杨才海G4基于数据分析的学情诊断总结

针对线上教学情况反馈，学校对全体教师进行研讨培训，我通过培训，结合学情，查找问题与不足，制定切实可行的复习计划。

一、面向在线学习平台的数据挖掘和分析， 1.数据的收集。收集的数据包含两个部分：一是学生的静态信息。它除了关于学生自身的个人信息，还有平时的学习习惯、学习结果等，包括学习者浏览视频的次数频率、鼠标点击以及时间停留的数据等。二是动态数据。这包括学生搜索的关键词、浏览内容及次数、课程学习实践、练习时间、翻看讨论内容时间、下载文件、拖动滚动条次数、视频暂停次数、课程各个章节视频播放时间、各个章节视频使用情况、浏览器收藏记录等。单个学员日均在线时间、登录的频率数目、日均浏览视频的次数、日均浏览互动论坛区的频率数目、发帖数量和回帖数量等，都可以通过学生学习过程的行为数据得到。 2.数据分析，分为时间维度和粒度维度。对于时间维度的划分，一般可从学期和学年两个时间段来考虑。对于学期的分析，一般是分析学习者在学习初期、中期以及末期的学习状况的变化，还会对学生的学习态度是否有变化、学习动机是否强以及学习兴趣是否高涨进行分析；而对于学年的分析，一般是对学生两个学年的学习状况进行对比，然后对两个学年产生的差异进行归因分析。对于粒度维度的划分，一般从单门课程和多门课程来分析。对于单门课程的分析，应从学习者对单门课程的学习状况、学习兴趣等方面进行分析；而对于多门课程的分析，则应从学生对不同课程的学习动机、课程设置的满意度、教学方法，乃至教师的喜爱度进行分析，

从而确定使用哪些数据分析的工具和算法。能够进行数据分析的工具和算法很多，如决策树、相关分析、关联规则、统计分析与可视化等， 根据所采集的数据性质选择相对应的分析算法和工具。简单的数据统计分析和可视化一般采用 Excel 就可以完成，通过对学习者的学习活动有频次地计数，最终以折线图、饼图等形式呈现计算的结果。 3. 数据结果。为了更直观、形象地了解分析结果和数据的本质，在对数据进行分析之后，需要对其进行可视化。数据可视化就是利用信息技术将复杂的、难以理解的数据用各种各样的图形、图像形象而简洁地表达出来的一种数据加工方式。相较于枯燥的文字阅读，图形、图像的数据呈现方式更有趣，能让学生更容易理解。对学生方方面面的数据进行收集和分析，能实时记录学生对知识点的掌握情况及其在知识点上花费的时间。教师根据这些信息能更加真实地了解学生的学习状况，从而进行个性化辅导，最终的结果呈现有学习成绩的展现、学习习惯的展现等，通过不同方面的结果呈现能让学生更加了解自己，教师更加了解学生。