在线教育背景下学习支持服务体系构建研究.docxVIP

在线教育背景下学习支持服务体系构建研究

摘要：在线教育作为教育领域的重要组成部分，如何保证在线教育质量，实现人才培养目标，成为各高校亟须关注的问题。为提高在线教育质量，提出构建基于学习者画像的在线教育学习支持服务体系。通过获取学习者信息、数据预处理、画像标签提取、画像建模与可视化四个步骤构建学习者画像，分析学习者个体特征与群体特征，为精准化学习支持服务提供有力支持；在此基础上，设计包括学习资源支持服务、人员支持服务、管理支持服务、情感支持服务、评价支持服务五个方面的学习者支持服务体系，为学习者提供全面、个性化的支持服务。

关键词：在线教育；学习支持服务体系；学习者画像

一、引言

信息技术的迅猛发展，为人才培养模式的深刻变革注入了强大的技术驱动力与坚实保障，在线教育已成为主要教育方式之一，如何保证在线教育质量，实现人才培养目标，成为各高校亟须关注的问题。从国内外高校建设经验来看，构建学习支持服务体系是一个有效的实现途径，其服务质量直接关系到学习者的学习效果和在线教育质量［1］。在中国知网以“学习支持服务”为主题进行检索，共检出2800余篇相关学术论文，对检索结果进行分析，“远程教育”“开放教育”等主题词热度居高不下，可见对在线教育学习支持服务的研究已成为广大教育工作者的共识。

云计算、大数据、人工智能等技术的蓬勃发展与不断进步，对在线教育背景下学习支持服务体系的构建提供了强大的技术保障。通过文献梳理发现，国外在学习支持服务领域的研究已经发展得相当成熟，不仅构建了较为详尽的理论体系，而且积累了丰富的实践经验，例如，英国开放大学建立了涵盖总部、地区服务中心、学习中心的三级学习支持服务体系，该体系包含服务流程支持、人员支持、学习工具支持、课程资源支持以及评价方式支持等，保证了学习支持服务的时效性、精准性、高效性［2］。相对而言，我国对在线教育背景下学习支持服务体系构建的研究起步较晚，发展也尚不成熟。李涵和杜俐蓉将大数据技术应用于体系构建，实现了精准学习支持服务［3］；李妹燕、覃焕昌和吴再群通过算法设计与分析课程，对“互联网+”环境下混合式学习支持服务体系进行实践探究，证明学习支持服务体系可有效提升学习效率［4］；李红燕和薛圣凡对高等学历继续教育学习支持服务体系进行研究，形成集学习反馈、学习推荐、学习预警与学习干预于一体的学习支持服务体系［5］。以上研究均对在线教育学习支持服务体系构建进行了探讨，但是在构建服务体系时存在对学习者特征分析不足、人文情感支持服务欠缺等问题，在线教育背景下学习支持服务体系的构建需要进一步探讨与完善。

以在线学习为背景，利用大数据技术分析学习者数据，构建学习者画像，深度挖掘学习者个体特征和群体特征，帮助教师高效获取学习数据、精确识别教学中的薄弱环节、及时预警高风险学生的学习状态，从而全面提升教学质量与效果；通过对学习者画像数据分析，构建学习资源支持服务、人员支持服务、管理支持服务、情感支持服务、评价支持服务等五大服务体系，帮助学习者全面掌握自身学习动态，提升学习效率，为我国学习支持服务体系建设与发展贡献绵薄之力。

二、学习者画像构建

学习者画像是基于学习者数据建立的标签化模型，通过可视化方式呈现学习者的特征及学习情况，为个性化教学和管理提供支持。其概念源于商业领域的用户画像，并在教育领域得到了广泛的应用和发展［6］，学习者画像为挖掘学习者数据、提升在线教育质量提供了一个新的思路与方法［7］。第一，学习者画像为个性化教育提供了基础数据支持。通过对学习者的各类数据进行分析，教师可以从不同维度细致提炼和刻画学习状态、学习偏好等特征，为后续的教育教学活动提供有力依据。第二，学习者画像有助于优化学习资源推荐，提升在线教育质量。在大数据技术的支持下，教师可以根据学习者画像为学习者推荐适合的学习资源，这些资源不仅与学习者的学习需求和兴趣相匹配，还能帮助他们更好地掌握知识、提高技能。第三，学习者画像有助于实现学习评估和反馈。通过收集和分析学习者的各类数据，教师可以及时发现学习者学习过程中的薄弱之处，在此基础上，教师能够及时为学习者提供个性化的反馈与有针对性的建议，引导学习者调整其学习策略与方法，以更加高效和适合自己的方式学习，从而显著提升学习效果。

学习者画像构建依托大数据技术在近年来取得飞速发展。通过在线教育平台累积的学生基本信息、学习行为、学习结果等数据信息，对学习者进行数据建模。通过获取学习者信息、数据预处理、画像标签提取、画像建模与可视化等四个步骤构建学习者个体画像及群体画像。其构建流程如图1所示。

（一）获取学习者信息

数据获取是建立学习者画像的首要前提。主要从两个渠道收集学习者数据：一是通过教务系统获取学习者的基本信息，包括姓名、学号、性别、年龄等关键信息，作为学习者画像身份识别与背景分析的依据；二是从学习平台采