大數(shù)據(jù)背景下的知識學習分析技術

1、大數(shù)據(jù)背景下的學習分析技術摘要：教師職能已由傳統(tǒng)的課堂講授轉變?yōu)樵O計、組織、幫助與指導學生的學習，而學習分析成為了現(xiàn)代教學中必不可少的輔助手段。與此同時，大數(shù)據(jù)技術的出現(xiàn)為數(shù)據(jù)的分析應用提供了全新的思維和方式，大大推動了教學的個性化、 適應性研究。本文以大數(shù)據(jù)為背景，結合云存儲技術，以教師教學設計為應用目標，討論學習分析的內容和關鍵技術，包括學生學習體驗數(shù)據(jù)的獲取、存儲和分析。關鍵詞：學習分析；大數(shù)據(jù)；云存儲；教學設計引言隨著 Internet 、 4G 等信息技術的普及，以及 MOOC 等開放教育資源的日漸豐富，學生獲取知識的渠道快速增加，基本實現(xiàn)了隨時隨地的學習。學習方式的改變導致了教師角

2、色的轉變，教師不再是知識的唯一傳授者，而成為學生學習的干預者和引導者，教師職能由傳統(tǒng)的課堂講授轉變?yōu)樵O計、組織、幫助與指導學生的學習。在此環(huán)境下，教師的主要任務就是為學生量身定做最合適的學習環(huán)境和個性化指導，具體包括兩個方面：一是設計以學生為中心的教學方案，二是設計以學生為主體的教學形式。為了完成此任務，教師不僅要充分利用知識的結構和內在聯(lián)系，而且更多地依賴于對學生狀況的了解，只有預先了解學生的學習特點，才能做出恰當?shù)慕虒W設計。因此，學習分析成為現(xiàn)代教學中的必要的輔助手段。 2013 年美國新媒體聯(lián)盟（ NMC ） 的 地平線報告提出， 2 3 年內學習分析這項技術將會被廣泛接受。聯(lián)合國在20

3、12 年發(fā)布的大數(shù)據(jù)白皮書“BigData forDevelopment ： Challenges& opportunities ” 中宣告了大數(shù)據(jù)時代的到來。大數(shù)據(jù)時代為數(shù)據(jù)的分析應用提供了全新的思維和方式。在高容量、高速度、多樣化數(shù)據(jù)結構的大數(shù)據(jù)時代，我們不僅可以借助云服務端來存儲海量的結構化、半結構化和非結構的數(shù)據(jù)，還可利用數(shù)據(jù)分析和數(shù)據(jù)挖掘技術從這些海量數(shù)據(jù)中提取具有重要價值的信息，從而對包括教育領域在內的社會各個領域的發(fā)展產生巨大的推動作用。“數(shù)據(jù)驅動學校，分析變革教育”的大數(shù)據(jù)時代已經來臨，大數(shù)據(jù)技術使得我們可以獲取每個學生的海量時空軌跡的行為數(shù)據(jù)，包括學生在學校里發(fā)生的每

4、一件事情，學習過程中的全部表現(xiàn)，以及在家用計算機終端學習過程中的一舉一動；然后，基于大數(shù)據(jù)的云計算平臺，教師不但可以對反映學生學習成果的各種量化或質性數(shù)據(jù)進行分析預測，還可以對學生在學習活動中以及虛擬情境中的非結構化行為進行分析，最終利用學習分析的結果做出最適合學生的教學設計，并且為學生推薦學習軌跡。一、學習分析的內容以學生為中心的教學設計，包括為學生設計合理的學習任務單和課堂教學形式，提供相關的教學視頻和學習資源等。大數(shù)據(jù)時代的教學設計依賴于教師對學生學習狀況的了解，學習分析是從整個系統(tǒng)的角度出發(fā)幫助教師做出教學決策，學習分析需要對學生學習過程中形成的海量數(shù)據(jù)進行解釋和分析，以評估學生的學術

5、進展，預測其未來表現(xiàn)，并發(fā)現(xiàn)影響學生學習系統(tǒng)的因素，其目的是評估學生、發(fā)現(xiàn)潛在問題并最終優(yōu)化學習，對象是學生及其學習環(huán)境，基礎是海量數(shù)據(jù)。為了準確地了解每個學生的學習需求，不僅要對學生當前的學業(yè)表現(xiàn)進行多元化評價，還要在一定程度上預測學生的未來表現(xiàn)，要對每個學生進行全方位的發(fā)展性評價。為此，我們需要全面地跟蹤記錄一個學生的所有表現(xiàn)，既有量化的也有行為表現(xiàn)的，既有課內的也有課外的。根據(jù)大數(shù)據(jù)時代學生學習方式的多樣化和靈活性特點，學生的學習數(shù)據(jù)包括線上數(shù)據(jù)和線下數(shù)據(jù)兩種。對這些數(shù)據(jù)進行挖掘和分析，可以全面跟蹤和掌握學生的學習行為、學習過程和學習特點。學習是學生與學習內容、教師、合作同學和學習環(huán)境之

6、間的復雜交互過程。（一）線上學習的評估內容包括：1 . 學生在線學習表現(xiàn)的統(tǒng)計描述，包括學習時間的投入、學習活動頻次（如學生對某個知識點瀏覽的次數(shù)）、學習資源瀏覽（如學生對教學視頻中某個片段瀏覽的次數(shù)）、考試成績等；2 .學習者自主學習路徑，包括學習者提問、回答相關問題和師生交流（如師生交互行為分析、師生發(fā)帖的內容分析、師生交互的社會網(wǎng)絡分析）；3 .影響學習者在線學習表現(xiàn)的各種因素，如學習者的興趣愛好；4 .各種虛擬情境下的學生表現(xiàn)，包括社會態(tài)度、責任感、處事方式等。（二）線下學習的評估內容包括：1 . 學生在學習不同模塊的階段性成績和課堂觀察結果；2 .實訓表現(xiàn)及過程感受；3 .實習、實訓

7、等環(huán)境的適應情況；4 .學習活動中與人溝通交流、團隊合作的表現(xiàn)。二、學習數(shù)據(jù)的獲取與存儲（一）學習數(shù)據(jù)獲取學習數(shù)據(jù)是指通過對學生學習過程中所產生的學習日志進行濾處理后得到的數(shù)據(jù)。學習數(shù)據(jù)的類型非常豐富，其中一部分數(shù)據(jù)是事后搜集的，如采用傳統(tǒng)的考試分數(shù)采集的定量數(shù)據(jù)，以及通過文件、檔案記錄、深度訪談、參與式觀察等多種方法采集得到的質性數(shù)據(jù)等。大部分學習數(shù)據(jù)是在學生學習過程中自然發(fā)生的數(shù)據(jù)，是即時產生的，需要實時采集。實時數(shù)據(jù)的采集主要依賴于傳感器、射頻識別技術或專門軟件等，例如，我們可以利用圖像傳感器捕捉學生在觀看教學視頻時的視線移動，用專門軟件跟蹤記錄學生學習時長和完成習題檢測的全過程，包括讀

8、題的時間、做題的順序、做題時間、解答過程等；為了研究學生的學習與心理動態(tài)，可以在線采集他們的行為蹤跡、交友網(wǎng)絡和微博等半結構或非結構數(shù)據(jù)；為了了解學生的價值、態(tài)度和道德養(yǎng)成，可用軟件記錄學生對學術活動和社交活動的參與情況等。經過各種渠道獲取的學習分析數(shù)據(jù)的種類和結構非常復雜，只有少部分是結構化數(shù)據(jù)，大部分是難以計量和分析的非結構化數(shù)據(jù)，如學生的學習路徑、學習體驗及學生對環(huán)境的感受等等，這些數(shù)據(jù)用傳統(tǒng)數(shù)據(jù)處理方法有很大的困難，需要先將結構復雜的數(shù)據(jù)轉換為單一的或是便于處理的結構，然后才能做數(shù)據(jù)分析。除直接采集的數(shù)據(jù)外，還可以利用其他信息化管理系統(tǒng)中的數(shù)據(jù)，如學生處、教務處等高校業(yè)務部門的數(shù)據(jù)管理

9、系統(tǒng)中的數(shù)據(jù)。由于不同部門運用不同的數(shù)據(jù)系統(tǒng)軟件，各個運行數(shù)據(jù)庫除包含進行學習分析所需的有用信息外，還會摻雜很多干擾信息，因此需要將多種來源的數(shù)據(jù)進行篩選，以主題為目標，建立以分析為主要功能的數(shù)據(jù)集合。（二）學習數(shù)據(jù)存儲將結構和非結構化的學習數(shù)據(jù)及時存儲到數(shù)據(jù)中心是實現(xiàn)數(shù)據(jù)訪問和實時分析的必要前提。直接采集或從各部門數(shù)據(jù)庫得到的學習數(shù)據(jù)具有不同格式，傳統(tǒng)數(shù)據(jù)存儲的方法需要解決過濾后數(shù)據(jù)的異構性問題，如采用聯(lián)邦式、基于中間件模型和數(shù)據(jù)倉庫等方法。云存儲技術不但能夠兼容不同結構的數(shù)據(jù)，而且屏蔽了數(shù)據(jù)丟失、病毒入侵等問題，是安全可靠的數(shù)據(jù)存儲技術。利用云存儲技術來構建學習數(shù)據(jù)的存儲環(huán)境，根據(jù)數(shù)據(jù)的類

10、型、結構不同而選擇不同的數(shù)據(jù)存儲方案，使各種類型的數(shù)據(jù)實時高效地同步到數(shù)據(jù)中心。要對海量數(shù)據(jù)進行有效的分析，還需將這些來自前端的數(shù)據(jù)導人到一個集中的大型分布式數(shù)據(jù)庫，或者分布式存儲集群。 云計算開源平臺Hadoop 提供了分布式文件系統(tǒng)、分布式數(shù)據(jù)庫以及數(shù)據(jù)分析處理等功能模塊在內的完整生態(tài)系統(tǒng)，現(xiàn)已經發(fā)展成為目前最流行的大數(shù)據(jù)處理平臺?；贖a-doop 來構建學習數(shù)據(jù)存儲平臺，具有數(shù)據(jù)管理方便、訪問速度快等優(yōu)點。三、學習分析學習數(shù)據(jù)分析是對教學內容、教學環(huán)境和學生學習活動中產生的各種結構和非結構化數(shù)據(jù)進行相關性分析的過程。在進行學習分析時，采用面向主題的數(shù)據(jù)組織方式。主題( subject

11、)是在較高層次上將信息系統(tǒng)中的數(shù)據(jù)進行綜合、歸類和分析利用的一個抽象概念，每一個主題基本對應一個分析領域。根據(jù)教學設計需求，我們選擇三個主題實現(xiàn)學習分析：學生學習成果、學習體驗和學習能力，其中，學習能力既反映了學習的效果，又是預測學生未來學習表現(xiàn)的關鍵因素。每個主題細分為幾項內容，每項內容都是若干分析對象數(shù)據(jù)的一個完整描述。Fulks 認為，學生學習成果是期望學生在經過學習后應該獲得的、具體的、 可測量的目標和結果，包括認知、技能、態(tài)度等，因此，反映學習成果的內容應當包括知識掌握程度、知識應用的能力、口頭與書面表達的能力、獨立制訂計劃的能力、創(chuàng)業(yè)能力、社會能力和社會責任意識等；學習體驗是指學生在學習過程中對學習內容、任務安排、教學環(huán)境等的感受，以及實訓感受和對學習成果的滿意度等；學習能力指學生獲取信息、接受知識和應用知識的能力，具體包括：學習速度、領悟能力、獨立思考能力、獲取與利用信息的能力、分析判斷與決策的能力、遇挫表現(xiàn)、學習活動中的應急和應變情況、與其他學習者的互動與合作等。在 Hadoop 平臺上， 利用分布式數(shù)據(jù)庫或者分布式計算集群，來對存儲于其內的海量學習數(shù)據(jù)進行分析整理，如對學生的學習行為、學習成果等非結構數(shù)據(jù)進行維度分析和關聯(lián)規(guī)則分析等以推斷出各種類數(shù)據(jù)間的細微差異與關系，所得出的信息以可視化技術直觀