張濱

摘要：大數(shù)據(jù)技術(shù)的影響下，針對(duì)現(xiàn)在已有個(gè)性化學(xué)習(xí)評(píng)價(jià)模型的問題，通過(guò)面向大數(shù)據(jù)的學(xué)習(xí)行為教育建設(shè)的理論分析與設(shè)計(jì)，在實(shí)際網(wǎng)絡(luò)教育活動(dòng)中數(shù)據(jù)分析的學(xué)習(xí)評(píng)價(jià)體系的建設(shè)中，實(shí)現(xiàn)準(zhǔn)確高效的學(xué)習(xí)績(jī)效評(píng)價(jià)模型。

關(guān)鍵詞：大數(shù)據(jù)；數(shù)據(jù)庫(kù)；自適應(yīng)學(xué)習(xí)；學(xué)習(xí)管理系統(tǒng)；行為評(píng)價(jià)

中圖分類號(hào)：G434文獻(xiàn)標(biāo)志碼：A文章編號(hào)：2095-9214（2016）11-0283-01

一、引言

隨著大數(shù)據(jù)（Big Data）技術(shù)和數(shù)據(jù)密集型科學(xué)的發(fā)展，數(shù)據(jù)已經(jīng)滲透到各個(gè)行業(yè)和業(yè)務(wù)功能中，并已成為生產(chǎn)的一個(gè)重要因素。美國(guó)國(guó)家科學(xué)基金會(huì)提出了教育大數(shù)據(jù)研究的目標(biāo)[1]：更好地了解人們?cè)谥腔郗h(huán)境中學(xué)習(xí)；通過(guò)對(duì)創(chuàng)新技術(shù)的教學(xué)設(shè)計(jì)和教學(xué)工具的學(xué)習(xí)過(guò)程，提高學(xué)習(xí)和測(cè)試方法；將大數(shù)據(jù)融入學(xué)習(xí)環(huán)境中。在教育大數(shù)據(jù)理論的機(jī)遇到來(lái)時(shí)候，帶來(lái)了更多困難和挑戰(zhàn)，最突出的挑戰(zhàn)是如何獲得廣泛的教育數(shù)據(jù)來(lái)源。隨著成熟的信息技術(shù)環(huán)境的大數(shù)據(jù)技術(shù)，學(xué)生的學(xué)習(xí)和評(píng)價(jià)不僅要關(guān)注學(xué)生成績(jī)的評(píng)價(jià)，而且要更加重視學(xué)生的形成性評(píng)價(jià)。文獻(xiàn)2中的“促進(jìn)與信息技術(shù)整合的教學(xué)建議部分”，認(rèn)為對(duì)智能化教學(xué)環(huán)境的建設(shè)，提供優(yōu)質(zhì)數(shù)字教育資源、鼓勵(lì)評(píng)價(jià)軟件工具的發(fā)展。

二、國(guó)內(nèi)外研究現(xiàn)狀

學(xué)習(xí)經(jīng)歷（Learning Experience）指的是在學(xué)習(xí)過(guò)程中發(fā)生的任何一種互動(dòng)或其他經(jīng)驗(yàn)，涉及課程，程序或其他教學(xué)參與者。既可以在傳統(tǒng)的學(xué)習(xí)環(huán)境中發(fā)生，例如學(xué)校、課堂，也可以在非傳統(tǒng)的學(xué)習(xí)環(huán)境，更能在像學(xué)習(xí)者的直接請(qǐng)教老師、教授傳統(tǒng)的交互式教學(xué)情況或非傳統(tǒng)的像通過(guò)學(xué)習(xí)游戲和互動(dòng)應(yīng)用學(xué)習(xí)的互動(dòng)教學(xué)情境中。

通過(guò)現(xiàn)實(shí)生活中的復(fù)雜的社會(huì)系統(tǒng)的數(shù)據(jù)的開展探測(cè)挖掘，例如使用包括傳感器、GPS定位、智能手機(jī)等移動(dòng)終端收集數(shù)據(jù)，識(shí)別用戶的日常社會(huì)背景的活動(dòng)，然后將實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)關(guān)聯(lián)，可以做人際關(guān)系的物聯(lián)網(wǎng)。學(xué)習(xí)經(jīng)驗(yàn)得到的數(shù)據(jù)更接近于“相關(guān)性”的實(shí)時(shí)數(shù)據(jù)流和歷史數(shù)據(jù)，這些數(shù)據(jù)將“數(shù)據(jù)流”在高地產(chǎn)的形式，同時(shí)綜合環(huán)境信息協(xié)會(huì)還需要獲取和記錄的數(shù)據(jù)流，實(shí)現(xiàn)環(huán)境及個(gè)人信息空間。傳統(tǒng)意義上的學(xué)習(xí)經(jīng)驗(yàn)數(shù)據(jù)采集通常忽略環(huán)境信息的處理，個(gè)人信息的數(shù)據(jù)主要是從描述性的反饋、績(jī)效信息等任務(wù)完成的教育測(cè)量方式。

三、教育大數(shù)據(jù)個(gè)性化自適應(yīng)學(xué)習(xí)模型

為了實(shí)現(xiàn)個(gè)性化自適應(yīng)學(xué)習(xí)評(píng)價(jià)數(shù)據(jù)模型，我們綜合評(píng)價(jià)內(nèi)容和評(píng)價(jià)結(jié)果的兩個(gè)評(píng)價(jià)過(guò)程，在此基礎(chǔ)上，建立個(gè)性化評(píng)價(jià)模型和自適應(yīng)評(píng)價(jià)模型。通過(guò)學(xué)習(xí)活動(dòng)來(lái)確定對(duì)學(xué)習(xí)者的學(xué)習(xí)行為通過(guò)個(gè)人評(píng)價(jià)內(nèi)容評(píng)價(jià)的主要信息點(diǎn)，對(duì)評(píng)價(jià)的個(gè)性化的學(xué)習(xí)過(guò)程和結(jié)果的基礎(chǔ)上的層次評(píng)價(jià)模型評(píng)價(jià)和個(gè)性化評(píng)價(jià)的結(jié)果，確定其學(xué)習(xí)水平。

1.通過(guò)學(xué)習(xí)和學(xué)習(xí)活動(dòng)為支撐的學(xué)習(xí)行為評(píng)價(jià)模型，包括信息的學(xué)習(xí)行為和學(xué)習(xí)內(nèi)容分割聚類分類系統(tǒng)分析不同功能的學(xué)習(xí)行為的研究?jī)?nèi)容分析個(gè)體學(xué)習(xí)評(píng)價(jià)模型的行為，從而建立一個(gè)個(gè)性化的學(xué)習(xí)評(píng)價(jià)模型。該模型的內(nèi)容包括四個(gè)部分：學(xué)習(xí)評(píng)價(jià)、評(píng)價(jià)、評(píng)價(jià)、考核和評(píng)價(jià)，以及課外資源的評(píng)價(jià)。該模型的評(píng)價(jià)過(guò)程涉及到學(xué)生的正式學(xué)習(xí)和日常學(xué)習(xí)活動(dòng)，評(píng)價(jià)內(nèi)容包括學(xué)科知識(shí)評(píng)價(jià)和非學(xué)科知識(shí)評(píng)價(jià)，評(píng)價(jià)方法涉及定量評(píng)價(jià)和定性分析。

2.基于大數(shù)據(jù)支持的儀器面板、報(bào)表和可視化工具的分析大數(shù)據(jù)個(gè)性化自適應(yīng)分析方法。學(xué)習(xí)儀表板提供了數(shù)據(jù)和報(bào)告的可視化分析，方便個(gè)人做出關(guān)于教學(xué)和學(xué)習(xí)的決策。學(xué)習(xí)儀表板包括四個(gè)用戶視圖：學(xué)習(xí)者的觀點(diǎn)，教育者的觀點(diǎn)，研究者的觀點(diǎn)，以及組織視圖。不同的視角是不同的，但都是相互關(guān)聯(lián)的。根據(jù)不同利益相關(guān)者的需求，提供不同的數(shù)據(jù)顯示。

四、結(jié)論

綜上所述，教育大數(shù)據(jù)的環(huán)境下，論文詳細(xì)分析了網(wǎng)絡(luò)在線學(xué)習(xí)環(huán)境中師生學(xué)習(xí)經(jīng)歷數(shù)據(jù)的獲取、識(shí)別、分析及交流與生成等基本的計(jì)算的理論和方法；闡述了大數(shù)據(jù)分析技術(shù)在網(wǎng)絡(luò)在線學(xué)習(xí)模式中學(xué)習(xí)績(jī)效評(píng)價(jià)需要解決的關(guān)鍵科學(xué)問題；根據(jù)研究成果構(gòu)建了在線學(xué)習(xí)中學(xué)習(xí)績(jī)效評(píng)價(jià)系統(tǒng)。

（作者單位：浙江財(cái)經(jīng)大學(xué)）

浙江省哲學(xué)社會(huì)科學(xué)規(guī)劃課題（17NDJC179YB），全國(guó)教育信息技術(shù)研究“十二五”規(guī)劃2015年度青年課題（156242644），浙江省教育科學(xué)規(guī)劃課題（2016SCG195）

參考文獻(xiàn)：

[1]Dean J，Ghemawat S.MapReduce：Simplified Data Processing on Large Clusters.Proc of 6th OSDI.San Francisco：USENIX Association，2004：137-150.

[2]Dean J，Ghemawat S.Experiences with MapReduce：an abstraction for large scale computation Proc 15th Inter-Conf on PACT.Washington DC，2006：1-2.

[3]Dean J，Ghemawat S.MapReduce：a flexible data processing tool.Communications of the ACM，2010，53：72-77.

[4]D.J.DeWitt，R.H.Gerber，G.Graefe，M.L.Heytens，K.B.Kumar，and M.Muralikrishna.GAMMA-A High Performance Dataflow Database Machine.In VLDB 86，pages 228–237，1986.