大数据下的网络智能自主学习

1、大数据下的网络智能自主学习平台1.1.简要概述简要概述简要概述“人类历史中的许多灾难都源于这样一个事实，即社会的变化总是远远落后于技术的变化。这是不难理解的，因为人们十分自然地欢迎和采纳那些能提高生产率和生活水平的新技术，却拒绝接受新技术所带来的社会变化因为采纳新思想、新制度和新做法总是令人不快的。” 斯塔夫里阿诺斯世界通史传统教育与大数据教育传统教育与大数据教育传统的教育兴盛于工业化时代，学校的模式映射了工业化集中传统的教育兴盛于工业化时代，学校的模式映射了工业化集中物流的经济批量模式：铃声、班级、标准化的课堂、统一的教材、物流的经济批量模式：铃声、班级、标准化的课堂、统一的教材、按照时间编

2、排的流水线场景，这种教育为工业时代标准化地制造了按照时间编排的流水线场景，这种教育为工业时代标准化地制造了可用的人才。可用的人才。大数据教育将呈现另外的特征：弹性学制、个性化辅导、社区大数据教育将呈现另外的特征：弹性学制、个性化辅导、社区和家庭学习、每个人的成功。和家庭学习、每个人的成功。简要概述-大数据教育大数据与传统的数据相比，就有非结构化、分布式、数据量巨大数据与传统的数据相比，就有非结构化、分布式、数据量巨大、数据分析由专家层变化为用户层、大量采用可视化展现方法等大、数据分析由专家层变化为用户层、大量采用可视化展现方法等特点，这些特点正好适应了个性化和人性化的学习变化。特点，这些特点正

3、好适应了个性化和人性化的学习变化。大数据教育提供了另外一种可能，标准化的教育将转向网络完成，而人才培养和个性化将主要由学校承担：越来越小的班级、越越来越小的班级、越来越近的学校、越来越聚焦的教育支持、越来越个性的培养方式，来越近的学校、越来越聚焦的教育支持、越来越个性的培养方式，将使教育摆脱工业化时代。将使教育摆脱工业化时代。“为什么数学课每天都有，而舞蹈、音乐和体育课一周一次呢？” 罗宾逊这个疑问逐渐得到改观，针对性和多元的教育目标正在普遍得到认可，尤其是在私立学校中。自主学习行为自主学习行为印度教育科学家苏伽特米特拉是一个里程碑式的人物。1999年，他去了印度的很多偏僻的乡村，那里的人既不

4、懂英语、也没见过电脑。苏伽特米特拉在孩子们经常聚集的街头的墙上装上连接互联网的电脑屏幕，配上鼠标，然后离开那里。几个月后，试验表明，孩子们无师自通，学会了使用电脑。在以后的十多年里，苏伽特米特拉在印度、南非、柬埔寨、英国、意大利等地还进行了类似的以生物、数学、语言等为内容的教育实验。结果证明，在不需要老师或科学家输入逻辑和程序的情况下，学习者可以独立自主地完成学习，这就是“自组织学习自组织学习”。由此，苏伽特米特拉对教育作了建构主义的重新定义：教育是一种自组织行为教育是一种自组织行为。1970年，托夫勒写了第一本畅销书未来的冲击，在书中托夫勒不仅批评了以哈钦斯为代表的面向过去的教育、支持了以杜

5、威所代表的面向现实世界的教育，更创造性地提出了明确的面向未来的教育：简要概述-未来的冲击小班化小班化多师同堂多师同堂在家上学趋势在家上学趋势在线和多媒体教育在线和多媒体教育回到社区回到社区培养学生适应临时组织的能力培养学生适应临时组织的能力培养能做出重大判断的人培养能做出重大判断的人 在新环境迂回前行的人在新环境迂回前行的人 敏捷的在变化的现实中发现新关系的人敏捷的在变化的现实中发现新关系的人在未来反复、或然性和长期的设想下的通用在未来反复、或然性和长期的设想下的通用技能技能未来的教育会是怎样的？未来的教育会是怎样的？主流的模式必将是： 视频成为主要载体 教育资源极其丰富 翻转课堂 按需学习

6、终生学习，不以年龄划线 远程教育的提法将消失 距离不再是问题，教育在学校之外发生 等等简要概述-信息化数据基于云、物联网、数据库技术、社会网络技术等的成熟应用，托夫勒当年感性预知的理念性的东西清晰地展现在我们面前：信息不仅仅是一种视觉和感官的东西，更是可捕捉、可量化、可传递的数字存在。在教育中有两个特定的区域会用到大数据：教育数据挖掘和学习分析。一般来说，教育数据挖掘，是对学习行为和过程进行量化、分析和建模；而学习分析是利用已有的模型来认识、理解新的学习行为和过程。教育数据挖掘教育数据挖掘早期的教育数据挖掘主要是网站日志数据的挖掘。现在新的计算机技术支持的交互式学习方法和工具（智能辅导系统、仿

7、真、游戏），为量化和收集学生行为数据带来了新的机会。特别是更加集成、更加模块化和更加复杂化的在线学习系统提供了更多类型的数据，其中包含了数据挖掘算法需要的许多变量。教育数据挖掘能发现这些数据中的模式和规律，探索建立预测模型，让我们重新发现和预测学生如何学习。教育数据挖掘教育数据挖掘教育数据挖掘通常强调分析碎片化学习，并用自适应软件来干预。预测模型在建立自适应学习系统中扮演一个关键角色。基于预测模型的适应和干预，能被用于改变学生下一次的学习体验，甚至用于推荐额外的学术服务，来支撑他们的学习。概括起来，教育数据挖掘构建模型能回答以下问题：什么主题顺序对一个特定的学生最有效？什么学生行为与更多学习相

8、关？什么学生行为表示满意、投入或学习进步？什么功能的在线学习环境会带来更好的学习？什么将预测学生学习成功？学习分析学习分析学习分析指的是对学生学习过程中产生的大量数据进行解释，目的是评估学术进步、预测未来表现、发现潜在问题。其领域主要涉及学术分析、行为分析和预测分析的研究和应用。相关数据来自学生的显性行为，如完成作业和参加考试；还有学生的隐性行为，如在线社交，课外社团活动，发布网络帖子，以及其他一些不直接作为学生进步评估的活动。学习分析利用教育数据挖掘建立的模型对数据进行处理和显示，帮助教师和学校更好地理解教与学。学习分析学习分析与教育数据挖掘不同，学习分析不强调碎片化学习，而是更关注探寻对教

9、育系统的整体理解，并为人为决策提供支持。因此，学习分析的核心是帮助学校和教师调整教育机会，以适应每个学生各自的需求和能力水平。学习分析不仅是关注学生的表现，也可以用来评价课程、项目和机构。学习分析学习分析概括起来，学习分析系统应用模型能回答下列问题：什么时候学生准备好学习下一个主题？什么时候学生落在课程的后面？什么时候学生有不能完成课程的风险？什么阶段学生不希望被干预？什么课程最适合一个特定的学生往下学习？学生是否需要学习顾问的帮助？数据分析可视化数据分析可视化对大数据的挖掘和分析需要用简单和易于理解的方式呈现。数据分析可视化能借助于图形化手段，清晰有效地传达信息。在美国芝加哥，对于公立学校，

10、学区利用可视化数据分析软件IMPACT 跟踪学生信息管理系统、课程和教学管理系统、学生服务系统以及成绩管理系统，把学生在校表现通过数据仪表盘可视化显示出来，供家长、学生登录到学校网站查看。数据驱动决策数据驱动决策“数据驱动决策”已经成为教育流行语。IBM 预测分析和解决方案架构师、原纽约市教育合作数据分析协调员Nicole Catapano 总结了这样的挑战：“在时间宝贵、资源很少的情况下，你怎么最大化利用时间，并把最有效的信息交到教师手中，使他们能够用它尽快做些什么？”共享学习协作，打造数据集成平台共享学习协作，打造数据集成平台Shared Learning Collaborative 共享

11、学习协作，打造数据集成平台由比尔和梅琳达盖茨基金会和卡内基公司支持的共享学习协作（Shared Learning Collaborative) 项目，搭建了一个基础的、与数据源无关的开放源代码的数据集成平台。这个数据架构通过开放的数据接口，可以让各种平台和软件互相通信，实现数据的互操作。共享学习协作是一个公益项目，为K12 学校提供了一个存储各种学生数据的数据仓库云服务。该项目不存储数字化学习内容，它只存储数据（评估、行为、考勤、掌握标准，等等），允许美国各州和学区整合已有的不同来源和格式的学生数据，使数据的集成和调用更方便。 ECART 电子课程评估资源工具电子课程评估资源工具Electro

12、nic Curriculum Assessment Resource Tool，eCARTeCART 的组成部件包括：弗吉尼亚州学习标准资源和学区核准课程材料的课程库；拥有大量试题和测试项目的形成性评估工具Horizon，并能提供实时评估报告；EDSL 是纵向数据库，通过连接学生过去和当前表现的数据，监控其进步，生成情况报告。ECART 电子课程评估资源工具电子课程评估资源工具麦克马纳斯和她的化学教师团队能根据Horizon提供的实时评估报告，发现群体学生可能在某一特定知识主题存在的问题，并及时给以补足和增强。如果再结合EDSL，教师能获取每个学生的进步轨迹的可视化图表，并能分析出个别学生偏离

13、课程标准要求的程度，进行适时的干预。“相对于以前的纸笔评估，eCART 系统的数据分析功能简直太棒了！”这正是麦克马纳斯折服的原因。对于一个特定的干预需要，目前eCART 系统还是依靠教师来筛选课程、活动或其他资源，因为教师能正确识别标准、教学策略、活动类型与学生的联系。I-READY 自适应诊断系统驱动学习自适应诊断系统驱动学习i-Ready-智能教学系统就能根据学生学业数据为其提供及时性和定制化的教学和反馈。这是一套基于共同核心标准开发的自适应诊断和教学服务系统。i-Ready 的解决方案是把学生放到他们很薄弱的地方，直到掌握了那些技能。基于学生的表现，由系统决定干预活动的推送这在以前必须

14、由教师做出选择。因为没有技术的支持，一位教师在一天的时间里要确保满足每个学生个别化的需求非常困难。教师不再是唯一使用数据的人，学生们将利用这些数据来负责自己的学习计划。教师的作用，将从教学的主宰者转变成为领航员，并指导学生，让他们为自己的成就承担起自己的责任。CARPE DIEM 自适应学习技术支撑个性化学习自适应学习技术支撑个性化学习获取数据不是目的，关键是如何响应这些数据。现在的学生几乎整天在学校使用计算机设备，从学生与设备进行交互的结果和网页点击流数据，可以绘制每个学生行为的详细档案，也包括全体学生的学习行为。这就是大数据技术，它能结合学生学业表现和学习行为，不但使教师，也让计算机系统更

15、全面地了解学生，并帮助或替代教师作出判断，且自动对学生的学习行为作出响应。这种基于大数据的自适应学习技术是下一波K12 教育系统的创新。使用大数据技术来驱动基于计算机的自适应教学使用大数据技术来驱动基于计算机的自适应教学Carpe Diem 有两所试点学校，分别在亚利桑那州尤马和印第安纳州波利斯。据报道，Carpe Diem在亚利桑那州的试点学校取得了巨大的成功。这所学校把自适应技术支持学习、辅导、小组项目和课堂教学相结合，为每个学生提供高度个性化的教育。学校有7个年级，240 名学生，只配备了一名数学老师和一名助教，学生的数学成绩却非常好。由于已经成功地用技术取代了教师的大部分劳动，因此，其

16、教育成本低得惊人，每名学生每年花费5597 美元，远低于得克萨斯州为每名学生提供的约70007500 美元/ 年的成本。CarpeDiem 学校被商业周刊和美国新闻与世界报道评为美国最好的高中。SCHOOL OF ONE 一人一个时间表，确保学习有效点一人一个时间表，确保学习有效点大数据技术不但能获取学习者的行为，还能预测学习者的行为和结果。因此，基于大数据技术开发的自适应学习系统能针对每个学生的家庭背景、兴趣爱好、个性特点，以及知识基础、学习能力、学习方式和学习需求等，同时结合课程标准、数字化学习资源类型和教师的授课特点等，为学生绘制独特的学习路径图，推荐合适的课程材料和教师，安排最佳的时间

17、表。特点是以学生为中心，采用大数据分析和适应性技术搭建个性化混合式学习环境，满足每个学生的个性化学习需求。SO1 的学习分析算法，有助于确保每个学生在其学习的有效点进行学习。通过收集数据，它能更多地了解学生和更好地预测进度，以更适合每个学生。SCHOOL OF ONE 一人一个时间表，确保学习有效点一人一个时间表，确保学习有效点每一天，SO1 的学习分析算法需要分析的数据包括：学生的学习历史和背景，前一天的评估数据以及可用的内容、教室、人员和技术；确定哪些课时内容在统计学上最适合哪种类型的学生。然后，它会为每个学生和每名教师生成一个独特的每日时间表，且每个时间表和教学计划都是自动调整的，以适应

18、每个学生的学习节奏、能力和最有效的学习方式。比如，引导学生参加大组教学、小组教学、小组合作、虚拟教学、自主学习、实时远程辅导等各种方式的学习。在SO1 项目中，教师可以修改系统生成的时间表，且教师本身也是计划的一部分，参与到学生学习环境中。这里，技术并没有完全替代教师，而是在线学习和面对面教学的结合，以及技术和教师的结合。2.2.网络智能自主学习平台网络智能自主学习平台结合云的区域数字化平台结合云的区域数字化平台以私有云服务为支撑，构建一个基础教育的智能化校园管理平台，以优质教育资源共建共享和应用、资源整合为中心，融入到教学、学习、管理等工作领域，并将学校教育扩展到社会，最终实现教育公平，推动

19、教育教学改革的发展。平台建设的总体目标平台建设的总体目标利用先进成熟的计算机技术、网络技术与数据库技术，通过科学合理的管理规范与完备通用的技术规范，基于统一的信息标准整合、集成各种信息资源，构建安全、可靠、可扩展、易维护的综合管理平台，实现各项管理工作的信息化；为广大师生提供简便、快捷的网络化信息服务。数字化平台数字化平台学生在任何时间都可以通过网络学习；老师可以在任何时间、任何地点接受培训；学校管理者可以自动分配教学任务；整个学校变成以学生为中心的学习环境；在固定空间之内，是一个个的学习中心、交互中心、分组教室、安静的区域；突破空间界限，人们可以通过交互式或基于WEB 的交流平台，在任何时间

20、、任何地点进入校园网，进行学习和交流。系统特点系统特点 小班化小班化 多师同堂多师同堂 学习地点的随机性学习地点的随机性 按需学习按需学习 师生角色的变换师生角色的变换 在线和多媒体教育在线和多媒体教育 回到社区回到社区 教育资源极其丰富教育资源极其丰富 视频成为主要载体视频成为主要载体 翻转课堂翻转课堂 按需学习按需学习 终生学习，不以年龄划线终生学习，不以年龄划线 距离不再是问题，教育在距离不再是问题，教育在学校之外发生学校之外发生可视化、交互式教学可视化、交互式教学教师可以开展可视化教学，也可以通过交互、协作的资源引导学生互动式学习。学生能够以自己喜欢的方式学习，有丰富的课件，可以对信息

21、进行搜和分析，学生很容易联系到老师甚至全球的专家。接受继续教育的学生，可以得到很好的在线职业培训。定期在线式辅导答疑，根据学生的提问的问题，进行分类分析，选择提问多的问题，进行在线提前预告答疑时间，到时由指定教师进行在线视频答疑，答疑后的视频保存视频答疑库，供学员后续学习使用。运行环境服务器端n网站服务器 CPU:主流核 内存:G 硬盘:最低512GB 双硬盘镜像； n数据库服务器 CPU:主流核 内存:G 硬盘:最低512GB 双硬盘镜像；n软件环境 操作系统:Windows Server2003或2008 数据库：Microsoft SQL Server 2005或2008；n网络环境 平

22、台的互联网带宽为100M独享 固定IP地址。客户端n硬件环境 CPU :PII 300 MHz以及更高，建议主频为1G以上 内存：512M ； n软件环境 操作系统：windows XP/vista/win7 浏览器：Internet Explorer 7.0及以上；n网络环境 ADSL最低2M带宽。平台结构培训管理系统培训管理系统行政管理系统行政管理系统网络智能自主学习平台网络智能自主学习平台平台门户网站平台门户网站考务管理系统考务管理系统资源管理系统资源管理系统教学教育管理教学教育管理家校互动系统家校互动系统平台基本功能详解平台基本功能详解家校互动系统家校互动系统 特色学习班特色学习班 家庭作业家庭作业 互动圈子互动圈子 资源分享资源分享 课后闯关课后闯关 手机应用手机应用教学教育管理教学教育管理 招生管理招生管理 课程管理课程管理 教学计划教学计划 教案管理教案管理 作业管理作业管理 实验管理实验管理培训网上报名网上报名网上报