摘 要： 伴随着当前校园信息化建设的不断发展，校园大数据逐渐受到更多的关注，将大数据与教育资源有机结合是当今时代实现智慧校园建设的全新思路。利用智慧校园平台大数据对学生行为分析，可在教学内容、方法、教师理念等多方面进一步强化。本文基于学生行为大数据，构建学生学习分析模型，对学生的学习行为以及习惯深入探索，并提出针对性优化措施，以期进一步推动学生积极学习，促进学生学习质量有效提高。
关键词 : 学生;行为;大数据，
引言
在大数据、物联网等信息技术的充分运用中，学校已经从原本的数字化向着智慧化不断迈进，进入智慧校园这一阶段。大数据是智慧校园建设的关键性技术，可发挥重要作用。利用大数据可以对学生的平时生活习惯与学习行为深入挖掘与分析，具有可靠性的数据能够发挥对学校管理、教学工作等一定的辅助功效，促进每位学生的个性化发展。
1. 构建学生学习行为分析模型
1.1 、数据搜集
想要通过大数据对学生的学习行为有效分析，最先要做到的就是对数据的收集与整理。当前，多数学校已经实现完善校园网络与数字校园的建立，相应教育平台会自动地将学生的登录时间、学习规律、浏览时间、学习内容等记录，在开展对学生行为的分析中可以将相关数据直接进行调用。通常来讲，智慧校园平台会将搜集到的学生行为方面的有关信息进行全面备份，将其放入数据库中，实现自动化搜集、整理，当需要调用时，仅需要进行相关关键词的输入就能够达成数据的获取。
1.2 、数据预处理
对学生开展行为分析，需对已搜集数据开展预处理。在智慧校园平台的数据中，学生的行为数据相对较为复杂，也没有统一化特点。同时，多数数据是自主搜集，并未实现数据处理。因此，应开展对数据的预处理，也就是对于相关数据提取、筛选，结合从前的经验与基本分析内容达成信息的初步选择。并且，运用多元回归分析方式明确和学生行为有明显正相关的相应指标。
1.3 、模型训练
学生的心理、行为、学习状态等受到影响的相应要素较多。所以，智慧校园平台应该在初步筛选后依据不同模型构建，在实际构建中需要综合多种计算方法。在计算过程中比较不同模式的优点，分析不同算法产生的成效，依据不同的条件等实现分别构建。
1.4、 模型评价
在大数据模型的有效构建之后，需要针对不同模型对于学生学习成效、生活状况等开展综合化评价与探析。在分析之中，充分了解学生的学习行为，并且，对于各种模型展开综合性评价。在评价中，重点分析不同数据模式的相应优点以及不足，了解不同学习者特征与行为分析的主要模块、流程。学习行为评价是在线学习之中的重要内容，大数据技术为开展有效评价提供更精准的资料。其评价结果可以帮助教师更为高效地掌握不同学生实际的学习状况，及时地调整之后的教学重点与方法，进而实现对学生的高质量教育。
2. 混合学习模式分析
当前，在混合学习模式中，常用微课、慕课以及翻转课堂这几种。微课是通过简单视频引领学生学习，围绕着一个或者是几个重要知识开展教学，内容完整，可通过网络在线学习。其特征是教学时间短、碎片化、主题突出等等。慕课是一种大规模的开放式课程，有着明显的开放性与共享性。翻转课堂是在信息环境下，教师为学生提供以视频为主要模式的资源，使学生在课前完成对学习内容的学习，教师与学生共同对问题分析、探究、交流等。此种学习模式彻底转变从前的教育方法，也能够让学生与教师形成良好关系。
3. 学生学习行为流程分析
智慧校园是信息技术与教育有机融合的产物，在学生学习与教育中运用混合教学这一方式，将信息技术教学方式全面应用，包含微课、慕课等，能够实现对教学流程的全方位控制，将教学的整个过程把控，以学生为核心开展各种活动。所以，基于学生行为分析，可在课前、课中以及课后三方面思考，为提升教育成效提供一定参考。如图1所示。
3.1 、课前预习
就学生的学习行为展开分析，微课、慕课等在教学前将学习内容以任务表单的方式为学生提供，让学生在课前学习中利用微课等将知识探索。此种模式主要以视频为教育资源，学生能够利用网络中的视频开展知识的探索，灵活性高，也可强化学生的自主学习能力。通过监控系统与统计数据，教师能够对学生的实际学习行为以及情况有效追踪，把握学生真实学习状况，也能够准确地定位掌握情况不佳的学生，及时开展教育方面的支持，帮助学生加深对知识内容的理解。慕课学习人数相对较多，甚至可达百万。微课视频大多为学校内的教育资源，教师会依据本学校学生的特征与专业特性针对性进行微课的制作。因此，就本质层面分析，微课的开放性不够，参与学习的人数受限。而慕课所提供的课程内容丰富，也更为全面。
但通过对大数据的分析，学生在进行视频资料的学习中，更加倾向于微课这一方式。出现这一情况是因为微课更满足学生碎片化学习的需要。通过对数据的统计可以发现，学生进行微课学习的时间并不是固定的，而且，也通过关键词开展微课的学习。在分析中还发现，学生在开展学习中大多不会立刻就学习完，会体现出时间特征。也就是在早晨与晚上通过微课学习的较多，中午以及其他时间学习的相对较少。这一结果充分地表明了学生的预习会受到时间的一定作用，白天的时间会被其他的学习、生活等占据。对慕课的学习情况分析，此种学习一般是通过视频公开课的方式进行，教师会在为学生拓展知识时运用慕课，其内容更加倾向于对知识的普及，更适用于学生的预习或者是对知识内容形成初步认知时补充学习。所以，慕课的知识内容相对较为浅显。基于大数据对学生学习行为分析，若是未布置相应作业，多数学生仅会开展对慕课的一次学习，但假如布置预习任务，学生在实际学习中会出现对其多次学习的情况，这一结果代表学生在慕课学习中出现了无法集中注意力的状况。因此，应加大对学生慕课学习行为的有效关注。
图1 智慧校园模块
3.2 、课堂学习
依托于智慧校园的构建，学生在知识学习中主要应用翻转课堂这一模式，教师只是学生的引导人，学生才是主要的探索者、研究者。此模式强调学生、师生间的互动。课堂需要实现线上与线下的整合，利用微课或者是慕课达成课堂的发展。教师在教学中需要引导、解答学生的困惑，将在线慕课学习与课堂学习联系到一起。通过此模式可促使学生更积极地学习，通过个人或者是团队的力量尝试将问题解决。而且，教师也能够结合学生的实际情况采取不一样的教学手段，尽量关注每位学生的学习状况，及时地发现学生存在的问题并积极解决，促进每位学生的进步。
对学生学习行为分析可知，学生加入翻转课堂学习知识的主动性相对较高。分析其原因是学生已经在从前的学习中接触过翻转课堂的内容，对于组建学习小组不会产生抵触感，甚至会积极地开展合作学习。而且，学生在学习能力方面相对较好，具有一定的解决学习难点的能力，能够以极快的速度加入学习中，从而提升学习成效。基于翻转课堂中学生整体的行为表现分析，在此模式中，教师的工作出现明显的转变。在以前的教育工作中，教师需开展对知识内容的详细讲解，以有效方法引领学生领悟。但在此课堂中，需要兼顾不同学习能力或习惯的学生的共同需要，重点在于对学生的小组引导与适时点拨，无论是教学重点还是教育理念上都出现了显着的变化。
3.3 、课后学习
通过智慧校园的利用，学生的课后学习主要为实践、任务以及分享。重点需要落在实践性与能力提高方面。在课后实践方面分析发现，学生注重对信息的交流与共享，强调实践性。对学生行为分析，若是为学生课后作业的布置主要是对理论性知识的巩固，如课后练习等，多数学生的学习效率低下。但若为学生布置实验或者是社会实践等相关任务，学生阅读等频率会出现明显的增加。对于实验或是实践，需要进行反复性登录实现相关信息的补充，而且实践类任务需要学生将知识与现实相联系，也就需要学生将实践过程等添加，从而提高学生学习的机会。另外，无论是实验还是实践都达成了作品的分享、交流，学生在完成学习任务后会与其他人或者是其他小组建立有效联系。利用教育平台，学生能够全面了解其他人或者是别的小组的任务完成进度以及真实情况，促使学生在学习中积极地探索与交流，获得不断成长。而且，学生的学习行为必然也会在教育平台的大数据之中展现。
4. 基于智慧校园大数据的学生学习行为分析建议
4.1 、加强平台能力
智慧校园的大数据在实现对学生学习行为的分析中，应进一步提升能力，加入人工智能技术，促进其发展。就当前发展情况分析，智慧校园已经成为学校发展的主要方向。但有一些学校更倾向于利用其达成对学生的管理工作，仅仅与校园网融合，并未实现对学生行为的分析。所以，在学生学习行为数据调取、智慧场景设计等多方面还是存在一定的不足。学校应联系本校的真实情况，以学生行为分析这一层面提高平台能力，拓展学生行为分析的智慧场景以及内容，为更有效地开展教学、教育管理等工作提供更多的翔实依据。
4.2 、实现平台升级
基于智慧校园大数据进行对学生行为分析方面，应达成平台升级。就当前智慧课堂大数据的运用情况来讲，一些校园在管理这方面还不够统一，在实际发展中并未重视个人环境的构建。也就是说，在入口、身份识别等方面有不对接的状况，具体表现为一些平台是以学科为基本单位，设立相对独立的识别系统，数据标准的使用并不具有规范化特征，而这会致使数据提取、筛选等多方面存在问题，无法实现对全部数据的统计。还有，部分学校的智慧校园平台功能较少，主要成为教师布置任务以及学生完成任务的一个平台，使其变为教师布置学习任务的另一方式。所以，在今后发展中，想要通过智慧校园获得真实、全面的大数据，利用其开展具有有效性的学生行为分析，就应该在使用场景与需求方面设计，将资源、数据、服务综合，达成信息的沟通、数据的交换，也能够实现对各种服务的有效支持，真正地做到服务全面化。
结束语
在智慧校园中，大数据已经成为学校教育工作之中的一个重要的辅助工具，能够对学生平时的行为、生活、学校管理等多方面分析，提供充足的数据支持学校各项工作的有序进行。所以，一定要注重对大数据的有效运用，依据其对学生行为分析，并采取有效的教育策略，提升学校教育与管理成效，也助力学生综合素养的不断提高。
参考文献
[1]任孟其宋汝鑫王萌等面向智慧校园的学生异常行为检测[J]哈尔滨师范大学自然科学学报,2017,33(3):20-24.
[2]姚嵩基于人脸识别技术的学生行为管理系统架构设计[J].电子技术与软件工程,2020(4):41-44.
[3] 邓嘉明,昔祥煜智慧校园数据画像标签建立与教学融合[]北京印刷学院学报,2020,28(7):121-123.
[4]葛苏慧,万泉,白成杰基于Hadoop的高校学生行为预警决策系统研究[J].计算机应用与软件2021,38(1):6-12.
