钟 诚，杨 珍，杜晓静　镇江船艇学院信息技术教研室

　　关键词：学习分析;数据挖掘;大数据

　　Construction of learning analytics system based on educational big data

　　Zhong Cheng, Yang Zhen, Du Xiao Jing

　　(Zhengjiang Watercraft College Computer Department，Zhenjiang Jiansu 212003)

　　Abstract：Currently, the big data era has arrived and the field of education also has accumulated huge amounts of data. Learning analytics can use the massive educational data and transfer the data into useful information, in order to improve education and learning. In this paper, after analyzing the data stream in the process of learning analytics, the system architecture model is constructed according to the data stream process.

　　Keywords：Learning analytics; Data mining; Big data

　　0 引言

　　“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”(麦肯锡咨询公司)大数据时代已经到来了，决策将日益基于数据和分析而作出，而并非基于经验和直觉。大数据应用已经在商业、经济等领域取得了显著的成功。而在目前，教育领域中，各种数字学习环境的普及和推广，越来越多的人员在网络环境下发生学习行为。学习者与学习系统之间，学习者与学习者之间，学习者与设备之间，每天都在发生大量的交互数据，这些数据有着海量的数据规模(Volume)，多样的数据类型(Variety)，快速的数据流动和动态的数据体系(Velocity)，巨大的数据价值(Value)，这些都符合大数据的4V特性[1]。海量的数据给传统教育数据的存储和分析都带来了巨大的挑战。如何通过技术手段对教育大数据进行分析处理，使教育领域的方方面面都受益，最终有效促进教与学，已经越来越受到研究者的重视。而学习分析理念的提出，为教育大数据的应用找到了很好的途径。

　　1 学习分析概述

　　早在2010年美国新媒体联盟发布的《地平线报告》中就预测学习分析技术将在未来的四到五年内成为主流[2]。在第一届“学习分析和知识国际会议”上认为：学习分析技术是测量、收集、分析和报告有关学生及其学习环境的数据，用以理解和优化学习及其产生的环境的技术[3]。

　　学习分析所服务的对象涉及教育系统的各个相关人员，学习者、教育者、教育研究者、教育管理者、学习服务提供者等等。使用数据挖掘、社会网络分析、统计分析等多种技术对教育大数据进行解释和分析，根据解释与分析的结果，评估学习者的学习进展，预测未来的表现，并发现潜在问题。以便学习者能更准确的把握自己的学习情况，优化学习过程，教育者能及时调整教学活动和教学内容，优化教学方法和教学策略，为学生提供个性化的教学资源与建议，同时也能为教育管理者的决策提供科学依据。国外对学习分析技术的研究已经取得了一定的效果，而国内还处在理论研究和综述阶段。基于教育大数据的学习分析系统的构建可以为学习分析的应用和实践提供重要指导，更好的提高学习效率，有效促进教与学。

　　2 学习分析系统的总体架构

　　国内外许多学者都从不同角度对学习分析进行了整体框架的设计，但每个框架都有其局限性，经过实践验证的框架依然很少。学习分析的基础和核心是海量的教育数据。围绕数据开展数据的采集、存储、分析、表示以及应用5个环节的活动[4]。本文以数据为核心，依据数据流动的过程来构建一个更加灵活和可扩展的学习分析系统的架构模型(见图1所示)。

　　

 

　　图1 学习分析系统架构图

　　学习者的学习行为发生在各种数字环境中，传统的学习管理系统，网络课程以及开放学习环境(MOOCs)等，社会性学习系统，如博客，微博，各种社交网络等。交互当中所产生的数据都会被记录到原始数据库中。而原始数据来源众多，形式不一，存储和处理都有困难。通过聚集、抽样、维归约、离散化和二元化等预处理，让原始数据更加适合挖掘，将预处理得到的学习数据存储到学习数据库中。与学习者相关的一些基本数据存储在学生信息库中。在特定的时间中学习分析引擎会从学习数据库和学生信息库中获取数据进行分析，依据需求不同，在分析过程中使用不同的数据挖掘和分析工具及模型。分析结果作用于学习者、教育者/研究者、教育管理者等不同层次，提供相应的教育干预，学习内容和过程、教学设计和策略优化。当然，分析结果也要以报告或可视化图表等形式在展示平台输出。

　　3 结束语

　　学习分析是大数据技术在教育领域中的应用。在大数据技术的支持下，深度挖掘学习行为模式，交互数据之间所隐藏的潜在价值，学习质量分析，个性化教学内容推送等都将成为可能。在对学习分析不断深入研究同时，也存在许多挑战。如何快速有效收集和预处理来源多样的原始数据，使用哪种工具、算法能更准确的得到有效预测，如何做到保护学生隐私等，都是我们要考虑的问题。相信这些挑战都将在不久的将来得到解决。

　　参考文献：

　　[1]Barwick H. The "four Vs" of Big Data. Implementing Information Infrastructure Symposium

　　[EB/OL]. [2012-10-02]. http://www.computerworld.com.au/article/396198/iiis_four_vs_big_data/.

　　[2]Johnson,L.,Adams,S.,andCummins,M.(2012).The NMC Horizon Report: 20 l 2 Higher Education Edition. Austin, Texas: TheNewMediaConsortium.

　　[3]SIEMENS G.Learning and Knowledge Analytics Knewton the future of education?[EB/OL].

　　2012[2014-01-07]. http://www.1earninganalytics.net/?p=126.

　　[4]李艳燕，马韶茜，黄荣怀.学习分析技术：服务学习过程设计和优化[J].开放教育研究，2012，(5)：18-24.

　　作者简介：

　　钟诚，1982，女，讲师，研究方向：计算机应用，教育数据挖掘。

　　杨珍，副教授;何秋燕，讲师。