基于校园大数据的学生学习兴趣分析与应用

郑倩如 邹才凤

摘  要：学生学习兴趣直接影响学生的学习质量。如果能准确了解学生学习兴趣，对于提高学生学习积极性、学校教育质量有着重要意义。随着高校校园信息化，校园内数据倍增，将数据用于进一步挖掘分析，对于校园、教育管理具有非常重要的作用。其中，对大学生在校园内的各种行为所产生的数据进行采集、预处理、分析、挖掘，多维度挖掘学生学习兴趣，一方面可以使得学生更加全面了解自己，学校施展教育更有针对性;另一方面，学生可以根据自己兴趣为日后职业规划做准备。

关键词：校园数据;大数据技术;学习兴趣;数据分析

中图分类号：TP311.13;TP391.1      文献标识码：A 文章编号：2096-4706（2020）07-0175-03

Analysis and Application of StudentsLearning Interest Based on Big Data of Campus

——Taking Guangdong Mechanical and Electrical Polytechnic as an Example

ZHENG Qianru，ZOU Caifeng

（Guangdong Mechanical and Electrical Polytechnic，Guangzhou  510550，China）

Abstract：Learning interest of students determines the learning quality. If learning interest of students can be achieved accurately，it may help to improve the studentslearning initiative and schools education quality. As informatization of colleges develops，school data grows up. To analysis the school data may be helpful for the school and education management. More specifically，collecting，preprocessing，analysis，mining the school data to find the learning interests of students in multidimensions，on the one hand，it can makes the students know themselves more comprehensively and teachers give a targeted teaching on one hand，on the other hand helps the students make preparation for career based on their study interests.

Keywords：school data;big data technology;learning interests;data analysis

0  引  言

隨着校园信息化、智慧校园建设，校园内产生数据越来越多。利用大数据技术对这些数据进行分析，可以挖掘学生的学习兴趣。对于学校来说，掌握学生学习兴趣，对教师因材施教有着重要作用，同时，教师可以根据学生学习兴趣对学生未来就业提供有针对性的建议。对于学生来说，了解自身学习兴趣，可以对未来就业规划有着重要指导作用。

1  校园数据价值与教育数据挖掘

1.1  校园数据价值

自2012年，我国开展教育信息化，推进各个高校实现智慧校园建设、信息化教育模式应用、教育资源共享等服务[1]。以广东机电职业技术学院为例，校园内部有各个子系统，如财务系统、行政系统、教学系统、学生信息、科研信息和后勤管理等，这些子系统都产生大量的数据[2]。这些数据体量较大，但是利用率不高。

在教育领域，“因材施教”一直是教育难点[3]，老师很难准确把握每个学生的兴趣特长，而学生也因为认知水平、学习经验、学习能力、学习习惯等原因而捕捉不到自己的真实兴趣。如果能将教育相关的数据收集起来，并加以分析和挖掘学生兴趣，将会对提高教学质量和学生学习积极性有促进作用。

1.2  教育数据挖掘

教育数据挖掘是数据挖掘技术在教育领域的应用和发展[4]，以便相关人员利用挖掘出来的信息更好地为教育教学服务[5]。在外国，已有国家开展教育数据挖掘（Educational Data Mining），并认为数据质量直接决定挖掘信息的质量[6]。例如，2012年，美国教育部发布的《通过教育数据挖掘和学习分析促进教与学》中指出，美国高等院校教学系统变革，要通过对教育大数据挖掘与分析来实现[7];2015年，美国国家教育统计中心（NCES）认为面向学校和学区的教育数据非常重要，可以对教育质量产生影响[8]。

在国内，教育数据挖掘技术已经在多方面进行应用，如提高教育管理效率[9]、分析和引导学生消费模型[10]、大学生孤独预警模型[11]等。利用校园数据挖掘学生学习兴趣的研究相对较少，因此，本文围绕该方向进行进一步探究。

2  校园大数据的学生学习兴趣分析与应用

2.1  学生学习兴趣分析平台

基于校内各个管理系统数据实现分析学生学习兴趣的系统可以采用基于Hadoop的分布式系统框架，如图1所示。Hadoop集成了HBase、Hive、Sqoop、ZooKeeper等组件。离线的传统关系型数据（如选课数据、成绩数据、出勤数据、图书借阅数据），可以采用Sqoop组件同步到Hadoop集群中的分布式文件系统（Hadoop Distributed File System，HDFS）。动态采集的实时数据（上网访问数据）可以采用日志采集组件Flume、实时处理组件Spark或者Storm来采集。采集好的数据，通过进一步的清洗，可以采用Hive、Spark等数据分析工具来进行相关统计分析。分析后的结果可以存入HBase、Redis、Elasticsearch等能快速检索的数据库，方便呈现学生学习兴趣挖掘结果。