基于數(shù)據(jù)挖掘?qū)W習(xí)分析的高校計算機(jī)教學(xué)實(shí)證研究模型分析

孫伯翰

摘 ?要： 為了提高現(xiàn)代高校校園信息化水平，充分使用學(xué)生在校行為數(shù)據(jù)創(chuàng)建智慧校園、數(shù)字校園，設(shè)計基于數(shù)據(jù)挖掘?qū)W習(xí)分析的計算機(jī)教學(xué)研究模型。通過網(wǎng)絡(luò)平臺收集某高校學(xué)生和教師教學(xué)大數(shù)據(jù)，使數(shù)據(jù)以深度學(xué)習(xí)過程意向模型實(shí)現(xiàn)分類，使用具備學(xué)習(xí)分析的定量研究方法實(shí)現(xiàn)網(wǎng)絡(luò)化學(xué)習(xí)中教師在線備課、在線指導(dǎo)、學(xué)生自主學(xué)習(xí)、學(xué)習(xí)反饋與師生交互行為實(shí)現(xiàn)量化，對行為和深度學(xué)習(xí)過程中的意向模型進(jìn)行相關(guān)性分析。通過研究表明，此行為存在較大管理難度，但能夠為教師今后開發(fā)網(wǎng)絡(luò)教學(xué)資源、學(xué)生學(xué)習(xí)評估提供參考。

關(guān)鍵詞： 數(shù)據(jù)挖掘; 計算機(jī)教學(xué); 實(shí)證研究; 學(xué)習(xí)分析; 學(xué)習(xí)評估; 網(wǎng)絡(luò)教學(xué)資源開發(fā)

中圖分類號： TN98?34 ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）19?0127?05

Abstract： In order to improve the level of campus informatization in modern colleges and universities， and make full use of students′ behavior data to create intelligent campus and digital campus， a computer teaching research model based on data mining learning analysis is designed. The big data of students and teachers′ teaching of a university is collected by means of the network platform. The data is classified according to the intent model of deep learning process. The quantitative research method with learning analysis is used to realize the quantification of teachers′ online lesson preparation， online guidance， and students′ autonomous learning， learning feedback， as well as teacher?student interaction in online learning. The relevance analysis of behavior and deep learning process intention model is conducted. The research results show that the method can provide a reference for teachers to develop network teaching resources and realize learning assessment of students.

Keywords： data mining; computer teaching; empirical research; learning analysis; learning assessment; network teaching resource development

0 ?引 ?言

學(xué)習(xí)分析指利用學(xué)習(xí)人員自身數(shù)據(jù)和學(xué)習(xí)過程中的數(shù)據(jù)研究與分析，有效激發(fā)學(xué)生的學(xué)習(xí)興趣，使學(xué)生學(xué)習(xí)效率得到提高，使學(xué)習(xí)人員學(xué)習(xí)環(huán)境得到改善。目前美國在此領(lǐng)域的研究處于領(lǐng)先地位，早在2004年相關(guān)研究人員就使用聚類算法對在線課程用戶行為進(jìn)行了研究，尋找學(xué)習(xí)行為相近的學(xué)習(xí)人員。我國在在線學(xué)習(xí)評價和預(yù)測研究方面表現(xiàn)為對在線學(xué)習(xí)數(shù)據(jù)進(jìn)行監(jiān)控、分析和收集，教育部2016年在教育信息化“十三五”規(guī)劃過程中提出了創(chuàng)建人人學(xué)、處處能學(xué)的學(xué)習(xí)型社會指導(dǎo)思想，并且對于職業(yè)教育信息化也提出了一定的要求，大部分高校開始創(chuàng)建了自身數(shù)字化教學(xué)資源與網(wǎng)絡(luò)教學(xué)平臺，教學(xué)方式也轉(zhuǎn)變成為網(wǎng)絡(luò)教學(xué)。為了使學(xué)生在網(wǎng)絡(luò)學(xué)習(xí)過程中充分使用碎片化時間，隨時隨地進(jìn)行學(xué)習(xí)，使網(wǎng)絡(luò)教學(xué)效果得到提高，就要深入分析高職生網(wǎng)絡(luò)學(xué)習(xí)行為。數(shù)據(jù)挖掘技術(shù)能夠通過大量數(shù)據(jù)尋找有價值、潛在信息[1]。因此，本研究在教學(xué)過程中使用數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)學(xué)習(xí)行為分析。

1 ?學(xué)習(xí)分析概念和模型

美國高等教育信息化協(xié)會定義學(xué)習(xí)分析為：利用數(shù)據(jù)與模型對學(xué)生收獲與行為具備信息處理能力的預(yù)測。2011年所創(chuàng)辦的首屆學(xué)習(xí)分析和知識國際會議表示學(xué)習(xí)分析為：相關(guān)學(xué)生和學(xué)習(xí)情景數(shù)據(jù)的測量、分析和收集，從而全面掌握優(yōu)化學(xué)習(xí)與學(xué)習(xí)情境。

學(xué)習(xí)分析模型從底到上分別為數(shù)據(jù)層、機(jī)制層和結(jié)果層。數(shù)據(jù)層的主要作用是實(shí)現(xiàn)對學(xué)生產(chǎn)生和發(fā)布數(shù)據(jù)的收集，從而構(gòu)成行為特征庫。機(jī)制層的主要目的是實(shí)現(xiàn)行為特征庫中因素關(guān)聯(lián)和內(nèi)涵的分析，并且提供預(yù)測與機(jī)制反饋。結(jié)果層能夠使分析結(jié)果呈現(xiàn)給學(xué)生、家長、教師與教學(xué)管理人員，三個層級持續(xù)地循環(huán)迭代[2]。

圖1為學(xué)習(xí)分析過程模型。

2 ?學(xué)生投入模型分析

大學(xué)影響力模型以輸入?過程?輸出作為建構(gòu)方式，對大學(xué)生在校過程中的學(xué)習(xí)與發(fā)展情況進(jìn)行刻畫。相關(guān)研究人員所設(shè)計的發(fā)展評估模型重視學(xué)生個人層次與院校層次對于學(xué)生經(jīng)歷、投入與知識技能發(fā)展的影響，以此為學(xué)生行為分析提供良好的理論基礎(chǔ)與概念框架。學(xué)生投入模型框架如圖2所示。

3 ?教學(xué)實(shí)證研究模型

教學(xué)實(shí)證研究模型的功能模塊主要包括學(xué)生畫像、行為監(jiān)測、動態(tài)監(jiān)測。學(xué)生畫像模塊從學(xué)生生活、學(xué)習(xí)的行為和心理動態(tài)方面對學(xué)生畫像進(jìn)行刻畫。動態(tài)監(jiān)測模塊主要包括學(xué)生成長軌跡和一卡通消費(fèi)監(jiān)測兩個子模塊[3]，教學(xué)實(shí)證分析系統(tǒng)的功能模塊如圖3所示。

3.1 ?數(shù)據(jù)的獲得和處理

本文選擇某高校計算機(jī)教學(xué)平臺，此網(wǎng)絡(luò)平臺被廣泛應(yīng)用到各高校中，教師能夠利用平臺實(shí)現(xiàn)教學(xué)資源發(fā)布，并且發(fā)布知識結(jié)構(gòu)，實(shí)現(xiàn)各種教學(xué)活動的創(chuàng)建，如作業(yè)、測試、答疑討論、知識庫創(chuàng)建與問卷等。課下學(xué)生能夠?qū)W習(xí)平臺中的知識，并且提交作業(yè)，學(xué)生之間也能夠進(jìn)行課堂討論，鞏固課堂中的教學(xué)內(nèi)容，使學(xué)生學(xué)習(xí)效率與學(xué)習(xí)效果得到提高。通過平臺得到班級、學(xué)號、姓名、年級等指標(biāo)，在分析過程中表示對于結(jié)果并沒有影響，并且最終加入到學(xué)習(xí)成績指標(biāo)中，最終保留八種指標(biāo)。

1） 登錄課程次數(shù)。學(xué)生登錄到網(wǎng)絡(luò)學(xué)習(xí)平臺中學(xué)習(xí)課程的次數(shù)。

2） 發(fā)帖次數(shù)。發(fā)表話題的次數(shù)，討論區(qū)的回文次數(shù)和課程討論區(qū)被回文的次數(shù)。

3） 學(xué)習(xí)筆記。在課堂學(xué)習(xí)中，學(xué)生記錄的學(xué)習(xí)內(nèi)容，并且通過平臺存儲的次數(shù)。

4） 閱讀課堂教材的次數(shù)。學(xué)生進(jìn)入到課程閱讀教學(xué)內(nèi)容的數(shù)量。

5） 閱讀試題庫次數(shù)。學(xué)生對課程試題庫閱讀的次數(shù)。

6） 提交作業(yè)。課程作業(yè)完成之后且成功提交作業(yè)的次數(shù)。

7） 學(xué)習(xí)成績。學(xué)生的最終考試成績。

8） 在線時長。學(xué)生在網(wǎng)絡(luò)學(xué)習(xí)平臺中實(shí)現(xiàn)課程學(xué)習(xí)的總時長。

統(tǒng)一錄入學(xué)生基本信息到平臺中，使一卡通數(shù)據(jù)與大學(xué)生成長發(fā)展數(shù)字化平臺數(shù)據(jù)相互融合，研究學(xué)生的心理活動，提前了解學(xué)生是否社交困難，對學(xué)生圖書館通道數(shù)據(jù)、借閱數(shù)據(jù)、學(xué)習(xí)成績的關(guān)系進(jìn)行挖掘，分析學(xué)生學(xué)習(xí)活動。根據(jù)學(xué)生回訪信息、在校信息和檔案信息，利用時間維度與成長維度實(shí)現(xiàn)分析[4]，得到學(xué)生的成長軌跡如圖4所示。

3.2 ?學(xué)生行為監(jiān)測模塊

動態(tài)監(jiān)測模塊主要包括學(xué)習(xí)行為、生活行為與心理動態(tài)，圖5為學(xué)生在線信息閉環(huán)，劃分具備相同生活特征的群體，對此群體特征實(shí)現(xiàn)管理與改善。

1） 早上不吃飯人群能夠以出門刷卡時間分析表示，起床比較晚導(dǎo)致不吃飯或者因為個人原因不吃早飯，假如是因為起床比較晚不吃早飯，能夠以此部分人群早起的時間對食堂早飯開放時間進(jìn)行更改。

2） 對節(jié)假日前往圖書館學(xué)習(xí)人群進(jìn)行劃分，分析基數(shù)大小，實(shí)現(xiàn)圖書館開放時間的更改。

3） 根據(jù)夜間歸宿人群利用門禁卡中顯示的時間，對校門開閉進(jìn)行調(diào)整。

對學(xué)生在線閉環(huán)中的某環(huán)節(jié)實(shí)現(xiàn)專題分析，如消費(fèi)金額、作息時間、自習(xí)時間等，使學(xué)校管理能力和資源使用率得到提高。

1） 以學(xué)生一卡通消費(fèi)數(shù)據(jù)對貧困生在校消費(fèi)情況進(jìn)行監(jiān)控，使學(xué)生處對學(xué)生信息精準(zhǔn)性進(jìn)行核實(shí)。

2） 對比學(xué)生作息時間和考試系統(tǒng)成績，得到結(jié)論之后提交給教師及輔導(dǎo)員進(jìn)行分析，從而使學(xué)生在線教學(xué)質(zhì)量得到提高。

3） 以學(xué)生澡堂洗澡時間、自習(xí)時間作為基礎(chǔ)實(shí)現(xiàn)統(tǒng)計分析，對學(xué)校自習(xí)室與澡堂開放時間進(jìn)行調(diào)整，以此實(shí)現(xiàn)學(xué)校水電資源的有效節(jié)約，使學(xué)校資源使用率得到提高[5]。

實(shí)現(xiàn)異常數(shù)據(jù)的動態(tài)監(jiān)控，使管理得到加強(qiáng)。

1） 某課程學(xué)生的成績比較低，通過生活習(xí)慣方面得到此課程選修學(xué)生數(shù)據(jù)特征，對問題原因進(jìn)行總結(jié)，從而使學(xué)生學(xué)習(xí)效率得到提高。

2） 少數(shù)民族學(xué)生在學(xué)校的消費(fèi)數(shù)據(jù)并不高，對食堂管理人員提供數(shù)據(jù)，實(shí)現(xiàn)飯菜口味的改善。

圖6為學(xué)生行為測點(diǎn)圖。

層次算法主要包括學(xué)習(xí)行為、心理動態(tài)和生活行為三部分，針對不同主題庫內(nèi)容，將學(xué)生信息作為輸入端，成績信息作為輸出端，利用層析成像法梳理測點(diǎn)關(guān)聯(lián)關(guān)系。

3.3 ?學(xué)生行為預(yù)警模塊

系統(tǒng)實(shí)現(xiàn)學(xué)生行為數(shù)據(jù)的線性回歸分析，對學(xué)生行為通過脫離正常軌跡的量變到質(zhì)變實(shí)現(xiàn)預(yù)警，在學(xué)生出現(xiàn)異常行為之前進(jìn)行防范。

異常學(xué)生行為是教育過程中的重點(diǎn)和難點(diǎn)，本文主要通過數(shù)據(jù)挖掘?qū)崿F(xiàn)學(xué)生行為數(shù)據(jù)異常預(yù)警，并且和輔導(dǎo)員教工系統(tǒng)接口對接，使學(xué)生異常的情況及時反饋至輔導(dǎo)員，保證學(xué)生在校行為安全[6]。圖7為學(xué)生行為預(yù)警模塊。

3.4 ?學(xué)生畫像模塊

以學(xué)生在校生活行為、心理行為與學(xué)習(xí)行為實(shí)現(xiàn)學(xué)生畫像的刻畫，利用學(xué)生畫像選擇典型行為案例。例如，選擇畢業(yè)生中成績和就業(yè)良好的學(xué)生，尋找大學(xué)期間的學(xué)習(xí)、生活規(guī)律，實(shí)現(xiàn)“優(yōu)秀學(xué)生畫像”的刻畫，將其作為模板宣傳，提高學(xué)生的整體成績。

通過表2可以看出，閱讀課程教學(xué)材料數(shù)量為6～14之間有80%以上的概率正常完成作業(yè);經(jīng)常發(fā)表學(xué)習(xí)日志對于進(jìn)入課程次數(shù)影響為84.8%。表示假如教師在實(shí)現(xiàn)網(wǎng)絡(luò)授課過程中，有目的地多布置作業(yè)，并且使學(xué)生發(fā)表自身學(xué)習(xí)經(jīng)驗，對學(xué)習(xí)進(jìn)行總結(jié)，能夠使學(xué)生進(jìn)入到在線課程頻率和課程教學(xué)材料的次數(shù)進(jìn)行學(xué)習(xí)，使學(xué)生能夠具備在線自主學(xué)習(xí)習(xí)慣，使學(xué)生學(xué)習(xí)效率與成果得到提高[8]。圖10為學(xué)生行為監(jiān)測功能。

5 ?結(jié) ?語

通過數(shù)據(jù)挖掘方法對高校學(xué)習(xí)分析進(jìn)行研究，能夠?qū)崿F(xiàn)學(xué)習(xí)數(shù)據(jù)潛在內(nèi)涵的挖掘，從而使沒有意義的數(shù)據(jù)轉(zhuǎn)變成為具備價值的教學(xué)信息，使學(xué)習(xí)過程得到優(yōu)化，以此提高教學(xué)效果。利用教學(xué)過程中的數(shù)據(jù)對學(xué)生在學(xué)習(xí)過程中的危機(jī)進(jìn)行預(yù)測，及時發(fā)送預(yù)警信號，并且提供針對性、干預(yù)性對策，提高學(xué)習(xí)動機(jī)，實(shí)現(xiàn)學(xué)習(xí)毅力的培養(yǎng)，使學(xué)習(xí)質(zhì)量得到提高。將數(shù)據(jù)挖掘作為基礎(chǔ)的學(xué)習(xí)分析，通過大數(shù)據(jù)收集、分析和清洗的方法，研究數(shù)據(jù)分析中學(xué)生學(xué)習(xí)偏好、態(tài)度，預(yù)測學(xué)習(xí)過程中的問題?；诖藬?shù)據(jù)，實(shí)現(xiàn)課程精準(zhǔn)教學(xué)支持，實(shí)現(xiàn)學(xué)習(xí)任務(wù)及教學(xué)決策的優(yōu)化。

參考文獻(xiàn)

[1] 隋永博，曹旭.基于數(shù)據(jù)挖掘的學(xué)習(xí)分析在教學(xué)中的應(yīng)用初探：以高校計算機(jī)課程為例[J].長春中醫(yī)藥大學(xué)學(xué)報，2018，34（5）：988?991.

SUI Yongbo， CAO Xu. Application of learning analysis based on data mining in teaching—taking college computer courses as an example [J]. Journal of Changchun University of Chinese Medicine， 2018， 34（5）： 988?991.

[2] 陳平，王利鋼.基于數(shù)據(jù)挖掘聯(lián)合模型的高職學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為分析[J].牡丹江大學(xué)學(xué)報，2018，27（5）：124?127.

CHEN Ping， WANG Ligang. Analysis of higher vocational college students′ network learning behavior based on data mining joint model [J]. Journal of Mudanjiang University， 2018， 27 （5）： 124?127.

[3] 顏磊，祁冰.基于學(xué)習(xí)分析的大學(xué)生深度學(xué)習(xí)數(shù)據(jù)挖掘與分析[J].現(xiàn)代教育技術(shù)，2017，27（12）：18?24.

YAN Lei， QI Bing. Data mining and analysis of university students′ deep learning based on learning analysis [J]. Modern education technology， 2017， 27（12）： 18?24.

[4] 劉哲，趙志剛.數(shù)據(jù)挖掘技術(shù)在大學(xué)生就業(yè)分析中的實(shí)證研究[J].沈陽師范大學(xué)學(xué)報（自然科學(xué)版），2016，34（1）：105?108.

LIU Zhe， ZHAO Zhigang. Analysis and calculation of high school graduate student based on data mining [J]. Journal of Shenyang Normal University （Natural science edition）， 2016， 34（1）： 105?108.

[5] 顏磊，祁冰.基于Android平臺的移動學(xué)習(xí)系統(tǒng)大數(shù)據(jù)挖掘技術(shù)研究[J].現(xiàn)代電子技術(shù)，2017，40（19）：142?144.

YAN Lei， QI Bing. Research on big data mining technology of mobile learning system based on Android platform [J]. Modern electronics technique， 2017， 40（19）： 142?144.

[6] 劉秀菊.基于數(shù)據(jù)挖掘的大學(xué)生網(wǎng)絡(luò)學(xué)習(xí)群體行為分析與建模[J].信息與電腦（理論版），2018（11）：157?159.

LIU Xiuju. Analysis and modeling of university students′ online learning group behavior based on data mining [J]. China computer & communication（Theoretical edition）， 2018（11）： 157?159.

[7] 舒忠梅，徐曉東，屈瓊斐.基于數(shù)據(jù)挖掘的學(xué)生投入模型與學(xué)習(xí)分析[J].遠(yuǎn)程教育雜志，2015，15（1）：39?47.

SHU Zhongmei， XU Xiaodong， QU Qiongfei. Student engagement modeling and learning analytics based on data mining [J]. Journal of distance education， 2015， 15（1）： 39?47.

[8] 鐘若武，王惠平.基于數(shù)據(jù)挖掘的高校云計算管理系統(tǒng)中特定數(shù)據(jù)查詢技術(shù)[J].現(xiàn)代電子技術(shù)，2018，41（2）：130?132.

ZHONG Ruowu， WANG Huiping. Data mining based specific data query technology for cloud computing management system in university [J]. Modern electronics technique， 2018， 41（2）： 130?132.