基于大數據的高校學生在線學習數據分析研究

王鈺杰 楊杉

摘 ?要：文章基于新冠疫情前后四川某高校在線學習平臺的學生學習數據變化，獲取疫情前后學生在在線平臺學習的學習數據，針對疫情前后的變化數據進行兩個方面的主題分析：數據分析和數據挖掘。其中數據分析采用了均值過程和單因素分析方法，數據挖掘構建了決策樹模型和貝葉斯聚類模型。分析和挖掘結果能夠直觀得出疫情變化對該高校學生的學習造成的影響，能夠為高校提供遠程學習的管理意見，提高學生的學習效率。

關鍵詞：大數據分析;數據挖掘;行為研究;SPSS

中圖分類號：TP311 ? ? 文獻標識碼：A文章編號：2096-4706（2021）14-0094-05

Abstract： Based on the change of students’ learning data in the online learning platform of a college in Sichuan before and after the COVID-19 epidemic， this paper gets the students’ learning data in online platform before and after the epidemic. According to the changed data before and after the epidemic， two aspects of subject analysis are carried out： data analysis and data mining. The data analysis adopts the mean process and single factor analysis method， and the data mining constructs the decision tree model and Bayesian clustering model. The analysis and mining results can intuitively obtain the impact of epidemic changes on the learning of college students， can provide management opinions on distance learning for colleges， and improve students’ learning efficiency.

Keywords： big data analysis; data mining; behavior research; SPSS

0 ?引 ?言

近年來互聯網的極速發展，線上學習平臺更被各所高校所使用。線上學習平臺功能多，更加方便老師和學生教學和學習。自疫情暴發以來，線上學習成了解決疫情期間學習問題的最佳辦法，其中線上學習平臺更是在疫情在家學習中起到了最為關鍵的作用，同時線上平臺也積累了高校學生疫情前后的學習各項指標數據，如學生觀看視頻時長、任務點完成數、章節學習次數、討論數等等。因此可以通過不同的數據分析方法分析出疫情前后學生的學習狀況變化，對比發現疫情期間線上學習的優勢劣勢，改良線上學習的方式方法;給各學院各教師提供學生的學習指標數據，結合課程針對性改變線上的具體教學方式方法。

1 ?研究思路

以四川省某高校的線上學習平臺數據為研究對象，對該平臺的學生疫情前后在線學習數據進行學生在線學習行為數據分析，數據挖掘。其中數據分析采用了SPSS軟件進行學生各項學習指標的均值過程，疫情后不同入學年級關于章節學習次數單因素分析。數據挖掘采用SPSS軟件構建了疫情前后學生觀看視頻總時長貝葉斯模型，疫情前后任務點完成情況決策樹模型。

2 ?數據說明

2.1 ?數據來源

數據采自四川某高校疫情前后學習平臺數據，通過在線學習平臺導出2017至2020級學生疫情前后的所有線上學習事務的匯總數據。數據維度有：學生姓名、學生賬號、專業、行政班、院系、學生狀態、入學年級、課程名稱、課程編號、任務完成點數、學生視頻觀看時長等等學習指標。疫情前共60 000條數據，疫情后90 000條數據。

2.2 ?數據清洗

對數據進行兩類清洗處理，對疫情前和疫情后的Excel表去除無效分析對象，將轉學院學生，留級學生和無信息學生數據等無效數據進行刪除。再將表中多次出現學生的數據進行合并，疫情后的各年級表進行合并，得出疫情前和疫情后學生學習情況兩張總表。

3 ?數據分析

3.1 ?疫情前后學生學習情況指標的均值過程分析

由表1和表2對比分析可知，疫情后線上學習平臺任務點完成數、視頻任務點完成數、學生觀看視頻總時長（分鐘）、作業完成數這四項學生學習指標在均值上比疫情前有較大提升，可以看出疫情后該高校對線上學習平臺的使用率大幅提升，各課程在線上學習平臺的任務點的設置也極大增加。學生完成質量也較疫情前有所提高。任務完成數、視頻任務點完成數、學生觀看視頻總時長、作業完成數這四項學習指標中，學生觀看視頻總時長提高最大，疫情前學生觀看視頻總時長均值在278.61分鐘，疫情后均值提高到325.13分鐘。說明疫情后學生在線上進行觀看視頻的學習方式極大地被采用，教師也極力推薦并采用了這種以線上視頻觀看為學習主要途徑的教學方式。其他學習指標也都有不同程度上的提升，說明較與疫情之前的教學工作，疫情后的教學將很多疫情前教學工作中的活動都搬到了在線學習平臺上，任務點完成數、作業完成數的增長可以證明這一點。

3.2 ?疫情后不同入學年級關于章節學習次數的單因素分析

為了方便進行單因素分析，需要對數據進行處理。其中1、2、3、4分別代表2017級、2018級、2019級2020級。

從表3的方差齊次性檢驗我們可以看出sig<0.05，不具有齊次性，表4是方差分析表，分析不同入學年級他們章節學習次數的均值是否具有顯著差異，而sig<0.05，是拒絕原假設說明至少有兩種不同的入學年級他們章節學習次數是有顯著差異的。在表5中，因為不具有齊次性所以直接我們看表的下半部分的表即塔姆黑尼表可以得出這四種不同入學年級的章節學習次數都是具有顯著差異的，其中均值最高的是3，說明2019級學生與其他年級差異最明顯。通過具體數值的比較，總體排名為3>2>4>1即2019級>2018級>2020級>2017級。這個排名體現了各年級之間學習效果存在著較大的差異，通過具體的數值可以看出，2019級的同學在疫情期間學習效果最佳超過了其他年級。而2017級的同學排在了最后，說明2017級同學在疫情期間的學習效果并不是很好。

4 ?數據挖掘

4.1 ?疫情前后學生學習情況貝葉斯分類分析

通過運用SPSS構建了疫情前后的關于學生視頻觀看總時長的貝葉斯模型，并對模型的結果做出以下分析。由圖1可以看出疫情前視頻任務點學生觀看時長（分鐘）對于任務完成數依賴度是最高的，而其他學習指標如考試完成數以及章節學習次數數值上講對視頻任務點學生觀看時長依賴度并不高，但是總體上這六類指標對視頻任務點觀看時長依賴度都不高，數值都在0.2左右。對比圖2疫情后學生觀看視頻總時長（分鐘）對于各項學習指標依賴度大幅提高，其重要性都達到了1.0，可以看出疫情后的學生學習更加注重線上平臺視頻觀看，且各項學習指標都依賴于學生觀看視頻總時長（分鐘），說明疫情后的學習模式是以線上平臺的視頻觀看為側重點展開的。

在這次質量較高的建模下，可以看出在疫情前學生觀看視頻總時長這一學習指標并不跟其他學習指標存在較大的相關聯性，其他學習指標也并不影響學生觀看視頻總時長;而在疫情后其他學習指標受學生觀看視頻總時長影響較大，說明疫情前教學工作并不是通過線上視頻觀看展開，而在疫情后線上教學工作大都通過線上平臺視頻的觀看以及其他學習任務相結合開展，疫情后的線上視頻觀看成了該高校學習任務的側重點。

4.2 ?;疫情前后任務點完成情況決策樹分析

通過運用SPSS軟件構建了疫情前后的關于任務點完成情況的決策樹模型，并對模型的結果作出以下分析。如圖3可以看出疫情前任務點完成情況主要由視頻任務點完成數和章節測試完成數構成，兩者對任務點完成數的影響度都超過了0.4，章節測試平均分對任務點完成數影響較小。對比圖4疫情后任務點完成數主要被視頻任務點完成數所影響，其他的作業完成數、章節測試完成數、作業完成數對任務點完成數影響對比視頻任務點完成數對其的影響很小。疫情后的視頻任務完成數對任務點完成數重要程度超過了0.8，其他學習指標反而都沒超過0.2，遠遠大于其他指標的影響。

在這次質量較高的建模下，可以看出在疫情前在線學習平臺的任務點構成由視頻任務點和章節測試任務點構成，而疫情后在線學習平臺的任務點構成發生了大轉變，其中視頻任務點完成數占到了最大的比重，還出現了考試完成數。說明疫情后教師加大了在線學習平臺上視頻任務點的布置。將之前線下的考試搬到了線上，這是教學工作側重點的轉移。

5 ?結 ?論

學生的各項學習指標數據在疫情后都有較大的提升，說明疫情后該學校大力開展結合線上學習平臺的教學模式，疫情期間的教學工作主要通過線上學習平臺實施。疫情前后不同學習指標數據的變化反應：教學方式在疫情期間的變化，教學的側重點在疫情期間的變化。

在疫情期間各年級同學學習效果存在較大差異，通過對疫情后的不同入學年級學習指標單因素分析，2019級學生學習效果最好指標最高，2018級和2020級處于中間，2017最差。說明各年級同學對疫情期間開展的線上學習模式接受程度不同，對待態度不同，所以達到的效果也不同。各學院可以通過開展各年級線上學習情況和滿意度調查，及時了解疫情期間學習效果差的年級的思想，以及效果好的年級的方式方法。及時調整各年級線上教學工作。

疫情期間教學方法及教學任務的側重點發生了重大轉變，通過兩次高質量的建模，發現了疫情后教學方法發生了巨大的變化，在各項線上學習平臺考核數據上都有體現，最為明顯的就是疫情后教學側重點放在了線上學習平臺視頻的觀看上，在疫情前后任務點完成情況決策樹模型結果匯總我們可以明顯發現，疫情后視頻任務點完成數迅速增加，對整個任務點的構成造成了巨大的影響。較與疫情前的教學模式，各種線下的教學考核也都搬到了線上平臺，如章節測試、考試、作業等等。這是受疫情的影響，同時也反映了線上學習平臺對遠距離教學的幫助。

參考文獻：

[1] 廖雅琪，楊杉，孫宇辰.基于SPSS的線上學習行為分析研究 [J].現代信息科技，2021，5（7）：21-24.

[2] 薛新鵬，楊杉.基于大數據的高校學生在線學習平臺數據研究 [J].現代信息科技，2021，5（9）：83-86+92.

[3] 楊杉.基于大數據的高校學生在線學習畫像研究 [J].電腦知識與技術，2021，17（7）：237-241.

[4] 鄧瑩.疫情危機下大數據分析的功能研究 [J].數字技術與應用，2020，38（3）：82-83.

[5] 賀玲.大數據背景下統計軟件在數據分析中的運用 [J].經貿實踐，2018（4）：328+330.

作者簡介：王鈺杰（2000—），男，漢族，四川廣元人，本科在讀，主要研究方向：數據挖掘、大數據。