一種大數據學習分析系統及方法技術方案

本發明專利技術涉及一種大數據學習分析系統及方法，其中，所述系統包括采集層、平臺層以及應用層，其中：所述采集層，用于獲取學習經歷數據，將所述學習經歷數據轉換為按照預設格式進行編寫的活動流數據，并將所述活動流數據傳送至所述平臺層；所述平臺層，用于建立學習記錄倉儲系統，以存儲所述活動流數據；接收所述應用層的鑒權請求，并在通過所述鑒權請求時，允許所述應用層獲取所述活動流數據；所述應用層用于從所述平臺層獲取活動流數據，以對所述活動流數據進行分析，并展示分析的結果。本發明專利技術提供的大數據學習分析系統，能夠根據用戶的行為來對學習經歷數據進行分析。

Large data learning analysis system and method

The invention relates to a system and method for analysis of large data, the study, the system includes data acquisition layer, platform layer and application layer, wherein the acquisition layer, is used to obtain the data of the learning experience, learning experience for converting the data according to the preset format of streaming data writing activities, and the activities of flow data to the platform layer; the platform layer, for establishing a learning record storage system, data stream stored in the authentication request; receiving the application layer, and through the authentication request, allowing the application layer to obtain the activity flow data of the application; used to get from the active layer platform layer data flow, the flow of activities to analyze the data, and show the results of the analysis. The large data learning and analysis system provided by the invention can analyze the learning experience data according to the user's behavior.

【技術實現步驟摘要】
一種大數據學習分析系統及方法
本申請涉及大數據分析
，特別涉及一種大數據學習分析系統及方法。
技術介紹
大數據在教育領域的具體應用主要有“學習分析”(LearningAnalytics，LA)和“教育數據挖掘”(EducationalDataMining，EDM)。由于學習是學生與學習內容、學習環境、學習同伴和教師之間復雜的交互過程，因而“教育數據挖掘”和“學習分析”這兩個方面應用的基礎數據都應是基于學習過程的數據，既包括學生、學習內容、學習環境、學習同伴和教師的數據，還包括學生分數等各種客觀資源的操作數據以及這些因素之間的關系數據，這些數據蘊含有巨大的分析價值。隨著相關學習技術的迅速發展，學習不再只局限在學校和企業學習管理系統(LMS)，學習行為還可能發生在開放的學習系統、大規模開放在線課程(MOOCs)，甚至是微博，微信等社交網絡等非傳統型的學習系統。學習經歷的碎片化，多樣性，數據異構等復雜的特點，導致學習經歷跟蹤難以在技術層面得以實現。目前的學習管理系統(LMS)盡管可以支持通過發布SCORM(ShareableContentObjectReferenceModel，共享內容對象參考模型)課件資源包的技術實現方式，提供了課件資源在不同教學平臺間的兼容和重用，但SCORM中的教育測量方式在概念和操作上都較為簡單，被局限于追蹤特定學習資料的學習過程(如：課程內容、評測結果等等)，忽略了學習情境和個性化信息(如：學習時間、背景等等)。隨著學習情境的豐富，學習過程中影響因素非常多，難以通過有限的學習資料評價學習經歷。
技術實現思路
本專利技術的目的在于提供一種大數據學習分析系統，能夠根據用戶的行為來對學習經歷數據進行分析。為實現上述目的，本申請一方面提供了一種大數據學習分析系統，所述系統包括采集層、平臺層以及應用層，其中：所述采集層，用于獲取學習經歷數據，將所述學習經歷數據轉換為按照預設格式進行編寫的活動流數據，并將所述活動流數據傳送至所述平臺層；所述平臺層，用于建立學習記錄倉儲系統，以存儲所述活動流數據；接收所述應用層的鑒權請求，并在通過所述鑒權請求時，允許所述應用層獲取所述活動流數據；所述應用層用于從所述平臺層獲取活動流數據，以對所述活動流數據進行分析，并展示分析的結果。進一步地，所述活動流數據中包括活動者、動作以及對象；其中，所述活動者表征活動的操作者；所述動作表征活動的行為；所述對象表征與所述活動者交互的目標。進一步地，所述活動流數據中還包括結果、場景、時間中的至少一個，以陳述具有語境意義的對象。進一步地，所述采集層還用于通過JSON格式對所述活動流數據進行封裝。進一步地，所述平臺層還用于通過應用程序編程接口API，記錄和收集所述活動流數據，并通過所述平臺層的鑒權機制與其它學習記錄倉儲系統進行數據交互以及數據更新，其中，所述平臺層的鑒權機制包括HTTPBasic機制以及OAuth開放認證服務機制。進一步地，所述平臺層允許所述應用層從所述學習記錄倉儲系統中獲取活動流數據。為實現上述目的，本申請另一方面還提供一種大數據學習分析方法，所述方法包括：采集層獲取學習經歷數據，將所述學習經歷數據轉換為按照預設格式進行編寫的活動流數據，并將所述活動流數據傳送至平臺層；所述平臺層預先建立學習記錄倉儲系統，以存儲所述活動流數據；所述平臺層接收所述應用層的鑒權請求，并在通過所述鑒權請求時，允許應用層獲取所述活動流數據；所述應用層從所述平臺層獲取活動流數據，以對所述活動流數據進行分析，并展示分析的結果。進一步地，所述活動流數據中包括活動者、動作以及對象；其中，所述活動者表征活動的操作者；所述動作表征活動的行為；所述對象表征與所述活動者交互的目標。進一步地，所述活動流數據中還包括結果、場景、時間中的至少一個，以陳述具有語境意義的對象。進一步地，所述平臺層通過應用程序編程接口API，記錄和收集所述活動流數據，并通過所述平臺層的鑒權機制與其它學習記錄倉儲系統進行數據交互以及數據更新，其中，所述平臺層的鑒權機制包括HTTPBasic機制以及OAuth開放認證服務機制。本申請以上的技術方案至少具備以下有益效果：與傳統的學習數據采集方式不同，本申請可以采用具有語義的數據形式，能夠很好地陳述學習經歷。所述學習經歷可以來自各種環境，包括正式在線課堂、移動設備、基于社交網絡或者視頻等非正式學習環境。所述學習經歷數據不僅包括諸如成績、課程完成情況等傳統學習數據，也包括學習的行為記錄，如“轉發一篇職場經歷文章”，“觀看了一部培訓視頻”等等。學習記錄倉儲系統不僅能夠記錄學習活動者創建的學習經歷，也提供了對數據的檢索、讀取寫入功能，不同系統或者應用間數據具有互操作性，這使得可以與其它學習記錄倉儲系統進行數據交換，實現在不同系統間學習活動者的數據跟蹤。學習記錄倉儲系統以解耦的方式分離出采集層、平臺層以及應用層的職責，數據的收集主要在采集層，平臺層通過接口來實現數據的共享，有效提高了數據重用的成本。各層更關注于各自職責，在規范的約束下各層內部可以不斷擴展，這是學習記錄倉儲系統與其他數據系統模型最明顯的區別，例如當應用層增加某個分析模型或者改變可視化數據的呈現時，只需要改變數據來源即可，無需對底層數據進行修改。由上可見，本專利技術提供的一種大數據學習分析系統，能夠根據用戶的行為來對學習經歷數據進行分析。附圖說明圖1為本申請實施方式中大數據學習分析系統的結構示意圖；圖2為本申請實施方式中大數據學習分析方法的流程圖。具體實施方式為了使本
的人員更好地理解本申請中的技術方案，下面將結合本申請實施方式中的附圖，對本申請實施方式中的技術方案進行清楚、完整地描述，顯然，所描述的實施方式僅僅是本申請一部分實施方式，而不是全部的實施方式?；诒旧暾堉械膶嵤┓绞?，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其它實施方式，都應當屬于本申請保護的范圍。請參閱圖1，本申請實施方式提供一種大數據學習分析系統，所述系統包括采集層、平臺層以及應用層，其中：所述采集層，用于獲取學習經歷數據，將所述學習經歷數據轉換為按照預設格式進行編寫的活動流數據，并將所述活動流數據傳送至所述平臺層；所述平臺層，用于建立學習記錄倉儲系統，以存儲所述活動流數據；接收所述應用層的鑒權請求，并在通過所述鑒權請求時，允許所述應用層獲取所述活動流數據；所述應用層用于從所述平臺層獲取活動流數據，以對所述活動流數據進行分析，并展示分析的結果。在本實施方式中，所述活動流數據中包括活動者、動作以及對象；其中，所述活動者表征活動的操作者；所述動作表征活動的行為；所述對象表征與所述活動者交互的目標。在本實施方式中，所述活動流數據中還包括結果、場景、時間中的至少一個，以陳述具有語境意義的對象。在本實施方式中，所述采集層還用于通過JSON格式對所述活動流數據進行封裝。在本實施方式中，所述平臺層還用于通過應用程序編程接口API，記錄和收集所述活動流數據，并通過所述平臺層的鑒權機制與其它學習記錄倉儲系統進行數據交互以及數據更新。在本具體實施方式中，所述平臺層中的鑒權機制包括HTTPBasic機制以及OAuth開放認證服務機制，以使得在通過所述應用層的鑒權請求時，允許所述應用層從所述學習記錄倉儲系統中獲本文檔來自技高網...

【技術保護點】
一種大數據學習分析系統，其特征在于，所述系統包括采集層、平臺層以及應用層，其中：所述采集層，用于獲取學習經歷數據，將所述學習經歷數據轉換為按照預設格式進行編寫的活動流數據，并將所述活動流數據傳送至所述平臺層；所述平臺層，用于建立學習記錄倉儲系統，以存儲所述活動流數據；接收所述應用層的鑒權請求，并在通過所述鑒權請求時，允許所述應用層獲取所述活動流數據；所述應用層用于從所述平臺層獲取活動流數據，以對所述活動流數據進行分析，并展示分析的結果。

【技術特征摘要】
1.一種大數據學習分析系統，其特征在于，所述系統包括采集層、平臺層以及應用層，其中：所述采集層，用于獲取學習經歷數據，將所述學習經歷數據轉換為按照預設格式進行編寫的活動流數據，并將所述活動流數據傳送至所述平臺層；所述平臺層，用于建立學習記錄倉儲系統，以存儲所述活動流數據；接收所述應用層的鑒權請求，并在通過所述鑒權請求時，允許所述應用層獲取所述活動流數據；所述應用層用于從所述平臺層獲取活動流數據，以對所述活動流數據進行分析，并展示分析的結果。2.根據權利要求1所述的大數據學習分析系統，其特征在于，所述活動流數據中包括活動者、動作以及對象；其中，所述活動者表征活動的操作者；所述動作表征活動的行為；所述對象表征與所述活動者交互的目標。3.根據權利要求2所述的大數據學習分析系統，其特征在于，所述活動流數據中還包括結果、場景、時間中的至少一個，以陳述具有語境意義的對象。4.根據權利要求1所述的大數據學習分析系統，其特征在于，所述采集層還用于通過JSON格式對所述活動流數據進行封裝。5.根據權利要求1所述的大數據學習分析系統，其特征在于，所述平臺層還用于通過應用程序編程接口API，記錄和收集所述活動流數據，并通過所述平臺層的鑒權機制與其它學習記錄倉儲系統進行數據交互以及數據更新，其中，所述平臺層的鑒權機制包括HTTPBasic機制以及OAu...

【專利技術屬性】
技術研發人員：徐光澤，崔峻，
申請(專利權)人：廈門云開云科技有限公司，
類型：發明
國別省市：福建,35