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

张兴科

[摘           要]  随着信息化教学条件的逐步成熟，各高校都在积极推行学生在线学习的教学模式，这一模式实施的效果到底如何，可借助大数据分析与挖掘技术分析学生的学习效果，针对性地帮助教师与学生改进教学与学习行为，从而进一步提升学生的学习质量与教师的教学能力，为更好地实施在线教学提供有益借鉴。

[关    键   词]  在线学习;大数据;应用研究

[中图分类号]  G712                   [文献标志码]  A                      [文章编号]  2096-0603（2020）01-0146-02

一、大数据分析与挖掘技术在线上教学中的应用背景

目前，随着教育信息化的快速发展，多数高校都开设了线上学习课程，学生的学习方式及教师的教学方式发生了深刻变化，由教师主导的教学逐步变为学生主导的自学，这种教学模式充分激发了学生的自主学习意识和自学习能力，也会对学生终身学习的习惯养成及能力培养发挥重要的作用。

实施线上教学，教师应为学生提供丰富的线上学习资源，资源包括教案、课件、教学视频、习题等。线上教学实施主要借助网络在教学平台上由学生在课上或课下完成视频观看，对学习中遇到的问题可采用网上讨论、网上答疑来解决，对学生当堂课的学习情况可采用作业完成情况、在线测试等方式进行分析。找出具体到该线上课程到底教学质量如何、影响教学质量的关键因素有哪些、重要因素有哪些，对精准地帮助教师进行线上教学设计、实施线上教学过程、进行教学效果的评定和教学反思提供重要的依据。

数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用大量数据中，提取出隐含在其中的、人们事先不知道的有用数据的模式的过程。数据挖掘技术融合了数据库技术、知识工程技术、机器学习技术、人工智能技术、可视化技术等。当大量课程采用线上教学方式让大量学生网上学习时，就会产生海量的上网数据，这些数据包括学生在线时长、练习情况、教师学生互动情况、学生作业完成情况、学生在线测试情况，以及学生最终考核结果等情况。通过大数据分析与挖掘技术对学生线上学习行为进行监控，通过可视化的分析结果和挖掘结果，可以帮助教师更好地掌控线上教学、教学效果分析，找出影响教学质量的关键因素。这可以帮助教师更加精准地指导学生进行线上学习，更好地进行教学改进，并进一步提高教师的教学能力。

二、大数据分析与挖掘技术在线上教学中的应用分析

在信息化教学中利用大数据分析和挖掘技术，可分别对学生学习数据及教师教学数据进行分析，挖掘数据模型，找出成功要素，以便后期更好地实施在线教学。

（一）数据分析与挖掘在学生方面的应用分析

在线学习记录的大量数据首先是学生在利用教学平台学习时留下的行为特征，把学生的行为特征通过分析与挖掘技术，找出学生学习的规律，分析出对提升学生学习成绩有重要作用的因素，从而针对性地帮助学生学习。

学生在线学习，要登录账户后才能学习，学习方式主要是看視频，由于每名学生自主学习的自律性、自控性不同，每名学生登录的时间不同、频次不同，看视频的总时长不同，看同一视频观看时暂停、中断的频次不同。可通过网络学习后台获取学生的登录次数和学习时间等数据，根据学生的成绩情况，研究个体登录时间是否能满足线上学习的需要;研究整个学期中学习的高峰期、每天的学习高峰期，从群体角度和个体角度分析影响学习的因素;同时将分析结果和被研究学生的课表匹配，分析是否存在正课时间恶意刷课的行为。

学生在线学习过程中，会遇到各种问题，问题的解决可通过教师在线答疑、学生在线讨论最终使问题得以解决，通过后台可以记录下学生经常遇到的问题以及问题的解决方法，记录下哪些学生爱提问，这部分学生的学业成绩如何，通过分析与挖掘，确定爱提问学生与学习成绩是否存在必然的关联;在学习论坛中有哪些是爱发帖的学生，哪些是爱回帖的学生，这部分学生的学业成绩如何，这部分学生可能思维较活跃，以后能否长期观测该类学生，观察此类学生的长远发展情况。

学生在线学习的课程，特别是自主学习的课程，学生在学习过程中，会对有的知识点感兴趣，有的知识点不是很感兴趣，对教师制作的教学资源某些部分感兴趣，某些资源不感兴趣。可通过大数据分析挖掘技术找出同一门课中哪些知识点是学生喜欢的、愿意学的，对学生不感兴趣的知识点找出原因及下一步的解决办法。另外教师制作的教学资源中融入图像、声音、动画、模拟仿真等元素，可视化教学资源的设计布局、色彩、页面格式等因素，也会影响学生学习兴趣的一些因素，可通过大数据分析与挖掘技术，找出教学资源的构成元素中哪些类的可视化教学资源更受学生关注与青睐，后期制作教学资源时，教师可根据学生的喜好制作教学资源，进一步提升学生喜爱在线学习的方式，进一步提升在线学习的效率。

学生在线学习，学习形式、学习时间没有一个定式，教师应经常性地监控学生的学习情况，根据在线学习过程中的分阶段测试，找出成绩优的学习者学习规律，找出成绩弱的学习者的学习规律，再挖掘出一种具有通用性的能改善绝大多数学生质量的培养模型，教师可根据培养模型对学生学习过程中存在严重背离培养模型的情况进行重点监控，对不同学生的学习进行必要的指导，对照学生的学习情况对学生成绩进行预测，对可能不及格的学生进行学习行为干预和预警。

（二）数据分析与挖掘在教师方面的应用分析

教师利用在线学习平台实施教学，也会有信息在平台记录，如资源部署、作业留置、答疑信息等，在对学生学习进行分析与挖掘的同时，对教师教学行为的分析与挖掘同等重要，可通过对教师教学行为的分析与挖掘找出影响教学质量的一些重要因素，提升教师教学环节的把控与改进，进而提升整体的教学质量。

分析教师教学行为对学习者的影响程度。在线学习课程，教师起到幕后策划、实施方略、资源调配、学习监控、授课答疑、分类指导、经验总结、等作用，在具体到在线教学实施过程中，后台也可记录教师进入课程总数、发表课程通知总数、添加教学资源总数、发布测试次数、添加视频次数、布置作业次数、论坛区回文次数、批改作业次数等信息，对此类信息进行分析与挖掘，分析教师教学行为对学习者线上成绩的影响。

教师进行在学习平台实施教学，能够提升教师学生的学习能力，也能够提升教师的教学能力。网络环境中，教师面对复杂的在线课堂及更加复杂的教育对象，教师作为管理者的角色需要管理教学资源、组织课程内容、合理安排教学策略、管理在线学习者、管理学生作业等，教师的信息化应用能力得以大幅提升，通过大数据分析与挖掘技术，找出信息化教学效果开展好的老师参加信息化技能大赛，通过参加比赛“以赛促教、以赛促学”，既可提升教学质量，也可促进教师教学能力的进一步提高。

三、大数据分析与挖掘技术在线上教学中的应用实例

以我院实施信息化教学的超星平台数据为数据源，以学生学习积累的平时数据为研究重点，以学生成绩评价为目标，为保证数据尽可能真实、准确，把平台中采集的数据进行一定的过滤，去除不必要的数据项，保留学习成绩评价的主要因素：①课前预习;②登录次数; ③学习时长;④提问抢答;⑤学生提问;⑥作业完成;⑦学生成绩。对上述采集的数据对每名学生的每项内容均分为A、B、C、D四个等级，A代表很好，B代表较好，C代表一般，D代表较差。最终形成如下形式的表格：

利用SQL Server中集成的Analysis Manager 树窗格中的“挖掘模型”，通过向导建立挖掘模型，依据学习成绩为A的读取客户决策树，生成的决策树如下图：

通过图示颜色及生成条件可以看出，在线上学习挖掘的各数据项中，提问抢答情况与学生成绩的关联度最高，其次是登录次数对学生成绩的影响较大。定性分析为提问抢答成绩好的学生基本都是平常学习接受能力强、知识灵活的学生，因此最终成绩会更好;登录次数多的学生，基本不是靠刷时长学习，而是根据个人兴趣及学习需要，随时上网学习的学生，这部分学生成绩也会很好。其他数据项对学生成绩影响较弱。

四、结语

在信息化教育时代，高校教师利用网络在线学习平台进行授课，在授课平台中产生大量的教师教学数据和学生学习数据，对这些数据进行分析、挖掘并理解这些数据，进而为学生设计出更具应用性的学习环境、改进自身教学实践、促进自身专业发展，以及找到学生学习规律、指导学生提高学习效率、更加有效地进行学习，是当今高校教育信息化進程中的重要课题。本文大数据分析与挖掘在教学中的应用实例仅就学生部分数据进行研究，教师教学数据及更多数据项的采集、分析、挖掘将是下一步研究的重点。

参考文献：

[1]张进良，何高大.学习分析：助推大数据时代高校教师在线专业发展[J].远程教育杂志，2014（1）.

[2]颜磊，祁冰.基于学习分析的大学生深度学习数据挖掘与分析[J].现代教育技术，2017（8）.

[3]彭绍东.大数据时代网上学习行为研究的挖掘方法模型与应用[J].电化教育研究，2017，38（1）.

[4]连卫民.基于数据挖掘的高职高专教学评估应用研究[D].郑州大学，2006.

[5]刘占波.数据挖掘技术在教师教学评价中的应用研究[J].软件，2019，40（2）.

编辑 张 俐