满足学员个性化学习需求的在线教育系统创建与功能发挥

摘 要：在线教育是实现教育普及、增加国民受教育机会的重要手段。在线教育系统中，教与学的过程中需要和产生的数据规模是庞大的，为实现学习资源合理分配和高效利用，有必要探索在大数据、云计算模式下，设计个性化的在线教育系统，以适应不同学员的学习需求，提升学习效率。基于此，本文以在线教育如何更好地实现因材施教，更好地为个体职业发展提供更优质的教育资源为立足点，对在大数据背景下满足个性化学习需求的在线教育系统如何实现个性化服务进行探索。

关键词：大数据；个性化；在线教育；系统设计；数据层

个性化在线教育系统是一种基于互联网的教育模式，通过信息技术等先进手段在互联网上向学员提供教育和培训服务。在大数据背景下，更多优质资源、更科学高效的系统设计理念、更先进的数据收集和分析能力、更智能化的算法设计让在线教育实现从共性教育到个性教育的过渡。个性化在线教育系统能够结合学员的个人特点和学习习惯，推荐适合的教育模式和学习资源，激发学员学习兴趣，提高学员的自主性和积极性。目前线上教育已经进入快速发展时期，教师可以从大数据平台上寻找更多优秀的资源、更先进的教育模型提供给学员学习，系统可以通过建立用户画像为学员推荐针对性的资源，学员可以选择需要的课程和学习时间，三方建立更为顺畅的交流模式，最终满足学员不同的教育需求。

一、以学员需求为依托的在线教育系统整体结构

随着生活节奏的加快，人们追求在线教育系统既要系统化，又要个性化。在线教育系统应该是多层级协同，多模块协作的网状生态结构。常规模块一般包括直播互动、讨论、提问、考勤、作业测评、学习资源推荐等。不同模块又位于系统的不同层级上，而层级功能的实现需要调用相应的模块功能。由于个性化的需求，不同用户所需要调用的模块有所区别，所以个性化在线教育系统的整体结构是以层级为基础，通过调用通用和特殊模块实现为用户提供个性化服务的功能。其主要结构分为以下五个方面。

（一）处理层

处理层主要涉及数据转换、清洗、收集以及维护等功能，在数据转换功能中，主要是将数据层收集的数据转换为系统能够识别和处理的数据。数据清洗是将收集数据中无效、赘述，以及没有任何意义的数据通通删除，并将相关数据进行合并。数据整合功能可以将不同数据库的信息根据相关的设置方式进行结合，最终形成一个数据库；数据提取是结合系统指令进行相关数据的提取和处理，数据维护功能简而言之就是保护相关数据，对现有数据进行分类汇总和管理，保证数据使用的规范和安全。

（二）功能层

该层级在工作的过程中主要借助处理层数据，有针对性地对相关的数据进行整理，为不同的模块提供数据支持。例如，学员考勤的完成需要在学员完成学习资源学习的基础上进行，作业自动测评是根据学员完成作业的情况进行判断，也有阅卷功能，成绩导出是在学员完成作业后，教师能从系统上查看学员的成绩，学习资源推荐是在线教育个性化的体现，结合系统大数据分析，找出不同学员的弱点，推荐合适的学习资源给学员。

（三）客户端

客户端是在大数据支持下，运用计算机和电子设备终端来创建相关的管理界面，实现教师、学员、管理者以及系统的交互。

（四）数据层

数据层涉及学员资源库、课程资源库、学习资源库、考试习题库等。主要完成对数据的收集、整理、分类及有效性输出。

（五）对象层

对象层一般指接触这一系统的对象，即教师、学员、系统管理人员，可分为提供服务人员与接受服务人员。使用者为客户对象，管理人员根据职责可分为系统管理人员和教学管理者。系统管理人员主要负责数据的维护等；教学管理者需要对教师在线教学进行监督，同时对系统的教学课程等进行管理，将学员学习状态及时反馈给学员，及时处理学员在学习中出现的问题。

二、基于大数据技术的针对学员个体的推荐设计

线上教学模式具有灵活性、便利性和针对性特点，但这种教育模式互动性和修正性相对较低。基于这个特性，我们需要不断优化在线教育的功能，将其优势充分发挥，同时弥补不足，最终提升在线教育的质量。

（一）数据分析模块设计

数据分析模块的主要功能是负责收集数据并将数据分类整理到数据库进行计算处理，然后将学习效果进行可视化分析。该模块工作流程可分为收集、整理、存储、分析、展示和引导。数据的收集和整理是整个模块的基础和核心，只有在保证数据全面、即时、有效的前提下，才能更好地分析学员的学习情况，从而更有针对性地提出建议，确保个性化在线学习的有效性。数据产生在学习前期、中期和后期，伴随学员学习的整个过程。前期数据收集集中在学员对于课程选择的偏好、学习时间的选择、学习预期和相关的调查问卷。中期数据是对学员学习动态过程的记录，包括学习时间选择、科目顺序、学习时长、学习检测项目完成情况、教学互动情况、学业检测情况、学习自评表等项目。后期数据是教师对学员情况的反馈。整个学习过程产生的数据会及时得到收集、汇总、反馈，学员学习曲线逐渐生成。收集的数据经过系统初步分类整理会进入云端存储，经过相关算法提炼，生成学员学习反馈图，记录到学员档案并发送给教师。

（二）推荐模块设计

推荐模块的設计理念是实现在线教育系统的个性化。学员学习的习惯、思维方式和知识积累程度是不同的，只有将多样化的教学资源有针对性地推荐给适合的学员才能促进学习效率的提高。推荐模块设计通过前期数据的收集，构建学员的行为模型，建立学员画像，并结合相关学员的关联性分析，将学员分成不同学习群体。系统能通过深度学习算法训练产生推荐模型，并将推荐内容发送到学员端，再根据学员的反馈数据收集，不断修正模型，从而实现推荐内容的准确度和高效性，最终实现个性化课程推荐功能。

实现该模块功能需要大量教学资源，在当前大数据和云计算的协助下，可以轻松实现教学资源的互通与共享。通过各个平台的接入，对各个平台资源整理分类，建立数据库实现数据索引。因此，为让教学资源更加适合学员，要鼓励教师积极制作和上传学习资源。

三、基于大数据技术的个性化在线教育系统创建与功能发挥

（一）开发环境的创建

在线教育系统的实现可以采用多种开发环境和设计语言，不同的开发环境具有不同的优势，笔者以常用的Java SDK系统为例。开发设计相关步骤归纳如下：首先，系统可通过JDK来改善开发环境，这需要成功下载JDK，并对资源进行优化设计，同时下载JDK并安装后，需要将指令输入cmd.exe中来核查JDK能否顺利安装；其次，下载Eclipse并解压运行；最后，安装谷歌软件，创建App Engine项目。

（二）系统业务逻辑的实现

为了实现该系统，第一步先要对页面系统进行登录，并通过谷歌SDK搜索引擎来将用户账号登录完成，账户注册的程序也并不复杂，只要用手机号对系统进行注册即可，通过手机号就能登录在线教育系统，同时进行手机号验证，最终验证成功后系统授权登录，用户在登录的同时结合自己的身份进行选择，即教师或学员，之后就可在系统中完成教学或者学习工作。第二步为在线教育，这也是在线教育系统的核心和基础，管理人员需要逐一核查教师上传的视频等学习资源，检查完成将学习资源进行储存，同时对学习内容进行分类，创建检索类目，学员在登录学习时就能根据检索类目快速查找到网络教学视频。在该系统中，教学和系统管理人员都能上传相应的视频，不断丰富和完善在线教学资源库。管理人员负责对上传数据进行检查与校验，并将数据分类存储到数据库中。学员和教师都能直接检索。第三步是资源管理，管理人员及时检查相关信息，同时及时储存相关的信息和数据，方便系统用户及时浏览，学员登录系统后进行学习资源检索，最终找到适合自己的学习资料。通过严格步骤设计的在线教育系统，可操作性良好。教师、学员以及管理人员都能登录并找到相应的模块和页面，并且用户传输的数据是相互独立的，保证了系统中各个模块和功能的正常使用。

四、结束语

总而言之，隨着大数据的兴起，在线教育系统迈向新的阶段，这也让学员的学习分析、个性化推荐成为可能，并在此基础上逐渐实现个性化辅导。互联网教学资源种类丰富，数量巨大，但对于个体而言，选择适合的资源需要耗费大量的时间和精力。而大数据技术的普及，让个体的选择更有针对性和适用性。系统通过给学员画像，结合学科特点，在优化算法的支持下，可以给学员提供最为高效的学习支持。同时在个性化在线教育系统整体结构的基础上，通过进行数据采集模块设计、数据分析模块设计、推荐模块设计等，最终来满足不同学员的个性化在线教育需求。同时，大数据时代的个性化在线教育系统，将大数据理论和技术分析相结合，最终不断提升在线教育系统质量，助力学员学习成绩的提升。

[作者：张跃飞，济宁市工业技师学院（兖州区职业中等专业学校）教师]