李拯

[摘 要]近年来，在线教育愈加受到人们的欢迎，网络的发展为在线教育提供了发展的平台，也因为在线教育产生的数据日益增多，处理这些数据成为了在线教育发展的一大难题，而大数据挖掘技术的出现为其发展提供了机遇，但也带来了挑战。基于此，本文将对大数据挖掘技术在在线教育平台中的应用进行分析。

[关键词]大数据挖掘技术；在线教育；应用

doi：10.3969/j.issn.1673 - 0194.2017.16.139

[中图分类号]G434 [文献标识码]A [文章编号]1673-0194（2017）16-0-02

大数据挖掘技术不仅能够处理在线教育的庞大数据，更能挖掘出潜在的信息，为在线教育平台的发展提供后续保障。基于此，本文将对大数据挖掘技术在在线教育平台中的应用进行介绍，不仅会对大数据的概念进行阐述，还会为其在在线教育平台中的应用进行建议。

1 大数据的概念

大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。很多企业、平台所产生的数据十分具有价值，但需要进行挖掘。由于信息具有时效性，所以目前大数据的处理很受人们的重视，但企业与平台等很难在合理时间内对大数据进行整合处理。近年来，资源发展迅速，为大数据处理提供了便利。

2 在线教育平台发展现状

21世纪是信息时代，在线教育平台其实是信息技术与教育行业融合形成的新产业。据统计，我国2014年教育行业的投资规模比以往增长了9.5%，具体数额高达180亿元，且在校大学生的数量也高达2 468.1万人。面对如此庞大的在线教育平台用户，市场上掀起了一大批平台抢占狂潮，其中，比较有影响力的是新东方、网易、传课网及尔雅，可以说，在线教育的发展速度非常迅速，由此产生的大数据也是极为具有价值的，毕竟在线教育平台的竞争也是极为激烈的。

在线教育，作为“互联网+教育”的产物，往往会受到两方面的限制。以网易公开课这个教育平台为例，免费提供国内外优秀课程虽然吸引了大批人流量，但其依赖性不高，而新东方虽然线下教育具有很大的美誉，但极易被传统教育理念所禁锢，难以很好发展线上教育，由此可以看出，在线教育平台或多或少会有一些缺点。在竞争激烈的市场中要想站稳脚跟，在线教育平台就需要有能够预测市场未来发展趋势与模式的大数据信息，而对于大数据的处理是复杂且繁琐的，挖掘出大数据的信息需要大数据挖掘技术来实现。

3 大数据挖掘技术在在线教育平台中的应用

3.1 面向在线教育领域的大数据模型

在线教育的数据形式十分复杂且呈多样性，依据储存形式的不同可分为结构化数据和非结构化数据，依据获取方式的不同可分为显式数据与隐式数据，根据来源不同可分为视频信息、用户信息、用户行为信息、课程信息、习题信息与论坛信息等，各类数据之间错综复杂，因此管理要求极高。大数据挖掘一般包括数据清理、变换、集成、选择、挖掘、评估模式和知识等，为保证数据能够进行有效整合利用、便于在线教育平台发展，相关人员需要从大量的原始数据中挖掘或提取出有效的知识，但由于在校教育平台大数据产生的来源十分复杂且多样，加之储存形式不同，数据间的联系、清理与集成都十分复杂、繁琐，在数据挖掘过程中，相关人员不仅要综合考虑数据多个特点之间的关系，还要对数据进行独立分析，又由于不同数据的分析方法与工具不同，大数据的处理需要有一个健全良好的数据模型。

在线教育平台大数据模型包括应用层、数据处理层和硬件设施层三个层面。应用层是针对在线教育平台用户群设置的，包括“在线教学”“教学管理”“交流互动”“学习管理”四个方面。在应用层中，不同的用户所用的用户界面不同，大数据挖掘技术会针对不同用户的需求授予他们不同的访问权限和提供不同的服务，这样一来，其不仅能够提高在线教育平台的服务效率及用户满意度，更能对每位用户的信息数据进行记录与收集。数据处理层是由数据库、数据处理和挖掘、标准处理三方面构成的，其中，数据挖掘是核心。相关人员可运用大数据技术针对应用层收集的学生行为数据进行挖掘，通过分析处理，找出数据中隐含的规律及模式，从而探索建立学生模型、领域模型以及软件教学模型，提高用户的学习质量。硬件设施层主要是由储存设备、网络设备、安全设备及备份设备构成的，相关人员利用先进的计算机技术可对各种设备进行科学管理，需要注意的是，降低硬件系统的耗能，以提升系统的可靠性及利用率。

3.2 大数据支撑的在线教育系统应用

大数据支撑的在线教育系统应用主要包括面向学生的智能化功能与面向教师的智能化功能两大类。面向学生的智能化功能从知识图谱、课程、视频、习题到论坛，全都是为了提高学生的学习效果，从而提升平台的服务水准，巩固平台的发展。第一，知识图谱的应用开发是从学生学习与教师教学的角度出发，将学生学习与教师教学的知识点进行总结汇总，从而构建知识框架，并对每门课程的知识模块进行构建，便于学习与授课。此外，还能加强各个知识点之间的联系，便于学生系统化的学习。第二，在线教育平台中的个性化课程服务应用，是为了更好地为用户提供服务而开发，这是根据人的特性进行设置的，在在线教育平台上，学生能够根据其兴趣选择性地观看视频，学习自己所想学习的内容，这不同于线下的整体学习，充分尊重了学生的个性化发展。大数据能够根据每位用户观看视屏的不同，进行课程关联，提供类似的课程做参考，此外，还可根据学生在学习过程中的测试结果以及学习选择，进行课程推荐。第三，知识点的字幕定位是根据在线教育平台的主要学习形式，视频授课开发出来的应用主要是将视频中学生所感兴趣的片段进行基于字幕的跳转功能，并附上专业词汇链接及知图谱，这样能够帮助学生全面学习。第四，智能化习题训练应用，主要是为了巩固学生的学习，借助知识图谱及习題库阶段性地对知识进行巩固，先是针对不同的知识点建立相关的习题库，利用学生答题的情况挑选出相关知识点，并从习题库中随机进行习题提取，便于学生巩固练习。endprint

面向教师的智能化功能是为了提高教师的教学水平而设计的，能够及时根据学生的学习情况调整教学方案以及提升教学水平。对比传统的教育方式，在线教育平台的教师能够根据学生的学习情况反馈功能，这主要是通过学生观看视频、完成习题及课程讨论等行为数据的挖掘整理，对学生学习的弱点进行针对性的教学备课，还能够根据授课评论进行改正，提升自身的教学水平，更好地完成授课。不仅如此，大数据挖掘技术还能提供教师推荐，不同教师的教学风格不同，面向教师的智能化功能能够选择性地将不同教学风格的教师进行分类，以供学生选择。

此外，还有面向决策者的智能化功能，这主要是针对平台的决策者而开发的，目的是帮助决策者更好地掌握平台动向，帮助决策者对平台的未来发展进行分析。

3.3 大数据挖掘技术在在线教育平台中应用的建议

就目前而言，在线教育平台中大数据挖掘技术的应用，还存在一定的缺陷，在线教育平台虽然改变了以往的教学模式，为学生提供了新的学习空间，但就目前在线教育平台的发展而言，还缺乏一定的制度与系统性。为提高大數据挖掘技术在在线教育平台的应用效果，笔者认为，首先，要对在线教育的基本运转进行根本性的分析处理，针对在线教育产生的数据进行分类分析，对每一类数据建立其相应的大数据模型，便于分析处理，减少数据挖掘时间，提高数据的价值。其次，应对大数据挖掘技术所提供的应用进行进一步建设，如习题库应该与时俱进地进行更新处理，这样能够更好地进行平台发展。最后，应该加强与政府部门的合作，以获取相应的信息技术保障以及财力支持，大数据挖掘技术所涉及的信息技术是不断发展的，与政府部门的合作能够保证信息技术的及时更新，财力的支持，对大数据挖掘技术的发展能够提供相应的设备及人员。

4 结 语

大数据挖掘技术在在线教育平台中的应用，不仅是在线教育平台发展的需求，也是大数据时代发展的必然，可以说，在线教育平台不仅为学生提供了校外学习的平台，也为大数据挖掘技术提供了发展场所。大数据挖掘技术的应用必定会让在线教育平台获得进一步发展！

主要参考文献

[1]徐海波.浅析面向在线教育的大数据应用[J].数字技术与应用，2015（12）.

[2]陈池，王宇鹏，李超，等.面向在线教育领域的大数据研究及应用[J].计算机研究与发展，2014（z1）.

[3]秦燕飞.大数据技术概念、特点及应用[J].信息系统工程，2015（11）.

[4]陆梦娟，王嘉棣.在线教育市场的发展现状分析及对策建议[J].中国市场，2015（44）.endprint