在線教育背景下學習者畫像構建與應用研究

李園偉,陳毛毛

(山東開放大學,山東 濟南 250002)

0 引言

隨著“互聯網+教育”的深入發展,在線學習已在教育領域得到了廣泛應用,成為每位學習者必不可少的學習方式之一。但是在線學習過程中,由于用戶數量多且個體特征差異大,存在學習流失率高、課程完成率低、學習效果不佳等問題[1]。為幫助解決上述問題,學習者畫像研究逐漸興起。

學習者畫像是指在收集學生學習數據的基礎上,利用數據分析和呈現技術,提取學習者特征并進行標簽化,進而刻畫出包含信息全貌的學習者模型,以此直觀地反映學生的內外部學習特點,從而為開展個性化教與學提供依據[2]。目前,針對學習者畫像的研究主要包括畫像構建與畫像應用2個方面。在學習者畫像構建方面,許惠惠[3]通過收集273名學生的多維數據,利用數據挖掘技術預測學生學習習慣并構建學習畫像,證實了數據驅動決策在教育領域的重要性,為提供個性化教育方案提供了科學依據;容慧等[4]以SPOC混合式教學模式下的電工技術與應用課程為研究對象,構建與分析了課程群體學習者畫像和個人學習者畫像,以期為技能人才的規模化和個性化培養提供借鑒與思考;在學習者畫像應用方面,鄧彩鳳[2]以46名學生為研究對象,分別輸出了學習者整體畫像、類群畫像和個體畫像,并開展了對比實驗,驗證了學習者畫像對精準教學干預的有效性。國內對于學習者畫像的研究雖起步較晚但發展迅速,在線教育的不斷發展也為學習者數據收集及畫像提供了便利條件。然而在學習者畫像構建過程中,國內研究大多只重視對學習者行為與成果數據的分析,忽視了學習者情感維度數據,在此基礎上構建的學習者畫像并不能夠為學習者提供精準的學習支持與推薦,畫像構建需要進一步完善與改進。

本文從學習者數據獲取、數據預處理、畫像標簽提取以及畫像建模與可視化4個方面進行學習者畫像構建,在進行畫像標簽提取時增加了學習情緒標簽,以反映學習者的學習偏好及學習態度等情感需求,為學習者提供更加智能化與情感化的服務。通過本研究成果,可以幫助教師更好地了解學習者在線學習情況,提高教學效率,改善教學質量;同時也為學習者畫像構建與應用研究貢獻微薄之力。

1 在線學習環境下學習者畫像的構建

在傳統教育中,學習者畫像主要通過教師的觀察和評估來構建,但這種方式受限于教師的主觀判斷和有限的觀察范圍,往往無法全面準確地了解學習者。而在線教育平臺積累的大量教學數據,包括學習者的學習行為、答題情況、學習時間、資源偏好等,為學習者畫像的構建提供了更多的數據支持。本文基于對相關理論與文獻的分析,從學習者數據獲取、數據預處理、畫像標簽提取以及畫像建模與可視化4個方面進行學習者畫像構建,通過對學習者畫像分析,達到為學習者提供精準的教學服務及教學推薦,提高學習者學習效率的目的。其構建流程如圖1所示。

圖1 學習者畫像構建流程

1.1 學習者數據獲取

學習者數據獲取是構建學習者畫像的首要前提。數據獲取的質量和多樣性直接影響到學習者畫像的準確性和全面性。本文主要采集學習者的基本信息以及線上學習信息作為學習數據,其數據信息如表1所示。

表1 學習數據內容

通過收集學習者年齡、性別、職業等個人信息,可以了解學習者的背景和特征,幫助教師更好地了解學習者需求,從而為學習者提供個性化的學習支持和指導;通過收集學習者的線上學習信息,如學習時間、學習軌跡、測試成績等,教師可以了解學習者的學習進度和學習效果,制定個性化的教學策略,并對學習者進行學習預警等。

1.2 數據預處理

采集到的學習者基本信息與線上學習信息往往無法直接使用,這些原始數據經常包含一些“臟”數據,比如缺失值、明顯錯誤值等,因此需要對數據進行預處理。數據預處理過程如圖2所示。

圖2 數據預處理過程

1.2.1 數據清洗

數據清洗,就是將“臟”數據變為“干凈”數據。“臟”數據主要包括采集到的學習者數據中的缺失值、異常值等,進行處理時,可以采用均值法、插值法等方法對變量進行填補,若是不重要的變量,則可置空處理。

1.2.2 數據集成

數據集成是將來自多個數據源的數據放在一個數據存儲中。本文將來自教務系統與學習平臺的學習者數據進行集成,以學生的學號為關鍵字,整合學生信息,進行數據集成。

1.2.3 數據轉化

數據轉化就是對集成后的數據進行標準化處理,這樣可以消除由變量量綱不統一帶來的影響。例如,線上學習信息中視頻資源瀏覽時長有的數據源采用小時計數,有的數據源則采用分鐘計時,需要經過數據轉化統一量綱,以便更好地進行數據分析和建模。

1.2.4 數據規約

為了在不影響學習者畫像的情況下,最大限度地精簡數據集,需要對數據進行規約處理。例如,將不同時間采集到的相同數據利用統計合并等方式規約為一個數據,這樣可以精簡數據量,降低存儲空間。

1.2.5 數據入庫

學習者數據經過清洗、集成、轉化及規約之后,存入MySQL數據庫,便于后續的分析與建模。

1.3 畫像標簽提取

畫像標簽是對學習者特征的標識,通過標簽能反映學習者群體的共同特性[5]。學習者學習數據經過預處理后,最終構成基本屬性標簽、學習行為標簽、學習效果標簽以及學習情緒標簽共4個標簽體系,如圖3所示。

圖3 學習者畫像標簽

(1)基本屬性標簽包括學習者的姓名、學號、職業、班級等基本信息,是學生的基本特征或屬性標簽。基本屬性標簽可以幫助教師更好地了解學習者學習背景,匹配學習需求,從而為學習者提供更加精準和個性化的服務。此外,在建立學習者群體畫像時,系統可借助基本屬性標簽匹配具有相似興趣和專業的人,進行同專業群體畫像,便于教師與教育管理者進行數據分析與統計。

(2)學習行為標簽是指對學習者在學習過程中的行為進行分類和標記的一種方法。本文中,在線教育背景下學習者的在線學習行為包括平臺訪問次數、視頻資源瀏覽次數、課件資源瀏覽次數等。通過教學平臺記錄學習者的學習數據,教師可實時了解學習者學習進展,調整教學內容、優化教學資源,同時為教師評估學習者的學習效果提供數據支持。

(3)學習效果標簽主要記錄學習者的學習成績,包括線上測驗成績及課程考核成績。根據各種線上測驗成績,教師可以調整學習內容的難度或為學習者提供額外的學習幫助;通過對各階段成績的分析,教師可以提供有針對性的反饋和建議,幫助學習者改進學習策略,提高學習效果。

(4)學習情緒標簽則反映學習者學習過程中的學習偏好、學習態度等,主要包括各種資源瀏覽時長、訪問時間偏好等。通過對學習者學習情緒標簽的分析,教師可以為學習者推薦合適的學習資源,提供個性化的學習路徑,同時為教師和管理者提供改進教學和課程設計的依據,為學習者提供更加智能化和情感化的服務。

1.4 畫像建模與可視化

在完成對學習者數據獲取、數據預處理以及畫像標簽提取之后,需要對學習者個體及群體進行可視化建模,以可視化統計圖表直觀反映該學習者的學習效果。對學習者個體進行畫像時,根據畫像標簽維度數據,利用折線圖、直柱圖等各種可視化圖表,反映其學習進度及學習效果,初步構建學習者個體畫像;進行學習者群體畫像時,采用K-means聚類算法,將具有相似學習特征的學習者聚為一類[6],通過對群體畫像的刻畫與分析,教師可以充分掌握群體學情信息,為后續課程教學提供指導性意見。

2 在線學習環境下學習者畫像的應用

學習者畫像生成之后,一方面,可以動態反映學習者學習狀態與學習效果,為學習者提供個性化智能化助學服務;另一方面,教師和管理者可以通過學習者畫像深入挖掘教育教學規律,改進教學不足,提高教學效率。在線學習環境下學習者畫像的應用主要包含以下3方面。

2.1 針對學習者

學習者個體是畫像的來源,同時也是畫像結果的受益者。通過對學習行為標簽的分析,學習者可以實時跟蹤自身學習進度,了解學習情況,提高自我學習與自我監控能力;通過對學習效果標簽的分析,學習者可以及時發現自身學習過程中遇到的問題,請求教師或者同學的幫助,克服困難知識點,提高學習效果;通過對學習情緒標簽的分析,學習者可以發現自身忽略的學習偏好及學習興趣點,幫助自身了解對不同學習資源的態度,有助于在以后的學習過程中制定符合自身發展的學習規劃,提高自身元認知能力。學生群體畫像還可以幫助學習者發現與自己具有相似學習興趣的同伴,促進共同學習發展。

2.2 針對教師

教師是教學過程的主導者,通過學習者畫像,教師可以監控學習者的學習進度、提供學習支持與輔導、優化教學方式與教學資源等。第一,教師可以通過學習者的學習行為數據,實時掌握學習者學習動態,及時發現學習者學習過程中出現的問題并提供針對性的指導意見;第二,學習效果標簽可以揭示學習者的學習困難點,教師可以根據這些信息,及時發現學困生,調整教學難度,為學生提供個性化的學習支持與輔導;第三,教師通過學習者學習情緒標簽,了解學習者學習偏好,及時優化教學方式與教學資源,調整教學內容的呈現方式,提高學習者的學習興趣,從而提高教學效果。

2.3 針對教育管理者

教育管理者站在管理與決策層面對課程整體學習情況進行分析與把握,其中,對學習者群體畫像的分析與把握是工作的重點。通過分析學習者群體基本屬性標簽,教育管理者能夠了解學習者群體學習背景,制定更符合實際情況的教學計劃與教學策略,提高學習者的學習效果與滿意度;通過分析學習者群體學習行為標簽,教育管理者可以清晰、直觀地觀察學習者的學習軌跡,及時發現教學過程中存在的問題并進行調整,提高教學質量;通過分析學習者群體學習效果標簽,便于教育管理者客觀準確地了解本門課程的總體學習效果,進行科學決策與規劃;通過分析學習者群體情緒標簽,教育管理者可以掌握不同學習者群體的學習特征與偏好,為學習者群體提供個性化智能化教學服務。

3 結語

本文對在線教育背景下學習者畫像的構建流程及應用進行了分析探討。文章從學習者數據獲取、數據預處理、畫像標簽提取以及畫像建模與可視化4個方面進行學習者畫像構建,在線教育為學習者畫像構建提供了大量的數據支持,對數據進行清洗、集成、轉化、規約后,可獲得標準化數據,構成基本屬性標簽、學習行為標簽、學習效果標簽以及學習情緒標簽4個標簽體系,在此基礎上,進行畫像建模與可視化,直觀反映學習者個體及群體特征。學習者畫像構建完成后,文章對在線學習環境下學習者畫像的應用場景進行了探討,分別從學習者、教師以及教育管理者3個角度出發,分析構建學習者畫像對其學習、教育以及管理決策的影響。值得注意的是,學習者畫像涉及學習者的基本信息與線上學習信息,如果這些信息被濫用或泄露,將對學習者的隱私權產生嚴重影響。因此,在后續研究中,應注重學習者的隱私和數據安全,采取相應的措施保護學習者的隱私權。