【摘 要】本文在“互联网+”背景下对基于大数据的学生学习过程监测和决策系统进行了研究。首先阐述了该系统研究的意义、大数据概念和特点，构建了系统的总体框架，最后设计了系统的部分特色功能。
【关键词】互联网+；大数据；学习过程；监测和决策
0 引言
当今社会，科技进步日新月异，以“互联网+”为引领的大数据、云计算和物联网等新一代信息技术快速发展，改变了我们的思维方式，一场信息化的教育革命，正在教育的各个领域展开。在“互联网+教育”这种新型教学模式下，老师面临的一大难题是：如何精准的了解每个学生的学习情况、优缺点、兴趣爱好和学习需求，与人才培养目标和就业市场需求相结合，有针对性地提供个性化和分层次的教学。
而本文就是在“互联网+教育”的背景下，利用大数据、物联网和云计算能等新一代信息技术，构建高职学生学习过程智慧监测和决策的系统和云平台，对学生在学习过程中产生的所有数据，进行全方位的大数据挖掘、智能分析，以“精准”的了解学生学习的动态需求，预判学生的潜在学习需求，同时结合专业人才培养目标，使教师很快能根据差异化的评估信息做出有针对性的教学方案，对每个学生开展个性化的教学和分层次的教学，从而提高学生的学习效率和教师的教学质量。
1 大数据技术
大数据是指海量数据的集合，是需要具有很强的洞察发现、流程改进和优化等能力的新管理模式才能发现的高价值性的信息资产。它的关键在于对这些大数据用新的挖掘和处理方法对其进行处理，并发现数据之间的关联关系和奥秘。如果把它作为一种投资，那么这种投资要实现高增长率必须提高大数据的处理能力，通过加工和处理发现其中的关联关系和价值，实现增值。当然，大数据技术与云计算技术的是相辅相成的，大数据需要采用云计算技术对庞大的数据进行分布式处理。
在“互联网+教育”的背景下，学生从入学到毕业，产生的数据多种多样，包括上课、考试、晨练、借阅图书、购物、吃饭、出入寝室等数据，这些数据用传统技术很难被关联起来，彼此是相对独立的。现在以“互联网+”信息技术为支撑，借助诸如大数据技术和云计算技术的新型管理模式，打通各类师生业务之间的数据孤岛，挖掘和分析其中的规律，并将大数据挖掘和分析的结果运用到日常的教学、教务的管理和师生的服务中，为老师和学生提供了精准和高效的服务，同时也提高了学校的管理水平，推动了学校的内涵式发展。
2 总体框架设计
在“互联网+”背景下，运用大数据和云计算等新一代信息技术来构建学习过程监测和决策系统需要整合学校现有的资源，例如在线学习与考试、在线教学资源库（微课、慕课、协同学习交流和在线教学视频等），并且需要有新一代信息技术的技术支撑，同时需要开发符合要求的功能模块（智慧监测与决策、人才培养规格等），其顶层设计的技术体系与服务体系框架，主要由基础架构即服务（Iaas）层、平台即服务（Paas）层和软件即服务（Saas）层组成。
2.1 Iaas层
Iaas层是硬件基础设施层，提供硬件基础服务，包含虚拟数据中心和基础平台两部分。虚拟数据中心的硬件基础是普通服务器集群、存储系统、网络系统和其它的计算资源等。普通服务器集群和基于众核的并行处理系统GPU等并行计算设施相结合，组成混合式的大数据并行处理系统。同时使用用虚拟化和并行资源调度技术，更好的调度和管理底层计算资源，为大数据的应用和处理提供按需分配的基础设施。基础平台包含云服务管理平台、集群管理、计算服务和存储服务等，实现资源监控、负载管理、数据管理、资源部署、安全管理和计费管理等功能。通过基础平台的管理，能够保证虚拟数据中心的基础设施能更好地利用系统资源，更好地应对突发情况，保证基础设施和其提供的资源能被合法和灵活地访问和使用，保证其底层能高效率的运行，同时满足系统的完整性，可靠性和可管理性的要求。
2.2 Paas层
Paas层提供基础平台服务和开发环境服务。该层是整个系统架构的中间层，起到承上启下的作用，向下根据用户需求计算需要的计算资源，并调用IaaS层提供的虚拟化计算资源，向上向Saas层提供平台服务和开发环境服务，同时实时监控平台的正常运行。Paas提供商主要是搭建PaaS基础平台并负责该平台的正常运行，将PaaS基础平台以服务的方式提供给Saas层运营商或用户，同时还提供对该平台的技术支持和技术咨询等服务，以保证Paas平台以及应用系统能够长期、稳定和可靠的运行。Paas层是以编程接口的形式为第三方提供有商业价值的资源、服务平台和应用系统的开发，不但为第三方提高了应用开发的效率，还为第三方节约了大量的开发成本。
2.3 Saas层
Saas层主要提供在云計算基础设施上的应用程序和具体的教学业务服务，用户可以在PC机、笔记本和手机等设备上通过浏览器访问。学校不需要管理和维护任何包括网络、服务器、操作系统和存储等的云计算基础设施。该层主要构建学生学习过程智慧监测和决策的系统，首先整合学校教务系统、在线教学资源库、学生管理系统和在线学习与考试系统等，同时开发协同学习交流模块、学生课堂实时监测模块和人才培养规格模块等。并在此基础上，开发智慧决策模块，对学生在学习过程中产生的所有大数据进行全方位的大数据挖掘和智能分析，以“精准”的了解学生学习的动态需求，预判学生的潜在学习需求，并结合人才培养目标和职业岗位能力要求给出相应的建议和处理意见。
3 特色功能设计
基于大数据的学生学习过程监测和决策系统主要特色功能模块包括学习过程线下智慧监测模块、学习过程历史数据即在线学习数据收集模块、学生学习过程评估模块、学习个性化推荐和决策模块和教师决策等模块，具体功能介绍如下：
3.1 学习过程线下智慧监测模块
通过物联网传感器或可穿戴设备收集学生线下即课堂内学习行为表现数据（什么时候翻书、点头、开小差、心率、血压等）和情绪态度数据（微笑、温和、烦躁）表情， 通过网络将收集到的学习行为数据实时存储到云平台存储系统中，然后通过挖掘和决策模块对这些行为数据进行处理，判断出学生的情绪状态和行为动作， 然后做出相应的决策分析。endprint
3.2 学习过程在线学习智慧监测模块
在网络教学云平台中，收集已有的学生基本情况历史数据，同时实时跟踪学生在线学习的情况，实时收集学生通过网络学习的状态数据，例如学习了哪些课程、浏览过哪些视频、复习过哪些知识点、做过哪些练习题以及进行了哪些测试，这些数据都将发送到大数据云平台中。
3.3 学生学习过程评估模块
综合线上学习和线下学习的数据，利用大数据挖掘技术进行高效的学习过程评估，并结合人才培养规格和职业岗位能力要求，给出定量评价并汇总，做到全程评价。
3.4 学习个性化推荐和决策模块
利用云计算技术、数据挖掘技术等高新技术，设计一个学习个性化推荐和决策模块。首先，根据已有的线上和线下学生学习的监测大数据进行分析，根据一些特定的算法，以学生的各项特征为基础，通过计算得到某一权值，并以这个权值作为依据，并结合人才培养规格和职业岗位能力要求，为学生推荐合适的学习内容，并将个性化结果显示在界面上，实现基于大数据的学习推荐模块。
3.5 教师决策模块
教师决策模块主要使用人工智能算法对学生数据进行智能挖掘和分析。首先建立学习模型并根据学生的学习过程监测到的大数据，测算出学生目前学习状态，包括学生已经掌握了哪些知识点、哪些知识点没有掌握、学生对哪些内容感兴趣，并结合人才培养目标，分析出学生与专业培养目标规定的职业岗位能力要求的差距，并将决策和分析结果输出供教师参考，使教师能做出合适的教学方案和教学策略，对每个学生开展个性化的教学和分层次的教学。
4 结束语
本文在“互联网+”背景下，将大数据、物联网和云计算等新一代信息技术引入了高职学生学习过程智慧监测和决策系统的建设中。首先阐述了该系统研究的意义、大数据概念和特点，构建了系统的总体框架，最后设计了系统的部分特色功能，希望能對学生行为和状态大数据的监测和决策的研究提供一定的参考。当然本文只是提出了部分的设计和功能，具体的实现有待进一步的完善。
【参考文献】
[1]http：//www.51cto.com.
[2]http：//baike.baidu.Com.
[3]俞华锋.网络大数据挖掘云服务平台的构建[J].科技视界.2013（18）.
[4]俞华锋.基于云计算的智慧物流平台的研究[J].科技信息.2015（32）.endprint
