基于大数据的个性化学习推荐服务研究

肖坚

摘 要：大数据时代的到来毫无疑问为信息科学技术开辟了一条崭新的发展路径，而无论在哪个行业的应用也都至始至终秉承着高质量、高效率的应用原则，实现行业应用的信息化和技术化。本文就大数据时代的个性化学习推荐服务进行讨论，提出几点思考，仅供参考。

关键词：大数据;个性化学习;推荐服务

通过分析了解之后我们发现，大部分个性化推荐系统当中应用到的数据均是以个性化的信息服务结合与之相关的技术获取到的，而这当中具体的提取方法及推荐模型的建立也都往往比较复杂且耗时较大。

1.基于大数据的定义分析

学习分析指的是在基于大数据的基础上借助数据和模型预测学生学习行为以及学习成果的一种技术，对于这种技术它具备相应的信息处理能力。有人则以为，所谓的学习分析实际上核心在于借助数据来收集工具或是在分析技术的基础上对学生整个学习参与及学习过程或是学习表现的有关数据进一步探究，以达到进行及时的修改或是优化课程教学的一种评价策略。在此过程中，教师需要对学生进行在线学习的过程中出现的数据信息做进一步的研究和分析，进而完全理清楚学生的共同点或者不同点，根据学生的实况或特点对学生学习背后隐藏的信息进一步分析并使用，同时制定出有针对性地学习数据内容，给学生提供智能化的学习服务，帮助学生能更好的参与并开展学习任务[1]。

2.知识服务当前面对的主要问题

2.1科技知识资源供给与需求不平衡

基于现如今数据生产能力和信息化水平不断发展的不同阶段，逐渐表现出了科技知识资源供不应求和供过于求的矛盾体现。目前，在用户类型繁多且科技需求旺盛并且知识资源丰富的科技大数据时代，介于资源和用户信息不对称、个性化需求强烈和科学研究范式变化、科技情报服务要求提高等原因影响基础上，科技知识资源的供求成了当前需要面临的首要问题。

（1）用户想要找的科技知识资源因为数据组织及检索技术影响的缘故无法在数据库中找到对应的信息。

（2）在图书馆和信息服务机构具备大量的知识资源的前提下，却无法实现为用户提供更多精准的知识资源。

（3）数据所体现出来的价值并未得到充分的挖掘，同时知识计算引擎也并未设計和启动、至此也并未行成科技知识流动态环境，最终使得数据被留滞于数据中心。

（4）对于特色的数据和专题数据或者是科研实体知识资源没有办法实现快速化供给。

（5）在应急专题、科技界迫于解决的知识创新需求或者产业技术创新以及市场创新方面的需求、常规化科技情报分析任务等具体需要的科技知识的资源供给速度比较缓慢。

2.2科技情报服务体系反应不及时与渠道秩序不规范

介于以知识计算为主要核心引擎的科技大数据中心依然没有能够有序地建立起来，因此也并未能够行成或协同科技情报分析服务方法库，与此同时，科技情报服务单元并未协同起来或者是没有能够使得高价值的中间分析数据结果实现统一化存储及共享应用，如此，如果是在面对应急和专题或者是常规等差异性科技情报的需求的时候，对于数据源的遴选、数据的分析以及数据的收集和数据报告的撰写依然还是以人工为主，也因此使得科技情报服务发生响应的速度较为缓慢，没有办法支撑全领域或者是支承整个行业的科技情报服务的任务需求。

在兼并同时面对专业领域和专题方向或者是产业方向的时候，仍然也没有能够建立起或是利用好统一化的“数据+平台+专家”类型的科技情报服务体系，如此在遇到实际科技决策以及定位发展问题的时候，又缺乏规范具体的标准情报来通过多渠道上报科技情报，也或者是完全低估了“数据+科技”类型的科技情报服务形式，致使获取到的情报质量比较低或是真假情报混淆以及出现决策不到位等问题，如此说来，当前面临的首要问题就是必须规范科技服务渠道的秩序[2]。

3.大数据学习分析支持个性化学习研究

3.1完善个性化的学习者档案

想要实现个性化学习，必要的前提因素便是可以拥有更多而且差异类型的数据点。对于大数据的学习分析并应用，一定程度上能增加收集数据点的数目及类型。然而又因为这些数据点相互之间产生的作用则又促使学习者在建立档案时档案信息的确立更加完善，同时也能使教师深入了解一些学生个性化发展的实际需求，为学生提供适应他们的个性化学习方案。在学习者的档案信息中，除了其智力成就数据信息之外，也存在能够影响他们学业成绩或职业成就的学生情感非认知属性数据信息或是行为数据等等。但在实际数据的收集过程中，不管针对哪一种数据类型，行为数据、生物识别数据或是非认知数据都必须要确立更多的数据点，用于帮助学习者构建更加完整的个性化档案。

3.2分析预测个性化的学习行为

学习行为属于能够影响学生个性化学习的核心因素。在大数据背景下的学生对学习任务的分析其核心点主要在于对学生的学业成绩进行分析，找到影响学生学习的不良行为或是会影响个性化学习效果的主要因素，从而从其中找到那些在学习过程中需要提供帮助的学生人群。不仅如此，也可以对学生的学习行为进行预测，引导学生树立远大的人生目标，紧密跟踪学生的学习进展情况，使他们可以收获属于自己的数据。作为学生而言，他们往往能借助数据的交互点信息来确定最终的目标或是具体想要达成这些目标应该取用什么样的策略[3]。

另外，这些数据点同样可以指导学生的学习行为，让他们在自主学习的过程当中发挥出更大的效用。而应用这种方法有效地避免了让学生学习同样的内容，或是开展同样的活动。结合个人的学习信息的差异性，以及每个学生不同的喜好、兴趣或是背景和学习目标，生成属于他们自己的学习地图。然而，假如长期对学生的信息进行分析，往往能够进一步为学生个体以及团体提供适应性并且个性化的学习环境，这样则更加有助于以最大限度地实现学习效率和学习质量的提高，对此，建立在大数据基础上的预测针对个性化学习来说往往至关重要。

3.3优化个性化的教育决策

以往的教育模式当中，教师通常都会被视作拥有自主权的课程内容专家。然而课程的安排往往都是由学校来决定的，但对于教师而言可以结合实际需求对具体地内容做对应的修改或删减。另外，教师也被认为是具有权威性的教育专家与实践者，以此说来，大数据的分析使用一定意义上正在使教师这个角色发生改变。

基于大数据的基础上作出相应的决策，能够实现教师角色的弱化，而这样一来，也更加有助于收获除教育领域之外的其他个人获取到相应的知识和经验。介于教师角色弱化的缘故，这个角色的作用同样被重新定义并扩展，逐渐地，教师这个角色被扩展为无背景并且不受认证的个体，与此同时，一些非教育领域（包括像游戏、移动以及社交技术）的数字资源，也能够发挥出与教科书及辅助参考资料同样的作用[4]。

结束语

科学技术的进步带动了社会乃至经济的发展，如此一来我们的日常生活以及学习也开始步入了大数据的时代，它在教育领域的应用为其提供更多的学习数据资源，同时又引导学生进入了一个高效率、高质量的数据信息学习时代，实现了教育领域与时俱进的时代特色。

[参考文献]

[1]刘海鸥，刘旭，姚苏梅，谢姝琳.基于舆情画像的在线社交用户信息传播特征统计分析【J】.现代情报，2019（09）：112-113.

[2]赵宏，张馨邈.远程学习者在线学习情绪状态及特征差异【J】.现代远程教育研究. 2019（02）：99-106.

[3]王兴兰.大学生虚拟学习社区用户生成行为实证研究【J】.图书馆学研究. 2019（06）：111-119.

[4]马相春，钟紹春，徐妲.大数据视角下个性化自适应学习系统支撑模型及实现机制研究【J】.中国电化教育.2017（04）：97-102.

本文系湖南省教育厅资助科研项目（19C1234）的阶段性研究成果。

（作者单位：湖南外贸职业学院，湖南 长沙 410000）