教育數(shù)據(jù)挖掘研究綜述

魏艷

摘 要：隨著信息技術(shù)的迅猛發(fā)展，大數(shù)據(jù)也無聲無息地逐步地深入到我們的現(xiàn)實(shí)生活和工作學(xué)習(xí)中。教育大數(shù)據(jù)挖掘就是將大量的零碎的教育信息轉(zhuǎn)化為對(duì)于我們有用的信息和知識(shí)。本文介紹了國(guó)內(nèi)外教育數(shù)據(jù)挖掘技術(shù)的研究現(xiàn)狀，總結(jié)了數(shù)據(jù)挖掘技術(shù)的關(guān)鍵技術(shù)及分析模式。

關(guān)鍵詞：教育大數(shù)據(jù)挖掘；學(xué)習(xí)分析；關(guān)鍵技術(shù)；

根據(jù)IBM 公司最新估計(jì)，全球人類和計(jì)算機(jī)等硬件設(shè)備每天產(chǎn)生的數(shù)據(jù)量達(dá)到2.5EB（1EB=109GB=1015KB）。這些數(shù)據(jù)的來源是多元化的，比如：電子郵件、網(wǎng)頁訪問流量、博客、監(jiān)控?cái)z像機(jī)、氣象傳感器、學(xué)術(shù)研究、社交網(wǎng)絡(luò)（QQ、微信）、學(xué)生數(shù)字檔案袋，等等，這一切都在以前所未有的速度向我們襲來。教育領(lǐng)域的大數(shù)據(jù)從橫向和縱向兩個(gè)角度更加全面和真實(shí)地反映教育的實(shí)施背景、過程和結(jié)果。

1.國(guó)內(nèi)外研究現(xiàn)狀

美國(guó)新媒體聯(lián)盟發(fā)布的2010年度和2011 年度《地平線報(bào)告》，都先后預(yù)言了數(shù)據(jù)挖掘技術(shù)將在未來的4到5年內(nèi)成為各領(lǐng)域各行業(yè)發(fā)展的主導(dǎo)力量。Romero&Ventura;（2007）以及Baker &Yacef;（2009）對(duì)10 余年的教育數(shù)據(jù)挖掘研究進(jìn)行了分析，歸納出5 類教育大數(shù)據(jù)挖掘的方法，它們是聚類；預(yù)測(cè)；關(guān)系挖掘；可視化技術(shù)等等。另外，隨著教學(xué)管理系統(tǒng)的不斷升級(jí)，開始了利用學(xué)習(xí)分析技術(shù)對(duì)學(xué)習(xí)者行為分析的研究，Romero，C.等人（2005）對(duì)Moodle 學(xué)習(xí)平臺(tái)的日志分析就是應(yīng)用了該模式。伴隨人們?cè)趯W(xué)習(xí)知識(shí)的過程中的深入分析和不斷研究以及堅(jiān)持不懈的深入實(shí)踐，除了數(shù)據(jù)挖掘研究方法以外，那些本來是屬于社會(huì)科學(xué)領(lǐng)域的方法，例如：話語分析、內(nèi)容分析、社會(huì)網(wǎng)絡(luò)分析等方法漸漸地變成了學(xué)習(xí)分析中非常重要的方法，這些技術(shù)中的最典范的一個(gè)應(yīng)用就是師生交互行為分析。

在國(guó)內(nèi)，伴隨著各種教學(xué)資源的通過網(wǎng)絡(luò)進(jìn)行共享，越來越多的學(xué)習(xí)者可以自行制定一些適合自己的學(xué)習(xí)策略，通過網(wǎng)絡(luò)也能夠自由的進(jìn)行在線學(xué)習(xí)和自主學(xué)習(xí)。

2.關(guān)鍵技術(shù)

在教育領(lǐng)域中，有兩個(gè)技術(shù)非常重要，分別為：教育大數(shù)據(jù)挖掘與分析、學(xué)習(xí)分析。雖然這兩個(gè)概念沒有嚴(yán)格的區(qū)別，但它們已經(jīng)有了不同的研究歷史，并發(fā)展成為截然不同的研究領(lǐng)域。

2.1 教育大數(shù)據(jù)挖掘和分析

利用數(shù)據(jù)來作出決策并不是一件新鮮事，已廣泛應(yīng)用于商業(yè)領(lǐng)域。商業(yè)公司利用復(fù)雜的計(jì)算機(jī)算法來分析用戶數(shù)據(jù)，被稱為商業(yè)智能。商業(yè)智能技術(shù)能夠從收集的數(shù)據(jù)中辨別過去的模式和規(guī)律，同樣，也可以創(chuàng)建模型來預(yù)測(cè)未來的趨勢(shì)和模式。

數(shù)據(jù)分析技術(shù)，從廣義上講，就是利用計(jì)算機(jī)科學(xué)技術(shù)、數(shù)學(xué)和統(tǒng)計(jì)學(xué)技術(shù)，從非常龐大的數(shù)據(jù)庫中，集中提取有用的信息。關(guān)于數(shù)據(jù)分析的一個(gè)早期應(yīng)用案例，就是利用相關(guān)數(shù)據(jù)來探索在線行為，即進(jìn)行網(wǎng)站使用的分析，利用該工具，可以了解網(wǎng)頁的整體訪問量、訪問者來自何處，以及是通過哪個(gè)鏈接訪問本站的等等。網(wǎng)站分析還被人們用來了解、改善使用網(wǎng)站的體驗(yàn)的一種有效方式。不過，互聯(lián)網(wǎng)公司現(xiàn)在已經(jīng)開發(fā)出了更精細(xì)的技術(shù)，用來跟蹤用戶與網(wǎng)站之間的一些復(fù)雜交互行為，諸如此類的跟蹤包括：在新技術(shù)影響下用戶購(gòu)買習(xí)慣的變化，電子書中被勾畫、標(biāo)記最多的段落，從瀏覽歷史來預(yù)測(cè)可能感興趣的網(wǎng)頁，以及游戲玩家的行為是如何隨著時(shí)間的變化而變化的等等。從理論層面上講，在網(wǎng)絡(luò)上的所有行為都能被跟蹤和分析。

分析這些新的行為事件，需要利用的新技術(shù)正是大數(shù)據(jù)技術(shù)。大數(shù)據(jù)分析是商業(yè)智能的演進(jìn)，它能解決傳統(tǒng)數(shù)據(jù)庫技術(shù)中來源廣泛且數(shù)量龐大的非結(jié)構(gòu)化文本、圖形圖像以及視頻等數(shù)據(jù)。

教育數(shù)據(jù)挖掘是當(dāng)前新興的研究領(lǐng)域，它利用計(jì)算機(jī)和心理學(xué)方法來研究和了解學(xué)生是如何學(xué)習(xí)的。早期教育數(shù)據(jù)的挖掘主要是網(wǎng)站日志數(shù)據(jù)的挖掘，而如今的教育大數(shù)據(jù)挖掘技術(shù)通常強(qiáng)調(diào)分析碎片化的學(xué)習(xí)信息，并用自適應(yīng)軟件來進(jìn)行干預(yù)。在建立自適應(yīng)學(xué)習(xí)系統(tǒng)中，預(yù)測(cè)模型扮演一個(gè)非常關(guān)鍵的角色。

概括起來，教育數(shù)據(jù)挖掘構(gòu)建模型可以回答以下幾個(gè)問題：

1.何種主題順序?qū)σ粋€(gè)特定的學(xué)生最有效？

2.何種學(xué)生行為與更多學(xué)習(xí)相關(guān)？

3.何種學(xué)生行為表示滿意、投入或?qū)W習(xí)進(jìn)步？

4.什么樣的在線學(xué)習(xí)模式會(huì)更有利于學(xué)生的學(xué)習(xí)？

5.什么將預(yù)測(cè)學(xué)生學(xué)習(xí)成功？

2.2學(xué)習(xí)分析

2.2.1 學(xué)習(xí)分析要解決的問題

學(xué)習(xí)分析指的是通過對(duì)學(xué)生在學(xué)習(xí)進(jìn)程中輸出的各種信息進(jìn)行分析、說明，認(rèn)識(shí)并剖析學(xué)生在學(xué)習(xí)進(jìn)程中產(chǎn)生的問題、并對(duì)學(xué)生的下一步的學(xué)習(xí)進(jìn)行有效的指引。相關(guān)數(shù)據(jù)均來自學(xué)生的顯性和隱形的行為，學(xué)習(xí)分析就是利用這些行為過程中產(chǎn)生的相關(guān)數(shù)據(jù)，通過教育大數(shù)據(jù)挖掘技術(shù)建立的模型進(jìn)行準(zhǔn)確的分析，從而來幫助教師更好地理解教與學(xué)的關(guān)系，以達(dá)到教學(xué)相長(zhǎng)的目的。

與教育數(shù)據(jù)挖掘不同，學(xué)習(xí)分析不強(qiáng)調(diào)碎片化學(xué)習(xí)，而是更關(guān)注對(duì)教育系統(tǒng)的整體理解，并為人為決策提供支撐。因此，學(xué)習(xí)分析的重點(diǎn)是為教育資源的再分配提供決策支持，以適應(yīng)不同學(xué)生的學(xué)習(xí)需求。

概括起來，學(xué)習(xí)分析系統(tǒng)應(yīng)用模型能回答下列問題：

1.什么時(shí)候?qū)W生落在課程的后面？

2.何時(shí)學(xué)生存在不能完成的學(xué)習(xí)任務(wù)？

3.什么階段學(xué)生不希望被干預(yù)？

4.什么課程最適合一個(gè)特定的學(xué)生向下學(xué)習(xí)？

學(xué)生是否需要學(xué)習(xí)顧問的幫助？

2.2.2 學(xué)習(xí)分析關(guān)鍵技術(shù)與主要工具

（1） 聚類.聚類是將大量不同的的數(shù)據(jù)分類聚集，聚集到不用類別的群的過程。聚類分析與傳統(tǒng)的分類方法不同，它沒有預(yù)定的標(biāo)準(zhǔn)，而是自動(dòng)的劃分為未知類別的過程。一般來講，所運(yùn)用的方法不同，那么最后所得到的結(jié)果也會(huì)不同。聚類分析經(jīng)常使用的算法，一般分為以下幾類：層次聚類算法、密度聚類算法、劃分聚類算法、模型聚類算法和網(wǎng)絡(luò)聚類算法。

（2）預(yù)測(cè).根據(jù)已知的數(shù)據(jù)集或信息集表現(xiàn)出來的規(guī)律，構(gòu)造每個(gè)數(shù)據(jù)類別的分類，并且建立相應(yīng)的數(shù)據(jù)模型，來對(duì)數(shù)據(jù)的發(fā)展趨勢(shì)或規(guī)律做出合理化預(yù)測(cè)。

（3）關(guān)系挖掘.關(guān)系挖掘是從大量的數(shù)據(jù)集合中發(fā)現(xiàn)他們之前存在的頻繁的關(guān)系，并且利用這些事務(wù)性的關(guān)系和規(guī)律而進(jìn)行的預(yù)測(cè)。關(guān)系挖掘進(jìn)程一般分為兩步：第一步，需要發(fā)現(xiàn)數(shù)據(jù)集合存在的頻繁關(guān)系；第二步，挖掘出適合預(yù)測(cè)關(guān)聯(lián)的規(guī)則。

（4） 可視化技術(shù).可視化技術(shù)是利用直觀化的圖形、圖表、圖示等描述數(shù)據(jù)，讓人們更加容易理解，從而更容易判斷和區(qū)分?jǐn)?shù)據(jù)。該技術(shù)的特別之處在于以圖形、圖表、圖示等藝術(shù)性效果，來實(shí)現(xiàn)與人們的雙向交流和溝通?？梢暬话惴譃橐韵缕邆€(gè)步驟，分別為：獲取、分析、過濾、挖掘、表示、修飾和交互。截止到目前，可視化技術(shù)已成為教育大數(shù)據(jù)挖掘領(lǐng)域中不可缺少的一項(xiàng)重要技術(shù)。

3 結(jié)束語

大數(shù)據(jù)時(shí)代，教育領(lǐng)域的數(shù)據(jù)存量相當(dāng)?shù)凝嫶螅逃I(lǐng)域中各類學(xué)習(xí)管理系統(tǒng)里的有關(guān)學(xué)習(xí)和學(xué)生的信息數(shù)據(jù)也逐漸地增多，利用數(shù)據(jù)挖掘技術(shù)將教育中存在的大量數(shù)據(jù)資源進(jìn)行有效的提取，并以此來分析其內(nèi)部的各種關(guān)聯(lián)和各類規(guī)律，從而形成一套比較成熟的學(xué)習(xí)行為模式，在很大程度上會(huì)非常有助于學(xué)習(xí)者的個(gè)性化的自主學(xué)習(xí)以及教學(xué)效果的改善和教學(xué)質(zhì)量的不斷提升，以上這些已經(jīng)成為教育教學(xué)變革中的重要依據(jù)。綜上所述，教育大數(shù)據(jù)的挖掘隨著信息技術(shù)的不斷發(fā)展，已經(jīng)成為當(dāng)前人們關(guān)注的熱點(diǎn)，在教育教學(xué)領(lǐng)域的應(yīng)用也將會(huì)更加廣泛，會(huì)更好地為教育教學(xué)變革和教學(xué)管理提供服務(wù)。

參考文獻(xiàn)

[1]黃荷.今日談：大數(shù)據(jù)時(shí)代降臨[J].半月談，2014，（17）.

[2]顧小清，張進(jìn)良，蔡慧英.學(xué)習(xí)分析：正在浮現(xiàn)中的數(shù)據(jù)技術(shù)[J].遠(yuǎn)程教育雜志，2013，（1）.

[3]魏順平.在線學(xué)習(xí)行為特點(diǎn)及其影響因素分析研究[J].開放教育研究，2014，（4）.

[4]魏順平.挖掘大數(shù)據(jù)時(shí)代下教育數(shù)據(jù)的價(jià)值[J].開放教育研究，2012，（4）.

[5]胡祖輝，徐毅.大數(shù)據(jù)背景下高校教育數(shù)據(jù)的分析與應(yīng)用研究[J].現(xiàn)代教育科學(xué)，2017，（1）.

[6]李施，李艷華，趙慧瓊.教育大數(shù)據(jù)挖掘技術(shù)與應(yīng)用案例分析[J].中國(guó)教育網(wǎng)絡(luò)，2017，（5）.