智慧教學環境下的數據挖掘應用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了智慧教學環境下的數據挖掘應用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:本文簡略闡述了智慧教學環境以及數據挖掘的相關概念,并從教師教學數據以及學生學習數據兩方面內容著手,對智慧教學環境基礎上的數據挖掘和應用進行了詳細分析,旨在為相關學校及教師提供參考。

關鍵詞:智慧教學環境；大數據技術；數據挖掘

引言

在當前大數據飛速發展的時代背景下,數據挖掘技術開始在各個行業各個領域中得到廣泛應用,而在教育領域中,數據挖掘在智慧教學環境的構建方面也有著良好的效果,但從目前來看,在實踐過程中仍面臨著一定的不利因素和爭議,基于此,有必要對其展開更加深層次的探索,進而確保數據挖掘同智慧教學環境構建的高效結合。

1相關概念闡述

1.1智慧教學環境

良好的學習環境是教師開展教學活動以及提升學生學習質量的重要基礎,而智慧教學環境主要指的是充分運用當前各種新型的大數據分析、云計算、人工智能以及物聯網技術等,構建起更加高效的教學環境,最主要便體現在教師教學和學生學習兩方面內容上。這一教學環境的出現不僅從根本上轉變教學資源建設的方式,還會改變原本教師的教學手段以及學生們的學習方式。在以往傳統教學環境中教師大多會采用單一枯燥的教學模式,但這種方式難以同當前的智慧教學環境相適應,而且還會導致各種數據資源出現大量浪費,基于此,相關教師務必要立足于智慧教學環境展開更加深層次的數據挖掘工作,進而在各項教學活動中進行有效應用,充分發揮出數據資源對于提升教學質量的實質性作用。

1.2數據挖掘

數據挖掘主要指的是利用包括統計學、數學建模、人工智能以及機器學習等在內的先進技術手段,在當前海量模糊的數據中提取出更加精煉有效的數據信息,并在對其分析和整理的過程中轉化成更加有價值的知識或者是信息,并作用在日常所開展的教學工作當中,為教學手段以及教學模式的優化提供參考。數據挖掘的過程具有一定的復雜性,包括數據清洗、集成、挖掘等多個步驟,并具備著類聚、預測、分類以及數據關聯分析等多種功能。學校強化開展數據挖掘工作能夠對當前的教學環境的各方面條件產生更加深層次的了解,進而采取相應的措施妥善解決各種問題,最終為教師和學生創造出更加科學高效的教學環境,并在現有的基礎上實現其智慧化水平的提升。

2智慧教學環境基礎上的數據挖掘與應用

2.1教師教學數據

2.1.1數據挖掘對于智慧教學環境中的課堂教學來說,其本身其實是一個動態的過程,其中涉及到多方面內容,都能夠或多或少展現出教師教學的質量和水平,例如教學方法的選擇、教學態度、教學思路、教學互動以及教學風格的呈現等,唯有對這方面數據展開更加全面的挖掘和分析才能夠真正科學評價教師的教學水平。基于此,學校應當針對上述模塊展開詳細的監督調查工作,進而充分明確能夠影響教師教學能力的各方面信息,并在此基礎上綜合學生學習成績的內在影響因素,進而從中找出教師在教學過程中所面臨的普遍性問題,進而采取針對性的措施進行妥善解決。數據挖掘技術的應用可以幫助教師自身對自己的教學能力產生更加明確認識。例如可以采用網絡調查法挖掘出學生對于教師教學態度的評價信息,敦促教師調整自己的教學理念以及教學態度。數據挖掘可以充分展現出教師個人信息方面的數據,包括工作經驗、科研情況以及學歷情況等,將該類信息數據整合起來進行分析能夠幫助學校更加高效完成對于教師綜合水平的評價。基于此,應當適當采用相應的關聯規則方法深層次挖掘教師個人信息以及教學評價結果,進而明確影響教師教學實效性的內在原因,判斷出教師個人信息對于教學結果所產生的具體影響。由此可見,數據挖掘在提升學校教師隊伍專業性方面有著重要作用[1]。

2.1.2應用在對教師教學過程以及個人信息展開深入數據挖掘的過程中,學校能夠對教師的綜合素質產生更加直觀的認識。對于教師來說,其綜合素質涉及到多方面內容,包括身體素質、智能素質、道德素質以及文化素質等。學校可以根據上述數據信息的實際情況分析出教學素質的具體表現,并明確教師綜合素質對于學生學習成效的影響,進而強化開展對于教師素質的培養,從教師層面著手提升教學活動的科學性和實效性。除此以外,數據挖掘還可以應用在學校對于教師績效的評定上,此舉不僅能夠時刻敦促教師秉持著良好的工作態度,還能夠為學校的教學部門提供具體的信息數據,以提升決策信息的科學性,為教學管理工作的高質量進行提供數據支持。所以建議學校在教學管理中適當采用數據挖掘技術,并在數據挖掘的基礎上進行深層次的分析,進而達到穩定教師隊伍的效果。

2.2學習行為數據

2.2.1數據挖掘在智慧教學環境中,學校可以對學生的學習行為展開數據挖掘,該方面在工作主要在是采用學習算法、統計學和大數據挖掘等技術展開對于學生行為的數據分析和處理工作,旨在充分明確學生的學習行為以及學習結果之間的內在關聯,并在研究結果的基礎上對學生未來的學習趨勢進行預測和判斷。從本質上來看,針對學生學習行為的數據挖掘其實是為了總結學生行為發展的客觀規律,進而解決學生行為上的各種實際問題。近些年來我國現代化信息技術飛速發展,這使得學生行為信息能夠在諸多方面上得到體現,學校可以積極采用當前先進的網絡技術、云計算、電子書包應用以及物聯網技術等全方位深層次地獲取各個學生的行為數據,與此同時數據能夠展現出十分龐大、復雜的特點。在實際展開數據挖掘工作的過程中,工作人員需要確保其方向性,并構建起相應的數據挖掘與分析模型或者采用測評工具開展工作。在當前智慧教學環境中,絕大部分研究都使用了ITIAS或者是它課堂觀測工具來實現對于學生課堂學習的量化,進而提升學生行為相關數據挖掘的有效性。該類數據挖掘手段能夠在各種先進的信息技術的加持下切實提升數據采集以及分析的質量和效率,以便于為教師提供更加精準的數據展開教學反思。然而這種方法在應用的過程中有著相對較高的數據處理以及圖像抓取的技術要求,并且在對于課堂中各種隱藏信息的智能化、自動化記錄方面存在較高的難度[2]。數據挖掘模型的建立主要指的是將各種類型的數據挖掘方法結合起來,并在此基礎上構建起學生的畫像,其中包含著各個學生的優勢以及特點,并能夠對其未來的發展數據進行預測。以科大訊飛為例。科大訊飛主要采用了“四建模三分析”的方法,綜合考慮學生的內外部特征以及影響,進而分別完成對于學生主動學習行為以及學習路徑和知識點的行為建模以及領域建模,針對學生在學習過程中所產生的各種行為展開組件分析。在組件分析以及行為建模方面可以進行回歸預測,立足于數據的實際類型以及分析需求等具體情況,可適當選用逐步回歸、邏輯回歸以及線性回歸等手段,而針對領域建模則開展文本分析挖掘。但不管選擇何種數據挖掘手段,都應當嚴格按照可行、可用的基本思路,緊緊圍繞著學生影響因素等學生行為數據科學設計相應的數據采集框架。比如從學習設計、學習活動過程以及學習結果三方面內容著手,對這些能夠對學生學習成效造成影響的學習行為展開深層次挖掘,或者還可以利用課堂學習參與度識別器,通過學生的面部表情挖掘學生學習參與情況的相關數據。

2.2.2應用立足于學生學習行為數據挖掘基礎上的學習分析具有極多的應用優勢,例如其分析過程較為完整精確,數據來源比較廣泛和多樣,與此同時,能夠在分析結果的基礎上對學習結果進行預測并采取相應的干預措施,在當前的教育領域受到了較為廣泛的關注。這使得各種學習分析的理論模型以及工具層出不窮,其涵蓋的主體也比較多樣,涉及到教師、課程、學習者群體以及學習者個人等。在正式展開學習分析工作之前,應當先對所需要進行分析的對象、工具內容以及數據來源進行進一步明確。學習行為數據挖掘基礎上的分析工作側重于對學習行為的內在規律進行發現和總結。從本質上來看,基于智慧教學環境的學生行為分析是比較系統化的過程中,主要是在不斷記錄和分析學生行為數據的過程中,進行探索出更加科學的學習行為基本理論,設計出更加高質量的學習分析工具,并實現其應用效果的提升,與此同時應當高效落實學生學習行為數據的可視化設計以及分析[3]。具體來說便是指在進行行為建模的過程中對學生畫像進行不斷的優化調整,針對學生偏好展開更加連續和系統的分析工作,切實保障對于學生個性化學習的診斷水平,為后續對學生發展進行更加科學合理的預測奠定堅實的基礎,最終探索出更加高質量的學生學習行為優化策略。數據挖掘應用的過程中能夠在對學生行為影響學習成效的相關因素產生更加明確的認識,并采用回歸分析、相關性分析以及因子分析等手段對主要的行為進行了解,并明確各個不同學生群體所特有的學習行為路徑。與此同時還要進行相應的關聯規則分析,這樣一來便能夠將各類學生的實際行為同其綜合成果以及學習成效充分聯系起來,并在學習行為等數據的基礎上對學業成就進行預測,進而提供優化開展學習活動的相關策略[4]。在這一過程中,數據挖掘真正實現了作用與優化教學環境的目標,使得數據得以真正生成和流動,為教師教學策略的調整和優化提供必要條件。在智慧教學環境當中,學生無論是同平臺、教師、資源還是同學之間都有著大量的互動,所以可以利用相關技術的基礎上采用回歸分析法以及社會網絡分析法對學生的互動行為進行分析,這便能夠將學生的參與和投入程度更加直觀地展現出來,進而更加充分明確學生具體所具有的情感傾向和認知結構,并第一時間根據數據結果針對學生的問題采取及時干預的措施。

3結論

綜上所述,靈活采用數據挖掘技術能夠更加直觀地展現出教師教學以及學生學習的實際情況,有助于學校及時采取相應的措施來解決各方面問題,對于校園環境以及教學環境的智慧化發展有著積極的促進作用。基于此,學校應當加強對于數據挖掘技術的重視,為學校整體智慧教學環境的優化提供必要條件。

參考文獻

[1]祁瑞麗,郭學濤,孟軍英,等.數據挖掘技術在高校教學評價中的應用研究[J].石家莊學院學報,2020,22(3):65-68.

[2]張佳莉,柯維海,龍美霖.智慧課堂學生行為數據挖掘與分析[J].中國教育技術裝備,2020(9):42-44.

[3]孫培鋒.數據挖掘視域下高校構建智慧校園的創新路徑[J].信息通信,2019(9):132-133.

[4]孫曙輝,劉邦奇,李鑫.面向智慧課堂的數據挖掘與學習分析框架及應用[J].中國電化教育,2018(2):59-66.

作者：趙峰 單位：武漢商學院