大数据学习分析支持个性化学习研究

个性化学习的实现，要通过相关的专家和学者从海量数据中挖掘学生学情变化规律的数据，开展学情分析，依据学生的学习行为数据分辨出隐含的关联，准确地预测学生的学习路径及其发展趋势，为学生提供更具有针对性的课程资源、学习内容以及学习反馈和建议，定制适合其自身发展的学习方法和学习策略，促进学生个性化发展。大数据的支持者认为，包含着学术数据点和非学术数据点的综合数据库可以为学生提供个性化的学习工具。利用综合数据库，应用学习分析，进而对课程、教学和评价做出决策。杨现民等认为，大数据使教师和机器能够了解每个学生的真实情况，从而为其提供个性化的学习资源、学习活动、学习路径、学习工具与服务等。此外，国内外已有很多机构应用大数据进行学习分析，为学习者提供个性化的学习服务。例如，“希维塔斯学习”（Civitas Learning）公司基于机器学习技术，分析海量的学习者数据以预测学习者课程分数、出勤率、綴学率等主要趋向，能够让学生预测性地知道导致綴学和学习成绩不良的警告性信号，从而提高学生成绩；培生（Pearson）集团的“我的实验室/高手掌握”（My Lab/Mastering）能够让学习者获得真实可靠的学习数据，让学校更加了解学生，促进有效教学，降低成本；“梦盒学习”（Dream Box Learning）通过对学习者学习行为数据的分析，判断学习者对知识的掌握程度，有针对性地为学习者提供适合自身发展的学习路径；Ten Marks根据学习者的不同水平，为学习者提供个性化的数学概念和技巧的练习；“狸米个性化教学平台”依托互联网大数据技术，通过个性化记忆管理、适应性错题辅导、适应性推荐训练不断了解每个学生的学习状态，并根据数据分析为不同学生在不同时间提供不同的训练与评测内容，从而实现个性化学习；“猿题库”基于大数据技术依据学习者考试内容、考频、难度分布以及对考试内容的掌握程度，利用人工智能算法进行一对一智能出题，实现个性化学习。