SCI论文（www.lunwensci.com）:
摘要：分析高职教学面临的问题，研究大数据技术在高职学情分析中的应用，从数据采集、数据分析维度、分析结果的应用等方面开展研究，以此帮助高职院校和教师更精准的育人。为大数据与教育领域的结合提供了一种可行思路。
关键字：大数据；学情分析；高职教育
本文引用格式：刘颖,等.基于大数据技术的高职学情分析[J].教育现代化,2019,6(77):310-312.
一 引言
作为信息技术领域的又一创新浪潮，大数据正在引领信息革命进入新的时代。大数据经过前几年的概念热炒之后，逐步走过了探索阶段、市场启动阶段，当前已经在接受度、技术、应用等各个方面趋于成熟，开始步入产业的快速发展阶段。大数据领域包含数据管理、系统运维、系统开发、数据分析与数据挖掘等方面等技术方向。
2015年8月31日国务院发布的《促进大数据发展行动纲要》中指出“数据已成为国家基础性战略资源”，并在启动的十大工程之一“公共服务大数据工程中”明确提出要建设教育大数据。教育领域的大数据指在整个教育活动过程中所产生的以及根据教育需要采集到的、一切用于教育发展并可创造巨大潜在价值的数据集合。教育领域大数据如何服务于教学全过程，是一个研究方向。大数据在高等教育中的作用[1]一文指出在学生学习过程中，每位学生都有独立的数据系统，根据数据分析结论改进教学手段。
本文主要研究数据分析技术在学情分析中的应用，从数据采集、数据分析维度、分析结果的应用等方面开展研究，以此帮助高职院校和教师更精准的育人。
二 高职教学面临的问题
学情分析是教学研究的重要部分，做好学情分析是教师必备的工作。在招生形势严峻、高职教学逐步改革发展的今天，学情分析不仅限于课堂上的教与学，而是扩展延伸到更广的范围。从招生情况，学校教学活动，到毕业后学生工作追踪，都需要进行分析。以前的研究大多对在校生情况分析，随着大数据技术的兴起，我们能分析更多的数据，建立恰当的数据模型，建立长效跟踪分析机制。分析结论为招生、教学、就业、专业改革提供理论支持。调研发现高职教学的特点和问题集中在以下几点。
（一）生源多样性，基础差异大
以北京高职院校为例，学生生源主要由三部分组成。一是自主招生北京生源，学生主要来自职业高中、中专院校和普通高中，其中职高和中专毕业的学生居多。二是统招北京生源，主要是普通高中毕业参加高考入校。三是统招外省市生源，参加高考入校。这三种生源的学生技能、知识、素养均有较大差异。自主招生的学生已经具备了一定技术技能，但学习习惯有待提高。外省市学生文化基础较好，但缺乏实践操作经验。那么在教学中就要做到以人为本、因材施教，分层教育，对不同生源的学生有不同的要求和教学方法。“互联网+”背景下高职教育的学习需求与学情分析[2]对高职学生生源进行了分类和分析，提出要根据新学情进行课程设计。
（二）学习主动性较差
大多数学生是被动的接受知识，缺乏主动探究的精神。究其原因，主要是学生成就感缺失，学习态度不良，学习动机的缺失和教学方法不当。如果对高职学生采用灌入式教学方法，很难达到教学效果[3]。需要针对不同学生，找到他们学习的内驱力，激发学习动力。
（三）课程体系还需进一步完善
高等职业院校一般按照“行业人才需求→专业目标定位→企业职业岗位→对应岗位工作过程”的思路构建模块化课程结构，其中实践教学比例不低于百分之五十。但课程设置是否合理，是否确实满足岗位要求，都需要根据学生学习效果以及就业后的反馈来进行调整。
（四）教学方法还需进一步改革
在各课程的教学中，应用启发式、引导式、激发式教学方法，改变以往的注入式教学方法。将实际的项目融入到教学过程中，将真实的企业案例引入到课堂中，让学生真实感受到所学知识在实际工作中的应用。采用案例化的方法进行讲解，能提高了学生学习的自觉性和主动性，用实际案例讲解技能知识，使学生更容易接受。对实践性较强的专业课，应采用做中学的方式，以培养学生的岗位实践能力为核心，注重对学生职业行为的培养。
三 利用大数据技术分析学情
（一）数据采集
利用大数据分析学情的目的是帮助教师精准育人，分析的第一步是采集数据。大数据中的数据来源是非常多，类型也多种多样，因此强调数据采集的高效性和可用性。大数据在数据采集方面使用的技术主要有以下几种:
（1）网络数据采集方法
通过网络爬虫或网站公开API等方式从网站上获取数据信息。该方法可以将非结构化数据从网页中抽取出来，将其存储为统一的本地数据文件，并以结构化的方式存储。
（2）系统日志采集方法
很多互联网企业都有自己的海量数据采集工具，多用于系统日志采集。比如facebook开发的开源日志收集系统Scribe，能够从各种日志源上收集日志，存储到一个中央存储系统（可以是NFS，分布式文件系统等）上，以便于进行集中统计分析处理。
在学情分析中，主要使用系统日志采集法，再以调查问卷、网络调查、座谈等方法为辅助，收集学生的学习行为。数据内容包括以下几方面:
（1）学生上网行为和上网痕迹
课上课后访问了哪些网站，是否与学习相关，访问时间、停留时间，提取关键字。
（2）学习过程
课上课后学习留下的痕迹。随堂在线测试情况，在线学习时间，学习内容。对于建设了在线学习平台[4]或云学习空间[5]的院校能采集在线学习过程数据。数据分为静态数据和动态数据。静态数据主要包含学生基本信息和课程基本信息。动态数据内容很丰富，学生打开的学习网页，浏览的时间，下载的教学资源，收藏的文件或主页，在线时间及时间段等，都可以通过在线学习日志系统采集出来。
（3）学习评价
评价由形成性考核和期末考核组成，对专业课而言形成性考核包括平时成绩和实践成绩。平时成绩主要考查课堂提问、讨论回答的主动性、正确性，课堂纪律遵守的自觉性，课堂出勤；实践成绩主要考核作业完成情况及实践实训情况。
（4）毕业生就业情况
就业率、专业对口率、薪资水平。定期追踪岗位、职业变化。企业调研，获取学生技能与岗位的匹配情况。
（二）数据分析
（1）学习过程分析
学习过程分析分为两部分，首先每个学生有独立的分析数据，其次，不同生源的学生有一个汇总分析，统计出某类学生整体学习效果。
细化分析维度，包含学生对哪些课程有兴趣，掌握了哪些知识点，学习专注度，在线测试中哪些题目正确率高，答题全部完成时间，每道题目所用时间，课后学习时间、内容等多个维度。
（2）学习评价分析
每门课程都有独立的分析数据。哪些内容学生掌握较好，对哪些技能知识关注度高，技能知识的难度分析，哪些知识能激发学生兴趣。实践项目完成率和优良率。
（3）就业情况分析
对学生的就业情况进行分析，课程设计、技能知识是否符合企业岗位要求。
四 学情分析结果反馈于教学过程
教学过程不再局限于课堂教学，从自主招生学生专业认知开始一直到就业，都需要教师全过程参与。学情分析结果对全过程教育起到促进作用，具体表现在以下几个方面。
（1）在招生时，对不同生源的学生有一个较全面和客观的基本概貌。针对不同生源学生的兴趣点宣传招生政策。
（2）完善课程体系。在构建课程架构时，根据学情反馈调整课程科目，增加选修课，让学生多元化发展。
（3）教师在设计课程时，根据学习过程、学习评价、就业情况的分析结果，为不同类型、不同层次的学生制定分层教学内容和教学方法。在教学过程中，根据学生单元技能知识的掌握情况，适当调整教学内容。教学方法上因材施教，对不同学生采用不同的方法。例如大部分统招学生课堂上认真学习，但可能没找到合适的学习方法，最后真正接受和吸收的知识有限。利用学情分析结果，定位这类学生，帮助他梳理知识点，通过搭建“脚手架”，训练他们能自己构建知识架构。
（4）教师在教学过程中能实时掌握学生的每一个动作。学习并掌握每个知识点花费的时间、进行了哪些知识点的独立自主学习，采用了哪些学习方法。在后续学习时，教师能为不同学生制定个性化的学习目标和学习内容。
（5）根据学生特长特点、学习效果，推荐有助于学生进一步发展的岗位就业。例如北京生源学生一般头脑灵活、见识广，有一定的组织能力，沟通能力较强，可以推荐这类学生从事项目管理类工作。
五总结
大数据与教育的融合为教育全过程带来了诸多好处。教育决策从经验主义走向数据主义，教育评价从宏观评价走向微观评价，教师教学从大班教学走向精准教学。教育数据的合理、合法、有效，对数据进行分析应用，促进了教育的智慧化。下面将进一步研究学情分析的正反馈机制，利用大数据技术对学情的分析结果，实时、有效地为教学改革提供依据。
参考文献
[1]李艳秋.大数据在高等教育中的重要作用[J].教育教学论坛,2019,(17):3-4.
[2]蒋寒宇.“互联网+”背景下高职教育的学习需求与学情分析[J].才智,2019,(11):100.
[3]王燕子.浅析高职学生学情现状[J].机电教育创新,2019,(5):187-188.
[4]张晖,王炜.基于在线学习平台的学情大数据分析[J].中国信息技术教育,2017,(9):76-78.
[5]王希哲,黄昌勤,朱佳等.学习云空间中基于大数据分析的学情预测研究[J].电化教育研究,2018,(10):60-67.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/29598.html
