在线教育大数据分析平台推动教育教学创新

北京语言大学网络教育学院

项目主要采用在线学习平台向学生提供教与学的支持和服务，旨在通过教育数据分析系统建设，汇聚分散在不同平台中的数据信息，面向决策者、招生管理者、学生管理者、教学管理者、辅导教师和学生提供数据统计分析、评测分析和对比分析等功能，促进网络教育教学过程的精准决策与管理。

1.开展项目规划，确定平台功能结构

项目责任部门对学院决策者、学院各部门及各类教师的业务内容进行搜集与分析，确定了该系统平台的业务流程、数据关联系统、相关的用户定义和平台功能。该系统的业务流程是学院决策者、部门管理者或各类教师注册、登录系统后，以各自的用户身份查看相应数据报告、总体概览情况，并进行评测和对比分析。产品以前端应用和测评报告两种型态呈现，通过测评报告为不同的用户提供可视化的数据分析结果，前端应用针对不同的用户提供不同的模板。

2.开展深度分析，构建评价指标体系

项目责任部门对用户进行需求分析，根据分析结果构建评价指标体系。通过逐层解析，完成维度建模，构建具体指标，实现从不同角度对管理与教学的检测与评价。评价指标体系主要包括指标构建业务模型、数据仓库逻辑模型、指标开发流程和指标体系框架四部分。

(1)基于在学周期确定指标构建业务模型。学生在学周期包括招生、录取、学习、管理、毕业和毕业后服务六大方面。不同的管理和教学业务流程中依据不同对象，发生一系列管理和教学事件流，这些事件流产生了为具体的管理和教学行为，并形成了相应的量化数据。学院根据管理需求和教育规律将这些量化数据整合为不同维度和指标构成的评价体系。

(2)数据仓库逻辑模型。为了将构建的指标体系转化成能够支撑大数据分析应用开发的数据架构，我院建立了综合性、多层次、高灵活的数据仓库。该数据仓库整合了在线教育机构教学与管理中各个平台的数据，按不同主题对数据进行了存储和聚合，支持各类业务的时序分析，完整记录了学院的教学和管理状况。

(3)指标开发流程。基于上述的分析与构建，我们将指标开发流程主要分为：根据评价需求，确定评价目标;分解业务流程，获取基础数据;聚合基础数据，建立指标集合;分析指标关联，形成指标体系;确定指标算法，进行试算调整。

(4)指标体系框架。基于学院现状和需求分析结构，该系统的指标体系框架主要包括管理类、课程类、教师类及学生类。管理类指标由学生管理、教师管理、课程管理和招生管理四个子类组成。学生类指标由资源学习、交流讨论、学习效果和综合评价四个子类组成。教师类指标主要包括教师投入、交流讨论、教学效果和综合评价。课程类指标由课程的师生投入、交流状况、教学效果和综合评价组成。

3.全面技术部署，实现数据对接

通过以上分析，项目组制定了相应的数据对接技术实施方案，并依据方案内容实现各平台数据对接，主要包括：(1)数据对接内容。根据指标评价体系中的相关维度，该平台中的数据对接内容主要包括教学主体、教学资源、教学活动与绩效记录、交流活动记录、管理活动记录、招生工作记录。(2)数据对接方式。数据对接方式采用VPN进行传输，且传输的方式均采用加密压缩的形式，既保证数据传输的安全，同时又减少数据的重复传播。同时，学院建立了4个单独的服务器来部署相应的服务，以确保大数据分析平台的正常运行。

4.专人监督，进行KPI科学考评

发展规划部门以规划内容为支撑，对项目小组进行KPI考核。按计划完成项目工作的为及格;对项目创新有明显改善作用的为良好;在项目创新上有重大突破的为优秀。未能很好完成大数据创新项目的进行降档处理。学院依据《北京语言大学网络教育学院工作创新项目管理办法》，就项目管理的目标、探索方向、申报条件、申报及立项、管理以及激励措施进行说明，以确保项目管理科学、有序进行，促进大数据项目的创新与探索。

成果

通过近两年的探索，成果主要有《北语网院在线学习平台需求分析报告》、《北语网院学习平台教学评价指标体系设计》、《北语网院数据对接技术实施方案》、《北语网院学习平台中间数据库建设》和北语网院大数据分析评价App，包括Android版和iOS版。

该系统根据课程关联性、学生学习完成情况等相关数据，为学生推荐相关课程，提供个性化的课程服务。结合学习者在论坛等学习活动中的参与情况，对学习者进行全面的评价。实现了向在线教师实时反馈学生的学习情况，指导教师进行有针对性的课程设计和内容调整。

同时为监督提高教师的教学水平，该平台也支持根据教师的备课情况、参与论坛情况和学生评教的结果等，对教师进行综合自动评教。向决策者和管理人员提供面向整个平台的数据可视化和面向系统优化的统计分析，提供学习者的整体学习情况和教师的教学现状，为机构决策者提供决策数据支持以及资源配置方案。

经验与启发

1.立足网络教育学院资源与技术基础，进行智能化改革

网络教育学院积累了大量的学习资源和学习行为数据，同时具备一定的技术支持，是适合并且支持学习分析实践的教育情境。在北京语言大学网络教育学院的实践中学习分析技术获得了良好的应用，提高了北京语言大学网络教育学院的智能化教学水平。

2.关注学习体验与教学支持，发挥教学平台的指导功能

教学平台是远程教育中师生分离的情况下连接学习与教学的中介，在在线教与学的过程中发挥了重要作用，因此教学平台的功能设计、信息呈现时刻关注学习者的学习体验和教学支持，是提升远程教育质量的重要途径之一。基于教育大数据挖掘的学习分析技术的应用使得在线教育平台能够为远程的学习者提供实时的个性化的学习支持服务，也让教师和管理者及时获得学习者的学习效果反馈和课程运行现状，在节省的辅导教师资源的基础上为教学指导和教学决策提供了指导。

3.基于流程化管理，确保项目有序进行

首先，责任部门在充分调研的基础上，完成项目开展的现状、项目开展的意义、预期成果等《申报书》相关内容。其次，发展规划部门相关责任人整理收集所有申报书后，召开项目确认会，由学院工作创新专家委员会对项目进行讨论，提出修改意见，并最终立项。然后，设立专人联络相关部门，及时搜集与整理项目开展过程中的问题与困难，并提出解决方案。接着，项目负责部门提交中期报告，就项目进展情况、遇到的困难与解决办法进行汇报;最后，项目负责部门提交项目成果，发展规划部门组织召开成果汇报会，项目负责部门重点就项目成果进行详细汇报。项目自设立初期，由负责部门与主管领导共同梳理并思考工作的创新内容，用科学严谨的方法形成问题的解决方案，并在实践中进行应用与检验，最终完成可行性报告，阐述其工作创新项目的潜在价值与实践价值。

4.根据工作创新评审指标，严把质量关

学院在《工作创新项目评审评分指标》基础上对大数据项目进行严格把关，从成果的科学性、创新性、规范性、难易程度、应用价值、汇报与答辩水平及成果质量等方面进行评定，通过学院内、外专家的打分，确定项目得分，并对优秀成果给予表彰和奖励。

(北京语言大学网络教育学院)

本文作者：cedu

1、本文是中教全媒体原创文章，转载此文章请注明出处（中教全媒体）及本文链接。
2、本文链接：//www.ccotver.com/i/15809.html
3、如果你希望被中教全媒体报道，请发邮件到 new@cedumedia.com告诉我们。

来源：中教全媒体