基于大數(shù)據(jù)的個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型及實(shí)現(xiàn) *

姜 強(qiáng)，趙 蔚，王朋嬌，王麗萍

(1.東北師范大學(xué) 計(jì)算機(jī)科學(xué)與信息技術(shù)學(xué)院，吉林 長春 130117；2.遼寧師范大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院，遼寧 大連 116029；3.吉林大學(xué) 教育技術(shù)中心，吉林 長春 130062)

基于大數(shù)據(jù)的個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型及實(shí)現(xiàn) *

姜 強(qiáng)1，趙 蔚1，王朋嬌2，王麗萍3

(1.東北師范大學(xué) 計(jì)算機(jī)科學(xué)與信息技術(shù)學(xué)院，吉林 長春 130117；2.遼寧師范大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院，遼寧 大連 116029；3.吉林大學(xué) 教育技術(shù)中心，吉林 長春 130062)

通過大數(shù)據(jù)學(xué)習(xí)分析模型，能夠深入探究學(xué)習(xí)者的學(xué)習(xí)過程與情境，發(fā)現(xiàn)學(xué)習(xí)規(guī)律，根據(jù)每一個(gè)學(xué)生的需求和能力為其提供個(gè)性化自適應(yīng)學(xué)習(xí)。本研究綜述了大數(shù)據(jù)的內(nèi)涵及應(yīng)用，從微觀視角提出了大數(shù)據(jù)之“大”，不在于其表象的“大容量”，而在于分析數(shù)據(jù)的全面性和潛在的“大價(jià)值”?；诖髷?shù)據(jù)分析,從數(shù)據(jù)與環(huán)境(What)、關(guān)益者(Who)、方法(How)和目標(biāo)(Why)等4個(gè)維度構(gòu)建個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型。以《C語言程序設(shè)計(jì)》課程學(xué)習(xí)為例，從基于大數(shù)據(jù)個(gè)性化自適應(yīng)的學(xué)習(xí)過程結(jié)構(gòu)、學(xué)習(xí)過程可視化及學(xué)習(xí)效果實(shí)證等方面進(jìn)行分析，研究結(jié)果表明對學(xué)生學(xué)習(xí)行為與知識掌握的數(shù)據(jù)分析，能夠推薦合理的學(xué)習(xí)路徑與恰當(dāng)難度的學(xué)習(xí)資源，可對學(xué)生的學(xué)習(xí)效果做及時(shí)準(zhǔn)確的反饋，提供個(gè)性化服務(wù)干預(yù)，有利于促進(jìn)教與學(xué)。

大數(shù)據(jù)；個(gè)性化自適應(yīng)學(xué)習(xí)；學(xué)習(xí)分析；可視化

一、引言

從基礎(chǔ)教育到高等教育，盡管教育體制較完善，能夠起到很好的教書育人之目的，但存在共性問題是教師只會按照自己的思路講課，完成教學(xué)任務(wù)，少有考慮學(xué)生的接受能力，缺少有效教學(xué)策略激發(fā)學(xué)生的學(xué)習(xí)興趣和主觀能動性，嚴(yán)重影響學(xué)生自覺性和積極性，導(dǎo)致思維能力喪失，主動獲取知識的能力和創(chuàng)新能力不斷被削減。究其原因缺乏真正關(guān)注學(xué)生的個(gè)體差異與不同需求，自始至終沒有實(shí)現(xiàn)自孔子時(shí)期就提出的一種教育思想“因材施教”，也即個(gè)性化教育。鑒于此，從教育學(xué)界的專家學(xué)者到地方學(xué)校的各類教師，都在努力探索實(shí)現(xiàn)之道，遺憾的是至今仍未給出合理有效的答案，主要原因在于無論是教師還是家長都無法掌握每位學(xué)生的學(xué)習(xí)程度，不能及時(shí)跟蹤學(xué)生真實(shí)的學(xué)習(xí)情況，亦不能及時(shí)動態(tài)調(diào)整學(xué)生的學(xué)習(xí)策略。但是，伴隨著移動互聯(lián)網(wǎng)迅速發(fā)展，教育信息化的普及與深入，知識傳播與獲取的方式產(chǎn)生了根本變化，在線學(xué)習(xí)興起并逐漸被教師、學(xué)生、家長所認(rèn)可，不僅是因?yàn)樵诰€學(xué)習(xí)可以實(shí)現(xiàn)終生學(xué)習(xí)、寬生學(xué)習(xí)和深生學(xué)習(xí)，從時(shí)間維度、空間維度和內(nèi)容維度勾勒了立體化的學(xué)習(xí)圖景，使學(xué)生能夠得到豐富優(yōu)質(zhì)學(xué)習(xí)資源，更重要的是通過在線學(xué)習(xí)能夠深度挖掘?qū)W習(xí)者信息，是實(shí)現(xiàn)學(xué)生個(gè)性化學(xué)習(xí)的有效學(xué)習(xí)方式，能夠使教育變成老師和學(xué)生之間動態(tài)教和學(xué)的關(guān)系，實(shí)現(xiàn)以學(xué)生的差異認(rèn)知需求為中心，每個(gè)人可以按照自己的方式、學(xué)習(xí)路徑和偏好來進(jìn)行學(xué)習(xí)，從而達(dá)到自己最大的學(xué)習(xí)潛能，真正更高效、扎實(shí)地掌握知識，尤其因“大數(shù)據(jù)”“學(xué)習(xí)分析”等前沿技術(shù)的成熟，更為個(gè)性化自適應(yīng)學(xué)習(xí)提供了保障。

大數(shù)據(jù)時(shí)代的在線學(xué)習(xí)，實(shí)現(xiàn)全面地記錄、跟蹤、掌握和可視化學(xué)習(xí)者的不同學(xué)習(xí)特點(diǎn)、學(xué)習(xí)需求、學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)行為，為不同的學(xué)生建立學(xué)習(xí)模型并為不同類型的學(xué)習(xí)者打造個(gè)性化的學(xué)習(xí)路徑，每個(gè)人的學(xué)習(xí)內(nèi)容不再千篇一律，會根據(jù)用戶個(gè)性化的學(xué)習(xí)軌跡動態(tài)呈現(xiàn)?？梢?，大數(shù)據(jù)學(xué)習(xí)分析讓教育變得千人千面，暗合了“因材施教”的理念，形成了解自我、喚醒自我并實(shí)現(xiàn)自我的過程，恰好適應(yīng)了個(gè)性化和人性化的學(xué)習(xí)變化，從學(xué)習(xí)中真正找到幸福感。然而，學(xué)習(xí)者在大數(shù)據(jù)在線學(xué)習(xí)環(huán)境中學(xué)習(xí)效果如何，對課程資源的理解程度怎樣，海量的學(xué)習(xí)者學(xué)習(xí)行為模式又是如何作為后續(xù)教學(xué)的參考，目前還沒有提出較成熟的整體解決方案。因此，本研究將針對教學(xué)系統(tǒng)的其中一個(gè)重要組成部分——學(xué)習(xí)效果評測，基于大數(shù)據(jù)和學(xué)習(xí)分析技術(shù)探究個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型及其基本實(shí)現(xiàn)。

二、大數(shù)據(jù)內(nèi)涵及應(yīng)用

數(shù)據(jù)，是記錄信息的載體，是知識的來源。數(shù)據(jù)的激增，意味著人類的記錄范圍，測量范圍和分析范圍在不斷擴(kuò)大，知識的邊界在不斷延伸。數(shù)據(jù)具有越來越強(qiáng)的可視性、可操作性和可用性，能夠越來越細(xì)致、精準(zhǔn)、全面和及時(shí)地反映個(gè)人的思維、行為和情感以及事物的特性和發(fā)展規(guī)律，以更加有效地為提升人類各方面的生產(chǎn)力和生活質(zhì)量服務(wù)，正如比爾·蓋茨曾在德克薩斯州首府奧斯汀舉行的一個(gè)教育會議上說：“利用數(shù)據(jù)分析的教育大數(shù)據(jù)能夠提高學(xué)生的學(xué)習(xí)成績，拯救美國的公立學(xué)校系統(tǒng)，教育技術(shù)的發(fā)展是數(shù)據(jù)”[1]，尤其伴隨著移動互聯(lián)網(wǎng)的發(fā)展，迎接的是大數(shù)據(jù)，對于大數(shù)據(jù)的理解可以從宏觀和微觀兩個(gè)層面論述，其中目前多數(shù)國內(nèi)外學(xué)者是從宏觀層面對大數(shù)據(jù)進(jìn)行相關(guān)研究，將其定義為需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)，具有4V特點(diǎn)，如Volume(數(shù)據(jù)量大)、Velocity(實(shí)時(shí)性強(qiáng))、 Variety(種類多樣)、Veracity(真實(shí)性)[2]，還有些學(xué)者認(rèn)為應(yīng)該加入另外兩個(gè)V ：Value(價(jià)值)和Visualization(可視化)[3]。筆者認(rèn)為從宏觀角度還不足以認(rèn)識到大數(shù)據(jù)的應(yīng)用前景和價(jià)值，尤其在教育領(lǐng)域中的應(yīng)用，更應(yīng)從微觀視角去理解大數(shù)據(jù)的內(nèi)涵，它是一種價(jià)值觀、方法論。大數(shù)據(jù)之“大”，其側(cè)重點(diǎn)并不在于其表象的“大容量”，而在于分析數(shù)據(jù)的全面性和潛在的“大價(jià)值”。教育中的大數(shù)據(jù)分析應(yīng)以嶄新的思維和技術(shù)重點(diǎn)對學(xué)習(xí)過程中的微觀表現(xiàn)進(jìn)行測量，從多個(gè)維度，如努力程度、學(xué)習(xí)態(tài)度、智力水平、領(lǐng)域能力、交互協(xié)作等深層次挖掘有價(jià)值數(shù)據(jù)信息，揭示其中隱藏的學(xué)習(xí)行為等模式并以可視化方式呈現(xiàn)，一方面實(shí)現(xiàn)教師根據(jù)學(xué)習(xí)者的學(xué)習(xí)行為分析其知識基礎(chǔ)和認(rèn)知能力為學(xué)習(xí)者定制個(gè)性化學(xué)習(xí)方案，實(shí)施教學(xué)干預(yù)，促進(jìn)教與學(xué)；另一方面系統(tǒng)全面地記錄、跟蹤和掌握學(xué)習(xí)者特性、學(xué)習(xí)需求、學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)行為，為不同類型的學(xué)習(xí)者適應(yīng)性推送教學(xué)資源、學(xué)習(xí)路徑等，促進(jìn)個(gè)體理解的學(xué)與教的知識結(jié)構(gòu)，給養(yǎng)個(gè)性化發(fā)展[4]。其實(shí)學(xué)生、教師一言一行，所有學(xué)校里發(fā)生的事物，無不可以轉(zhuǎn)化為數(shù)據(jù)。當(dāng)每個(gè)在校學(xué)生都能用自己的計(jì)算機(jī)終端學(xué)習(xí)，包括上課、讀書、寫筆記、做作業(yè)、發(fā)博客、進(jìn)行實(shí)驗(yàn)、討論問題、參加各種活動等便是教育大數(shù)據(jù)一個(gè)來源。與之相應(yīng)的學(xué)生利用這些課程在網(wǎng)上學(xué)習(xí)、互動 、互助，這些都將是教育大數(shù)據(jù)所在。由于人的感覺中存在盲點(diǎn)，直覺不可信任，理性思維也有局限，大腦即使有驚人的記憶力，也未必有驚人的信息加工能力，因此無論是學(xué)生的學(xué)習(xí)需求分析以便向他們推送最適當(dāng)?shù)膶W(xué)習(xí)資源，還是根據(jù)學(xué)生的教育行為進(jìn)行評價(jià)，都需要基于大數(shù)據(jù)的自我量化，去記錄、研究、分析自己的在線學(xué)習(xí)行為，走出錯(cuò)覺、認(rèn)識真正的自己、提高自己。

在美國、英國高等教育中，已有學(xué)者研究證明了采用大數(shù)據(jù)探測性地分析學(xué)生閱讀在線課程資料、提交作業(yè)、與同學(xué)交流及考試測驗(yàn)中，知道導(dǎo)致學(xué)習(xí)成績表現(xiàn)不良的警告性信息，提出改進(jìn)建議，給出一些干預(yù)性指導(dǎo)，以確保學(xué)生以最有效、最高效的方式學(xué)習(xí)從而可以改善學(xué)生出勤率、輟學(xué)率等，提高學(xué)習(xí)成績，改進(jìn)教學(xué)[5-8]。美國哈佛和麻省理工大數(shù)據(jù)學(xué)習(xí)分析EDX課程平臺信息，研究世界各國學(xué)習(xí)者的行為模式、增加了行為評價(jià)和學(xué)習(xí)誘導(dǎo)的成分，便于打造更好的在線平臺，讓最多的學(xué)習(xí)者在上面學(xué)習(xí)、使用。此外，國外的一些企業(yè)也探討大數(shù)據(jù)在教育中的應(yīng)用價(jià)值，美國的“夢盒學(xué)習(xí)”(DreamBox Learning)公司和“紐頓”(Knewton)公司，已經(jīng)成功創(chuàng)造并發(fā)布了利用大數(shù)據(jù)的適應(yīng)性學(xué)習(xí)系統(tǒng)，向數(shù)百萬名學(xué)生提供個(gè)性化的學(xué)習(xí)服務(wù)，向他們提供真實(shí)可信的學(xué)習(xí)數(shù)據(jù)，讓學(xué)校通過這些數(shù)據(jù)提高學(xué)生的學(xué)習(xí)效果并降低教學(xué)成本。美國紐約的麥格勞·希爾(McGraw-Hill)公司 、英國倫敦的培生(Pearson)集團(tuán)共同開發(fā)的“課程精靈”系統(tǒng)，能夠跟蹤學(xué)生的學(xué)業(yè)進(jìn)展，并顯示學(xué)生的學(xué)習(xí)參與度和學(xué)習(xí)成績等大量的數(shù)據(jù)信息。加拿大的“渴望學(xué)習(xí)”(Desire2Learn)企業(yè)面向高等教育領(lǐng)域的學(xué)生推出“學(xué)生成功系統(tǒng)”，系統(tǒng)地分析每個(gè)學(xué)生的在線學(xué)習(xí)數(shù)據(jù)，能及時(shí)診斷問題的所在，提出改進(jìn)的建議，并預(yù)測學(xué)生的期末考試成績[1]。

相比而言，國內(nèi)研究者針對大數(shù)據(jù)在教育領(lǐng)域中的應(yīng)用研究很少，少數(shù)學(xué)者從理論層面提出了大數(shù)據(jù)學(xué)習(xí)分析在考試評價(jià)[9]、促進(jìn)高校教師專業(yè)發(fā)展[10]等研究。也有部分企業(yè)充分利用大數(shù)據(jù)從事在線教育，如梯子網(wǎng)基于大數(shù)據(jù)技術(shù)的應(yīng)用能夠全程追蹤學(xué)生的學(xué)習(xí)軌跡，分析出學(xué)生的思維習(xí)性和思考方式，能夠檢測到每個(gè)學(xué)生的薄弱環(huán)節(jié)，最終能給學(xué)生針對性的學(xué)習(xí)方案。同時(shí)，可以讓家長能夠通過可視化的數(shù)據(jù)分析及作業(yè)報(bào)告隨時(shí)了解孩子的考試、學(xué)習(xí)情況；猿題庫基于大數(shù)據(jù)技術(shù)也推出了“智能練習(xí)”的產(chǎn)品，通過匹配答題情況和考試要求，向?qū)W生推薦需要強(qiáng)化的題目類型，同時(shí)還會將學(xué)生整個(gè)答題過程記錄下來，實(shí)時(shí)評估能力變化，以報(bào)告的形式告訴學(xué)生其能力增長曲線；百度教育上線了高考小助手、專業(yè)預(yù)測、模擬填報(bào)等功能，通過搜索數(shù)據(jù)分析與資源整合，利用大數(shù)據(jù)與自然語言算法將搜索數(shù)據(jù)與個(gè)性化需求相匹配，為考生在估分、報(bào)考、專業(yè)選擇上提供幫助。此外，大數(shù)據(jù)除了在教育方面的應(yīng)用外，大數(shù)據(jù)在如淘寶等購物網(wǎng)站、優(yōu)酷等視頻網(wǎng)站、豆瓣等音樂網(wǎng)站，都已有針對用戶數(shù)據(jù)的分析系統(tǒng)。這些網(wǎng)站從用戶注冊的那一刻起，就開始搜集有關(guān)用戶習(xí)慣及喜好的數(shù)據(jù)，以便日后實(shí)現(xiàn)內(nèi)容及廣告的精準(zhǔn)推薦。天貓攜手阿里云、萬網(wǎng)聯(lián)合推出“聚石塔” 平臺，為天貓、淘寶平臺上的電商及電商服務(wù)商等提供數(shù)據(jù)云服務(wù)；進(jìn)入大數(shù)據(jù)時(shí)代后，騰訊將從這些海量數(shù)據(jù)中挖掘、分辨出用戶的行為模式、興趣偏好等，更準(zhǔn)確地向用戶推薦合適內(nèi)容。

由此可見，大數(shù)據(jù)是教育未來的根基，用來分析和統(tǒng)一某個(gè)學(xué)生群體或個(gè)體對不同知識點(diǎn)的掌握情況，當(dāng)某個(gè)知識點(diǎn)的題目被頻繁做錯(cuò)的時(shí)候，系統(tǒng)就會在接下來的模擬測試中不斷強(qiáng)化出現(xiàn)與這個(gè)知識點(diǎn)相關(guān)的題目，以鞏固學(xué)習(xí)效果，這不是幫人“作弊”，而是強(qiáng)化理解知識的方式。數(shù)據(jù)專家涂子沛也曾說：“大數(shù)據(jù)，將成為我們下一個(gè)觀察和監(jiān)測人類自身社會行為的‘顯微鏡’和‘儀表盤’”[11]。沒有數(shù)據(jù)的留存和深度挖掘，教育信息化只能流于形式，從孔子的竹簽流傳到蔡倫的造紙術(shù)再到活字印刷術(shù)，每一次技術(shù)的革命都革新了教育的一個(gè)時(shí)代。同樣，今天計(jì)算機(jī)和信息技術(shù)的發(fā)展，大數(shù)據(jù)的發(fā)展使得教育面臨新的一場革命。誠然，目前的大數(shù)據(jù)與理想中的大數(shù)據(jù)形態(tài)的距離并不在于數(shù)據(jù)源的多少上，問題是在于如何去建構(gòu)一個(gè)科學(xué)合理的分析模型，并相信、堅(jiān)持分析模式的輸出結(jié)果，通過不斷地修正分析模型，實(shí)現(xiàn)全面跟蹤和掌握學(xué)生特點(diǎn)、學(xué)習(xí)行為、學(xué)習(xí)過程，分析出學(xué)生的思維習(xí)性和思考方式，進(jìn)行有針對性的教學(xué)，更準(zhǔn)確地評價(jià)學(xué)生，出現(xiàn)真正的“因材施教”“個(gè)性化學(xué)習(xí)”，提高學(xué)生的學(xué)習(xí)質(zhì)量和學(xué)習(xí)效率。

三、基于大數(shù)據(jù)建構(gòu)個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型

1.基于大數(shù)據(jù)的個(gè)性化自適應(yīng)學(xué)習(xí)過程結(jié)構(gòu)

美國《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》簡報(bào)中給出了學(xué)習(xí)者自適應(yīng)學(xué)習(xí)結(jié)構(gòu)及數(shù)據(jù)流程[5]，實(shí)現(xiàn)了數(shù)據(jù)分析顯性數(shù)據(jù)和隱性數(shù)據(jù)，構(gòu)建學(xué)習(xí)者特征模型，然后向其提供適應(yīng)性的學(xué)習(xí)路徑、學(xué)習(xí)對象等，同時(shí)教師也能根據(jù)學(xué)習(xí)者學(xué)習(xí)行為、學(xué)習(xí)需求，實(shí)施個(gè)性化指導(dǎo)、干預(yù)，整個(gè)過程中主要是學(xué)習(xí)者與系統(tǒng)、學(xué)習(xí)者與教師之間的交互學(xué)習(xí)，然而學(xué)習(xí)者與學(xué)習(xí)者之間的交互未能體現(xiàn)，不利于學(xué)習(xí)者發(fā)現(xiàn)新知識，因此基于大數(shù)據(jù)的個(gè)性化自適應(yīng)學(xué)習(xí)系統(tǒng)還需要考慮到利用協(xié)同過濾技術(shù)實(shí)現(xiàn)向?qū)W習(xí)者推送與其有相同或相近興趣偏好特性學(xué)習(xí)者的學(xué)習(xí)信息，即整個(gè)學(xué)習(xí)過程既實(shí)現(xiàn)了學(xué)習(xí)者控制學(xué)習(xí)、自我調(diào)節(jié)學(xué)習(xí)，教師個(gè)性化干預(yù)指導(dǎo)，又實(shí)現(xiàn)了系統(tǒng)根據(jù)用戶特征適應(yīng)性推送物化資源進(jìn)行學(xué)習(xí)和推送具有類似學(xué)習(xí)興趣偏好的學(xué)習(xí)者在學(xué)習(xí)過程中產(chǎn)生式信息進(jìn)行學(xué)習(xí)。本研究提供了基于大數(shù)據(jù)的個(gè)性化自適應(yīng)學(xué)習(xí)結(jié)構(gòu)[12]，如下頁圖1所示。

基于大數(shù)據(jù)的個(gè)性化自適應(yīng)學(xué)習(xí)結(jié)構(gòu)有7個(gè)環(huán)節(jié)組成，充分說明了學(xué)習(xí)者可實(shí)現(xiàn)學(xué)習(xí)的途徑和方法。其中通過(1)(4)(5)(6)等4個(gè)環(huán)節(jié)，可以實(shí)現(xiàn)學(xué)習(xí)者根據(jù)儀表盤中可視化信息(如學(xué)習(xí)者特征、學(xué)習(xí)結(jié)果、學(xué)習(xí)需求等)進(jìn)行自組織學(xué)習(xí)，制定并執(zhí)行學(xué)習(xí)計(jì)劃、自主選擇學(xué)習(xí)策略、學(xué)習(xí)資源、對學(xué)習(xí)進(jìn)行自我評估，有助于提高學(xué)生的學(xué)習(xí)能動性和主動性；通過(1)(2)(3)等3個(gè)環(huán)節(jié)可以實(shí)現(xiàn)系統(tǒng)采用貝葉斯網(wǎng)絡(luò)、協(xié)同過濾推薦技術(shù)、項(xiàng)目反映理論、Felder-Silverman學(xué)習(xí)風(fēng)格模型及霍夫斯坦德文化模型等判定學(xué)習(xí)風(fēng)格、興趣偏好、知識水平、學(xué)習(xí)文化等學(xué)習(xí)者特征，適應(yīng)性呈現(xiàn)個(gè)性化、可視化的學(xué)習(xí)路徑、學(xué)習(xí)資源、同伴信息、工具等，有助于培養(yǎng)學(xué)生的自我效能感；通過(1)(2)(4)(5)(7)等5個(gè)環(huán)節(jié)，可以實(shí)現(xiàn)教師、管理者根據(jù)信息面板中可視化用戶信息，調(diào)整教學(xué)策略，實(shí)施個(gè)性化指導(dǎo)和教學(xué)干預(yù)，有助于掌握學(xué)習(xí)者的學(xué)習(xí)規(guī)律，優(yōu)化學(xué)習(xí)過程，改進(jìn)學(xué)習(xí)效果，提升教育質(zhì)量。

2.個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型建構(gòu)

從基于大數(shù)據(jù)的個(gè)性化自適應(yīng)學(xué)習(xí)過程結(jié)構(gòu)中可知，既需要考慮學(xué)生個(gè)性化特征，又要考慮從海量數(shù)據(jù)中挖掘有價(jià)值的個(gè)性化學(xué)習(xí)信息方法等。因此，本研究結(jié)合項(xiàng)目研發(fā)的自適應(yīng)學(xué)習(xí)系統(tǒng)[13]，以個(gè)性化自主學(xué)習(xí)、個(gè)性化自適應(yīng)推薦、個(gè)性心理學(xué)和計(jì)算機(jī)科學(xué)為理論基礎(chǔ)，從數(shù)據(jù)與環(huán)境(What)、關(guān)益者(Who)、方法(How)和目標(biāo)(Why)等4維度構(gòu)建個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型，如圖2所示[14]。

圖1 基于大數(shù)據(jù)的個(gè)性化自適應(yīng)學(xué)習(xí)結(jié)構(gòu)

圖2 個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型

(1)數(shù)據(jù)與環(huán)境(What)

數(shù)據(jù)環(huán)境主要是自適應(yīng)學(xué)習(xí)系統(tǒng)、社會媒體(如博客、微博、社交網(wǎng)絡(luò)、維基百科、播客等)、傳統(tǒng)學(xué)習(xí)管理系統(tǒng)(如Blackboard、Moodle等)以及開放學(xué)習(xí)環(huán)境(如MOOCs)等，經(jīng)過學(xué)習(xí)者與學(xué)習(xí)者、學(xué)習(xí)者與教師、學(xué)習(xí)者與資源等直接和間接交互后生成海量數(shù)據(jù)(包括結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù))，其中多數(shù)數(shù)據(jù)來自自適應(yīng)學(xué)習(xí)系統(tǒng)中的讀、寫、評價(jià)、資源分享、測試等活動數(shù)據(jù)和交互生成性數(shù)據(jù)，大數(shù)據(jù)的產(chǎn)生為預(yù)測、學(xué)習(xí)干預(yù)、處理學(xué)習(xí)行為、個(gè)性化自適應(yīng)學(xué)習(xí)提供了重要依據(jù)。同時(shí)，需要考慮將數(shù)據(jù)環(huán)境中生成的開放、碎片化及異構(gòu)數(shù)據(jù)進(jìn)行有效聚合，滿足學(xué)習(xí)者的學(xué)習(xí)需求，實(shí)現(xiàn)學(xué)習(xí)者對知識資源主動建構(gòu)，促進(jìn)學(xué)習(xí)者在線自主學(xué)習(xí)。

(2)關(guān)益者(Who)

根據(jù)作用不同，關(guān)益者包括學(xué)生、教師、智能導(dǎo)師、教育機(jī)構(gòu)、研究者和系統(tǒng)設(shè)計(jì)師等，其中前4者影響較大。對于學(xué)生而言，考慮的是自組織學(xué)習(xí)，同時(shí)需要有能力保護(hù)用戶信息，防止數(shù)據(jù)被濫用，注意隱私和倫理道德問題；對教師而言，根據(jù)學(xué)習(xí)者信息調(diào)整教學(xué)策略，實(shí)施干預(yù)；對于智能導(dǎo)師，根據(jù)學(xué)習(xí)者特征，如學(xué)習(xí)風(fēng)格、興趣偏好、知識水平等，個(gè)性化推薦學(xué)習(xí)資源、學(xué)習(xí)路徑；對于教育機(jī)構(gòu)而言，分析潛在危險(xiǎn)的學(xué)生發(fā)出警告并實(shí)施干預(yù)，改善學(xué)生期末考試的成績、平時(shí)的出勤率、輟學(xué)率、升學(xué)率等。

(3)方法(How)

為了全面地記錄、跟蹤和掌握學(xué)習(xí)者的不同學(xué)習(xí)特點(diǎn)、學(xué)習(xí)需求、學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)行為，并為不同類型的學(xué)習(xí)者打造個(gè)性化學(xué)習(xí)，大數(shù)據(jù)學(xué)習(xí)分析方法主要采用統(tǒng)計(jì)法、知識可視化、個(gè)性化推薦、數(shù)據(jù)挖掘和社會網(wǎng)絡(luò)分析等。其中統(tǒng)計(jì)學(xué)方法主要運(yùn)用相關(guān)分析和回歸分析，確定影響學(xué)習(xí)者交互行為與成績相關(guān)因素并構(gòu)建結(jié)構(gòu)模型，起到預(yù)警作用；利用可視化技術(shù)，使學(xué)習(xí)者更加易于理解知識資源，促進(jìn)學(xué)習(xí)者對知識的主動建構(gòu)及知識遷移；個(gè)性化推薦技術(shù)主要有基于內(nèi)容推薦技術(shù)和協(xié)同過濾技術(shù)，實(shí)現(xiàn)了系統(tǒng)依據(jù)學(xué)習(xí)者特征個(gè)性化自適應(yīng)推送學(xué)習(xí)資源、學(xué)習(xí)路徑等；常用的數(shù)據(jù)挖掘技術(shù)有預(yù)測、聚類、關(guān)聯(lián)規(guī)則挖掘等，用于收集、處理、分析學(xué)習(xí)交互行為，提煉出有價(jià)值信息，了解學(xué)生已經(jīng)掌握什么和沒有掌握什么，然后實(shí)施教學(xué)干預(yù)，從而改進(jìn)教學(xué)；運(yùn)用社會網(wǎng)絡(luò)分析法，可以形成人際網(wǎng)絡(luò)，不但可以了解學(xué)習(xí)者如何在網(wǎng)絡(luò)學(xué)習(xí)中建立并維持關(guān)系從而為自己的學(xué)習(xí)提供支持，還可以判斷哪些學(xué)習(xí)者從哪些同伴那里得到了啟示，學(xué)習(xí)者在哪里產(chǎn)生了認(rèn)知上的困難，又是哪些情境因素影響了學(xué)習(xí)者的學(xué)習(xí)過程等。當(dāng)然，最為關(guān)鍵的是要考慮綜合運(yùn)用這些技術(shù)，通過大數(shù)據(jù)設(shè)計(jì)為提高學(xué)生成績提供支持的個(gè)性化自適應(yīng)學(xué)習(xí)分析系統(tǒng)，同時(shí)要確保系統(tǒng)性能良好、具有可用性和可擴(kuò)展性。

(4)目標(biāo)(Why)

大數(shù)據(jù)學(xué)習(xí)分析可以發(fā)現(xiàn)并研究利用原本隱藏的學(xué)習(xí)行為信息，提供給各個(gè)層次的使用者，實(shí)現(xiàn)目標(biāo)主要有監(jiān)控/分析、預(yù)測/干預(yù)、智能授導(dǎo)/自適應(yīng)、評價(jià)/反饋、個(gè)性化推薦和反思等并制定相應(yīng)的測量指標(biāo)。其中，自適應(yīng)與個(gè)性化推薦是兩個(gè)最重要的實(shí)現(xiàn)目標(biāo)，主要實(shí)現(xiàn)學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)環(huán)境下學(xué)習(xí)的兩大需求：其一是學(xué)習(xí)者控制學(xué)習(xí)，即學(xué)習(xí)者主動地適應(yīng)遠(yuǎn)程學(xué)習(xí)方式，實(shí)現(xiàn)學(xué)習(xí)者自我組織，制定并執(zhí)行學(xué)習(xí)計(jì)劃、自主選擇學(xué)習(xí)策略，對學(xué)習(xí)進(jìn)行自我評估；其二是適應(yīng)性學(xué)習(xí)，是一種系統(tǒng)主動向?qū)W習(xí)者注入資源的學(xué)習(xí)方式，即系統(tǒng)能采用聚類、貝葉斯網(wǎng)絡(luò)、決策樹、因子分析、隱馬爾可夫模型、費(fèi)爾德—希爾弗曼(Felder-Silverman)學(xué)習(xí)風(fēng)格模型及霍夫斯坦德文化五維度模型預(yù)測判斷學(xué)習(xí)風(fēng)格、興趣偏好、知識水平、學(xué)習(xí)文化等學(xué)習(xí)者特征，實(shí)施相應(yīng)的教學(xué)策略，適應(yīng)性呈現(xiàn)個(gè)性化、可視化的學(xué)習(xí)路徑、學(xué)習(xí)資源、同伴、工具等。監(jiān)控/分析、預(yù)測/干預(yù)也是主要的實(shí)現(xiàn)目標(biāo)，跟蹤學(xué)習(xí)者當(dāng)前學(xué)習(xí)活動、行為和成績，生成學(xué)習(xí)報(bào)告，并構(gòu)建預(yù)測模型，有助于教師對學(xué)生的學(xué)習(xí)過程實(shí)施干預(yù)，同時(shí)也為未來學(xué)習(xí)活動設(shè)計(jì)提供決策，對未來的學(xué)習(xí)成績做出預(yù)判，有利于提高學(xué)習(xí)者的學(xué)習(xí)成績。相比前面的目標(biāo)，評價(jià)、反饋與反思等要弱化些，主要實(shí)現(xiàn)學(xué)習(xí)者根據(jù)與自己相關(guān)的數(shù)據(jù)，獲取知識并進(jìn)行批評性自我評價(jià)、量化自我、修正自我等，同時(shí)教師也可以根據(jù)學(xué)生的交互行為，反思自己的教學(xué)方法與風(fēng)格是否適合學(xué)生等。

四、個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型的實(shí)例：《C語言程序設(shè)計(jì)》課程學(xué)習(xí)

1.可視化與大數(shù)據(jù)學(xué)習(xí)分析支持下的個(gè)性化自適應(yīng)學(xué)習(xí)

(1)知識結(jié)構(gòu)可視化

依據(jù)聯(lián)通主義理念，將章節(jié)學(xué)習(xí)內(nèi)容以知識圖譜可視化方式呈現(xiàn)給學(xué)生，實(shí)現(xiàn)對知識的有效組織，能夠在順應(yīng)學(xué)習(xí)者視覺加工習(xí)慣的基礎(chǔ)上，清晰表征知識與知識之間的邏輯關(guān)系，降低學(xué)習(xí)者的認(rèn)知負(fù)荷，促進(jìn)學(xué)習(xí)者的有意義學(xué)習(xí)、長時(shí)記憶及對知識的主動建構(gòu)、遷移。同時(shí)，知識結(jié)構(gòu)可視化還能使學(xué)習(xí)者產(chǎn)生探索、好奇、理解等認(rèn)知需要，使得他們的興趣和注意力集中，產(chǎn)生解決問題的自覺傾向，從而產(chǎn)生某種認(rèn)知需要，激發(fā)求知欲，主動學(xué)習(xí)的愿望。如圖3所示的《C語言程序設(shè)計(jì)》課程知識結(jié)構(gòu)圖譜。

圖3 《C語言程序設(shè)計(jì)》課程知識結(jié)構(gòu)圖譜

當(dāng)學(xué)習(xí)某個(gè)知識點(diǎn)時(shí)，學(xué)習(xí)者可以從知識結(jié)構(gòu)圖譜中選擇，也可以從自適應(yīng)學(xué)習(xí)系統(tǒng)左側(cè)知識樹中單擊選擇，系統(tǒng)會根據(jù)學(xué)習(xí)者學(xué)習(xí)風(fēng)格、認(rèn)知能力等特性適應(yīng)性推送最佳學(xué)習(xí)資源序列(表現(xiàn)在不同的重要程度、難度系數(shù)、語義密度、媒體類型)、學(xué)習(xí)實(shí)例序列(表現(xiàn)在不同的重要程度、難度系數(shù)、語義密度、媒體類型)、學(xué)習(xí)活動序列(表現(xiàn)在學(xué)習(xí)者學(xué)習(xí)風(fēng)格的不同)以及適合學(xué)習(xí)者的練習(xí)和測試(根據(jù)布魯姆的6個(gè)認(rèn)知分類適應(yīng)性呈現(xiàn)，滿足不同認(rèn)知呈次的思維水平)，可為學(xué)習(xí)者進(jìn)行適應(yīng)性學(xué)習(xí)和自組織學(xué)習(xí)。此外，在系統(tǒng)的右側(cè)同樣采用知識圖譜的方式呈現(xiàn)該學(xué)習(xí)知識點(diǎn)的前項(xiàng)知識、后項(xiàng)知識和相關(guān)知識，形成新學(xué)知識與原有知識、即將要學(xué)知識的關(guān)聯(lián)顯示，利于學(xué)習(xí)者對知識學(xué)習(xí)建構(gòu)。

(2)基于大數(shù)據(jù)分析的用戶個(gè)性化自適應(yīng)學(xué)習(xí)過程可視化

程可視化

教育測量不僅僅針對結(jié)果，更應(yīng)該重點(diǎn)關(guān)注“教”“學(xué)”“練”“測”“答”等五個(gè)環(huán)節(jié)學(xué)習(xí)過程中的表現(xiàn)。本研究采用大數(shù)據(jù)學(xué)習(xí)分析即時(shí)量化跟蹤學(xué)習(xí)過程并可視化呈現(xiàn)，讓數(shù)據(jù)中的智慧能夠以一種直觀的形式流向?qū)W習(xí)者、同伴、教師，使其能夠更加清楚看到學(xué)習(xí)認(rèn)知的動態(tài)化變化過程，使其了解自己最新的學(xué)習(xí)狀況，知道自己距離最終學(xué)習(xí)目標(biāo)的差距，激發(fā)學(xué)習(xí)者學(xué)習(xí)的內(nèi)在動機(jī)，認(rèn)識自我、發(fā)展自我、規(guī)劃自我，提高學(xué)習(xí)者的元認(rèn)知能力和自我效能感。如圖4所示，可視化信息面板一方面包括學(xué)習(xí)者自身的學(xué)習(xí)時(shí)間、學(xué)習(xí)次數(shù)、學(xué)習(xí)記錄、學(xué)習(xí)能力(根據(jù)項(xiàng)目反應(yīng)理論適應(yīng)性測評，采用不同顏色標(biāo)識，其中紅色圖標(biāo)表示未通過知識學(xué)習(xí)，綠色圖標(biāo)表示通過知識學(xué)習(xí)，棕色圖標(biāo)表示知識點(diǎn)學(xué)習(xí)進(jìn)行中，灰色圖標(biāo)表示知識點(diǎn)未學(xué)習(xí))、學(xué)習(xí)進(jìn)度等；另一方面通過鏈接學(xué)習(xí)者的社交關(guān)系，便于學(xué)習(xí)者通過社交圈分享成績或求助，獲取情感支持和信息支持，同時(shí)還可以選擇查看同伴學(xué)習(xí)過程信息。根據(jù)社會比較理論可知，同伴信息是一種榜樣效應(yīng)，可增強(qiáng)學(xué)習(xí)者學(xué)習(xí)內(nèi)在動機(jī)，比如有的學(xué)生說：“我認(rèn)為我是班里學(xué)習(xí)最好了，不需要在額外投入精力，然后經(jīng)過比較后，想法變了”“原先以為是班里最好的，但通過比較他人的學(xué)習(xí)成績后，才發(fā)現(xiàn)自己不是最好的”。此外，通過對比同伴信息，也是一種激勵(lì)，能夠在對比和認(rèn)同中獲得心理滿足。當(dāng)然，為了考慮學(xué)習(xí)者個(gè)人隱私，系統(tǒng)為學(xué)習(xí)者提供了單獨(dú)地授予和中斷每個(gè)同伴對自己學(xué)習(xí)進(jìn)展數(shù)據(jù)訪問的權(quán)限，并允許學(xué)習(xí)者發(fā)送訪問同伴學(xué)習(xí)者過程信息的請求。

圖4 學(xué)習(xí)過程可視化信息面板

此外，就某個(gè)問題而言，信息面板中還能呈現(xiàn)出每個(gè)學(xué)生解決一個(gè)問題所用的時(shí)間是多長，修改次數(shù)是多少，不同學(xué)生在同一問題上所用時(shí)長的區(qū)別有多大，整體回答的正確率是多少，師生互動的頻率與時(shí)長等。總之，通過面板中的可視化信息能夠很容易了解學(xué)習(xí)者學(xué)習(xí)的現(xiàn)狀，包括主要特征、學(xué)習(xí)行為特點(diǎn)、學(xué)習(xí)行為的影響因素及其所帶來的學(xué)業(yè)結(jié)果，從而有助于掌握學(xué)習(xí)者的學(xué)習(xí)規(guī)律，掌握每一個(gè)學(xué)生的需求和能力，預(yù)測學(xué)習(xí)者下一步所需要的教學(xué)內(nèi)容和形式，有利于學(xué)習(xí)者的個(gè)性化適應(yīng)性學(xué)習(xí)、自組織學(xué)習(xí)及教師干預(yù)式教學(xué)，提供個(gè)性化學(xué)習(xí)服務(wù)，實(shí)施因此施教。

2.基于大數(shù)據(jù)分析的個(gè)性化自適應(yīng)學(xué)習(xí)效果實(shí)證研究

在大數(shù)據(jù)分析的支持下可全面地記錄、跟蹤和掌握學(xué)習(xí)者的不同學(xué)習(xí)特點(diǎn)、學(xué)習(xí)需求、學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)行為，并為不同類型的學(xué)習(xí)者打造個(gè)性化的學(xué)習(xí)路徑，動態(tài)適應(yīng)性調(diào)整教學(xué)的內(nèi)容、時(shí)間、方法等因素實(shí)施干預(yù)式教學(xué)，可增強(qiáng)學(xué)生的學(xué)習(xí)效率。為了驗(yàn)證這一觀點(diǎn)，同時(shí)也是為了驗(yàn)證本文所提出基于大數(shù)據(jù)的個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型的有效性，本實(shí)驗(yàn)以項(xiàng)目組研發(fā)的面向“服務(wù)”的自適應(yīng)學(xué)習(xí)系統(tǒng)SOALS(Service-Oriented Adaptive Learning System)為研究平臺，并選取2011級教育技術(shù)學(xué)專業(yè)60名學(xué)生作為研究對象進(jìn)行《C語言程序設(shè)計(jì)》課程學(xué)習(xí)，將其隨機(jī)分成兩組，實(shí)驗(yàn)組(適應(yīng)性學(xué)習(xí))和控制組(非適應(yīng)性學(xué)習(xí))，各30人，兩組學(xué)生認(rèn)知能力沒有顯著性差異。同時(shí)，根據(jù)前測成績又將各組分為差等生(0-4分)和優(yōu)秀生(5-9分)，在經(jīng)過兩個(gè)月的學(xué)習(xí)過程中，實(shí)驗(yàn)組與控制組所有學(xué)生都進(jìn)行了知識點(diǎn)后測，部分?jǐn)?shù)據(jù)分析結(jié)果如下表所示。

數(shù)據(jù)分析學(xué)習(xí)結(jié)果表

由表1數(shù)據(jù)可以看出，實(shí)驗(yàn)組中的差等生學(xué)習(xí)成績提升效果最為明顯，成績由前測3.6提高到后測7.1，比較而言優(yōu)秀生學(xué)習(xí)成績提升不明顯，實(shí)驗(yàn)組與控制組中的優(yōu)秀生學(xué)習(xí)成績并沒有顯著性差異，分析原因在于差等生完全按著個(gè)性化適應(yīng)性系統(tǒng)推薦學(xué)習(xí)路徑與恰當(dāng)難度的學(xué)習(xí)材料進(jìn)行學(xué)習(xí)，而優(yōu)秀生自主性比較強(qiáng)，不完全相信系統(tǒng)推薦的作用，有時(shí)會自選路徑、資源進(jìn)行學(xué)習(xí)?？梢?，基于大數(shù)據(jù)的個(gè)性化自適應(yīng)學(xué)習(xí)分析模型對差等生干預(yù)指導(dǎo)更有作用。此外，表中數(shù)據(jù)分析的學(xué)習(xí)時(shí)間、拋棄問題數(shù)量和嘗試解決問題次數(shù)，實(shí)驗(yàn)組學(xué)生都要比控制組學(xué)生少，效率更高，主要原因在于對于實(shí)驗(yàn)組學(xué)生而言，系統(tǒng)會依據(jù)對學(xué)生學(xué)習(xí)行為與知識點(diǎn)掌握的數(shù)據(jù)分析，更為準(zhǔn)確地判斷出學(xué)生的認(rèn)知能力，進(jìn)而個(gè)性化適應(yīng)性推送的恰當(dāng)難度問題符合學(xué)生的認(rèn)知水平，因此多數(shù)問題都能夠被學(xué)生準(zhǔn)確回答，無需放棄或者多次嘗試解決。當(dāng)然，也會發(fā)現(xiàn)控制組中的學(xué)生為了能夠解決出問題，優(yōu)秀生往往比差等生付出更多的嘗試解決問題次數(shù)。

同時(shí)，針對實(shí)驗(yàn)組學(xué)生，也可以數(shù)據(jù)分析評價(jià)某個(gè)學(xué)生學(xué)習(xí)了多少知識點(diǎn)及又掌握了多少知識點(diǎn)，并可視化學(xué)習(xí)狀態(tài)，實(shí)施個(gè)性化干預(yù)指導(dǎo)，如圖5所示。

圖5 可視化知識點(diǎn)學(xué)習(xí)與掌握情況

圖5中X軸代表學(xué)生，Y軸代表學(xué)生學(xué)習(xí)知識點(diǎn)數(shù)量，其中上點(diǎn)圓圈代表學(xué)習(xí)過的知識點(diǎn)數(shù)量，下點(diǎn)方形代表已掌握的知識點(diǎn)數(shù)量，兩點(diǎn)距離差代表著學(xué)生未掌握的知識點(diǎn)數(shù)量，由圖可知第23名學(xué)生對應(yīng)的兩點(diǎn)連線最長，說明該名學(xué)生學(xué)習(xí)情況較糟糕。當(dāng)兩點(diǎn)距離差低于設(shè)定閥值(15)時(shí)，系統(tǒng)會自動根據(jù)學(xué)生學(xué)習(xí)情況發(fā)送一個(gè)警示，并同時(shí)會根據(jù)學(xué)習(xí)者認(rèn)知能力，推送與其難度適當(dāng)?shù)闹R點(diǎn)進(jìn)行學(xué)習(xí)，告知學(xué)生應(yīng)該學(xué)習(xí)的前項(xiàng)知識、相關(guān)知識，完成學(xué)習(xí)后，方可學(xué)習(xí)的后續(xù)知識點(diǎn)，這種個(gè)性化干預(yù)指導(dǎo)有助于促進(jìn)教與學(xué)。圖5中的第4、6、7、12等4名學(xué)生，對應(yīng)知識點(diǎn)數(shù)量僅僅顯示圓圈，說明所學(xué)知識都已完全掌握。

此外，面向?qū)嶒?yàn)組和控制組學(xué)生進(jìn)行調(diào)查評價(jià)自選資源、路徑與系統(tǒng)推薦資源、路徑，實(shí)驗(yàn)組學(xué)生均認(rèn)可自選與系統(tǒng)推送兩種方式，一致觀點(diǎn)是在不需要花費(fèi)太多時(shí)間情況下，就能找到最適合自己的資源、路徑，避免海量資源造成的學(xué)習(xí)迷茫，認(rèn)知過載等問題，很大程度上提升了學(xué)習(xí)效率，而控制組學(xué)生則表現(xiàn)出無所謂態(tài)度，原因在于系統(tǒng)呈現(xiàn)資源不符合學(xué)習(xí)需求，更多需要自選資源，從而進(jìn)一步證明了本研究所提出基于大數(shù)據(jù)的個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型的有效性。

五、結(jié)束語

每個(gè)學(xué)習(xí)者創(chuàng)造的數(shù)據(jù)就是“大數(shù)據(jù)”的一部分，每個(gè)學(xué)習(xí)者都是大數(shù)據(jù)的生產(chǎn)者和消費(fèi)者。大數(shù)據(jù)時(shí)代對于學(xué)習(xí)者的學(xué)習(xí)過程分析具有較強(qiáng)的實(shí)用價(jià)值，在大數(shù)據(jù)分析的支持下，學(xué)習(xí)資源的個(gè)性化推送、學(xué)習(xí)質(zhì)量分析等將有了可行的解決方案，個(gè)性化學(xué)習(xí)訴求在大數(shù)據(jù)時(shí)代有了新的實(shí)現(xiàn)途徑。本文提出的基于大數(shù)據(jù)的個(gè)性化自適應(yīng)在線學(xué)習(xí)分析模型已基本上實(shí)現(xiàn)了深度挖掘?qū)W習(xí)行為模式，揭示數(shù)據(jù)之間隱藏的關(guān)系、模式和趨勢，了解學(xué)習(xí)者成長的軌跡，了解學(xué)習(xí)者學(xué)習(xí)的現(xiàn)狀，從而有助于掌握學(xué)習(xí)者的學(xué)習(xí)規(guī)律，便于更全面地評價(jià)學(xué)生及個(gè)性化干預(yù)指導(dǎo)，真正實(shí)現(xiàn)“為了學(xué)生發(fā)展的評價(jià)”的目的，優(yōu)化學(xué)習(xí)過程，有利于學(xué)習(xí)能力的提高、學(xué)習(xí)興趣的培養(yǎng)、思考能力的提升，提供個(gè)性化的服務(wù)，做到因材施教?？傊?，有效的個(gè)性化學(xué)習(xí)需要基于大數(shù)據(jù)記錄學(xué)習(xí)者學(xué)習(xí)過程，分析學(xué)習(xí)者的思維習(xí)慣，結(jié)合即時(shí)的學(xué)習(xí)場景，推送適當(dāng)?shù)膶W(xué)習(xí)資源，可見大數(shù)據(jù)是教育未來的根基，個(gè)性化自適應(yīng)學(xué)習(xí)讓教學(xué)回歸本質(zhì)，最符合人性的學(xué)習(xí)，屬于未來的教育生態(tài)圈。

[1] 胡德維.大數(shù)據(jù)“革命”教育[N].光明日報(bào),2013-10-9(5).

[2] James Taylor. IBM big data and information management [DB/OL].http://www-01.ibm.com/software/data/bigdata/,2011-05-01.

[3] E.Quinn.The 6 Vs:The BI/Analytics Game Changes so Microsoft Changes Excel[DB/OL].http://www.esg-global.com/blogs/the-6-vs-the-bianalytics-game-changes-so-microsoft-changesexcel,2012-08-17.

[4] 姜強(qiáng),趙蔚,王朋嬌.自適應(yīng)學(xué)習(xí)系統(tǒng)中雙向適應(yīng)交互評價(jià)實(shí)證研究[J].現(xiàn)代遠(yuǎn)程教育研究,2013,(5):106-112.

[5] Marie Bienkowski, Mingyu Feng, Barbara Means. Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics:An Issue Brief[DB/OL]. http://tech.ed.gov/wp-content/uploads/2014/03/edm-la-brief.pdf,2012-10-01.

[6] Anthony G. Picciano. The Evolution of Big Data and Learning Analytics in American Higher Education[J]. Journal of Asynchronous Learning Networks ,2012,16(3):9-20.

[7] Yanqing, D., Guangming, C., One, V. and Woolley, M. Big Data in Higher Education: An action research on managing student engagement with business intelligence[A]. Fehmida Hussain. Second International Conference on Emerging Research Paradigm in Business and Social Science[C].Dubai: Middlesex University,2013.26-28.

[8] Demetra Katsifli. The Potential of Learning Analytics and Big Data[DB/OL]. http://www.ariadne.ac.uk/issue71/charlton-et-al,2013-07-08.

[9] 游忠惠.大數(shù)據(jù)時(shí)代:考試到評價(jià)的躍升[N].光明日報(bào),2014-1-30(15).

[10] 張進(jìn)良,何高大.學(xué)習(xí)分析:助推大數(shù)據(jù)時(shí)代高校教師在線專業(yè)發(fā)展[J].遠(yuǎn)程教育雜志,2014,(2):56-62.

[11] 涂子沛.《大數(shù)據(jù):正在到來的數(shù)據(jù)革命》[M]. 桂林:廣西師范大學(xué)出版社,2012.

[12] 姜強(qiáng),趙蔚,王朋嬌.基于GALSRM模型的自適應(yīng)學(xué)習(xí)系統(tǒng)體系結(jié)構(gòu)研究[J].現(xiàn)代遠(yuǎn)距離教育,2013,(1):71-77.

[13] 姜強(qiáng),趙蔚.面向“服務(wù)”視角下的自適應(yīng)學(xué)習(xí)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].中國電化教育,2011,(2):119-124.

[14] M.A.Chatti,A.L.Dyckhoff,U.Schroeder,H.Thüs. A Reference Model for Learning Analytics[J]. International Journal of Technology Enhanced Learning archive, 2012,4(1):318-331.

姜強(qiáng)：副教授，碩士生導(dǎo)師，研究方向?yàn)閭€(gè)性化自適應(yīng)學(xué)習(xí)(jiangqiang@nenu.edu.cn)。

趙蔚：教授，博士生導(dǎo)師，研究方向?yàn)閭€(gè)性化自適應(yīng)學(xué)習(xí)(zhaow577@nenu.edu.cn)。

王朋嬌：教授，碩士生導(dǎo)師，研究方向?yàn)樾畔⒒逃?wangpengjiao@sina.com)。

王麗萍：在讀博士，研究方向?yàn)檫h(yuǎn)程教育(531628607@qq.com)。

2014年9月28日

責(zé)任編輯：宋靈青

Realization of Individual Adaptive Online Learning Analysis Model Based Big Data

Jiang Qiang1, Zhao Wei1, Wang Pengjiao2, Wang Liping3
(1.School of Computer Science and Information Technology, Northeast Normal University, Changchun Jilin 130117;2.School of Computer and Information Technology, Liaoning Normal University, Dalian Liaoning 116029;3. Education Technology Center, Jilin University, Changchun Jilin 130062)

Learning analysis model based big data helps to explore learning process, learning situation, learning principles and provide individual adaptive learning based on learner requirements and ability. Firstly, this paper summarizes the intension and application of big data and especially emphasizes that big data is not higher volume but high value. Secondly, individual adaptive online learning analysis model is built based on four dimensions, namely data and environments (what), stakeholders (who), methods(how) and objectives (why).Finally, Taking C language program design for example, this paper analyzes learning process structure,visualization and learning effect. The results show that individual learning which analyzing learning behavior, recommending reasonable learning path and learning resource can promote the teaching and learning, especially for underachievers.

Big Data; Individual Adaptive Learning; Learning Analytics; Visualization

G434

A

1006—9860(2015)01—0085—08

* 本文系教育部人文社會科學(xué)研究青年基金項(xiàng)目“自適應(yīng)學(xué)習(xí)系統(tǒng)理論模型建構(gòu)及其效果實(shí)證研究”(項(xiàng)目編號：12YJCZH086)、東北師范大學(xué)哲學(xué)社會科學(xué)校內(nèi)青年基金團(tuán)隊(duì)項(xiàng)目“吉林農(nóng)村中小學(xué)教師遠(yuǎn)程學(xué)習(xí)適應(yīng)性研究”(項(xiàng)目編號：130021049)、“中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金”階段性成果。