《大数据背景下数字教育资源服务的内涵、特征和模式》由会员分享，可在线阅读，更多相关《大数据背景下数字教育资源服务的内涵、特征和模式（10页珍藏版）》请在金锄头文库上搜索。
1、大数据背景下数字教育资源服务的内涵、特征和模式 余亮 陈时见 赵彤 西南大学计算机与信息科学学院 西南大学教育学部 摘 要： 随着移动互联网、云计算、物联网等技术的飞速发展, 数据正在快速地增长和累积, 大数据时代已经来临。在此背景下, 数字教育资源服务也将发展变化。文章通过系统分析数字教育资源服务中的大数据类型, 包括学习者生理监测数据、学习环境动态监测数据、学习过程记录数据以及人际网络关联数据, 阐述了大数据背景下数字教育资源服务的内涵是借助移动互联网、云计算、物联网等技术, 获取学习者、学习环境和学习过程相关数据, 通过对这些数据的整合、统计和分析, 为用户提供实时、个性化和精准化的服务
2、。由此明确数字教育资源服务的动态性、精准性、关联性以及实时性等四大特征, 进而提出基于共建共享、基于群体定位以及个性化追踪等三种数字教育资源服务模式, 为改进数字教育资源服务质量提供新的思路。关键词： 大数据; 数字教育资源; 服务; 云计算; 作者简介：余亮 (1979) , 男, 湖北黄陂人。副教授, 博士, 主要从事数字教育资源、网络与远程教育的研究。E-mail:。基金：重庆市研究生教育教学改革研究项目“面向多形态课程的数字资源特征及共享机制以免师硕士在线课程为例” (项目编号:YJG20163068) Study on Connotation, Characteristics and
3、 Mode of Digital Educational Resource Service in Big Data EraYU Liang CHEN Shijian ZHAO Tong College of Computer and Information Science, Southwest University; Faculty of Education, Southwest University; Abstract： With the rapid development of mobile Internet, cloud computing and Internet of things,
4、 big data era is around the corner because of the fast growth and accumulation of data. As a result, digital educational resource service develops and changes gradually. This paper firstly analyzes the big data of digital educational resource service, including physiological monitoring data, learnin
5、g environment monitoring data, learning process data and social network data, and then expounds its connotation, which provides users with real-time, personalized and precise service through acquiring, integrating and analyzing data related to learners, learning environment and learning process with
6、 the aid of mobile Internet, cloud computing and Internet of things. Finally, four characteristics of digital educational resource service (dynamics, precision, relevance and timeliness) are clarified, and three digital educational resource service modes (co-construction and sharing, group locating
7、and personalized tracking) are put forward, which provides new thoughts for improving the quality of digital educational resource service.Keyword： Big Data; Digital Educational Resource; Service; Cloud Computing; 一、引言随着移动互联网、云计算、物联网等技术的飞速发展, 数据正在快速地增长和累积, 大数据时代已经来临。大数据是指用常规软件工具难以抽取、管理和处理的数据集1。大数据不仅在
8、于数据量之大, 而且在于数据的层次复杂、非结构化, 其处理方式注重采用预测分析法及其他高级分析方法挖掘潜在价值, 服务于稳健决策。在教育教学领域, 教育管理信息系统、学习管理系统、教育APP 以及可穿戴设备等可以记录大量的学习者个体数据、学习过程数据以及学习环境数据, 这些数据即是教育领域的大数据主体, 具备数据体量大、类型多样、输入输出速度快、真实性等特征。2透过这些数据, 可以对学习者和教育教学过程进行多维度、立体化的分析, 即时描述学习现状, 甚至预测学习结果, 以便作出及时有效的教学干预, 提高教学效果。数字教育资源是为达到一定的教学目的而设计与开发, 支持教学活动开展, 以数字化形态
9、存储的课程材料3。数字教育资源作为教学内容的载体, 直接面向教师和学生, 其服务质量高低直接影响了可用性。近年来, 大规模在线开放课程、微课、微教学视频等多种新型数字教育资源的出现, 从形态和服务上都为用户提供了多元化选择, 改善了用户体验。然而, 数字教育资源服务仍存在与需求不匹配、缺乏动态适应性等问题。因此, 探讨大数据对数字教育资源服务的影响, 分析大数据背景下数字教育资源服务的内涵、特征和服务模式, 为改进数字教育资源服务质量探索新的路径。二、数字教育资源服务中的大数据类型数据是服务的基础, 服务的过程既要利用数据, 也会产生数据。梳理数字教育资源服务过程的大数据, 以便分析数字教育资
10、源服务的内涵和特征。在移动互联网、云计算、物联网以及人工智能等技术的支持下, 在数字教育资源服务过程中, 可以获取以下类型的大数据。(一) 学习者生理监测数据可穿戴设备是人体所佩戴, 能够实现特定的业务功能, 并实现各类生理数据收集, 进行持续交互的智能设备, 目前正广泛应用于民众的社会生活。据国际数据公司 (International Data Corporation, IDC) 调研分析, 2015 年可穿戴设备的出货量为 4570 万台, 比 2014 年的 1960 万台增长 133.4%, 2019 年预计出货量为 1.261 亿台, 2015 年到 2019 年年平均增长率为 45
11、.1%。4可穿戴设备应用于教育领域, 能监测学习者的各类生理数据, 如心率、血压、体温、皮肤电信号。如 Muse, 它是一种头带设备, 内置多个传感器, 监测学习者的脑电信号, 能够通过蓝牙网络与手机 APP 连接, 自动传输脑电数据, 从而分析学习者的学习参与度5。通过可穿戴设备, 这些数据经由无线网络传输到大数据采集中心, 进行处理和分析, 以判断学习者当时的生理和心理状态, 从而采取合适的教学策略, 改进教学的有效性。(二) 学习环境动态监测数据随着信息技术的发展, 创新实践活动逐步开展, 学习环境逐步趋向室内和室外结合、现实和虚拟融合。尤其是物联网技术, 使得走进自然、观测自然、深入探
12、究自然规律成为教学活动的重要组成部分, 学习环境也由教室扩展到自然环境。物联网在教育领域应用的典型案例, 如非洲三星工程技术研究院开发的光能教室原型, 完全采用光能供电, 针对非洲高热天气配备温度控制系统, 自动调节室内温度, 且通过 3G 网络将教室内所有设备连接起来, 如电源、冰箱、文件服务器、路由器、摄像机等, 以便于远端实现对教室设备的控制以及对教育教学活动的监视6。应用物联网技术, 感知室内学习环境的各种自然因素, 包括声、光、温度、空气质量等, 这些都可以量化, 作为大数据来源, 对其存储和分析, 以自动调控各项参数, 为学生创造更适于学习的条件;同时, 也可采集室外学习环境的数据
13、, 如野外植物生长环境, 包含经纬度、海拔、温度、湿度、光照、气压、风速、土壤等, 支持学习者开展探究式学习, 培养创造性思维。(三) 学习过程记录数据以往的学习评价注重学习结果评价, 对于促进和改善学习过程能起到一些作用, 但还远远不够;而能够起更大作用的评价, 应该是学习过程评价7。学习过程评价需以学习过程记录数据为基础。在信息化课堂教学环境中, 方海光等人提出了基于 PADClass 模型的学习过程分析, 数据类型包含互动、评价、作业、测试、学习结果以及活动等8。针对在线学习环境, Verbert 等人提出了一个用于描述学习过程中学习者行为的模型, 其包含数据类型和数据项, 行为类型包括
14、试误、创建/删除、写入/编辑、选择/去选、搜索、发送/接收、注册/移除注册、接收/拒绝 (交友) 、打开/关闭、添加/移除、标记/注释、评级、请求帮助、保存/下载, 登录/退出;情境类型包括时间 (时间戳和停留时间) 、位置、应用、活动以及影响9。在大数据背景下, 无论是信息化课堂环境, 还是在线学习环境, 这些学习过程中的数据都可以记录下来, 存储、汇总和分析, 便于实时了解课堂教学情况以及学习者的个体情况, 为个性化教学提供支持。(四) 人际网络关联数据联通主义学习观认为, 学习就是形成内部认知神经网络、概念网络和社会网络三个基本网络及其连接的过程, 个人知识组成网络, 该网络又融于组织和
15、机构的学习中, 反过来, 组织和机构的学习又反馈到个人网络中, 并继续为个人学习提供支持10。由此, 学习者的人际网络即是学习的一部分, 其在促进学习者构筑个人知识网络过程中发挥着重要作用。人际信息交流的基本结构模式有三种:来复式信息交流、汇流式信息交流和网络式信息交流11。前面两种分别属于“一对一”和“一对多”的形式, 而最后一种则是“多对多”形式, 是虚拟世界中典型的人际关系网络, 其结构呈网状。在 Web 2.0 时代, 人际网络趋于线上和线下融合、现实和虚拟融合, 人际网络结构为以上三种模式的结合, 属典型的自组织的复杂网络, 具备无尺度网络的拓扑结构特征。学习者人际网络中关联的人员、
16、人员之间的关系、小组的结构、组与组的关联形式等都构成大数据的来源。挖掘和利用这些数据, 对于建立合理有效的数字教育资源服务模式具有很大的启发意义。三、大数据背景下数字教育资源服务的内涵与特征在大数据背景下, 数字教育资源服务过程中可采集的数据类型多样、层次多元、结构丰富。数字教育资源服务以数据为基础, 这些数据的挖掘与利用, 将在一定程度上改进数字教育资源服务。因此, 需进一步探讨数字教育资源服务的内涵和特征, 从而建构数字教育资源服务的新模式。(一) 大数据背景下数字教育资源服务的内涵辞海对“服务”的定义如下:不以实物形式而以提供活劳动的形式满足他人某种需要的活动12。由该定义可以看出, 服务包含两层含义:一是服务对象向被服务对象提供劳动, 而不是实物, 因而在服务过程中服务对象并没有实物的消耗, 服务对象的劳动形式、内容以及被服务对象在服务过程中的体验决定了服务的质量;二是必须满足被服务对象的需要, 这种需要在服务前确定, 既可由被服务对象提出
