基于大數(shù)據(jù)下智能在線學習模型評價研究

李迪

摘 要：改革開放以來，伴隨著我國社會經(jīng)濟的發(fā)展，網(wǎng)絡化與數(shù)字化逐步完善，使得在線學習模式加快發(fā)展，同時也為在線學習模型構建提供了數(shù)據(jù)支持。這一學習模型的構建為在線學習提供了相對完整的平臺，高質(zhì)量內(nèi)容豐富的在線學習模型的構建，有效地推動了我國在線學習的發(fā)展。本文通過對大數(shù)據(jù)下智能在線學習模型評價研究，得出其在未來社會起到的作用，和得以設計實現(xiàn)的理論依據(jù)。

關鍵詞：大數(shù)據(jù)背景;智能在線學習模式;實現(xiàn)設計的理論依據(jù)

Abstract：With the development of China's society and economy after the reform and opening up， the relative improvement of networking and digitalization has accelerated the comprehensive development of online learning models， and it has also provided data support for the construction of online learning models. The construction of these learning models provides a relatively complete platform for online learning. The construction of high-quality and rich online learning models has effectively promoted the development of online learning in China. This article evaluates intelligent online learning models under big data. Studies have drawn its role in praying for future society， and the theoretical basis for its realization.

Key words：big data background;intelligent online learning model;theoretical basis for design realization

0 引言

隨著新世紀的到來，我們的日常生活也越來越多應用信息技術，在大數(shù)據(jù)時代背景下，多數(shù)行業(yè)的發(fā)展速度都得到了穩(wěn)步提升，同時也加速了對在線學習模式的研究和探索，通過在線學習模型的構建不僅可以提高學習效率還可提升學習質(zhì)量。大數(shù)據(jù)時代的到來為我國的教育教學決策提供了新的發(fā)展方向，為教育學習注入了更多的可能性。

1 大數(shù)據(jù)背景下挖掘教育數(shù)據(jù)的價值及基本模式

1.1 挖掘教育數(shù)據(jù)的實際意義

大數(shù)據(jù)背景下的信息收集更具效率，原始數(shù)據(jù)向有用信息的轉(zhuǎn)化也為日常教育提供了相應的數(shù)據(jù)支持，教育軟件通過構建在線學習模型將此類信息加以充分利用，為相應的學習群體提供了平臺支持。同時系統(tǒng)的教育數(shù)據(jù)挖掘也為教育系統(tǒng)注入了新鮮活力，與其他傳統(tǒng)模塊的良性互動，為教育改革起到了推動作用。教育工作者通過對教育數(shù)據(jù)的深度挖掘，客觀且全面的掌握了學習用戶的反饋信息，通過實際學習過程中產(chǎn)生的問題，對學習策略、教育模式、課程開發(fā)和目標制定都做出相應的調(diào)整，不僅有益于學習群體的高效學習，也為在線學習模型設計和研究提供了實際教學經(jīng)驗。

1.2 構建完整的教育數(shù)據(jù)挖掘模式

通過學習者在線學習所留下的記錄數(shù)據(jù)可以對其學習行為進行具體準確的分析，針對學習主體登錄時間、瀏覽具體內(nèi)容以及在線互動交流心得等多個方面進行具體分析，從而得出大數(shù)據(jù)下在線學習模型構建的數(shù)據(jù)支持，并結合系統(tǒng)的數(shù)據(jù)分析對可影響在線學習行為的諸多因素進行深層次發(fā)掘。教育數(shù)據(jù)模式發(fā)掘的前提在于對多種數(shù)據(jù)挖掘工具和算法的精準控制及應用，具體由工具與算法、基本理論數(shù)據(jù)和數(shù)據(jù)發(fā)掘工作三方面構成，具體如圖1所示。

這三要素中又以數(shù)據(jù)挖掘工作更為重要，通過對基礎數(shù)據(jù)收集，相應數(shù)據(jù)分類處理以及模式解釋評價等多個層面進行綜合運用，得出數(shù)據(jù)挖掘工作對在線學習行為以及模型構建的影響。

具體實施流程如圖2所示。

2 在線學習行為概述及具體分類

2.1 在線學習行為具體概述

伴隨著我國社會經(jīng)濟的不斷發(fā)展和大數(shù)據(jù)背景時代的到來，基礎教育的發(fā)展也受其潛移默化的影響，逐步朝著以信息為基礎的新型教學模式發(fā)展。其中在日常教學中的應用最為廣泛的當屬在線學習行為。但是因其作為新興教育模式目前還沒有對其做出確切的定義。綜合其日常應用情況可以大致概括為：學習者通過合理運用和借助現(xiàn)有的網(wǎng)絡技術和環(huán)境打造的交互性學習平臺獲取自身所需的信息和資源，從而達到完成自主學習的目的。在線學習行為也因其自身具有廣泛性和針對性的特點而被廣泛應用。所謂的針對性是指學習者可借助輔助學習工具對所需知識資源進行針對性學習，而廣泛性則指的是網(wǎng)絡學習平臺通過數(shù)據(jù)挖掘所積攢的信息與資源的總和。這兩種特性不僅有助于學習者提升學習質(zhì)量也有助于學習具體化的實現(xiàn)。

2.2 在線學習行為的系統(tǒng)分類

以人工智能理論為基礎的在線學習方式具有相對的智能性和靈活性，根據(jù)所處空間維度體系的不同具有較為完善的屬性，可滿足學習者不同階段和內(nèi)容的學習需求，使在線學習行為更容易被操作和實現(xiàn)。根據(jù)不同種類的智能行為發(fā)展而來的人工智能，更具層次性和針對性，可對在線學習過程進行分類指導，可確保在線學習行為有效有序的進行。在線學習行為在廣義上大致分為三個維度，即功能、結構和方式。以認知到操作再到解決問題的學習行為過程是結構維度的出發(fā)點，也是對行為進行分類分析的前提保證。而功能維度更多具有的是針對性，其對學習過程中的信息處理和信息實施都有輔助作用，通過加工、查詢和發(fā)布等多種功能提高在線學習效率。方式維度可以滿足學習主體在線學習的交互性需求，人機交互與人人交互的雙重保障可有效發(fā)現(xiàn)在線學習網(wǎng)絡系統(tǒng)中的漏洞，便于在線學習模型的構建。

3 構建在線學習模型所需遵循的原則

3.1 遵循通用性原則

在線學習分析模型的構建不應只適用于一種學習平臺，而是應當適用于多種學習平臺。在構建在線學習模型過程中遵循通用性原則，可以使學習主體在多種學習平臺上獲取所需的信息資源以此完成自主學習的目的。這一原則的具體應用不僅可以有效地提高在線學習效率，還可以滿足不同學習平臺管理者的需求，各平臺之間的互通性可以更好的分享所挖掘的信息數(shù)據(jù)和運用過程中產(chǎn)生的實際問題，及時的溝通交互有助于添加一些學習模型應用中所需要的組織模塊，有助于構建更加高效完善的在線學習模型體系，通用性原則是構建過程中需要遵循的主要原則，應受到相應的重視和關注。

3.2 遵循系統(tǒng)性原則

如果將在線學習行為分析模型試做一個完整的系統(tǒng)結構，那么遵循系統(tǒng)性原則則是支持其正常運營的有效保障。在確保學習分析模型正常運轉(zhuǎn)和使用的前提下，可對系統(tǒng)中的重要因素進行系統(tǒng)全面的分析，這其中不僅包括分析方法和分析目的，還包括數(shù)據(jù)收集和處理等內(nèi)容，較強的針對性保證分析模型得出的結果更具合理性和科學性。精準的分析結構可以確保在線學習模型的構建更加全面化和精準化。

3.3 遵循對應性原則

學習過程與分析任務的相互對應很好地體現(xiàn)了對應性原則，有助于構建智能化在線學習模型。例如對應性原則可以根據(jù)以往的搜索記錄和具體學習行為，準確分析出哪種學習方法和系統(tǒng)操作有助于幫助學習主體更好的學習，從而達到提升學習效率獲取更好成績的學習效果。通過遵循對應性原則，使智能在線學習模型更具針對性。平臺管理者可根據(jù)學習者的實際需要出發(fā)，設定更符合其要求的學習目標和學習計劃，通過對既定目標的有效實現(xiàn)將學習過程和分析任務進行良好的對接，應用關鍵點的找出有助于學習模型的快速構建，從而推動在線學習行為的高速發(fā)展。

4 影響智能在線學習模型構建的因素

智能在線學習模型具有交互性、智能性和開放性等多個特點，其富含豐富多樣的學習資源。學習者在利用模型學習過程中會產(chǎn)生相應的學習日志，包含登錄信息、搜索所需知識和具體學習行為等多種記錄。以下通過對高等院校學生學習日志進行相關分析從而得出影響智能在線學習模型構建的因素[1]。

4.1 學習日志的數(shù)據(jù)采集和預處理

學習日志的數(shù)據(jù)采集大致分為4個層面，具體包含學員原始信息數(shù)據(jù)、登錄瀏覽信息、學習體驗信息和階段性考試信息等四份數(shù)據(jù)。將這4份數(shù)據(jù)依次導入系統(tǒng)數(shù)據(jù)庫中，通過形成的四張數(shù)據(jù)表來進行系統(tǒng)的分析和數(shù)據(jù)挖掘，并通過設立學號字段做為中樞紐帶將4張數(shù)據(jù)表進行相互串聯(lián)，具體操作流程設計，如圖3所示。通過對一直數(shù)據(jù)的反復分析，從而得出影響智能在線學習模型構建的因素。

4.2 學習主體登錄行為影響因素分析

上文中的學生學號和登錄時間的設定是登錄行為中的重要字段。但在記錄過程中需要特別注意的是將登陸次數(shù)和單位時間內(nèi)登錄的人數(shù)進行區(qū)分，因為如果按照登錄次數(shù)進行記錄和分析會不夠準確，在線學習過程中會產(chǎn)生學員操作不當發(fā)生反復登錄的現(xiàn)象，這種行為會造成部分學員勤于學習的假象，分析出的數(shù)據(jù)會影響在線學習模型的評價。因此在下面的實際測試中會以“周”作為分類字段進行學員登錄率的統(tǒng)計周期，以學號作為字段統(tǒng)計的基礎[2]。

4.2.1 學員群體學習周期的具體分析

個體學員的學習周期是具有隨意性和不確定性的，從實際教學的角度出發(fā)了解學員群體的學習周期才是研究重點，通過分析學生在在線學習模型中的具體登錄記錄，確定出學生群體整體參與在線學習的具體時間段，從而衡量處在線學習實際開展的進度和完成情況，有助于在線學習模型管理者掌握學習者的學習進程和理解狀況。作為智能在線學習模型的管理者還可以通過統(tǒng)計學生首次和末次的登錄學習時間，利用時間推移判斷出學習者整個學習周期的長度，確定在線學習終止的速度，通過對這一數(shù)據(jù)的準確掌，得出學員的學習周期有助于構建更加高效完善的智能在線學習模型[3]。

4.2.2 學生登錄行為的影響因素

通過Microsoft SQL Server Analysis Services提供的局冊數(shù)算法，可以對學生登錄行為進行準確系統(tǒng)的分析。通過分析得出不同的專業(yè)、性別和層次等因素都會對登錄天數(shù)產(chǎn)生或多或少可以對的影響，其中以層次的影響最為強烈。舉例來講不同專業(yè)的學員在登錄天數(shù)上也會有明顯差別，而性別是這其中影響最小的元素。依照以上細致全面的分析數(shù)據(jù)，在線學習模型的管理者可以為不同需求的學習者制定不同的學習方案并進行適當?shù)囊龑Ш驼{(diào)整。不同登錄行為的產(chǎn)生主要是由于學習者的專業(yè)指向性不盡相同。管理者可以借助已得的分析結果，對學習者進行針對性的教學管理，從而有助于提高學下效率和掌握效果，也有利于智能在線學習模型的構建和健康發(fā)展。

4.3 學習主體瀏覽行為影響因素分析

智能在線學習模型中儲存的學習資料種類繁多，可以滿足不同層次不同專業(yè)的學習者的自主學習需求。以下借助Flash動畫交互操作的具體實施，使模型系統(tǒng)可根據(jù)學習主體的瀏覽記錄進行深入分析，從而找到影響學員瀏覽因素。具體統(tǒng)計分析結果，如表1所示。

從圖表我們不難看出動畫交互的方式對學習者的吸引力是最大的，可以使學員反復學習不失興趣，訪問次數(shù)最多的是問題庫，這也就表明學員在線自主學習過程中如果產(chǎn)生疑問，會通過訪問問題庫進行解答。管理者可以根據(jù)表格的具體呈現(xiàn)適當?shù)恼{(diào)整教學目標和進程，幫助學員快速的完成已經(jīng)制定的目標，提高消息效率促進在線學習模型穩(wěn)固發(fā)展。

5 在線學習模型的設計實現(xiàn)

5.1 構建多維度在線學習模型

智能在線學習模型構建的主要內(nèi)容是建立概念數(shù)據(jù)模型，通過加強實體對象與設定對象之間的相互聯(lián)系，可以實現(xiàn)概念數(shù)據(jù)模型的構建與完善。以常用的謂詞法舉例，是通過句子結構完成相應的口令任務，從而達到構建目標的實現(xiàn)。多維度的在線學習模型的構建可以更好的維護主體與客體在線學習行為中的關系，使其在實際應用過程中更好的被運用，有助于學習者提升學習效率，完成既定學習目標和智能在線學習模型于現(xiàn)實應用中的設計于實現(xiàn)[4]。

5.2 構建多層次在線學習模型

因在線學習者的專業(yè)、學習需求的不同，致使其在線學習行為具有很大的差異性，對所需資料的難以程度和復雜程度也有不同程度上的要求。因此構建多層次的智能在線學習模型可以有效的滿足學習者的學習需求。不同的層次對應不同的學習主體更具針對性，有助于學員更好地吸收和理解所學內(nèi)容。低層次的在線學習模型可以滿足學習者一次性的操作行為，操作簡單明了知識點淺顯易懂易吸收，而中層次的在線學習模型可以滿足學習者的交互需求，還可以對操作進行評價，對學習過程中產(chǎn)生的問題進行有效解決。高層次的在線學習模型則可以滿足學習者的高端學習需求，通過學習和解決一些較為復雜的問題，有助于學員素質(zhì)的全面提升。因此構建多層次的智能在線學習模型有助于其在現(xiàn)實中的具體應用。

5.3 制定個性化課程分析

隨著社會的不斷進步和大數(shù)據(jù)時代的到來，學習者的個性化學習需求也在不斷增大，智能在線學習模型設定個性化學習服務工具，不僅可以迎合社會發(fā)展的需要也可以提升自身競爭實力。個性化課程的應用不僅可以有效的提升學習效率還可以激發(fā)學生的學習興趣。個性化的課程制定更加貼合學習者的學習需求，有助于既定目標的實現(xiàn)。同時管理者還可以通過學習者的訪問記錄來獲取其需要學習的知識類別，并根據(jù)其自身興趣推薦具有針對性的信息數(shù)據(jù)，以此滿足學習者的個性化學習需求。智能在線學習模型制定個性化課程分析有助于雙贏局面的形成，也有助于促進智能在線學習模型在現(xiàn)實生活中的設計與實現(xiàn)進程[5]。

6 總結

為了貼合社會發(fā)展的腳步和學習主體的實際需要，智能在線學習模型的構建和實現(xiàn)的進程也必須加快。本文通過對智能在線學習模型應用現(xiàn)狀和其具體影響因素的分析，得出該項技術在現(xiàn)實生活中的可實現(xiàn)性和可操作性。智能在線學習模型不僅可以滿足不同學習主體的個性化學習需求，還可以提升學習效率增進學習速度，并通過良好的交互性有效的解決學習過程中產(chǎn)生的問題。由此得出智能在線學習模型的構建不僅有利于學員提升整體素質(zhì)，還可以推動傳統(tǒng)教學模式向現(xiàn)代化教學模式轉(zhuǎn)變。

參考文獻

[1] 崔貝貝. 基于大數(shù)據(jù)背景的在線學習行為分析模型[J].課程教育研究， 2018（44）：1-2.

[2] 葉志翔，王紅玲，李榮，等.基于教育大數(shù)據(jù)的網(wǎng)絡學習行為分析模型的研究[J]. 教育現(xiàn)代化， 2019（85）：210-211.

[3] 趙建偉，彭成圓.教育大數(shù)據(jù)背景下大學生網(wǎng)絡學習行為實證研究[J]. 當代教育實踐與教學研究， 2019（15）：34-35.

[4] 謝淑敏.基于大數(shù)據(jù)的高職學生學習行為及效果分析[J]. 電腦與電信， 2018（9）：6-9.

[5] 戴艷濤，楊淼森，崔元彪，等. “互聯(lián)網(wǎng)+”對學生學習行為產(chǎn)生的影響研究[J].教育現(xiàn)代化，2017（42）：335-336.

（收稿日期：2019.09.16）