基于大數據行為定向的信息化教學激勵模型

李 玥，阮群生

（贛州師范高等專科學校自然科學與計算機系，江西贛州 341000）

近年來，我國高等院校在信息化教學方面取得了一定的進展，但部分高校仍存在“重硬件、輕軟件”的建設誤區，未能充分發揮信息化教學的優勢。在大數據技術迅速發展的今天，建立新型教學模式是高校開展信息化教學的關鍵。本文提出一種基于大數據行為定向的信息化教學激勵模型的教學改革評估模型，旨在探究基于大數據的信息化教學激勵模型，實現提高學習者學習興趣、激發學習動力的目標。具體而言，本研究優化教育資源調度，提高教育資源的利用效果，通過大數據分析和不完全信息動態博弈技術結合，實現教學資源的優化推介，從而推動信息化教學的優化升級。

本研究的主要內容是從大數據的角度深入探究學生在信息化教學中的表現，以期能構建一種既考慮學生個性因素，又依托大數據技術的信息化教學激勵模型，實現激發學生主動學習興趣，提高學習效果的目的。基于大數據行為定向的信息化教學激勵模型是本研究的重點，研究人員將在調查數據的基礎上，通過數據挖掘和分析，建立學生的學習檔案，綜合考慮學生的學習狀況、學習興趣，構建個性化學習計劃，有效推進學生的信息化教學學習。同時，通過大數據的分析，教師得到反饋的激勵以便參考對課程內容進行修改和優化，以提升教學質量。本研究的意義在于，通過將大數據技術與信息化教學相結合，提出了一種新型的教學模式，為高校的信息化教學提供了新的思路和方法。同時，本研究對于教育改革評估模型的探索也具有一定的理論和實踐意義。

1 基于大數據的信息化教學激勵模型構建

1.1 信息化教學激勵模型設計原則

為了落實信息化教學激勵模型的理論基礎，并有效引導學生參與到信息化教學中來，教學主體需要建立一個完備的信息化教學激勵模型。這個模型應當遵循一些基本的設計原則，以確保最終的成果能夠有效地應用到教學實踐中。

首先，信息化教學激勵模型應當是基于合理教育理念之上的[1]。在現代教育中，尤其是信息化教學中，以生為本占據著核心地位，需通過優質的教育方案推進學生的認知、情感、態度等不斷提升。信息化教育的激勵模型應當是以此為中心進行構建的。

其次，信息化教學激勵模型應當是基于大數據的。隨著現代信息技術的高速發展，可以采用大數據分析技術對學生的學習行為、學習狀態、學習表現等進行深入理解和挖掘，并運用相應的結論去指導教學行為。同時，可以通過科學的大數據計算方法，細粒度地量化學生的知識面、能力層級、學習量等信息，以便于激勵模型的精準設計和調整，提高激勵效果。

再次，信息化教學激勵模型應當是動態的同時也要兼顧學習行為的延續性。學生的學習行為、認知特點、動機需求等都是隨時間變化的，因此，要保證信息化教學激勵模型的動態性，不斷地適應教育教學的變化，在現有激勵模型基礎上進行持續調整和改進，以適應學生不同階段的學習特征和需求變化。

最后，信息化教學激勵模型應當是多元化的。學生的差異化需要在激勵模型的構建過程中加以考慮，讓學生在一定的激勵模式下有足夠的自主選擇權，以適應學生的多元化特征，在激勵的同時，重視學生的個性差異。

1.2 信息化教學激勵模型的構建方法

信息化教學激勵模型的構建方法主要涉及到2 方面，一是對于大數據的采集和分析，二是對于學生個體差異的分析和應用。由采集得到的實時數據，結合分析出學生學習的興趣點，為學生提供個性化的學習建議和資源推薦，從而實現教師對學生的有效激勵和引導作用，提高學生的學習效果和自我激勵程度。

在大數據的采集和分析方面，需要借助現有的信息化教學數據及在線教育平臺進行數據采集。采集的數據主要包括學生的學習行為數據和學業成績數據。學習行為數據可以包括課堂學生的肢體狀態、師生互動情況及教育云平臺學生的登錄和瀏覽記錄、學習時間和學習內容等方面，而學業成績數據則是學生學業成績的量化表現。在采集這些數據的同時，需要進行合理地清洗和處理，以消除數據中的異常值和錯誤值，確保數據的準確性和有效性。

在學生個體差異的分析和應用方面，需要運用心理學和教育學等領域的相關理論，結合不完全信息動態博弈方法，對學生的個體差異進行深入分析。考慮學生的學習風格、學習能力、興趣愛好等方面的因素，以及學生在課程學習中的表現和反饋等信息，為學生提供有針對性的學習建議和資源推薦[2]。

1.3 構建信息化教學激勵模型

根據上述信息化教學激勵模型的構建方法，本研究團隊構建了一個基于大數據行為定向的不完全信息動態博弈教學激勵模型（圖1）。大數據行為定向技術在網絡數據精準投遞方面有極大的應用。大數據行為定向指的是基于用戶的歷史行為數據挖掘用戶的興趣，本研究引用行為定向技術抓取學生信息化學習數據中的“轉發”“評論”“點贊”“下載”“測試成績”等，目的是抓取學生學習行為預測學生的學習習慣及其興趣點投放學習資料并反饋給教師, 有針對性地為學生進行資料推介。

圖1 基于大數據行為定向的信息化教學激勵模型邏輯結構

行為定向算法采用圖結構實現，為每類學習行為構建行為定向的無加權有向圖，描述如下

式中：O’=（O1’，O2’，O3’，…，On’）表示行為定向中的所有行為類型結點，E’表示兩結點之間的邊，若圖中任意一條邊e’=（oi’，oj’）存在，表示結點oi’行為定向到了結點oj’[3]。動態博弈網絡技術是在應用網絡技術中做好事件計劃后，運用不完全信息動態博弈數學模型，將時間變化狀態及事件發展中獲得新信息等變量應用進去，對原有的網絡結構進行調整，直到應對策略高效、準確，達到最優化。在信息化教學激勵模型中引入大數據行為定向技術可提高學生學習興趣的準確性，引入不完全信息動態博弈可使學習激勵中的時間控制、資源調配等更加科學有效，同時，引入不完全動態信息博弈作為激勵模型的前項行為，讓激勵反饋行為定向更加精準。

由上面的分析可知，信息化教學激勵模型的效用函數受到多種因素的影響，例如學習行為類型、過程監督、激勵策略等，即U（ai，tj，sr）。其中U（ai）=ΣP（tj|xi）U（ai，tj，sr）表示基于行為定向的激勵方案；xi（i=1，2，…，n）表示由教學數據分析得出的激勵方案；sr（r=1，2，…，n）表示學習過程監督。tj（j=1，2，…，n）表示學習行為類型，且有ΣP（tj）=1（j=1，2，…，n）效用函數U（ai，tj，sr）表示學習過程處于sr時，學習類型為tj根據行為定向而采取激勵方案為ai的效用水平[4]。

由此可知，最大效用期望函數可以表示為

式中：ΣP（tj|xi）是基于學習行為的前項行為定向。由貝葉斯定理可得

2 模型實驗與分析

2.1 信息化教學激勵模型的驗證

為了進一步提高信息化教學激勵模型的效果，在實驗過程中不斷優化和改進了這一模型。在信息化教學激勵模型的構建方法中，采用了多種數據分析手段，包括機器學習、數據挖掘、數據可視等技術。利用Hadoop 大數據處理平臺對學生的信息化學習行為進行全方位的數據收集和分析，提高了模型的精準度和實用性[5]。

在信息化教學激勵模型的設計方面，注重了針對性和差異性的處理。針對不同類型學生的學習特點和興趣抓取，采用了激勵機制，包括智能推薦、不完全信息動態博弈前項行為定位等方法，有效地提高了學生的學習興趣和積極性[6]。

本研究在模型的實現過程中，采用了模塊化設計和可定制化配置，使得模型易于擴展和維護，為后續的信息化教學研究提供了可借鑒的模板和方法。

本研究的數據來源包含學習通平臺線上課程數據及贛州師范高等專科學校計算機相關專業智慧教室的教學數據，包含26 941 名學生學習檔案，其中贛州師專計算機相關專業學生653 人。采集時間為2022 年3月—2022 年11 月，見表1。

表1 教學數據統計信息條

為了驗證激勵模型的效用，抽取數據集的6 大典型學習行為按表2 所示的類別進行劃分建立實驗假設。

表2 學習行為類型編碼表

在實驗中，將高校的653 名學生隨機分為實驗組和對照組，實驗組進行了按照信息化教學激勵模型進行教學及采用反饋激勵，而對照組則采用信息化教學模型收集數據但是不采納反饋的激勵。構建行為定向無權有向圖，抽取圖中邊較多的邊對應的2結點[7]，分析不完全信息動態博弈前項行為激勵的效用見表3。

表3 基于不完全信息動態博弈前項行為的教學激勵效用分析表

通過實驗數據的收集與統計，發現采用信息化教學激勵模型的學生在知識掌握維度、學習興趣、自我激勵等維度均表現出了較為明顯的優勢。與對照組相比，實驗組的測評和考核次數明顯增高，成績提高了近9%；學生在平臺自主學習時長得到了明顯的增加，而且自主學習時間較集中為19：30—20：30。實驗中還發現，實驗組學生的自我激勵意識與能力也得到了進一步增強，應用不完全信息動態博弈前項行為激勵實驗組的同學，在觀看線上教學視頻后，學生自主測評的數量和成績顯著增加。

在信息化教學激勵模型的實驗驗證過程中，結合在線學習平臺和智慧教室學習2 種場景，對模型的效用性進行了測試。經過多次實驗和優化，發現模型的應用效果較為顯著，提高了學生的學習效率和學習成效。

2.2 信息化教學激勵模型的教學效果評估

為了評估本文提出的信息化教學激勵模型的效果，本文進行了一系列實驗，現將實驗結果及實驗分析記錄如下（圖2—圖5）。

圖2 2022 年11 月階段測試成績分析對比圖

圖3 學習過程監督數據分析圖

圖4 對照組學習時長熱力圖

圖5 實驗組學習時長熱力圖

實驗一：2022 年11 月對抽取實驗組和對照組學號前50 名學生進行了綜合測試，得到實驗組的平均分為86.24 分，對照組的平均分為78.46 分，這表明實驗組在知識掌握方面獲得了較為顯著的提高。而在實驗組之間進行的對比實驗中，采用激勵模型的學生取得了更高的成績，結果與預期相符。

實驗二：對學生在課堂上的參與度和積極性進行了分析。實驗組學生的平均提問次數、預習次數和課后學習時間都顯著高于對照組，而且實驗組學生的課堂表現更出色。這表明，信息化教學激勵模型可以有效地提高學生的參與度和積極性。

實驗三：對學生激勵反饋方案的興趣和學習時長進行了量化評估。結果顯示，實驗組學生課余學習時長相比于對照組有明顯提升，是且學習時間段是課后自主學習時間，也就是激勵機制起作用的時間。這說明信息化教學激勵模型具有較好的推廣和應用價值。

綜上所述，本文所提出的信息化教學激勵模型在提高學生知識掌握、參與度和積極性及促進學生學習興趣和學習態度方面具有顯著的實驗效果和應用價值。

3 總結與展望

本研究基于大數據技術，結合信息化教育，提出了一種基于大數據行為定向的信息化教學激勵模型。信息化教育與大數據技術的緊密結合，對于教學激勵模型的提出和完善起到了關鍵作用。當前教育領域對于數據分析及其應用的重視程度越來越高[8]，但也存在著數據收集不全面、數據使用效果不明顯等問題。因此，未來需要進一步完善數據分析技術和教學激勵模型的設計，以更好地推進信息化教學的發展。這些研究成果能夠為后續研究提供借鑒和參考，為推動信息化教育的改革和發展做出更加積極有效的貢獻。未來基于大數據技術的信息化教學激勵模型將更加注重數據分析的精細化[9]。大數據的智能化應用將成為信息化教學激勵模型未來的趨勢。未來基于大數據的信息化教學激勵模型還將重視個性化情感反饋的作用。總之，基于大數據的信息化教學激勵模型具有廣泛的應用前景和深遠的影響。未來，學者們將繼續在這個領域中進行深入研究，為教育事業注入更多新的變化和創新。