基于大數(shù)據(jù)分析個性化教學(xué)研究
時間:2022-06-19 09:41:45
導(dǎo)語:基于大數(shù)據(jù)分析個性化教學(xué)研究一文來源于網(wǎng)友上傳,不代表本站觀點,若需要原創(chuàng)文章可咨詢客服老師,歡迎參考。
當(dāng)前,教育手段日益多樣,多媒體技術(shù)廣泛應(yīng)用,但大部分教育工作者依舊將學(xué)生同質(zhì)化對待,讓不同學(xué)習(xí)能力的學(xué)生每日完成同樣的作業(yè),有的“吃不消”,有的“吃不飽”。應(yīng)用大數(shù)據(jù)技術(shù)可促進教育從普適化向個性化轉(zhuǎn)變。學(xué)生在大數(shù)據(jù)支持下在線學(xué)習(xí),場景由實體課堂變?yōu)榫W(wǎng)絡(luò)空間——教師能夠全方位跟蹤、記錄學(xué)生的學(xué)習(xí)行為,了解學(xué)生學(xué)習(xí)需求,掌握學(xué)生思維特點。教師對學(xué)生學(xué)習(xí)行為數(shù)據(jù)進行收集,綜合分析學(xué)生學(xué)習(xí)情況,進行有針對性的備課和個性化教學(xué),針對學(xué)生特點建立學(xué)習(xí)模型,為學(xué)生提供個性化的學(xué)習(xí)策略和資源,讓教育從“用經(jīng)驗說話”轉(zhuǎn)向“用數(shù)據(jù)驅(qū)動決策”。例如,成都數(shù)字學(xué)校(以下簡稱數(shù)校)在利用大數(shù)據(jù)進行個性化教學(xué)方面已付諸實踐。數(shù)校為學(xué)生提供直播課程與點播課程以及豐富的試題和視頻資源,在預(yù)習(xí)、課前測、直播課、課后測、復(fù)習(xí)鞏固5個環(huán)節(jié)提供支持。同時,數(shù)校借助系統(tǒng)直接對每個學(xué)生的學(xué)習(xí)情況進行數(shù)據(jù)收集、分析,將學(xué)生的錯題收錄到錯題本中,再基于學(xué)生錯題數(shù)據(jù)診斷學(xué)生的知識漏洞,為學(xué)生推送練習(xí)題和線上課程。數(shù)校利用大數(shù)據(jù)進行教學(xué)評價和診斷,通過精準(zhǔn)分析學(xué)生的薄弱點,幫助學(xué)生進行個性化學(xué)習(xí),同時教師也能根據(jù)學(xué)生學(xué)習(xí)行為、學(xué)習(xí)需求,實施個性化指導(dǎo)與干預(yù)。
一、基于前端數(shù)據(jù)收集并融合過程數(shù)據(jù)挖掘的自動用戶建模
應(yīng)用大數(shù)據(jù)技術(shù)促進教育從“靜態(tài)”向“動態(tài)”轉(zhuǎn)變。要實現(xiàn)個性化學(xué)習(xí),首先需要對用戶進行建模,即根據(jù)用戶的不同特征來分類,包括屬性特征和用戶行為特征,在區(qū)分出不同的用戶以后,再為不同的用戶設(shè)計合適的成長路徑。數(shù)校收集每個學(xué)生的基本信息和在學(xué)習(xí)過程中產(chǎn)生的數(shù)據(jù),對其進行分析,發(fā)現(xiàn)學(xué)生目前存在的問題,為用戶畫像,在畫像的基礎(chǔ)上構(gòu)建應(yīng)用模型(如圖1)。學(xué)生基礎(chǔ)數(shù)據(jù)庫包含學(xué)生各種基本信息,如學(xué)生注冊時填寫的用戶名、學(xué)校、班級等。教師要收集學(xué)生以前的學(xué)習(xí)信息,需要對學(xué)生進行前測,發(fā)掘?qū)W生在知識學(xué)習(xí)方面的薄弱點,匹配學(xué)習(xí)方式。為確保向?qū)W生提供合適的學(xué)習(xí)資源和學(xué)習(xí)路徑,不僅要記錄學(xué)生在學(xué)習(xí)過程中的行為,而且要參照以往的數(shù)據(jù)以及后續(xù)通過用戶調(diào)查等方式采集的信息。學(xué)??梢越W(xué)習(xí)過程數(shù)據(jù)庫,并借助系統(tǒng)的WEB日志挖掘和平臺數(shù)據(jù)庫的查詢功能,對圖2用戶建模學(xué)生學(xué)習(xí)過程的數(shù)據(jù)進行挖掘,包括瀏覽次數(shù)、各種點擊次數(shù)、訪問次數(shù)、訪問時長、活動參與情況等信息,記錄學(xué)生的學(xué)習(xí)路徑、內(nèi)容及難點等(如圖2)。以北京師范大學(xué)成都實驗中學(xué)(以下簡稱實驗中學(xué))七年級某學(xué)生為例,該生在2017年暑假參與小升初銜接班學(xué)習(xí),直到現(xiàn)在(八年級)。該生入學(xué)考試成績中等,在班級內(nèi)排名第23位,語文與英語成績不佳。數(shù)校采集到的數(shù)據(jù)顯示,該生在數(shù)校網(wǎng)站的訪問與停留行為也主要發(fā)生在薄弱科目上,對部分英語章節(jié)有反復(fù)聽講的行為記錄。
二、構(gòu)建基因級知識圖譜,生成個性化動態(tài)知識樹
傳授結(jié)構(gòu)性知識是教師教學(xué)中比較有價值的付出。在教學(xué)過程中,教師可以知識點為基礎(chǔ),將全部知識點匯總形成知識結(jié)構(gòu)圖。系統(tǒng)基于“網(wǎng)絡(luò)式”知識結(jié)構(gòu),智能識別數(shù)據(jù)之間、數(shù)據(jù)與知識結(jié)構(gòu)之間關(guān)聯(lián)教學(xué)規(guī)律,發(fā)現(xiàn)每門課程之中主要知識點的聯(lián)系,可視化、動態(tài)化地呈現(xiàn)給師生,有助于學(xué)生建立知識體系。系統(tǒng)將教學(xué)中產(chǎn)生的每個學(xué)生的錯題、收藏、課程、試題等都以知識點為主線進行歸結(jié),并將行為數(shù)據(jù)與知識點關(guān)聯(lián)起來——知識點的教學(xué)情況通過知識樹每片樹葉的顏色示意,顏色由學(xué)生學(xué)習(xí)行為和作答率決定。對知識點進行基因級的拆解分析,用盡可能少的時間和題目,讓每個學(xué)生“栽種”一棵專屬的知識樹,依據(jù)“樹干、樹葉”的生長狀態(tài),自適應(yīng)調(diào)節(jié)學(xué)習(xí)節(jié)奏,并找出最近發(fā)展區(qū),這是完全可行的。知識樹的“栽種”也為分層教學(xué)、個性化教學(xué)以及因材施教奠定基礎(chǔ),同時也可作為學(xué)生自主學(xué)習(xí)的依據(jù)。例如,分層教學(xué)時教師布置20道題目,傳統(tǒng)課堂環(huán)境下學(xué)生需要1小時完成,知識樹建立后,不是每個學(xué)生每道題目都需要做,有的學(xué)生只需要做5道,大約15分鐘即可完成。教師抽取一棵知識樹可獲取豐富的信息——樹上的每片葉子記錄了各部分的知識內(nèi)容及其內(nèi)在聯(lián)系。每片葉子的顏色表征著學(xué)生對該部分知識的學(xué)習(xí)情況,如綠色代表優(yōu)秀,紅色代表較差,每片樹葉的顏色不由某次測試的成績決定。知識樹的葉片隱含平時每堂課的學(xué)習(xí)情況記錄,如作業(yè)情況統(tǒng)計等,學(xué)生點擊跳轉(zhuǎn)后可到與之相應(yīng)的知識和課程模塊中進行學(xué)習(xí)。從數(shù)校采集的實驗中學(xué)某學(xué)生的知識樹可以看到,該學(xué)生明顯存在語文文言文練習(xí)正確率較低的問題(紅色樹葉所占比例較大)。數(shù)校題庫向該學(xué)生有針對性推送初中文言文閱讀訓(xùn)練與知識點講解視頻和練習(xí)。該學(xué)生多次訓(xùn)練后,語文知識樹呈現(xiàn)良好特征。數(shù)校采集的數(shù)據(jù)顯示,該學(xué)生在同期月考中成績與排名都有穩(wěn)步提升。
三、借助學(xué)情數(shù)據(jù)指導(dǎo)課程設(shè)計,實現(xiàn)精準(zhǔn)備課和個性化教學(xué)
在課堂教學(xué)設(shè)計方面,過去常常是“工業(yè)化”運作,教學(xué)大綱長期不變,備課筆記沿用多年,而教師應(yīng)用大數(shù)據(jù)技術(shù)則可獲得學(xué)生個性化的畫像,掌握學(xué)生的需求和學(xué)情,為給每個學(xué)生量身設(shè)計教案,將獲得更佳的效果。教師和學(xué)生在線互動過程中,后臺會利用積累的大數(shù)據(jù),挖掘、分析和描述學(xué)生的學(xué)習(xí)行為、學(xué)習(xí)偏好、認(rèn)知水平、知識掌握情況、答題速度等信息。教師根據(jù)數(shù)據(jù)結(jié)果和學(xué)生參與課程前測題的作答情況,可充分認(rèn)識學(xué)生的個體差異,精準(zhǔn)備課,因材施教。例如,數(shù)校借助平臺對課前預(yù)習(xí)、測試的情況進行統(tǒng)計分析,讓授課教師根據(jù)學(xué)生學(xué)習(xí)情況的反饋結(jié)果精準(zhǔn)備課,通過統(tǒng)計、分析以及挖掘?qū)W生看視頻、做習(xí)題等數(shù)據(jù),發(fā)現(xiàn)學(xué)生學(xué)習(xí)的難點,進而在直播課中做重點講解,開展個性化教學(xué)。
四、基于多維多聯(lián)的數(shù)據(jù)算法,實現(xiàn)分層學(xué)習(xí)推薦
為完成學(xué)習(xí)目標(biāo),激發(fā)學(xué)生學(xué)習(xí)興趣,保證教學(xué)質(zhì)量,除了提供精品課程資源外,教師還要為學(xué)生提供個性化學(xué)習(xí)路徑。大數(shù)據(jù)系統(tǒng)能自動識別學(xué)生的學(xué)習(xí)需求,根據(jù)用戶特征信息(如學(xué)習(xí)偏好、知識水平等)動態(tài)呈現(xiàn)個性化學(xué)習(xí)活動序列,改變以往“大水漫灌”的做法,實施“精準(zhǔn)滴灌”,從而更好地完成知識建構(gòu),提高在線教育的個性化服務(wù)水平。整合相關(guān)資源并設(shè)計個性化學(xué)習(xí)路徑,關(guān)鍵要整體考慮數(shù)據(jù)之間的關(guān)系,對學(xué)生、資源、情境等進行多維關(guān)聯(lián)分析。系統(tǒng)通過對用戶行為數(shù)據(jù)的獲取、存儲、清洗、挖掘,采用相似用戶矩陣庫、基于特征匹配、基于學(xué)生反饋和基于內(nèi)容知識點關(guān)聯(lián)等混合推薦方法實現(xiàn)個性化學(xué)習(xí)資源的推送。學(xué)??梢詮膶W(xué)生角度出發(fā),基于學(xué)生個體的靜態(tài)數(shù)據(jù)和學(xué)習(xí)中產(chǎn)生的動態(tài)學(xué)習(xí)行為數(shù)據(jù),以動態(tài)數(shù)據(jù)為主、靜態(tài)數(shù)據(jù)為輔構(gòu)建學(xué)生特征模型。大數(shù)據(jù)平臺主要從學(xué)生的學(xué)習(xí)風(fēng)格和知識水平評估方面來發(fā)掘個性化學(xué)習(xí)路徑并推送學(xué)習(xí)資源,通過抓取百萬級用戶的看課類型、學(xué)習(xí)時間、瀏覽次數(shù)及互動情況等數(shù)據(jù)推測學(xué)生的學(xué)習(xí)風(fēng)格。對知識水平的評估,一方面可利用常規(guī)方法評估;另一方面可利用人工智能算法,基于學(xué)習(xí)行為數(shù)據(jù),如課程學(xué)習(xí)數(shù)量與點擊次數(shù)、作答時間與嘗試次數(shù)、答題比例與答題正確率等實時反映學(xué)生的知識水平,從知識理解等級和有較大難度級別兩個維度動態(tài)地評估學(xué)習(xí)對象。具體來說,系統(tǒng)根據(jù)學(xué)生前期學(xué)力測試,推薦相應(yīng)內(nèi)容,再結(jié)合課后作業(yè)情況進行測評,再推薦現(xiàn)實難度和升級難度的視頻課程,讓學(xué)生在平臺上不斷學(xué)習(xí)并積累數(shù)據(jù),以便教師提取學(xué)生的學(xué)習(xí)特質(zhì)與薄弱環(huán)節(jié)等信息,設(shè)計個性化學(xué)習(xí)方案。例如,某學(xué)生對一元二次方程和代數(shù)學(xué)知識學(xué)得較好,但對立體幾何學(xué)得不好,對此,教師對該生推送了一些比較難但是體量小的一元二次方程和代數(shù)作業(yè),同時推送了一些比較簡單但是體量較大的立體幾何作業(yè),給每個學(xué)生的作業(yè)都不一樣。學(xué)校通過系統(tǒng)進行智能推送,實現(xiàn)了與每個學(xué)生能力素質(zhì)、個性特征匹配的個性化教育。
五、大數(shù)據(jù)支撐下的線上線下個性化學(xué)習(xí)實證研究
從大數(shù)據(jù)本身來講,系統(tǒng)記錄個體行為的數(shù)據(jù)似乎是雜亂無章的,但當(dāng)數(shù)據(jù)累積到一定程度,群體的行為就會在數(shù)據(jù)上呈現(xiàn)一種秩序和規(guī)律。分析并利用這種秩序和規(guī)律,可以有效彌補線上與線下教育的不一致性。學(xué)校應(yīng)用大數(shù)據(jù)分析技術(shù)可實現(xiàn)線上線下教育的無縫對接。目前,在線教育提供方大多是利用教研產(chǎn)出的標(biāo)準(zhǔn)化學(xué)習(xí)產(chǎn)品并基于大數(shù)據(jù)提供個性化服務(wù)。在線教育提供方在標(biāo)準(zhǔn)化底層產(chǎn)品的構(gòu)建過程中投入大量資源,將若干專家、名師的教學(xué)經(jīng)驗顯性化,構(gòu)建中小學(xué)生的學(xué)科學(xué)習(xí)能力圖譜,并基于標(biāo)準(zhǔn)模型設(shè)計整套集標(biāo)準(zhǔn)化課程、測評系統(tǒng)、動態(tài)學(xué)習(xí)規(guī)劃、個性化訓(xùn)練系統(tǒng)、行為數(shù)據(jù)采集和分析系統(tǒng)于一體的“智能化學(xué)習(xí)系統(tǒng)”。數(shù)校就是基于這樣一種模式,用戶已達數(shù)百萬,產(chǎn)生上億條用戶行為數(shù)據(jù)。當(dāng)線上這套標(biāo)準(zhǔn)化學(xué)習(xí)產(chǎn)品成熟時,即可推動線上學(xué)習(xí)產(chǎn)品和線下學(xué)校服務(wù)的融合。由數(shù)校負(fù)責(zé)提供線上的智能化學(xué)習(xí)系統(tǒng),而學(xué)校則組織教師根據(jù)系統(tǒng)反饋的數(shù)據(jù)進行個性化輔導(dǎo),打通數(shù)據(jù),創(chuàng)設(shè)線上線下深度融合的智能化、個性化學(xué)習(xí)場景。實驗中學(xué)是首批加入數(shù)校的35所基地學(xué)校之一。教學(xué)過程中,線下教師會按照在線學(xué)習(xí)平臺所提供的數(shù)據(jù)對學(xué)生的問題進行歸因和分析、解答,并做計劃管理,全程陪伴學(xué)生。在這一過程中,在線系統(tǒng)所呈現(xiàn)的學(xué)生數(shù)據(jù)為線下教師“照方抓藥”創(chuàng)造了條件,讓教師針對每個學(xué)生的知識盲點,提供真正個性化的輔導(dǎo)。對于學(xué)生而言,在線教育確保每個學(xué)生能得到同樣高品質(zhì)的教學(xué)內(nèi)容和滿足個性化需求的學(xué)習(xí)產(chǎn)品,而線下教師的服務(wù)則讓學(xué)生在學(xué)習(xí)中遇到的問題得以及時解決。數(shù)據(jù)互通共享的“線上線下混合學(xué)習(xí)模式”的應(yīng)用使得線下授課不再是簡單重復(fù)線上教師的教學(xué)內(nèi)容,而是真正為每個學(xué)生提供基于大數(shù)據(jù)的個性化指導(dǎo)。筆者選取實驗中學(xué)的40名七年級學(xué)生作為研究對象。在數(shù)學(xué)教學(xué)時,將40名學(xué)生隨機分為兩組,即常規(guī)組(非個性化學(xué)習(xí))和實驗組(個性化學(xué)習(xí))各20人,兩組學(xué)生認(rèn)知能力沒有明顯差異。同時,根據(jù)前測成績又將各組學(xué)生分為學(xué)困生(0—80分)和優(yōu)等生(81—100分),經(jīng)過1個月的學(xué)習(xí),教師安排常規(guī)組與實驗組學(xué)生進行知識點后測,部分?jǐn)?shù)據(jù)分析結(jié)果如表1所示。由表1可以看出,實驗組中的后進生學(xué)習(xí)成績提升最為明顯,成績由前測時的68分提高到后測時的91分,比較而言學(xué)優(yōu)生學(xué)習(xí)成績提升不明顯,實驗組與常規(guī)組中的優(yōu)等生學(xué)習(xí)成績沒有顯著提高。原因在于后進生完全按照系統(tǒng)推薦的個性化學(xué)習(xí)路徑與恰當(dāng)難度的學(xué)習(xí)材料進行學(xué)習(xí),而優(yōu)秀學(xué)生自主性比較強,可見應(yīng)用個性化學(xué)習(xí)分析模型對后進生進行指導(dǎo)更有作用。此外,在學(xué)習(xí)時間、拋棄問題數(shù)量方面,實驗組學(xué)生都要比常規(guī)組學(xué)生少,效率更高。主要原因在于,對于實驗組學(xué)生而言,系統(tǒng)基于學(xué)生學(xué)習(xí)行為與知識點掌握情況等數(shù)據(jù),準(zhǔn)確地判斷學(xué)生的認(rèn)知能力,進而推送難度恰當(dāng)?shù)膯栴}(符合學(xué)生的認(rèn)知水平),因此多數(shù)問題能被學(xué)生準(zhǔn)確回答(不必放棄)。每個學(xué)生創(chuàng)造的數(shù)據(jù)就是“大數(shù)據(jù)”的一部分,每個學(xué)生都是大數(shù)據(jù)的生產(chǎn)者和消費者。應(yīng)用大數(shù)據(jù)分析學(xué)生的學(xué)習(xí)過程具有較強的實用價值,在大數(shù)據(jù)技術(shù)支持下,學(xué)習(xí)資源的個性化推送、學(xué)習(xí)質(zhì)量分析等都將有可行的解決方案。個性化學(xué)習(xí)訴求在大數(shù)據(jù)時代有新的實現(xiàn)途徑。目前,對于大數(shù)據(jù)在教育教學(xué)中應(yīng)用的相關(guān)研究仍然不夠深入,也缺乏足夠的實踐經(jīng)驗。筆者提出的基于大數(shù)據(jù)的個性化教學(xué)應(yīng)用已基本上得到實證。借助大數(shù)據(jù)技術(shù),揭示數(shù)據(jù)隱藏的關(guān)系、模式和趨勢,了解學(xué)生學(xué)習(xí)軌跡和現(xiàn)狀,有助于教師掌握學(xué)生的學(xué)習(xí)規(guī)律,進而更全面地評價學(xué)生并給予個性化指導(dǎo),優(yōu)化學(xué)習(xí)過程,提供個性化的服務(wù),做到因材施教,讓教學(xué)回歸本質(zhì)。
參考文獻
[1]孫玉樺,唐章蔚.基于大數(shù)據(jù)的個性化學(xué)習(xí)環(huán)境構(gòu)建研究[J].中小學(xué)電教,2017(Z2):51-53.
[2]龍虎,李娜.大數(shù)據(jù)背景下網(wǎng)絡(luò)教學(xué)中的智能學(xué)習(xí)診斷研究[J].凱里學(xué)院學(xué)報,2017(6):87-91.
[3]李寶,張東紅.教育大數(shù)據(jù)下個性化資源推送服務(wù)框架設(shè)計[J].中國遠(yuǎn)程教育,2017(9):62-69.
作者:羅清紅 單位:四川省成都市教育科學(xué)研究院