教育數(shù)據(jù)挖掘和信息技術結合實施教學診斷探索x0001

1、教育數(shù)據(jù)挖掘和信息技術結合實施教學診斷探索一、引言“互聯(lián)網+”時代的到來給傳統(tǒng)的教育教學帶來了巨大的變革，在教育創(chuàng)新 的大背景下，教育理念、教學技術、教學方法不斷發(fā)展。2018年4月， 教育部出臺了教育信息化2.0行動計劃，進一步明確了教育信息 化在教育新時代發(fā)展中的重要地位卩卜利用估息化于段開附浮改革日益成為了島校處教學如的研亢 烝點.信息化教學要求教師學習研究先進教學理念，并輔助以適合的信 息化技術手段，結合典型的工作情境開展教學活動如威化的-個翊特 征就足現(xiàn)代教符技術手段的運用.敎師在課堂上需妥根朋教學設計的対lh合理的調用盡可能教學媒俶 豐富的佶息化資嫁來構建良好的學習環(huán)境. 有時儀也

2、可以利用微彈低 何卷星彎方兀進行實時互幼已達到充分調動了學生的學習主動性的目的使得學生真正成為知識佶息的主動it構者. 達到良好的教學效果由于信息化技術手段的介入，教師可以在有數(shù)據(jù)相佐證的情況下， 全程跟蹤學生的學習情況。教師課前可以基于網絡平臺統(tǒng)計到學生預 習工作的完成情況，課中可以實時的得到學生的問卷結果、測驗數(shù)據(jù), 課后也可以及時接收學生反饋。由于傳統(tǒng)的教學診斷方法往往只能給出教學環(huán)節(jié)中的單個節(jié)點信 息，忽視了不同環(huán)節(jié)之間的相關性，教學質量分析結果的體現(xiàn)形式也只 局限于比例分布、平均差、方差等信息。上述傳統(tǒng)方法的特性顯然不能 滿足信息化教學改革對于全過程、多樣性教育數(shù)據(jù)的分析要求。因此

3、開 展一種可以能夠與信息化教學相匹配，甚至利用教育學、計算機科學、統(tǒng) 計學等多學科融合理論來進行教學質量評估、教學方法診斷的方法研究具 有較強的實際意義和現(xiàn)實價值。二、教育挖掘技術的內涵2012年10月，美國教育部發(fā)布“大數(shù)據(jù)教育應用”報告。報告 中詳細闡述了教育數(shù)據(jù)挖掘和學習分析兩大領域技術，主張通過教育數(shù)據(jù)挖掘、 學習分析和可視化數(shù)據(jù)分析來改進自適應學習系統(tǒng)。區(qū)別于學習分析 技術主要對于學習行為和過程的分析理解，教育數(shù)據(jù)挖掘是一種綜合運 用數(shù)理統(tǒng)計、計算機技術來對教育數(shù)據(jù)進行處理分析，從而揭示學習者 學習模型各因素之間的內在關系，預測學習者未來學習趨勢的技術。教育數(shù)據(jù)特指在教育領域中產生的

4、，或者是根據(jù)教育需要采集到 的、一切用于教育發(fā)展并可創(chuàng)造巨大潛在價值的數(shù)據(jù)集合。早期在教 育領域應用的數(shù)據(jù)挖掘技術受制于技術水平，以及有限的諸如調查問卷 等信息來源，研究成果主要局限于對于統(tǒng)計結果的關聯(lián)分析。隨著互聯(lián) 網的日益普及，計算機技術日新月異，各類教育平臺和信息化教學手段 層出不窮，這些都進一步促進了 EDM技術的快速發(fā)展。另一方面，教 育數(shù)據(jù)挖掘的研究成果也進一步促使教育管理XX信息化開始深度融合, 在推動教育發(fā)展，提升教育質量、實現(xiàn)個性化學習、優(yōu)化教育資源配置、 輔助教育科學決策等方而發(fā)揮有效作用。三、基于信息化技術數(shù)據(jù)的教育挖掘方法教育數(shù)據(jù)挖掘包含的研究內容可大致分為預測和描述兩

5、類環(huán)fii測主要極向干通過已有數(shù)1的分析.揭示其規(guī)律從而去Fft測未知的數(shù)1而描述則更強在分析敵M的過程屮發(fā)現(xiàn)新的模兀和結構.本文關注在信息化教學中引入EDM的途徑和方法。因此，從這個 角度岀發(fā)，木文將一個典型的信息化教學中EDM工作籠統(tǒng)分為數(shù)據(jù)預 處理、數(shù)據(jù)挖掘和效果評估三個階段。其中的信息化課堂并非特指真 實的課堂教學，而是包括課前、課中和課后的開放式教學環(huán)境。它不 僅僅是信息化數(shù)據(jù)的來源，也是EDM介入后最終需要改進的目標對象。從教育的角度來看，這是一個從教育環(huán)境（信息化課堂）產生的 數(shù)據(jù)中發(fā)現(xiàn)知識，再利用這些知識來改善教育環(huán)境的循環(huán)過程。圖1EDM應用于信息化教學流程（-）數(shù)據(jù)收集及預

6、處理數(shù)據(jù)是教育數(shù)據(jù)挖掘研究的基礎。具體到信息化教學的數(shù)據(jù)收集，是指在開 放式課堂過程中，充分利用網絡教學平臺、信息化手段和資源庫資源，收集的整個 教育教學過程中靜態(tài)和動態(tài)的所有數(shù)據(jù)。理論上可以在不影響教師和學生活動的情況 下，連續(xù)記錄整個教學活動的所有數(shù)據(jù)，如課前預習、教學資料、課堂實時互動， 甚至學生在每個知識點上停留的時間等。收集到數(shù)據(jù)之后，山于數(shù)據(jù)挖掘算法需要處理的數(shù)據(jù)通常是符合固定標準或者 規(guī)范的數(shù)據(jù)。而有學者們收集到原始數(shù)據(jù)包含諸如問卷調查，網絡統(tǒng)計，平臺在線 測試等多個來源。其中有可能包含有噪聲（比如學生隨意評分），缺失（比如沒 有學生數(shù)據(jù)）和不一致（比如數(shù)據(jù)分項和總項前后矛盾）等

7、無效數(shù)據(jù)。如果直接 基于原始數(shù)據(jù)進行數(shù)據(jù)挖掘，那么最終得到的結果質量將大打折扣。此時，就需要 對于原始數(shù)據(jù)進行預處理。已達到消除數(shù)據(jù)中存在的噪聲，合并及歸類不同數(shù)據(jù)源 數(shù)據(jù)，進行數(shù)據(jù)壓縮提升挖掘效率等口的。常用的數(shù)據(jù)預處理一般包括數(shù)據(jù)清理、 數(shù)據(jù)集成和數(shù)據(jù)融合、數(shù)據(jù)變換和數(shù)據(jù)規(guī)約等步驟。山于新型教育數(shù)據(jù)的多樣化、 大量化、非結構化等特征，大大加劇了預處理的復雜度。因此，通常來說，數(shù)據(jù)收 集和預處理環(huán)節(jié)往往是EDM研究中工作量最多的。（二）教育數(shù)據(jù)挖掘數(shù)據(jù)經過預處理之后，已有的結果變量和真實值將會被完全標注。下一步就 需要選擇合適的數(shù)據(jù)挖掘算法進行挖掘分析。信息化教學數(shù)據(jù)的教育挖掘一般用于 在數(shù)

8、據(jù)中建立預測模型。其常用的數(shù)據(jù)挖掘方法包括分類、聚類、回歸、關聯(lián)規(guī)則挖 掘、文本挖掘、馬爾可夫模型、序列模式挖掘以及推薦算法等等岡在上述方法中，根據(jù)訓練數(shù)據(jù)是否擁有標記信息，學習任務可大致劃分為“監(jiān)督 學習” （supervised learning）和無監(jiān)督學習（imsupervised learning）叼。無監(jiān)督學 習用于未知惜況下，特定的組織或模式。監(jiān)督學習是使用一個已知的結果的記錄， 研究該組數(shù)據(jù)的背后規(guī)律行為。其中，分類和回歸是監(jiān)督學習的代表，而聚類則是 無監(jiān)督學習的代表。在數(shù)據(jù)挖掘開始，通常假設樣本空間中全體樣本服從一個未知的分布D,所 有前期獲得的樣本數(shù)據(jù)都是獨立地從這個分布采

9、樣獲得的，及“獨立同分布”。 一般而言，訓練樣本越多，得到的關于D的信息也越多，這樣越有可能通過數(shù)據(jù) 挖掘獲得具有強泛化能力的模型。一旦一個模型表現(xiàn)良好，分析師可以將之遷移到 新的數(shù)據(jù)集上去，用于預測新的數(shù)據(jù)集會產生的結果。所有的這些步驟自動化形成 迅速準確的估計，相比傳統(tǒng)方法將大大節(jié)約時間和資源。（三）模型評估及知識生成在預測模型訓練的時候，不論是采樣諸如決策樹和回歸樹算法，還是各種關 聯(lián)規(guī)則、貝葉斯模型等手段。為了考量模型的正確性和泛化能力，往往需要對于模 型進行評估。具體的做法是將原有的實驗數(shù)據(jù)分為訓練集、驗證集和測試集三個部分。其 中，訓練集用于模型訓練；驗證集用于模型的優(yōu)化選擇；測試

10、集則用于對于模型的 實際效果進行評估。劃分方法可以使用“留出法”（直接將數(shù)據(jù)集劃分為兩個互 斥的集合）、“交義驗證法”（數(shù)據(jù)集劃分為k個數(shù)據(jù)子集，子集多次交義）、“自 助法”（從原始數(shù)據(jù)集中隨機不刪除選取樣本）等。其中，自助法在數(shù)據(jù)集較小， 難以有效劃分訓練/測試集時很有用。在得到不同部分的數(shù)據(jù)集之后，通常采用 模型的準確率，召回率，精度、FScore以及AUC等指標對于模型進行性能衡量， 選取最優(yōu)的模型以及模型參數(shù)作為學習到的知識，繼而反饋到信息化教學過程中。（四）教學診斷應用實例在信息化教學診斷研究中，最終U的是找到影響教學效果的關鍵因素，并 預測學習效果。以常州信息職業(yè)技術學院虛擬儀器應

11、用技術課程的“機器視 覺物品分類檢測”項LI為例，本次課的口標主要是讓學生理解視覺系統(tǒng)的硬件選 型依據(jù)，掌握基于顏色和圖案紋理的視覺圖像檢測分類處理算法流程。教學設訃 環(huán)節(jié)運用課程團隊提出的“三角環(huán)式課堂模型勺”開展教學。對應模型中的 “概念探索、應用分析、展示:成果”三步驟分別設計課前、課中和課后拓展任務， 分層、逐級實現(xiàn)技能提升和崗位對接。所采用的的信息化手段包括課程教學平臺 （發(fā)布課程資源，課程測試），微視頻（真實案例展示）、硬件仿真軟件和交互 式圖像處理軟件等。為了達到信息化教學診斷的U的，確定本次數(shù)據(jù)與處理的的U標主要是清楚 噪聲，統(tǒng)計出每個學生在開放教學環(huán)境中的課前平臺使用頻次及時

12、間、測試成績 以及錯誤部分統(tǒng)汁，從中確定分類器的特征。分別統(tǒng)計得出學生網絡平臺使用時間、 課程測試及格情況和主要錯誤失分點作為特征集，用于接下來的預測模型。數(shù)據(jù)挖掘階段，有學者們利用SPSS統(tǒng)計軟件工具包創(chuàng)建提純現(xiàn)有特征和 特征空間縮減。選取樸素貝葉斯分類法開展模型訓練。最終的對比結果表明， 該分類器在特異度指標以及敬感度指標上都好于其他常用分類器效果。因此，在 得到該分類器模型只有，有學者們將之反饋到信息化教學中用于預測某位學生課 程中存在的問題以及最后不合格的可能性。如果預測的數(shù)值大于設定的警示閾值， 那么教師就可以及時的為該學生提供幫助。通過信息化教學改革嘗試，學生反映這種上課方式充滿新鮮感，同時試點 班相較傳統(tǒng)班的應用技術水平有了較大