基于智慧教育的學習大數據分析技術研究

賈書偉

(云南經濟管理學院,云南昆明 650000)

0 引言

技術與課堂融合為教育帶來重大變革,大數據挖掘融入教育領域,科技進步為傳統課堂教學轉型帶來機遇,智慧教育成為教育信息化的熱點話題。智慧教育下開展教學調節課堂氛圍,智慧教育出現突出教學中的重難點,使得教師對學生學習數據采集處理成為發展趨勢。

1 面向教育的大數據分析應用

大數據發展對傳統教學模式產生很大改變。大數據技術影響教育發展規劃,大數據教學管理體現在改進提高教學方法,查找教學薄弱環節;評價日常教學質量,了解學生知識掌握情況[1];支持教學運行決策,優化學校教學資源配置,診斷學校教學水平。通過普渡大學Signal學業預警系統與美國高教大數據分析介紹大數據在教學中的應用。

學業預警是學校針對學生出現學業不佳等現象,采取相關措施幫助學生完成學業的管理制度。我國各類高校面臨機遇與挑戰并存,許多學生由于受到外界因素影響導致無法按時順利畢業。利用學業預警機制監控學生學業,可以幫助學生規避學業危機,保障學校教學質量。國內學業預警系統形式單一,美國高校對學生SAT成績等分析,幫助學業適應性出現問題的學生。普渡大學退學預警系統基于學生課程GPA成績,綜合表現不好的學生收到失敗危險預警郵件。如圖1所示:

圖1 大數據環境分析Fig.1 Big data environment analysis

普渡大學研究發現,處于中度學業失敗危險的學生會改善學習[2]。早期預警對學生順利完成學業非常重要。美國西部由16所高校學習數據分析項目,定義學習特征變量有學習基礎、學習行為等。特征提取需要利用大數據技術。隨著技術的發展,在線平臺大量涌現。很多學校將傳統教學活動轉移到在線系統,系統記錄學生觀看視頻等行為數據,可以反映出學生學習中的情況。

大量原始學生記錄存儲在數據庫,要通過統計方法對教學活動記錄,在PAR框架實現具有關鍵作用。集成數據分析預測使用統計分析技術,分析學生不良學習特征,對學生特征建模是教學分析的關鍵步驟。對結果使用統計方法標注[3]。把解釋結果形成圖表呈現給教學管理者。PAR框架在教學管理者對學生干預后,可以觀察同類學生學習情況。

2 面向教育的大數據分析方法

信息技術在教育領域應用改變傳統教育資源分配模式,線上教育平臺可以挖掘教學中的數據,為教師改進教學策略提供信息支持。個性化自適應學習是采集學生學習基礎數據調整學生學習規劃。智慧教育是學習者以信息技術為依托,在與課堂融合中開展高效的智慧教學活動,利用大數據收集分析學生的課堂學習行為,創造個性化學習環境。

2.1 學習行為數據收集

智慧教育研究如何利用學習數據的問題[4]。xAPI是目前在線學習領域的行為數據標準,提供對數據的檢索與寫入功能。LMS學習平臺生成格式事件報告,xAPI定義數據訪問所需安全機制OAuth。混合學習應用平臺可設計不同事件采集器,不同學習場景產生不同數據特點,如學生觀看課程視頻需采集觀看中發生動作。通過學生對學習工具在課前后應用,分場景收集高質量學習數據,形成學習大數據分析條件。對大數據學習行為分析過程復雜,智慧教育中數據信息收集非常重要,教師要科學操作大數據技術對學生數據收集,常用的數據收集技術是xAPI數據標準,借助LMS學習平臺采用xAPI規定格式生成主動詞,采用JSON格式生成數據保存在學習記錄中。如圖2所示:

圖2 高效課堂Fig.2 Efficient classroom

2.2 個性化學習特征分析

智慧教育目的是分析學生學習行為數據,預測學生學習成績。由于教育數據特點,需要結構挖掘等多種分析方法。預測是對在線教育數據分析得到變量模型預測趨勢,常用的學習預測手段包括回歸等。潛在知識評估手段能客觀評測學生知識掌握情況,常見潛在知識評估模型包括績效因素分析等[5]。

模型發現研究是挖掘知識構建模型指導教育數據挖掘研究。常見的是通過學習得到重視構建學習模型,如建立學習者元認知模型等。學習數據分析結果可采用多種可視化技術展示。如使用餅圖觀察學生對學習活動興趣,利用雷達圖表示學生抗壓能力等學習品質分布等。可根據學校教師需求開發可視化圖表,如對學生聚類分析,便于教師對其集中管理。新生加入可根據歷史數據分配到類似學習方式學生中。

2.3 課程推薦與學習規劃

學生學習獲取知識后轉化實現有效利用是循環過程,在知識獲取中對學生學習干預進行學習規劃非常必要。綜合運用數據分析,概率推理法對學習風格,教學方法建模,便于根據學生個性特點推薦學習內容。通過挖掘學生學習行為特征,以學習者先驗知識為補償集下限,應用吸收馬爾科夫鏈模型,結合學生學習路徑規劃,完成課程推薦。新型網絡在線課程形式優質資源得到學習者的好評,制定學習計劃可以使學習活動更加高效,教師可以對學生進行指導,教師結合輸出數據制定學習計劃,有效提高學生的學習效果。通過大數據技術為學生推薦書籍,使學生學習具有針對性。

2.4 基于社區的學習分析

基于學習社區交互是智慧教育的重要環節,以學習興趣為驅動復雜社交網絡。強調實現學生的多樣性結合,不同個體學習行為具有自發性,通過相互影響表現宏觀性質。利用大數據分析采集在線社區交互學習行為,挖掘學習者習得內在隱含關聯;探尋以文本為載體的對話交互方式,抽象學習交互中知識傳播基本模式。

3 智慧教育學習大數據分析應用

智慧課堂數據挖掘分析是復雜的系統工程,以智慧課堂師生互動指數分析為例,介紹智慧教育大數據分析技術應用。研究使用中小學應用廣泛的科大訊飛產品智慧課堂數據,產品形成理論定義、教學模式等完整體系,在某重點中學學生群體中常態化使用,由于使用智慧課堂產品時間長,積累大量過程行為數據,數據分析采用匿名編碼保護學生隱私。如圖3所示:

圖3 師生平均分組互動程度Fig.3 The average level of interaction between teachers and students

研究師生互動指數基于師生在智慧平臺教學數據得出,基于實用性、全面性原則,利用因子分析法,通過指標選取確定相應指標權重。師生互動是與講授式教學,對話教學等共存的教學類型。包含認知與情感成分,傳統教學模式中教師將學科知識傳授給學生,課堂是一教師為中心的傳統教學方式,束縛學生的創新能力。智慧課堂教學中通過提升師生互動打破傳統教學模式,計算師生互動指數。通過對比原始數據指標發現,上傳微課次數多的教師與學生互動指數高,師生互動指數小于10的戰59%,平均互動指數為13.28.統計發現每位教師上傳微課13個,表明教師使用智慧平臺與學生互動較少。教師要通過高質量微課,提高與學生互動。如圖4所示:

圖4 師生互動指數柱狀圖Fig.4 Histogram of teacher-student interaction index

4 結語

隨著網絡教育的發展,催生智慧教育的概念。信息網絡技術應用降低教育數據挖掘分析門檻,為開展智慧教育研究提供素材。人工智能技術對教育大數據分析,促進智慧教育發展。本文論述學習大數據分析技術綜合,教育大數據為教學研究帶來新的思路,使計算系統呈現達到人類認知能力。大大提升人工智能適應性,對教育技術產生深刻影響,智能化規劃通過個性化適應性學習,使廣大師生受益。