基于大數據的個性化學習推薦服務構建研究

摘要：目前，我國的教育改革事業得以大力推行，其主要目的就是為了將之前的應試教育理念以及方式進行改變，以便培養出真正適應社會發展需求的綜合性人才。受到大數據技術以及信息技術發展的影響，我國的教育事業也出現了信息化以及數據化的趨勢，同時也為學習者提供了全新的學習方式。同時因為學習 者在知識結構、學習能力以及學習興趣上有著很大的差異，為此，如何利用大數據為學習者提供個性化的學習推薦服務就成為了當前學者關注的重點問題所在。本文基于個性化學習以及大數據的概念，就大數據對于個性化學習的意義進行分析，就個性化學習推薦服務框架及其實現探索了一些積極措施，以期為今后的大數據個性化學習推薦服務構建有所啟示。

關鍵詞：大數據;個性化學習推薦服務;框架;實現

雖然，我國正在大力推行教育改革事業，并且已經取得了不錯的效果，但在教學中依然存在一個缺陷，就是教師會經常性按照自己的主觀思路進行教學，這種方式完全忽略了學生的個體學習差異，再加之缺乏相應的激勵策略，使得學生的學習興趣以及主動性無法得到有效的激發，導致主動獲取知識的能力不升反降。究其原因就是教師無法做到精準化把握學生的學習狀況以及忽略了學生真正的學習需求。而在當前大數據技術發展的影響下，輔以學習思維的轉變，引發了學習環境的質變，從大數據技術出發，建立的個性化學習推薦服務，實現了為每一位學生有針對性的制定學習路徑的目標，同時也體現出了因材施教的教育理念，保障了每個人都可以得到真正的提升。

1、大數據和個性化學習的概念分析

1.1大數據概念

目前，人們意識里普遍認為的大數據就是指在大小上無法用傳統的數據庫工具來獲取、儲存、管理及分析的一類數據集。大數據和傳統的數據集相比，有著如下的幾個特征：第一，數據的海量性。就是指數據自身的實際規模遠遠超出人類的想象。IDC 最近的報告預測稱，到2020 年，全球數據量將擴大50 倍。第二，數據多樣性。換言之，就是數據的新型多結構發展。第三，數據高速性。就是指數據的創建及移動速度極快。第四，數據的易變性。大數據具有多層結構，這意味著大數據會呈現出多變的形式和類型。

1.2個性化學習概念

當前，最為學術界所廣泛認可的關于個性化學習的概念如下：個性化學習環境就是一種將服務、工具、人以及資源進行松散結合的一個集合。除此之外，還有一種觀念認為個性化學習是一種可以幫助學習者進行自我監督及管理的一種學習形式，具體是指學習目標的自我指定、學習流程的自我管理以及和其他學習之間的交流。除此之外，從這兩種理論出發，出現了一種最為合適的概念解釋，就是從學習工具、服務管理、內容生成等方面出發，學習者借助于網絡化的學習，將學習從之前簡單化的知識轉移轉變為學習內容的產出及其創造。

2、大數據對于個性化學習的意義分析

2.1學習路徑以及空間的擴展

之前傳統性質的個性化學習中，往往會為學習者提供極為固定的學習方式、學習資源，反而是完全將學習者自身的實際需求予以忽略。從大數據技術出發的個性化學習服務不再是一個完全密閉的學習空間，而是將學習者作為中心，將學習的內容選擇權交給學習者，并為其提供充分的學習空間，保障學習者在學習中可以得到相應的成就及掌控感，借助學習路徑及內容的自主化選擇來全面實現個性化學習，在保障學習者在一種輕松愉快的氛圍中進行學習，同時有助于主動化探究更多領域內的知識，有效的拓展學習者的知識面。

2.2學習策略和方式的個性定制

個性化學習推薦服務的實現，需要建立在全面了解學習者具體學習情況的基礎上，并以此為基礎，制定出專業且具有針對性的個性化學習策略，這個工作量本身是十分龐大的，但是，對于大數據技術而言卻是小菜一碟。借助大數據技術進行學習分析，從海量的數據中，將與學習者相關的數據進行挖掘以及分析，找出存在于這些數據中的隱藏關系，并精準的預測出學習者未來的學習情況發展趨勢。與此同時，通過深度分析學習者的學習情況，可以為其提供最具有針對性的學習資源。同時，大數據技術可以最為真實的反映出學習者的學習情況，并以此為基礎的，為學習者制定出有針對性的學習方案。

2.3交互的個性高效發展

傳統化的網絡化學習只可能做到人機交互，缺乏人際溝通，很容易導致學習者出現枯燥感及無聊感，在大數據技術支持下的個性化學習推薦服務使得學習者不再以一種孤立的狀態存在，學習者們可以在各種類型的人際網絡之中組建相應的學習興趣小組，并可以做到相互之間進行學習經驗的交流。借助于這種高效化的人際交流網絡，在減少學習孤獨感的同時，可以很好的提升學習效率。

2.4學習評價和診斷的人性化發展

傳統性質的網絡學習中，無法切實關注到學習者的實際學習狀態及情感狀態的變化，便會導致網絡學習結業率相對較低。而基于大數據技術建立的個性化學習推薦服務，對于學習者自身的情感及學習狀態更為關注，同時在學習者的評價上也會變得更加人性化?；诖髷祿夹g的個性化學習推薦中將學習者的情感狀態劃分為厭煩、熱情、困惑、挫折、高興以及驚詫幾個部分，學習者自身的情感狀態變化對于學習進度有著十分顯著的影響，與此同時，通過判斷學習者的情感狀態，可以很好的完成學習診斷，并合理的進行相應的學習計劃調整，始終保持學習者在學習中的積極性以及主動性。

3、個性化學習推薦服務框架建設分析

3.1個性化學習模塊

在這個模塊中，主要是負責為學習者開展對應的個性化自主學習提供相應的服務支持。這個模塊將云服務平臺作為其依托，通過借助于其中的學習管理、電子教材、作業練習、課業考試、數字資源、互動交流及電子學檔等子模塊為學生提供相應的云服務。其中的電子教材系統，是針對交互性質的電子教材進行閱讀以及記錄的管理，并將學習者借助客戶端上傳的學習記錄進行實時的保存以及管理。其中的作業練習及課業考試系統主要是為學習者提供相應的作業以及考試測評資源，并以實際的作業以及考試結果作為基礎形成有關學習者的形成性以及總結性評價。其中的數字資源模塊就是負責為學習者提供相應的學習資源，并為學習者的知識管理提供相應的支持。而互動交流系統則是為學習者提供課內外的疑惑解答以及交流，以便幫助學生以某一個學習興趣為主題進行深入化的交流探討，從而最終形成一個虛擬化的學習共同體。這些系統之間并非是絕對獨立的，而是彼此之間相互關聯，通過這些系統的協同工作，實現了學習者個性化信息的全面記錄，同時還可以通過對其中的數據進行深入分析及研究，來得到學習者具體的學習現狀及其個性化特征。其中的學習管理系統就是將各個子系統的集成模塊，主要為學習者學習以及教師教學活動的開展提供便利。

3.2個性化推薦系統模塊

這個模塊的作用就是將各個系統的數據作為基礎，借助于不同的推薦系統為學習者提供針對性的學習資源推薦服務，這些推薦的學習資源內容主要包括重點的文本學習資源推薦、熱門視頻學習資源推薦、熱門數字動畫學習資源推薦以及熱門數字化學習資源推薦四大部分。而基于用戶的相鄰推薦則是負責更好的為互動交流系統提供相應的推薦服務，而在這其中則是包括熱度話題推薦、精品回答推薦及興趣主題推薦。除此之外，在其中還應該包括相應的從內容相似度以及概率觸發的推薦服務，主要負責為電子教材提供對提應的推薦服務，主要由新版電子教材、精品學習筆記以及知識重難點等方面的推薦。此外，還有從約束以及實例出發的為作業練習以及考試系統提供推薦服務的推薦系統，主要是包括重難點知識點的練習、考試及易錯題等等方面。通過該系統和個性化學習模塊的組合，來實現學生的云平臺教育目標。

3.3學習者模型和數據庫支持模塊

這個模塊主要是從學習者的模型及其在學習過程中誕生的各個類型的個性化信息進行分類整理、分析、記錄以及匯總。其中包括的學習者個人信息、血液以及作品信息是學習者自身的個人信息以及學業成果信息，主要是由電子學檔的數據庫負責進行收集以及記錄信息。其中的關系信息就是在學生之間以及學生教師交流中形成的社會關系網絡，主要是由互動交流系統內部的數據庫進行信息的收集以及記錄。而偏好以及績效信息就是在學習者的自主化學習過程中學習者展示出的在學習上的偏好以及各種知識點的學習結果，這些數據主要是由電子教材、作業練習、課業考試、數字資源四大系統進行信息的收集以及記錄。并且，在這個模塊中需要注意的一點就是為了方便今后的分析及處理學習者的個性化信息，需要將子教材、作業練習、課業考試、數字資源、互動交流幾大系統內部的信息匯總到電子學檔系統的數據庫，這樣做的主要目的就是為了更好的為今后的個性化學習資源提供奠定基礎。

4、如何真正實現大數據時代下的個性化學習推薦

4.1標記學習資源的特征

在進行知識點分類的過程中，可以使用節點數的方式。換言之，任何一個知識點都具備相應的父節點，通過使用向量的矢量坐標進行知識點位置的標記，讓其中的知識點在樹節點中都具備一個對應的坐標。在實際的知識點樹節點劃分環節中，需要從相應的知識點單元出發，將之作為劃分標準，將其中的一個單元的知識作為一個主要節點。隨后，在主節點中的任意節點上按照實際學習階段中必須經歷的感知、遷移以及創新三大階段中涉及到的學習目標進行知識內容的劃分。由于隨著階段的變化，同一個知識點也可以根據學習目標的差異進行不同學習狀態的劃分。比如說，同一個知識內容的學習過程中，包含著概念的掌握理解、問題的交流討論、知識內容遷移、知識創新等多個階段，并且隨著階段的變化，其學習要求以及目標也會發生相應的差異。在最后的環節中。從學習狀態差異下的知識內容出發，又可以將知識的內容通過文字、圖片、視頻、音頻等方式進行展示。比如，在計算機專業的個性化學習推薦服務中，就可以先從教材內容出發，將總體的知識單元數量進行總結，并將之作為多個父節點，并將全部父節點下的知識內容進行羅列。比如，數據庫方面的知識，數據庫就是一個父節點，其中的包括的概念理解、初步了解軟件、界面操作、動手實踐及知識創新就是必須經歷的諸多子節點，并且這些子節點也是學習必須經過的各個階段，隨著學生子啊知識儲備、學習能力上有了顯著進步，在學習中的內容呈現就可以從文字、圖片、視頻、音頻等方式逐漸變得精簡化。

4.2實現個性化學習資源的推薦

在實現個性化學習資源推薦的過程中，主要可以使用如下的幾種方式：第一，從用戶相似矩陣庫出發的資源推薦。在構建相應的學習者模型的過程中，其實也是一個建立用戶相似矩陣的過程，在實際的推送過程中，可以在分析學習者的討論主題參與、近期學習資源瀏覽記錄等等情況，將這個學習者的信息推動到其他那些具備高相似度學習者的集群中，以便開展接下來的學習資源推送。同時，如果在用戶相似矩陣中，出現了部分學習者的特征和已經完成這些學習內容的學習者特點相似程度較高，也可以將已完成這部分學習內容的學習者的學習路徑提供給學習者作為學習參考。第二，從特征匹配出發進行資源推薦。這種方式是在全面考察學習者特征及資源特征二者之間的相似程度進行資源的推薦，此二者之間的相似程度越高，資源優先推送率越高。在計算相似程度的過程中可以使用歐氏距離計算公式進行相似程度的具體計算。第三，從內容出發的資源推薦。這種方式就是從學習者的歷史學習資源評價出發，將其學習資源的偏好體系進行構造，隨后計算整體資源庫的學習資源和學習者偏好資源相似程度進行計算，為學習者提供相似度最大的學習資源。這種方式的具體應用需要以學習行為數據、學習資源的點擊、訪問等方面頻率數據進行獲取及計算。

5、總結

個性化的學習環境乃是網絡學習的最終形態，同時也是如今這個大數據環境下學生對于學習環境的具體需求，并且也是如今素質教育下的教學及學習方式得以轉變的重要支撐條件之一。就目前的技術條件看來，大數據技術加持下的個性化學習推薦服務框架需要包括個性化學習模塊、個性化推薦系統模塊以及學習者模型和數據庫支持模塊，并且通過標記學習資源的特征以及多元化的個性化學習資源的推薦方式，就可以很好的實現個性化學習推薦服務的構建以及發展。

參考文獻

[1]吳元君.基于教育大數據的個性化自適應學習服務研究——以安徽廣播電視大學為例[J].廣西民族師范學院學報，2019，36（03）：77-80.

[2]李雪嬌.基于學習者畫像的在線學習支持服務策略設計研究[D].華東師范大學，2019.

[3]王立彬.基于知識關聯的學習資源推薦策略研究及系統實現[D].華中師范大學，2018.

[4]王浩楠.基于學習分析的學習資源個性化服務策略研究[D].華東師范大學，2018.

[5]王靜.基于群體智能的個性化學習資源推薦[D].陜西師范大學，2017.

[6]孟楊.基于大數據的個性化學習推薦服務研究[D].河南師范大學，2017.

作者簡介：劉永梅（1990-），女，河北省滄州市人，教師，本科，計算機應用技術。