大数据分析教学改革（精选6篇）
大数据分析教学改革 第1篇
数据(data)，一般而言是指通过科学实验、检验、统计等方式所获得的，用于科学研究、技术设计、查证、决策等目的的数值。通过全面、准确、系统 地测量、收集、记录、分类、存储这些数据，再经过严格地统计、分析、检验这些数据，就能得出一些很有说服力的结论。大规模、长期地测量、记录、存储、统 计、分析这些数据，所获得的海量数据就是大数据(big data)。在制作大数据时，需要严格的方案设计、变量控制和统计检验等，不然所获得的大数据就是不全面、不准确、无价值或价值不大的。
在教育特别是在学校教育中，数据成为教学改进最为显著的指标。通常，这些数据主要是指考试成绩。当然，也可以包括入学率、出勤率、辍学率、升学率等。对于具体的课堂教学来说，数据应该是能说明教学效果的，比如学生识字的准确率、作业的正确率、多方面发展的表现率——积极参与课堂科学的举手次数，回答问 题的次数、时长与正确率，师生互动的频率与时长。进一步具体来说，例如每个学生回答一个问题所用的时间是多长，不同学生在同一问题上所用时长的区别有多 大，整体回答的正确率是多少，这些具体的数据经过专门的收集、分类、整理、统计、分析就成为大数据。
分析大数据助力教学改革
近年来，随着大数据成为互联网信息技术行业的流行词汇，教育逐渐被认为是大数据可以大有作为的一个重要应用领域，有人大胆地预测大数据将给教育带来革命性的变化。
大数据技术允许中小学和大学分析从学生的学习行为、考试分数到职业规划等所有重要的信息。许多这样的数据已经被诸如美国国家教育统计中心之类的政府机构储存起来用于统计和分析。
而近年来越来越多的网络在线教育和大规模开放式网络课程横空出世，也使教育领域中的大数据获得了更为广阔的应用空间。专家指出，大数据将掀起新的教育革命，比如革新学生的学习、教师的教学、教育政策制定的方式与方法。
教育领域中的大数据分析最终目的是为了改善学生的学习成绩。成绩优异的学生对学校、对社会、以及对国家来说都是好事。学生的作业和考试中有一系列重要 的信息往往被我们常规的研究所忽视。而通过分析大数据，我们就能发现这些重要信息，并利用它们为改善学生的成绩提供个性化的服务。与此同时，它还能改善学 生期末考试的成绩、平时的出勤率、辍学率、升学率等。
现在，大数据分析已经被应用到美国的公共教育中，成为教学改革的重要力量。为了顺应并推动这一趋势，美国联邦政府教育部2012年参与了一项耗资2亿 美元的公共教育中的大数据计划。这一计划旨在通过运用大数据分析来改善教育。联邦教育部从财政预算中支出2500万美元，用于理解学生在个性化层面是怎样 学习的。部分综述了该计划的数据和案例已经在美国教育部教育技术办公室2012年4月10日发布的《通过教育数据挖掘和学习分析增进教与学(公共评论草 案)》中披露出来。
美国教育部门对大数据的运用主要是创造了“学习分析系统”——一个数据挖掘、模化和案例运用的联合框架。这些“学习分析系统”旨在向教育工作者提供了 解学生到底是在“怎样”学习的更多、更好、更精确的信息。举例来说，一个学生成绩不好是由于他因为周围环境而分心了吗?期末考试不及格是否意味着该学生并 没有完全掌握这一学期的学习内容，还是因为他请了很多病假的缘故?利用大数据的学习分析能够向教育工作者提供有用的信息，从而帮助其回答这些不太好回答的 现实问题。
许多人因此会问，大数据能拯救美国的公立教育吗?全球最大的电脑软件提供商微软公司(Microsoft)的创始人、前首席执行官比尔·盖茨(Bill Gates)今年3月7日在得克萨斯州首府奥斯汀举行的一个教育会议上打赌说，利用数据分析的教育大数据能够提高学生的学习成绩，拯救美国的公立学校系 统。他称过去十几年里教育领域的技术发展陷入了停滞，研发投入远远不够。盖茨充满信心地认为，教育技术未来发展的关键在于数据。在这次大会上，5000多 名参会者讨论了教育数据应用的前景。教育大数据市场前景广阔
美国高中生和大学生的糟糕表现——高中生退学率高达30%(平均每 26秒就有一个高中生退学)，33%的大学生需要重修，46%的大学生无法正常毕业——在让教育部门忧心忡忡的同时，也让教育科技公司找到了淘金的机会。近些年来，许多教育科技公司纷纷开始抢滩大数据学习分析的市场，竞争极为激烈。
美国的一些企业已经成功地商业化运作教育中的大数据。全球最大的信息技术与业务解决方案公司IBM就与亚拉巴马州的莫白儿县公共学区进行大数据合作。结果显示，大数据对学校的工作具有重要作用。当IBM刚刚开始与这一学区合作时，除了学生成绩不好之外，该县还面临着辍学率已增加到48%的严峻情况。根 据联邦政府的《不让一个孩子掉队法》(No Child Lift Behind，NCLB)，学生成绩糟糕的地方政府将受到惩罚。为了应对这一巨大的挑战，该县此前已经在学生数据的基础上建立了一个辍学指示工具，并将其 用于全县层面的决策。但IBM认为这仍不足以改善莫白儿县窘迫的现状，需要借助IBM的技术支持重新建立大数据，进而利用大数据分析来改善学区内所有学生 的整体成绩。
在美国的教育大数据领域，除了处于领先地位的IBM，还有像“希维塔斯学习”(Civitas Learning)这样的新兴企业。“希维塔斯学习”是一家专门聚焦于运用预测性分析、机器学习从而提高学生成绩的年轻公司。该公司在高等教育领域建立起 最大的跨校学习数据库。通过这些海量数据，能够看到学生的分数、出勤率、辍学率和保留率的主要趋势。通过使用100多万名学生的相关记录和700万个课程 记录，这家公司的软件能够让用户探测性地知道导致辍学和学习成绩表现不良的警告性信号。此外，还允许用户发现那些导致无谓消耗的特定课程，并且看出哪些资 源和干预是最成功的。
在加拿大，总部位于安大略省沃特卢的教育科技公司“渴望学习”(Desire 2 Learn)已经面向高等教育领域的学生，推出了基于他们自己过去的学习成绩数据预测并改善其未来学习成绩的大数据服务项目。这家公司的新产品名为“学生
成功系统”(Student Success System)。“渴望学习”声称加拿大和美国的1000多万名高校学生正在使用其学习管理系统技术。“渴望学习”的产品通过监控学生阅读电子化的课程材 料、提交电子版的作业、通过在线与同学交流、完成考试与测验，就能让其计算程序持续、系统地分析每个学生的教育数据。老师得到的不再是过去那种只展示学生 分数与作业的结果，而是像阅读材料的时间长短等这样更为详细的重要信息，这样老师就能及时诊断问题的所在，提出改进的建议，并预测学生的期末考试成绩。
像美国的“梦盒学习”(DreamBox Learning)公司和“纽顿”(Knewton)公司这类领先性的开发者们，已经成功创造并发布了各自版本的利用大数据的适应性学习(adaptive learning)系统。在2012年国际消费电子展的高等教育技术峰会上，世界最大的教育出版公司培生集团(Pearson)与适应性学习领域里的先行 者纽顿公司共同发布了主要由培生集团开发的适应性学习产品——“我的实验室/高手掌握”(MyLab/Mastering)。这款产品在将全球范围内向数 百万名学生提供个性化的学习服务，向他们提供真实可信的学习数据，让学校通过这些数据提高学生的学习效果并降低教学成本。首款产品将在美国的数十万名学生 中使用，包括数学、英语，以及写作等技能开发课。
纽顿的创办人、首席执行官何塞·费雷拉和培生高等教育分公司的总裁格雷格·托宾共同出席了“我的实验室/高手掌握”的发布会并介绍了合作的细节，讨论 了高等教育的未来。托宾说：“个性化学习是未来教育的一个关键点。我们把纽顿的技术整合到‘我的实验室/高手掌握’这个产品中，是整个行业进入个性化教育 新时代的引领风气之举”。费雷拉说：“从今年秋季起，培生的课程材料将在纽顿技术的支持下，开始适应性地满足每个学生独特的学习需求。学生能够生成大量有 价值的数据，纽顿可以分析这些数据，以此确保学生以最有效、最高效的方式学习。这是教育的一个新的前沿领域”。按照已经达成的协议，这两家公司2013年 将进一步扩大合作，把大学数学、大学统计学、大学一年级作文、经济学以及科学等领域纳入其产品中去。
此外，由总部设在美国纽约的麦格劳·希尔公司(McGraw-Hill)、总部设在英国伦敦的培生集团和其他出版公司共同开发的“课程精灵”系统
(CourseSmart)，也允许教授们通过让学生使用电子教科书来跟踪他们的学业进展，并向助教们显示学生的学习参与度和学习成绩等大量的数据信息，只是这一系统尚不具备预测的功能。大数据让考试变得更科学
教育中的数据挖掘是迈向大数据分析的一项主要工作。教育中最近的趋势是允许研究者积累大量尚未结构化的数据(unstructured data)。结构化的数据(structured data)是从教育部门多年的数据——特别考试成绩和出勤记录——那里收集而来。互动性学习的新方法已经通过智力辅导系统、刺激与激励机制、教育性的游戏产生了越来越多的尚未结构化的数据。这就使得更丰富的数据能给研究者创造出比过去更多的探究学生学习环境的新机会。
教育数据与其他领域中的数据比较起来，有一些独特的特征。总结起来就是教育数据是分层的(hierarchical)。美国教育部教育技术办公室在 《通过教育数据挖掘和学习分析增进教与学(公共评论草案)》的第18页中写道：“教育数据是„„分层的。有键击层(keystroke level)、回答层(answer level)、学期层(session level)、学生层(student level)、教室层(classroom level)、教师层(teacher level)和学校层(school level)，数据就寓居在这些不同的层之中。”
当某个学生回答一个问题时，一些变量就需要一起分析了。例如，学生回答正确率低的问题就是好问题吗?此外，时间也是重要的因素。比如，一个学生在考试 的第一部分耗时太多，是否意味着其接下来就会飞速、凌乱地答题。一道问题的答题顺序、结果、具体情况，都给研究者提供了许多前所未有的大量数据。运用这些 数据，研究者就能揭示学生的学习模式。研究者利用所有这些数据就能获悉到底是什么因素对学生构成了最好的学习环境。理解这些重要的问题有助于教育工作者给 学生创造一个个性化的学习模式。
监测学生是“如何”考试的能让研究者有效定型学生的学习行为。大数据要求教育工作者必须超越传统，不能只追求正确的答案，学生是如何朝着正确答案努力 的过程也同样重要。在一次考试中，学生个人和整体在每道题上花费了多少时间?最长的是多少?最短的是多少?平均又是多少?哪些此前已经出现过的问题学生答 对或答错了?哪些问题的线索让学生获益了?通过监测这些信息，形成数据档案，能够帮助教育工作者理解学生为了掌握学习内容而进行学习的全过程，并有助于向 他们提供个性化的学习模式。
监控学生的每一个学习行为是可能的。为了改进学生的学习成绩，我们需要知道他们回答一个问题用了多少时间，回答这个问题使用了哪些资源，哪些问题被跳 过了，为了回答这个问题做了哪些研究工作，这个问题与其他已经回答了的问题之间存在什么关系。此外，老师对每个学生提供什么样的建议才是最佳的?学生写作 业和答题的信息能立即被自动地监测到，老师还能在第一时间将这些信息反馈给学生。
用这些学生学习的行为档案创造适应性的学习系统能够提高学生的学习效果。利用学生是“如何”学习的这样重要的信息，考试的出题者们就能为学生量身定制 出适合学生的个性化问题，并设计出能够促进记忆力的线索。通过分析大数据，研究者发现从教育的效果上来看，当被问到一系列难度逐渐增加且互相关联的问题 时，学生的表现要好于围绕一个共同的知识点而随机挑选出的问题。美国标准化的研究生入学考试(GRE)中的这种适应性考试已经显示出朝这一方向努力的趋 势。
五大技术利用教育大数据
需要特别注意的是，如何收集数据对于它们未来的使用性非常重要。接收数据汇入背后的挑战是从一开始就要标准化，以便今后对数据进行仔细分析。这样做并不是意味着将未结构化的数据转化为结构化的数据，而是要用直观的方法对接收的数据进行分类。
应该说，获得相关数据并不是一件容易的事。对于大学阶段的学生而言，数据的收集并不是主要问题。然而，对于中小学阶段的学生而言，挑战却很大，因为有些数据的收集存在法律问题，有的则存在伦理道德的问题。
数据收集者的人数和技能也是一个问题。对于公司而言，通常通过网络上的小型文本文件(cookies)来收集用户的相关信息。但是对于美国联邦政府教育部而言，则需要依赖于全国众多学区和研究者的网络来提炼和确认数据。
教育工作者和研究者已经开发出从大数据中提取价值的5种主要的技术。
1.预测(Prediction)——觉知预料中的事实的可能性。例如，要具备知道一个学生在什么情况下尽管事实上有能力但却有意回答错误的能力。
2.聚类(Clustering)——发现自然集中起来的数据点。这对于把有相同学习兴趣的学生分在一组很有用。
3.相关性挖掘(Relationship Mining)——发现各种变量之间的关系，并对其进行解码以便今后使用它们。这对探知学生在寻求帮助后是否能够正确回答问题的可靠性很有帮助。
4.升华人的判断(Distillation for human judgment)——建立可视的机器学习的模式。
5.用模式进行发现(Discovery with models)——使用通过大数据分析开发出的模式进行“元学习”(meta-study)。
实施这些技术就能够通过大数据来创建为提高学生成绩提供支持的学习分析系统。研究者们相信这些技术将帮助教育工作者更加有效地指导学生朝着更加个性化的学习进程迈进。
总而言之，通过大数据进行学习分析能够为每一位学生都创设一个量身定做的学习环境和个性化的课程，还能创建一个早期预警系统以便发现开除和辍学等潜在 的风险，为学生的多年学习提供一个富有挑战性而非逐渐厌倦的学习计划。因此，有识之士经预言未来的学习将是大数据驱动的新时代。我们应该积极迎接这个新时 代，通过大数据来分析学习，进一步改善教学的方式与方法，进一步促进学生学习成绩的提高。
大数据分析教学改革 第2篇
一、大数据时代对设计教育的影响
大数据时代，设计教育面临前所未有的机遇和挑战。课堂界限的消失、教学过程的开放、教学资源的多样化、课堂课后信息反馈的直接性等大数据所带来的新现象，对以往的教学理念、课堂教学模式、学生管理方式等产生了巨大的冲击。以往以教师为中心的教学方式的弊端显现出来，大数据促使教师必须摒弃陈旧观念、革新思想、转变教学思维，要求教师除了给学生传授知识外，也应该利用数据判断学生的需要，学会应用数据进行教育重塑和分析、指导教学，培养学生信息搜集、处理和使用的能力，引导学生由被动地学习转向主动、积极地学习和探索，帮助学生实现自主学习。大数据时代，学习的场所也不再受时空限制，学生随时随地可以通过网络慕课、微课等选择自己需要的学习资源进行在线学习，学生的学习自主性和选择性显著增强，获取知识的途径也更加多样化。以往的教学模式已远远满足不了当下的教学需要，对学生的个性化教学被提上日程。在教学管理上，高校教育工作者需要引入大数据概念，要学会运用互联网的关联能力和大数据云计算的数据处理能力以及预测能力建立健全教学管理体系。高校要建立便于数据采集的平台，对学生的管理数据(如学生的基本信息、日常考勤、学科成绩、各类表现等)、教师的管理数据(如教师的基本信息、执教课程相关信息、研究方向、主要成绩等)，以及综合管理类数据和必要的应用类大数据，进行有效采集。高校要重视大数据给职业教育发展带来的冲击和影响，重视对大数据相关资源的建设，整合教育教学过程中所用到的数据资源，完善与教学相匹配的数据库，用大数据思维助力职业教育升级。
二、基于大数据思维的家具设计教学模式构建
1、与时俱进，重置人才培养目标，调整人才培养方案，优化教学内容在家具行业，大数据在市场中的运用效果越来越凸显，大数据给家具企业带来的巨大价值也越来越显现。
如何利用大数据，抓住大数据带来的信息优势，成为了家具企业思考的重要问题。新形势下，家具行业的人才需求特点已有所转变，高职家具设计专业的人才培养必须与时倶进，人才培养目标除了包括注重培养学生的创新精神外，还包括培养学生的数据意识，使学生具有较强的计算机应用能力和数理统计分析的知识与能力，从而将学生培养成能够应用大数据进行家具设计创新、家具企业智能生产以及家具电子商务的复合型人才。在课程体系的设置上，学校应以人才培养目标为导向，将大数据思维贯穿到课程体系的整体设计中，同时在保证家具设计专业基础课和核心课程的基础上，相应地增加一些大数据分析的课程。增设的大数据分析类课程主要是培养学生对数据的认识与应用能力，使学生了解大数据时代家具行业如何利用大数据为家具设计创新、家具智能生产等提供更高效、便捷的服务，从而更顺应社会对家具设计人才的需要。所有课程的学时安排可结合大数据时代学科特点进行优化整合，通过必修、选修课程相结合、课堂学习和自主学习相结合，让学生掌握行业要求的必要知识。在大数据时代，家具设计教育要最大限度地考虑如何应用大数据丰富和发展家具设计教学理论与实践，课程体系的设置要以学生的能力培养为最高目标，满足时代需求，顺应社会需要。
2、变革思维，践行以“学生为中心”的教学模式教育的创新必须变革思维，大数据的时代特点需要家具设计教学改变以往以教师为中心的教学模式，实施以学生为中心的教学模式。
而以学生为中心的教学模式要求凸显学生在教学过程中的地位，要求教育资源围绕学生进行优化配置，要求任何教学活动的开展以培养学生的能力、素质为核心，教师在整个过程中的作用主要体现在组织、引导、管理、监督教学等方面。以学生为中心的教学模式需要翻转课堂，需要将学习的决定权交给学生，教师不再占用课堂时间讲授知识，以往教师在课堂上的教学内容需要学生在课前自主学习完成，学生可通过学习教师自主开发的慕课、微课或指定的互联网共享教育平台的慕课、微课等在线课程等，有针对性地预先学习相应的知识，在学习过程中还可以与其他同学实时讨论，或与教师直接交流。而以往的课堂教学时间更多的是用于教师帮助学生解决自主学习过程中的困惑，从而使学生进一步消化知识，提升学习效益。在践行翻转课堂的过程中，教学资源平台的建设相当重要，专业教师可自行开发相关的慕课、微课等在线课程。目前，笔者所在的专业在校园“乐学在线”、超星学习通等开放平台上陆续进行着家具造型设计、系列家具设计、室内设计等慕课的建设，学生在慕课平台上可以在课前预先观看对应课程的教学视频、课件、课程相关资料、话题、作业以及通知等内容。慕课平台的访问，既可以通过PC端也可以通过移动端进入。除此之外，学生还可以突破时空的界限，通过网易公开课、Mooc学院、超星学习通等具备良好资源环境的开放互联网平台学习最优质的专业知识。网易公开课、Mooc学院、超星学习通等互联网平台课程范围广、内容多，课程更新快，很多优质资源都可以为家具设计专业所用。如，在网易公开课主页上搜索“家具”关键词，可以找到7门相关课程、37个相关视频等资源，这些课程有国际名校(如加州艺术学院的家具装饰、设计与工艺等)的公开课，也有国内一些高校的不同内容的公开课程(如南京林业大学的中西方家具鉴赏、湖北工业大学的明式家具欣赏、东北林业大学的木材与人类生活等);在Mooc学院主页搜索“家具”关键词，会看到Furniture牐停幔耄椋睿纾蓿模澹螅椋纾睿海牐茫颍澹幔簦椋铮睿牐铮妫牐粒颍簦椋妫幔悖簦螅牐椋睿牐樱铮悖椋澹簦^台湾今昔?百年木工艺家具、设计的力量、设计的.人因与文化等多门慕课课程;在超星学习通搜索“家具”关键词，可以找到超星平台上相应在图书、期刊、报纸、电子书、视频、新闻、专利、标准、慕课、大众视频、企业名录等各方面的海量资源，其中慕课有大连艺术学院的家具设计、东北林业大学的家具与室内装饰材料、顺德职业技术学院的家具设计、中国美术学院的家具构造以及南京林业大学的中西方家具鉴赏等相关公开课资源。大数据时代，网络平台的共享让学生的学习信息资源得到最大限度的扩展，让翻转课堂的有效开展得到了最好的保障。灵活借助大数据，是提升家具设计课堂教学质量、拓展学生学习资源的有效手段，同时给学生带来了全新的课程学习体验。
3、构建大数据背景下的多元动态教学评价体系大数据时代的教学评价应该采取过程性的动态评价体系，这种评价体系应该是多元的、以数据为基础、可以获得实时反馈。
以往的家具设计教学评价往往是只看结果不看过程，并在课程结束时才进行，弊端和漏洞较明显，难以适应时下新的教育体系的需要。大数据时代，教师教学和学生学习活动都有数据的记载，教学评价可根据这些数据进行研究与分析，挖掘出教学、学习、评估等符合学生实际与教学实际的数据，实时掌握学生在每一次课程后的学习情况和教师教学的情况，教师也可根据这些数据的实时反馈灵活调整课堂教学内容和教学计划，把握教学进程，甚至可以把这些数据应用于因材施教的个性化教学。教学大数据的应用以及基于此的动态、多元的教学评价过程，将帮助教师有的放矢地实施教学活动，有利于教师为学生制订更符合实际的教育策略。
三、结语
家具设计专业应用大数据思维进行教学改革迫在眉睫。教育工作者应该革新思维，明确符合大数据时代特点的人才培养目标，积极构建适合时代与专业特点的教学模式以及与之相适应的教学评价体系，从而提高家具设计教学质量。
参考文献：
[1]唐建国、大数据背景下的高职院校计算机基础类课程教学改革探究、福建电脑，2016(9)、
[2]朱思鸣、基于大数据思维的数字化教学模式构建、教育探索，2015(5)、
[3]肖飞、大数据思维在家具创新设计中的应用、设计，2016(9)、
[4]朱莹莹、大数据背景下的职大外语课堂教学改革创新模式研究、天津职业院校联合学报，2016(10)、
[5]黄仁刚、大数据背景下的民办高校教学管理创新与实践、当代教育实践与教学研究，2015(10)、
“大数据”与政府统计改革 第3篇
关键词：大数据,政府统计,数据挖掘
一、“大数据”的起源
美国一名男子向他家附近的Target店铺抱怨他17岁的女儿收到了婴儿尿片和童车的优惠券。店铺经理不知道发生了什么, 表明那肯定是个误会。然而, 经理并不知道这是公司运行大数据系统的结果。一个月后, 这个愤怒的父亲前来道歉, 因为Target发来的婴儿用品促销并不是误发, 他的女儿的确怀孕了。
这是“大数据”应用的一个例子, 真实性不可查, 但我们邮箱里通常收到的推送邮件也预示着例子中的现象离现实并不遥远。我们使用网络进行在线交易和支付, 使用公交卡、银行卡、电卡等各种卡购买公共服务, 我们的电话、机票、信用卡把我们日常的行为以数据的形式记录下来。“大数据”正是在这样的背景下热起来。以前人类的行为难以用数据进行量化描述, 网络技术尤其是社交网络出现后, 网络上的交往活动基本上与现实社会趋向一致, 网上的数据也就更能反映现实世界的情况。能够获取这些电子化的数据, 便可掌握人们的行为模式和特点。
有人认为, 所谓“大数据”就是海量数据处理, 实际上两者并不等同。研究者认为, 海量数据是商业自动化导致海量数据存储 (以交易销售数据为代表) , “大数据”则是伴随社会化数据 (以社交网络为代表) 出现的大量的在线文本、图片、流媒体数据等, 主要是非结构化和半结构化的数据。
需要明确的是, “大数据”的“大”并不在于数据量的多少, 而是一种“以数据为大”的方法论。生活中会产生海量的数据, 但海量数据本身并没有太大价值。“大数据”通过对个体行为的数据挖掘, 使用关系分析、文本挖掘、社会计算、情感分析、时间线预测以及社会网络分析等方法来寻找有价值的信息, 帮助人们更好地认识用户需求, 寻找市场。
二、“大数据”对统计的冲击
从“大数据”产生的背景以及应用上来看, “大数据”似乎偏重于商业与社会分析, 而与政府的国民经济统计不大相关。但实际上, “大数据”所带来的价值将超过并会逐渐取代目前的一些统计数据, 对于统计工作的理念、生产流程以及价值会产生革命性的冲击。
1. 对统计理念的冲击。
(1) “大数据”改变了数据的需求层次
过去, 由于人类的认知能力有限, 受数据获取技术的制约, 想要获取大范围的情况比较困难, 只能感知身边的个体数据乃至群体 (中观) 数据。传统统计技术帮助人们通过观察一小部分的样本情况来描述与推测总体情况, 帮助人们更好地了解中观和宏观数据。但是, 由于统计方法和数据质量的限制, 人们对世界的认识仍然不够全面和客观。另一方面, 统计数据反映的是总体趋势, 往往无法对应到具体的个体情况, 难以获得更加有价值的信息。但随着数据采集获取技术的进步, 人们可掌握的数据渐渐由全局性的宏观数据, 再到中观层面的数据, 最后又回到微观层面, 即关注个体的行为模式。这不是倒退, 而是技术进步所带来数据价值的转变。研究者认为, “大数据时代的来临使人类第一次有机会和条件在非常多的领域和非常深入的层次获得和使用全面数据, 完整数据和系统数据。”[1]在此基础上形成的数据可以更加偏向个体情况, 更加符合个体的感知, 产生宏观数据无法实现的价值。
(2) “大数据”改变了统计实证的研究范式
传统的统计遵循自上而下实证研究范式, 即先从经济理论或社会经验出发, 根据理论设定指标, 再去利用统计数据进行实证分析。然而, “大数据”采用的是自下而上的数据挖掘范式, 以数据为先导, 不需要预先设定研究目的或方法, 而是从大量实际产生数据中通过数据挖掘技术找到数据之间的关系并建立模型, 乃至形成理论和新的认知。这种研究范式已经被广泛运用到当前的数据处理中, 是对传统统计研究范式的一种颠覆。
2. 对统计生产流程的冲击。
(1) 制度设计多样化
传统的统计设计是根据统计研究的目的和研究对象的特点, 设定统计指标、统计报表以及调查、汇总方法等制度, 通过调查、访问将生产行为转化为可以量化的数据。“大数据”下的制度设计面对的是已经存在的或通过一定手段可以获取的大量数据, 需要解决数据从哪里来的问题。弄清楚已经存在的相关数据是通过什么方式产生的, 从哪些领域产生的, 会对研究目的产生哪些影响, 进而确定采用什么样的数据来反映统计目标。比如, 要统计下雨天出租车出勤率, 可通过出租车公司的计价器收入、街口的摄像头等数据获知。计价器、摄像头哪个数据更加能反映实际情况, 两者之间是什么关系, 是否可以相互补充?统计制度设计者要从各种数据来源中甄别出反映出统计对象的指标。
此外, “大数据”客观上为传统的统计提供了更多的方法。以抽样设计为例, 传统抽样方法一般基于收入、地址、年龄等自然属性, 对个人、家庭或企业单位进行抽样。而在“大数据”下, 抽样的对象可能是银行、自来水厂的数据库, 抽样的方式更加灵活, 抽样的效果更加具有针对性, 降低了调查成本, 并且可在一定程度上免除调查过程中的人为因素干扰。
(2) 数据采集智能化
传统统计是通过结构化的报表和统一的计量方式将被调查对象的行为转化为可用的数据, 这其中需要被调查者的参与, 包括企业向统计部门填报数据、家庭日记记账等。此方法始终无法克服的问题是, 一旦调查对象不予配合, 或者采用撒谎 (虚报、瞒报、乱报) 的方式消极配合, 统计数据的质量是难以控制的, 并且矫正这些调查误差的成本将会很高。
但在“大数据”时代, 数据来源于信息技术记录下的原始数据, 这些数据的参与仅仅依赖于测量方法 (如GPS定位测量、超市收银管理系统、ETC电子收费系统) , 而不需要调查对象长期、认真的配合。一旦测量技术成熟, 大量数据的传输中, 想要篡改数据变得非常困难, 数据质量将会大大提高。而互联网、物联网、云计算等技术将大大提高数据采集的智能化水平。这种智能化的数据采集方式是传统统计调查难以相比的。
(3) 数据分析专业化
传统的统计分析是根据统计制度设计的要求以及对研究对象的认知, 对采集上来的结构化统计数据进行计算分析, 重点描述过去的这段时间发生的变化, 对未来的发展情况进行统计意义上的预测。“大数据”背景下的数据分析, 面临的是大量存储于各处 (包括“云端”) 的非结构化或半结构化数据环境, 首先要将这些无法识别和运算的信息转化为结构化的数据, 还需要洞察出语义、态度、情感、社会关系、效果等传统统计难以解决的问题。即使针对结构化的海量数据, 所要做的更为重要的是分析挖掘数据之间的内在关系, 寻找更多有价值的信息。在这种背景下, 数据分析变成统计部门一个关键性的环节, 需要专业化的数据挖掘与处理技术。
(4) 统计发布透明化
由于数据的繁杂性, 有价值的数据往往被大量无价值的数据淹没。因此, 大数据背景下统计发布的意义在于看谁的数据更能阐述现实意义。“大数据”的背景下, 数据的获取分析将全社会共享, 而非统计部门一家独享。在同样的价值需求下, 人们可能更加关注某大型电商 (如淘宝网) 的销售数据, 而不需要再关注“社会消费品零售额”的统计指标。因此, 统计数据的产品属性会更加突出, 面临的市场竞争压力会更大。数据产品需要从大量人群中找到特定用户, 将他们最关心的数据产品“卖”给他们———而从未知市场中寻找潜在用户正是“大数据”的核心理念。在发布结果上, 仅仅告诉别人一个结果 (如全国GDP数据) 是远远不够的, 还需要通过可视化、交互等方式给予用户更加方便、高效的使用方式, 提供更为详尽的“意义”信息 (如广东某市的GDP为何比青海某市的GDP高) 。也正是由于数据的大量存储和共享, 统计数据发布的公开透明程度将会极高, 没有公开详细、公允计算方法的数据将会被其他数据替代。
3. 对政府统计职能的冲击。
从我国经济发展与政府统计的关系上看, 统计的重要性往往是与传统的经济模式连接在一起的。在各级政府都管经济的体制下, 经济管理者需要知道社会有多少需求、多少供给, 以此来规划安排未来的生产计划, 实现社会总需求与总供给的平衡。统计数据为经济管理者提供了依据。随着市场化的深入, 市场内部的自我调节机制逐步替代了政府对经济的干预。价格信号会告诉市场主体需求与供给的状况, 从而在微观层面上实现资源配置。经济发展的主导力量由宏观逐渐走向了微观, 统计数据的价值就发生了变化, 以前的一些物量统计被取消便是例证。
在这种变化趋势下, 现行的一些统计指标, 如工业增加值、固定资产投资、铁路公路里程, 在未来“大数据”背景下有多大的参考价值, 还需要进一步探讨, 但这些指标的采集方式必定会发生巨大的改变。从现已发生的变革上来看, 包括进出口、货币供给、财政等数据已经不需要专门进行统计了, 在各项相应的行政记录里均可查询。而物联网等网络经济的发展, 使得工业生产、运输物流、最终消费、服务等各种交易生成直接可用的数据, 而不需要再经过专门的统计采集。因此, “大数据”背景下, 政府统计的地位和职能将受到极大的挑战。
三、借力“大数据”加速统计改革
“大数据”对传统统计技术的冲击巨大, 但另一方面, “大数据”也是一把“双刃剑”, 对于统计业务的再造、数据的采集以及数据质量的提高都有帮助。尽管短期内“大数据”离现实的世界或许还有一段距离, 但其带来的革命性冲击已经波及现行的统计制度。统计应当借助于“大数据”所带来的有利条件, 主动顺应数据社会化的趋势, 加快推进政府统计的改革。当前可以从优化统计机构设置、推进统计业务数据化, 提高数据挖掘分析能力、完善统计数据发布等方面着力。
1. 优化统计机构设置。
大数据背景要求统计机构的各项工作要必须走专业化道路, 制度设计部门要研究数据获取来源、可信度、成本等项目, 按照用户的需求设置指标;数据采集部门的任务是开拓更多可用的数据来源, 并对数据流进行实时监测, 保证数据流的通畅和清洁;数据分析部门则通过专业化的分析手段进行科学分析, 而后由专业化的营销部门将数据产品传递给社会用户。只有按照统计数据生产流程设定机构, 并进行网络化管理才能保证数据生产的科学性。目前按专业、部门条块分割的方式会造成大量数据的交叉重叠, 方法制度不统一, 数据质量良莠不齐, 这一机构设置模式亟待优化。
此外, 今年推行的“联网直报”等四大工程也显示, 网络技术对人工的替代导致地方统计机构职能做出调整, 由以前的催报、加工汇总、审核等职能转化为质量控制, 而其他职能均可由技术实现。可见在“大数据”背景下, 国家与地方统计机构关系及设置也面临调整。
2. 扎实推进统计业务数据化。
对于目前的统计来说, 与“大数据”时代的最大差距在于“数据化”, 具体讲包括调查对象行为的数据化以及调查业务的数据化。
调查对象的数据化运作是采集获取数据的基础。在数据化管理时代, 企业更重视自身的业务模式的数据化, 不少企业已经建成了从原材料到销售品一体化的数据跟踪体系, 每一项业务流程都有数据记录可查。我们要加快推进物联网进程, 帮助社会形成生产、物流、交易等环节的数据化, 并将这些数据通过互联网系统搜集、存储起来。比如在超市收银机上加装统计采集装置, 以保证每一笔交易的数据及时传送到统计数据平台, 以提供给社会消费、价格调查等指标使用, 加快行政数据的共享。投资、房地产、服务业统计等数据可从税务、工商、银行等部门的行政记录中获取, 可以实现多部门数据的交叉验证, 保证数据的准确与真实。住户调查方面, 改变依赖调查对象记账的采集方式, 比如可以使用住户的银行卡交易数据替代记账中的收入和支出, 一些居民用电、水、气等消费记录也可以帮助我们更好地控制数据质量。
调查业务的数据化主要是针对统计调查的质量控制。目前“联网直报”采取IP定位控制、修改痕迹保留等方式就是这一理念的现实应用。比如为了保证每个采价员按照“三定原则”进行采价, 可以对每台采价器进行数字化定位, 其采价的时间、地点、数据情况可以即时传到服务器, 即可进行监测。未来的统计数据采集可能就是联网的测量仪来进行, 统计业务的数据化管理显得尤为重要。
3. 提高数据挖掘分析能力。
“大数据”的概念来源于互联网, 其要求的数据分析已经远非目前的统计数据处理技术能够实现。有研究者认为, “在大数据时代到来之时, 传统的社会学、统计学从业者, 面对半道杀出来的计算机背景的互联网数据挖掘者, 就好比波兰骑兵面对德国坦克一样脆弱”。
对于统计来说, “大数据”还处于概念和社会趋势意义上, 我们所要面对的大量、复杂的行政记录、商业交易数据实际上是结构化的海量数据, 我们要能从这些海量数据中提取隐含的关系、模式和趋势等信息和知识供统计使用。目前, 结构化的海量数据挖掘已有比较完善的方法论和挖掘工具及算法, 在一些商业调查领域已经开始发挥作用。为了在未来的数据竞争中站稳脚跟, 我们必须在数据挖掘等现代分析能力上下工夫。
4. 完善统计数据发布。
统计最终是为用户服务的, 发布对用户有价值的统计数据才是统计存在的意义所在。数据的多少并不是关键, 即使海量的“大数据”对不需要的用户也是信息负担。因此, 我们需要提高数据发布的针对性, 发挥数据的最大信息价值。
目前我们发布的数据主要是为满足党政领导的需求为主, 以社会需求为辅。这种需求模式对于统计而言是有局限性的, 容易自我封闭。未来, 我们需要通过更为详细的数据挖掘技术, 从抽象的“社会公众”里分辨出具体的数据用户, 将要明确哪些人想了解哪些数据, 将他们最需要的数据信息传递给他们。因此, 在大数据的生产模式下, 生产哪些数据、调查发布哪些数据不是由“上级部门”指派或依照传统惯例, 而是根据用户的真实需求来决定。
在发布数据的形式上, 数据可视化、人机交互、机器智能等先进的技术已经逐步应用到统计、计算机及商业领域, 包括“智慧城市”等应用已经逐步成为现实。以文字、表格的方式发布统计数据已经跟不上用户的数据需求, 也落后于商业调查的步伐。我们在数据发布方面还需要进一步加大创新力度, 完善各种发布渠道, 充分发挥数据的价值。
“大数据”的本质实际上是数据生产的社会化, 其对统计尤其是政府统计的冲击是重大的, 不仅涉及整个统计流程, 更加对当前的政府统计管理体制、机构设置、数据价值等方面形成了挑战。可以大胆预测, 未来政府统计的政府角色会被统计专业性取代, 经济分析的职能会被更为专业的经济分析部门取代, 宏观数据的重要性会让位于更有信息价值的微观数据。统计部门需要正视这种变革, 顺应这种潮流, 并借助于“大数据”变革的有利形势, 加快提高统计能力, 使得统计在大变革中处于优势地位。
参考文献
大数据分析教学改革 第4篇
【关键词】英语写作教学 大数据 特点
当今社会是信息技术高速发展的时代。物联网、云计算、移动互联网已经高度深入人们的生活，渗透人们的工作。大数据的时代已经到来。人们的工作、生活以及思维方式都随着大数据的到来产生了变化。同时中职英语写作教学改革也将面临新的挑战和机遇。在此，我们将分析英语写作教学改革在大数据时代将会有怎样的变化，同时也将探讨在变化的基础上的改革思路以及对策。
一、我国中职院校英语写作教学的现状
目前的教学形式相对来说比较单一，对学生毫无吸引力，很难引起学生的兴趣，太过于枯燥和乏味。同时，由于班上的学生人数较多，对于学生作文的检查批阅的结果很难及时反馈到学生处，又不能逐一进行讲解。学生的基础又普遍比较差，落差比较大，形成一种良莠不齐的现象。
二、大数据时代的特点
人们所要完成的一些需要大规模数据，而小规模数据无法完成的事情我们称之为大数据。在此，人们可以通过大数据来获取新的价值源泉以及新的认知。同时也能改善人与人之间的关系以及政府、组织机构、公民的关系。大数据具有4V特点，即为：Veracity（真实）、Velocity（高速）、Volume（大量）、Variety（多样），这四个特点是维克托·迈尔·舍恩伯格和肯尼斯·库克耶在《大数据时代》里提出来的。数据体量的庞大，实现从TB级到PB级的飞跃提升，从单一的文本到包括视频、地理位置、图片等种类的繁多；再者是大量的数据的实时分析与处理的速度快，并且时效高。分析时间过长就会失去数据的价值。真实性高的数据才能是数据本身产生价值，以及数据的管理才拥有真正的意义。
三、关于大数据对中职英语写作教学的影响
随着大数据的到来，人们的行为习惯以及思维模式都产生了变化。其主要表现在以下几个方面。
1.让学生有了自主学习的可能性。大数据让学生的写作有了更多的资源，这是与以往的教学资源匮乏所不同的地方。除了一些传统的文本形式的资源以外，还能给学生提供视频形式的资源；在静态教学的基础上，还能提供学生之间，师生之间的交流互动。在网络教学资源的个性化与多样化的指导之下，学生在网络上自主学习如何写作，同时也能根据自己的学习状况选择自己所需要的资源。这样大大的提高学生对英语写作的兴趣。除了一些网上的教师课程资源以外，现在还有许多品种的计算机软件、在线的搜索引擎和语料库可以帮助学生在英语写作练习时提供必要的指导，并帮助他们解决在写作中所遇到的一系列问题。比如词汇量的匮乏、写作素材的缺失，以及语法搭配发面的问题等等。据相关的研究显示，语料库的存在，对学生的自主学习和写作能力都有很大的影响和帮助。同时还有相关的为英语写作而专门研发的计算机软件，对学生的现状提供针对性的指导。这些软件不仅能对学生的词汇、语法进行修改指导，还能做出及时的在线问题反馈，针对每个学生不同的问题提供不一样的解决方法，使学生的写作能力不断地提升。
2.真正的以学生为单位的个性化教学。以往的传统式教学是以班级作为单位，同样的教材、教学内容和课后作业，很难针对学生自己的问题。而教学形式又缺少互动，显得十分乏味。这很难提起学生的兴趣。尤其是那些基础差，又跟不上教师教学进度的学生。这样的教学模式对他们的帮助并不大，他们自身不知道自己的问题在哪里，在老师那儿也得不到及时反馈，因此是他们对英语写作产生了厌恶感甚至是恐惧感。
大数据可以要教育者真正了解到学习者。教师可以依靠这些数据了解到每个学生不同的表现，并通过分析这些数据，针对每个个体的不同问题调整自己的教学模式、内容以及教学的进度。使教师真正的做到因材施教。并根据每个学生的不同，在教育资源中选择真正适合他们的教学素材来进行教学。在课下教师也能通过在线教育帮组学生纠正问题，普及语言知识等。在课堂上则可以解决大部分学生所共同出现的问题。纠错和反馈可以实时个性的进行，这样可以切实并有效的对学生的写作水平进行相对的提高。
在大数据的时代中，教师不在是教学的中心。现在教师所做的一切都是围绕着学生来进行的，不再是教师一味的讲，学生稀里糊涂的听的模式。学生才是教学的中心。教师将尽可能的利用所有的信息技术网络资源，并使用新的服务、手段去帮助学生，让学生真正的成为学习的主人，不再是以往那样被逼迫学习，导致学生的兴趣流失。
3.反馈、互动实时进行，评价方式实现多样化。在过去的教学模式中，学生的作文通常是由老师进行批改，而存在着教师人数比学生数量少之又少的情况。但来自于教师所反馈的信息对于学生来说是非常重要的。据研究显示，及时的反馈对学生的促进有着相当大的帮助，同时反馈也是性评价形成最为重要的环节。
大数据时代的英语写作教学不仅能够做出实时的反馈还能做出比以往个性化的评价。在最近几年出现的一些自动评估的写作软件，可以对所提交的作文在短短几十秒之内做出相应的评估，并对写作出所运用到的语法、词汇以及格式等做出各项的分析和打分，并给出个性化的反馈。例如Writing Roadmap这个软件就能及时的反映学生作文中所出现的问题并有针对性的进行问题的分析和探讨并有准确的示范例句。这些运用软件的出现，大大提高了学生的写作能力以及自主学习能力。
在大数据时代，教师还能依靠云计算和互联网对学生的英语写作过程进行评估，以获得在不同时间内写作能力的不同变化，形成学生写作学习的轨迹的评价档案，从而形成学生发展性的评价。这样的评价方式不仅能够观察到学生对知识的掌握情况，还能关注到学生的情感态度、学习方法、以及技能等内容。还能同时了解到学生的行为表现以及心理构建的过程。这能使教师更关注于学生的学习过程而不是学习结果。如此，能更有利于学生个性化的全面发展。
四、英语写作教学的改革思路以及相应的对策
我们应该抓住大数据给教学带来的新的机遇，并积极开展中职英语写作教学的改革，积极的迎接新的挑战。
1.改变传统的教育观念、教学模式和方法。随着大数据时代的到来，英语写作的学习方法的途径都随之产生了变化，学生不再只是单一的依靠教材或是教师的教学来获取新的知识。教师在知识层面不再具有明显的优势，以往的教学理念在大数据时代无法适应当今的写作教学的要求，所以，中职英语教学写作的改革是势在必行的，不管是教学的方法还是教学的模式。
让学生真正的成为课堂的主人，引领他们去学习知识，教师的职责则是帮助并影响他们。教师的主要任务变成了对课堂的开发与设计，怎样让学生积极的参与到课堂的教学中来。并为学生设计提供个性化的教学模式。
2.利用网络化进行教学并设计个性化的评价。对于英语写作的评价主体、方式等在大数据时代都发生了变化。首先改变以教师打分并进行书面评估的单一手段。应该将计算机评估软件的评测与教师的评价相结合。然后对性评价要重视。运用大数据分析所得到的学生的档案，再此基础上依据不同的学生做出不同的评价方式，这样对挖掘学生的学习潜能有很大的影响。并且能够帮助教师及时调整教学的内容和模式。促进学习效率的提升。
五、结束语
大数据时代不仅给英语写作教学提供了新的机遇，同时也让教学面临了新的挑战。不仅教师的专业知识技能需要巩固，还需要教师去学习新的信息技术，并改变以往的教学思维。在教学中使用新的教学技术模式，大大的提升了学生的学习兴趣，并帮助学生有效的提高了英语写作的能力。
参考文献：
[1]王海啸.大数据时代的大学英语写作教学改革[J].现代远程教育研究，2014（3）.
[2]孔瑜.大数据时代基于批改网的大学英语写作教学实证研究[J].时代教育，2015（7）.
[3]黄大网，南佐民，杨新亮.数据驱动学习与英语写作教学中的语域知识传授[J].外语电化教学，2013（10）.
大数据时代对教学改革的影响 第5篇
摘要：目前传统教学内容陈旧、方法老套以及不能满足学生对新知识需求等缺陷逐渐凸显，随着大数据时代的到来，在教学中引入在线教育、数字化学习的平台、云平台、大数据技术，通过改变传统授课模式和教学方案的制定，不仅能改善教学质量，提升学生水平，还可使教学更加具有针对性、前瞻性和准确性。
关键词：大数据；云平台；在线教育；数字化学习的平台
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）19-0143-02
随着互联网、信息系统及电子设备的发展，人类各行各业每时每刻都在生成海量数据。大数据的时代已经到来，大数据正在改变着我们的工作和生活。2015年9月5日，《国务院关于印发促进大数据发展行动纲要的通知》发布，标志着大数据上升为我国“国家战略”。大数据逐渐成为比石油、煤炭等更有价值的资源，将对政治军事、经济社会、科学研究等产生革命性影响[1]。
高校教育也深受大数据时代的影响，正在进行一场技术与理念相结合的变革。在传统教学中，通常采用面授课为主的教学方式，也就是根据课本大纲在课堂上进行理论推导和讲解。这种教学方式的弊端在于：（1）教学内容单一，不能与时俱进；（2）教学模式固定；（3）无法及时了解和发现学生在学习过程中遇到的问题。
因此，现代教育迫切需要将新一代信息技术（云计算、移动互联网、工业物联网、大数据等）融合到教学中。大数据为课堂设计提供了丰富的信息资源，使教师能?蚋?深入地了解学生，不断调整教学方案和模式，以提高学生的学习质量和教师的教学效果。
一、教学模式的转型
在教学改革不断推进的今天，传统教学方式的局限性逐渐凸显，单一的教学模式太过刻板枯燥，常用的教学模型是以教师为中心的“满堂灌”方法，整堂课只有老师对着学生讲解知识，难给学生互动和提问的机会。大数据时代来临，学习知识不再局限于课堂，先进的网络教育为世界各地的学生获取知识提供了新的途径和更大的学习空间[2]。
对传统的教育体制而言，以大数据分析为基础的新一代教育平台创造的个性化、智能化教学模式，降低了教育成本。同时也为解决区域之间教育不平衡问题找到了一条途径。将传统的教学模式和网络在线教育相结合，便可充分发挥各自的优势，使学生的学习效率和教师授课效率同时得到提高。
在线教育服务Knewton是最著名的适应性学习体系之一，该体系由世界领先的终身教育服务商之一卡普兰的前总裁创立，亚利桑那州立大学的2000名学生应用该体系两学期后，辍学率下降56%，毕业率从64%提高到75%[3]。
哈佛大学以及麻省理工大学在2012年联合发布了一款非盈利性质的在线教育服务――edX。近期，谷歌开始与edX平台合作，联合推出MOOC（Massive Open Online Course，巨多在线课堂）在线课堂。MOOC是一个面向于教育机构、政府、商业机构以及个人的在线教育平台，认证机构可以在MOOC上推出自己的课程。到目前为止，edX.org网站上的课程已经有120万学生在使用。
云教育是指基于云计算商业模式应用的教育平台服务。在平台上，各种与教育有关的机构都集中共享资源，并互相沟通交流，从而降低教育成本，提高效率。亚洲教育网自主研发的“三网智慧泛教育云平台”，就为国内教育部门和学校构建了支持“三网融合、泛在学习”的公共智慧云，形成了“学校―家庭―社会”三位一体的绿色网络平台。该平台全面支持素质教育和绿色评价体系，以开放共享的“公共云”消除地区和学校的信息孤岛，以电脑、手机、电视、平板等多终端实现了教师、学生、家长的轻松访问，让先进的教育理念和优质的教育资源可以覆盖到任何地区。
另外，日本网络大学（Cyber University）是一所位于日本福冈县的公司式经营的私立大学，是日本唯一的在互联网提供全部课程的大学。该大学结合流行的大数据技术，利用媒体工具和数据分析工具跟踪学生们的学习进度，并根据他们的能力制定学习内容，以及预测他们的执行情况。
二、教学方案的制定
传统的教学方案制定是用宏观的角度以整体学生为对象，教学资源大多来源于教材、辅导书籍以及教师收集的各种案例资料。随着大数据的蓬勃发展，这种方式显得过于单一和落后，教师很难对每个学生的学习过程进行理性判断，难以实现真正的因材施教。
大数据可以分析微观、个体的学生与课堂状况，研究对象可以从群体走向个体，让跟踪每一个人的数据成为可能，实现个性化教育研究。大数据技术能够将学生的行为数据进行分析，教师便可对学生的爱好、行为、心理特点进行了解，明确学生之间的差异，及时修改教学内容和方式。
随着现代信息技术和移动互联网的发展，学生获得的知识不仅是从教师那得到，还有更多的知识是从网络中获得，我们通过“网络爬虫”抓取网络上与课程相关的海量结构化数据（如Excel数据）与非结构化数据（如文本、图片、图像、音频、视频等），利用大数据处理技术，对抓取的数据进行清洗，保留有效数据，根据整理分析出的数据制订更有针对性的人才培养目标和教学方案，确保学生离开学校时知识结构的前沿化，同时为相关研究生专业教育打好“研究型”基础。
佛罗里达州立大学利用eAdvisor程序为学生推荐课程和跟踪其课业表现；奥斯汀佩伊州立大学的“学位罗盘（Degree Compass）”系统在学生注册课程前，通过机器人顾问评估个人情况，并向其推荐他们可能取得优秀学业表现的课程[4]。
美国教育部门运用大数据创造了“学习分析系统”，它是一个数据挖掘、模块化和案例运用的联合框架，可以向教育工作者提供了解学生到底是在“怎样”学习的更多、更好、更精确的信息。例如，一个学生成绩不好的原因究竟是什么？期末考试不及格是不是代表该学生没有学好课程内容，还是因为他请假过多？利用大数据的学习分析能够向教育工作者提供有用的信息，从而帮助其回答这些不太好回答的现实问题。
“渴望学习”（Desire 2 Learn）是一家总部位于加拿大安大略省沃特卢的教育科技公司，其推出了基于他们自己过去的学习成绩数据预测并改善其未来学习成绩的大数据服务项目。Desire 2 Learn公司的新产品名为“学生成功系统”（Student Success System），该系统通过监控学生阅读电子版课件、提交电子版的作业、在线与同学交流、完成考试与测验，就能让其计算程序持续、系统地分析每个学生的教育数据。利用“学生成功系统”，老师得到的不再是过去那种只展示学生分数和作业的结果，而是像阅读材料的时间长短等这样更为详细的重要信息。因此老师可以及时诊断问题的所在，提出改进建议，并预测学生的期末考试成绩。据悉，加拿大和美国的1000多万名高校学生正在使用“学生成功系统”来改善学习成绩。
大数据分析可以为每位学生都量身定做一个适合他的个性化课程，并建立一个能够预见开除和辍学风险的早期?A警系统，为学生提供一个富有挑战性而非逐渐厌倦的学习计划。
三、展望
大数据技术给教师和学生提供了一个优秀的平台。这个平台丰富拓展了课堂内容、改革了传统课堂授受模式，为教师提供和完善他们认知经验所缺乏的信息，使课堂方案和授课模式更加科学化，更加符合学生个性发展的需要，有助于培养基础扎实、知识面广、富有创新意识的跨世纪新型人才。
参考文献：
[1]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.[2]石冬凌.MOOC对教学带来的思考与启示[J].计算机教育，2014，（9）：13-16.[3]David Feinleib.大数据云图[M].杭州：浙江人民出版社，2014.[4]张燕南，胡继岳.对于大数据运用于教育的思考[J].中国电力教育，2013，（32）：5-7.The Influence of Big Data Time on Teaching Reform
JIA Shu-yi，WANG Zi-ling，WANG Meng
（Research Institute of Information Fusion，Naval Aeronautical and Astronautical University，Yantai，Shandong 264001，China）
大数据时代与大学英语教学改革 第6篇
摘要：大数据是获得新认知，创造新价值的源泉。技术革命使我们生活在一个被几何级爆炸数据包围的时代.大数据时代,大学英语教学要进行大学英语教育信息化建设，推动大学英语改革，从而应对大数据时代带来的机遇和挑战，适应大数据时代催生的新的学习方式。关键词：大数据；大学英语；教学改革；教育信息化
一、大数据时代
大数据（big data）目前并没有统一的定义，维克托•尔耶•舍恩伯格指出大数据的核心是预测。他认为，在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样。
二、大数据与大学英语教育信息化建设
（一）大学英语教育信息化建设现状
我国自20世纪90年代末开始实施教育信息化战略。所谓教育信息化，是指在教育与教学领域的各个方面，在先进的教育思想指导下，积极应用信息技术，深入开发、广泛利用信息资源，培养适应信息社会要求的创新人才，加速实现教育现代化的系统工程。大学英语教育信息化建设已经从最初的单机应用、基础设施和基
（二）大数据在大学英语教育信息化的应用
三、大数据时代的大学英语教学改革 大数据运用于外语教学的巨大优势，决定了大学英语教学改革必须坚持以数据信息化为语境，以科学合理地整合数据信息与外语教学为基本策略，这是大学英语教学改革的前提条件。
（一）大数据时代大学英语教学改革的信息化建设
大学英语教学改革的信息化过程中，资金过多的投入到了硬件设施的建设上，这在一定程度上促进了教育信息化的发展，但在现实的教与学实践中发现，可以运用在这个平台上的应用软件和教学资源是如此的缺乏，同时已开发和运用的应用软件和资源的质量也远远不能达到教育信息化的发展要求。而另外的一个现象则是高校拥有的大量资源存在闲置、利用率低的情况，开发与利用资源矛盾突出。
（二）大数据时代大学英语教学人才队伍的建设