大數據環境下個性化學習與課堂教學策略研究

林愿

摘 要 大數據環境下，網絡資源琳瑯滿目，為用戶提供高效的學習資源個性化推送服務，以幫助用戶找到真正適合自己的和自己真正需要的學習資源，是當前教育技術的研究熱點之一。在學習資源個性化推送服務的前提下，需要進一步轉變課堂教學理念，變以“教”為主到以“學”為主，在傳統的課堂教學上，適當引入慕課、微課、翻轉課堂等教學資源，并通過網絡資源云盤等實現資源共享，根據學生的情況可以自主選擇或者對他們進行個性化推送，從而實現在大數據支持下因材施教、個性化教學。

關鍵詞 大數據 個性化學習 課堂教學策略

中圖分類號：G642 文獻標識碼：A DOI：10.16400/j.cnki.kjdks.2018.09.010

Abstract In the big data environment， the network resources are dazzling， providing users with efficient learning resources and personalized push services to help users find the learning resources that are really suitable for them and their real needs. It is one of the research hotspots of current educational technology. Under the premise of learning resources personalized push service， it is necessary to further change the classroom teaching concept， and change from "teaching" to "learning". In the traditional classroom teaching， appropriate introduction of MOOC， micro-class， flip classroom such as teaching resources， and through the network resources cloud disk to achieve resource sharing， according to the students' situation can be selected or personalized to push them， in order to achieve the teaching of students in accordance with the big data support， personalized teaching.

Keywords big data； personalized learning； classroom teaching strategies

0 引言

眾所周知，實施課堂教學的最重要手段就是課堂教學策略，擁有靈活多變的課堂教學策略有利于營造良好的課堂教學氛圍，從而順利的完成教學任務。在21世紀這么一個信息爆炸的時代，互聯網、移動電子設備、各種遠程交流技術以及大數據技術，我們學習知識就變得更加方便了，途徑也更多了。大數據支持下的個性化學習日漸成為一種可能，而另一方面，如果我們還是沿用傳統的課堂教學“灌輸式”的說教和強制性的學習，無疑會弱化學生自主學習和奮發向上的學習力，個性化學習被掩蓋，這種想象亟待改善。

為用戶提供學習資源個性化推送服務，以幫助用戶在眾多的網絡資源中找到真正適合自己的和自己真正需要的學習資源，是當前教育技術的研究熱點之一。目前，學習資源推送算法主要有基于內容的推送方法和基于協同過濾的推送方法。然而這兩種推送方法都各有不足之處，本文擬提出一種混合協同過濾的智能化推送服務算法，該算法同時擁有協同過濾推送算法和基于內容的推送算法的優點，并且結合學習過程中學習者的動態行為數據，自適應更新推送服務算法。將該算法應用到在線學習資源系統中，以進一步提高學習資源個性化推送的預測精度和覆蓋率。

在學習資源個性化推送服務的前提下，需要進一步轉變課堂教學理念，變以“教”為主到以“學”為主，在一定程度上將慕課、微課、翻轉課堂等教學資源適當引入傳統的課堂教學上，并通過網絡資源云盤等實現資源共享，學生根據自己的情況可以自主選擇或者對他們進行個性化推送，從而實現在大數據支持下因材施教、個性化教學。

1 國內外研究現狀分析

目前來說，教育信息化進程不斷加速，教育改革也在不斷推進，傳統的課堂教學模式凸顯出諸多問題：教師課堂上一味的“灌輸式”的說教和強制性的學習，很多程度上弱化了學生自主學習的原動力，也失去了奮發向上的學習力，從而使得學生逐漸失去學習的興趣，更談不上個性化學習，這種教育現狀亟待改變。另一方面，目前對于學習資源個性化推送服務，國內外主要存在兩種推送服務：基于內容的推送服務和基于協同過濾的推送服務。

基于內容的推送服務存在如下問題：一方面，該推送服務依賴于在線學習課程關鍵詞、課程簡介的內容提取特征，而這些特征很有限，很難提取到真正有效的特征項。另一方面，該推送算法依賴于用戶以往瀏覽過的在線學習課程來進行推送，系統很難得到最符合的用戶喜好課程信息，從而造成推送資源受限。還有一種情況，有些用戶完全根據自己喜好來選擇，但有些在線學習課程需要遵循先易后難，先基礎后專業的順序來學習，用戶基礎參差不齊對在線學習資源的選取帶來一定的難度。

基于協同過濾的推送算法則是根據用戶對該門課程推薦項的評分值而不是從內容提出特征值進行數據處理。然而也存在幾個方面的問題：一方面，它依賴的是用戶的興趣評估數據，從而會發生對于某門在線學習課程評價稀疏問題；另一方面，對于一門新的在線學習課程，當它首次出現時，并沒有用戶對它作過任何評價，所以協同過濾無法對其進行預測評價，推薦的準確性也比較差；第三個方面，因為用戶不了解課程的內容，推薦的課程可能是已學習過的內容，造成推薦的效果適應性不強。

2 本文的主要研究內容

針對目前傳統的課堂教學模式的不足以及個性化學習資源推送服務仍然存在的問題，本文主要研究以下三個方面的問題：

（1）大數據環境下學習資源個性化推送服務模型的構建的研究。

（2）在湖南工程學院網絡教學平臺上進行學習資源個性化推送服務模型的實證研究，首先選擇“集成電路設計”這門課程試點，摸索經驗，修訂模型，再在整個網絡教學平臺上推廣運行，并進一步總結經驗完善推送服務模型。

（3）課堂教學策略研究，在學習資源個性化推送服務前提下，研究如何一定程度上將慕課、微課、翻轉課堂等教育教學資源在適當引入傳統的課堂教學上，首先選擇“集成電路設計”這門課程試點，并通過網絡資源云盤等實現資源共享，根據學生情況供學生自主選擇或者個性化推送；在大數據支持下，做到因材施教、個性化教學。

3 擬解決的關鍵問題

（1）將目前存在的兩種主要的推送算法結合起來，并且與學習過程中學習者的動態行為數據有機結合，使其自適應更新，構成一種新的混合協同過濾的個性化推送服務模型；

（2）在學校網絡教學平臺上進行學習資源個性化推送服務模型的實證研究，修訂完善學習資源個性化推送模型。

（3）在一定程度上將慕課、微課、翻轉課堂等教學資源適當引入傳統的課堂教學上，并通過網絡資源云盤等實現資源共享，根據學生情況供學生自主選擇或者個性化推送。

4 結束語

本文以社會需求和教育信息化理論為理論依據，研究大數據背景下學習資源個性化推送服務模型及相應的課堂教學策略。力爭在大數據環境下學習資源個性化推送服務方面有所創新，形成有推廣價值、預測精度高的學習資源個性化推送服務模型，并將其推廣應用到在線學習資源系統中，期望能對當前的數字化學習資源建設提供借鑒和參考，促進傳統課堂教學理念的調整，在大數據支持下，做到因材施教、個性化教學。

參考文獻

[1] 邢春曉，高鳳榮，戰思南.適應用戶興趣變化的協同過濾推薦算法.計算機研究與發展，2007（2）：296-301.

[2] 張滬寅，李鑫，陸春濤，吳笛.LMOD：一種基于本體描述的電子學習資源庫模型.計算機應用研究，2011（4）：1360-1364.

[3] 陸毅波.基于關聯數據和用戶本體的個性化知識服務關鍵技術研究.武漢：武漢大學，2012.

[4] 楊現民.泛在學習環節下的學習資源有序進化研究.電化教育研究，2015（1）：62-68.

[5] 茍延熹.云環境下個性化推送搜索引擎的設計.北京：北京郵電大學，2012.

[6] 陳耀華，楊現民.國際智慧教育發展戰略及其對我國的啟示.現代教育技術，2014（10）：5-11.

[7] 焦亞瓊.基于大數據的個性化學習與課堂教學策略探析.亞太教育，2016（29）：237-237.

[8] 李寶，張文蘭.智慧教育環境下學習資源推送服務模型的構建.遠程教育雜志，2015（3）：41-48.