摘要:在混合式學(xué)習(xí)環(huán)境下,整合正式學(xué)習(xí)和非正式學(xué)習(xí)下的行為數(shù)據(jù)進(jìn)行學(xué)習(xí)結(jié)果預(yù)警,是提高預(yù)警有效性和精準(zhǔn)性的一個(gè)重要路徑,因此,著重解決數(shù)據(jù)采集面單一和課程學(xué)習(xí)預(yù)警系統(tǒng)匱乏問(wèn)題,具有重要的實(shí)踐價(jià)值。對(duì)此,國(guó)內(nèi)外對(duì)學(xué)習(xí)預(yù)警相關(guān)研究已有豐富的基礎(chǔ)。在相關(guān)文獻(xiàn)分析的基礎(chǔ)上,提出的基于學(xué)習(xí)行為數(shù)據(jù)的學(xué)習(xí)預(yù)警模型,包括學(xué)習(xí)服務(wù)模塊、數(shù)據(jù)采集模塊、教育大數(shù)據(jù)倉(cāng)庫(kù)和云計(jì)算平臺(tái)、數(shù)據(jù)處理模塊、預(yù)測(cè)計(jì)算與分 析模塊、自動(dòng)預(yù)警與可視化模塊?;谠撃P筒⒔Y(jié)合相關(guān)的技術(shù)標(biāo)準(zhǔn)和規(guī)范,設(shè)計(jì)了包含了數(shù)據(jù)源、數(shù)據(jù)集成、數(shù)據(jù)管理、應(yīng)用服務(wù)和信息展示的學(xué)習(xí)預(yù)警系統(tǒng)基礎(chǔ)技術(shù)框架。研究結(jié)果表明,利用UML建模來(lái)設(shè)計(jì)核心數(shù)據(jù)模型,以ASP.NET為開(kāi)發(fā)平臺(tái),采用Oracle數(shù)據(jù)庫(kù),從數(shù)據(jù)結(jié)構(gòu)與權(quán)重、監(jiān)測(cè)與動(dòng)態(tài)分析和可視化結(jié)果輸出等三部分開(kāi)發(fā)的學(xué)習(xí)預(yù)警系統(tǒng),具有高度的擴(kuò)展性和穩(wěn)定性,可滿足學(xué)習(xí)預(yù)警的常態(tài)化監(jiān)測(cè)要求。
關(guān)鍵詞:學(xué)習(xí)行為數(shù)據(jù);學(xué)習(xí)結(jié)果;數(shù)據(jù)結(jié)構(gòu);學(xué)習(xí)預(yù)警;可視化分析
一、研究背景
移動(dòng)終端、教育APP、自帶設(shè)備等技術(shù)工具的廣泛應(yīng)用,正對(duì)傳統(tǒng)學(xué)習(xí)環(huán)境進(jìn)行著重塑和再造,整合學(xué)習(xí)終端、學(xué)習(xí)資源和學(xué)習(xí)服務(wù)的混合式學(xué)習(xí)環(huán)境,逐漸成為新常態(tài)。學(xué)習(xí)者的學(xué)習(xí)方式也由原來(lái)的正式學(xué)習(xí)(指課堂環(huán)境下的學(xué)習(xí))轉(zhuǎn)變?yōu)檎綄W(xué)習(xí)和非正式學(xué)習(xí)(包括校園內(nèi)學(xué)習(xí)、工作場(chǎng)所學(xué)習(xí)和家庭學(xué)習(xí)等)的無(wú)縫對(duì)接,形成一個(gè)連續(xù)性的個(gè)人學(xué)習(xí)空間。學(xué)習(xí)者只需在當(dāng)前的學(xué)習(xí)情境下選擇合適技術(shù)支持的學(xué)習(xí)終端,即可進(jìn)行數(shù)字化學(xué)習(xí)。伴隨著學(xué)習(xí)方式的轉(zhuǎn)變,學(xué)習(xí)評(píng)價(jià)的科學(xué)性和有效性探索也在發(fā)生變化,如何基于全學(xué)習(xí)過(guò)程數(shù)據(jù)進(jìn)行形成性評(píng)價(jià)和課程學(xué)習(xí)預(yù)警,成為當(dāng)前學(xué)習(xí)評(píng)價(jià)所面臨的重要問(wèn)題。
美國(guó)2016國(guó)家教育技術(shù)計(jì)劃《未來(lái)學(xué)習(xí)準(zhǔn)備:重塑技術(shù)在教育中的角色》Future Ready Learning:Reimagining the Role of Technology in Education)在“使用評(píng)價(jià)數(shù)據(jù)更好的支持學(xué)習(xí)”部分中提出,要更好地利用教育數(shù)據(jù)系統(tǒng),來(lái)提升技術(shù)支持學(xué)習(xí)工具和資源的質(zhì)量和效果,利用數(shù)據(jù)促進(jìn)個(gè)性化學(xué)習(xí)[1]。我們可以看到,基于學(xué)習(xí)數(shù)據(jù)集進(jìn)行環(huán)境分析,改善學(xué)習(xí)服務(wù)以促進(jìn)個(gè)性化學(xué)習(xí),是未來(lái)教育發(fā)展的一個(gè)重要取向。與此同時(shí),致力于對(duì)學(xué)習(xí)者及其所在情境中產(chǎn)生的數(shù)據(jù),進(jìn)行測(cè)量、搜集、分析和報(bào)告的學(xué)習(xí)分析、教育大數(shù)據(jù)和人工智能技術(shù)的快速興起,為開(kāi)展形成性評(píng)價(jià)和學(xué)習(xí)預(yù)警提供了技術(shù)上的可能性。
本研究探索混合式學(xué)習(xí)環(huán)境下,如何整合正式學(xué)習(xí)和非正式學(xué)習(xí)下的行為數(shù)據(jù)進(jìn)行課程學(xué)習(xí)結(jié)果預(yù)警,并通過(guò)設(shè)計(jì)預(yù)警系統(tǒng)實(shí)現(xiàn)學(xué)習(xí)過(guò)程的動(dòng)態(tài)監(jiān)控,從而為開(kāi)展精準(zhǔn)教學(xué)和學(xué)習(xí)干預(yù)提供有效依據(jù)。
二、國(guó)內(nèi)外研究現(xiàn)狀分析
我們以中國(guó)知網(wǎng)、萬(wàn)方數(shù)據(jù)庫(kù)、維普數(shù)據(jù)庫(kù)、超星數(shù)字圖書(shū)館、百度文庫(kù)等為檢索源,以“學(xué)習(xí)預(yù)警”、“學(xué)業(yè)預(yù)警”為關(guān)鍵詞,做文獻(xiàn)檢索,檢索時(shí)間跨度為2007-2017年。通過(guò)對(duì)文獻(xiàn)的內(nèi)容分析,得到56篇與研究主題高度相關(guān)的中文文獻(xiàn)。在外文文獻(xiàn)檢索上,我們以Elsevier Science Direct、Springer Link、WileyInter Science和Taylor MFrancis為檢索源,以Learning Analytics,Early Intervention,Learningearly Warning,Alarming System,Early Warning System for Studying為關(guān)鍵詞,檢索文獻(xiàn)的時(shí)間跨度與中文文獻(xiàn)一致。經(jīng)過(guò)梳理閱讀,剔除無(wú)效文獻(xiàn),共得到27篇有效外文文獻(xiàn)。
我們通過(guò)文獻(xiàn)檢索可以看出,學(xué)習(xí)預(yù)警相關(guān)研究整體尚不夠充分,仍有可探索和挖掘的空間。在對(duì)國(guó)內(nèi)外有關(guān)學(xué)習(xí)與學(xué)業(yè)預(yù)警相關(guān)文獻(xiàn)進(jìn)一步梳理和分析后,發(fā)現(xiàn)目前相關(guān)研究主要集中在以下四個(gè)方面:
(一)學(xué)習(xí)預(yù)警的分類(lèi)及其跟蹤反饋的差異研究
根據(jù)預(yù)警對(duì)象的不同,我們可以將學(xué)習(xí)預(yù)警分為三種類(lèi)型:
第一種是針對(duì)學(xué)生進(jìn)行的預(yù)警,系統(tǒng)為學(xué)習(xí)者提供在某一具體情境下的學(xué)習(xí)預(yù)警反饋。比較有代表性的案例有:Sean P.Goggins米用情境感知活動(dòng)通知系統(tǒng),將學(xué)習(xí)者的雙向日志數(shù)據(jù)進(jìn)行計(jì)算,綜合考量學(xué)習(xí)者課堂互動(dòng)比、跟蹤測(cè)評(píng)通過(guò)率等數(shù)據(jù),通過(guò)對(duì)學(xué)習(xí)者的同期橫向?qū)Ρ炔町?,為學(xué)習(xí)者提供反饋警示[2]。密歇根大學(xué)的Tim McKay采用E2Coach系統(tǒng)實(shí)現(xiàn)了學(xué)生與資源之間的對(duì)接,通過(guò)設(shè)定學(xué)習(xí)任務(wù)、反饋進(jìn)度以及發(fā)放獎(jiǎng)勵(lì)等具有針對(duì)性的學(xué)習(xí)方案,激勵(lì)學(xué)習(xí)者采取增加練習(xí)量及學(xué)習(xí)時(shí)間等具體行動(dòng)來(lái)提高成績(jī)[3]。
第二種是針對(duì)教師提供的預(yù)警,系統(tǒng)為教師提供學(xué)習(xí)者在某一門(mén)課程中的宏觀學(xué)習(xí)預(yù)警反饋及相關(guān)教學(xué)方案完善建議。例如,Riccardo Mazza和Vania Dimitrova米用的課程可視化系統(tǒng),能夠跟蹤學(xué)生答題時(shí)間、答題次數(shù)、評(píng)價(jià)反饋等數(shù)據(jù)并生成圖表。該系統(tǒng)根據(jù)學(xué)習(xí)者在遠(yuǎn)程學(xué)習(xí)中的學(xué)習(xí)活動(dòng)過(guò)程數(shù)據(jù)進(jìn)行直觀評(píng)估,幫助教師快速了解學(xué)習(xí)者掌握情況,并發(fā)現(xiàn)需要特別關(guān)注的學(xué)習(xí)者,教師根據(jù)預(yù)警信息,進(jìn)一步優(yōu)化教學(xué)活動(dòng)設(shè)計(jì)以進(jìn)行有效干預(yù)[4]。
第三種是針對(duì)教師和學(xué)習(xí)者同時(shí)提供的雙向預(yù)警,系統(tǒng)幫助教師制定針對(duì)個(gè)別學(xué)習(xí)者的培養(yǎng)方案,以有效提高學(xué)生的學(xué)習(xí)成績(jī)。例如,普渡大學(xué)的課程信號(hào)系統(tǒng),通過(guò)預(yù)測(cè)學(xué)生成功算法對(duì)考試分?jǐn)?shù)、排名、學(xué)習(xí)進(jìn)度等數(shù)據(jù)進(jìn)行分析計(jì)算,確定學(xué)生存在學(xué)習(xí)失敗的可能性,分別向教師和學(xué)生發(fā)送不同的預(yù)警信息。教師根據(jù)預(yù)警信息,結(jié)合學(xué)生的學(xué)業(yè)表現(xiàn),及時(shí)給予課外談話、心理輔導(dǎo)等形式進(jìn)行干預(yù)支持[5]。
通過(guò)對(duì)學(xué)習(xí)預(yù)警的分類(lèi)和學(xué)習(xí)預(yù)警的跟蹤反饋形式可以看出,學(xué)習(xí)預(yù)警系統(tǒng)往往以學(xué)生為中心,其出發(fā)點(diǎn)和落腳點(diǎn)在于輔助學(xué)習(xí)者提高績(jī)效,而其研究重點(diǎn)落在如何通過(guò)分析學(xué)習(xí)過(guò)程數(shù)據(jù)來(lái)發(fā)現(xiàn)學(xué)習(xí)存在的問(wèn)題上。
(二)學(xué)習(xí)預(yù)警的基礎(chǔ)技術(shù)與數(shù)據(jù)收集研究
近年來(lái),物聯(lián)網(wǎng)技術(shù)、人工智能和學(xué)習(xí)分析等技術(shù)的發(fā)展,使得學(xué)習(xí)全過(guò)程數(shù)據(jù)能夠得到有效積累和深度分析,這為精準(zhǔn)預(yù)警提供了有效支持。一些研究者從技術(shù)層面對(duì)學(xué)習(xí)預(yù)警系統(tǒng)的設(shè)計(jì)進(jìn)行探索。例如,Steven Lonn研究團(tuán)隊(duì)和數(shù)據(jù)技術(shù)服務(wù)機(jī)構(gòu)合作,對(duì)學(xué)習(xí)管理系統(tǒng)和學(xué)生信息系統(tǒng)的數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換和加載,實(shí)現(xiàn)了對(duì)學(xué)習(xí)者課程歷史信息的長(zhǎng)期可持續(xù)性跟蹤。運(yùn)用Business Objects軟件工具來(lái)識(shí)別數(shù)據(jù)庫(kù)中的數(shù)據(jù)內(nèi)容和相關(guān)標(biāo)準(zhǔn),根據(jù)缺課、任務(wù)未完成等情況來(lái)構(gòu)建預(yù)警報(bào)告[6]。Conde采用在線分析處理、情報(bào)檢索等數(shù)據(jù)分析方法,根據(jù)班級(jí)中社交互動(dòng)的信息數(shù)據(jù)找出學(xué)生之間的潛在關(guān)系、對(duì)學(xué)生成功有影響的活動(dòng)等隱含信息,運(yùn)用風(fēng)險(xiǎn)警報(bào)算法明確存在失敗風(fēng)險(xiǎn)的學(xué)生,以便為學(xué)習(xí)過(guò)程的改進(jìn)做出更精準(zhǔn)的教學(xué)決策[7]。John Baker等開(kāi)發(fā)的學(xué)習(xí)管理平臺(tái)Desire2 Learn包含靈活的預(yù)測(cè)模型引擎功能,該平臺(tái)利用機(jī)器智能和統(tǒng)計(jì)技術(shù)來(lái)預(yù)先識(shí)別存在學(xué)習(xí)失敗危險(xiǎn)的學(xué)生,利用堆疊技術(shù)和多個(gè)預(yù)測(cè)模型來(lái)提高預(yù)測(cè)的準(zhǔn)確性,并通過(guò)分解技術(shù)設(shè)計(jì)個(gè)性化的干預(yù)措施,以提高干預(yù)的可實(shí)現(xiàn)性[8]。
基礎(chǔ)技術(shù)的日益成熟,使得收集的數(shù)據(jù)也日趨全面,當(dāng)前,收集的數(shù)據(jù)可以分為以下三類(lèi):(1)基礎(chǔ)數(shù)據(jù),包括初始成績(jī)、個(gè)人信息、家庭背景、學(xué)習(xí)風(fēng)格等;(2)行為數(shù)據(jù),包括學(xué)習(xí)時(shí)間、交互頻率、參與度等;(3)結(jié)果數(shù)據(jù),包括測(cè)驗(yàn)成績(jī)、任務(wù)完成情況等[X5。通過(guò)對(duì)學(xué)習(xí)預(yù)警的基礎(chǔ)技術(shù)與數(shù)據(jù)收集研究分析,我們可以看出,學(xué)習(xí)預(yù)警系統(tǒng)多以網(wǎng)絡(luò)教學(xué)平臺(tái)作為學(xué)習(xí)過(guò)程數(shù)據(jù)采集的來(lái)源,其研究重點(diǎn)落在數(shù)據(jù)的有效性和學(xué)習(xí)風(fēng)險(xiǎn)的分析上。
(三)在線學(xué)習(xí)預(yù)警模型與系統(tǒng)構(gòu)建研究
有關(guān)學(xué)習(xí)預(yù)警模型設(shè)計(jì)的文獻(xiàn)較多,例如,趙慧瓊等設(shè)計(jì)了在線學(xué)習(xí)干預(yù)模型,該模型運(yùn)用學(xué)習(xí)分析技術(shù)對(duì)學(xué)習(xí)管理系統(tǒng)存儲(chǔ)的數(shù)據(jù)進(jìn)行分析,利用決策樹(shù)算法進(jìn)行危機(jī)診斷,一旦發(fā)現(xiàn)學(xué)習(xí)者存在危機(jī),則及時(shí)采取電子郵件、資源推薦、彈出窗口等方式發(fā)送預(yù)警信息,并采取個(gè)性化教學(xué)、資源推薦等干預(yù)對(duì)策,以輔助學(xué)習(xí)者的學(xué)習(xí)活動(dòng)順利進(jìn)行[10]。學(xué)習(xí)預(yù)警模型為預(yù)警系統(tǒng)的實(shí)現(xiàn)提供了理論支撐,在可視化預(yù)警系統(tǒng)上,比較有代表性的是可汗學(xué)院的學(xué)習(xí)儀表盤(pán)系統(tǒng),該系統(tǒng)將學(xué)習(xí)管理系統(tǒng)與可視化工具相結(jié)合,運(yùn)用信息跟蹤技術(shù)和鏡像技術(shù)對(duì)學(xué)習(xí)者的學(xué)習(xí)行為、習(xí)慣興趣等信息做記錄和追蹤,并對(duì)測(cè)驗(yàn)成績(jī)、學(xué)習(xí)時(shí)間和學(xué)習(xí)路徑等數(shù)據(jù)進(jìn)行分析,依據(jù)對(duì)知識(shí)點(diǎn)的掌握情況做反饋預(yù)警,幫助學(xué)習(xí)者提高知識(shí)點(diǎn)掌握程度和改善學(xué)習(xí)技能[11]。
Hoonuit在線學(xué)習(xí)平臺(tái)致力于指導(dǎo)教師盡早識(shí)別處于學(xué)習(xí)失敗危險(xiǎn)中的學(xué)生,并整合有影響力的干預(yù)工作流程,有效地跟蹤學(xué)生的進(jìn)度,從而提高學(xué)生的畢業(yè)率[12],Hoonuit配合使用干預(yù)反應(yīng)模型(RTI)和多層次支持系統(tǒng)(MTSS),該系統(tǒng)支持教師參與決策過(guò)程,提供了一個(gè)可以根據(jù)每個(gè)學(xué)生的需求定制的直觀的預(yù)警解決方案。此外,Hoonuit通過(guò)與微軟合作,使得教育部門(mén)和其他教育機(jī)構(gòu)可以在云平臺(tái)上運(yùn)行Hoonuit的數(shù)據(jù)程序,保障了動(dòng)態(tài)數(shù)據(jù)的及時(shí)連接、轉(zhuǎn)換、清理和驗(yàn)證。通過(guò)Microsoft Azure(人工智能學(xué)習(xí)托管平臺(tái))可以及時(shí)發(fā)布早期預(yù)警信息,預(yù)警系統(tǒng)可以通過(guò)向教師通報(bào)學(xué)生的風(fēng)險(xiǎn)嚴(yán)重程度以及引起風(fēng)險(xiǎn)的原因,從而起到篩選或診斷的作用。
(四)學(xué)分制環(huán)境下學(xué)業(yè)預(yù)警機(jī)制的實(shí)踐探索與分類(lèi)標(biāo)準(zhǔn)研究
除了對(duì)學(xué)習(xí)預(yù)警探索外,還有研究者對(duì)學(xué)生在校學(xué)業(yè)情況進(jìn)行預(yù)警分析。例如,袁安府等通過(guò)德?tīng)柗品ù_定學(xué)業(yè)預(yù)警的指標(biāo)要素,并結(jié)合理論、專(zhuān)家意見(jiàn)等方面指導(dǎo),構(gòu)建了大學(xué)生學(xué)業(yè)預(yù)警評(píng)價(jià)指標(biāo)體系,確立了學(xué)業(yè)預(yù)警幫扶機(jī)制。該機(jī)制由建立學(xué)業(yè)預(yù)警幫扶領(lǐng)導(dǎo)機(jī)制、學(xué)業(yè)預(yù)警學(xué)生的幫扶、建立幫扶人員的激勵(lì)機(jī)制三方面組成,實(shí)踐數(shù)據(jù)表明,使用了學(xué)業(yè)預(yù)警的學(xué)生輟學(xué)率明顯降低[13]。
學(xué)業(yè)預(yù)警機(jī)制在我國(guó)目前還處于探索階段,各高校在標(biāo)準(zhǔn)制定上也都存在著一定的差異。其中比較有代表性的是M大學(xué)的學(xué)業(yè)預(yù)警機(jī)制,采用信號(hào)分級(jí)的方法,在學(xué)籍管理信息系統(tǒng)下成立個(gè)人資料庫(kù),目的是完成系統(tǒng)與學(xué)生基本信息的實(shí)時(shí)反饋與交互,對(duì)學(xué)生未通過(guò)學(xué)分進(jìn)行統(tǒng)計(jì)疊加,在規(guī)定時(shí)間內(nèi)學(xué)分不足者將受到退學(xué)警告,而二次出現(xiàn)退學(xué)警告者或者學(xué)分嚴(yán)重不足者會(huì)被勒令退學(xué)[14]。該預(yù)警機(jī)制強(qiáng)化了家長(zhǎng)和輔導(dǎo)員在學(xué)生學(xué)業(yè)完成過(guò)程中的監(jiān)督作用,有效増加了學(xué)生成功畢業(yè)率。
目前,國(guó)內(nèi)外研究者從不同視角對(duì)學(xué)習(xí)與學(xué)業(yè)預(yù)警進(jìn)行了初步探索,并且開(kāi)始關(guān)注預(yù)警系統(tǒng)的實(shí)時(shí)性、連貫性和全面性,分析處理數(shù)據(jù)的多樣化,應(yīng)用領(lǐng)域的多元化,這方面也有較為成熟的學(xué)業(yè)預(yù)警系統(tǒng),但成熟的學(xué)習(xí)預(yù)警系統(tǒng)尚不多見(jiàn)。已有研究將視角主要集中在學(xué)習(xí)預(yù)警模型設(shè)計(jì)、預(yù)警系統(tǒng)設(shè)計(jì)與干預(yù)服務(wù)、學(xué)業(yè)預(yù)警機(jī)制設(shè)計(jì)與實(shí)現(xiàn)等。
盡管學(xué)習(xí)預(yù)警研究在模型設(shè)計(jì)、反饋警示、學(xué)業(yè)分析等方面已取得初步成果,但在教育大數(shù)據(jù)、人工智能和學(xué)習(xí)分析背景下,對(duì)數(shù)據(jù)采集的粒度、技術(shù)實(shí)現(xiàn)機(jī)制、預(yù)警狀態(tài)識(shí)別等方面還存在不足,具體包括:(1)數(shù)據(jù)采集面較為單一,傳統(tǒng)課堂學(xué)習(xí)數(shù)據(jù)與在線學(xué)習(xí)數(shù)據(jù)割裂。后期仍需要整合學(xué)習(xí)者的全學(xué)習(xí)過(guò)程數(shù)據(jù)并進(jìn)行分析,以提高學(xué)習(xí)預(yù)警的準(zhǔn)確度;
缺乏能夠從課程學(xué)習(xí)過(guò)程層面進(jìn)行預(yù)警的系統(tǒng):已有研究多從理論層面設(shè)計(jì)學(xué)習(xí)預(yù)警模型以及學(xué)業(yè)預(yù)警系統(tǒng),而在學(xué)習(xí)過(guò)程中進(jìn)行預(yù)警設(shè)計(jì)與技術(shù)實(shí)現(xiàn)上的研究則相對(duì)薄弱。
針對(duì)上述問(wèn)題,本研究將在數(shù)據(jù)整合、預(yù)警系統(tǒng)技術(shù)實(shí)現(xiàn)、可視化輸出等方面進(jìn)行突破,通過(guò)整合預(yù)警數(shù)據(jù)采集、動(dòng)態(tài)分析和可視化輸出等模塊形成一套預(yù)警服務(wù)模式。
三、學(xué)習(xí)預(yù)警模型設(shè)計(jì)與數(shù)據(jù)源分析
(一)數(shù)據(jù)集驅(qū)動(dòng)的學(xué)習(xí)預(yù)警模型設(shè)計(jì)
要使學(xué)習(xí)預(yù)警能夠有效精準(zhǔn)的預(yù)測(cè)學(xué)生的學(xué)習(xí)結(jié)果,需要對(duì)學(xué)習(xí)者的全學(xué)習(xí)過(guò)程數(shù)據(jù)進(jìn)行采集和分析。學(xué)生學(xué)習(xí)方式的多樣化和學(xué)習(xí)場(chǎng)景的分割性,決定了學(xué)習(xí)預(yù)警要體現(xiàn)在不同學(xué)習(xí)環(huán)境下的多樣化學(xué)習(xí)行為數(shù)據(jù)進(jìn)行整合與評(píng)估,以形成一條以學(xué)習(xí)者為中心的學(xué)習(xí)數(shù)據(jù)鏈。在結(jié)果輸出方面,利用可視化分析技術(shù)給學(xué)習(xí)者和教師提供反饋或評(píng)價(jià)環(huán),不僅可以讓教師了解學(xué)習(xí)過(guò)程中的資源使用狀況、學(xué)習(xí)參與狀況、學(xué)習(xí)活躍度等,而且可以通過(guò)預(yù)測(cè)分析對(duì)結(jié)果狀態(tài)進(jìn)行評(píng)估和分類(lèi),識(shí)別出學(xué)困生。
之前,我們對(duì)學(xué)習(xí)預(yù)測(cè)的設(shè)計(jì)取向進(jìn)行了全面分析,包括以混合式學(xué)習(xí)為情境取向、整合教學(xué)設(shè)計(jì)與學(xué)習(xí)分析的理論取向、基于學(xué)習(xí)狀態(tài)和行為表現(xiàn)的數(shù)據(jù)取向、以機(jī)器學(xué)習(xí)為分析主導(dǎo)的方法取向、面向個(gè)性化學(xué)習(xí)結(jié)果反饋的結(jié)果取向[15]。
基于上述設(shè)計(jì)取向,我們進(jìn)一步以個(gè)性化學(xué)習(xí)分析理論、交互理論、計(jì)算思維、可視化技術(shù)為指導(dǎo),提取問(wèn)題建模與系統(tǒng)設(shè)計(jì)、個(gè)性化學(xué)習(xí)活動(dòng)過(guò)程分析、不同交互層級(jí)數(shù)據(jù)采集、學(xué)習(xí)狀態(tài)可視化輸出等思想,最終設(shè)計(jì)了以學(xué)習(xí)者為主體中心、以學(xué)習(xí)數(shù)據(jù)鏈為分析對(duì)象、以個(gè)性化學(xué)習(xí)預(yù)警為服務(wù)目標(biāo)的學(xué)習(xí)預(yù)警模型,如圖1所示。
該模型包括學(xué)習(xí)服務(wù)模塊、信息采集模塊、教育大數(shù)據(jù)倉(cāng)庫(kù)和云計(jì)算平臺(tái)、數(shù)據(jù)處理模塊、預(yù)測(cè)計(jì)算與分析模塊、自動(dòng)預(yù)警與可視化模塊:
—學(xué)習(xí)服務(wù)模塊是為學(xué)習(xí)者提供包含智慧教室和教育云服務(wù)平臺(tái)的混合式學(xué)習(xí)場(chǎng)景,并對(duì)課堂學(xué)習(xí)環(huán)境下的面對(duì)面互動(dòng)結(jié)果、學(xué)習(xí)筆記記錄狀態(tài)、學(xué)習(xí)注意力狀態(tài),以及網(wǎng)絡(luò)環(huán)境下的學(xué)習(xí)任務(wù)完成結(jié)果、學(xué)習(xí)互動(dòng)參與結(jié)果和學(xué)習(xí)測(cè)驗(yàn)結(jié)果進(jìn)行追蹤和記錄。
——信息采集模塊是從鍵擊層、交互層、行為層等方面對(duì)數(shù)據(jù)進(jìn)行采集,并通過(guò)教育大數(shù)據(jù)倉(cāng)庫(kù)實(shí)現(xiàn)對(duì)信息數(shù)據(jù)的再分類(lèi),形成以學(xué)習(xí)者為中心的數(shù)據(jù)鏈。
——教育大數(shù)據(jù)倉(cāng)庫(kù)是依據(jù)個(gè)人檔案信息和個(gè)體不同學(xué)習(xí)表現(xiàn)建立的主題數(shù)據(jù)庫(kù),提供滿足具體學(xué)習(xí)行為信息提取的數(shù)據(jù)分析環(huán)境,并將各數(shù)據(jù)庫(kù)進(jìn)行關(guān)聯(lián),實(shí)現(xiàn)后面分析需求的響應(yīng)與反饋。該部分將對(duì)以個(gè)人檔案信息數(shù)據(jù)為代表的關(guān)系型數(shù)據(jù)庫(kù)和以學(xué)習(xí)過(guò)程和學(xué)習(xí)結(jié)果數(shù)據(jù)為代表的非關(guān)系型數(shù)據(jù)庫(kù)進(jìn)行分類(lèi)處理,分別發(fā)揮傳統(tǒng)數(shù)據(jù)庫(kù)工具在結(jié)構(gòu)化數(shù)據(jù)處理的優(yōu)勢(shì),以及Hadoop在大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)的預(yù)處理優(yōu)勢(shì),最后將兩者處理后的數(shù)據(jù)存儲(chǔ)至結(jié)構(gòu)化數(shù)據(jù)庫(kù)中。
——云存儲(chǔ)池和云計(jì)算平臺(tái)則是通過(guò)集群應(yīng)用、網(wǎng)絡(luò)技術(shù)和分布式文件系統(tǒng)等功能,將不同教育數(shù)據(jù)庫(kù)通過(guò)軟件集合起來(lái)進(jìn)行協(xié)同工作,以提供數(shù)據(jù)存儲(chǔ)和業(yè)務(wù)訪問(wèn)功能。
——數(shù)據(jù)處理模塊是基于分布式處理系統(tǒng)采用批處理和流計(jì)算,對(duì)數(shù)據(jù)進(jìn)行抽取、清洗、轉(zhuǎn)換和集成加載[16]。預(yù)測(cè)計(jì)算與分析模塊是采用層次分析法計(jì)算數(shù)據(jù)模塊權(quán)重,并應(yīng)用BP神經(jīng)網(wǎng)絡(luò)和關(guān)聯(lián)規(guī)則,預(yù)測(cè)分析各數(shù)據(jù)模塊關(guān)系與學(xué)習(xí)結(jié)果表現(xiàn)。
——自動(dòng)預(yù)警與可視化模塊是基于分析結(jié)果對(duì)預(yù)警結(jié)果狀態(tài)、學(xué)習(xí)報(bào)表分析、預(yù)警過(guò)程分析進(jìn)行輸出,其中預(yù)警結(jié)果狀態(tài)是基于預(yù)警計(jì)算數(shù)值采用可視化儀表盤(pán)方式進(jìn)行標(biāo)識(shí)。
(二)學(xué)習(xí)預(yù)警數(shù)據(jù)源分析
1.個(gè)人檔案信息數(shù)據(jù)
該部分?jǐn)?shù)據(jù)主要包括學(xué)生入學(xué)初始成績(jī)、必修課程通過(guò)率、選修課程通過(guò)率、補(bǔ)考及重修因素、學(xué)位課程平均績(jī)點(diǎn)等。其中,必修課和選修課課程通過(guò)率是對(duì)以往所修課程數(shù)進(jìn)行統(tǒng)計(jì),并進(jìn)行數(shù)據(jù)折合轉(zhuǎn)換得到的。補(bǔ)考及重修因素包含掛科、刷新績(jī)點(diǎn)、因個(gè)人情況未進(jìn)行考試等因素。學(xué)位課程平均績(jī)點(diǎn)是依據(jù)學(xué)生具體成績(jī)分?jǐn)?shù)轉(zhuǎn)換計(jì)算為績(jī)點(diǎn)值。
個(gè)人檔案信息數(shù)據(jù)反映學(xué)習(xí)者的整體學(xué)習(xí)水平和學(xué)習(xí)成績(jī)的動(dòng)態(tài)變化過(guò)程,基于該類(lèi)數(shù)據(jù)既可以把握成績(jī)變化趨勢(shì)為成績(jī)預(yù)測(cè)提供支持,又可以掌握學(xué)情了解學(xué)習(xí)者的學(xué)習(xí)表現(xiàn)風(fēng)險(xiǎn)區(qū)間,使預(yù)警結(jié)果能夠符合學(xué)習(xí)者常態(tài)化學(xué)習(xí)狀態(tài)[17]。
2.課堂學(xué)習(xí)行為數(shù)據(jù)
該部分?jǐn)?shù)據(jù)包括出勤頻率、師生互動(dòng)頻率比、生生互動(dòng)時(shí)長(zhǎng)比、學(xué)習(xí)筆記記錄頻次比、課堂注意力時(shí)間比、教師形成性評(píng)估次數(shù)與課堂注意力時(shí)間比、注意的分配和轉(zhuǎn)移等。其中,師生互動(dòng)頻率比是指教師提出問(wèn)題后,學(xué)生個(gè)人參與互動(dòng)數(shù)與互動(dòng)總數(shù)的比值。生生互動(dòng)時(shí)長(zhǎng)比是指學(xué)生個(gè)人參加互動(dòng)時(shí)間和互動(dòng)總時(shí)間的比值。學(xué)習(xí)筆記記錄頻次比,是個(gè)人記錄次數(shù)占班級(jí)總記錄次數(shù)的比值。課堂注意力時(shí)間比是個(gè)人集中注意聽(tīng)講時(shí)間占課堂總時(shí)間的比值。教師形成性評(píng)估次數(shù)與課堂注意力時(shí)間比是教師點(diǎn)評(píng)學(xué)生時(shí)學(xué)生注意力時(shí)間和教師未點(diǎn)評(píng)時(shí)學(xué)生注意力時(shí)間的比值。注意的分配是指通過(guò)跟蹤頭部姿勢(shì)、面部表情、眼動(dòng)等人類(lèi)生理信號(hào),來(lái)識(shí)別學(xué)習(xí)者實(shí)時(shí)的注意力水平,獲取學(xué)生注意力高度集中的時(shí)間段分布信息。注意轉(zhuǎn)移是指學(xué)生注意力轉(zhuǎn)移的因素。
課堂學(xué)習(xí)行為數(shù)據(jù)的搜集,是指通過(guò)智能錄播技術(shù)對(duì)學(xué)習(xí)者的行動(dòng)表現(xiàn)進(jìn)行的有效追蹤和實(shí)時(shí)記錄。在學(xué)習(xí)注意力表現(xiàn)上,應(yīng)用國(guó)外研究者M(jìn)irkoRaca等設(shè)計(jì)開(kāi)發(fā)的課堂注意力評(píng)價(jià)系統(tǒng),通過(guò)學(xué)習(xí)者頭部和肢體的移動(dòng)位置、移動(dòng)方向以及寫(xiě)作活動(dòng)分析其注意力狀態(tài)[18]。
3.網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)
該部分?jǐn)?shù)據(jù)包括平臺(tái)登錄時(shí)間點(diǎn)、頻次和持續(xù)時(shí)間、學(xué)習(xí)次序、學(xué)習(xí)任務(wù)完成進(jìn)度及積極性、學(xué)習(xí)互動(dòng)參與程度、學(xué)習(xí)練習(xí)測(cè)驗(yàn)結(jié)果。其中,學(xué)習(xí)次序是指學(xué)習(xí)者根據(jù)自身學(xué)習(xí)習(xí)慣來(lái)決定學(xué)習(xí)次序,通過(guò)跟蹤在線學(xué)習(xí)者的瀏覽路線來(lái)研究學(xué)習(xí)者的學(xué)習(xí)行為,并對(duì)學(xué)習(xí)者行為進(jìn)行有效跟蹤、采集、分析和評(píng)估,從而歸納出學(xué)習(xí)行為與學(xué)習(xí)者在學(xué)習(xí)過(guò)程中的持久性以及所獲得的成績(jī)之間的關(guān)系。
學(xué)習(xí)任務(wù)完成進(jìn)度是根據(jù)學(xué)習(xí)者觀看課程微視頻、學(xué)習(xí)材料情況、是否參與測(cè)評(píng)進(jìn)行記錄分析來(lái)判定的。基于學(xué)習(xí)者的人機(jī)交互點(diǎn)擊流數(shù)據(jù),識(shí)別出學(xué)習(xí)任務(wù)跳轉(zhuǎn)及完成狀態(tài),只有完整觀看視頻、瀏覽學(xué)習(xí)材料、參與測(cè)評(píng),才被確定為完成學(xué)習(xí)任務(wù)。任務(wù)完成積極性是指學(xué)生從任務(wù)發(fā)布到完成任務(wù)所間隔的時(shí)間,與全班學(xué)生完成任務(wù)的總時(shí)間的比值。學(xué)習(xí)互動(dòng)參與程度是基于學(xué)習(xí)者瀏覽主題帖數(shù)、發(fā)帖數(shù)、回復(fù)數(shù)進(jìn)行綜合分析,各分類(lèi)數(shù)與學(xué)習(xí)者集體參與總數(shù)的比值為參與程度。練習(xí)測(cè)驗(yàn)結(jié)果是對(duì)課后多個(gè)測(cè)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì),將各項(xiàng)測(cè)驗(yàn)成績(jī)值轉(zhuǎn)換成百分比后進(jìn)行累計(jì)。
四、學(xué)習(xí)預(yù)警系統(tǒng)的基礎(chǔ)技術(shù)框架
在前期分析的基礎(chǔ)上,依據(jù)上述提出的預(yù)警模型與數(shù)據(jù)來(lái)源,結(jié)合相關(guān)的技術(shù)標(biāo)準(zhǔn)和規(guī)范,我們?cè)O(shè)計(jì)了學(xué)習(xí)預(yù)警系統(tǒng)的基礎(chǔ)技術(shù)框架,如圖2所示。該框架包括五個(gè)部分內(nèi)容:
(一)數(shù)據(jù)源
數(shù)據(jù)源涵蓋了學(xué)生個(gè)人基礎(chǔ)檔案數(shù)據(jù)、課程信息數(shù)據(jù)、課堂表現(xiàn)數(shù)據(jù)、在線課程學(xué)習(xí)表現(xiàn)數(shù)據(jù)、學(xué)習(xí)測(cè)評(píng)數(shù)據(jù)等模塊信息,收集的數(shù)據(jù)均為混合式學(xué)習(xí)環(huán)境下影響或顯示學(xué)習(xí)者學(xué)習(xí)狀態(tài)的重要信息。從來(lái)源對(duì)象上看,主要匯聚學(xué)習(xí)者、課程和班級(jí)三類(lèi)教育數(shù)據(jù),這些數(shù)據(jù)是反映學(xué)習(xí)者學(xué)習(xí)水平及其在群體中學(xué)習(xí)表現(xiàn)的關(guān)鍵數(shù)據(jù),可以幫助學(xué)習(xí)者更好地掌控學(xué)習(xí)狀態(tài)。數(shù)據(jù)源所涵蓋數(shù)據(jù)的質(zhì)量和數(shù)量直接決定了預(yù)測(cè)學(xué)習(xí)結(jié)果和預(yù)警學(xué)習(xí)危機(jī)的成效,源數(shù)據(jù)的合理性與準(zhǔn)確性保證了教育大數(shù)據(jù)倉(cāng)庫(kù)的有效性,為數(shù)據(jù)集成提供基礎(chǔ)支持,這是預(yù)警系統(tǒng)開(kāi)發(fā)的前提和基礎(chǔ)。
(二)數(shù)據(jù)集成
數(shù)據(jù)集成包括數(shù)據(jù)的定義、數(shù)據(jù)采集、數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換與清洗、數(shù)據(jù)加載。數(shù)據(jù)集成用于解決課程學(xué)習(xí)進(jìn)程中存在的數(shù)據(jù)間的互通問(wèn)題,其目的是將分散的、異構(gòu)的教與學(xué)過(guò)程數(shù)據(jù),轉(zhuǎn)換成聯(lián)系的、統(tǒng)一的能夠?qū)W(xué)習(xí)結(jié)果產(chǎn)生正反饋的數(shù)據(jù),從而保證數(shù)據(jù)的一致性,以解決在線數(shù)據(jù)和課堂數(shù)據(jù)間的沖突等問(wèn)題。其中數(shù)據(jù)清洗與轉(zhuǎn)換是數(shù)據(jù)集成的關(guān)鍵點(diǎn),數(shù)據(jù)清洗的任務(wù)是過(guò)濾不完整、錯(cuò)誤和重復(fù)等不符合要求的數(shù)據(jù),以確保預(yù)測(cè)學(xué)習(xí)結(jié)果的信度#];數(shù)據(jù)轉(zhuǎn)換的任務(wù)主要是進(jìn)行不一致數(shù)據(jù)的轉(zhuǎn)換、數(shù)據(jù)粒度的轉(zhuǎn)換和一些規(guī)則的計(jì)算,以確保形成以學(xué)習(xí)者為中心的數(shù)據(jù)鏈,方便數(shù)據(jù)的挖掘分析,為進(jìn)一步的數(shù)據(jù)管理提供保障,并最終實(shí)現(xiàn)學(xué)習(xí)預(yù)警。例如,課堂表現(xiàn)數(shù)據(jù)的集成,這類(lèi)數(shù)據(jù)與學(xué)習(xí)注意力密切相關(guān),采集的手段首先采用圖像増強(qiáng)技術(shù),對(duì)于課堂實(shí)時(shí)采集圖像進(jìn)行預(yù)處理,對(duì)課堂場(chǎng)景進(jìn)行分析,提取感興趣區(qū)域,對(duì)學(xué)生采集圖像的顏色特征進(jìn)行計(jì)算,確定學(xué)習(xí)者面部位置,獲取眼部位置并對(duì)其眼動(dòng)情況進(jìn)行分析。將這些數(shù)據(jù)集成并量化,從而得到學(xué)習(xí)者的注意力狀態(tài),有助于對(duì)學(xué)習(xí)進(jìn)程給予適當(dāng)干預(yù)或建議。
(三)數(shù)據(jù)管理
數(shù)據(jù)管理既包括線上和線下學(xué)習(xí)表現(xiàn)數(shù)據(jù)的分類(lèi)與數(shù)據(jù)關(guān)聯(lián),也包括數(shù)據(jù)索引、查詢、流處理與批處理的整合、數(shù)據(jù)分析與計(jì)算。數(shù)據(jù)管理的功能定位是對(duì)集成數(shù)據(jù)的管理,是形成有效精準(zhǔn)預(yù)警信息的重要保障,也是保護(hù)隱私數(shù)據(jù)、確保數(shù)據(jù)安全的關(guān)鍵點(diǎn)。其目的在于保障高質(zhì)量的學(xué)習(xí)結(jié)果預(yù)測(cè),協(xié)調(diào)集成數(shù)據(jù)實(shí)現(xiàn)各種應(yīng)用之間的可共享性,最后實(shí)現(xiàn)學(xué)習(xí)者與學(xué)習(xí)結(jié)果、預(yù)警信息的良好對(duì)接。在系統(tǒng)建設(shè)上,通過(guò)分布式文件系統(tǒng)、分布式數(shù)據(jù)庫(kù)和并行計(jì)算模型進(jìn)行架構(gòu)實(shí)現(xiàn)。采用Hadoop分布式文件系統(tǒng),對(duì)以學(xué)習(xí)者為中心的不同行為數(shù)據(jù)節(jié)點(diǎn)進(jìn)行鏈接,為上層數(shù)據(jù)挖掘提供非結(jié)構(gòu)化存儲(chǔ)服務(wù)。采用MapReduce分布式并行計(jì)算模型對(duì)不同學(xué)習(xí)表現(xiàn)數(shù)據(jù)進(jìn)行拆分,在不同計(jì)算節(jié)點(diǎn)上執(zhí)行,最后整合計(jì)算結(jié)果。
(四)應(yīng)用服務(wù)
在整合數(shù)據(jù)源、數(shù)據(jù)集成和數(shù)據(jù)管理的基礎(chǔ)上,形成了教育大數(shù)據(jù)倉(cāng)庫(kù)。教育大數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向教育教學(xué)的、集成的、隨時(shí)間變化的、相對(duì)穩(wěn)定的大數(shù)據(jù)集合,用于支持學(xué)習(xí)預(yù)測(cè)、教育管理決策等功能。教育大數(shù)據(jù),倉(cāng)庫(kù)常用的創(chuàng)建方法步驟包括:(1)將各個(gè)教育信息系統(tǒng)的業(yè)務(wù)數(shù)據(jù)庫(kù)中的共享數(shù)據(jù)和非共享數(shù)據(jù),通過(guò)數(shù)據(jù)抽取轉(zhuǎn)換加載軟件(Extract Transform Load,ETL)工具抽取、清洗、轉(zhuǎn)換到操作型數(shù)據(jù)存儲(chǔ)(Operational Data Store,ODS)數(shù)據(jù)緩沖區(qū);(2)將ODS數(shù)據(jù)緩沖區(qū)的共享數(shù)據(jù),通過(guò)ETL工具抽取、清洗、轉(zhuǎn)換到ODS的共享數(shù)據(jù)區(qū)中;(3)將ODS數(shù)據(jù)緩沖區(qū)的非共享數(shù)據(jù)抽取到數(shù)據(jù)倉(cāng)庫(kù)中;(4)將ODS共享數(shù)據(jù)區(qū)的共享數(shù)據(jù)抽取到數(shù)據(jù)倉(cāng)庫(kù)中。
在教育大數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)上構(gòu)建應(yīng)用服務(wù)層,應(yīng)用服務(wù)層分為服務(wù)層和應(yīng)用層,服務(wù)層提供基礎(chǔ)教學(xué)資源,為應(yīng)用層提供學(xué)習(xí)分析基礎(chǔ);應(yīng)用層為學(xué)習(xí)者提供針對(duì)學(xué)習(xí)內(nèi)容理解內(nèi)化程度的判斷與檢測(cè),是對(duì)服務(wù)層的評(píng)價(jià)與反饋,是服務(wù)層在學(xué)習(xí)進(jìn)程和知識(shí)應(yīng)用層面上的推進(jìn)。服務(wù)層直接為師生提供包括模型服務(wù)、監(jiān)控與預(yù)警服務(wù)、信息展示、移動(dòng)服務(wù)、數(shù)據(jù)審核與發(fā)布服務(wù)、視頻服務(wù)、實(shí)時(shí)信息服務(wù)等在內(nèi)的具體功能服務(wù)。該層以教育大數(shù)據(jù)倉(cāng)庫(kù)和教育云平臺(tái)為依托,實(shí)現(xiàn)師生之間的信息交互,幫助師生完成教學(xué)活動(dòng);應(yīng)用層是包括考勤管理、作業(yè)管理、測(cè)試管理、課堂表現(xiàn)、互動(dòng)管理、任務(wù)管理和線上學(xué)習(xí)管理在內(nèi)的與測(cè)評(píng)系統(tǒng)相關(guān)的具體模塊。測(cè)評(píng)活動(dòng)貫穿于整個(gè)學(xué)習(xí)進(jìn)程當(dāng)中,起到診斷性評(píng)價(jià)的作用,而測(cè)評(píng)結(jié)果則作為學(xué)習(xí)結(jié)果和預(yù)警信息的依據(jù),可以快速發(fā)現(xiàn)學(xué)習(xí)者在學(xué)習(xí)過(guò)程中存在的問(wèn)題和不足,以便對(duì)學(xué)習(xí)者的學(xué)習(xí)狀況形成直觀了解。
(五)信息展示
信息展示層是學(xué)習(xí)預(yù)警系統(tǒng)的最高層,包括報(bào)表設(shè)計(jì)、可視化數(shù)據(jù)展示、圖形監(jiān)控和報(bào)警、移動(dòng)終端的擴(kuò)展和決策分析。預(yù)警系統(tǒng)綜合考慮學(xué)習(xí)者的學(xué)習(xí)過(guò)程、學(xué)習(xí)結(jié)果、內(nèi)容形式、表現(xiàn)方法等要素,利用可視化的技術(shù)手段,將階段性學(xué)習(xí)結(jié)果輸出為儀表盤(pán)等形式,對(duì)有效的學(xué)習(xí)結(jié)果預(yù)測(cè)和精準(zhǔn)的學(xué)習(xí)預(yù)警分析進(jìn)行更直觀的反饋,從而幫助學(xué)習(xí)者更好地理解分析結(jié)果,支持決策行為。
五、學(xué)習(xí)預(yù)警系統(tǒng)的技術(shù)實(shí)現(xiàn)
學(xué)習(xí)預(yù)警系統(tǒng)要提供統(tǒng)一的對(duì)象工廠模型以及多種教學(xué)業(yè)務(wù)模式,應(yīng)用支持向量機(jī)和機(jī)器學(xué)習(xí)方法進(jìn)行數(shù)據(jù)分析[20]。在技術(shù)路線上,利用UML建模來(lái)設(shè)計(jì)核心數(shù)據(jù)模型,以ASP.NET為開(kāi)發(fā)平臺(tái),采用Oracle數(shù)據(jù)庫(kù),基于Microsoft.Net后臺(tái)開(kāi)發(fā)及JQuery前臺(tái)開(kāi)發(fā)等開(kāi)發(fā)預(yù)警系統(tǒng)。該系統(tǒng)具有高度的擴(kuò)展性和可維護(hù)性,可動(dòng)態(tài)管理教育大數(shù)據(jù)倉(cāng)庫(kù)內(nèi)部數(shù)據(jù)分析環(huán)境,定期進(jìn)行數(shù)據(jù)更新,使教育大數(shù)據(jù)倉(cāng)庫(kù)正常運(yùn)行,并能夠根據(jù)學(xué)習(xí)過(guò)程數(shù)據(jù)快速地進(jìn)行動(dòng)態(tài)分析,解決軟件需求不確定性和軟件開(kāi)發(fā)實(shí)施速度之間的矛盾,滿足學(xué)習(xí)預(yù)警的常態(tài)化監(jiān)測(cè)需求。
(一)預(yù)警系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)及權(quán)重
學(xué)習(xí)預(yù)警的主要數(shù)據(jù)結(jié)構(gòu)包括:教師表、課程表、選課表、考勤表、個(gè)人檔案信息表、學(xué)習(xí)資料表、課堂學(xué)習(xí)行為數(shù)據(jù)表、網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)表、測(cè)評(píng)任務(wù)表、操作日志表等,其屬性和結(jié)構(gòu)關(guān)系如圖3所示。
在這些數(shù)據(jù)結(jié)構(gòu)中,由課程表可以計(jì)算個(gè)人檔案信息表的必修課與選修課數(shù)量,以及通過(guò)數(shù)量和績(jī)點(diǎn);由選課表計(jì)算出課程成績(jī)和課程是否通過(guò)"由操作日志表和學(xué)習(xí)資料表獲得網(wǎng)絡(luò)學(xué)習(xí)行為中的發(fā)帖數(shù)量、回復(fù)數(shù)、瀏覽帖數(shù)量、完成進(jìn)度、互動(dòng)參與度等信息"由網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)表、測(cè)評(píng)任務(wù)表和課堂學(xué)習(xí)行為數(shù)據(jù)表,計(jì)算出測(cè)評(píng)預(yù)警結(jié)果、課堂學(xué)習(xí)行為預(yù)警結(jié)果、網(wǎng)絡(luò)學(xué)習(xí)行為預(yù)警結(jié)果。通過(guò)分析數(shù)據(jù)結(jié)構(gòu),可以解決數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)通信以及交互規(guī)范等基礎(chǔ)性問(wèn)題。
學(xué)習(xí)預(yù)警結(jié)果是基于數(shù)據(jù)模塊計(jì)算得出的,而在模塊權(quán)重方面,我們可采用層次分析法,對(duì)以往存在學(xué)習(xí)風(fēng)險(xiǎn)的學(xué)生,在不同數(shù)據(jù)模塊的表現(xiàn)情況進(jìn)行統(tǒng)計(jì)分析。具體過(guò)程包括:(1)構(gòu)造判斷矩陣,請(qǐng)?jiān)u判專(zhuān)家按照九分位的比例標(biāo)度,對(duì)上述同一層次的數(shù)據(jù)模塊指標(biāo)的相對(duì)重要性進(jìn)行評(píng)判;(2)計(jì)算權(quán)重,依據(jù)層次分析計(jì)算公式,將上述十階判斷矩陣的各行向量進(jìn)行幾何平均、歸一,得到各個(gè)數(shù)據(jù)模塊的權(quán)重向量;(3)一致性的檢驗(yàn),為了評(píng)估預(yù)警系統(tǒng)的性能,判斷其是否能給出精準(zhǔn)的預(yù)警信息,需要檢驗(yàn)判斷矩陣是否具有較好的一致性。我們先根據(jù)指標(biāo)公式計(jì)算得出一致性指標(biāo),之后與十階判斷矩陣的平均隨機(jī)一致性指標(biāo)值進(jìn)行相除,從而得出判斷矩陣的一致性比率。
(二)預(yù)警過(guò)程的監(jiān)測(cè)與動(dòng)態(tài)分析
預(yù)警過(guò)程包括預(yù)警狀態(tài)監(jiān)測(cè)與動(dòng)態(tài)分析,其中監(jiān)測(cè)點(diǎn)包括課程測(cè)評(píng)分?jǐn)?shù)、排名、課堂表現(xiàn)、線上任務(wù)完成與互動(dòng)情況等;狀態(tài)監(jiān)測(cè)數(shù)據(jù)包括考勤記錄、測(cè)評(píng)成績(jī)、課堂表現(xiàn)等。動(dòng)態(tài)分析指采集各個(gè)子系統(tǒng)的監(jiān)測(cè)數(shù)據(jù),將數(shù)據(jù)整合到教育大數(shù)據(jù)倉(cāng)庫(kù)中,并按照使用者的需求,通過(guò)教育大數(shù)據(jù)倉(cāng)庫(kù)高效地對(duì)數(shù)據(jù)進(jìn)行全面動(dòng)態(tài)分析,發(fā)現(xiàn)數(shù)據(jù)中的潛在信息,及時(shí)對(duì)學(xué)習(xí)結(jié)果做出精準(zhǔn)預(yù)測(cè),最終以數(shù)字、圖表、儀表盤(pán)等可視化形式呈現(xiàn)出來(lái),從而為教師和教育管理者提供學(xué)習(xí)預(yù)警動(dòng)態(tài)分析。我們以預(yù)警過(guò)程的測(cè)評(píng)模塊(該模塊包括考勤和平時(shí)測(cè)驗(yàn))進(jìn)行具體說(shuō)明,其動(dòng)態(tài)分析過(guò)程如圖4所示。測(cè)評(píng)成績(jī)?cè)陬A(yù)警系統(tǒng)中經(jīng)過(guò)換算滿分為10分,圖左邊是測(cè)評(píng)數(shù)據(jù)的記錄,分?jǐn)?shù)小于6顯示為紅色,圖右邊是曲線圖,從圖中可以看出李文在每個(gè)時(shí)間段的分?jǐn)?shù)都很低,處于報(bào)警狀態(tài)。
(三)預(yù)警結(jié)果的可視化輸出
1.數(shù)據(jù)可視化技術(shù)概述
數(shù)據(jù)可視化旨在借助于圖形化手段,清晰有效地傳達(dá)與溝通信息。為了有效地傳達(dá)思想概念,圖形形式與功能需要齊頭并進(jìn),通過(guò)直觀地傳達(dá)關(guān)鍵維度與特征,實(shí)現(xiàn)對(duì)稀疏而又復(fù)雜的數(shù)據(jù)集的深入洞察。在本文中,數(shù)據(jù)可視化的對(duì)象主要包括:學(xué)習(xí)者在學(xué)習(xí)測(cè)評(píng)過(guò)程產(chǎn)生的有效數(shù)據(jù)、學(xué)習(xí)者學(xué)習(xí)過(guò)程中產(chǎn)生的交互行為數(shù)據(jù)、學(xué)習(xí)預(yù)警結(jié)果的信息展示。
2.插件式開(kāi)發(fā)及highchart插件在預(yù)警系統(tǒng)中的應(yīng)用
插件式開(kāi)發(fā)是一種程序設(shè)計(jì)技術(shù),是一種面向組件的軟件開(kāi)發(fā)方法。在插件結(jié)構(gòu)的應(yīng)用系統(tǒng)中,程序并不是單一的執(zhí)行文件,而是由主程序和若干外部模塊組成。這些模塊是按照一定的規(guī)則編寫(xiě),可以通過(guò)配置文件靈活地加人到系統(tǒng)中,也可以在程序運(yùn)行時(shí)動(dòng)態(tài)地加人到系統(tǒng)中。Highcharts是一個(gè)用JavaScript編寫(xiě)的圖表插件庫(kù),可在預(yù)警系統(tǒng)中實(shí)現(xiàn)結(jié)果的可視化輸出。它能夠支持外部數(shù)據(jù)加載和數(shù)據(jù)動(dòng)態(tài)性,支持多種數(shù)據(jù)形式。Highcharts結(jié)合Jquery等javascript框架提供的Ajax(—種創(chuàng)建交互式網(wǎng)頁(yè)應(yīng)用的網(wǎng)頁(yè)開(kāi)發(fā)技術(shù))接口,可以實(shí)時(shí)地從考勤管理、作業(yè)管理、任務(wù)管理、互動(dòng)管理、課堂表現(xiàn)和線上學(xué)習(xí)等模塊取得數(shù)據(jù),集成到中心服務(wù)器中并刷新圖表,提供良好的用戶體驗(yàn)。
各個(gè)模塊的數(shù)據(jù)源包括測(cè)評(píng)數(shù)據(jù)源、課堂表現(xiàn)數(shù)據(jù)源、課程信息數(shù)據(jù)源、互動(dòng)表現(xiàn)數(shù)據(jù)源等。當(dāng)前,學(xué)校的教育信息化系統(tǒng)和在線教育管理系統(tǒng),都已存在著多個(gè)業(yè)務(wù)系統(tǒng),如教務(wù)管理系統(tǒng)、學(xué)生管理系統(tǒng)、畢業(yè)管理系統(tǒng)等。雖然各個(gè)系統(tǒng)都有查詢、分析、報(bào)表等功能,但要集中地對(duì)數(shù)據(jù)進(jìn)行管理和分析,操作并不方便。從管理者視角看,在進(jìn)行學(xué)習(xí)預(yù)警時(shí),需要從多個(gè)維度對(duì)學(xué)習(xí)者本身進(jìn)行分析,這就要求教育大數(shù)據(jù)倉(cāng)庫(kù)關(guān)聯(lián)多個(gè)相關(guān)數(shù)據(jù)庫(kù),并從多個(gè)維度來(lái)組織數(shù)據(jù)、顯示數(shù)據(jù)。這不僅是簡(jiǎn)單地看到各個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù),而是需要對(duì)這些數(shù)據(jù)進(jìn)行綜合的匯總、分析、監(jiān)測(cè)。本研究中的預(yù)警系統(tǒng)數(shù)據(jù),分別來(lái)自學(xué)生管理系統(tǒng)、成績(jī)管理系統(tǒng)、測(cè)試系統(tǒng)等。
因此,我們需要將不同業(yè)務(wù)系統(tǒng)的數(shù)據(jù)進(jìn)行統(tǒng)一的采集、整理和管理,利用教育大數(shù)據(jù)倉(cāng)庫(kù),為管理者提供有效的數(shù)據(jù)處理,從而能夠進(jìn)行集中的數(shù)據(jù)整合與分析,具體技術(shù)路線如圖5所示。
ETL是將各個(gè)子系統(tǒng)的數(shù)據(jù)經(jīng)過(guò)抽取、清洗轉(zhuǎn)換之后加載到數(shù)據(jù)倉(cāng)庫(kù)的過(guò)程,目的是將分散、零亂、標(biāo)準(zhǔn)不統(tǒng)一的數(shù)據(jù)整合到一起,為預(yù)警決策提供分析依據(jù)。ODS(Operational Data Store)是操作型數(shù)據(jù)存儲(chǔ),0DS具備數(shù)據(jù)倉(cāng)庫(kù)的部分特征和OLTP系統(tǒng)的部分特征,它是“集成的、當(dāng)前或接近當(dāng)前的、不斷變化的”數(shù)據(jù),一般不保留數(shù)據(jù)的變動(dòng)軌跡,是數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)中的一個(gè)可選部分;ODS層適合于數(shù)據(jù)整合度較低、時(shí)效性要求較高、適合基于源系統(tǒng)數(shù)據(jù)結(jié)構(gòu)加工的應(yīng)用;主要進(jìn)行短期的、細(xì)節(jié)的、反映業(yè)務(wù)原貌的數(shù)據(jù)存儲(chǔ),直接提供基于源系統(tǒng)結(jié)構(gòu)的簡(jiǎn)單原貌訪問(wèn),同時(shí),為商務(wù)智能環(huán)境中適合的業(yè)務(wù)需求提供支持。其原則是面向全局,數(shù)據(jù)整合;模型設(shè)計(jì),靈活擴(kuò)展,并提供規(guī)范和共享。服務(wù)層利用ODS支持的預(yù)警中心數(shù)據(jù)庫(kù),再利用Ajax技術(shù)從數(shù)據(jù)庫(kù)中讀取數(shù)據(jù),最后配置Highchart/插件,實(shí)現(xiàn)預(yù)警信息決策支持和可視化展示。
3.可視化儀表盤(pán)輸出預(yù)警結(jié)果
可視化儀表盤(pán)輸出采用的軟件設(shè)計(jì)模式是MVC(Model View Controller),即“模型-視圖-控制器”的縮寫(xiě)。MVC是用一種業(yè)務(wù)邏輯、數(shù)據(jù)與界面顯示分離的方法來(lái)組織代碼,將眾多的業(yè)務(wù)邏輯聚集到一個(gè)部件中,需要在改進(jìn)和個(gè)性化定制界面及用戶交互的同時(shí),不用重新編寫(xiě)業(yè)務(wù)邏輯,從而減少編碼的時(shí)間??梢暬瘜?shí)現(xiàn)將預(yù)警數(shù)據(jù)和圖形分離展示,具體顯示什么樣的圖形用業(yè)務(wù)邏輯來(lái)控制,以提高運(yùn)行效率。本例是利用MVC模式,在采集好預(yù)警數(shù)據(jù)中計(jì)算預(yù)警結(jié)果,并用可視化儀表盤(pán)的形式顯示出來(lái)。
當(dāng)教師登錄學(xué)習(xí)預(yù)警系統(tǒng)時(shí),我們可以通過(guò)儀表盤(pán)查看學(xué)生的課程學(xué)習(xí)狀態(tài)。每個(gè)數(shù)據(jù)模塊都有相應(yīng)的儀表盤(pán),具體成績(jī)由系統(tǒng)計(jì)算得出。當(dāng)教師點(diǎn)擊儀表板上的成績(jī)時(shí),儀表盤(pán)將會(huì)顯示學(xué)習(xí)者在該模塊的學(xué)習(xí)歷史記錄。課程學(xué)習(xí)的預(yù)警結(jié)果,將根據(jù)各個(gè)數(shù)據(jù)模塊指標(biāo)的權(quán)重進(jìn)行計(jì)算得出,并進(jìn)行可視化輸出。我們以60分為基準(zhǔn)點(diǎn),60分以下表示預(yù)警,60-70是輕度預(yù)警,70分以上表示在安全區(qū)域,沒(méi)有預(yù)警。
為檢驗(yàn)系統(tǒng)的可行性和有效性,我們以某高校專(zhuān)業(yè)核心課程《數(shù)據(jù)庫(kù)原理與技術(shù)》為試驗(yàn)對(duì)象,以學(xué)生檔案數(shù)據(jù)、課堂學(xué)習(xí)表現(xiàn)數(shù)據(jù)、網(wǎng)絡(luò)學(xué)習(xí)平臺(tái)數(shù)據(jù)等為數(shù)據(jù)源,并將樣本數(shù)據(jù)劃分為訓(xùn)練樣本和檢驗(yàn)樣本,應(yīng)用該預(yù)警系統(tǒng)進(jìn)行實(shí)際分析、系統(tǒng)預(yù)警總評(píng)結(jié)果,如圖6所示,我們可以看出李文在紅色預(yù)警區(qū)?;谝陨戏治鼋Y(jié)果,結(jié)合學(xué)生的實(shí)際學(xué)習(xí)成效,我們通過(guò)預(yù)警發(fā)現(xiàn),學(xué)習(xí)者在課程學(xué)習(xí)表現(xiàn)上存在學(xué)習(xí)風(fēng)險(xiǎn),這說(shuō)明系統(tǒng)分析有較高的效度。
通過(guò)該預(yù)警系統(tǒng),我們可以快速識(shí)別出在課程學(xué)習(xí)結(jié)果表現(xiàn)方面存在風(fēng)險(xiǎn)的學(xué)生,而且能夠?qū)W(xué)習(xí)過(guò)程中的低效學(xué)習(xí)表現(xiàn)指標(biāo)進(jìn)行分析,找出學(xué)習(xí)過(guò)程中的薄弱點(diǎn),為后期教師開(kāi)展精準(zhǔn)教學(xué)干預(yù)提供參考依據(jù)。此外,結(jié)合教育大數(shù)據(jù)實(shí)時(shí)更新的技術(shù)特征,系統(tǒng)對(duì)學(xué)生的數(shù)據(jù)進(jìn)行過(guò)程監(jiān)控和更新,根據(jù)學(xué)生一段時(shí)間學(xué)習(xí)任務(wù)和學(xué)習(xí)評(píng)價(jià)結(jié)果的改善情況,對(duì)其預(yù)警狀態(tài)進(jìn)行更改,可以形成對(duì)學(xué)習(xí)表現(xiàn)的常態(tài)化和階段性監(jiān)測(cè)。
盡管預(yù)警系統(tǒng)在一定程度上能夠識(shí)別出課程學(xué)習(xí)風(fēng)險(xiǎn)的學(xué)習(xí)者,但在數(shù)據(jù)量和分析算法上還存在一些局限,具體包括:(1)數(shù)據(jù)樣本量影響預(yù)測(cè)精度;建立有效的神經(jīng)網(wǎng)絡(luò)需要較大規(guī)模樣本,從而訓(xùn)練出較高效度模型;當(dāng)前的分析數(shù)據(jù)主要以小樣本為主,數(shù)據(jù)量有待進(jìn)一步擴(kuò)充;(2)預(yù)警指標(biāo)權(quán)重設(shè)計(jì)需進(jìn)一步優(yōu)化;當(dāng)前的指標(biāo)設(shè)計(jì)主要基于已有數(shù)據(jù)和模塊分析得出,在模型擬合度上還存在偏差,需要進(jìn)一步擴(kuò)充訓(xùn)練樣本量,通過(guò)數(shù)據(jù)模擬出最優(yōu)權(quán)重;
預(yù)測(cè)分析算法的局部最優(yōu)問(wèn)題,影響系統(tǒng)整體精度;后期仍需要對(duì)不同預(yù)測(cè)分析法進(jìn)行比較分析,使模型的求解過(guò)程從局部最優(yōu)收斂到全局最優(yōu)。我們將進(jìn)一步優(yōu)化預(yù)警算法和參數(shù)設(shè)置,以提高系統(tǒng)運(yùn)行的可靠性與穩(wěn)健性。
六、結(jié)語(yǔ)
學(xué)習(xí)預(yù)警作為學(xué)習(xí)分析過(guò)程中的重要環(huán)節(jié),為學(xué)習(xí)干預(yù)提供了科學(xué)依據(jù),而自適應(yīng)技術(shù)、人工智能和數(shù)據(jù)科學(xué)的發(fā)展,使得學(xué)習(xí)預(yù)警更加智能化和精準(zhǔn)化。當(dāng)前學(xué)習(xí)方式的多樣化和學(xué)習(xí)數(shù)據(jù)的分布化,決定了要對(duì)不同學(xué)習(xí)環(huán)境下的數(shù)據(jù)進(jìn)行整合分析。
本研究對(duì)學(xué)習(xí)預(yù)警系統(tǒng)的理論模型和基礎(chǔ)技術(shù)框架進(jìn)行了設(shè)計(jì),并通過(guò)Oracle數(shù)據(jù)庫(kù)、ASP.NET語(yǔ)言、Microsoft.Net等進(jìn)行技術(shù)實(shí)現(xiàn),提出了混合學(xué)習(xí)環(huán)境下面向課程的學(xué)習(xí)預(yù)警系統(tǒng)。后期,我們將進(jìn)一步在教學(xué)實(shí)踐中進(jìn)行應(yīng)用,探索不同學(xué)科下的課程預(yù)警效果,并對(duì)預(yù)警的精準(zhǔn)性和用戶體驗(yàn)進(jìn)行迭代優(yōu)化,以提高該系統(tǒng)的運(yùn)行效度和魯棒性。
本文轉(zhuǎn)自微信公眾號(hào)“MOOC”,作者牟智佳。文章為作者獨(dú)立觀點(diǎn),不代表芥末堆立場(chǎng)。
2、芥末堆不接受通過(guò)公關(guān)費(fèi)、車(chē)馬費(fèi)等任何形式發(fā)布失實(shí)文章,只呈現(xiàn)有價(jià)值的內(nèi)容給讀者;
3、如果你也從事教育,并希望被芥末堆報(bào)道,請(qǐng)您 填寫(xiě)信息告訴我們。