大數(shù)據視野下學習預警的應用

■常 瑩 李 博/蘭州城市學院

進入2020年，我國的教育方向大數(shù)據挖掘、AI、數(shù)據分析等方面的發(fā)展，在技術方面為學習體驗的優(yōu)化提供了支持，物聯(lián)網、數(shù)據采集、圖像識別等技術的成熟，讓數(shù)據采集體量及質量更為龐大。隨著數(shù)據挖掘和數(shù)據分析技術的進步，這些技術也應當開始在學習預警相關研究中進行應用了，即在對學習過程中所產生的的數(shù)據動作進行采集和分析后，可以更好地發(fā)現(xiàn)問題，提升學習效果。

一、學習預警研究現(xiàn)狀

學生的數(shù)量在進入知識社會階段后劇增，這也導致管理學生、完成教學目標的壓力比以前更大，因此不同的學習模式以及管理方式也更多地被進行嘗試。在教學成本增加、競爭日益激烈的教育環(huán)境下，學習預警的重要性凸顯出來。根據早期研究，隨著學生數(shù)量的增長，很多教師無法及時跟進學生的學習成績，對于逃課、未完成作業(yè)等行為，也無法及時發(fā)現(xiàn)和干預，而通過對學習預警的預測數(shù)據進行分析，可以識別出有以上行為的高危學生，繼而對其進行教學干預。在整個教育過程中，基于大數(shù)據視野下的學習預警能夠提供的東西越來越多，對于學生的正面影響也越來越明顯。從國內數(shù)據來看，我國的學習預警相關研究從十年前開始增多，其中大多為理論性研究，目的是為了解決隨著高校擴招、學分制出現(xiàn)所帶來的實際問題。因此我們可以看出，學習預警是一個長期、連續(xù)的教學管理方式。

二、學習預警機制設計

學生學習過程中主要涉及到所學知識、學習行為、學習情緒，其中所學知識的掌握情況主要根據學生的答題測試、課堂觀察來判斷知識掌握程度；學習行為的掌握程度則包括學生的上課頻率、與老師的互動頻率以及課后的自主學習情況；學習情緒相對抽象，我們可以大略理解為在學習過程中所產生的的情緒感覺，如學習效果不好所產生的的挫敗感、取得好成績后的激動情緒等等。從這三方面進行基于大數(shù)據的學習預警，對于問題的發(fā)現(xiàn)和解決具有積極作用。

(一)學習知識預警機制設計

學習知識主要考慮到學生對知識的接收掌握程度，如通過試題和知識點等大測試數(shù)據來檢測學生的知識庫，通過大數(shù)據以及相關內容的可視化技術來評估學習者的知識掌握程度，在此基礎上完成預警呈現(xiàn)。其主要步驟分為三大點，分別是診斷、預測、預警。

診斷模塊主要目的是為了判斷學習者對于知識掌握的程度，具體措施包括：將試題以及相關知識點進行矩陣關聯(lián)，描述每一道題的每一個相關知識點明細，在學生學習過程中進行相關測試并采集所有數(shù)據，以此構成案例庫進行下一步的預測；結合題庫以及知識點相關數(shù)據構建診斷模型，通過單一學生的測試數(shù)據判斷其知識掌握程度；記錄下知識掌握程度判斷結果、學生對自己的認知測試數(shù)據、題庫數(shù)據分析等情況，判斷在學習知識過程中所存在的問題。

預測模塊主要是將診斷模塊中的“知識掌握情況”進行收集記錄，具體包括習題庫、案例庫、知識結構數(shù)據挖掘機分析，將這一批的診斷結果與新一批學習者的診斷結果進行比對，根據這前一批次的大數(shù)據分析來預測新一批學習者是否需要進行學習預警。結果可以分為2個方面，知識掌握程度差的學生會收到預警信息，掌握程度好的學生會收到具體學習情況。

預警模塊，主要是對知識掌握程度差的學生進行精準推送，與此同時也要將這一結果推送給教師和管理者，一邊三方都達到知情程度，并及時就那些干預。預警信息推送后，需要有針對性地提出個性化建議，可以系統(tǒng)進行自適應干預，通過大數(shù)據分析，整理出個性化資源推送給相關學生，情況較為嚴重時可以有教師和管理者進行人工干預，依據實際情況和教學管理經驗給學生提出。

(二)學習行為預警機制設計

學習行為是指學生在學習過程中所產生的的行為，往往能表達出學生的態(tài)度以及學習情況，在很大程度上會影響學習效果，從這一方面進行數(shù)據收集和分析，可以提前告知學生其存在的問題并敦促其改正。同樣是分為診斷、預測、預警三大步驟。如將學生在學習環(huán)境下所表現(xiàn)出的相關行為模式進行收集分析，如課前預習、課中與師生的互動、課后強化練習等行為根據時間和頻次進行數(shù)據收集和分析，通常來講學生的學習行為主要分為顯性和隱形行為，顯性行為主要是操作、交互、解決問題，隱形行為主要是分享觀點、深化對問題的認知、構建新的觀點，相對而言，隱性行為對于學生的心理認知過程強調得更多，但由于隱形行為的判斷難度較大、準確度較低，因此大部分學習行為數(shù)據都是顯性行為。

更進一步來分析，學習行為參與可以大致分為行為參與、認知參與以及情感參與，這其中行為參與是最為基礎的，其頻次和時長是判斷參與情況的主要標準之一；認知參與更多地指向智慧和思想的參與，這也是深度學習的本質所在；情感參與是學生在教學活動中潛在影響最大的因素，在心理上對學習活動進行參與和拓展。

通過將學生的學習行為數(shù)據進行采集和分類，將不同層次的學習行為進行不同角度的區(qū)分，以產生全方位、多層次的預警效果。在大數(shù)據視野下，不同類別、層次的學習行為都需要進行分析，從而判斷某學生的某種行為是否需要進行預警。如果需要預警，則進行信息推送，推送對象分別為教師、管理者、系統(tǒng)以及學生本人。下一步便是根據學生的預警情況進行個性化建議，系統(tǒng)在基于大數(shù)據的分析下給學生推薦適宜的資源。

(三)學習情緒預警機制設計

不同的情緒對于學生的學習效果會產生不同程度的影響，教師和學生之間的交流不一定是面對面，也包括圖片、視頻等媒介的交流，因此學生在學習過程中容易產生情感缺失的現(xiàn)象。從學習情緒的角度設置學習預警機制，就可以提前將學生要面對的情緒問題傳達出來并及時解決?；诖髷?shù)據的情緒統(tǒng)計，一般是視頻監(jiān)控、情感識別、可穿戴設備以及調查對象的網絡發(fā)表記錄的匯總分析，以此來判斷學生的情緒是否需要進行干預。目前學習情緒預警可大致分為主觀和客觀兩類，主觀預警指的是學生的自我測評，客觀預警指的是生理測量和行為測量等方式，多種方法采集到的多種數(shù)據，呈現(xiàn)出不同的預警形式，最終反饋出不同的建議。

三、結語

為了提升學習效果，呈現(xiàn)出高質量的學習，在大數(shù)據時代進行學習預警的探究意義重大。在知識、行為以及情緒三個方面設計的學習預警機制，可以對學生進行全面的預警，從數(shù)據收集和分析過程中，可以看到實用性和方便操作等優(yōu)點，詳細的數(shù)據收集方法、分析方法以及預警算法，都為學習預警的實際應用做出了詳細的設計和完善，在實際學習中對學生的學習成果管理以及現(xiàn)實情況提供大數(shù)據支持，同時在教師和管理者的工作質量提升方面也做出了應有的貢獻。但是不得不承認，在大數(shù)據采集過程中，仍然存在樣本量不足的現(xiàn)象，這有可能導致數(shù)據遺漏，但隨著科技的進步，數(shù)據采集與數(shù)據分析工具會越來越便利，對此我們需要在保持樂觀心態(tài)的同時，也要不斷進行調試和數(shù)據挖掘，為學習預警機制的完善和使用做好準備。