支持個性化學習的行為大數據可視化分析

金晶

摘要：隨著教育事業的發展，越來越多的教育者注重線上學習，通過線上平臺對學生學習行為進行可視化，學習云空間是國家教育信息化十年發展的重點建設內容，通過學習云空間行為大數據的展示，可以對學習者學習行為進行監測并及時調整。本文在探討怎樣通過動態可視化展現學習者在云空間中的行為連接大數據，及時為知識構建提供監督和引導。通過探討可視化對網絡個性化學習有良好的作用。

關鍵詞：學習行為;大數據;可視化

中圖分類號：G434 文獻標識碼：A 文章編號：1007-9416（2019）10-0216-01

1 個性化學習可視化的原則

1.1 數據源私密原則

根據數據私密的原則，可視化優先考慮的問題是數據訪問權限。從客觀上講，自身學習行為與數據的關聯是個人空間可用數據，群組空間可用數據是指群內所有學習人員學習的過程與大數據的關聯，兩空間數據是互不相通的。可視化可以使難以觀察的數據變得透明性，但是為了滿足個體信息不被暴露又要滿足數據實用性，系統應該清楚訪問者的身份和時間等，由此來區別訪問者是否有權限。

1.2 個體差異化自適應原則

由于，個體與群體之間存在一定差異，所以對是否呈現學習視圖和何時呈現視圖進行考查，同樣要以不同形式呈現可視化內容。此外，學習者要對自身的學習行為有充分的了解，從而養成良好的學習習慣、提升個人學習能力、適應能力同時也要求了可視化編碼信息要因多種因素做出自適應改變，及時反饋和調整。

1.3 目的導向視圖交換原則

在靜態顯示區不能大量顯現行為信息的原因是行為大數據學習數據來源較多及其學習系統較復雜和形態較多，由于信息密度較大使用戶認知負擔過大，從而不能正確引導用戶，不利于實現可視化的目標。對此，可以通過人機相互技術將過于復雜的學習行為進行分解，形成多個視圖提供給客戶。對動態實時觀察，發現問題并及時解決。

2 個性化學習可視化的機制

2.1 數據的管理

可視化的準備環節是數據的獲取與處理，依照數據源私密的原則，從學習者云空間中，獲取群組學習和個體行為有用的數據關聯，經過篩選和融合進行分類存儲，形成有特征的學習行為數據庫進行數據處理，最后展現出個體差異、學習環境、行為表現的處理結果。根據個人和群組的特征采取以下數據：學習者的姓名、名別、年齡、所學課程、先前知識量和個體自身的作品、試卷;通過外部傳感器與內部應用的情境數據及其在云空間學習材料和學習課程過程中生成的數據。可視化數即有分析過所得數據又有云空間兩種數據，本文除了使用處理技術之外同時還深度的學習了連接準則、分類等。

2.2 信息的編碼與執行

可視化編碼及其執行屬于可視化加工的主要機制和環節，依據自適應原則及其新課程三維教學目標，現階段研究人員從掌握知識、設置空間，相互合作，情感狀態及其任務進展等方面對群租學習和個體學習進修區分，進而選擇有效且科學的可視化內容，此外，需要依據視覺感知理論和美學理論對可視化方式進行選擇，同時整合編碼相關信息，采取合理的技術方法進行執行，如關聯關可視化系、統計繪圖制、人機交互等，基于此能夠充分展現信息之間的關系及其數據格式情況，該模塊為滿足個性化學習提供了支持。

2.3 動態視圖的展現

動態視圖的展現是可視化的重要環節，依照動態視圖交互原則，可根據視圖形式將可視化編碼信息展現出來，并同意學習者根據自身的想法控制視圖的呈現。可視化主要面對學生、教師、專家等可視化為學習者學習提供參考。以學習者為中心的個性化學習不僅要求學習者利用空間主動學習，還要掌握學習者的需求并進行及時協助。學習者可以通過信息的可視化認識到自己近期的學習狀況，了解學習的進度，及時做出調整。對助學者來說，通過可視化的學習行為報告可以對學習者學習狀況進行深度了解、追蹤并有針對性的戰略調整，更好幫助問題學習者。

3 個性化學習行為大數據可視化的戰略

3.1 可視化適應性變更戰略

將可視化自適應變更分為系統判斷下的自適應變更和主體主動采取自定義變更，可以為了給個體營造良好的視覺效果。初學者，系統初次可呈現大眾化可視化組合方案，之后根據學習者的需求為其推送更適合的方案，由學習者決定是否接受推薦。若學習者不接受，可根據空間配置自行組合，完成可視化適應性變更。

3.2 知識點可視化動態組織策略

因為知識點散落在視頻、文檔及分享資料里，這為知識結構的構建帶來挑戰。為了使學習者對知識了解更透徹，系統對知識點進行了有效組織，以視覺化展現出來，使學習者對知識點一目了然。然而面臨新舊知識交換時，這也要求隨學習過程構建的知識體系也是呈動態變化的。

3.3 群組差異的戰略

因為學習群組角色不同所承擔責任也不同，所以呈現可視化內容有差異。引導學習者是輔助者的職責，輔助者對個體學習過程要充分了解，將個體學習和群體學習相關的內容以可視化呈現。借助云空間提供的資料促進自身發展是學習者的職責，所以，將學習者可視化內容和群里可視化內容及時反饋，同時給予個體顯示與隱藏可視化內容的權限。可以引進信任機制，設置接受或拒絕的選項讓學習者自主決定是否呈現個體行為信息。

4 結語

隨著教育事業的發展，可視化越來越受研究者和教育者的重視，線上學習方式逐漸普遍化，而且越來越注重個體差異，通過大數據和可視化技術可將學習者的學習行為、學習情境通過網絡進行直觀反饋，這樣有利于對學習行為的監控實現個性化學習。

參考文獻

[1] 黃昌勤，朱寧，黃瓊浩，韓中美.支持個性化學習的行為大數據可視化研究[J].開放教育研究，2019，25（02）：53-64.

[2] 韓柏濤，溫馨.基于學生行為大數據分析的學風建設路徑探析[J].北京教育（德育），2019（03）：38-40.

[3] 王陸，彭玏，馬如霞，楊佳辰.大數據知識發現的教師成長行為路徑[J].電化教育研究，2019，40（01）：95-103.

[4] 洪丹丹，李飛，姚磊，徐墨，鎖志海.在線學習行為分析數據可視化快速開發框架設計與實踐[J].微電子學與計算機，2018，35（07）：6-12.