基於大數據技術的個性化在線教育互動式教學路徑

引言

近年來大數據技術獲得了人們的熱切關注，與此同時大數據技術下的在線學習近平臺也受到了人們的認可，越來越多的在線學習近平臺橫空出世。“一起作業網”就同步了中國小的教材和作業，充分利用大數據的分析處理技術，依靠教研隊伍的力量爲學生提供在線教育互動式服務。

一、大數據技術的個性化在線教育互動式教學的優勢

（一）有效調整學生的學習狀態

題海戰術是傳統教學比較常用的模式，最爲典型的就是爲了應對考試，各科老師爲學生準備了做不完的試卷。此時學生也只是盲目做題，還有可能是一遍一遍重複做自己已經會了的題。不得不承認，這樣做是提高學生學習成績的好方法，但是學生的厭煩情緒卻與日俱增，學生學習越來越提不起興趣，產生十分嚴重的排斥心理。試卷太多做不完，就只好胡亂填寫，也有可能是抄襲他人的試卷。而大數據技術在線教育個性化互動教學能夠幫助學生擺脫題海戰術。這一教學模式會分析學生的認知差異，還能記錄學生的學習狀態，並以此爲依據，掌握學生對知識點的認知程度，每一個知識點單元的結構都有所不同，大數據技術能夠構建不同知識點的網絡結構。而且會爲學生安排層層遞進的知識點，根據每一題的難度，安排題目的出場順序[1]。此時學生也能發現題目的難度規律，會以不斷挑戰極限爲目標，一次一次突破自己。其實這和很多過關遊戲有着相同的性質，大數據在線教育就是繼續發揮這一性質有效調整學生的學習狀態。

（二）有針對性地提高學習成績

事實上每一個教育對象的理解能力、注意力集中程度、學習成績都有所不同，而且他們對教學內容的掌握程度也各不相同。所以在教學的過程中，會發現學生的認知有着很大的偏差，課堂上的答疑需求很大，最爲明顯的就是高中的課堂，學生不會的知識實在太多，每天有大量的作業要完成，甚至沒有時間思考自己不會的問題是什麼，更無法實現個性化學習。在課堂上常常表現出十分明顯的呆滯現象，感到學習生活毫無樂趣可言，毫無成就感。而此時老師也無法發揮應該實現的引導作用。在一對多的教育模式中，表現出了十分明顯的批量化、低成本化特點，也很難兼顧學生的個性化需求[2]。而大數據在線學習系統能夠準確記錄每個學生的學習狀態，也能反映每個學生對知識點的掌握情況。老師在瞭解了這些情況以後，就能夠針對學生的具體情況，爲學生調整學習計劃，也就是說在大數據的支持下，老師的個性化教學成爲可能。在線教育個性化推薦的應用前景十分廣闊，會在很大程度上減輕學生的學習負擔，可以針對學生不會的問題加強訓練，快速有效提高學習成績。

（三）爲學習者提供個性化的學習資源

大數據在線學習中有個性化推薦的功能，這一功能十分常見。在進行互動式教學的過程中，老師要重點強調這一功能，爲學生推薦合適的學習內容。因爲很多學生其實自己也不知道自己哪裏不會，不管是任何一個領域，需要學習的內容都十分複雜。比如高中的化學知識，再比如大學的高數知識。學生學習起來難度非常大。個性化推薦所選擇的推薦內容是在建立用戶模型的基礎上完成的，而且還會考慮到受教育者的偏好情況。會預測用戶可能需要什麼類型的學習內容，然後將最終確定的內容推薦給學習者。學習者學習完成之後，平臺會將學習行爲記錄下來，之後確定推薦的學習內容是在這些行爲基礎之上進行的，學習一次就會刷新一次用戶模型，形成新的用戶模型。之後推薦的學習內容會更加適合學習者，也會更加符合學習者的偏好。以難度爲標準實現個性化推薦，也是大數據在線學習能夠實現的功能，智能題庫是這項功能實現的基礎支撐，爲學習者檢驗學習成果服務。每完成一次練習之後，都會運用大數據技術計算學習者的個性化學習難度，之後爲學習者生成符合學習者水平的難度習題，真正實現爲學習者提供個性化的練習題目。

二、基於大數據技術的個性化在線教育互動式教學路徑

（一）積極填充教學資源

在線教育的學習資源要有效填充有效整合，在豐富教育資源的同時，確保教育資源的價值。這些教育資源的類型有錄製的課程、直播的課程、講師資源，另外還包括智能教師教育資源。只有教育資源多元化，受教育者的選擇資源空間纔會更大。中國有句古話：“三人行必有我師。”只有教育資源多元化，才能讓學生找到自己真正的“老師”。在線教育培訓對象的數量越來越多，在線教育資源提供者的數量也越來越多。大數據技術有着強大的採集功能，也就是說，網絡上存在的學習資源，包括知識總結、實踐感悟、技能技巧總結，這些都能被大數據技術收集。收集完成之後，還要經過整理和總結，才能發揮作用。作爲年輕一代，作爲被教育者，也應該積極分享自己的學習經驗，而且曾經作爲被教育者總結的學習經驗，更具實用性，也能幫助未來的學習者更快掌握知識技能。在大數據在線學習系統中每一個人都可以成爲老師。大數據在線教育平臺要想吸引更多的會員，就要不斷豐富教學資源，發動用戶和會員的力量積極創作上傳教學資源[3]。

（二）挖掘數據資源潛在的應用價值

大數據本身不具備隨機和自發轉變的功能，因此不能完成系統化整合資源的工作。但是大數據的關係分析法會輔助資源整合，而且大數據技術還具有科學預測的功能，能夠預測教學資源思維變革。所以說大數據致勝的關鍵就在於它的預測和分析功能。在大數據的作用下，變革在線教育的形式成爲可能，要明確有關技術的發展方向，做到創新性的應用數據資源。目前社會各界開始逐漸認識到大數據的應用價值，也開始重視大數據的應用價值。可以發現有很多的企業都在自主開發相關的大數據技術，與此同時不管是大數據管理還是大數據處理技術，都在一步一步完善成熟，而且在研發的過程中花費的成本也不高[4]。從目前的發展情況來看，大數據在線教育缺乏的是創新意識，這阻礙了大數據技術實現應用價值。因此要通過大數據開發新的技術，挖掘數據資源潛在的應用價值。只有實現思維、數據和技術的有機結合，才能讓在線教育平臺的應用取得良好的教育效果。

（三）讓每一位用戶都實現分佈式管理

大數據技術的個性化在線教育互動式教學要實現的是學習者和平臺的良好的互動。學生可以在沒有老師的指導下完成相關內容學習。在學習近平臺上每一位用戶都能實現虛擬分佈式管理，實現分佈式運行程序。此時不需要用到昂貴的硬件分佈式環境。比如某系統爲每一位用戶配備線上的虛擬分佈式管理功能，這是專屬的管理功能，後續的研究部署需要線上的分佈式環境來實現。在線教育系統搭建的主頁面要通過分佈式的環境模塊來實現，搭建分佈式環境的方式和要實現的設計效果會在在線教育系統中有詳細的講解。所以用戶就能夠在講解的指導下，自行搭建一個個性化的在線分佈環境。在網站的服務器上儲存着節點的設置方式。另外這些操作內容不會影響用戶的電腦，也不會增加系統服務器的運行壓力。

（四）豐富在線學習系統的功能

大數據在線學習系統應該具備快速開始登陸的功能，系統的界面應該具有靈活便捷的特點，這樣用戶才能快速找到自己想要學習的教學資源。而分佈式環境會加快用戶調動線上終端的速度。而且用戶也能根據自己的需求選擇合理的分佈式環境配置。此時線上分佈式環境就能夠得到優化。用戶第一次登陸在線學習系統就能夠看到各種資源課程。在日後用戶也可以根據自己的需求，加入不同的學習資源，而且也可以對分佈式模板加以調整，使得在線學習系統更加符合用戶學習的需求。在線學習近平臺上要有在線答疑的功能。學生在學習完每一課時的教學資源時，都會產生不同的疑問，爲此要設置疑問回答區，學習者能夠通過疑問回答區提出問題。老師在登錄系統以後就會看到這些問題，而且所有的用戶都能看到這些問題，老師針對學生的問題，統一爲學生答疑解惑，讓學生真正理解知識掌握知識。在線學習系統還應該具備整合課程的功能。教師可以登錄系統，新建課程、修改課程、同時也可以將自己製作的視頻教學資源上傳至在線學習系統。這些教學資源的形式是多種多樣的，可以是資料文件，也可以時視頻文件，還可以是爲學生布置的作業。

（五）保證在線學習系統的安全性能

網絡世界中存在着破壞力極強的各種病毒，這些病毒會破壞系統的穩定性能，有可能會導致在線學習系統無法正常運行。爲此保障大數據模式的安全尤爲重要。要切實提升在線學習系統的安全性能。安全保障工作要從用戶登錄這一環節開始。應該嚴謹檢驗用戶的身份，用戶有可能在平臺上輸入了不符合要求的內容，要有效規避出現這種情況，爲此檢測用戶輸出的內容必不可少。計算機病毒有可能隱藏在郵件內，而且還可以從文件後綴形式中判斷是該文件是否是病毒。學習者學習在線學習系統提供的知識，有時也需要從系統上下載一些知識，爲此係統應該對輸出的信息加密，避免信息在輸出的過程中遭到破壞，保證信息資源能夠準確傳遞給學習者。對於用戶信息的保護，可以通過MD5加密技術實現。在線學習系統需要限制網站頁面，也就是說將檢測環節嵌入到頁面加載信息之前。這是因爲普通用戶的分佈式模塊不允許他人隨意修改，另外教師的權限能夠實現修改課程，所以也要屏蔽普通用戶進入到修改課程的頁面。

（六）爲學習者提供量身定製習題

能夠爲學習者量身定製習題的個性化推薦系統纔是好的在線學習系統。目前已經出現了多種個性化推薦在線學習近平臺，但是這些平臺的側重點各不相同。但是它們的基本原理大致相同。都要先收集大量的離線數據資源，之後會發揮大數據技術的處理優勢，將其中存在的異構數據源挑選出來，最後會統計分析那些十分雜亂的數據，深入探究其中潛在的規律，發現隱藏在數據資源中的趨勢。數據處理的結果與預測的學習者模型結合，實現對學習者的個性智能化推薦。離線數據的構成內容有習題的特徵屬性，這些屬性指的是專業學科、學習知識點、年級階段、知識點難度。構成內容還有學習者的屬性信息，就是學習者的年級、階段。另外還包括學習者的學習行爲信息，包括知識學習完整性、完成學習所花費的時間。協同過濾相關的理論在個性化智能推薦中發揮了重要的作用，能夠有效挖掘學習者有價值的行爲信息，增強個性化推薦系統的可行性。

（七）科學確定練習量和題目難度係數

知識點的理解程度係數是UD，在線教育個性化推薦就是針對UD建立學習者的模型。BP代表的是神經網絡，運用BP進行計算確定知識點的UD值。比如把理解難度係數劃分爲10個等級，也就是說難度等級分別爲0到9。當某位學習者的學習難度期望值是9時，計算出學習者的實際值，並將該值與期望值相比較，進而得出差距值。以差距值爲依據向學生推薦適合學生的習題。習題難度是習題推薦的一個指標。此時用EI來代表每道題的難度係數，此時一共分爲10個等級，難度等級爲0到9。UD值決定推薦習題的難度係數，也就是說EI=UD，系統會自動向學習者推薦對應的知識點難度等級習題[5]。題量也是習題推薦的一個指標，在確定學生做題量時，要先分析學生以往習題的錯誤率，在統計分析的基礎上確定爲學生推薦的習題量，幫助學生達到練習和鞏固複習的目的，運用的計算方法是輪盤算法。

三、結論

綜上所述，本文研究基於大數據技術的個性化在線教育互動式教學路徑，認爲學生在在線教育平臺上能夠獲得良好的自學效果。因爲個性化在線教育模式突破了傳統教學的盲點，可以說開闢了一條教育界的新道路，學生在這樣的學習模式中，會勇於挑戰自己，勇於突破自己。