基于大數據的高校智能教育平臺的學習模式、評價體系分析與服務模式分析

劉平 劉瀟 匡晶

湖南外貿職業學院

高等院校的智能教育模式離不開對大數據的運用，特別是在學習模式與評價體系的分析，包括服務模式的形成上，也都要強化與大數據平臺的對接。強化教育信息化以及配套的教育基礎設施建設，進一步推動大數據在高等院校智能教育平臺上的應用奠定基礎，這是高等院校智能化教育發展的模式，也是其未來的發展趨向之一。大數據技術對于社會的生活以及各種生產方式都有比較深刻的影響，特別是過去無法進行搜集或者分析的數據，通過大數據的方式也有一些新的分析手段，用這種分析的方式，能夠針對學習者的行為模式或者喜好等情況進行數據挖掘，從而推動高等院校的教育進行變革與創新。因此采取教育大數據對于海量的交易數據進行處理，能夠激發高等院校運用智能化平臺進行分析，同時又對傳統的學習模式和評價模式進行改革，推出一些新的教育服務，這正是推動以學生為中心的高等教育模式，真正做到因材施教以人為本。

一、基于大數據的高校智能教育平臺的學習模式分析

教育大數據在高等院校中的應用，截至目前還沒有比較成熟的理論體系，但是很多高等院校特別是綜合性的院校，已經采取教育大數據進行云端的統計，為高等院校推出一些新的教學模式奠定基礎。教育的大數據，特別是基于這種數據所形成的智能教育平臺，在學習模式上面也有一些更加新穎特征。

第一方面，海量知識的整合與應用。高等院校的智能教育平臺，不同傳統的面授課程，在教學的內容上面有著數據的海量性。數據量相對比較大，是高等院校目前采取大數據手段的主要基礎，特別是在電子信息化技術的推動下，大多數的高等院校也逐漸采取比較先進的信息化管理模式進行教學管理，對于教學過程中所產生的各種資源以及相關數據都進行記錄和整合，而且越來越多的高等院校學習行為也是通過網絡的途徑實現的，這也意味著在學習模式上面逐漸的轉變為網絡授課與面授課程相結合的方式。

第二方面，在大數據基礎上的高等院校智能化教育平臺，也呈現出學習模式的多樣性特征。由于個性化學習逐漸成為了高等院校學習的主流，在原有專業框架之下，每個學生的職業生涯規劃以及未來的職業取向也各有不同，因此大數據所面對的問題不僅僅是數據的多元性，更是學習主體及其學習意愿的多元性。傳統的學習模式所面對的教育知識和內容往往是一些結構性的數據，但是隨著教學手段在信息化基礎上不斷變化，教學工具也產生了非屬性的發展，教育數據在類型上面呈現出多元性，數據的結構也不再是一種線性的結構，而是呈現出多樣化的特征，這些具有多樣特征的教育性的大數據，背后也有著非常豐富的信息。在個性化的學習指導之下，學習數據的品種不斷增加之后，學生的學習態度以及能力等方面都會有更加多元的評估模式，因此在學習的過程中，學習者通過不同的途徑掌握知識，也意味著學習模式從單一轉變為多元性。

第三方面，高等院校的學習模式在大數據與信息化平臺的支持下，逐漸呈現出動態化的特征。傳統的高等院校教學過程中，對于學生學習情況的記錄往往是靜態性的，包括期末考試或者階段性測驗等，這些只能夠反映學生在某一個階段的學習情況，但是很難對學生學習的情況進行全貌性的掌握。在大數據平臺支持下的信息化教學模式中，學生的學習方式有著更多細節性體現，包括學生在課堂上面的注意力情況以及學生在網絡互動的情況等，這些實際上都是與高等院校的教學模式密切相關。因此學生在學習的過程中所表現出來的特征有更多的動態性，通過跟蹤學生學習的一些行為特征，能夠對課程的質量進行評價，從而進一步改善課程的教學內容，對于教學內容與學習模式互相適應等提供了數據和技術上的支持。

二、基于大數據的高校智能教育平臺的評價體系分析

大數據的基礎上，高等院校對于學生學習行為的評價，其實不同于傳統的教學模式中對學生的評價方式。高等院校要基于大數據的情況進行綜合分析，整合大數據中對于高等院校有積極作用的數據，并推動高等院校智能教育平臺在評價體系上發揮作用。

在評價模式上，大數據時代的高等院校，智能教育平臺的評價體系，更多是側重學生學習情況的價值性評估。傳統的評價方式往往是對學生學習的成果進行期末考試或者階段性測驗，以此來評價學生對于知識掌握的程度，但是這種評價方式往往是對學生階段性的評估，缺乏對學生學習行為的評價，如學生在學習過程中創造了一些新的學習方法和模式，調動學生學習積極性，就必須重視學生學習行為本身價值的評價。因此高等院校應該打破傳統數據孤島的思維，對于海量數據進行處理和分析，對于具有一定價值的學生行為進行分析與評估，并且納入到對學生的評價體系中。在利用有價值的學生行為改善評價體系的質量等方面，高等院校應該積極地推動評價體系的優化，特別是鼓勵評價體系形成多元包容性，利用這些行為改善學生成績，或者提供一些更加個性化的教學服務。

而從數據的真實性上看，大數據能夠支持高等院校在學生的評價模式上堅持更加真實全面的分析學生的行為。在高等院校的教學過程中，傳統的教育數據主要是高等院校為了一些業績或者排名等情況，故意對數據特別是評價的數據進行調整，這樣不真實的數據是無法對高等院校教學的真實情況，尤其是學生學習的效果進行準確的評價。因此堅持數據的真實性可以通過大數據的技術進行支持，由于教育的大數據融入到高等院校的智能化教學平臺上，有著比較龐大的統計技術，因此并不是對單一的個別數據進行特殊性的評價，而是依靠全息性的大數據對學生進行綜合評定。因此即便是存在一些錯誤信息，也在大數據的支持之下，能夠基本保持評價的正確，最后得出來的結論將有助于教學的優化，特別是為學生學習效果以及教學模式調整提供相關的依據。量數據的處理與分析，能夠對學生學習的表現以及教材的適應程度進行評估。高等院校通過這種方式能夠確保對學習數據進行歸納，同時強化分析系統的針對性，還可以把數據的時效性和部分冗余數據進行剔除，從而準確得出一些分析結論。通過這種方式，高等院校能夠把握大數據中具有效果并且具備規律性的信息進行分析，從而形成一些可視性的分析報告，對高等院校教學模式的改革有著積極的幫助。

三、基于大數據的高校智能教育平臺的服務模式構建

在大數據的影響之下，高等院校的智能教育平臺所提供的服務模式也更加多元化，這種多元化是適應個性化學習而產生的，因此知識的傳授能夠適應不同的學習主體，也能夠適應不同的學習環境。基于這個情況，在大數據的支持之下，高等院校智能教育平臺的服務模式構建，主要是側重于以下方面。

第一方面，對學生學習數據庫的構建。高等院校強調以個性化學習為主導，可以通過學習數據庫的記錄和存儲，把一些可靠并且具有價值的學生學習行為數據進行記錄，比如學生學習的過程記錄或者日記，包括學生學習的討論以及作業等。這些數據其實都是以一些非結構化的數據，這些數據將納入到課堂教學的參考中，在在線學習和面授課程中也可以運用智能化的數據平臺進行收集，每次學生在點擊瀏覽的過程里都可以記錄下來，形成一些非常具體、真實的學習數據，通過分析系統的方式，能夠為個性化的學習服務提供基礎。

第二方面，高等院校通過智能化數據平臺也可以對學生形成定制性的基礎數據庫，這些基礎數據庫包括了學生的各種基本信息，以及學生在學習過程中所形成的歷史信息，教師可以對這些學生參與的先導課程以及問卷調查等方式進行綜合分析，從而為學習者定制出比較合適的一些學習路徑和模式，這樣不僅僅能夠為學生的學習行為提出指導，更可以為教學方式和教學內容的調整，提供一些相關的依據。這樣高等院校形成一些更加全面的教學指導與輔助模式時，其提供的教學服務更具有針對性與有效性。

第三方面，高等院校還可以進一步地構建起分析系統。分析系統是基于學習數據庫以及智能化的教學平臺上對學生的學習軌跡進行跟蹤，通過對學生學習情況進行大

四、結語

對高等院校學生學習軌跡的記錄是能夠通過大數據的方式得以實現，但是高等院校在構建智能化的教學平臺時，一定要堅持網絡授課與面授課程互相結合的方式，并且進一步對數據進行處理，從而保障數據的真實性與全面性，為高等院校的全面發展，特別是教育教學的改革提供扎實的基礎。