基于機器學習和大數據技術的高校學生在線學習行為探討

韓樹河,陳鎮江,牛旭航

(江蘇航運職業技術學院,江蘇 南通 226010)

0 引言

高校在線學習和在線教學是當前重要的教學途徑,對教學活動的展開有非常重要的作用。尤其是在新冠肺炎期間,學生無法到校學習,國家提出相應政策,要求高校利用圖書館進行網上教學。各個學校的圖書館紛紛響應,完成對網上教學的課程設計,學生也參與在線學習。從技術應用背景、社會發展背景來看,我國高校在線學習的展開都有非常重要的意義,在實際的教學過程中,要做好對高校在線學習的建設,并對高校學生的在線學習行為進行分析,提升其學習效果。

1 機器學習和大數據技術

1.1 機器學習

機器學習方法是計算機利用已有的數據(經驗),得出了某種模型(遲到的規律),并利用此模型預測未來(是否遲到)的一種方法。機器學習也是數據分析、智能化技術的應用原理,對現代化社會的發展有非常重要的作用。在機器學習應用過程中,主要是賦予機器“人腦”的知識學習過程,讓其自主完成規律總結,實現對機器的綜合處理,確保技術應用得更加合理,也能提升機器學習效果。

1.2 大數據技術

大數據技術是當前社會應用比較廣泛的重要技術。在數字化技術、互聯網將技術的應用背景下,利用互聯網絡資源、計算機數據計算功能,能夠完成對事物、事件的全部相關數據采集、數據系統歸納、數據分析應用以及數據處理等,從而完成對事物和實際的數據化規律分析,最終完成對事物和事件的決策控制,確保其事務發展更加合理。

大數據技術以計算機技術為基礎技術應用載體,并以數據計算、數據統計方法為具體的技術處理方法,能夠實現對復雜數據的邏輯分析、對復雜數據進行綜合計算。在大數據技術的實際應用過程中,包含數據統計效率性、數據分析相關性、數據預測分析等多方面的技術應用原理,能在最大程度上提升數據分析效果。

2 高校學生在線教學現狀分析

高校學生在線教學以及在線學習是當前高校教學展開的新模式,對教育教學效果提升有非常重要的作用,也在最大程度上提升教育教學的質量。我國高校的在線教學形成與高校互聯網普及有重要聯系,并且借助新冠肺炎疫情完成了高校在線教學效果的提升,確保高校教育教學展開更加合理,提升教育教學質量。

當前,在線教學展開得如火如荼,已有很多高校利用圖書館以及其他教育平臺完成了自主在線教育平臺的構建,實現了在線教育教學質量的提升。如:北京大學圖書館,為了盡快完成圖書館的在線教學服務,專門成立了圖書館線上教學工作小組,負責完成平臺構建、遠程教學服務搭建、電子教材錄入等工作。上海交通大學圖書館,在響應國家政策號召過程中完成了圖書館線上教學服務團隊的建設,在工作優化中對技術應用進行合理的管控,完成了圖書館線上教學各方面的保障工作。東北師范大學,在響應政策的同時,完成了課程平臺Blackboard 的搭建,建設應用圖書館釘釘在線服務課堂,提升圖書館在線教學的應用效果。實際上,在以學生為主體的教育模式下,高校的在線教學展開還需要對學生登錄學習網站、線上學習瀏覽等在線學習行為進行分析,確保提升學習效果。

3 機器學習和大數據技術融合應用下的學生學習行為數據分析系統設計

學生學習行為數據分析系統是利用機器學習和大數據技術完成的數據挖掘系統設計,提升了數據的應用效果。在實際的數據設計時,應對大數據技術的應用進行分析,并在控制技術應用中完成對數據分析模型的設計。在數據分析挖掘模式應用過程中,主要完成對數據挖掘工作的分析、對數據知識進行處理、對工具與算法進行合理設計,以實現對學生學習行為數據分析系統的有效應用。

3.1 完成基本構架設計

在本次數據分析系統構架設計過程中,基本架構主要包括:(1)數據采集模塊,主要應用一卡通卡機、無線訪問點設計、高校在線學習網自帶數據記錄系統、學生信息系統,進行多方面的數據采集,確保實際的數據采集應用更加有效,提升數據的核心應用效果。(2)數據分析技術架構設計模塊,主要是對K-means 算法、SVM 算法、nmf 數據分析技術的應用。(3)架構設計模塊,完成對其結構呈現功能的分析,主要是挖掘模型的功能,包括行為模式分析、學生的在線學習瀏覽行為分析、在線學習的登錄行為分析等。

3.2 設計數據流模塊

在數據挖掘模型中對數據流模塊進行設計,包括原始數據日志數據庫分析、預處理平臺日志數據庫分析、學生登錄行為記錄分析、學生登錄時間分布圖分析、在線學習現狀分析、不同特征學生學習行為差異分析等。

3.3 設計工具與計算

在數據挖掘模型中對數據工具與算流進行技術應用分析,對網絡教學平臺進行日志采集,并對平臺日志進行處理,主要包括SQL Server 數據查詢分析、完成對序列分析、關聯性原則分析等,確保技術應用分析更加合理、有效,也能提升學生在線學習行為的實際應用分析,確保其應用分析更有效果,也能在最大程度上提升學習行為的分析效果[1]。

4 機器學習和大數據技術融合應用下學生在線學習影響分析

機器學習和大數據技術融合應用,能夠完成良好的數據分析,實現對數據的綜合應用,最大程度上提升數據分析效果。在線學習分析主要完成數據采集、數據處理、數據分析等多項技術內容,具體分析如下。

4.1 數據采集與預處理技術

在學生在線學習分析的實際應用過程中,完成對數據的核心應用分析非常關鍵,能最大限度地提升分析系統的應用效果,并對其分析進行綜合性完善,確保各項技術應用的分析更有效。在實際技術應用中,數據采集和數據預處理主要針對平臺的多模塊進行數據挖掘分析。

(1) 完成資源瀏覽記錄表分析,主要采集AccessStratTime,AccessENdTime,PageUrl,StuNo,StuName等數據[2]。(2)完成對學生的基本信息表統計分析,包括StuNo,StuNeme,CengCi,ZhuanYe,DuiBie 等數據資料。(3)完成許愿登錄記錄統計分析,包括RecordID,LoginTime,LoginDate,SemesterCode 以及StuNo 等數據,確保分析更加合理[3]。(4)對形成性測驗進行數據采集分析,對數據進行綜合應用控制,確保其技術應用更加合理,能在最大程度上提升數據應用效果。在數據應用中,其形成性測驗分析主要完成ZuoYE1,ZuoYE2,ZuoYE3 等試驗分析,實現對其數據的分析與處理,確保后續對學生在線學習行為分析更加合理、有效[4]。

4.2 學生學習登錄行為分析

在數據挖掘模型應用過程中,完成對學生在線學習登錄行為的實際應用分析。對某高校專業在線學習系統的學生登錄行為進行分析。在實際數據分析統計過程中,對學生10 周的在線學習模塊登錄率進行統計,分析其學習登錄行為[5],具體如表1 所示。

表1 學生10 周的在線登錄行為登錄率

統計發現,自該校設置在線學習系統以來,學生在進10 周內進入系統進行學習的行為率(登錄率)越來越高,證明高校開展的在線學習被重視并得到推廣,有效促進現代化高校教學效果的提升。在對學生學習登錄行為進行分析的過程中,需要對其在線學習模塊進行優化,豐富在線學習模塊的教學資源,最大限度地提升在線教學效果[6]。

4.3 學生瀏覽行為的分析

本文設計的數據挖掘模型對學生進入在線學習系統的瀏覽行為進行數據分析。在學生實際的在線學習過程中,學生的瀏覽行為代表其利用在線學習模塊完成了學習任務,也可以據此掌握對學生對學習內容的感興趣程度,最終實現對學生學習行為的針對性分析,提升學習效果。

在數據挖掘模型中,學生的瀏覽模塊主要包括課程各章節案例庫、視頻資源區、Flash 動畫交互區、問題庫、輔助資料庫、常用軟件工具等。10 周內某專業課程學生資源瀏覽量的數據統計分析如表2 所示。

表2 10 周內計算機專業課程學生資源瀏覽量

通過表2 的統計數據,生成如圖1 所示的被瀏覽資源頁面數量與人均瀏覽頻次和如圖2 所示的學院參與率與單個資源人均瀏覽頻次。

圖1 被瀏覽的資源頁面數量與人均瀏覽頻次

圖2 學院參與率與單個資源人均瀏覽頻次

數據發現,課程各章節案例庫、Flash 動畫交互區以及問題庫是學生瀏覽較多的在線學習模塊,其課程各章節案例庫也是學生喜歡瀏覽的重要部分。雖然問題庫的網頁數量僅12 個,但從圖1—2 可以看出,其單個資源人均瀏覽次數非常高,人均瀏覽頻率也比較高。Flash 動畫交互區的瀏覽量也比較大,被瀏覽的資源頁面數量為57,雖然在所有瀏覽中的頁面并不高,從圖1 可以看出人均瀏覽頻次85.63、從圖2 可以看出單個資源人均瀏覽頻次3.64、學院參與率0.97,都是最高值,證明學生對該在線教學模塊非常感興趣。在實際的在線教學優化過程中,教師應該注重對實際教學模塊進行優化,增加更多的知識教育內容,豐富該模塊的主要教學功能,確保現代化教學的展開更加合理[7]。

在大數據技術以及機器學習技術的實際應用過程中,可以利用其技術優勢,完成對技術的綜合管控,并對互聯網技術的應用進行優化,提升數據技術的挖掘效果[8]。

5 結語

本文設計大數據技術和機器學習算法技術下的數據挖掘模型,對于數據技術的應用有非常重要的作用,也能夠最大限度地提升數據技術應用效果。并且從學生在線學習學生數據挖掘分析中、主要從在線學習學生登錄行為和瀏覽行為分析兩個方面闡述數據挖掘技術的重要應用。