基于智慧教育平臺大數據的學生學習行為分析

徐岸峰 楊仲基 王波

摘 ?要：高校學生學習行為分析是智慧教育平臺大數據重要的組成部分，通過數據分析可以實現課程的再造，用大數據的思想和理念重新構建新時期的課程內容和教學模式，從教學內容、教學方法、教師教學思想等多方面進行優化與重組，有效提升學生的學習能力與學習興趣。文章結合智慧教育平臺模式下，如何構建學生學習行為分析模型入手，統計和分析高校學生學習行為和習慣，根據智慧教育平臺混合教育的模式，提出智慧教育平臺大數據應根據學生學習行為分析調整與優化教學策略，激發學生學習的活力和動力的主張，并提出具體的對策與建議。

關鍵詞：智慧教育平臺;學生學習行為;數據分析

中圖分類號：G640 ? ? ? ?文獻標志碼：A ? ? ? ? 文章編號：2096-000X（2020）22-0016-04

Abstract： The analysis of learning behavior of college students is an important part of big data， which can realize the reconstruction of curriculum through data analysis， reconstruct the curriculum content and teaching mode with big data's ideas and ideas， optimize and reorganize the teaching content， teaching method and teachers' teaching thought from many aspects， so as to effectively improve students' learning ability and interest. Based on the model of wisdom education platform， this paper starts with how to construct the analysis model of students' learning behavior， statistics and analyzes the learning behavior and habits of college students， and puts forward that big data， the platform of wisdom education， should be rooted according to the mixed education mode of wisdom education platform. According to the analysis of students' learning behavior to adjust and optimize teaching strategies， stimulate students' learning vitality and motivation， and put forward specific countermeasures and suggestions.

Keywords： intelligence education platform; students' learning behavior; data analysis

一、學生學習行為分析模型構建

學生學習行為分析的統計和數據處理必須要構建起統一的模型，通過數據模型來建立完善的學生學習行為與內容，根據學生的學習特征和智能教育平臺的發展實際來看，構建學生學習行為分析模型主要為數據收集、數據預處理、模型訓練以及模型評價。

（一）數據收集

基于智慧教育平臺大數據的學生學習行為分析首先是數據的收集和整理。目前，高校大部分已經建立了完善的校園網絡和數字校園，這些教育平臺會自動記錄學生的學習規律，登錄時間、瀏覽方向、瀏覽時長、閱讀次數等內容，在分析學生學習行為時可以直接調取相關的數據。一般來說，智慧教育平臺大數據在搜集學生學習行為方面都會統一備份到數據庫中，會實現自動搜集和整理，只需要輸入特定的關鍵詞就可以對數據進行自由調取。

（二）數據預處理

基于智慧教育平臺大數據的學生學習行為分析在數據收集的基礎上應對數據進行預處理。智慧教育平臺數據中學生的學習行為數據是比較復雜的，而且缺少統一性，大部分都是根據數據自主搜集而來沒有進行數據處理。因此數據預處理就是對大數據平臺的數據進行提取與篩選，對數據進行根據以往的經驗和學生學習行為的基本分析進行信息的初步篩選，對龐大的后臺日志數據進行篩選后，利用多元回歸分析方法，確定了與評價學生學習效果是呈顯著正相關的指標：視頻觀看次數、學習總時長、討論區發帖數、討論區回帖數、閱讀資料次數。

（三）模型訓練

高校學生的學習心理、學習狀況、學習行為等受到的影響因素比較多，不同影響因素的影響效果、影響范圍、群體影響的情況是比較多的。因此智慧教育平臺數據通過初步的篩選以后應根據不同的模型進行構建，在構建過程中綜合多種算法進行統一實行與計算，在計算過程分析和對比多種模型的優勢，了解不同算法帶來的實際效果和影響，根據不同的條件、因素進行分別構建，如機器學習分為監督學習、無監督學習、遷移學習與強化學習等，監督學習包括支持矢量機、人工神經網絡、邏輯回歸、決策樹、K近鄰、隨機森林、樸素貝葉斯、線性回歸等算法;無監督學習包括K-Means 聚類、DBSCAN 聚類、主成分分析等[1]。

（四）模型評價

智慧教育平臺大數據模型構建完成以后，應對不同的模型對學生學習效果進行綜合的評價與分析，在分析的過程中了解學生學習行為情況并對不同的模型進行綜合評價。評價主要是分析不同數據模型的優勢和劣勢，了解不同學習者特征和行為分析的主要模塊和流程。學習行為評價是在線學習過程中的一個重要過程，大數據技術為實現在線學習評價提供了可能。所得出的評價結果可以有效地幫助教師清晰了解到不同教學階段學生的學習情況，及時改變教學策略，對學生進行指導。

二、混合學習模式分析

目前常見的方式為“微課、慕課和翻轉課堂”三種模式，是混合學習模式的主要內容，具體來說是以下幾方面：

微課普遍具有以下屬性：以簡短的視頻為主要載體，圍繞一個或幾個重要的知識點，教學活動完整，支持網絡在線學習。其特點是：講授時間短、時間碎片化;內容少、主題突出、知識碎片化;以微視頻為核心，資源構成多樣。

慕課，即大規模在線開放式課程（Massive Open Online Courses，簡稱MOOCs），起源于2001 年MIT 發起的“開放教育資源”運動的大規模網絡開放課程。其特點是：開放性和共享性;大規模性;學習過程的互動性和社交化。

“翻轉課堂”就是在信息化環境中，課程教師提供以教學視頻為主要形式的學習資源，學生在課前完成對教學視頻等學習資源的觀看和學習，師生在課堂上一起完成作業答疑、協作探究和互動交流等活動的一種新型的教學模式。其特點是：對傳統教學流程的顛覆;新型師生關系;教學視頻是核心教學資源。

三、學生學習行為流程分析

智慧教育平臺是信息技術與學科教育融合的產物，在學生學習和教育方面采用了混合教學模式，充分應用了信息化的教學手段，包括微課、慕課、交互白板等教學模式，同時也對教育教學進行了全流程的控制，包括課前、課堂和課后，從以學生為主到翻轉課堂進行了具體的時間活動，因此綜合學生學習行為分析，可以從學生課前、課中和課后三方面對學生智慧教育平臺的滲透、應用與發展進行數據分析，如圖1。

（一）課前學習分析

從學生學習行為分析來看，微課、慕課等課前以任務表單的方式提供給學生，讓學生在課前進行微課或慕課的學習，二者都是圍繞視頻為核心資源點，學生可通過網絡視頻學習，具有學習靈活性和自主性，利用監控系統和數據統計及分析技術，教師可以對學生的學習行為和狀況進行追蹤，及時了解學生的學習情況，教師能夠定位“落后”學生，及時給予支持和輔助。慕課課程的學習人數少則幾千人，多則幾十、幾百萬人。而微課視頻大多數屬于校內資源，教師往往針對校內選課學生的特點和專業特性來制作微課。所以微課不具備真正意義上的開放性，參與人數受限。此外，慕課提供的課程豐富，學科全面，教學資源更優質。

從智慧教育平臺的角度來看，高校學生在選擇視頻資料學習過程中，更青睞于微課模式，主要在于微課模式符合學生碎片化的學習實踐，從數據統計可以看出學生在微課學習方面的時間并不固定，學科微視頻的資料通常是以多個關鍵詞為單位形成的視頻資料，每個視頻資料都對應了一個關鍵詞，學生在學習過程中很少會立刻學完，而是呈現早中晚分布的特征，其中早上與晚上是微課學習的高峰期，中午和其他時間學習比較少，這也說明了高校學生的預習學習行為主要受到時間因素的影響，白天的時間主要是被其他學習因素、生活因素所干擾;從慕課學習情況來看，慕課學習通常是以視頻公開課的方式存在，大部分是教師為了學生的拓展而開展的，在知識的結構和內容整理方面偏重于知識的普及，適合學生在課前進行預習或對內容產生初步的認識，因此慕課的知識內容比較膚淺，一般慕課的時間并不固定從學生學習行為來看，如果沒有布置作業的情況下大部分學生對慕課多是以一遍為主，也就是觀看視頻，但如果布置了預習作業，學生在學習過程中對慕課有多次學習的情況，這說明學生在慕課學習過程中存在精力不集中現象，需要重點關注學生的慕課學習行為。

（二）課堂學習情況分析

依托智慧教育平臺，高校學生在課堂學習主要采用翻轉課堂的教學模式，其特點是以學生為主的課堂，教師處于引導者角色，課堂教學注重生生互動（學習小組）、師生互動[2]。翻轉課堂則是一種線上教育與線下教育的結合微課或慕課是實現翻轉課堂的一種重要的策略。微課和慕課均可作為翻轉課堂課下教學部分最主要的教學內容，教師課上引導、答疑，將在線的慕課學習與課上面對面的學習有機整合。國內不少高校教師在基于微課或慕課的翻轉課堂教學模式的設計和實踐方面進行了積極的探索。教師對翻轉課堂的實踐促進了微課與慕課的應用和發展，同時知名慕課平臺的優質慕課也推動了翻轉課堂教學模式在不同學科教學中的應用和深化。翻轉課堂的教學模式可以促進學習者更主動深入地學習，促進學習問題的解決。在課堂教學中，教師可以針對不同水平的學生采取不同的措施，盡可能地關注到每一位學生，及時發現問題并解決問題，這正是翻轉課堂相對于慕課和微課的價值所在。

從學生學習行為來看，學生參與翻轉課堂的積極性比較高，在學習主動性方面比較好。一方面，學生在以往的學習過程中，學生已經接觸了翻轉課堂內容，對學習小組等建設不陌生，甚至有的學生對學習小組建設踴躍性比較高，在組內角色分配方面起到了積極的建設性作用;另一方面，學生在學習能力、學習技巧、學習方面等方面具備了較高的能力，在解決和應付高等教育方面具備了一定能力，可以快速融入到學習內容當中，提高了課堂的學習效果。從翻轉課堂學生學習行為的整體狀況來看，翻轉課堂模式下教師的教育工作發生了一定的變化，傳統課堂教育模式中教師的重點是快速講解教材內容，幫助學生掌握和理解專業知識，但在翻轉課堂模式下學習的重點是如何兼顧不同學習能力、學習習慣的學生群體需求，教學的重點是對學生以小組為單位進行引導和現場的點撥，教學重點和思路的發生是劇烈變化。

（三）課后學習情況分析

依托智慧教育平臺，高校學生在課后學習主要是以互助實踐、任務提升和作品分享為主，主要是突出實踐性和能力的提升。從課后實踐來看，學生學習行為注重信息的交流與共享，注重實踐性，從行為分析來看課后作業如果是以理論為主，包括課后習題的布置，課后理論內容的二次復習大部分學生的學習頻率比較低，普遍為一次或兩次;如果是實驗類或社會實踐類課程作業，學生的登錄次數、閱讀次數等信息頻率明顯增多，一方面實驗類或實踐類課程都需要反復登錄進行信息的補充，包括實驗類各項數據的對比，實驗過程的反復學習，而實踐類的課程側重于理論聯系實踐，需要學生填寫實踐報告，實踐過程等內容，這必然會增加學生登錄系統和二次學習的機會;另一方面，實驗類、實踐類的課程重點是實現了作品的分享與交流，學生在學習完成以后需要與其他學生或其他小組建立聯系。通過智慧教育平臺，學生可以了解其他小組、團隊和個人的作業進度和作業情況，通過了解其他人的工作內容建立起統一的內容，幫助學生在學習過程中不斷進行內容的學習，在交流中互補長短，這些內容必然會通過教育平臺的數據體現出來。

四、基于智慧教育平臺大數據的學生學習行為分析建議

（一）進一步實現平臺能力升級

智慧教育平臺大數據的學生學習行為分析過程中，應進一步實現平臺能力升級，要進一步融入大數據、人工智能、AI等內容，實現智慧教育平臺的進一步發展。從目前來看，智慧教育平臺的發展已經成為了高校發展的主流思想，在發展和應用過程中得到了普遍的提升，但部分學校的智慧教育平臺主要側重于對學生的管理方面，只是單純的將校園網進行了融合，注重學生行為分析，沒有具體量化到學生學習行為分析，在學生學習行為數據調取，學習智慧場景設計等方面還存在一系列的問題，這需要高校結合本學校實際情況，立足于學生學習行為角度進一步實現平臺能力的升級與改造，進一步擴大學生學習行為分析的智慧場景和內容，積極與校內外的智慧教育平臺合作，實現平臺能力升級。

（二）進一步實現平臺升級

智慧教育平臺大數據學生學習行為分析過程中應進一步實現平臺升級。從目前來看智慧教育平臺發展過程中，部分學校在管理方面還缺乏統一性，在發展的過程中沒有注重個人環境的構建，一方面部分學校的智慧教育平臺在入口、數據、身份識別等方面還存在不對接的情況，突出表現為部分平臺是以學科為單位，每個學科都單獨設置了驗證碼和身份識別系統、數據標準使用不規范，這必然會導致數據提取、篩選等方面存在一定的問題，部分數據無法統一進行調取;另一方面，部分高校智慧教育平臺的功能比較少，平臺承擔的任務主要是教師布置的任務，學生根據教師任務進行學習，智慧教育平臺成為了教師布置作業的一個場景，場景較為單一。因此在后續的發展過程中，高校智慧教育平臺大數據學生學習行為分析必須要堅持從使用場景和需求出發，針對教育環節的各種角色構建不同的個人空間和機構空間，融資源、服務、數據為一體，實現信息溝通、數據交換并支持各類應用服務的匯聚與調用，實現服務全面貫通。統一數據標準、統一身份識別、統一應用入口、統一知識圖譜，全面貼合教育信息化2.0的要求。

五、結束語

隨著大數據時代的到來，大數據已經成為了高校教育的重要輔助工具，包括學生日常行為分析，生活分析，學校管理分析等方面提供了有力的數據支持智慧教育平臺發展過程中，必須要注重大數據教育的優勢，大數據與傳統數據最大的區別在于數據分析和統計能力，其以根據學生行為數據分析，來進行相應教育資源的匹配，這種匹配是精準匹配，實現了對個體的深入分析。

參考文獻：

[1]何珊.基于智慧樹平臺的高校MOOC設計與實施探究——以中級財務會計課程為例[J].中國中小企業，2019（08）：200-201.

[2]張燕玲.基于任務的訪問控制模型在智慧高校共享服務平臺中的應用研究[J].焦作大學學報，2019，33（01）：51-52+73.