基于大数据分析个性化教学研究.docVIP

基于大数据分析个性化教学研究 当前，教育手段日益多样，多媒体技术广泛应用，但大部分教育工作者依旧将学生同质化对待，让不同学习能力的学生每日完成同样的作业，有的“吃不消”，有的“吃不饱”。应用大数据技术可促进教育从普适化向个性化转变。学生在大数据支持下在线学习，场景由实体课堂变为网络空间——教师能够全方位跟踪、记录学生的学习行为，了解学生学习需求，掌握学生思维特点。教师对学生学习行为数据进行收集，综合分析学生学习情况，进行有针对性的备课和个性化教学，针对学生特点建立学习模型，为学生提供个性化的学习策略和资源，让教育从“用经验说话”转向“用数据驱动决策”。例如，成都数字学校（以下简称数校）在利用大数据进行个性化教学方面已付诸实践。数校为学生提供直播课程与点播课程以及丰富的试题和视频资源，在预习、课前测、直播课、课后测、复习巩固5个环节提供支持。同时，数校借助系统直接对每个学生的学习情况进行数据收集、分析，将学生的错题收录到错题本中，再基于学生错题数据诊断学生的知识漏洞，为学生推送练习题和线上课程。数校利用大数据进行教学评价和诊断，通过精准分析学生的薄弱点，帮助学生进行个性化学习，同时教师也能根据学生学习行为、学习需求，实施个性化指导与干预。 一、基于前端数据收集并融合过程数据挖掘的自动用户建模 应用大数据技术促进教育从“静态”向“动态”转变。要实现个性化学习，首先需要对用户进行建模，即根据用户的不同特征来分类，包括属性特征和用户行为特征，在区分出不同的用户以后，再为不同的用户设计合适的成长路径。数校收集每个学生的基本信息和在学习过程中产生的数据，对其进行分析，发现学生目前存在的问题，为用户画像，在画像的基础上构建应用模型（如图1）。学生基础数据库包含学生各种基本信息，如学生注册时填写的用户名、学校、班级等。教师要收集学生以前的学习信息，需要对学生进行前测，发掘学生在知识学习方面的薄弱点，匹配学习方式。为确保向学生提供合适的学习资源和学习路径，不仅要记录学生在学习过程中的行为，而且要参照以往的数据以及后续通过用户调查等方式采集的信息。学校可以建立学习过程数据库，并借助系统的WEB日志挖掘和平台数据库的查询功能，对图2用户建模学生学习过程的数据进行挖掘，包括浏览次数、各种点击次数、访问次数、访问时长、活动参与情况等信息，记录学生的学习路径、内容及难点等（如图2）。以北京师范大学成都实验中学（以下简称实验中学）七年级某学生为例，该生在2017年暑假参与小升初衔接班学习，直到现在(八年级)。该生入学考试成绩中等，在班级内排名第23位，语文与英语成绩不佳。数校采集到的数据显示，该生在数校网站的访问与停留行为也主要发生在薄弱科目上，对部分英语章节有反复听讲的行为记录。 二、构建基因级知识图谱，生成个性化动态知识树 传授结构性知识是教师教学中比较有价值的付出。在教学过程中，教师可以知识点为基础，将全部知识点汇总形成知识结构图。系统基于“网络式”知识结构，智能识别数据之间、数据与知识结构之间关联教学规律，发现每门课程之中主要知识点的联系，可视化、动态化地呈现给师生，有助于学生建立知识体系。系统将教学中产生的每个学生的错题、收藏、课程、试题等都以知识点为主线进行归结，并将行为数据与知识点关联起来——知识点的教学情况通过知识树每片树叶的颜色示意，颜色由学生学习行为和作答率决定。对知识点进行基因级的拆解分析，用尽可能少的时间和题目，让每个学生“栽种”一棵专属的知识树，依据”树干、树叶”的生长状态，自适应调节学习节奏，并找出最近发展区，这是完全可行的。知识树的“栽种”也为分层教学、个性化教学以及因材施教奠定基础，同时也可作为学生自主学习的依据。例如，分层教学时教师布置20道题目，传统课堂环境下学生需要1小时完成，知识树建立后，不是每个学生每道题目都需要做，有的学生只需要做5道，大约15分钟即可完成。教师抽取一棵知识树可获取丰富的信息——树上的每片叶子记录了各部分的知识内容及其内在联系。每片叶子的颜色表征着学生对该部分知识的学习情况，如绿色代表优秀，红色代表较差，每片树叶的颜色不由某次测试的成绩决定。知识树的叶片隐含平时每堂课的学习情况记录，如作业情况统计等，学生点击跳转后可到与之相应的知识和课程模块中进行学习。从数校采集的实验中学某学生的知识树可以看到，该学生明显存在语文文言文练习正确率较低的问题（红色树叶所占比例较大）。数校题库向该学生有针对性推送初中文言文阅读训练与知识点讲解视频和练习。该学生多次训练后，语文知识树呈现良好特征。数校采集的数据显示，该学生在同期月考中成绩与排名都有稳步提升。 三、借助学情数据指导课程设计，实现精准备课和个性化教学 在课堂教学设计方面，过去常常是“工