面向在线教学平台数据可视化方法及应用.docVIP

面向在线教学平台数据可视化方法及应用 　　【摘 要】 　　随着在线教学平台在国内高校的兴起，学生学习行为数据呈几何级数增长。如何对海量数据进行处理分析，挖掘教学环境中存在的不足，帮助教学者优化教学内容和教学过程，逐渐成为教育研究者关注的热点。本文在分析教学平台数据特点的基础上，提出了一系列面向教学场景的数据可视化方法。通过数据可视化方法的编程实现，教师可以为学生直观地呈现知识，及时了解学生学习状况，并有针对性地进行课堂教学、教学评价等；学生可以形成知识框架与互联体系，促进知识表达与内化，并完成自我评估、发现自己的学习问题；教学管理者可以掌握教师教学效果和学生学习情况，调整教学管理与决策的目标。本文结合自主研发的在线教学平台――师大云课堂，将实现的数据可视化方法应用到实际教学，产生了良好的实践效果，有效地促进了智慧教育发展。 　　【关键词】 教育大数据；数据可视化；在线教学平台；教学研究；智慧教育 　　【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009-458x（2018）1-0037-08 　　一、引言 　　随着信息技术的日益发展，人们开始通过计算机技术和互联网技术进行教学内容的传播和学习。《国家中长期教育改革和发展规划纲要（2010-2020年）》明确指出“信息技?g对教育具有革命性影响”。因此，许多学校及教育机构都研发了自己的在线教学平台，对教学理念、教学模式、教学环境等方面进行变革与创新，有效地提高了教育信息化水平（蔡慧英， 等， 2013； 荣荣， 等， 2014； 刘婷婷， 等， 2016）。在线教学平台的兴起，也引发了在线学习的热潮，越来越多的学习者参与其中。同时，平台汇集了大量的学习者和学习资源，以及学习者在学习过程中产生的各种行为数据，蕴含着大量有价值的信息。因此，如何提高人们快捷理解数据的能力，将数据转换成人们更容易理解的形式，是一个亟待解决的问题。 　　针对上述问题，数据可视化技术作为一种直观呈现海量数据的方式，越来越受到人们的关注和重视。相关研究表明，大脑处理的信息多数与视觉有关，处理与视觉相关信息的脑细胞超过80%。人眼对可视符号的感知度比对文本或数字要快得多。可视化技术将数据信息以“一图胜千言”（Labrinidis Jagadish， 2012； 邓烈君， 等， 2016）的表达方式呈现，充分利用了人们对可视模式快速识别的自然能力，完美地提高人们理解及分析数据的速度，帮助人们更有效地对海量数据进行挖掘，从而突破教育大数据分析的桎梏。 　　本文在阐述和探究数据可视化的内涵及技术分类的基础上，分析了在线教学平台中的数据类型特点，提出了一系列面向教学场景的数据可视化方法，并在华中师范大学国家数字化学习工程技术研究中心自主研发的在线教学平台――华师大云课堂中应用实践，以期对用户（包括教师、学生和教育管理者三种角色）产生积极的影响。 　　二、数据可视化内涵及相关工作 　　（一）数据可视化 　　数据可视化，目前存在着多种不同的定义形式。从广义讲，数据可视化囊括了较成熟的科学可视化和较年轻的信息可视化。除此之外，还包含了在此基础上发展起来的知识可视化（Card et al.， 1999； 李芒， 等， 2013）。从狭义讲，数据可视化是指运用计算机图形学知识和图像处理技术，以可交互式图形图像的方式来展现数据的理论、方法和技术（陈为， 等， 2013； 斯蒂尔， 等， 2011），其可视化对象仅仅为狭义理解的数据。结合自主开发的云课堂教学平台，对以下教育教学数据进行了可视化：课程和课堂的建设情况、教学中的资源建设情况、教师参与云课堂情况和学生在线学习行为数据等。 　　（二）数据可视化分类 　　数据可视化分类是可视化研究的关键环节。将数据可视化进行分类能够指导人们设计出合理的可视化方案，促进可视化技术从理论研究走向实际应用阶段。数据可视化有不同的分类，从文献常用的角度可将可视化分为科学计算可视化、数据可视化、信息可视化和知识可视化四种类型。Shneiderman（1996）依据数据类型将数据可视化分为一维数据可视化、二维数据可视化、三维数据可视化、多维数据可视化、时间序列数据可视化、层次结构数据可视化和网络结构数据可视化等几种数据类型。Keim（2002）提出了一种基于可视数据分析技术的可视化分类方法，认为数据可视化技术、数据类型和交互变形技术三个要素构成了数据可视化。基于这三个要素将数据可视化技术分为以下四种类型（如图1所示）。 　　1. 基于几何的数据可视化 　　基于几何的数据可视化技术是通过几何学中的投影和变换来实现对多维数据的可视化（Sibbet，2010）。标准2D/3D技术是在数据可视化过程中应用最广泛的一种可视化技术，常用的可视化图形有柱状图、饼图、折