论文部分内容阅读
摘要：随着信息技术以及视频通信技术的不断进步，在线教育也获得了一定程度的进步和发展。随着数据的不断增多，大数据的概念应用而生，进而推进了在线教育的发展。
关键词：在线教育；大数据；智能化
1大数据研究及应用对在线教育的积极意义
在线教育领域中，学习者会进行访问、查询、浏览、学习、问答等活动，从而产生难以计数的数据流量。对这些数据流量进行收集整理后，就能了解学习者的学习特点，掌握学习者的学习规律，并发现其中存在的问题，及时提出参考意见，或者为学习者提供更为优良的学习规划。从这一角度看，在线教育领域的大数据更加以人为本，能够超越传统教育的局限，避免出现“一刀切”“大锅饭”式的教学现象，让学生真正成为学习主体。这是对学生最大限度的尊重与关注，也使得教育的实效性得到极大的提升。另外，通过大数据研究与应用，在线教育可以帮助学生发现与了解自身学习过程中存在的缺陷与不足，通过技术的辅助扬长避短、查缺补漏，帮助学生更加全面、完善地学习和成长。
2我国网络在线教育的现状分析
2.1在线教育发展历程
在线教育的发展过程中，是在的教育产业化以及信息技术高速发展的背景下而出现并发展。刚开始之时是以网校和远程教育作为的主要模式，但是因为其具有着较为广阔的市场，其之间的竞争逐渐的加剧以及较为分散等等特征。因此，教育行业在线教育受到了人们的关注。
2.2我国网络在线教育的问题
从上文的论述中可以看出，我国网络教育在一定程度上有着较快的发展，然而从总体上来说，和国际先进水平之间还有一定的差距，为了可以赶上以及起到领头羊的作用，就需要从根本上解决自身存在的问题，不断推进其进步和发展。
2.2.1缺乏特色
我国的网络在线教育首要问题就是在实际中没有形成自己的特色，比较难来指导在线实践。而这主要是因为我国的网络在线教育总体而言发展较为缓慢，当前虽然对其进行了大量的研究和分析，然而从目前而言，并没有形成一套完整的网络教育体系，主要还是在借鉴国外的形式，同时还停留在消化吸收阶段，并没有自己的创新。而这就同我国的具体情况不相符合，所以，其在实践中就会出现脱离实际的问题，进而较难对学习者进行指导，如此的话，学习者的学习效率就得不到提升。
2.2.2网络在线信息资源质量较差
从我国当前网络在线教育整体情况进行分析，诸多教学资源从整体上来说是把课堂教学而逐渐移植到网络上，虽然脱离了粉笔和黑板，但是从本质和形式上而言，并没有较多的区别，而这些教学资源并没有进行较多的创新，同时表现形式总体而言，较为单一，对于内容比较重视，活动设计缺乏，在评论和反馈上做的不够，因此，这就导致了整体教学资源较差，学生对于学习的兴趣不高。
3面向在线教育领域的大数据应用
3.1搭建知识结构图
在线教育领域的不同专业教学中存在着数量或多或少的细目或分支，通过大数据的计算与分析，这些细目或分支之间的联系便可一目了然地呈现于学生面前。大数据可以在各专业开始在线教育初始即为学生展示一幅清晰的结构脉络图，学生既可以选择按部就班依循预设的教育计划安排学习过程，也可以根据自身客观需求自主点击结构图示上对应的说明进入其下的模块开始学习。
3.2实现课程推送式教育
通过大数据分析在网络购物中实现广告精准推送。商家根据消费者的历史活动数据掌握了消费者的消费时间、地点、种类、内容诸多特征，再借助大数据分门别类地将对应的广告投送给不同类型的消费者，于是便有了基于网络平台的精准推送式广告。类似的情况也可出现在在线教育领域，例如精准课程推送式教育。根据学生历次选择专业或课程的情况，大数据可以帮助学生挑选最适宜的目标课程，跳过不必要的中间环节，减少过多选择内容造成的干扰。这一应用除了可以不断降低学生挑选课程的时间成本外，也能降低学生由于瞻前顾后、优柔寡断而错选或漏选的风险。在在线教育专业种类不断增长的当下，学习者理论或实践能力水平的差异，会在课程选择中起到决定性作用，一些学生可能因此无所适从。而大数据则可在此刻起到辅助作用，比如根据学生此前学习过的内容或者完成的习题与测试等绘制出一张相对客观的水平与能力图，再结合学生的兴趣爱好和既有的优势与不足推荐最适宜的课程。如此一来，学生可以了解自身的缺点而在后续学习中有针对性地弥补，同时又能在课堂学习中获取最大的收益，实现学习成效最大化。
3.3智能练习与测试
练习与测试是任何形式的学习中极其重要的强化与巩固手段。面向在线教育领域的大数据应用则能根据每个学生个体的实际情况将练习与测试做到最个性、最细致、最智能。比如依据学生历次练习和测试的结果，大数据可以从题库中挑选程度适中又形式丰富的题目。学生既可以通过完成这样的习题或测试检验自己的学习成果，又可以借此发现问题，不仅不会因为题目难度过小而丧失学习兴趣，也不会因为题目难度过大失去自信心。在此基础上，大数据可以设置周期性提升的练习与测试。也就是根据学生学习、记忆等的特点与规律重点强化易出错或易失误的知识点，使练习与测试更加以人为本，实现学习成效强化与巩固效果的最大化。解题路径参考也是智能练习与测试中的重点环节。练习或测试中难免遭遇困难和不解之处，学生不必过度纠结于一道题目耗费太多时间，可以借助参考信息确保学习效果。解题路径参考设计为多级组合，每一级只给出一个核心参考信息，旨在帮助学生拓展思路。这种多级组合设计不会出现包办代替问题，既可帮助学生养成自我检验的习惯，又可提升学生深入探究的兴趣和欲望。
结束语
在以后在线教育发展过程中，应该重视以搜集好教育数据的基础作用和价值，寻找同大数据分析之间相匹配的教育技术，进而就可以形成发现、掌握以及应用大数据的思维，进而就可以得到大规模在线教育的发展规律以及发展趋势，如此就可以实现对于学习个体的个性化教学。大数据具有着是较大的发展潜力，在其指导下，可以帮助更多的人实现进一步发展。
参考文献：
[1]程思岳.在線教育大数据下的课程学分互认[J].福建广播电视大学学报，2017（01）：6-8+20.
[2]邢丘丹，焦晶，杜占河.基于云计算和大数据的在线教育交互应用研究[J].现代教育技术，2017（04）：88-95.
关键词：在线教育；大数据；智能化
1大数据研究及应用对在线教育的积极意义
在线教育领域中，学习者会进行访问、查询、浏览、学习、问答等活动，从而产生难以计数的数据流量。对这些数据流量进行收集整理后，就能了解学习者的学习特点，掌握学习者的学习规律，并发现其中存在的问题，及时提出参考意见，或者为学习者提供更为优良的学习规划。从这一角度看，在线教育领域的大数据更加以人为本，能够超越传统教育的局限，避免出现“一刀切”“大锅饭”式的教学现象，让学生真正成为学习主体。这是对学生最大限度的尊重与关注，也使得教育的实效性得到极大的提升。另外，通过大数据研究与应用，在线教育可以帮助学生发现与了解自身学习过程中存在的缺陷与不足，通过技术的辅助扬长避短、查缺补漏，帮助学生更加全面、完善地学习和成长。
2我国网络在线教育的现状分析
2.1在线教育发展历程
在线教育的发展过程中，是在的教育产业化以及信息技术高速发展的背景下而出现并发展。刚开始之时是以网校和远程教育作为的主要模式，但是因为其具有着较为广阔的市场，其之间的竞争逐渐的加剧以及较为分散等等特征。因此，教育行业在线教育受到了人们的关注。
2.2我国网络在线教育的问题
从上文的论述中可以看出，我国网络教育在一定程度上有着较快的发展，然而从总体上来说，和国际先进水平之间还有一定的差距，为了可以赶上以及起到领头羊的作用，就需要从根本上解决自身存在的问题，不断推进其进步和发展。
2.2.1缺乏特色
我国的网络在线教育首要问题就是在实际中没有形成自己的特色，比较难来指导在线实践。而这主要是因为我国的网络在线教育总体而言发展较为缓慢，当前虽然对其进行了大量的研究和分析，然而从目前而言，并没有形成一套完整的网络教育体系，主要还是在借鉴国外的形式，同时还停留在消化吸收阶段，并没有自己的创新。而这就同我国的具体情况不相符合，所以，其在实践中就会出现脱离实际的问题，进而较难对学习者进行指导，如此的话，学习者的学习效率就得不到提升。
2.2.2网络在线信息资源质量较差
从我国当前网络在线教育整体情况进行分析，诸多教学资源从整体上来说是把课堂教学而逐渐移植到网络上，虽然脱离了粉笔和黑板，但是从本质和形式上而言，并没有较多的区别，而这些教学资源并没有进行较多的创新，同时表现形式总体而言，较为单一，对于内容比较重视，活动设计缺乏，在评论和反馈上做的不够，因此，这就导致了整体教学资源较差，学生对于学习的兴趣不高。
3面向在线教育领域的大数据应用
3.1搭建知识结构图
在线教育领域的不同专业教学中存在着数量或多或少的细目或分支，通过大数据的计算与分析，这些细目或分支之间的联系便可一目了然地呈现于学生面前。大数据可以在各专业开始在线教育初始即为学生展示一幅清晰的结构脉络图，学生既可以选择按部就班依循预设的教育计划安排学习过程，也可以根据自身客观需求自主点击结构图示上对应的说明进入其下的模块开始学习。
3.2实现课程推送式教育
通过大数据分析在网络购物中实现广告精准推送。商家根据消费者的历史活动数据掌握了消费者的消费时间、地点、种类、内容诸多特征，再借助大数据分门别类地将对应的广告投送给不同类型的消费者，于是便有了基于网络平台的精准推送式广告。类似的情况也可出现在在线教育领域，例如精准课程推送式教育。根据学生历次选择专业或课程的情况，大数据可以帮助学生挑选最适宜的目标课程，跳过不必要的中间环节，减少过多选择内容造成的干扰。这一应用除了可以不断降低学生挑选课程的时间成本外，也能降低学生由于瞻前顾后、优柔寡断而错选或漏选的风险。在在线教育专业种类不断增长的当下，学习者理论或实践能力水平的差异，会在课程选择中起到决定性作用，一些学生可能因此无所适从。而大数据则可在此刻起到辅助作用，比如根据学生此前学习过的内容或者完成的习题与测试等绘制出一张相对客观的水平与能力图，再结合学生的兴趣爱好和既有的优势与不足推荐最适宜的课程。如此一来，学生可以了解自身的缺点而在后续学习中有针对性地弥补，同时又能在课堂学习中获取最大的收益，实现学习成效最大化。
3.3智能练习与测试
练习与测试是任何形式的学习中极其重要的强化与巩固手段。面向在线教育领域的大数据应用则能根据每个学生个体的实际情况将练习与测试做到最个性、最细致、最智能。比如依据学生历次练习和测试的结果，大数据可以从题库中挑选程度适中又形式丰富的题目。学生既可以通过完成这样的习题或测试检验自己的学习成果，又可以借此发现问题，不仅不会因为题目难度过小而丧失学习兴趣，也不会因为题目难度过大失去自信心。在此基础上，大数据可以设置周期性提升的练习与测试。也就是根据学生学习、记忆等的特点与规律重点强化易出错或易失误的知识点，使练习与测试更加以人为本，实现学习成效强化与巩固效果的最大化。解题路径参考也是智能练习与测试中的重点环节。练习或测试中难免遭遇困难和不解之处，学生不必过度纠结于一道题目耗费太多时间，可以借助参考信息确保学习效果。解题路径参考设计为多级组合，每一级只给出一个核心参考信息，旨在帮助学生拓展思路。这种多级组合设计不会出现包办代替问题，既可帮助学生养成自我检验的习惯，又可提升学生深入探究的兴趣和欲望。
结束语
在以后在线教育发展过程中，应该重视以搜集好教育数据的基础作用和价值，寻找同大数据分析之间相匹配的教育技术，进而就可以形成发现、掌握以及应用大数据的思维，进而就可以得到大规模在线教育的发展规律以及发展趋势，如此就可以实现对于学习个体的个性化教学。大数据具有着是较大的发展潜力，在其指导下，可以帮助更多的人实现进一步发展。
参考文献：
[1]程思岳.在線教育大数据下的课程学分互认[J].福建广播电视大学学报，2017（01）：6-8+20.
[2]邢丘丹，焦晶，杜占河.基于云计算和大数据的在线教育交互应用研究[J].现代教育技术，2017（04）：88-95.