打开文本图片集

摘要：现代社会，信息技术已经融入我们生活的各个方面，传统的课堂教学模式已经无法满足人们变化中的需求，在线教育以其自主灵活、使用便捷、内容丰富的特点逐渐得到普及。本文在大数据背景下，以学生、教师等要素相互交互、影响以及作用所构成的异质网络为基础，通过中学在线教育的学生行为预测平台对收集的数据进行分析，帮助教师更好的调控教学，提升教学质量，同时满足学生不同的学习需求，提升学生学习的主动性。

关键词：教育大数据；在线学习；行为分析

一、背景和意义

在现代社会，信息技术已经融入我们生活的各个方面，传统的课堂教学模式已经无法满足现代社会学生的学习需求，现代社会要求学生借助在线学习平台变被动学习为主动学习。在线学习是一种基于建构主义，自我驱动性的自主式学习，以其自主灵活、使用便捷、内容丰富的特点逐渐得到普及。利用在线学习平台，学生可以根据自己的学习需要，有选择性的学习相关内容，从而更好地掌握所学内容，提高学习效率。在线教育平台可以根据学生自己的学习习惯、学习情况、学习能力制定个性化学习计划，增强学习的针对性，提高学生的学习效率。同时，在线教育平台不受时间、空间的限制，可以实现学生与教师之间、学生与学生之间的实时交流互动。

早在2016 年，教育部关于《教育信息化“十三五”规划》的通知中明确指出“要实现学生学习过程、实践经历记录的网络学习空间呈现， 依托网络学习空间逐步实现对学生日常学习情况的大数据采集和分析， 优化教学模式[1]。大数据与教育相结合，可以促进智慧教育的全面发展，通过对相关在线教育平台数据的采集、整理和分析，全面了解学生对知识的掌握的情况，进而进行学习预警。

我们知道大数据技术是统计学和计算机科学的交叉技术，主要作用对非常规（数量规模与数据结构）处理的数据，通过采集、清洗、汇集、分析等处理，挖掘出接近全集规模的数据之间的相关性与规律性，发现数据背后隐含信息，实现精确定位、辅助管理，产生有效应对，并可实时跟踪反馈与及时监控预测，将决策从“经验驱动”转变为“数据驱动”[2]。所以本文在大数据技术的背景下，针对中学生在线学习行为进行研究，提高学生在线学习的效果。

二、国内外研究现状

国外很多研究学者以及研究人员针对在线学习进行研究。2022年G Li发表《Effects of First-Time Experiences and Self-Regulation on College Students' Online Learning Motivation： Based on a National Survey during COVID-19》[3]，研究结果表明大学生的学业成绩无法有效预测他们在在线学习环境中的自我调节学习能力，在线学习动机最好通过认知存在来预测，其次是社交存在和教学存在。2022年B Adeyeye发表《Online Learning Platforms and Covenant University Students' Academic Performance in Practical Related Courses during COVID-19 Pandemic》[4]，研究结果表明，在Zoom和Moodle等在线平台上学习，可以有效的保证讲师和学生之间的沟通，所以学生希望看到COVID-19之后在线学习平台可以继续使用。2021年X Li发表《COVID-19-Related Stressors and Chinese Adolescents' Adjustment： The Moderating Role of Coping and Online Learning Satisfaction》[5]，研究结果表明，基于问题的应对和在线学习满意度可以直接促进青少年的适应，或作为应对压力源对调整的负面影响的缓冲，而基于情绪的应对是直接预测调整的脆弱性因素，或作为加强压力源与调整之间关系的风险因素。

国内教育者针对在线学习也有深入的研究。2022年孙金晓发表《基于教育大数据的学生学习行为分析与预测》，本文在"互联网+大数据"的背景下，以Edx开放数据为研究基础，从中选取用户基本信息，学习者行为信息，学习态度信息三个维度，构建特征指标，通过遗传k-means聚类算法建立学习者行为模型，构建学习者画像，从而判断其行为模式，学习动机，进一步通过朴素贝叶斯算法预测其学业通过率，为教育工作者提供教育决策依据[6]。2021年毛燕发表《大数据背景下在线开放课程平台学生学习行为分析研究》，讲述互联网+背景下职业教育教学改革的大方向下，在线开放课程不断推陈出新，充分利用大数据技术组建在线开放课程平台，为有需要的学生提供线上课程讲解服务。通过对学生在线学习数据进行分析，精确地掌握学生学习状态和课程资源质量[7]。2020年薛含笑通过文献研究法对在线学习行为研究现状进行了梳理分析，然后通过调查问卷法和访谈调查法收集某市中学生的在线学习数据，之后使用SPSS进行数据统计分析，分析了影响中学生在线教育行为的微观和宏观的因素，同时使用SOM算法对数据进行聚类，结合行为主义学习理论和认知理论逆向分析数据得到冲动场依存型、冲动场独立型、沉思场依存型、沉思场独立型四种学习类型，最后在四种学习类型的基础上结合湖城云课堂的后台数据，对每位中学生进行个性化的描述与学习需求分析，从而提升平台服务质量和学生的学习体验感[8]。

三、研究内容

本文在大数据背景下，以学生、教师等要素相互交互、影响以及作用所构成的异质网络为基础，收集河南师范大学附属中学的学生行为数据，通过中学在线教育的学生行为预测平台对收集的数据进行分析，对网络学习者提供具有个性化的学习计划，同时帮助教育者根据学生行为预测结果调整教学内容，教学方法等，增强学生的学习效率，从根本上做到因材施教。

1、研究对象

本文以本地中学，2021-2022年两个学期的初中学生为研究对象，采集初高中学生参与在线学习的行为数据，包括学生基本信息、参与学习方式、学习时长、对线上课程内容的理解等数据。

2、中学生在线学习行为分析

（1）学生基本信息。本次参与线上学习的学生包括7864位初中生，6325位高中生，各年级人数分布如表1所示。

（2）参与学习方式。已有数据显示，学生目前采用线上学习方式占比最大的是观看视频资源（29.98%），次之是直播视频（26.5%），观看录课视频的学习占比为19.8%，观看直播+录播视频的学习占比为9.87%，章节学习占比为3.8%，资源包学习占比为2.67%，其他形式占比0.65%。如图1所示。

（3）在线学习时长。如图2所示，在线学习时长20分钟以下的占比为2.1%，20-30分钟占比为21%，30-40分钟占比为30.5%，40分钟以上占比为46.4%。

（4）对线上课程内容的理解。据数据显示，学生对线上课程内容的理解程度如图3所示，有48.9%的学生完全能够听懂，47.2%的学生能听懂一部分，只有3.9%的学生一点也听不懂。

（5）对线上教学平台使用的满意度。根据数据统计显示，学生对线上教学平台使用的满意度如图4所示。其中20.1%的学生表示很满意，50.2%的学生表示满意，26.6%的学生表示一般，1.68%的学生表示不满意，1.2%的学生表示很不满意。

四、结论和建议

首先，在线学习平台可以实时记录学生的学习过程，将学生学习行为和各类数据得以保存，通过对中学在线教育学习平台中学生行为预测，比较多个行为数据变量之间的相互关系，将学生的学习过程、学习情况以及学习结果以数据的形式直观呈现出来，有利于教师更好的调控教学，提升教学质量。

其次，教师可以根据在线学习反馈的数据信息制定个性化分析，针对不同学生的不同特点，制定出自身特征的学习计划，满足不同阶段学生的学习需求，提升学生自主学习能力。

最后，教育者可以利用在线学习平台有意识的培养学生学习的主动性，培养学生对知识目标的理解、组织和整合能力，教育者可以结合大数据反馈出的学生学习行为，帮助学生了解自己的学习进程，及时对学习加以反思，改进学习方式。

参考文献：

[1]田沁艳，郑元景.大数据契入思想政治教育的必要性与可行性[J].佳木斯大学社会科学学报，2018，36（02）：88-91.

[2]王 博.基于大数据的在线教育学习行为分析技术研究[J].电子世界，2020，（24）.

[3]Li G ， Luo H ， Lei J ， et al. Effects of First-Time Experiences and Self-Regulation on College Students' Online Learning Motivation： Based on a National Survey during COVID-19[J]. Education Sciences， 2022， 12（4）.

[4]Adeyeye B ， Ojih S E ， Bello D ， et al. Online Learning Platforms and Covenant University Students' Academic Performance in Practical Related Courses during COVID-19 Pandemic. 2022.

[5]Li X，Tang X，Wu H ， et al. COVID-19-Related Stressors and Chinese Adolescents' Adjustment： The Moderating Role of Coping and Online Learning Satisfaction[J]. Frontiers in Psychiatry， 2021，12.

[6]孙金晓.基于教育大数据的学生学习行为分析与预测[J]. 电子技术与软件工程， 2022（3）：4.

[7]毛燕.大数据背景下在线开放课程平台学生学习行为分析研究[J].知识经济， 2021（23）：2.

[8]薛含笑.中学生在线学习行为以及影响因素分析[D].广州大学，2020.

依托项目：《河南省教师教育课程改革项目》2020-JSJYYB-019

第一作者简介：杨磊（1981.02-），男，汉族，籍贯：河南新乡人，学历：本科，职称：讲师，主要从事物计算机应用研究，