基于大数据背景的多媒体设计

文/吴琼香

1 序言

随着我国设计行业的飞速发展，越来越多的传统设计方式开始逐步发生变革。以多媒体方面为例，多媒体设计是传统设计的重要组成部分，但随着科学技术的进步，传统多媒体设计已经越来越不适应当前的信息数字化设计环境，所以有必要针对当前设计环境和硬件技术，设计出符合当前不同人群学习习惯的多媒体设计方式。本次研究主要针对大数据背景进行展开，融合了当前设计方面的客观因素，针对不同人群进行了多媒体设计优化。

2 大数据在设计中的应用

2.1 大数据背景

在设计领域，大数据技术主要被应用在设计内容和设计方式两个方面。首先是设计方式，相关人员在进行设计行为时无时无刻不在产生相应的数据，常见的有用户的反馈、其他设计者反馈、社会企业反馈等等的客观数据，这时候相关人员就可以依靠相应的大数据平台和相关技术，来对客观信息进行挖掘、解析、存储和融合，帮助相关对设计信息反馈进行梳理，此外大数据系统还能够被应用到用户的学习行为分析中，让相关人员和设计研究人员对用户行为的规律和特点有一个细致的了解，从而制定出更为高效的设计方案；其次是设计内容，在不少涉及到网络学科或专业的设计中，大数据无疑是当前互联网领域的热点，用户学习大数据方面的知识能够对用户今后的就业提供优势，同时也能够帮助用户了解当前计算机领域的市场风向，让用户所学的知识能够顺利的对接到工作岗位上，所以针对大数据知识的特点进行设计引入十分有必要。

2.2 多媒体与大数据的相性

多媒体设计，顾名思义是利用多种媒体技术进行针对性的设计。比如现在的数字媒体、网络媒体等新型媒体渠道也能够被叫做多媒体，在设计领域，多媒体学习很早就已经得到了相应的普及，事实证明多媒体画面和声音让用户能够对所学知识的架构更为清晰和具现。现在如今各行各业都在进行大数据的改革，大数据也可以帮助多媒体学习进行更为精准的调整和优化，让多媒体的画面和声音变得更具针对性，从而让用户从不同的层面对知识进行梳理。

3 基于大数据的多媒体学习研究

3.1 设计方法

3.1.1 应用方式

首先需要基于大数据对多媒体学习进行分析，多媒体学习已经成为信息化环境下的主流学习方式。传统的多媒体学习研究主要采用认知行为实验方法，对学习后的任务完成情况和学习效果进行测试，是一种“离线”手段，相关测试与学习者的学习行为和认知加工过程分离，不能同步考察学习者学习过程的真实情况。基于大数据的学习分析技术为开展“在线”的多媒体学习过程分析提供了方法和技术上的支持。利用大数据技术支持下的生物表征数据、外显行为数据和情感体验数据，可以实时、准确、全面地表征学习者的认知行为与过程，实现了在多媒体学习过程中外显学习行为和内部认知行为的整体性分析，有助于研究者全面了解学习者的真实状态，并据此提出相应的多媒体设计策略。

其次是基于大数据的多媒体学习资源的设计与评价，设计开发符合学习者学习需求和认知规律的多媒体学习资源是多媒体画面语言研究的基本目标。满足学习者个性化需求的自适应学习资源是大数据时代对学习资源的新要求。大数据技术能全面地跟踪、记录、分析学习者个体的学习过程和学习行为，获知学习者的学习需求，进行个性化服务和指导。在多媒体画面设计中，应以满足学习者需求为出发点，为学习者提供个性化的学习资源和策略指导，促进学习资源的优化与改进。在大数据技术支持下，借助于学习分析方法对基于画面和声音的学习行为进行分析，获取生物表征、外显行为、情感体验及相关认知活动等方面的多模态全息数据，建立以学习者为中心的立体化数据模型，从而进行多模态整合分析，为学习者提供个性化的学习资源、指导和干预等相关学习支持服务，为多媒体学习资源的设计与评价提供有力的数据支持。

3.1.2 应用实例

比如传统的多媒体学习在利用大数据优化之后就可以分为翻转课堂设计、虚拟现实设计等等不同的模式。比如翻转课堂就是多媒体学习的特种化应用。翻转课堂的核心在于“教为主导，学为主体”的指导思想，以多媒体设施作为实施设计的主要途径，通过大数据对翻转课堂进行优化，让翻转课堂更加突出其自身的新颖性、生活性和实践性。

再比如虚拟现实设计，虚拟现实设计是一种集成多媒体、人机交互的信息技术，利用机器学习和模式识别创建一个沉浸感很强的虚拟环境。作为多媒体学习的高级应用，虚拟现实学习环境可以为用户提供一个虚拟的学习模式，有效解决当前时空受限、设备更新维护代价高、设计成效不突出等问题，为每一个用户分发一个虚拟设计环境登录账号，然后进入到虚拟设计系统，该系统可以重组部署软件研发服务设备、构建人文信息环境、生成网络拓扑结构等，有效地提高了计算机软件设计娱乐性，激发用户的创造力和主动性。利用大数据技术对虚拟现实进行优化，能够极大的拓展虚拟现实的功能，比如让实例脚本可以保存多媒体学习上下文信息，将这些信息反馈到每一个操作部件中，实现多媒体学习场景的初始化，实时记录多媒体学习系统的运行状态。

再比如直播平台是一种有效的远程学习模式，但是直播平台这一媒体渠道基本上是由商业平台所把持，学校内部和各个学校之间的直播平台缺乏相应的互动性和沟通性。但是利用大数据技术，比如大数据处理技术、推荐系统技术、流媒体技术和实时交互技术等来对学校的直播设计平台进行改良，就能够大幅度缩小学校系统与商业化系统的差距，让用户能免费享受到优质的远程设计服务。

3.2 设计思维

在设计思维方面，相关人员可以利用大数据对课程进行及时的调整。当前设计的主要问题集中在社会变化过于快速，而高校的课程调整跟不上各个领域的变化，所以导致毕业生在毕业之后无法形成足够的竞争力，无法从茫茫的求职者中脱颖而出。所以为了提高相关的效率，为了培养出适应新时代各个领域需求的相关人才，利用大数据思维对设计进行改革必不可少。

多媒体设计的改革可以分为课程设计、个性化设计和高效分组三个方面。

（1）课程设计，开展基于大数据的多媒体学习的软件基础是建立先关的设计数据库，利用高校内部、高效之间的数据库来对海量的设计数据进行系统的挖掘、解析、存储和融合，提高课程设计内容的精准度。再利用相关领域整体行业的大数据情况来决定课程调整的大方向，让用户获得的知识能够在毕业之后学以致用，甚至可以做到利用大数据对行业的未来情况进行预测，针对性的对相关课程进行更新。

（2）根据用户的特点进行个性化的设计，并不是每一个用户都适应一种设计模式，但是传统的设计方法无法顾及到每一个用户的需求，只能让用户来适应不同的设计方法。但是利用大数据技术，相关人员不需要通过一系列的分析与观察就能够得出用户的学习习惯。相关人员通过日常的测验、作业完成情况、其他相关人员反馈等信息进行收集整理，利用大数据技术对用户进行分析，进而对用户的学习情况进行判断，最后依据用户的学习习惯和情况进行针对性的设计，真正树立起以人为本的设计理念。

（3）分组设计，分组设计是当前设计的主流，让用户根据不同的情况分成一个个学习小组，互帮互助的进行学习。但是传统的分组设计更多的是相关人员基于学习成绩进行分组，利用大数据技术之后，就能够通过用户的爱好、习惯和兴趣等复杂因素来进行分组，让小组内部更好的进行融合，同时根据小组的不同情况进行设计目标的调整，让每个小组在进行学习时都能做到有所侧重。

此外，在大数据背景下，高校还可以利用数据挖掘进行设计和管理创新，将数据挖掘应用到高职院校相关人员评价系统中去，从而得到大量真实有效的评价数据，让学校和相关人员都能够了解自身的优势与劣势，从而更高效的进行提升。

4 总结

总而言之，利用大数据技术对多媒体学习进行优化让传统的多媒体学习焕发出新的生机，但是设计研究并不是基于一份报告、一次研究就能够完全适用于各种环境的，相关人员还应该结合本地的实际设计情况来进行针对性的调整，并结合国内外先进的设计经验和设计技术来不断地进行优化，这样才能保证多媒体学习在网络时代中的到更好的发展。