论文部分内容阅读
摘 要：通过利用大数据对学生学习行为进行数据分类，实现线上数据构成学生学习行为教育以及线下数据与互联网平台的搭建，从而在教育教学中给老师的教学评价与教学指导提供足够的依据，通过对学生学习行为和学习成效进行分析，有利于为后续课程的持续改进找准方向，实现教育教学质量的提升。
关键词：线上教学;学生学习行为;大数据分析
0 引言
随着大数据时代的来临，当今社会发展中，各行各业对大数据的需求越来越多，同样在教育教学中，依托网络进行线上教学可以逐步实现对学生学习情况的数据采集和分析，通过大数据，及时掌握和了解学生学习行为，并逐步扩大到教育者以及研究者的视野中，并随着教育信息化的不断进步，实现对学生学习过程、结果等数据的分析，这也是当今教育教学发展的大势所趋。
1 基于线上教育大数据的学习行为分析研究现状
在线上教育中，由于对学习资源的使用效率比较低，因此各个企业在资源管理方面显得比较孤立，同时资源缺乏共享，使得员工的学习资源受到了限制。目前我国在线学习系统通常是面向内部的，在满足单位内学生的学习需求时，会随着学习资源数据的扩大，给系统容量提出了更高的要求[1]。而在促进大数据教育领域的应用中，想要实现信息技术与教育教学的融合，对信息的采集过程中根据教育需要发展可创造性巨大潜在价值的数据整合。学生学习行为分析作为当今学习分析领域中的一项重要研究内容，具有十分重要的研究价值，在对教育大数据的获取、存储、管理和分析过程中构建学生学习行为模型，从而实现对未来学习的预测。
2 线上教学使用大数据的学习行为分析价值
2.1 对教师导学的作用
通常在对学生学习行为的大数据分析中，对教师导学所起的作用主要体现在两个方面，首先是在传统的教学过程中，由于经常发生一名老师担任两门或者两门以上的教学课程，使得老师规模和班级规模比例有出入。而这种情况下，老师根本无法了解每一位学生的学习情况，更谈不上对学生进行指导，所以通过线上学习分析技术，在大量数据中提取有效的数据信息，就可以对教师的管理部门、学习等相关利益进行干预和支持，从而促进优化学习效果和环境。老师使用互联网信息技术，在课堂教学中，根据线上提供的数据信息可以针对性的对学生进行教学，使课堂教学的效率得到提高。
2.2 对教师评学的作用
对教育大数据的学习行为进行分析，可以改变老师的评学范围和评学方式，但由于传统的学习评价主要采取的是考试和作业的方式评价学生的学习情况，所以对教育大数据进行评价，可以将传统的单一结果评价进行延伸，从而可以推测出学生的学习兴趣和学习动机，有利于对评价的结果进行关注[2]。以往的教学中，对学生学习成绩的评价主要根据考试成绩决定，这种方法是借用群体横向的比较，但会忽视学生的纵向比较，因此可以通过收集、整理学生的学习过程和学习结果的行为数据，实现对学生数据库的建立，在充分发挥评价发展功能后，利用大数据可以解决传统评价中的问题，实现学生个性化的实施教育。
3 线上教学使用大数据分析方法和步骤
3.1 线上教学平台学生行为的数据分析
在线上学习平台中收集学生学习行为的数据，并将这些数据存储到数据库中，有利于对数据的挖掘。同时对学生进行聚类分析，可以规划出学生的学习类型，从而根据不同学生实现不同的分类，有助于老师及时了解学生的整体学习情况，然后根据不同学生学习类型选择不同教学方法。
3.2 线上教学平台对学生学习的数据采集
为了更加真实有效地获得线上教学平台对学生学习数据的采集，可以在平台上开设教学课程对学生的学习行为进行数据采集。通过学生课程访问的情况、视频观看情况以及作业完成情况这几个方面数据的收集，可以有效地避免出现数据的偏差，同时用自然语言处理技术对原始数据进行处理，有利于以后对数据的分析。
3.3 线上教学平台对数据与学习成效的分析
根据线上教学平台的行为数据分析学习成效的过程中，通过大数据技术分析出学生在以往的课程学习中的出勤、任务完成等情况，并归纳出学习整体的学习成效和存在的问题。而对线上平台数据记录中学生在课程方面的访问情况、讨论情况等进行关联分析，可以提高老师的教学方法、策略和知识点的推送，通过调整并完善学习中的不足之处，从而改正学生学习中存在的缺点。
3.4 对线上学习模型的构建
在个性化推荐系统的定义中，推荐系统有3个重要的模块，分别是用户兴趣模块、推荐算法模块以及推荐对象模块。在用户兴趣模块的推荐中，可以建立兴趣模型，推荐对象模块可以对资源进行描述，而推荐算法模块则是通过构建合适的个性化推荐技术将资源推荐给用户，在这个过程中，推荐系统会将资源的信息特点推送给指定感兴趣的用户。
3.5 线上教学平台对学生行为数据分析结果的可视化
在线上教学平台中进行数据可视化的优点就是动作更快，利用图表总结复杂的数据，可以确保对关系的理解。同时可视化的另外一个优点是具有建设性的意见和成果，通过大数据可视化工具能够使用简单的图形传递复杂的信息，读者能够直观的理解数据源信息和行为结果之间的关联，最终将分析成果反馈给老师和学生，有效地提高了教学水平。
4 线上教学学生学习行为分析极其应用
4.1 对数据的采集、处理和分析
在对学生学习行为的数据采集中，随着信息技术的不断发展，学生的学习不仅局限于课堂教学，同时可以通过一些网络平台的辅助学习，对学生在课堂上的各项数据进行收集并上传到网络平台上[3]。由于在线学习平台包括基于课程的学生在线学习登录次数、时常、资源下载次数、互动讨论等数据，因此在对学生学习行为数据的分析与处理中，就需要整合和储存数据，通过对数据进行统一的编码，可以使学生按照一定的标准将数据归纳为学习方式，有利于使学生学习行为和各類数据得以保存。在对数据进行分析和利用中新建一定的数据模型，通过探究多个行为数据变量之间的关系，能够将数据呈现出来，然而对于较为复杂的学习行为数据，因为缺乏有关的先验知识，就需要研发出更加立体化和全息高维的数据挖掘方法和技术。 4.2 在評学和导学中的应用
首先，在信息技术的利用过程中，为了高效地获取学生的学习行为，可以通过线上和线下的学习行为进行可视化分析，能够将学生的学习过程、学习行为以及学习结果利用图表的形式简单直观地呈现出来，不但省时省力，而且科学高效，有利于老师更好的教学和调控教学，最终提升教育教学质量。其次，在教育大数据的过程考察中，根据学生的多样化学习行为将其转化为可量化的数据信息，依托教学技术手段中的教育大数据对学生的行为进行纵向与横向的评价，使其发挥出发展性的功能。最后，在评价中诊断功能的导向性，老师可以利用学生行为数据结果，及时发现学生学习过程中容易出现的问题，并对学生存在的问题进行干预和调整，可实现精准指导的目的。
4.3 合理布置课程任务
在对学生布置课程任务的过程中，要根据学生学习层次不同进行分组，同时完善题库中的建设信息，并根据题目的难易程度进行任务布置。为了更好地让学生掌握知识，还可以将学生分成不同小组，从而能够满足不同层次学生的学习需求。在整个教学过程中，老师要实时把握学生的学习进度，随着在线课程的推进，对每个学生的学习情况做出大数据可视化图表，然后通过不同的图表可以展示出学生在不同阶段的学习情况。当学生在学习中遇到问题或者受到其他因素的干扰时，老师可以在线督促学生通过观看视频的方式认真答题，从而实现自我的调整。
4.4 及时进行数据收集和分析
在教学中，针对不同学生的学习情况，老师能随着课程的深入而有张有弛的布置课程任务，必要的时候，还可以让辅导员督促学生，有利于充分调动学生的学习积极性和持续性[4]。在对学生学习大数据的收集和分析时，可以对课程进行大数据整体分析，如果有平行班级授课，还可以进行横向关联分析，通过数据分析和可视化，从而提出建设性意见，以便后期课程继续开设时调整课程计划安排，使更多的学生取得优异的学习成绩。
5 结语
在线上教学学生学习行为大数据的构建分析研究中，针对当前大数据下线上学习系统资源推荐算法存在的问题提出了融合深度学习的概率推荐模型，从而为课程推荐引擎的设计提供了必要的数据参考基础，在这个过程中，将学生个性化推荐技术应用到线上学习系统中，不但可以满足人们在网络学习中个性化资源的需求，还能在推荐算法方面结合学习资源特征进行学习，实现了线上学习系统更加自动化的特点。
[参考文献]
[1]段超，林丽，黄家才，等.基于大数据的大学生学习行为分析与研究[J].湖北理工学院学报，2019（1）：27-30，35.
[2]秦晓安，王睿，程鸿芳.线上教学学生学习行为与成效的大数据分析研究[J].安徽商贸职业技术学院学报（社会科学版），2020（3）：68-71.
[3]张兴科.大数据分析与挖掘技术在高校学生线上学习中的应用研究[J].现代职业教育，2020（1）：146-147.
[4]陈兰岚，宋海虹.基于MOOC数据挖掘的学习行为和学习成效分析[J].教育教学论坛，2019（21）：50-51.
（编辑 何 琳）
Big Data analysis of online teaching students’ learning behavior and effectiveness
Zhong Yamei
（Guangzhou Nanyang Polytechnic College， Guangzhou 510000， China）
Abstract：By using Big Data to classify students’ learning behavior， online data can be used to form students’ learning behavior education， and offline data and Internet platform can be built， so as to provide enough basis for teachers’ teaching evaluation and guidance in education and teaching， through the analysis of students’ learning behavior and learning effect， it is helpful to find the right direction for the continuous improvement of the follow-up courses， to improve the quality of education and teaching.
Key words：online teaching; students’ learning behavior; Big Data analysis
关键词：线上教学;学生学习行为;大数据分析
0 引言
随着大数据时代的来临，当今社会发展中，各行各业对大数据的需求越来越多，同样在教育教学中，依托网络进行线上教学可以逐步实现对学生学习情况的数据采集和分析，通过大数据，及时掌握和了解学生学习行为，并逐步扩大到教育者以及研究者的视野中，并随着教育信息化的不断进步，实现对学生学习过程、结果等数据的分析，这也是当今教育教学发展的大势所趋。
1 基于线上教育大数据的学习行为分析研究现状
在线上教育中，由于对学习资源的使用效率比较低，因此各个企业在资源管理方面显得比较孤立，同时资源缺乏共享，使得员工的学习资源受到了限制。目前我国在线学习系统通常是面向内部的，在满足单位内学生的学习需求时，会随着学习资源数据的扩大，给系统容量提出了更高的要求[1]。而在促进大数据教育领域的应用中，想要实现信息技术与教育教学的融合，对信息的采集过程中根据教育需要发展可创造性巨大潜在价值的数据整合。学生学习行为分析作为当今学习分析领域中的一项重要研究内容，具有十分重要的研究价值，在对教育大数据的获取、存储、管理和分析过程中构建学生学习行为模型，从而实现对未来学习的预测。
2 线上教学使用大数据的学习行为分析价值
2.1 对教师导学的作用
通常在对学生学习行为的大数据分析中，对教师导学所起的作用主要体现在两个方面，首先是在传统的教学过程中，由于经常发生一名老师担任两门或者两门以上的教学课程，使得老师规模和班级规模比例有出入。而这种情况下，老师根本无法了解每一位学生的学习情况，更谈不上对学生进行指导，所以通过线上学习分析技术，在大量数据中提取有效的数据信息，就可以对教师的管理部门、学习等相关利益进行干预和支持，从而促进优化学习效果和环境。老师使用互联网信息技术，在课堂教学中，根据线上提供的数据信息可以针对性的对学生进行教学，使课堂教学的效率得到提高。
2.2 对教师评学的作用
对教育大数据的学习行为进行分析，可以改变老师的评学范围和评学方式，但由于传统的学习评价主要采取的是考试和作业的方式评价学生的学习情况，所以对教育大数据进行评价，可以将传统的单一结果评价进行延伸，从而可以推测出学生的学习兴趣和学习动机，有利于对评价的结果进行关注[2]。以往的教学中，对学生学习成绩的评价主要根据考试成绩决定，这种方法是借用群体横向的比较，但会忽视学生的纵向比较，因此可以通过收集、整理学生的学习过程和学习结果的行为数据，实现对学生数据库的建立，在充分发挥评价发展功能后，利用大数据可以解决传统评价中的问题，实现学生个性化的实施教育。
3 线上教学使用大数据分析方法和步骤
3.1 线上教学平台学生行为的数据分析
在线上学习平台中收集学生学习行为的数据，并将这些数据存储到数据库中，有利于对数据的挖掘。同时对学生进行聚类分析，可以规划出学生的学习类型，从而根据不同学生实现不同的分类，有助于老师及时了解学生的整体学习情况，然后根据不同学生学习类型选择不同教学方法。
3.2 线上教学平台对学生学习的数据采集
为了更加真实有效地获得线上教学平台对学生学习数据的采集，可以在平台上开设教学课程对学生的学习行为进行数据采集。通过学生课程访问的情况、视频观看情况以及作业完成情况这几个方面数据的收集，可以有效地避免出现数据的偏差，同时用自然语言处理技术对原始数据进行处理，有利于以后对数据的分析。
3.3 线上教学平台对数据与学习成效的分析
根据线上教学平台的行为数据分析学习成效的过程中，通过大数据技术分析出学生在以往的课程学习中的出勤、任务完成等情况，并归纳出学习整体的学习成效和存在的问题。而对线上平台数据记录中学生在课程方面的访问情况、讨论情况等进行关联分析，可以提高老师的教学方法、策略和知识点的推送，通过调整并完善学习中的不足之处，从而改正学生学习中存在的缺点。
3.4 对线上学习模型的构建
在个性化推荐系统的定义中，推荐系统有3个重要的模块，分别是用户兴趣模块、推荐算法模块以及推荐对象模块。在用户兴趣模块的推荐中，可以建立兴趣模型，推荐对象模块可以对资源进行描述，而推荐算法模块则是通过构建合适的个性化推荐技术将资源推荐给用户，在这个过程中，推荐系统会将资源的信息特点推送给指定感兴趣的用户。
3.5 线上教学平台对学生行为数据分析结果的可视化
在线上教学平台中进行数据可视化的优点就是动作更快，利用图表总结复杂的数据，可以确保对关系的理解。同时可视化的另外一个优点是具有建设性的意见和成果，通过大数据可视化工具能够使用简单的图形传递复杂的信息，读者能够直观的理解数据源信息和行为结果之间的关联，最终将分析成果反馈给老师和学生，有效地提高了教学水平。
4 线上教学学生学习行为分析极其应用
4.1 对数据的采集、处理和分析
在对学生学习行为的数据采集中，随着信息技术的不断发展，学生的学习不仅局限于课堂教学，同时可以通过一些网络平台的辅助学习，对学生在课堂上的各项数据进行收集并上传到网络平台上[3]。由于在线学习平台包括基于课程的学生在线学习登录次数、时常、资源下载次数、互动讨论等数据，因此在对学生学习行为数据的分析与处理中，就需要整合和储存数据，通过对数据进行统一的编码，可以使学生按照一定的标准将数据归纳为学习方式，有利于使学生学习行为和各類数据得以保存。在对数据进行分析和利用中新建一定的数据模型，通过探究多个行为数据变量之间的关系，能够将数据呈现出来，然而对于较为复杂的学习行为数据，因为缺乏有关的先验知识，就需要研发出更加立体化和全息高维的数据挖掘方法和技术。 4.2 在評学和导学中的应用
首先，在信息技术的利用过程中，为了高效地获取学生的学习行为，可以通过线上和线下的学习行为进行可视化分析，能够将学生的学习过程、学习行为以及学习结果利用图表的形式简单直观地呈现出来，不但省时省力，而且科学高效，有利于老师更好的教学和调控教学，最终提升教育教学质量。其次，在教育大数据的过程考察中，根据学生的多样化学习行为将其转化为可量化的数据信息，依托教学技术手段中的教育大数据对学生的行为进行纵向与横向的评价，使其发挥出发展性的功能。最后，在评价中诊断功能的导向性，老师可以利用学生行为数据结果，及时发现学生学习过程中容易出现的问题，并对学生存在的问题进行干预和调整，可实现精准指导的目的。
4.3 合理布置课程任务
在对学生布置课程任务的过程中，要根据学生学习层次不同进行分组，同时完善题库中的建设信息，并根据题目的难易程度进行任务布置。为了更好地让学生掌握知识，还可以将学生分成不同小组，从而能够满足不同层次学生的学习需求。在整个教学过程中，老师要实时把握学生的学习进度，随着在线课程的推进，对每个学生的学习情况做出大数据可视化图表，然后通过不同的图表可以展示出学生在不同阶段的学习情况。当学生在学习中遇到问题或者受到其他因素的干扰时，老师可以在线督促学生通过观看视频的方式认真答题，从而实现自我的调整。
4.4 及时进行数据收集和分析
在教学中，针对不同学生的学习情况，老师能随着课程的深入而有张有弛的布置课程任务，必要的时候，还可以让辅导员督促学生，有利于充分调动学生的学习积极性和持续性[4]。在对学生学习大数据的收集和分析时，可以对课程进行大数据整体分析，如果有平行班级授课，还可以进行横向关联分析，通过数据分析和可视化，从而提出建设性意见，以便后期课程继续开设时调整课程计划安排，使更多的学生取得优异的学习成绩。
5 结语
在线上教学学生学习行为大数据的构建分析研究中，针对当前大数据下线上学习系统资源推荐算法存在的问题提出了融合深度学习的概率推荐模型，从而为课程推荐引擎的设计提供了必要的数据参考基础，在这个过程中，将学生个性化推荐技术应用到线上学习系统中，不但可以满足人们在网络学习中个性化资源的需求，还能在推荐算法方面结合学习资源特征进行学习，实现了线上学习系统更加自动化的特点。
[参考文献]
[1]段超，林丽，黄家才，等.基于大数据的大学生学习行为分析与研究[J].湖北理工学院学报，2019（1）：27-30，35.
[2]秦晓安，王睿，程鸿芳.线上教学学生学习行为与成效的大数据分析研究[J].安徽商贸职业技术学院学报（社会科学版），2020（3）：68-71.
[3]张兴科.大数据分析与挖掘技术在高校学生线上学习中的应用研究[J].现代职业教育，2020（1）：146-147.
[4]陈兰岚，宋海虹.基于MOOC数据挖掘的学习行为和学习成效分析[J].教育教学论坛，2019（21）：50-51.
（编辑 何 琳）
Big Data analysis of online teaching students’ learning behavior and effectiveness
Zhong Yamei
（Guangzhou Nanyang Polytechnic College， Guangzhou 510000， China）
Abstract：By using Big Data to classify students’ learning behavior， online data can be used to form students’ learning behavior education， and offline data and Internet platform can be built， so as to provide enough basis for teachers’ teaching evaluation and guidance in education and teaching， through the analysis of students’ learning behavior and learning effect， it is helpful to find the right direction for the continuous improvement of the follow-up courses， to improve the quality of education and teaching.
Key words：online teaching; students’ learning behavior; Big Data analysis