大數(shù)據(jù)分析在智慧教育中的應(yīng)用研究

1、 大數(shù)據(jù)分析在智慧教育中的應(yīng)用研究摘 要：傳統(tǒng)面向高校智慧教育的數(shù)據(jù)分析平臺(tái)難以從海量智慧資源中準(zhǔn)確分析學(xué)生學(xué)習(xí)行為，導(dǎo)致在面向試題的難度預(yù)測(cè)中，存在準(zhǔn)確率低的問題。針對(duì)上述問題，開展面向高校智慧教育的大數(shù)據(jù)分析研究工作，給出智慧教育體系架構(gòu)的構(gòu)成以及數(shù)據(jù)分析平臺(tái)，利用 Hadoop 技術(shù)對(duì)智慧教育資源進(jìn)行分析與處理，采用數(shù)據(jù)挖掘算法并結(jié)合云計(jì)算技術(shù)深入分析和解釋學(xué)生學(xué)習(xí)行為數(shù)據(jù)的采集、匯聚，獲取學(xué)生學(xué)習(xí)行為的隱性和顯性行為，評(píng)估教育質(zhì)量，預(yù)測(cè)學(xué)生日后學(xué)習(xí)表現(xiàn)，建立學(xué)生認(rèn)知模型與可視化圖表，把得到的數(shù)據(jù)智能融入智慧教育體系架構(gòu)。將該體系架構(gòu)應(yīng)用于在線教育系統(tǒng)提供的答題數(shù)據(jù)，預(yù)測(cè)英語閱讀試題難度

2、。測(cè)試結(jié)果表明，試題難度評(píng)估預(yù)測(cè)性能較好。關(guān)鍵詞：大數(shù)據(jù)分析；高校智慧教育；數(shù)據(jù)挖掘算法；Hadoop 技術(shù)；云計(jì)算；學(xué)生認(rèn)知模型目 錄 TOC o 1-3 h z u HYPERLINK l _Toc10357904 1、引言 PAGEREF _Toc10357904 h 3 HYPERLINK l _Toc10357905 2、高校智慧教育大數(shù)據(jù)分析 PAGEREF _Toc10357905 h 4 HYPERLINK l _Toc10357906 2.1、 高校智慧教育體系架構(gòu) PAGEREF _Toc10357906 h 4 HYPERLINK l _Toc10357907 2.2、面

3、向?qū)W生學(xué)習(xí)行為的大數(shù)據(jù)分析技術(shù) PAGEREF _Toc10357907 h 5 HYPERLINK l _Toc10357908 3、實(shí)驗(yàn)結(jié)果與分析 PAGEREF _Toc10357908 h 8 HYPERLINK l _Toc10357909 4、結(jié) 論 PAGEREF _Toc10357909 h 9引言大數(shù)據(jù)、人工智能技術(shù)的發(fā)展和廣泛應(yīng)用，使得“互聯(lián)網(wǎng)教育”成為高等院校教育改革與發(fā)展的重要研究方向1?！爸腔劢逃钡奶岢龈菍⒏咝＝逃畔⒒嵘?到前所未有的新高度2。面向高校智慧教育的大數(shù)據(jù)分析逐漸成為研究廣泛關(guān)注的重要研究方向之一3。目前，相關(guān)學(xué)者已研究出多項(xiàng)針對(duì)智能輔助系統(tǒng)的數(shù)據(jù)

4、分析平臺(tái)。例如：李爽等人通過學(xué)生學(xué)習(xí)行為投入測(cè)量指標(biāo)構(gòu)建數(shù)據(jù)分析平臺(tái)4。這些測(cè)量指標(biāo)更有利于分析和測(cè)量教學(xué)智能輔助系統(tǒng)的學(xué)習(xí)行為。周效章以云計(jì)算、大數(shù)據(jù)分析技術(shù)為依托，按照“線上線下線上”為教育實(shí)施路徑，構(gòu)建了“在線教育平臺(tái)+學(xué)習(xí)中心”融合教學(xué)模式的數(shù)據(jù)分析平臺(tái)5。上述數(shù)據(jù)分析平臺(tái)缺乏對(duì)學(xué)生學(xué)習(xí)行為數(shù)據(jù)合理的整合管理模式，易造成信息孤島， 無法準(zhǔn)確分析學(xué)生學(xué)習(xí)行為數(shù)據(jù)，導(dǎo)致在面向試題時(shí)的難度預(yù)測(cè)精度較低。在分析國(guó)內(nèi)智能輔助系統(tǒng)的數(shù)據(jù)分析平臺(tái)現(xiàn)存問題的基礎(chǔ)上，構(gòu)建“面向高校智慧教育的大數(shù)據(jù)分析平臺(tái)”，以推動(dòng)我國(guó)高校智慧教育發(fā)展。高校智慧教育大數(shù)據(jù)分析2.1、 高校智慧教育體系架構(gòu)高校智慧教育體系

5、架構(gòu)屬于多層次體系結(jié)構(gòu)，共6 層：感知層、通信層、云計(jì)算層、業(yè)務(wù)層、數(shù)據(jù)層和智能服務(wù)層。由這 6 層結(jié)構(gòu)構(gòu)成體系架構(gòu)如圖 1 所示。圖 1 高校智慧教育體系架構(gòu)Fig. 1 Architecture of college wisdom education system模型中感知層負(fù)責(zé)將系統(tǒng)環(huán)境與外部高校環(huán)境進(jìn)行信息交互，通過傳感器、移動(dòng)終端等設(shè)備實(shí)時(shí)感知高校環(huán)境和教師、學(xué)生信息，并將感知數(shù)據(jù)經(jīng)由通信層上傳6。網(wǎng)絡(luò)通信層負(fù)責(zé)將感知層獲取的相關(guān)數(shù)據(jù)傳輸?shù)綐I(yè)務(wù)層，為高校學(xué)生提供網(wǎng)絡(luò)訪問服務(wù)。云計(jì)算層采用虛擬化技術(shù)實(shí)現(xiàn)高校校園可視化、可靠的云服務(wù)。業(yè)務(wù)層主要負(fù)責(zé)為高校師生的教學(xué)、管理提供全方位、多角度

6、的服務(wù)支撐。數(shù)據(jù)層采用大數(shù)據(jù)分析技術(shù)，綜合學(xué)生的學(xué)習(xí)行為數(shù)據(jù)，在網(wǎng)絡(luò)空間內(nèi)構(gòu)建教育體系架構(gòu)的虛擬框架，并對(duì)框架做出全方位的描述，為高校智慧校園的不同應(yīng)用方向提供數(shù)據(jù)支持。智能服務(wù)層主要負(fù)責(zé)對(duì)不同應(yīng)用系統(tǒng)進(jìn)行深度整合，給學(xué)生和教師提供個(gè)性化服務(wù)。整合處理后，最終展現(xiàn)在師生面前的不是一個(gè)生硬的應(yīng)用系統(tǒng)，而是一個(gè)以個(gè)性化服務(wù)為宗旨、以師生需求為導(dǎo)向的智能信息化服務(wù)平臺(tái)7。2.2、面向?qū)W生學(xué)習(xí)行為的大數(shù)據(jù)分析技術(shù)通過收集學(xué)生學(xué)習(xí)階段相關(guān)數(shù)據(jù)，對(duì)收集的數(shù)據(jù)進(jìn)行預(yù)處理，預(yù)處理過程包含數(shù)據(jù)清洗、數(shù)據(jù)規(guī)整化處理等，預(yù)處理后針對(duì)學(xué)生的學(xué)習(xí)行為數(shù)據(jù)構(gòu)建相應(yīng)的數(shù)據(jù)分析模型，分析高校學(xué)生該學(xué)期針對(duì)學(xué)習(xí)任務(wù)制定的學(xué)習(xí)模

7、式以及對(duì)知識(shí)的掌握程度。將數(shù)據(jù)分析結(jié)果反饋給學(xué)生和教學(xué)管理者，學(xué)生和教學(xué)管理者針對(duì)此結(jié)果調(diào)整學(xué)習(xí)計(jì)劃和教學(xué)進(jìn)度。圖 2 所示。圖 2 高校學(xué)生學(xué)習(xí)行為數(shù)據(jù)統(tǒng)一化標(biāo)準(zhǔn)Fig. 2 Unification standard for learning behavior data of college students智慧教育與當(dāng)前高校教育方式的不同之處在于，高校智慧教育是以高校學(xué)生為中心，以綜合多媒體課堂互動(dòng)的方式，鼓勵(lì)高校學(xué)生根據(jù)自身學(xué)習(xí)情況開展新型學(xué)習(xí)模式。如何從含量的學(xué)生學(xué)習(xí)行為數(shù)據(jù)中發(fā)現(xiàn)學(xué)習(xí)行為的潛在規(guī)律，是當(dāng)前階段亟待研究的重要問題。根據(jù)xAPI 數(shù)據(jù)規(guī)整化基準(zhǔn)采集學(xué)習(xí)行為記錄。不規(guī)整的學(xué)

8、習(xí)行為數(shù)據(jù)以xAPI 數(shù)據(jù)規(guī)整化基準(zhǔn)調(diào)整后，可實(shí)現(xiàn)檢索、讀取和寫入功能。預(yù)測(cè)分析報(bào)告框架中的學(xué)習(xí)應(yīng)用平臺(tái)通過設(shè)置不同的數(shù)據(jù)采集器，對(duì)學(xué)生與教育體系架構(gòu)應(yīng)用平臺(tái)的交互數(shù)據(jù)備份，存入本地?cái)?shù)據(jù)庫(kù)中，并間隔給定周期將這些數(shù)據(jù)傳送到教育體系架構(gòu)的數(shù)據(jù)分析平臺(tái)的學(xué)習(xí)行為存儲(chǔ)模塊中。高校學(xué)生在不同學(xué)期、不同場(chǎng)景下學(xué)生的學(xué)習(xí)行為是不同的，通過學(xué)生對(duì)不同學(xué)習(xí)工具在各個(gè)階段的實(shí)際應(yīng)用，分場(chǎng)景、周期采集有效的學(xué)習(xí)行為數(shù)據(jù)，以xAPI 數(shù)據(jù)規(guī)整化基準(zhǔn)進(jìn)行傳輸，形成大數(shù)據(jù)分析的基本條件8。1.2.2學(xué)習(xí)認(rèn)知情況度量通過分析結(jié)果評(píng)價(jià)學(xué)生對(duì)教學(xué)內(nèi)容掌握程度，達(dá)到對(duì)學(xué)習(xí)成績(jī)的預(yù)測(cè)。對(duì)預(yù)測(cè)結(jié)果進(jìn)行詳細(xì)解釋并建立學(xué)生認(rèn)知模型9，

9、采用可視化技術(shù)全方位展示分析結(jié)果。具體步驟如下：評(píng)價(jià)體系中就學(xué)生對(duì)教學(xué)內(nèi)容的掌握程度，給出不同評(píng)價(jià)指標(biāo)的評(píng)價(jià)基準(zhǔn)，不同的評(píng)價(jià)指標(biāo)相應(yīng)的權(quán)重不同，構(gòu)造一個(gè)模糊一致判斷矩陣 R，采用該矩陣衡量評(píng)價(jià)等級(jí)與相關(guān)因素之間重要性的對(duì)比結(jié)果。式中，rnn 表示隸屬度函數(shù)。對(duì)式（1）給出的各行因素進(jìn)行求和，獲得 h1, h2, , hn，此時(shí)因素 ai 的權(quán)重為：hih1 + h2 + + hn 1.2.1收集高校學(xué)生學(xué)習(xí)行為數(shù)據(jù)對(duì)高校學(xué)生學(xué)習(xí)行為數(shù)據(jù)統(tǒng)一化標(biāo)準(zhǔn)處理過程如以上為評(píng)價(jià)指標(biāo)的權(quán)重確定方法，通過專家對(duì)比， 獲得不同評(píng)價(jià)指標(biāo)的權(quán)重。依據(jù)評(píng)價(jià)標(biāo)準(zhǔn)，邀請(qǐng)多個(gè)專家評(píng)價(jià)學(xué)生對(duì)教學(xué)內(nèi)容的掌握程度。各項(xiàng)評(píng)價(jià)指標(biāo)通

10、過 X = x1, x2, , xn 描述，Y = y1, y2, , ym 表示評(píng)價(jià)結(jié)果集合，將評(píng)價(jià)結(jié)果劃分為 5 個(gè)等級(jí)，描述為 y1，y2，y3，y4，y5，表示“ 完全掌握”，“90% 的部分可以掌握”“80% 的部分可以掌握”“70% 的部分可以掌握”“60% 的部分可以掌握”。對(duì)于不同的評(píng)價(jià)指標(biāo)，可通過構(gòu)造一個(gè)模糊評(píng)價(jià)矩陣來全面描述： t11 t1m 分析平臺(tái)下的預(yù)測(cè)模型相比，所提平臺(tái)下的預(yù)測(cè)模型能夠更準(zhǔn)確地對(duì)英語測(cè)試題進(jìn)行難度預(yù)測(cè)。式中，tnm 表示矩陣 T 相應(yīng)的隸屬度函數(shù)。以下給出二級(jí)指標(biāo)的模糊評(píng)價(jià)因素集的權(quán)重：A = a1 , a2 , , an （4）結(jié)合最大隸屬度基準(zhǔn)判

11、定，評(píng)估教育質(zhì)量，預(yù)測(cè)學(xué)生日后學(xué)習(xí)表現(xiàn)，構(gòu)建認(rèn)知模型。采用可視化技術(shù)全方位展示學(xué)生學(xué)習(xí)行為數(shù)據(jù)的分析結(jié)果：采用餅狀圖來描述行為數(shù)據(jù)類型的分布情況；通過餅狀圖的面積大小分析不同行為數(shù)據(jù)類型的分布情況，所占面積越大說明該學(xué)生對(duì)此類學(xué)習(xí)活動(dòng)更感興趣；通過折線圖來描述學(xué)生對(duì)課堂測(cè)試題目的準(zhǔn)確性，通過折線中走勢(shì)的變化觀測(cè)學(xué)生對(duì)已學(xué)內(nèi)容的掌握情況；通過柱狀圖來表現(xiàn)學(xué)生在此學(xué)期中某一天的學(xué)習(xí)活動(dòng)數(shù)；通過散點(diǎn)圖來描述學(xué)生參與教學(xué)活動(dòng)的活躍程度10。實(shí)驗(yàn)結(jié)果與分析為了驗(yàn)證面向高校智慧教育的大數(shù)據(jù)分析平臺(tái)的綜合有效性，需要進(jìn)行一次實(shí)驗(yàn)驗(yàn)證。仿真實(shí)驗(yàn)在配置為WIN 7 操作系統(tǒng)、Intel 酷睿處理器、1.86 G

12、Hz 主頻、2.95 GB RAM 的筆記本計(jì)算機(jī)進(jìn)行。將數(shù)據(jù)分析平臺(tái)應(yīng)用于某高等院校提供的學(xué)生高數(shù)答題數(shù)據(jù)，采用近 200 萬的答題記錄，預(yù)測(cè)高數(shù)科目測(cè)試題的難度，選取均方根誤差（RMSE）衡量準(zhǔn)確性能； 利用排序準(zhǔn)確度（DOA）評(píng)測(cè)高數(shù)科目試題對(duì)之間的難度排序正確率；利用皮爾遜相關(guān)系數(shù)（PCC）測(cè)試高數(shù)科目測(cè)試題難度與學(xué)生成績(jī)之間的關(guān)系。利用 t 檢驗(yàn)通過率評(píng)測(cè)高數(shù)科目測(cè)試題難度評(píng)估結(jié)果的置信水平。上述評(píng)價(jià)指標(biāo)中，均方根誤差（RMSE） 值越小，說明預(yù)測(cè)結(jié)果精度越好；剩余指標(biāo)值越大說明預(yù)測(cè)模型性能越好。圖 3 給出試題難度預(yù)測(cè)結(jié)果，對(duì)比方法包括文獻(xiàn)4給出的數(shù)據(jù)分析平臺(tái)和文獻(xiàn)5給出的數(shù)據(jù)分析

13、平臺(tái)。為了簡(jiǎn)化描述，將文獻(xiàn)4給出的數(shù)據(jù)分析平臺(tái)和文獻(xiàn)5給出的數(shù)據(jù)分析平臺(tái)下的預(yù)測(cè)模型以及所提平臺(tái)下的預(yù)測(cè)模型分別表示為A1，A2，A3。從圖 3 中可以看出，與文獻(xiàn)4、文獻(xiàn)5給出的數(shù)據(jù)分別采用文獻(xiàn)4、文獻(xiàn)5給出的數(shù)據(jù)分析平臺(tái)下的預(yù)測(cè)模型以及所提的預(yù)測(cè)模型，預(yù)測(cè)高校學(xué)生多次答題得分結(jié)果，不同方法對(duì)高校學(xué)生成績(jī)預(yù)測(cè)表現(xiàn)在 A 數(shù)據(jù)集和B 數(shù)據(jù)集的對(duì)比結(jié)果如圖 4 所示。從圖 4 中可以看出，所提平臺(tái)下的預(yù)測(cè)模型能夠?qū)Φ梅纸Y(jié)果進(jìn)行高精度預(yù)測(cè)。結(jié)論將大數(shù)據(jù)分析技術(shù)應(yīng)用于高校教育領(lǐng)域，降低了高校智慧教育數(shù)據(jù)采集、轉(zhuǎn)換、集成和挖掘的門檻，使定量研究高校智慧教育行為、優(yōu)化教學(xué)方案成為可能。大數(shù)據(jù)分析技術(shù)對(duì)高校教學(xué)環(huán)境以及師生課業(yè)發(fā)展產(chǎn)生了深刻的影響，使廣大師生和學(xué)校受益。LI Shuang，WANG Zengxian，YU Chen，et al. Mining LMS data fo