基于大数据分析学习评价.docVIP

基于大数据分析学习评价 　　摘要：针对目前高校课程评价手段单一，不能满足学生个性化学习的要求，本文提出了一种具有个性化和发展性特征的学习评价模型。该模型基于学生课堂教学、课外自学和部分日常生活构成的大数据，通过数据挖掘技术，给出课程学习过程中对每个学生的评价。学习评价关注学习的每个阶段，给出的建议符合学生个性化要求，并可帮助教师因材施教。教学实践结果显示，这种学习评价有助于改善学生的学习。 　　关键词：大数据；个性化学习评价；发展性学习评价；教育信息化 　　中图分类号：G717 文献标识码：A 文章编号：1672-5727（2017）08-0034-05 　　一、大数据为学习评价带来的契机 　　学习评价是教学活动中的一个重要环节，评价内容以及如何评价在一定程度上影响着教学过程[1]。传统的评价方式通常是考试，这种评价方式一般在课程结束后进行，不能贯穿于课程学习的全过程，而且单一笼统，无法突出学生个体的特点。其结果是教师不能因材施教，学生也不能根据自己的要求来选择性地学习。显然，这种评价方式已经不适应当前学生个性化学习的需要，也不利于个性化人才的培养。我国《教育信息化十年发展规划（2011―2020年）》提出学校教育教学方式的变革要在学生多样性、个性化学习方面的改变上取得突破，并提出了“鼓励发展性评价”[2]。探索建立针对每个学生的个性化、发展性的学习评价问题已经成为当前迫切需要解决的问题之一。 　　建立这种评价方式最大的难点是信息不对称。教师无法获知学生的学习状态，简单的课堂交流只能作一个较为肤浅的判断，对于每个学生的兴趣爱好、学习习惯等都无从掌握，无法进行有针对性的引导，也不能开展个性化评价。但随着大数据时代的来临，高校中每时每刻都产生着海量的数据，这些数据以非结构化、半结构化、结构化多种样式存在，而以往的研究工作并未基于大数据这样一个特点进行研究，如将这些孤立的数据进行有效的融合及充分的利用，就能为实现学生学习的个性化评价提供技术上的可能性。 　　大数据能关注每一个学生个体的微观表现，它可以分析微观、个体的学生生活与课堂情况，凸显信息的真实性，找到真正影响个体教育的重要因素[3-4]。基于大数据建立的学习评价，能够为学习者提供个性化学习内容、资源和建议，为教师提供调整改进教学行为的依据，促进建立个性化培养体系，满足社会多样化、个性化人才的需要[5-6]。 　　近两年，国外研究者开始对高校利用大数据信息化平台对大学生学习评价进行研究。2013年，美国教育部在《Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics》一文中提出应利用大数据技术对教与学过程中产生的数据进行数据挖掘来获取有价值的信息[7]。美国的一些大学也针对此方面展开了一些研究，目前正在研究的有课程信号系统、Moodog和预测分析报告系统。普渡大学的“课程信号系统”可以根据学生的学业表现来警示学生的学习状况（课业良好、中度危机、严重危急等）；美国加州大学使用的“Moodog”和美国西部洲际高等教育委员会教育技术合作部的“预测分析报告系统”能够分析学生退学的影响因素，这些系统目前均处于研究测试阶段，以期为大学生个性化学习评价的建立提供有效的解决方案。 　　国内对个性化学习评价处于理论研究阶段，大多普通高校尚未使用实践手段以获取个性化信息。从国内学者发表的多篇有关学习评价的文献中可以发现，个性化学习评价的实践与个性化人才培养的要求存在差距，也滞后于信息化技术的发展[8-12]。 　　二、 基于大数据分析的具有个性化、发展性学习评价模型的构建 　　本文基于大数据平台，构建具有个性化、发展性特征的学习评价模型。该模型由信息采集与数据清洗和整合、数据挖掘与分析、信息反馈三个主要模块组成，如图1所示。 　　（一）信息采集与数据清洗和整合模块 　　传统学生学习评价主要依靠考试成绩、课堂表现、作业情况等，该模块中除了使用传统的数据，还将考虑学生课后网上学习、学习规划报告、兴趣度调查、心理调查报告、借书情况甚至校园刷卡消费记录等数据，这些数据都或多或少地和学习结果相联系。如果能将个中影响因素都结合起来进行挖掘，则可更加客观、准确、如实地反映学生学习情况。以上信息基本都以非结构化、半结构化和结构化多种样式存在[13-14]，需要在大数据平台Hadoop下进行清洗和整合，为数据分析和挖掘做准备。 　　（二）数据挖掘与分析模块 　　数据挖掘和分析模块采用Hadoop平台，该平台提供的数据挖掘算法具有并行处理数据的特点，能够快速、有效地处理大规模数据。在Hadoop平台下将需要的数据进行清洗和整合后，利用Hadoop平台提供的数据挖掘的关联