教育傳播大數據可視化分析

廖志平

（湖南環境生物職業技術學院，湖南 衡陽 421005）

大數據技術是科學家研究的熱點[1]。云計算是在計算機中使用編程模型（Mapreduce）來工作的，包括根據相關計算進行數理分析，將數據來源歸入各族群、利用各種數據來源測量數據的相似度和繪制數據，大規模數據分析與云計算有關。

目前，教育數據冗雜，信息量大，大數據技術在教育實踐中十分重要。教育數據可為教師、學生、教育管理者、父母和教育研究人員提供以下服務。1）提供直接數據服務，例如基本信息、考試成績和課堂情況等，通過分析數據，可以掌握學生的特征與學習需求，從而對不同學生進行個性化教學，通過統計數據發現學生在學習中存在的問題，從而改進教育方法，提升教師的教學水平，達到更好的教學效果。2）提供間接數據服務，包括成績排名、及格率和優良率等。在教學活動的全過程中，教育大數據是提高教育質量和教育管理能力的關鍵。

1 教育傳播大數據可視化流程以及算法

由于大數據技術的應用越來越廣泛，其含義也越來越豐富，因此無法精確地界定大數據[2]。大數據并不必然包括大量的數據，但是它們之間存在關聯。當前大數據的4V概念已經得到了普遍認可，4V主要包括以下4個方面的內容。1）數據真實性（Veracity），品質。2）數據容量（Volume），根據資料數量和可能的資訊而定。3）數據種類（Variety），數據不同類型。4）傳輸速度（Velocity），獲得數據的速度。

1.1 教育傳播大數據可視化流程

教育數據來源各異，因此，對其進行深入研究與發掘不僅需要專業的資料分析人員，更需要教師主動介入[3]，本研究目的是挖掘資料數據。雙方經過溝通，明確挖掘對象，提供有針對性的挖掘服務。研究主要包括抽樣選取、評估指標、整理有關因子、篩選樣本資料、檢驗并整理符合條件的發掘需求、嘗試發掘（運用回歸、分類、聚類和關聯等）和發掘其他內在屬性的性質[4]。將研究結果以可視化的方式呈現，并說明其意義，方便未來評估與介入，教育傳播大數據可視化流程如圖1所示。分析和挖掘數據是一個不斷重復的過程，以便從中挖掘新的需求。

圖1 教育傳播大數據可視化流程圖

1.2 教育傳播大數據可視化相關算法

1.2.1 FCM聚類算法

FCM聚類算法（Fuzzy-c-Means algorithm，FCM）[5]的基本原理是模糊理論，這種理論從客觀事實出發，處理模糊不確定的實物，又稱為模糊C均值算法。

FCM將n個用戶數據作為n個向量Xi，其中涉及隸屬關系，為一種表示模糊集合的方式。FCM模糊隸屬程度的取值范圍為[0，1]，在數學上可以將模糊隸屬程度進行分類，構建相應矩陣，表示其聚類情況。采用FCM 聚類算法構建模糊矩陣U，在矩陣中每個要素都是各矢量的模糊隸屬度，值的范圍在[0，1]，歸類后的每個元素的模糊隸屬度之和均為1。

FCM聚類算法如公式（1）所示。

FCM聚類算法的目標函數如公式（2）、公式（3）所示。

式中：uij的取值范圍為[0，1]；ci為模糊類I的聚類中心；dij為第I個聚類中心到第j個向量之間的歐式距離；m為加權指數，其取值范圍為[1，∞]。

為使目標函數取得最小值，進行以下改進，如公式（4）所示。

式中：λj為n個約束式的拉格朗日因子。

目標函數取得最小值需要前提，表明其必要條件，如公式（5）所示。

FCM聚類算法包括以下4個步驟（如圖2所示）。1）求解各矢量的模糊隸屬關系，構造1個[0，1]的初始模糊矩陣U，保證各類別矢量的隸屬性和等于1。2）確定聚類的簇集中心。3）對該設計進行優化，確定優化后的算法。4）求得1個新的矩陣U。判斷目標函數是否小于固定闕值，如果未達到，那么返回步驟二，反復循環，直至達到要求。

圖2 FCM聚類算法的流程圖

1.2.2 特征選擇算法

特征選擇（Feature Selection）是用相關特征來描述一個應用領域的方法[6]。在數學形式上，特征選擇可定義為從N個原始特征中選擇一個包括M（M≤N）個相關特征的最小子集，使包括M個特征的子集中不同類別的概率分布值接近N個原始特征。如果FN為原始特征集，FM為選出的特征子集，則可能的類別C，條件概率P（C|FM=fM）應當與P（C|FN=fN）接近，其中fM和fN為相應的特征矢量FM和FN的值矢量。在樣本數量較多的情況下，采用高效的特征選擇方法可以降低樣本的維數，為后續的數據分析提供方便。

1.2.3 mRMR算法

最大相關最小冗余算法（Maximum Relevance Minimum Redundancy，mRMR）根據互信息極大化原則，在選取屬性后，盡量保存大部分分類信息，同時降低各屬性間的相關性。從原始特征集合{t1，t2，t3，...，tn}中選擇一個特征子集{t'1，t'2，t'3，...，t'n}構成新的特征空間，并提出新的特征子集，在該子集上，各屬性和各屬性間的相關系數均盡量變小。特征的相關性用互信息I衡量，如公式（6）所示。

式中：I（x，y）為特征相關性；xi、yj為隨機變量；p（xi，yi）為概率密度函數；p（xi）為xi的概率密度函數；p（yj）為yj的概率密度函數。

首先，利用互信息計算I（x，y），I（x，y）越大，它們之間的關聯度就越大。先找出包括m{xi}個特征的特征子集S，使m個特征和類別C的相關性最大，即與c關系最密切的m個特征。其中，D為特征與目標的互信息值，|S|為特征集合中特征的個數，S為m個平均互信息最大的集合。maxD，D為特征與目標的互信息最大化，如公式（7）所示。

其次，消除m個特征之間的冗余，其中，R為特征之間的互信息值，minR，R為特征之間的互信息最小化，如公式（8）所示。

求得最大相關度—最小冗余度maxΔMID，ΔMID，如公式（9）所示。

通過上述運算，可以得到ΔMID值的特性，根據這些數值來分類這些特性，達到篩選目的。

2 教育傳播大數據可視化

2.1 設計目標

教育大數據可視化系統的目標是在時間短、成本低的前提下，分析并展示在線平臺的數據，側重點為數據的可視化，但是這種可視化平臺已經有豐富的商業產品和眾多圖表展示，系統可以自定義定制要實現的功能點和數據分析維度，系統使用大數據組件開源技術，搭建單節點Hadoop集群，使用MapReduce分析數據，由于市面上大屏可視化系統需要收費，因此用ECharts技術展示數據圖表，降低經濟成本。

2.2 功能設計

登錄注冊功能。用戶進入登錄頁，沒有注冊的用戶可以進行注冊，已有賬號的用戶登錄后系統顯示已登錄用戶名，點擊注銷用戶可以退出登錄。

數據預處理功能。將數據通過開源工具導入分布式基礎架構（Hadoop）中的分布式文件系統（HDFS），使用MapReduce處理數據，并將處理好的數據保存至開源數據庫（HBase）中。

每日登錄人數分析。讀取HBase中的登錄數據，頁面可以顯示每月登錄人數和不同月份的登錄人數對比。

平均學習時長和學習行為次數分析。讀取HBase中的相關數據，頁面顯示不同日期對應的學習時長和學習次數。

每日活躍情況分析。可用柱狀圖顯示每日活躍學生人數，設定每日至少進行3次學習行為的用戶為活躍用戶。

分時段學習人數分析。可用熱力圖顯示學生在什么時間段愛學習。

2.3 數據處理

數據處理部分是開發MapReduce，用戶只需利用Mapper類和Reducer類封裝Map和Reduce函數，由客戶端調用，即可實現分布式計算。

2.4 系統實現

當在瀏覽器中輸入系統地址時，系統會驗證是否有用戶已登錄，如果沒有則跳轉登錄頁面，有則直接跳轉首頁。登錄頁面的動畫效果是手寫的echarts圖標效果，有驗證用戶名和密碼的步驟并提示信息。

大屏可視化界面使用阿里云DataV數據可視化平臺，點擊每日、每周和每月按鈕，對應的折線圖和柱狀圖會聯動顯示數據。地圖顯示學生的地區分布人數。氣泡圖顯示不同時間段的學習人數。使用DataV數據可視化平臺，數據展示效果更好。系統能夠幫助非專業的工程師搭建專業水準的可視化界面，滿足多種業務的展示需求。

3 結論

綜上所述，教育大數據可視化系統是對在在線教育平臺中的學生上課、做作業和提問等多方面、多層次的數據進行數據分析和數據展示。教育大數據能夠清晰地反映學生的學習能力、優勢學科以及特長，教師能夠有針對性地制定教學計劃，為學生提供個性化的指導，幫助學生對自己的學習狀況有一個全面的認識，并適當安排學習重點。通過分析大數據，教師能夠得知每位學生的潛能與需要，針對不同的學生選擇不同的教學內容，采用不同的教學方法，提供不同的教學服務；父母能夠了解自己的子女在學校的學習和心理健康情況；教育管理者能夠了解學生的優缺點，發現學生的問題，及時提供關懷與指導，還可以預測他們的職業發展情況，進行有目的的訓練；研究人員能夠了解目前的現狀和問題，利用大數據推動教育決策由粗放型向精細化、智能化的方向發展。