“大數據”與教育的思考

于方軍 翟俊明

摘要：未來世界是信息處理的世界，如何更好地分析數據并與別人分享數據，也將是未來教育發展的一個方向。師生們在對Moodle網絡學習平臺的長時間研究應用過程中積累了大量的數據，如何深入應用這些數據，并通過分析這些數據對教育教學產生有意義的影響？本文通過數據挖掘技術分析了所積累的數據，進一步擴展Moodle的功能，以期更好地為教育事業服務。

關鍵詞：數據挖掘；Moodle

Moodle網絡學習平臺，是基于社會建構主義教育理論而開發的課程管理系統（CMS）。我校自2006年開始學習和使用Moodle平臺來支持教學，積累了大量的復雜數據，如何充分有效地使用這些數據成為了一個新課題。在讀了涂子沛老師的《大數據》后發現數據挖掘是一種有效利用這些數據的方法。目前，數據挖掘技術已經在商業領域得到了廣泛使用，如銀行、股市、保險、醫藥、零售等。將其應用于教育領域，勢必成為教育信息化發展的一種重要趨勢。

本研究選取本校利用Moodle搭建的網絡學習平臺，以2007～2012年學生學習數據作為研究對象，平臺（網址：http：//www.stjyzx.net/moodle）開設了初中階段的全部課程，特別是信息技術課全程在平臺上開展教學，學生通過Moodle平臺開展學習，并通過平臺提交自己的學習成果，利用平臺進行學習效果檢測。選取2008級學生（2011年畢業）作全程跟蹤研究樣本。選取2007級～2010級學生作對比研究樣本。

本研究立足于基礎教育，以期在普通中學從事教學工作的教師都能從本研究中獲益，所以只采用Moodle平臺本身提供一些表格，利用Excel對研究樣本開展Moodle平臺日志挖掘、測驗數據挖掘和互動評價數據挖掘研究，以期探索網絡學習活動分布特點，師生交互、生生交互的網絡結構特點，為網絡學習平臺上輔助教學的開展情況及教師利用網絡開展教學支持服務提供參考。

● 訪問日志的數據挖掘

網絡平臺都提供了訪問日志的功能，記錄用戶對平臺的訪問情況。通過分析這些數據，能了解學生的學習偏好、上網時間、感興趣學科、影響網絡學習的因素等。Moodle平臺對訪問情況的記錄包括日志、活動報表、參與報表三部分（Moodle2.3變為“日志”、“時時日志”、“課程活動”、“課程成員”又添加一個“時時日志”，其他三項為翻譯不同）。“日志”記錄了全體用戶所訪問的平臺模塊、各種操作以及發生的時間；“活動報表”利用日志數據表，對該門課程中訪問平臺各個模塊的具體情況進行分類匯總；“參與報表”可以得到具體學生和教師的訪問平臺模塊和各類操作行為情況、學生的訪問平臺時間特點等，并對其進行統計和分析，將分析結果進行可視化表示。

1.對平臺模塊總體訪問情況──日志

下頁表1是同一門課程學習過程中，2007～2010級5個人數相等或相近班級，師生訪問平臺的統計結果。從統計結果可知，師生最初對平臺的應用不是很熟練，局限于資源瀏覽、作業提交等操作；2009級9班和10班由不同教師分別設計上課，產生的數據差距說明課堂參與程度與教師對課程的設計是有關聯的；2010級的兩個班也是不同老師授課，但課程設計是在往年集體設計基礎上的不斷完善和改進。由此可見這種基于Moodle平臺的集體備課更容易實現資源共享和流程化的管理，可以更有效地通過技術來彌補教師人格魅力的不足，這樣就可將教師的差異性對學生學習效果影響降至最低。

2.對活動的參與情況──活動報表

下面以2009級和2010級學生為統計對象，對同一學習主題的學生在各個活動模塊中的參與情況進行統計，結果如表2所示，表中主要統計了五次“互動評價”活動和一次“測驗”活動的參與次數。從表2可以看出，2010級學生的參與率遠高于2009級，主要原因是因為教師在2010級設計教學時，實行了“代幣制”獎勵（獎勵可以為一段有趣動畫、一個能撥號上網的賬號或一個QQ號等），學生如果在“互動評價”和“測驗”中達到某個標準就能獲得一個獎勵，而前幾級都是采用教師檢查督促的方法。通過統計發現，實行“代幣制”獎勵后，學生參與活動的次數達到之前的2～4倍。說明對于初中階段的學生這種“代幣制”獎勵依然有效，且由于Moodle平臺統計是即時性質的，學生只要達到要求，Moodle平臺將自動出現獎勵，所以在網絡平臺上使用效果會更加及時有效。這一點可以通過完成此活動時間跨度的數據挖掘得以驗證。

3.對具體模塊的參與情況──參與報表

這一報表可以對具體學生，對具體模塊的參與情況做出更加細致的統計，通過這些數據挖掘可以發現某個學生，對哪個模塊感興趣以及對應產生的效果。本研究選取了五名偏科生進行了研究，發現學生的學習成績和學科模塊的參與情況統計是正相關的，教師可以參照參與活動不活躍的學生，開展有針對的教學干預。如何利用Moodle平臺對其加以糾正，又將是進一步研究的一個方向。

從上述分析可知，通過挖掘Moodle平臺日志，我們可以了解 Moodle平臺各模塊的訪問頻率、了解學生在平臺中所開展的各種活動的狀況、發現學生的學習偏好，并依據學生的平臺訪問行為對學生進行歸類，這些挖掘得到的信息將有助于教師改進教學活動設計和對學生學習情況的把握。

● 測驗數據的挖掘

在傳統教學中，教師一般通過考試分數對學生的學習效果進行評價，而對于試題分析、試卷分析、學生題目完成情況分析卻由于傳統紙質試卷統計上的費時費力，變得很難完成，從而使教學評價的作用不能有效發揮，網絡學習平臺在這些方面是有優勢的。Moodle平臺的測驗模塊有很好的統計分析功能，既有全體學生整體完成情況統計，又有具體到每一位學生每一個問題的單項分析（如下頁表3所示）。目前，采取數據挖掘技術對學生進行成績分析，可以從以下幾個方面入手：

1.試題分析

在測驗結構分析中，對那些存在異常情況的試題（如30題平臺會以紅色顯示）進行標記，并利用平臺記錄的數據對試題進行校正。每個試題的采用容易度指數在50%～70%之間均勻分布為最好。這一界限的設定將直接反應題目的鑒別能力。通過對題目進行難易程度的劃分，可以對試題進行一個良性的評價，同時有利于對學生學習情況的科學評價，還有利于教師有針對性地對題目進行講解。

2.試卷分析

如下頁表3前兩行所示，對本次考試總體成績及試卷進行了分析，在數據挖掘中，對試題的難度使用首次答題平均分和成績中值表示，這個數據將可以為試卷的組成提供選題的根據，從而對考試分數的分布偏度和分布形態產生直接的影響。理想情況下，整個試卷的分數分布偏度為0，本次測驗為負偏度說明題目較容易。

3.學生分析

Moodle平臺的測驗模式有多種，本測驗設置了多次試答取最高分顯示模式，以便學生在考試或者測試后立即獲得成績和排名，通過“回顧”找到自己學習知識點的優勢和不足，及時調整下一步的努力方向。因此可以通過數據挖掘技術對學生的多次試答成績進行分析，從而分析學生的進步情況、學習障礙、知識點和知識單元的掌握情況等，還可以利用一些更復雜的分析工具對其進行各科目測試成績的橫向比較。

總之，利用這些信息，教師可以持續地對測驗進行維護。例如，教師可以刪除不規范的題目，修改太難或太簡單的問題。這些分析結果可為學生了解自己的學習狀況、教師監控學生的學習狀況提供參考，并為教師做出教學決策提供依據。

目前應用存在的主要問題有：①某些學科試題編輯的難度大，如數學、物理、化學等學科涉及一些特殊符號，在試題編輯時一些填空、證明、計算題設計有一定難度。令人欣慰的是Moodle平臺是個開放性平臺，全世界對它感興趣的人都在不斷完善它，如WIRIS就是一個專門為數學開發的插件，利用它可以完成大部分數學試題編輯。②有些題目還無法實現自動判分，不能及時反饋，如語文、英語學科的作文就只能輔助以人工判分。

● Moodle平臺的互動評價（Workshop）的數據挖掘

“互動評價”是其他網絡學習平臺所不具備的，Moodle平臺的互動評價是為教學“量身定制”的，評價可以具體到學生作品的某個具體的點，并且能用具體的分數和等級體現。互動評價是同學間的評價。即由同班級學生，針對某個作品進行學習成果互評。在此過程中，學生的角色不再只是被評價者，不只是完成自己的作業，還要對別人的作品進行評價，因此要仔細欣賞別人的作品，表達自己的觀點、提出批判及建議的同時也要學習別人的優點。而就被評者的角色而言，學生在接受別人的建議后，進一步修改作品。通過反復的評價及修改，在互動評價過程中，學生們可以借此不斷地累積學習經驗。所以互動評價不只是評價，其過程更是一個學習的過程。而“學生自評”顧名思義就是學生根據教師給出的評價標準和自己的完成過程及滿意程度給自己的作品做出評價，是學生提高自我認識、促進自我反省的過程。對互動評價的數據挖掘主要從以下三方面進行。

1.教師參與情況統計分析

Moodle2.0后的版本對互動評價進行了改寫，將教師和學生置于同等位置，減小了教師對學生的評價干預。通過兩種評價比較分析發現，如果評價設計合理，不僅能正確評價學生，并且更有利于培養學生公正評價自己和他人的態度。

2.學生評價對象分配統計分析

Moodle2.0后的版本中學生的評價對象既可以隨機分配也可以手動分配。為促使小組成員公正互評，防止惡評，可以進行分組用組成績評價學生，分配時“啟用防止同組學生互評”選項，每一個作品評價人數和每一個成員評價作品數都控制在5人以上，這樣每一學生對同一作品評價行為都受到其他人制約。通過對不同版本評價的數據研究發現，在學生的時間允許情況下，參與評價的人數越多評價結果越趨于合理。

3.學生評價數據的統計分析

最初使用互動評價時，采用了讓學生對評價作品打分方法評價作品。弊端是學生評價作品標準不同，而且學生很難區分分數細微差別。隨著應用深入，在評價表中設計了“是/否”、“好/中/差”（3級）、“很好/好/中/差/很差”（5級）等評價標準，結合打分方法，使得學生對作品既有定量評價，又有定性評價。通過對比研究發現評價結果更加趨于合理。

總之，通過對網絡課程的數據進行挖掘，可為教師提供如學生在線參與學習活動情況、學生的學習偏好、學習效果等信息，通過這些信息教師可以進一步改進教學策略，以提高教學效果和質量。通過研究發現教師在課程中的主導作用在逐漸淡化，成為了課程設計的“幕后導演”，雖然沒有了“主演”的風光，卻從更深層次決定了課程的質量。

參考文獻：

[1]涂子沛.大數據[M].桂林：廣西師范大學出版社，2012.

[2]黎加厚.信息化課程設計——Moodle信息化學習環境的創設[M].上海：華東師范大學出版社，2007.

[3]魏順平.Moodle平臺數據挖掘研究[J].中國遠程教育，2011（01）.

[4]王全旺，趙兵川.數據挖掘技術在Moodle課程管理系統中的應用研究[J].電化教育研究，2011（11）.

[5]李釗，熊威，李琪.數據挖掘在Moodle平臺中的應用淺析[J].計算機光盤軟件與應用，2011（12）.

[6]姜躍.數據挖掘在網絡教學平臺中的應用[J].軟件導刊，2011（10）.

[7]劉宇.基于Moodle平臺的遠程學習監控與動態評價[J].南京郵電大學學報（社會科學版），2011（6）.