大数据背景下学习资源精准推送方法研究

孙小江 周琴

摘要：随着职业教育改革的深入推进，教育信息化已经成为高职教育的重要改革趋势。在此背景下，以大数据为依托的网络学习已经成为高职院校推进教育教学的重要途径。面对丰富多样的学习资源，如何有效保证学习资源的精准推送，为学习者个性化学习提供坚实动力，进一步解决其学习迷航、信息过载等问题，已经成为每一位高职教育者都亟待思考的问题。基于此，本文就以大数据时代为背景，在阐述大数据概念内涵及其对学习资源精准推送支持的同时，就大数据支持下的学习资源精准推送方法进行了详细探讨，仅供相关教师同仁借鉴参考。

关键词：大数据;学习资源;精准推送

如今，在信息技术飞速发展的形势下，我们已然步入了大数据时代。这也使得学习资源爆炸式增长和学习者个性化、精准化资源需求之间的矛盾愈发凸显。尤其是大学生信息处理能力不足，以至于无法和持续扩充、持续再生的网络资源相匹配，进而产生信息过载、信息迷航等问题，给高职教育的良好推进埋下诸多负面隐患。对此，在新时期，我们有必要正视大数据的内涵所在，围绕其在学习资源精准推送方面的固有优势，切实做好精准资源推送方法的探索工作，从而在保证教学实效的同时，为学生更好地学习、就业和发展铺路搭桥。

一、大数据技术

对于大数据而言，其指的是一种规模较大并且需要进行详细获取、分析与应用的数据集合。它的特征主要包括三个方面，即规模性、高速性与多样性。其中，规模性指向的是大数据的内涵数据，高速性指向的是大数据的应用实效，多样性指向的是大数据的样式类别。通常来说，我们在运用和处理大数据的过程中主要需要经过获取、分析与应用三个步骤。而在这三个步骤当中，最难操作的当属分析环节了，为了完成数据的有效运用，我们需要结合相关需求，从海量的数据资源当中去探究有效反馈，以此来实现对大数据的有效运用。而落实到教育领域来看，如今，在学生学习方式以及需求日渐多样的情况下，如何做好他们学习资源数据分析工作，为他们提供有效且精准的学习资源推送服务，已经成为各个阶段教育都需要面对的现实问题。

二、大数据对于学习资源精准推送的支持

（一）促进学习资源的精准收集

客观地说，互联网和云计算技术是大数据得以广泛应用的有效支撑。结合现实情况来看，互联网好比是一台类似于人脑的数据集中系统，它可通过智能终端以及感染期等设备来实时对大数据进行收集与挖掘，进一步提高数据采集主体的多样性。而在大数据的推动下，云计算技术得到广泛应用，尤其是在手机等多种智能终端出现之后，其不但能够帮助我们更好地采集到更多学习需求、学习反抗方面的数据，而且还能对学习难点、学习时间等非结构化数据进行精准收集，这对于我们学习资源精准收集和推动而言意义重大。

（二）提供学习资源的精准推荐

在大数据支持下，学习者能够获得精准化的资源推送，这种推送关系主要体现在以下几个层面：首先，相关性推荐。大数据在应用过程中，能够实现由因向果防线的转换，即我们可以结合其相关信息，找到一些与之相匹配的决策数据，进而实现有效的数据利用。落实到学习资源推送方面就是我们可以结合学习者的相关需求来为其提供相关资源的有效推进。其次，预测性推荐。预测作为大数据的核心功能，指的是结合巨量数据来对后续可能发生的事件进行有效预测。例如，在学习资源推送过程中，我们可以结合相关数据分析，探究学习者可能出现的学习资源需求，在此基础上，对其进行相关学习资源的预测性、动态性推荐。再者，主动式推荐。在大数据的支持下，学习资源也被插上了翅膀，我们能够结合相关手段，对学习者资源进行有效分析，然后实现主动式的精准资源推送，从而为学习者更好地学习与发展提供良好助力。

（三）助力学习资源的精准优化

在大数据的推动下，我们能够对学习资源机械能动态化、持续化的检测，在此基础上，对这些资源进行进一步的改进与优化，使他们能够具有双向性质的反馈能力和良好的自我进化能力。例如，一些微课等数字学习资源网站能够自动收集一些学习者学习实情、学习需求等方面的数据，在此基础上，对内部的资源排序、资源推荐等进行有效优化，使学习者能够更好地进行资源运用，从而达到促进其学习实效提升的目的。

三、大数据支持下的学习资源精准推送方法

（一）混合教学，实现资源精准推送

1.概念分析

混合教学指的是一种以信息化技术为支撑，通过对线上以及线下教育资源进行整合，然后在此基础上开展课程教学的教育模式，依托它来进行学习资源精准推送需要教育者把控好线上以及线下两个层面的教学，在此过程中，对学生的学习资源需求数据进行有效分析与提炼，进而做到教学资源的有效化与精准化推送。

2.实践步骤

第一，线下教学部分。

线下教学设计多个环节，我们要围绕教学的前、中、后三部分，做好学生学习资源需求的数据分析工作。首先，在课前，我们可通过任务单发放来收集和了解学生的认知难点、资源需求具体数据;其次，在课中，我们可结合课堂记录、问答互动等环节的设定来把握学生学习资源需求。再者，在课后，我们可借助练习考评来把握学生学习资源的具体需求。然后，以此为基点进行学习资源精准推送。

第二，线上教学部分。

我们可借助钉钉、QQ、雨课堂等聊天与教育软件来进行线上教学，在此基础上，一方面可借助软件自带的数据记录功能，把握学生认知难点、资源需求;另一方面可借助专门的SPSS等统计软件之便来分析学生在学习资源方向的具体需求，以此来实现教学的资源的精准推荐和教学过程的有效实施。

（二）移动学习，实现资源精准推送（主要以移動学习为主，介绍移动学习资源推送）

1.概念分析

众所周知，移动学习指的是一种以数字化、信息化手段为支撑的学习形式。它有着极强的移动性、开放性特点，能够助力教育者、学习者突破现实课堂教育桎梏，让教与学的过程能够不限时地地展开。结合社会发展形势来看，移动学习已经成为后续教育事业发展的重要方向，因此，围绕移动学习来搭建一个学习资源精准推送体系，是很有必要的。

2.实践步骤

第一，架构移动学习资源平台。

在落实移动学习形式资源精准推送时，我们首先要做的就是移动学习资源平台的搭建，依托平台来为学生提供良好的学习路径和资源获取途径。平台结构方面可包括四个层级，其分别为学习层、业务层、储存层和管理层。其中，学习层主要是围绕学习者的移动端口学习而展开的，可包括有应用终端、移动终端等;业务层指向的是学习资源的多维度需求分析和推送，涵盖资源计算、资源管理以及资源分配等功能，储存层主要指的是学习资源的储存端口;管理层是对整个平台的管理，涉及用户、数据、资源、服务以及安全等多个维度。

第二，云数据的资源分析与推送

在平台搭建完毕之后，我们可围绕云数据来展开资源的分析与推送。首先，可而结合各类型的移动终端，为学习者提供资源获取服务。这一过程中，管理层将结合云数据来对学习者的学习需求、学习倾向等数据进行有效搜集，在此基礎上，一方面可围绕其关注较多的资源类型进行学习资源的精准分配，另一方面也可做好资源类型及其内容的细化工作，为学习者提供类别精准、内容丰富的资源库，从而为他们的精准学习提供长效助力。

（三）多维关联，实现资源精准推送

1.概念分析

多维关联形式的资源推送实际上指的是一种围绕张量模型构建和高阶奇异值分解而展开的一系列数据分析与资源推送过程。首先，张量模型的构建主要围绕学习者、学习资源以及学习轨迹这三个张量来展开，在基础上，打造一个“学习者+资源”形式的张量模型，进一步明确学习者对于资源需求和资源选择的情况，然后通过权值设定来建立数据与资源推荐之间的关联。其次，高阶奇异值分解旨在对相关数据进行整体性、多角度分析，然后结合奇异值分解有效分解来实现学习资源的有效性、精准性推送。该方法的适用于多种学习情境，可帮助教育者打通“人找资源”以及“资源找人”之间的联通，能进一步保证学习资源推送的精准性。

2.实践步骤

第一，张量模型构建。

首先，围绕学习者、学习资源以及学习轨迹三个子张量来构建一个“学习者+资源”形式的张量模型。其中，学习者方面的维度可包括学习目标、学习偏好、学习风格、学习动机以及学习能力等维度;学习资源方面的维度可包括资源类型、难易程度以及交互方式等维度;学习轨迹方面可包括学习时常、学习地点以及学习设备等维度;各个维度之间可设置1-5的取值范围。在基础上，我们可结合张量连接法，对两个张量中的相同维度进行连接，生成新的张量（原有对应元素之积）。如，A和B两个张量所对应的维度为dA和dB，它们有共同维度dl，则其融合和的张量C=dA+dB-dl。再者，可依托上述方法连接学习者、学习轨迹张量，然后将其所形成的新张量和学习资源张量再次连接，从而形成“学习者+资源”形式的融合张量，最后可结合取值范围来判定学习者的资源访问次数。

第二，高阶奇异值分解。

在构建完“学习者+资源”融合张量的基础上，可从学习轨迹维度中进行融合式子张量抽取，并对其进行高阶奇异值分解（矩阵化+奇异值分解）。在此基础上，结合相关需求进行截取处理，获得因子矩阵以及核心张量。然后，对二者进行重构处理，获得近似张量。接着，结合学习轨迹张量维度资源被访问次数进行学习资源、学习者两个层面的Top-k排序，从而落实基于学习行为和需求的资源精准推送，满足学习者在多学习轨迹、学习情境下的资源需求，让学习资源的价值得以充分发挥。

总之，以大数据为助力来落实学习资源精准推送，已经成为各阶段教育改革的重要趋势。对此，我们有必要立足大数据下的教育大背景，切实做好学习资源精准推送机制的搭建工作，以此来消除学生的数字学习资源鸿沟，让他们能够精准地汲取各种学习资源，从而学得更多、收获更多、成长更多！

参考文献：

[1]姜倩，李艳，钱圣凡.基于大数据的高校精准教学模式构建研究[J].高教探索，2020（11）：31-35.

[2]李斌，孙经纬.个性化学习资源精准推荐系统设计研究[J].电脑知识与技术，2020，16（02）：57-58.

[3]丁继红，刘华中.大数据环境下基于多维关联分析的学习资源精准推荐[J].电化教育研究，2018，39（02）：53-59+66.

基金项目：本文系海南职业技术学院课题名称：“大数据背景下基于多维关联分析的学习资源精准推送方法研究”，课题编号（Hnky2020-67）的研究成果;课题名称：“热带医学机构知识库的建设与实践研究”，课题编号：（Hnky2020-45）的研究成果;新增科研团队：海南职业技术学院“智能信息技术研究与应用”科研团队成果。