大数据条件下数字化学习环境的设计与应用研究

2019-11-30聂巍武汉软件工程职业学院

数码世界 2019年10期

聂巍武汉软件工程职业学院

随着互联网信息技术的不断发展，大数据技术的应用在社会各行各业中突显其价值。在教育领域，关于教育大数据的研究也逐渐引起越来越多高校的关注，各国研究人员致力于探究如何利用数据挖掘、学习分析技术不断变革教与学的方法，进一步提升教与学水平。我国学者也普遍认识到大数据技术对于教育发展的重要性。在大数据时代，各类移动终端网络设备在课堂教学中得到广泛普及，传统学习环境正转变为数字化学习环境，学生在这种环境学习，其学习行为被全面记录，构成具有宏大规模的教育数据，数据挖掘技术从大量数据中挖掘、提取知识，以充分发挥教育数据的作用，有效提升学生的学习效果。

1 建设数字化学习环境的研究思路

我国数字化学习环境建设发展历史较短，可供借鉴的经验不足，而学习环境的构建为变革教与学方式奠定基础，因而，有必要不断深入探索数字化学习环境的建设途径。为此，首先应分析数字化学习环境的建设所面临的挑战：其一，数字化学习环境建设缺乏系统性，对学习过程中产生的海量数据挖掘不充分；其二，学习分析模型的构建缺乏个性化；其三，在线学习监督体系不完善；其四，数字化学习评价缺乏全面的维度，评价体系有待完善。

基于上述问题的讨论，提示建设数字化学习环境的研究思路为利用大数据技术系统化设计与优化数字化学习环境以及资源配置，深度挖掘学习者学习行为，分析其认知状态以及能力缺失情况，找出学习问题与原因，为其智能化推荐学习资源与学习路径，以提高数字化学习环境判断学习者学习能力的精准性；通过分析学习者的在线学习行为，识别学习者学习注意力分散的原因以及处理信息量的能力，发挥学习监督作用；最后利用大数据技术构建数字化学习环境学习评价体系，以发挥数字化学习环境建设的价值。可见，建设数字化学习环境将涉及协作式学习环境建设、个性化学习、数字化学习过程优化、教学评估等内容。

2 大数据技术以及数字化学习环境的基本概念

2.1 大数据技术

有学者定义大数据为利用传统数据库软件无法在一段时间内获取、处理以及管理的数据集合。大数据技术在数据中提取知识，并将提取的信息智能转化为某种商业优势，该技术的主要特征为数据容量大、进出速度快、种类多样以及信息价值高。大数据所囊括的数据类型不仅有常规数据仓库数据，与包含流媒体、图片、网络信息等数据。

2.2 学习分析

学习分析是指解释学生学习过程中产生的大量数据，评价学生学习进步、预估学习行为以及及时发现学生学习问题。数据包括学生完成作业任务、考试等显性行为以及课外活动、社交网络等隐性行为，也包括不与学生学业进步直接挂钩的其他相关活动。学习分析模型能够显示和处理学校以及教师所需的用来认识教与学的数据。为学生创造合适的、符合需求的教育机会是学习分析的目的。从学生角度看，学习分析技术使其充分认识自身学习机制，以优化学习过程，实现自主导向、适应性学习；从学校和教师角度看，可以用于评价教学课程，改善教学考核方式，同时指导教师针对学生实施个性化教学干预。同时学习分析技术帮助研究人员理解学生个性化与网络学习过程，帮助技术人员优化教学管理系统。

2.3 数字化学习环境

数字化学习环境即信息化学习环境，借助多媒体以及计算机网络技术，该学习环境实现多媒体化信息显示、虚拟化教学环境、网络化信息传输以及智能化信息处理。数字化学习环境很好地满足学生的学习需求，其主要构成部分为包含计算机、多媒体、校园网等的基础设施，包含多元化、可共享的学习对象与材料的教育资源库，为学生提供教与学网络活动的软件系统，实现远程讨论的通讯系统以及为学生构建知识、解决问题、创造实践的学习工具。

3 大数据条件下数字化学习环境的设计与应用研究

3.1 数字化学习环境包含的大数据

数字化学习环境的建设基础是各种网络学习平台、资源库以及学习工具，教师指导学生在这种学习环境下开展个性化学习，在学习过程中学生的学习行为被一一记录在有关的学习系统中，以下具体介绍学习系统中包含的数据类型以及数据内容。

3.1.1 分析学习数据内容

学生的学习数据内容被记录在学习资源系统、网络教材系统、讨论交流系统以及课业考试系统。其中网络教材系统的数据内容主要有交互性网络内容、社会性阅读以及知识管理，对学生看过的、标记的以及管理过的知识点进行记录，形成规模庞大、以学习内容为特征的序列节点数据；讨论交流系统的教学内容主要包含家校互动信息、答疑互动数据以及学习社区，对学生参与互动、交流讨论的情况进行记录，形成规模庞大、以讨论交流为特征的序列节点数据；学习资源系统的数据内容主要为课件点播以及课外阅读等信息，对学生课件浏览记录、看过的视频进行记录，形成规模庞大的、以学习资源为特征的序列节点数据；而课业考试系统的数据内容主要为考试测验以及作业练习，对学生试卷评阅结果、考试时间以及试题练习情况等进行记录，形成规模庞大的、以测评练习为特征的序列节点数据。

3.1.2 分析学习数据类型

在学习过程中，学生生成的学习数据包含多种类型，诸如图片、视频、文本、音频、动画等等。其中，视频以及音频资源的主要数据内容为微视频、教学视音频以及网络视音频，其数据属性为半结构化以及结构化；图片资源的主要数据内容为教学图片以及网页图片，其数据属性为半结构化以及结构化；动画资源的主要数据内容为网页动画以及flash动画，其数据属性为半结构化以及结构化；文本资源的主要数据内容为教学课件、课外阅读以及多媒体教材，其数据属性为结构化。

3.2 大数据技术对建设数字化学习环境的影响

3.2.1 实现个性化学习

实现学生个性化学习需要依赖一定的技术，在不同时期技术发展具有不同意义。有学者梳理例个性化学习的发展过程，个性化学习是从应用智能化教学系统发展至应用自适应网络教学系统，再发展到现阶段的以互联网技术为基础开发智能答疑系统以及学习情境以支持个性化学习。个性化学习的本质与核心是充分关注学生的个体化差异，以促进每位学生实现个性化全面发展。个性化学习的主要内容可以概括为个性化学习内容、个性化学习活动、个性化学习方式以及个性化学习评价。

现阶段，多元化移动终端的普及使得学生个性化学习的实现具备充足的技术基础，完备的硬件设施使得学生可以在学习终端进行学习，并通过学习系统对自己的学习过程、学习行为进行记录，形成包括学习结果、学生学习能力等内容的大量教育信息。学习系统可以充分分析这些教育信息，全面掌握学生的学习情况，比如根据学生的系统登录比值以及实际登录时长对其学习意愿进行分析，利用学习相关比例对学生网上交流区的具体行为进行分析等。

基于这些结构化、半结构化数据，学习分析技术可以掌握学生个体化差异情况，从而为其推送给具有针对性的学习途径以及教学资源，同时个性化监控、指导学生的学习过程，反馈学习结果。总之，结合大数据技术的学习分析使得学生个性化学习成为可能，为其个性化发展提供可靠支持。

3.2.2 推动建设协作式学习环境

协作学习的组织形式为小组合作，组织目标为培养学生人际交往、合作协调能力，组织载体为小组活动任务，通过互动、交流、合作的方式，学生完成学习。相较于传统学习方法，协作学习能够更好地培养学生的创造力以及学习积极性与主动性，有助于加深学生对知识的理解，强化知识运用能力，有利于提升学生与人交往、协作互动能力，提升其综合素质。

协作学习环境包含学习所需的资源、组织环境、硬件设施以及空间环境，具备多项功能，诸如提供可共享的信息资源以及交互工具，提供个人学习空间以及小组协作条件。组内成员的互动协作水平在很大程度上决定小组的学习成果以及协作成效。在传统课堂教学中，协作学习的形式为就某一课堂问题，组内成员开展讨论交流，这种形式的协作成效普遍偏低。而随着课堂教学逐渐普及互联网信息技术以及多媒体技术，教学平台的开发不断应用云计算、与大数据相结合的学习分析等新兴技术，逐步提升课堂学习环境的个性化以及智能化程度。在数字化学习环境中，学生不再仅局限于在课堂中学习，而是可以利用信息化信息平台实现远程协作式学习，也可以通过各类社交平台实现实时以及非实时的学习交流，还可以随时随地从云端资源库获取所需学习资源。此外，学习系统会将学生协作学习的相关数据进行记录，同时显示在学生个人电子档案中。如学习系统会记录学生登录时间、网页停留时间、学习社区对话等信息，通过学习分析技术对这些信息进行全面分析，以掌握学生的实际协作学习情况。同时，将这类反馈信息应用于教学系统的开发中，指导研究人员建设有效满足学生协作学习需求的数字化学习环境。

当前，研究人员已普遍认识到建设学习环境的必要性以及重要性，但是依旧面临一大技术难题，即如何从规模庞大的大数据中提取、挖掘有效信息，这也是未来发展教育信息化一个重要的研究方向。

3.2.3 数字化学习环境的优化

当前，教学课堂逐渐广泛应用信息化技术，一方面不断提升教师的教学水平，一方面有利于构建学生的自主学习意识。在信息化时代，数字化学习是一种重要的学习方式，是有效整合课程教学与信息化技术的关键。数字化学习的核心在于将信息技术视为学生学习的认知工具。数字化学习实现在教育领域构建互联网学习平台，使得学生可以通过网络体验一种全新的、突显自身主体地位的学习方式。这种学习环境不仅给予学生便捷地获取教学资源的渠道，还使得课堂教学实现教学观念的革新。

在数字化学习环境中，学生利用现代化信息技术进行学习。信息技术的应用方便学生获取知识，同时培养其学习能力、发展其学习思维、提升其综合素质水平。数字化学习环境包含三要素：学生主体、资源以及内容，优化数字化学习环境即优化信息资源、优化信息处理过程以及优化学习交流过程。

在数字化学习环境中，学生学习日志、学习成果、学习路径、学习管理数据以及课程数据等具体的学习行为会被学习系统记录，生成包含学生学习全过程的学习行为大数据，基于大数据技术，研究人员利用学习分析技术以及数据挖掘技术采集、分析、存储学生学习行为大数据，进而了解学生学习态度、学习习惯以及知识掌握程度等非认知情况，掌握其全面的学习过程。此外，教师可以利用分析的数据为学生制定个性化辅导方案，推送具有针对性的教学资源，更细致地分析学生的学习效果，反过来为技术开发人员建设符合学生学习特点的资源库提供依据，让数字化学习朝着更贴合学生学习特征的方向发展，进而不断优化数字化学习环境。

3.2.4 完善数字化学习评价体系

传统的学习评价模式是以学习目标实现情况为评价标准，教师利用随堂测验、课堂观察等方式，通过量化评价数据，以评估学生的学习情况。教师根据所获取的评价结果，不断对实际教学活动进行调整，以确保完成教学目标。可见，这种传统的评价方法过分依赖教师的主观性，试图通过改进教师教学策略来改善学生学习情况，尚处于以教师为主体的认识层面。但是，随着信息技术的广泛应用，学习评价体系不仅为教师提供教学改进策略，还为学生提供全方位、可视化、个性化学习评价，以提升学生构建自主知识的意识。

学生利用移动终端以及网络平台开展数字化学习，学习系统记录其学习行为并生成行为大数据，这些数据在学习资源、网络教材、讨论交流以及课业考试等系统中可被查阅到。通过分析学生作业完成、写作交流以及知识掌握等情况，教师能够深深层次评价学生学习情况，了解其学习问题，并在这一过程中挖掘学生学习潜能，为学生、学习系统研究人员提供有效反馈。

数字化学习评价的主要内容有评价课程内容学习、评价互动交流情况、评价课业完成以及考试成绩、评价课外学习情况。评价课程内容学习主要是评价学生对学习过的知识，包括评价知识点类型、学习时长、学习次数、笔记内容等信息；评价互动交流情况主要是评价学生参与课堂以及课外互动的情况，包括评价答疑次数、协作学习主题数量以及发布在学习社区的问题数量等信息；评价课业完成以及考试成绩主要是评价学生单元测试结果以及个人和小组的学习作品；评价课外学习情况主要是评价学生拓展学习情况，包括评价视频点播数、文本下载量等信息。

通过应用大数据技术，数字化学习评价使得学生学习评价由单纯依赖考试以及课堂观察的形式转变至多元化、深层次评价。通过评价学生学习过程中的各种学习行为，教师能够掌握关于学生的学习细节，进而更好地因材施教，有针对性地培养学生的能力，提升其知识掌握水平。