基于智慧教育的学习大数据分析技术研究

贾书伟

(云南经济管理学院,云南昆明 650000)

0 引言

技术与课堂融合为教育带来重大变革,大数据挖掘融入教育领域,科技进步为传统课堂教学转型带来机遇,智慧教育成为教育信息化的热点话题。智慧教育下开展教学调节课堂氛围,智慧教育出现突出教学中的重难点,使得教师对学生学习数据采集处理成为发展趋势。

1 面向教育的大数据分析应用

大数据发展对传统教学模式产生很大改变。大数据技术影响教育发展规划,大数据教学管理体现在改进提高教学方法,查找教学薄弱环节;评价日常教学质量,了解学生知识掌握情况[1];支持教学运行决策,优化学校教学资源配置,诊断学校教学水平。通过普渡大学Signal学业预警系统与美国高教大数据分析介绍大数据在教学中的应用。

学业预警是学校针对学生出现学业不佳等现象,采取相关措施帮助学生完成学业的管理制度。我国各类高校面临机遇与挑战并存,许多学生由于受到外界因素影响导致无法按时顺利毕业。利用学业预警机制监控学生学业,可以帮助学生规避学业危机,保障学校教学质量。国内学业预警系统形式单一,美国高校对学生SAT成绩等分析,帮助学业适应性出现问题的学生。普渡大学退学预警系统基于学生课程GPA成绩,综合表现不好的学生收到失败危险预警邮件。如图1所示:

图1 大数据环境分析Fig.1 Big data environment analysis

普渡大学研究发现,处于中度学业失败危险的学生会改善学习[2]。早期预警对学生顺利完成学业非常重要。美国西部由16所高校学习数据分析项目,定义学习特征变量有学习基础、学习行为等。特征提取需要利用大数据技术。随着技术的发展,在线平台大量涌现。很多学校将传统教学活动转移到在线系统,系统记录学生观看视频等行为数据,可以反映出学生学习中的情况。

大量原始学生记录存储在数据库,要通过统计方法对教学活动记录,在PAR框架实现具有关键作用。集成数据分析预测使用统计分析技术,分析学生不良学习特征,对学生特征建模是教学分析的关键步骤。对结果使用统计方法标注[3]。把解释结果形成图表呈现给教学管理者。PAR框架在教学管理者对学生干预后,可以观察同类学生学习情况。

2 面向教育的大数据分析方法

信息技术在教育领域应用改变传统教育资源分配模式,线上教育平台可以挖掘教学中的数据,为教师改进教学策略提供信息支持。个性化自适应学习是采集学生学习基础数据调整学生学习规划。智慧教育是学习者以信息技术为依托,在与课堂融合中开展高效的智慧教学活动,利用大数据收集分析学生的课堂学习行为,创造个性化学习环境。

2.1 学习行为数据收集

智慧教育研究如何利用学习数据的问题[4]。xAPI是目前在线学习领域的行为数据标准,提供对数据的检索与写入功能。LMS学习平台生成格式事件报告,xAPI定义数据访问所需安全机制OAuth。混合学习应用平台可设计不同事件采集器,不同学习场景产生不同数据特点,如学生观看课程视频需采集观看中发生动作。通过学生对学习工具在课前后应用,分场景收集高质量学习数据,形成学习大数据分析条件。对大数据学习行为分析过程复杂,智慧教育中数据信息收集非常重要,教师要科学操作大数据技术对学生数据收集,常用的数据收集技术是xAPI数据标准,借助LMS学习平台采用xAPI规定格式生成主动词,采用JSON格式生成数据保存在学习记录中。如图2所示:

图2 高效课堂Fig.2 Efficient classroom

2.2 个性化学习特征分析

智慧教育目的是分析学生学习行为数据,预测学生学习成绩。由于教育数据特点,需要结构挖掘等多种分析方法。预测是对在线教育数据分析得到变量模型预测趋势,常用的学习预测手段包括回归等。潜在知识评估手段能客观评测学生知识掌握情况,常见潜在知识评估模型包括绩效因素分析等[5]。

模型发现研究是挖掘知识构建模型指导教育数据挖掘研究。常见的是通过学习得到重视构建学习模型,如建立学习者元认知模型等。学习数据分析结果可采用多种可视化技术展示。如使用饼图观察学生对学习活动兴趣,利用雷达图表示学生抗压能力等学习品质分布等。可根据学校教师需求开发可视化图表,如对学生聚类分析,便于教师对其集中管理。新生加入可根据历史数据分配到类似学习方式学生中。

2.3 课程推荐与学习规划

学生学习获取知识后转化实现有效利用是循环过程,在知识获取中对学生学习干预进行学习规划非常必要。综合运用数据分析,概率推理法对学习风格,教学方法建模,便于根据学生个性特点推荐学习内容。通过挖掘学生学习行为特征,以学习者先验知识为补偿集下限,应用吸收马尔科夫链模型,结合学生学习路径规划,完成课程推荐。新型网络在线课程形式优质资源得到学习者的好评,制定学习计划可以使学习活动更加高效,教师可以对学生进行指导,教师结合输出数据制定学习计划,有效提高学生的学习效果。通过大数据技术为学生推荐书籍,使学生学习具有针对性。

2.4 基于社区的学习分析

基于学习社区交互是智慧教育的重要环节,以学习兴趣为驱动复杂社交网络。强调实现学生的多样性结合,不同个体学习行为具有自发性,通过相互影响表现宏观性质。利用大数据分析采集在线社区交互学习行为,挖掘学习者习得内在隐含关联;探寻以文本为载体的对话交互方式,抽象学习交互中知识传播基本模式。

3 智慧教育学习大数据分析应用

智慧课堂数据挖掘分析是复杂的系统工程,以智慧课堂师生互动指数分析为例,介绍智慧教育大数据分析技术应用。研究使用中小学应用广泛的科大讯飞产品智慧课堂数据,产品形成理论定义、教学模式等完整体系,在某重点中学学生群体中常态化使用,由于使用智慧课堂产品时间长,积累大量过程行为数据,数据分析采用匿名编码保护学生隐私。如图3所示:

图3 师生平均分组互动程度Fig.3 The average level of interaction between teachers and students

研究师生互动指数基于师生在智慧平台教学数据得出,基于实用性、全面性原则,利用因子分析法,通过指标选取确定相应指标权重。师生互动是与讲授式教学,对话教学等共存的教学类型。包含认知与情感成分,传统教学模式中教师将学科知识传授给学生,课堂是一教师为中心的传统教学方式,束缚学生的创新能力。智慧课堂教学中通过提升师生互动打破传统教学模式,计算师生互动指数。通过对比原始数据指标发现,上传微课次数多的教师与学生互动指数高,师生互动指数小于10的战59%,平均互动指数为13.28.统计发现每位教师上传微课13个,表明教师使用智慧平台与学生互动较少。教师要通过高质量微课,提高与学生互动。如图4所示:

图4 师生互动指数柱状图Fig.4 Histogram of teacher-student interaction index

4 结语

随着网络教育的发展,催生智慧教育的概念。信息网络技术应用降低教育数据挖掘分析门槛,为开展智慧教育研究提供素材。人工智能技术对教育大数据分析,促进智慧教育发展。本文论述学习大数据分析技术综合,教育大数据为教学研究带来新的思路,使计算系统呈现达到人类认知能力。大大提升人工智能适应性,对教育技术产生深刻影响,智能化规划通过个性化适应性学习,使广大师生受益。