基于教育大數據的在線教育適應性學習模型及其應用研究

摘    要：通過教育大數據的在線教育適應性學習模型的構建，可以準確了解和掌握學生的學習情況、學習規律，并能根據每一位學生的實際需求為其提供適應性的學習方法。綜述了教育大數據的概念和特點，分析了教育大數據之“大”并不是表面的“大容量”,而是教育大數據的在線教育適應性學習模型的全面性和“大價值”?；诮逃髷祿?，分別從不同的維度描述了適應性學習模型的構建方法。研究結果表明：基于教育大數據的在線教育適應性學習模型構建及應用，可以為學生提供科學合理的學習路徑，可以準確反饋學生的學習效果，進而為學生提供個性化的服務，更有利于促進教師的教和學生的學。

關鍵詞:教育大數據;在線教育適應性學習;模型;應用;

Research on Online Education Adaptive Learning Model Based on Education Big

Data and Its Application

Zhou Hongwei

Graduate School, Huaqiao University

Abstract：Through the construction of online education adaptive learning model on the basis of education big data, we can accurately understand and master students' learning situation and learning rules, and provide adaptive learning methods for each student according to their actual needs. This paper summarizes the concept and characteristics of education big data, and analyzes that the “big” of education big data is not a superficial “large capacity”, but the comprehensiveness and “great value” of online education adaptive learning model of education big data. At the same time, based on the education big data, the methods of constructing adaptive learning models are described from different dimensions. The research results show that the construction and application of online education adaptive learning model based on education big data can provide students with scientific and reasonable learning paths, accurately feed back students' learning effects, and then provide personalized services for students, which is more conducive to promoting teachers' teaching and students' learning.

Keyword：Education big data; Online education adaptive learning; Model; Application;

隨著科學技術、信息技術以及互聯網技術不斷發展，大數據已經成為各個行業領域中的焦點，基于教育大數據的在線教育適應性學習的時代已經來臨。2015年，教育部門頒布的《教育信息化十年發展規劃》提出的“三通兩平臺”(寬帶網絡校校通、優質資源班班通、網絡學習空間人人通，教育資源公共服務平臺、教育管理公共服務平臺)開始推廣和普及，其根本目的就是實現大中小學互聯網的全面覆蓋，教育大數據的推進為在線教育適應性學習模型的構建和應用奠定了堅實的基礎。

一、教育大數據的概念和特征

(一)教育大數據的概念

教育大數據作為當前教育領域中的一個重要組成部分，國內外的教育機構并沒有對其給出一個準確的定義。教育大數據只能被理解為教育數據規模大、種類多的一種教育資源，是傳統的教育工具無法比擬和處理的教育資源集。

(二)教育大數據的特征

1.海量性。

海量性是大數據的主要特征之一，在信息化日新月異的大背景下，大部分學校都采用了先進的信息管理系統，實施和開展著教學管理，教學管理和資源的整合產生了大量的數據信息，越來越多的學習內容通過網絡來實現，使得教育資源公共服務平臺和教育管理公共服務平臺生成的教育數據信息呈現出了爆發式的增長態勢[1]。

2.規模性。

有學者和專家指出，所謂的規模并不是常規數據和大數據之間主要的衡量標準，教育大數據的特點是復雜性和多樣性，傳統的教育模式具有顯著的結構型特點，但隨著教學模式的改革和新型教學工具的應運而生，教育數據的種類也在不斷增加，使得教育數據的結構變得愈加復雜，逐漸形成了多元化和異質性的教育數據，比如，教學視頻、音頻、郵件等，這些非結構化的教育背后隱藏著海量的信息數據，比如，學生的學習態度、習慣、能力和偏好，等等?；诮逃髷祿脑诰€教育適應性學習，不論是教師還是學生都要能學會利用和分析不同類型和結構的教育數據，確保學習結果的實效性和高效性。

3.動態性。

傳統教學模式更注重的是學生的考試成績，而教育大數據更注重的是學生的學習態度，比如，注意力集中的時間、回答問題的頻次等，這些數據信息是動態和高速變化的，教師不僅可以及時地評價學生的學習效果，還可以根據動態的變化數據及時調整自己的教學方法。美國斯坦福大學的吳恩達教授在一個月時間里通過對1500名學生的跟蹤調查發現：如果學生在觀看視頻的過程中點擊了快播鍵或者是暫停鍵，就暗示著視頻內容難懂或者學生根本對教學內容不感興趣，此時教師就可以根據視頻內容進行調整，以期通過改善教學方法激發學生的學習興趣。

4.價值性。

《大數據時代》提出，在大數據時代背景下，最重要的就是從大數據中挖掘有價值的數據信息。根據教育大數據信息顯示：很多學生的學習行為基本是處于分散狀態下的，需要通過教育大數據對產生的數據信息進行整合與優化，通過對這些海量數據信息的整理和歸納，從中得到具有重要價值的信息，并合理利用它們來為學生提供更加優質的服務。教育大數據對于學生、家長和教師來說其重要性是不言而喻的，它可以幫助學生養成良好的學習習慣、幫助教師優化教學模式、幫助家長引導學生，進而確保每一位學生都能獲得高效、實效的教育。

5.真實性。

教育大數據更注重的是數據信息的真實性與可靠性。由于傳統教育模式下學校為了排名、教師為了業績等原因，忽視了對學生真實情況的了解和判斷；而教育大數據由于基數大，不是憑借某一個數據就去對學生進行評價，而是借助有價值的數據信息對學生實際的學習情況進行評定，即使其中有某些被修改過和粉飾的信息數據，甚至有錯誤的信息存在，也不會對學生最終的評價結果帶來任何影響。

二、教育大數據在線教育適應性學習的重要性

從基礎教育到中職教育再到高等教育，盡管教育體制一直在不斷優化和完善中，并起到了重要的教書育人目的，但其中依然存在很多的問題，比如，教師依然按照傳統的教學方法授課、未能綜合考慮到學生的接受能力，缺乏有針對性的措施激發學生在學習中的積極性和主動性，導致學生的思維能力和創新能力逐漸喪失，主動獲取知識的欲望被削減。究其原因，還是由于學校、教師和家長都未能真正地關注到學生的個體差異和實際需求，未能遵循“因材施教”的原則?；诖?，很多專家、學者乃至地方學校的教育工作者都在努力地探尋一種高效的教學路徑，但遺憾的是，至今仍未有統一的答案和標準[2]。

隨著科學技術、信息技術以及互聯網技術不斷發展，知識的傳播方式和獲取途徑都發生了翻天覆地的變化，基于教育大數據的在線教育適應性學習逐漸得到了教師、學生、家長以及社會各界的認可。教育大數據的在線教育適應性學習不僅可以實現終身學習，還可以從時間和內容維度為學生勾勒出立體化的學習情境，使學生可以真正地感受到教育大數據中推送的優質教學資源[3]。通過教育大數據的在線教育適應性學習，既可以深入挖掘學生的潛能，也可以幫助每一位學生按照自己的學習方式和偏好進行學習，高效和扎實地掌握所學習的知識。

基于教育大數據的在線教育適應性學習，可以準確記錄、掌握和跟蹤學生的學習需求和學習行為，為不同個性特點的學生建立學習模型，打造個性化的學習方式。由此可見，教育大數據的在線教育適應性學習讓教育變得千人千面，遵循了“因材施教”的理念，促進了個性化學習朝著人性化學習方向轉變，使學生真正地體驗到了學習的樂趣。

三、教育大數據在線教育適應性學習模型構建

(一)學生學習數據庫的在線教育適應性學習模型構建

教育大數據的在線教育適應性學習，通過借助大數據驅動，由學習數據庫記錄學生的學習行為方式，比如，學習路徑、日志和討論，等等。教育大數據的一個顯著優勢就是可以更方便地搜集各種非結構數據信息的采集和存儲，比如，課堂學習、在線學習以及輔助的教學工具都可以作為數據信息的搜集渠道，學生每一次點擊、互動、課堂活動都可以被及時地記錄下來，從而轉化成數以萬計的學習數據，作為下一步在線教育適應性學習的重要資源。

(二)學生基礎數據庫在線教育適應性學習模型構建

學生基礎數據庫包括學生各種各樣的信息，比如，姓名、年齡、年級、愛好、成績等，要想為學習者制定最科學合理的學習方法，不僅需要學生單方面的學習成績，還要綜合考慮歷史學習數據。這些數據會綜合反映學生的知識儲備情況、努力程度以及學習偏好等，會形成更加立體的學習影像。

教育大數據的在線教育適應性學習模型的構建還需要綜合考慮是否利用學生基礎數據向所有的學習者推送與其相關的學習信息。其目的是要保證：整個學習過程既實現與學習者的互動、自我安排時間的學習、教師的針對性指導，又實現平臺可以根據學習者的適應性推送適當的學習資源。

(三)分析系統

分析系統是對學生在學習過程中產生的大量數據進行分析和處理的系統。分析系統的主要內容包括學生日常的學習表現、所學課程、教材的選擇以及教師的教學方法是否正確合理。首先，需要對原始的數據信息進行歸納和整理，剔除其中存在的冗余數據，數據的真實性與可靠性是保證最終結論的關鍵所在；其次，借助大數據將其轉化為可洞察和可操作的模式，并生成可視化的報告。從基于教育大數據的在線教育適應性學習模型結構可知：學習模型的構建既需要綜合考慮每一位學生的個性特點，又要能從海量的數據信息中挖掘具有重要價值的學習方法。以自主學習、適應推薦和計算機學科為基礎，分別從數據與環境、關益者、方法、目標等四個維度構建基于教育大數據的在線教育適應性學習模型。

1.數據與環境。

數據與環境是教育大數據的在線教育適應性學習模型、社會媒體、傳統學習工具、開放學習平臺等，學習者與學習者、學習者與教師以及學習者與平臺在交流后生成海量數據信息，其中大部分的信息是來自適應性學習模型中的讀、寫、說、練等數據，教育大數據的應運而生為預測學生成績、學生養成良好習慣奠定了堅實的基礎。將從數據環境中生成的碎片化信息數據進行有機整合，盡最大努力地滿足學習者實際的學習需求，引導學生積極主動構建知識資源，促進學習者在線自主學習。

2.關益者。

按照作用來劃分，基于教育大數據在線教育適應性學習模型的關益者主要包括學生、教師、教育機構、模型構建人以及系統的設計師等等。其中，前三項對適應性學習模型構建的影響最大。從學生角度來看，平臺需要保護學生的基本信息，防止學生的基本信息泄露；從教師角度來看，根據學生在平臺上的學習情況可以及時調整自己的教學方案，并對學生實施干預；對于教育機構來說，可以根據學習者的興趣、偏好以及知識水平等，推薦適合學習者的學習資源和學習方法；對于模型構建人來說，可以及時了解學生在學習過程中存在的問題，合理預測學生的期中和期末成績，提高學生的出勤率、降低學生的輟學率。

3.方法。

為更加全面地了解和掌握學習者的個性特點、學習的實際需求、學習的基本情況，為不同類型的學習者打造不同的學習模型，教育大數據的在線教育適應性學習模型的構建方法主要包括統計法、知識可視化、個性化推薦、數據信息挖掘以及社會網絡分析，等等[4]。統計法通過回歸分析得出影響學習者學習的因素，起到十分重要的預警作用；知識可視化可以幫助學習者掌握所學習的知識內容，促進學習者對知識的主動構建和遷移；個性化推薦確保了平臺可以根據學習者的個性特點、學習時間和學習方式推送自適應的學習資源和學習方法；數據信息挖掘包括預測挖掘、聚類挖掘以及關聯挖掘等，從中提煉出有價值的數據信息，了解學生已經掌握了哪些知識，還沒有掌握哪些知識，然后實施干預教學，從而改進自己的教學方法；社會網絡分析不僅可以了解學習者在平臺中如何進行學習，還可以判斷學習者從同伴那里獲得了哪些學習啟示，學習者在哪些學習環節中遇到了困難，哪些影響因素影響了學習者的學習計劃，等等。當然，最重要的還是如何運用以上技術，借助教育大數據為促進學生學習習慣的養成、幫助學生學習成績的提高提供重要支持，確保在線教育適應性學習模型能夠具有可操作性和可擴展性。

4.目標。

基于教育大數據的在線教育適應性學習可以發現和利用學生已經隱藏的學習信息，提供給不同層次的學習者，實現方式主要包括監控與分析、預測與干預、授導與適應、評價與反饋，等等。其中，授導與適應是適應性學習模型構建中最重要的目標，需要滿足學習者在適應性學習過程中的兩個基本需求：第一，學習者主動學習的需求，學習者是否可以主動地適應遠程學習方式，實施自我組織，制訂和執行學習計劃，自主選擇學習方法，對自己的學習情況進行評估；第二，適應性學習的需求，適應性學習指的是一個系統主動地向學習者推送學習資源，即該系統能夠通過聚類、決策樹以及菲爾德—希爾弗曼學習模型預測和判斷學習者的學習方式、偏好、知識掌握情況以及學習者的個性特點，在此基礎上實施有計劃和有目的的教學策略。預測與干預也是教育大數據在線學習適應性模型構建中的關鍵目標，主要用來干預和預測學習者當前的學習情況、學習行為和成績，自動生成學習報告，并構建出一個預測模型，有助于教師對學生的學習情況、學習習慣和學習過程進行干預，同時也為下一步的活動計劃作出重要的決策[5]。相比于這些目標，監控與分析、評價與反饋的功能要弱一些，需要學習者根據自己在學習過程中產生的數據信息進行自我評價、修正和量化自我等，教師也可以根據與學習者的溝通，反思自己的教學方法是否適合不同個性特點的學生。

四、教育大數據在線教育適應性學習與應用

數據指的是記錄信息的載體，是知識的源頭。數據信息的快速增長，說明了人類的記錄、測量和分析等的范圍正在不斷擴大，知識的邊界正在不斷擴展和延伸，數據中具有的可視性、可操作性和可用性既可以準確地反映人的思維、行為和情感以及事物的變化規律，也可以更有效地提升人的生產能力和生活品質。目前，國外大部分學者都是從宏觀層面來研究教育大數據的，并認為教育大數據的應用需要全新的處理模式，才能擁有更強的決策力、洞察力、高效率和多元化的信息資產，也就是4V的特點(數據信息量大、實用性強、種類繁多、真實可靠);也有一小部分學者認為，在其中還應當再加入2個V(價值、可視化)。如果僅僅從宏觀角度并不能真正地認識到教育大數據的內涵和應用價值，特別是大數據在教育行業領域中的應用，更需要從微觀角度去理解大數據的內涵，它既是一種價值觀也是一種方法論。教育大數據之所以“大”并不在于其表面的“大容量”而在于其中存在的“大價值”,對于教育大數據的應用需要以全新的思維對學生在學習過程中的微觀表現進行處理，并能從多個角度看待，比如從學生的學習態度、努力程度、交際能力以及智力水平等層次中深入地挖掘有用的數據信息，揭示學生潛在的價值并以可視化的方式呈現出來。一方面幫助教師根據學生的學習情況制訂適應性的學習方案；另一方面，全面跟蹤和了解學習者的個性與特點，明確學生的學習需求，為不同個性特點的學習者推送和提供多元化的教育資源和學習方法，不斷優化知識結構、促進學生的全面發展。

其實，教師的行為舉止、一言一行以及學校里發生的事情，都是可以轉化成數據信息的，也就是說每一位在校讀書的學生都能運用自己獨特的方式去學習，比如上課、做筆記、實驗和討論問題等這些都是教育大數據的一個重要來源。與之相對應的是學生能夠利用這些資源在網絡上與同學互動、分享，這些都是教育大數據的關鍵所在。有心理學研究表明：人的感覺是存在盲點的，直覺并不是完全可以信任的，理性思維也是具有一定的局限性的，人即使有超強的記憶能力，也未必會有驚人的信息分析能力，因此不論是對學生的學習需求的評價，還是對學生學習習慣的評價，都需要基于大數據去自我量化、分析自己的在線學習行為。只有這樣，才能找出自身存在的問題，真正認識和提高自己。

有很多國外學者通過教育大數據分析了學生在線課程學習、作業提交、考試測驗情況，了解了導致學生學習成績不理想的信息，提出了優化和改進的意見和建議，給出了一些有益的指導，以確保學生可以以最高效的學習方式改善學生的輟學率、改進教學和提高學習成績。國外的一些企業也對大數據在教育行業中的應用進行了實踐研究。比如，美國的“夢盒學習”公司和“紐頓”公司，已經建立了大數據的適應性學習系統，為數以萬計的學習者提供了優質的學習服務，向他們提供了可靠和真實的學習數據，也試圖鼓勵學校能夠運用這些數據提高教師的教學質量、提高學生的學習成績和降低學校的教學成本[6];加拿大的“渴望學習”企業專門為高校學生推送了“學生成功系統”,全面地分析了每一位學生在線學習的實際情況，及時地分析了其中存在的問題，提出了有針對性的改進意見，并合理地預測了學生的期中和期末成績。

相比較而言，國內學者針對大數據在教育領域中的應用研究少之又少，僅僅有一小部分學者從理論層面上提出了大數據促進高校教育工作者專業發展的研究。國內也有一小部分企業利用大數據從事在線教育，比如利用梯子網全程跟蹤學生的學習軌跡，檢測學生在學習過程中存在的薄弱環節，最終為學生制訂有針對性的學習方案。同時，還可以讓家長通過可視化的方式了解自己孩子的學習和考試情況。

五、基于教育大數據在線教育適應性學習面臨的挑戰

大數據應用于教育領域，使得傳統教學模式中的“批量生產”發生了巨大的變革，教育大數據必然會引領教育領域進入新時代。適應性學習模型構建的基礎和前提條件是數據信息的準確與可靠，只有在各類數據信息能夠保證及時準確的基礎上，大數據在教育中的作用才能凸顯出來?？v觀我國大部分學校中的教學依然是以傳統的教學模式為主，數據信息的轉化、共享和傳遞出現了滯后的情況，在一定程度上影響了模型分析數據結果的有效性。因此，大數據要想在教育領域中得到推廣和應用，學校需要大力推進信息化建設力度，充分發揮適應性學習模型的作用，真正促進學生的全面發展。而對于學生學習情況的跟蹤、挖掘和記錄會涉及學習信息被泄露的問題，特別是在個人隱私的法律法規并不完善的情況下，教育大數據的隱私條款知識變得更加重要，作為教育者要能深刻地認識到大數據在教育領域中應用將面臨的道德與法律的挑戰[7]。學生是教育大數據在線教育適應性學習的使用者，在對教育數據進行采集和分析的過程中，需要得到學生的認同和信任，健全和完善保護學生隱私的法律法規，保證所搜集到的數據信息全部應用到教學中。

參考文獻

[1] 張舸，周東岱，葛情情.自適應學習系統中學習者特征模型及建模方法述評[J].現代教育技術，2012(5):16-18.

[2] 宗陽，鄭勤華，陳麗.中國MOOCs學習者價值研究——基于RFM模型的在線學習行為分析[J].現代遠距離教育，2016(2):14-16.

[3] 鄭勤華，等.基于學習分析的在線學習測評建模與應用——學習者綜合評價參考模型研究[J].電化教育研究，2016(9):11-12.

[4] 彭文輝，楊宗凱，黃克斌.網絡學習行為分析及其模型研究[J].中國電化教育，2006(10):60-61.

[5] 李莎莎.面向任職教育的“數據挖掘與機器學習”課程教學研究[J].高等教育研究學報，2019(9):32-33.

[6] 黎孟雄，郭鵬飛，黎知秋.基于情緒識別的遠程教學自適應調節策略研究[J].中國遠程教育：綜合版，2015(11):69-70.

[7] 孫歆，王永固，邱飛岳.基于協同過濾技術的在線學習資源個性化推薦系統研究[J].中國遠程教育：綜合版，2012(8):18-19.