董婧

摘要：綜合應(yīng)用教育學(xué)、計算機科學(xué)、統(tǒng)計學(xué)、信息學(xué)等多學(xué)科理論可以實現(xiàn)對高校教育大數(shù)據(jù)的深層次挖掘和應(yīng)用。采用Hadoop大數(shù)據(jù)挖掘云服務(wù)，構(gòu)建了高校教育大數(shù)據(jù)挖掘系統(tǒng)，應(yīng)用數(shù)據(jù)挖掘技術(shù)和統(tǒng)計方法處理曲靖師范學(xué)院本科教學(xué)評估期間收集的海量數(shù)據(jù)，可以實現(xiàn)對大學(xué)更加精準高效的管理以及智慧教與學(xué)，提高教育教學(xué)質(zhì)量。

關(guān)鍵詞：教育大數(shù)據(jù);數(shù)據(jù)挖掘;云服務(wù);地方高等院校;Hadoop

中圖分類號：G642? ? ? ? 文獻標識碼：A? ? ? ? 文章編號：1009-3044（2018）34-0139-02

大數(shù)據(jù)時代的教育數(shù)據(jù)與傳統(tǒng)教育數(shù)據(jù)相比，具備實時性高、顆粒度細、真實性和決策性強等特點。教育大數(shù)據(jù)產(chǎn)生在教與學(xué)的各個環(huán)節(jié)[1]，包括了各種類型的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的具有大數(shù)據(jù)特征的數(shù)據(jù)集，如教學(xué)數(shù)據(jù)、管理數(shù)據(jù)和科研數(shù)據(jù)，通過數(shù)據(jù)挖掘和分析、云計算等信息技術(shù)展現(xiàn)教育大數(shù)據(jù)的價值，各高等院校需要利用有效的信息技術(shù)來處理海量數(shù)據(jù)，挖掘出對高校教育教學(xué)管理決策有價值的信息[2]。教育數(shù)據(jù)挖掘主要采用了數(shù)據(jù)挖掘、數(shù)學(xué)統(tǒng)計和機器學(xué)習(xí)等技術(shù)對海量教育數(shù)據(jù)進行處理和分析并建立科學(xué)的數(shù)據(jù)模型[3]，從中發(fā)現(xiàn)學(xué)習(xí)者學(xué)習(xí)結(jié)果與學(xué)習(xí)內(nèi)容、學(xué)習(xí)資源和教學(xué)行為等一系列變量之間的相關(guān)關(guān)系，挖掘?qū)W生的學(xué)習(xí)習(xí)慣、學(xué)習(xí)興趣和學(xué)習(xí)偏好。

我國大數(shù)據(jù)在高等教育領(lǐng)域應(yīng)用的原理性研究較少，有些支持理論尚處于初生階段缺乏相關(guān)的資料支持。隨著教育機構(gòu)的信息化系統(tǒng)中積累的數(shù)據(jù)量日益增多，教育行業(yè)的管理人員在選擇資源時無法得到有效、優(yōu)質(zhì)的信息，導(dǎo)致部分有效的信息得不到發(fā)掘利用，出現(xiàn)“信息孤島”的現(xiàn)象[4]。數(shù)據(jù)挖掘技術(shù)可以從教育信息海量數(shù)據(jù)中發(fā)現(xiàn)有用的信息，讓教育系統(tǒng)中的各個參與者受益，為解決教育領(lǐng)域中存在的半結(jié)構(gòu)化以及非結(jié)構(gòu)化的決策問題提供依據(jù)。

1教育大數(shù)據(jù)關(guān)鍵技術(shù)

1.1交叉學(xué)科

利用教育大數(shù)據(jù)實現(xiàn)對高校教育大數(shù)據(jù)的深層次挖掘和應(yīng)用，需要綜合應(yīng)用教育學(xué)、計算機科學(xué)、統(tǒng)計學(xué)、信息學(xué)等多學(xué)科理論。近幾年來，教育領(lǐng)域和信息領(lǐng)域發(fā)生了歷史性的變革，各種在線學(xué)習(xí)平臺、智能手機應(yīng)用和社交網(wǎng)絡(luò)為研究者提供了大量的應(yīng)用和海量數(shù)據(jù)，但是這些數(shù)據(jù)還沒有被許多地方高校足夠重視與合理運用，利用許多新型的信息技術(shù)，如云計算技術(shù)、物聯(lián)網(wǎng)、移動計算和大數(shù)據(jù)技術(shù)，為分析和挖掘教育大數(shù)據(jù)提供了技術(shù)支持，可以將這些閑置數(shù)據(jù)變廢為寶，實現(xiàn)數(shù)據(jù)技術(shù)的有效處理，挖掘出蘊含的隱藏價值。

云計算服務(wù)解決了高校信息化建設(shè)中的信息孤島現(xiàn)象[5-6]，可以集中整合分散的教育資源，使教師和學(xué)生能夠共享存儲在云服務(wù)端的教育資源，并且與各類終端設(shè)備無縫連接，將云服務(wù)端的各種分散的關(guān)系化、結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)利用數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)分析和數(shù)學(xué)統(tǒng)計等方法進行分析和挖掘[7-8]，通過數(shù)據(jù)挖掘技術(shù)得到的信息，可以準確分析評價課堂教學(xué)的質(zhì)量。

1.2數(shù)據(jù)來源

地方高校目前普遍存在教育經(jīng)費使用效率不高，教育投入產(chǎn)出比低;在教學(xué)組織形式方面，沿襲工業(yè)化時代的標準化教學(xué)內(nèi)容、教學(xué)方法、考試制度、學(xué)科設(shè)置及人才培養(yǎng)模式，忽視學(xué)生的個性特征和認知發(fā)展等問題。曲靖師范學(xué)院剛完成普通高等學(xué)校本科教學(xué)工作審核評估，各個學(xué)院以及教輔部門收集整理了各個方面的資料，如教學(xué)設(shè)施、課程資源、社會資源、教學(xué)改革、課堂教學(xué)、實踐教學(xué)、第二課堂、招生及生源情況、學(xué)生指導(dǎo)與服務(wù)、學(xué)風(fēng)與學(xué)習(xí)效果、就業(yè)與發(fā)展、教學(xué)質(zhì)量保障體系、質(zhì)量監(jiān)控、質(zhì)量信息與利用和質(zhì)量改進等，涵蓋了學(xué)校教學(xué)與服務(wù)的方方面面，針對這些海量數(shù)據(jù)，如何為我校師生做到精準的教與學(xué)以及質(zhì)量評價是一個難題。本研究主要以曲靖師范學(xué)院本科教學(xué)評估期間收集得到的最新教學(xué)狀態(tài)數(shù)據(jù)、學(xué)生網(wǎng)上學(xué)習(xí)的日志數(shù)據(jù)、用戶產(chǎn)生的UGC數(shù)據(jù)，比如微信、微博、論壇等數(shù)據(jù)為主，另外學(xué)校已開設(shè)了公共關(guān)系禮儀實務(wù)等10門爾雅通識課、唐詩宋詞人文解讀等9門好大學(xué)在線等多達幾十門MOOC課程，這些教學(xué)的過程數(shù)據(jù)可以實現(xiàn)全程采集，利用這些數(shù)據(jù)來為我校師生做精準化分析服務(wù)。

其中，基礎(chǔ)數(shù)據(jù)包括學(xué)生基本信息、招生及生源情況;管理數(shù)據(jù)包括學(xué)風(fēng)與學(xué)習(xí)效果、教學(xué)質(zhì)量保障體系、質(zhì)量監(jiān)控、教學(xué)評價;教學(xué)數(shù)據(jù)包括教學(xué)設(shè)施、課堂教學(xué)、教學(xué)改革、課程資源、MOOC課程和網(wǎng)絡(luò)課程教學(xué)平臺;科研數(shù)據(jù)包括教師各項科研成果、第二課堂、實踐教學(xué)、大學(xué)生創(chuàng)新創(chuàng)業(yè)項目;服務(wù)數(shù)據(jù)包括學(xué)生指導(dǎo)與服務(wù)、圖書檔案服務(wù)、學(xué)生網(wǎng)上學(xué)習(xí)日志數(shù)據(jù);輿情數(shù)據(jù)包括UGC數(shù)據(jù)，如微信、微博、論壇等數(shù)據(jù)。

2教育大數(shù)據(jù)挖掘應(yīng)用實現(xiàn)

2.1教育大數(shù)據(jù)分析系統(tǒng)框架

教育大數(shù)據(jù)分析系統(tǒng)采用Hadoop大數(shù)據(jù)挖掘云服務(wù)，它是一個開放的主要面向互聯(lián)網(wǎng)海量非結(jié)構(gòu)化數(shù)據(jù)的分析和挖掘平臺，也支持結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，集成了多種基于Hadoop的并行數(shù)據(jù)預(yù)處理和挖掘算法，如K-means算法，系統(tǒng)框架如圖所示：

2.2數(shù)據(jù)挖掘與數(shù)學(xué)分析

數(shù)據(jù)挖掘是從大量的、有噪聲的、不完備的、隨機的數(shù)據(jù)中，發(fā)現(xiàn)隱含在其中的、人們事先不知道的、但是是潛在有用的信息和知識的過程。原數(shù)據(jù)通常是大量的、真實有效的、含噪聲的;數(shù)據(jù)挖掘的主要特點是對數(shù)據(jù)庫中的大量數(shù)據(jù)進行提取、轉(zhuǎn)換、分析以及其它模型化處理，挖掘出用戶感興趣的以及有助于管理者決策的重要信息。本文以曲靖師范學(xué)院的高校辦學(xué)狀態(tài)等數(shù)據(jù)為原始數(shù)據(jù)源，采用數(shù)據(jù)挖掘技術(shù)中的統(tǒng)計方法、機器學(xué)習(xí)方法和仿生物法建立模型，獲取教育大數(shù)據(jù)中隱藏的潛在信息。統(tǒng)計方法用到了回歸分析、聚類分析、主成分分析和關(guān)聯(lián)規(guī)則挖掘，機器學(xué)習(xí)方法主要用到支持向量機等相關(guān)算法，仿生物法主要用到神經(jīng)網(wǎng)絡(luò)，使用SPSS Clementine數(shù)據(jù)挖掘軟件對學(xué)生特征行為分析模塊、學(xué)生就業(yè)因素分析模塊、學(xué)習(xí)結(jié)果預(yù)測模塊、教學(xué)質(zhì)量監(jiān)控評測、高校管理發(fā)展影響因素分析模塊等進行模型構(gòu)建，進行實例仿真，相關(guān)的教育數(shù)據(jù)挖掘研究結(jié)果如下：

3 結(jié)論

采集高校和各學(xué)院的辦學(xué)狀態(tài)數(shù)據(jù)，通過數(shù)據(jù)挖掘技術(shù)，可以消除信息孤島，實現(xiàn)橫向關(guān)聯(lián)比較，縱向歷史分析，提供精準服務(wù)，支持科學(xué)決策。通過數(shù)據(jù)挖掘技術(shù)得到的信息，可以準確分析評價課堂教學(xué)的質(zhì)量，實現(xiàn)對大學(xué)更加精準高效的管理，使得教和學(xué)更加智慧，具體來說，對本校各學(xué)院學(xué)生學(xué)習(xí)過程進行跟蹤，實現(xiàn)興趣、個性、情感等方面的動態(tài)分析與挖掘，兩者結(jié)合起來，建立基于用戶興趣和個性的資源推薦，最后實現(xiàn)個性化精準過濾;同時對教師的教學(xué)質(zhì)量和效果可以進行綜合、動態(tài)和客觀的評價。通過數(shù)據(jù)挖掘、分析、可視化等技術(shù)展現(xiàn)教育大數(shù)據(jù)的價值，推動教育發(fā)展創(chuàng)新，提高教育教學(xué)質(zhì)量。

參考文獻：

[1]周慶，牟超，楊丹.教育數(shù)據(jù)挖掘研究進展綜述[J]. 軟件學(xué)報， 2015，26（11）：3026-3042.

[2]張燕南. 大數(shù)據(jù)的教育領(lǐng)域應(yīng)用之研究——基于美國的應(yīng)用實踐[D]，華東師范大學(xué)， 2016.

[3]馬秀麟，衷克定，劉立超. 從大數(shù)據(jù)挖掘的視角分析學(xué)生評教的有效性[J].中國電化教育， 2014（333）：78-84.

[4]彭濤，丁凌云.基于教育數(shù)據(jù)挖掘?qū)W生表現(xiàn)預(yù)測模型構(gòu)建研究[J].黑龍江高教研究， 2015（11）：55-58.

[5]崔杰，李陶深，蘭紅星.基于Hadoop的海量數(shù)據(jù)存儲平臺設(shè)計與開發(fā)[J].計算機研究與發(fā)展， 2012（49）：12-18.

[6]何清，敖翔，莊福振，羅平.一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用[J].信息通信技術(shù)， 2015（6）：42-49.

[7] Chen X， Vorvoreanu M， Madhavan KPC. Mining social media data for understanding students learning experiences[C]. IEEE Trans. on Learning Technologies， 2014， 7（3）：246?259.

[8] Chang MM， Lin MC. The effect of reflective learning e-journals on reading comprehension and communication in language learning. Computers & Education， 2014（71）：124?132.

【通聯(lián)編輯：王力】