大數據及其關鍵技術的教育應用

唐利紅

（長沙民政職業技術學院 湖南省長沙市 410007）

近幾年，大數據中的各類技術得到快速完善，促使其逐漸融入在各行各業之中，教育領域也開始應用其中的關鍵技術，如：挖掘數據、云計算以及學習分析等技術。通過這些技術能夠促使現代教育得到更多便利，尤其是在對信息數據進行收集、分析、儲存、決策等環節，更是可以利用這些技術帶來的便利強化自身水平，這對于現代教育而言屬于一種較為有利的保障方式。但為了確保保障效果，現代教育依然需要深入探究大數據及其關鍵的應用。

1 大數據及其關鍵技術概述

大數據是指借助傳感器設備及計算能力，解析與挖掘顯示世界、虛實融合世界、虛擬世界網絡數據，以此實現判斷決策。在教育領域中，逐步實施各種課程管理系統、學習管理系統、互動網絡平臺等。大數據使教育信息的編程能夠通過數字進行傳輸、量化和捕獲，實現過程性考察，推動教育革命。大數據海量技術為獲取教育數據提供了技術基礎，但原始數據只是基礎。只有利用收集到的教育數據，建立學習分析模型，闡明教育變量之間的關系，賦予數據意義，才能將數據轉化為信息。實現數據‐信息‐知識‐智慧的逐級挖掘。關鍵技術如下：

1.1 教育數據挖掘

該技術主要是利用人工智能、數理統計、數據挖掘、及其學習等方法技術，處理分析原始教育信息，以構建數據模型，分析學習者學習內容、和結果、教學行為與資源的變量，預測學生的學習趨勢。通過這種方法，支持學生家長、教育工作者、教育研究人員、學生和軟件開發人員，做到教育系統資源良性互動。

1.2 學習分析

該技術研究對象以學生及其環境為主，通過分析海量教育數據，發現潛在問題，預測學習者的表現、進步。學習分析技術以學習者產生的學習數據信息，通過數學建模、處理數據技術的方式解釋數據，根據分析信息及結果數據，探究學習情景與過程，發現學習規律，促進學習者學習。該技術利用數據建模、數據解釋、數據挖掘優勢，采集、存儲、表示及分析學習平臺內諸多數據信息，借助分析測量方式評估、干預與預測學習者行為，為其提供量身定做的教育，改善教學效能。

2 大數據及其關鍵技術的系統架構

教育系統是以大數據技術為支持，涉及技術架構、基礎支撐、智能應用等多層次、多要素復雜生態體系，構建教育平臺架構，需借助系統頂層設計方式，建立系統架構模型。

2.1 教育平臺模型

為從整體角度確定各項用于教育場景的大數據及其關鍵技術，設置大教育大數據技術平臺模型，由智能創造、智能支持、智能服務構成，為教育場景提供技術支撐。

2.1.1 支撐模塊

教育系統中以程序庫、計算框架等軟件環境支撐，一級芯片、傳感器、終端、服務器等硬件設備支撐。基礎設施見表1。

表1：系統支撐

2.1.2 創造模塊

該模塊作為教育系統核心模塊，能夠從外部感知數據，實現從數據至智能的加工，完成智能輸出。數據獲取包含智能數據感知、大數據擦劑等，可通過外界環境感知觸覺、聽覺、視覺等，在系統內采集行為與業務數據；信息加工包含清晰、轉換數據，提取特征；知識構建包含機器學習建模、知識工程與專家系統；智能輸出執行，能夠顯示與發生、控制策略及控制邏輯。

2.1.3 服務模塊

能夠對外輸出系統服務，涵蓋知識管理、大數據、人工智能等技術。

2.2 核心平臺框架

核心平臺涉及關鍵技術、軟硬件設施等，建設難度較高，可將其分為技術支撐層、關鍵技術層及技術服務層這三層架構。其中，技術支撐層能夠為系統提供軟硬件支撐，包含計算設備、芯片、傳感器與計算框架；關鍵技術層，包含人工智能技術、大數據挖掘技術、大數據分析技術、資源關鍵技術、知識管理技術；技術服務層包含AI 能力中心、大數據中心、資源中心、知識管理中心。

3 大數據及其關鍵技術的教育應用

3.1 挖掘資源

早期的網絡教育學習數據挖掘主要目的，是基于網站教育日志等等數據的自動挖掘，現在新的利用計算機信息技術支持的交互式教育學習分析方法和教學工具，為教學量化和自動收集有關學生學習行為等的數據挖掘帶來了新的學習機會。特別地它是更加易于集成、易于模塊化和容易復雜化的，在線機器學習數據系統使它提供了大量更多不同類型的學習數據，其中幾乎包含了傳統數據挖掘分析算法中所需要的許多數據變量。挖掘流程如圖1所示。

圖1：大數據及其關鍵技術的挖掘流程

教育預測數據挖掘的功能用于發現這些教育數據過程中的學習模式和發展規律，探索如何建立一種預測模型，重新定義發現和分析預測初中學生如何參與學習。例如：Hung,J.L.等研究開發了一種在線教育課程學習評價調查方法，通過統計分析高危學生在線學習課程的注冊學習成績日志，一年總共有七千余名高危學生在800 門免費注冊在線課程，其中存在23854527 份課程學習成績日志，結合高危學生在線人口發展特征調查數據、課程學習結束時對高危學生人口開展的在線課程學習評價問卷調查，便可發現高危難度學生和高難度表現的人口特征，預測高危學生的學習成績，并深入研究高危學生的高表現，以及其對在線課程學習滿意度的直接關系。

3.2 云計算

目前，核心云計算產品主要是指云計算服務，云計算產品的核心技術主要是企業云計算的核心硬件技術、軟件技術和企業云安全數據管理的核心技術。分為微觀視角，主要產品研發的云服務提供商，包括數據的咨詢服務，咨詢服務，業務網絡傳播數據的云，云，云服務的發展服務，在線和離線是云管理和服務的發展可以分為數據開發服務，云開發數據存儲服務、在線數據庫開發、在線測度開發軟件服務、在線開發測試軟件服務和用戶在線開發應用服務。云硬件系統核心技術的主要組成部分是云數據服務器、云數據存儲器和云數據處理設備。云端的網絡通用終端數據計算處理設備、通用的云網絡終端數據中心和各種云網絡設備、集裝箱和云通用網絡數據處理服務中心等硬件設備組合而成。

3.3 學習分析

該分析技術以來自學生和其他學習者的環境數據為主要研究預測對象，研究者的目標主要是分析新生海量高等教育學習數據，通過數據建模分析，準確了解潛在的學習問題，優化新生的學習分析方法，預測未來學生在整個學習過程中的顯著進步和突出表現。基于學生學習心理分析數據技術的智能模型基于學生學習數據主要包括學生學習數據，再經過大量的數據采集、數據存儲、數據處理，最后，收集了學生智能教學的數據。所謂的學生智能教學數據主要由實時教學圖像、語音展示視頻、互動學習行為、教學過程績效考核等智能數據組成。此外，學習信息技術和數據分析學生在整個學習過程中有效的信息數據處理的情況下自動建立數據模型，使用數據處理分析技術科學解釋模型相關數據調查數據、信息和數據統計分析根據模型發生過程的學習和實踐情況，來幫助我們了解每個學生的學習過程的具體的法律學校提供了一個參考的數據優化的程序設計課堂教學過程，幫助引導學生不斷地改進自己的學習方法。數據分析管理技術委員會通過技能的學習模型的數據、信息，結合深度學習數據挖掘分析的優勢三個管理信息收集、存儲、分析和數據處理描述了學校信息管理系統，最后通過將數據分析后的結果應用客觀分析評價學生學習管理的行為，預評估學生學習發展的新趨勢的同時，給自己的學生一組學習管理方法，調整自己，從而有效地同步，促進學校教育管理持續改進的有效性。

3.4 適應教學

適應教育是為了讓每一個學生得到最大的發展，能夠根據學生的情況調整適應型教育的內容、方法和過程的最佳教育狀態。實施適應性教學，需要根據每個學生的特點和學習狀況進行綜合分析。大數據使追蹤和整合這些數據成為可能，并為學生提供個性化支持。最常見的適應教育系統是在線學習，各種各樣的學習管理系統和在線學習平臺可以完整地記錄學習者的學習過程。將學習者的人口學特征和學習風格特征結合起來的學習過程的記錄，能夠明確地反映學習者的學習路徑和特征。有效地記錄學習過程，綜合評價學習狀態，在此基礎上進行診斷和推薦，有針對性地進行授課。

目前代表性的自適應學習系統是克牛頓學院和凱漢學院。這個自適應學習系統，把重點放在學生的學習支援上，學習系統試圖作為一個教師，對學生的學習進行記錄、診斷和自動干預。適應學習的另一個方面是教師的教育支持。需要指出的是，目前的學習制度仍有許多局限性。在mooc 的早期階段，人們關注的是教師是否會取代網絡課程。教師不可能在短時間內消失。相反，他們將在技術的幫助下提高自己的專業性，改變角色。大數據將成為教師教學的有力助手，幫助教師更好地發揮自身作用，促進學生學習。

3.5 應用方案

在大數據時代，mooc、倒置教室、在線視頻的創建是為了為學生提供大量的學習資源和個性化的學習服務。同時，mooc 可以幫助教師創新教學模式，設計大型開放課程。根據研究結果，文獻管理軟件NoteExpress 提取10 個關鍵字，對其發生頻率進行分類統計、總結和分析。最終得到教育系統高頻關鍵詞常見詞矩陣表。其中，關鍵詞大數據出現至少上百次。除此之外，相關人員為了進一步對其展開精準分析，深入探索知識內涵，還可以針對基礎結構展開適當調整，這樣大數據及其關鍵技術就能在教育領域獲得無限的可能性。

4 結束語

綜上所述，站在當今社會的角度來說，大數據已經在經濟社會發展中起著較為重要的作用，當現代教育開始靈活運用大數據及其關鍵技術后，便可大幅增加教學合理性，還能在拓展教學多樣性的同時保證評價客觀性。雖然目前大數據及其關鍵技術在教育領域的應用情況并不成熟，但只是缺乏相應基礎與指導，不可直接否認大數據及其關鍵技術對于教育領域的實際效果，因此，教育領域在未來發展中，需要將大數據及其關鍵技術作為首要研究重點。