CN108597280A - 一种基于学习行为分析的教学系统及教学方法 - Google Patents

Abstract

一种基于学习行为分析的教学系统及教学方法，包括教学服务器、教师终端以及学生终端，教学服务器包括教学资源服务器、知识点测试服务器、答疑交互服务器、学习行为数据采集服务器、学习行为分析服务器以及数据可视化服务器，学习行为数据采集服务器用于采集各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据；学习行为分析服务器对学习行为数据采集服务器采集到的各种行为数据进行分类分析，并将分类分析结果在数据可视化服务器进行展示。本发明实时采集学生在学习过程中的各种学习行为数据，通过多维量化评测每个学生的学习行为数据，根据学习行为分析结果动态调整教学内容，并针对学生开展个性化教学设计。

Description

一种基于学习行为分析的教学系统及教学方法

技术领域

本发明涉及教学研究技术领域，尤其是涉及一种基于学习行为分析的教学系统及教学方法。

背景技术

学生是学习的主体，其学习行为包括使用课程资源的持续时间、重复次数、完成情况、测试结果等数据。这些学习行为数据既反映了学生个体对特定知识点的掌握情况，同时也能从整体层面定量分析出全体学生对某一知识点的学习状态。

现有教学系统无法实时全面获取学生的学习行为数据，数据反馈形式也主要依靠作业、课堂提问等方式获得。这些数据存在以下局限性：作业仅能在课后检测学生对具体知识点的掌握情况。而课堂互动过程，所能覆盖的学生范围有限，难以精确实时量化地，获取每位学生对具体知识点的掌握情况。使得课堂教学过程中，知识点难易以及学生掌握情况主要依赖于教师的经验判断，教学安排和教学进度年年相似，难以根据学生变化动态地调整教学内容、实现以学生为中心的个性化教学。

现代信息技术的进步使得记录和定量分析学生的学习行为数据成为可能。例如，MOOC(慕课)平台可以记录注册学习者的各项学习行为，但上述数据只供MOOC平台的建设者和课程的开设者使用。对于想要利用MOOC等开放课程资源开展混合式教学的广大教师，依然无法获得所教授学生的学习行为数据，因而无法利用这些数据对具体教学进行指导。

发明内容

针对现有技术存在的缺陷，本发明提出了一种基于学习行为分析的教学系统及教学方法。本发明通过创建在线课堂，发布教学资源，学生开展自主学习,同步实时采集学生的学习行为数据，通过多维量化评测每个学生的学习行为数据，能实时得出反映具体学生群体的教学重点，便于教师动态调整课堂中教学内容，以提升教学效果和质量，实现有针对性的开展个性化教学。

为实现上述技术目的，本发明采用的具体技术方案如下：

一种基于学习行为分析的教学系统，包括教学服务器、教师终端以及多个学生终端，教学服务器包括多个功能服务器即教学资源服务器、知识点测试服务器、答疑交互服务器、学习行为数据采集服务器、学习行为分析服务器以及数据可视化服务器，其中教师通过教师终端可以访问教学服务器中的各个功能服务器，学生通过学生终端可以访问教学服务器中的教学资源服务器、知识点测试服务器和答疑交互服务器，学习行为数据采集服务器用于采集各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，并将采集到的各学生终端的学习行为数据传输到学习行为分析服务器；学习行为分析服务器对学习行为数据采集服务器采集到的各种行为数据进行分类分析，并将分类分析结果在数据可视化服务器进行展示。

具体地，所述教学资源服务器用于向各学生终端发布教学资源，包括但不限于课件、案例、实验数据等。

知识点测试服务器用于向各学生终端发布知识点评测试题。

答疑交互服务器，用于各学生终端发布问题、学习心得，教师终端解答问题并即时指导、与学生交流。

学习行为数据采集服务器用于采集各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，包括但不限于学习时间、学习频率、点击次数、学习完成率、测试结果等，并将采集到的各学生终端的学习行为数据传输到学习行为分析服务器。

学习行为分析服务器根据学习行为数据采集服务器采集到的各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，采用多阈值决策树方法对各学生终端进行分类，将各学生终端归入高动机/低动机、有效学习/低效学习等若干类别，支持动态设置教学内容、并为不同程度的学生终端实施个性化教学。学习行为分析服务器与数据可视化模块数据连接。

数据可视化服务器用于将学习行为分析服务器输出的分类和分析的结果以表格、直方图等形式进行展示。

基于上述提供的教学系统，本发明提供一种基于学习行为分析的教学方法，其实施流程如下：

步骤1，课前，教师根据教学内容和教学安排通过教师终端将教学资源发布到教学资源服务器，可以支持学生课前自主学习；

步骤2，学生通过学生终端开展自主学习，并提交疑问，教师通过教师终端在线答疑；

步骤3，学生自主学习过程结束后，教师通过教师终端将知识点测试题发布到知识点测试服务器，学生通过学生终端访问知识点测试服务器，基于自主学习提交测试答案；

步骤4，学习行为数据采集服务器在后台采集各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据(包括但不局限于学生的学习时间、学习频率、点击次数、学习完成率、测试结果等)；

步骤5，教师对学生学习行为数据进行多维度学习行为分析和可视化。

步骤6：学习行为分析服务器根据学习行为数据采集服务器采集到的各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，采用多阈值决策树方法对各学生终端进行分类，将各学生终端归入高动机/低动机、有效学习/低效学习等若干类别。教师根据学习行为分析服务器输出的学生学习行为分析结果动态调整教学内容，并针对学生开展个性化教学设计；

步骤7：教师实施翻转课堂和个性化教学；

步骤8：教师通过教师终端发布知识点评测题到知识点测试服务器，学生通过学生终端访问知识点测试服务器完成测试，用于测试课堂教学效果；学习行为数据采集服务器进一步采集学生行为，用于教学效果评估和改进。

进一步地，所述学习行为分析服务器包括多个决策单元，分别为第一决策单元、第二决策单元……第n决策单元，各决策单元接收来自学习行为数据采集模块采集到的各学生终端的各种学习行为数据，通过预先设定各种学习行为数据的比较阈值，然后根据预先设定的各种学习行为数据的比较阈值，对各学生终端的各种学习行为数据进行分类和分析，并将分类和分析的结果传输给数据可视化服务器。如根据各学生终端学习完成率、学习时间的长短、学习频率的高低以及点击次数的多少，将各学生终端归入高动机或者低动机类别；根据各学生测试结果将各学生终端归入有效学习或低效学习类别。

本发明的有益效果包括但不限于：

(1)本发明所提供的基于学习行为分析的教学系统，通过对学员各知识点的掌握情况及其疑问的实时获取，便于教师根据学员的学习行为分析数据实现动态调整教学内容，将教学重心放在课程重点难点讲授、案例研讨、分组讨论等环节深化学生对知识的灵活与应用，针对教学内容开展上机实验，并通过随堂练习、讲评答疑等最大化帮助学生消化吸收所学内容，以学生为中心帮助其进行知识建构。

(2)本发明所提供的基于学习行为分析的教学系统，该教学系统突出基础和核心知识点的学习和掌握，根据学生学习能力和水平设置学生自主学习的内容，通过课件、MOOC视频、知识点评测以及交流答疑支撑学生开展自主学习，并进行学习效果评价。

(3)本发明所提供的基于学习行为分析的教学方法，能对所获得的学习行为数据进行分析，从而提高对学习情况的准确把握，便于教师开展有针对性的个性化教学活动。

附图说明

图1为本发明的结构示意图。

图2为本发明的流程图。

图3是本发明优选实施例中学习行为数据多维分析模型示意图。

图4为学习行为数据分类及分析示意图。

具体实施方式

为了使本发明的技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。

参照图1，本发明提供一种基于学习行为分析的教学系统，包括教学服务器、教师终端以及多个学生终端，教学服务器包括多个功能服务器即教学资源服务器、知识点测试服务器、答疑交互服务器、学习行为数据采集服务器、学习行为分析服务器以及数据可视化服务器。其中教学资源服务器、知识点测试服务器、答疑交互服务器属于教学服务器的教学实施层，学习行为数据采集服务器属于教学服务器的数据采集层；学习行为分析服务器和数据可视化服务器属于教学服务器的数据分析层。

教师通过教师终端可以访问教学服务器中的各个功能服务器，学生通过学生终端可以访问教学服务器中的教学资源服务器、知识点测试服务器和答疑交互服务器，学习行为数据采集服务器用于采集各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据；学习行为分析服务器对学习行为数据采集服务器采集到的各种行为数据进行分类分析，并将分类分析结果在数据可视化服务器进行展示。

具体地，所述教学资源服务器用于向各学生终端发布教学资源，包括但不限于课件、案例、实验数据等。

知识点测试服务器用于向各学生终端发布知识点评测试题。

答疑交互服务器，向各学生终端发布问题、学习心得等，教师解答问题并即时指导、与学生交流。

学习行为数据采集服务器用于采集各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，包括但不限于学习时间、学习频率、点击次数、学习完成率、测试结果等，并将采集到的各学生终端的学习行为数据传输到学习行为分析服务器。

学习行为分析服务器根据学习行为数据采集服务器采集到的各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，采用多阈值决策树方法对各学生终端进行分类，将各学生终端归入高动机/低动机、有效学习/低效学习等若干类别，支持动态设置教学内容、并为不同程度的学生终端实施个性化教学。学习行为分析服务器与数据可视化模块数据连接。

数据可视化服务器用于将学习行为分析服务器输出的分类和分析的结果以表格、直方图等形式进行展示。

参见图2，为本发明的实施流程图，本发明的实施流程如下：

步骤1，教师根据教学内容和教学安排通过教师终端将教学资源(包括但不局限于教学课件、研讨案例、实验数据等)发布到教学资源服务器，可以支持学生课前自主学习；

步骤2，学生通过学生终端开展自主学习，并提交疑问，教师通过教师终端在线答疑；

步骤3，学生自主学习过程结束后，教师通过教师终端将知识点测试题(包括但不局限于基础测试题、综合测试题、拓展测试题。不同类型的测试题适合于不同的教学阶段，例如学生自主学习阶段以基础测试题为主，主要测试学生对概念和基本知识点的掌握情况；课堂教学完成后，以综合测试题为主，主要测试学生对知识点的理解和综合运用情况；拓展测试题是对教学内容的拓展和延伸，主要针对教学内容掌握较好的学生拓展教学的深度和广度)发布到知识点测试服务器，学生通过学生终端访问知识点测试服务器，基于自主学习提交测试答案；

步骤4，学习行为数据采集服务器在后台采集各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据(包括但不局限于学生的学习时间、学习频率、点击次数、学习完成率、测试结果等)；

步骤5，教师开展多维度学习行为分析和可视化。

参照图3，建立学习行为数据多维分析模型，可实现从多维度对学生的学习行为进行分析。避免单凭教师经验分析重点，造成的偏颇，还能根据具体的学生进行有针对性的教学，避免不同学生仅能面对同一重点的情况，提高教学针对性。对学生的学习行为从多维度进行分析，获得各个学生对知识点的评测结果和掌握程度，随着教学活动的推进，得到学生对教学内容的学习效果波动图(如图3中三角标注的实线表示学生n从知识点1到知识点m的学习效果波动图)，通过这样的学习效果波动图发现同一学生的学习特点。如从知识点维度分析学生整体对每个知识点的掌握情况(如图3中圆圈标注的虚线表示学生1到学生n对知识点1的学习效果波动图)，根据学习效果波动图可以发现不同批次和班级学生的教学难点，改变传统教学中不同班级教学重点一成不变的状况。

步骤6：学习行为分析服务器根据学习行为数据采集服务器采集到的各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，采用多阈值决策树方法对各学生终端进行分类，将各学生终端归入高动机/低动机、有效学习/低效学习等若干类别。教师根据学习行为分析服务器输出的学生学习行为分析结果动态调整教学内容，并针对学生开展个性化教学设计；

采用多阈值决策树方法进行学习行为分析。为实现个性化教学，以学生分类为例，目标是以学生的学习时间、学习频率、点击次数、学习完成率、测试结果等属性作为判定依据(通过学习行为数据采集服务器采集得到)构建一棵决策树，将学生分为若干类别，依据学生分类情况动态设置翻转课堂教学内容，并实施个性化教学。

步骤7：教师实施翻转课堂和个性化教学；

步骤8：教师通过教师终端发布知识点评测题到知识点测试服务器，学生通过学生终端访问知识点测试服务器完成测试，用于测试课堂教学效果；学习行为数据采集服务器进一步采集学生行为，用于教学效果评估和改进。

所述学习行为分析服务器包括多个决策单元，分别为第一决策单元、第二决策单元……第n决策单元，各决策单元接收来自学习行为数据采集模块采集到的各学生终端的各种学习行为数据，通过预先设定各种学习行为数据的比较阈值，然后根据预先设定的各种学习行为数据的比较阈值，对各学生终端的各种学习行为数据进行分类和分析，并将分类和分析的结果传输给数据可视化服务器。以学生学习动机和学习效果为例说明(见图4)，首先以学习完成率作为判定依据，完成率大于阈值1的学生为高动机学习者，而小于等于阈值1的学生则为低动机学习者；针对高动机学习者，进一步以测试准确率作为判定依据，准确率大于阈值2的学习者为高动机有效学习者，而准确率小于等于阈值2的学习者则为高动机低效学习者。在学习行为分析的基础上，针对低动机的学习者，以激发学习动机为主开展个性化教学；针对高动机有效学习者，以深化学习内容、扩展知识点、增强学生能力为主进行教学；针对高动机低效学习者，以改进学习方法、提高学习效果为主进行教学。以此类推，可以根据课程性质和教学目标，通过学习行为分析建立不同的决策树支持翻转课堂及个性化教学。

教师可以将教学内容细化为若干可操作的知识点，针对各知识点设计评测题库分析学生对每个知识点的掌握情况，针对评测结果发现不同批次和班级学生的教学难点，改变传统教学中难点一成不变的状况，开展针对性的教学活动帮助学生掌握难点。

根据评测结果，教师可以针对学生个体层面和整体层面存在的问题采取不同的教学措施：对于学生整体掌握情况不好的特定知识点，反映了学生自主学习中存在的共性问题，教师翻转课堂时对存在的共性问题需要针对学生整体进行重点讲解；而对于个别学生存在的非共性问题，针对学生进行单独讲解即可。

学生对知识点的评测结果依据教师设计的知识点评测题库获得，分为优秀、良好、中等及不合格等档次，教师可将教学重点放在多数同学评测结果不理想的知识点，通过研讨、讲评、答疑等活动进行重点讲授，帮助学生理解和应用。而对于多数同学评测结果均不错的知识点翻转课堂时可以采用相对较少的课堂时间，课间或课后针对少数同学辅导和解答，使得教学活更灵活、有弹性。

教师在课堂授课环节开展以学生为中心的翻转课堂教学。在翻转课堂模式下，课堂教学的核心是以学生为主体、以知识的理解和应用为目标，组织包括重点难点讲授、案例研讨、分组讨论、随堂练习、讲评答疑等形式的教学活动，深化学生对知识的灵活与应用，并根据课程需要开展上机实验。

以《数据库原理与应用》课程“SQL查询”知识点为例，课前教师通过教师终端将“SQL查询”的教学课件和“大学数据库系统”查询应用实例发布到教学资源服务器，支持学生课前自主学习；学生通过学生终端自主学习过程中，学生通过学生终端向答疑交互服务器中提交疑问，教师通过教师终端仿真答疑交互服务器实现在线答疑；学生自主学习过程结束后，教师通过教师终端将“超市商品”SQL查询测试题发布到知识点测试服务器，学生通过学生终端访问知识点测试服务器并基于自主学习完成测试并提交答案；学习行为数据采集服务器采集上述整个过程中各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，包括但不限于学习时间、学习频率、点击次数、学习完成率、测试结果等，并将采集到的各学生终端的学习行为数据传输到学习行为分析服务器。学习行为分析服务器根据学习行为数据采集服务器采集到的各种行为数据，采用多阈值决策树方法对各学生终端进行分类，将各学生终端归入高动机/低动机、有效学习/低效学习等若干类别。数据可视化服务器用于将学习行为分析服务器输出的分类和分析的结果以表格、直方图等形式进行直观的展示，便于教师了解各学生的学习效果。教师通过教师终端访问数据可视化服务器，了解各学生的学习效果以及分类情况，发现“select子句”、“from子句”知识点的学习效果普遍较好，90％的学生通过测试；而“聚集函数”、“嵌套子查询”知识点自主学习效果较差，这部分测试只有6％的学生通过；另外有4％的学生没有即时完成自主学习。因此在翻转课堂教学过程中，“select子句”、“from子句”知识点以介绍为主，课堂教学时间较短；而“聚集函数”、“嵌套子查询”知识点则在课堂教学过程中开展重点讲授、分析讨论和练习，并在课后进一步发布测试题检测课堂教学的效果。针对6％整体知识点掌握较好的学生，推送难度更大的测试题，加深和提高学生对知识点的理解和运用能力；针对4％未完成自主学习的学生，与学生交流原因，分析学习时间不够、知识点难度大难于掌握及不重视课前自主学习等原因，查缺补漏，避免后续学习再发生此类问题，开展个性化教学。

综上所述，虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何本领域普通技术人员，在不脱离本发明的精神和范围内，当可作各种更动与润饰，因此本发明的保护范围当视权利要求书界定的范围为准。

Claims (8)

1.一种基于学习行为分析的教学系统，包括教学服务器、教师终端以及多个学生终端，其特征在于：教学服务器包括多个功能服务器即教学资源服务器、知识点测试服务器、答疑交互服务器、学习行为数据采集服务器、学习行为分析服务器以及数据可视化服务器，其中教师通过教师终端可以访问教学服务器中的各个功能服务器，学生通过学生终端可以访问教学服务器中的教学资源服务器、知识点测试服务器和答疑交互服务器，学习行为数据采集服务器用于采集各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，并将采集到的各学生终端的学习行为数据传输到学习行为分析服务器；学习行为分析服务器对学习行为数据采集服务器采集到的各种行为数据进行分类分析，并将分类分析结果在数据可视化服务器进行展示。

2.根据权利要求1所述的基于学习行为分析的教学系统，其特征在于：所述教学资源服务器用于向各学生终端发布教学资源。

3.根据权利要求1所述的基于学习行为分析的教学系统，其特征在于：知识点测试服务器用于向各学生终端发布知识点评测试题。

4.根据权利要求1、2或3所述的基于学习行为分析的教学系统，其特征在于：答疑交互服务器用于学生终端发布问题、学习心得，教师终端解答问题并即时指导、与学生交流。

5.根据权利要求4所述的基于学习行为分析的教学系统，其特征在于：学习行为分析服务器对各种行为数据，采用多阈值决策树方法对各学生终端进行分类，将各学生终端归入高动机/低动机、有效学习/低效学习等若干类别；数据可视化服务器用于将学习行为分析服务器输出的分类和分析的结果以表格、直方图等形式进行展示。

6.根据权利要求5所述的基于学习行为分析的教学系统，其特征在于：所述学习行为分析服务器包括多个决策单元，分别为第一决策单元、第二决策单元……第n决策单元，各决策单元接收来自学习行为数据采集模块采集到的各学生终端的各种学习行为数据，通过预先设定各种学习行为数据的比较阈值，然后根据预先设定的各种学习行为数据的比较阈值，对各学生终端的各种学习行为数据进行分类和分析，并将分类和分析的结果传输给数据可视化服务器。

7.根据权利要求1所述的基于学习行为分析的教学系统，其特征在于：行为数据包括但不局限于学生的学习时间、学习频率、点击次数、学习完成率和测试结果。

8.一种基于学习行为分析的教学方法，其特征在于：包括以下步骤：

步骤1，课前，教师根据教学内容和教学安排通过教师终端将教学资源发布到教学资源服务器，支持学生课前自主学习；

步骤2，学生通过学生终端开展自主学习，并提交疑问，教师通过教师终端在线答疑；

步骤3，学生自主学习过程结束后，教师通过教师终端将知识点测试题发布到知识点测试服务器，学生通过学生终端访问知识点测试服务器，基于自主学习提交测试答案；

步骤4，学习行为数据采集服务器在后台采集各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据；

步骤5，教师对学生学习行为数据进行多维度学习行为分析和可视化。

步骤6，学习行为分析服务器根据学习行为数据采集服务器采集到的各学生终端访问教学资源服务器、知识点测试服务器和答疑交互服务器所产生的各种行为数据，采用多阈值决策树方法对各学生终端进行分类，将各学生终端归入高动机/低动机、有效学习/低效学习等若干类别；教师根据学习行为分析服务器输出的学生学习行为分析结果动态调整教学内容，并针对学生开展个性化教学设计；

步骤7：教师实施翻转课堂和个性化教学；

步骤8：教师通过教师终端发布知识点评测题到知识点测试服务器，学生通过学生终端访问知识点测试服务器完成测试，用于测试课堂教学效果；学习行为数据采集服务器进一步采集学生行为，用于教学效果评估和改进。