引導學生完成學業(yè)提供實踐理論依據。

4.2 實驗觀察的參數結果分析集與整理

實驗觀察的參數結果分析來源于軟件工程專業(yè)2011-2018年學生成績歷史觀察的參數結果分析。主要內容包括選課次數、網絡教學作業(yè)能力提交率、學生平均出勤率、網絡教學作業(yè)能力平均得分、網絡教學輔助能力平均實踐經驗和行動得分等。具體如表2所示。

表1：基于Echarts 的教學情況統(tǒng)計分析

表2：歷屆學生課程學習成績數據

5 實驗結果和觀察的參數結果分析

基于線性回歸的參數預測方法的主要思想是：首先，通過對觀測參數結果的分析，分析影響學生成績的主要因素，并利用該平臺對觀測參數結果進行采集和預處理，從而獲得教材樣本、理論樣本和實驗樣本實踐；其次，采用線性回歸方法，最后利用該平臺對學生的成績進行評分，對結果的觀察參數進行分析、收集和預處理。利用python 編程模擬了助學因素與學生成績的關系。得出各參數的分析預測方程，建立回歸觀測模型，對學生的平均成績進行分析預測。算法的具體流程如圖1所示。

圖1：算法的具體流程

利用Python 軟件對上述方法進行分析和實現(xiàn)后，對表2中的觀測參數進行分析，得到參數的結果分析和參數預測方程，如下式所示。Y 為平均得分參數，X1 為選修課數，X2 為網上教學作業(yè)能力提交率，X3 為平均出勤率，X4 為網上教學作業(yè)能力平均得分，X5 為網上助教能力、實踐經驗和行為平均得分。以上分析的結果和應用如下。根據線性回歸得到的GPA 觀察參數結果，分析參數預測模型能較好地研究學生的平均成績和選課次數、出勤率、網上教學作業(yè)能力提交率和網上教學作業(yè)能力得分。

6 結語

根據觀測參數結果分析與統(tǒng)計、觀測參數結果分析和回歸模型的原理，對觀測參數結果分析和大觀測參數結果分析所積累的網絡助教能力進行了分析和預測，并以圖形化的方式對數據結果進行了分析通過ecarts 觀測參數結果分析可視化工具顯示。教師要準確認識學生助教的理論和實際應用，根據學生水平準確調整助教能力的培養(yǎng)方向、方法和進度，進一步提高網絡助教的能力水平，加強教學效果的處理和應用，加強教學質量和助教能力的培養(yǎng)。