教育大数据背景下log数据挖掘与_省略_2012_中国区问题解决测验为例_要.docxVIP

电化教育研究 电化教育研究 2017年第12期(总第296期) 2017年第12期(总第296期) PAGE PAGE # PAGE PAGE # PAGE PAGE # 网络出版时间：2017-11-30 08:39:01 网络出版地址： /kcms/detail/62.1022.G4.20mi30.0839.004.html 电化教育研究 D01:10.13811/ki.eer.2017.12.009 | 学习环境与资源 教育大数据背景下log数据挖掘与应用 ——以PISA(2012)中国区问题解决测验为例 首新\叶萌S胡卫平\刘念2，王红艳3 (1.陕西师范大学现代教学技术教育部重点实验室，陕西西安710062; 2.重庆市中山外国语学校，重庆404500;3.渭南师范学院教育学院，陕西渭南714000) [摘要]log数据是教育大数据的一个子集，为分析问题解决过程提供了新的思路。文章截取PISA(2012)中国区的 log数据，采用关系挖掘、聚类等教育数据挖掘方法，分析“交通”一题的答题时间、鼠标点击数，以及使用“有目的试误”策 略情况。结果显示：（1)台湾和上海形成强烈反差，上海学生在高百分位上的解题时间和鼠标点击次数都较低，说明他们 可能更在意时间成本;（2) “有目的试误”策略不仅有助于解答“交通”一题，其在体现个体问题解决能力中仍处于重要位 置；（3)依据使用“有目的试误”策略的程度，学生的问题解决过程可分为5个群组（最优组、有目的试误组、其他策略组、 只顾玩乐组、功能障碍组），台湾在“最优组”表现最好，香港在“只顾玩乐组”“功能障碍组”比例最高。可见，log数据在分 析问题解决过程、辨别问题解决群组、发展基于证据的教育决策等方面有其重要作用。 [关键词]教育大数据；PISA;问题解决；log数据 [中图分类号]G434 [文献标志码]A [作者简介]首新(1987— )，男，重庆梁平人。博士研究生，主要从事科学教学心理研究。E-mail:346532216@。胡 卫平为通讯作者，E-mail: weipinghu@ 163.(301110^ 一、问题的提出 教育网络资源的激增(如慕课、在线课堂、精品课 程资源）加快了数据的传递与扩张，用户与学习系统 的交互行为被传感器、后台等以日志的形式保存下 来，这些日志信息被称为log数据。log数据是教育大 数据的一个子集，国际大型测评项目PISA(2012) (Program for International Student Assessment)已全面 在计算机环境下评估问题解决能力，而测验过程记录 的log数据也成为分析全球15岁学生问题解决过程 的重要依据。计算机记录的log数据能够有效收集问 题解决过程的所有操作，反映所有行为，进而可能有 助于教育工作者从中捕捉学生问题解决的特点，为后 续教学干预提供有效的证据[1]。 log数据为分析教育大数据背景下的问题解决行 为提供了新思路，可以检验学生问题解决的投入度、 目标达成情况以及认知策略等[2]。本研究着眼于用 PISA(2012)中国区(上海、香港、澳门、台湾）问题解决 log数据来分析问题解决过程，并比较策略、模式上的 异同，从全新的视角考察学生的问题解决行为。 二、教育数据挖掘 教育数据挖掘过程 教育数据多为半结构化的、过程性的、状态性的、 反映学习行为的原始数据，对教育数据的深度挖掘就 是从海量数据集中自动提取不明确的或研究者感兴 趣的原始数据量的过程，参考Baker[3]、Romero[4]、杨文 佳[5]等人的观点，其过程可概括为原始数据预处理 基金项目：北京师范大学中国基础教育质量监测协同创新中心研究生自主课题(课题编号:SXSP-2016A2-15001);中央高校基本科 研业务费专项资助“基于项目的STEM学习国际比较研究”（项目编号:2016CBY017) (Pre -processing )、数据挖掘（Data Mining)、事后处理 (Post-processing )三个阶段。 首先，要对某教育系统获得的原始数据进行预处 理，包括选择和筛选、数据格式和形式等的转化、类型 的合并等。若数据来源于不同数据库，还应根据研究 目的、实验设计、变量等因素统一数据类型，使之能被 分析软件正确读取。完成数据预处理后，便可使用数 据挖掘技术进行分析。美国《通过教育数据挖掘和学 习分析促进教与学》报告归纳了 5类教育数据挖掘技 术，包括预测、聚类、关系挖掘、数据精馏与人工判断、 模型建构与发现等M，本研究主要采用了聚类、关系挖 掘。最后，基于数据挖掘结果须进行事后处理，对结果 进行解释与评估，并据此提出改善学习系统、优化学 习活动等方面的建议。 l〇g数据及其分析 计