论文部分内容阅读
摘 要：文章以计算机编程类C语言进行课程教学，构建基于移动互联网大数据的学生个性化需求与学习分析模型。模型通过发现每个学生的实际需求与学习活动进程，可根据每个学生的实际需求和与学习能力为其量身设计个性多样化方式的学习途径。
关键词：大数据;C语言;个性化学习;分析模型
1 个性化学习分析模型的研究
1.1 个性化学习分析
个性化的学习体现了学生不同阶段和层次之间的差别，以及促进学生自身个性发展为主要目标的各种学习模式[1]。个性化的学习起源于信息教育的变革和发展，它是现代信息技术教育思想积极提倡的一种全新的学习模式[2]。个性化学习指学生结合自身对学习的兴趣及其个人的经历自主安排学习的进度和选择学习的方法。个性化的学习以培养学生的个性和差异作为教育的基础，以提高学生的个性和可持续发展能力为教育目标，强调学生的自主、独特和多样化，以极大限度地挖掘和发挥了每个学生各自的学习潜能，促进了个性化学习的良性与可持续性发展[3]。
1.2 国内外研究现状
20世纪90年代，研究者就已经开始研究了复杂的个性化学习分析方法，并将研究成果应用到之后的个性化的学习环境中。由于个性化学习分析是一个新兴的研究方向，因此暂时也还没有形成一个完整清晰的理论化的体系[4]。郭炯等[5]通过文献分析法指出当前国内外学者在个性化学习的研究方向，通过文献分析发现，国内对个性化学习分析的研究主要集中在理论介绍、研究综述、应用模型设计和实证等方面，实证研究还很少。然而在国外研究内容主要分布在个性化学习分析理论、个性化学习分析模型、学习分析技术基础、学习分析工具、学习分析应用研究、学习分析难点和挑战[5]。
2 个性化学习分析模型在C语言中的应用
2.1 模型理论
本文设计了一个包括C语言所有知识点的仪表盘。每个知识点都放在一个可视的仪表盘中，仪表盘显示学生对C语言中每个知识点的掌握情况。在学习过程中可以依照仪表盘上的各种可视化数据信息要求进行自组织的学习，制定和实施自己的学习方案，学生在学习过程中自己挑选学习的方案和学习的资源来进行自己的学习，并根据自己的学习成果进行自我考核和评价。例如，一个学生通过查看仪表盘发现他对指针知识那一块比较薄弱，学生会点击进入到专门学习指针知识点的界面，做个标记，这样在以后的学习中系统安排学习资源就会着重于指针方面。所以在学生进入系统时，系统可以首先对学生进行测试，测试学生对C语言的掌握情况，系统根据知识模块出测试题，从一些有关C语言的相关概念、基础语法（基本数据类型，运算符和表达式）、顺序结构、循环结构等的每个模块抽取一部分练习题来对学生进行测试，了解到学生感兴趣的方面以及擅长的方面，然后根据学生的个性以及测试结果给学生构建出相应的学习系统，能够让学生有更好的学习体验。例如，学生学完第一章 C語言的基础语法之后，系统就会随机生成一些练习题来检验该生对这一章的掌握情况，然后针对该生对这一部分的学习情况以及测试结果总结出一系列的分析报告，该生看了之后，如果觉得运算符那一部分有点没理解，那么该生可以将这一部分放进自己的学习方案里面，之后系统就会根据不同的情况推荐运算符相关的知识点进行巩固复习。
2.2 模型构建
本文提出的学习分析模型包括较为个性化的学生自主选择学习数据理论、个性化的学习心理学以及采用现代化的计算机科学理论作为课题研究的理论基础，从数据分析大量的应用数据与学习环境（what）、技术（how）、实现目标（why）和利益直接相关者（who）4个不同维度综合出发，构建了一套较为个性化自主学习的分析模型，以下是学习分析的4维参考模型。
（1）数据与环境（what）。本系统分为3个大模块，即基础知识测试模块、个性化定制模块以及能力提升模块。其中基础知识测试模块就是对测试学生对C语言基础知识如的掌握情况，这样系统会根据学生的测试情况存下与学生相关的大数据进而进入第二大模块—个性化定制模块，这个模块会根据学生的测试情况及学习情况可以学生自己定制学习方案，也可以系统自动给学生定制学习方案，当然，在学习过程当中，学生可以随时修改自己的学习计划，实现个性化学习的功能。当学生学习一段时间后进入能力提升模块，在掌握基础知识的前提下，如果学生还想进一步提高自己对C语言的掌握程度，系统会推荐一些相对更深一点的C语言相关知识，如指针，文件，C++相关的面向对象等。
（2）相关利益者（who）。根据使用系统的功能的不同，相关利益者可以分为老师和学生。对于学生，可以使用本系统实现个性化的学习，根据自己对C语言各个方面知识的掌握情况，通过系统或者自己设计一套适合自己的学习方案，例如，学生已经熟悉掌握了C语言的基础语法以及一些简单的顺序结构和循环结构，那么系统在推荐学习资源时会特意避开这些知识点着重于推荐比较薄弱的知识点，但是偶尔也会出一两个相关的练习题方便该生复习巩固，这样既提高了学习效率，同时又增强了学生对C语言的学习兴趣 。而对于老师，可以使用本系统看到每个学生对C语言的掌握情况，然后在上课时着重于讲学生比较薄弱的地方。假如老师发现同学们对指针和文件方面的知识比较薄弱，老师可以在系统上对这两章做上标记，在课堂上着重讲解这一方面的同时，系统出的练习题也会偏向于这两个方面。
（3）技术（how）。大数据学习分析技术主要是运用了统计方法、知识可视化、个性化推荐以及社会互联网大数据进行分析。其中传统的统计学方法主要是运用了相关的分析和回归分析，统计出每个学生对C语言的每个章节的知识的掌握情况，并且根据各种情况设计出相应的对策;之后利用这种可视化的技术，使得学生更加易于接受和理解所需要的知识资源，促进了学生向知识的一种主动性建构及对知识的迁移;个性化的推荐技术主要包括基于学习内容的推荐和协同过滤技术，该系统能够根据每一位学生的需求特点来自适应地推荐所需要的学习资源、学习途径等。例如，C语言中的循环结构里的跳出循环语句很容易搞混，很多同学对break和continue的用法理解得不是很透彻，这时系统在出练习题时就会根据该生的大数据更多的产生循环结构那一章里的break和continue相关的练习题，实现个性化推荐的技术。 （4）实现目标（why）。该模型还能够根据每一位学生以往的不同学习习惯来预测分析和判断每一位学生的不同学习风格、兴趣偏好、知识层次、学习文化等特点，针对每一位学生设计出不同的教学战略，使其能够展示出个性化、可视化的学习途径、所需要的学习资料等。这有助于老师对学生在未来学习过程中实施教学干预。同时老师也能够根据学生们与系统的互动结果，从而反思自己的教学方法与风格是否真正适合学生，以便进一步对自己的教学方案进行完善修改。
3 模型特色
针对C语言课程，建立这个基于互联网和大数据的一种个性化在线学习分析模型，可以真正实现做到因材施教和差异化的课堂教学;通过这种教学模型不但可以促进老师和学生能够及时地获取学生所表现的学习效果，而且它还能够提高学生的学习积极性、课程学习质量以及学习的效率。以下是该模型在大数据背景下所具有的特点。
（1）通过结合C语言各种课程的基础知识点以及C语言独有的程序结构：简洁、灵活和面向过程等，将其实际运用到基于移动互联网和大数据的个性化学习分析模型中，真正实现了一种差异化的教学。
（2）本研究模型采用大数据学习分析技术对每个学生在各个环节中进行实时量化，使得数据以直观的形式呈现出来给每个学生和老师，让其都能够非常清晰地看到每个学生在学习中发生的动态变化过程，以及对C语言知识（基础语法、函数、数组和指针等）的掌握情况。
（3）本模型预测和分析了每个学生通过网络阅读材料、提交作业、与其他同学进行互动交流及对考试检查测验结果等方式，能够及早发现造成学习效果不良的预示和警告性消息，从而为学生及老师提出一些改善建议，并给予一些相应的指引。
4 结语
根据个性化在线学习分析模型，系统地完成了C语言课程的梳理和学习内容的知识结构图，可以帮助学生更好地总结和分析自己的在這一段时间的学习情况，掌握C语言的知识点。让学生对C语言的知识结构有了清晰的认识。同时，该模型具有预测功能，能够对学生的学习过程进行量化、可视化、对结果进行预测和反馈，使老师能够及时了解学生的学习进度和学生学习的学习效果，从而进行相应的教学指导和干预。
[参考文献]
[1]杨雪，姜强，赵蔚.大数据学习分析支持个性化学习研究—技术回归教育本质[J].现代远距离教育，2016（4）：71-78.
[2]王维，董永权，胡玥.基于大数据的个性化学习分析模型构建[J].黑龙江畜牧兽医，2019（20）：166-169.
[3]孙玉桦.基于大数据的个性化学习环境构建研究[D].锦州：渤海大学，2018.
[4]郑淦专.计算机差异化教育中运用大数据技术的分析[J].教育现代化，2017（38）：213-214.
[5]郭炯，郑晓俊.基于大数据的学习分析研究综述[J].中国电化教育，2017（1）：121-130.
（编辑 姚 鑫）
关键词：大数据;C语言;个性化学习;分析模型
1 个性化学习分析模型的研究
1.1 个性化学习分析
个性化的学习体现了学生不同阶段和层次之间的差别，以及促进学生自身个性发展为主要目标的各种学习模式[1]。个性化的学习起源于信息教育的变革和发展，它是现代信息技术教育思想积极提倡的一种全新的学习模式[2]。个性化学习指学生结合自身对学习的兴趣及其个人的经历自主安排学习的进度和选择学习的方法。个性化的学习以培养学生的个性和差异作为教育的基础，以提高学生的个性和可持续发展能力为教育目标，强调学生的自主、独特和多样化，以极大限度地挖掘和发挥了每个学生各自的学习潜能，促进了个性化学习的良性与可持续性发展[3]。
1.2 国内外研究现状
20世纪90年代，研究者就已经开始研究了复杂的个性化学习分析方法，并将研究成果应用到之后的个性化的学习环境中。由于个性化学习分析是一个新兴的研究方向，因此暂时也还没有形成一个完整清晰的理论化的体系[4]。郭炯等[5]通过文献分析法指出当前国内外学者在个性化学习的研究方向，通过文献分析发现，国内对个性化学习分析的研究主要集中在理论介绍、研究综述、应用模型设计和实证等方面，实证研究还很少。然而在国外研究内容主要分布在个性化学习分析理论、个性化学习分析模型、学习分析技术基础、学习分析工具、学习分析应用研究、学习分析难点和挑战[5]。
2 个性化学习分析模型在C语言中的应用
2.1 模型理论
本文设计了一个包括C语言所有知识点的仪表盘。每个知识点都放在一个可视的仪表盘中，仪表盘显示学生对C语言中每个知识点的掌握情况。在学习过程中可以依照仪表盘上的各种可视化数据信息要求进行自组织的学习，制定和实施自己的学习方案，学生在学习过程中自己挑选学习的方案和学习的资源来进行自己的学习，并根据自己的学习成果进行自我考核和评价。例如，一个学生通过查看仪表盘发现他对指针知识那一块比较薄弱，学生会点击进入到专门学习指针知识点的界面，做个标记，这样在以后的学习中系统安排学习资源就会着重于指针方面。所以在学生进入系统时，系统可以首先对学生进行测试，测试学生对C语言的掌握情况，系统根据知识模块出测试题，从一些有关C语言的相关概念、基础语法（基本数据类型，运算符和表达式）、顺序结构、循环结构等的每个模块抽取一部分练习题来对学生进行测试，了解到学生感兴趣的方面以及擅长的方面，然后根据学生的个性以及测试结果给学生构建出相应的学习系统，能够让学生有更好的学习体验。例如，学生学完第一章 C語言的基础语法之后，系统就会随机生成一些练习题来检验该生对这一章的掌握情况，然后针对该生对这一部分的学习情况以及测试结果总结出一系列的分析报告，该生看了之后，如果觉得运算符那一部分有点没理解，那么该生可以将这一部分放进自己的学习方案里面，之后系统就会根据不同的情况推荐运算符相关的知识点进行巩固复习。
2.2 模型构建
本文提出的学习分析模型包括较为个性化的学生自主选择学习数据理论、个性化的学习心理学以及采用现代化的计算机科学理论作为课题研究的理论基础，从数据分析大量的应用数据与学习环境（what）、技术（how）、实现目标（why）和利益直接相关者（who）4个不同维度综合出发，构建了一套较为个性化自主学习的分析模型，以下是学习分析的4维参考模型。
（1）数据与环境（what）。本系统分为3个大模块，即基础知识测试模块、个性化定制模块以及能力提升模块。其中基础知识测试模块就是对测试学生对C语言基础知识如的掌握情况，这样系统会根据学生的测试情况存下与学生相关的大数据进而进入第二大模块—个性化定制模块，这个模块会根据学生的测试情况及学习情况可以学生自己定制学习方案，也可以系统自动给学生定制学习方案，当然，在学习过程当中，学生可以随时修改自己的学习计划，实现个性化学习的功能。当学生学习一段时间后进入能力提升模块，在掌握基础知识的前提下，如果学生还想进一步提高自己对C语言的掌握程度，系统会推荐一些相对更深一点的C语言相关知识，如指针，文件，C++相关的面向对象等。
（2）相关利益者（who）。根据使用系统的功能的不同，相关利益者可以分为老师和学生。对于学生，可以使用本系统实现个性化的学习，根据自己对C语言各个方面知识的掌握情况，通过系统或者自己设计一套适合自己的学习方案，例如，学生已经熟悉掌握了C语言的基础语法以及一些简单的顺序结构和循环结构，那么系统在推荐学习资源时会特意避开这些知识点着重于推荐比较薄弱的知识点，但是偶尔也会出一两个相关的练习题方便该生复习巩固，这样既提高了学习效率，同时又增强了学生对C语言的学习兴趣 。而对于老师，可以使用本系统看到每个学生对C语言的掌握情况，然后在上课时着重于讲学生比较薄弱的地方。假如老师发现同学们对指针和文件方面的知识比较薄弱，老师可以在系统上对这两章做上标记，在课堂上着重讲解这一方面的同时，系统出的练习题也会偏向于这两个方面。
（3）技术（how）。大数据学习分析技术主要是运用了统计方法、知识可视化、个性化推荐以及社会互联网大数据进行分析。其中传统的统计学方法主要是运用了相关的分析和回归分析，统计出每个学生对C语言的每个章节的知识的掌握情况，并且根据各种情况设计出相应的对策;之后利用这种可视化的技术，使得学生更加易于接受和理解所需要的知识资源，促进了学生向知识的一种主动性建构及对知识的迁移;个性化的推荐技术主要包括基于学习内容的推荐和协同过滤技术，该系统能够根据每一位学生的需求特点来自适应地推荐所需要的学习资源、学习途径等。例如，C语言中的循环结构里的跳出循环语句很容易搞混，很多同学对break和continue的用法理解得不是很透彻，这时系统在出练习题时就会根据该生的大数据更多的产生循环结构那一章里的break和continue相关的练习题，实现个性化推荐的技术。 （4）实现目标（why）。该模型还能够根据每一位学生以往的不同学习习惯来预测分析和判断每一位学生的不同学习风格、兴趣偏好、知识层次、学习文化等特点，针对每一位学生设计出不同的教学战略，使其能够展示出个性化、可视化的学习途径、所需要的学习资料等。这有助于老师对学生在未来学习过程中实施教学干预。同时老师也能够根据学生们与系统的互动结果，从而反思自己的教学方法与风格是否真正适合学生，以便进一步对自己的教学方案进行完善修改。
3 模型特色
针对C语言课程，建立这个基于互联网和大数据的一种个性化在线学习分析模型，可以真正实现做到因材施教和差异化的课堂教学;通过这种教学模型不但可以促进老师和学生能够及时地获取学生所表现的学习效果，而且它还能够提高学生的学习积极性、课程学习质量以及学习的效率。以下是该模型在大数据背景下所具有的特点。
（1）通过结合C语言各种课程的基础知识点以及C语言独有的程序结构：简洁、灵活和面向过程等，将其实际运用到基于移动互联网和大数据的个性化学习分析模型中，真正实现了一种差异化的教学。
（2）本研究模型采用大数据学习分析技术对每个学生在各个环节中进行实时量化，使得数据以直观的形式呈现出来给每个学生和老师，让其都能够非常清晰地看到每个学生在学习中发生的动态变化过程，以及对C语言知识（基础语法、函数、数组和指针等）的掌握情况。
（3）本模型预测和分析了每个学生通过网络阅读材料、提交作业、与其他同学进行互动交流及对考试检查测验结果等方式，能够及早发现造成学习效果不良的预示和警告性消息，从而为学生及老师提出一些改善建议，并给予一些相应的指引。
4 结语
根据个性化在线学习分析模型，系统地完成了C语言课程的梳理和学习内容的知识结构图，可以帮助学生更好地总结和分析自己的在這一段时间的学习情况，掌握C语言的知识点。让学生对C语言的知识结构有了清晰的认识。同时，该模型具有预测功能，能够对学生的学习过程进行量化、可视化、对结果进行预测和反馈，使老师能够及时了解学生的学习进度和学生学习的学习效果，从而进行相应的教学指导和干预。
[参考文献]
[1]杨雪，姜强，赵蔚.大数据学习分析支持个性化学习研究—技术回归教育本质[J].现代远距离教育，2016（4）：71-78.
[2]王维，董永权，胡玥.基于大数据的个性化学习分析模型构建[J].黑龙江畜牧兽医，2019（20）：166-169.
[3]孙玉桦.基于大数据的个性化学习环境构建研究[D].锦州：渤海大学，2018.
[4]郑淦专.计算机差异化教育中运用大数据技术的分析[J].教育现代化，2017（38）：213-214.
[5]郭炯，郑晓俊.基于大数据的学习分析研究综述[J].中国电化教育，2017（1）：121-130.
（编辑 姚 鑫）