大数据视角下智慧教育生态系统需求分析与架构设计

2021-07-27周化钢黄志昌彭越

中国教育信息化·高教职教 2021年6期

周化钢黄志昌彭越

摘要：大数据正在改变传统学习方式，新学习方式的多样性是引发智慧教育的必然结果。文章首先对基于大数据的智慧教育进行了可行性分析，提出智慧教育生态系统的理念。然后从数据采集、数据分析、信息反馈等方面分析了构建智慧教育生态系统的功能需求，并提出了基本设计原则来构建基于第三方云服务的分布式数据智慧教育生态系统架构。该架构具有数据接口、应用接口和多技术融合的开放性特征，还具有智能收集教学信息、学习资源和社交媒体信息的共享性特征，并不断迭代优化智慧库的行为。该系统还可以提供实时智能数据分析，通过数据可视化提供监测预警能力及个性化学习资源的推送，实现智慧教育交互、协作和泛在的特征，最终目的是构建具有可持续性和平衡性的智慧教育生态系统。

关键词：智慧教育;需求分析;架构设计;大数据;软件生态系统

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2021）11-0071-05

一、引言

人类进入大数据时代，智慧教育也悄然兴起和蓬勃发展。张茂聪等[1]通过2010—2018年的文献分析发现，智慧教育的研究热点主要集中在三个方面：智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。国内研究主要由国家级的政策引导，分为四个阶段：2010年国务院印发《国家中长期教育改革和发展规划纲要（2010—2020年）》;2012年教育部印发《教育信息化十年发展规划（2011—2020 年）》;2015年国务院印发《国务院关于积极推进“互联网+”行动的指导意见》;2017年国务院印发《新一代人工智能发展规划》。这些国家级层面的规划和指导意见，引发了教育领域对“智慧教育”“智慧校园”“智慧课堂”“教育大数据”“互联网+教育”的研究热潮。尤其是大数据、人工智能和云计算技术的成熟，引发了智慧教育研究的新热点。但目前的研究大多聚焦于局部的智慧教育系统平台开发和应用，并存在很多问题。例如，开发的系统很难与现有系统兼容和数据共享，不断涌现的新技术也较难接入、更新和升级到系统中。因此，本研究首先从大数据引发的学习方式改变入手，重新对智慧教育主体进行需求分析，提出一种基于人工智能云基础架构上的智慧教育生态系统平台，以解决现有系统存在的问题。

二、大数据背景下的学习革命与智慧教育的形成

大数据给传统教育领域带来新的变革，主要体现在学习方式的改变。

1.泛读与碎片化学习

通过泛读和碎片化学习的方式来适应大数据下的知识爆炸问题。碎片化学习有利于学习者运用全新的思维方式，从海量信息中提取有意义的知识碎片，再结合原有知识，形成新知识体系[2]。所谓最新知识，如大数据、云计算等技术，其知识体系结构还在不断变化，信息量大。这些海量资源不进行優化提炼，就只能像快餐文化一样，通过泛读来获取新知识。

2.泛在学习与学习方式多样性

数字化、多媒体、移动网络和智能移动设备让学习方式呈现多样性。在线学习营造出随时随地的泛在学习环境。泛在学习在外语学习方面体现出较大优势，有学者通过大数据与AI技术的上下文分析，为学习者推测出更准确的单词含义[3]。

3.经验式学习

大数据的简单算法比小数据的复杂算法更有效[4]。今天的人工智能就是通过大数据提取经验、获取知识。正如计算机文字处理通过大量的语料库来替代早期推理算法，以实现机器翻译和语法检查。Google的AlphaGo通过大量棋谱学习获取技能，最终战胜人类专业围棋选手。更为奇特的是，2.0版本的AlphaGo是通过自身产生的大量自我对弈棋局来提供训练数据样本[5]。因此，基于大数据的“经验式学习”将改变传统案例教学法中的特定案例方式，从更多的案例分析中提取经验来促进学习。

大数据产生新的学习方式，也促进智慧教育在开放、共享、交互、协作和泛在方面趋于成熟，让智慧教育从愿景走向现实。

三、智慧教育生态系统可行性分析

美国的帕克（Geoffrey G. Paker）[6]将商业系统的模式分为应用级、平台级和生态级。应用级系统仅提供一个产品服务给单一用户群体;平台级相当于一个集市，允许生产者和消费者进行价值互动，只做平台的构建和管理服务，没有相关的产品;生态级是众多利益相关者及相关事物构成的整体[7]，通过开放和优惠策略吸引更多的参与者来形成利益共享，参与者通过价值链来降低商业成本，形成共同治理、相互依赖和协作关系的生态系统。

构建一个应用或平台系统牵涉到的技术越来越复杂，早期的智慧教育系统已经无法适应新环境、新技术的要求。由于基本支撑条件已经成熟，本文提出从更高层次构建智慧教育生态系统。

1.智能设备及网络基础设施不断完善

网络和计算机智能设备成本越来越低，如苹果公司推出100美元的教育版iPad、谷歌公司推出基于Chrome OS的廉价笔记本电脑及100美元左右的智能手机，这些产品加速了智慧教育时代的到来。

当前，计算机网络通信就像水、电、交通一样，成为社会民生的基础设施，而国家的校园网政策，也为智慧教育的实现铺垫了良好基础。

2.在线教育的普及

在线课程学习经历了四个阶段的发展过程（如图1所示）。在网络电视时代，早期的远程电视教育兴起，学生可以在家里完成课程学习并取得学位，其缺点是课程时间固定，学生必须依靠电视机学习，且学习内容不可回放，容易错过学习时间。在互联网时代，学校开始将传统课程从教室迁移到线上。例如，从2007年流行的在线课程管理系统Moodle、Blackboard[8]及分布在互联网上零散的学习视频课程，到2012年北美大学发起的慕课（Massive Open Online Courses，简称MOOC）。进入大数据时代，发布到互联网上的课程资源和进行在线学习的学生越来越多，大规模在线课程演变出大量泛MOOC，包括微课堂、翻转课堂、O2O线上线下混合教学、SPOC平台等模式[9]。

3.大数据的形成与价值

在线教育除了创建大量的课程内容，还产生大量的师生互动交流数据，这些数据包括教师发布的学习资源、线上测验、讨论、线上作业的提交反馈情况以及碎片化学习产生的数据等[10]。学生的学习过程形成了大数据资源，这是实现智慧教育基础。例如，东台开放大学印志勇[11]通过“MOOC平台教学+大数据分析”，实现了个体差异化教学，并改进了教学评价方式。

四、智慧教育生态系统的需求分析

智慧教育環境应包括教师、学习者与学习方式、管理、课程、教学、教育资源、教与学评价、校园环境和教育模式等方面的智慧化[12]。有学者认为，智慧教育的重点是学习支持服务体系，该服务体系分为资源支持、技能支持、管理支持、交互支持和评价支持5个范畴[13]。本文认为，在大数据环境下，构建智慧教育生态系统应关注师生的核心功能需求，从以下几个方面进行建设：

1.数据采集

（1）知识的提炼与优化

大数据具有Volume（量大）特征，而人类毕生也无法学习所有海量的互联网资源。此外，大数据还具有Value（价值）特征，其价值密度低，所以需要根据相应课程提炼优质资源并区分优质资源的属性。例如，可从发布资源学校的排名、教师名气、学习者对课程的评价、阅读或观看率等权重分析过滤出所需课程。

（2）智慧库构建

将海量数据提炼分类，构建成智慧库。有学者提出，学习资源库是教师和学习者的基础资源，开放课程库是服务社会大众的资源，管理信息库是产学研业务管理的资源[14]。笔者认为，智慧库建设是一个数据资源不断迭代提炼、优化的过程，只有优良的数据支持，才能构建出智慧的教育体系。

2.数据分析

（1）差异化、个性化学习资源定制与推送

通过大数据分析，可以精确了解学生的认知结构、知识结构、情感结构、能力倾向和个性特征，以此为基础来提供全面的、个性化的与精准的教育服务。如及时发现学习者的知识盲区、完善学习者的知识结构、发现和增强学生的学科优势与特长[15]。大数据环境下的个性化学习主要有两方面优势：第一，丰富的数字化学习资源。学生可以根据自身喜好和能力选择学习任务。第二，改善学习效率。通过大数据对高频错题进行分析，列出知识点，针对不同学习者推送类题与错题，再拟定个性化学习方式[16]。差异化与个性化学习一直是教育工作者力图解决的问题，而大数据让这个问题“迎刃而解”。

所以，智慧教育应该能够根据课程教学大纲要求，智能地从互联网搜索学习资源，并通过大数据技术分析学生的学习行为，再根据学生的学习理解力进行评级。例如，可以分为高、中、低级，同时对收集的学习资源难度再进行高、中、低分类，最后再按学生的理解力级别推荐学习资源，实现差异化与个性化学教学。

（2）学习评价因子分析

传统学习通过考试来测试知识的掌握程度，根据上课考勤、平时作业、课堂回答问题来判断和监控学生的学习情况。而在大数据时代，通过学生在互联网上留下的大数据痕迹，可以发现和分析更多的学习因子。例如，有学者对北京市民终身学习网（京学网）的大数据进行分析，获取了与学习指标相关的大数据，再利用因子分析方法构建了包括学习行为指数、学习满意指数和学习结果指数的多维度监测预警指数系统[17]。

“不是因果关系，而是相关关系”[18]，应用到教育领域中，可以得出影响学生学习的一些相关因素。例如，玩游戏时间与学习成绩的相关性、运动场上的运动时间和学习成绩的关系、图书馆图书借阅量与学习成绩的关联性等。

3.信息反馈

数据是“死”的，只有通过优化分析，提供数据可视化的预测、推荐及预警能力，才能称之为智慧系统。可视化技术包括标签云、历史流以及空间信息流等。把数据分析结果进行可视化处理，可以发现一些隐藏的关联性，并以直观观测形式来指导决策[19]。智慧教育可以提供多种数据可视化监控预警。

（1）位置监控

观察学生不同时段在校园的地理位置信息图，可以让辅导员了解学生的日常生活学习情况，保证学生的安全。

（2）学习监控

学生在线学习资源的浏览阅读分析图，可以实时了解学生的阅读活动，不断优化更新学习信息资源。可以通过多种学习因子的人工智能分析来预测学生的学习状况分析图，让相关教师调整教学进度或教学方法，以改进学生的学习状况。

（3）学生舆情监控

可以通过校园网的网络资源和社交媒体资源预测学生群体的思想状况，提供对学校管理和教学的满意度分析图。为学校管理者和教师提供改进措施。

4.其他

（1）智能改卷

目前，在线考试基本实现了自动批改，但问答题等其他主观题还需要教师手工批改。随着自然语言处理和人工智能的不断发展，智能改卷在今后几年内将成为可能。

（2）其他新技术应用

新技术应用不仅仅能降低智慧教育的成本，还能丰富数据的采集方式。例如：虚拟现实技术让学生能够真实地体验各种建筑结构，节省了到现场的观摩费用;基于物联网技术的携带式智能设备、网络摄像头及无接触门禁系统等，可以实时采集学生的生活起居、学习研究及运动数据，分析学生行为与学习的相关性。

五、智慧教育生态系统的架构设计

丹麦哥本哈根大学的康斯坦丁（Konstantinos Manikas）[20]通过对2007—2014年文献的分析发现，基于软件架构的平台开始逐步向软件生态系统平台过渡，软件生态系统研究也趋于成熟，并提出了软件生态系统的组成定义为“软件工程+商业管理模式+关系”。2020年，董瑞志等[21]在软件生态系统的研究综述中认为，软件生态系统是软件企业、开发者、技术社区等涉众群体，以软件产品、服务、数据和知识为媒介相互作用形成的复杂系统。

所以，早期的智慧教育应用或平台系统建设是针对学校、（城市）区域来构建的。例如：李森[22]在2013年提出了电子书包和教育云系统架构方案，该方案借助云计算技术、多租户技术、SOA面向服务的架構来实现智慧教育应用系统;闫羽中[23]为大连市1034所中小学校统一构建了一个基于大数据的市级智慧教育平台;在宁波市智慧城市建设的基础上，尹天鹤[24]构建了一个面向市民的智慧教育公共服务平台。

针对智慧教育生态系统的架构设计，有学者提出将政府、学校、云服务商、资源提供商、第三方认证机构等区域内外结合，来构建智慧教育云服务生态系统方案。其设计思路是从底层的基础设施层（IaaS）开始构建，通过使用虚拟化技术、云计算技术和云存储体系，对IT基础设施资源完成整合和应用交付[25]。但是，每一层的基础服务（IaaS）和应用服务（SaaS）都是自主开发，设计过于复杂，成本和风险高，难以形成系统生态圈。

因此，智慧教育生态系统的架构设计与一般意义上的智慧教育服务系统设计理念完全不同。后者只是针对某一个用户群体定制好的具体产品，而前者是参与者多样性的生态系统[26]。为此，本文提出了智慧教育生态系统架构的总体设计思路，从软件工程视角设计了一个具有可持续性的系统架构，从商业视角解决生态系统的治理，从关系视角平衡生态系统中各个角色之间的利益关系。

1.智慧教育生态系统的设计原则

智慧教育生态系统设计应遵循以下基本原则：

（1）数据分布性

去中心化，开放数据接口。大数据具有Velocity（快速）特征，数据产生快速，具有时效性。从现实角度看，互联网和校园网是实时数据采集的主要来源，采集的是分布式数据。但是，有些学者提出整合、统一多个服务平台的架构方案。如张洋[27]提出通过统一平台管理、实现信息共享来整合学校各个服务平台的方案;还有学者提出把国家教育资源公共服务平台、教育管理公共服务平台汇聚形成教育大数据中心[28]。这些将现有系统重构为一个数据中心的想法，实现难度大，不切合实际。具有可行性的方法是在原有分布式数据的基础上，由政府制定政策，让企业、学校和社交等相关应用平台开放数据接口，使每一个智慧教育平台系统与数据资源拥有者互联，形成智慧教育数据生态圈。

（2）功能可扩展性

多技术融合，开放应用接口。王晓燕、余东先[29]提出通过物联网、云计算、大数据和人工智能的结合，构建一个能够支持多种教学模式、存储教学数据、智能数据分析、持续改进的学习环境。物联网通过统一网络协议接口实现“万物互联”。所以，通过整合统一的应用接口和网络协议标准，如RESTful和微服务等流行的Web服务接口方式，实现功能可扩展的智慧教育生态系统平台构建。

（3）跨平台性

由于平台底层基于云服务架构，而云服务平台最大的特点是PaaS（平台即服务），其中的一个技术优势是Web Service，实现了独立于硬件平台、操作系统和编程语言的服务。基于HTTP协议和Web服务接口（REST API+JSON数据格式）实现跨平台和跨域应用系统开发。

（4）可持续性

软件生态系统的形成更多得益于开源软件社区的奉献。所以，系统核心模块的开源可以吸引更多软件开发者参与并维护代码，逐步形成开源软件供应链，促进软件生态系统的演进和可持续性发展。

（5）可平衡性

生态系统的最重要特征是平衡性，系统拥有者应保持多方利益相关者竞争与协作关系的平衡。

2.智慧教育生态系统的分层架构

生态系统架构设计需要考虑三方面参与者的需求，即系统拥有者、应用软件开发者和最终用户。从系统拥有者的需求角度出发，系统应该采用大规模分布式设计，充分利用现有的成熟基础设施和服务。例如，可以利用中国互联网知名企业“BAT”及其他服务商提供的云计算与云存储基础设施平台，由此降低平台底层的大部分运维成本和风险。从软件开发者的需求角度出发，系统应该在第三方云计算服务的基础上，实现基于大数据的智慧教育需求服务模块，给软件开发者提供开发技术接口，以访问丰富的智慧教育服务业务，并减少复杂性，降低技术门槛并提供优惠策略来吸引软件开发者。而对于最终用户的需求，系统应该简单易用，实现多样化的设备终端接入并开发跨操作系统的平台。通过整合三方用户和系统的核心需求，规划出整体架构，如图2所示。

3.智慧教育生态系统的应用架构

基于上述架构思路，智慧教育生态系统应该实现数据采集、数据分析及可视化信息反馈三个基本核心功能，并通过大数据生态系统，与已有的智慧教育应用或平台系统以及社会化媒体相融合，完成数据的优化和迭代更新。智慧教育生态系统的应用架构如图3所示。

（1）数据采集

通过开放型大数据接口，智慧教育生态系统可以和第三方应用（学校现有的SPOC系统、MOOC系统、超星学习通、雨课堂等智慧教育系统以及微信、QQ等其他社会化媒体）实现数据共享。同时，该系统可以结合学校现有的教务系统、学生管理系统、图书馆管理系统、科研管理系统、实验室管理系统、人事管理系统、后勤管理系统、财务系统、校园网和安防系统等，实现数据实时收集，智能迭代优化智慧库的数据资源。

（2）数据分析

通过在线学习考勤签到、在线课堂测验、在线作业提交、在线考试等相关学习因子数据分析，智能实时完成学习监控。通过学生在线评价、学习讨论、社交聊天记录等情感分析数据，对教学和管理质量进行分析。

（3）智能可视化信息反馈

最后，通过数据可视化智能反馈结果。对教学管理者显示数据统计信息和教学预警，为学生推送差异化学习资源，向教师提供教学模式和教学改进建议。

六、结语

智慧教育生态系统应该在现有的分布式数据云服务平台基础上构建，实现大数据和应用的开放接口。本系统通过智慧库的迭代优化，为学生推送个性化学习资源，同时通过数据可视化技术实现教育智能监测预警，最终促进智慧教育生态圈的形成。

参考文献：

[1]张茂聪，鲁婷.国内外智慧教育研究现状及其发展趋势——基于近10年文献计量分析[J].中国教育信息化，2020（1）：15-22.

[2]王承博，李小平，赵丰年等.大数据时代碎片化学习研究[J].电化教育研究，2015，36（10）：26-30.

[3]Victoria Abou-Khalil，Samar Helou，Brendan Flanagan，Mei-Rong Alice Chen，Hiroaki Ogata. Learning isolated polysemous words： identifying the intended meaning of language learners in informal ubiquitous language learning environments[J]. Smart Learning Environments，2019，6（1）：13-19.

[4]（英）維克托·迈尔-舍恩伯格，肯尼斯·库克耶著;盛杨燕，周涛译.大数据时代——生活、工作与思维的大变革[M].杭州：浙江人民出版社，2013.1：40.

[5]百度百科.阿尔法围棋[DB/OL].https：//baike.baidu.com/item/阿尔法围棋/19319610？fr=aladdin.

[6]（美） Geoffrey G. Parker.平台革命：改变世界的商业模式[M].北京：机械工业出版社，2017.10.

[7]钱平凡，钱鹏展.平台生态系统发展精要与政策含义[J].新经济导刊，2017（6）：79-85.

[8]周化钢，李庆年，廖剑平等.国内“在线课程作业管理系统”应用现状分析与展望[J].中国信息技术教育，2014（17）：111-113.

[9]周化钢，李建，刘昊.泛慕课混合教学模式在应用技术型课程中的实践[J].计算机教育，2017（11）：82-86.

[10]朱慧，田容雨.大数据视角下的智能手机助力教学探讨[J].教育现代化，2019，6（99）：277-278.

[11]印志勇.利用大数据技术与MOOC改变计算机应用基础教学现状的研究[J].现代信息科技，2019，3（22）：133-134，137.

[12]施珺，李慧.从数字教育走向智慧教育[J].计算机教育，2019（11）：33-37.

[13]查相虹，张晶蕊，王娟.基于大数据的在线教育学习支持服务体系构建研究[J].软件导刊，2019，18（1）：208-212.

[14]杨现民，余胜泉.智慧教育体系架构与关键支撑技术[J].中国电化教育，2015（01）：77-84，130.

[15]余胜泉，王阿习.“互联网+教育”的变革路径[J].中国电化教育，2016（10）：1-9.