大数据下开放教育自适应学习系统的构建

王晓晨 张 景

(山西开放大学,山西 太原 030027)

近几年，随着我国科技水平的不断提高，大数据技术应运而生，主要采用精确计算的方式，寻找事物的本质，同时，还能借助间接性的数据，对各个事物间的内在逻辑联系进行推测，帮助人们精确地认识和把握事物发展规律，并制定相应的决策。通过将大数据技术科学应用于开放教育自适应学习系统构建中，不仅可以实现对学生的精确化管理，还能有效地满足学生个性化自适应学习需求，为实现系统数据分析、挖掘和传输提供重要的技术支持。

一、大数据对开放教育的影响

随着大数据分析技术和挖掘技术的不断发展和普及，大数据对开发教育产生了深远的影响，其具体影响主要体现在以下几个方面。

(一)产生自适应学习要求

由于开放教育学生知识水平存在差异，所以，学生个性化学习成为开放教育的核心和关键。在大数据时代背景下，开放教育可以实现自适应学习。即通过借助大数据技术，网络平台对学生的认知水平、学习能力等相关数据进行自动化采集和整理，并从这些数据中分析和挖掘出有价值的数据，从而全面地了解和把握学生的学习特点及风格，进而为学生提供个性化的学习路径。

(二)发现开放教育规律

开放教育服务对象逐渐从精英人群向全民大众转变，逐渐完成了对专科、本科等各个教育层次相关的开放教育体系的制定和完善;开放教育职能在实际的履行过程中，逐渐向多元化、综合化方向转变，为成功构建全民终身学习体系打下坚实的基础。

(三)实现精准管理

大数据技术与开放教育结合在实现精确管理方面发挥出重要作用。首先，可以有效地统一数据标准，实现数据的安全化、可靠化存储和管理。通过利用大数据技术，可以制定和完善系统、规范的数据标准，实现对多种类型数据的自动化收集、分类、存储，从而形成大规模的教育数据库，便于其他人员随时随地地查看和调用系统数据。其次，可以最大限度地提高学生个性化管理水平。通过借助大数据技术，实现对学生个体数据报告的精确获取，便于针对不同学生的学习情况，制定个性化教育管理方案，以实现对学生的个性化、精确化管理。最后，有利于管理层教育决策的精准化。通过借助大数据技术，彻底改变管理者经营思想，采用多源数据结合的方式，对教育决策进行智能化、精确化分析，从而提高教育决策制定的科学性和合理性。

二、学习系统框架结构分析

为了提高系统的运行性能，满足学生个性化的自适应学习需求，技术人员要严格按照如图1所示的系统框架设计示意图，对系统框架结构进行科学设计。从图1中可以看出，该系统主要包含以下四个层次。

图1 系统框架设计示意图

(一)应用层

应用层所处理的对象主要包含不同用户所处理的各种业务，这些业务主要包含学习内容、学习活动、学习工具、学习评价、学习策略等内容。

(二)控制层

控制层作为开放教育自适应学习系统的关键和核心，需要采用自适应引擎的方式，在充分结合学生特征模型的基础上，为学生提供个性化、智能化的学习服务。同时，为了最大限度地学生的个性化学习服务体验，还要全面地评价最终的服务结果[1]，在此基础上，还要做好对引擎规则的优化和完善，确保引擎能够实现智能化改进和进化。

(三)数据层

数据层在具体的运用中，主要借助感知层，实现对数据的持续化、精确化采集和整理，同时，还能形成相应的系统网络日志、数据点击流，其中，系统网络日志内部主要包含图像、动画、音频、影像等学习相关的资料[2]。此外，在数据层的应用背景下，还能形成规模庞大的原始数据池，原始数据池主要包含以下两种类型，一种是结构化原始数据池，另一种是半结构化原始数据池。

(四)感知层

感知层主要是由摄像头、话筒、手机、平板电脑、笔记本、传感器、情感探测等部分组成，通过感知层，可以帮助学生更好地感知和获取多种类型的学习资源[3]。数据来源渠道主要包含以下几个系统，如学生信息系统、职业生涯规划系统、学生作业系统等。

三、系统功能模块设计分析

在大数据技术的应用背景下，为了更好地提高开放教育自适应学习系统的运行性能，满足学生的个性化自适应学习需求[4]，现将该系统划分为以下四大模块，分别是自适应模块、学生画像模块、预警与干预模块、学习激励模块。系统功能模块设计示意图如图2所示。

图2 系统功能模块设计示意图

(一)自适应模块设计

自适应模块作为系统的主要模块，在具体的设计中，通过借助大数据技术，实现对数据的自动化采集和整理，同时，还要借助有价值的数据，对其他功能模块进行触发，从而全面地了解和把握学生的学习习惯特点以及风格，在此基础上，形成学生学习风格所对应的专业特长，以提高学生的个性化学习体验[5]，然后，系统会自动根据学生的学习需求，向学生推送学生感兴趣的学习资源。学生在获得这些学习资源后，可以快捷、方便地选用合适的学习资源，以实现对相关知识的学习和巩固，从而熟练地掌握和应用所学知识，同时，教师可以根据学生的学习风格特征，对学生开展因材施教教学工作[6]。

(二)学生画像模块设计

学生画像模块在具体的设计中，需要全面地采集和整理学生的画像特征，同时，借助平台在科学分析大数据相关信息的功能，多方位、多角度地展示学生的不同维度，然后，学生根据系统所展示的自我画像，全面地了解和把握自身的认知水平、学习能力、学习风格和学习习惯等。此外，教师要通过观察班级所有同学的学生画像，全面地了解和把握班级中所有学生的学习风格和学习习惯，为后期实现因材施教的教学目的提供重要的依据和参考。此外，学校管理者通过观察系统所呈现的全体学生画像[7]，可以直观、有效地了解教师在各个教学阶段所对应的真实教学水平，为后期制定相关教育决策打下坚实的基础。另外，教师通过观察系统所呈现的学生画像，可以进一步了解和认识学生当前的实际学习情况和学习状态，便于教师对学生进行针对性地辅导，从而最大限度地提高学生的学习效率和效果。

(三)预警与干预模块设计

预警模块主要负责对学生考试成绩的计算和分析，便于教师全面地了解学生考试合格率，干预模块通过全面地收集和整理系统分析结果，并将其安全、可靠地发送给教师和学生[8]。该模块在具体的设计中，需要根据学生的真实学习水平，在充分结合形成性考核的基础上，采用引擎分析的方式，分析和判断学生在考试中所对应的合格率，为后期是否对学生进行预警和干预创造良好的条件。经过分析和判断后，确定出需要预警与干预的学生[9]，并对这些学生发送近期学习成果以及相关数据报告，该数据报告主要采用统计图形式呈现相关数据，学生根据数据报告，可以全面地了解自己在未来期末考试中所对应的挂科率，从而警惕学生认真进入复习备战的状态。同时，系统还能自动启动干预机制，该干预机制主要包含以下两种，一种是系统干预机制，另一种是人工干预机制。系统干预机制主要是指系统通过向学生自动推送优质学习资源，确保学生获取到符合自己学习习惯和特点的学习资料，从而实现对学生学习状态的智能化干预。人工干预机制主要是指系统自动将学生相关预警信息发送给教师，确保教师可以根据这些预警信息，对学生进行有针对性的监督，督促学习者积极主动地学习，只有这样，才能完成因材施教的教学目标。在预警与干预模块的应用背景下，在考核前一段时间，系统就能对学生进行自动提醒和预警，并帮助学生进行课前练习，使得学生提前进入到复习状态，从而最大限度地提高学生的考核成绩，避免学生出现挂科现象。

(四)学习激励模块设计

并非所有学生都能够对学习产生浓厚兴趣，所以，平台需要设计学习激励模块，采用寓教于乐的方式，将教育和娱乐进行充分结合，让学生在娱乐中体会到学习的乐趣，只有这样，才能充分激发学生的学习积极性和主动性[10]。此外，通过运用该模块，可以在充分结合学生学习相关数据的基础上，向学生自动下发课后作业，然后，由教师或者系统对学生进行监督，确保他们能够保质保量地完成课后作业。此外，系统数据可以根据学生今日的学习状态，向系统反馈学生在学习中遇到的问题，此时，系统会采用引擎分析的方式，快速查询学生画像，并根据学生画像，向学生推送相应的课外休闲活动，并将其作为一种奖励，帮助学生降低学习压力。这些学习问题主要包含三个不同等级：如果学生今日学习状态良好，并无出现学习问题，此时，系统会自动将人物画像所对应的名字标记为绿色；如果出现小的学习漏洞问题，系统会自动将其标记为红色，并对预警与干预模块进行触发，这时，系统会自动向学生推送漏洞补充相关练习题。另外，如果学生当日所掌握的知识比例在40%以下，系统会直接触发预警模块，此时，该学生的名字会立马标记为红色，系统将该学生的真实学习情况及时有效地推送给教师[11]，同时，还要为学生整理若干道典型例题，便于学生进行针对性地练习。在系统或者教师的干预下，如果学生所完成的例题数量达到了80%以上，该学生的名字会自动转变为绿色标记，以起到激励学生学习的作用。

四、开放教育自适应学习系统面临的问题

开放教育自适应学习系统在具体的构建和设计中，主要面临一些技术难题，如数据采集效率低、数据分布式存储实现困难、数据兼容性不高等问题，为此，技术人员要重视对这些问题的分析和解决。

(一)数据采集问题

数据采集作为开放教育自适应学习系统的核心，主要面临以下技术问题，开发人员需要重点分析和解决数据采集问题。据相关专家记载：“研究数据采集技术和问题的工作达到了99%”从这一数据，可以看出，数据采集面临着很大的挑战和困难。此外，所采集的数据除了包含用户的个人基本信息外，还包含行为数据等海量过程性数据，如何高效快捷地采集这些数据是技术人员必须解决和思考的问题。

(二)数据存储问题

在大数据技术的应用背景下，开放教育自适应学习系统在具体的构建中，经常面临的技术挑战是数据存储问题，在对海量数据进行存储期间，通常会涉及多种先进的数据分布式存储技术、数据分析技术以及数据挖掘技术等各种技术的挑战，例如：计算机硬件数据分析能力、超级计算机技术以及分布式计算技术等。这些技术仍然处于发展阶段，至今没有形成比较成熟的商业产品。

(三)数据兼容性问题

开放教育自适应学习系统在具体的构建中，由于数据存储系统千差万别，旷职数据编码格式也存在一定的差异性，导致各个系统之间无法快捷、有效地共享数据，造成这一问题出现的根本原因是各个系统在建设期间没有形成系统、完善的数据规划机制，导致数据平台缺乏一定的兼容性和统一性。

五、结语

综上所述，通过利用大数据技术，设计一套功能强大、性能良好的开放教育自适应学习系统，通过利用该系统不仅可以拓展学生的知识面，还能为学生提供多样化的学习资源和个性化的学习方式，从而对学生的学习进行有目的、有针对性地指导。对于学校管理人员而言，通过利用该系统，可以对学生的真实学习情况进行智能化分析和预测，并将最终的预测结果形象、直观地呈现在用户面前，为相关决策的制定提供重要的依据和参考。