基于大数据的学生个性化培养研究

2019-07-27刘永革葛彦强

安阳师范学院学报 2019年3期

刘永革，葛彦强

(安阳师范学院计算机与信息工程学院，河南安阳 455000)

引言

“因材施教”，即学生的个性化教育或人才培养是古代自孔子时期就提出的一种教育思想，但是遗憾的是从专家学者到普通教师都在努力，却至今没有给出合适的答案，根本原因是在于，学生人数多。教师无法及时获取学生的动态信息，掌握学生的学习状态、兴趣爱好等。没有这些有针对性的信息，那么也就没办法给出适合学生的学习内容和学习策略，也就无法实现因材施教。在当今高校，学生个性化的培养需求更是急需解决的问题。但是，伴随着互联网技术的发展，尤其是移动互联网的迅速发展，教育的信息化使学生在教学过程中产生的很多信息都能够被记录下来，尤其是在线学习已成为目前学习中的一种有效的方式。在线学习从时间、内容和空间多角度去建立适合学生学习的学习场所，是每一个学生可以根据自己的学习情况和学习进度，选择适合每个人自己的方式、学习路径和偏好来进行学习。这些无疑对当前的高校人才培养及教学模式、学校管理等一系列活动提出了挑战，如何去暗合“因材施教”的理念，形成人性化和人性化的学习变化，让学生从学习中找到幸福感，是当前高校必须要解决的重要问题。

所幸的是，“大数据”“学习分析”等前沿技术的成熟，更为学生的个性化培养提供了保障。

一、教育大数据的现状

目前，大数据在各行各业当中广泛应用。数据已成为一种重要的战略资源，在社会和生活中隐含着巨大的价值，为各行各业服务。

在高等学校中每天都在产生大量数据，学校的日常管理中汇聚着各种各样的信息，有招生信息、就业信息、资产信息、教师信息、科研信息、教学信息、学生的选课信息、借阅图书的信息、考试的成绩，在线学习的记录等学习信息，以及食堂消费的信息、住宿晚归的信息等生活信息。

大数据技术的到来，为实现个性化的教育带来了可以实现的可能，从而使以往的全体化教育转变为个体化教育。有了大数据技术，可以充分利用收集到的教育数据，从中提取有用信息，使教师能关注到每一个学生个体，比如，课堂上他在什么时候看手机、每天看手机的时间、手机中不同应用的使用时间、玩游戏的时间，与他人聊天的时间等等。通过收集整合这些数据，选取有效信息，就能够体现出学生个体的状态信息、水平信息等。尤其是当这些数据是在学生不知道的情况下收集的，就会使数据更加真实，不受到外界的影响。大数据技术将能为教师提供最真实的每位学生特点信息，以便因材施教。

二、基于大数据的个性化培养研究

在高等教育中，大学生比中小学生更为自由，更加需要这种监督与个性化教育，大数据的到来，使跟学生、家长、教师和管理部分都成为大数据的受益者。学生能够获取与之相适应的学习资源和学习策略，家长可以更全面地了解自己孩子的学习和生活状态，教师可以采用更适合学生的教学模式和教学手段，管理部门可以制定出更适合学生发展的措施和方法。

虽然大数据的发展给教育带来了新的发展和机遇，但教育大数据不同于一般的数据，它涉及的是人，很多相关的研究还处于摸索阶段，还需要不断的完善，不断地去接受检验。

根据教育数据来源的不同，分别进行校园教学数据、在线数据、物联网数据、图像数据和视频数据等的采集和分析技术研究。具体来说，首先通过多种途径收集课堂教学、各种信息管理系统、在线学习平台、移动APP、一卡通、图像数据、监控视频等各类数据，采用与之相适应的采集技术，进行常态化的数据采集，支撑教育大数据。然后，根据采集到的数据，对收集的数据进行清洗，使之变成可直接利用的统一格式的数据。最后，通过设计分析方法，对这些大规模数据进行分析，分析学生的学情信息，教师的教学策略，从大数据仓库中挖掘出学生的个性化培养的规律，为实现学生的个性化培养，提供恰当的方式和方法，如图1所示。

具体涉及以下内容：

图1 实施示意图

1.数据采集

教育大数据产生于各种活动，既包括学校的，也包括生活中的。既可以来之于校园，也可以来之于在线课堂，还可以来自于各类教育装备。

目前学校中已经建立了相对完善的信息系统，有教务管理信息系统、一卡通系统、选课系统等各类信息系统。与此同时还可以开发相应的移动端应用对学生的互动轨迹、学生手机的使用情况进行数据采集。还可以对各类课堂教学中的图像和监控视频数据进行采集。这些系统中的数据构成了对学生进行精准教学的大数据来源。

根据数据的来源不同，可采用物联网技术、视频分析技术、图像识别技术、在线平台采集技术等不同的技术来采集各种不同的数据。

在大数据处理过程中一般可以采用两种方法，即离线处理方法和在线处理方法。如果对于数据的分析结果在时间上有比较严格的要求，则可以采用在线处理的方式来对数据进行分析。包括学生手机App记录的实时运动轨迹，操作不同App的时间，学生在线学习的信息等。使用Spark、Storm等进行处理。

如果要分析的数据对处理的时间不做要求，就可以采用离线处理的方法。包括学生信息管理系统中的信息、一卡通的信息、监控视频中的信息等。可以先将数据采集到Hadoop分布式文件系统(HDFS)中，随后再对采集的数据进行分析。在本项目的研究过程中，主要采集了部分选课数据，一卡通数据，以及部分在线学习的数据，如图2、图3、图4所示。

图3 部门课程选课人数

图4 部分课程选课名单

2.数据抽取

对收集到的数据进行处理，在保证质量的前提下，抽取出适合的、有用的数据，再在此数据的基础上进行进一步的分析。

在项目中，采集到HDFS中的数据来源多样，类型多样，属于不规则的数据，数据本身的格式和数据字段，不满足分析的需要，存在有较多的无用或多余的数据。在现阶段，这种不规则的数据格式并不能完全满足对数据处理的基本要求，因此需要对数据进行预处理，使之转化为后面环节所需要的较为规整的数据，然后再根据研究学生个性化学习的需要，有选择地选取数据中有用的信息，对数据进行筛选和处理，无用信息给予剔除。其具体的处理架构如图5所示。

图5 处理架构

3.数据分析

基于大数据的分析，可以从数据与环境、相关者、方法和目标等四个维度来不断构建适合个性化学习的在线学习分析模型。以面向对象程序设计教学为例，根据课程的要求，从学生学习的过程结构、学习过程的可视化及学习效果的实证等方面进行分析。然后通过数据分析的结果，适当地推荐合理的学习路径与恰当难度的学习资源，同时实现对学生学习效果的及时反馈，提供个性化的服务，以便促进教与学。

个性化学习的关键在于数据的分析，只有提供有效的分析，才能对学生个性化学习提供支持，才能促进学生的学习。数据本身很多，在进行分析前，必须首先要明确，要分析的目的是什么，要达到什么样的效果。只有明确的目标，才能从大数据中，选取有用数据进行分析。在分析时，要结合要解决的问题，分析数据对结果的影响，根据数据与数据之间的关联，找出影响学生学习的原因，或为学生学习、教师教学提供一定的数据支持或建议。如图6所示。

图6 课程统计效果图

4.教学改革

通过数据分析，不断建立和完善包含各种学生个性化培养信息和决策的数据中心。数据中心中存放了大量的用于进行预测和分析的知识，而这些知识是相关领域的领域知识，也是进行数据分析的基础。可以利用这些知识采用机器学习或统计学的方法从数据中心中发掘隐藏的学生个性化培养相关的规律，通过对这些规律的分析和预测，为教师提供合适的教学方法，进一步探索出适合学生个性化的人才培养模式。

(1)人才培养模式的变革

目前，高校人才培养模式固定不变，千篇一律，对所有学生都是一个要求，无法适应学生个性化的需要。统一的培养方案、课程计划，对同专业学生统一要求。不同的学生个体，不同的学习状态，却实行统一的教学方法与评价标准。这必然会压抑学生的发展，使学生无法获得更好的发展。通过大数据分析，进行个性化的培养，就必须改变这种固定不变的人才培养模式，建立多样化人才培养模式。

新的人才培养模式可以根据学生学习行为的大数据进行数据挖掘与分析来调整教学策略。可以通过对学生学习中各种信息的分析和发掘，使教师精准预知学习者潜在的学习需求，使学生更快地进入学习状态，获取感兴趣的知识，学习资源的智能推送能在第一时间满足学生的需求。并且可以对学生进行课前预习测评分析和课中随堂测验分析，准确把握每个学习者掌握知识的状况，教师有针对性地制订教学方案和辅导策略。

这种教学模式不在是严格意义上的以教师为主，或以学生为主，而是学生教师双主，学习内容自适应的个性化教学模式。

(2)教师教学手段的改革

采用新的培养模式，就需要改革传统的教学方式，变革“满堂灌”的教学方式，可以综合采用启发式、发现式、学生参与式等教学方式。教师在讲授理论知识的同时，应更加重视发挥学生的主体作用，在学习过程中着力培养学生发现、分析、解决问题的能力。使学生能够在教师的指导下，自主地完成个性化学习。

(3)教学管理的改革

教育管理者根据大数据可以制定出合适的措施。学生家长能通过崭新的视角掌握全面、真实的学生信息。包括上课表现、成绩情况、交流情况、师生互动等等。

(4)教学质量评价的改革

评教在教学质量监控环节中，是一个重要的手段。但是如何得到科学的评教结果，长期以来一直没有得到很好的解决。大数据时代的来临，为这个问题的解决提供了方法，该研究中通过采集每节课学生的反馈信息，可以更准确地了解教师上课的效果，把每一次的反馈信息都记录下来，赋予一定的权重，而不是期末一次性的凭印象打分。再结合日常的学生评教，专家评价，同行评教，最终对教师的教学效果给予整体客观评价。