基于大数据推荐系统的计算机教学模式的研究
王艳荣 王艳芬 郑志辉 刘晟天 郑志学
摘 要 随着当前高职院校新课改的逐步深入，针对高职院校学生的素质提升的关注程度也在逐年递增，尤其是在教育部大力推进高职院校新课改的大背景下，如何高效且有序地推进素质教育成为当前改革关注的重点。在高职院校计算机相关课程的教学方式改革上，为了更为高效地提升学生自主性和能动性，强化教学内容的实操性，增强学生学习的积极性，结合新时期高职学生的性格与思维特点，需要大力推进以个性化任务推荐为驱动的教学模式，更为有效地促进学生对计算机课程课堂教学知识的掌握与反思。本文在大数据信息技术的前提下参考当前最流行的个性化信息推荐技术，结合当前计算机课程教学的现状，提出一种以大数据个性化任务推荐为基础的全新教学模式，并展开对该模式下的教学过程的分析，以此希望能够促进该教学方式在高职院校中的深入应用。
关键词 大数据 信息化 推荐系统 高职 计算机教学
中图分类号：G434 文献标识码：A 文章编号：1007-0745（2020）04-0050-02
随着教育部大力推进职业教育的政策逐步出台，越来越多的关注点都集中到高职院校的教育方式改革上，而随着00后逐步成为当前高职院校学生的主力军，该群体思维方式与性格特点也成为当前高职教育的关注重点，尤其是在涉及到计算机专业等理工科学习上，因为课程的思维理解难度相对较高，高职学生对该类课程往往缺乏热情与兴趣，进而使得该类课程的最终效果差强人意，然而当前教育部针对我国高职院校的教育已经明确提出了以培养全面技能型人才为导向大力提升学生的动手与实践能力，不断地开发学生的发散能动性思维，进一步促进高职学生的更好就业。因此高职院校也应当积极推进新型的教学模式的改革，不断借鉴新的信息技术的成果，通过构建良好的教学模式促进教学氛围的不断提升，进而提升学生的学习积极性与能动性[1]。
1 大数据技术的定义
大数据（Big Data）是指不能够在某一限定的时间范围内使用比较常规的工具进行数据的捕获，管理和相关处置的数据的合集，而是需要较为新的处理模式才能进行较為有效的决策力，洞察发现力以及相关的优化流程处理能力的海量、高增长效率和多样化的信息数据的资产处理能力的技术。大数据技术不用对数据进行随机的分析方法而采用一定的抽样算法进行相关的数据处理，大数据具备以下几个特点Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）[2]。通过对数据进行特定的方式进行处理从而对用户的行为进行预判进而为相关的决策提供相应的理论与事实依据。
2 个性化推荐技术的定义
个性化推荐技术是对大量用户的某些行为进行特定的挖掘基础之上，以海量的数据处理为依据，通过相关数据挖掘算法发现用户的所感兴趣的事物或者相关喜好，通过相应的用户行为维度相似度算法，向特定的用户定向性地推荐该群体可能感兴趣的信息，进而完成相应的系统构建的技术[3]。随着近几年短视频、公众号等信息产业的高速发展，个性化推荐技术日益成熟，不同类别的个性化推荐系统与算法不断的迭代更新，如淘宝网就是通过构建用户购买行为推荐系统向不同的客户提供其感兴趣的商品信息以及相关购买建议，进而在帮助用户决定购买哪些产品的同时也模拟了商家相关导购客服人员帮用户推荐相关的操作[4]。在商城个性化推荐系统的构建中，是通过对海量用户的浏览兴趣以及购买行为进行不断的挖掘，通过高效的相似维度比对策略进而向用户推荐其感兴趣的信息和相关产品。
3 高职院校计算机教学现状
当前高职院校的计算机专业相关的课程主要分为基础理论与实践操作两个方面，然而不论是基础理论还是实践操作都具有复杂化、连贯化以及广泛化等特点，比如基础理论的高级软件工程课程，在学习过程中教师不仅要将相关理论知识通过复杂公式向学生进行表述，而且还需要将某些与实际相关联的算法进行具体讲解，由此使得学生在面临如此思维量繁重而且知识相对复杂的情形下对新知识的接收变得即为抵抗，当前高职院校普遍采用较为实用性的任务驱动法进行开展，学生在对知识的学习过程中能够层次深入，由浅入深等方式进行掌握，该方式使得学生在学习过程中通过不断完成相关任务，不断地获得相应的成就感，使得学生学习兴趣更浓，也更加愿意投入到新的计算机知识的吸收中。
虽然当前高职院校所采用的任务驱动模式进行教学的方式对学生掌握的新的知识具备一定的促进作用，但是受到传统课堂教学模式的限制，很多教师针对不同学生的个性兴趣培养未能引起更好的重视，同时当前高职院校在面向不同学生个性化培养方面存在政策的滞后性，使得课堂的教学任务的分发呈现相同泛化分发，不能够区分不同学生的兴趣特点，进而导致每位学生的个性兴趣无法得到相应的释放，从而使得一部分学生的学习积极性受到了一定程度的打击。
4 基于大数据个性任务推荐系统在计算机课程教学中的应用
在大数据技术不断发展，个性化推荐技术日益成熟的背景下，结合当前高职院校计算机课程所普遍采用的任务驱动式教学方式的基础之上，通过借鉴个性化推荐技术，以学生兴趣为数据基础，通过构建个性化任务推荐系统，使得不同学生在学习同一个知识点的时候，借助于学生兴趣关注的方向，在分发任务的同时，以学生兴趣维度为导向，通过推荐系统产生出学生所感兴趣的该知识点的相关任务，提升学生学习的主动性和能动性，进而提升计算机课堂教学的整体效果。
4.1 教学知识点目标要明确
在教师授课之前，教师不仅需要明确计算机课程的主要特点，同时还需要重点考虑到授课学生的知识层次以及文化素养，以及知识任务的最终分发应该达到什么水平与层次。针对高职院校的学生主要特点来说，计算机技术相关课程具有知识点庞大，理论基础极为重要，知识点的理解与消化要借助于实践进行处理，因此在制定相关的教学知识点目标的时候需要形成相应的基础理论学习目标和实践技术目标，同时在指定目标之前，教师需要考虑到不同学生的个性化特点，针对相关的目标任务进行个性化调整与设定。
在进行课堂任务目标设定过程中，教师要让目标分解成具有一定阶段性效果，同时在教学过程中教师需要做好相应的沟通和引导工作，让学生可能短时间内确定自己的学习目标，只有明确学生的学习目标，学生才能积极高效完成相应的任务，并保持一定的专注力，因此在课程开始之前明确课程的教学目标不仅有助于教师能顺利完成教学任务，同时也能使学生的专注力贯穿整个教学过程，进而释放学生学习的自我能动性。
4.2 任务构建与推荐的性化
在以任务驱动为基础的教学中，其核心在于使用任务的阶段性成就感促进学生不断的进行知识的探索与实践，然而当前高职院校的学生以00后为主力人群，该年龄段的学生一般个性化明显，有自己独特的思维方式，因此传统的统一任务分发模式已经无法满足所有学生的偏好需求，因此针对不同学生的个性化任务构建与推荐系统的开发成为大势所趋，一方面能够尽可能满足不同学生的兴趣方向，另一方面可以使用改变传统填鸭式教学的各种弊端，发挥学生的主观能动性。
在任务的确定与个性化推荐系统构建之前，教师需要通过电子问卷调查方式采集授课学生的兴趣爱好点，通过相关的数据挖掘技术，通过多维度的比对产生出每位学生的兴趣特点以及任务偏好，进而形成相应的任务关键字标签，根据统计出的所有学生的任务标签关键字，进而进行不同任务的确定工作，在课堂上完成理论教学任务之后，通过开发的个性化任务推荐系统，将与学生兴趣标签相匹配的任务推荐分发给相关学生，进而个性化激发每一位学生的求知欲与动手能力。
4.3 要关注学生兴趣的动态变化及时调整任务的个性分发
在课堂任务完成之后，教师应当不断的引导学生开展自检工作，一方面使得学生能够在短时间内对自我任务的完成进行自评，另一方面能够积极的将任务的适合程度进行反馈，教师根据学生的反馈以及学生兴趣点的动态变化，通过数学建模等方式不断的进行个性化任务的修正工作，通过学生自评、学生互评、教师评价以及学生反馈等一系列方式改进个性化任务推荐系统的精准性与可靠性，促进学生学习的积极性。
5 结语
当今社会随着信息技术的不断革新以及大数据技术的不断成熟，越来越多的与大数据相关的技术不断的应用到社会的各行各业，而随着电子购物与短视频行业的对个性化推荐算法的不断迭代更新，让我们看到了个性化推荐技术的广泛应用前景，与此同时，在当前高职院校大力推进素质教育的大环境下，将基于大数据的个性化推荐技術应用到计算机课程的教学过程中，不仅有助于提升学生的学习积极性与课堂参与性，更能够个性化的激发高职院校学生的自我探索能力，为高职院校推进素质化教育做出一定的贡献。
参考文献：
[1] 冯兴杰，曾云泽.基于评论个性化多层注意力的商品推荐算法[J].计算机应用与软件，2021，38（01）：51-57.
[2] 张紫嫣，周驰.结合类别偏好的协同过滤推荐算法[J].计算机应用与软件，2021，38（01）：293-296.
[3] 丁玲丽，龙帆，章彩淼.基于职业能力培养的中职学校“微工场”教学情境构建[J].职业教育研究，2020（11）：80-85.
[4] 张润.计算机科学与技术专业高效教学方法分析[J].科技与创新，2020（18）：99-100.
（1.焦作大学继续教育学院，河南 焦作 454000;2.河南工业和信息化职业学院，河南 焦作 454000）
