• 100
•
智慧教育不是简单的教育信息化，但必须依托教育信息化；智慧课堂不是智慧教育，却是智慧教育开展的基础。目前，我国教育信息化建设提速，各种与信息化结合的教学方法层出不穷，各教育部门与教育机构的信息化硬软件水平不断提高。教育信息化过程产生了大量数据，数据的作用与意义逐步受到重视，数据格式亦更加标准化，教育大数据已经形成。让沉睡的数据活起来，需要在教育领域引入大数据技术。用技术规范信息化教学流程，采集到学生真实详尽的学习数据，通过数据分析实时反馈，采用具有针对性的良性干预提升学生学习成效，教师真正通过反转课堂成为导师，帮助学生更好成才。
随着教育信息化逐步深入，教育场景、教学方式、学习方式、教师作用都发生了重大转变。特别是新冠疫情的出现，使人们参与并思考在非传统教学环境中使用在线学习平台时，如何才能保证学生的学习质量。
线上线下混合式教育是目前信息化教学的主流模式，但还没形成标准化体系，特别是质量监管体系来保证教学质量。利用教育大数据平台的分析功能，可以帮助教师监管学生学习行为，发现异常状态进行干预指导，达到提升学生学习绩效的目的。
1 大数据技术与教育结合是必然趋势
电脑ip地址大数据技术是主要涉及统计学和计算机科学的交叉科学，主要作用是对非常规（数量规模与数据结构）处理的数据，通过采集、清洗、汇集、分析处理，挖掘出接近全集规模的数据之间的相关性与规律性，发现数据背后隐含信息，实现精确定位、辅助管理，产生有效应对，并可实时跟踪反馈与及时监控预测，将决策从“经验驱动”转变为“数据驱动”。其与各行业的结合显现出巨大作用。
大数据技术的实时反馈可以帮助解决传统教学中教学反馈脱节滞后的问题；深度数据挖掘可以帮助教师更好地了解学生的学习与成长轨迹，产生科学有效、更具针对性的监管，消除教师个人情绪与能力的影响；并达到分层教学，因材施教的目的。随着在线学习平台与在线教育教学的发展，必然会与大数据技术深度结合，显示出辅助管理方面的优势。
2 大数据技术在教育领域的发展程度
提供公平的多样化、个性化与终身化的教育，是教育改革与创新的本质与目标。我国教育信息化在基
础设施、资源建设、应用能力各方面都取得了超预期发展。“三通两平台”建设完善应用，教育信息技术应用能力提高，明显推动教育改革日益深入与水平提升。2018年，教育部印发《教育信息化2.0行动计划》，引领教育信息化向深化应用与融合创新方向发展。近年来，信息技术向人工智能方向不停发展，也广泛渗透至教育领域。在线学习成为新常
态，全国1454所高校103万教师开出107万门在线课程，覆盖理工农医经管法文史哲艺教12门学科，参加在线学习大学生1775万人，合计23亿人次，产生了大量在线学习数据，对学生学习行为进行分析预测成为可能。通过构建教学流程、数据分析及时干预，可以有效解决在线学习持续度不强、流失率偏高、学习质量不高等问题。
3 学习行为分析研究现状
学生学习行为分析是很古老的一个研究课题，我国从90年代就开始研究。在线学习行为分析研究从2005年开始，到目前积累了很多经验。包括教育云平台搭建，学习行为特征界定及判定指标，学习数据类型定义及量化，分析模型构建，学习行为分析算法研究，分析结果的需求及内涵意义，分析结果可视化及动态展示，构造个性化教学的方法流程及干预服务等。3.1 学习行为分析中的主要因素
综合前人的研究结果，可以得出如下结论：学习行为分析涉及学习科学、教学科学和评估科学；学习行为从行为主义向认知主义与构建主义发展，可以从学生学习行为中评测出其学习能力；学习行为分
析评测结果要和教师的教学方法与考评方式结合起来综合评
定，而不能仅仅从考核或考试结果评定；学生学习行为序列与转换模式可以显现出学生较全面的在线学习画像，帮助学生和老师发现其学习过程中的负面因素，从而产生更具针对性、效果更好的学习干预行为；影响学习成绩因素要从往期学业表现、课程参与情况、学习者背景、学习结果几个关键因素来考量；重点是学习态度和学习能力，即事物发展的内因与外因，两者占比程度将决定学生学习成效和后期发展趋势，要特别注意其动态变化。3.2 学习行为分析中的观测点
学习态度是学生内心深处愿不愿意学，主要通过学习投入程度来量化，从学习活动参与程度与学习及时性度量。学习参与度通过考勤、预习、讨论、课堂回答、作业完成情况体现；学习积极性从学生对各项任务的响应时间考量。学习投入程度即学习质量，其最终结果通过学习时间与成绩对比产生。支柱性产业
学生的知识基础决定其认知水平和学习能力，学习能力受限于其认知水平，和其自律程度、耐挫程度（坚持性）及兴趣爱好有很大相关性。学习能力最终决定学生成绩，其量化点在于具体任务的完成情况和考核情况，受学生自身学习习惯与所处环境影响，完成情况又与记忆力、理解力、实践能力、研究能力、创新能力和重视程度有关，可以通过任务侧重点和进程考核结果界定。学生的兴趣爱好是分析学习行为必须考虑的因素，因为这是因材施教和学习行为产生的根源。
需要注意的是：学生互动的积极性和某阶段学习水平与最终成绩的
基于大数据的在线教育学习行为分析技术研究
南阳医学高等专科学校 王 博
• 101
•
关系并不大，但可以作为学生积极品质与某知识点掌握情况的评定。
4 学生学习行为分析平台的搭建及作用
通过大数据分析技术，对学习行为相关数据进行分析和阐释，评估学习者学习情况和学习效果，预测学习者未来发展及存在问题是教育数据分析的终极目标。通过学习分析技术对学习者学习状态评定及合理干预是平台完成的主要任务。
4.1 平台搭建
大数据技术构建在云的基础上。本项目选用Open stack——以Apache许可证授权的开源云计算管理平台，搭建以私有云为基础，采用Hadoop和spark相结合方式运行的大数据分析平台。
Open stack是由多个组件合作完成，主要模块包括Nova、Swift、QEMU、Keystone、Neutron、Glance、Cinder、Horizon、Trove、Heat、Libvirt等。分别提供虚拟机创建及管理、分布式云存储、模拟物理机、身份验证及管理、网络相关服务、虚拟机镜像管理、存储卷管理、管理界面、数据库服务、软件环境部署、接口服务等，从而形成一个具有高可靠性、高扩展性、通用性、超强计算和存储能力的分布式云平台。2020跨年朋友圈
在Open stack基础上搭建Hadoop和Spark相结合的大数据分析平台。Hadoop是一个大数据处理分析分布式框架，集成HDFS、Y ARN、Map Reduce、Hbase、Hive、Pig、Ambari、Tez、Sqoop、Flume、Kafka、Storm、ZooKeeper、Phoenix、Elasticsearch等组件，提供了可存储超大数据的分布式文件系统、集资源管理和批处理、可并行处理大规模数据的映射归约计算模型、面向列的可伸缩分布式数据库、数据仓库基础设施及工具与编程语言、SQL与NoSQL之间的连接、数据采集、流数据处理及计算、协同服务、数据搜寻等功能与服务。
Spark是基于内存计算的大数据并行计算框架，因为可以更好的适用于需要迭代的算法，解决了Map
Reduce无法胜任实时快速计算的问题，逐渐形成了自己的生态系统BDAS。包括Spark Core、Tachyon、Mesos、BlinkDB、Spark SQL、Spark Streaming、ML-lib、MLBase、GraphX、Spark R、Scala等组件。提供大数据分布式处理编程框架、内存分布式文件系统、资源管理框架、大数据查询引擎、流计算框架、并行图计算、编程等功能，具有容错性更高的实时性保障，与更多样化的数据处理方法。
4.2 学习行为数据的采集、分析与展示
按照反映学生学习态度与学习能力的数据进行采集，并构建新的数据池承载。从在线教学平台可获取的数据包括学生的考勤、学习资源使用情况、课堂活动参与情况、作业完成情况、学习质量、兴趣点等。
通过数据间联系分析，对学生学习态度（学习投入程度）和学习能力（学习效果）进行量化。从学习行为中分析学习习惯是否科学，学习态度是否端正，学习能力有何欠缺，为正向干预提供数据支持。比如可以得出结论：一个学习行为无序的学生，其考试成绩不好是必然的结果。
表1 学习行为数据类型与量化分析
灵活使用H5、CSS、JS、Echart等技术（必要时需建模），将学生学习行为直观展示。可视化不是大数据技术，是数据的视觉表现形式，使枯燥的数据富有表现力和生动性，也具有分析和挖掘的作用，既要考虑数据表达方式，也要兼顾设计感和艺术性。平台主要作用是学生学习过程和成绩的呈现与分析、教学资源和各知识点的统计分析、管理各方面的需求，所以采用线图、柱图、饼图、雷达图、双轴图、进度条、网络图、散点图、仪表盘、词云等，分别表示学生学习状态、成绩对比、学习能力分析、学习进度、学习影响因素、学习深度广度区间、学习态度、关注点、兴趣点等。
4.3 学习行为分析平台的作用效果
随着在线学习普及与发展，教育平台越来越多，从功利和年龄角度选取大学生非功利性教学平台，以我校使用的中国大学慕课、超星学习通、智慧职教云等教学平台进行研究。在线教育的优势不再赘述，其面临学生学习驱动力不足、学习效率低下、互动效果差、教学资源众多但无质量评估等情况，在教学资源选择和合理使用及教学流程优化方面也存在不少问题。这些问题如果得不到有效解决，将严重影响在线教学的效果。
目前的教学平台虽有一些分析功能，但不够便捷直接，教师需要进行一些复杂繁琐的操作才能达到自己的需要。有些分析标准一刀切，效果不够良好。有了大数据智能分析功能，根据学生、教师、管理端的实际需求提供功能各异、直观呈现的数据分析结果，对学生、教师、学校的成长展开针对性的正向干预。
平台的分析功能要以学生为核心：
教师要为学生服务，管理端要为师生服务。消除教师怎么讲，学生怎么听的随意性，使学生从填鸭灌输的被动教育，转变为自主构建知识体系的主动学习是平台的核心任务。
学生端可以看到自己的学习进度，学习情况，在班级中的排名情况，课程的授课计划和老师发布的学习计划。学生按照预习、学习、复习、交流（讨论、求助）的环节完成学习，并形成学习行为记录。根据记录数据系统自动分析生成学生评价，降低老师工作量，保证其工作热情，同时使学生感受到关
注，获得心理满足，认鹅的营养价值
（下转第104页）
• 104
•
值范围，并且记下此时M 与Me 的差值记作Do ，则飞机先保持单一方向的继续侧斜，很短的时间内再进行一次M 值的测量，同上进行比较，如果如果M 小于Me-dM ，则记下M 与Me 的差值记作Dn ，如果Dn 相比于Do 已经有减小趋势，则使用此时的Dn 作为PID 环路的值e ，从而计算出控制量u 进行电机控制。如果M 大于Me+dM ，原理和上述相似。上述过程可以用公式(3)进行描述：
(3)
3 实际测试以及展望
本研究采用了MAG3110作为磁力计，同时使用STM32F103C8最小系统作为载体单片机完成测试。经过测试可以得到如图6所示的数据，可以看到，Z 轴测出了变化不同的数据，且变化均较大，可以实现上述的利用磁力计对地磁场进行探测并完成初步PID 闭环控制、姿态调整的方法。
但是测量过程中同时发现了一些不可避免的问题，由于地磁传感器是霍尔元件，故很容易受到外部电场磁场的干扰。四旋翼无人机存在大量的自身产生的电磁场，对这项设想的精准使用产生了较
大干扰，希望能在之后的研究中到合理的解决方法。
网上火车票售票时间图6 实际测试串口获得数据
（上接第101页）
清自己的优势与短板。对学生的评价以职业能力素养为标准，包括品德审美、知识能力、学习能力、技能水平、团队意识、创新精神、心理健康、情趣爱好等多维度指标。
平台分析功能要提供智能服务：
有了学生行为分析功能，教师的角不再只是知识传播者，而是学习信息提供者（不仅仅是教材）、贴合专业与学校实际的新教学资源开发者（不是课程）、优化授课效果的组织者、加强学习过程监控的管理者。在角转换过程中，不能增加教师任务量，而更侧重于教师教育理念的转变。教师提供大而全的教学资源，优化教学管理的评级体系，使其既照顾大多数学生，又根据其实际学习情况分级教学，构建学生可以接受和完成的个性化教学环境及干预服务。根据学生学习状态生成学习图谱画像和对学习资源分类分级的工作要由平台完成，使教师可直接采用针对性策略和方法，帮助学生产生正确适合的学习行为，避免传统教学中优生封顶与差生沉底现象的产生，促进各阶段学生学习效果，增加学习参与度和主动性。
教学资源的优化是平台需要解决的关键问题：
通过投票、问卷调查，结合资源的使用情况（浏览量、时长、评价等）进行教学资源的分类分级，对评价欠佳的学习资源进行更新从而保证教学效果。特别是推送资源的优化，要提升学生的专业视野，塑造其
人生观、价值观、审美情趣与心理健康，培养学习能力和专业素养。
把ie设为默认浏览器平台的数据分析要兼顾管理端的需求：
对教师教学效果和质量的评定是学校管理的重要工作。目前很多在线学习平台以提供教学过程功能为主，基本没有管理端的数据呈现，需要管理者自己提取数据进行分析。而数量过多的数据使管理者深感力不从心，导致管理缺乏数据支撑，或因为数据维度低导致管理简单粗暴，达不到预期效果。
以课程为着眼点，呈现课程主要结构，并对各知识点与授课教师进行整体和个体的分析展现。使管理者对某门课程整体情况和强弱项一目了然，进行针对性更强、效果更佳的督导。
随着教育科学和信息技术的不断发展完善，构建一个真正智慧教学平台的可行性已经毋庸置疑。但在开发过程中的困难还比较多，比如学习过程与未来发展之间的相关性研究，学习干预体制的优化，与学生思政教育的有机融合，教学资源的优化机制等。
未来已来，有信息化技术支撑的教育才是真正的现代化教育，才能真正焕发出勃勃生机。
基金项目：南阳市科技攻关项目“基于智慧课堂大数据的学习行为分析技术研究”（项目编号：KJGG2018136）。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论