互联网+大数据环境下个性化学习空间研究

余骥超 余小高

摘要：为了提高人才培养质量，做到因材施教，将互联网+、大数据和虚拟现实技术应用到个性化学习中，提出个性化学习空间。首先探讨个性化学习空间功能，提出学习空间架构;其次对个性化空间工作流程进行梳理，并分析学习空间特点;最后通过原型系统分析可知，学生课程学习效果得到了提高。因此，该学习空间可激发学生学习积极性，有效提高人才培养质量。

关键词：互联网+;大数据;虚拟现实;个性化学习空间;人才培养

DOI：10.11907/rjd k.191300

中图分类号：G434 文献标识码：A 文章编号：1672-7800（2019）012-0245-04

0引言

当今社会对人才的需求日趋强烈，知识更新越来越快，全民终身学习时代已到来。为了最大限度地实现个人价值，个性化学习模式是未来发展必然趋势。《国家中长期教育改革和发展纲要（2010-2020年）》提出“注重因材施教，关注学生不同特点和个性差异，发展每一个学生的优势潜能”。当前以课堂集中学习为主的模式已不能满足个性化人才培养要求。为了满足社会对各种人才的需求，充分发挥每个人的价值，亟待创建个性化学习空间。

众多学者对个性化学习空间开展了积极研究，主要从个性化空间理念、模型、设计与现实3个方面展开，重点论述了个性化空间对教育发展的积极意义、对人才培养的价值及个性化学习空间构建方法，但是没有提出确定的学生个性化学习实现方法，无法满足不同学生的学习需求，同时也没有提出获取国内外优质学习资源的措施，不能发挥互联网+和大数据的优势。目前构建的大多数学习空间也没有体现3D和虚拟现实的特点，离实际学习空间相差甚远，达不到沉浸式学习的效果。

本文拟利用互联网+与大数据技术实现学生数字画像，分析不同学生的个性，测量其知识掌握程度和学习能力，发现其行为模式及规律。该研究在理论上可为探索和构建个性化学习空间提供参考，在应用上可为个性化学习空间设计与实现提供借鉴，为学习者提供终身学习机会，实现人尽其才，同时弥补传统教学资源的不足，改进传统集中教学无法满足学生个性化需求的弊端。

1功能结构

互联网+大数据环境下，基于虚拟现实的个性化学习空间功能主要由学生个性确定、学习室、个人档案室、监控室和虚拟交互中心组成。功能结构如图l所示。

1.1学生个性确定

以互联网+大数据技术为基础，采集各种学生数据，进行清洗和存储。对清洗后的学生数据进行分析和挖掘，提取和选择学生特征。选择合适的分类预测算法，构建预测模型，预测不同学生个性。

1.2学习室

利用互联网+、大数据、3D建模和虚拟现实等技术，建立学习室，动态调整学习方案、学习计划、学习进度，优化知识推荐内容。学习进度指根据学生特点和学习要求，为学生量身定制学习计划。推荐学习知识功能指根据学生特点和个性化学习知识体系，向其推荐优质学习资源，帮助其完成学习任务。

1.3个人档案室

自动收集、整理、统计学生学习资源，为其它功能的实现提供数据支持，并具有测评学习效果和存储学习情况等功能。测评学习效果的功能指学生能够根据学习要求完成考试，并对其学习情况进行评价反馈。

1.4虚拟交互中心

该功能提供人机交互、师生交互、学生之间交互等，主要包括研讨室、会议室和阅览窒。根据学生特点，对这些空间进行个性化虚拟布局，满足各自功能，为学生提供一个良好的学习交流平台。

1.5监控室

分析和挖掘學习资源，动态跟踪学科发展动态。根据人才培养标准和知识体系，实时动态跟踪学生学习进展，监测其学习状况，并具有学习预测功能，引导学生牢固掌握知识，健康成长。自适应调整功能指个性化学习空间可根据实际监测数据，自我智能学习，并进行改进。

2个性化学习空间架构

将互联网+和大数据技术应用到教育领域，构建满足个性化学习需要的平台;收集、存储、分析和挖掘国内外学习资源，提炼符合个性化学习的标准;采用3D建模和虚拟现实技术，实现个性化学习空间，推荐有针对性的优质学习资源，对学生整个学习过程进行动态跟踪和指导。个性化学习空间架构共分7层，如图2所示。

2.1数据源

该平台的数据源由学校内部数据源与校外数据源组成，校内数据源包括网络日志、教务系统、学生管理系统、校园一卡通系统及学习系统等校内各种教育教学资源;校外数据源指充分利用互联网+等收集的国内外优质学习资源等。

2.2采集层

该层主要是以互联网+和大数据为基础对教育教学数据进行采集，有实时采集与批量采集两种形式。实时采集主要采用智能技术等手段及时捕获、传输各类教育教学数据;批量采集主要对已收集的各类教育教学数据进行导入和拷贝等操作。个性化学习空间采集的校内教育数据与以互联网+为基础的校外教育数据，与传统教育数据相比，全面性、自然性和时效性等特点更鲜明，能更好地分析和处理复杂多样的数据。

2.3存储层

该层采用分布式存储架构，存储方式主要有分布式数据库、分布式数据仓库、分布式内存存储和分布式文件系统等。

2.4运算层

该层可提供高效的计算性分析和挖掘大数据，其运算引擎主要包括批处理、流运算、内存计算和图运算等。

2.5分析和挖掘层

分析和挖掘是大数据两个主要应用，大数据分析重点是解决个性化学习空间中发现的问题;大数据挖掘重点是设计新算法与构建新模型。虽然二者侧重点有所差异，但采用的技术类似，主要有聚类分析、关联规则、分类预测、语义分析等。

2.6模型构建层

模型构建指选择适当的学生特征与分类器模型，通过历史数据对分类器进行训练和挑战，最终建立性能良好的学生个性化预测模型，并对个性化空间进行3D建模。该层分为学生特征提取、学生特征选择、模型选择、模型训练和3D空间建模等。

2.7应用层

该层利用互联网+和大数据等技术实时动态获取国内外有关人才培养的数据，分析和挖掘满足各专业人才标准的个性化学习知识体系，满足个性化学习需求。同时，将3D建模技术、虚拟现实技术、分析和挖掘技术等应用到个性化学习空间中，构建学习室、研讨室、档案室和监控室等，便于学生达到最佳学习效果。

3工作流程

个性化学习空间工作流程包含7个步骤，如图3所示。

（1）采集学生数据训练集或待学习的学生数据，并进行清洗、存储。

（2）利用大数据技术，分析和挖掘清洗后的学生数据。

（3）根据分析和挖掘的结果，提取和选择学生特征。

（4）選择合适的分类算法，对学生个性进行分类。

（5）根据学生特征和选择的分类算法，构建学生个性预测模型。输人教育教学数据，针对具体对象，利用3D建模技术和虚拟现实技术，搭建个性化学习空间，包括学习室、研讨室、档案室、阅览室和监控室等，其中监控室由系统控制，学生不能访问。

（6）学生自主选择进人虚拟房间，退出房间时，监控室自动判断是否进行空间调整，若需调整，则转向上一个步骤，否则重新选择是否进人房间。

（7）学生完成或暂停学习任务退出空间。

4特点

互联网+大数据环境下个性化学习空间具有以下5个特点：①真实性。采用虚拟现实技术与3D建模技术，设计实现逼真的学习室、研讨室、档案室和监控室等，让学生置身于真实环境中，自主学习，达到学习的最佳境界;②针对性。可根据不同学生的个性化需求，协助进行个性化学习，最大限度地帮助学生达到最佳学习效果;③共享性。突破时空限制，传播和共享各种教育资源;④开放性。可整合和优化国内外教育教学资源、学习理念等，提供给不同学生;⑤拓展性。具有学习室、研讨室、档案室、会议室等功能，充实个性化学习过程，实时动态地获取、更新和推荐优质学习资源。

5应用分析

在实践中，为帮助不同学生掌握知识，顺利完成学业，本文构建了互联网+大数据环境下个性化学习空间的原型系统，采用3DMAx建模，开发工具为unitv3D，运行环境为Hadoop。

该原型系统应用到湖北经济学院《管理信息系统》课程中，学生可申请符合自己要求的个性化学习空间，获取符合自己特点的优质课程学习资源，自主学习管理信息系统课程知识。虚拟阅览室如图4所示。

虚拟阅览室场景与现实中的阅览室一样，配有书架、桌椅、数字化图书等。与该课程传统集中教学的班级对比，利用该原型系统，学生可以良好状态投入学习，全部达到学习目标，取得比接受传统教学的学生更好的成绩。

6结语

互联网+、大数据与虚拟现实等技术应用到教育领域，为人才个性化培养提供了新思想和新方法，还可充分发挥互联网+大数据优势，搭建教育大数据分析平台，获取、整合和优化国内外各种教育资源，找出不同学生的特点，教师可有针对性地进行辅导。本文结合3D建模和虚拟现实技术，创建符合不同学生需求的个性化学习空间，实现学生个性化学习，帮助其实现最佳学习效果，做到人尽其能，达到因材施教的目的。