基于大数据时代下在线教育研究.docVIP

基于大数据时代下在线教育研究 　　自2011年麦肯锡全球研究院提出“大数据”一词，得到了世界各国学术界、工业界和政府机构的高度重视，已成为了近两年IT界最为流行的关键词之一。在教育领域里也收集了海量的教育数据，通过分析和挖掘这些数据潜在的价值，整合现有资源，将更好地推动个性化学习。 　　【关键词】大数据 个性化学习 教育数据挖掘 学习分析 　　数据作为信息时代的象征，随着互联网的快速发展，信息量呈现爆炸式增长。根据IDC 监测，全球数据量大约每两年翻一番，意味着人类在最近两年产生的数据量相当于之前产生的全部。专家预测，到2020年全球数据量较2010年增加43倍，达到35ZB（1ZB=1万亿GB）。至此世界进入了“大数据”时代。大数据的提出引起了各大IT厂商和研究人员的高度关注，如何通过有效的收集、分类和共享，进一步的完善、创新这些数据里的大量有用的知识，并得到一定的积累和继承。2006年7月新西兰教育部长史蒂夫?马哈雷在一次研讨会发表了《个性化学习：把学生置于教育的中心》的演讲，强调个性化学习及其对教育的重要性。教育领域里也收集了海量的教育数据，在大数据时代下，从大量的教育数据中去分析和挖掘潜在的价值为个性化学习带来了机遇与挑战。 　　1 大数据的特点 　　2011 年5月，麦肯锡全球研究院（MGI）发布了 《Big data：The next frontier for innovation，competition，and productivity》的报告，在此报告中首次提出了“大数据”这个词。麦肯锡认为，“大数据”是指其大小超出了典型数据库软件的采集、储存、管理和分析等能力的数据集，同时报告中还讲解了处理这些数据能够释放出的潜在价值。 　　大数据主要有以下四个特点：第一，海量数据（Volume）。海量数据是大数据的最基本特征。从TB级别，跃升到PB级别。除了用户创造的数据外，目前，物联网、云计算和互联网可以将人和物的所有轨迹和信息记录下来并分析，变成新的信息，可见信息量的庞大。第二，数据多样性（Variety）。数据种类繁多，包括有网络日志、视频、音频、扫描文件、图片、地理位置信息等结构化、半结构化和非结构化数据，这些数据中蕴含了大量特定的价值。第三，数据价值的稀疏性（Value）。数据规模庞大，但真正有价值的数据相对较少，就像沙子淘金。数据背后隐藏的价值，需要通过数据挖掘来生成。第四，数据的高速处理（Velocity）。指数据被处理的速度要快。 　　2 教育大数据带给个性化学习的影响 　　个性化教学区别于传统的中等程度教学方式，是指学校根据学生的需要和兴趣来制定教学方案。随着我国教育的改革和创新，在“以人为本”的现代教学理念下，个性化学习越来越受到重视。目前我国很多学校都进行了教育资源库的建设，积累了大量丰富的教育资源，但这些数据仍无法满足教学工作需求，原因并不在于资源匮乏，而是没有充分利用这些数据。如何使这些教育数据转换成信息、知识，为教育决策、个性化学习服务也是面临的挑战。 　　随着大数据的出现，为个性化学习创造了现实条件，目前已经出现了一批个性化学习课程，如翻转课堂、MOOC和微课程等。翻转课堂是让学习者在课通过教学视频学习课程内容，在课堂上完成作业、工作坊研讨或做实验，教师则在学生完成作业遇到困难时给予个性化指导。教师也可以通过学习管理平台了解每一位学生的学习状况，并根据学生的学习情况，针对学习有困难的学生，及时对他们进行个性化指导。微课程同样也是利用“前置学习”的教学视频，让学生可以在家自主学习。通过暂停、倒退、重放等方式达到个性化学习的目的，在完成自主学习后，在课堂上教师利用作业、实验、工作坊等方式帮助学生消化所学知识。 　　MOOC（Massive Open Online Course，大规模开放在线课程）作为一种新型在线教育模式于2012年闯入了人们的视野，为传统教育带来了强烈的冲击。MOOC与传统的视频公开课不同，它模拟了一个较为完整的教学过程，有参与，有反馈，有作业，有讨论和评价，有考试与证书。在个性化学习方面，MOOC使学生能够自我掌握学习的方式和进度，根据自身情况选择学习内容，当遇到有问题的部分时可以反复播放学习，在遇到已经掌握的知识点时可以跳过不学，能够让学习者更好地达到学习效果。但是MOOC课程面向对学生群体庞大，很难能够对学生进行长期的辅导，同时课程都是在网上进行学习，针对一些实验性的课程无法提供一个实验环境来供其实践课程内容。 　　以上所提到的这些个性化课程还存在一个共同的问题，就是虽然一定程度上达到了个性化学习的目的，但这些课程都要求学生自己能够在课后花费大量时间去自主学习，这对学生的自觉性要求较高，这就会导致自觉性不强的学生不仅没有达到个性化学习的目的，更甚至于