大數(shù)據(jù)在教育領域的應用

1、大數(shù)據(jù)在教育領域的應用大數(shù)據(jù)在教育領域中的應用2022-4-10 大數(shù)據(jù)在教育領域中的應用，主要指的是在線決策、學習分析、數(shù)據(jù)挖掘三大要素，其主要作用是進行預測分析、行為分析、學業(yè)分析等的應用和研究，大數(shù)據(jù)含義指的是對學生學習過程中產生的大量數(shù)據(jù)（數(shù)據(jù)來源包括兩方面，即顯性行為和隱性行為，其中隱性行為包括論壇發(fā)帖、課外活動、在線社交等不直接作為教育評價的活動，顯性行為包括考試成績、作業(yè)完成狀況以及課堂表現(xiàn)等）進行分析，大數(shù)據(jù)模型以及顯示的數(shù)據(jù)能夠為學校和教師的教學提供參考，及時、準確的評估學生的學業(yè)狀況，發(fā)現(xiàn)學生潛在存在的問題，進而預測學生未來可能的表現(xiàn)。1）構建學習者經驗模型收集學習者的學習

2、滿意調查問卷課程學習中的存留數(shù)據(jù)、表現(xiàn)、行為、選擇等，構建學習者的經驗模型構建學習者體驗模型，進行線上課程評估2）建立學習者行為模型收集學習者在學校情景中學習行為變化的情況學習者完成課程學習的狀況學習者在網(wǎng)絡系統(tǒng)中花費的學習時間以及學習者的考試成績等數(shù)據(jù)3）構建學習者知識模型學習者請求幫助的性質和數(shù)量學習者回答問題花費的實踐學習者回答錯誤的重復率學習者回答的正確率等通過數(shù)據(jù)挖掘和學習分析構建的學習者知識模型4）構建領域知識模型對現(xiàn)有的領域知識進行重新建模研究學習者與知識點、學習單元、課程等學習內容之間的關系采集和處理學習者的相關數(shù)據(jù)，畫出學習者的學習曲線5）構建學習者檔案收集學習者的基本學習信

3、息，建立基本信息數(shù)據(jù)通過數(shù)據(jù)挖掘、學習分析和機器學習算法，根據(jù)學習者的學習特征，將相同學習特征的學習者進行分組和聚類6）教學策略分析收集的學習者的信息進行分析，探索學習系統(tǒng)中各種組件的功能分析學習者學習結果與教學策略之間的關系，然后對教學策略進行分析和總結7）其他應用大數(shù)據(jù)在教育領域的運用還包括個性化學習、自適應學習系統(tǒng)、以及趨勢分析等方面通過大數(shù)據(jù)的收集、分析與處理，為學習者提供個性化學習、與自適應學習的環(huán)境國外教育大數(shù)據(jù)公司介紹2022-4-10 當IBM剛剛開始與這一學區(qū)合作時，除了學生成績不好之外，該縣還面臨著輟學率已增加到48%的嚴峻情況。根據(jù)聯(lián)邦政府的不讓一個孩子掉隊法（No Ch

4、ild Lift Behind，NCLB），學生成績糟糕的地方政府將受到懲罰。為了應對這一巨大的挑戰(zhàn)，該縣此前已經在學生數(shù)據(jù)的基礎上建立了一個輟學指示工具，并將其用于全縣層面的決策。但IBM認為這仍不足以改善莫白兒縣窘迫的現(xiàn)狀，需要借助IBM的技術支持重新建立大數(shù)據(jù)，進而利用大數(shù)據(jù)分析來改善學區(qū)內所有學生的整體成績1IBM“希維塔斯學習”是一家專門聚焦于運用預測性分析、機器學習從而提高學生成績的年輕公司。該公司在高等教育領域建立起最大的跨校學習數(shù)據(jù)庫。通過這些海量數(shù)據(jù)，能夠看到學生的分數(shù)、出勤率、輟學率和保留率的主要趨勢。通過使用100多萬名學生的相關記錄和700萬個課程記錄，這家公司的軟件能

5、夠讓用戶探測性地知道導致輟學和學習成績表現(xiàn)不良的警告性信號。此外，還允許用戶發(fā)現(xiàn)那些導致無謂消耗的特定課程，并且看出哪些資源和干預是最成功的。2希維塔斯學習”（Civitas Learning）推出了基于他們自己過去的學習成績數(shù)據(jù)預測并改善其未來學習成績的大數(shù)據(jù)服務項目。這家公司的新產品名為“學生成功系統(tǒng)”（Student Success System）?！翱释麑W習”聲稱加拿大和美國的1000多萬名高校學生正在使用其學習管理系統(tǒng)技術?！翱释麑W習”的產品通過監(jiān)控學生閱讀電子化的課程材料、提交電子版的作業(yè)、通過在線與同學交流、完成考試與測驗，就能讓其計算程序持續(xù)、系統(tǒng)地分析每個學生的教育數(shù)據(jù)。老師

6、得到的不再是過去那種只展示學生分數(shù)與作業(yè)的結果，而是像閱讀材料的時間長短等這樣更為詳細的重要信息，這樣老師就能及時診斷問題的所在，提出改進的建議，并預測學生的期末考試成績3渴望學習”（Desire 2 Learn）國外教育大數(shù)據(jù)應用案例成功創(chuàng)造并發(fā)布了各自版本的利用大數(shù)據(jù)的適應性學習（adaptive learning）系統(tǒng)。在2012年國際消費電子展的高等教育技術峰會上，世界最大的教育出版公司培生集團（Pearson）與適應性學習領域里的先行者紐頓公司共同發(fā)布了主要由培生集團開發(fā)的適應性學習產品“我的實驗室/高手掌握”（MyLab/Mastering）。這款產品在將全球范圍內向數(shù)百萬名學生提

7、供個性化的學習服務，向他們提供真實可信的學習數(shù)據(jù)，讓學校通過這些數(shù)據(jù)提高學生的學習效果并降低教學成本。首款產品將在美國的數(shù)十萬名學生中使用，包括數(shù)學、英語，以及寫作等技能開發(fā)課4“紐頓”（Knewton）總部設在英國倫敦的培生集團和其他出版公司共同開發(fā)的“課程精靈”系統(tǒng)（CourseSmart），也允許教授們通過讓學生使用電子教科書來跟蹤他們的學業(yè)進展，并向助教們顯示學生的學習參與度和學習成績等大量的數(shù)據(jù)信息，只是這一系統(tǒng)尚不具備預測的功能。5培生集團學習分析關鍵技術與主要工具 內容分析法 是一種對文獻內容作客觀系統(tǒng)的定量分析的專門方法 是弄清或測驗文獻中本質性的事實和趨勢 建立有意義的類目分

8、解交流內容 話語分析 利用話語的生產模式來行使權力 是權力的替代品 掌握話語權的人掌握社會規(guī)范 社會網(wǎng)絡分析 來分析其他類型數(shù)據(jù)對關系數(shù)據(jù)的影響 數(shù)據(jù)主要分為兩類，屬性數(shù)據(jù)和關系數(shù)據(jù) 聚類 是在“物以類聚”這一理念之上 專門 針對大量的樣品，按各自的特性進行相對合理的分類 預測 根據(jù)已有數(shù)據(jù)或信息對整體或個體數(shù)據(jù)發(fā)展態(tài)勢做出合理預測 關系挖掘 在信息領域當中發(fā)展最快的技術 數(shù)據(jù)的高維特征并不是傳統(tǒng)數(shù)據(jù)分析方法可 以輕易解決的 文本挖掘 文本數(shù)據(jù)中抽取有價值的信息和知識的計算機處理技術 文本數(shù)據(jù)挖掘是數(shù)據(jù)挖掘的一個分支1. 從學生方面來說，學習分析技術在了解學生學習現(xiàn)狀之后，通過分析學生數(shù)據(jù)，找

9、出相關問題，對學生學習過程進行優(yōu)化，幫助學生培養(yǎng)良好學習習慣，從而達到學生自我學習的目的。2. 從教師以及管理人員方面來說，學習分析技術可以評估教學課程和相關機構，幫助同步改善學校既定考核方式，深入分析教學數(shù)據(jù)，為教師幫助學生解決實際問題指明教學不足和更優(yōu)方法。3. 從研究人員方面來說，學習分析技術是一種研究學生和網(wǎng)絡學習的有效工具。4. 從技術開發(fā)人員方面來說，學習分析技術管理系統(tǒng)各模塊各不相同的使用頻次和路徑能有效指導系統(tǒng)界面的相關優(yōu)化設計，并可以完善系統(tǒng)日志相關管理功能。數(shù)據(jù)挖掘在教育信息化中的具體應用空間學習者特征由學習者的知識結構和學習風格組成。知識結構說明了學習者對正在或將要學習知

10、識的掌握情況，主要包括學習者初始技能、當前技能和目標技能。學習風格包括學習者的生理特征、心理特征和社會特征三個方面1學習者特征分析學校教學管理數(shù)據(jù)庫中記錄著各屆學生與教師的學習、工作、社會活動、獎勵、處罰等情況，利用數(shù)據(jù)挖掘的關聯(lián)分析與演變分析等功能，尋找?guī)熒鞣N行為活動之間的內在聯(lián)系。如“當存在A，B時可以推出C”這樣的規(guī)則，即當有A行為和B行為發(fā)生時，還會有C行為。在實際情境中，如果發(fā)現(xiàn)學生或教師已有A，B行為時，馬上可以分析其產生C行為的可能性，及時制定策略促進或制止C行為的發(fā)生2干預師生行為利用學校教學數(shù)據(jù)庫中存放的歷屆學生各門學科的考試成績，結合數(shù)據(jù)挖掘的關聯(lián)分析與時間序列分析等相關

11、功能，就能從這些海量數(shù)據(jù)中挖掘出有用的信息，幫助分析這些數(shù)據(jù)之間的相關性、回歸性等性質，得出一些具有價值的規(guī)則和信息，最終找到影響學生成績的原因。3合理設置課程在教學科研網(wǎng)絡普遍建立的今天，利用數(shù)據(jù)挖掘工具，對學生的學習成績數(shù)據(jù)庫、行為記錄數(shù)據(jù)庫、獎勵處罰數(shù)據(jù)庫等進行分析處理，可以即時得到學生的評價結果，對學生出現(xiàn)的不良學習行為進行及時指正。另外，這種系統(tǒng)還能夠克服教師主觀評價的不公正、不客觀的弱點，減輕教師的工作量。4學習評價 自適應學習系統(tǒng)中教育大數(shù)據(jù)應用2022-4-10基于大數(shù)據(jù)的自適應學習系統(tǒng)運行流程圖第一步，學習者生成學習行為數(shù)據(jù)，經過內容傳遞模塊，數(shù)據(jù)將被標記上時間戳；第二步，數(shù)

12、據(jù)按照預先定義的結構存入學習者數(shù)據(jù)庫；第三步，預測模塊從學習者數(shù)據(jù)庫和學生信息系統(tǒng)中采集數(shù)據(jù)，根據(jù)不同的分析目的，調用不同的分析工具和模型對數(shù)據(jù)進行分析；第四步，自適應模塊根據(jù)預測模塊中數(shù)據(jù)挖掘和分析的結果，通過內容傳遞模塊為學習者提供合適的學習指導和學習策略；第五步，預測模塊中數(shù)據(jù)挖掘和分析的結果同時被傳遞給顯示模塊，供教師和教學管理者使用；最后，教師和教學管理者根據(jù)分析結果，通過干預模塊對系統(tǒng)進行人為干預自適應學習系統(tǒng)包含六大模塊：（1內容傳遞模塊。管理、維護、傳遞個性化的學習內容與評價給學習者，以支持學習者的學習行為。（2)學習者數(shù)據(jù)庫。存儲學習者在學習系統(tǒng)中的時間戳標記的學習者輸人和學

13、習行為數(shù)據(jù)。（3)預測模塊。整合系統(tǒng)外部學習者信息系統(tǒng)中的數(shù)據(jù)和系統(tǒng)內部學習者學習行為數(shù)據(jù)，通過對數(shù)據(jù)的處理和分析，對學習者未來的學習行為和結果進行預測。（4)顯示模塊。將預測模塊中的運行結果以可視化的方式顯示給各類使用者。（5)自適應模塊。根據(jù)預測模塊的運行結果，觸發(fā)內容傳遞模塊，再根據(jù)學習者的學習水平和興趣，推送合適的學習內容給學習者。（6)干預模塊。允許教師、教學管理者和系統(tǒng)開發(fā)人員根據(jù)預測模塊的運行結果，對自適應系統(tǒng)實施人為干預教育數(shù)據(jù)挖掘和學習分析的區(qū)別2022-4-10教育數(shù)據(jù)挖掘學習分析技術常用技術是分類、 聚類、 貝葉斯模型、 關系挖掘和用模型來發(fā)現(xiàn)數(shù)據(jù)中有意義的信息常用技術是

14、統(tǒng)計、可視化、 系統(tǒng)網(wǎng)絡架構、 情緒分析、 影響分析、話語分析，概念分析和意義建構模型起源源于教育軟件、學生建模和預測課程的結果源于語義網(wǎng)絡、 智能課程和系統(tǒng)干預重點重視對所采用的數(shù)據(jù)挖掘技術的描述和比較重視對數(shù)據(jù)和結果的描述發(fā)現(xiàn) 自動化的發(fā)現(xiàn)是關鍵， 利用人類判斷是用來完成這個目標的工具利用人類判斷的是關鍵， 自動化的發(fā)現(xiàn)是用于實現(xiàn)這一目標的工具早期的教育數(shù)據(jù)挖掘主要是網(wǎng)站日志數(shù)據(jù)的挖掘，現(xiàn)在新的計算機技術支持的交互式學習方法和工具 （智能輔導系統(tǒng)、 仿真、 游戲） ， 為量化和收集學生行為數(shù)據(jù)帶來了新的機會。 特別是更加集成、 更加模塊化和更加復雜化的在線學習系統(tǒng)提供了更多類型的數(shù)據(jù)，其中

15、包含了數(shù)據(jù)挖掘算法需要的許多變量。 教育數(shù)據(jù)挖掘能發(fā)現(xiàn)這些數(shù)據(jù)中的模式和規(guī)律，探索建立預測模型，讓我們重新發(fā)現(xiàn)和預測學生如何學習。1教育數(shù)據(jù)挖掘對學習分析的定義，指的是對學生學習過程中產生的大量數(shù)據(jù)進行解釋，目的是評估學業(yè)進步、預測未來表現(xiàn)、發(fā)現(xiàn)潛在問題。數(shù)據(jù)來自學生的顯性行為，如完成作業(yè)和參加考試；還有學生的隱性行為， 如在線社交，課外活動，論壇發(fā)帖，以及其他一些不直接作為學生教育進步評價的活動。學習分析模型處理和顯示的數(shù)據(jù)幫助教師和學校更好地理解教與學。學習分析的目標是使教師和學校創(chuàng)造適合每個學生需要和能力的教育機會。2學習分析教育數(shù)據(jù)挖掘和學習分析典型應用詳細應用領域情況教育數(shù)據(jù)挖掘和學

16、習分析應用領域主要包括：學習者的知識、行為和經歷建模；學習者建檔；領域知識建模；趨勢分析學習分析應用領域1.學習者知識建模2.學習者行為建模3.學習者經歷建模4.學習者建檔5.領域知識建模6.學習組件分析和教學策略分析7.趨勢分析8.自適應學習系統(tǒng)和個性化學習數(shù)字化學習的發(fā)展性評價系統(tǒng)的特征分析支持學習過程的全數(shù)據(jù)采集與存儲支持測試類型的多樣化支持知識增長的可視化支持學習過程的及時督導支持評價的個性化已有研究認為，基于發(fā)展性評價的數(shù)字化學習評價系統(tǒng)，如網(wǎng)絡教學中的學習評價系統(tǒng)應支持過程信息的全面采集、支持自評與互評、支持多種反饋形式等，結合大數(shù)據(jù)及數(shù)字化學習的特征，大數(shù)據(jù)背景下的數(shù)字化學習發(fā)展

17、性評價系統(tǒng)應具備如下特征：數(shù)字化學習發(fā)展性評價系統(tǒng)設計系統(tǒng)模型設計教師學生干預/評價課程學習活動討論互動學習契約課前測試過程測試章節(jié)測試同學互評期末測試教師評價隨堂記錄卡評測功能子系統(tǒng)數(shù)據(jù)采集數(shù)據(jù)清理數(shù)據(jù)轉化混合存儲系統(tǒng)教育數(shù)據(jù)挖掘社會網(wǎng)絡分析語義分析對比分析對比分析結果數(shù)據(jù)庫分析結果大數(shù)據(jù)分析子系統(tǒng)采集與存儲子系統(tǒng)儀表盤及時反饋診斷性評價過程性評價終結性評價反饋子系統(tǒng)可視化數(shù)據(jù)在對現(xiàn)存問題及系統(tǒng)特征分析的基礎上，構建了大數(shù)據(jù)理念下的數(shù)字化學習發(fā)展性評價系統(tǒng)模型。該系統(tǒng)由測評功能子系統(tǒng)、采集與存儲子系統(tǒng)、分析子系統(tǒng)和反饋子系統(tǒng)構成數(shù)字化學習發(fā)展性評價系統(tǒng)工作流程2022-4-10數(shù)字化學習的發(fā)

18、展性評價系統(tǒng)的工作流程如圖所示。下面將結合學習者在課前、課中和課后三個階段的學習過程進行分析說明。系統(tǒng)工作流程多維度的網(wǎng)絡學習行為模型2022-4-10從學習行為多樣性的角度, 可以將網(wǎng)絡學習過程中學習者的網(wǎng)絡學習行為模型如圖 所示：自解釋學習目標收集信息加工整理信息發(fā)布信息交流使用信息（問題解決） Internet 及其他學習資源檢測評價反饋調控網(wǎng)絡學習行為多維度模型網(wǎng)絡學習交流行為I : 點對點地實時交流, 如用 QQ 、 MSN 等工具請教教師、專家等。II : 點對點地異步交流, 如用 E- mail 請教教師、專家、登錄教師、專家的 Blog 等。III : 多對多地實時交流, 如聊

19、天室等。IV : 多對多地異步交流, 如 BBS 等。在網(wǎng)絡環(huán)境下的學習行為體系包括如下方面的內容：( 1 )信息檢索學習行為( 2 ) 信息加工學習行為( 3 ) 信息發(fā)布學習行為( 4 )人際溝通、 交流的行為( 5 )基于問題解決的學習行為 多層次的網(wǎng)絡學習行為模型2022-4-10從縱向的角度考察網(wǎng)絡學習行為, 可以將網(wǎng)絡學習行為分為高級、 中級和低級三個不同的層次。 所謂低級網(wǎng)絡學習行為主要是指學習者在網(wǎng)絡學習過程中對于不同的媒體刺激( 如聲、 光, 文本、 圖形圖像、 視頻等), 所做出的一次性操作行為反應。 中級網(wǎng)絡學習行為是指學習者個體在學習過程中與承載教學內容的教學媒體、學習

20、團體以及學習環(huán)境所作的交流、 交互行為。 高級網(wǎng)絡學習行為則指的是學習者借助網(wǎng)絡學習環(huán)境進行的面向問題解決的協(xié)作、 探究等行為。 層次化的網(wǎng)絡學習行為模型如表 1 所示網(wǎng)絡學習行為層次的劃分, 有助于對網(wǎng)絡學習行為實質的理解, 更有助于針對網(wǎng)絡學習者的行為特征, 設計出合理的學習系統(tǒng)和學習資源。 在對網(wǎng)絡學習行為進行分析的過程中, 需要清楚了解行為的屬性特征。幾種常見的網(wǎng)絡學習行為的屬性參數(shù)如表 2 所示。 什么是xAPI呢？它是新一代的學習技術規(guī)格，破除了過去eLearning標準SCORM只能記錄課件閱讀過程的局限，新的標準目的在捕捉并記錄不同學習活動中的學習者行為，包含移動學習、模擬、虛

21、擬世界、嚴肅游戲、真實世界中的活動、體驗式學習、社會化學習與協(xié)作式學習等不同類型的學習活動。這也解決了我們過去在學習記錄與分析上的缺口，因為學習不只是閱讀課件，學習發(fā)生在與他人或內容的互動過程中，這些過程都可以透過xAPI記錄下來。當需要記錄一項學習活動時，xAPI協(xié)議就會發(fā)出以”主詞動詞受詞”的表示格式給學習記錄庫LRS (Learning RecordStore)，學習記錄庫記錄并儲存所有發(fā)生的表述，學習記錄庫能夠跟其它的學習記錄庫分享這些數(shù)據(jù)，并且學習倉儲能獨立存在或者存在于學習管理系統(tǒng)里。什么是xAPIxAPI的優(yōu)勢在于其彈性，這些彈性讓xAPI有許多應用的可能性:表述的彈性: 使用”

22、主詞動詞受詞”的表述上的彈性，可以讓你記錄幾乎任何一種學習活動與行為，并且可以與SCORM標準兼容。xAPI是如何運作的2022-4-101、人們藉由與其他人或內容互動過程來學習，這些學習活動可以透過 xAPI 記錄下來。不管這些學習活動是在哪里發(fā)生的，xAPI 都可以把它們記錄儲存下來。2、當一項活動需要被記錄下來時，xAPI 就會送出以”主詞，動詞，受詞” (Noun，Verb，Object) 或者 我做了這件事 (I did this) 格式的報告到學習記錄儲存區(qū) (LRS，LearningRecord Store)。3、LRS 記錄所有的活動報告，這些報告資料可以被傳送給其他 LRS、

23、LMS 或是報告工具(Reporting Tool)。LRS 可以單獨存在，或是存在一個學習管理系統(tǒng) (LMS) 內。xAPI與SCORM區(qū)別2022-4-10作為新一代的學習技術規(guī)格，XAPI破除了過去eLearning標準SCORM只能記錄課件閱讀過程的局限，新的標準目的在捕捉并記錄不同學習活動中的學習者行為，包含移動學習、模擬、虛擬世界、嚴肅游戲、真實世界中的活動、體驗式學習、社會化學習與協(xié)作式學習等不同類型的學習活動。這也解決了我們過去在學習記錄與分析上的缺口，因為學習不只是閱讀課件，學習發(fā)生在與他人或內容的互動過程中，這些過程都可以透過XAPI記錄下來。透過XAPI能讓不同工具間相互

24、分享與接受各種各樣的數(shù)據(jù)(包含連線或離線學習)。當更清楚的知道學習者完成了哪些活動后，便能提供學習者更多合適的建議，這也大幅拓展了學習的生態(tài)圈。不管學習在哪發(fā)生，都可以透過XAPI記錄下來。 并將報告?zhèn)魉徒o LRS。學習者甚至可以在一臺電腦上啟動學習活動，然后在行動裝置上完成它，完全不會有銜接上的問題。這讓隨時隨處可學習的理念得以實現(xiàn)。xAPI與教育大數(shù)據(jù)2022-4-10 xAPI與學習經歷數(shù)據(jù)（1）利用活動流描述學習經歷（2）利用Statement記錄學習經歷數(shù)據(jù)（3）xAPI規(guī)范中語義的定義基于LRS的學習經歷數(shù)據(jù)的獲取與共享（1）LRS概述（2）LRS的數(shù)據(jù)獲取（3）LRS與教育大數(shù)據(jù)

25、共享（4）企業(yè)級LRS框架學習經歷數(shù)據(jù)的獲取2022-4-10在傳統(tǒng)學習情境下，對學習經歷的獲取被稱為是一種監(jiān)測活動，即教師通過持續(xù)地跟蹤學生的學習以便進行教學決策和對學生的學習進度進行反饋。監(jiān)測學生的學習被認為是高質量教學的核心，同時也是區(qū)別學校、教師是否高效的主要因素之一。監(jiān)測同樣可以應用于在線學習。一個良好的在線教學系統(tǒng)應能夠定期監(jiān)測學習者的學習進程以及測試學習者對知識技能的掌握程度，通過評估和測量學習者的學習經歷使教師能夠度量學生的響應、反饋以及進度，以幫助教師從社交、行為、認知的層面感知到遠程學習者。這種方式在一定程度上彌補了在線學習中因缺乏正常的人際交流而對學習者造成的妨害。1獲取

26、學習經歷的意義大數(shù)據(jù)在教育領域的具體應用主要有學習分析和教育數(shù)據(jù)挖掘。由于學習是學生與學習內容、學習環(huán)境、學習伙伴和教師之間復雜的交互過程，因而教育數(shù)據(jù)挖掘和學習分析這兩個方面應用的基礎數(shù)據(jù)都應是基于學習過程的數(shù)據(jù)，既包括學生、學習內容、學習環(huán)境、學習伙伴和教師的數(shù)據(jù)，還包括學生對各種客觀資源的操作數(shù)據(jù)以及這些因素之間的關系數(shù)據(jù)2教育大數(shù)據(jù)背景下學習經歷數(shù)據(jù)的價值當前大數(shù)據(jù)在社會經濟學中的應用，多表現(xiàn)為通過現(xiàn)實生活中的數(shù)據(jù)挖掘檢測復雜的社會系統(tǒng)，如借助移動終端（包括傳感器、GPS定位儀、智能手機等）收集數(shù)據(jù)，識別社會情境下用戶的日?；顒?，并將實時數(shù)據(jù)與歷史數(shù)據(jù)進行關聯(lián)，推測其人際關系。學習經歷

27、數(shù)據(jù)的獲取方式更類似于這種“實時數(shù)據(jù)流與歷史數(shù)據(jù)的關聯(lián)”，這種數(shù)據(jù)會以“數(shù)據(jù)流”的形式高頻次地產生，在獲取、記錄數(shù)據(jù)流的同時還需要關聯(lián)整合歷史環(huán)境信息，以實現(xiàn)環(huán)境化、個人化的信息空間。3獲取學習經歷數(shù)據(jù)的研究現(xiàn)狀xAPI在移動學習中的應用模式一、輔助傳統(tǒng)課程的升級二、移動學習的行為跟蹤三、記錄非正式學習活動四、輔助工作和學習更好地結合五、更有效的學習結果評估六、離線環(huán)境下的在線學習七、學習不再局限于瀏覽器或LMS八、更逼真的虛擬環(huán)境設計九、更多的績效支持選擇SCORM標準是目前國際上應用較多的標準，但SCORM標準是基于有限需求而提出的，與云計算和服務型的架構有代替的可能。雖然SCORM標準為LMS內部的互操作性和便攜性提供了技術上的支持，但是由于它與LMS捆綁，只記錄了基于瀏覽器內部發(fā)生的有限學習活動，使得系統(tǒng)只能記錄學習者通過登錄LMS學習時的學習記錄。為了支持追蹤更詳細的網(wǎng)絡學習行為，ADL提出了TLA(Training&LearningArchitecture)架構及其運行時的接口規(guī)范xAPI（Experience API）。xAPI允許將學習內容與平臺解耦，能夠為學習者記錄并提供其自身學習經驗與元數(shù)據(jù)，可讓任何被許可的參與者存儲和檢索可擴展的學習記錄、學習者信息和學習經歷檔案，而且其過程與平臺無關。XAPI在學習