日常教学数据分析与可视化方法.docxVIP

日常教学数据分析与可视化方法

刘悦蔡飞陈怡海王皙张博锋

摘要：本文分析了课程建设网站采集的日常教学数据的類型和特点，并针对这些数据，采用统计分析和Echarts技术，以可视化的形式展现了师生的日常教学情况，分析了其与教学效果的关联关系，进而，提出了基于回归的学生成绩绩点预测方法，综合考虑了学生平时学习各方面的表现，利用Python实现了线性回归来预测学生的绩点。作者以“程序设计方法学”课程为例，应用该方法以发现学生平时表现与教学效果的关系，从而为课程的教学提供良好的决策支持。

中图分类号：G642文献标识码：A论文编号：1674-2117（2018）21-0099-04

随着互联网技术的不断发展，越来越多的高等学校及教育机构开始通过互联网来进行教学资源的普及和学习。这种教学方式不仅降低了教学成本，而且也极大地简化了教师的教学方式。因此，许多高校都在研发具有自己特色的在线教学平台。[1]同时，在线教学平台上的教学资源以及学生的日常行为信息随着教育范围的扩大也在不断丰富。这些资源和日常教学情况信息都可以用来帮助平台管理者改善学生体验和增进学习兴趣。然而，如何从这些数据中提取有用决策信息，是一个亟待解决的问题。针对以上问题，数据分析以及可视化方法提供了一种处理方式。数据分析是实现数据价值的重要途径，通过数据分析可以总结出数据中出现的规律，从而更好地理解现实，实现基于数据的决策。[2]而数据可视化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。[3]

在线教学平台的兴起，也引发了在线学习分析的热潮。强津培等人（2016）[4]实现了数据驱动的教学数据可视化平台，并将其运用到不同学科的教学实例中。该平台不仅能够满足跨学科的教学平台功能，而且能够通过可视化技术和交互技术，激发学生的学习兴趣。李娇娇等人（2017）[5]在数据可视化相关理论与技术的基础之上，以华中师范大学自主研发的云课堂为例对教育数据进行分析，包括对用户的分析、对数据模块和类型的分析，并基于数据类型和可视化技术分类对数据可视化的布局进行分析，针对教育数据中不同数据类型来选择合适的布局方法。刘海等人（2018）[6]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，并结合自主研发的师大云课堂，将数据可视化方法应用到实际教学中。另外，国外在数据驱动的可视化在线教学平台技术方面也有相应研究。比利时鲁汶大学Govaerts等人[7]通过一个内嵌在网页上的应用程序记录学生在课程中参与活动的情况，并将数据进行可视化分析，以折线图、平行坐标、柱状图等方式显示学生的学习情况，为学生提供反馈，以促进他们更好地学习。与之类似，普渡大学的“警告信号系统”[8]则通过从网络教学平台以及课程成绩簿中收集信息来形成学生学习困难的层次，分别用绿色、黄色和红色标示危险等级，进而对学习成绩有“危险”的学生进行有针对性的教育。基于数据可视化技术的在线教学平台需要在表现形式、用户交互体验以及算法支持等方面进行研究，根据不同部分的需求进行设计，从而达到对数据以及算法的可视化体验。[9]

日常教学中的数据分类和特点

这些静态和动态相结合的数据具有多源异构的特点。静态信息中的师、生和课的基本信息、日常产生的作业与考试成绩等是结构化数据，教学课件、实验指导手册、学生上传的作业等是非结构化数据，而日志数据则是半结构化的数据。这些结构化和半结构化数据都可以为我们进行数据分析提供良好的数据基础，也为我们的分析提出了不同的需求。

基于Echarts的教学情况统计分析与可视化

针对教学情况数据中的某些单项情况，我们采用传统的统计方法进行分析，并采用了可视化技术Echarts[10]，以图表的形式展现数据分析结果，主要包括教学情况总结、师资分析、作业提交分析、互动分析、成绩分析等。具体如表1所示。

Echarts是一个纯Javascript图标库，能够提供直观、生动、可个性化定制、可交互的数据可视化图表，它支持折线图、柱状图、散点图等，同时还支持任意维度的堆积和多图表混合展现。我们以“程序设计方法学”课程为例，展现Echarts的可视化效果。

基于线性回归的学生成绩绩点预测

1.问题描述

平均绩点是评价本科生学习成绩是否优秀或者能否顺利毕业的最重要的标准，如果平均绩点偏低，会给即将毕业的学生造成种种不便，但平均绩点计算通常需要一至两周的时间，具有滞后性，不能及时给学生提供预警。因此，我们可以通过对历届学生的成绩进行分析和建模，得出学生成绩的普遍发展模式。根据这些模式建立预测模型，根据学生现有课程教学数据，包括学生平均出勤、平均作业得分、平均课外实践得分等信息来事先预测其未来平均绩点，为那些学