大數據分析與挖掘技術在高校學生線上學習中的應用研究

張興科

[摘? ? ? ? ? ?要]? 隨著信息化教學條件的逐步成熟，各高校都在積極推行學生在線學習的教學模式，這一模式實施的效果到底如何，可借助大數據分析與挖掘技術分析學生的學習效果，針對性地幫助教師與學生改進教學與學習行為，從而進一步提升學生的學習質量與教師的教學能力，為更好地實施在線教學提供有益借鑒。

[關? ? 鍵? ?詞]? 在線學習;大數據;應用研究

[中圖分類號]? G712? ? ? ? ? ? ? ? ? ?[文獻標志碼]? A? ? ? ? ? ? ? ? ? ? ? [文章編號]? 2096-0603（2020）01-0146-02

一、大數據分析與挖掘技術在線上教學中的應用背景

目前，隨著教育信息化的快速發展，多數高校都開設了線上學習課程，學生的學習方式及教師的教學方式發生了深刻變化，由教師主導的教學逐步變為學生主導的自學，這種教學模式充分激發了學生的自主學習意識和自學習能力，也會對學生終身學習的習慣養成及能力培養發揮重要的作用。

實施線上教學，教師應為學生提供豐富的線上學習資源，資源包括教案、課件、教學視頻、習題等。線上教學實施主要借助網絡在教學平臺上由學生在課上或課下完成視頻觀看，對學習中遇到的問題可采用網上討論、網上答疑來解決，對學生當堂課的學習情況可采用作業完成情況、在線測試等方式進行分析。找出具體到該線上課程到底教學質量如何、影響教學質量的關鍵因素有哪些、重要因素有哪些，對精準地幫助教師進行線上教學設計、實施線上教學過程、進行教學效果的評定和教學反思提供重要的依據。

數據挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用大量數據中，提取出隱含在其中的、人們事先不知道的有用數據的模式的過程。數據挖掘技術融合了數據庫技術、知識工程技術、機器學習技術、人工智能技術、可視化技術等。當大量課程采用線上教學方式讓大量學生網上學習時，就會產生海量的上網數據，這些數據包括學生在線時長、練習情況、教師學生互動情況、學生作業完成情況、學生在線測試情況，以及學生最終考核結果等情況。通過大數據分析與挖掘技術對學生線上學習行為進行監控，通過可視化的分析結果和挖掘結果，可以幫助教師更好地掌控線上教學、教學效果分析，找出影響教學質量的關鍵因素。這可以幫助教師更加精準地指導學生進行線上學習，更好地進行教學改進，并進一步提高教師的教學能力。

二、大數據分析與挖掘技術在線上教學中的應用分析

在信息化教學中利用大數據分析和挖掘技術，可分別對學生學習數據及教師教學數據進行分析，挖掘數據模型，找出成功要素，以便后期更好地實施在線教學。

（一）數據分析與挖掘在學生方面的應用分析

在線學習記錄的大量數據首先是學生在利用教學平臺學習時留下的行為特征，把學生的行為特征通過分析與挖掘技術，找出學生學習的規律，分析出對提升學生學習成績有重要作用的因素，從而針對性地幫助學生學習。

學生在線學習，要登錄賬戶后才能學習，學習方式主要是看視頻，由于每名學生自主學習的自律性、自控性不同，每名學生登錄的時間不同、頻次不同，看視頻的總時長不同，看同一視頻觀看時暫停、中斷的頻次不同。可通過網絡學習后臺獲取學生的登錄次數和學習時間等數據，根據學生的成績情況，研究個體登錄時間是否能滿足線上學習的需要;研究整個學期中學習的高峰期、每天的學習高峰期，從群體角度和個體角度分析影響學習的因素;同時將分析結果和被研究學生的課表匹配，分析是否存在正課時間惡意刷課的行為。

學生在線學習過程中，會遇到各種問題，問題的解決可通過教師在線答疑、學生在線討論最終使問題得以解決，通過后臺可以記錄下學生經常遇到的問題以及問題的解決方法，記錄下哪些學生愛提問，這部分學生的學業成績如何，通過分析與挖掘，確定愛提問學生與學習成績是否存在必然的關聯;在學習論壇中有哪些是愛發帖的學生，哪些是愛回帖的學生，這部分學生的學業成績如何，這部分學生可能思維較活躍，以后能否長期觀測該類學生，觀察此類學生的長遠發展情況。

學生在線學習的課程，特別是自主學習的課程，學生在學習過程中，會對有的知識點感興趣，有的知識點不是很感興趣，對教師制作的教學資源某些部分感興趣，某些資源不感興趣。可通過大數據分析挖掘技術找出同一門課中哪些知識點是學生喜歡的、愿意學的，對學生不感興趣的知識點找出原因及下一步的解決辦法。另外教師制作的教學資源中融入圖像、聲音、動畫、模擬仿真等元素，可視化教學資源的設計布局、色彩、頁面格式等因素，也會影響學生學習興趣的一些因素，可通過大數據分析與挖掘技術，找出教學資源的構成元素中哪些類的可視化教學資源更受學生關注與青睞，后期制作教學資源時，教師可根據學生的喜好制作教學資源，進一步提升學生喜愛在線學習的方式，進一步提升在線學習的效率。

學生在線學習，學習形式、學習時間沒有一個定式，教師應經常性地監控學生的學習情況，根據在線學習過程中的分階段測試，找出成績優的學習者學習規律，找出成績弱的學習者的學習規律，再挖掘出一種具有通用性的能改善絕大多數學生質量的培養模型，教師可根據培養模型對學生學習過程中存在嚴重背離培養模型的情況進行重點監控，對不同學生的學習進行必要的指導，對照學生的學習情況對學生成績進行預測，對可能不及格的學生進行學習行為干預和預警。

（二）數據分析與挖掘在教師方面的應用分析

教師利用在線學習平臺實施教學，也會有信息在平臺記錄，如資源部署、作業留置、答疑信息等，在對學生學習進行分析與挖掘的同時，對教師教學行為的分析與挖掘同等重要，可通過對教師教學行為的分析與挖掘找出影響教學質量的一些重要因素，提升教師教學環節的把控與改進，進而提升整體的教學質量。

分析教師教學行為對學習者的影響程度。在線學習課程，教師起到幕后策劃、實施方略、資源調配、學習監控、授課答疑、分類指導、經驗總結、等作用，在具體到在線教學實施過程中，后臺也可記錄教師進入課程總數、發表課程通知總數、添加教學資源總數、發布測試次數、添加視頻次數、布置作業次數、論壇區回文次數、批改作業次數等信息，對此類信息進行分析與挖掘，分析教師教學行為對學習者線上成績的影響。

教師進行在學習平臺實施教學，能夠提升教師學生的學習能力，也能夠提升教師的教學能力。網絡環境中，教師面對復雜的在線課堂及更加復雜的教育對象，教師作為管理者的角色需要管理教學資源、組織課程內容、合理安排教學策略、管理在線學習者、管理學生作業等，教師的信息化應用能力得以大幅提升，通過大數據分析與挖掘技術，找出信息化教學效果開展好的老師參加信息化技能大賽，通過參加比賽“以賽促教、以賽促學”，既可提升教學質量，也可促進教師教學能力的進一步提高。

三、大數據分析與挖掘技術在線上教學中的應用實例

以我院實施信息化教學的超星平臺數據為數據源，以學生學習積累的平時數據為研究重點，以學生成績評價為目標，為保證數據盡可能真實、準確，把平臺中采集的數據進行一定的過濾，去除不必要的數據項，保留學習成績評價的主要因素：①課前預習;②登錄次數; ③學習時長;④提問搶答;⑤學生提問;⑥作業完成;⑦學生成績。對上述采集的數據對每名學生的每項內容均分為A、B、C、D四個等級，A代表很好，B代表較好，C代表一般，D代表較差。最終形成如下形式的表格：

利用SQL Server中集成的Analysis Manager 樹窗格中的“挖掘模型”，通過向導建立挖掘模型，依據學習成績為A的讀取客戶決策樹，生成的決策樹如下圖：

通過圖示顏色及生成條件可以看出，在線上學習挖掘的各數據項中，提問搶答情況與學生成績的關聯度最高，其次是登錄次數對學生成績的影響較大。定性分析為提問搶答成績好的學生基本都是平常學習接受能力強、知識靈活的學生，因此最終成績會更好;登錄次數多的學生，基本不是靠刷時長學習，而是根據個人興趣及學習需要，隨時上網學習的學生，這部分學生成績也會很好。其他數據項對學生成績影響較弱。

四、結語

在信息化教育時代，高校教師利用網絡在線學習平臺進行授課，在授課平臺中產生大量的教師教學數據和學生學習數據，對這些數據進行分析、挖掘并理解這些數據，進而為學生設計出更具應用性的學習環境、改進自身教學實踐、促進自身專業發展，以及找到學生學習規律、指導學生提高學習效率、更加有效地進行學習，是當今高校教育信息化進程中的重要課題。本文大數據分析與挖掘在教學中的應用實例僅就學生部分數據進行研究，教師教學數據及更多數據項的采集、分析、挖掘將是下一步研究的重點。

參考文獻：

[1]張進良，何高大.學習分析：助推大數據時代高校教師在線專業發展[J].遠程教育雜志，2014（1）.

[2]顏磊，祁冰.基于學習分析的大學生深度學習數據挖掘與分析[J].現代教育技術，2017（8）.

[3]彭紹東.大數據時代網上學習行為研究的挖掘方法模型與應用[J].電化教育研究，2017，38（1）.

[4]連衛民.基于數據挖掘的高職高專教學評估應用研究[D].鄭州大學，2006.

[5]劉占波.數據挖掘技術在教師教學評價中的應用研究[J].軟件，2019，40（2）.

編輯 張 俐