基于智慧教育的學習大數據分析技術研究

尤耀華

摘要：文章先對智慧教育的學習大數據分析的基本情況進行了簡要的介紹，指出了基于智慧教育的學習大數據分析技術的應用原則，并給出了相應的應用實例來分析智能教育背景下的學習大數據分析技術，在學習行為數據的收集、個性化學習特征的分析、課程推薦與學習規劃的優化，以及掌握學習社區中個體與群體的學習行為模式進行研究，希望能夠進一步實現對教育資源的優化配置，提升科技對教育的作用。

關鍵詞：大數據;智慧教育;學習分析

中圖分類號：TP311? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）15-0045-03

引言：隨著信息技術不斷改進，人們生活的方方面面都發生了重大的變化，在教育領域，信息技術的使用有效地改變了傳統的教育資源配置模式，為教育公平的問題解決提供了有價值的參考，基于智能教育的學習型大數據分析技術的應用和發展，可以整合和優化學習者的海量資源，為提高教學的針對性和有效性提供技術支持和數據支持，有利于提高教學質量和效果[1]。

1 智慧教育的學習大數據分析基本情況介紹

1.1 智慧教育的內涵及價值

基于在線教育平臺，以大數據和云計算技術為支撐，對學習過程和教學資源進行智能監控和管理，稱為智能教育。[2]從其中海量的數據中進行深度挖掘，找出其中表征教育質量、學習者個人興趣、知識結構、學習習慣的因素，然后將結果進行可視化處理，使管理者和教育者能夠有的放矢地進行決策，為教育平臺管理者、教師、學生提供互利共贏的決策支持。在智慧教育的系統中，實時化、精準化、個性化是其主要的特點，不僅能夠對當前學生的學習狀況、個性化的需求進行捕捉，而且能夠根據當前的信息，對未來的學習趨勢進行有效的預測，智慧教育的發展有效地滿足學生個性化的學習需要，也對于教育資源不足和配置不平衡的問題提供了有益的解決方案。

1.2 基于智慧教育的學習大數據分析

基于智慧教育的學習大數據分析是對學生智慧教育中的學習行為進行信息的收集、特征的整合，能夠及時有效地了解學生以及學生所在的群體的知識掌握情況，這些數據為后期學生學習計劃的優化、教師教學工作方法的改進以及教育平臺的管理者的系統設計都提供了重要的支撐[3]。首先，當學生登錄相應的教育平臺進行學習資源或課程時，將根據學生的登錄時間、學習時間、學習內容和學習互動情況生成數據和記錄，課后反饋等能夠將學生的個人志趣、學習行為特點等相關因素進行反映，再根據這些因素能夠將學生的知識掌握狀況進行比較客觀、科學的評價，然后根據評價的結果，將教育資源進行按需分配。對于教師來說，也能夠根據反饋中暴露出的教學的不足之處進行針對性的改進，提升教學的質量。

2 基于智能教育的學習大數據分析技術的應用

在智慧教育中，比較重要的一項環節是個性化自適應學習，指的是學生在學習課程的過程中，學生學習中產生了大量的基礎和過程數據，通過進行數據的清洗、整理和分析，根據這些情況建立起相應的數據分析模型，用來分析和預測學生學習的模式和知識掌握的程度，并進一步將結果反饋給學生和教師。學生和教師根據反饋報告，教與學的過程分別進行調整，包括收集學習行為數據、分析個體特征、課程規劃和學習干預[4]，下面進行詳細的敘述。

2.1 對相關的學習行為數據進行收集

不同于以往的教學模式，智慧學習強調的是以學習者為中心，并且主張的是開放式、主動式的學習模式，在這一過程中，將在線學習與互動課堂做到了有效的統一。如何收集大量關于學習行為的數據，從中找出學習行為的內在規律，是智慧教育中的一個重要問題。在數據的采集中，往往采用xAPI數據標準進行采集。

xAPI數據標準是當前在線學習領域中學習行為數據的有效標準，一方面能夠將學習者的學習活動、學習經歷進行記錄。另一方面，能夠對其中的數據進行檢索、讀取和寫入。當有關的學習活動被記錄時，就會以“主詞、動詞、受詞”的形式進行保存，生成“誰做了某件事”的格式報告，并以JSON 的格式存入學習記錄存儲中。出于安全性的考慮，在xAPI中還設置了安全機制OAuth[5]。在智慧學習的應用平臺中，根據不同的學習行為，可以設計不同的事件采集器。并且由于不同學習場景下學習數據的特點具有差異，例如，在觀看視頻時的主要采集信息是視頻時長、視頻停頓頻率、主要停頓點、是否有加速或慢放等操作。在互動中，學生發帖的內容、頻率、主題、回帖等都是重要的采集信息。

2.2 對個性化學習特征進行整合分析

在智能學習中，分析學生學習行為的數據是最重要的目的之一，從而對學生的知識掌握情況進行了解，對學生的學習成績進行預測。由于教育數據的多層次、多粒度、多時域的特點，在進行數據分析時，往往需要運用多種分析手段和方法，具體如表1所示。

為了清晰地呈現學生的學習特征，掌握學生的行為規律，有必要在收集相關數據的基礎上構建一個分析模型，而基于智能教育的學習大數據分析技術，可以有效地提取個體學習習慣的特征、變量的認知能力，在通過將之與學生行為表現建立聯系，能夠實現對學生的個性化學習特征分析。第一步，要選擇相應的分析方法對學習大數據進行處理，這一過程中的主要依據是學生的學習認知規律、知識結構特征等。通過數據聚類分析，可以分析學生學習中知識結構的變化規律，并構建相應的評價模型來監控學生的學習效果[6]。第二步，對學生的學習表現進行評價和預測，這就需要找到不同學習行為模式與學生課業成績之間的內在聯系，可以采用分類、回歸等方法進行。第三步，將分析結果進行可視化處理。根據不同的信息特點選擇不同的呈現方式，對于日常行為數據，可以采用餅圖的形式。對于正確率方面的數據，可以采用折線圖的形式。對于學生的日常學習習慣，可以采用柱狀圖的表現方式。另外，對于一些特殊需要，也可以進行專門的針對性的開發，提升信息的實效性。

2.3 完善和優化課程推薦與學習規劃

學習過程是一個螺旋上升的循環過程，學生要經歷發現知識、獲得知識、轉化知識、創造知識的過程，在知識獲取和轉換過程中，對學生進行必要的學習干預，可以提高學生的學習效率，保證學生的學習效果。通過對教育數據的深入分析和挖掘，提高學生的教育內容和學習方式、習慣偏好進行建模，然后根據學生的個性化需求，采用自動化的導學服務，完善和優化課程推薦與學習規劃。首先對學生的學習行為特征進行挖掘，得到學生對具體知識點的掌握情況。然后以知識單元之間的認知依賴關系為依據，根據學習者的學習需求，將學習目標知識單元進行確定，對知識資源進行編碼，構建個性化、定制化的知識地圖，并將吸收標簽鏈模型應用于知識地圖[7]。建模完成后，計算知識點的中心度和知識點的難度綜合學習者的個人特質，完善和優化課程推薦與學習規劃，從而提升學習者的學習效率和學習質量。

2.4用社區結合的方式進行學習分析

學習社區主要是以學習知識單元為主，有著共同的學習目標和興趣愛好而成立的社交網絡。采用社區的方式，能夠提升學習的協作性，促進學生建立交聯關系，更好地促進學生的學習與知識的獲得。受群體趨同性與穩定性的影響，學習社區的建立能夠更好地幫助學生進行社會化的學習認知。用社區結合的方式進行學習分析，進一步促進學習者在群體中找到支持學習的動力，進一步抽象出學習交互中知識傳播、共享和創新的基本模式。在實際的應用中，可以從對學習共同體的拓撲結構分析、學習共同體的挖掘與識別，以及面向學習社區的對話分析入手，就學習共同體的發掘與認同而言，主要是學習共同體中學生的互動與討論信息進行收集、分析，運用社交網絡分析的方法進行全局性、整體性的研究，對其中的拓撲結構、信息傳播模式、信息傳播關鍵節點進行有效的抓取。也可以使用自然語言處理方法對學習社區中的學習者之間的對話進行文本分析，可以就對話的內容、形式、體裁、模式等對于分類和聚類處理，有必要注意這個鏈接需要使用對話數據的手動注釋方法預先處理，通過對話模式分類器的構建來建立完整的對話模型。

3 基于智慧教育的學習大數據分析技術的應用實例

在基于智慧教育的學習大數據分析技術的實際應用中，我國的起步較晚，主要是一些高校針對學生的管理，而研發設計的學業預警系統。通過對學生的課業成績、在線學習數據、等級考試數據收集、整理、分析，將學生的表現進行展示和預測，對于一些表現不佳的學生發送相應的警示提醒，使得及時糾正和改進不良習慣。由于國外互聯網和大數據技術的早期發展，基于智能教育的學習型大數據分析技術的應用也比較完善。以美國為例，在高校中應用大數據分析的案例比較多，根據有關數據表明，僅美國的西部就有16 所高校開設相應的學習數據分析項目，涉及的學習特征有將近40個變量。并且設計有專門的PAR 框架進行管理和改進，具體實現過程如圖2所示。

4 小結

智慧教育能夠很好地滿足學習者個性化的學習需求，通過學習大數據分析技術，能夠實現對學習者海量學習數據的即時、快速的捕捉、收集、整理、分析，將雜亂的數據整合成具有高價值的信息，進而對教育資源的優化配置提供強大的數據支撐和智力支持。在大數據、人工智能等技術的支持下，極大地促進了智慧教育的深入發展，相信在未來，智慧教育必將使更多的學習者和教師受惠，有效地促進和提升教學質量。

參考文獻：

[1] 陳新佩.智慧教育背景下學習大數據分析技術研究[J].電子元器件與信息技術，2020，4（9）：57-58.

[2] 施萬里，張余輝.基于大數據分析技術的智慧教育平臺設計[J].現代電子技術，2020，43（9）：150-153.

[3] 林偉烜.基于智慧課堂的教育大數據分析與應用研究[J].現代信息科技，2019，3（7）：126-127，130.

[4] 沈貴慶.大數據分析在高校智慧教育中的應用研究[J].現代電子技術，2019，42（4）：97-100.

[5] 徐楠.新媒體環境下智慧教育的學習大數據分析技術[J].西部廣播電視，2019（3）：50.

[6] 祝彥森.面向智慧教育的學習大數據分析技術[J].信息與電腦（理論版），2019（1）：245-246.

[7] 吳文峻.面向智慧教育的學習大數據分析技術[J].電化教育研究，2017，38（6）：88-94.

【通聯編輯：唐一東】