基于大数据的个性化学习模式构建

来源:用户上传      作者:周显春 谭瑞梅

　　摘要：随着高等教育的大众化，出现了人才缺少和毕业生过剩的矛盾。如何解决人才供求之间的问题成了一个迫切问题。人类社会已经进入大数据时代，教育部门或组织拥有大量的学习行为、学生习惯等数据。利用大数据技术发掘每个学生的学习潜能，给学生推荐个性化学习资源，满足学生的个性需求，不仅可以缓解学生认知超载、网络迷航等问题，还可以激活学生学习兴趣。
　　关键词：教育大数据;个性化;学习模式;推荐
　　中图分类号：G642 文献标识码：A
　　文章编号：1009-3044（2021）36-0054-03
　　开放科学（资源服务）标识码（OSID）：
　　Construction of Personalized Learning Model Based on Big Data
　　ZHOU Xian-chun1， TAN Rui-mei2
　　（1.School of Information and Intelligence Engineering，Sanya University， Sanya 572022， China; 2.School of Law and Sociology，Sanya University， Sanya 572022， China）
　　Abstract： With the popularization of higher education， there is a contradiction between the lack of talents and the surplus of graduates. How to solve the problem between talent supply and demand has become an urgent problem. Human society has entered the era of big data， and education departments or organizations have a large amount of data on learning behaviors and students' habits. Using big data technology to explore each student's learning potential， recommend personalized learning resources to students， and meet students' individual needs，can not only alleviate students' cognitive overload、network lost and other problems， but also activate students' interest in learning.
　　Keywords： big data in education;personalization;learning model;recommendation
　　1 基于大稻莸母鲂曰学习模式构建的意义
　　国发〔2015〕32号《国务院关于大力推进大众创业、万众创新若干政策措施的意见》要求全社会推进大众创业、万众创新，提升全民的创新能力，其关键还是人才培养方式。培养创新性人才需要采用个性化教育，对大学生进行个性化教育则是实现这一重要任务的根本途径，唯有因材施教才能使人的潜在能力得到充分发挥[1～2]。
　　当前，国内外利用机器学习算法对个性化学习研究多集中在个性化学习路径推荐、个性化学习系统、个性化教学方法、个性化学习评价模型等几个方面。姜强等[3]基于大数据背景下，利用大数据技术，如Apriori或其改进算法AprioriAll通过个性信息和群体类似信息挖掘个性化的学习路径。周海波、周清清[4～5]根据对学生基本情况、心理特征分析的基础上给学生推荐适合学生的学习资源，包括学习视频、习题等。牟智佳[6]等为了客观评价学习效果，利用层次性聚类方法构建层次性评价体系。这些研究，无论是学习路径的实现、推荐系统的功能实现，还是个性化学习方法、学习效果的评价方法都忽视一个核心内容，即学生的学习特征，包括学习风格、学习习惯等特征与知识点之间的前后之间是有本质区别的。学生个性化特征不具有时序性，而知识点的学习是有前后关系、并行关系。哪个知识点必须先学，哪些知识点可以随便选择，需要对知识点进行分析，建立知识点图谱，建立他们之间的序列关系，才能推荐更能满足学生个性化的学习资源和学习路径[7]。
　　2 个性化学习模式核心概念界定
　　1）知识点题库：与一般题目不同的是以知识点为基本单位的题库，最重要的特征是存储在系统中的知识点是有前后关系，表示知识点循序渐进的关系，完全符合人的认知规律。
　　2）Apriori算法：最早是由 Agrawal 等人提出的。最初提出的动机是针对购物篮分析问题提出的，其目的是发现交易数据库中不同商品之间的联系规则。这些规则刻画了顾客购买行为模式，可以用来指导商家科学地安排进货，库存以及货架设计等 [8]。而且它也是一种迭代算法，利用它的子项Lk-1来计算出它下一项，反复地迭代直达候选集为空，停止执行[9]。
　　3）个性化：从教育学的视角出发，个性化是人的个性特质，每个人都有差异，表现为不同学生对同一个学习内容采取的学习行为不同。也就是说，虽然学习目标、内容大同小异，但是每个学生实现的方式、选择途径、使用方法不同，产生的学习效果不同。
　　4）个性化学习：以学生为主，教师为辅。学生根据自己的具体情况，如知识基础、心理特征、学习态度、学习能力来选择性学习。

转载注明来源:https://www.xzbu.com/8/view-15425237.htm