基于大数据中学习分析技术探究专业课程开发策略

殷艳菊

[摘           要]  现如今教师的工作早就由以往的专业课程教学模式转变成设计、架构和帮助以及引导学生的学习，而大数据学习分析技术显然已经变成当前教学中无法缺少的辅助方式;就在这时，大数据学习分析技术的产生为教育数据的分析应用提供了崭新的观念与手段，在一定程度上促进了教学的特殊化和适应性探索。基于大数据时代环境，将学习分析技术作为基础，利用云存储技术，以教师专业课程开发为应用目的，研究学习分析开发专业课程的内容与关键技术，包含学生日常学习感受数据的获取与存储以及分析等，最后探究专业课程的开发策略。

[关    键   词]  学习分析;大数据;专业课程;开发策略

[中图分类号]  G712                   [文献标志码]  A                      [文章编号]  2096-0603（2020）19-0168-02

随着互联网与移动网络等信息技术的发展，及其MOOC等精品课程教育资源平台的不断优化，学生取得知识的途径也多了起来，差不多能做到任何时间和地方进行学习。学习模式的变化造成教师工作方式的变化，教师不再成为知识的首要教授者，而成为学生日常学习的干涉者与指引者，教师的工作方式由以往的专业课程教学转变成设计、架构、帮助以及引导学生的学习。在这样的情形下，教师的主要目标便是根据学生具体情况制作最适合的学习环境与特殊化引导，详情包含两个层面：（1）构建以学生为核心的教学课程方案;（2）构建以学生为核心的教学课程形式。为了实现这个目标，教师不但要充分运用知识的结构与内在关联，而且要多加依赖对学生具体情况的掌握，唯有预先掌握学生的学习特征，才可以开发出恰当的专业课程内容。所以，学习分析技术现已变成现代教学任务中必须具备的辅助方式。

大数据技术时代环境为教育数据的分析利用提供了崭新的观念与手段。在超大存储空间、超高速度的运行、各种各样的多元化数据结构的大数据时代环境下，我们除了能够利用云服务端用以保存大量的结构化和半结构化以及非结构化的数据信息之外，还能够运用数据学习分析与数据挖掘技术从大量的数据信息中获得拥有关键价值的数据，进而对包含教育方面在内的社会多个层面的发展有着较大的促进作用。

现如今数据驱动学校，分析创新教育的大数据学习分析技术早已到来，大数据技术让我们能够得到全部学生的大量日常生活学习的行为数据，包含学生在校园里做过的所有事情，学习和生活过程中的所有表现及其在家里运用计算机终端学习时的所有行为举动;接着，基于大数据中的云计算系统，教师除了能够对公布出学生学习成绩的各种实质性信息数据实施分析预测之外，还能够对学生在日常学习行为中及其虚拟情形中的非结构化的行为数据实施分析，最后运用大数据学习分析技术分析出的结果，制定最符合学生的专业课程内容开发，并且帮助学生提供适合他们的学习轨迹。

一、大数据中学习分析技术专业课程开发的意义

近年来网络信息技术在教育中的不斷发展，产生了大量的教学数据信息。大数据技术看成是网络信息技术发展的新方向，早就渗入教育界的许多方面，变成教学改革关键的产生原因。各种不同的专业课程教学数据中包含大量对优化教学有益的信息数据，随着教学数据的积累，形成了庞大的课程教学数据库，而数据挖掘就是要在复杂的大量数据信息中找到有价值的数据信息，偏好数据是高价值的数据，因此基于大数据的偏好数据挖掘将对改善专业课程教学具有重要作用。在学习分析数据驱动、创新教学方式的大数据背景下，专业课程开发方面一样隐藏着拥有广泛利用价值的大量教育数据，在对专业课程数据提取与学习分析等教育领域的大数据信息关键技术分析的根本上，联合共词分析和专业教育机构等网络信息教育数据，构建专业课程方面的有关学习分析与数据获取模型，探索课程变量之间的有关关系，实现大数据的课程开发应用，为应用型高校专业课程教学提供有效的决策支持服务，对促进专业课程教学的变革与创新具有重要意义。

二、学习分析专业课程开发的内容

以学生为核心的专业课程开发，包含为学生开发科学的学习目标手册与课上教学模式，给予有关的教学内容视频与海量的学习信息资源等。大数据背景下的专业课程开发取决于老师对学生学习情况的掌握，学习分析是从整个系统的角度开始辅助教师开发专业课程教学的策略，学习分析规定学生日常学习时产生的大量学习数据要加以注释与分析，用来评估学生的学习发展情况，预测其以后的学习行为表现，并找到影响学生学习的系统因素，其主要作用是评估学生、找到隐藏问题并最后改善学习，对象是学生以及他们的学习环境，基础是大量的数据。

想要确切地掌握所有学生的学习要求，除了要对学生当前的学习情况表现实施多元化评估之外，还要在相应程度上事先预测学生以后的学习行为表现，要对所有的学生实施全方位的综合性评价。所以，我们需要整体地追踪记录所有学生的具体表现，在记录时要找大量的学生并且要记录他们的具体行为表现，同时融入课内外的记录行为。按照大数据背景下学生学习形式的多元化与灵活性特征，学生的学习数据包含线上数据与线下数据两种。对这些数据加以提取与分析，能够全面掌握与了解学生的学习具体表现、学习习惯与学习特征。学习是学生和学习内容、老师、合作同学以及学习条件之间的复杂转换过程。

（一）网络学习的评估内容

1.学生在网络上学习的具体情况行为描述，包含学习所用的时间，比如学生在那些知识点上所使用的时间;学习活动次数，比如学生对那个知识点反复地观看;学习资源翻阅，比如学生对某个教学内容片段翻阅的次数、学生考试成绩等。

2.学习者主动学习渠道，包含学习者的提问、解答有关问题与师生互动，比如老师和学生之间交流情况分析，老师与学生一同发帖的内容分析以及老师和学生之间沟通的社交网络分析。

3.影响学习者在线学习情况的多种原因，比如学习者的兴趣喜爱。

4.各种虚拟情境下的学生体现，包含社会态度、责任感以及处事原则等。

（二）现实中学习的评估内容

1.学生在了解不一样模块的期间性成绩与教室课堂中的观察结果。

2.实训体现及过程体验。

3.实习和实训等环境的适应状况。

4.学习活动中和人沟通交流、团队合作的行为体现。

三、学习数据的获取和存储

（一）学习数据获取

学习数据表示的是经过对学生日常学习过程中所形成的学习日志加以过滤整理后获得的数据。学习数据的种类特别多，其中一些数据是过后收集的，比如运用以往的考试分数收集的定量信息数据，及其经过文件和档案保存以及深度访谈与加入式观察等各种手段收集得到的质性数据等。绝大多数学习数据是在学生日常学习过程中自然产生的数据，是实时出现的，需要马上进行收集。实时数据的收集关键还取决于传感器与射频识别技术或特殊的软件等，如我们能够运用图像传感器捕捉学生在浏览教学内容视频过程中的视线运动，用特殊的软件追踪保存学生学习花费的时间与完成习题检测的整个过程，包含思考问题的时间、解答问题的顺序、解答问题的时间、解答过程等;为了探究学生的学习和心理状态，能够在网络上收集他们的行为轨迹、社交平台等一些半结构或非结构化的数据信息;想要掌握学生的价值、情绪与道德素养的形成因素，能够采用软件保存学生对日常学习活动与社交活动的加入情况等。

通过各种途径得到的学习分析数据的类型与结构十分复杂，仅存在一小区域是结构化数据信息，绝大多数是很难估计与探究的非结构化数据信息，比如学生的学习渠道、学习感受以及学生对环境的感受等非结构化数据，这部分数据用以往数据整理方法会有较大的难度，需要先把结构复杂的数据转变成简单的或是方便处理的结构，接着才可以进行数据分析。除直接收集的数据之外，还能够运用别的数据化管理体系内的数据，比如学生处和教务处等高校业务单位的网络信息管理体系内的数据资料。因为各个单位利用不一样的数据系统平台，不同的运行数据库除包括实施学习分析所需要的有用数据之外，还会夹杂许多干扰数据，所以需要把各种来源的信息加以筛选，以主题为目标，创建以分析为核心功能的数据汇集。

（二）学习数据存储

把结构与非结构化的学习数据立刻存储到数据核心是完成数据查看与实时分析必须具备的条件。直接收集或从每个部门数据库获取的学习数据拥有不一样的格式，以往数据存储的方式需要处理筛选后数据信息的差异性问题。云存储技术除了可以兼容各种结构的数据之外，而且还解决了数据缺失和病毒程序破坏等问题，是特别能够信赖的数据信息存储技术。运用云存储技术设计学习数据信息的存储条件，按照数据的种类、结构不一样而选用不一样的数据信息存储方案，使不同种类的数据信息实时有效地同步到数据核心。对大量数据实施有效的学习分析，还需把这部分来源前端的数据传送到一个聚集的大型分布式信息数据库。基于云计算下的Hadoop平台来构建学习数据信息存储平台，其拥有数据管理便捷、查看速度更快等优势。

四、学习分析专业课程开发策略

学习数据的分析是对教学内容和教学条件与学生日常学习活动中出现的各种结构与非结构化数据实施有关线性分析的步骤。在实施学习分析过程中，采取指向主题的数据组织方式。主题是在很高层面上把信息系统中的数据加以综合、整理与分析运用的一个抽象化概念，所有主题基本对应一个分析方面。按照专业课程开发需求，我们选用三个主题完成学习分析：学生日常学习成绩、学习感受与学习能力，学习能力不仅能够体现出学习的成效，还可以预测学生以后的学习表现。

所有的主题均被细致地分成几项内容，各项内容均是若干分析对象信息数据的一整套综合描述。学生的学习成绩是希望学生在通过学習后应获取的详细的、能够观测的任务与结果，包含认知、技术手段、态度等，所以，体现学习成绩的内容应该包括知识熟练程度、知识运用的能力、讲话与书写表达的能力、自主拟定计划的能力、创业能力、社会适应能力以及社会强烈的责任意识等;学习感受表示的是学生在学习的时候对学习内容、任务部署、教学条件等的体验，及其实训体验与对学习成绩的满意度等;学习能力表示的是学生获得信息、学习知识与运用知识的能力，具体包含学习快慢、理解能力、自主思考能力、获取和运用信息的能力、分析判断和选择的能力、日常学习活动中随机应变的情况、与别的学习者互动交流与合作等。

在云计算下的Hadoop平台上，运用分布式数据库，用以对存储于其中的大量学习数据信息实施分析处理，比如对学生的日常学习行为与学习成绩等非结构数据实施深入的分析与关联规则分析等以判断出不同类数据间的细微差别与关系，所获得的信息用可视化技术直观地表示，对教师的教学策略马上给出预警与协助。

五、结语

大数据学习分析技术能够快速实时地解决不一样构造的繁杂且大量的数据信息，并对许多没有关联的数据信息实施深入复杂的分析，能够帮助促进专业课程教学开发的特殊化和适应性探究。采取大数据学习分析技术与云计算下平台给予的软件、存储、安全可靠等有关技术，对学生日常学习活动中出现的行为数据加以深入分析，掌握学生实际的学习情况，让教师可以按照学生的具体需要选择并开发专业课程的教学内容，是提高教学质量的高效方式。

参考文献：

[1]周馨.大数据时代教育数据价值挖掘[J].信息与电脑（理论版），2013（8）.

[2]顾小清，郑隆威，简菁.获取教育大数据：基于xAPI规范对学习经历数据的获取与共享[J].现代远程教育研究，2014（5）.

[3]John Carlo Bertot，郑磊，徐慧娜，等.大数据与开放数据的政策框架：问题、政策与建议[J].电子政务，2014（1）.

[4]顾小清，薛耀锋，孙妍妍.大数据时代的教育决策研究：数据的力量与模拟的优势[J].中国电化教育，2016（1）：32.

[5]郑燕林，柳海民.大数据在美国教育评价中的应用路径分析[J].中国电化教育，2015（7）.

[6]杨现民，王榴卉，唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究，2015（9）.

[7]胡水星.大数据及其关键技术的教育应用实证分析[J].远程教育杂志，2015（9）.

[8]崔晓鸾，赵可云.大数据在教育领域的研究热点及发展趋势：基于共词分析的可视化研究[J].现代远距离教育，2016（8）.

[9]张文菁.大数据时代下职业教育面临的挑战及发展对策[J].中国职协2015年度优秀科研成果获奖论文集（中册），2015（12）.

[10]郑石明.大数据驱动创新创业教育变革：理论与实践[J].清华大学教育研究，2016（5）.

◎编辑 冯永霞