基于大数据的自适应学习模型研究及实现

作者:韦建国;王玉琼; 刊名:软件导刊 上传者:洪丰

【摘要】大数据时代,高等职业院校传统教育教学模式已不能完全满足社会对新型人才培养的需要,如何将大数据的自适应学习模式与高等职业教育充分融合是当前亟待解决的问题。从大数据自适应学习概念出发,在综述大数据自适应模型及工作流程的基础上,介绍了基于大数据的自适应学习实现过程,并与传统教学进行对比。利用大数据自适应学习,有利于学生对于知识点的掌握,提高学习成绩,并激发学生学习兴趣。

全文阅读

0引言高等职业教育的发展为社会培养了许多技能型人才,但随着大数据时代的来临,传统教师课堂的面授教育模式已不能满足高等职业院校对于人才培养的需要。因此,探究将大数据理念运用于高职教育教学中具有重要意义[1-2]。传统教育教学模式下,由于学生基础的差异,在教学过程中难免会出现顾此失彼的现象,导致部分学生跟不上进度,产生厌学情绪,一定程度上制约了学生创新思维能力的培养[3]。大数据与互联网的结合为学生的个性化学习提供了有力支持[4]。开展基于大数据的自适应学习,可使每个学生根据自身特点自由选择学习方式,从而充分发挥学生潜能。1大数据自适应学习概念大数据通过收集互联网中的海量数据,并将这些数据分类储存,形成庞大的数据库,便于人们查找和研究,同时通过数据挖掘,能够得到相关行业或领域有价值的信息[5]。大数据自适应学习是指在大数据基础上,将各门类学科知识、各领域研究成果、教师讲课笔记与教学心得、经典教学案例、试题库及答案讲解和读者阅读心得体会等按照学科领域进行归类收集[6],学生能够通过网络在线学习或离线下载的方式学习知识点,从而开展个性化学习,同时还可在线与教师进行交流与探讨[7]。2大数据自适应学习模型本文提出的基于大数据的自适应学习模型主要用于高职院校学生的在线学习,以及在图书馆及阅览室学习时遇到学科疑难知识点时的现场解决[8]。虽然这种基于大数据的自适应学习模型使用场合不同,但其工作流程相同,具体流程如图1所示。大数据自适应学习系统建立在数据挖掘与算法分析图1大数据自适应学习工作流程研究基础上,学生可以在线和离线两种状态对某一课程进行自适应学习。该系统通过对海量数据进行深入分析与处理,找到客观规律,并对相关数据作出总结归纳,从而辅助学生学习。基于大数据的自适应学习设备如图2所示,其工作原理为:先将若干台基于大数据的自适应学习设备放置在学校图书馆及阅览室,当学生在学习过程中遇到难点时,可以将教科书或难以解答的习题放在基于大数据的自适应学习设备扫描装置正下方,数据处理存储系统将扫描到的模拟信号转变为数字信号,从存储系统中调出相关信息,并在操作界面中以文件形式展示出来。通过操作界面上的提示,学生可以自由选择在线阅读、下载文件或点击打印。基于大数据的自适应学习设备中的所有信息均来自互联网上收集整理的学科知识点,数据处理存储及网络系统会随时进行信息收集及分析处理。3大数据自适应学习模型实现大数据自适应学习系统数据来源于互联网,包括高校精品课程、高校版权著作信息、教授或名师讲课笔记等[9]。利用Spss Modeler软件对潜藏在海量数据中的规律进行挖掘和筛选,以及利用Apriori改进型算法对分析后的大数据作总结性归纳,可使学生学习更具有针对性。同时,学生也可以发表关于本课程的学习心得或体会,大数据自适应学习系统同样将这些观点看法存储起来用于大数据挖据[10]。大数据自适应学习系统模型如图3所示。图3中,经过挖掘后的数据具有规律性、个体差异性、技巧性和可扩展性4个特点:(1)规律性。即将隐藏在数据中有用并呈现一定规律的信息挖掘出来,以帮助学生快速图2基于大数据的自适应学习设备基于大数据的自适应学习系统模型理解和掌握课程中的知识点,同时也有助于教师发现教学中的问题并及时改进[11];(2)个体差异性。是指通过数据挖掘与算法分析后,将所有教师注释或点评,以及读者心得体会按照不同个性差异总结归纳为若干类,并将每一类个性适合的学习方法进行明确和具体化,学生根据自身特点进行选择;(3)技巧性。是指将所有关于某课程的学习方法和技巧归纳在一起,以便学生解决实际中遇到的问题;

参考文献

引证文献

问答

我要提问