面向大學英語教學的大數據平臺理論框架設計

王志方 李書欽

摘要：隨著高校信息化建設的快速發展，大學英語教學基礎設施日益完善，教學軟件資源日益豐富，涵蓋了英語的聽說讀寫各個方面，由這些資源產生的大數據經過采集整理，可對分析教學起到支撐和決策作用。采集的大數據經過量化建模，并建立數據關系，匯聚成為大數據，以大數據為基礎建立平臺，可提供面向應用的個性化服務，為英語教學提供客觀依據。

關鍵詞：英語教學；大數據；數據建模

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2019）06-0219-02

大數據分析技術日漸成熟，并廣泛應用于各個行業，其中教育大數據應用是最為廣泛之一。目前國內高校信息化發展迅速，大多數高校的大學英語教學都具有數字平臺的支撐，學生的學習資源也非常豐富，教師的教學手段更加多樣化。在這巨量的資源中，教師的教學過程和學生的學習過程都會產生大量的數據，如何充分、高效利用這些大數據，大數據平臺能夠滿足需求。因此，大數據平臺應能滿足教學效果的判定，學生學業表現的展示和預測，自適應每位學習者的學習需求等。

1 大學英語教學大數據建模與分析方法

建模與分析實際上是教育數據挖掘應用的兩種基本方式。建模是針對歷史的數據進行刻畫，分析則是利用模型對現狀和未來進行理解與預測。美國教育部的ET L-EDM LA 報告系統分析了當前在各類教育領域應用的數據建模和分析方法[1]，給出了進行分類的標準，提出了學習者知識建模、行為建模、經歷建模、學習者建檔、領域知識建模、學習組件與教學策略分析、趨勢分析、自適應學習等八大類價值建模方向。按照學習者行為、以及學習內容和結果來歸納分類，探討大學英語教學的建模。

1.1 基于學習者行為的建模

基于學習者行為的建模分為如下四類：

一是知識建模。收集學生線上學習系統中答題情況、學習時長以及錯題的情況，可以對這些信息量化形成數據，并對其進行建模，用于定制和調整系統行為。

二是行為建模。記錄學生在線學習時長、學習內容、學習微課、以及完成練習等行為，記錄學生在線課程的課上課下學習行為軌跡，對學生行為進行建模，了解學生的學習模式及學習軌跡。

三是經歷建模。教學的主體是學生，統計學生對在線學習過程行為，可以了解他們的學習軌跡，從而為系統個性化服務提供支撐。

四是學習者分析。結合學生知識、行為和經歷，對學習者進行整體分析，全面展示學生學業狀態、學習軌跡和學習效率，從而為系統決策提供支撐。

1.2 基于學習內容和結果的建模

基于學習內容和結果的建模分為如下四類：

一是領域建模。領域指的是學科和知識領域，大學英語知識領域屬于語言文學學科，語言領域的教學方法豐富，不同教學方法教授同一知識領域對學生的學業表現有所差異，對這些進行采集記錄，探索適應于不同知識領域的教學方法。

二是組件分析。學習組件包括學習內容、教學方法、學習環境等。對這些組件進行分析，可采用統計學方法。

三是趨勢分析。依據學生內容、教學方法、學習環境等學習組件分析，為系統預測提供支撐。

四是自適應分析。綜合領域、組件和趨勢分析，系統可為學生提供個性化學習方案，為教師提供可靠的教學方法，從而促進大學英語的教學效率。

總之，利用上述數據模型進行大數據分析，能夠客觀展示教學過程以及教學評價，為系統進行自適應與個性化提供支撐。

2 大數據平臺架構設計

2.1 功能分析

基于大學英語教學的多維多源異構復雜特性，面向大學英語教學的大數據平臺需要實現多維多源異構風險數據的采集、建模、集成、融合分析和共享等功能.通過構建面向大學英語教學的大數據平臺，解決大學英語教學多系統的數據不統一、隱性關聯、結構差異巨大、管理機構交錯、集成共享困難等問題，將包含的靜態數據、動態數據、歷史數據、實時數據和未來預測數據采用統一時間坐標系進行管理和融合分析，為大學英語教學監測監控、預測預警和智能防范提供強有力支撐。

2.2 結構設計

面向大學英語教學的大數據平臺，從4個層次進行結構設計，圖1為設計框架。

一是數據采集層。數據的采集存儲根據應用需求進行分類管理，對英語教學需求而言，由于英語教學數據存在彼此之間的交互與耦合關系，因此，面向英語教學的大數據平臺，必須建立在對英語教學深入理解和認識的基礎之上。針對大學英語教學大數據，采用多維多源方式收集整理數據。

二是數據建模層。對數據采集層收集的數據進行整理分類，可分為基于學習者行為的數據和基于學習內容的數據。根據基于學習者行為的數據，建立知識建模、行為建模、經歷建模、學習者分析的數據關聯；根據基于學習內容和結果的數據，建立領域建模、組件分析、 趨勢分析、 自適應分析的數據關聯。建立不同數據間的語義關系、邏輯關系、因果關系等，實現不同數據的語義互操作。能夠實現根據大學英語教學分析的具體需求，實現提綱挈領、綱舉目張式的數據檢索和調用。

三是數據集成層。數據集成是基礎，多維多源異構數據的融合是大學英語教學統一分析的必要條件。可采用統一時間坐標的方式，把不同維度、不同來源的數據、不同時間、空間的數據進行整合，從而支持更全面和更準確的分析。

四是應用服務層。大學英語教學資源存在多個軟件系統，不同系統之間在數據需求和應用上既有分隔也有重疊.在大學英語教學大數據平臺中，充分考慮大學英語教學多系統的特點，實現統一訪問接口、面向應用的個性化服務和基于云的集成式數據服務，支持大學英語教學的跨域集成、深度共享和多主體協作.

2.3構建流程

基于大學英語教學的大數據平臺結構圖設計，提出大學英語教學大數據平臺構建流程，在數據采集層，采用高精度采集和基于基態修正的數據更新策略；在數據建模層，采用分類建模，在學習者行為、以及學習內容和結果兩個維度對采集數據進行建模；在數據集成層，采用多維多源數據異構方式，形成大數據匯聚，結合統一時間坐標，形成基于統一時間坐標的多維多源異構數據的融合分析；在此基礎上，實現大學英語教學多軟件系統的統一數據接口，實現大數據集成、共享、分發的服務平臺，從而為應用需求提供個性化服務。

3 結論

針對大學英語教學的特點和教學環境的發展現狀，闡述了大學英語大數據分類建模的思想，提出了采用基于學習者行為以及學習內容和結果的分類建模，并對大數據平臺進行了功能設計、結構設計，闡述了大數據平臺的構建流程。

大學英語教學大數據的采集、集成、融合分析、共享是大數據平臺的功能需求。針對大學英語教學數據的多維多源異構特性，依據大數據平臺的理論架構設計，下一步需要開展多源異構高維高擴展性數據采集匯聚與融合分析的研究。

參考文獻：

[1] BIENKOWSKI M， FENG M， MEANS B. Enhancing teaching and learning through educational data mining and learning analytics： an issue brief[R]. Washington：US Department of Education，2012：1-57.

[2] 孫洪濤，鄭勤華.教育大數據的核心技術、應用現狀與發展趨勢[J].遠程教育雜志，2016（5）：41-49.

[3] 楊現民，王榴卉，唐斯斯.教育大數據的應用模式與政策建議[J].電化教育研究，2015（9）：54-61.

[4] 牛瑞敏.數據挖掘在國內教育領域應用的研究綜述[J].中山大學研究生學刊：社會科學版，2016（2）：193-200.

[5] 吳青，羅儒國.學習分析：從源起到實踐與研究[J].開放教育研究，2015（1）：71-79.

[6] 任雪松，于秀林.多元統計分析[M].2版.北京：中國統計出版社，2011.

【通聯編輯：唐一東】