基于大數據推薦系統的計算機教學模式的研究

王艷榮 王艷芬 鄭志輝 劉晟天 鄭志學

（1.焦作大學繼續教育學院，河南 焦作 454000；2.河南工業和信息化職業學院，河南 焦作 454000）

隨著教育部大力推進職業教育的政策逐步出臺，越來越多的關注點都集中到高職院校的教育方式改革上，而隨著00 后逐步成為當前高職院校學生的主力軍，該群體思維方式與性格特點也成為當前高職教育的關注重點，尤其是在涉及到計算機專業等理工科學習上，因為課程的思維理解難度相對較高，高職學生對該類課程往往缺乏熱情與興趣，進而使得該類課程的最終效果差強人意，然而當前教育部針對我國高職院校的教育已經明確提出了以培養全面技能型人才為導向大力提升學生的動手與實踐能力，不斷地開發學生的發散能動性思維，進一步促進高職學生的更好就業。因此高職院校也應當積極推進新型的教學模式的改革，不斷借鑒新的信息技術的成果，通過構建良好的教學模式促進教學氛圍的不斷提升，進而提升學生的學習積極性與能動性[1]。

1 大數據技術的定義

大數據（Big Data）是指不能夠在某一限定的時間范圍內使用比較常規的工具進行數據的捕獲，管理和相關處置的數據的合集，而是需要較為新的處理模式才能進行較為有效的決策力，洞察發現力以及相關的優化流程處理能力的海量、高增長效率和多樣化的信息數據的資產處理能力的技術。大數據技術不用對數據進行隨機的分析方法而采用一定的抽樣算法進行相關的數據處理，大數據具備以下幾個特點Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）[2]。通過對數據進行特定的方式進行處理從而對用戶的行為進行預判進而為相關的決策提供相應的理論與事實依據。

2 個性化推薦技術的定義

個性化推薦技術是對大量用戶的某些行為進行特定的挖掘基礎之上，以海量的數據處理為依據，通過相關數據挖掘算法發現用戶的所感興趣的事物或者相關喜好，通過相應的用戶行為維度相似度算法，向特定的用戶定向性地推薦該群體可能感興趣的信息，進而完成相應的系統構建的技術[3]。隨著近幾年短視頻、公眾號等信息產業的高速發展，個性化推薦技術日益成熟，不同類別的個性化推薦系統與算法不斷的迭代更新，如淘寶網就是通過構建用戶購買行為推薦系統向不同的客戶提供其感興趣的商品信息以及相關購買建議，進而在幫助用戶決定購買哪些產品的同時也模擬了商家相關導購客服人員幫用戶推薦相關的操作[4]。在商城個性化推薦系統的構建中，是通過對海量用戶的瀏覽興趣以及購買行為進行不斷的挖掘，通過高效的相似維度比對策略進而向用戶推薦其感興趣的信息和相關產品。

3 高職院校計算機教學現狀

當前高職院校的計算機專業相關的課程主要分為基礎理論與實踐操作兩個方面，然而不論是基礎理論還是實踐操作都具有復雜化、連貫化以及廣泛化等特點，比如基礎理論的高級軟件工程課程，在學習過程中教師不僅要將相關理論知識通過復雜公式向學生進行表述，而且還需要將某些與實際相關聯的算法進行具體講解，由此使得學生在面臨如此思維量繁重而且知識相對復雜的情形下對新知識的接收變得即為抵抗，當前高職院校普遍采用較為實用性的任務驅動法進行開展，學生在對知識的學習過程中能夠層次深入，由淺入深等方式進行掌握，該方式使得學生在學習過程中通過不斷完成相關任務，不斷地獲得相應的成就感，使得學生學習興趣更濃，也更加愿意投入到新的計算機知識的吸收中。

雖然當前高職院校所采用的任務驅動模式進行教學的方式對學生掌握的新的知識具備一定的促進作用，但是受到傳統課堂教學模式的限制，很多教師針對不同學生的個性興趣培養未能引起更好的重視，同時當前高職院校在面向不同學生個性化培養方面存在政策的滯后性，使得課堂的教學任務的分發呈現相同泛化分發，不能夠區分不同學生的興趣特點，進而導致每位學生的個性興趣無法得到相應的釋放，從而使得一部分學生的學習積極性受到了一定程度的打擊。

4 基于大數據個性任務推薦系統在計算機課程教學中的應用

在大數據技術不斷發展，個性化推薦技術日益成熟的背景下，結合當前高職院校計算機課程所普遍采用的任務驅動式教學方式的基礎之上，通過借鑒個性化推薦技術，以學生興趣為數據基礎，通過構建個性化任務推薦系統，使得不同學生在學習同一個知識點的時候，借助于學生興趣關注的方向，在分發任務的同時，以學生興趣維度為導向，通過推薦系統產生出學生所感興趣的該知識點的相關任務，提升學生學習的主動性和能動性，進而提升計算機課堂教學的整體效果。

4.1 教學知識點目標要明確

在教師授課之前，教師不僅需要明確計算機課程的主要特點，同時還需要重點考慮到授課學生的知識層次以及文化素養，以及知識任務的最終分發應該達到什么水平與層次。針對高職院校的學生主要特點來說，計算機技術相關課程具有知識點龐大，理論基礎極為重要，知識點的理解與消化要借助于實踐進行處理，因此在制定相關的教學知識點目標的時候需要形成相應的基礎理論學習目標和實踐技術目標，同時在指定目標之前，教師需要考慮到不同學生的個性化特點，針對相關的目標任務進行個性化調整與設定。

在進行課堂任務目標設定過程中，教師要讓目標分解成具有一定階段性效果，同時在教學過程中教師需要做好相應的溝通和引導工作，讓學生可能短時間內確定自己的學習目標，只有明確學生的學習目標，學生才能積極高效完成相應的任務，并保持一定的專注力，因此在課程開始之前明確課程的教學目標不僅有助于教師能順利完成教學任務，同時也能使學生的專注力貫穿整個教學過程，進而釋放學生學習的自我能動性。

4.2 任務構建與推薦的性化

在以任務驅動為基礎的教學中，其核心在于使用任務的階段性成就感促進學生不斷的進行知識的探索與實踐，然而當前高職院校的學生以00 后為主力人群，該年齡段的學生一般個性化明顯，有自己獨特的思維方式，因此傳統的統一任務分發模式已經無法滿足所有學生的偏好需求，因此針對不同學生的個性化任務構建與推薦系統的開發成為大勢所趨，一方面能夠盡可能滿足不同學生的興趣方向，另一方面可以使用改變傳統填鴨式教學的各種弊端，發揮學生的主觀能動性。

在任務的確定與個性化推薦系統構建之前，教師需要通過電子問卷調查方式采集授課學生的興趣愛好點，通過相關的數據挖掘技術，通過多維度的比對產生出每位學生的興趣特點以及任務偏好，進而形成相應的任務關鍵字標簽，根據統計出的所有學生的任務標簽關鍵字，進而進行不同任務的確定工作，在課堂上完成理論教學任務之后，通過開發的個性化任務推薦系統，將與學生興趣標簽相匹配的任務推薦分發給相關學生，進而個性化激發每一位學生的求知欲與動手能力。

4.3 要關注學生興趣的動態變化及時調整任務的個性分發

在課堂任務完成之后，教師應當不斷的引導學生開展自檢工作，一方面使得學生能夠在短時間內對自我任務的完成進行自評，另一方面能夠積極的將任務的適合程度進行反饋，教師根據學生的反饋以及學生興趣點的動態變化，通過數學建模等方式不斷的進行個性化任務的修正工作，通過學生自評、學生互評、教師評價以及學生反饋等一系列方式改進個性化任務推薦系統的精準性與可靠性，促進學生學習的積極性。

5 結語

當今社會隨著信息技術的不斷革新以及大數據技術的不斷成熟，越來越多的與大數據相關的技術不斷的應用到社會的各行各業，而隨著電子購物與短視頻行業的對個性化推薦算法的不斷迭代更新，讓我們看到了個性化推薦技術的廣泛應用前景，與此同時，在當前高職院校大力推進素質教育的大環境下，將基于大數據的個性化推薦技術應用到計算機課程的教學過程中，不僅有助于提升學生的學習積極性與課堂參與性，更能夠個性化的激發高職院校學生的自我探索能力，為高職院校推進素質化教育做出一定的貢獻。