大数据环境下高校信息化教学模式研究_赵靖岩

大数据环境下高校信息化教学模式研究

赵靖岩，胡振波

（长春大学公共外语教研部，吉林长春130022）

摘

要：构建信息化教学模式是大数据时代高校教学展开的基础。以目前高校信息化教学面临的实际问题为切入

点，剖析大数据的特征及内涵，归纳大数据环境下的信息化教学模式的六个构成要素：教育思想或理论、教学目标、教学程序、教学方法、教学结构、学习环境，据此构建基于大数据的高校信息化教学模式架构，进而提出在高校开展信息化教学模式的路径。

关键词：大数据；信息化教学模式；实现路径中图分类号：G250.2;G434

文献标识码：A

文章编号：1007-7634（2016）01-92-04

Research on the Informative Teaching Mode of University under the Environment of

Big Data

ZHAO Jing-yan HU Zhen-bo

(Departmentof Public Foreign Language Teaching, Changchun University, Changchun 130022，China)

Abstract:The construction of informative teaching mode is the foundation of the university education in the big data era.

DOI:10.13833/j.cnki.is.2016.01.018

Based on the actual problems faced by the university's information technology, the characteristics and contents of big data objectives, teaching programs, teaching methods, teaching structure and learning environment. The construction of university informative teaching mode based on big data is constructed, and the way to carry out the teaching mode in colleges and universities is put forward.

Keywords:big data; informative teaching mode; realizing way opment ：Challenges &Opportunities ”，明确提出大数据时代已要》的通知，探索发挥大数据对变革教育方式、促进教育公

【2】

平、提升教育质量的支撑作用”。近年来信息化教学模式

are analyzed, and the six elements of informative teaching mode are summarized ：the educational ideas, teaching

2012年，联合国发布大数据白皮书“Big Data for Devel ⁃

才【3】，其现存教学模式很难满足创新型人才培养的需求，故需变革和重构现有的信息化教学模式。通过分析国内外高等教育信息化发展脉络和演进轨迹发现，大数据时代的高等教育已经从强调平台即服务、软件即服务转向强调数据即服务的新范式【4】。翻转课堂、MOOC 和微课程的兴起形成了海量的数据【5】，如何有效利用大数据技术促进信息技术与教育教学的深度融合成为重要议题，即构建基于大数据的信息化教学模式具有积极的理论和现实意义。

经到来【1】；国务院2015年8月印发《促进大数据发展行动纲

研究已渐渐被关注，国家总理李克强将“互联网+”上升到国家战略层面，将其纳入2015年《政府工作报告》中，随后学术研究者探讨“互联网+教育”。新媒体联盟与美国高校教育信息化协会联合发布的《2015地平线报告高等教育版》阐述未来五年极有可能影响高等教育变革的棘手挑战是教育模式的竞争，此问题尚需更多数据分析和观点归纳来解决，这正是大数据急于解决的问题。

大数据时代对人才的需求发生了深刻的变化，即未来的学习者应该是能够善于利用技术进行终身学习的创新型人收稿日期：2012-08-31

作者简介：赵靖岩（1969-），男，主要从事英语语言学研究.

1高校信息化教学模式所面临的问题

（1）传统教学模式根深蒂固；传统教学主要依据奥苏贝尔的“学与教”理论【6】，其内容涵盖“有意义接受学习”:理论、“先行组织者”教学策略以及“动机”理论。教师按照自己的

思路讲课，完成教学任务，学生处于被动接受的状态，缺少有效教学策略激发学生的学习兴趣，导致学生丧失了获取知识的能力和创新能力。

【7】

的构成要素, 其阐释构成要素的观点分为三要素说、四要素说、五要素说:即三要素说:教学结构、教学过程、教学方法；四要素说:教师、学生、教学内容、教学媒体；五要素说:理论基础、目标倾向、实现条件、操作程序、效果评价；综合上述观点，将教学模式的构成要素分为：教育思想或理论、教学目标、教学程序、教学方法、教学结构五大要素。

结合信息化教学模式的特点，按照钟志贤教授定义中所说，信息化教学模式是教学模式在信息时代的新发展，是基于技术的教学模式，信息技术已变为支持学习的环境条件，学习环境成为信息化教学模式构建的必要因素，综上所述，信息化教学模式构成要素包括教育思想或理论、教学目标、教学程序、教学方法、教学结构、学习环境。因此，大数据时代高校信息化教学模式，是指运用大数据的思维方式，利用大数据技术从各类学习环境中，挖掘有意义的学习信息，并对信息进行存储与加工，进而形成稳定的教学活动结构框架和活动程序。

（3）教育大数据演变过程。

从大数据思维的角度来看，数据即信息，信息即知识的来源。数据需要产生、积累、存储、挖掘、分析、运用、转换等，其过程是数据、信息、知识的转换和价值的转换【4】，结合大数据在教育领域的应用现状，进一步剖析教育大数据的演变过程。原始的教育数据只是教育大数据的基础，如图2所示，通过对采集到的各种数据进行教育数据挖掘，构建高校信息化教学模式，发现教育变量之间的关系，赋予数据相关意义，才能使数据变为信息；经过分析和综合，形成教育性知识；最后通过实践应用，教育性知识才能上升到智慧层次，为教学研究与教学决策提供指导。

（2）教学目标单一化，传统教学效果快而明显，且易于教学开展。目前高校由于教育资源限制，人才的培养同质化现象严重。传统教学有教师的监督、情感交流，按照培养方法完成相应教学活动。这种教学模式体现一定地秩序性，易于教学开展，但在一定程度上限制了学生创新能力的培养。

（3）以教师为中心的教学结构固定化，学习结果的评价标准模式化。高校信息化教学未能真正体现以学习者为中心，教学服务意识较差，应对不了学生群体的适应性需求，未能对个性化自主学习提供支持。传统教育评价的主体是教师，主要考核学生对知识的掌握程度，一般以学科知识考试的形式来进行，主要关注学习结果的评价，即学习结果的评价机制单一化现象严重，评价内容、评价方式单调，缺乏个性、多元和弹性【4】，或者只能收集到片段化的评价信息，缺乏可靠的判断依据而过于依赖经验判断或者主观评价。

（4）信息化学习环境的质量及其可用性均有待改善。由于硬件、软件和管理维护问题，高校建设的实验教学中心和自主学习中心对学生学业的贡献度并不高，形成了“高科技、低效率”的尴尬局面【4】。随着近期开放教育资源MOOC 大量激增，清华大学推出国内首个可获得证书认证的MOOC 拥有了巨大的注册量，但课程完成率在5%-10%左MOOC 项目，杭州师范大学已开展MOOC 学分互认【8】。

右【9】。

2大数据环境下高校信息化教学模式概念界定

（1）大数据特征及内涵剖析。

大数据具有5V 特征（如图1）：数据量大（Volume ）、实时性强（Velocity ）、种类多（Variety ）、价值大（Value ）、真实性强（Veracity ）等特点。大数据沿着“数据—大数据—分析和挖掘—发现和预测”的方向发展【5】，重在对多维、异构数据的深度挖掘与科学分析，以寻求数据背后的隐含关系与价值。与从宏观角度来阐释大数据的应用前景和价值相比，更应从微观视角来理解大数据的内涵，即它是一种新的思维方式、一种新的问题解决方法【5】。

图2教育大数据的处理过程

3基于大数据的高校信息化教学模式架构研究

2015年9月，教育部办公厅颁发《关于“十三五”期间全

面深入推进教育信息化工作的指导意见》，根据文件中规定

的“十三五”教育信息化的基本原则，将大数据时代高校信息化教学模式改革的价值取向定位在数据驱动式教学，进而助推教学信息化、学习个性化、教学决策科学化、教学管理精细化。

图1大数据5V 特征

依据信息化教学模式的构成要素，采用大数据技术支持的数据处理过程【10】，如图3所示，该高校信息化教学模式架构共阐释三个问题：即一是“大数据从何而来”，

从各级教育

（2）高校信息化教学模式概念界定。

研究信息化教学模式构成要素，首先必须界定教学模式

大数据中来，二是“大数据如何而用”，采用大数据处理技术来分析，三是“大数据为何而用”即为完善信息化教学模式而用。

先，区域或学校层面整合信息化教学与学生日常工作，目的是获得经过处理与分析从而提升教师的教学决策能力。其次，将相应的教学活动与管理活动通过相应的软件进行数字化，将通过这些数据分析并推荐合适的解决方案；然后，实现学习资源的数字化并将其建立属性上的关联，并为学生推荐更为合适的学习路径。

4基于大数据的高校信息化教学模式的实现路径

根据“数据是灵魂资产，分析和挖掘是手段，发现和预测是最终目标”指导思想，按照基于大数据的高校信息化教学模式架构，总结高校信息化教学模式的实施路径，如图4所示，四者之间相互联系，互为补充。

图3基于大数据的高校信息化教学模式架构

该模型主要由四部分组成：数据采集模块、数据处理模块、数据挖掘分析模块、数据应用模块组成。

（1）数据采集模块。

数据采集的对象包括：国家层教育大数据、区域层教育大数据、学校层教育大数据、课程层教育大数据与个体层教育大数据。国家层教育数据：主要汇聚来自各区域产生的各种教育数据；区域层教育数据：主要来自各学校以及社会培训机构、在线教育机构，主要包括国家标准规定的教育行政管理数据，区域教育云平台产生的各种行为与结果数据；学校层教育数据：主要包括国家规定的学校管理数据；课程层教育大数据是指围绕课程教学而产生的相关信息，包括课程基本信息、学生信息、课程资源（视频资源、电子教材、实验资源）、课程考核等数据；个体层教育大数据包括教师与学生的个人信息、用户各种行为数据（包括学习记录、学习过程信息等）以及用户状态描述数据。

（2）数据处理模块。

信息化教学环境中的海量数据结构类型复杂，且数据预处理与格式转换开销大，致使传统的数据采集方法的利用效率偏低【11】。针对这种情况，采用三种采集方法进行数据采集。第一种方式用分布式的存储架构来对数据进行处理，利用RDBMS 存储结构化数据、HDFS 存储非结构化与半结构化数据。第二种方式是针对网络非结构化和半结构化数据，利用网络爬虫进行原始网页抓取。第三种方式是针对结构化数据，利用Oracle 数据库导入的方式进行数据采集。

（3）数据挖掘分析模块。

数据分析模块是高校信息化教学模式架构的核心模块，其主要功能是进行基于Hadoop 平台的数据挖掘与分析。数据分析工作主要包括两部分内容：一是海量数据的特征检索与匹配；二是在Hive 平台上调用Mahout 中的海量数据挖掘算法进行并行计算，获取大量数据间隐含的知识模式。

（4）数据应用模块。

数据应用模块的主要功能是将数据分析模块的分析结果应用到学生的知识管理、内容管理、教学决策等方面。首

图4高校信息化教学模式的路径实现图

（1）“大数据驱动信息化教学”理念是基础。

目前用大数据分析驱动信息化教学的展开尚属较新的研究视角，其落地生根是复杂的系统工程，需要国家、高校及教师都树立正确的大数据理念，推动信息化教学模式展开。一是从国家层面，根据对各层教育大数据的分析，按照大数据发展战略，制定相关的具体实施政策；二是学校的教育管理人员通过数据分析哪些教育项目有利于提升学生的学习效果，从而进一步推广；三是培养教师“数据驱动教学”和“教学数字化”的理念，要求革新教育理念，构建基于大数据的人才培养目标。依据联通主义理念，将章节学习内容以知识图谱可视化方式呈现给学生，实现对知识的有效组织。

（2）培养具有数据分析能力的优秀教师。

《国家中长期教育改革和发展规划纲要（2010-2020年）指出：“强化信息技术应用，提高教师应用信息技术的水平，更新教学观念，改进教学方法，提高教学效果【12】。”教师是数据驱动教学的发起者和组织者，优秀教师是高等教育的宝贵资源【13】，具备一定的数据挖掘基础知识是新常态下高校教师必备功课。

如图5所示，首先，大数据时代的教师应根据国家政策，按照学校要求，积极感知学习者需求，培养自身的信息检索能力、知识推理能力和特定知识聚合能力。教师自身仍需丰富知识储备，包括本体性知识、条件性知识与实践性知识，一般情况下将教师的信息化教学能力归于实践性知识范畴。其次，高校应通过构建教师共同体的方式，积极开展教师培训，教授教师如何在复杂数据中寻找具有教学价值的内容。教师在信息化教学环境中，既要进行信息化教学实践，

更应

当具备数据分析能力，以适应大数据时代所带来的教育变革；其次，教师作为学生和信息知识之间的主要媒介，需要适应大数据时代的要求，由“传道授业解惑者”转为“教学相长

【12】的引导者”；其次，在专业理论教学中，占据较少的课堂时

变成了高度协作的社会建构活动，学习者需求逐渐由过去的被动接受过渡到定制式的个性化服务。MOOC 与翻转课堂能够实现个性化学习构建，学生的笔记、作业、实验、讨论记录等，包括结果性数据和过程性数据，监测个体学习轨迹和过程，用这些数据分析出更多、更精确的数据，可为个性化学习提供坚实的支撑【16】。

（5）提供配套信息服务，开展个性化学习资源推送和学习路径导航。

信息服务是以信息资源为基础，利用各种方法或技术手段对信息进行收集、整理，使用并提供相关信息产品和服务的一种活动【17】。大数据环境下的学习过程不在遵循传统的学习活动序列，学习内容也不固定在指定的教材，信息服务方式也需朝着个性化服务方向转化。随着各类学习资源的大量激增，需将海量学习资源有效聚合、转移和流通。

信息化教学模式的展开必须具备一定的环境条件，首先，要有实施多媒体教学的媒体设备，包括计算机、投影仪与音频设备等。其次，要具有运行稳定的校园网络，目前各个

间, 鼓励学生借助各种网络资源，以任务驱动方式，采取翻转课堂的教学形式，将实践教学环节和工作岗位教育理念融入课堂教学中，将理论知识、实践教学、工作岗位实践为一体，这是大数据时代培养学生的重点；最后，通过利用云计算整合教育资源，教师将工作重点转移到教学方法上，积极利用分组协作的方式，学生通过名师的教学视频学知识、学思维方式、学问题解决方法，为构建学习型社会打下坚实基础。

图5教师知识增长的途径高校都已实现光纤接入，能保障高清视频的流畅播放，使学生能够随时上网学习。其次，计算机、平板电脑及手机能完成视频课程的学习；最后，如何在海量教学资源中，找到适合学习者的学习资料。有两种解决方案，一种是“人找资源”的主动搜索，另一种是“资源找人”的信息推送【18】, 将海量学习资源有效聚合、转移和流通，从教育数据中挖掘出能满足其需求的学习资源，为其提供自适应、个性化的信息资源推送服务。

（3）利用大规模在线开放课程，构建信息化学习环境，保证数据来源的真实性。

将传统集体授课与大规模在线开放课程（MOOC ）相结合，充分发挥MOOC 作用，对学生的学习内容、学习进程进行监控，记录学生的学习内容和学习行为。针对不同的学生个体，制定详细的课程教学计划，使学生按照适合自己的学习步骤进行学习，满足不同学生的需要，最大限度地提高学生的能力。

按照布鲁姆的学习目标分类理论，学习需求分为：概念层次、理解层次和综合层次。在MOOC 学习环境下，当学习者处于初学阶段，提供基础性的、概要性的、结构良好的知识。随着学习者的不断深入，对各层次知识进行分类和聚类，寻找关联规则并可视化处理。其次，将具有相同兴趣爱好的人在学习社区中发动起来，促进学习者的知识进化与价值增值。

首先，改造现有学校课程教学系统：数字资源具有零复制成本特性【14】，即建成后的数字资源，享用的人越多，数字资源的价值越彰显，而且可在不增加投入的情况下自动发挥增值效应。完善现有的学校课程教学系统，增加名师教学视频，网络测试题库系统等，规范化地记录学生学习信息；其次：充分利用国内主流MOOC 平台：学堂在线与中国大学MOOC 平台等都推出了多门优质课程，其授课教师来自国内985高校，充分利用国内重点高校的教学视频资源，实现跨按照学校的要求，联合企业共同研发符合教学实际的课程教学系统。

（4）实施以学生为中心的教学结构，开展个性化教育。大数据改善学习的三大核心要素是：反馈、个性化和概率预测

【15】

5结语

对信息化教学模式的研究和推广, 将是推动高等教育信息化进程的必由之路。但大数据环境下的信息化教学模式研究是复杂的系统工程，信息化教学是动态化教学过程，其发展受到诸多因素的影响，应与时俱进地探讨信息化教学模式的实施路径，但有效地运用大数据理念来开展信息化教学是时代发展需要，也是高教改革发展的必经之路。

参考文献

1徐

鹏, 王以宁, 刘艳华. 大数据视角分析学习变革--美国通过教育数据挖掘和学习分析促进教与学报告解读及启示[J].远程教育杂志.2013，8(1)：11-13.

2国务院促进大数据发展纲要:培育10家核心龙头企业[DB/OL].http://finance.sina.com.cn/china/20150905/[1**********]0.shtml,2015-09-05.3王

靖，刘志文，陈卫东. 未来课堂教学设计特性：具身认知视角[J].现代远程教育研究,2015，11(1):71-78.4甘容辉，何高大. 大数据时代高等教育改革的价值取向及实现路径[J].中国电化教育，2015, （11）:70-73.5金

陵. 大数据与信息化教学变革[J].中国电化教育，

（下转第103页

）

2013，10(1):8－10.

校的学习交互，从而促进学习者的自主建构知识体系；最后，

。信息技术导致信息化学习环境的剧变，引发学习

方式变革，激发学习者新的信息需求。学习者的学习活动演

tween environmental knowledge and environmental atti ⁃tude of high school students[J].The Journal of Environmen ⁃tal Education, 1999, 30(3):17-21. 34陈泽志, 吴成柯, 刘

勇. 基础矩阵估计的加权归一化线

性算法[J].软件学报, 2001, 12(3):420-426.

35Acero A, Bernstein N, Chambers R, et al. Live search for

mobile:Web services by voice on the cellphone[C]//Acoustics, Speech and Signal Processing, 2008. ICASSP 2008. IEEE International Conference on. IEEE, 2008:5256-5259.

36Kiukkonen N, Blom J, Dousse O, et al. Towards rich mo ⁃

bile phone datasets:Lausanne data collection campaign[C].Proc. ICPS, Berlin, 2010.

37Heimonen T. Information needs and practices of active mo ⁃

bile internet users[C]//Proceedingsof the 6th International Conference on Mobile Technology, Application &Sys ⁃tems. ACM, 2009:50.

38Okazaki S. Determinant factors of mobile ‐based word ‐of

‐mouth campaign referral among Japanese adolescents[J].Psychology &Marketing, 2008, 25(8):714-731.

39Gao T T, Sultan F, Rohm A J. Factors influencing Chinese

youth consumers' acceptance of mobile marketing[J].Jour ⁃nal of Consumer Marketing, 2010, 27(7):574-583. 40扈

岩, 王天乐, 车宏生. 影响消费者接受3G 手机的因素研究[J].未来与发展,2009,30(8):41-46,30.

41Carbonell, X,Chamarro, A ; Griffiths, M ;Oberst, U ; Cl ⁃

adellas, R ; Talarn, A . Problematic Internet and cell phone use in Spanish teenagers and young students [J].ANALES DE PSICOLOGIA,2010,28(3):789-796.

（责任编辑：孙晓明）

MAL BEHAVIOUR, 1999,57(2):409-419.

24Elodie Briefer; Tomasz S. Osiejuk; et al. Are bird song com ⁃

plexity and song sharing shaped by habitat structure? An in ⁃formation theory and statistical approach[J].Journal of The ⁃oretical Biology, 2010,(262):151–164.

25Medina J M. Multiplicative processes and power laws in hu ⁃

man reaction times derived from hyperbolic functions[J].Physics Letters A, 2012, 376(19):1617-1623.

26Whitehead J C, Groothuis P A, Blomquist G C. Testing for

non-response and sample selection bias in contingent valua ⁃tion:analysis of a combination phone/mailsurvey[J].Eco ⁃nomics Letters, 1993, 41(2):215-220.

27Beede K E, Kass S J. Engrossed in conversation:The impact

of cell phones on simulated driving performance[J].Acci ⁃dent Analysis &Prevention, 2006, 38(2):415-421.28张29张

岩. 移动搜索需求及行为模型的实证研究[J].中国图珑. 移动学习在高等学校教学改革中的应用[J].计算书馆论坛, 2011,(10):1-24.机教育, 2010,(6):34-38.

30Mat ‐Hassan M, Levene M. Associating search and naviga ⁃

tion behavior through log analysis[J].Journal of the Ameri ⁃can Society for Information Science and Technology, 2005, 56(9):913-934.

31Hodson H. Wearable gadgets enhance symbiosis of man

and machine[J].New Scientist, 2012, 216(2886):22. 32Gromik N A. Cell phone video recording feature as a lan ⁃

guage learning tool:A case study[J].Computers &Educa ⁃tion, 2012, 58(1):223-230.

33Bradley J C, Waliczek T M, Zajicek J M. Relationship be ⁃

（上接第95页）

6刘旭健. 传统教学模式与信息化教学模式的分析比较[J].电子世界，2014, （3）:181-182.7姜

强，赵

蔚，王朋娇. 基于大数据的个性化自适应在

线学习分析模型及实现[J].中国电化教育，2015，（1）:85-88. 8学

人. 杭州师范大学开放“慕课”并实现学分互认[J].远

丽，郑勤华.MOOC 的发展脉络及其三种实

程教育杂志，2014，（3）：48. 9王志军，陈

践形式[J].中国电化教育，2014，(7)：63-67.

10吴晓英，明均仁. 基于数据挖掘的大数据管理模型研究[J].

2015, （11）:131-134.情报科学，

11国家中长期教育改革和发展规划纲要[EB/OL].http://

www.moe.edu.cn/publicfiles/business/htmlfiles/moe/moe_838/201008/94704.html,2014-09-20.

12陈琳，陈耀华. 以信息化带动教育现代化路径探析[J].

华. 大数据时代教育模式的研究[J].

教育研究,2013, (11):114-116.13杨淼淇，孙纳新，柴

计算机工程与科学, 2014,(4):273-274.

14唐斯斯，杨现民，单志广等. 智慧教育与大数据[M].北京:

科学出版社,2015:84.15汤

敏，慕课革命互联网如何变革教育[M].北京:中信出版社,2015：208.

16张树华, 王京山, 刘录茵. 数字时代的图书馆信息服务[M].

北京:北京图书馆出版社,2005:53.17丁继红，熊才平，刘18刘

静. 大数据环境下嵌入泛在学习过

程的信息服务模式研究[J]2015,(9):30-35.

军, 杨西龙. 信息化教学模式探讨[J],西南农业大学学

（责任编辑：孙晓明）

报(社会科学版), 2009,(12):187-189.