基於大資料技術的個性化線上教育互動式教學路徑

引言

近年來大資料技術獲得了人們的熱切關注，與此同時大資料技術下的線上學習近平臺也受到了人們的認可，越來越多的線上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，充分利用大資料的分析處理技術，依靠教研隊伍的力量為學生提供線上教育互動式服務。

一、大資料技術的個性化線上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，最為典型的就是為了應對考試，各科老師為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。而大資料技術線上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，並以此為依據，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，大資料技術能夠構建不同知識點的網路結構。而且會為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，會以不斷挑戰極限為目標，一次一次突破自己。其實這和很多過關遊戲有著相同的性質，大資料線上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

事實上每一個教育物件的理解能力、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著很大的偏差，課堂上的答疑需求很大，最為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]。而大資料線上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，為學生調整學習計劃，也就是說在大資料的支援下，老師的個性化教學成為可能。線上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）為學習者提供個性化的學習資源

大資料線上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，為學生推薦合適的學習內容。因為很多學生其實自己也不知道自己哪裡不會，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使用者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。會預測使用者可能需要什麼型別的學習內容，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，平臺會將學習行為記錄下來，之後確定推薦的學習內容是在這些行為基礎之上進行的，學習一次就會重新整理一次使用者模型，形成新的使用者模型。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。以難度為標準實現個性化推薦，也是大資料線上學習能夠實現的功能，智慧題庫是這項功能實現的基礎支撐，為學習者檢驗學習成果服務。每完成一次練習之後，都會運用大資料技術計算學習者的個性化學習難度，之後為學習者生成符合學習者水平的難度習題，真正實現為學習者提供個性化的練習題目。

二、基於大資料技術的個性化線上教育互動式教學路徑

（一）積極填充教學資源

線上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。這些教育資源的型別有錄製的課程、直播的課程、講師資源，另外還包括智慧教師教育資源。只有教育資源多元化，受教育者的選擇資源空間才會更大。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”。線上教育培訓物件的數量越來越多，線上教育資源提供者的數量也越來越多。大資料技術有著強大的採集功能，也就是說，網路上存在的學習資源，包括知識總結、實踐感悟、技能技巧總結，這些都能被大資料技術收集。收集完成之後，還要經過整理和總結，才能發揮作用。作為年輕一代，作為被教育者，也應該積極分享自己的學習經驗，而且曾經作為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。在大資料線上學習系統中每一個人都可以成為老師。大資料線上教育平臺要想吸引更多的會員，就要不斷豐富教學資源，發動使用者和會員的力量積極創作上傳教學資源[3]。

（二）挖掘資料資源潛在的應用價值

大資料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。但是大資料的關係分析法會輔助資源整合，而且大資料技術還具有科學預測的功能，能夠預測教學資源思維變革。所以說大資料致勝的關鍵就在於它的預測和分析功能。在大資料的作用下，變革線上教育的形式成為可能，要明確有關技術的發展方向，做到創新性的應用資料資源。目前社會各界開始逐漸認識到大資料的應用價值，也開始重視大資料的應用價值。可以發現有很多的企業都在自主開發相關的大資料技術，與此同時不管是大資料管理還是大資料處理技術，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，大資料線上教育缺乏的是創新意識，這阻礙了大資料技術實現應用價值。因此要通過大資料開發新的技術，挖掘資料資源潛在的應用價值。只有實現思維、資料和技術的有機結合，才能讓線上教育平臺的應用取得良好的教育效果。

（三）讓每一位使用者都實現分散式管理

大資料技術的個性化線上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使用者都能實現虛擬分散式管理，實現分散式執行程式。此時不需要用到昂貴的硬體分散式環境。比如某系統為每一位使用者配備線上的虛擬分散式管理功能，這是專屬的管理功能，後續的研究部署需要線上的分散式環境來實現。線上教育系統搭建的主頁面要通過分散式的環境模組來實現，搭建分散式環境的方式和要實現的設計效果會在線上教育系統中有詳細的講解。所以使用者就能夠在講解的指導下，自行搭建一個個性化的線上分佈環境。在網站的伺服器上儲存著節點的設定方式。另外這些操作內容不會影響使用者的電腦，也不會增加系統伺服器的執行壓力。

（四）豐富線上學習系統的功能

大資料線上學習系統應該具備快速開始登陸的功能，系統的介面應該具有靈活便捷的特點，這樣使用者才能快速找到自己想要學習的教學資源。而分散式環境會加快使用者調動線上終端的速度。而且使用者也能根據自己的需求選擇合理的分散式環境配置。此時線上分散式環境就能夠得到優化。使用者第一次登陸線上學習系統就能夠看到各種資源課程。在日後使用者也可以根據自己的需求，加入不同的學習資源，而且也可以對分散式模板加以調整，使得線上學習系統更加符合使用者學習的需求。線上學習近平臺上要有線上答疑的功能。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，為此要設定疑問回答區，學習者能夠通過疑問回答區提出問題。老師在登入系統以後就會看到這些問題，而且所有的使用者都能看到這些問題，老師針對學生的問題，統一為學生答疑解惑，讓學生真正理解知識掌握知識。線上學習系統還應該具備整合課程的功能。教師可以登入系統，新建課程、修改課程、同時也可以將自己製作的視訊教學資源上傳至線上學習系統。這些教學資源的形式是多種多樣的，可以是資料檔案，也可以時視訊檔案，還可以是為學生布置的作業。

（五）保證線上學習系統的安全效能

網路世界中存在著破壞力極強的各種病毒，這些病毒會破壞系統的穩定效能，有可能會導致線上學習系統無法正常執行。為此保障大資料模式的安全尤為重要。要切實提升線上學習系統的安全效能。安全保障工作要從使用者登入這一環節開始。應該嚴謹檢驗使用者的身份，使用者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，為此檢測使用者輸出的內容必不可少。計算機病毒有可能隱藏在郵件內，而且還可以從檔案字尾形式中判斷是該檔案是否是病毒。學習者學習線上學習系統提供的知識，有時也需要從系統上下載一些知識，為此係統應該對輸出的資訊加密，避免資訊在輸出的過程中遭到破壞，保證資訊資源能夠準確傳遞給學習者。對於使用者資訊的保護，可以通過MD5加密技術實現。線上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載入資訊之前。這是因為普通使用者的分散式模組不允許他人隨意修改，另外教師的許可權能夠實現修改課程，所以也要遮蔽普通使用者進入到修改課程的頁面。

（六）為學習者提供量身定製習題

能夠為學習者量身定製習題的個性化推薦系統才是好的線上學習系統。目前已經出現了多種個性化推薦線上學習近平臺，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資料資源，之後會發揮大資料技術的處理優勢，將其中存在的異構資料來源挑選出來，最後會統計分析那些十分雜亂的資料，深入探究其中潛在的規律，發現隱藏在資料資源中的趨勢。資料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慧化推薦。離線資料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資訊，就是學習者的年級、階段。另外還包括學習者的學習行為資訊，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慧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為資訊，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，線上教育個性化推薦就是針對UD建立學習者的模型。BP代表的是神經網路，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為10個等級，也就是說難度等級分別為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。以差距值為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，此時一共分為10個等級，難度等級為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為學生推薦的習題量，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演算法。

三、結論

綜上所述，本文研究基於大資料技術的個性化線上教育互動式教學路徑，認為學生在線上教育平臺上能夠獲得良好的自學效果。因為個性化線上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。