基于大數據理論的個性化教育探討

張君雁 楊晨輝 張志強

摘要：該文依據智能信息處理和大數據理論，利用相關的技術來跟蹤和采集學生學習行為的詳細數據并進行特征分析，進而實現個性化教育的目標。在教學過程中，實現個性化教育不僅能夠激發學生更多的潛力并提升學習能力，而且可以讓教師、家長以及學生共同利用學習行為分析中得到的結論，制定完善的學習方案，不斷完善學生學習效果。本文結合多年的本科教學和管理經驗，提出基于大數據理論和方法的學習行為分析，為實現個性化教育給出了研究思路和方法。

關鍵詞：個性化教育;大數據理論;智能信息處理;學習行為分析;學習效果

中圖分類號：G642 文獻標識碼：A

文章編號：1009-3044（2020）13-0125-02

1引言

個性化教育已經成為我國教育改革工作的重要舉措，在國家（2010-2020年）中長期教育改革和發展規劃綱要中，將學生個陛化教育作為戰略目標，其旨在關注學生的不同特點和個陛差異，發展每一個學生的優勢潛能。學生的學習行為特征將蘊含在海量的信息數據中，尤其是小學生，其學習習慣、學習模式、思維模式正處在培養和形成階段，為了能夠針對不同學生培養良好的學習狀態，提高其學習效率，進行個性化輔導教育將非常必要，學生自控能力弱，更需要這種個性化的監督教育，使之能夠養成適合學生自身的個性化學習方法，利用大數據技術，可以關注每個學生個體的微觀表現嘲。個性化教育能充分調動了學習者的學習主動性和積極性;其教育數據的精確收集，能讓教育管理者及時掌握學習者的學習狀況，并進行及時的干預和指導。實現個性化教學關鍵在于實現學生個陛化行為數據的采集、行為數據與學生學習專注度的關聯，以及個性化平臺的搭建。整個系統的關鍵首先在行為化數據的采集，行為數據的采集必須通過先進的rr技術支撐，必須具備人臉檢測與識別技術、行為特征提取與識別技術、視頻采集技術、大數據挖掘與處理技術以及軟件開發技術等，各個環節缺一不可。

2學生個性化行為數據的收集

在學習行為分析與收集方面，美國教育部率先提出了NEDM系統和方法;Verbert設計了一套教育數據集框架;Abwlado提出了一種獲取學習相關數據的方法;為建設一個個性化學習行為分析服務系統提供了思維藍圖;Siemens出了開放學習分析平臺來滿足各類學習系統和環境中的個性化學習行為分析需求;個性化教育基于先進的數據技術為手段，以海量數據（結構化、半結構化和非結構化）為基礎，通過對數據的挖掘與處理，形成一套涵蓋業務、技術和IT基礎架構的全面解決方案來存儲、管理和分析教育數據。為了能從根本上實現個性化教育，首先必須采集足夠個性化數據，并存儲于大數據平臺中，其學生行為數據的產生、收集、清洗以及處理如圖一所示：學生的個性化數據首先來自兩個方面，一方面是通過教學系統收集，比如收集學生的入學時間、人學年份、平時成績、期末成績、年齡、性別等;另一方面是通過人體特征進行采集，比如上課表情（喜、怒、哀、樂）、上課的行為（長時間低頭、發呆、搖頭晃腦、睡覺、說話），課下行為（走路的步態、神態、喜好）等全方位的采集，并通過計算機技術進行采集，通過數據清理系統和數據分析系統的計算，分析出一套學生行為與學習效果的最優關系，最后形成學生學習行為專注度評價體系，得出學生的學習專注度，個性化教育平臺系統根據專注度持續的最佳時間進行推送相關的知識資源，老師也可以根據系統的提示進行個性化的人工干預，及時改變學生的不良學習行為和不好的學習習慣。

3個性化教學平臺的架構設計

個性化教學平臺其系統結構的設計采用云架構的模式搭建，利用SaaS和PaaS結合的服務模型原則，該架構的邏輯視圖如圖2所示。在云的體系架構支撐下，資源學習庫系統、教務管理系統、教學系統等個性化學習行為分析數據收集并傳送到學生行為數據分析系統。

大數據分布式計算系統從數據匯聚系統獲取數據，并進行分布式運算處理，這些處理包括數據存儲、索引，以及針對不同的數據模型所進行的分布式實時分析技術任務，從業務邏輯上看，則可簡化為如圖2所示的架構。本系統在設計方面主要考慮基于大數據技術的分層設計，并利用基于Hadoop為核心的分布式計算系統架構，形成了一個完整的大數據生態體系，包括從數據采集、數據清理、數據傳輸、數據存儲與處理方面都應采用模塊化設計。

4個性化教育的優勢

搭建基于大數據技術的海量信息存儲平臺，能滿足不同環境下對高校學生個性化學習行為分析的需求搭建的平臺能提供分布式存儲、索引、分析功能，提供高可靠性的海量存儲、快速查詢與獲取，根據海量資源進行后臺分析，構建知識地圖。了解學生已經掌握什么和沒有掌握什么，然后實施教學干預，從而改進教學;運用社會網絡分析法，不但可以為學生的學習提供支持，還可以判斷哪些學生從哪些同伴那里得到了啟示，學生在哪里產生了認知上的困難，又是哪些情境因素影響了學生的學習過程等，個性化教育平臺應該提供了多用戶儀表盤服務。經過數據收集分析后，儀表盤以可視化的方法輔助用戶進行教學決策和學習干預構建基于大數據理論的個性化學習行為模型，能有助于提高高校學生個性化學習效果，通過對使用記錄挖掘，能挖掘后臺服務器中保存的學習行為日志，可以獲取學生使用學習平臺產生的訪問數據及交互信息，從中抽取出有用的數據，形成目標模式;分析得到學生的使用習慣、行為偏好、學習進度有助于系統結構的調整與改善并可以對學生形成個性化的學習服務。

5結論

個性化教育是教育信息化的發展趨勢，可以根據視頻采集系統實時捕捉學習行為，包括表情、動作、神態，并利用大數據分析與處理系統實時觀察學生的學習專注度，然后采用有效的干預策略使學生集中精力，認真學習。基于個性化的教育方式不僅僅能夠改變傳統的教學管理方式，同時還能夠對教學過程中學生的學習狀態進行監督，并且為課堂教學改革提供可靠的科學分析依據。對老師而言，根據學生個性化信息及時調整教學策略，實施干預;對于學習資源平臺而言，根據學生的學習風格、興趣偏好、知識水平等特征，個陛化推薦學習資源、學習路徑;對于學校而言，分析潛在危險的學生發出警告并實施干預，改善學生的成績和表現等。