智慧校园背景下基于大数据的学习预警系统构建
来源:用户上传
作者:
在智慧校园的建设中，大数据既是模型构建的技术之一，也是重要的数据来源。高校智慧校园的架构采用层次化的体系结构，由智能感知层、网络通信层、云计算层、大数据层、智能应用层和智能终端层组成，还有信息化支撑平台本身所需要的支撑保障体系如信息安全保障体系和信息化运维服务体系，以及智慧校园的用户群体。本研究以智慧校园背景为构建基础，以大数据为技术支持，通过对智慧校园架构模型的分析与借鉴，针对当前学习预警的“不及时”“不主动”“不智能”等问题，构建了基于大数据的学习预警系统。
● 基于大数据的学习预警系统模型设计
智慧校园背景下基于大数据的学习预警系统，是以高校智慧校园架构模型为参考，遵循“数据层—策略层—应用层”这一层级结构设计的，该系统模型包括数据收集与存储、数据挖掘与分析以及数据可视化与预警三个阶段，如下页图所示。
1.数据收集与存储
从各种学习系统中获取的海量学生数据（如出勤签到数据、学业绩效数据等），是进行学生学习状态分析的重要数据来源。智慧校园背景下，数据收集与存储阶段综合运用智能感知层、网络通信层和云计算层的技术进行预警的初步工作，其中智能感知层可实现数据的全面采集和实时反馈，网络通信层为广大师生、管理者提供随时随地的泛在通信，云计算层为大数据的高效存储提供技术支撑。
2.数据挖掘与分析
挖掘与分析海量数据中隐含的学生学习状态，是学习预警的核心关键。在以大数据为核心构建的智慧校园中，学习预警系统要用到数据组织与管理、数据分类、数据挖掘、学习分析等多种大数据技术，对学生的学业成绩、学习行为等结构化或非结构化数据展开全面多维的分析，掌握不同学生的学习规律、学习状态，从而为下一步的预警工作建立逻辑前提。这里的分析包括以算法为主的智能分析和以人工为主的专家分析：智能分析指能够进行大量数据分析整理工作的计算机软硬件设备;专家分析指了解教育规律、能够分析学生学习状态的教育学、心理学方面的专家根据数据结果提供前期预警内容和干预策略。在大数据技术支持下，可通过预警案例的累积逐渐建立起系统专业的预警策略数据库。
3.数据可视化与预警
经由智能分析和专家分析得到的预警策略，需要通过一种切实有效的方式呈现给学习者。在智慧校园背景下，学习预警系统可通过智慧应用层和智能终端层将预警信息有效传达，并持续追蹤：智慧应用层为学习预警系统提供平台;智能终端层则为学习预警系统的实现提供渠道。预警的方向分为学习状态预警和学业状态预警：当学生在出勤签到、网络学习等数据上表现不佳时进行学习状态预警;当学生在平时测验、期中考试、期末考试等学业上表现不佳时进行学业状态预警。而干预的方式则分为教师警告、系统警告，通过智慧应用和智慧终端最终传达给学生。当发现学生学习状态不佳时，系统向教师提供预警信息，让教师多关注学生的学习和生活，是让学生重回正轨的重要方式。系统在发现问题时，会立即向学生发送短信或者系统消息，以告知学生的问题所在。学生在收到预警干预的同时，会被预警系统拉入重点关注名单以便进行后续的学业追踪。
● 基于大数据的高校学习预警系统的应用策略
智慧校园背景下基于大数据的高校学习预警系统应把握以下三大应用策略，以达到主动、高效、精准的预警效果。
1.积极运用大数据技术，实时预警
基于大数据的学习预警系统利用大数据的实时动态特性，以及智慧校园的泛在传播性，以实时进行预警，并且迅速得到反馈。大数据的实时收集、整理、分析让学习预警系统及时发现学生问题。传统的学习预警是相当滞后的，学业成绩几乎是各大高校发出预警信号的唯一标准，此外，高校教师与学生之间的联系较少，导致预警信息更难通过教师传达给学生。而学习预警系统在人为干预的基础上，提供了系统干预，一旦发现问题会立即通知教师和学生。
2.优化校园管理模式，智能预警
传统的预警模式是被动的、不灵敏的，高校对学习状态不佳的学生的重视程度明显不够，导致学生陷入学习危机而不自知。基于教育大数据的学习预警系统，在智慧校园的全面感知、无处不在等优势下，能够主动采取措施，积极智能地进行干预。智能预警的内容包括提醒学生及时完成培养计划内容、警示不具有毕业资格的学生、干预学风不良的学生、就业状况预警等。学习预警系统为处于学习危机中的学生提供帮助，提高学生的学习主动性和自我管理能力，大大减少了学生的辍学率。
3.构建学习预警策略库，高效预警
良好的策略应对使得学习预警具有高效性，可以从数据中分析出隐含在学生学业危机背后的深层原因，帮助学生发现未曾注意到的问题，从真实问题出发来解决问题。在解决问题层面上，系统中自主生成和不断优化的预警策略数据库可以根据不同学生的不同困难提出解决问题的办法。而在系统不断地收集学生信息，对被预警过的学生进行学业追踪的过程中，策略数据库能够根据学生学习状态的变化判断策略的有效性，从而不断循环优化，达到高效预警的目的。
● 总结
本文在分析和借鉴智慧校园架构模型的基础上，构建了基于大数据的学习预警系统模型，为处于学习危机中的学生提供了有针对性的干预对策。当前，学习预警系统的构建和完善还需要教育工作者持续进行探索和努力，积极推动大数据与教育的结合，为教育实践领域带来新的研究视野和研究思路。
作者简介：李兰（1994—），女，江南大学人文学院硕士研究生，研究方向为教育信息化。
转载注明来源:https://www.xzbu.com/9/view-15253322.htm
