基于數據可視化的學生數據標簽及學生畫像在教學系統中的應用研究

秦爭艷

（長江職業學院 湖北 武漢 430074）

1 引言

隨著信息化的迅猛發展，各高校的數字化網絡教學系統的應用越來越普遍和豐富，通過數字化網絡教學系統，教師可以在線收發作業、共享教學資源、測試考評、互動答疑等，學生可以登錄系統進行簽到、自主預習復習、觀看教學短片和操作視頻、下載學習資料、完成作業練習和考試、提問交流互動等行為。這樣，數字化網絡教學系統中就積累了大量師生教育和學習的珍貴數據，如何讓這些數據能“說話”，發揮數據的作用和價值，并為學生提供輔助認知自身的知識體系，為學習方向提供指導，同時為教師提供教學設計的學情分析基礎，指導優化教學設計與教學過程，提高教學效果。本研究基于數據可視化技術，通過學生在教學系統中的行為數據分析學生的學習表現對學生建立數據標簽，構建學生畫像，從而選擇恰當的可視化圖表進行形象展示，并為將來的學習提供預測和推薦。

2 數據標簽與學生畫像的構建

本研究旨在通過對教學系統中教學數據的分析，以學生為主體，建立學生數據標簽，構建學生畫像，并根據不同時間段學習數據的變化，動態增量迭加地更新、調整、修正學生畫像，同時基于生動飽滿的可視化圖形呈現給學生和教師，來為學生學習和教師教學提供輔助，最終提高學習和教學質量、提高教學系統功能價值。

2.1 數據抽取與處理

獲取教學系統中學生行為數據是構建學生畫像的基礎，在整體研究設計中，數據的抽取與處理以ETL技術為基礎，數據的抽取采取動態增量迭加的方式進行，制定抽取規劃，以周數據（經調研一般一周可完成一個章節的教學）、月數據、季度數據、學期數據（課程學期學習情況的最終情況），以這樣的迭代數據來構建動態發展的學生畫像，不斷更新與修正學習指導建議。

學生大量行為數據獲取后，需要對數據進行預處理，在教學系統中主要需進行處理的有缺失值、冗余值、錯誤值等，缺失值中根據不同的字段含義與類型將采取不同的處理方式，主要表現舉例：（1）有些學生在某個測試中，放棄某些題目的作答留了空白，那么數據獲取后以null值顯示，這時為便于之后構建學生畫像，故可將其置為0。（2）有些學生在教學系統中并未進行某項模塊或內容的學習，那么數據獲取后同樣以null值顯示，但此時為精細地描述學生學習情況特征，故將保留null值；冗余值主要表現舉例：如某些測試項設置為可重復測試，那么在增量獲取數據時可能會獲取到重復字段的不同取值，在每個時刻的數據中，以最后一次的數據作為有效數據予以保留，刪除其他冗余字段數據。

2.2 學生數據分析

學生在教學系統數據中的數據可分為兩大類：一是學生基本信息數據，一是學生行為數據。其中學生行為數據即為我們研究的主要方面，可分為量化型數據、能力型數據、興趣型數據。不同的字段數據需要針對性地進行處理，有時為觀察方便，需要采用歸一化將各項數據值轉換為同一量綱上[1]，再對數據進行進一步探索分析，見表1所示。

表1 學生行為數據分析表

2.3 構建數據標簽

根據學生數據類型分析，在抽取的學生數據中使用分詞、詞頻統計、TF-IDF[2]等方法，構建有針對性特征的學生數據標簽。

（1）基本屬性類標簽：性別、專業、年級、班級等。

（2）學習參與度類標簽：根據學生登錄次數、在線學習時長、在線測試次數、作業完成次數、討論區活躍度等數據，進行歸一化與加權求和[3]，并針對結果進行聚類分析，形成數據標簽，即“積極參與學習”“普通參與者”“不積極參與學習”。

（3）知識分布類標簽：在作業、測試、考試等題目中需要提前做好題目所屬知識點的歸類劃分，從而在針對單個學生個體時，根據學生在不同知識點的得分情況，進行統計求和并歸一化使量綱保持一致性，將各個知識點的得分歸在[0-1]的范圍內，并分為三個層級，“強項”“掌握”“弱項”，從而構建學生個性化知識體系。更重要的是此部分標簽，按照數據抽取時間，按規劃以周（章節）、月、季度、學期動態迭加進行構建，并及時增量更新學生知識分布標簽，使標簽對學生學習情況的描述更加飽滿。同時，題型得分分布情況與知識分布類似且更加簡單，通過統計題型得分，可以掌握學生在主觀題目和客觀題目上的不同表現，以及實際操作應用能力與應變能力。

（4）群體性標簽：上述的基本屬性類標簽也可以用作群體性標簽的分類，且較易進行分類標注，如專業標簽、班級標簽、性別標簽等。核心的群體性標簽主要面向的受眾是教師，向教師展示分類后的群體特征以有針對性地根據不同群體學生開展學習指導以及優化教學設計等，故此部分群體標簽側重于聚類[4]出不同知識點掌握較弱群體學生，以“知識點名稱—較弱”類型的文本作為此類群體性標簽，如“聚類算法較弱”這樣的標簽等。

（5）興趣類標簽：在學生下載、觀看、收藏、點贊等內容的文本數據上使用分詞統計和K-means聚類的方法，獲取到學生的興趣標簽；從學生登錄教學系統的客戶端類型分析，按照二八規則，設置“PC端用戶”“移動端用戶”“混合型用戶”。

所有標簽的構建都在動態發展變化的基礎之上，不斷修正更新，以呈現學生的成長變化。

2.4 建立學生畫像

根據上述過程構建的學生數據標簽，來分層次、分角度地建立學生畫像，大致分為學生個性畫像與群體畫像。

學生個性畫像主要面向學生同時也向教師展示，個性畫像分兩個層次，一層是基礎信息畫像，如年級、專業、班級、性別、是否為積極參與學習的學習者的描述；第二層也是關鍵的個性畫像，動態描述學生在不同階段知識、能力分布情況，在此層次中，為每個學生建立學生個人學習檔案，生成個人知識圖譜，并描述學生擅長的領域、感興趣的領域，形成知識結構明確、較立體的學生畫像，使得學生對自我知識體系有一個清晰的認識，找到適合自己的學習方式，同時便于為學生定制個性化學習教育方案。

群體畫像主要面向教師，一方面群體畫像按照知識掌握情況的群體標簽進行建立，例如“聚類算法較弱”這個群體性別分布特點、在這個知識點的學習參與度上是否積極參與，在主觀實踐操作方面是弱項，還是知識點沒有理解（表現為客觀題也大量出錯）等。使得教師通過此類群體畫像對不同群體給予相應的學習指導，以及知識推薦和規劃；另一方面群體畫像按照班級群體來建立，經過對班級成員個體信息的整合歸納，將不同班級的差異知識點生成知識結構圖譜[5]，發現優勢和劣勢，快速直擊短板部分，以便于教師對不同班級進行針對性的、有差異的教學設計，提高教學質量和效果。

3 學生畫像分析的可視化展示及教育教學干預指導

3.1 可視化展示

可視化展示部分主要研究選取哪些可視化圖表作為有效的分析圖表（此處僅以4個可視化圖形為例進行闡述），能夠將建立的學生畫像更加生動形象地表達并將信息傳遞得更準確。與學生畫像的建立相對應，可視化展示同樣面向兩類呈現主體：一是學生角色，一是教師角色。

面向學生角色：主要將學生的知識圖譜進行展示，也就是在哪些方面的知識點能力強或掌握得好，哪些比較弱等等，故選擇可視化圖表中的雷達圖對能力值的輻射情況進行展示（如圖1，以某學生在數據庫技術課程的學習中掌握的知識能力為例）。學生對不同學習內容所用的學習時長可以使用餅狀圖來展示時長的分布比例（如圖2，比例類都可選此類圖表）。通過可視化圖形的展示，使學生對自身的認知更加清晰立體，找到更精確的學習方向。

面向教師角色：一方面可以向教師展示學生個性畫像，即面向學生角色的可視化圖像同樣全面向教師開放，以使教師客觀掌握學生學情，發現學習困難學生，及時精準地給予針對性的指導和干預，做到因材施教；另一方面向教師主要展現群體畫像的情況，例如以班級作為群體，觀察在相同時間段對于已學知識點不同班級的掌握程度與差異（如圖3所示），以及在一段時間內，不同班級在各階段的測試發展趨勢折線圖（如圖4）。也可以采用詞云圖來展示學生的興趣領域等。通過群體畫像的可視化，教師能夠根據不同班級的情況進行準確的、有差異性的教學設計，突出班級特點找到短板，進行提升。

圖1 某學生數據庫技術課程知識能力展示-雷達圖

圖2 學生學習內容分配比例

圖3 三個班在數據庫技術課程已學知識點上的得分情況

3.2 干預、預測并推薦學習內容和方法

在前期各項研究環節中已涉及到根據用戶畫像與可視化圖像展示對學生學習情況的干預[5]，在此部分主要研究對學生成績的預測預警和知識推薦等。

以各個時間段抽取的學生測試成績數據為基礎，綜合考慮日常學生學習行為數據，采用機器學習中的隨機森林算法建模（決策樹），預測學生在下次測試與期末測試中的成績，在可視化的成績折線圖中給予預測趨勢的展示，并設置預警分數線，自動對預警分數線下的學生發送消息進行預警提示，并結合學生畫像個人知識能力圖譜給予相應的學習指導。

教師在教學平臺的教學資源中提前設置好知識點之間的關聯性，即某個知識點涉及到的前導知識和后續知識，采用關聯規則算法[6]，針對性地為學生進行個性化的學習內容推薦，并可以進行針對性地發布練習作業。

針對學生知識能力圖譜中表現出的弱項，采用協同過濾的方法，研究學習能力與表現比較全面的學生的學習軌跡、學習內容以及時間分配等，向學生進行學習方法、內容的指導和推薦。

4 結語

本研究通過對教學系統中學生行為數據的抽取分析，構建學生數據標簽，建立學生畫像與知識圖譜，并使用可視化圖表進行形象的展示來使學生在學習過程中清晰地掌握自身知識結構、優勢短板，根據教師針對性的學習指導和推薦，提高學生學習成績，充實知識結構；使教師能夠全面掌握學生學情與各班級的學情差異，進行因材施教，優化教學設計，提升教學效果和教學質量。