韋建國(guó) 王玉瓊

摘 要：大數(shù)據(jù)時(shí)代，高等職業(yè)院校傳統(tǒng)教育教學(xué)模式已不能完全滿(mǎn)足社會(huì)對(duì)新型人才培養(yǎng)的需要，如何將大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)模式與高等職業(yè)教育充分融合是當(dāng)前亟待解決的問(wèn)題。從大數(shù)據(jù)自適應(yīng)學(xué)習(xí)概念出發(fā)，在綜述大數(shù)據(jù)自適應(yīng)模型及工作流程的基礎(chǔ)上，介紹了基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)實(shí)現(xiàn)過(guò)程，并與傳統(tǒng)教學(xué)進(jìn)行對(duì)比。利用大數(shù)據(jù)自適應(yīng)學(xué)習(xí)，有利于學(xué)生對(duì)于知識(shí)點(diǎn)的掌握，提高學(xué)習(xí)成績(jī)，并激發(fā)學(xué)生學(xué)習(xí)興趣。

關(guān)鍵詞：大數(shù)據(jù)；自適應(yīng)學(xué)習(xí)；高等職業(yè)教育

DOI：10.11907/rjdk.172858

中圖分類(lèi)號(hào)：G434

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）005-0217-03

Abstract：The traditional education teaching model in higher vocational colleges can not fully meet the social requirements of new talent training in the era of big data， and it is an urgent problem to integrate self-adaptive learning with higher vocational education.The conception of big data-based self-adaptive learning is defined， its models and the working flow are reviewed for the introduction of the implementation process and comparison to traditional teaching. To apply self-adaptive learning is helpful for students to master knowledge points， improve academic performance and arouse their learning interest.

Key Words：big data； self-adaptive learning； higher vocational education

0 引言

高等職業(yè)教育的發(fā)展為社會(huì)培養(yǎng)了許多技能型人才，但隨著大數(shù)據(jù)時(shí)代的來(lái)臨，傳統(tǒng)教師課堂的面授教育模式已不能滿(mǎn)足高等職業(yè)院校對(duì)于人才培養(yǎng)的需要。因此，探究將大數(shù)據(jù)理念運(yùn)用于高職教育教學(xué)中具有重要意義[1-2]。傳統(tǒng)教育教學(xué)模式下，由于學(xué)生基礎(chǔ)的差異，在教學(xué)過(guò)程中難免會(huì)出現(xiàn)顧此失彼的現(xiàn)象，導(dǎo)致部分學(xué)生跟不上進(jìn)度，產(chǎn)生厭學(xué)情緒，一定程度上制約了學(xué)生創(chuàng)新思維能力的培養(yǎng)[3]。大數(shù)據(jù)與互聯(lián)網(wǎng)的結(jié)合為學(xué)生的個(gè)性化學(xué)習(xí)提供了有力支持[4]。開(kāi)展基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)，可使每個(gè)學(xué)生根據(jù)自身特點(diǎn)自由選擇學(xué)習(xí)方式，從而充分發(fā)揮學(xué)生潛能。

1 大數(shù)據(jù)自適應(yīng)學(xué)習(xí)概念

大數(shù)據(jù)通過(guò)收集互聯(lián)網(wǎng)中的海量數(shù)據(jù)，并將這些數(shù)據(jù)分類(lèi)儲(chǔ)存，形成龐大的數(shù)據(jù)庫(kù)，便于人們查找和研究，同時(shí)通過(guò)數(shù)據(jù)挖掘，能夠得到相關(guān)行業(yè)或領(lǐng)域有價(jià)值的信息[5]。大數(shù)據(jù)自適應(yīng)學(xué)習(xí)是指在大數(shù)據(jù)基礎(chǔ)上，將各門(mén)類(lèi)學(xué)科知識(shí)、各領(lǐng)域研究成果、教師講課筆記與教學(xué)心得、經(jīng)典教學(xué)案例、試題庫(kù)及答案講解和讀者閱讀心得體會(huì)等按照學(xué)科領(lǐng)域進(jìn)行歸類(lèi)收集[6]，學(xué)生能夠通過(guò)網(wǎng)絡(luò)在線學(xué)習(xí)或離線下載的方式學(xué)習(xí)知識(shí)點(diǎn)，從而開(kāi)展個(gè)性化學(xué)習(xí)，同時(shí)還可在線與教師進(jìn)行交流與探討[7]。

2 大數(shù)據(jù)自適應(yīng)學(xué)習(xí)模型

本文提出的基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)模型主要用于高職院校學(xué)生的在線學(xué)習(xí)，以及在圖書(shū)館及閱覽室學(xué)習(xí)時(shí)遇到學(xué)科疑難知識(shí)點(diǎn)時(shí)的現(xiàn)場(chǎng)解決[8]。雖然這種基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)模型使用場(chǎng)合不同，但其工作流程相同，具體流程如圖1所示。

大數(shù)據(jù)自適應(yīng)學(xué)習(xí)系統(tǒng)建立在數(shù)據(jù)挖掘與算法分析研究基礎(chǔ)上，學(xué)生可以在線和離線兩種狀態(tài)對(duì)某一課程進(jìn)行自適應(yīng)學(xué)習(xí)。該系統(tǒng)通過(guò)對(duì)海量數(shù)據(jù)進(jìn)行深入分析與處理，找到客觀規(guī)律，并對(duì)相關(guān)數(shù)據(jù)作出總結(jié)歸納，從而輔助學(xué)生學(xué)習(xí)。

基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)設(shè)備如圖2所示，其工作原理為：先將若干臺(tái)基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)設(shè)備放置在學(xué)校圖書(shū)館及閱覽室，當(dāng)學(xué)生在學(xué)習(xí)過(guò)程中遇到難點(diǎn)時(shí)，可以將教科書(shū)或難以解答的習(xí)題放在基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)設(shè)備掃描裝置正下方，數(shù)據(jù)處理存儲(chǔ)系統(tǒng)將掃描到的模擬信號(hào)轉(zhuǎn)變?yōu)閿?shù)字信號(hào)，從存儲(chǔ)系統(tǒng)中調(diào)出相關(guān)信息，并在操作界面中以文件形式展示出來(lái)。通過(guò)操作界面上的提示，學(xué)生可以自由選擇在線閱讀、下載文件或點(diǎn)擊打印?；诖髷?shù)據(jù)的自適應(yīng)學(xué)習(xí)設(shè)備中的所有信息均來(lái)自互聯(lián)網(wǎng)上收集整理的學(xué)科知識(shí)點(diǎn)，數(shù)據(jù)處理存儲(chǔ)及網(wǎng)絡(luò)系統(tǒng)會(huì)隨時(shí)進(jìn)行信息收集及分析處理。

3 大數(shù)據(jù)自適應(yīng)學(xué)習(xí)模型實(shí)現(xiàn)

大數(shù)據(jù)自適應(yīng)學(xué)習(xí)系統(tǒng)數(shù)據(jù)來(lái)源于互聯(lián)網(wǎng)，包括高校精品課程、高校版權(quán)著作信息、教授或名師講課筆記等[9]。利用Spss Modeler軟件對(duì)潛藏在海量數(shù)據(jù)中的規(guī)律進(jìn)行挖掘和篩選，以及利用Apriori改進(jìn)型算法對(duì)分析后的大數(shù)據(jù)作總結(jié)性歸納，可使學(xué)生學(xué)習(xí)更具有針對(duì)性。同時(shí)，學(xué)生也可以發(fā)表關(guān)于本課程的學(xué)習(xí)心得或體會(huì)，大數(shù)據(jù)自適應(yīng)學(xué)習(xí)系統(tǒng)同樣將這些觀點(diǎn)看法存儲(chǔ)起來(lái)用于大數(shù)據(jù)挖據(jù)[10]。大數(shù)據(jù)自適應(yīng)學(xué)習(xí)系統(tǒng)模型如圖3所示。

圖3中，經(jīng)過(guò)挖掘后的數(shù)據(jù)具有規(guī)律性、個(gè)體差異性、技巧性和可擴(kuò)展性4個(gè)特點(diǎn)：①規(guī)律性。即將隱藏在數(shù)據(jù)中有用并呈現(xiàn)一定規(guī)律的信息挖掘出來(lái)，以幫助學(xué)生快速理解和掌握課程中的知識(shí)點(diǎn)，同時(shí)也有助于教師發(fā)現(xiàn)教學(xué)中的問(wèn)題并及時(shí)改進(jìn)[11]；②個(gè)體差異性。是指通過(guò)數(shù)據(jù)挖掘與算法分析后，將所有教師注釋或點(diǎn)評(píng)，以及讀者心得體會(huì)按照不同個(gè)性差異總結(jié)歸納為若干類(lèi)，并將每一類(lèi)個(gè)性適合的學(xué)習(xí)方法進(jìn)行明確和具體化，學(xué)生根據(jù)自身特點(diǎn)進(jìn)行選擇；③技巧性。是指將所有關(guān)于某課程的學(xué)習(xí)方法和技巧歸納在一起，以便學(xué)生解決實(shí)際中遇到的問(wèn)題；④可擴(kuò)展性。是指在分析總結(jié)所有大數(shù)據(jù)自適應(yīng)學(xué)習(xí)系統(tǒng)特點(diǎn)的基礎(chǔ)上，可對(duì)系統(tǒng)模型作進(jìn)一步改進(jìn)和補(bǔ)充[12]。

3.1 學(xué)生知識(shí)點(diǎn)理解掌握能力分析

對(duì)于知識(shí)點(diǎn)理解掌握能力的分析，教師選擇某課程中出現(xiàn)的50個(gè)知識(shí)點(diǎn)，并選取50名學(xué)生作為樣本考察對(duì)象，讓每一名學(xué)生分別回答這50個(gè)知識(shí)點(diǎn)，掌握率等于回答正確的知識(shí)點(diǎn)除以知識(shí)點(diǎn)總數(shù)，并將完全利用大數(shù)據(jù)自適應(yīng)學(xué)習(xí)的學(xué)生數(shù)量記為A，完全不用大數(shù)據(jù)自適應(yīng)學(xué)習(xí)的學(xué)生數(shù)量記為B，有時(shí)用大數(shù)據(jù)自適應(yīng)學(xué)習(xí)的學(xué)生數(shù)量記為C。測(cè)試后經(jīng)統(tǒng)計(jì)，不同類(lèi)型學(xué)生對(duì)于知識(shí)點(diǎn)的掌握率如圖4所示。

由圖4可知，完全利用大數(shù)據(jù)自適應(yīng)學(xué)習(xí)學(xué)生的知識(shí)點(diǎn)掌握率>有時(shí)用大數(shù)據(jù)自適應(yīng)學(xué)習(xí)學(xué)生的知識(shí)點(diǎn)掌握率>完全不用大數(shù)據(jù)自適應(yīng)學(xué)習(xí)學(xué)生的知識(shí)點(diǎn)掌握率。

3.2 學(xué)生成績(jī)驗(yàn)證分析

選取50名學(xué)生作為樣本考察對(duì)象，在驗(yàn)證前的某課程考試中，50名學(xué)生均未參加過(guò)大數(shù)據(jù)自適應(yīng)學(xué)習(xí)情況下，設(shè)定學(xué)習(xí)成績(jī)80～95分為優(yōu)秀生，60～79分為中等生，59分以下為差等生，數(shù)量分別為E、F、G。將50名學(xué)生按照學(xué)習(xí)成績(jī)相當(dāng)與人數(shù)相等分配成兩組，在學(xué)習(xí)時(shí)間相同的情況下，比較采用大數(shù)據(jù)自適應(yīng)學(xué)習(xí)和未采用大數(shù)據(jù)自適應(yīng)學(xué)生的優(yōu)秀生、中等生及差等生數(shù)量。學(xué)習(xí)興趣度即對(duì)學(xué)習(xí)感興趣（優(yōu)秀生+中等生）的人數(shù)除以樣本總?cè)藬?shù)，驗(yàn)證前后的學(xué)生學(xué)習(xí)成績(jī)情況分別如表1～表3所示。

將表1、表2數(shù)據(jù)進(jìn)行比較可知，大數(shù)據(jù)自適應(yīng)學(xué)習(xí)模式下，學(xué)生成績(jī)獲得了較大提高，學(xué)習(xí)興趣度也得到提升，此外該學(xué)習(xí)模式有助于提高學(xué)生分析和解決問(wèn)題的能力。

4 結(jié)語(yǔ)

本文對(duì)大數(shù)據(jù)自適應(yīng)學(xué)習(xí)模型與流程進(jìn)行了分析，并對(duì)大數(shù)據(jù)自適應(yīng)學(xué)習(xí)模型的實(shí)現(xiàn)進(jìn)行深入的理論探討，最后從學(xué)生知識(shí)點(diǎn)理解掌握能力和學(xué)生成績(jī)兩個(gè)角度分別驗(yàn)證大數(shù)據(jù)自適應(yīng)學(xué)習(xí)系統(tǒng)的優(yōu)勢(shì)。學(xué)生在大數(shù)據(jù)自適應(yīng)學(xué)習(xí)情況下，學(xué)習(xí)成績(jī)不僅夠得到了快速提升，而且提高了分析和解決問(wèn)題的能力，并最終使學(xué)生對(duì)學(xué)習(xí)產(chǎn)生濃厚興趣。

參考文獻(xiàn)：

[1] 林海倫，王元卓，賈元濤，等.面向網(wǎng)絡(luò)大數(shù)據(jù)的知識(shí)融合方法綜述[J].計(jì)算機(jī)學(xué)報(bào)，2017（1）：1-6.

[2] 陸蕓婷.基于數(shù)據(jù)挖掘的高職院校自適應(yīng)學(xué)習(xí)系統(tǒng)研究[J].科教文匯，2016（17）：86-87.

[3] 韓林.云存儲(chǔ)移動(dòng)終端的固態(tài)緩存系統(tǒng)研究[D].武漢：華中科技大學(xué)，2014.

[4] 楊現(xiàn)民，王榴卉，唐斯斯.教育大數(shù)據(jù)的應(yīng)用模式與政策建議[J].電化教育研究，2015（9）：54-61.

[5] 陳杰.本地文件系統(tǒng)數(shù)據(jù)更新模式研究[D].武漢：華中科技大學(xué)，2014.

[6] 王大玲，于戈，馮時(shí)，等.面向社會(huì)媒體搜索的實(shí)體關(guān)系建模研究綜述[J].計(jì)算機(jī)學(xué)報(bào)，2016（4）：39-43.

[7] 崔路云.基于大數(shù)據(jù)時(shí)代背景對(duì)統(tǒng)計(jì)學(xué)教育的幾點(diǎn)思考[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2014.

[8] 王桂林，韓顏波，張仲妹，等.基于云計(jì)算的流數(shù)據(jù)集成與服務(wù)[J].計(jì)算機(jī)學(xué)報(bào)，2017（1）：107-113.

[9] 劉鳳娟.大數(shù)據(jù)的教育應(yīng)用研究綜述[J].現(xiàn)代教育技術(shù)，2014，24（8）：13-19.

[10] 黃凱奇，任偉強(qiáng)，譚鐵牛.圖像物體分類(lèi)與檢測(cè)算法綜述[J].計(jì)算機(jī)學(xué)報(bào)，2014，36（6）：1225-1240.

[11] 馮翔，余明華，馬曉玲，等.基于大數(shù)據(jù)技術(shù)的學(xué)習(xí)分析系統(tǒng)架構(gòu)[J].華東師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2014（2）：20-29.

[12] 吳存清，任沛閣，王小峰.基于語(yǔ)義的網(wǎng)絡(luò)大數(shù)據(jù)組織與搜索[J].計(jì)算機(jī)學(xué)報(bào)，2015（1）：1-14.

（責(zé)任編輯：黃 ?。?/p>