职业教育技能学习数据的可视化呈现方式

◆张斯亮

职业教育技能学习数据的可视化呈现方式

◆张斯亮

10.3969/j.issn.1671-489X.2016.17.073

我国一直在加强职业教育信息化建设，职业院校信息管理系统、在线学习系统等信息技术手段的应用产生庞大的数据，大量学者从数据出发开展研究，取得丰硕的成果。但在研究中缺乏直观而有效对职业教育技能学习数据进行可视化呈现的手段。对技能学习数据的可视化呈现主要采用分层绘制的原则，将技能信息、学习者学习成绩、学习者学习效率等复杂的多维信息通过简单的平面图予以展示，帮助学习者增强学习成效。

职业教育；技能学习；数据可视化

1 引言

随着信息技术在职业教育信息化中的发展，各种职业院校信息管理系统、在线学习系统的普及应用，在职业院校对学生学习情况的管理中越来越迫切地需要解决“学生学习数据爆炸而无法有效利用”的关键性问题，进而增强学习者的学习效果。数据可视化是把学习的数据转化为图形、图像、动画等可视化形式表现的过程。传统的数据展现方式基本没有融入可视化，阻碍了用户对结果的理解以及对知识的吸收。为了方便教师与学生理解这些教育数据，提高教学效率，改善教学方法，本文提供了一种新的职业教育技能学习数据可视化呈现方式。

2 研究背景

我国目前处于高速发展时期，职业教育的地位越来越凸显。2012 年，教育部出台《关于加快推进职业教育信息化发展的意见》，指出加快推进职业教育信息化的意义：“要以计算机设备与互联网为依托；面向职业教育，提高信息技术的应用能力，推进职业教育教学和改革的发展。”

数据可视化在教育信息化中有良好的应用。数据可视化是在计算机图形学的基础上，将高纬、异时空、多结构的数据映射为简洁、明了，易于理解、记忆，通用程度高，可帮助公众迅速理解复杂、多元的数据信息。而“立足数据源，根据目的设定，突出重点信息，搭配次要信息，然后美学呈现”，是数据可视化的重要标准。同时，对于“图像语言明确性不足”的劣势，可以通过图文并茂的呈现形式加以解决。

职业教育一直“以就业为导向”，就是要培养技能型人才。职业教育信息化有助于增强其在教学过程中的效果，科学培养优质技能型人才。当然，技能型人才的培养离不开对于技能的熟练掌握，将技能学习的结果通过可视化的图表直观地呈现给学习者以及教学工作者，可以快速了解学习的进度以及学习情况，为优化教学成果提供帮助。

当前主流数据可视化呈现工具主要有 D3（Data-Driven Documents）、Gephi、Many Eyes、Processing、Visual. ly Create、Infogr.Am、Fliffy、WeiboEvents、地图汇、展屏系统等。这些数据可视化呈现工具虽然能绘制出互动图表，但是其本身并不是针对教育数据设计的。面向职业教育的数据可视化工具需要符合技能学习的特点，利用图标、动画或配以文字的方式同时将多维的信息全面展现出来。

3 技能学习统计图介绍

技能学习统计图主要呈现的是学习者在学习技能时总体的学习情况，其中评价方式主要采用的是“技能表现型的评价”。该评价方式是 20 世纪 90 年代美国职业教育专家所倡导的对于职业教育技能学习的评价方式，其评价结果主要呈现的是一种等级的评价。

技能学习统计图包含的信息有技能本身的信息（比如名字、介绍）、该技能需要的学习时间以及学成以后的掌握程度、学习者学习的状态等五类主要信息，以及技能在课程体系中的分类、学习总进度、相应数字化资源等三类次要信息。对技能学习统计图的介绍主要通过分层描述的方式来展现整个绘制的过程。

1）底部基础层。底部基础层主要样式如图 1所示，根据每一个职业教育专业的特点，按课程划分，每一个课程都包含若干技能，在图中展示的是分成6个课程的情况。图中每一个部分都是由同样大小的正方形组成的，每一个正方形表示的是一个单位时间。某一个部分在图中占用的面积越大，则表示该部分技能课程学习的时间越长。

图 1 技能学习统计图——底部基础层示意图

图 2 技能学习统计图——技能划分层示意图

图 3 技能学习统计图——个人技能学习情况示意图

2）技能划分层。技能划分层主要是根据每一部分内具体的时间分配来划分一个技能在图中需要占据的大小。图2中，技能 1、技能 2、技能 3 同属第一部分，而技能 4 则属于第二部分；同时，在第一部分中，技能1与技能2学习花费的时间为两个单位时间，而技能3则需要4个单位时间；技能3与技能4虽然学习的时间一样，但是属于不同的课程。

技能划分层主要功是直观地展示每一个技能所属的课程及其学习的时间。同时，学习者可以直观地了解到每一个技能的学习时间占整个课程的百分比，对整个课程体系有所了解。

3）学习者信息层。学习者信息层是一个数据的展示层，主要是展现两种角度的数据。

第一种数据代表的是学习者个人的技能学习情况。首先根据“技能表现型的评价”，将其划分为5个档次：优秀、良好、一般、合格、不合格。如图3所示，技能1对应的图标表示不合格；技能2表示合格；技能3表示一般；技能4表示良好；技能5表示优秀。对于已经学过的技能，不外乎这5种情况，而对于未学过的技能，则与技能6一样用空白的方式表示。

第二种数据代表的是学习者的平均水平。如图4、图5所示，若将个人技能学习情况与班级技能学习情况做对比，即可直观看出学习者在技能 2、技能 3、技能 4 的学习上还有所欠缺，说明该学习者在这些技能上仍需要一定的练习。

4）文字辅助信息及链接层。辅助的文字主要出现在当学习者需要了解具体技能信息的时候，主要表现的是技能的名字、介绍、成绩，学习时间以及相关的数字化资源链接。当学习者发现某个技能还需要学习时，可以点击相关的优质资源，提高学习效率，加大数字化资源的利用率。

5）“记录绘制过程”层。由于技能学习统计图是根据学习者的学习进度逐步绘制，因此能记录学习的每一个步骤，在学习过程中的任意一个阶段都能让其观看技能学习统计图形成的整个过程，以方便其了解学习过程，增加学习成就感。

图 4 技能学习统计图——个人技能学习成绩示意图

图 5 技能学习统计图——平均技能学习成绩示意图

4 总结

随着教育信息化的发展，产生的学习数据越来越多，学习数据也越来越被教师等教育相关工作者所重视。本文阐述的这种新的职业教育技能学习数据的可视化呈现方式主要有以下意义：

1）将复杂的多维数据直观地呈现在平面图上，便于教师与学习者了解学习情况；

2）动态的方式便于学校了解学习者变化趋势，对教学工作做出调整；

3）提高学习效率，加大数字化资源的利用率；

4）为改善教学方法提供建议。■

[1] 孙杨 , 唐九阳 , 汤大权 . 改进的多变元数据可视化方法[J]. 软件学报 ,2010(6):1462-1472.

[2] 陈琳 . 中国职业教育信息化创新特色研究 [J]. 现代教育技术 ,2014(3).

[3] 王振洪 . 关于浙江省现在职业教育体系建设的实践与思考 [J]. 教育研究 ,2015(1):148-153.

[4] 范如涌 , 项晓乐 . 职业教育信息化的概念、内涵及其发展模式分析 [J]. 职业技术教育 : 教科版 ,2003,24(10):57-60.

[5] 郭晓利 , 曲朝阳 , 李晓栋 . 基于 SOM 聚类的电网可视化数据挖掘模型 [J]. 情报科学 ,2012,30(2):206-207.

[6] 王国燕 , 韩飞飞 . 编码解码视角下数据可视化的传播效果研究 [J]. 情报杂志 ,2014,33(11):169-174.

[7] 马祥武 . 职业教育技能型创新人才培养的思考 [J]. 教育发展研究 ,2011(11):75-78.

[8] 陈为 , 沈则潜 , 陶煜波 . 数据可视化 [M]. 北京 : 电子工业出版社 ,2013(12):23.

G712

B

1671-489X(2016)17-0073-03

作者：张斯亮，浙江工业大学教育科学与技术学院在读硕士研究生，研究方向为职业教育信息化（310023）。