Page 13 - 中小学数字化教学第5期

大数据专题

情况进行统计分析，让授课教师根据学生学习 推荐现实难度和升级难度的视频课程，让学生在
情况的反馈结果精准备课，通过统计、分析以 平台上不断学习并积累数据，以便教师提取学生
及挖掘学生看视频、做习题等数据，发现学生 的学习特质与薄弱环节等信息，设计个性化学习
学习的难点，进而在直播课中做重点讲解，开 方案。
展个性化教学。 例如，某学生对一元二次方程和代数学知识
学得较好，但对立体几何学得不好，对此，教师
四、基于多维多联的数据算法，实现
对该生推送了一些比较难但是体量小的一元二次
分层学习推荐
方程和代数作业，同时推送了一些比较简单但是
为完成学习目标，激发学生学习兴趣，保证 体量较大的立体几何作业，给每个学生的作业都
教学质量，除了提供精品课程资源外，教师还要 不一样。学校通过系统进行智能推送，实现了与
为学生提供个性化学习路径。大数据系统能自动 每个学生能力素质、个性特征匹配的个性化教育。
识别学生的学习需求，根据用户特征信息（如学
五、大数据支撑下的线上线下个性化
习偏好、知识水平等）动态呈现个性化学习活动
学习实证研究
序列，改变以往“大水漫灌”的做法，实施“精
准滴灌”，从而更好地完成知识建构，提高在线 从大数据本身来讲，系统记录个体行为的数
教育的个性化服务水平。 据似乎是杂乱无章的，但当数据累积到一定程度，
整合相关资源并设计个性化学习路径，关键 群体的行为就会在数据上呈现一种秩序和规律。
要整体考虑数据之间的关系，对学生、资源、情 分析并利用这种秩序和规律，可以有效弥补线上
境等进行多维关联分析。系统通过对用户行为数 与线下教育的不一致性。学校应用大数据分析技
据的获取、存储、清洗、挖掘，采用相似用户矩 术可实现线上线下教育的无缝对接。
阵库、基于特征匹配、基于学生反馈和基于内容 目前，在线教育提供方大多是利用教研产
知识点关联等混合推荐方法实现个性化学习资源 出的标准化学习产品并基于大数据提供个性化服
的推送。 务。在线教育提供方在标准化底层产品的构建过
学校可以从学生角度出发，基于学生个体的 程中投入大量资源，将若干专家、名师的教学经
静态数据和学习中产生的动态学习行为数据，以 验显性化，构建中小学生的学科学习能力图谱，
动态数据为主、静态数据为辅构建学生特征模型。 并基于标准模型设计整套集标准化课程、测评系
大数据平台主要从学生的学习风格和知识 统、动态学习规划、个性化训练系统、行为数据
水平评估方面来发掘个性化学习路径并推送学习 采集和分析系统于一体的“智能化学习系统”。
资源，通过抓取百万级用户的看课类型、学习时 数校就是基于这样一种模式，用户已达数百万，
间、浏览次数及互动情况等数据推测学生的学习 产生上亿条用户行为数据。当线上这套标准化学
风格。对知识水平的评估，一方面可利用常规方 习产品成熟时，即可推动线上学习产品和线下学
法评估；另一方面可利用人工智能算法，基于学 校服务的融合。由数校负责提供线上的智能化学
习行为数据，如课程学习数量与点击次数、作答 习系统，而学校则组织教师根据系统反馈的数据
时间与尝试次数、答题比例与答题正确率等实时 进行个性化辅导，打通数据，创设线上线下深度
反映学生的知识水平，从知识理解等级和有较大 融合的智能化、个性化学习场景。
难度级别两个维度动态地评估学习对象。 实验中学是首批加入数校的 35 所基地学校
具体来说，系统根据学生前期学力测试，推 之一。教学过程中，线下教师会按照在线学习平
荐相应内容，再结合课后作业情况进行测评，再 台所提供的数据对学生的问题进行归因和分析、

2019 年第 5 期 中小学数字化教学 | 11