大数据分析在高校智慧教育中的应用研究
发布时间：2021-08-01 08:53
传统面向高校智慧教育的数据分析平台难以从海量智慧资源中准确分析学生学习行为,导致在面向试题的难度预测中,存在准确率低的问题。针对上述问题,开展面向高校智慧教育的大数据分析研究工作,给出智慧教育体系架构的构成以及数据分析平台,利用Hadoop技术对智慧教育资源进行分析与处理,采用数据挖掘算法并结合云计算技术深入分析和解释学生学习行为数据的采集、汇聚,获取学生学习行为的隐性和显性行为,评估教育质量,预测学生日后学习表现,建立学生认知模型与可视化图表,把得到的数据智能融入智慧教育体系架构。将该体系架构应用于在线教育系统提供的答题数据,预测英语阅读试题难度。测试结果表明,试题难度评估预测性能较好。
【文章来源】：现代电子技术. 2019,42(04)北大核心
【文章页数】：4 页
【部分图文】：
高校智慧教育体系架构Fig.1Architectureofcollegewisdomeducationsystem模型中感知层负责将系统环境与外部高校环境进
鲂曰??裎?谥肌⒁允ι??求为导向的智能信息化服务平台[7]。1.2面向学生学习行为的大数据分析技术通过收集学生学习阶段相关数据，对收集的数据进行预处理，预处理过程包含数据清洗、数据规整化处理等，预处理后针对学生的学习行为数据构建相应的数据分析模型，分析高校学生该学期针对学习任务制定的学习模式以及对知识的掌握程度。将数据分析结果反馈给学生和教学管理者，学生和教学管理者针对此结果调整学习计划和教学进度。1.2.1收集高校学生学习行为数据对高校学生学习行为数据统一化标准处理过程如图2所示。图2高校学生学习行为数据统一化标准Fig.2Unificationstandardforlearningbehaviordataofcollegestudents智慧教育与当前高校教育方式的不同之处在于，高校智慧教育是以高校学生为中心，以综合多媒体课堂互动的方式，鼓励高校学生根据自身学习情况开展新型学习模式。如何从含量的学生学习行为数据中发现学习行为的潜在规律，是当前阶段亟待研究的重要问题。根据xAPI数据规整化基准采集学习行为记录。不规整的学习行为数据以xAPI数据规整化基准调整后，可实现检索、读取和写入功能。预测分析报告框架中的学习应用平台通过设置不同的数据采集器，对学生与教育体系架构应用平台的交互数据备份，存入本地数据库中，并间隔给定周期将这些数据传送到教育体系架构的数据分析平台的学习行为存储模块中。高校学生在不同学期、不同场景下学生的学习行为是不同的，通过学生对不同学习工具在各个阶段的实际应用，分场景、周期采集有效的学习行为数据，以xAPI数据规整化基准进行传输，形成大数据分析的基本条件[8]。1.2.2学习认知情况度量通过分析结果评价学生对教学内容掌握程度，达到
现代电子技术2019年第42卷图4不同方法学生成绩预测结果对比Fig.4Comparisonforstudentachievementpredictionresultsofdifferentmethods参考文献[1]蒋东兴，吴海燕，袁芳，等.高校智慧校园成熟度模型与评价指标体系研究[J].郑州大学学报（工学版），2017，38（2）：14.JIANGDongxing，WUHaiyan，YUANFang，etal.Researchonthewisdomcampusmaturitymodelandtheevaluationindexes[J].JournalofZhengzhouUniversity（Engineeringscience），2017，38（2）：14.[2]李朝晖，陈迪新.基于众创的高校图书馆智慧服务模式研究[J].图书馆工作与研究，2017，1（7）：5762.LIChaohui，CHENDixin.Researchonthesmartservicemodeofuniversitylibrarybasedongroupinnovation[J].Libraryworkandstudy，2017，1（7）：5762.[3]李馨.高等教育大数据分析：机遇与挑战[J].开放教育研究，2016，22（4）：5056.LIXin.Bigdataanalyticsinhighereducation：opportunitiesandchallenges[J].Openeducationresearch，2016，22（4）：5056.[4]李爽，王增贤，喻忱，等.在线学习行为投入分析框架与测量指标研究：基于LMS数据的学习分析[J].开放教育研究，2016，22（2）：7788.LIShuang，WANGZengxian，YUChen，etal.MiningLMSdataforbehavioralengagementindicatorsinonlinelearningenvironments[J].Openeducationresearch，2016，22（2）：7788.[5]周效章.“在线教育平台+学习中心”融合教学模式构建研究：基于沪江教学模式的分析与思?
【参考文献】：
期刊论文
[1]“在线教育平台+学习中心”融合教学模式构建研究——基于沪江教学模式的分析与思考[J]. 周效章. 现代教育技术. 2017(10)
[2]基于众创的高校图书馆智慧服务模式研究[J]. 李朝晖,陈迪新. 图书馆工作与研究. 2017(07)
[3]高校智慧校园成熟度模型与评价指标体系研究[J]. 蒋东兴,吴海燕,袁芳,付小龙. 郑州大学学报(工学版). 2017(02)
[4]大数据下提高远程教育质量提取有效资源仿真[J]. 杨可晗,马琼. 计算机仿真. 2017(04)
[5]大数据分析:方向、方法与工具[J]. 曾忠禄. 情报理论与实践. 2017(01)
[6]信息分析视角下的大数据分析平台构架研究[J]. 肖源,郝杰,刘莹,王涛. 情报科学. 2016(09)
[7]高等教育大数据分析:机遇与挑战[J]. 李馨. 开放教育研究. 2016(04)
[8]一种用于云计算数据库的数据挖掘方法研究[J]. 张兵. 控制工程. 2016(06)
[9]高等职业院校人才培养工作评估的反思与改进——基于安徽省两轮高职评估大数据分析[J]. 严萍. 职业技术教育. 2016(18)
[10]在线学习行为投入分析框架与测量指标研究——基于LMS数据的学习分析[J]. 李爽,王增贤,喻忱,宗阳. 开放教育研究. 2016(02)
本文编号：3315211
【文章来源】：现代电子技术. 2019,42(04)北大核心
【文章页数】：4 页
【部分图文】：
高校智慧教育体系架构Fig.1Architectureofcollegewisdomeducationsystem模型中感知层负责将系统环境与外部高校环境进
鲂曰??裎?谥肌⒁允ι??求为导向的智能信息化服务平台[7]。1.2面向学生学习行为的大数据分析技术通过收集学生学习阶段相关数据，对收集的数据进行预处理，预处理过程包含数据清洗、数据规整化处理等，预处理后针对学生的学习行为数据构建相应的数据分析模型，分析高校学生该学期针对学习任务制定的学习模式以及对知识的掌握程度。将数据分析结果反馈给学生和教学管理者，学生和教学管理者针对此结果调整学习计划和教学进度。1.2.1收集高校学生学习行为数据对高校学生学习行为数据统一化标准处理过程如图2所示。图2高校学生学习行为数据统一化标准Fig.2Unificationstandardforlearningbehaviordataofcollegestudents智慧教育与当前高校教育方式的不同之处在于，高校智慧教育是以高校学生为中心，以综合多媒体课堂互动的方式，鼓励高校学生根据自身学习情况开展新型学习模式。如何从含量的学生学习行为数据中发现学习行为的潜在规律，是当前阶段亟待研究的重要问题。根据xAPI数据规整化基准采集学习行为记录。不规整的学习行为数据以xAPI数据规整化基准调整后，可实现检索、读取和写入功能。预测分析报告框架中的学习应用平台通过设置不同的数据采集器，对学生与教育体系架构应用平台的交互数据备份，存入本地数据库中，并间隔给定周期将这些数据传送到教育体系架构的数据分析平台的学习行为存储模块中。高校学生在不同学期、不同场景下学生的学习行为是不同的，通过学生对不同学习工具在各个阶段的实际应用，分场景、周期采集有效的学习行为数据，以xAPI数据规整化基准进行传输，形成大数据分析的基本条件[8]。1.2.2学习认知情况度量通过分析结果评价学生对教学内容掌握程度，达到
现代电子技术2019年第42卷图4不同方法学生成绩预测结果对比Fig.4Comparisonforstudentachievementpredictionresultsofdifferentmethods参考文献[1]蒋东兴，吴海燕，袁芳，等.高校智慧校园成熟度模型与评价指标体系研究[J].郑州大学学报（工学版），2017，38（2）：14.JIANGDongxing，WUHaiyan，YUANFang，etal.Researchonthewisdomcampusmaturitymodelandtheevaluationindexes[J].JournalofZhengzhouUniversity（Engineeringscience），2017，38（2）：14.[2]李朝晖，陈迪新.基于众创的高校图书馆智慧服务模式研究[J].图书馆工作与研究，2017，1（7）：5762.LIChaohui，CHENDixin.Researchonthesmartservicemodeofuniversitylibrarybasedongroupinnovation[J].Libraryworkandstudy，2017，1（7）：5762.[3]李馨.高等教育大数据分析：机遇与挑战[J].开放教育研究，2016，22（4）：5056.LIXin.Bigdataanalyticsinhighereducation：opportunitiesandchallenges[J].Openeducationresearch，2016，22（4）：5056.[4]李爽，王增贤，喻忱，等.在线学习行为投入分析框架与测量指标研究：基于LMS数据的学习分析[J].开放教育研究，2016，22（2）：7788.LIShuang，WANGZengxian，YUChen，etal.MiningLMSdataforbehavioralengagementindicatorsinonlinelearningenvironments[J].Openeducationresearch，2016，22（2）：7788.[5]周效章.“在线教育平台+学习中心”融合教学模式构建研究：基于沪江教学模式的分析与思?
【参考文献】：
期刊论文
[1]“在线教育平台+学习中心”融合教学模式构建研究——基于沪江教学模式的分析与思考[J]. 周效章. 现代教育技术. 2017(10)
[2]基于众创的高校图书馆智慧服务模式研究[J]. 李朝晖,陈迪新. 图书馆工作与研究. 2017(07)
[3]高校智慧校园成熟度模型与评价指标体系研究[J]. 蒋东兴,吴海燕,袁芳,付小龙. 郑州大学学报(工学版). 2017(02)
[4]大数据下提高远程教育质量提取有效资源仿真[J]. 杨可晗,马琼. 计算机仿真. 2017(04)
[5]大数据分析:方向、方法与工具[J]. 曾忠禄. 情报理论与实践. 2017(01)
[6]信息分析视角下的大数据分析平台构架研究[J]. 肖源,郝杰,刘莹,王涛. 情报科学. 2016(09)
[7]高等教育大数据分析:机遇与挑战[J]. 李馨. 开放教育研究. 2016(04)
[8]一种用于云计算数据库的数据挖掘方法研究[J]. 张兵. 控制工程. 2016(06)
[9]高等职业院校人才培养工作评估的反思与改进——基于安徽省两轮高职评估大数据分析[J]. 严萍. 职业技术教育. 2016(18)
[10]在线学习行为投入分析框架与测量指标研究——基于LMS数据的学习分析[J]. 李爽,王增贤,喻忱,宗阳. 开放教育研究. 2016(02)
本文编号：3315211
本文链接：https://www.wllwen.com/jiaoyulunwen/jsxd/3315211.html
