大數據分析技術在教育教學中的應用

王歡歡　范桂丹

在教育信息化2.0時代把智能和信息化技術融入日常教學，實現教學信息化、學習智能化的新型教育體系一直是教學改革的重要方向。目前，部分高校已經開始智慧校園建設，通過大數據、人工智能、物聯網等新興技術，建立數據共享平臺，打通數據孤島。學校把校內數據匯總起來，構建教學診改系統，用于診斷教學中存在的問題，借助融課堂平臺時刻關注學生學習軌跡、任務完成情況以及學生的校內外活動軌跡等，實現了在線數據的智能化使用及開發。

一、大數據分析技術概述

（一）何謂“大數據”

目前，“大數據”雖然沒有一個十分精準的定義，但是，學界普遍認為，“大數據”指的是海量、高增長率和多樣化的信息資產。這也是信息化時代的產物，數據的來源多、增速快促成了大數據時代的到來。一般來說，大數據可以和任何行業實現無縫對接，如大數據融入金融就是金融大數據，融入教育就成為教育大數據，它的誕生使潛藏于數據深處的價值得以挖掘，使原本看似無用的數據為企業和社會帶來效益，更促進了日常生活、企業管理、教育教學的智能化。

（二）何謂大數據技術

大數據技術是指對龐大的潛在數據進行專業化處理的手段。飛速增長的數據不是簡單的數據處理工具就能解決的，需要憑借分布式數據存儲器、Hadoop集群平臺、數據采集技術、數據清洗工具、數據挖掘算法等等一系列的專業化技術手段進行存儲、處理和分析，更需要一些大數據技術與應用的專業人才去管理、維護、使用、開發，從而形成大數據集成平臺。

二、當前教學現狀

隨著高校學生規模的擴大，教師除線上線下授課、批改作業、輔導學生外，還要擔負繁重的科研任務。傳統的教學模式使教師分身乏術，教學效果和輸出質量不盡如人意。于是，很長一段時間，人們一直在呼吁智慧辦公、智慧校園等，希望可以通過科技的手段減少工作負荷。因此，將大數據技術融入校園，融入教育教學，提高教學質量，滿足學生需求，已經成為大勢所趨。

近年來，河南機電職業學院對大數據人工智能技術的應用進行了積極探索，構建數據中心，打通數據孤島，進行智慧校園建設，對學生和教師的日常學習、教學、活動等情況進行分析，從而為教學改革提供決策依據。今年突發新冠肺炎疫情，教學模式由之前的線上加線下全部改為線上進行。學校利用大數據技術對線上教學進行多維度分析，并對學生的學習狀態進行跟蹤分析，實現了“停課不停學”，高質量、高標準、高要求地開展教學活動。

三、大數據技術在教育教學中的應用

（一）采集以學生活動為主題的數據

隨著教學改革的不斷深入，在高校對學生的評價主要側重于對學生綜合素質進行分析，其中包括學生成績的對比分析、學生校內外活動軌跡的分析，以及影響學生職業素養和綜合素質因素的分析等。

以河南機電職業學院為例，大數據技術與應用專業以800名學生為樣本進行分析，學生的學習軌跡主要體現在線場課堂平臺上，活動軌跡主要體現在學生管理平臺上。通過建立中間庫，學校將學生日常產生的學習和活動碎片進行收集整理，采集到大數據中心的分布式存儲器上，并進行實時更新。具體采集數據的步驟如下：

1.創建一個學生成績分析項目，并選擇EXCEL數據源，添加所要分析的數據，部分數據可以通過連接數據庫，輕松導入所要分析的數據。

2.連接數據源“大數據專業成績表.xls”，對數據類型進行格式變更，進入數據預覽的頁面，將“snumb” “ternumb”“clanumb”設置為字符串類型，命名為“高校大數據班學生成績分析”。這一步主要是將所獲得的數據統一類型，以便進行下一步詳細的數據處理。通過創建的MySQL數據庫，我們將所需要的數據分類導入學生數據庫。

（二）清洗獲取到的數據

數據清洗是指找出并改正數據源中不正確數據，如檢查數據的一致性，處理無用值和殘缺值等。由于匯聚到的數據是從不同系統獲得的，系統的開發商各不相同，導致各個系統的數據格式及命名規范參差不齊。在拿到數據之后，數據清洗的工作量很大，數據清洗是否完整、是否正確，將直接影響分析結果的精確度。

數據清洗的方法有很多種，如編寫SQL語句、使用Python中的數據清洗庫、利用八爪魚工具等。本案例主要是在搭建好的Hadoop集群平臺上實現數據的清洗，結合魔鏡平臺編寫SQL語句來實現數據的清洗功能。

數據清洗是數據分析當中至關重要的一步，數據清洗得是否徹底直接影響數據分析的準確性。經過數據清洗之后，一些格式不統一、殘缺、無價值及干擾項便不復存在，新生成的數據源則用于下一步的數據分析及可視化。

（三）挖掘產生的數據

數據挖掘是指通過一系列的算法對處理過的數據進行分析，尋找數據中隱含的價值，常見的算法有聚類算法、關聯規則算法、基因算法等。數據挖掘的過程就是從這些龐大的數據中找出潛在的、未知的、對決策有幫助的關系、模式和趨勢，并建立決策支持模型的過程。本文主要采用的是聚類和關聯規則算法。聚類算法，即根據已經設定好的規則，對數據進行分門別類的處理，如將學生群體分為熟手、生手和能手;關聯規則算法，即探究兩種及以上事物之間的關聯關系，如每天學習Python課程的學生也會去學習PHP。

（四）大數據分析

大數據分析是指利用大數據技術手段，在對匯聚到數據庫里面的數據經過數據挖掘之后，根據實際需求以數據分析報告或者儀表盤形式，將分析結果可視化地展示出來，使分析結果清晰明了，并可以實時更新，便于分析、決策。

根據處理過后的數據，教師可以對學生各科成績的數據和學生活動情況進行關聯分析，找出影響學生成績的因素，并將分析結果展示出來。確定成績影響因素后，便于學校今后教學工作的順利開展，有的放矢地進行教育教學改革。其具體分析步驟如下：

1.分析學生在課堂學習以外的活動數據，如兼職、寒期打工、大學生社團、學生會等校內外活動，并分析該活動的所占比重。

2.對融課程、騰訊會議等教學平臺產生的教學數據和學生的學習軌跡數據進行收集，經過處理后在Hadoop集群平臺進行處理、分析。

3.對學生學習、活動所產生的數據進行整合，綜合分析出學生的成績波動情況及影響學生成績的存在因素，并對預處理后產生的數據進行可視化分析，其分析結果如上所示。

我們通過一系列的分析得出結論，學生的成績和參與活動的類型及時間有一定的關系，比如數學和閱讀類的課程，需要付出較多時間和精力，不參與校內外活動的學生大多成績偏中上等，參與學生會、校外兼職的學生成績普遍偏低。而對于偏科學類和通識類的課程，需要學生具有豐富的生活閱歷，參加校內外活動多的同學大多成績處于中上等，成績和課外活動呈正相關。通過這個分析，我們也發現大部分學生喜歡閱讀武俠小說，對于編程類的課程喜愛度次之，對于拔高性質的、難度系數較大的課程則興趣又不大。

學生的個人發展不能靠單一的考試成績來判定，要想滿足企業實際需求，成為適應企業需要的具有職業素養的人才，就必須實現德智體美勞全面發展。通過此次分析，我們發現，學生的培養計劃需要改變，培養模式需要改革，找出學習時間和課外活動的均衡點尤為重要，確保學生可以在不影響學習的前提下能夠全面均衡發展。同時，對分析出的個別孤立點的學生，要采取差異化對待，實現“一生一課表”“一生一方案”，不遺漏任何一位學生，全面提高整體教學質量。

（責編 ?王鵬飛）