智能教學環境下學情數據采集分析平臺的設計研究

摘要：在教育數字化轉型背景下，基于數據提供科學決策分析成為重要的研究課題。作者以上海交通大學為例，研究智能教學環境下線上和線下學情數據采集的途徑，設計了學情數據采集分析平臺的總體架構、評價和預警指標，分析并描述了主要功能，為學校實施以數據驅動的教學質量過程化管理，實現精細化管理、針對性干預、個性化輔導，提供了有意義的參考。

關鍵詞：智能教學環境；學情數據采集分析；學情數據分析指標

中圖分類號：G434? 文獻標識碼：A? 論文編號：1674-2117（2024）01-0103-04

引言

在教育數字化轉型背景下，對學情數據的智能化分析采集、提供基于數據的科學決策分析成為重要的研究課題。2022年8月教育部印發的《國家智慧教育公共服務平臺接入管理規范（試行）》提出，“通過對接方式自動獲取用戶訪問、資源目錄、使用評價、網絡安全等方面的數據，建立基于大數據的平臺評價機制”。[1]國家《“十四五”國家信息化規劃》《上海市教育數字化轉型“十四五”規劃》明確提出[2][3]，要強化互聯互通，建設開放共享、數據互通、技術集成、應用協同、交互可用的教育數字基座，實現數字空間全連接，促進教育數據的歸集、共享，發展數據驅動的智能化數字教育資源應用服務，加強對海量資源及應用數據的挖掘分析，探索構建自適應學習系統，不斷滿足個性化學習需要。2022年，美國高等教育信息化協會（EDUCAUSE）發布的《2022地平線報告：教與學版》將學習分析和大數據作為重要的技術趨勢。[4]

國內外機構和高校不斷探索學情數據的深度應用和研究。美國知名的學習管理平臺Canvas Lms的Data-Analytics提供學情分析報告幫助用戶更好地了解學習動態[5]，Desire2Learn機構開發的Brightspace Student Success Systems，可通過靈活的配置，為學習者提供每周的課程參與、內容訪問、社會化學習、評估和預測服務并進行可視化的友好呈現。[6]上?？萍即髮W利用大數據技術設計與建設了智能決策支持系統，實現了綜合校情、科研活動、本科生教學、研究生概況、學生行為等場景的數據采集、數據處理及業務的深度挖掘、數據的可視化呈現。[7]

學情數據采集分析需求的提出

高校智能教學環境的深化建設，促進了學情數據獲取全面性、實時性、多樣性的可能。[8]以筆者所在學校上海交通大學為例，學校一直踐行“學在交大”“讓每一位學生更優秀”的育人理念，完善人才培養質量保障體系。近年來，學校一直在線下教室設備智能化、線上學習空間和資源建設方面進行重點建設。尤其是線上和線下的學習不斷走向融合，各類服務學生學習的信息化平臺得到了大規模的應用[9]，在線學習數據突破以往的速度，快速大量積累。

學校、學院兩級教學質量管理部門希望全面、精準地了解師生在線上和線下開展教與學的整體情況。教師希望通過數據了解并及時掌握學生的在線學習動態，對學習異常情況的學生進行盡早干預和輔導，學生希望通過數據做更好的自我管理和學習改進。[10][11]這就需要對學情數據進行梳理和研究，提供有價值的分析和決策依據，利用數據驅動教學變革，促進人才培養。

智能教學環境學情數據的采集途徑

以筆者所在學校為例，智能教學環境[12][13]主要包括線下實體智能教室、線上學習空間兩大類，學情數據的采集可從以下幾方面實施。

1.實體教室智能設備學情數據的采集

實體教室學情數據的獲取主要是通過教室智能網絡攝像頭的硬件設備采集，并通過后臺的控制平臺進行數據的傳輸、存儲，為學情數據采集分析提供條件。

（1）教室人數統計數據的? 獲取

目前，學校共有近500間公共教學樓教室，每間教室至少配有兩個以上高清網絡攝像頭，小教室配備高清定焦攝像頭，一些中大型的教室配有EPTZ智能鏡頭跟蹤攝像頭[14]，可根據每間教室布局范圍劃分，采集教室圖像，設置定時截取圖像時間，基于圖像識別技術，根據算法規則統計數據，自動計算出教室人數，并將數據存儲在人數統計的平臺。根據教室的排課數據和自修教室安排，人數統計平臺自動匹配，動態存儲，可提供教室使用情況、課程的出勤人數、應到人數、前排就座人數的數據。

（2）直播和點播統計數據的獲取

建設教室云錄播系統，將教室打造成可隨時隨地直播的教室，通過復用教室攝像頭，配以專業音視頻采集分析模塊，接入教室云錄播系統統一管理。云錄播系統通過自動視音頻采集分析，實現教師授課場景的智能跟蹤，教室計算機自動捕捉教師計算機的課件畫面，教室對接課表進行自動直播，線下課堂教師授課跟蹤畫面及PPT桌面信號可以進行雙路直播，并同步自動錄制課程視頻，還原真實的授課場景。學生能夠看清教師肢體語言、黑板板書、課件畫面，并能自主在教師板書、教師計算機的課件畫面間自主切換，從而呈現課堂全貌。另外，通過云錄播系統提供的課堂直播和視頻回看，后臺日志可提供的數據包括學生的直播和點播觀看時間、觀看時長、觀看人數、直播和點播頻次、分布學院等。

2.線上學習空間學情數據的 采集

（1）學習過程數據的采集

為提升智能教學環境下的教與學體驗，2018年學校推出面向全校師生服務的簡單易用的Canvas在線教學平臺，積累了大量的在線學習數據。第一類是學習資源數據，如課程發布數、教師發布的公告、上傳課件、布置作業和討論數等；第二類是學習行為數據，包括學生的瀏覽數和參與數，如學生提交的作業數、回復帖子數、參與的測驗、參與討論數、在線答題互動數、課程的頁面瀏覽數、在線瀏覽時長數等；第三類是學習結果數據，包括學生的作業、測驗和討論、參與答題互動的評分情況等。

（2）課堂交互數據的采集

課堂交互反饋系統是學校對接線上和線下課堂開發的一款基于課堂教學過程的教學互動技術工具，在課堂的互動教學環節中，教師可使用該工具發起簽到和答題互動，學生通過移動終端掃描二維碼，進行互動投票、討論，投票結果實時統計，幫助師生及時了解學習情況。課堂的交互數據按照交互頻次、交互時間、交互類型進行采集，具體可包括學生課堂簽到頻次，投票互動頻次，參與課堂客觀題、主觀題的互動數據等。

學情數據采集分析平臺的設計研究

1.總體框架

根據目前智能教學環境所能支持的數據采集條件，設計學情數據采集分析平臺的總體架構（如下頁圖）。數據層主要包括各個系統的應用數據來源，如在線教學平臺、課堂云錄播平臺、課堂交互反饋平臺、人數統計平臺以及來自基礎數據庫的相關數據等；應用層主要是對學習特征數據進行提取分析，包括在線學習資源數據分析、學習行為數據分析、學習結果數據分析三大類；展示層通過分析評價指標體系、預警指標和閾值設定進行分析結果數據的可視化。最終，數據經客戶端輸出給平臺管理員、校院兩級教學管理人員、師生使用。

2.評價指標

學情數據分析結果需要根據評價指標來設定（如右下表），學情數據采集分析平臺可以從課程維度，將學生學情分為學習投入度指標和學業表現指標[15]，圍繞兩大指標分多個細項進行綜合評價，從而進行橫向和縱向的比較。

3.主要功能模塊描述

（1）數據多源采集和清洗模塊

業務平臺數據庫有mysql、postgresql、sql server等，需要能夠支持不同類型數據源及API數據接口，通過簡單配置完成數據的采集接入。數據清洗的好壞直接決定數據分析的準確性和權威性。為提高數據質量，需通過替換、插補、去重、映射、關聯性驗證、合并等數據預處理方法對殘缺數據、異常數據、重復數據等進行處理，以保證數據的準確性、完整性、有效性和一致性。

（2）數據分析模塊

根據學校的學情分析指標和預警內容，建立支持多場景的分析模型，對分析結果可以按照學校層級、學院層級、用戶層級進行排序、篩選、向下鉆取，分析模型可靈活拓展、支持自定義SQL，以滿足不斷更新的需求。

（3）可視化前端模塊

能夠根據數據分析結果，通過拖拽的方式，將圖表、數據大屏、報表的外觀、展示項目、搜索條件進行可視化展示和報表導出。關注學習出現異常情況的學生，并及時干預，根據評價的指標，設置預警的規則、狀態和權限，開啟或者關閉預警，進行學習預警消息的內容編輯和推送。展示內容按照層次劃分為學校整體學情數據綜合分析展示、學院學情數據綜合展示、教師所授課程學情數據展示、學生所選課程學情數據展示。

（4）用戶及角色授權管理? 模塊

該模塊支持角色授權模塊的自定義管理，可以靈活定義不同角色的權限，初始設置的角色為校級教學管理人員、學院級教學管理人員、教師角色、學生角色，用戶根據賦予的不同角色查看和導出相應權限的數據。

結語

學情數據采集和分析平臺設計的目標是實現將分散在各個教學信息系統的學習過程數據進行匯聚、清洗、分類，根據學情分析的指標和有效的預警機制，建立關聯、深度分析和可視化呈現，為教學質量管理者和師生提供全方位、實時、直觀地了解學生的學習過程，實時掌握學習動態的手段，從而加強學習過程化管理的有效監管、診斷、反饋以及干預和指導，改進和調整教與學的方法和策略，助力教與學的質量提升，促進學生學業成長。

參考文獻：

[1]中華人民共和國教育部.教育部辦公廳關于印發《國家智慧教育公共服務平臺接入管理規范（試行）》的通知[EB/OL].http：//wap.moe.gov.cn/srcsite/A16/s3342/202208/t20220819_653868.html.

[2]中華人民共和國國家互聯網信息辦公室.中央網絡安全和信息化委員會印發《“十四五”國家信息化規劃》[EB/OL].http：//www.cac.gov.cn/2021-12/27/c_1642205312337636.htm.

[3]上海教育.上海市教育數字化轉型實施方案（2021-2023）[EB/OL].http：//edu.sh.gov.cn/xwzx_bsxw/20211110/9a48015bacfe4af1a4eb131abef5585b.html.

[4]KATHE PELLETIER，MARK MCCORMACK，JAMIEREEVES，et al.2022 EDUCAUSE Horizon Report，Teaching and Learning Edition[EB/OL].https：//library.educause.edu/resources/2022/4/2022-educause-horizon-report-teaching-and-learning-edition.

[5]Student Success System [EB/OL]https：//documentation.brightspace.com/.

[6]Data insights for student success[EB/OL].https：//www.instructure.com/en-gb/canvas/higher-education/data-analytics.

[7]孫名松，孫小影，張曉林.開放動態的校園智能感知與決策支持系統設計與實現——以上?？萍即髮W為例[J].中國教育信息化（高教職教），2021（03）：72-75.

[8]祝智庭.智慧教育引領未來學校教育創變[J].基礎教育，2021，18（02）：16.

[9]沈宏興.教育信息化2.0時代高校教育技術工作創新與實踐[J].實驗室研究與探索，2019，38（06）：128-132.

[10]王林麗，葉洋，楊現民.基于大數據的在線學習預警模型設計——“教育大數據研究與實踐專欄”之學習預警篇[J].現代教育技術，2016，26（07）：7.

[11]許曉東，趙幸，肖華，等.大數據在高校本科教學評估中的應用——以J大學為例[J].高等工程教育研究，2017（01）：6.

[12]安寧，牛愛芳，齊瑞紅，等.高校智慧教室建設的探索與思考[J].實驗技術與管理，2017，34（05）：5.

[13]冷靜，易玉何.智慧教室中學習投入度與教學活動類型的關系[J].現代教育技術，2020，30（05）：7.

[14]沈宏興.EPTZ智能跟蹤攝像機在云錄播中的應用[J].廣西廣播電視大學學報，2016，27（02）：5.

[15]魏順平，程罡.數據驅動的教育機構在線教學過程評價指標體系構建與應用[J].開放教育研究，2017，23（03）：? ? 113-120.

作者簡介：邵晶晶（1981—），女，浙江杭州人，碩士，工程師，主要從事教育信息化研究與應用。