大数据自适应学习分析模型研究.docVIP

大数据自适应学习分析模型研究 摘要：当前我国科学技术发展速度不断加快，传统教学模式已经无法满足现阶段人们的实际需求。在互联网的背景下，人们对于个性化的重视程度不断加深，在进行学习时，更喜欢用自己的方式。终身学习、碎片化学习以及移动学习等新兴的学习方式，让人们有更多的选择。自适应学习可以满足人们个性化的需求，因此当前对于自适应学习设计进行研究分析，可以为之后自适应学习系统的发展提供相关的理论依据。本文对于大数据分析以及应用现状进行阐述，分析基于大数据的自适应学习模型，探讨自适应学习设计未来发展趋势，希望可以推动我国自适应学习方式得到进一步的发展。 关键词：大数据；自适应学习；模型 现阶段大数据以及互联网等信息技术的新兴，使远程教育以及在线学习等自主方式得以实现。就目前的情况分析，我国普遍使用的网络在线平台有MoodleSaKai或者Blackboard等网站，这些平台对于教师课程管理及教学管理较为重视，可以为人们提供更加自主的学习服务。但是其中学习界面、学习顺序以及学习资源依旧属于重复出现的状态，无法较好地调动起人们的学习积极性。在大数据的前提下，可以使远程教育将规模化和个性化达到一定的平衡，有效地满足人们个性化需求。通过大数据分析，能够对于学习者自身的学习特征、学习的实际规律以及学习者当前最为迫切的需求，进行认知，从而有针对性地进行自适应学习设计，打造个性化学习方式。利用大数据进行分析，得到的结果可以对学习者可能需求或者爱好的资源进行推荐，满足其个性化需求。 一、大数据分析以及应用现状 近些年来我国经济发展速度增快，大数据分析技术受到了各个领域的重视。通过使用大数据技术，可以对于原始性的数据进行分析以及合理地推算预测，将所收集的数据直观性地展现出来。但是也有人认为，大数据技术在进行分析的过程中，忽略了准确性，只是对于事物发生变化规律的分析，并没有对其内在的因果进行分析。这使得我国自适应学习在发展的过程中，较难使用大数据分析技术。一方面是由于我国自适应学习设计数据除了具备数据量大的特点之外，还具备区域种类多、较为复杂，会出现较大的差异，并且对于某一块学科自适应学习设计进行数据分析时，总量可能并不大，所以无法进行大数据分析技术的利用[1]。另一方面，我国自适应学习设计的相关数据之间存在着鲜明的区别，如果仅仅只是对于数据之间的关系变化进行分析，其中内在的因果无法进行确定，那么使用大数据分析技术得到的结果并无法保障实际价值。当前对于我国自适应学习设计的相关数据的特征进行科学合理地分析，建立相应的数据分析流程。在进行数据分析的时候，需要根据实际的具体情况将数据合理地运用在自适应学习设计分析流程中。所谓的数据准备并不仅仅是指数据的样本，而是根据实际情况的目标分析，从数据库中将有关的数据全部调取出进行准备，并且需要专业的技术人员，根据实际的情况对于调取出的数据进行挑选清理，将其中不符合常规、出现重复以及没有实际作用的数据进行清理。在数据挖掘的过程中，需要与我国自适应学习设计实际情况相结合，根据数据的类型、格式以及出现的具体化问题进行分析。对于将发掘的方式进行综合化的对比，选择最合适的方式，便于我国自适应学习设计相关数据的整理，加快数据的处理效率，并对于数据所展示出的内在含义进行分析，得到其中存在的规律。专业的技术人员需要将根据实际情况采集到的数据进行分析处理，并且对结果结合实际情况，通过表面的问题找出内在的关系，进一步找到对于方案的优化措施，这一系列的行为便被称为诊断剖析。在进行方案的优化过程中，应该具有针对性，可以对于其中的问题进行具体化分析，并且预测出方案进行后的效果，找出解决的措施。实施评价则是在进行方案的强化后，对于实施的效果进行评价，并且把实施之前以及实施之后的效果相对比，分析以及总结其中的不足之处，并且将其记录到数据库中，为之后的大数据分析进行铺垫。应该注意的一点，便是在进行自适应学习设计大数据分析的过程中，需要进行不断的优化，分析以及发展[2]。在数据分析流程中，如果其中某一环节没有达到预期的效果，那么便相当于失败。需要对于之前的每一步进行重新调整，保障数据分析达到预期的目标。除此之外，当数据不断增加后，生产状态会出现变动，这便需要不断进行大数据分析以及方案优化，以便达到预期的目标效果。 二、基于大数据的自适应学习分析模型研究 （一）基于大数据的个性化自适应学习过程结构。第一，历史数据库。通过收集现有的学院人员、开设课程数量、奖励等相关的历史数据，建立数据库，方便了解学习者在进行学习时最普遍化的特征。第二，在线学习平台。对于现有的在线学习平台进行分析，了解不同层次的教学任务，反映了不同的在线学习特征，并且将相关数据录入历史数据库之中。第三，大数据进行分析的