支持个性化学习的行为大数据可视化分析

金晶

摘要：随着教育事业的发展，越来越多的教育者注重线上学习，通过线上平台对学生学习行为进行可视化，学习云空间是国家教育信息化十年发展的重点建设内容，通过学习云空间行为大数据的展示，可以对学习者学习行为进行监测并及时调整。本文在探讨怎样通过动态可视化展现学习者在云空间中的行为连接大数据，及时为知识构建提供监督和引导。通过探讨可视化对网络个性化学习有良好的作用。

关键词：学习行为;大数据;可视化

中图分类号：G434 文献标识码：A 文章编号：1007-9416（2019）10-0216-01

1 个性化学习可视化的原则

1.1 数据源私密原则

根据数据私密的原则，可视化优先考虑的问题是数据访问权限。从客观上讲，自身学习行为与数据的关联是个人空间可用数据，群组空间可用数据是指群内所有学习人员学习的过程与大数据的关联，两空间数据是互不相通的。可视化可以使难以观察的数据变得透明性，但是为了满足个体信息不被暴露又要满足数据实用性，系统应该清楚访问者的身份和时间等，由此来区别访问者是否有权限。

1.2 个体差异化自适应原则

由于，个体与群体之间存在一定差异，所以对是否呈现学习视图和何时呈现视图进行考查，同样要以不同形式呈现可视化内容。此外，学习者要对自身的学习行为有充分的了解，从而养成良好的学习习惯、提升个人学习能力、适应能力同时也要求了可视化编码信息要因多种因素做出自适应改变，及时反馈和调整。

1.3 目的導向视图交换原则

在静态显示区不能大量显现行为信息的原因是行为大数据学习数据来源较多及其学习系统较复杂和形态较多，由于信息密度较大使用户认知负担过大，从而不能正确引导用户，不利于实现可视化的目标。对此，可以通过人机相互技术将过于复杂的学习行为进行分解，形成多个视图提供给客户。对动态实时观察，发现问题并及时解决。

2 个性化学习可视化的机制

2.1 数据的管理

可视化的准备环节是数据的获取与处理，依照数据源私密的原则，从学习者云空间中，获取群组学习和个体行为有用的数据关联，经过筛选和融合进行分类存储，形成有特征的学习行为数据库进行数据处理，最后展现出个体差异、学习环境、行为表现的处理结果。根据个人和群组的特征采取以下数据：学习者的姓名、名别、年龄、所学课程、先前知识量和个体自身的作品、试卷;通过外部传感器与内部应用的情境数据及其在云空间学习材料和学习课程过程中生成的数据。可视化数即有分析过所得数据又有云空间两种数据，本文除了使用处理技术之外同时还深度的学习了连接准则、分类等。

2.2 信息的编码与执行

可视化编码及其执行属于可视化加工的主要机制和环节，依据自适应原则及其新课程三维教学目标，现阶段研究人员从掌握知识、设置空间，相互合作，情感状态及其任务进展等方面对群租学习和个体学习进修区分，进而选择有效且科学的可视化内容，此外，需要依据视觉感知理论和美学理论对可视化方式进行选择，同时整合编码相关信息，采取合理的技术方法进行执行，如关联关可视化系、统计绘图制、人机交互等，基于此能够充分展现信息之间的关系及其数据格式情况，该模块为满足个性化学习提供了支持。

2.3 动态视图的展现

动态视图的展现是可视化的重要环节，依照动态视图交互原则，可根据视图形式将可视化编码信息展现出来，并同意学习者根据自身的想法控制视图的呈现。可视化主要面对学生、教师、专家等可视化为学习者学习提供参考。以学习者为中心的个性化学习不仅要求学习者利用空间主动学习，还要掌握学习者的需求并进行及时协助。学习者可以通过信息的可视化认识到自己近期的学习状况，了解学习的进度，及时做出调整。对助学者来说，通过可视化的学习行为报告可以对学习者学习状况进行深度了解、追踪并有针对性的战略调整，更好帮助问题学习者。

3 个性化学习行为大数据可视化的战略

3.1 可视化适应性变更战略

将可视化自适应变更分为系统判断下的自适应变更和主体主动采取自定义变更，可以为了给个体营造良好的视觉效果。初学者，系统初次可呈现大众化可视化组合方案，之后根据学习者的需求为其推送更适合的方案，由学习者决定是否接受推荐。若学习者不接受，可根据空间配置自行组合，完成可视化适应性变更。

3.2 知识点可视化动态组织策略

因为知识点散落在视频、文档及分享资料里，这为知识结构的构建带来挑战。为了使学习者对知识了解更透彻，系统对知识点进行了有效组织，以视觉化展现出来，使学习者对知识点一目了然。然而面临新旧知识交换时，这也要求随学习过程构建的知识体系也是呈动态变化的。

3.3 群组差异的战略

因为学习群组角色不同所承担责任也不同，所以呈现可视化内容有差异。引导学习者是辅助者的职责，辅助者对个体学习过程要充分了解，将个体学习和群体学习相关的内容以可视化呈现。借助云空间提供的资料促进自身发展是学习者的职责，所以，将学习者可视化内容和群里可视化内容及时反馈，同时给予个体显示与隐藏可视化内容的权限。可以引进信任机制，设置接受或拒绝的选项让学习者自主决定是否呈现个体行为信息。

4 结语

随着教育事业的发展，可视化越来越受研究者和教育者的重视，线上学习方式逐渐普遍化，而且越来越注重个体差异，通过大数据和可视化技术可将学习者的学习行为、学习情境通过网络进行直观反馈，这样有利于对学习行为的监控实现个性化学习。

参考文献

[1] 黄昌勤，朱宁，黄琼浩，韩中美.支持个性化学习的行为大数据可视化研究[J].开放教育研究，2019，25（02）：53-64.

[2] 韩柏涛，温馨.基于学生行为大数据分析的学风建设路径探析[J].北京教育（德育），2019（03）：38-40.

[3] 王陆，彭玏，马如霞，杨佳辰.大数据知识发现的教师成长行为路径[J].电化教育研究，2019，40（01）：95-103.

[4] 洪丹丹，李飞，姚磊，徐墨，锁志海.在线学习行为分析数据可视化快速开发框架设计与实践[J].微电子学与计算机，2018，35（07）：6-12.