大数据背景下学习分析技术.docVIP

大数据背景下学习分析技术 　　摘要：教师职能已由传统的课堂讲授转变为设计、组织、帮助与指导学生的学习，而学习分析成为了现代教学中必不可少的辅助手段。与此同时，大数据技术的出现为数据的分析应用提供了全新的思维和方式，大大推动了教学的个性化、适应性研究。本文以大数据为背景，结合云存储技术，以教师教学设计为应用目标，讨论学习分析的内容和关键技术，包括学生学习体验数据的获取、存储和分析。 　　关键词：学习分析；大数据；云存储；教学设计 　　引言 　　随着Internet、4G等信息技术的普及，以及MOOC等开放教育资源的日渐丰富，学生获取知识的渠道快速增加，基本实现了随时随地的学习。学习方式的改变导致了教师角色的转变，教师不再是知识的唯一传授者，而成为学生学习的干预者和引导者，教师职能由传统的课堂讲授转变为设计、组织、帮助与指导学生的学习。在此环境下，教师的主要任务就是为学生量身定做最合适的学习环境和个性化指导，具体包括两个方面：一是设计以学生为中心的教学方案，二是设计以学生为主体的教学形式。为了完成此任务，教师不仅要充分利用知识的结构和内在联系，而且更多地依赖于对学生状况的了解，只有预先了解学生的学习特点，才能做出恰当的教学设计。因此，学习分析成为现代教学中的必要的辅助手段。2013年美国新媒体联盟（NMC）的《地平线报告》提出，2～3年内学习分析这项技术将会被广泛接受。 　　联合国在2012年发布的大数据白皮书“BigData for Development：Challenges opportunities”中宣告了大数据时代的到来。大数据时代为数据的分析应用提供了全新的思维和方式。在高容量、高速度、多样化数据结构的大数据时代，我们不仅可以借助云服务端来存储海量的结构化、半结构化和非结构的数据，还可利用数据分析和数据挖掘技术从这些海量数据中提取具有重要价值的信息，从而对包括教育领域在内的社会各个领域的发展产生巨大的推动作用。 　　“数据驱动学校，分析变革教育”的大数据时代已经来临，大数据技术使得我们可以获取每个学生的海量时空轨迹的行为数据，包括学生在学校里发生的每一件事情，学习过程中的全部表现，以及在家用计算机终端学习过程中的一举一动；然后，基于大数据的云计算平台，教师不但可以对反映学生学习成果的各种量化或质性数据进行分析预测，还可以对学生在学习活动中以及虚拟情境中的非结构化行为进行分析，最终利用学习分析的结果做出最适合学生的教学设计，并且为学生推荐学习轨迹。 　　一、学习分析的内容 　　以学生为中心的教学设计，包括为学生设计合理的学习任务单和课堂教学形式，提供相关的教学视频和学习资源等。大数据时代的教学设计依赖于教师对学生学习状况的了解，学习分析是从整个系统的角度出发帮助教师做出教学决策，学习分析需要对学生学习过程中形成的海量数据进行解释和分析，以评估学生的学术进展，预测其未来表现，并发现影响学生学习系统的因素，其目的是评估学生、发现潜在问题并最终优化学习，对象是学生及其学习环境，基础是海量数据。 　　为了准确地了解每个学生的学习需求，不仅要对学生当前的学业表现进行多元化评价，还要在一定程度上预测学生的未来表现，要对每个学生进行全方位的发展性评价。为此，我们需要全面地跟踪记录一个学生的所有表现，既有量化的也有行为表现的，既有课内的也有课外的。根据大数据时代学生学习方式的多样化和灵活性特点，学生的学习数据包括线上数据和线下数据两种。对这些数据进行挖掘和分析，可以全面跟踪和掌握学生的学习行为、学习过程和学习特点。学习是学生与学习内容、教师、合作同学和学习环境之间的复杂交互过程。 　　（一）线上学习的评估内容包括： 　　1.学生在线学习表现的统计描述，包括学习时间的投入（如学生在某个知识点上花费的时间）、学习活动频次（如学生对某个知识点浏览的次数）、学习资源浏览（如学生对教学视频中某个片段浏览的次数）、考试成绩等； 　　2.学习者自主学习路径，包括学习者提问、回答相关问题和师生交流（如师生交互行为分析、师生发帖的内容分析、师生交互的社会网络分析）； 　　3.影响学习者在线学习表现的各种因素，如学习者的兴趣爱好； 　　4.各种虚拟情境下的学生表现，包括社会态度、责任感、处事方式等。 　　（二）线下学习的评估内容包括： 　　1.学生在学习不同模块的阶段性成绩和课堂观察结果； 　　2.实训表现及过程感受； 　　3.实习、实训等环境的适应情况； 　　4.学习活动中与人沟通交流、团队合作的表现。 　　二、学习数据的获取与存储 　　（一）学习数据获取 　　学习数据是指通过对学生学习过程中所产生的学习日志进行滤处理后得到的数据。学习数据的类型非常丰富，其中一部分数据是事后搜集的，如采用传统的考试分数采集