基于大数据的学习分析及其系统

Data Base Technique •

数据库技术

Electronic Technology & Software Engineering 电子技术与软件工程• 153

【关键词】大数据 学习分析 系统近年来，随着社会快速发展，使得数据数量呈爆炸性增加，从而进入到大数据时代。由于大数据具有数量庞大、内容多样，传递速度较快等特点，使其得到了广泛的应用，其中当然也包括教育行业。教育行业通过对大数据的应用，开发出了智能化学习分析系统，通过该系统的应用，可以提升各方面人员的学习效率。因此，对基于大数据的学习分析及其系统

基于大数据的学习分析及其系统

文/谢晓广

进行研究具有重要意义，更为在学习分析系统

中提升对大数据进行应用奠定良好基础。

1 智能化学习的需求分析

1.1 动态与静态分析典型场景

在学习过程中，主要由两种分析方式构成，一种为动态分析，即学生在利用信息化技术学习时，能够自主对学生情况进行分析，以掌握其具体要求，如学生学习过程中，在某个模块上停留了很长时间，则表明其对这一模块

感兴趣，或者是很难对该内容进行理解，针对这一分析结果，系统即可向该学生提供相应的学习资料，以确保提升学习效果。另一种为静

态分析，即在整个学习环境内，以日、星期、月、年等为基准，分析学生学习相关的信息，通过这些信息的分析，以了解学生对系统的应用情况，从而为系统进一步优化提供良好支持。1.2 不同用户的需求分析

对于学习分析系统用户来说，可以将其分成四种类型，每种类型的用户对系统具有不

同要求。1.2.1 教师

教师作为知识的传授者，注重学生的学习情况，需要针对学生的学习情况，及时调整教学方案。然而在以往阶段当中，教师很难利用传统的技术，获取学生的全面实际情况，只能利用自身的教学经验进行观察与判断，使得分析出来的结果存在一定差异，导致其制定出来的方案不一定符合学生实际要求。此外，即使可以准确掌握学生的实际情况，但由于精力与时间有限，也很难根据每个学生的不同特点，采用合理的教育方式。因此，教师对学习分析系统应用时，主要用来对学生情况进行分析，并对不同学生的需求采用相应的教育方案。1.2.2 学生

作为学习的主要参与者，应通过学习分析系统的应用，掌握自己学习情况，获得更多学习资源，并对学习方法进行调整。1.2.3 教育决策者

通过这一系统的应用，应获得整个学习方面的信息，才会从宏观角度出发，对整个教育工作进行优化。1.2.4 研究学者

费标签、饮食标签等。

通过挖掘标签以及设定权重，我们就可以用模型完整的表示一个大学生。3.4 画像聚类

聚类，顾名思义就是“物以类聚，人以群分”，其主要思想是按照特定标准把数据集聚合成不同的簇，使同一簇内的数据对象的相似性尽可能大，同时，使不同簇内的数据对象的差异性尽可能大。就本文而言，聚类就是把相似的大学生分到同一组。

谱聚类(Spectral Clustering)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远，以达到常见的聚类的目的。

谱聚类的图模型可解释为：无向带权图模型G=，每一条边上的权重w ij 为两个顶点的相似度，定义相似度矩阵W 和度矩阵

D 和邻接矩阵A ，有拉普拉斯矩阵L=D −A 。

基于Python 实现谱聚类算法流程如下：（1）利用欧氏距离计算距离矩阵；（2）利用kNN 计算邻接矩阵A 。 （3）由邻接矩阵A 计算度矩阵D 和拉普拉斯矩阵L ，并标准化L →D −1/2LD −1/2。

（4）对L →D −1/2LD −1/2进行特征值分解，得到特征向量H nn ；

（5）将H nn 当作样本送入K-means 进行聚类，获得聚类结果C=(C 1, C 2, ..., C n )。

4 总结

针对高校智慧校园系统产生的海量数据，探究大学生画像的应用具有重要的现实意义。本文通过描述数据采集、用户建模、标签挖掘、画像聚类等一系列流程构建大学生画像集合，可以为每一位大学生提供个性化、精准的学习规划和校园服务。

参考文献

[1]李光耀,宋文广,谢艳晴.智慧校园

学生画像方法研究[J].现代电子技术,2018,6(41):161-167.

[2]董潇潇,胡延,陈彦萍.基于校园大数据

的大学生行为画像研究与分析[J].计算机与数字工程,2018,6(46):1200-1204.[3]赵国亮,陈晓军,李思奇,吴傲.基于数

据分析高校学生自画像的初探[J].数字技术与应用,2017,08:233-234.

[4]齐怀峰.大数据背景下高校贫困生类别的

判定[J].高校辅导员学刊,2016.10:74-

77.

[5]刘柏岩.精准画像在高校学生事务精细化

管理方面的运用[J].教育教法探讨与实践,2017,12:263-265.

[6]/html/2018/

xxgg_0521/17575.html 海南师范大学校园大数据应用平台.

[7]刘友超,张曦煌.基于自然最近邻相似图

的谱聚类[N].计算机应用研究,2018,V37网络版.

[8]https:///a/231884382_

197042,基于用户画像的聚类分析.

作者简介

张海华(1980-)，男，河北省衡水市人。研究生，高级职称。研究方向为大数据、机器学习、信息系统。

作者单位

1.深圳大学信息中心 广东省深圳市 518060

2.深圳大学心理与社会学院 广东省深圳市 518060

3.衡水学院现代教育技术管理中心 河北省衡水市 053000

<<上接152页