“大数据”与教育的思考

“大数据”与教育的思考

作者：于方军 翟俊明

来源：《中国信息技术教育》2013年第08期

摘要：未来世界是信息处理的世界，如何更好地分析数据并与别人分享数据，也将是未来教育发展的一个方向。师生们在对Moodle网络学习平台的长时间研究应用过程中积累了大量的数据，如何深入应用这些数据，并通过分析这些数据对教育教学产生有意义的影响？本文通过数据挖掘技术分析了所积累的数据，进一步扩展Moodle的功能，以期更好地为教育事业服务。

关键词：数据挖掘；Moodle

Moodle网络学习平台，是基于社会建构主义教育理论而开发的课程管理系统（CMS）。我校自2006年开始学习和使用Moodle平台来支持教学，积累了大量的复杂数据，如何充分有效地使用这些数据成为了一个新课题。在读了涂子沛老师的《大数据》后发现数据挖掘是一种有效利用这些数据的方法。目前，数据挖掘技术已经在商业领域得到了广泛使用，如银行、股市、保险、医药、零售等。将其应用于教育领域，势必成为教育信息化发展的一种重要趋势。 本研究选取本校利用Moodle搭建的网络学习平台，以2007～2012年学生学习数据作为研究对象，平台（网址：http：//www.stjyzx.net/moodle）开设了初中阶段的全部课程，特别是信息技术课全程在平台上开展教学，学生通过Moodle平台开展学习，并通过平台提交自己的学习成果，利用平台进行学习效果检测。选取2008级学生（2011年毕业）作全程跟踪研究样本。选取2007级～2010级学生作对比研究样本。

本研究立足于基础教育，以期在普通中学从事教学工作的教师都能从本研究中获益，所以只采用Moodle平台本身提供一些表格，利用Excel对研究样本开展Moodle平台日志挖掘、测验数据挖掘和互动评价数据挖掘研究，以期探索网络学习活动分布特点，师生交互、生生交互的网络结构特点，为网络学习平台上辅助教学的开展情况及教师利用网络开展教学支持服务提供参考。

● 访问日志的数据挖掘

网络平台都提供了访问日志的功能，记录用户对平台的访问情况。通过分析这些数据，能了解学生的学习偏好、上网时间、感兴趣学科、影响网络学习的因素等。Moodle平台对访问情况的记录包括日志、活动报表、参与报表三部分（Moodle2.3变为“日志”、“时时日志”、“课程活动”、“课程成员”又添加一个“时时日志”，其他三项为翻译不同）。“日志”记录了全体用户所访问的平台模块、各种操作以及发生的时间；“活动报表”利用日志数据表，对该门课程中访问平台各个模块的具体情况进行分类汇总；“参与报表”可以得到具体学生和教师的访问平台模

龙源期刊网 http://www.qikan.com.cn

块和各类操作行为情况、学生的访问平台时间特点等，并对其进行统计和分析，将分析结果进行可视化表示。

1.对平台模块总体访问情况──日志

下页表1是同一门课程学习过程中，2007～2010级5个人数相等或相近班级，师生访问平台的统计结果。从统计结果可知，师生最初对平台的应用不是很熟练，局限于资源浏览、作业提交等操作；2009级9班和10班由不同教师分别设计上课，产生的数据差距说明课堂参与程度与教师对课程的设计是有关联的；2010级的两个班也是不同老师授课，但课程设计是在往年集体设计基础上的不断完善和改进。由此可见这种基于Moodle平台的集体备课更容易实现资源共享和流程化的管理，可以更有效地通过技术来弥补教师人格魅力的不足，这样就可将教师的差异性对学生学习效果影响降至最低。 2.对活动的参与情况──活动报表

下面以2009级和2010级学生为统计对象，对同一学习主题的学生在各个活动模块中的参与情况进行统计，结果如表2所示，表中主要统计了五次“互动评价”活动和一次“测验”活动的参与次数。从表2可以看出，2010级学生的参与率远高于2009级，主要原因是因为教师在2010级设计教学时，实行了“代币制”奖励（奖励可以为一段有趣动画、一个能拨号上网的账号或一个QQ号等），学生如果在“互动评价”和“测验”中达到某个标准就能获得一个奖励，而前几级都是采用教师检查督促的方法。通过统计发现，实行“代币制”奖励后，学生参与活动的次数达到之前的2～4倍。说明对于初中阶段的学生这种“代币制”奖励依然有效，且由于Moodle平台统计是即时性质的，学生只要达到要求，Moodle平台将自动出现奖励，所以在网络平台上使用效果会更加及时有效。这一点可以通过完成此活动时间跨度的数据挖掘得以验证。 3.对具体模块的参与情况──参与报表

这一报表可以对具体学生，对具体模块的参与情况做出更加细致的统计，通过这些数据挖掘可以发现某个学生，对哪个模块感兴趣以及对应产生的效果。本研究选取了五名偏科生进行了研究，发现学生的学习成绩和学科模块的参与情况统计是正相关的，教师可以参照参与活动不活跃的学生，开展有针对的教学干预。如何利用Moodle平台对其加以纠正，又将是进一步研究的一个方向。

从上述分析可知，通过挖掘Moodle平台日志，我们可以了解 Moodle平台各模块的访问频率、了解学生在平台中所开展的各种活动的状况、发现学生的学习偏好，并依据学生的平台访问行为对学生进行归类，这些挖掘得到的信息将有助于教师改进教学活动设计和对学生学习情况的把握。

● 测验数据的挖掘

龙源期刊网 http://www.qikan.com.cn

在传统教学中，教师一般通过考试分数对学生的学习效果进行评价，而对于试题分析、试卷分析、学生题目完成情况分析却由于传统纸质试卷统计上的费时费力，变得很难完成，从而使教学评价的作用不能有效发挥，网络学习平台在这些方面是有优势的。Moodle平台的测验模块有很好的统计分析功能，既有全体学生整体完成情况统计，又有具体到每一位学生每一个问题的单项分析（如下页表3所示）。目前，采取数据挖掘技术对学生进行成绩分析，可以从以下几个方面入手： 1.试题分析

在测验结构分析中，对那些存在异常情况的试题（如30题平台会以红色显示）进行标记，并利用平台记录的数据对试题进行校正。每个试题的采用容易度指数在50%～70%之间均匀分布为最好。这一界限的设定将直接反应题目的鉴别能力。通过对题目进行难易程度的划分，可以对试题进行一个良性的评价，同时有利于对学生学习情况的科学评价，还有利于教师有针对性地对题目进行讲解。 2.试卷分析

如下页表3前两行所示，对本次考试总体成绩及试卷进行了分析，在数据挖掘中，对试题的难度使用首次答题平均分和成绩中值表示，这个数据将可以为试卷的组成提供选题的根据，从而对考试分数的分布偏度和分布形态产生直接的影响。理想情况下，整个试卷的分数分布偏度为0，本次测验为负偏度说明题目较容易。 3.学生分析

Moodle平台的测验模式有多种，本测验设置了多次试答取最高分显示模式，以便学生在考试或者测试后立即获得成绩和排名，通过“回顾”找到自己学习知识点的优势和不足，及时调整下一步的努力方向。因此可以通过数据挖掘技术对学生的多次试答成绩进行分析，从而分析学生的进步情况、学习障碍、知识点和知识单元的掌握情况等，还可以利用一些更复杂的分析工具对其进行各科目测试成绩的横向比较。

总之，利用这些信息，教师可以持续地对测验进行维护。例如，教师可以删除不规范的题目，修改太难或太简单的问题。这些分析结果可为学生了解自己的学习状况、教师监控学生的学习状况提供参考，并为教师做出教学决策提供依据。

目前应用存在的主要问题有：①某些学科试题编辑的难度大，如数学、物理、化学等学科涉及一些特殊符号，在试题编辑时一些填空、证明、计算题设计有一定难度。令人欣慰的是Moodle平台是个开放性平台，全世界对它感兴趣的人都在不断完善它，如WIRIS就是一个专门为数学开发的插件，利用它可以完成大部分数学试题编辑。②有些题目还无法实现自动判分，不能及时反馈，如语文、英语学科的作文就只能辅助以人工判分。

龙源期刊网 http://www.qikan.com.cn

● Moodle平台的互动评价（Workshop）的数据挖掘

“互动评价”是其他网络学习平台所不具备的，Moodle平台的互动评价是为教学“量身定制”的，评价可以具体到学生作品的某个具体的点，并且能用具体的分数和等级体现。互动评价是同学间的评价。即由同班级学生，针对某个作品进行学习成果互评。在此过程中，学生的角色不再只是被评价者，不只是完成自己的作业，还要对别人的作品进行评价，因此要仔细欣赏别人的作品，表达自己的观点、提出批判及建议的同时也要学习别人的优点。而就被评者的角色而言，学生在接受别人的建议后，进一步修改作品。通过反复的评价及修改，在互动评价过程中，学生们可以借此不断地累积学习经验。所以互动评价不只是评价，其过程更是一个学习的过程。而“学生自评”顾名思义就是学生根据教师给出的评价标准和自己的完成过程及满意程度给自己的作品做出评价，是学生提高自我认识、促进自我反省的过程。对互动评价的数据挖掘主要从以下三方面进行。 1.教师参与情况统计分析

Moodle2.0后的版本对互动评价进行了改写，将教师和学生置于同等位置，减小了教师对学生的评价干预。通过两种评价比较分析发现，如果评价设计合理，不仅能正确评价学生，并且更有利于培养学生公正评价自己和他人的态度。 2.学生评价对象分配统计分析

Moodle2.0后的版本中学生的评价对象既可以随机分配也可以手动分配。为促使小组成员公正互评，防止恶评，可以进行分组用组成绩评价学生，分配时“启用防止同组学生互评”选项，每一个作品评价人数和每一个成员评价作品数都控制在5人以上，这样每一学生对同一作品评价行为都受到其他人制约。通过对不同版本评价的数据研究发现，在学生的时间允许情况下，参与评价的人数越多评价结果越趋于合理。 3.学生评价数据的统计分析

最初使用互动评价时，采用了让学生对评价作品打分方法评价作品。弊端是学生评价作品标准不同，而且学生很难区分分数细微差别。随着应用深入，在评价表中设计了“是/否”、“好/中/差”（3级）、“很好/好/中/差/很差”（5级）等评价标准，结合打分方法，使得学生对作品既有定量评价，又有定性评价。通过对比研究发现评价结果更加趋于合理。

总之，通过对网络课程的数据进行挖掘，可为教师提供如学生在线参与学习活动情况、学生的学习偏好、学习效果等信息，通过这些信息教师可以进一步改进教学策略，以提高教学效果和质量。通过研究发现教师在课程中的主导作用在逐渐淡化，成为了课程设计的“幕后导演”，虽然没有了“主演”的风光，却从更深层次决定了课程的质量。

龙源期刊网 http://www.qikan.com.cn

参考文献：

[1]涂子沛.大数据[M].桂林：广西师范大学出版社，2012.

[2]黎加厚.信息化课程设计——Moodle信息化学习环境的创设[M].上海：华东师范大学出版社，2007.

[3]魏顺平.Moodle平台数据挖掘研究[J].中国远程教育，2011（01）.

[4]王全旺，赵兵川.数据挖掘技术在Moodle课程管理系统中的应用研究[J].电化教育研究，2011（11）.

[5]李钊，熊威，李琪.数据挖掘在Moodle平台中的应用浅析[J].计算机光盘软件与应用，2011（12）.

[6]姜跃.数据挖掘在网络教学平台中的应用[J].软件导刊，2011（10）.

[7]刘宇.基于Moodle平台的远程学习监控与动态评价[J].南京邮电大学学报（社会科学版），2011（6）.