摘 ? ?要：用戶畫像作為一種信息化工具已開始應(yīng)用于教育領(lǐng)域，基于用戶畫像的在線學(xué)習(xí)干預(yù)可進(jìn)一步提升在線學(xué)習(xí)質(zhì)量。通過采集在線學(xué)習(xí)用戶相關(guān)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理與挖掘，形成在線學(xué)習(xí)人群屬性標(biāo)簽、用戶關(guān)聯(lián)關(guān)系標(biāo)簽、用戶活躍度標(biāo)簽和用戶學(xué)習(xí)偏好標(biāo)簽等標(biāo)簽體系?；谟脩魳?biāo)簽體系，采用非結(jié)構(gòu)化關(guān)鍵詞法對(duì)在線學(xué)習(xí)用戶進(jìn)行畫像構(gòu)建，形成在線學(xué)習(xí)用戶畫像庫。然后，對(duì)在線學(xué)習(xí)用戶畫像進(jìn)行聚類、學(xué)習(xí)狀態(tài)診斷分析，精準(zhǔn)預(yù)測(cè)在線學(xué)習(xí)用戶實(shí)時(shí)學(xué)習(xí)需求，采用不同干預(yù)方式對(duì)在線學(xué)習(xí)用戶實(shí)施在線學(xué)習(xí)全過程干預(yù)，從而激發(fā)學(xué)生的內(nèi)生學(xué)習(xí)動(dòng)力，提高學(xué)生個(gè)性化學(xué)習(xí)能力。

關(guān)鍵詞：用戶畫像;在線學(xué)習(xí);干預(yù)研究

中圖分類號(hào)：G434 ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ?文章編號(hào)：2095-7394（2020）02-0045-06

沒有教育信息化就沒有教育現(xiàn)代化，隨著教育信息化的全面推進(jìn)，傳統(tǒng)教育教學(xué)模式受到前所未有的沖擊。各類在線學(xué)習(xí)平臺(tái)如潮水般涌現(xiàn)，這種由在線教學(xué)平臺(tái)、網(wǎng)絡(luò)學(xué)習(xí)課程及海量教學(xué)資源構(gòu)成的全新在線學(xué)習(xí)方式得到了廣大學(xué)生的青睞[1]，不僅較好地激發(fā)了學(xué)生的內(nèi)生學(xué)習(xí)動(dòng)力，還有效地培養(yǎng)了學(xué)生的個(gè)性化學(xué)習(xí)能力。但近年來各類在線學(xué)習(xí)平臺(tái)監(jiān)管是否到位？在線教學(xué)方式是否符合教學(xué)要求？在線學(xué)習(xí)效果是否達(dá)到預(yù)期目標(biāo)？這些問題不得不引起我們的重視和深思。用戶畫像作為一種勾畫目標(biāo)用戶、聯(lián)系用戶訴求與設(shè)計(jì)方向的有效工具已開始應(yīng)用于教育領(lǐng)域，基于用戶畫像的在線學(xué)習(xí)干預(yù)可進(jìn)一步提升學(xué)習(xí)平臺(tái)服務(wù)能力，改善在線學(xué)習(xí)質(zhì)量，解決學(xué)生在線學(xué)習(xí)效率低下、教師個(gè)性化教學(xué)能力欠缺、在線監(jiān)管和評(píng)價(jià)不及時(shí)等問題，為提升在線教學(xué)質(zhì)量提供了一種新方法，為實(shí)施個(gè)性化教學(xué)模式提供了一種新途徑，對(duì)在線教育的發(fā)展具有一定的借鑒意義。

1 ? 在線學(xué)習(xí)用戶畫像庫的構(gòu)建

在線學(xué)習(xí)用戶畫像庫的構(gòu)建主要由在線學(xué)習(xí)用戶畫像數(shù)據(jù)采集、用戶畫像數(shù)據(jù)處理和用戶畫像標(biāo)簽化處理三部分構(gòu)成，通過用戶畫像標(biāo)簽化體系，采用非結(jié)構(gòu)化關(guān)鍵詞法對(duì)在線學(xué)習(xí)用戶進(jìn)行畫像構(gòu)建，形成在線學(xué)習(xí)用戶畫像庫。

1.1 ?在線學(xué)習(xí)用戶畫像數(shù)據(jù)采集

用戶在線學(xué)習(xí)過程中會(huì)產(chǎn)生大量數(shù)據(jù)，根據(jù)用戶畫像構(gòu)建需要，需從在線學(xué)習(xí)平臺(tái)采集用戶基本屬性數(shù)據(jù)、用戶學(xué)習(xí)偏好數(shù)據(jù)、用戶網(wǎng)絡(luò)互動(dòng)數(shù)據(jù)、用戶會(huì)話數(shù)據(jù)及其他數(shù)據(jù)等五類數(shù)據(jù)。在線學(xué)習(xí)用戶基本屬性數(shù)據(jù)包含用戶姓名賬號(hào)、年齡性別、學(xué)歷專業(yè)、地域分布及聯(lián)系方式等;用戶學(xué)習(xí)偏好數(shù)據(jù)包含用戶專業(yè)方向、課程內(nèi)容、學(xué)習(xí)工具、學(xué)習(xí)時(shí)段、學(xué)習(xí)時(shí)長(zhǎng)、付費(fèi)意愿及選擇偏好等;用戶網(wǎng)絡(luò)互動(dòng)數(shù)據(jù)包含在線學(xué)習(xí)內(nèi)容預(yù)習(xí)、課堂交流互動(dòng)、學(xué)習(xí)內(nèi)容評(píng)價(jià)、在線作業(yè)布置及作業(yè)答疑批閱等;用戶會(huì)話數(shù)據(jù)包含會(huì)話登錄ID號(hào)、連接會(huì)話IP地址、用戶會(huì)話對(duì)象、單次會(huì)話時(shí)長(zhǎng)及會(huì)話內(nèi)容記錄等;其他數(shù)據(jù)包含構(gòu)建在線學(xué)習(xí)用戶畫像庫所需的其他相關(guān)數(shù)據(jù)。

1.2 ?在線學(xué)習(xí)用戶畫像數(shù)據(jù)處理

1.2.1在線學(xué)習(xí)用戶數(shù)據(jù)預(yù)處理

為給在線學(xué)習(xí)用戶數(shù)據(jù)處理提供完整的基礎(chǔ)數(shù)據(jù)，首先，針對(duì)在線學(xué)習(xí)平臺(tái)采集的基礎(chǔ)數(shù)據(jù)進(jìn)行清洗，發(fā)現(xiàn)數(shù)據(jù)中不完整的、有噪聲的、記錄內(nèi)容不一致的數(shù)據(jù)，進(jìn)行遺漏數(shù)據(jù)處理和噪聲數(shù)據(jù)處理;其次，對(duì)數(shù)據(jù)進(jìn)行集成處理，將來自不同平臺(tái)的數(shù)據(jù)形成在線學(xué)習(xí)用戶統(tǒng)一數(shù)據(jù)集合，解決不同平臺(tái)數(shù)據(jù)集成問題、數(shù)據(jù)屬性推演冗余問題、數(shù)據(jù)值沖突檢測(cè)與消除問題等[2];然后，對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換處理，將集成數(shù)據(jù)轉(zhuǎn)換成一個(gè)適合數(shù)據(jù)處理的描述形式，幫助去除在線學(xué)習(xí)用戶數(shù)據(jù)中的噪聲，形成用戶數(shù)據(jù)立方并對(duì)數(shù)據(jù)進(jìn)行多粒度分析，用更抽象的概念來取代低層次或數(shù)據(jù)層的用戶數(shù)據(jù)對(duì)象;最后，對(duì)數(shù)據(jù)進(jìn)行消減處理，在保持原始數(shù)據(jù)完整性的前提下從平臺(tái)海量數(shù)據(jù)中獲取用戶精簡(jiǎn)數(shù)據(jù)集，為在線學(xué)習(xí)用戶數(shù)據(jù)挖掘提供基礎(chǔ)。

1.2.2在線學(xué)習(xí)用戶畫像數(shù)據(jù)挖掘

采用非結(jié)構(gòu)化標(biāo)簽關(guān)鍵詞處理在線學(xué)習(xí)用戶數(shù)據(jù)，通過數(shù)據(jù)挖掘技術(shù)，對(duì)采集的用戶數(shù)據(jù)進(jìn)行系統(tǒng)分類處理，按照非結(jié)構(gòu)化標(biāo)簽關(guān)鍵詞方法給采集的用戶數(shù)據(jù)分別貼上標(biāo)簽，以用戶數(shù)據(jù)分類標(biāo)簽來區(qū)分歸類;然后，通過用戶數(shù)據(jù)標(biāo)簽分類找出用戶之間存在的聚集性數(shù)據(jù)進(jìn)行數(shù)據(jù)聚類處理;最后，通過用戶數(shù)據(jù)分類取值之間存在的數(shù)據(jù)規(guī)律性和隱藏關(guān)聯(lián)性，找出用戶數(shù)據(jù)之間的時(shí)序關(guān)聯(lián)和因果關(guān)聯(lián)，并對(duì)用戶數(shù)據(jù)進(jìn)行時(shí)間序列分析和處理[3]。通過在線學(xué)習(xí)用戶數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘，得出在線學(xué)習(xí)用戶屬性值的特征標(biāo)識(shí)，再將用戶屬性的所有標(biāo)識(shí)綜合起來，為用戶畫像標(biāo)簽化處理打下基礎(chǔ)。

1.3 ?在線學(xué)習(xí)用戶畫像標(biāo)簽化處理

1.3.1在線學(xué)習(xí)人群屬性標(biāo)簽

根據(jù)在線學(xué)習(xí)用戶基礎(chǔ)數(shù)據(jù)中的學(xué)習(xí)人群年齡性別、學(xué)歷專業(yè)、學(xué)習(xí)欄目和人群地域分布等特點(diǎn)，建立學(xué)習(xí)人群標(biāo)簽化結(jié)構(gòu)，將在線學(xué)習(xí)人群劃分為扎實(shí)型學(xué)習(xí)人群、一般型學(xué)習(xí)人群和應(yīng)付型學(xué)習(xí)人群，或?qū)I(yè)技能型學(xué)習(xí)人群和學(xué)術(shù)型學(xué)習(xí)人群，或付費(fèi)型學(xué)習(xí)人群和免費(fèi)型學(xué)習(xí)人群等。

1.3.2在線學(xué)習(xí)用戶關(guān)聯(lián)關(guān)系標(biāo)簽

根據(jù)在線學(xué)習(xí)用戶基礎(chǔ)數(shù)據(jù)中的相同或相近年齡段、相同或相近地域分布、相同或相近學(xué)習(xí)專業(yè)、相同或相近學(xué)習(xí)欄目、相同或相近學(xué)習(xí)時(shí)間段等規(guī)律，搭建用戶與用戶之間的關(guān)聯(lián)關(guān)系，并為相同或相近用戶非結(jié)構(gòu)化關(guān)鍵詞設(shè)置關(guān)聯(lián)關(guān)系標(biāo)簽，挖掘用戶標(biāo)簽之間的關(guān)聯(lián)關(guān)系，建立用戶關(guān)聯(lián)關(guān)系矩陣，自動(dòng)為相同或相近用戶精準(zhǔn)推送學(xué)習(xí)資源。

1.3.3在線學(xué)習(xí)用戶活躍度標(biāo)簽

根據(jù)用戶訪問平臺(tái)次數(shù)、訪問平臺(tái)時(shí)長(zhǎng)、簽到打卡速度、內(nèi)容收藏指數(shù)、交流互動(dòng)積極性等因素，將用戶分別貼上活躍用戶標(biāo)簽或不活躍用戶標(biāo)簽。其中，活躍用戶又分為忠誠用戶、活躍用戶、回流用戶和新增用戶，不活躍用戶又分為流失用戶和停滯用戶。再結(jié)合每個(gè)用戶不同需求和關(guān)注點(diǎn)，使用活躍度衡量標(biāo)準(zhǔn)篩選出滿足條件的用戶數(shù)量，然后計(jì)算滿足條件的用戶在整體學(xué)習(xí)用戶中的占有比，從而給不同學(xué)習(xí)用戶分層分類，制定有針對(duì)性的推送時(shí)間、推送頻率和推送內(nèi)容[4]。

1.3.4在線學(xué)習(xí)用戶學(xué)習(xí)偏好標(biāo)簽

根據(jù)用戶在平臺(tái)中的學(xué)習(xí)痕跡和學(xué)習(xí)習(xí)慣，分析并推算出用戶的學(xué)習(xí)偏好，一般把用戶學(xué)習(xí)偏好分為學(xué)習(xí)資源偏好、交流互動(dòng)偏好、學(xué)習(xí)情感偏好、操作習(xí)慣偏好等。這些學(xué)習(xí)偏好決定了用戶在平臺(tái)中所做出的學(xué)習(xí)行為和選擇。

2 ? 基于用戶畫像的在線學(xué)習(xí)干預(yù)流程設(shè)計(jì)

基于用戶畫像的在線學(xué)習(xí)干預(yù)流程按照“兩段七步法”設(shè)計(jì)。第一個(gè)階段由用戶畫像數(shù)據(jù)采集、用戶畫像數(shù)據(jù)處理和用戶畫像標(biāo)簽化處理三個(gè)步驟來生成在線學(xué)習(xí)用戶畫像庫，獲取用戶學(xué)習(xí)風(fēng)格、學(xué)習(xí)進(jìn)度、學(xué)習(xí)能力和學(xué)習(xí)成績(jī)等信息。第二階段由用戶學(xué)習(xí)需求預(yù)測(cè)、學(xué)習(xí)干預(yù)方式確定、學(xué)習(xí)干預(yù)實(shí)施和學(xué)習(xí)干預(yù)效果分析四個(gè)步驟來完成用戶畫像的在線學(xué)習(xí)全過程干預(yù)。具體如圖1所示。

2.1 ?在線學(xué)習(xí)用戶學(xué)習(xí)需求預(yù)測(cè)

2.1.1用戶畫像聚類

按照用戶畫像標(biāo)簽化體系把用戶數(shù)據(jù)集聚合成不同用戶數(shù)據(jù)簇，使同一個(gè)數(shù)據(jù)簇內(nèi)數(shù)據(jù)對(duì)象最大可能地具有相似性;同時(shí)，使不同數(shù)據(jù)簇內(nèi)數(shù)據(jù)對(duì)象之間的差異也盡可能大。目的在于使用戶之間的相似對(duì)象分到同一組，再基于用戶畫像對(duì)在線學(xué)習(xí)用戶分群進(jìn)行用戶群體分析與個(gè)性化干預(yù)，進(jìn)而擴(kuò)大活躍用戶數(shù)量規(guī)模，同時(shí)激活部分不活躍用戶，并制定個(gè)性化在線學(xué)習(xí)干預(yù)策略。

2.1.2用戶學(xué)習(xí)狀態(tài)診斷

在線學(xué)習(xí)狀態(tài)直接影響用戶的學(xué)習(xí)效率，平臺(tái)結(jié)合用戶學(xué)習(xí)動(dòng)機(jī)、學(xué)習(xí)能力和學(xué)習(xí)方法，把學(xué)習(xí)狀態(tài)分為良好學(xué)習(xí)狀態(tài)和不良學(xué)習(xí)狀態(tài)。良好學(xué)習(xí)狀態(tài)主要表現(xiàn)為在線學(xué)習(xí)時(shí)間長(zhǎng)、簽到打卡積極、交流互動(dòng)頻繁、作業(yè)提交及時(shí)等;不良學(xué)習(xí)狀態(tài)主要表現(xiàn)為在線學(xué)習(xí)過程中隨意退出平臺(tái)、簽到打卡不積極、交流互動(dòng)較少、作業(yè)提交不及時(shí)等[5]。

2.1.3用戶學(xué)習(xí)需求預(yù)測(cè)

由于在線學(xué)習(xí)平臺(tái)沒有地域和時(shí)間限制，可隨時(shí)隨地在平臺(tái)上進(jìn)行學(xué)習(xí)，既支持電腦PC端學(xué)習(xí)又支持手機(jī)移動(dòng)端學(xué)習(xí)。因此，根據(jù)用戶畫像聚類和學(xué)習(xí)狀態(tài)診斷，把用戶學(xué)習(xí)需求預(yù)測(cè)分為多終端學(xué)習(xí)需求、在線考核需求、在線練習(xí)需求、在線互動(dòng)答疑需求、自動(dòng)推送資料需求、自動(dòng)分析學(xué)習(xí)進(jìn)度需求、自動(dòng)統(tǒng)計(jì)班級(jí)排名需求及學(xué)習(xí)記錄查詢需求等[6]。

2.2 ?在線學(xué)習(xí)干預(yù)方式確定

為使用戶及時(shí)跟進(jìn)在線學(xué)習(xí)進(jìn)度達(dá)到預(yù)期學(xué)習(xí)目標(biāo)，平臺(tái)根據(jù)不同用戶情況選擇不同干預(yù)方式。在線學(xué)習(xí)干預(yù)分為學(xué)習(xí)平臺(tái)自動(dòng)干預(yù)、學(xué)習(xí)平臺(tái)提醒干預(yù)和學(xué)習(xí)用戶自主干預(yù)三種方式。

2.2.1學(xué)習(xí)平臺(tái)自動(dòng)干預(yù)

學(xué)習(xí)平臺(tái)自動(dòng)干預(yù)是指平臺(tái)通過大數(shù)據(jù)分析實(shí)時(shí)掌握用戶學(xué)習(xí)動(dòng)態(tài)，結(jié)合平臺(tái)目標(biāo)學(xué)習(xí)推進(jìn)干預(yù)策略[7]，自動(dòng)對(duì)用戶實(shí)施的一系列干預(yù)操作，學(xué)習(xí)平臺(tái)自動(dòng)干預(yù)無須用戶操作，由后臺(tái)自動(dòng)完成。

2.2.2學(xué)習(xí)平臺(tái)提醒干預(yù)

學(xué)習(xí)平臺(tái)提醒干預(yù)是指平臺(tái)在實(shí)時(shí)監(jiān)測(cè)過程中發(fā)現(xiàn)用戶異常情況時(shí)，特別是發(fā)生隨意退出學(xué)習(xí)平臺(tái)、交流互動(dòng)不積極、作業(yè)提交不及時(shí)或不提交等厭學(xué)和不學(xué)現(xiàn)象時(shí)，平臺(tái)將結(jié)合學(xué)習(xí)提醒干預(yù)策略。對(duì)此類用戶實(shí)施的一系列提醒干預(yù)操作，學(xué)習(xí)平臺(tái)提醒干預(yù)需通過用戶選擇后，后臺(tái)才執(zhí)行對(duì)應(yīng)操作。

2.2.3學(xué)習(xí)用戶自主干預(yù)

學(xué)習(xí)用戶自主干預(yù)是指學(xué)習(xí)用戶為達(dá)到某種學(xué)習(xí)目標(biāo)，通過學(xué)習(xí)平臺(tái)提供的自主選擇干預(yù)策略，有選擇性地對(duì)自己在學(xué)習(xí)過程中執(zhí)行一系列干預(yù)操作[8]，學(xué)習(xí)用戶自主干預(yù)由用戶本身選擇完成。

2.3 ?在線學(xué)習(xí)干預(yù)實(shí)施

2.3.1學(xué)習(xí)平臺(tái)自動(dòng)干預(yù)實(shí)施

學(xué)習(xí)平臺(tái)自動(dòng)干預(yù)主要實(shí)施于整體干預(yù)中，如平臺(tái)各類通知公告的自動(dòng)推送，班級(jí)學(xué)習(xí)資料的自動(dòng)推送，班級(jí)成員學(xué)習(xí)成績(jī)排名，用戶學(xué)習(xí)進(jìn)度自動(dòng)記憶，用戶學(xué)習(xí)效果自動(dòng)統(tǒng)計(jì)分析，用戶各類加減分項(xiàng)目排名等。通過平臺(tái)自動(dòng)干預(yù)實(shí)施完成平臺(tái)批量工作，達(dá)到用戶全員知曉、相互激勵(lì)的目的。

2.3.2學(xué)習(xí)平臺(tái)提醒干預(yù)實(shí)施

學(xué)習(xí)平臺(tái)提醒干預(yù)主要實(shí)施于個(gè)體干預(yù)中，如用戶學(xué)習(xí)行為提醒，用戶簽到打卡提醒，用戶學(xué)習(xí)進(jìn)度提醒，用戶作業(yè)完成預(yù)警提醒，用戶學(xué)習(xí)鎖屏提醒等，提醒干預(yù)又分為友情提醒、警告提醒和處罰提醒三個(gè)級(jí)別，平臺(tái)根據(jù)提醒級(jí)別其提醒頻率也會(huì)隨之變化。通過平臺(tái)實(shí)施提醒干預(yù)，可及時(shí)有效地提醒部分學(xué)習(xí)興趣不足、學(xué)習(xí)積極性不高的用戶，使之跟進(jìn)學(xué)習(xí)進(jìn)度并端正學(xué)習(xí)態(tài)度。

2.3.3學(xué)習(xí)用戶自主干預(yù)實(shí)施

學(xué)習(xí)用戶自主干預(yù)主要實(shí)施于用戶個(gè)性化學(xué)習(xí)中，用戶根據(jù)自身學(xué)習(xí)習(xí)慣、學(xué)習(xí)偏好、學(xué)習(xí)能力、學(xué)習(xí)速度和學(xué)習(xí)基礎(chǔ)等特點(diǎn)來制定所需的自主學(xué)習(xí)方式，平臺(tái)再根據(jù)用戶自行制定的學(xué)習(xí)方式來安排用戶學(xué)習(xí)內(nèi)容、學(xué)習(xí)難易、學(xué)習(xí)快慢和學(xué)習(xí)方法等。通過用戶自主干預(yù)實(shí)施，能最大限度挖掘用戶學(xué)習(xí)潛能，充分發(fā)揮用戶個(gè)性化學(xué)習(xí)效果。

3 ? 基于用戶畫像的在線學(xué)習(xí)干預(yù)效果分析

以“超星泛雅”網(wǎng)絡(luò)教學(xué)平臺(tái)湖南軟件職業(yè)學(xué)院軟件技術(shù)專業(yè)“Python程序設(shè)計(jì)”在線課程為例，進(jìn)行基于用戶畫像的在線學(xué)習(xí)干預(yù)效果分析。該在線課程為學(xué)生選修課程，共開設(shè)8個(gè)學(xué)習(xí)班級(jí)，每個(gè)班級(jí)40人，班級(jí)學(xué)生由平臺(tái)隨機(jī)分配，課程周次為16周，學(xué)時(shí)數(shù)為64學(xué)時(shí)，每周4學(xué)時(shí)，期末成績(jī)按照4：2：4比率百分制計(jì)分，即在線學(xué)習(xí)內(nèi)容完成情況占40%，在線學(xué)習(xí)作業(yè)完成情況占20%，在線課程期末考試成績(jī)占40%。8個(gè)學(xué)習(xí)班級(jí)中1至4班實(shí)行平臺(tái)全程自動(dòng)干預(yù)在線學(xué)習(xí)模式，首先針對(duì)以上4個(gè)班級(jí)160名學(xué)生基本情況進(jìn)行用戶畫像數(shù)據(jù)處理，然后根據(jù)用戶畫像數(shù)據(jù)對(duì)160名學(xué)生分別進(jìn)行人群屬性、用戶關(guān)聯(lián)關(guān)系、用戶活躍度和用戶偏好標(biāo)簽化處理，并結(jié)合用戶標(biāo)簽進(jìn)行用戶畫像聚類、用戶學(xué)習(xí)狀態(tài)診斷和用戶學(xué)習(xí)需求預(yù)測(cè)。重點(diǎn)對(duì)以上4個(gè)班級(jí)在線學(xué)習(xí)實(shí)施課前輔導(dǎo)資料自動(dòng)推送、上課簽到打卡顯示公開、課中交流互動(dòng)激勵(lì)加分、課后作業(yè)完成質(zhì)量排名、學(xué)生優(yōu)秀作品線上展示等一系列自動(dòng)干預(yù)，同時(shí)，對(duì)1至4班部分學(xué)習(xí)態(tài)度不端正、學(xué)習(xí)積極性不高的學(xué)生實(shí)施平臺(tái)提醒服務(wù)干預(yù)，重點(diǎn)對(duì)打卡不及時(shí)、作業(yè)完成不理想、缺乏交流互動(dòng)和隨意退出平臺(tái)的學(xué)生實(shí)施提醒干預(yù)，根據(jù)情節(jié)嚴(yán)重程度分別給予友情提醒、警告提醒和處罰提醒干預(yù)。另外5至8班160名學(xué)生采用常規(guī)在線教學(xué)模式，即未對(duì)學(xué)生進(jìn)行用戶畫像分析處理，也未實(shí)施相關(guān)在線學(xué)習(xí)干預(yù)。最后8個(gè)班該門在線學(xué)習(xí)課程平均分為81.25分，其中1至4班在平臺(tái)實(shí)施用戶畫像干預(yù)情況下平均分為86.40分，5至8班在平臺(tái)常規(guī)在線教學(xué)模式下平均分為76.10分。8個(gè)班級(jí)90分以上學(xué)生42人，其中1至4班90分以上學(xué)生32人，5至8班90分以上學(xué)生10人。由此得出，平臺(tái)實(shí)施用戶畫像干預(yù)的班級(jí)平均分超出常規(guī)在線教學(xué)班級(jí)10.30分，90分以上的學(xué)生人數(shù)多出22人（以上數(shù)據(jù)來源于超星泛雅網(wǎng)絡(luò)教學(xué)平臺(tái)，從“Python程序設(shè)計(jì)”在線課程期末成績(jī)數(shù)據(jù)中獲?。?，有學(xué)習(xí)過程干預(yù)的班級(jí)成績(jī)明顯好于未有學(xué)習(xí)過程干預(yù)的班級(jí)。特別針對(duì)學(xué)習(xí)基礎(chǔ)和學(xué)習(xí)習(xí)慣較差的高職學(xué)生，利用平臺(tái)對(duì)學(xué)生實(shí)施在線學(xué)習(xí)過程干預(yù)，不僅可改變高職學(xué)生學(xué)習(xí)習(xí)慣，還可促進(jìn)學(xué)生專業(yè)技術(shù)技能水平的掌握。分析其原因主要有以下幾點(diǎn)：一是通過用戶畫像聚類可及時(shí)診斷學(xué)生學(xué)習(xí)狀態(tài)，掌握學(xué)生在線學(xué)習(xí)實(shí)際需求;二是通過大數(shù)據(jù)實(shí)時(shí)跟蹤統(tǒng)計(jì)分析學(xué)生學(xué)習(xí)動(dòng)態(tài)，有利于平臺(tái)對(duì)用戶實(shí)施精準(zhǔn)干預(yù);三是平臺(tái)對(duì)在線學(xué)習(xí)用戶實(shí)施自動(dòng)干預(yù)，有利于激發(fā)學(xué)生在線學(xué)習(xí)內(nèi)生動(dòng)力，加深鞏固在線課程學(xué)習(xí)內(nèi)容;四是平臺(tái)對(duì)部分學(xué)習(xí)落后用戶實(shí)施提醒干預(yù)，有利于及時(shí)提醒并糾正用戶在線學(xué)習(xí)態(tài)度，提高用戶在線學(xué)習(xí)自覺性;五是平臺(tái)提供用戶自主干預(yù)模式，有利于充分發(fā)揮用戶個(gè)性化學(xué)習(xí)需求，不斷挖掘用戶個(gè)性化學(xué)習(xí)潛能。

4 ? 結(jié)語

在線教育以其獨(dú)特優(yōu)勢(shì)正慢慢改變著人們對(duì)教育行業(yè)的定義，從傳統(tǒng)的面對(duì)面教育，到“互聯(lián)網(wǎng)+教育”的全面推進(jìn)，用戶畫像、虛擬仿真、區(qū)塊鏈等一批新興技術(shù)與教育教學(xué)的深度融合，不僅創(chuàng)新了教學(xué)形態(tài)，而且推進(jìn)了在線教育的興起，使在線教育朝著學(xué)習(xí)靈活性、課程多樣性、個(gè)性化定制和深度學(xué)習(xí)方式轉(zhuǎn)變的趨勢(shì)發(fā)展?；谟脩舢嬒竦脑诰€學(xué)習(xí)干預(yù)將在未來在線學(xué)習(xí)教育中發(fā)揮更加重要的作用，同時(shí)也將面臨更多的機(jī)遇和挑戰(zhàn)：一是在線學(xué)習(xí)用戶畫像標(biāo)簽體系科學(xué)性問題，用戶畫像標(biāo)簽體系的質(zhì)量決定著用戶畫像在線學(xué)習(xí)干預(yù)的效果，隨著在線學(xué)習(xí)用戶群體越來越復(fù)雜，未來標(biāo)簽體系的設(shè)計(jì)不僅要便于檢索，還需精準(zhǔn)有效;二是在線學(xué)習(xí)用戶興趣偏好多樣性問題，在線學(xué)習(xí)用戶在一定周期內(nèi)興趣偏好會(huì)呈現(xiàn)一定的趨勢(shì)變化，存在稀疏性、多樣性和異構(gòu)性等特點(diǎn)[9]，未來在線學(xué)習(xí)實(shí)施個(gè)性化干預(yù)是新的挑戰(zhàn)，以最大限度挖掘用戶個(gè)性化學(xué)習(xí)潛能，提高用戶個(gè)性化學(xué)習(xí)水平，切實(shí)達(dá)到在線學(xué)習(xí)個(gè)性化培養(yǎng)的目標(biāo)。

參考文獻(xiàn)：

[1] 夏玲.大數(shù)據(jù)環(huán)境下遠(yuǎn)程教育平臺(tái)的學(xué)習(xí)干預(yù)[J].延邊教育學(xué)院學(xué)報(bào)，2018（6）：64-66.

[2] 殷寶媛，武法提.學(xué)習(xí)習(xí)慣在線干預(yù)的原理與模型設(shè)計(jì)[J].電化教育研究，2019（12）：72-79.

[3] 張靜，王歡.基于ISM的在線教育平臺(tái)學(xué)習(xí)者持續(xù)學(xué)習(xí)行為的影響因素研究[J].中國電化教育，2018（10）：123-130.

[4] 郭飛雁.增強(qiáng)現(xiàn)實(shí)技術(shù)在泛在學(xué)習(xí)中的應(yīng)用研究[J].電腦知識(shí)與技術(shù)，2017（20）：232-233.

[5]楊雪，姜強(qiáng)，趙蔚，等.大數(shù)據(jù)時(shí)代基于學(xué)習(xí)分析的在線學(xué)習(xí)拖延診斷與干預(yù)研究[J].電化教育研究，2017（7）：51-57.

[6]郭飛雁，羅校清.基于用戶畫像的高職智造類工匠人才培養(yǎng)路徑[J].河北職業(yè)教育，2019（4）：91-94.

[7] 查英華，朱其慎.基于個(gè)性化推薦的移動(dòng)學(xué)習(xí)模式探究：以高職學(xué)生為例[J].職教論壇，2015（23）：57-60.

[8] 趙慧瓊，姜強(qiáng)，趙蔚，等.基于大數(shù)據(jù)學(xué)習(xí)分析的在線學(xué)習(xí)績(jī)效預(yù)警因素及干預(yù)對(duì)策的實(shí)證研究[J].電化教育研究，2017（1）：62-69.

[9] 羅校清.使用角度選擇策略的第二代Pareto強(qiáng)度進(jìn)化算法[J].計(jì)算機(jī)應(yīng)用與軟件，2018（7）：290-298.

責(zé)任編輯 ? ?祁秀春

Research and Practice of Online Learning Intervention

Based on User Portraits

LUO Xiaoqing

（Training ?Center，Hunan Software Vocational College，Xiangtan 411100，China）

Abstract： User portraits have been used in education as an information tool and online learning interventions based on user portraits can further improve the quality of online learning. By collecting relevant data of online learning users，preprocessing and mining the data，a label system such as online learning crowd attribute tags，user association tags， user activity tags and user learning preference tags are formed. Based on the user tag system，an unstructured keyword method is used to construct portraits of online learning users to form an online learning user portrait database. Subsequently，the online learning user portraits are clustered and the learning status is diagnosed and analyzed to accurately predict the real-time learning needs of online learning users. Various intervention methods are used to implement online learning process interventions for online learning users to stimulate the endogenous learning motivation of students and improve personalized learning ability of students.

Key ?words： user portraits;online learning;intervention research

收稿日期：2020-03-02

基金項(xiàng)目：2020年度湖南省社會(huì)科學(xué)成果評(píng)審委員會(huì)一般課題“基于用戶畫像的在線學(xué)習(xí)干預(yù)研究與實(shí)踐” ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（XSP20YBC253）;2019年湖南省教育廳科學(xué)研究一般項(xiàng)目“‘用戶畫像技術(shù)在高職工匠型人才培養(yǎng)中的應(yīng) ? ? ? ? ? ? ? ? ? ? ? ? ? ? 用研究”（19C0997）

作者簡(jiǎn)介：羅校清，高級(jí)實(shí)驗(yàn)師，主要研究方向?yàn)楦呗氃盒＝逃畔⒒?shí)訓(xùn)基地建設(shè)。