大数据行为定向学习资源推送对教学质量的效用*

赣州师范高等专科学校 李玥

本研究旨在探讨大数据行为定向学习资源推送对教学质量的效用，通过对课程中采集的大数据进行分析，结合学生个体差异和学习行为特征，本研究构建了行为定向学习资源推送模型，并对其进行了实证研究。结果显示，该模型能够显著提高学生的学习效果和学习积极性。本研究的发现展示了大数据在教学中的崭新应用，为个性化教学和学习支持系统的设计与优化提供了借鉴，对提高现代教育教学的效果和质量具有重要的指导意义。

大数据应用给传统教学模式带来了革命性的改变。众多研究表明，个性化教学和学习支持系统可以显著提高教育教学的效果和质量。因此，借助大数据技术，通过行为定向学习资源推送，为学生量身定制学习内容和方式，成为了现代教学模式的一个重要方向[1]。

本研究分析大数据行为定向对教学质量的效用，以期为教育改革和教学模式创新提供有益启示。当前，虽然近年来有关行为定向学习资源推送的研究不少，但其对教学质量的效用研究不多，本研究的意义在于展示大数据在教学中的崭新应用，并提供参考和借鉴。我们将首先概述大数据行为定向学习资源推送的模型的相关概念；接着，探讨大数据行为定向学习资源推送与教学效果的关联性，并明确选定的教学效果衡量指标；然后，介绍研究设计和数据处理的方法以及结果分析；最后，总结研究结果，并给出相应的结论和建议。

1 大数据行为定向学习资源推送的模型构建

1.1 大数据行为定向学习资源推送的模型的设计原则及特点

大数据行为定向学习资源推送是指利用大数据技术对学习者的行为进行分析和挖掘[2]，进而根据学习者的个性化需求和学习特点，设计模型应该符合将合适的学习资源有针对性地推送给学习者的设计原则。这种推送方式的特点是高度定制化和个性化，能够为学习者提供更加精准和有效的学习资源，提升学习过程和学习效果。

大数据行为定向学习资源推送的应用背景可以从两个方面来考虑。一方面，随着互联网技术和移动学习技术的快速发展，信息过载和学习资源过剩的问题也随之而来，学习资源推送技术的出现，则为学习者提供了一种有效的筛选和推荐学习资源的方式[3]；另一方面，学习者的个体差异和学习需求多样化是大数据行为定向学习资源推送应用的另一个背景因素。大数据行为定向学习资源推送技术通过对学习者行为的分析，能够准确地把握学习者的个性化需求和学习特点，从而为他们推送合适的学习资源，提升学习的效果和质量。

1.2 大数据行为定向学习资源推送模型

根据大数据行为定向学习资源推送模型设计原则，教学团队设计了适用于现有教学云平台的大数据行为定向学习资源推送模型逻辑结构，如图1 所示。

图1 大数据行为定向学习资源推送模型逻辑结构图Fig.1 Logical structure of big data behavior-oriented learning resource push model

2 大数据行为定向学习资源推送与教学效果的关联性研究

2.1 教学效果衡量指标的确定

在确定教学效果衡量指标时，需要综合考虑教师和学生两个主体多个方面及不同维度的评估指标，如学生的学习成绩提升情况、学生对学习资源的反馈和满意度、学生的学习兴趣和动机水平等。综合考量如表1 所示的指标，可以更全面地反映学生在大数据行为定向学习资源推送下的学习效果。

表1 教学质量评价指标Tab.1 Teaching quality evaluation indicators

表2 所示的教学质量评价指标，可以客观地评估大数据行为定向学习资源推送对教学效果的影响。在实证研究中，采用统计方法和实证研究设计，进一步验证这些指标的有效性和可行性，为教育实践提供科学依据。

表2 三种教学方法的教学质量效用分析表Tab.2 Analysis of teaching quality and effectiveness of three teaching methods

2.2 大数据行为定向学习资源推送对教学效果的关联性

大数据行为定向学习资源推送对教学效果的影响分析是本研究的关键内容。通过对大数据行为定向学习资源推送与教学效果之间的关联性进行探讨，可以深入理解学习资料推送对教学效果的实际影响程度。利用熵值反映不同教学方式的教学效用。熵值法能够对无序变量进行有条理的测算，通过教学评价指标值的差异程度确定权重。熵值越小，变量的效用越高。利用熵值法，构建效用公式如式（1）-式（3）所示：

Yij表示收集的教学数据无量纲化，wj表示熵权，e为熵值。教学方法分别为传统教学、信息化教学和采用大数据行为定向学习资料推送的信息化教学[4]。教学团队根据教学评价指标，对三种教学方法采集数据，用于构建效用因素做定量分析。

3 实证研究

3.1 研究假设与实验设计

本研究选择学习通作为教学云平台数据，以赣州师范高等专科学校2022 年1 月-2022 年12 月期间学生的学习数据为主体，采集上述三种教学方法的数据。

本次将采用定量研究方法，通过教学云平台线上数据及问卷调查收集相关数据。问卷设计围绕教学效果和大数据行为定向学习资源推送的相关因素展开，以评估其对教学效果的影响。数据分析采用相关性分析如上所述的熵值分析法。随着研究的深入，教学团队发现大数据行为定向学习资源推送在提高教学效果方面具有很大的潜力。提出如下假设，并对假设进行验证。

（1）该推送方式能够根据学生的学习行为和偏好，精准推送适合其个性化学习需求的资源，从而提高学生的学习参与度和学习动力。

（2）学习资源的定向推送可以提供更高质量的学习内容和资源，让学生在学习过程中获得更多有效的信息和知识。

（3）大数据行为定向学习资源推送还能够帮助教师了解学生的学习情况和习惯，及时调整教学策略和资源布局，以更好地促进学生的学习效果。

三个假设分别对应学生的学习动力、学习成效和教师的教学过程评价指标。

3.2 数据收集与处理

在学习通的云平台获取了相关学生的学习数据，这些数据包括学生的学习记录、学习习惯和学习成绩等。实验中采用了大数据分析方法：即数据挖掘和机器学习算法（聚类分析和决策树算法）来处理这些数据。通过这些算法，发现学生的学习行为和学习成果之间的关联。

在数据处理阶段，教学团队对收集到的原始数据进行了清洗和筛选，包括去除异常值、缺失数据的处理和数据归一化等[5]。使用统计软件对数据进行了描述性统计和相关性分析，以了解不同变量之间的关系，如表2所示。

通过对三种教学方法的比较和相关性分析可知大数据行为定向学习资源推送对教学质量的影响正相关。

3.3 结果分析

在实证研究中，将参与的学生分为三组：第一组接受传统的教学方法，第二组采用信息化教学，第三组采用了大数据行为定向学习资源推送方式。本研究在进行了研究设计、数据收集与处理后，得出了以下结果。

分析教学效果衡量指标发现，大数据行为定向学习资源推送对学生的学习成绩具有显著影响。采用大数据行为定向学习资源推送的学生在2022—2023 学年第一期末考试中的平均成绩高于使用传统方式的学生。

观察并分析学生学习行为，我们发现大数据行为定向学习资源推送能够提高学生的自主学习时长。研究结果显示，采用大数据行为定向学习资源推送的学生自主学习时长明显增加，在课堂中的积极参与程度明显增加，其提问、回答问题的频率明显高于使用传统方式的学生。此外，学生对于大数据行为定向学习资源推送的积极反馈也进一步证明了其对学习动机的积极影响。

通过与教师进行深入访谈和观察，研究发现大数据行为定向学习资源推送对教师的教学效果也有积极促进作用。教师可以通过大数据行为定向学习资源推送了解学生的学习状况和学习需求，并能够根据学生的个体差异进行个性化的指导和支持，从而提高教师的教学效果。

综上所述，本研究的结果表明大数据行为定向学习资源推送对教学效果具有显著的积极影响。在未来的教育实践中，教育机构和教师可以借助大数据技术，采用行为定向学习资源推送方式，以提升学生的学习成果和学习体验。同时，进一步研究和实践也需要在教学内容、方法和技术支持等方面不断探索和完善，以更好地发挥大数据行为定向学习资源推送的效用。

4 结论和建议

本文通过对大数据行为定向学习资源推送对教学效果的效用进行研究，旨在为教育改革和教学模式创新提供有益启示。研究结果表明，行为定向学习资源推送模型能够显著提高学生的学习效果和学习积极性。本研究的发现展示了大数据在教学中的崭新应用，为个性化教学和学习支持系统的设计与优化提供了借鉴[6]。同时，在本研究中，教学团队构建了行为定向学习资源推送模型，实证研究结果表明，通过大数据行为定向学习资源推送，学生能够得到个性化的学习支持，提高学习效果和学习积极性，从而促进教育教学质量的提升。