基于大数据平台的个性化学习方法及系统
阅读说明：本技术 基于大数据平台的个性化学习方法及系统 (Individual learning method and system based on big data platform ) 是由 王磊 牛林 李宏博 张振海 马志广 司泰龙 商玲玲 郭丽娟 陈丽娜 于 2021-07-19 设计创作，主要内容包括：本公开公开了一种基于大数据平台的个性化学习方法,包括：建立包含学生信息库、反馈数据库、培训知识库和兴趣知识资源库的大数据平台,并实时更新大数据平台内的数据；向培训知识库录入培养知识,向学生信息库录入学生信息、学生的测评成绩和教学目标；向大数据平台提出服务请求；根据服务请求,结合测评成绩和教学目标,将培训知识库和兴趣知识资源库内的相关信息进行反馈；本公开将大数据分析与个性化定制学习相结合,利用大数据管理各种知识资源,并分析学生自主学习行为以及考核评价指标,将分析结果转化为学习内容推送机制,有助于解决目前个性化学习方法不足的问题。(The disclosure discloses a personalized learning method based on a big data platform, which comprises the following steps: establishing a big data platform comprising a student information base, a feedback database, a training knowledge base and an interest knowledge resource base, and updating data in the big data platform in real time; inputting culture knowledge into a training knowledge base, and inputting student information, evaluation scores of students and teaching targets into a student information base; a service request is made to a big data platform; according to the service request, the relevant information in the training knowledge base and the interest knowledge resource base is fed back in combination with the evaluation score and the teaching target; the method combines big data analysis and personalized customization learning, manages various knowledge resources by using big data, analyzes autonomous learning behaviors and evaluation indexes of students, converts analysis results into a learning content pushing mechanism, and is beneficial to solving the problem of insufficient current personalized learning methods.)
技术领域
本公开属于个性化学习技术领域，尤其涉及一种基于大数据平台的个性化学习方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的
背景技术
信息，不必然构成在先技术。从目前大数据在职业教育中的应用来看，大数据在职业教育宏观管理理念中的应用，包括数据中心建设、数据管理和学习环境建设方面的应用都取得了一定的效果；但是，也存在以下两点关键性问题，第一，大数据在学生学习能力评估中的应用不够充分，第二，是以大数据为基础的技术和工具在实际应用中相对较少。
发明人发现，在职业教育领域，运用大数据已经开展了不少的研究，特别在宏观管理、资源库建设、现代学徒制和人才培养方面；但很多研究存在不够系统化、不够全面化和缺乏实证基础的缺憾；个性化学习也逐渐在职业教育领域得到起步，但是尚未得到推广运用。
以上问题在目前的职业院校中普遍存在，严重制约了学生的学习效率，不利于学习效率的提升。
发明内容
本公开为了解决上述问题，提出了一种基于大数据平台的个性化学习方法及系统；本公开将大数据分析与个性化定制学习相结合，利用大数据管理各种知识资源，并分析学生自主学习行为以及考核评价指标，将分析结果转化为学习内容推送机制，有助于解决目前个性化学习方法不足的问题。
为了实现上述目的，第一方面，本公开提供了一种基于大数据平台的个性化学习方法，采用如下技术方案：
基于大数据平台的个性化学习方法，包括：
建立包含学生信息库、反馈数据库、培训知识库和兴趣知识资源库的大数据平台，并实时更新大数据平台内的数据；
向培训知识库录入培养知识，向学生信息库录入学生信息、学生的测评成绩和教学目标；
向大数据平台提出服务请求；
根据服务请求，结合测评成绩和教学目标，将培训知识库和兴趣知识资源库内的相关信息进行反馈。
进一步的，所述大数据平台包括ZooKeeper层、Hadoop层和Apache Spark层；
ZooKeeper层包含封装成集群形式的多个数据存储设备；ZooKeeper把集群内管理的数据存储设备所能提供的计算和存储功能以接口的形式提供给Hadoop；
Hadoop用于管理大数据平台内的个性化定制数据；
Apache Spark用于数据平台内数据集的计算和分析。
进一步的，所述数据存储设备至少包括网络大学服务器、学员信息服务器、数字图书馆和考试系统；
所述大数据平台，将网络大学服务器上的视频资源、数字图书馆里的电子图书、学员信息服务器中的学员反馈信息以及考试系统中的测试成绩进行融合，借助个性化定制模块形成一个虚拟资源域。
进一步的，所述个性化定制数据至少包括电子图书、视频课件、学员访问记录、考试成绩分析和学员反馈记录。
进一步的，所述大数据平台根据学生访问的ID号获取学生感兴趣的知识资源，将相关类别学习资源推送给学生进行拓展学习。
为了实现上述目的，第二方面，本公开还提供了一种基于大数据平台的个性化学习系统，采用如下技术方案：
基于大数据平台的个性化学习系统，包括：数据库建立模块、信息交互模块和信息反馈模块；
所述数据建立模块，被配置为：建立包含学生信息库、反馈数据库、培训知识库和兴趣知识资源库的大数据平台，并实时更新大数据平台内的数据；
所述信息交互模块，被配置为：向培训知识库录入培养知识，向学生信息库录入学生信息、学生的测评成绩和教学目标；向大数据平台提出服务请求；
所述信息反馈模块，被配置为：根据服务请求，结合测评成绩和教学目标，将培训知识库和兴趣知识资源库内的相关信息进行反馈。
进一步的，所述大数据平台包括ZooKeeper层、Hadoop层和Apache Spark层；
ZooKeeper层包含封装成集群形式的多个数据存储设备；ZooKeeper把集群内管理的数据存储设备所能提供的计算和存储功能以接口的形式提供给Hadoop；
Hadoop用于管理大数据平台内的个性化定制数据；
Apache Spark用于数据平台内数据集的计算和分析。
进一步的，所述数据存储设备至少包括网络大学服务器、学员信息服务器、数字图书馆和考试系统；
所述大数据平台，将网络大学服务器上的视频资源、数字图书馆里的电子图书、学员信息服务器中的学员反馈信息以及考试系统中的测试成绩进行融合，借助个性化定制模块形成一个虚拟资源域。
进一步的，所述个性化定制数据至少包括电子图书、视频课件、学员访问记录、考试成绩分析和学员反馈记录。
进一步的，所述大数据平台根据学生访问的ID号获取学生感兴趣的知识资源，将相关类别学习资源推送给学生进行拓展学习。
与现有技术相比，本公开的有益效果为：
1.本公开通过大数据对上述教学资源进行整合，并对学生培训知识库的知识表示方法、字段属性和知识存储方式进行研究，基于大数据平台，设计学生的个性化学习与知识库的关联方法，使培训知识库与学生个性化学习无缝连接；
2.本公开根据个性定制的定义，针对学生的培养反馈和网络测评结果，将其需求及短板融入到实际培养当中，以个性定制的方式提升培养质量，为职业教育开展个性化定制的先河；
3.本公开利用个性化定制方法对学生进行培养，提升了培养质量。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
图1为本公开的系统三层设计内容及关联关系；
图2为本公开的大数据平台结构图。
具体实施方式
：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
实施例1：
本公开提供了一种基于大数据平台的个性化学习方法，包括：
建立包含学生信息库、反馈数据库、培训知识库和兴趣知识资源库的大数据平台，并实时更新大数据平台内的数据；
向培训知识库录入培养知识，向学生信息库录入学生信息、学生的测评成绩和教学目标；
向大数据平台提出服务请求；
根据服务请求，结合测评成绩和教学目标，将培训知识库和兴趣知识资源库内的相关信息进行反馈。
通过本实施例，能够按照学生各自的培养期望、测评成绩和Web知识点访问记录，结合教学目标，自动分析出学生的兴趣点以及不足点，进而提供课后的电子化辅导，从而提升培养效果，提高培养质量。
在本实施例中，大数据平台的设计方案为：
所述大数据平台提供了基础数据和实时数据，其中，所述学生信息数据库包括学生学号、学生姓名、班级和送培单位等数据，方便学生随时安全登录以查看需要培训的安排情况。所述大数据平台在一个特定的应用环境下，建立数据库及其应用系统，使之能够有效地存储数据，提供本地知识库中的数据表同业务对象的映射处理，包括各种数据处理的组件或服务，供业务逻辑层调用，屏蔽具体数据库访问实现技术上的差异，实现对底层系统数据库的访问；满足各种学生的应用需求包括反馈要求和学习要求；一个良好的数据平台的设计不但能够很好的提高系统的整体性能，而且能够提高开发质量和开发效率。
本实施例中，根据MapReduce产生数据的应用系统分类，大数据的采集主要有4种来源：网络大学数据集、数字图书馆数据集、知网节点数据集以及培养课程相关数据集；对于不同的数据集，可能存在不同的结构和模式，如文件、XML树、关系表等，表现为数据的异构性；对多个异构的数据集，需要做进一步集成处理或整合处理，将来自不同数据集的数据收集、整理、清洗、转换后，生成到一个新的数据集，为后续查询和分析处理提供统一的数据视图；另外，本实施例中，还将通过对数据库和知识库进行优化，使数据库能更准确地表示业务数据，数据库易于使用和维护并且能够较快的响应用户，便于数据修改和数据的检索以及有效的安全机制以确保数据的安全，减少冗余的数据。
具体的，如图2所示，所述大数据平台中，优选的，最底层是由ZooKeeper搭建的一个分布式协作服务集群；ZooKeeper是为分布式应用提供一致性服务的可靠协调系统，能够为服务器集群提供配置维护、域名服务、分布式同步等功能；ZooKeeper将网络大学服务器、学员信息服务器、数字图书馆和考试系统等数据存储设备封装成集群的形式，使其中的存储节点互为备份，当某台服务器宕机，不会影响故障数据的提取或者降低集群的运算能力。
ZooKeeper把集群内管理的硬件设备所能提供的计算和存储等功能以接口的形式提供给上层的Hadoop分布式文件系统；HDFS是一种能够在通用硬件上运行的高容错性分布式文件系统，可以提供超高吞吐量的访问数据，非常适合大数据集的应用；在故障大数据平台架构中，HDFS用来管理所有个性化定制所能用到的数据，例如各种电子图书、视频课件、学员访问记录、考试成绩分析和学员反馈记录等；相对于传统的分布式数据库，HDFS具备更好的分布式数据协调能力，而且能够通过备份存储技术增加系统的容错性；Hadoop通过统一资源管理框架YARN为各类应用计算提供资源调度和管理；YARN在框架中的作用为将个性化定制中的多个子模块提供统一的资源调度服务，共享集群资源；YARN将框架中的数据资源与推送机制分离，这样的好处在于，当上层的推送机制有变化时，不会影响到HDFS；而集群中出现新的数据采集系统时，推送机制不会因新资源的加入而全部重写。
YARN的上层是以Apache Spark为主要计算框架的各个子模块程序，例如数字资源管理、学员信息分析、个性化推送和反馈信息收集等都在这一层实现；Apache Spark一个分布式计算框架，可以任意读写HDFS中的资源，能够与YARN无缝连接；相比Hadoop自身携带的MapReduce大规模数据集计算模型，Spark完全基于内存计算，包括中间结果也完全缓存在内存中，因此运算性能更加优越，对实时处理系统的处理更为高效。模型最顶层是电子资源集群部署、配置、管理工具，以及人机界面。
在本实施例中，大数据平台能够将网络大学上的视频资源、电子图书馆里面的电子图书和学员反馈信息以及考试系统中的海量信息融合，对上层的个性化定制模块形成一个虚拟资源域，保证了对数据的各项访问快速和稳定的实施。
实施例2：
如图1所示，本实施例提供了一种基于大数据平台的个性化学习系统，采用如下技术方案：
基于大数据平台的个性化学习系统，包括：数据库建立模块、信息交互模块和信息反馈模块；
所述数据建立模块，被配置为：建立包含学生信息库、反馈数据库、培训知识库和兴趣知识资源库的大数据平台，并实时更新大数据平台内的数据；
所述信息交互模块，被配置为：向培训知识库录入培养知识，向学生信息库录入学生信息、学生的测评成绩和教学目标；向大数据平台提出服务请求；
所述信息反馈模块，被配置为：根据服务请求，结合测评成绩和教学目标，将培训知识库和兴趣知识资源库内的相关信息进行反馈。
具体的，所述大数据平台包括ZooKeeper层、Hadoop层和Apache Spark层；
ZooKeeper层包含封装成集群形式的多个数据存储设备；ZooKeeper把集群内管理的数据存储设备所能提供的计算和存储功能以接口的形式提供给Hadoop；所述数据存储设备至少包括网络大学服务器、学员信息服务器、数字图书馆和考试系统；具体的，所述大数据平台，将网络大学服务器上的视频资源、数字图书馆里的电子图书、学员信息服务器中的学员反馈信息以及考试系统中的测试成绩进行融合，借助个性化定制模块形成一个虚拟资源域；
Hadoop用于管理大数据平台内的个性化定制数据；所述个性化定制数据至少包括电子图书、视频课件、学员访问记录、考试成绩分析和学员反馈记录
在本实施例中，Apache Spark用于数据平台内数据集的计算和分析；所述大数据平台根据学生访问的ID号获取学生感兴趣的知识资源，将相关类别学习资源推送给学生进行拓展学习。
在本实施例中，所述数据库建立模块设计为用户层设计；所述用户层是学生进行定制以及管理员操作的入口，即客户端浏览器；学生通过浏览器向WEB服务器提出服务请求，返回的信息在浏览器上显示，完成与后台的交互，实现个性化培训；管理员通过浏览器向后台录入培养涉及的各类知识以及学生信息。
具体的，为了体现用户层开放性好、开发维护容易，可移植性高，可扩展性强等特点，本实施例中，选择B/S结构来实现；基于B/S体系结构的系统，把用户服务、数据服务和业务服务相互隔离开来，分成了三层；B/S是基于特定通信协议(HTTP)的C/S架构，B/S架构是为了满足瘦客户端、一体化客户端的需要，最终目的是节约客户端更新、维护等的成本，及广域资源的共享；基于上述分析，本实施例中，将选择B/S结构作为本文的主体结构，采用Dreamweaver+ASP.NET 3.5作为客户端开发工具，Microsoft SQL Server 2015作为服务器端开发工具，设计友好、易操作的学生操作界面以及流畅、安全的后台服务器。
在本实施例中，所述信息交互模块设计为应用层设计；所述应用层是学生与系统交互的一层，也是整个系统价值最能体现的一层，系统的各种功能在这层实现，包括了学生反馈统计子系统，学生定制设计子系统，学生管理子系统，培训知识录入子系统等主要模块，应用层为实现学生定制和管理功能的逻辑实现层。
具体的，应用层是本实施例中的中间环节，也是重点环节；该层包括了反馈统计、定制设计、学生管理、知识录入等程序模块，其设计方式直接决定了系统的运行效率；本实施例中，拟采用LAN+5G的形式对功能服务器与学生客户端进行连接；学生客户端主要由移动设备、电脑用户以及虚拟现实设备组成，因此电脑用户和虚拟现实设备通过LAN与功能服务器进行连接，移动设备采用5G技术与功能服务器进行连接；功能服务器上运行的程序模块通过LAN读取数据服务器上培训知识库的内容，反馈给客户端。
在本实施例中，所述信息反馈模块设计为大数据服务层(大数据平台)设计；所述大数据服务层是整个平台的底层基础，它提供了系统运行的基础数据和实时数据；学生信息库保存了所有培养学生的信息，反馈数据库存放学生反馈的培养需求，培训知识库存放实训演示、操作视频等教学环节，随时按照应用层提出的要求进行数据交换。另外，大数据服务层还包括网络大学服务器、数字图书馆服务器以及知网出口节点服务器，可以根据学生访问的ID号获取学生感兴趣的知识资源，将相关类别学习资源反馈给应用层的定制设计模块，以便推送给学生进行拓展学习。
具体的，大数据服务层是整个平台的底层基础，它提供了系统运行的基础数据和实时数据，学生信息数据库包括了学生学号、学生姓名、班级和送培单位等数据，方便学生随时安全登录以查看需要培训的安排情况；大数据服务层是系统设计中的重要组成部分，在一个特定的应用环境下，建立数据库及其应用系统，使之能够有效地存储数据，提供本地知识库中的数据表同业务对象的映射处理，包括各种数据处理的组件或服务，供业务逻辑层调用，屏蔽具体数据库访问实现技术上的差异，实现对底层系统数据库的访问；满足各种学生的应用需求包括反馈要求和学习要求。
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。