學(xué)習(xí)行為大數(shù)據(jù)可視化的網(wǎng)絡(luò)數(shù)據(jù)庫學(xué)習(xí)仿真

蒙 芳，翟建麗

(廣東工業(yè)大學(xué)華立學(xué)院，廣東 廣州 511325)

1 引言

因網(wǎng)絡(luò)教育資源[1]的高及時(shí)性和高豐富性特點(diǎn)，近年來教育越發(fā)朝著網(wǎng)絡(luò)化發(fā)展。在該過程中，互聯(lián)網(wǎng)和智能手機(jī)的發(fā)展導(dǎo)致學(xué)習(xí)行為發(fā)生了巨大變化，人們越來越享受與時(shí)代發(fā)展相適應(yīng)的數(shù)字化學(xué)習(xí)方式，學(xué)習(xí)形式由單一的書面文字轉(zhuǎn)變?yōu)槎喔泄賲⑴c轉(zhuǎn)移，文化知識(shí)由線性轉(zhuǎn)變?yōu)榉蔷€性，學(xué)習(xí)地點(diǎn)由課堂轉(zhuǎn)變?yōu)榫W(wǎng)絡(luò)的數(shù)字化教學(xué)模式。目前可視化網(wǎng)絡(luò)數(shù)據(jù)庫學(xué)習(xí)滿足了這一需求，利用網(wǎng)絡(luò)數(shù)據(jù)庫充分歸納分析學(xué)習(xí)行為，提高學(xué)習(xí)能力。如何建立更加高效的可視化網(wǎng)絡(luò)數(shù)據(jù)庫對學(xué)習(xí)行為的有效開展有著重要意義。

孟小峰[2]等人針對數(shù)據(jù)庫所需更快的處理速度及調(diào)整最佳運(yùn)行狀態(tài)兩個(gè)問題，提出了機(jī)械學(xué)習(xí)化數(shù)據(jù)庫系統(tǒng)研究綜述。首先，將現(xiàn)代加速器及眾多調(diào)節(jié)參數(shù)引入數(shù)據(jù)庫系統(tǒng)設(shè)計(jì)中，充分利用現(xiàn)代硬件加速平臺(tái)，并將DBA的經(jīng)驗(yàn)轉(zhuǎn)變?yōu)轭A(yù)測模型，使得數(shù)據(jù)庫系統(tǒng)更加智能化，能夠適應(yīng)工作內(nèi)容的快速多變性；其次，歸納總結(jié)當(dāng)前數(shù)據(jù)庫系統(tǒng)，在已有技術(shù)分析的基礎(chǔ)上，優(yōu)化存儲(chǔ)空間、查詢及自動(dòng)化管理系統(tǒng)；最后，經(jīng)仿真分析，驗(yàn)證了所提研究方法的可應(yīng)用價(jià)值。彭子涵[3]等人針對“互聯(lián)網(wǎng)”教育背景下，如何提供完備和系統(tǒng)的學(xué)習(xí)支持服務(wù)，對基于混合模式的小組協(xié)作學(xué)習(xí)行為影響因素進(jìn)行研究。首先，基于社會(huì)認(rèn)知理論和群體動(dòng)力學(xué)理論，構(gòu)建基于混合學(xué)習(xí)模式小組協(xié)作學(xué)習(xí)影響因素模型，提出研究假設(shè)并采用問卷調(diào)查方式分析個(gè)體協(xié)作學(xué)習(xí)行為有正面影響的顯著特征。其次，利用結(jié)構(gòu)方程模型和SSPS軟件對收集得到的數(shù)據(jù)進(jìn)行分析檢驗(yàn)。最后，經(jīng)仿真結(jié)果表明：該方法得到的學(xué)習(xí)行為影響因素可促進(jìn)校本資源的持續(xù)性建設(shè)。張懷南[4]針對如何讓學(xué)生更好地利用資源庫，提出了高職院校校本SPOC課程資源建設(shè)探索。首先，基于三元交互決定論及技術(shù)接受模型，構(gòu)建了包含學(xué)習(xí)環(huán)境感知、學(xué)習(xí)動(dòng)機(jī)和學(xué)習(xí)行為在內(nèi)的資源庫學(xué)生學(xué)習(xí)情況假設(shè)模型。其次，運(yùn)用混合研究方法對8所高職院校的學(xué)生資源庫學(xué)習(xí)行為及影響因素進(jìn)行分析，得到學(xué)習(xí)動(dòng)機(jī)是資源庫影響學(xué)生學(xué)習(xí)行為的主要因素。最后，經(jīng)仿真分析表明，所提方法對于促進(jìn)資源庫想精細(xì)化和優(yōu)質(zhì)化發(fā)展、提升教育信息化服務(wù)質(zhì)量具有一定借鑒意義。

由于上述所提方法學(xué)習(xí)效率提升幅度小，且過程復(fù)雜，為解決上述問題，提出學(xué)習(xí)行為大數(shù)據(jù)可視化的網(wǎng)絡(luò)數(shù)據(jù)庫學(xué)習(xí)，其主要內(nèi)容為：

1)采用了對數(shù)回歸擴(kuò)展方式對學(xué)習(xí)者學(xué)習(xí)行為能力的答對率和錯(cuò)誤率進(jìn)行解算，并在其中加入解算算子，提升計(jì)算精度，降低分析差值；

2)通過對學(xué)習(xí)行為進(jìn)行可視化分析，使數(shù)據(jù)進(jìn)行直觀展示，明晰學(xué)習(xí)路徑，避免獲取數(shù)據(jù)過程中，產(chǎn)生錯(cuò)誤數(shù)據(jù)；

3)構(gòu)建可視化網(wǎng)絡(luò)數(shù)據(jù)庫學(xué)習(xí)模型，完成網(wǎng)絡(luò)數(shù)據(jù)庫學(xué)習(xí)。

通過仿真表明所提方法在學(xué)習(xí)成績、學(xué)習(xí)效果、學(xué)習(xí)評價(jià)方面均優(yōu)于其它方法，可有效提升學(xué)習(xí)效果。

2 學(xué)習(xí)行為大數(shù)據(jù)可視化

2.1 學(xué)習(xí)行為分析

學(xué)習(xí)行為、自主學(xué)習(xí)行為和遠(yuǎn)程學(xué)習(xí)[5]行為含義相近，可視化網(wǎng)絡(luò)數(shù)據(jù)庫學(xué)習(xí)主要利用網(wǎng)絡(luò)平臺(tái)中的信息資源、交流工具等，以時(shí)空分離與媒體課件為主要學(xué)習(xí)方式，體現(xiàn)學(xué)習(xí)者對自身的導(dǎo)向、激勵(lì)、監(jiān)督等行為。迄今為止，未對學(xué)習(xí)行為網(wǎng)絡(luò)數(shù)據(jù)庫進(jìn)行明確定義，但由于網(wǎng)絡(luò)行為呈現(xiàn)的特點(diǎn)較為顯著，學(xué)習(xí)路徑為非線性過程為主動(dòng)學(xué)習(xí)。在互聯(lián)網(wǎng)環(huán)境下，學(xué)習(xí)者可根據(jù)學(xué)習(xí)目的及學(xué)習(xí)方式選擇學(xué)習(xí)環(huán)節(jié)和學(xué)習(xí)資源，與傳統(tǒng)學(xué)習(xí)方式最大的區(qū)別在于，從傳統(tǒng)的指導(dǎo)者、環(huán)境及資源轉(zhuǎn)變?yōu)橐跃W(wǎng)絡(luò)為媒介的交互學(xué)習(xí)環(huán)境，學(xué)習(xí)者的學(xué)習(xí)行為也從指導(dǎo)者主導(dǎo)轉(zhuǎn)變?yōu)樵谟?jì)算機(jī)環(huán)境下的自主控制。

2.2 學(xué)習(xí)行為可視化歸類

基于貝葉斯[6]理論的分類計(jì)算方法便于使用且錯(cuò)誤率低。將學(xué)習(xí)行為看成一組由條件屬性值構(gòu)成的特征向量，具體表現(xiàn)形式為X(X1，X2，…，C)，Xi代表?xiàng)l件屬性特征值，C為分類目標(biāo)屬性[7]。在大數(shù)據(jù)可視化網(wǎng)絡(luò)模型中，目標(biāo)屬性即最終學(xué)習(xí)方式。若樣本集合中包含N個(gè)屬性，A1，A2，…，An構(gòu)成了樣本特征向量，包含M個(gè)類別，為{C1，C2，…，Cm}。若X的特征向量為{X1，X2，…，Xn}，計(jì)算X的類別為P(Ci|X)，得到的最大結(jié)果為可視化網(wǎng)絡(luò)數(shù)據(jù)庫的主要學(xué)習(xí)行為，則：

P(Ci|X)=P(X|Ci)P(Ci)/P(X)

(1)

在上述式(1)的基礎(chǔ)上作出的獨(dú)立假設(shè)為：

(2)

在上述基礎(chǔ)上，可將學(xué)習(xí)按資源劃分成如下三個(gè)部分：

第一部分為課程資源集合。

第二部分為學(xué)習(xí)行為大數(shù)據(jù)可數(shù)化，其中包含學(xué)習(xí)資源點(diǎn)擊率、學(xué)習(xí)成果分?jǐn)?shù)、周圍評價(jià)等。

第三部分為確保大數(shù)據(jù)可視化程度，提升學(xué)習(xí)行為的可讀性。

3 構(gòu)建可視化網(wǎng)絡(luò)數(shù)據(jù)庫學(xué)習(xí)

3.1 學(xué)習(xí)行為可視化系數(shù)計(jì)算

學(xué)習(xí)者學(xué)習(xí)行為能力包括答對率和錯(cuò)誤率，每個(gè)行為的答對率和錯(cuò)誤率都不是相同的，一項(xiàng)技能需要越多的學(xué)習(xí)行為，則猜對率越少。

(3)

P(Gn)=P(Cn=true|Kn=flase)

(4)

式(3)和式(4)中，αj和δj為第j個(gè)子節(jié)點(diǎn)對正確率和錯(cuò)誤率的影響程度；β和γ為正確率和錯(cuò)誤率的偏差[10]量。

針對學(xué)習(xí)行為大數(shù)據(jù)可視化分析，假設(shè)一項(xiàng)學(xué)習(xí)技能中不包含任何知識(shí)點(diǎn)，那么學(xué)習(xí)者的正確率和錯(cuò)誤率均為0.5，將β和γ加入其中導(dǎo)致學(xué)習(xí)者學(xué)習(xí)行為能力有所不同，具有不同的正確率和錯(cuò)誤率。若將αj、δj、β和γ作為學(xué)習(xí)行為能力的反應(yīng)，則它們的數(shù)值不會(huì)隨著學(xué)習(xí)難度的變化發(fā)生改變。顯而易見，可視化網(wǎng)絡(luò)數(shù)據(jù)庫學(xué)習(xí)的構(gòu)建中，正確率和錯(cuò)誤率不是固定的條件函數(shù)，而是取決于學(xué)習(xí)行為系數(shù)。

學(xué)習(xí)行為大數(shù)據(jù)可視化擴(kuò)展了學(xué)習(xí)的正確率和錯(cuò)誤率，需考慮學(xué)習(xí)和遺忘概率兩個(gè)因素，以及當(dāng)學(xué)習(xí)難度存在差異時(shí)，學(xué)習(xí)難度對行為及正確率、錯(cuò)誤率的影響。例如“1+5”與“16×26+4”相比，前者正確率更高。在本文構(gòu)建的網(wǎng)絡(luò)數(shù)據(jù)庫中，將學(xué)習(xí)行為大數(shù)據(jù)可視化的學(xué)習(xí)和遺忘概率引入其中，將學(xué)習(xí)難度作為其特征向量。

使用P(T)表示學(xué)習(xí)概率，為學(xué)習(xí)者在第n個(gè)知識(shí)點(diǎn)中未掌握的部分，通過學(xué)習(xí)行為，已掌握n+1題的概率為

(5)

使用P(F)表示遺忘概率，為學(xué)習(xí)者第n個(gè)知識(shí)點(diǎn)中已掌握的部分，但由于遺忘，n+1題學(xué)習(xí)者未掌握的概率，即

(6)

上述式(3)和(4)中，αj和δj為第j個(gè)子節(jié)點(diǎn)對學(xué)習(xí)概率和遺忘概率的影響程度；β和γ為學(xué)習(xí)概率和遺忘概率的偏差量。與初始行為能力一樣，αj、δj、β和γ表示學(xué)習(xí)行為能力隨著難度的變化而發(fā)生改變。

針對得到的P(G)和P(S)可視化結(jié)果，將技能難度代入其中，學(xué)習(xí)行為能力不僅與對技能的掌握度有關(guān)，還與技能難度有關(guān)。因此，本文在學(xué)習(xí)行為大數(shù)據(jù)可視化的基礎(chǔ)上，構(gòu)建網(wǎng)絡(luò)數(shù)據(jù)庫學(xué)習(xí)能夠更好的提高學(xué)習(xí)效率。

3.2 可視化網(wǎng)絡(luò)數(shù)據(jù)庫

基于上述可視化學(xué)習(xí)行為數(shù)據(jù)分析，網(wǎng)絡(luò)數(shù)據(jù)庫構(gòu)建流程如圖1所示。

圖1 可視化網(wǎng)絡(luò)數(shù)據(jù)庫構(gòu)建流程

3.2.1 學(xué)習(xí)行為數(shù)據(jù)采集及儲(chǔ)存

通過收集學(xué)習(xí)者日常學(xué)習(xí)行為信息，使用xAPI數(shù)據(jù)準(zhǔn)則，完成數(shù)據(jù)庫對接[11]。xAPI是衡量所學(xué)習(xí)內(nèi)容與行為數(shù)據(jù)的準(zhǔn)則。在計(jì)算機(jī)網(wǎng)絡(luò)中，各xAPI記錄具有主、謂、賓的語法結(jié)構(gòu)，其中主語代表活動(dòng)發(fā)起者，謂語代表具體動(dòng)作指令，賓語代表活動(dòng)的承受對象。各數(shù)據(jù)庫建立的準(zhǔn)則都需在業(yè)務(wù)范圍內(nèi)儲(chǔ)存學(xué)習(xí)者的交互內(nèi)容，包括學(xué)習(xí)者答疑、觀看多媒體課件、探討知識(shí)點(diǎn)等學(xué)習(xí)行為發(fā)生的時(shí)間以及內(nèi)容。建立學(xué)習(xí)行為數(shù)據(jù)釆集模塊使用xAPI規(guī)定的統(tǒng)一端口，定期接收各數(shù)據(jù)中心收集上報(bào)的多類型數(shù)據(jù)，匯集成并整理這些得到的數(shù)據(jù)發(fā)送至數(shù)據(jù)儲(chǔ)存模塊。

儲(chǔ)存層次工作內(nèi)容為收集系統(tǒng)上的數(shù)據(jù)信息，對其完成篩選、匯總、儲(chǔ)存、備份等工作，xAPI準(zhǔn)則可將數(shù)據(jù)長期儲(chǔ)存。

3.2.2 學(xué)習(xí)行為分析及可視化模塊

構(gòu)建學(xué)習(xí)行為數(shù)據(jù)分析模塊的主要目的是對采集及儲(chǔ)存的數(shù)據(jù)進(jìn)行讀取，并使用深度數(shù)據(jù)挖掘[12]的方式，提起數(shù)據(jù)關(guān)鍵特征集合，對學(xué)習(xí)行為規(guī)律進(jìn)行可視化計(jì)算機(jī)驗(yàn)證，探尋學(xué)習(xí)過程中行為方式的普遍模式和學(xué)習(xí)規(guī)律，并對學(xué)習(xí)者的學(xué)習(xí)狀態(tài)、技能掌握程度、能力水平進(jìn)行追蹤評價(jià)。網(wǎng)絡(luò)數(shù)據(jù)庫分析層次中，對學(xué)習(xí)者的能力水平的評估與預(yù)測數(shù)據(jù)均為可視化信息，根據(jù)得到的分析結(jié)果，挑選出對學(xué)習(xí)能力提高最顯著的行為方式，并將結(jié)果存儲(chǔ)與數(shù)據(jù)庫中。

可視化處理層次對網(wǎng)絡(luò)數(shù)據(jù)庫的分析結(jié)果以可視化形式展示，如圖2所示，為可視化界面圖。

圖2 網(wǎng)絡(luò)數(shù)據(jù)庫可視化界面

圖2中，右側(cè)為學(xué)習(xí)者所掌握知識(shí)點(diǎn)技能的情況，數(shù)據(jù)可視化效果最佳。

3.3 數(shù)據(jù)庫學(xué)習(xí)指標(biāo)

對構(gòu)建的大數(shù)據(jù)可視化網(wǎng)絡(luò)數(shù)據(jù)庫指標(biāo)進(jìn)行聯(lián)合分析，基礎(chǔ)指標(biāo)模型如下：

(7)

式(5)中，Ti表示所學(xué)知識(shí)技能的總分值，若Ti1為學(xué)習(xí)技能熱度分值，Ti2為該知識(shí)技能點(diǎn)贊分值，Ti3為該技能評分，Tij為該知識(shí)技能其它指標(biāo)評價(jià)得分。

4 仿真及結(jié)果分析

關(guān)于學(xué)習(xí)行為大數(shù)據(jù)可視化網(wǎng)絡(luò)數(shù)據(jù)庫對學(xué)習(xí)者能力的影響，本文實(shí)驗(yàn)從學(xué)習(xí)任務(wù)、準(zhǔn)確率、成績及學(xué)習(xí)評價(jià)展開仿真分析。將學(xué)習(xí)任務(wù)分解成9個(gè)層次，并與文獻(xiàn)[2]、文獻(xiàn)[3]方法相比較，結(jié)果如圖3和圖4所示，為任務(wù)完成效果及所獲得的成績對比。

圖3 三種方法準(zhǔn)確性對比

圖4 三種方法完成任務(wù)效果對比

圖5 三種方法所得成績對比

根據(jù)仿真分析可看出，使用本文所提方法和文獻(xiàn)[2]方法、文獻(xiàn)[3]方法在完成任務(wù)效果、所得成績、學(xué)習(xí)評價(jià)三個(gè)方面對比，所提方法的性能更好。

圖6為知識(shí)點(diǎn)相同的情況下，兩種方法學(xué)習(xí)準(zhǔn)確率對比，所提方法更為穩(wěn)定及高準(zhǔn)確性。

圖6 本文方法學(xué)習(xí)評價(jià)對比

由圖6可看出，評價(jià)結(jié)果包含學(xué)習(xí)者自評、同伴評價(jià)和指導(dǎo)者評價(jià)。按照組間評價(jià)來看，所提方法的三種評價(jià)差距較小，可說明所提方法中三種類型的參與者給出的評價(jià)相似，也可說明可視化使學(xué)習(xí)者能夠更清晰地認(rèn)清自己與其它同伴的學(xué)習(xí)行為能力；此外，按照組間評價(jià)來看，所提方法的能夠令學(xué)習(xí)者更能得到它人的認(rèn)可。

通過上述實(shí)驗(yàn)分析結(jié)果可知，使用本文所提的學(xué)習(xí)行為大數(shù)據(jù)可視化方案，可有效促進(jìn)學(xué)習(xí)者的行為能力，使其在學(xué)習(xí)過程中更好地完成學(xué)習(xí)任務(wù)。

5 結(jié)論

學(xué)習(xí)行為是影響學(xué)習(xí)成果的一項(xiàng)重要因素，本文所提方法在文獻(xiàn)研究的基礎(chǔ)上，通過分析學(xué)習(xí)行為大數(shù)據(jù)，進(jìn)行可視化設(shè)計(jì)及建立網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)庫。本文具體過程為：

1)分析學(xué)習(xí)行為，規(guī)劃非線性學(xué)習(xí)路徑；

2)采用貝葉斯理論對學(xué)習(xí)行為和學(xué)習(xí)資源進(jìn)行可視化歸類；

3)通過計(jì)算學(xué)習(xí)行為可視化系數(shù)，構(gòu)建可視化網(wǎng)絡(luò)數(shù)據(jù)庫的學(xué)習(xí)行為數(shù)據(jù)采集及儲(chǔ)存模塊、學(xué)習(xí)行為分析模塊以及數(shù)據(jù)庫學(xué)習(xí)指標(biāo)，實(shí)現(xiàn)可視化網(wǎng)絡(luò)數(shù)據(jù)庫的組建。

最后以學(xué)習(xí)行為作為數(shù)據(jù)源，對學(xué)習(xí)者的學(xué)習(xí)成果進(jìn)行實(shí)驗(yàn)，并通過實(shí)驗(yàn)結(jié)果證明，采用所提方法構(gòu)建的學(xué)習(xí)行為分析數(shù)據(jù)可視化具備較好的可配置性、可擴(kuò)展性，可提高學(xué)習(xí)者的學(xué)習(xí)效率。學(xué)習(xí)行為可視化相關(guān)參數(shù)的引入，提高了學(xué)習(xí)數(shù)據(jù)的可讀性、直觀性，并為今后的教育研究工作提供數(shù)據(jù)可視化平臺(tái)，具有直接的指導(dǎo)作用。