基于大数据环境的在线学习行为干预原型系统设计与开发.pdf

第 17 期2023 年 9 月无线互联科技Wireless Internet TechnologyNo.17September,2023基金项目:2021 年湖南省教育厅科学研究项目;项目名称:大数据环境下的在线学习干预模型研究;项目编号:21C0976。作者简介:刘纯(1983),女,湖南岳阳人,副教授,硕士;研究方向:计算机。基于大数据环境的在线学习行为干预原型系统设计与开发刘 纯(湖南安全技术职业学院,湖南 长沙 410151)摘要:在线学习已成为当前较为重要的学习方式,但在线上环境中,学习者容易出现自主学习力较弱、持续参与力较低的情况。因此,文章针对基于大数据环境的在线学习行为干预原型系统设计与开发进行了研究。该系统旨在通过利用大数据分析及机器学习技术,为学习者提供个性化的学习建议及干预措施,以此优化学习效果。文章详细介绍了系统设计的总框架,包括数据收集处理模块、用户行为分析模块、策略生成模块和反馈与评估模块。通过系统测试实验,验证了系统的稳定性,并展示了系统在响应时间、吞吐量及可用性方面的优越表现。研究结果表明,该系统具有重要的应用潜力,在线学习行为干预原型系统的设计为线上学习提供了更为便利的技术手段,对提高学习者的学习效果有一定帮助。关键词:大数据环境;在线学习;行为干预;原型系统中图分类号:TP399 文献标志码:A0 引言 随着大数据技术的迅速发展,教育领域逐渐开始利用该技术对教学模式及学习过程进行优化,在线学习已经成为现代教育的重要组成部分1。行为干预原型是指在教学系统的设计和开发阶段,创建的一个初步的基本模型,用于验证和演示系统的核心功能和潜在效果2-3。行为干预原型在基于大数据环境的在线学习中起着关键作用,通过构建一个行为干预原型,研究人员和开发团队可以快速验证系统的核心功能,了解系统的潜在效果、识别潜在问题,并根据用户反馈进行改进和优化。因此,本文研究了基于大数据环境的在线学习行为干预原型系统设计与开发,通过分析学习者的行为数据,为其提供个性化的学习建议和干预措施,帮助学习者更好地实现学习目标。1 基于大数据环境的在线学习行为干预原型系统总框架 在线学习行为干预原型系统的总体架构设计主要包括 4 个模块:数据收集与处理模块、用户行为分析模块、干预策略生成模块和反馈与评估模块,具体的系统框架,如图 1 所示。图 1 在线学习行为干预原型系统总框架设计601第 17 期2023 年 9 月无线互联科技软件开发No.17September,2023 在该系统中,数据收集与处理模块用来获取基础数据,用户行为分析模块负责建立决策过程,干预策略生成模块主要用来执行决策,反馈和评估模块可以帮助用户实现自我评估。2 系统各模块设计2.1 数据收集与处理模块 数据收集与处理模块主要用来获取用户在学习平台上的行为数据。数据采集从在线学习平台或其他数据源收集原始学习数据,包括用户行为记录、学习材料、评估数据等。在存储采集到的数据时,采用适当的网络爬虫技术,获取数据并存储为原始数据文件,具体如图 2 所示。图 2 网络爬虫数据获取经过以上的网络爬虫获取后,对采集到的数据进行去除噪声和异常值的处理,以此来确保数据的准确性和完整性;该模块将清洗后的数据存储在合适的数据库中,以便后续分析和处理使用。具体的数据清洗有以下步骤。(1)去除重复数据:检查重复记录的数据并将其删除,以确保数据的唯一性。(2)处理缺失值:检查数据中的缺失值,并根据情况选择相应的处理方法,如删除含有缺失值的记录、插补缺失值或使用默认值代替。(3)处理异常值:识别和处理数据中的异常值,使用统计方法(如 3 原则)进行处理,如删除、替换为合理值或插值等预处理步骤,使其适合后续分析和处理。将清洗后的数据存储在适当的 PostgreSQL 数据库中,以便进行后续的用户行为分析。2.2 用户行为分析模块 用户行为分析模块通过分析学生的行为数据,提供个性化的学习建议和干预措施,以提高学生的学习效果。该模块会从行为数据中提取有价值的特征,在考虑学习环境的后使用序列分析方法中的马尔科夫模型(Markov Model),分析学生的学习行为序列,从而确定用户的行为模式。在特征提取完成后进行用户建模,根据学生的行为特征及上下文信息构建用户画像,包括学习偏好、学习风格、学习能力等。使用机器学习算法,以逻辑回归预测学生对不同学习资源的兴趣程度。最后,该模块根据学生的行为特征和用户画像,对学生的学习行为进行评估,评估内容包括学习活跃度、学习效果等。2.3 策略生成模块 该系统的策略生成模块主要根据学习者的行为数据及信息,生成个性化的学习干预策略,以帮助学习者改善学习体验、提升学习成绩。该模块会根据用户行为分析模块中提取的特征结果,对学生的学习行为进行分析评估,其中涉及学习活跃度、学习效果、学习进展等评估项。系统根据评估结果确定学生的个性化学习目标,推荐适合学生的学习资源。该模块会自动基于学习资源的内容、难度、学习方式等因素进行匹配,推荐包括:在线课程、教材、练习题等参考资料。根据学生的个性化学习目标和评估结果,帮助学生调整学习计划,制定学习时间表、设定学习阶段性目标、安排复习时间。2.4 反馈与评估模块 反馈与评估模块会定期向学生提供学习监督反馈,跟踪学生的学习进展,并督促学生保持学习动力。反馈内容包括学生的学习成果、参与度、学习行为等方面,旨在鼓励学生积极学习,纠正学习中存在的问题。模块会持续跟踪学生的学习行为和评估结果,根据实时反馈及学习进展进行更新和调整,通过实时监测学生的行为数据,定期评估学生的学习成果,根据学生的学习情况系统会提出个性化的学习建议,并给予一定的干预措施。将反馈分析结果与系统性能评估结果进行关联分析,以获取综合的反馈信息,以此来了解干预策略的效果、用户感受及系统运行状况。将反馈与评估结果应用于系统改进和优化,系统会根据学习者的反馈调整改进干预策略,优化系统的功能设计,为学生提供更好的学习体验。3 系统测试3.1 实验准备 为测试基于大数据环境的在线学习行为干预原型系统的性能,实验选择 A-Platform 平台,服务器型号为 B-Server,配置为 Intel Xeon E5 处理器、64 GB 内存和 1TB 硬盘。实验过程中准备适量的学习者行为数据,包括学习日志、交互记录等,并确保数据集具有多样性和代表性,实验选择响应时间、吞吐量和系统可用性作为评估系统性能的关键指标。将准备好的学习者行为数据导入到系统中,以构建实验数据集,在 B-Server 上部署 A-Platform,并按照平台的要求进行配置设置。设计一系列实验场景,涵盖系统的不同功能和使用方式,以测试系统在不同负载和情境下的性能,最后执行实验场景设计,并记录关键数据指标,每个实验场景应重复多次,以获取可靠的平均结果。701第 17 期2023 年 9 月无线互联科技软件开发No.17September,20233.2 实验结果 对实验结果进行分析整理,计算平均响应时间、吞吐量和系统可用性等指标。根据分析得到的数据,生成实验结果表,以清晰地展示系统的各项性能,挑选其中的 5 个场景进行实验结果展示,具体的实验数据,如表 1 所示。表 1 测试实验结果实验场景 响应时间/ms 吞吐量/(请求s-1)系统可用性/%场景 1102.21121.2798.8场景 285.25150.2198.7场景 3120.31100.3999.5场景 495.89110.8799.6场景 5115.3395.8598.4根据实验结果可知,基于大数据环境的在线学习行为干预原型系统在多个方面表现出色,实验结果显示,系统的平均响应时间在 85.25 120.31 ms,表明系统能够在短时间内快速响应用户请求,提供高效的学习体验。实验场景 2 的平均吞吐量达到 150.21 请求/s,意味着系统能够同时处理大量的请求,保证用户流畅使用。实验场景 4 显示系统可用性达到99.6%,说明系统的稳定性和可靠性较高,用户可以随时访问系统并进行学习活动,不会受到系统故障或不稳定性的影响。在线学习行为干预原型系统在响应时间、吞吐量和系统可用性方面表现优秀,能够提供高效、可靠的学习服务,可以为用户提供优质的学习体验,支持对学习者实施有效的学习行为干预,并为用户提供个性化的学习建议及指导。4 结语 通过利用大数据和机器学习技术,能够更好地理解学习者的行为特征和学习需求,为其提供个性化的学习支持。不仅有助于提高学习者的学习效果,还为教育领域提供了创新的教学方法。该系统在处理大规模的学习者数据、提高预测和干预的准确性等方面,仍然存在一些挑战及改进空间,需要在未来的工作中进一步研究优化,以便为用户带来积极影响,提高用户的学习能力。参考文献1刘莹,杨淑萍.大数据背景下的智能型自适应在线学习行为研究 J.继续教育研究,2023(6):58-62.2缪玲,张尚先,燕紫君.在线学习空间数据驱动的学生评价指标体系构建J.广州广播电视大学学报,2023(2):21-28,107-108.3宋丽哲,魏顺平,孙煜.基于主成分分析的在线学习者评价模型构建研究J.天津电大学报,2023(1):22-29.(编辑 姚 鑫)Design and development of online learning behavior intervention prototype system based on big data environmentLiu Chun Hunan Vocational Institute of Safety Technology Changsha 410151 China Abstract Online learning has become an important way of learning but learners are prone to the difficulties of weak self-learning ability and low continuous participation in the online environment.Therefore this paper focuses on the design and development of online learning behavior intervention prototype system based on big data environment.The system aims to optimize learning outcomes by using big data analytics and machine learning techniques to provide learners with personalized learning recommendations and interventions.This paper introduces the general framework of system design in detail including data collection and processing module user behavior analysis module strategy generation module and feedback and evaluation module.The stability and performance of the system are verified by system test experiments and its superior performance in response time throughput and system availability is demonstrated.The research results show that the system has important application potential the design of online learning behavior intervention prototype system provides a more convenient technical means for online learning which is helpful to improve the learning effect of learners.Key words big data environment online learning behavioral intervention prototype system801