數(shù)據(jù)挖掘學習計劃

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇數(shù)據(jù)挖掘學習計劃范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

數(shù)據(jù)挖掘學習計劃范文第1篇

關鍵詞：遠程教育；數(shù)據(jù)挖掘；個性化學習系統(tǒng)

中圖分類號：G434 文獻標識碼：A 文章編號：1007-9599 (2012) 12-0000-02

目前網(wǎng)絡遠程教育的普及使得優(yōu)質教學資源突破了時間和空間的局限性，使得終身學習成為可能。而當前網(wǎng)絡教育的開展，也出現(xiàn)了種種弊端：技術方面，多以教學資料呈現(xiàn)形式的轉換為主，只是書本搬家而缺少一定的交互模式；而其不同學習進度、不同興趣、個性化的學習需要基本不能得到一定的滿足，無法因材施教。因此，網(wǎng)絡教育需要強大的技術力量幫助學生迅速高效地搜尋到滿足其個性要求的教學資源，并對其學習整個進程進行正確指引與科學評價。本文試圖設計一種系統(tǒng)模型，利用數(shù)據(jù)挖掘技術來改進當前的網(wǎng)絡教育模式，對每一個學生都提供個性化的學習進程，達到一下學習要求：

學習系統(tǒng)可依照與當前登錄學生相似的學生的學習步驟自動的對其后續(xù)目標知識進行預測和推薦

針對學生的學習過程進行過程性考核，并依據(jù)成績動態(tài)改變學生的學習與練習進程，對此學生的掌握不好的地方進行再次督學

本文依據(jù)以上目標，構建了基于Web的個性化學習系統(tǒng)模塊（Web-based Personalized Learning Core System 下文簡稱WPLCS）來滿足遠程教育中學習者個性化學習的迫切需要。

在該系統(tǒng)核心算法的選型上鎖定了數(shù)據(jù)挖掘技術來構建WPLCS。下面圖1便是基于網(wǎng)絡的個性化學習系統(tǒng)核心模塊（Web-based Personalized Learning Core System）數(shù)據(jù)挖掘引擎的基本架構：

數(shù)據(jù)挖掘技術是從多樣的、無序的數(shù)據(jù)中，抽取提煉出有用的信息的過程。因此數(shù)據(jù)挖掘技術被廣泛商用。但在教育領域中應用此技術，就不能簡單的套用一些商用模式，因為電子商務中的服務器端在進行數(shù)據(jù)挖掘時只需知道大量的用戶在訪問了A頁面后又去訪問了B或者C頁面，證明他們對B、C頁面有潛在的興趣，從而向訪問過A頁面的用戶的客戶端動態(tài)的推薦B、C頁面，以此來達到個性化引導客戶訪問的目的。

而在網(wǎng)絡教育中，若系統(tǒng)鎖定學生感興趣的知識和關注知識頁面的時長等信息，不但可以依據(jù)此信息靈活地改變練習和考核進程，還可重構網(wǎng)站結構減少網(wǎng)絡響應時長。與此同時，在設計網(wǎng)絡課程的頁面時，力圖使嵌有某些特定知識頁面和網(wǎng)絡課程中的知識點形成映射關系，也就使得系統(tǒng)能夠清楚標記出學生對于知識的掌握情況。從而在數(shù)據(jù)挖掘過程中能夠做到以知識點為導向。

WPLCS利用數(shù)據(jù)處理模塊將系統(tǒng)的用戶訪問日志文件和數(shù)據(jù)庫構建出一個學生基本特征數(shù)據(jù)倉庫，再在此數(shù)據(jù)倉庫的基礎上，利用多種數(shù)據(jù)挖掘算法進行挖掘從而形成學生個性化數(shù)據(jù)挖掘庫。

數(shù)據(jù)預處理

本階段首要找準挖掘數(shù)據(jù)源，本文遴選出系統(tǒng)服務器中的日志文件和系統(tǒng)數(shù)據(jù)庫數(shù)據(jù)作為數(shù)據(jù)源。抽取數(shù)據(jù)源數(shù)據(jù)形成挖掘庫，即學生特征數(shù)據(jù)倉庫。

服務器訪問日志的預處理

學生從登錄到系統(tǒng)服務器開始，便在此服務器上留下相應的日志文件。它包括登錄學生的IP、URL、Cookie等信息。首先抽取網(wǎng)絡日志中的信息，再清洗數(shù)據(jù)缺值等臟數(shù)據(jù)，最后識別學生的IP及登錄Cookie值，合并同一個學生的訪問路徑請求，將時間跨度大的URL進行相應的區(qū)分和記錄。

構建數(shù)據(jù)挖掘庫

匹配系統(tǒng)數(shù)據(jù)庫預處理后的數(shù)據(jù)和服務器訪問日志預處理得到的數(shù)據(jù)，構建出數(shù)據(jù)挖掘庫，即學生特征數(shù)據(jù)倉庫（學習者標識、個人信息、學業(yè)信息、偏好信息等）。

數(shù)據(jù)挖掘

綜合考慮不同數(shù)據(jù)挖掘算法有不同的特點和弊端以及前文所述的個性化學習的要求，在選擇數(shù)據(jù)挖掘算法時，本文選取了序列模式、聚類、關聯(lián)規(guī)則發(fā)現(xiàn)等不同算法，并將其有機結合。為了精確匹配當前學生特征模式與規(guī)則前項，力爭較高的推薦準確率，采取了基于關聯(lián)規(guī)則的挖掘方式進行學習頁面推薦；為了得到更高的推薦覆蓋率，采用基于聚類分析進行推薦。綜合了兩種數(shù)據(jù)挖掘算法的優(yōu)勢，從而改善了推薦的測度。本文將學生特征數(shù)據(jù)倉庫中的數(shù)據(jù)傳送到數(shù)據(jù)挖掘核心模塊來進行數(shù)據(jù)挖掘，得到的數(shù)據(jù)再存放到學生個性化數(shù)據(jù)倉庫來完成整個數(shù)據(jù)挖掘的全過程。

關聯(lián)規(guī)則發(fā)現(xiàn)

關聯(lián)規(guī)則發(fā)現(xiàn)，即尋找數(shù)據(jù)項之間的聯(lián)系規(guī)則。在服務器訪問日志數(shù)據(jù)的預處理過程中，將學生訪問的頁面路徑組成了學生訪問session集，我們可以利用關聯(lián)規(guī)則挖掘得到學生訪問請求間的關聯(lián)規(guī)則。其中比較簡單的一種規(guī)則為：訪問了A頁面的學習者中，有60％又訪問過B頁面。得到這種初始化關聯(lián)規(guī)則后，再通過用戶訪問頁面與知識點的一一映射關系，我們就可以推理出更加實用的規(guī)則模式，即確定在學習過A知識點的學習者中有60％的人對B知識點表現(xiàn)出一定興趣。得到這種有用規(guī)則后我們即可對所有訪問A頁面的學習者的頁面上加上B頁面的推薦鏈接，方便學習者導航。

聚類

聚類，即將數(shù)據(jù)劃分到不同的類中，類間的差別盡可能的大，類內的差別盡可能的小，聚類分析實現(xiàn)并不知曉將要劃分成幾個類，而是利用系統(tǒng)服務器自動化、智能化的計算而得。產生出不同的類后，某學生的特征模式一旦符合某個類后，系統(tǒng)推薦引擎會自動將此學生未來可能訪問的頁面鏈接推薦給學生。由此就可以智能化地將處在不同學習階段的學生匹配到此類本該獲得的學習和考核進程。

序列模式

與關聯(lián)規(guī)則發(fā)現(xiàn)相仿，序列模式是將數(shù)據(jù)間的關聯(lián)性與時間相聯(lián)系。在實際挖掘過程中，我們可以得到下列序列模式：在學習過B和C兩個知識點的學生中有81％的學生在若干天后進行A知識的學習，并且在此過程中大量地頻繁訪問A2、A5、A7、B2等知識，而且對這些知識點的掌握情況開始下滑。因此我們可以及時干預在此時間段所有學習過C、B知識點的學生，將一定量的練習和測試推薦給他們，幫其熟練掌握上述知識，從而達到因時施教的目的。

作為一種新的教學手段——基于Web的網(wǎng)絡教育，當前正方興未艾。本文旨在通過計算機數(shù)據(jù)挖掘技術構建出一個智能化的基于網(wǎng)絡的個性化學系統(tǒng)，以此來輔助完成對不同學生的個性化教學。從而充分發(fā)揮網(wǎng)絡教育的優(yōu)勢。

參考文獻：

[1]W.H.Inmon 《Building the Data Warehouse》 John Wiley & Sons，Inc. 1996

數(shù)據(jù)挖掘學習計劃范文第2篇

關鍵詞：數(shù)據(jù)挖掘；教師培訓；教師專業(yè)發(fā)展

中圖分類號：TP391文獻標識碼：A文章編號：16727800（2012）007011302

作者簡介：徐海霞（1980-），女，寧夏銀川人，西北師范大學教育技術與傳播學院碩士研究生，研究方向教學設計;寇藝儒（1966-），男，寧夏銀川人，寧夏銀川一中高級教師，研究方向為物理學教育理論。

隨著教育的不斷發(fā)展，教師培訓已成為促進教師專業(yè)發(fā)展的一種有效途徑。而培訓過程中會積聚各種資源，培訓結束后也會有大量的數(shù)據(jù)需要處理。本文利用數(shù)據(jù)挖掘技術發(fā)現(xiàn)、捕獲和挖掘有效的信息資源，使分布、異構信息的智能聚合問題得到有效解決，使網(wǎng)絡平臺上豐富的信息資源得到有效利用與深度共享，以幫助培訓者更有效地制定培訓規(guī)劃與培訓策略，從而提高培訓效果。

1數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘（Data Mining，簡稱DM）被稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Databases，簡稱KDD）。有一種比較公認的定義是：數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程。簡單地說，就是從大量數(shù)據(jù)中提取或“挖掘”知識。

這些知識是隱含的、事先未知的潛在的有用信息，提取的知識表示為概念、規(guī)則、規(guī)律、模式等形式。數(shù)據(jù)挖掘要處理的問題，就是從龐大的數(shù)據(jù)庫中尋找出有價值的隱藏事件，并加以分析，將這些有意義的信息歸納成結構模式，供有關部門決策時參考。此外，數(shù)據(jù)挖掘看重的是數(shù)據(jù)庫的再分析，包括模式的構建或是資料特征的判定，其主要目的是要從數(shù)據(jù)庫中發(fā)現(xiàn)先前未曾獲悉的有價值的信息。

2數(shù)據(jù)挖掘技術的選取

為進一步加強教師培訓，全面提高教師隊伍素質，在聯(lián)合國兒童基金會（UNICEF）的資助下，中央電教館組織實施了基于交互式電視培訓課程的“災區(qū)教師培訓”項目，加快了教師繼續(xù)教育學習與終身學習的步伐，基本上每位教師都參與了不同程度、不同學科的培訓學習。應用數(shù)據(jù)挖掘技術將培訓對象、學習內容、模塊設計、作業(yè)、發(fā)帖量、培訓反思等數(shù)據(jù)生成數(shù)據(jù)庫，通過對這些網(wǎng)絡平臺上的數(shù)據(jù)信息進行分析，可以得到關于培訓現(xiàn)狀與效果的一些數(shù)據(jù)信息，用以改進培訓過程中存在的不足。更重要的是，通過對這些數(shù)據(jù)特征的理解與分析，可以開展有針對性的培訓預測。本文利用數(shù)據(jù)挖掘技術來挖掘網(wǎng)絡平臺上的數(shù)據(jù)資源，以此來達到資源深度共享，也為提高教師培訓網(wǎng)絡平臺系統(tǒng)的完整性、協(xié)調性和高效性。

3數(shù)據(jù)挖掘在教師培訓系統(tǒng)中的應用

在聯(lián)合國兒童基金會（UNICEF）的資助下，中央電教館組織實施了基于交互式電視培訓課程的“災區(qū)教師培訓”項目。該項目是為提高四川、甘肅地震受災地區(qū)的小學教育質量，使四川省北川縣、青川縣、什邡市、綿竹市及甘肅省西和縣這5個縣級地區(qū)的200所學校的5 000名教師和100 000 名8～12歲的小學生從高質量的教育中受益。并在教育部國家教師培訓網(wǎng)站（省略.cn）上建立網(wǎng)絡學習模塊，實施網(wǎng)絡學習遠程指導。本文就數(shù)據(jù)挖掘技術應用于教師培訓系統(tǒng)中的培訓對象、培訓內容設置、培訓效果評價等幾個方面進行具體分析。

3.1培訓對象方面

該項目的培訓對象被分成兩部分：一部分為資源教師，另一部分為學科教師。資源教師在災區(qū)教師培訓中也被稱為骨干教師，由各學校的校長、語文、數(shù)學、科學等主要學科帶頭人組成。資源教師在接受培訓后，將負責組織和實施各自學校的校本培訓，因而在本校的校本培訓過程中是核心人物，他們所擔任的角色較多，主要是為學科教師集中授課，提供網(wǎng)絡指導，并組織、管理校本培訓，與網(wǎng)絡遠程指導團隊溝通協(xié)調。所以在“災區(qū)教師培訓”項目中，我們將資源教師作為一種寶貴的資源納入教師培訓發(fā)展的關鍵環(huán)節(jié)。利用數(shù)據(jù)挖掘技術，整理數(shù)據(jù)信息庫，充分利用資源教師和學科教師在項目培訓過程中的所有信息（包括姓名、性別、年齡、職務、教齡、學科、職稱等）和過程性資料（在項目培訓過程中資源教師的作業(yè)提交情況、網(wǎng)絡平臺注冊情況、發(fā)帖情況、回帖情況、學習成績等），在分析資源教師和學科教師特征的基礎上進行信息處理和數(shù)據(jù)分析，從中挖掘出有價值的資源信息和培訓信息。我們在數(shù)據(jù)庫的屬性中羅列出培訓對象的所有基本信息，并利用數(shù)據(jù)挖掘得到了一些意想不到的數(shù)據(jù)信息，如資源教師的教齡與發(fā)帖情況有著正向聯(lián)系，資源教師與學科教師的職務與網(wǎng)絡課程學習有著密不可分的關聯(lián)。通過數(shù)據(jù)挖掘，利用足夠的信息迭代，修正種種問題，尤其是對資源教師和學科教師的行為、需求及其在校本培訓過程中的指導研究，可為教師培訓提供科學的決策依據(jù)，以此提升教師培訓的效果。

3.2培訓內容設置方面

數(shù)據(jù)挖掘學習計劃范文第3篇

決定經(jīng)濟增長的因素很多，人力資本是其中之一。鑒于人力資本系統(tǒng)構成的復雜性，通過對自組織數(shù)據(jù)挖掘理論與方法的分析，闡述它對人力資本指標體系功能和模型預測功能，并強調，自組織數(shù)據(jù)挖掘理論為有效而準確的人力資本系統(tǒng)復雜性研究提供了有力的理論依據(jù)，為人力資本研究提供了新的思路。

關鍵詞：

人力資本系統(tǒng)；自組織數(shù)據(jù)挖掘；復雜性

舒爾茨認為，人力資本是指勞動者的勞動能力（通過五個方面投資而獲取）。在《人力資本投資》一書中，舒爾茨將人力資本投資的范圍分為五個方面，即⑴正規(guī)教育；⑵在職培訓；⑶衛(wèi)生保健；⑷校外學習計劃；⑸流動遷移。我國部分學者對人力資本投資估算范圍主要有：侯鳳云對教育、科研、文化、健康、干中學和就業(yè)遷移六種類別分別進行了測算，是根據(jù)中國的實際情況而確定的測算范圍；錢雪亞對人力資本測算范圍，包括教育、在職培訓等類的投資。測算范圍的確定與測算的結果有決定性的關系。對人力資本的測算與衡量,國內外學者未考慮到人力資本是復雜系統(tǒng)（人力資本的測算范圍與經(jīng)濟增長之間存在著某種“黑箱”,即對人力資本投資所確定的人力資本存量，并將人力資本存量通過勞動（腦力勞動或者體力勞動）物化在商品當中，這個過程能夠直接推動經(jīng)濟增長，他們（人力資本存量與經(jīng)濟增長）之間存在非線性映射關系。）所以，本文提出一個新的觀點:“自組織數(shù)據(jù)挖掘理論是人力資本系統(tǒng)復雜性研究提供了有力的理論依據(jù)，為人力資本研究提供了新的思路”。

一、自組織數(shù)據(jù)挖掘理論與方法的發(fā)展過程

選擇學說是自組織數(shù)據(jù)挖掘理論基礎。是建立在“遺傳-變異-選擇-進化”的進化論原理基礎上的。自組織數(shù)據(jù)挖掘算法是從一個簡單的數(shù)學模型（根據(jù)面板數(shù)據(jù)或者截面數(shù)據(jù)、統(tǒng)計數(shù)據(jù)樣本來建模）集合出發(fā)，按一定的法則（根據(jù)自己研究的目的來確定）進行組合，產生了新的中間待選模型（篩選條件），再經(jīng)過中間模型進行篩選（根據(jù)數(shù)據(jù)情況而定），不斷重復“遺傳-變異-選擇-進化”這個過程，使其“中間待選模型”復雜度不斷增加（從簡單到復雜逐步改進，特別是循環(huán)過程的次數(shù)），最后得到最優(yōu)的復雜模型，這個最優(yōu)模型就是與自己研究目的相關的模型。對于人力資本系統(tǒng)，其特征是勞動者(衛(wèi)生保健投資維持生命的延續(xù))、自我不斷提高(教育、在職培訓投資)、不斷適應環(huán)境變化(遷移投資)，所以人力資本系統(tǒng)屬于自組織系統(tǒng)，把人力資本歸于自組織系統(tǒng)是一個創(chuàng)新。所以，利自組織數(shù)據(jù)挖掘理論可以建立人力資本系統(tǒng)最優(yōu)復雜模型。

二、人力資本形成與指標體系建立

本文采用侯鳳云六種類別。所以，本文將人力資本投資內容（范圍）定為教育培訓、醫(yī)療保健、勞動力遷移、經(jīng)驗技能和科研，建立人力資本指標體系：如表1。

三、揭示人力資本指標體系功能

“競爭而產生的優(yōu)勝劣汰”是生物進化過程，自組織數(shù)據(jù)挖掘建立模型過程就是從簡單系統(tǒng)到復雜系統(tǒng)演化過程，本文用賀昌政自組織數(shù)據(jù)挖掘方法，揭示了人力資本存量測算因素的功能，它能夠影響的因素（19個因素）中篩選出對人力資本存量測算重要影響因素，其中外準則起著關鍵作用，外準則就是對人力資本存量測算因素進行篩選條件，篩選條件不能對存量的結果有大的偏差，最后對偏差進行檢驗。偏差越小，評價模型質量較優(yōu)。

在模型構造過程中，消除建模者參與而給計算機選擇自由是自組織數(shù)據(jù)挖掘算法的目的。建模者僅僅要做的是提供樣本數(shù)據(jù)（截面數(shù)據(jù)或者縱貫數(shù)據(jù)），外準則算法類型，只能通過選擇準則的形式來影響建模的結果（選擇最重要的影響因素來確定人力資本存量的結果），然而，建模者對研究對象模型的主觀想象（主觀性）與建模結果無關，從而保證了模型選擇的客觀性。例如人力資本指標體系中勞動力遷移研究。建模者要完成的工作:樣本區(qū)間(1990-2014年)數(shù)據(jù)采集；算法類型:用最小偏差準則；系統(tǒng)輸出Y:勞動力遷移指數(shù)；系統(tǒng)輸入(可能的影響因素):x,i=1−5i，共5個變量。

用自組織數(shù)據(jù)挖掘算法，計算機自由選擇篩選出的模型含3個變量：農村居民人均純收入，鄉(xiāng)鎮(zhèn)企業(yè)就業(yè)人數(shù)，從業(yè)人員占總人口比重。自組織數(shù)挖掘算法通過最優(yōu)復雜度原理能夠對人力資本存量進行預測，是人力資本系統(tǒng)的復雜性研究的另一個重要內容，為人力資本存量的測算提供新思路。

參考文獻：

[1]舒爾茨．人力資本投資[M].北京:北京經(jīng)濟學院出版社,1991:9－10.

[2]侯鳳云．中國人力資本投資與城鄉(xiāng)就業(yè)相關性研究[M].上海:上海人民出版社,2007.

[3]錢雪亞,王秋實,劉輝.中國人力資本水平再估算:1995—2005[J].統(tǒng)計研究,2008,(2).

數(shù)據(jù)挖掘學習計劃范文第4篇

關鍵詞：大數(shù)據(jù);教育領域

大數(shù)據(jù)（big data），又名巨量資料、海量資料。麥肯錫全球研究院報告《大數(shù)據(jù)：創(chuàng)新、競爭和生產力的下一個前沿》對大數(shù)據(jù)所做定義如下：大數(shù)據(jù)是指數(shù)據(jù)量大小超出了傳統(tǒng)數(shù)據(jù)庫軟件工具的抓取、存儲、管理和分析能力的數(shù)據(jù)群。大數(shù)據(jù)必定具備四個特征：容量大（Volume），指數(shù)據(jù)的存儲容量單位已經(jīng)由GB、TB上升到EB、ZB、YB，甚至更高的級別;速度快（Velocity），指海量數(shù)據(jù)的創(chuàng)建、傳輸和分析速度快，一般要求響應時間要控制在秒級單位內;類型多（Variety），指數(shù)據(jù)類型多樣，除了結構化的事務數(shù)據(jù)，還包括半結構化的網(wǎng)頁數(shù)據(jù)、非結構化的視頻和音頻數(shù)據(jù);價值高（Value），指數(shù)據(jù)價值密度低，但海量數(shù)據(jù)綜合價值總量很高。

大數(shù)據(jù)時代的來臨對各行業(yè)都產生了深刻的影響，教育領域也不例外。學員的學習行為、思維方式，教員的授課理念、教學方法，學校的教育管理、教學評價無一例外都受到大數(shù)據(jù)的影響。教育領域必定會在大數(shù)據(jù)技術的推動下發(fā)生深層次的、多元化的創(chuàng)新與變革。

一、大數(shù)據(jù)對教育領域的影響

1.教育理念與教學評價被迫革新。教育作為社會子系統(tǒng)的重要組成部分深受社會形態(tài)影響，現(xiàn)代的教育體系幾乎是伴隨著工業(yè)社會發(fā)展同步發(fā)展的。市場的擴大與提高，對勞動者勞動技術與經(jīng)驗的要求遠遠高于個體層面的文化修養(yǎng)，合格勞動力的衡量標志是能不能解決問題。這一實用主義特點對教育領域的影響是巨大的。傳統(tǒng)的教學評價不論對學員還是對教員，總是依賴能力測試，通過考試分數(shù)的數(shù)理統(tǒng)計分析來評價學員與教員。在大數(shù)據(jù)時代，則是跟蹤記錄教員與學員教與學的長期行為并對之進行分析，采用過程性、歸納式、多元化的方式進行評價。

2.個性化教學得以真正實現(xiàn)。運用大數(shù)據(jù)技術，在線平臺能實時記錄每一位學員的學習行為，教員獲得全面豐富的數(shù)據(jù)內容后利用數(shù)據(jù)挖掘技術加以整合分析，不但能掌握學員個體的學習狀態(tài)、知識接受水平，還能了解哪種教學方法對該學員最有效，以及該學員具體的薄弱點。教員根據(jù)這些數(shù)據(jù)就可以針對學員個體因材施教，制定個性化的教學方案、教學活動和學習計劃，教學工作真正從共性化的群體教學轉向了個性化的個體教學。個性化教學的實現(xiàn)能大幅提高教員的教學質量和學員的學習效果。

二、大數(shù)據(jù)在教育領域的應用模式

大數(shù)據(jù)在教育領域的應用模式本質上就是數(shù)據(jù)的生命周期，即數(shù)據(jù)獲取（學員使用在線教育系統(tǒng)）、數(shù)據(jù)存儲（系統(tǒng)將學員的在線學習行為記錄下來存入數(shù)據(jù)庫）、查找與分析（進行數(shù)據(jù)挖掘，預測學員的各項表現(xiàn)）、可視化（對數(shù)據(jù)挖掘和預測結果進行可視化處理）、決策（教員與教學管理人員給予學員指導與支持）。

1.教育者角度的應用，即教學領域知識模型構建。大數(shù)據(jù)教育系統(tǒng)對現(xiàn)有的教學內容建模后通過數(shù)據(jù)挖掘、學習分析和在線決策各子系統(tǒng)，研究各專業(yè)學員所必須掌握的教學知識點、教學單元與教學課程之間的邏輯關系，最終重新構建領域知識結構，對現(xiàn)有的教學內容與方法進行改革，達到提高學員學習效果和教員教學效率的目的。

2.學習者角度的應用。（1）個性化課程分析。大數(shù)據(jù)教育系統(tǒng)首先獲取某個學員以前的學習表現(xiàn)，從已畢業(yè)學員的成績庫中匹配與之相似的學員，分析已獲得的成績和待選課程表現(xiàn)之間的相關性;然后通過學習滿意度調查問卷分析評估學員個人情況;再結合專業(yè)課程的重要性，為學生列舉課程清單。并向其推薦有可能取得優(yōu)秀成績的課程。（2）輟學行為預警。大數(shù)據(jù)教育系統(tǒng)可以記錄所有學員的課程學習信息，進行教學情況實時監(jiān)測。當曠課、違紀、課堂表現(xiàn)等與輟學行為相關的關鍵因素發(fā)生變化時，系統(tǒng)會及時對學員行為做出評估，并在風險達到一定閾值時向教育管理方發(fā)出預警，使教育管理方有足夠的時間在輟學行為發(fā)生前進行提前干涉。（3）助學需求預測。大數(shù)據(jù)教育系統(tǒng)可以通過收集校園卡的生活與消費記錄，以一日三餐為主要權重指標對生活必要開銷進行計算評估，當發(fā)現(xiàn)某學員的消費明顯低于預警線時，會主動通知學校相關管理方，由相關部門與學員進一步溝通，并進行相應調查，判斷該學員是否需要助學幫助。

3.其他應用。當大數(shù)據(jù)教育系統(tǒng)與其他領域的大數(shù)據(jù)系統(tǒng)互聯(lián)互通后能發(fā)揮的作用不可估量。比如，與社保、醫(yī)療、金融、公安、政府等大數(shù)據(jù)實現(xiàn)安全共享后，教育系統(tǒng)內所有學校與學區(qū)內的情況可以從各個角度可視化地展現(xiàn)在出來。大數(shù)據(jù)系統(tǒng)既能幫助學員從選擇學習合作小組到職業(yè)規(guī)劃的制定等各個方面進行輔助指導，也能幫助國家層面的教育管理者制定宏觀教育政策、調整教育改革方向、分配教育資源。

總而言之，大數(shù)據(jù)在教育領域的應用惠及該系統(tǒng)內學員、教員、教育管理者、教育研究者等所有人員，它是未來教育發(fā)展的必然趨勢。但作為新生事物，大數(shù)據(jù)具體的應用還不成熟，需要在實踐探索中不斷改進完善。

參考文獻：

數(shù)據(jù)挖掘學習計劃范文第5篇

【關鍵詞】 在線學習；學習過程管理；大數(shù)據(jù)思維；學習分析

【中圖分類號】 G434 【文獻標識碼】 B 【文章編號】 1009―458x（2016）11―0017―05

現(xiàn)代信息技術對教育領域產生著越來越深遠的影響。以大數(shù)據(jù)、云計算、移動互聯(lián)網(wǎng)等為特征的信息化手段，催生出各種新的學習模式、教學模式和管理模式。教育部在《關于“十三五”期間全面深入推進教育信息化工作的指導意見（征求意見稿）》中指出：黨的十以來，“互聯(lián)網(wǎng)+”行動計劃、促進大數(shù)據(jù)發(fā)展行動綱要等有關政策密集出臺，信息化已成為國家戰(zhàn)略，教育信息化正迎來重大歷史發(fā)展機遇，我們要堅持融合創(chuàng)新，拓展教育信息化應用廣度與深度，依托網(wǎng)絡學習空間逐步實現(xiàn)對學生日常學習情況的大數(shù)據(jù)采集和分析，優(yōu)化教學模式。（教育部，2015）因此，利用互聯(lián)網(wǎng)和信息技術促進教育大數(shù)據(jù)建設與應用，有效開展在線學習并實現(xiàn)過程管理，不僅是開放大學、各高校網(wǎng)絡學院、各類培訓機構的主要教育目標，也是我國教育信息化發(fā)展的重要任務，是構建繼續(xù)教育公共服務平臺，擴大教育供給，促進教育公平，完善終身教育體系的主要途徑。

在當前互聯(lián)網(wǎng)+環(huán)境下，大數(shù)據(jù)思維被越來越廣泛而深入地應用到教育領域，數(shù)據(jù)分析結果越來越多地影響管理和決策。在教育實踐中，我們如何對海量信息進行有效而充分的采集和挖掘，同時又要避免對數(shù)據(jù)和技術產生過度依賴，陷入技術決定教育和數(shù)據(jù)決定管理的誤區(qū)（鄭爭文，2016）？本文通過分析國內當前在線學習過程管理現(xiàn)狀和學習者學習過程中產生的相關數(shù)據(jù)，探討如何應用大數(shù)據(jù)思維來提升在線學習者的學習效果、在線教育的教學效果與管理水平，并以在線學習過程管理大數(shù)據(jù)應用為例，探討互聯(lián)網(wǎng)+環(huán)境下教育大數(shù)據(jù)管理的新思維和新模式。

一、在線學習過程管理現(xiàn)狀

在線學習是隨著網(wǎng)絡技術發(fā)展出現(xiàn)的新的學習模式，是遠程教育發(fā)展的新階段，是利用計算機互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)，通過依托于網(wǎng)絡的學習平臺和管理平臺建立虛擬的學習環(huán)境實施教學、開展學習的過程。

我國在線教育于2000年前后緩慢起步。1999年，中央廣播電視大學在電大系統(tǒng)啟動“開放教育”試點；2000年，教育部批準68所高校建立網(wǎng)絡教育學院，同一時間，新東方網(wǎng)校上線運行；2010年，在線教育開始蓬勃發(fā)展；2012年美國三大MOOC平臺催生了國內千百計企業(yè)加盟教育培訓，進軍在線教育特別是高等教育市場；2014年，隨著國務院“取消和下放利用網(wǎng)絡實施遠程高等學歷教育的網(wǎng)校審批”，我國在線教育市場走向開放和多元化；2015年，“互聯(lián)網(wǎng)+”時代到來，為我國基于信息技術的在線教育帶來新的機遇與挑戰(zhàn)。

我國在線教育學習過程管理存在幾個普遍性現(xiàn)象：一是教、學、管分離，使得信息碎片和數(shù)據(jù)孤島問題凸顯（顧小清，等，2014）；二是各高校或培訓機構信息技術與教育教學的深度融合不夠，對整個學習周期的管理缺乏頂層設計，導致諸多平臺運行不力，管理模式固化，數(shù)據(jù)標準不統(tǒng)一；三是在教學和資源建設方面，教學設計和課程資源面向所有學習者，沒有考慮對不同學習者的適用性，無法滿足其個性化需求，也就無法實現(xiàn)真正意義上的個性化人才培養(yǎng)；四是在學習支持服務方面，大眾化的學習支持多，個性化的學習支持少（吳南中，2015）；五是缺乏對學習效果、教學效果的有效評價和激勵機制，在線學習活動的參與度低，學習任務的完成率差。此外，在線課程學習的課程完成率低，在線學歷教育的畢業(yè)率明顯低于傳統(tǒng)教育的問題一直是困擾遠程教育可持續(xù)發(fā)展的難題之一，特別是在缺乏有效的教學約束管理和學習支持服務的情況下這一現(xiàn)象尤為明顯。

二、大數(shù)據(jù)思維對在線學習過程管理的啟示

與傳統(tǒng)數(shù)據(jù)相比，互聯(lián)網(wǎng)和信息時代產生的大數(shù)據(jù)呈現(xiàn)出在線、實時、全貌的顯著特征。如果說傳統(tǒng)數(shù)據(jù)產生出自然價值，大數(shù)據(jù)則衍生出智慧價值，它深刻改變了人們對待數(shù)據(jù)的思維方式，這主要體現(xiàn)在：一是總體思維，從原本只能采集樣本數(shù)據(jù)到獲取全面、系統(tǒng)的所有相關數(shù)據(jù)；二是容錯思維，從微觀和精準性向宏觀和包容性轉變；三是相關思維，不再執(zhí)著于對數(shù)據(jù)進行因果關系的分析，而是聚焦到相關關系和對未來的洞見與預測分析；四是智能思維，使線性、簡單的機器思維變得像人腦一樣呈現(xiàn)出主動性、邏輯性和前瞻性。

針對在線教育領域，我們可以把大數(shù)據(jù)思維應用到在線學習過程管理中，以數(shù)據(jù)為核心梳理架構管理流程，利用全樣本數(shù)據(jù)搜集協(xié)助管理判斷，通過對過程數(shù)據(jù)的快速獲取實現(xiàn)管理高效，通過過程相關性數(shù)據(jù)分析預測管理風險，把數(shù)據(jù)處理結果轉化為管理決策支持，探索實現(xiàn)管理主動性和智能化的渠道。例如通過對多維度、多元化、分散異構的海量在線學習相關數(shù)據(jù)進行采集、分析和挖掘，研究學習者需求，推薦適用不同個體的學習資源，避免其面對海量信息卻無法提取有效資源而產生空茫狀態(tài)（楊現(xiàn)民，等，2016）；研究學習者特點，協(xié)助其制定個性化的學習計劃；研究學習者學習過程，通過及時有效的技術支持與信息推送服務，緩解在線學習者由于時空分離、師生分離產生的孤獨感；研究學習者學習生命周期中的動態(tài)影響因素，進行評估預測與風險預警等。

在在線學習過程管理中應用大數(shù)據(jù)思維和技術，跟蹤學習者學習過程和學習行為，跟蹤教學活動與學習者參與狀況，進行教學質量監(jiān)控，對學習效果、教學效果、資源適用度等進行評估預測，具有積極的現(xiàn)實意義：① 挖掘有效學習模式，助力在線學習者學習能力和自我管理能力的提升，實現(xiàn)深度學習； ② 掌握學習者學習動因與需求，為在線學習者提供真正意義上的個性化教學與支持服務；③ 促進在線教學模式的改進和教學效果提升，提高教學活動參與度，降低輟學率（謝洵，2016）；④ 為教學管理和科學決策提供智慧支撐；⑤ 促進數(shù)據(jù)標準統(tǒng)一，實現(xiàn)信息共建共享，促進教育的透明與公平。

三、在線學習過程管理大數(shù)據(jù)建設關鍵問題探討

在線學習者的學習過程概括講包括學習內容選擇（課程資源或專業(yè)）、就讀學校或機構選擇、注冊繳費、參加教學活動、自主學習、學習效果考核與評價、成果獲取（如獲得畢業(yè)或課程證書）。在線學習者的學習過程，由于處在虛擬網(wǎng)絡和課堂中，又受到諸如學習者特征、環(huán)境、工作與生活狀態(tài)、對教師與資源適應度等多種因素影響與制約，因此在線學習過程管理大數(shù)據(jù)建設與應用，要關注以下幾個關鍵問題：

1. 化零為整與化整為零的思維

大數(shù)據(jù)是一種新的思維方式，一種解決問題的新方法（趙靖巖，等，2016）。化零為整就是要收集與學生學習過程相關的各類碎片化信息，進行分類統(tǒng)計，通過大數(shù)據(jù)建模，形成結構化的數(shù)據(jù)表或可視化的分析結果，據(jù)此對學習、教學和管理進行評估和預測。化整為零是對大數(shù)據(jù)所呈現(xiàn)結果的反饋與落實，關注到每一位學習者個體分析結果，對教學與管理從每一個細節(jié)進行調整與改進。例如依據(jù)在線學習特點對資源進行分解制作微課，依據(jù)風險預警為每一位學習者提供有針對性的信息推送服務，教師依據(jù)學習效果評估實時改進教學設計，在教學過程中為學習者提供個性化支持等。

2. 關鍵數(shù)據(jù)庫的建立

數(shù)據(jù)采集是大數(shù)據(jù)應用的首要和基礎工作。圍繞在線學習者的學習過程，要建立一系列關鍵信息數(shù)據(jù)庫：① 學生信息庫，包括個人基本信息、學習者特征、環(huán)境、學習動因與目標等；② 師資信息庫，包括學習過程涉及的專業(yè)負責人、課程責任教師、課程輔導教師、導學教師、技術支持教師、教務管理教師等各類師資；③ 課程資源庫，包括圍繞課程學科建設的系統(tǒng)資源、針對課程模塊提供的支撐素材、各類專題研究與討論等；④ 學分與成績庫，記錄學習者圍繞課程或專業(yè)學習的階段性和終結性學習效果與獲得成果及相關信息；⑤ 教學過程信息庫，采集教學實施過程中的教學策略、教學行為、教學活動、技術運用、教學效果等信息；⑥ 質量評價保障信息庫實現(xiàn)多元化質量因子采集與質量標準的確立。

3. 數(shù)據(jù)的互通性

互聯(lián)網(wǎng)極大地促進了數(shù)據(jù)的開放，但基于在線學習的各類高校和教育機構都建有獨立的諸多教學、教務、考核等管理平臺，這些平臺使用不同的開發(fā)工具和數(shù)據(jù)庫技術，必然造成數(shù)據(jù)管理上的獨占性、封閉性和數(shù)據(jù)范式的不一致。因此，大數(shù)據(jù)應用需要更高層面的統(tǒng)籌規(guī)劃和頂層設計，建立開放的、采用相同范式和標準的數(shù)據(jù)接口，實現(xiàn)數(shù)據(jù)管理的標準化和數(shù)據(jù)互通共享。2015年9月正式啟動的國際開放數(shù)據(jù)就提出了開放數(shù)據(jù)必須保證互通性的倡議，提出將努力“制定并實現(xiàn)統(tǒng)一、開放的數(shù)據(jù)標準，從而確保數(shù)據(jù)的格式、結構和通用標識符都具備互通性”（高豐，2016）。

4. 數(shù)據(jù)的有效性

信息技術的飛速發(fā)展使海量的數(shù)據(jù)采集變得越來越高效，但并非收集的基礎數(shù)據(jù)量越龐大，分析預測的結果準確性就越高，大量無效的信息不但會造成冗余，影響數(shù)據(jù)處理的效率，更重要的是會干擾數(shù)據(jù)加工過程與風險導向，使預測結果偏離最接近真實的方向。因此，有效數(shù)據(jù)的遴選是在線學習過程數(shù)據(jù)采集的首要任務。

5. 數(shù)據(jù)的時效性

大數(shù)據(jù)應用中，反應速度極為關鍵。我們知道，大數(shù)據(jù)獲取的不僅是歷史數(shù)據(jù)，更重要的是即時數(shù)據(jù)。數(shù)據(jù)從產生的一刻起，就是有不同生命周期的，這就決定了數(shù)據(jù)價值會隨時間發(fā)生動態(tài)變化。因此，在線學習過程管理大數(shù)據(jù)應用中要重視數(shù)據(jù)采集、數(shù)據(jù)挖掘與結果呈現(xiàn)的時效性。要確保預測結果的有效性和價值實現(xiàn)，建立對在線學習過程相關數(shù)據(jù)的快速反應機制就顯得尤為重要。

6. 分析結果的準確性與質量

數(shù)據(jù)分析結果的準確性和質量直接影響管理決策方向。對于在線學習過程管理中關鍵環(huán)節(jié)的教學評價，在數(shù)據(jù)建設中要聚焦于實現(xiàn)教育質量保障的理性、透明性、可測量性和專業(yè)性，建立一種相互信任、權利與責任相平衡的質量文化（張應強，等，2014）。要重視對在線學習參與水平而不僅僅是參與度的數(shù)據(jù)研究，通過大數(shù)據(jù)應用探索有效的測量標準、方法與機制。對此，美國雪域大學DI Sun提出了測量學習者參與水平的三要素，即情感參與、認知參與和行為參與，并構建了包含21項條目的量表（梁林梅，等，2016）。這些研究成果可作為我們探索在線學習過程管理大數(shù)據(jù)挖掘和分析的參考。

7. 人的因素

對大數(shù)據(jù)進行加工處理，依托的不僅僅是數(shù)據(jù)分析軟件和信息技術，更重要的是人的參與。數(shù)據(jù)挖掘的靈魂是智能算法，通過對數(shù)據(jù)的分析、整合與設計實現(xiàn)信息向價值的轉換，體現(xiàn)的是人的智慧與思維。因此，在線教育的教師和管理者要具備一定的大數(shù)據(jù)思維和數(shù)據(jù)挖掘基礎知識，做既懂得數(shù)據(jù)分析技術又諳熟各項具體業(yè)務的復合型人才；大數(shù)據(jù)建模與應用的技術實施者，同時要了解并熟悉在線教育的特征和發(fā)展現(xiàn)狀，要跟蹤在線教育的新變化和新理念，才能挖掘教育大數(shù)據(jù)所潛藏的更高價值。

四、在線學習過程管理大數(shù)據(jù)

應用模式設計

大數(shù)據(jù)應用遵循數(shù)據(jù)采集、數(shù)據(jù)加工、結果呈現(xiàn)的基本模型。其中，數(shù)據(jù)收集是大數(shù)據(jù)應用的最基礎最底層任務，通過數(shù)據(jù)采集將數(shù)量龐大、結構復雜的信息匯聚起來建立關鍵信息數(shù)據(jù)庫。依據(jù)不同模型對收集到的各類數(shù)據(jù)通過挖掘和分析等技術手段和設計進行預處理和再加工，最終轉化為可視化結果輸出并落地應用，是大數(shù)據(jù)管理要實現(xiàn)的核心目標。依據(jù)不同的研究領域，大數(shù)據(jù)管理衍生出諸多不同的更具體的應用模式，這里圍繞在線學習過程，從學習分析、教學分析以及二者相結合的維度對大數(shù)據(jù)管理模式進行探討。

1. 學習分析模式

學習分析是大數(shù)據(jù)在教育領域的典型應用（王良周，等，2016）。新媒體聯(lián)盟（New Media Consortium）將學習分析定義為：利用松散耦合的數(shù)據(jù)收集工具和分析技術，研究分析學習者學習參與、學習表現(xiàn)和學習過程的相關數(shù)據(jù)，進而對課程、教學和評價進行實時修正（徐鵬，等，2013）。以在線學習者及其學習過程為主體，對在線學習過程進行分析的過程同樣如此。它通過收集學習者特征、學習背景、學習動因與需求等數(shù)據(jù)，跟蹤學習過程中的狀態(tài)、行為、影響因子、資源利用、作業(yè)與考核情況等信息，利用預設的模型對數(shù)據(jù)加以分析，并呈現(xiàn)出可視化數(shù)據(jù)分析結果。在線學習分析的大數(shù)據(jù)應用主要體現(xiàn)在：在保護學生個人隱私的基礎上，盡可能全面并有效地反映客觀真實；能預測學生的學習行為與需求，實現(xiàn)有針對性地為學習者提供支持和服務；依據(jù)正確的判斷進行風險預警，并體現(xiàn)關鍵性和前瞻性；能夠挖掘有效的個性化學習模式，提升學習者的學習能力、自我調適能力和管理能力。

2. 教學分析模式

在線學習教學分析圍繞教師的教學周期進行，聚焦于教師特征提取、課程資源建設、教學活動設計、線上互動學習設計、線下任務部署、學生資源訪問情況、活動參與情況、考核與學習效果評價、教學評價等環(huán)節(jié)，在數(shù)據(jù)采集和分析的基礎上，力爭針對每一位學習者實現(xiàn)真正意義上的“因材施教”。對在線學習教學分析應用大數(shù)據(jù)思維的重點聚焦在三方面：一是從互聯(lián)網(wǎng)海量的公開資源中遴選優(yōu)質、適用的資源應用于課程教學；二是通過跟蹤教學活動參與效果與學生行為，及時調整、改進教學設計手段與策略方法，激發(fā)學習者學習動力，提升其學習效果；三是通過對整個教學過程的跟蹤反饋與評價，找到提高課程整體設計水平和資源質量的切入點，同時提升在線課程責任教師、在線輔導教師的教學能力和教學效果（鄭燕林，等，2015）。

3. 學教管相結合的分析模式

學習、教學和管理在在線學習中是交叉進行并互相影響的。隨著教育領域中大數(shù)據(jù)應用逐漸引起關注，功能相對單一的“學習分析系統(tǒng)”已經(jīng)不能滿足互聯(lián)網(wǎng)+環(huán)境下教育發(fā)展的需要。學習者希望能利用碎片化的時間學習到豐富有用的知識或技能，實現(xiàn)高效能又不枯燥的學習；教師希望設計出受歡迎的優(yōu)質課程或資源，開發(fā)學習者感興趣又能保持高參與度和持久度的學習活動，展現(xiàn)教師的價值與成就感；管理者希望能建立一個通暢的管理流程和渠道，并實時捕捉過程中發(fā)生的問題和需求，實現(xiàn)高品質服務和高效率管理。上述三者目標的共同實現(xiàn)，將促成學校或機構的品牌建立與影響力提升。于是，學教管相結合的大數(shù)據(jù)分析模式應此而生。這種分析模式如圖一所示，它具備統(tǒng)籌規(guī)劃與頂層設計，圍繞學習者整個學習周期，從更全面的多元化的角度收集數(shù)據(jù)，在有專業(yè)技術人員進行大數(shù)據(jù)平臺搭建的基礎上，結合實際需求與發(fā)展趨勢對數(shù)據(jù)進行算法設計研究，再將處理結果在學習、教學與管理中落地應用，并在實踐中不斷調整和改進。

結束語

終身學習已經(jīng)從教育觀念發(fā)展成為全球性的共同行動，成為人們不可或缺的生存和生活方式，在線學習作為實現(xiàn)終身學習的必要途徑，以其豐富多樣的資源、多元化的教學方式、自由靈活的學習方式、開放包容的入學條件等優(yōu)勢，受到越來越多學習者青睞。2015年在青島舉行的國際教育信息化大會上通過的《青島宣言》中指出，“在線學習，包含大規(guī)模開放在線學習課程（MOOCS），具有建立邁向高等教育和終身學習新路徑的潛力。我們鼓勵那些為改進在線學習而探索大數(shù)據(jù)潛力的努力，這使我們深入了解學生行為和學習活動，并且改進在線課程的設計和組織形式。”以信息技術為手段，對在線學習者學習過程產生的大數(shù)據(jù)進行研究，是一項復雜的系統(tǒng)工程，探討更適應學習者個性化的學習模式，不斷改進教學模式，建立先進的管理體系，是在線教育工作者不懈努力的目標。在此，筆者結合多年在開放教育一線教育教學管理經(jīng)驗，謹以此文與從事在線教育的同行們就在線學數(shù)據(jù)思維與應用進行探討，以期引發(fā)對在線教育大數(shù)據(jù)更深入的研究。

[參考文獻]

徐鵬，王以寧，劉艷華，張海. 2013. 大數(shù)據(jù)視角分析學習變革[N]. 遠程教育雜志（6）：11-17.

顧小清，鄭隆威，簡菁. 2014. 獲取教育大數(shù)據(jù)：基于xAPI規(guī)范對學習經(jīng)歷數(shù)據(jù)的獲取與共享[J]. 現(xiàn)代遠程教育研究（5）：13-22.

吳南中. 2015. 基于教育大數(shù)據(jù)的MOOC支持服務特質與形成研究[J]. 中國遠程教育（12）：49-55.

張應強，蘇永建. 2014. 高等教育質量保障：反思、批判與變革[J]. 教育研究（5）：19-26.

鄭燕林，柳海民. 2015. 大數(shù)據(jù)在美國教育評價中的應用路徑分析[J].中國電化教育（7）：25-31.

王良周，于衛(wèi)紅. 2015. 大數(shù)據(jù)視角下的學習分析綜述[J]. 中國遠程教育（3）：31-37.

教育部. 2015. 關于“十三五”期間全面深入推進教育信息化工作的指導意見（征求意見稿）[EB/OL].

謝洵. 2016. 聚焦遠程學習的多元化實踐與研究[J]. 中國遠程教育（1）：73-76.

趙靖巖，胡振波. 2016. 大數(shù)據(jù)環(huán)境下高校信息化教學模式研究[J]. 情報科學（1）：92-95.

高豐. 2016. 共治共創(chuàng)視角下的開放數(shù)據(jù)發(fā)展：趨勢、挑戰(zhàn)和反思[J].大數(shù)據(jù)（2）：38-45.

梁林梅，夏穎越. 2016. 美國高校在線教育：現(xiàn)狀、阻礙、動因與啟示[J]. 開放教育研究（1）：27-34.