在線大數據學習效果怎麼樣?在線學習過程性評價系統工作流程總共分爲六個大的步驟，充分說明了大數據支持下的過程性評價嵌入在線學習之中的路徑和方法。
在線大數據學習效果怎麼樣？
第一步，學習者開展在線學習活動，並隨之生成學習行爲的數據，經過在線學習內容與服務模塊，這些數據將被貼附時間戳標記。
第二步，數據按照預定義結構存入學習者學習狀態信息庫。
第三步，在線學習過程性評價引擎從學習者特徵信息庫和學習狀態信息庫中收集數據，依據不同的評價指標和內容，選擇不同的方法和模型，對學習者的學習實施過程性評價。
第四步，個性化診斷與引導引擎根據過程性評價引擎分析的結果，通過內容與服務模塊爲學習者提供有針對性的在線學習診斷服務，預測未來表現並發現潛在的問題，實施個性化引導。
第五步，過程性評價引擎的分析結果被同步傳遞給評價信息可視化儀表盤，供在線教學者、學伴和專家使用，也提供給在線學習者，幫助其精準瞭解自己的學習過程和狀態，開展自我評價和反思，提高學習績效。
第六步後，在線教學者、專家根據儀表盤提供的可視化反饋信息，及時評估學習者的進步和表現，提升個性化在線學習的品質。
數據沿着“數據—處理與存儲—融合—分析—評價—反饋和優化”的流程，價值不斷增加，從最基本的記錄到預測未來趨勢，向過程性及時引導和調整轉變，其中數據是資產，分析和挖掘是技術，過程性評價是手段，促進更加有效的學習是目標。
在線大數據學習效果怎麼樣?
(一)在線學習過程性活動記錄子系統
虛擬的在線學習過程可以看作是五類元素的組合，即學習者、學習資源、交互、事件以及學習結果。這五個元素之間相互影響，密切相關，共同構成系統的在線學習活動。根據在線學習活動屬性與關鍵內容，我們將記錄子系統中的過程性活動分爲互動交流、資源使用、學習作品、資源分享、平臺利用、自我評價、學伴評價、教師點評、學習反思和成長記錄等核心活動。
Web爬蟲具有目標信息採集準確、應用配置簡單的特徵，是在線數據記錄非常有效的方式。另外，該技術在記錄數據的同時，還能執行數據過濾的功能，非常適合大數據背景下在線學習環境的特徵。記錄子系統利用Web爬蟲記錄學習活動數據，爲下一步的數據處理與存儲子系統提供數據來源。
(二)數據處理與存儲子系統
數據處理與存儲子系統主要包括數據採集、清洗、存儲和數據轉化四大模塊。
其中，數據採集模塊實現“採”和“集”兩個功能，“採”實現記錄系統所提供數據的針對性、價值性、精準性抓取;“集”則按照一定規則和篩選標準進行數據匯聚。如果數據的源頭存在垃圾，那麼產出的很難是金子。數據清洗模塊的作用就是過濾掉“垃圾信息”，儘可能保證入庫數據的正確性。數據轉化模塊在數據層級進行數據格式的統一與數據分類變量重組等工作，將數據轉化成爲適合融合與挖掘的形式。
數據存儲的主要任務是按照數據模型定義的表結構，將轉化模塊提交的數據集存入數據庫中，以防止數據丟失。子系統將結構化數據存儲於關係型的開源數據庫MySQL中，非結構化與半結構化數據將存儲於非關係型(NoSQL)的開源分佈式數據庫HBase中。HBase是面向列的分佈式開源數據庫，它和大數據分佈式處理框架Hadoop緊密關聯，主要包括Client(訪問入口)、Zookeeper(協調服務)、HRegionServer(表數據讀寫操作)、HMaster(HRegionServer行爲監視)四個核心組件，可提供過程性評價數據的實時隨機讀/寫訪問。
(三)數據融合子系統
數據融合子系統通過在數據間、信息間、知識片段間建立多維度、多粒度的語義連通，形成面向多層次知識提取的數據集合，解決數據的碎片化問題。在參考現代教育評價理論和在線學習理論的基礎上，本研究將過程性學習數據融合爲四類核心內容，分別是：
學習態度相關數據，主要表現在線學習者學習過程的認真程度，用以衡量學習任務完成量方面的數據;
學習方法相關數據，主要是完成學習任務的行爲或操作性知識方面的數據;
學習過程相關數據，主要爲學習者在學習情境中與教學者、學伴，以及資源環境的交互而產生的數據，包括知識、技能和態度等核心內容;
自評他評數據，主要是來自於學生自評、學伴互評和教師點評方面的數據。
通過小數據的融合，系統打通了過程性學習評價的數據孤島，爲進一步數據分析提供了支持。
(四)在線學習過程性數據分析子系統
在線學習過程數據分析子系統從多個維度挖掘融合後數據中的有價值信息，對學習者的個體學習過程進行畫像。其中，數據挖掘綜合運用數學統計、關聯規則和決策樹等方法，分析學習者學習過程與學習內容、學習狀態等變量的相關關係，幫助評價系統針對學習者的特徵開展精準知識推薦和引導。機器學習主要研究計算機如何模擬人類利用已知事實規律獲取新知識的智慧。應用機器學習方法可以模擬人類智慧，分析學習者的學習狀態、學習行爲及其潛在的影響因素，針對性地刻畫個體行爲特徵和在線學習的風格。
學習分析技術是測量、收集和分析有關學習數據，以理解和優化學習及其產生情境的技術。《2016新媒體聯盟中國基礎教育技術展望：地平線項目區域報告》認爲：“大數據學習分析技術將在未來兩至三年成爲極具影響力的教育技術”。
學習分析技術能夠幫助系統對學習者的學習結果進行評估，理解和優化在線學習及其產生的情境，預測學習者的發展趨勢，爲過程性評價提供實時反饋信息。
模式識別利用計算機代替人對學習行爲信息進行處理和識別，它通過樣本獲取、特徵抽取、類型識別和過程性評判等核心步驟，實現學習過程特徵的描述、識別和分類。SNA(SocialNetworkAnalysis，社會網絡分析)從社會關係網絡結構出發，計算學習者在學習社羣中的位置、角色、聲望和羣體屬性等信息，分析學習者在線學習社羣網絡形成的過程與特徵，從而爲學習者的積極性和交互程度判斷提供依據。
(五)在線學習過程性評價子系統
過程性評價將評價“嵌入”到學習過程中，主張對學習的動機、參與過程和學習效果進行三位一體的評價。如下表所示，本研究將依據一定的評價標準和指標，從學習動機、學習參與過程、學習效果三個維度開展評價。評價不僅關注學習效果，而且關注影響學習者學習投入的動機以及知識積累的過程，將評價活動和過程作爲被評價者展示自己進步和成績的平臺，讓學習者主動參與到學習與評價活動中去。
學習動機是激發個體學習，並使學習行爲趨向一定目標前進的心理動因和傾向，具有方向性、驅動性、行爲導向性和持久性的特徵。學習者往往對感興趣、有價值、處於能力範圍內並可帶來成就感的學習內容投入更多的時間和精力，從中獲得較大的滿足感。學習動機評價將從知識價值的認識(知識價值觀)、對學習的直接興趣(學習興趣)、對自身學習能力的認識(學習能力感)、對學習成績的歸因(成就歸因)四個方面展開。
學習參與注重建立夥伴關係，是一種主動的個性化學習體驗。紐曼將學習過程中的參與看作是行爲參與、情感參與和認知參與的有機組合，這種劃分思想得到了研究者們的普遍認同。在師生分離、生生分離的在線學習狀態下，過程性評價子系統通過對行爲(內容互動、學伴互動、師生互動、學習環境互動)、情感(興趣、成功、焦慮、厭倦等)，以及認知(記憶、理解、運用、分析、評價、創造和知識掌握等)三個維度的學習參與評價，分析學習個體多方面潛能的自由發展和個性化表現。
學習效果是在線學習者完成課程學習之後能力提升的程度，增值是學習效果的主要表達方式。阿斯汀的學生參與理論(StudentInvolvementTheory)將學習效果解釋爲能力獲得程度的認定，從動態角度解釋了學習質量的提高過程，受到廣泛關注。
在參考阿斯汀思想的基礎上，系統根據過程性評價理念和在線學習的特徵，從高層次思維能力(探究問題的能力、批判思維的能力、創造性思維能力，以及知識的綜合應用能力等)、知識應用與實踐能力(發現問題、解釋問題、分析問題和解決問題的能力)、在線協作能力(交流、溝通與在線協作學習能力)、自我學習與發展能力(自主信息收集與閱讀、信息整合與終身學習能力等)和其他綜合能力(學科視野、創新能力、信息素養)等五個核心內容出發，展開學習效果過程性評價。
通過評價子系統提供的學習質量反饋信息，在線教學者可更清楚地瞭解學習者的學習狀態和效果，對教學策略展開反思與內省，並針對個體差異展開積極的引導、干預和學習路徑調整推薦。在線學伴從協作視角判斷過程性成果價值，通過協同與互助等方式共同構建良性的同儕互動。利用來自於評價子系統、教學者和學伴的反饋信息，學習者能更好地認識自己的優勢和不足，及時糾正問題。
過程性學習評價強調，課程知識內容的建構是有意義的觀點和思想產生並不斷改進的過程。大數據背景下，貫穿於在線學習始終的過程性評價在學習者個體知識的不斷建構與發展中，實現在線教學、學習和評價的有機融合
人工智能、大數據、雲計算和物聯網的未來發展值得重視，均爲前沿產業，多智時代專注於人工智能和大數據的入門和科譜，在此爲你推薦幾篇優質好文：
多智時代-人工智能和大數據學習入門網站|人工智能、大數據、物聯網、雲計算的學習交流網站
