论文部分内容阅读
摘要：随着高校信息化建设的快速发展，大学英语教学基础设施日益完善，教学软件资源日益丰富，涵盖了英语的听说读写各个方面，由这些资源产生的大数据经过采集整理，可对分析教学起到支撑和决策作用。采集的大数据经过量化建模，并建立数据关系，汇聚成为大数据，以大数据为基础建立平台，可提供面向应用的个性化服务，为英语教学提供客观依据。
关键词：英语教学；大数据；数据建模
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2019）06-0219-02
大数据分析技术日渐成熟，并广泛应用于各个行业，其中教育大数据应用是最为广泛之一。目前国内高校信息化发展迅速，大多数高校的大学英语教学都具有数字平台的支撑，学生的学习资源也非常丰富，教师的教学手段更加多样化。在这巨量的资源中，教师的教学过程和学生的学习过程都会产生大量的数据，如何充分、高效利用这些大数据，大数据平台能够满足需求。因此，大数据平台应能满足教学效果的判定，学生学业表现的展示和预测，自适应每位学习者的学习需求等。
1 大学英语教学大数据建模与分析方法
建模与分析实际上是教育数据挖掘应用的两种基本方式。建模是针对历史的数据进行刻画，分析则是利用模型对现状和未来进行理解与预测。美国教育部的ET L-EDM LA 报告系统分析了当前在各类教育领域应用的数据建模和分析方法[1]，给出了进行分类的标准，提出了学习者知识建模、行为建模、经历建模、学习者建档、领域知识建模、学习组件与教学策略分析、趋势分析、自适应学习等八大类价值建模方向。按照学习者行为、以及学习内容和结果来归纳分类，探讨大学英语教学的建模。
1.1 基于学习者行为的建模
基于学习者行为的建模分为如下四类：
一是知识建模。收集学生线上学习系统中答题情况、学习时长以及错题的情况，可以对这些信息量化形成数据，并对其进行建模，用于定制和调整系统行为。
二是行为建模。记录学生在线学习时长、学习内容、学习微课、以及完成练习等行为，记录学生在线课程的课上课下学习行为轨迹，对学生行为进行建模，了解学生的学习模式及学习轨迹。
三是经历建模。教学的主体是学生，统计学生对在线学习过程行为，可以了解他们的学习轨迹，从而为系统个性化服务提供支撑。
四是学习者分析。结合学生知识、行为和经历，对学习者进行整体分析，全面展示学生学业状态、学习轨迹和学习效率，从而为系统决策提供支撑。
1.2 基于学习内容和结果的建模
基于学习内容和结果的建模分为如下四类：
一是领域建模。领域指的是学科和知识领域，大学英语知识领域属于语言文学学科，语言领域的教学方法丰富，不同教学方法教授同一知识领域对学生的学业表现有所差异，对这些进行采集记录，探索适应于不同知识领域的教学方法。
二是组件分析。学习组件包括学习内容、教学方法、学习环境等。对这些组件进行分析，可采用统计学方法。
三是趋势分析。依据学生内容、教学方法、学习环境等学习组件分析，为系统预测提供支撑。
四是自适应分析。综合领域、组件和趋势分析，系统可为学生提供个性化学习方案，为教师提供可靠的教学方法，从而促进大学英语的教学效率。
总之，利用上述数据模型进行大数据分析，能够客观展示教学过程以及教学评价，为系统进行自适应与个性化提供支撑。
2 大数据平台架构设计
2.1 功能分析
基于大学英语教学的多维多源异构复杂特性，面向大学英语教学的大数据平台需要实现多维多源异构风险数据的采集、建模、集成、融合分析和共享等功能.通过构建面向大学英语教学的大数据平台，解决大学英语教学多系统的数据不统一、隐性关联、结构差异巨大、管理机构交错、集成共享困难等问题，将包含的静态数据、动态数据、历史数据、实时数据和未来预测数据采用统一时间坐标系进行管理和融合分析，为大学英语教学监测监控、预测预警和智能防范提供强有力支撑。
2.2 结构设计
面向大学英语教学的大数据平台，从4个层次进行结构设计，图1为设计框架。
一是数据采集层。数据的采集存储根据应用需求进行分类管理，对英语教学需求而言，由于英语教学数据存在彼此之间的交互与耦合关系，因此，面向英语教学的大数据平台，必须建立在对英语教学深入理解和认识的基础之上。针对大学英语教学大数据，采用多维多源方式收集整理数据。
二是数据建模层。对数据采集层收集的数据进行整理分类，可分为基于学习者行为的数据和基于学习内容的数据。根据基于学习者行为的数据，建立知识建模、行为建模、经历建模、学习者分析的数据关联；根据基于学习内容和结果的数据，建立领域建模、组件分析、 趋势分析、 自适应分析的数据关联。建立不同数据间的语义关系、逻辑关系、因果关系等，实现不同数据的语义互操作。能够实现根据大学英语教学分析的具体需求，实现提纲挈领、纲举目张式的数据检索和调用。
三是数据集成层。数据集成是基础，多维多源异构数据的融合是大学英语教学统一分析的必要条件。可采用统一时间坐标的方式，把不同维度、不同来源的数据、不同时间、空间的数据进行整合，从而支持更全面和更准确的分析。
四是应用服务层。大学英语教学资源存在多个软件系统，不同系统之间在数据需求和应用上既有分隔也有重叠.在大学英语教学大数据平台中，充分考虑大学英语教学多系统的特点，实现统一访问接口、面向应用的个性化服务和基于云的集成式数据服务，支持大学英语教学的跨域集成、深度共享和多主体协作.
2.3构建流程
基于大学英语教学的大数据平台结构图设计，提出大学英语教学大数据平台构建流程，在数据采集层，采用高精度采集和基于基态修正的数据更新策略；在数据建模层，采用分类建模，在学习者行为、以及学习内容和结果两个维度对采集数据进行建模；在数据集成层，采用多维多源数据异构方式，形成大数据汇聚，结合统一时间坐标，形成基于统一时间坐标的多维多源异构数据的融合分析；在此基础上，实现大学英语教学多软件系统的统一数据接口，实现大数据集成、共享、分发的服务平台，从而为应用需求提供个性化服务。
3 结论
针对大学英语教学的特点和教学环境的发展现状，阐述了大学英语大数据分类建模的思想，提出了采用基于学习者行为以及学习内容和结果的分类建模，并对大数据平台进行了功能设计、结构设计，阐述了大数据平台的构建流程。
大學英语教学大数据的采集、集成、融合分析、共享是大数据平台的功能需求。针对大学英语教学数据的多维多源异构特性，依据大数据平台的理论架构设计，下一步需要开展多源异构高维高扩展性数据采集汇聚与融合分析的研究。
参考文献：
[1] BIENKOWSKI M， FENG M， MEANS B. Enhancing teaching and learning through educational data mining and learning analytics： an issue brief[R]. Washington：US Department of Education，2012：1-57.
[2] 孙洪涛，郑勤华.教育大数据的核心技术、应用现状与发展趋势[J].远程教育杂志，2016（5）：41-49.
[3] 杨现民，王榴卉，唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究，2015（9）：54-61.
[4] 牛瑞敏.数据挖掘在国内教育领域应用的研究综述[J].中山大学研究生学刊：社会科学版，2016（2）：193-200.
[5] 吴青，罗儒国.学习分析：从源起到实践与研究[J].开放教育研究，2015（1）：71-79.
[6] 任雪松，于秀林.多元统计分析[M].2版.北京：中国统计出版社，2011.
【通联编辑：唐一东】
关键词：英语教学；大数据；数据建模
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2019）06-0219-02
大数据分析技术日渐成熟，并广泛应用于各个行业，其中教育大数据应用是最为广泛之一。目前国内高校信息化发展迅速，大多数高校的大学英语教学都具有数字平台的支撑，学生的学习资源也非常丰富，教师的教学手段更加多样化。在这巨量的资源中，教师的教学过程和学生的学习过程都会产生大量的数据，如何充分、高效利用这些大数据，大数据平台能够满足需求。因此，大数据平台应能满足教学效果的判定，学生学业表现的展示和预测，自适应每位学习者的学习需求等。
1 大学英语教学大数据建模与分析方法
建模与分析实际上是教育数据挖掘应用的两种基本方式。建模是针对历史的数据进行刻画，分析则是利用模型对现状和未来进行理解与预测。美国教育部的ET L-EDM LA 报告系统分析了当前在各类教育领域应用的数据建模和分析方法[1]，给出了进行分类的标准，提出了学习者知识建模、行为建模、经历建模、学习者建档、领域知识建模、学习组件与教学策略分析、趋势分析、自适应学习等八大类价值建模方向。按照学习者行为、以及学习内容和结果来归纳分类，探讨大学英语教学的建模。
1.1 基于学习者行为的建模
基于学习者行为的建模分为如下四类：
一是知识建模。收集学生线上学习系统中答题情况、学习时长以及错题的情况，可以对这些信息量化形成数据，并对其进行建模，用于定制和调整系统行为。
二是行为建模。记录学生在线学习时长、学习内容、学习微课、以及完成练习等行为，记录学生在线课程的课上课下学习行为轨迹，对学生行为进行建模，了解学生的学习模式及学习轨迹。
三是经历建模。教学的主体是学生，统计学生对在线学习过程行为，可以了解他们的学习轨迹，从而为系统个性化服务提供支撑。
四是学习者分析。结合学生知识、行为和经历，对学习者进行整体分析，全面展示学生学业状态、学习轨迹和学习效率，从而为系统决策提供支撑。
1.2 基于学习内容和结果的建模
基于学习内容和结果的建模分为如下四类：
一是领域建模。领域指的是学科和知识领域，大学英语知识领域属于语言文学学科，语言领域的教学方法丰富，不同教学方法教授同一知识领域对学生的学业表现有所差异，对这些进行采集记录，探索适应于不同知识领域的教学方法。
二是组件分析。学习组件包括学习内容、教学方法、学习环境等。对这些组件进行分析，可采用统计学方法。
三是趋势分析。依据学生内容、教学方法、学习环境等学习组件分析，为系统预测提供支撑。
四是自适应分析。综合领域、组件和趋势分析，系统可为学生提供个性化学习方案，为教师提供可靠的教学方法，从而促进大学英语的教学效率。
总之，利用上述数据模型进行大数据分析，能够客观展示教学过程以及教学评价，为系统进行自适应与个性化提供支撑。
2 大数据平台架构设计
2.1 功能分析
基于大学英语教学的多维多源异构复杂特性，面向大学英语教学的大数据平台需要实现多维多源异构风险数据的采集、建模、集成、融合分析和共享等功能.通过构建面向大学英语教学的大数据平台，解决大学英语教学多系统的数据不统一、隐性关联、结构差异巨大、管理机构交错、集成共享困难等问题，将包含的静态数据、动态数据、历史数据、实时数据和未来预测数据采用统一时间坐标系进行管理和融合分析，为大学英语教学监测监控、预测预警和智能防范提供强有力支撑。
2.2 结构设计
面向大学英语教学的大数据平台，从4个层次进行结构设计，图1为设计框架。
一是数据采集层。数据的采集存储根据应用需求进行分类管理，对英语教学需求而言，由于英语教学数据存在彼此之间的交互与耦合关系，因此，面向英语教学的大数据平台，必须建立在对英语教学深入理解和认识的基础之上。针对大学英语教学大数据，采用多维多源方式收集整理数据。
二是数据建模层。对数据采集层收集的数据进行整理分类，可分为基于学习者行为的数据和基于学习内容的数据。根据基于学习者行为的数据，建立知识建模、行为建模、经历建模、学习者分析的数据关联；根据基于学习内容和结果的数据，建立领域建模、组件分析、 趋势分析、 自适应分析的数据关联。建立不同数据间的语义关系、逻辑关系、因果关系等，实现不同数据的语义互操作。能够实现根据大学英语教学分析的具体需求，实现提纲挈领、纲举目张式的数据检索和调用。
三是数据集成层。数据集成是基础，多维多源异构数据的融合是大学英语教学统一分析的必要条件。可采用统一时间坐标的方式，把不同维度、不同来源的数据、不同时间、空间的数据进行整合，从而支持更全面和更准确的分析。
四是应用服务层。大学英语教学资源存在多个软件系统，不同系统之间在数据需求和应用上既有分隔也有重叠.在大学英语教学大数据平台中，充分考虑大学英语教学多系统的特点，实现统一访问接口、面向应用的个性化服务和基于云的集成式数据服务，支持大学英语教学的跨域集成、深度共享和多主体协作.
2.3构建流程
基于大学英语教学的大数据平台结构图设计，提出大学英语教学大数据平台构建流程，在数据采集层，采用高精度采集和基于基态修正的数据更新策略；在数据建模层，采用分类建模，在学习者行为、以及学习内容和结果两个维度对采集数据进行建模；在数据集成层，采用多维多源数据异构方式，形成大数据汇聚，结合统一时间坐标，形成基于统一时间坐标的多维多源异构数据的融合分析；在此基础上，实现大学英语教学多软件系统的统一数据接口，实现大数据集成、共享、分发的服务平台，从而为应用需求提供个性化服务。
3 结论
针对大学英语教学的特点和教学环境的发展现状，阐述了大学英语大数据分类建模的思想，提出了采用基于学习者行为以及学习内容和结果的分类建模，并对大数据平台进行了功能设计、结构设计，阐述了大数据平台的构建流程。
大學英语教学大数据的采集、集成、融合分析、共享是大数据平台的功能需求。针对大学英语教学数据的多维多源异构特性，依据大数据平台的理论架构设计，下一步需要开展多源异构高维高扩展性数据采集汇聚与融合分析的研究。
参考文献：
[1] BIENKOWSKI M， FENG M， MEANS B. Enhancing teaching and learning through educational data mining and learning analytics： an issue brief[R]. Washington：US Department of Education，2012：1-57.
[2] 孙洪涛，郑勤华.教育大数据的核心技术、应用现状与发展趋势[J].远程教育杂志，2016（5）：41-49.
[3] 杨现民，王榴卉，唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究，2015（9）：54-61.
[4] 牛瑞敏.数据挖掘在国内教育领域应用的研究综述[J].中山大学研究生学刊：社会科学版，2016（2）：193-200.
[5] 吴青，罗儒国.学习分析：从源起到实践与研究[J].开放教育研究，2015（1）：71-79.
[6] 任雪松，于秀林.多元统计分析[M].2版.北京：中国统计出版社，2011.
【通联编辑：唐一东】