论文部分内容阅读
摘要：本文从大数据的概念及教育大数据分析的用途入手，结合大数据分析的过程，以“腾讯课堂”为具体案例，分析了腾讯课堂用户的基本属性，并根据分析结果对腾讯课堂及在线教育平台未来的发展提出了一些参考建议，以便其更好地适应大数据时代的发展。
关键词：教育大数据；大数据分析；在线教育；腾讯课堂
中图分类号：G434 文献标识码：A 论文编号：1674-2117（2018）19-0103-03
引言
大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。通俗来讲，就是人们可以通过获取海量的数据，对这些数据进行分析，从而获取到高于数据价值本身的价值。而教育大数据就是在整个教育教学过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合。
在线教育中大数据分析过程及作用
在线教育中，要进行大数据的分析，首先要收集数据，对数据进行归纳和整理，选择可用的数据，通过数据清洗，对现有的数据进行可统一的规范，形成标准化的数据集。通过这些统一的规范将数据的结果输出，并将输入后的剩余参数保留，然后运用图标、数据等方式将数据分析结果展示出来，最后将大数据的分析与传统结果分析做比较，判断大数据的分析应用。概括来讲就是六个阶段，即数据采集、数据预处理、数据输入、形成数据仓库、数据输出以及数据的价值评价，其过程如右图所示。
通过对教育大数据的分析，在国家层面，可以制定出科学化的教育政策，在区域层面，有利于教育均衡的发展，在学校层面，可以提升教育的质量，使课程体系与教育效果达到最优化，在个人方面，有利于其个性化发展。通过对教育大数据的收集、归纳、整理，以及对繁杂的教育数据的分析，能发现其相关关系，诊断现存问题，预测发展趋势。对于学习者而言，可以更加清楚地了解自己的学习行为、学习方式、对学习内容的偏好、学习的掌握程度，从而制订出更适应自身学习的个性化的学习规划，实现个性化学习，并对未来发展做出一定的诊断，提升教育质量。对于教师而言，通过教育大数据分析，可以发现最优的教师，教师也可以制订个性化学习方案，规划更优的教学路径，设计更适合学习者的学习互动与创设场景，优化教育资源配置，使教育决策更具有科学性。
以“腾讯课堂”为例的大数据分析
腾讯课堂是腾讯推出的专业在线教育平台。该平台聚合了大量优质教育机构和名师，包括等级考试、专业培训、中小学教育等众多在线学习精品课程，打造教师在线教学、学生及时互动学习的课堂。与其他在线教育平台相比，腾讯课堂最大的优点就是可以实现与腾讯QQ、QQ群的深度整合，学习者在课程报名成功之后，可以直接通过QQ客户端进入课堂，实现在线即时互动教与学，并且通过QQ群天然的群聚效应，实现学生与教师、学生与学生之间的相互交流，也可以添加教师，实现一对一的教学指导。
1.基于騰讯课堂的大数据分析过程
本文以2018年艾瑞咨询发布的腾讯课堂用户大数据报告为数据来源，数据以2017年腾讯课堂的整体用户为研究对象，数据来源包括PC端和移动用户，通过这些数据对腾讯课堂用户的基本属性进行分析。获取数据后，首先需要对它进行数据清洗、抽样、维规约、选择记录特征、离散化二元化、变量化的处理，形成规范化的数据。根据需要，从地域、年龄段、性别、学历四个方面对用户基本属性进行分析，每个不同的方面又分为五个维度，即用户所占比重、人均年累计学习时长、人均年累计付费意愿、人均年累计付费金额、学习偏好，根据前面的数据库和相关主题信息，可以形成数据仓库。
2.数据分析
在地域上，受到经济发展的限制，沿海及经济发展较快的城市更关注在线学习，愿意花费时间、金钱在在线教育上，相比较而言，西部和经济条件落后的城市对在线教育的关注较少，花费在在线学习的时间少，学习意愿也不高。由于北京、上海、广东、浙江等互联网发达省市对IT互联网人才的需求较高，这些地域学习该领域课程的用户远高于其他地区，且不管是哪个年龄层次，对互联网类课程的关注都比较高。
从年龄上来看，85后用户占比为86%，其中以90后和95后为主要用户，两者加起来占总比超过一半，但是从人均年累计学习时长来看，75前用户人均年累计学习时长最长，95后学习时长最少，这是由于受到经济条件的限制，而80后、85后群体大多已就业，具有一定消费能力，对知识的有效性获得较为看重，因此愿意花费更多的钱在学习上。
在性别上，男女在占比、人均年累计学习时长、付费意愿、付费金额上差别都不大，在学习偏好上，互联网营销、平面设计、职业技能课程受到了男性女性用户的共同追捧，男性用户对编程语言类课程兴趣高，女性用户对公考求职、文艺修养则有较强的学习需求。
从学历上来看，初高中学习占比接近60%，本科/专科占比也超过了30%，其中高学历用户普遍人均年累计学习时长较高，付费意愿、付费金额也比较高，因为他们大多有较为明确的学习目标，往往会专门投入资金以及时间进行在线学习。
3.建议
（1）经济发展影响用户在线学习。经济因素对用户学习产生了巨大的影响，经济发达的地区不仅对学校教育重视，对在线教育的关注度也是比较高的，而在西南、西北等一些经济发展较慢的地方，人们的在线学习意识较为薄弱，相关教育部门及在线教育平台应该加大在西北、西南地区的推广、宣传，使更多的人通过在线教育平台进行学习，获得更多的学习机会。
（2）社会需求影响用户在线学习。由于互联网的迅速发展，社会对IT互联网人才也有较大的需求，互联网相关专业就业形势好、工资高，也成为人们追逐学习的一大原因，所以学习编程语言、互联网营销的用户也就越来越多，通过在线教育平台，用户可以快速便捷地获取到自己所需要的课程，有利于其自身的发展。根据用户对课程的偏好，在线教育平台应优化编程语言、互联网营销、职业技能等需求量高的课程，使用户接受到更优质的学习资源。 （3）在线教育平台应该有针对性地开展课程，为用户制订个性化学习方案。不同年龄段、学历层次的用户对学习的需求是不一样的，对付费学习的意愿、金额也是不同的。对于中小学生而言，应充分考虑其经济实力，降低付费金额，多增加免费的优质课程。对于年龄较小、学历层次较低的用户而言，他们的学习自主性较弱，易受各种因素的影响，在线教育平台应通过不同的方式，督促、提醒其进行学习，增长其在线学习时间。
結语
在大数据的驱动下，在线教育呈现出蓬勃发展的趋势，同时由数据带来的一系列问题也需要通过不断地探究进行解决。新技术，新挑战，大数据带给我们的除了机遇，还有挑战，要善于运用技术，解决学习中产生的问题，利用大数据对教育数据进行全方位与全程性采集，对多维教育大数据进行深度分析，运用可视化的分析工具，将在线教育过程中产生的问题用可视化数据呈现出来，使在线教育平台优化自己的课程，运用更多好的方式有针对性地推广、开展课程，让学习者更好地参与学习，从知学转变为好学，由好学进一步变为优学。数据时代，要学会正确地获取数据、分析数据、应用数据，利用数据服务学习生活，不断学习新技术，解决数据产生的问题，培养数据素养，树立数据意识。
参考文献：
[1]沈海波，周如旗，朱雄泳.大数据时代软件工程专业建设的思考[J].计算机教育，2015（23）：98-100.
[2]王祖霖.大数据时代学生评价变革研究[D].长沙：湖南大学，2016.
[3]郝水侠，杨帆.基于大数据分析的教学模式创新与探索[J].软件导刊：教育技术，2016，15（12）：8-11.
[4]毕正宇.教育政策执行模式研究[D].武汉：华中师范大学，2006.
[5]李冬，韩永国.网络学习行为个性化引导的研究[J].中国教育技术装备，2010（3）：79-81.
[6]孙众，宋洁，姚夏晶，等.教育大数据的课堂应用新形态——“教育大数据研究与实践专栏”之教学应用篇[J].现代教育技术，2016，26（9）：5-10.
[7]陈晓娟，陈红普.腾讯课堂在线教学模式探究[J].软件导刊，2015，14（8）：221-224.
[8]中国在线教育平台用户大数据报告——腾讯课堂数据篇2018年[A].艾瑞咨询系列研究报告（2018年第1期）[C].上海艾瑞市场咨询有限公司，2018：44.
[9]张进良，李保臻.大数据背景下教师数据素养的内涵、价值与发展路径[J].电化教育研究，2015，36（7）：14-19 34.
作者简介：魏梦楠（1994—），女，硕士研究生在读，主要研究领域为教育大数据、机器人教育。马燕（1960—），男，博士，教授，博士生导师，主要研究人工智能、语义网、社会计算等。
基金项目：本文属于重庆师范大学研究生科研创新项目——重庆市高校“校园贷”行为影响因素研究及对策探讨（项目号：YKC17014），基于校园大数据的学生行为分析与预警平台设计（项目号：YKC18028），基于学习行为大数据的深度学习分析模型及实现（项目号：YKC18029）的研究成果。
关键词：教育大数据；大数据分析；在线教育；腾讯课堂
中图分类号：G434 文献标识码：A 论文编号：1674-2117（2018）19-0103-03
引言
大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。通俗来讲，就是人们可以通过获取海量的数据，对这些数据进行分析，从而获取到高于数据价值本身的价值。而教育大数据就是在整个教育教学过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合。
在线教育中大数据分析过程及作用
在线教育中，要进行大数据的分析，首先要收集数据，对数据进行归纳和整理，选择可用的数据，通过数据清洗，对现有的数据进行可统一的规范，形成标准化的数据集。通过这些统一的规范将数据的结果输出，并将输入后的剩余参数保留，然后运用图标、数据等方式将数据分析结果展示出来，最后将大数据的分析与传统结果分析做比较，判断大数据的分析应用。概括来讲就是六个阶段，即数据采集、数据预处理、数据输入、形成数据仓库、数据输出以及数据的价值评价，其过程如右图所示。
通过对教育大数据的分析，在国家层面，可以制定出科学化的教育政策，在区域层面，有利于教育均衡的发展，在学校层面，可以提升教育的质量，使课程体系与教育效果达到最优化，在个人方面，有利于其个性化发展。通过对教育大数据的收集、归纳、整理，以及对繁杂的教育数据的分析，能发现其相关关系，诊断现存问题，预测发展趋势。对于学习者而言，可以更加清楚地了解自己的学习行为、学习方式、对学习内容的偏好、学习的掌握程度，从而制订出更适应自身学习的个性化的学习规划，实现个性化学习，并对未来发展做出一定的诊断，提升教育质量。对于教师而言，通过教育大数据分析，可以发现最优的教师，教师也可以制订个性化学习方案，规划更优的教学路径，设计更适合学习者的学习互动与创设场景，优化教育资源配置，使教育决策更具有科学性。
以“腾讯课堂”为例的大数据分析
腾讯课堂是腾讯推出的专业在线教育平台。该平台聚合了大量优质教育机构和名师，包括等级考试、专业培训、中小学教育等众多在线学习精品课程，打造教师在线教学、学生及时互动学习的课堂。与其他在线教育平台相比，腾讯课堂最大的优点就是可以实现与腾讯QQ、QQ群的深度整合，学习者在课程报名成功之后，可以直接通过QQ客户端进入课堂，实现在线即时互动教与学，并且通过QQ群天然的群聚效应，实现学生与教师、学生与学生之间的相互交流，也可以添加教师，实现一对一的教学指导。
1.基于騰讯课堂的大数据分析过程
本文以2018年艾瑞咨询发布的腾讯课堂用户大数据报告为数据来源，数据以2017年腾讯课堂的整体用户为研究对象，数据来源包括PC端和移动用户，通过这些数据对腾讯课堂用户的基本属性进行分析。获取数据后，首先需要对它进行数据清洗、抽样、维规约、选择记录特征、离散化二元化、变量化的处理，形成规范化的数据。根据需要，从地域、年龄段、性别、学历四个方面对用户基本属性进行分析，每个不同的方面又分为五个维度，即用户所占比重、人均年累计学习时长、人均年累计付费意愿、人均年累计付费金额、学习偏好，根据前面的数据库和相关主题信息，可以形成数据仓库。
2.数据分析
在地域上，受到经济发展的限制，沿海及经济发展较快的城市更关注在线学习，愿意花费时间、金钱在在线教育上，相比较而言，西部和经济条件落后的城市对在线教育的关注较少，花费在在线学习的时间少，学习意愿也不高。由于北京、上海、广东、浙江等互联网发达省市对IT互联网人才的需求较高，这些地域学习该领域课程的用户远高于其他地区，且不管是哪个年龄层次，对互联网类课程的关注都比较高。
从年龄上来看，85后用户占比为86%，其中以90后和95后为主要用户，两者加起来占总比超过一半，但是从人均年累计学习时长来看，75前用户人均年累计学习时长最长，95后学习时长最少，这是由于受到经济条件的限制，而80后、85后群体大多已就业，具有一定消费能力，对知识的有效性获得较为看重，因此愿意花费更多的钱在学习上。
在性别上，男女在占比、人均年累计学习时长、付费意愿、付费金额上差别都不大，在学习偏好上，互联网营销、平面设计、职业技能课程受到了男性女性用户的共同追捧，男性用户对编程语言类课程兴趣高，女性用户对公考求职、文艺修养则有较强的学习需求。
从学历上来看，初高中学习占比接近60%，本科/专科占比也超过了30%，其中高学历用户普遍人均年累计学习时长较高，付费意愿、付费金额也比较高，因为他们大多有较为明确的学习目标，往往会专门投入资金以及时间进行在线学习。
3.建议
（1）经济发展影响用户在线学习。经济因素对用户学习产生了巨大的影响，经济发达的地区不仅对学校教育重视，对在线教育的关注度也是比较高的，而在西南、西北等一些经济发展较慢的地方，人们的在线学习意识较为薄弱，相关教育部门及在线教育平台应该加大在西北、西南地区的推广、宣传，使更多的人通过在线教育平台进行学习，获得更多的学习机会。
（2）社会需求影响用户在线学习。由于互联网的迅速发展，社会对IT互联网人才也有较大的需求，互联网相关专业就业形势好、工资高，也成为人们追逐学习的一大原因，所以学习编程语言、互联网营销的用户也就越来越多，通过在线教育平台，用户可以快速便捷地获取到自己所需要的课程，有利于其自身的发展。根据用户对课程的偏好，在线教育平台应优化编程语言、互联网营销、职业技能等需求量高的课程，使用户接受到更优质的学习资源。 （3）在线教育平台应该有针对性地开展课程，为用户制订个性化学习方案。不同年龄段、学历层次的用户对学习的需求是不一样的，对付费学习的意愿、金额也是不同的。对于中小学生而言，应充分考虑其经济实力，降低付费金额，多增加免费的优质课程。对于年龄较小、学历层次较低的用户而言，他们的学习自主性较弱，易受各种因素的影响，在线教育平台应通过不同的方式，督促、提醒其进行学习，增长其在线学习时间。
結语
在大数据的驱动下，在线教育呈现出蓬勃发展的趋势，同时由数据带来的一系列问题也需要通过不断地探究进行解决。新技术，新挑战，大数据带给我们的除了机遇，还有挑战，要善于运用技术，解决学习中产生的问题，利用大数据对教育数据进行全方位与全程性采集，对多维教育大数据进行深度分析，运用可视化的分析工具，将在线教育过程中产生的问题用可视化数据呈现出来，使在线教育平台优化自己的课程，运用更多好的方式有针对性地推广、开展课程，让学习者更好地参与学习，从知学转变为好学，由好学进一步变为优学。数据时代，要学会正确地获取数据、分析数据、应用数据，利用数据服务学习生活，不断学习新技术，解决数据产生的问题，培养数据素养，树立数据意识。
参考文献：
[1]沈海波，周如旗，朱雄泳.大数据时代软件工程专业建设的思考[J].计算机教育，2015（23）：98-100.
[2]王祖霖.大数据时代学生评价变革研究[D].长沙：湖南大学，2016.
[3]郝水侠，杨帆.基于大数据分析的教学模式创新与探索[J].软件导刊：教育技术，2016，15（12）：8-11.
[4]毕正宇.教育政策执行模式研究[D].武汉：华中师范大学，2006.
[5]李冬，韩永国.网络学习行为个性化引导的研究[J].中国教育技术装备，2010（3）：79-81.
[6]孙众，宋洁，姚夏晶，等.教育大数据的课堂应用新形态——“教育大数据研究与实践专栏”之教学应用篇[J].现代教育技术，2016，26（9）：5-10.
[7]陈晓娟，陈红普.腾讯课堂在线教学模式探究[J].软件导刊，2015，14（8）：221-224.
[8]中国在线教育平台用户大数据报告——腾讯课堂数据篇2018年[A].艾瑞咨询系列研究报告（2018年第1期）[C].上海艾瑞市场咨询有限公司，2018：44.
[9]张进良，李保臻.大数据背景下教师数据素养的内涵、价值与发展路径[J].电化教育研究，2015，36（7）：14-19 34.
作者简介：魏梦楠（1994—），女，硕士研究生在读，主要研究领域为教育大数据、机器人教育。马燕（1960—），男，博士，教授，博士生导师，主要研究人工智能、语义网、社会计算等。
基金项目：本文属于重庆师范大学研究生科研创新项目——重庆市高校“校园贷”行为影响因素研究及对策探讨（项目号：YKC17014），基于校园大数据的学生行为分析与预警平台设计（项目号：YKC18028），基于学习行为大数据的深度学习分析模型及实现（项目号：YKC18029）的研究成果。