在线教育发展趋势

李溦 张芳 熊伟

【摘要】互联网发展在教育行业中有重要地位，尤其在近几年展现了它强大的力量。笔者选取1997—2020年全国在线教育APP使用人数年度数据，利用SAS软件编程建立时间序列趋势拟合模型。首先对样本数据进行平稳化处理，根据数据特点建立一个线性模型预测，再优化模型消除模型中的随机波动影响。利用优化模型对全国的教育APP用户人数进行分析，最后根据模型对2020—2025年的全国教育APP用户数量进行预测，观察得到未来全国的用户人数呈现显著增加的趋势。本文明确了全国互联网在线教育用户在逐年增加，庞大的用户量对教育行业和社会发展具有重要影响，文章最后为未来在线教育发展和建设提出相关建议。

【关键词】新媒體  用户预测  在线教育  时间序列分析  趋势拟合模型  SAS

【基金项目】1.荆楚理工学院大学生创新创业训练项目（编号：KC2020001），指导教师：熊伟;2.荆楚理工学院教研项目“基于教育大数据应用技术的学生个性化自主学习模式的实践研究”（编号：JX2019-029）;3.荆楚理工学院2021年大学生创新训练项目“基于三维质量模型的荆门市空气质量研究”（编号：KC2021001）。

【中图分类号】O211.67   【文献标识码】A 【文章编号】2095-3089（2022）07-0055-03

在“互联网+”背景下，我国互联网行业得到了极大的发展，模式不断地更新发展，网络在教育、生活等领域起到了重要的作用且展现了强大的力量，互联网的兴衰正在影响全社会。2020年，网络在线教育平台被更多人熟知，越来越多的课程在线上平台上传，在线教育市场对学生影响越来越大，在线教育平台的发展受益了更多的学生和学习者。同时，在线教育的建设发展对乡村、偏远地区学生起到重大作用，解决了传统课堂教育对空间和时间等实际因素的限制，不同地区的学生都可以实现在名师的课堂上学习。本文通过建立线性趋势拟合模型对全国教育APP用户数量的预测，科学地分析出未来5年的在线教育用户数和发展规律，为今后在线教育平台建设的决策和发展提供参考意见。

1.模型分析

趋势拟合法是一种重要的时间序列预测方法，其模型相对比较简单，对数据要求较为单一，只需变量的历史数据，对于数据时间序列分析均有广泛的适用性，在实际应用过程中，要根据所解决的问题的特点来综合判断选择最优的分析模型。

2.建模过程

数据来源：依据国家统计局所提供，统计整理出1997—2020年全国教育APP使用人数（万人）。

2.1 数据平稳化处理

基于统计数据，利用SAS软件进行编程计算。首先绘制原始全国教育APP使用人数的时间序列图，从图1可以看出全国互联网上网人数有明显增长趋势，可以看出原始序列显然是非平稳的。全国教育APP使用人数有明显增长趋势且进行样本自相关检验后我们发现样本收敛速度慢，所以原始序列显然是非平稳的。

由于本序列不是平稳序列，所以要对其进行变换。为了能够继续进行分析，笔者采用差分法进行平稳化处理，从而进一步分析预测。序列有着曲线趋势，我们对原始数据进行一、二阶差分，并验证其平稳性。但从图2可以看出一阶差分变换后仍然有明显趋势。

由图3可以观测到单位根检验结果Tau统计量的P值显著大于0.05，所以认为差分后的序列是非平稳的。故再换用趋势拟合的方法对序列进行回归拟合模型处理。

2.2 线性模型拟合序列

建立消除随机波动的线性模型：

Xt=a+bt+It， t=1，2，3，…，21

E（It）=0，Var（It）=σ2

其中，It为随机波动，Xt=a+bt就是消除随机波动的影响之后该序列的长期趋势。

线性模型拟合过程结果如图4所示：

优化模型后由图4可以看到拟合输出结果显示：a、b两个参数P值均小于0.05说明估计参数显著，序列相关性较强。

2.3 模型检验

结果显示，Regress R？鄄Square=total R？鄄Square=0.9602，即说明拟合优度达到了96.02%，优化后的线性模型是有效的，采用这个模型的拟合效果非常显著，故可以进行相关分析预测。

本样本拟合的模型表达式为：

Xt=-9172426+4586t+It， t=1，2，3，…，21

E（It）=0，Var（It）=σ2

3.预测未来数据

首先预测2017—2020年的全国教育APP用户数，将预测值与真实值进行对比，查看优化模型的预测精度，再预测未来5年数据。

利用趋势拟合，设计程序将未来全国教育APP使用人数进行预测，得到预测输出数据如图6，用预测数值绘制出预测效果图见图7。

从图6预测数据表可以观测到2017—2020年的预测值与真实值比较，发现在合理范围内误差较小，故该模型的分析预测精准度还是很高的，对未来5年的数据预测效果较好。

4.预测结果分析

由图4和图5可以看出，全国的教育APP用户数量的增长将会持续增加并且在2021年突破10亿人，将从此进入成熟期。目前全国教育APP使用人数正处在高速增长阶段，在这个阶段政府应该大力加强在线教育平台建设扶持教育产业，尤其是农村地区的基础建设和使用技术培训，农村地区网络建设虽然已经形成一定的规模，但是普及率还是远低于城镇。要想解决城乡教育资源差异，利用网络在线教育平台学习各种知识对于老师、学生来说都是一个不错的手段。在我国，农村人口数量庞大，有效地帮助农村提高信息化水平，缩小与城镇间的教育资源的鸿沟，是实现农村教育事业发展的有效途径。因此，分析研究在线教育发展具有极大的实际应用意义。

5.建议

5.1鼓励促进在线教育发展

需增强相关教育机构和部门上下协作，推进在线教育平台建设行动，并落实项目任务确保有明显成效和发展。

5.2夯实网络通信基础设施建设

对于偏僻欠发达农村中小学学校要做到宽带入户、技术入户，网络广泛覆盖。

5.3鼓励录制网课

鼓励各省重点中小学学校和知名高校录制网课。将更多优质课程在教育平台上线，方便各学段学生学习。

5.4优化相关官方在线教育平台

现在市场上教育APP虽然数量众多，但是使用用户庞大，很多学生和学习者在寻找相关在线课程资源的时候也是四处碰壁，应完善官方在线教育平台促进多种优质的课程面向更多的用户。

6.存在的问题

6.1研究的对象较为单一

由于笔者首先对教育APP使用人数作为研究对象，相较于在线教育平台，在线教育市场中还存在教育在线网站或其他视频网站中教育视频。教育APP用户多以师生为主，用户类型比较单一。针对其他教育网站，可以采用K？鄄means算法对观看用户进行聚类分析，并对结果来结合预测模型，对用户进行具体画像，挖掘其潜在用户，明确在推广教育视频工作中的不足之处，未来有针对性地进行推送服务，对施行“全民学习”“终身学习”具有重要意义。

6.2研究数据样本量较小

与传统教育课堂研究相比，教育APP建立研究还属于发展阶段，推广与运营工作暂且还不到位，从而导致我们采集的数据相较于其他教育研究较少，使模型的建立与预测受到限制，增加预测结果的误差。

参考文献：

[1]张美英，何杰.时间序列预测模型研究综述[J].数学的实践与认识，2011（41）：18-189，194.

[2]王洋.基于时间序列分析的IP语音收入预测[D].长春：吉林大学，2004.

[3]葛娜，孙连英，赵平，等.基于ARIMA时间序列模型的销售量预测分析[J].北京联合大学学报，2018，32 （4）：27-33.

[4]中华人民共和国国家统计局.中国统计年鉴[M].北京：中国统计出版社，2020.

[5]魏宁.时间序列分析方法研究及其在陕西省GDP预测中的应用[D].西安：西北农林科技大学，2010.

[6]王燕.时间序列分析[M].北京：中国人民大学出版社，2015.

[7]马家丽，胡雪梅.半参数可加测量误差模型的白噪声检验[J].系统科学与数学，2014（8）.

作者简介：

李溦（2000年5月-），女，汉族，甘肃嘉峪关人，本科在读，研究方向：数理统计。

张芳（1999年8月-），女，苗族，湖北恩施人，本科在读，研究方向：数理统计。

熊偉（1981年11月-），男，汉族，湖北监利人，本科学历，讲师，研究方向：非线性偏微分方程。