大数据视野下促进学生自主学习策略研究
来源:用户上传
作者:
摘 要：受传统教学理念、教学模式、教学方法等因素的制约，学生较弱的自主学习能力已成为制约我国高校教学质量以及人才培养质量的重要因素。在以学习者为中心的知识意义建构过程中，如何借助于大数据这样的工具，将教师的辅助功能恰如其分的体现，是我们这篇文章中所探讨的重点。
关键词：大数据 自主学习 学习策略
党的十九大报告在阐述全面建设小康社会的宏伟目标时，明确提出要“形成全民学习、终身学习的学习型社会，促进人的全面发展。”在学习型社会，自主学习能力是必备的能力之一，也是衡量高校人才培养质量的重要标准之一。但是，由于受传统教学理念、教学模式、教学方法等因素的制约，学生较弱的自主学习能力已成为制约我国高校教学质量以及人才培养质量的重要因素。
建构主义（constructivism）认为，知识不是通过教师传授得到，而是学习者在一定的情境即社会文化背景下，借助学习时获取知识的过程中其他人（包括教师和学习伙伴）的帮助，利用必要的学习资料，通过意义建构的方式而获得。教师在知识的学习过程中，不再是传统的讲授者与知识的提供者，而是意义建构的帮助者、促进者。
然而，在以学习者为中心的知识意义建构过程中，教师的辅助功能如何恰如其分的体现，一直是一个值得讨论的问题。在信息技术广泛应用于教育之前，教师对学习者的帮助和促进完全依赖于教师本人的经验和主观判断。随着慕课，网络异步教学等信息科技的流行和发展，教师在学习者的知识意义建构过程中的角色，得到了越来越多的信息技术的支撑。
在计算机存储技术和人工智能领域中的广泛采用的大数据技术因其具有适用于大容量数据（Volume），多种类数据（Variety），要求处理速度快的数据（Velocity），能处理价值密度低的数据（Value）的4V特征，具备从各种结构化到非结构化数据中快速获取有价值信息的能力。使用大数据技术对学习者学习过程中产生的各种数据，包括并不局限于：学习成绩，学习时间，学习情绪，等进行建模分析，可以有效支撑教师的策略选择。对不同的学生行个性化的帮助，有效促进学生的自主学习能力、帮助学习者进行知识意义的建构，远远超过教师本人的主观判断能够做到的程度。
一、基于大数据对学习特征分类建模，制定个性化的学习目标
对即将开始学习本门课程的所有学生，根据网络教学平台他们在其他课程中已积累的教学数据，比如平时作业质量，平时作业完成时间，问卷调查结果，教学平台访问次数，学生笔记数量，教师笔记访问次数等数据与学生的课程成绩使用SciPy，NumPy，Pandas，Matplotlib等Python大数据分析包进行相关性分析，建立相关性模型，从而对学生进行聚类分析，对不同的类别进行学习特征（如知识水平，能力水平，学习风格，学习习惯等）建模，对不同类别学生推荐定制化的学习目标，学习范围，学习进度，学习策略等。
二、大数据支持下促进学生顺利完成自主学习目标
以找出适合学生的学习内容为主要目标，为学生匹配个性化的学习范围。在这里我们通过对学生学习过程数据进行挖掘和分析，预测学生对资源的个性化需求，从海量的网络学习资源中为学生推荐与其学习特征相匹配的学习资源，解决自主学习中学生对爆炸式的网络信息筛选能力弱的难题。
通过大数据相关技术可以对每一个学生对学习过程（比如学习频率，学习时间长短，学习质量，学习情绪等）进行精确记录，建立每个学生的学习轨迹，对可能会偏离学习效果的学生进行提前预警，提醒教师对这些学生进行更好的监督和帮助，及时调整学习策略，以促进学习目标的顺利完成。
三、使用大数据帮助教师、学生精确互动
即使是自主学习，也不应该在学生完全独立的状态下完成。教师与学生之间，学生与学生之间的良好互动是对独立自主学习的有益补充。通过先前进行的学习特征聚类分析中，把学生分成特质相近的组别，有利于学生之间结成学习伙伴，在互动中完成自主学习。大数据支持下每个学生学习轨迹的建立，有利于教师和学生之间有针对性的互动，帮助教师分析特定学生的学习状态，修正学生的学习策略，从而更有效的帮助学生达成学习目标。
四、大数据挖掘帮助修正已有的学习模型，完善学习策略
大数据分析产生的学习特征聚类不应该是静态的，随着学习的进行，每个学生的学习特征都在不断地动态变化之中。要在挖掘学习轨迹数据的基础上，对学习特征进行更新，保证学习特征聚类反映了最新的学习状态，实现学生的动态流动。学习轨迹大数据的分析和挖掘还可以提供信息用于检测已有的学习策略，并对其进行修改完善。有效的策略得以保留，效果较差的策略会被淘汰。
结语
单纯的知识灌输已经被证明是低效的，但是放手学生去自主学习又会面临學生自主学习能力弱，无法有效监控的问题。每一个学生的自主学习基础和需求都不一致，教师难以针对性的帮助和促进学生通过自主学习完成知识意义的建构。即使是新兴的慕课，翻转课堂等新教学模式也不能解决这个问题。唯有大数据支撑下对学生的学习轨迹数据进行数学建模，数据挖掘和分析，才可能对学生的自主学习给予符合其自身需求的引导和支持，并对学习过程进行分析和预警，帮助教师与学生精准互动，完善学生的学习策略，从而顺利达成自主学习的目标。
参考文献
[1]申伟.大数据时代外语自主学习能力的影响因素与培养策略探究[J].广东行政学院学报，2018，030（001）：93-98.
[2]邓丽.网络环境下高职学生自主学习能力培养策略研究[D].聊城大学，2014.
[3]沈卉卉.大数据时代微课程对大学生自主学习能力创新培养的研究[J].科教文汇，2016（1）：35-36.
[4]徐兴梅，曹丽英，赵月玲.大数据时代背景下学生自主学习能力的培养[J].农业网络信息，2016（6）：91-93.
[5]贾秋林.互联网时代中学生自主学习能力培养研究[D].信阳师范学院，2016.
转载注明来源:https://www.xzbu.com/1/view-15294217.htm
