基于教育大數據技術的智能自適應學習系統

金慧慧

（鹽城機電高等職業技術學校，鹽城 224001）

隨著信息時代的來臨，大數據技術已經深入到多個行業，教育部門需要結合自身特點和大數據技術進行結合。采用大數據技術進行教育，把數據采集分析技術作為開展教育的主要手段，是教育方法的變革，把教育過程中形成的教育信息進行整合，可以為教師和學生提供更多的學習方式，是一種新型的教育模式。

1 教育行業需求分析

隨著教育改革的不斷深入，我國的學校和學生數量不斷變多，師生比例比較低，授課教師無法兼顧到所有學生的想法，不能達到因材施教的教學目標。很多學生都想了解自己的學習方法是否合理，會對成績產生怎樣的影響，教師也不能準確了解學生對知識的掌握情況。所以，開發基于教育大數據技術的智能自適應系統是十分必要的，可以把人工智能技術和大數據進行高度的融合，可以有效解決傳統教育方式存在的難題。（1）教育方式過于單一。傳統教育方式下，授課教師不會掌握學生的學習情況，不能根據學生的興趣優選出教育內容。（2）教育資源不平衡。由于國內的很多優質教學資源都集中在城市，很多鄉村學生無法得到很好的教育，無法把城市的優質資源向鄉村流轉。（3）教育選擇性的困難。很多學生，只是聽從別人的建議，無法根據教育系統的數據與學生興趣愛好進行結合，只是盲從聽從別人意見來選擇學校。（4）教育就業盲目化。一些剛畢業的學生在擇業時比較茫然，不能從教育數據庫內選擇符合學生專業的信息，對擇優就業形成阻礙。（5）教育信息隱性化。無法對教育質量進行量化，學生的學習情況無法正確進行評價。（6）教育決策粗放化。教育決策依賴于高層的想法，沒有結合大數據技術，無法為教育改革提供數據支持。

2 智能自適應學習系統

2.1 自適應模塊

自適應模塊為智能自適應系統的重要組成部分，把教育大數據采集作為分析的前提，獲取到有效的教育信息后可以觸發其它模塊，從而更加深入的分析和了解學生的學習習慣，擅長那些學科，并結合學生當前的學習情況，可以為學生推送并符合自身特點的學習資源。學生得到具有個性化的學習資源后，可以對所學的知識加深理解，通過鞏固來提高學習成績，授課教育也可以結合學習的個性特點進行因材施教。

2.2 學生畫像模塊

利用該功能模塊，智能自適應系統從大數據中提取學生的不同維度信息進行分析，從而把信息準確地展示給授課教師。學生也可以了解自身的學習能力和習慣等。授課教師通過展示出來的班級學生畫像，可以更加準確和方便的了解學生的具體情況，結合學生的特點進行教學。學校的教育管理者通過獲取到學生畫像，可以更加直觀的掌握學校在不同階段的教學水平，可以為制定教育決策提供數據，家長也可以通過獲取到畫像信息來了解學生的學習狀態，從而采取有針對性的教學輔導。

2.3 預警和干預模塊

由于教育資源有限，授課教師不可能對每個學生的學習情況進行了解，學生也無法了解自身對知識點的掌握，采取預警和干預模塊可以起到很好的學習效果。預警模塊可以對測試的及格情況進行分析，干預模塊可以把智能自適應的處理結果傳遞給學生和授課教師。該功能模塊會根據學生學習情況進行測試，根據每個學生的得分進行分析，根據學生的成績是否達到合格標準來判斷是否需要進行預警和干預，需要進行預警和干預的學生接收到完整的數據分析報告，此數據會提醒下次測試不合格的概率，警告學習及時做好復習。干預機制也會隨之啟動，需要采用系統和人工干預方式。系統干預，也就是智能自適應系統對學生進行干預，并為其提供符合學生特點的教學資源。人工干預方式，是家長和授課教師把獲取到的學生預警信息進行分析，從而制定出有效的督促措施來使學生自主地學習，從而達到因材施教的教學目標。該功能模塊會在測試前的一個月提醒學生，把上次的測試成績發送給學生，并對學生進行考前測試，可以有效的提高學生成績，避免在考試中出現不合格問題。

2.4 學習激勵模塊

由于學生很多都比較愛玩，不是每個學生都對學習特別感興趣，智能自適應系統的激勵模塊可以把教育和娛樂進行有效的結合，學生的興趣和積極性被調動起來，功能模塊會按著學生平時的學習情況布置學生任務，通過系統或授課教師進行監督，測試是否完成學習任務。如果測試數據結果表明今天的學習情況較好，系統會為學生優選出學生比較喜歡的課外活動進行獎勵，可以起到很好的緩解學習壓力作用。對需要學習知識只掌握了40%，預警系統則會啟動，會向教師和家長發送該學生的學習情況。然后重新選出典型題，如果學生可以正確完成80%的習題，可以不需要觸發預警系統。

3 結束語

綜上所述，把教育大數據和人工智能技術進行結合，研發出自適應學習系統，可以為學生提供符合個性需求的學習資源，制定出學習計劃，讓教師和家長可以及時了解學生的學習情況，進行科學的指導和干預。