基于大数据的教育智慧平台的设计与实现

张睿思

关键词： 大数据; 教育智慧平台; 自主学习; 多特征融合; 关联分析技术; 学生成绩预警

中图分类号： TN919?34; TP393                  文献标识码： A                   文章编号： 1004?373X（2019）14?0091?04

Design and implementation of intelligent education platform based on big data

ZHANG Ruisi

（Hunan Institute of Technology， Hengyang 421002， China）

Abstract： The activities of teachers and students are constrained by teaching plans in traditional teaching methods， and the teaching methods are aging， and cannot expand students′ learning abilities by means of big data， resulting in students′ low self?learning ability after class and low extracurricular communication ability. Therefore， an intelligent education platform based on the big data is designed. The overall structure of the platform includes the physical layer， virtual resource layer， logic layer， display layer， application layer， network layer and user layer. The big data center module of the platform is used to collect all business data by means of network and equipments such as sensor， and store business data in the massive data storage device. For the software design part of the platform， the multi?feature fusion acquisition algorithm is used to collect student data， so as to complete the student achievement warning by using the achievement warning algorithm based on the correlation analysis technology. The experimental results show that only 5.15% and 4.49% of students cannot improve their self?learning abilities after class and extracurricular communication abilities respectively， and more than 95% students have good feedback after using the designed platform， which indicates that the designed platform can effectively improve students′ self?learning ability after class and extracurricular communication ability， and has a high application efficiency.

Keywords： big data; intelligent education platform; self?learning; multi?feature fusion; correlation analysis technology; student achievement warning

人们的学习途径从课堂与课本进入了多元化教育时代，使用网络与移动终端学习逐渐成为信息时代学习的重要方式;而传统的教学模式多半是照本宣科，教师与学生的活动受教案约束[1]，统一的“程序化”教学方式导致教学方式老化，学生学习效率不高[2]。传统的教育模式已经不能满足现在的学习需求[3]，因此，本文设计基于大数据的教育智慧平台，通过大数据技术，把互联网资源与学校平台的数据连接，实现智慧教育。

1  基于大数据的教育智慧平台的设计

1.1  平台硬件设计

基于大数据的教育智慧平台结构分为7层，分别是物理层、虚拟资源层、逻辑层、展现层、应用层、网络层、用户层[4]。其详细结构如图1所示。

1.1.1  平台硬件设备配置结构设计

基于大数据的教育智慧平台中的硬件设备配置结构如图2所示。其主要包括服务器、交换机、防火墙、网络机柜、摄像机、音视频分配器与手写屏各一个，2台计算机[5]。其中，交换机按照学生在线并发数设置交换机设备的配置，考虑到冗余情况可多设置1台留作备用;防火墙采用具有冗余接口的VPN防火墙，确保总体教育智慧平台在最大并发数下可靠运行;摄像机、音视频分配器主要用来录制教师课程，把音频、视频录制到控制端，教师使用手写屏在屏幕上模拟黑板输入[6]。

1.1.2  大数据中心模块设计

大数据中心模块是基于大数据的教育智慧平台中业务模块的数据集散地，主要通过网络和传感器等设备采集所有业务数据，并保存在海量数据存储设备中，使用数据筛选与清洗处理技术处理数据后，传输至相应的应用程序中进行程序操作[7]。

1.2  平台软件设计

1.2.1  多特征融合采集算法

采用多特征融合采集算法对平台中的学生特征数据进行快速、准确的特征采集[8]。

[Ta，a1=i=1nqi-s2qi-s-lqi-s2qi-s-li=1nqi-s2qi-s-l22+qi-s2qi-s-l22]    （1）

式中：[Ta，a1]为学生数据特征属性和学生特征表达集合;[qi]为学生数据分类后数据特征数目;[s]为学生特征含有量;[i]为数目;[n]为参数;[l]为学生数据特有属性。学生数据特征识别后必须去除不是特征性的属性，有利于采集时减小误差提升速度，冗余数据去除公式为：

[L=q+i=1nTa，a1iq-ei=1nTa，a12i]  （2）

式中：[L]代表限定去除标准，符合标准的将被去除;[q]代表去除时采用的过滤要求;[e]代表已有冗余数据去除要求。经过过滤后能够采集数据特征。

[C=βi=1nei+i=1nTa，a1·a，a1idiθi=1nTa，a12i+       1-βqi+i=1nTa，a1i-X2Ta，a12ii=1nTa，a1-X2] （3）

式中：[diθ]代表数据特征的持有权值;[β]代表平衡因子关联系数;[X]代表数据特征采集因素[9]。

1.2.2  基于关联分析技术的成绩预警算法

基于第1.2.1节采集的学生数据，采用基于关联分析技术对学生成绩进行预警[10]。将事务集设为A1，预警项集设为A2，K为频繁项集，Y为候选集，Rules为预警规则集，seq为预警项顺序集，minsup表示最小支持度，minconf表示最小置信度，则算法描述为：

Input  A1，minsup，minconf，A2，seq

Output  成绩预警规则Rules

1.初始化频繁项集[K1]

2.while（all [LK-1≠？]）

3.end

4.while（all [YK]）

5.end

2  实验分析

2.1  本文平台对学生课后自主学习的影响

实验统计本文平台对学生课后自主学习的影响，结果如表1所示。

分析表1可知：使用基于大数据的教育智慧平台后，有87.37%的学生课后总是可以回想起课堂上教学的相关知识来进行自主解题;有86.92%的学生总是可以課后自主解题;有87.21%的学生总是可以在课后自主发现自己的解题错误;有86.33%的学生总是可以在课后自主发现错误后及时改正。仅有5.15%的学生使用本文平台时不能提升学生课后自主学习的能力。由该数据可知，基于大数据的教育智慧平台可有效提升学生课后自主学习的能力。

2.2  学生课外交流情况

实验统计本文平台对学生课外交流的影响，结果如表2所示。

分析表2可知：学生课外使用基于大数据的教育智慧平台时，仅有1.35%的学生在平台中不参与课后沟通;仅有0.34%的学生在平台中不向老师提问;仅有1.5%的学生没有增加对老师的了解;仅有0.21%的学生没有增加对同学的了解;仅有1.09%的学生没有增加对知识的理解。经过统计，仅有4.49%的学生使用本文平台时不能提升自己的课外交流能力，由该数据可知，基于大数据的教育智慧平台可有效提升学生课外交流的能力。

2.3  学生对本文平台的反馈结果

学生对本文平台的反馈结果如表3所示。

分析表3可知：使用本文平台后，认为同意使用本文平台对学习帮助很大的学生占比92.59%（同意+基本同意）;同意使用本文平台对学习效率提升较高的学生占比97.52%（同意+基本同意）;同意使用本文平台有助于及时发现错误并得到纠正的学生占比89.88%（同意+基本同意）;同意使用本文平台有助于加强师生交流的学生占比94.47%（同意+基本同意）;同意本文平台可在学校中普遍运用的学生占比93.56%（同意+基本同意）。对本文平台反馈结果果断差评的学生仅占4.67%。由该数据可知，大约95%以上的学生使用本文平台后反馈较好。

3  结  论

本文设计基于大数据的教育智慧平台，通过实验数据分析可知：学生使用本文平台后，超过85%的学生总是可以在课后回忆课堂知识且发现自己的解题错误、自主解题、及时改正;仅有4.49%的学生在平台中不参与课后沟通、不向老师提问、未增加对老师和同学的了解以及对知识的理解;且约95%以上的学生对本文平台的反馈结果良好。综合分析实验数据得知，本文平台是一种高质量的教育平台，可大大提高学生的学习质量和教师的教学效果。

参考文献

[1] 鹿星南，和学新.国外智慧学校建设的基本特点、实施条件与路径[J].比较教育研究，2017，39（12）：23?29.

LU Xingnan， HE Xuexin. On basic characteristics， implementing conditions， and approaches of foreign smart school construction [J]. International and comparative education， 2017， 39（12）： 23?29.

[2] 邓莉琼，肖秋根，李中宁，等.基于大数据分析的计算机网络课程自适应学习系统构建[J].计算机工程与科学，2016，38（z1）：276?280.

DENG Liqiong， XIAO Qiugen， LI Zhongning， et al. Construction of an adaptive learning system of computer network course based on big data analysis [J]. Computer engineering and science， 2016， 38（S1）： 276?280.

[3] LEE T， JEON S， KANG D， et al. Design and implementation of intelligent HVAC system based on IoT and big data platform [C]// Proceedings of IEEE International Conference on Consumer Electronics. Las Vegas： IEEE， 2017： 398?399.

[4] 孙傲冰，季统凯，伍小强.面向智慧城市的大数据开放共享平台的设计与实现[J].计算机应用，2017，37（z1）：340?343.

SUN Aobing， JI Tongkai， WU Xiaoqiang. Design and realization of big data open platform for smart city [J]. Journal of computer applications， 2017， 37（S1）： 340?343.

[5] KRECHOWICZ A， DENIZIAK S. Business intelligence platform for big data based on scalable distributed two?layer data store [C]// Proceedings of 2017 Federated Conference on Computer Science and Information Systems. [S.l.]： IEEE， 2017： 177?182.

[6] ZHAO H， HAO X， WANG A， et al. Design and implementation of an intelligent cooking robot based on Internet of Things [C]// Proceedings of the 2015 Chinese Intelligent Automation Conference. Berlin： Springer， 2015： 423?430.

[7] 杨可晗，马琼.大数据下提高远程教育质量提取有效资源仿真[J].计算机仿真，2017，34（4）：212?215.

YANG Kehan， MA Qiong. To improve the quality of distance education and the simulation of effective resources under the big data [J]. Computer simulation， 2017， 34（4）： 212?215.

[8] DONG X. The exploration about the construction of big data platform based on intelligent tourism [J]. Electronic test， 2017， 50（11）： 53?60.

[9] HUANG L F， LIU J Y， HUANG Z C， et al. Design and implementation of information push service platform in mobile intelligent district based on JXTA [J]. Applied mechanics & materials， 2015， 713： 2229?2232.

[10] 祝智庭，彭红超，雷云鹤.解读教育数据智慧[J].开放教育研究，2017，23（5）：21?29.

ZHU Zhiting， PENG Hongchao， LEI Yunhe. Interpreting educational data wisdom [J]. Open education research， 2017， 23（5）： 21?29.