基于在线学习平台的学情大数据分析

张晖+王炜

摘要：为了推动“一带一路”战略，创新驱动教育发展，本文对基于在线学习平台的学情大数据进行了具体分析，并认为通过技术手段分析和挖掘这些学习大数据，能对学习者的学习效果进行精准定位，这样既有助于学习者进行个性化学习，也有助于教师根据学习者的实际情况进行针对性教学。

关键词：大数据；个性化学习；在线学习平台

中图分类号：G434 文献标识码：A 论文编号：1674-2117（2017）17-0076-03

● 前言

随着我国整体教育信息化的不断推进，各类教育资源公共服务平台不断建设并完善，在这些平台上汇集了大量的教学资源、学习者和教育者，构成了我国在线学习平台的教育大数据。在线学习平台可以记录学习者和教育者在整个教学过程的各类动态数据，记录真实的教学过程，并利用大数据的分析技术，准确地分析目前的教育教学实际情况，然后对学习者推送合适的学习资源和个性化学习建议，帮助教育者更加了解每一位学习者，进行有针对性的教学，助推整个教育的个性化和可量化。[1]由于当前大部分的在线学习平台对整个学习过程的监测不够，所以笔者认为大数据概念和技术的引入，可以给整个在线学习平台带来革命性的改变，带来一种全新的视角和教育理念。然而，在线学习平台上存储的数据众多且复杂，面对这种情况，我们应该如何去收集、分析，并充分运用它呢？本文对基于在线学习平台的学情大数据进行了具体分析。

● 国内外发展和研究现状

美国政府将大数据视为美国竞争力的关键因素，并把对大数据的研究提高到国家战略层次，2001年颁布的《不让任何一个孩子落后》教育法案，大力推进了大数据在教育评价中的应用。2012年10月，美国教育部教育技术办公室发布了《通过教育数据挖掘和学习分析促进教与学》报告，更加促进了美国国内的大数据教育应用。欧盟于2011年12月公布了《开放数据战略》，其目的主要是以开放数据为核心，让欧洲的各类企业和公民能自由地使用欧盟公共管理部门的各种信息。2013年，法国教育部推出了四项数字化服务，向公众提供了一个开放式的数据平台。日本于2014年9月发布一个倡议，由日本学术会议第198次干事大会提出《大数据时代的人才培养》，其主要内容是如何在大数据时代培养人才的数据处理能力。韩国于2013年8月建立了自己的大数据中心，主要是用来为大学培养大数据的专业研究人员。

中国政府在2012年也批复了“十二五国家政务信息化建设工程规划”，用来构建大数据研究平台，整合创新资源，实施“专项计划”，突破关键技术。为了大力推进国家发改委和中科院基础研究大数据服务平台应用示范项目，广东率先启动大数据战略推动政府转型，北京正积极探索政府公布大数据供社会开发，上海也启动大数据研发三年行动计划。2015年4月，国家发改委在部委中首家专门成立了大数据分析中心。同年9月，曲阜师范大学和中国统计信息服务中心联合成立中国教育大数据研究院，这是国内首次将大数据研究应用于教育领域中，通过对文献内容的分析，虽然大数据在教育领域中的应用研究还处在萌芽和起步阶段，但是其发展前景十分辽阔。[2]

● 面向在线学习平台的数据挖掘和分析

随着国家整体教育信息化程度的不断推进，很多在线学习平台都得到蓬勃发展。步入大数据时代后，在线学习平台更是逐渐受到人们的重视。面对在线学习平台里的庞大数据，我们应该充分挖掘和利用这些动态学习数据。具体步骤如下：

第一，数据的收集。收集的数据包含两个部分：一是学习者的静态信息。它除了关于学习者自身的个人信息，如年纪、身份、学历等外，还有学习者平时的学习习惯、学习结果等，包括学习者自己选择的哪些课程、在论坛区当中的发帖和讨论回复别人的帖子数据、学习者浏览视频的次数频率、鼠标点击以及时间停留的数据等。二是动态数据。这包括学员搜索的关键词、浏览内容及次数、课程学习实践、练习时间、翻看讨论内容时间、下载文件、拖动滚动条次数、视频暂停次数、课程各个章节视频播放时间、各个章节视频使用情况、浏览器收藏记录等。单个学员日均在线时间、登录的频率数目、日均浏览视频的次数、日均浏览互动论坛区的频率数目、发帖数量和回帖数量等，都可以通过学习者学习过程的行为数据得到。数据收集的方法主要是采用系统日志的采集，如Facebook里面的scribe，它能够从各种日志源上收集日志，然后存储到一个中央存储系统，以便进行集中统计和分析。

第二，数据分析，分为时间维度和粒度维度。[3]对于时间维度的划分，一般可从学期和学年两个时间段来考虑。对于学期的分析，一般是分析学习者在学习初期、中期以及末期的学习状况的变化，还会对学习者的学习态度是否有变化、学习动机是否强以及学习兴趣是否高涨进行分析；而对于学年的分析，一般是对学习者两个学年的学习状况进行对比，然后对两个学年产生的差异进行归因分析。对于粒度维度的划分，一般从单门课程和多门课程来分析。对于单门课程的分析，应从学习者对单门课程的学习状况、学习兴趣等方面进行分析；而对于多门课程的分析，则应从学习者对不同课程的学习动机、课程设置的满意度、教学方法，乃至教师的喜爱度进行分析，从而确定使用哪些数据分析的工具和算法。能够进行数据分析的工具和算法很多，如决策树、相关分析、关联规则、统计分析与可视化等，根据所采集的数据性质选择相对应的分析算法和工具。簡单的数据统计分析和可视化一般采用Excel就可以完成，通过对学习者的学习活动有频次地计数，最终以折线图、饼图等形式呈现计算的结果。

第三，数据结果。为了更直观、形象地了解分析结果和数据的本质，在对数据进行分析之后，需要对其进行可视化。数据可视化就是利用信息技术将复杂的、难以理解的数据用各种各样的图形、图像形象而简洁地表达出来的一种数据加工方式。相较于枯燥的文字阅读，图形、图像的数据呈现方式更有趣，能让学生更容易理解。对学生方方面面的数据进行收集和分析，能实时记录学生对知识点的掌握情况及其在知识点上花费的时间。教师根据这些信息能更加真实地了解学生的学习状况，从而进行个性化辅导，最终的结果呈现有学习成绩的展现、学习习惯的展现等，通过不同方面的结果呈现能让学生更加了解自己，教师更加了解学生。endprint

第四，决策建议。教育者根据学习者的呈现结果对学习者推送相关建议和资源。这些建议和资源有助于教师优化教学方法，改进教学设计，制订更加合理的教学大纲，并预测学生未来的发展，还为选拔挖掘不同领域的人才提供了更加便捷和可靠的途径。这些既有利于教师进行针对性教学，又能优化整个平台的教学资源建设。

● 在线学习平台大数据分析对教学的诊断和建议

对于在线学习平台而言，大数据方法能以崭新的思维和技术特点对学习过程进行多角度的测量，从而提升专业教学质量与效果，满足不同用户的个性化需求。通过数据分析来构建一条反馈通道，通过运用大数据方法规划建设反馈机制来跟踪教与学的行为，可以促进内容的持续更新，提升在线学习平台的服务能力和质量，具体表现在以下三个方面。

1.解决教师针对性教学的问题

在线学习平台可以对所有学习者的信息、具体的学习内容、形成性的学习情况等数据进行收集和挖掘，并进行分析、分类、反馈，给予个性化的教学策略。与传统教学相比，通过对在线学习平台上学生动态学习情况数据的分析，教师可以更好地掌握学生具体的学习情况，如对知识点的掌握程度、习题的解答正确率等，然后可以根据这些具体问题进行有针对性的备课，帮助学生更好地学习。

2.解决学生个性化学习的问题

平台能对学习者在在线学习平台的使用情况，包括各科目、章节的点击情况等，相同资源的不同展现形式的点击情况等数据进行分析、处理，从而了解学生的实际学习兴趣、方向、习惯等。[4]平台能根据学生在论坛和课堂的表现对其进行分类和分级，并根据学生在学习过程中对习题、测验、实验等的完成情况，总结他们的学习弱点，使其了解自己和别人的差距在哪里，是什么原因导致的，从而推荐相关课程，以激励学生发表有价值和有趣的观点，促进交流，提高学习效率。

3.改善在线学习平台资源质量的问题

平台能汇总分类各种教学资源，并挖掘各教学资源内部的关联。教育者通过数据分析，能找出各学习平台上教学资源的差距，挖掘出新的教育理念和教育方法。由于在线学习平台里教学视频的质量高低不等，所以通过对某些教学视频的暂停次数，以及学生的注意力不集中的数据进行统计，能及时地重新设计和完善这些教学视频，解决教学视频讲解不透彻的问题。

● 结语

基于在线学习平台的大数据学情分析是一个既有学术意义，又有应用价值的研究方向。随着大数据技术的发展，人们对在线教育理解的加深，相信会有越来越多的组织及个人参与到在线教育学习的相关研究中。因此，未来在线学习平台的发展，要充分重视教育数据的基础作用和价值，探索与大数据分析相匹配的教育技术，并逐步形成发现、掌握、应用大数据的教育思维，从而更好地获知大规模在线教育的发展趋势和规律。借助大数据，我们还可以更好地了解每位学习者的真实学习情况，从而实现对学习个体的个性化教学。

参考文献：

[1]钱瑛.在线学习用户持续使用行为的影响因素研究——基于社会化网络环境和学情定位视角[J].現代情报，2015（03）：50-56.

[2]唐晋韬，刘越，宁洪，等.面向大规模在线学习平台的教育数据分析研究综述[J].计算机教育，2015（21）：37-40.

[3]元帅.在线学习行为分析评价及其应用研究[D].武汉：华中师范大学，2011.

[4]曹晓明，朱勇.学习分析视角下的个性化学习平台研究[J].开放教育研究，2014（05）：67-74.endprint