網(wǎng)絡(luò)教學(xué)平臺(tái)學(xué)生學(xué)習(xí)數(shù)據(jù)分析

程澤凱，佘星星，謝寧宇

(安徽工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，安徽馬鞍山243032)

0 引言

網(wǎng)絡(luò)教學(xué)平臺(tái)是高?；诨ヂ?lián)網(wǎng)構(gòu)建的學(xué)習(xí)管理平臺(tái)，豐富多彩的教學(xué)資源是網(wǎng)絡(luò)教學(xué)平臺(tái)的有力支撐。通過(guò)平臺(tái)學(xué)生可以打破時(shí)間、地點(diǎn)的限制，隨時(shí)隨地獲取知識(shí)。功能全面的網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)不僅為學(xué)生學(xué)習(xí)帶來(lái)方便，同時(shí)有利于教學(xué)人員和管理人員對(duì)學(xué)生進(jìn)行教學(xué)與管理。隨著網(wǎng)絡(luò)教學(xué)平臺(tái)的智能化發(fā)展，平臺(tái)上的數(shù)據(jù)爆發(fā)式增長(zhǎng)[1-2]?？梢酝ㄟ^(guò)數(shù)據(jù)分析技術(shù)精確獲取學(xué)生的學(xué)習(xí)情況，歸納學(xué)習(xí)風(fēng)格[3-4]，以利于教師適時(shí)調(diào)整教學(xué)方案，這對(duì)教學(xué)有著重要的意義。

數(shù)據(jù)分析是用適當(dāng)?shù)姆椒▽?duì)收集來(lái)的大量數(shù)據(jù)進(jìn)行分析，從中提取有用信息并且形成結(jié)論，從而達(dá)到對(duì)數(shù)據(jù)詳細(xì)研究和準(zhǔn)確總結(jié)的過(guò)程。早在20世紀(jì)就已確立數(shù)據(jù)分析的數(shù)學(xué)基礎(chǔ)，而數(shù)據(jù)分析的實(shí)際操作直到計(jì)算機(jī)出現(xiàn)才成為可能，并得以推廣。數(shù)據(jù)分析可幫助人們?cè)趯?shí)際應(yīng)用中作出判斷，以便采取適當(dāng)行動(dòng)[5]。k-means聚類算法就是數(shù)據(jù)分析的一種方法，其算法簡(jiǎn)單、收斂速度快、聚類效果好，加之網(wǎng)絡(luò)教學(xué)平臺(tái)有學(xué)生觀看視頻、訪問(wèn)、作業(yè)得分作為“基礎(chǔ)分?jǐn)?shù)”，沒(méi)有明顯的噪聲點(diǎn)的影響，因此k-means聚類算法適用于學(xué)生學(xué)習(xí)風(fēng)格分類的分析。

1 k-means聚類算法

k-means聚類算法采用分裂方法對(duì)數(shù)據(jù)集合進(jìn)行分類，分類后同類元素之間的相似性高，異類元素之間相似性低，并且保證每一類中都包含一個(gè)或多個(gè)數(shù)據(jù)元素，每個(gè)數(shù)據(jù)元素只屬于一個(gè)類。算法思想為：給定包含n個(gè)d維數(shù)據(jù)的數(shù)據(jù)集M={m1,m2,m3，…，mn}(M∈Rd)，需要生成的簇?cái)?shù)目為K，簇可表示為S={Si}(i=1,2,3，…，K)，每個(gè)簇Si都有一個(gè)簇中心ui，以歐式距離作為判斷標(biāo)準(zhǔn)，公式如下：

式中xj為每個(gè)簇中的數(shù)據(jù)對(duì)象。

k-means聚類算法是一個(gè)迭代過(guò)程，目標(biāo)是使上述公式中的V值達(dá)到最小。其過(guò)程如下：

1) 從n個(gè)數(shù)據(jù)對(duì)象任意選擇K個(gè)對(duì)象作為初始聚類中心；

2) 根據(jù)每個(gè)聚類對(duì)象的均值，計(jì)算每個(gè)對(duì)象與這些cluster的距離，并根據(jù)最小距離重新對(duì)相應(yīng)對(duì)象進(jìn)行劃分；

3) 重新計(jì)算每個(gè)有變化聚類的均值；

4) 循環(huán)步驟2和3，直到每個(gè)聚類不再發(fā)生變化為止[6]。

2 學(xué)習(xí)風(fēng)格設(shè)計(jì)

原始數(shù)據(jù)通過(guò)網(wǎng)絡(luò)教學(xué)平臺(tái)采集而來(lái)，分為靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)為學(xué)生基本信息，包括學(xué)生姓名、學(xué)號(hào)等，動(dòng)態(tài)數(shù)據(jù)則為學(xué)生的視頻觀看信息、課程訪問(wèn)信息、作業(yè)提交信息以及卷面成績(jī)信息。

對(duì)獲取的動(dòng)態(tài)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，歸納出事實(shí)標(biāo)簽：視頻觀看時(shí)長(zhǎng)、訪問(wèn)時(shí)間及次數(shù)、作業(yè)完成質(zhì)量、卷面成績(jī)。然后對(duì)標(biāo)簽進(jìn)行數(shù)值化處理，給出對(duì)應(yīng)得分。最后將數(shù)值化后的標(biāo)簽應(yīng)用于k-means算法模型中，得出相關(guān)分析結(jié)果，由此歸納出學(xué)生學(xué)習(xí)風(fēng)格[7]。

3 學(xué)生學(xué)習(xí)數(shù)據(jù)分析

3.1 數(shù)據(jù)預(yù)處理

采集2017—2018學(xué)年網(wǎng)絡(luò)教學(xué)平臺(tái)120名學(xué)生“數(shù)據(jù)結(jié)構(gòu)”課程的學(xué)習(xí)數(shù)據(jù)，選取視頻得分(滿分75分)、作業(yè)得分(滿分15分)、訪問(wèn)得分(滿分10分)、卷面成績(jī)(滿分100分)4個(gè)屬性數(shù)據(jù)，去除異常數(shù)據(jù)(如缺考)，預(yù)處理結(jié)果(節(jié)選)見表1。

3.2 聚類結(jié)果分析

對(duì)預(yù)處理后的數(shù)據(jù)用k-means聚類算法進(jìn)行分析，隨機(jī)產(chǎn)生初始聚類中心，聚類數(shù)設(shè)為5，當(dāng)?shù)螖?shù)為6后，所有中心的最大絕對(duì)坐標(biāo)不再發(fā)生變化，初始中心間的最小距離為25.752[8]。

最終聚類中心與每個(gè)聚類中的案例數(shù)見表2。

分析表2，可將學(xué)生歸納為以下5類學(xué)習(xí)風(fēng)格。第一類有43人，占總學(xué)生人數(shù)的39.5%，總體學(xué)習(xí)情況良好，學(xué)習(xí)態(tài)度端正，網(wǎng)絡(luò)平臺(tái)學(xué)習(xí)效果顯著。第二類有1人，占學(xué)生總?cè)藬?shù)的0.9%，這類學(xué)生學(xué)習(xí)能力強(qiáng)，思維活躍，培養(yǎng)周期短，教師可邀請(qǐng)其加入科研競(jìng)賽團(tuán)隊(duì)。第三類共37人，占總學(xué)生人數(shù)的33.9%，這類學(xué)生成績(jī)處于中間水平，需加強(qiáng)平臺(tái)訪問(wèn)，提高作業(yè)完成率，教師可在平臺(tái)多發(fā)布問(wèn)題、作業(yè)，并發(fā)起討論。第四類共19人，占學(xué)生總?cè)藬?shù)的17.4%，這類學(xué)生成績(jī)處于中下水平，應(yīng)加強(qiáng)視頻學(xué)習(xí)、課題訓(xùn)練，教師應(yīng)注重激發(fā)其學(xué)習(xí)興趣。第五類共9人，占學(xué)生總?cè)藬?shù)的8.3%，這類學(xué)生相比前幾類學(xué)生，視頻得分處于中間水平，但卷面成績(jī)最低，是“掛科”重點(diǎn)對(duì)象，他們沒(méi)有重視課程學(xué)習(xí)，放松對(duì)自己的約束，教師應(yīng)對(duì)其進(jìn)行學(xué)業(yè)預(yù)警，加強(qiáng)正面引導(dǎo)[9]。

表1 數(shù)據(jù)結(jié)構(gòu)課程學(xué)習(xí)數(shù)據(jù)預(yù)處理結(jié)果(節(jié)選)

表2 2017—2018學(xué)年最終聚類中心表

除第二類學(xué)生外，其他類學(xué)生的視頻得分區(qū)別甚微，因?yàn)橐曨l得分在平時(shí)分的占比最大，要求較高，大部分學(xué)生會(huì)按時(shí)完成視頻觀看要求，所以分值相近；相對(duì)于視頻，作業(yè)和訪問(wèn)在平時(shí)分的占比偏小，而作業(yè)、訪問(wèn)得分與卷面成績(jī)正相關(guān)，因此這類要求更能體現(xiàn)學(xué)生的學(xué)習(xí)態(tài)度，是決定卷面成績(jī)的重要因素。

3.3 由聚類結(jié)果改進(jìn)教學(xué)方案

從上述分析結(jié)果可見，對(duì)于中等學(xué)生，課程參與度是決定其成績(jī)的重要因素。另外，判定學(xué)生平時(shí)成績(jī)的指標(biāo)應(yīng)適當(dāng)增加，以全面多維衡量每一位學(xué)生。為提高學(xué)生成績(jī)，教師對(duì)2018—2019學(xué)年“數(shù)據(jù)結(jié)構(gòu)”課程的教學(xué)方案實(shí)施了如下改進(jìn)。

1)增設(shè)課程討論、簽到、測(cè)試作為評(píng)定平時(shí)成績(jī)的指標(biāo)，課堂簽到有效節(jié)省了教學(xué)的時(shí)間成本，課程討論計(jì)分則鼓勵(lì)大家積極參與到課程的討論學(xué)習(xí)當(dāng)中，調(diào)動(dòng)了學(xué)生學(xué)習(xí)積極性。

2)將平時(shí)成績(jī)組成由上學(xué)年的視頻(75分)、作業(yè)(15分)、訪問(wèn)(10分)改進(jìn)為視頻(50分)、作業(yè)(20分)、訪問(wèn)(10分)、簽到(5分)、討論(10分)、測(cè)試(5分)，以重視對(duì)學(xué)生學(xué)習(xí)態(tài)度的評(píng)價(jià)。

3)設(shè)置課程積分，課程積分由分組任務(wù)、課堂測(cè)驗(yàn)、問(wèn)卷調(diào)查及搶答4個(gè)模塊組成。分組任務(wù)即教師布置任務(wù)，學(xué)生自愿分組合作完成，以培養(yǎng)學(xué)生分工協(xié)作能力，教師根據(jù)每組任務(wù)完成情況打分。課堂測(cè)驗(yàn)即教師在課堂上發(fā)布小測(cè)驗(yàn)，根據(jù)測(cè)驗(yàn)的實(shí)際情況打分。問(wèn)卷調(diào)查即調(diào)查學(xué)生關(guān)于課程學(xué)習(xí)相關(guān)困難、感受等問(wèn)題，參與調(diào)查的學(xué)生可以獲得相應(yīng)積分。搶答即教師在平臺(tái)發(fā)起問(wèn)題，學(xué)生在規(guī)定時(shí)間搶答，搶答名次靠前且作答正確的學(xué)生才能獲得相應(yīng)的積分。

2018—2019學(xué)年“數(shù)據(jù)結(jié)構(gòu)”課程結(jié)束后，統(tǒng)計(jì)卷面成績(jī)，結(jié)合網(wǎng)絡(luò)教學(xué)平臺(tái)下的課程學(xué)習(xí)數(shù)據(jù)，得出新一輪的聚類結(jié)果，見表3。

2018—2019學(xué)年聚類結(jié)果與2017—2018學(xué)年對(duì)比可知，實(shí)施新的教學(xué)方案后，第一類學(xué)生占比增加，且卷面分值有所上升，說(shuō)明這類學(xué)生通過(guò)“數(shù)據(jù)結(jié)構(gòu)”慕課的學(xué)習(xí)以及線下實(shí)際課堂的學(xué)習(xí)，取得了優(yōu)異的卷面成績(jī)。2018—2019學(xué)年，第二類學(xué)生占比較大，后三類學(xué)生占比很少，說(shuō)明多數(shù)學(xué)生成績(jī)是較好的，新教學(xué)方案使得更多學(xué)生參與到學(xué)習(xí)中，解決了學(xué)生視頻觀看不足、訪問(wèn)少、討論少等常見問(wèn)題，提高了學(xué)習(xí)成績(jī)。

表3 2018—2019學(xué)年最終聚類中心表

4 結(jié)語(yǔ)

“互聯(lián)網(wǎng)+教育”的深化發(fā)展，使得網(wǎng)絡(luò)教學(xué)平臺(tái)愈發(fā)彰顯活力，為學(xué)生提供了豐富的學(xué)習(xí)資源與自由的學(xué)習(xí)空間。與此同時(shí)，網(wǎng)絡(luò)教學(xué)平臺(tái)產(chǎn)生的學(xué)習(xí)數(shù)據(jù)與日俱增。文章應(yīng)用聚類分析方法對(duì)網(wǎng)絡(luò)教學(xué)平臺(tái)的學(xué)習(xí)數(shù)據(jù)進(jìn)行分析，歸納出5類學(xué)生學(xué)習(xí)風(fēng)格，完成了對(duì)學(xué)生學(xué)習(xí)風(fēng)格的初步探索。后期將進(jìn)一步利用學(xué)習(xí)數(shù)據(jù)刻畫更為詳細(xì)的學(xué)習(xí)畫像，讓網(wǎng)絡(luò)教學(xué)平臺(tái)產(chǎn)生的數(shù)據(jù)為教師改進(jìn)教學(xué)方案等提供更多的參考。