论文部分内容阅读
【摘要】互联网技术及教育信息化的快速发展改变了人们的学习及认知方式，在线学习模式迅速兴起并受到了广泛的认可。这种全新的学习方式及教育模式，必将会驱动教育信息化的变革与创新。本文在介绍在线学习行为的概念、在线学习行为的大数据特征的基础上，分析了基于大数据的高职院校师生智能在线学习行为分析模型构建原则及思路，并提出了构建基于大数据的高职院校师生智能在线学习行为分析模型的总体架构，为高职院校教师制订信息化教学的策略提供实证基础。
【关键词】大数据；高职院校；学习行为；分析模型
【中图分类号】TP311 【文献标识码】A
《国务院办公厅关于深化高等学校创新创业教育改革的实施意见》（国办发[2015]36号）明确提出，大数据技术要切实应用到教育中，逐渐让学生提高现代学习应用技术，实现教学资源的多样化，进行资源共享。信息化技术应用到高职院校中的具体体现主要是多媒体应用技术和在线学习的研究与实践，这无论是对教学改革还是学生自主学习习惯培养，都发挥了非常重要的作用。
一、构建基于大数据技术的在线学习行为分析
（一）在线学习行为的概念
学习过程重点强调的是以学生为主体进行学习的过程，其主要目的是帮助学生完成学习任务，获得知识和技能。在线学习过程是基于学网络技术和资源而展开的，重点强调的是学生通过网络和信息化途径所获得知识和技能的过程。在教学大纲以及学生自主学习的要求下，学生根据自身的需要合理选择在线课程，并且在在线学习平台上注册、登陆，然后学习。在互联网和现代化教育技术逐渐普及的今天，在线学习将成为未来发展的主要学习模式。学术界针对“在线学习”的概念目前还没有统一的定义，一些学者提出，“在线学习”就是一种“网络学习行为”或者是“远程学习行为”，在网络环境以及现代化教育技术基础上，学生通过利用线上平台达到交互学习和自主学习的目的。还有的学者将“在线学习”分为广义和狭义，从广义上而言，学习者利用“在线学习”平台能够获得的所有信息的总和；从狭义的角度看，主要指的是学习者利用在线学习平台达到学习的目的，进行学习的过程。本文所研究的“在线学习”是从狭义角度而言的。
（二）在线学习的内涵
随着我国互联网的发展，互联网学习资源已经出现了海量化现象，学习者利用在线学习平台可以直接通过互联网找到需要的学习资料，同时，交互式学习方式在此平台上得到了展示，且学习者拥有比较强的自主性以及个性化，让“在线学习”具有了更加丰富且独特的内涵：学习者通过在线学习的途径，一方面可以找到大量的学习资料，丰富学习的内容和效果；另一方面学生通过主动查找资料或者进行交互学习，充分发挥了学生的自主性，且互联网的便利性解决了学习的地点和时间问题。在线课程结构凸显的是一种发散性的、彼此之间有关联性的特点，因此，学生在这个过程中可以接收到更多、更加多元化的知识体系；与此同时，在线学习还具备多层次的沟通交流机制，学生可以利用不同的交流模式与老师、同学进行交流，教师可以对学生提交的任务进行评价。
（三）在线学习行为的大数据特征
在在线学习模式下，学习者的数量可以不受限制，基于互联网平台的学习资源实现了广博化，因此，在线学习的数据量庞大、类型多样且数据处理速度非常快，传达数据及时，这都是大数据特点的体现。所以说，大数据为在线学习分析模型的建立提供了必要的数据支撑，在线学习模式可以首先构建出在线学习行为数据模型，其次再进行数据采集、处理及分析。
二、基于大数据的高职院校师生智能在线学习行为分析模型构建思路
构建基于大数据的高职院校师生智能在线学习行为分析模型的主要思路如下。首先，以行為学、心理学、系统学等理论作为基础，对学习者的学习行为进行相关分析，搭建起科学合理的在线学习行为分析模型总体架构；其次，对学习者的相关学习数据进行采集，并通过数据模型进行处理；第三，数据模型中的横向流程，具体而言，主要有聚类分析收集的行为数据，按照不同学习者的行为特点有针对性的提供一对一的课程学习资源推荐，并合理评估学习者的学习效果；最后，设计分析模型中的纵向流程，具体有选取行为分析数据、初步处理数据、选择正确的行为分析方法、对行为分析结果进行可视化及应用等。
三、构建基于大数据的高职院校师生智能在线学习行为分析模型的总体架构
（一）数据模型构建理论依据
数据在在线学习模型建立和在线学习行为分析中的重要性不言而喻，它不仅反馈的是总体学习者的学习过程和规律，同时将计算机技术引入到大数据处理中，以建模的方式找到在线学习中实体对象的学习过程，并将其形成系统的数据进行规律性分析。这种将现实的学习行为构建虚拟的分析模型，使得学习行为在信息框架的作用下更好地挖掘用户的使用习惯和路径，为下一阶段的用户分析提供必要的数据基础。对不同学习行为所构成的大数据进行分析和处理，从其本质上看，这是一个数据逐渐转化的过程，将现实的课堂教学与虚拟的信息和计算机世界联通起来，构成了一个能够有效利用计算机进行数据处理的行为表现形式。学习行为数据转换过程如图1所示。
参考文献：
[1] Appalla P，Kuthadi V M，Marwala T.An efficient educational data mining approach to support e-learning[J].Wireless Networks，2016（32）：1-14.
[2]宗阳，郑勤华，陈丽.中国MOOCs学习者价值研究——基于RFM模型的在线学习行为分析[J].现代远距离教育，2016（2）：21-28.
[3]陈鹏宇，冯晓英，孙洪涛，等.在线学习环境中学习行为对知识建构的影响[J].中国电化教育，2015（8）：59-63.
作者简介：汤飞飞（1982-），女，湖南衡阳人，本科，硕士，副教授，教师，主要研究方向：高职教育，信息化教学，电子商务。
【关键词】大数据；高职院校；学习行为；分析模型
【中图分类号】TP311 【文献标识码】A
《国务院办公厅关于深化高等学校创新创业教育改革的实施意见》（国办发[2015]36号）明确提出，大数据技术要切实应用到教育中，逐渐让学生提高现代学习应用技术，实现教学资源的多样化，进行资源共享。信息化技术应用到高职院校中的具体体现主要是多媒体应用技术和在线学习的研究与实践，这无论是对教学改革还是学生自主学习习惯培养，都发挥了非常重要的作用。
一、构建基于大数据技术的在线学习行为分析
（一）在线学习行为的概念
学习过程重点强调的是以学生为主体进行学习的过程，其主要目的是帮助学生完成学习任务，获得知识和技能。在线学习过程是基于学网络技术和资源而展开的，重点强调的是学生通过网络和信息化途径所获得知识和技能的过程。在教学大纲以及学生自主学习的要求下，学生根据自身的需要合理选择在线课程，并且在在线学习平台上注册、登陆，然后学习。在互联网和现代化教育技术逐渐普及的今天，在线学习将成为未来发展的主要学习模式。学术界针对“在线学习”的概念目前还没有统一的定义，一些学者提出，“在线学习”就是一种“网络学习行为”或者是“远程学习行为”，在网络环境以及现代化教育技术基础上，学生通过利用线上平台达到交互学习和自主学习的目的。还有的学者将“在线学习”分为广义和狭义，从广义上而言，学习者利用“在线学习”平台能够获得的所有信息的总和；从狭义的角度看，主要指的是学习者利用在线学习平台达到学习的目的，进行学习的过程。本文所研究的“在线学习”是从狭义角度而言的。
（二）在线学习的内涵
随着我国互联网的发展，互联网学习资源已经出现了海量化现象，学习者利用在线学习平台可以直接通过互联网找到需要的学习资料，同时，交互式学习方式在此平台上得到了展示，且学习者拥有比较强的自主性以及个性化，让“在线学习”具有了更加丰富且独特的内涵：学习者通过在线学习的途径，一方面可以找到大量的学习资料，丰富学习的内容和效果；另一方面学生通过主动查找资料或者进行交互学习，充分发挥了学生的自主性，且互联网的便利性解决了学习的地点和时间问题。在线课程结构凸显的是一种发散性的、彼此之间有关联性的特点，因此，学生在这个过程中可以接收到更多、更加多元化的知识体系；与此同时，在线学习还具备多层次的沟通交流机制，学生可以利用不同的交流模式与老师、同学进行交流，教师可以对学生提交的任务进行评价。
（三）在线学习行为的大数据特征
在在线学习模式下，学习者的数量可以不受限制，基于互联网平台的学习资源实现了广博化，因此，在线学习的数据量庞大、类型多样且数据处理速度非常快，传达数据及时，这都是大数据特点的体现。所以说，大数据为在线学习分析模型的建立提供了必要的数据支撑，在线学习模式可以首先构建出在线学习行为数据模型，其次再进行数据采集、处理及分析。
二、基于大数据的高职院校师生智能在线学习行为分析模型构建思路
构建基于大数据的高职院校师生智能在线学习行为分析模型的主要思路如下。首先，以行為学、心理学、系统学等理论作为基础，对学习者的学习行为进行相关分析，搭建起科学合理的在线学习行为分析模型总体架构；其次，对学习者的相关学习数据进行采集，并通过数据模型进行处理；第三，数据模型中的横向流程，具体而言，主要有聚类分析收集的行为数据，按照不同学习者的行为特点有针对性的提供一对一的课程学习资源推荐，并合理评估学习者的学习效果；最后，设计分析模型中的纵向流程，具体有选取行为分析数据、初步处理数据、选择正确的行为分析方法、对行为分析结果进行可视化及应用等。
三、构建基于大数据的高职院校师生智能在线学习行为分析模型的总体架构
（一）数据模型构建理论依据
数据在在线学习模型建立和在线学习行为分析中的重要性不言而喻，它不仅反馈的是总体学习者的学习过程和规律，同时将计算机技术引入到大数据处理中，以建模的方式找到在线学习中实体对象的学习过程，并将其形成系统的数据进行规律性分析。这种将现实的学习行为构建虚拟的分析模型，使得学习行为在信息框架的作用下更好地挖掘用户的使用习惯和路径，为下一阶段的用户分析提供必要的数据基础。对不同学习行为所构成的大数据进行分析和处理，从其本质上看，这是一个数据逐渐转化的过程，将现实的课堂教学与虚拟的信息和计算机世界联通起来，构成了一个能够有效利用计算机进行数据处理的行为表现形式。学习行为数据转换过程如图1所示。
参考文献：
[1] Appalla P，Kuthadi V M，Marwala T.An efficient educational data mining approach to support e-learning[J].Wireless Networks，2016（32）：1-14.
[2]宗阳，郑勤华，陈丽.中国MOOCs学习者价值研究——基于RFM模型的在线学习行为分析[J].现代远距离教育，2016（2）：21-28.
[3]陈鹏宇，冯晓英，孙洪涛，等.在线学习环境中学习行为对知识建构的影响[J].中国电化教育，2015（8）：59-63.
作者简介：汤飞飞（1982-），女，湖南衡阳人，本科，硕士，副教授，教师，主要研究方向：高职教育，信息化教学，电子商务。