大數據平臺對繼續教育發展作用的思考

羨小龍

摘 要：繼續教育是為當今社會從業人員深造學習的平臺，但是學員對自身的繼續教育規劃并不清晰，目標并不明確，很多只是為了學習而學習，效果也不理想。本文通過思考信息時代建立教育大數據平臺的方法，分析學員、教師的信息，習慣，能力水平，為繼續教育開拓出一個嶄新的發展方向，系統化的整合繼續教育的思路和方法。

關鍵詞：繼續教育；大數據；互聯網

中圖分類號：G726 文獻標識碼：A

繼續教育是為適應現代社會科技、經濟發展的需要，落實終身教育理念而出現的一種教育形式，同時也是適應以人為本、構建和諧社會的需要教育活動。隨著現代社會的科技水平的日新月異，在職工作人員平時對自己的充電也成為了必不可少的一個環節。但是隨著越來越多的教育機構在社會上出現，繼續教育對學員的針對性和系統性開始變得雜亂無章，甚至出現了為了拿證書而拿證書，學員不知道自己該學什么，適合學什么，學完一門課之后還應該怎樣發展，導致最終的學習效果并不理想。

隨著互聯網的快速發展，通過信息感知、數據采集等技術能夠迅速獲得大量信息；以云計算為代表的技術不斷更新，計算能力越來越強大，為快速處理大量數據帶來了可能。大數據技術的創新與發展，以及數據的全面感知、收集、分析、共享，使人們在實踐中認識到，通過數據的開放、整合和分析，能夠發現新的模式，創造新的價值。而這種技術同樣可以運用到繼續教育領域中，通過大數據技術建立教育大數據平臺，對學員的相關信息進行分析，可以更好的掌握學員的學習需求和方向，以便更好地為學員提供學習的幫助。

一、教育大數據平臺的核心概念和基本架構

數據分析是大數據平臺價值得以實現的方式，也是大數據應用的基礎。通過數據分析能夠提取出不同領域中數據的潛在價值，有利于最終的決策支持。傳統的數據分析通過適當的統計方法來分析數據，找出數據中的隱藏信息和內在規律，發揮出數據的現實作用。大數據分析可以看做是對特殊數據的分析處理，因此，對于大數據的分析，可以應用傳統的數據分析方法。如：聚類分析、因子分析、相關分析和數據挖掘等等，通過這些方法從海量的數據中，體現出潛在的有價值的信息。

大數據平臺的定位是為教育大數據的匯集融合、海量存儲、高效計算、深入分析挖掘以及教育應用的開發與運行提供基礎支撐，該平臺應可滿足以下功能需求：數據采集方面，應提供各種數據適配接口，支持結構化的數據庫記錄、非結構化的教育教學資源、實時的行為數據流等各種多源、異構數據的匯集；數據存儲方面，面對海量數據的存儲需求，應提供高可擴展性、高容錯性、高吞吐量、低成本的分布式存儲方案，支持文件系統、SQL/NoSQL數據庫、數據倉庫等存儲方式，并提供高效的管理與快速查詢功能；數據計算方面，應提供面向海量數據的并行計算引擎，滿足批量計算、實時計算、圖式計算等不同應用場景的計算需求；分析挖掘方面，應提供面向教育領域的分析挖掘模型及其相應的算法，能實現算法的并行化，并支持算法參數的靈活配置。

教育大數據平臺的基本架構，如圖1所示。大數據平臺從下至上主要有數據源、采集層、存儲層、計算層、分析挖掘層和應用層六個方面。

（一）數據源

教育大數據的來源可分為四種類型：一是管理類數據，包括學籍數據、學生成績、上網數據、一卡通數據等，這些數據大多數以結構化的形式存儲在關系型數據庫中；二是資源類數據，包括媒體素材、試卷、課件、案例等，這類數據多以文本、音視頻等非結構化的形式存儲在文件系統中；三是行為類數據，包括教師教學行為和學生學習行為產生的數據，前者涉及講解與演示行為、答疑與指導行為、提問與對話行為、評價與激勵行為等，后者則分為信息檢索類、信息加工類、信息發布類、信息交流類等；四是評價類數據，包括學業水平考試類數據和綜合素質評價類數據。

數據源環節的核心任務是依托大數據平臺高性能的數據存儲技術和數據庫技術，進行原始數據存儲，在網絡實時數據源、數據庫存儲數據源、移動設備數據源等多種信息生成源的基礎上，進行有關教學資源和學習者的屬性、行為、位置乃至評價數據等方面信息、數據的收集，形成下一階段全面的初級數據庫。以前人們處理大量數據的手段是采樣分析，教育大數據平臺下的系統不再依賴隨機采樣，它可以處理和某教學活動相關的所有數據，所以從這里的數據源可以獲取所有的相關數據，充分體現出大數據系統的海量數據優勢。

（二）采集層

教育數據的采集方式可以分為批量采集和實時采集兩種：批量采集一般用于導入、同步、復制歷史收集的日志數據、數據庫記錄、資源文件、互聯網數據等；實時采集主要利用Agent技術實時收集、傳輸在線行為類數據，而對于線下傳統教學環境中的數據可以利用點陣數碼筆、圖像識別等采集技術進行獲取。

（三）存儲層

對于從數據源采集到的各類教育數據，需要不同的存儲方式對其進行保存，存儲方式包括文件系統、數據庫、數據倉庫、消息系統、內存存儲系統等。為應對海量教育數據的存儲需求，這些存儲方式大多采用分布式架構。為支持復雜的分析挖掘任務，存儲層會以分布式數據倉庫為主要的存儲及管理方式，并分為臨時存儲區、操作性數據倉庫、大數據倉庫和數據集市四層。

（四）計算層

教育大數據的價值挖掘需要相應的計算引擎為其提供強大的計算能力，計算引擎包括批處理計算引擎、流計算引擎、內存計算引擎、圖計算引擎等。其中，批處理計算引擎用于對大規模歷史數據進行并行運算；流計算引擎用于對實時產生的流式數據進行處理；為提高數據計算的速度，出現了利用內存空間進行數據運算的內存計算引擎；為應對大規模圖數據的處理需求，圖計算引擎也應運而生，為學科知識圖譜的構建提供了新的技術支持。

（五）分析挖掘層

大數據的教育應用主要涉及兩個方面：一是教育數據挖掘方面，主要側重于新算法、新模型的構建；二是學習分析方面，主要側重于直接應用已有技術解決教育領域中存在的問題。雖然二者的側重點有所不同，但涉及的分析、挖掘技術差別不大，主要包括關聯規則挖掘、聚類分析、趨勢預測、時序分析、回歸分析、情感分析、語義分析、社交網絡分析等?；谶@些通用算法，與教育領域特點相結合，可以構建解決教育問題的新方法。

經過數據采集獲取的大量數據，首先要經過數據挖掘來獲取有用的信息，如獲取學習者特征，特別是學習者群體的特征。其次依據某些關鍵特征對學習者群體加以細分，有助于做好針對性的教學設計，并為個性化學習的實施提供依據。最后利用統計排序工具，將教學資源按評價得分、使用率高低、使用時間等多種因子排序，并作為后面其它處理的依據。借助自動審查工具，采用自定義的審查策略，審查資源是否有效、過期，保留生產期限短，近期有人使用的資源，摒棄生產日期早，長期無人使用的資源。

（六）應用層

教育大數據的價值體現在具體的應用中。基于數據分析挖掘的技術可以對學員進行數字畫像，包括分析學員風格類別，測量學員的現有知識水平，診斷學員的認知能力，發現學員的行為模式、學習規律，預測學習者未來的學習表現；然后，自動進行個性化推薦，并對預警的學生進行干預。經過數據挖掘統計分析后的數據，依據學員特征、偏好和教學資源的特征，對學員的需求資源進行細分和準確定位，依托大數據平臺建立個性化的教學業務場景，制定個性化的教學方案。

大多數學員相同的通用部分和少量學員具有的特性部分，加上從管理服務平臺傳來的管理數據，如推薦資源、教師評價、教學計劃、用戶管理數據、計費管理情況等。經過加權計算等操作，形成一個通用的公共模型和多個不同的偏好模型。再通過制作處理，公共模型等形成通用模塊，推送給沒有學習記錄的新生使用；偏好模型形成個性化定制模塊，推送給不同類型的有記錄學員使用。最終呈現給學員的有通用學習平臺和個性化學習平臺。

通用平臺中提供了相同的服務內容，如通用網頁、通用的教學資源、公共查詢、公共服務等，呈現給新學員或沒有學習記錄的學員；個性化平臺中呈現的有個性化的網頁、個人網絡賬號、電子郵件地址、微信號、QQ號、電話、短信以及其它個性化服務等，提供給老學員使用，每個學員看到的內容都可以不一樣，具有個性化的特點，還提供有個性化的服務，如提供有該學員當前階段適合的學習資源，顯示有已獲學分、已學內容、已學時間、剩余目標等情況。

此外，在教師教學方面，可對教師的教學行為進行診斷，以便教師調整教學模式、教學計劃等。通過對教學資源的分析，可以構建反映學科知識內在邏輯關系的知識圖譜。此外，也可以對區域教育的均衡發展狀況進行監測、預警。

二、教育大數據平臺在業務中應用的實例

（一）氣象員工基本情況分析

以氣象教育為例，從國家級至地縣級，全國氣象職工近2萬名，其中很大一部分職工均需要上崗培訓等相關課程的深造，氣象繼續教育的任務艱巨而繁重。

2016年，通過大數據統計對全國氣象部門信息網絡人員上崗培訓進行了統計與預研究，并得出了相關數據和初步的技術結論。

全國從事“氣象信息網絡”工作的專職人員整體上主要分布在省（含國家級業務部門）、地兩級機構中，如圖2所示。其中省級占60%以上，而縣級職工主要從事綜合業務崗位工作，專職從事信息網絡的人員占比較少。

當前，全國從事氣象信息網絡的業務部門的名稱不盡相同，為了順利開展量化分析，首先對業務相關機構進行梳理。根據業務職責的相近程度，對省級部門（含國家級業務部門和副省級單位）進行了聚類劃分。其中，除未識別部門、離退人員、編外部門外，共有11個子類，如表1所示。

與省級氣象信息網絡人員在全國的分布相比，地市級人員數量較均勻，不同點主要體現在崗位職責主要與氣象臺站綜合業務緊密結合。地市級氣象信息網絡人員主要集中于氣象探測與裝備保障崗位內，保障氣象數據的獲取與傳輸，此類人員占地市級總人數的28.9%；其次，分布于氣象臺、氣象站的信息網絡人員占總人數的23.8%，此類人員主要保障氣象預報的訂正、發布等；部分軟、硬件基礎設施條件較好的地市級氣象部門具有專門的人員負責信息網絡的保障和監測，此類人員比例約占21%；從事農業、生態、科技或公共服務崗位工作的信息網絡人員約占7.7%；從事防災減災、突發預警以及人工影響天氣崗位工作的信息網絡人員約占2.6%。同省級人員類似，從事綜合管理、業務管理工作的職能部門人員人數仍保持在10%左右，從事科研工作的信息網絡人員比例不到1%，地市級氣象信息網絡人員職責分布如圖3所示。

（二）通過統計分析得出的部分結論

第一，信息網絡技術的迅猛發展導致員工技能和工作角色在不斷變化，氣象部門需要不斷地對組織結構進行調整或者建立工作團隊?，F在的氣象信息網絡人員已不是簡單接受工作任務，提供輔助性工作，而是共同參與提高服務質量的創新。在團隊工作系統中，員工既扮演著具有專業技術能力的業務執行者，又扮演著許多管理性質的工作角色。不僅應具備從事信息網絡崗位的性格特點，對于自己工作有深刻的認識，具備運用新技術獲得提高服務質量的信息并與其他員工共享信息的業務能力，還應具備從事信息網絡崗位的人員必須的人際關系能力。

第二，建議培訓的規劃、設計重點建立氣象信息網絡人員應具備的基本能力、業務、管理三種能力素養，兼顧氣象信息網絡人員業務、管理屬性，根據業務屬性和業務績效特征初步劃分普通崗、關鍵崗、管理崗三類不同的級別和梯度，依據機構級別劃分為國、省和地縣三級維度。根據不同級別人數的規模，需要制定相應的培訓策略和培訓方案。在培訓組織方面上下聯動、協調統一，針對不同人員類型充分發揮分院、省培訓中心的作用，參與到分級分層培訓的格局之中。

第三，建議考慮將培訓課程進行拓展，實施多種培訓形式，逐漸打通“課前、課中、課后”三個階段的界限屏障，從而使課程變得更有“彈性”。通過“課前學習資料+案例共同創作”的方式，在課前把學員融入到課程設計之中，一方面提高了課堂現場的學習效率；另一方面講授的案例更容易被學員所理解和接受，從而可以有效提高培訓的轉化效果。

三、建立大數據平臺給繼續教育帶來的好處

（一）深入研究分析學員的學習需求與習慣

通過大數據平臺，對海量數據進行分類研究，不僅能獲得學員最適合的學習資料，還能獲得學員的學習方式、偏好、習慣、規律，從而制定出最適合學習者的學習方案，讓學員得到高效率的學習；對于大量的千差萬別的學員，大數據技術還可以分析不同的學習需求，根據需求來建設學習資源，因人制宜，提高學習資源的利用效率；如果引入移動技術，還可以通過移動智能平臺的推送服務，根據為學習者量身定制的學習資源和學習方式，利用系統平臺、微信等工具，促進主動學習。

（二）有針對性的給學員規劃學習內容

同時由于大數據分析、處理技術的進步，可以根據大數據平臺使得對學習者屬性、行為、位置、評價等數據的分析處理時間縮短，成本降低。利用大數據技術通過快速分析處理，識別學習者特征、偏好和潛在消費需求，利用網絡賬號、手機、郵箱、微博、微信等渠道實現分類教學變成現實。根據學員的偏好、需求提供針對性的教學內容，采取最適合的教學手段，提供個性化的教學服務，已經可以成為現實。

（三）有利于更好的整合教師資源隊伍

另外，教師的團隊也可以通過大數據平臺來進行整合。傳統的教師團隊建設，由于數據資料共享和信息交換的需要，一般根據距離比較近的單位或行業互相熟悉的人組合而成，相對遠的物理距離間隔，大大限制了教師團隊的建設。伴隨著大數據技術和云計算技術的發展，人與人之間通過互聯網緊密相連，解決了現實中的物理距離相隔遙遠，教育信息無法交流的問題。通過大數據平臺，不需要知道對方在哪個位置，也不需要非常了解對方，都能迅速獲得第一手的數據資料，減少重復的工作；與此同時還能夠方便地相互交換信息，互相幫助共同提高，創造出更好的成果。這樣一來，教師們的合作不再受地域的限制，可以按專業、按水平在大數據教育平臺中自行分類教師團隊，進行集成化的管理，創建智能化的教學服務體系，完成更大的合作項目，共同提升教學的水平。

四、總結與思考

當今社會在思想上對繼續教育并不是很重視，沒有認識到繼續教育對社會經濟發展的促進作用；其次是很多教育機構和部門即使開展了遠程教育工作，但也不能保證質量。社會上很多機構和部門熱衷于旨在提高學歷層次的遠程教育，對技能性的培訓活動冷漠處置，對遠程教育有利于提高個人素質的作用認識不足。這些問題的最終原因在于對學員的學習動機、學習習慣和學習需求分析不到位，對初步完成繼續教育的學員，進一步學習的規劃分析不足。故繼續教育領域急需解決學員信息數據分析的問題。

我們的生活已經全面進入了互聯網時代，今后的社會仍然是互聯網所主導著。通過互聯網中的大數據、云計算技術，可以解決人類生活中大大小小的問題和矛盾。教育為人們創造未來，繼續教育給更多工作中需要提升的人們提供了一個再深造的機會，而建設教育大數據平臺，可以為繼續教育領域開拓更廣闊的思維，發展更先進的教育理念，并且給學生一個挖掘學習規律，建立學習規劃的平臺、給教師一個分析學生學習興趣，幫助學生改進學習方法的環境，讓社會中更多的人都可以有規劃的、更系統的、更理性的進行繼續教育深造。教育大數據分析平臺，一定會在未來的繼續教育領域占有重要的地位。

參考文獻

[1]劉曉剛.大數據在遠程教育系統中的應用研究[J].福建電腦，2017（9）.

[2]仲萍.當前繼續教育存在的問題及對策[J].長春中醫藥大學學報，2008（6）.

[3]姬倩倩.公共交通大數據平臺架構與服務模式研究[D].碩士論文，2014.

[4]李振，周東岱，劉娜，董曉曉，鐘紹春.教育大數據的平臺構建與關鍵實現技術[J].現代教育技術，2018（1）.