教育大数据的另类应用

教育大数据的另类应用（精选12篇）

教育大数据的另类应用 第1篇

大数据的概念及时代背景

大数据是一个正在发展中的概念。到目前为止, 学术界对于“大数据”一词还没有准确、统一的定义。著名学者涂子沛在《大数据》一书中指出:“大数据 (BigData) 是指那些大小已经超出了传统意义上的尺度, 一般的软件工具难以捕捉、管理和分析的大容量数据, 一般以‘以太节’为单位。大数据之大, 并不仅仅在于容量之大, 更大的意义在于通过对海量数据的交换、整合和分析, 发现新的知识, 创造新的价值, 带来‘大知识’、‘大科技’、‘大利润’和‘大发展’。”最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡。麦肯锡全球研究院报告《大数据:创新、竞争和生产力的下一个前沿》则对“大数据”定义如下:大数据是指大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群。麦肯锡称:“数据, 已经渗透到当今每一个行业和业务职能领域, 成为重要的生产因素。人们对于海量数据的挖掘和运用, 预示着新一波生产率增长和消费者盈余浪潮的到来。”可见, 大数据就是指蕴涵着巨大价值的、可有效利用的、多样化的海量数据集。

进入2012年以来, 世界各国大数据的关注度与日俱增。在2012年1月份的达沃斯世界经济论坛上, 大数据是主题之一, 并特别针对大数据发布了报告BigData, BigImpact:New Possibilities for InternationalDevelopment , 探讨了新的数据产生方式下, 如何更好地利用数据来产生良好的社会效益。2012年3月, 美国奥巴马政府投资2亿美元, 正式启动“大数据发展计划”, 这一计划是美国政府继信息高速公路计划之后在信息科学领域的又一重大举措。同时, 联合国一个名为GlobalPulse的倡议项目在2012年5月发布报告《大数据发展:挑战与机遇》, 阐述大数据时代各国特别是发展中国家在面临数据洪流时的机遇与挑战, 并对大数据的应用进行了初步的解读。目前, 一些发达国家、著名研究机构以及大集团公司已将大数据作为获取有效信息和知识的重要来源、调整和部署战略决策的重要依据, 大数据技术则成为信息挖掘、整理和分析的重要工具。

大数据时代对人类的数据驾驭能力提出了新的挑战, 也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间。互联网时代的数据正在迅速膨胀, 它决定着组织的未来发展, 随着时间的推移, 人们将越来越意识到数据对组织的重要性。对于企业组织来讲, 大数据的价值体现在两个方面:分析使用和二次开发。对大数据进行分析能揭示隐藏其中的知识信息, 对大数据的二次开发则是通过大数据创造出新产品和服务。例如, Facebook通过结合大量用户信息, 定制出高度个性化的用户体验, 并创造出一种新的广告模式。大数据这股汹涌浪潮正在兴起, 将给各行各业的发展模式和决策带来前所未有的革新与挑战, 教育领域同样不可避免, 面临新的挑战和机遇。

大数据的主要特点

大数据时代的数据存在着以下几个主要特点。

规模巨大。个人和组织面临着数据量的大规模增长, 呈现为海量数据。典型个人计算机硬盘的容量为TB量级, 一些大企业的数据量已经接近EB量级。而根据麦肯锡全球研究院 (MGI) 估计, 全球企业2010年在硬盘上存储了超过7EB (1EB等于10亿GB) 的新数据。2015年全球移动终端产生的数据量将达到6300PB。目前, 大数据的规模尚是一个不断变化的指标, 单一数据集的规模范围从几十TB到数PB不等。此外, 各种意想不到的来源都能产生数据。

类型多样。数据来自多种渠道, 如网络日志、社交媒体、互联网搜索、手机通话记录及传感器网等, 内容包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等。这些实际是多视角的, 不仅有正规的数据、媒体新闻数据、时效性的数据, 还有带有个人情感的数据。而这些数据又打破了之前限定的结构化数据范畴, 包含着结构化、半结构化以及非结构化的数据, 并且半结构化和非结构化数据所占份额越来越大。

产生速度快。即数据被创建和移动的速度快, 时效性要求高, 这是大数据区别于传统数据挖掘最显著的特征。在高速网络时代, 通过基于实现软件性能优化的高速电脑处理器和服务器, 快速创建实时数据流已成为流行趋势。如一天之内谷歌公司处理几十PB的数据, Facebook新产生约10亿张照片、300TB以上的日志, 淘宝网进行数千万笔交易、产生20TB以上的数据, 新浪微博的约3亿用户可产生上亿条微博。

价值密度低。随着物联网的广泛应用, 信息感知无处不在, 数据信息海量, 但其价值密度较低。价值密度的高低与数据总量的大小成反比, 大数据中单条数据可能无价值, 无用数据多, 但综合价值大。例如, 视频数据中, 1小时的视频中有用的数据可能仅有一两秒钟, 其余的可能是无用的数据, 价值密度相对较低。因此, 如何通过强大的数据挖掘算法更迅速地完成数据的价值“提纯”, 是大数据时代亟待解决的难题。

存储要求高。种类多样的数据源, 既提供了大量的数据, 又带来了科学存储的问题。大数据通常可达到PB级的数据规模, 因此, 海量数据存储系统也一定要有相应等级的扩展能力。当前互联网中的数据向着异质异构、无结构趋势发展, 新数据类型不断涌现, 用户需求呈现出多样性。目前的存储架构难以解决数据的异质异构、爆炸性增长带来的存储问题, 静态的存储方案满足不了数据的动态演化所带来的挑战。因而在海量分布式存储和查询方面仍然需要进一步研究。

管理复杂。大数据的规模和复杂结构是传统IT架构所面临的直接挑战, 使得传统的数据管理技术不适合处理海量异构数据。许多公司已经拥有大量的存档数据, 却没有能力来处理它。传统的关系数据库无法处理大数据的规模, 目前可选择的方法包括大规模并行处理架构、数据仓库, 或类似Greenplum的数据库以及ApacheHadoop解决方案等。

大数据在教育领域中的主要应用

1. 革新教育理念和教育思维

随着大数据时代的来临, 教育大数据深刻改变着教育理念、教育思维方式。新的时代, 教育领域充满了大数据, 诸如学生、教师的一言一行, 学校里的一切事物, 都可以转化为数据。当每个在校学生都能用计算机终端学习时, 包括上课、读书、写笔记、做作业、发微博、进行实验、讨论问题、参加各种活动等, 这些都将成为教育大数据的来源。大数据比起传统的数字具有深刻的含义和价值。例如, 对于一张试卷、一次考试, 考试得分为90分, 它可以是简简单单的一个传统的数字, 但如果换一个角度来分析, 把它作为一个数据来看待, 就可以得到其背后所隐含的许多充满想象力的数据信息:可以是每一大题的得分, 每一小题的得分, 每一题选择了什么选项, 每一题花了多少时间, 是否修改过选项, 做题的顺序有没有跳跃, 什么时候翻卷子, 有没有时间进行检查, 检查了哪些题目, 修改了哪些题目, 等等, 这些信息远远比一个90分要有价值得多。不单是考试, 课堂、课程、师生互动的各个环节都渗透了这些大数据。教育将不再是靠理念和经验来传承的社会科学, 大数据时代的教育将步入实证时代, 变成一门实实在在的基于数据的实证科学。大数据使得教育者的思维方式发生了深刻变化, 传统的教育大多是教育主管部门和教育者通过教学经验的学习、总结和继承来展开的, 但是有些经验是不具有科学性的, 常识有时会影响人们的判断。大数据时代将可以通过对教育数据的分析, 挖掘出教学、学习、评估等符合学生实际与教学实际的情况, 这样就可以有的放矢地制定、执行教育政策, 制定出更符合实际的教育教学策略。

2. 实现个性化教育

大数据带来的一个变化在于实施个性化教育具有了可能性, 真正实现从群体教育的方式转向个体教育。利用大数据技术, 我们可以去关注每一个学生个体的微观表现, 比如, 他在什么时候翻开书, 在听到什么话的时候微笑点头, 在一道题上逗留了多久, 在不同学科的课堂上提问多少次, 开小差的次数分别为多少, 会向多少同班同学发起主动交流, 等等。这些数据的产生完全是过程性的, 包括课堂的过程、作业的过程、师生或生生互动的过程, 等等, 是对即时性的行为与现象的记录。通过这些数据的整合能够诠释教学过程中学生个体的学习状态、表现和水平。而且这些数据完全是在学生不自知的情况下被观察、收集的, 只需要一定的观测技术与设备的辅助, 而不影响学生任何的日常学习与生活, 因此其采集非常自然、真实, 可以获得学生的真实表现。大数据技术将给教师提供最为真实、最为个性化的学生特点信息, 教师在教学过程中可以有针对性地进行因材施教。比如, 在课堂学习过程中, 哪些学生注意基础部分, 哪些学生注意实践内容, 哪些学生完成某一练习, 哪些学生可以阅读推荐书目, 等等。不仅如此, 当学生在完成教师布置的作业时, 也能通过数据分析强化学习。比如, 通过电子设备做作业时, 某一类型的题目有几次全对, 就可以把类似的题目跳过;如果某个类型的题目犯错, 系统则可进行多次强化, 这样不仅提高了学习效率, 也减轻了学生的学习负担。

3. 重新构建教学评价方式

在教学评价中利用大数据分析, 可以通过技术层面来评价、分析, 进而提升教学活动, 从依靠经验评价转向基于数据评价。教学评价的方式不再是经验式的, 而是可以通过大量数据的“归纳”, 找出教学活动的规律, 更好地优化、改进教学过程。比如新一代的在线学习平台, 具有行为记录和学习诱导的功能。通过记录学习者鼠标的点击, 可以研究学习者的活动轨迹, 发现不同的人对不同知识点有何不同反应, 用了多长时间, 以及哪些知识点需要重复, 哪些知识点需要深化等。对于学习活动来说, 学习的效果体现在日常行为中, 哪些知识没有掌握、哪类问题最易犯错等成为分析每个学生个体行为的直接依据。通过大数据分析, 还可以发现学生思想、心态与行为的变化情况, 可以分析出每个学生的特点, 从而发现优点, 规避缺点, 矫正不良思想行为。此外, 大数据通过技术手段, 记录教育教学的过程, 实现了从结果评价转向过程性评价。例如, 基于网络学习平台或电子课本, 能记录下学生完成作业情况、课堂言行、师生互动、同学交往等数据, 教师在期末时将这些数据汇集起来, 有了更加丰富的素材与数据依据, 可以发现学生学习成长过程的特点, 能对学生的发展提出建议。同时, 这些数据也可以促使教师进行教学反思, 自己在哪些方面需要改进, 从而促进和优化教学实施过程。

4. 加强学校基于数据的管理

大数据对于学校管理具有重要的价值, 有利于实现学校管理的精确化、科学化。学校管理离不开信息, 学校是培养各类专门人才、传授知识和创造知识的场所, 拥有众多的专业学科, 与国内外联系广泛, 每天进行着各种教学、科研及其管理活动, 蕴藏着十分丰富的信息资源。学校管理中的各种决策和控制活动, 如培养目标的确定、教学计划的制定、教学组织指挥、教学质量控制、教学评估、教师管理、学生管理等, 都是以大量的数据为基础的, 并不断产生各种新的数据, 大数据的处理和挖掘对于学校管理具有关键作用。利用大数据技术, 着眼于管理决策、管理活动、管理过程控制, 全面归集学校管理大数据。比如, 针对教务管理、行政管理、科研管理、人事管理、财务管理、后勤管理等各类领域, 进行全校系统的规划、梳理, 具体细化数据收集标准规范, 及时归集, 形成全校管理大数据。同时, 针对重要管理对象的数据, 由多个源头、从不同方向对同一个对象进行数据记录, 数据之间可以互相印证, 形成多源的管理对象大数据。此外, 利用大数据分析技术, 为学校网络信息安全管理也提供了重要的手段。比如, 利用大数据帮助分析学校信息网络运行日志数据, 据此学校信息安全管理人员能够审计网络环境, 并观察到故障点的位置, 然后生成报告, 帮助他们升级或安装防病毒解决方案, 进行程序修补, 或采取其他安全措施, 提升学校的信息安全防护能力。

参考文献

[1]涂子沛.大数据[M].广西:广西师范大学出版社, 2012.7.

[2]严霄凤, 张德馨.大数据研究[J].计算机技术与发展, 2013 (4) .

[3]安晖等.大数据:下一个创新、竞争和生产力的前沿[J].赛迪译丛, 2012 (25) .

高校教育管理的大数据应用论文 第2篇

关键词：大数据;内涵;特征;高校教育管理;类型;作用;应用策略

目前计算机信息技术已经在社会各行各业中被广泛应用，高校教育管理领域也不例外。我国许多高校都以大数据为基础，创建了高校教育管理网络信息系统，充分利用各类大数据信息，优化学校教育管理模式。

1大数据的内涵与特征

大数据在英文中又称作bigdata，它一般所涉及的数据资料量非常巨大，以致在合理时间内，采用传统的数据处理方法根本无法进行科学的分析与有效的管理。简单而言，大数据就是指规模大到传统的数据库工具难以采集、保存、管理与分析的各类数据集。而大数据最明显的“四V”特征，也使得它与传统的数据信息迥然不同。所谓四V特征就是指大数据的Volume特征、Velocity特征、Variety和Veracity特征。在这四个特征中，Volume是指大数据的规模庞大;Veloc―ity是指大数据的处理速度高效快捷;Variet指大数据包含音频、图片、网络日志、视频等多种数据形式，结构类型十分繁杂;Velocity则是指大数据的精确性、可靠性与真实性较高。大数据技术本身所具备的“四V”特征，使得大数据在社会各行业的应用过程中呈现出了预警性、动态性、描述性和预测性特点。反过来，这些特点又直接影响了社会各行业的变化和发展。

2高校教育管理中常用的大数据类型

教育大数据是学习者的各类行为的表现，目前我国高校教育管理中应用的教育大数据基本可分为三种不同类型。

2。1教育基础信息

近些年来由于国家对公民教育的重视，我国各大高校的教育教学事业都取得了较大发展。而这些高校在长期的校园设施建设与教学事业发展过程中，所产生的学校基本建设情况、学校资金投入状况、学校基本信息变化、学校招生状况以及学校的人事变动等多类繁杂的数据信息都被相关工作人员统计汇总到了各级教育管理机构，并由此形成了一个海量的教育基础信息库。

2。2校园建设数据

而就高校自身发展而言，其在年复一年的长期办学过程中，也会不断产生和积累一些有关本校学生的基本信息、学校各专业的课程信息、学校日常生活信息、学生实践活动信息、学生社交信息;教师的科研信息、工作变动信息、学校的招生信息、学校资产信息、图书馆藏信息等。这些校园数据信息来源于学校办学实践和学生日常学习活动，数量巨大、类型繁多、速度更新快并具有巨大的潜在价值，从本质上讲也是比较重要的一类教育大数据。

2。3在线学习的平台信息

现阶段，各类网络在线学习的平台非常多，这些网络在线学习的平台为高校学生提供了大量准确、快速、有效的学习资料。而学生在网络在线平台学习的过程中，所产生的学习日志、课程选择、学习路径以及学习结果等一系列与学习行为有关的各类数据也可以看作教育大数据的一种。这类大数据被实时记录并保存网络在线学习的平台运营商手例。政府和高校应该积极与网络在线学习的平台的运营商合作，采取合适方法从运营商手中获得这些数据，并以大数据的理念、大数据处理技术等对这些数据进行采抽取、汇总与分析，然后根据分析结果，做出有利于高校发展的新决策。

3大数据在高校教育管理中的重要作用

3。1教育大数据有利于优化政府和高校的教育决策

大数据自身所具有的“四V”特征，使得大数据在应用过程中表现出预测性、预警性特征。而这种特征，直接影响和改变着政府与高校的教育决策模式。它使得教育决策与教育信息之间的关系，由传统的数据影响决策转变成现在的决策基基于数据和数据预知决策。也就是说现阶段政府和高校越来越重视、越来越依赖教育大数据信息。对各类教育大数据的精确分析结果，是教育部门和各大高校做出正确教育决策的基础，通过深入挖掘与科学分析各类教育大数据，教育部门和高校可以对高校的教育行为进行有效的动态监管。此外教育大数据还为教育部门和高校提供精准的预警分析服务，有效的突发事件解决措施等。简单而言，通过集成、预警、分析、建模各类校园教育大数据，教育部门和高校可以获得更有价值的教育信息资料，并依此作为教育决策的基本依据，从而提高教育决策的正确性与科学性。

3。2教育大数据有利于革新高校教学模式

很长时间以来，我国传统的高校课堂教学模式一直是老师教，学生学，教师主导着课堂活动的进展，是教学的主体。但是随着慕课在正规高校中的流行，在线学习逐步成为大学生学习知识、认识世界的又一重要途径。诸如智慧树、学堂在线以及爱课程等多种类型的慕课平台越来越受大学生的欢迎。相较于传统的高校教学方式，慕课具有授课时间和授课地点灵活、课程资源优质、授课方式多样等多种优势，非常有利于增强大学生的注意力、提高大学生的学习效率。与此同时，大学生在这些网络在线平台上的学习过程，被适时记录与存储，并逐渐形成教育大数据，通过深刻挖掘与科学分析这些大数据，高校就可以有针对性地优化课程资源设置，革新教学模式，最终提升教学质量。

3。3有利于有效监管和正确引导大学生的思想行为

教育大数据的另类应用 第3篇

文章首先阐述了大数据、可视化的概念内涵、构成要素和特点价值，然后论述了大数据应用于在线教育教学理论研究现状及意义，最后以三维动画专业为例分别从学员的学、教师的教以及管理者的管等方面探析了大数据可视化作为一种有效的学习理念、思维形式和工具策略在在线教育教学中的应用实践。

关键词：

大数据 可视化 在线教育 教学 应用

中国分类号：G423

文献标识码：A

文章编号：1003-0069 （2015） 02-0157-02

一 内涵解读与价值概述

1 大数据的概念与特点

美国国家标准和技术研究院（ NIST）对大数据（Big Data）做出的定义是：大数据是指其数据量、采集速度，或数据表示限制了使用传统关系型方法进行有效分析的能力，或需要使用重要的水平缩放技术来实现高效处理的数据。大数据应用就是利用数据分析的方法，从大数据中挖掘有效信息，为用户提供辅助决策，实现大数据价值的过程。

大数据的特点主要包括：（1）规模大（Volume）：主要指对数据的存储容量大，计量单位甚至上升到EB、ZB、YB及以上级别；（2）速度快（ Velocity）：指对数据分析的速度极快，一般在秒级时间范围内可以给出海量数据分析的结果；（3）种类多（Variety）：指包含的数据类型非常多，既包括网站记录、网络日志、图片信息，又包含动画、视频、地理位置等信息；（4）价值高（Value）：指大数据的重点在于发现海量数据背后隐藏的有价值的信息。见图1：

2 大数据可视化的构成要素与特征价值

对于大数据可视化的定义，目前存在多种不同的观点。有研究者认为，大数据可视化仅仅是计算可视化的延伸与扩展，其可视化对象为空间数据，只是将抽象数据直观地表达出来，与信息可视化、知识可视化既有交叉又有不同。也有研究者认为大数据可视化是一个不断演变的概念，人们正在接受同时涵盖科学可视化与信息可视化的新生术语，它还包含知识可视化的内容。数据可视化的范围也有不同的划分。有研究者提出了数据可视化由统计图形和主题图组成，主要为信息的呈现。也有研究者认为，大数据可视化主要包括思维导图、新闻的显示、数据的显示、连接的显示、网站的显示、文章与资源、工具与服务等方面，范围更加广泛。根据本文的研究内容，笔者赞同大数据可视化较为宽泛的界定，认为其同时涵盖了科学可视化、信息可视化与知识可视化。

大数据可视化技术特征主要有：一是直观化。直观形象地呈现数据，使用户可以看到分析对象或事件的多个属性或变量，且数据可以按其每一维的值分类、排序、组合和显示。二是关联化。能挖掘并突出呈现数据之间的关联，直接快捷地弄清各个属性之间、事件之间的关系。三是艺术化。通过不同的表现形式，增强数据呈现的艺术效果，符合审美规则。四是交互性。通过用户与数据的交互，增强用户对数据的控制与管理，实现可视化形式的个性化呈现。

大数据可视化的过程及步骤：（1）获取。收集数据库的表、文字记录、网络上的源文件，录像记录等数据。（2）分析。构造一个结构分类图，并按分类排序。（3）过滤。删除冗余数据，保留感兴趣、有价值的数据。（4）挖掘。辨析数据格式，挖掘其中规律。（5）表述。比如条形图、列表或树状结构图。（6）修饰。改善表述方法，使它变得更加视觉化、直观化。（7）交互。增加方法来操作数据，实现交互选择性。

二 大数据的教育应用理论研究现状分析

1 国内大数据教育应用研究现状

在中国知网中选择“高级检索”类型，并在检索条件中选择“主题”检索，输入“大数据”并含“教育”，其检索出400余条结果与之相关，主要文章200余篇。经过对文献内容的分析，可以发现到目前为止，大数据在教育领域的应用研究可以划分为以下两个阶段：研究的萌芽阶段和研究的起步阶段。2014年3月，教育部办公厅印发的《2014年教育信息化工作要点》中指出：加强对动态监测、决策应用、教育预测等相关数据资源的整合与集成，为教育决策提供及时和准确的数据支持，推动教育基础数据在全国的共享。可见，教育大数据的应用已被列入我国教育信息化的工作程序中，相信大数据将很快被推广并与教育领域的深度融合，这是当前时代教育事业发展的必然趋势。

2 国外大数据教育应用研究现状

对于国外大数据教育应用的研究情况，我们主要借助教育资源信息中心ERIC数据库提供的论文发表情况进行分析。在搜索对话框中输入“big data and education”，其检索到500余条相关记录。通过查阅论文的摘要以及结合每条记录的“Descriptors”进行手工筛选，剔除无关记录，剩余30余条直接相关记录。论文发表时间也主要分布在近三年，研究内容主要包括对教育数据挖掘、学习分析，个性化教育、教育方式的改善、学习策略探讨、教育管理方式的改变、大数据对于教育的推动作用、数据驱动以及对图书馆建设、对教与学需求、评价方法的影响等方面。可见，虽然大数据在国外出现较早也备受重视，但是在教育领域中的应用仍不够深入，正如Anthony G.Picciano教授所说：教学应用大数据分析处于起步阶段，还需要几年才能成熟，虽然大数据的存在被证明是该被重视的，但大数据并不是解决所有教育问题的灵丹妙药，它只是给人们提供了拟定教育问题解决方案时的一部分决策参考。

3 大数据可视化应用于在线教育教学的意义与平台

大数据给在线教育教学实践领域的探索带来了新思维、新视角、新技术、新方法。其应用意义主要是革新教育理念和教育思维、实现个性化教育、重新构建教学评价方式、加强学校基于数据的管理等。

目前国内外常见的在线教育学习平台有：Moodle、Blackboard、Sakai、Khan Academy、网易公开课、传课网以及掀起当下教育革命风暴的“MOOCS”等等。

综上，国内外大数据在教育教学中应用的研究都尚处于起步阶段，相关研究涉猎的内容虽然比较广泛但是研究深度不够，也缺乏具体的实践应用经验，还需要进一步加强大数据在教育教学中应用的研究力度，以期尽早推动大数据在在线教育教学实践中真正发挥其优势和作用。

三 大数据可视化在在线教育教学应用实践探究

目前高校网院动画专业的课程教学应用尚显不足。如何对学习过程中产生的数据进行挖掘，并得到良好的可视化显示应用7如何让动画知识变得直观、艺术、关联、交互7如何利用数据的可视化处理来加强教学的管理与决策？笔者认为大数据可视化在在线教育教学中的应用可以按照模块化功能和学习习惯进行设计，可分为三方面：一是学生在自主学习过程中的应用；二是教师在课程开发与设计模块中的应用；三是教学管理者在管理中的应用。

1 学生角度：促进知识探究、内化，进行自我评估

三维动画知识是一门与市场联系密切、实践性很强的专业软件知识，涵盖了模型创作、质感表现、场景设计、动画制作、特技效果、镜头运用等几大艺术门类，对于不同的专业方向，学生探究动画知识的内容、难点、重点都有所不同。对于影视动画专业方向的学生，要求涉及建模、材质、动画和特效等方面的知识，但重点突出特效技法的运用、舞台类质感的表现、光和影的表达等；对于游戏动画设计专业的学生，重点是角色建模、角色材质表现、角色骨骼动画制作等内容；对于环境艺术设计专业的学生，重点是建筑类模型的准确制作、真实材质灯光环境的表现、漫游动画设计等内容：对于多媒体设计专业的学生，除基本的模块知识外，还应考虑互动环节设计等内容。

不同专业方向的学生在进行探究式学习的过程中，可以对一些研究数据进行可视化的处理分析，探究三维动画知识规律。学生也可以根据自己的理解对现有的三维动画知识进行可视化建模，形成三维动画知识框架与互联体系。可视化的三维动画知识模型能够促进学生间有效的沟通与交流，便于发现自己和其他同学的异同，有助于完善自己的三维动画知识体系。同时，使用可视化建模工具呈现三维动画知识有助于学习者以具体和有意义的方式来表征概念，促进思维的外显和学习的反思。学习者在接受评价形成模型的过程中，促进了新旧知识的整合，建构了三维动画知识网络，培养了自我反思的能力；通过模型，学习者将自己对于三维动画知识的理解表现出来，有助于加强三维动画知识结构化的形成，培养结构化思维模式。对学习过程数据的可视化处理结果，可以作为学生自我评估的参照。学生可以直观了解自己的学习行为（学习时间、时长和浏览内容等），并与其他同学形成比较，反思自己的学习过程，促进学生自我规划，成为主动的学习者。另外，对学习平台数据的可视化处理，可以为学生建立单独的纵向成长记录，形成个性化的学生进步报告。

2 教师角度：提供教育发展动向，优化教学环节

动画作为一个新兴专业，尚未建立起一个成熟完善的教学系统，动画的教材虽然林林总总，俯拾即是，但真正公认经典的流通教材却寥寥无几，很难找到，特别是针对不同专业的教材更是如凤毛麟角。因此，教师可以通过数据可视化，大胆地进行从形式到实质的改革创新，根据工作过程体系构建教材内容和实例。此外，三维动画课程与时代发展联系紧密，软件版本升级很|央，一般是一年提升一个版本，版本升级会增加新的功能，为此需要教师通过数据可视化密切关注版本升级的内容加入教材与教学中。

动画课前的教学设计、课堂教学以及复习课，教师利用知识可视化方式，将三维动画知识可视化图直接投影出来，既省时又省力，还可以资源共享。三维动画课程最典型的教学方法就是教师对软件命令逐个讲解，在讲解过程中，既可应用目前十分流行的案例教学法，围绕多个案例讲解一个命令，也可使用流行的“边讲边练、讲练结合”的教学模式，避免传统的“满堂灌”、“填鸭式”教学，让学生构建课程的知识体系结构图，从而使教学生动有趣，使学生学有所获。

总之，数据可视化技术可以让动画教学过程的各个环节得到优化，进而提高教学质量。

3 教学管理者角度：提高在线教育交互平台管理能力

教学管理者对动画教学过程数据进行可视化处理，可以结合实践教学经验，探讨以能力为导向的三维动画课程的教学体系和教学方法创新改革的途径，进而确定其发展目标和整体发展策略。

教学管理者可以依据教学过程数据的可视化处理，考核动画专业教师绩效。为了有效监控三维动画教学情况、对三维动画教学工作进行有针对性的指导和帮助，网院每年要组织对日常网上教学的跟踪检查，以此作为评价三维动画各课程进行网上教学的重要指标，这时数据的统计与可视化处理就起到了重要的作用。

大数据及其在教育中的应用 第4篇

关键词：大数据,数据挖掘,学习分析

一、大数据的定义和类型

1. 定义

“大数据”概念第一次创造出来是在2008年9月4日, 谷歌成立10年前际, 《自然》推出了大数据专辑, 包括8篇大数据专题文章加上1篇编者按。虽然该专辑并没有直接提出大数据的定义, 但是从互联网技术、网络经济学、超级计算、环境科学、生物医药等多个方面介绍了海量数据带来的挑战。概括而言, 科学研究产生的数据集越来越大, 并且数据越来越复杂, 使得研究人员都转向依靠数据挖掘工具、在线的团队合作 (如维基百科) 和复杂的可视化技术。每年的研究数据聚合起来形成了大数据资源, 依靠研究者自身去花大量精力记录和管理数据已经跟不上发展, 科学研究数据的长期管理和维护需要有大机构的支持。但是政府、社会机构对此还没有充分认识, 文化还跟不上数据的发展。这组文章的目的是引起各方面对数据管理和分析的重视, 指出充分利用数据实际上是需要额外建设大量基础设施、需要经费和资源支持、需要建立标准、需要工具和培训、需要专业的数据支持服务的。[1]

目前对大数据的定义有三种, 分别从数据体量、复杂性程度、价值这三个角度来界定什么是大数据。

第一次提出大数据的定义并且估计大数据的商业价值的是全球著名咨询公司麦肯锡。2011年麦肯锡全球研究院发布了《大数据:创新、竞争和生产力的下一个新领域》[2], 研究了数据和文档的规模, 同时分析了处理这些数据能够释放出的潜在价值。麦肯锡对大数据的定义是从数据集的“大体量”入手的:大数据是指那些规模大到传统的数据库软件工具已经无法采集、存储、管理和分析的数据集。麦肯锡故意采用了主观的定义, 没有定义多大的数据集才是大数据, 所以这个定义中的“大”是动态的概念。他们的假设是, 随着技术的进步, 随着时间的推移, 符合大数据界定的数据集大小也将增加。还有, 不同部门对大数据的界定也可能不同, 这取决于他们通常用什么软件, 以及某个特定产业的数据库是多大的。在考虑这些因素后, 许多部门的大数据规模将从几十个TB到多个PB (几千个TB) 。维基百科采纳了麦肯锡的定义, 认为大数据是一组庞大而复杂的数据集的集合, 大且复杂到难以用现有的数据库管理工具或传统的数据处理应用来处理。[3]我国学界也采用了这一定义[4]。

德勤咨询技术负责人罗伯特·福莱对大数据的定义是从“复杂性程度大”入手的。他在2012年提出, 过去对大数据的界定主要基于规模, 而实际上, 规模并不是常规数据和大数据的关键区别。他对大数据的定义是:有用的数据源排列数量巨大, 使有用的查询非常困难, 并且, 复杂的相关关系使得排除很困难。大数据的第一个属性是复杂性, 大不是数量大, 而是复杂性更大。例如一架飞机上有10万个传感器, 产生的数据流要查询起来非常困难, 但它的规模可能没有想象的那么大, 1小时的飞行中产生的数据不到3G。而有些数据集很大, 例如媒体流, 生成量非常大, 但是它的结构并不复杂, 现在的搜索引擎和数据库工具可以很快将它解析出来。所以媒体流只是数据数量大, 但复杂性程度却没有飞机传感器产生的数据那么大。大数据的另一个属性是很难删除, 使得隐私成为共同关注的问题。例如, 从收费公路数据中清除与某个汽车司机相关联的所有数据几乎是不可能的, 如果删除的话, 传感器计数的汽车数量将不再与个人的计费记录匹配, 也与公司收到的款项不平衡。[5]我国学者李国杰也指出, 大数据往往以复杂关联的数据网络这样一种独特的形式存在。[6]

维克托·迈尔-舍恩伯格在《大数据时代》一书中主要从“价值大”的角度来定义大数据, 他认为大数据是当今社会所独有的一种新型的能力:以一种前所未有的方式, 通过对海量数据进行分析, 获得有巨大价值的产品和服务, 或深刻的洞见。大数据是人们在大规模数据的基础上可以做到的事情, 而这些事情在小规模数据的基础上是无法完成的。[7]

《上海推进大数据研究与发展行动计划》对大数据的概念做了较全面的概括:大数据有三层内涵:一是数据量巨大、来源多样和类型多样的数据集;二是新型的数据处理和分析技术;三是运用数据分析形成价值[8]。

2. 类型

大数据可以根据来源区分为三种类型。

(1) 科研数据。以数据为中心的传统学科 (如基因组学、蛋白组学、天体物理学和脑科学等) 的研究产生了越来越多的数据。例如, 用电子显微镜重建大脑中的突触网络, 1立方毫米大脑的图像数据就超过1PB。[9]《自然》杂志最早提出大数据概念也是源于科学研究中产生的大量数据。

(2) 互联网数据。近年来大数据的飙升主要还是来自日常生活, 特别是互联网公司的服务。谷歌每天要处理24PB的数据, Facebook每天更新的照片超过1000万张[10], 生成300TB以上的日志数据, 百度每天大约要处理几十个PB的数据[11]。

(3) 感知数据。传感网或物联网 (1) 的蓬勃发展是大数据的又一推动力。进入移动互联网时代后, 移动平台的感知功能和基于位置的服务普及产生了大量感知数据, 各个城市的视频监控每时每刻都在采集巨量的流媒体数据, 工业监控也是大数据的重要来源, 与互联网数据产生了重叠。

科学实验是科技人员设计的, 如何采集数据、处理数据事先都已想好了, 不管是检索还是模式识别, 都有一定的规律可循。[12]而网络大数据和感知数据有许多不同于自然科学数据的特点, 包括多源异构、交互性、实效性、社会性、突发性和高噪声等, 不但非结构化数据多, 而且数据的实时性强, 大量数据都是随机动态产生。所以一般而言, 社会科学的大数据分析, 特别是根据Web数据做经济形势、安全形势、社会群体事件的预测, 比科学实验的数据分析更困难。[13]分析这些新记录的事件, 需要新的技术来处理非结构化的文本和图像数据、来自多个来源的数据、大量的数据。

3. 对几个问题的理解

(1) 大数据的门槛究竟是多少?

多大的数据才达到大数据的门槛是一个随时间变化的概念, 在2011年麦肯锡公司对大数据做界定时, 由于当时传统数据库有效工作的数据大小一般来说在10-100TB, 因此10-100TB通常成为大数据的门槛。国际数据公司 (IDC) 2012年发表第一份全球大数据技术和服务市场报告时也把大数据的规模阈值设在100TB。[14]随着数据库分析技术的发展, 大数据的门槛也在提高, 目前一般认为PB级以上数据是大数据。[15]

而根据麦肯锡公司的界定, 大数据的阈值还与行业部门有关。据麦肯锡公司对美国所有1000人以上的公司或单位的数据库估计, 截至2009年, 美国积累的教育数据为269PB, 大约为卫生数据的62%, 只有制造业 (包含离散制造和流程制造在内) 的16%, 平均到每个教育单位的数据为319TB, 其中大量是视频和音频数据[16]。目前最大的教育国际比较研究PISA项目的结果数据库只有几个G, 如果把已经实施的5轮数据加起来, 再加上计算机辅助测试搜集的原始数据, 加上个案研究拍摄的视频数据, 也只有几百个G。所以在教育界, TB级的数据就可以算大数据了。

(2) 只要数据库规模足够大就是大数据了吗?

大数据=海量数据+复杂类型数据。用传统的算法和数据库系统可以处理的海量数据不算大数据。[17]例如, 人口普查数据库、经济普查数据库、教育调查数据库、心理测验数据库等等, 都有严格的结构, 即便各级数据、历年数据累积起来达到了较大的规模, 但都是用传统算法和数据库技术就能够处理的, 不能算是大数据。

(3) 大数据的主要特性是什么?

大数据的主要特性被概括为4个V:体量大 (Volume) , 速度快 (Velocity) , 类型杂 (Variety) , 价值大 (Value) , 还有人提出真实性 (Veracity) 、复杂性 (Complexity) 。笔者认为, 从大数据的定义来看, 体量大、关系复杂、价值大是大数据最主要的特性。

二、大数据在教育领域的主要应用

美国联邦政府教育部技术办公室2012年4月10日发布《通过教育数据挖掘和学习分析改进教与学:问题简介》 (以下简称《简介》) , 指出在教育中有两个特定的领域会用到大数据:教育数据挖掘和学习分析。教育数据挖掘应用统计学、机器学习和数据挖掘的技术和开发方法, 对教学和学习过程中收集的数据进行分析, 教育数据挖掘检验学习理论并引导教育实践。学习分析应用从信息科学、社会学、心理学、统计学、机器学习和数据挖掘的技术, 来分析从教育管理和服务过程中收集的数据, 学习分析创建的应用程序直接影响教育实践。[18]

1. 教育数据挖掘

早期的教育数据挖掘主要是网站日志数据的挖掘, 现在新的计算机技术支持的交互式学习方法和工具 (智能辅导系统、仿真、游戏) , 为量化和收集学生行为数据带来了新的机会。特别是更加集成、更加模块化和更加复杂化的在线学习系统提供了更多类型的数据, 其中包含了数据挖掘算法需要的许多变量。教育数据挖掘能发现这些数据中的模式和规律, 探索建立预测模型, 让我们重新发现和预测学生如何学习。例如, 过去对在线课程的评价主要通过课程结束时的学生问卷来评价, Hung, J.L.等 (2012) 开发了一种在线课程评价方法, 通过分析一个学生K-12在线课程的学生学习日志, 一共有7539名学生在883门注册课程中的23854527份学习日志, 结合学生人口特征数据、课程结束时对学生开展的课程评价问卷调查, 对学生进行分类, 发现高危学生和高表现的特征, 预测学生的成绩, 并研究学生表现和对课程满意度的关系。[19]

教育数据挖掘最早也是最普遍的应用是预测学生表现 (成绩) , 近年来, 教育数据挖掘的应用已经越来越广泛了, 《简介》将教育数据挖掘的目标概括为以下4个方面:[20]

*通过创建把学生的知识、动机、元认知和态度结合在一起的学生模型来预测学生未来的学习行为。

*发现或改进学科领域的模型, 这些模型能够概括要学习的内容特点和优化的教学步骤。

*研究学习软件能够提供的对不同教学法支持的效果。

*通过建立综合了学生模型、领域模型和软件教学模型的计算模型, 推进关于学习和学生的科学知识。

2. 学习分析

学习分析主要涉及学业分析、行为分析和预测分析的研究和应用。《简介》采纳了Johnson et al (2011) 对学习分析的定义, 指的是对学生学习过程中产生的大量数据进行解释, 目的是评估学业进步、预测未来表现、发现潜在问题。数据来自学生的显性行为, 如完成作业和参加考试;还有学生的隐性行为, 如在线社交, 课外活动, 论坛发帖, 以及其他一些不直接作为学生教育进步评价的活动。学习分析模型处理和显示的数据帮助教师和学校更好地理解教与学。学习分析的目标是使教师和学校创造适合每个学生需要和能力的教育机会。[21]

学习分析技术对于学生、教师、管理人员、研究人员以及技术开发人员均具有重要价值。对于学生而言, 可以从学习者行为角度了解学习过程的发生机制, 并用来优化学习, 以基于学习行为数据的分析为学习者推荐学习轨迹, 开展适应性学习、自我导向学习。对于教师和管理人员而言, 可以用来评估课程和机构, 以改善现有的学校考核方式, 并提供更为深入的教学分析, 以便教师在数据分析基础上为学生提供更有针对性的教学干预。对于研究人员而言, 可以作为研究学生个性化学习的工具和研究网络学习过程和效用的工具。对于技术开发人员而言, 可以优化学习管理系统。[22]

3. 教育数据挖掘和学习分析的区别

从上述应用中可以看出, 教育数据挖掘和学习分析有共同之处, 例如个别化学习、提供反馈, 但两者也有区别。Romero从4个方面概括了教育数据挖掘和学习分析的区别:[23]

*技术:学习分析最常用的技术是统计、可视化、系统网络架构、情绪分析、影响分析、话语分析, 概念分析和意义建构模型;教育数据挖掘最常用的技术是分类、聚类、贝叶斯模型、关系挖掘和用模型来发现数据中有意义的信息。

*起源:学习分析较多地源于语义网络、智能课程和系统干预;教育数据挖掘较多地源于教育软件、学生建模和预测课程的结果。

*重点:学习分析更重视对数据和结果的描述;教育数据挖掘更重视对所采用的数据挖掘技术的描述和比较。

*发现:在学习分析中, 利用人类判断的是关键, 自动化的发现是用于实现这一目标的工具。在教育数据挖掘中, 自动化的发现是关键, 利用人类判断是用来完成这个目标的工具。

三、有关思考

大数据不是指单个数据库, 而是数据库的集合。单个数据库可能并不大, 但是多个来源的数据库集合起来规模就大了;单个数据库可能只有一种数据类型, 但多个不同类型的数据库集合起来, 传统数据库就难以处理了;单靠一次考试的成绩难以准确地评价一个学生的发展水平, 但是结合态度、行为和背景因素, 结合总体学生的表现和其他因素的分布就能够比较准确地对每个学生做出评价了。教育政策制定也是如此, 不仅要有教育事业发展数据, 还要结合经费数据、人口数据、以及学生表现和学生家庭社会经济背景数据等, 才能公平地分配教育资源。所以数据库的集成和共享是大数据研究首先要考虑的问题。目前我们的考试数据、学籍数据、教师数据、事业数据、经费数据、人口数据、研究数据都分散在不同的机构和政府部门, 很难形成大数据, 这是需要政府部门统筹考虑解决的问题。

目前, “与社会科学有关的大数据问题, 例如舆情分析、情感分析等, 许多理论问题过去没有考虑过, 才刚刚开始研究。借助大数据的推理, 社会科学将脱下“准科学”的外衣, 真正迈进科学的殿堂。”[24]然而, 教育数据挖掘和学习分析研究的议题都是以学生的学习和认知发展为中心的, 对于教育舆情分析、德育评价等教育中的难点问题很少涉及。在自然状态下生成的在线数据, 反映了社会和教育的真实。如何利用大数据来了解学生真实的课业负担, 了解社会对教育的满意度, 了解学生的道德水平, 需要教育研究者和数据科学家合作来解决问题。

教育大数据的另类应用 第5篇

摘要：大数据意义之“大”，更深层次的在于对海量数据的采集处理、统计分析、挖掘应用。教育大数据的分析应用，是教育信息化发展背景下的教育教学管理方式的创新摸索，是未来教育教学改革、教育质量监控的数据依据。

大数据就是巨量的数据，典型为PB或者EB存储数量级的数据。Byte、KB、MB、GB、TB、PB、EB、ZB、YB、DB、NB，按照进率1024（2的十次方）递增，按照目前主流硬盘TB单位计算，一个PB概念的存储就不是一个普通机房所能容纳，而EB存储或许只有搜索引擎公司才具备。

大数据意义之“大”，更深层次的在于对海量数据的采集处理、统计分析、挖掘应用，而且这些分析处理并不是一般数据库和软件技术所能承受，而必然采用分布式架构，依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

所以，不能简单地以数据的规模大小来界定大数据，而是要注重是否满足用户需求的数据处理与分析的复杂程度。再者，大数据在教育中的应用，从发展阶段或者从应用上来看，我觉得也可以分为两个层次。

一、教育大数据的资源共享功能 2012 年9 月29 日，国务委员刘延东在全国教育信息化工作电视电话会议上提出：“十二五”期间，要以建设好“三通两平台”为抓手，也就是“宽带网络校校通、优质资源班班通、网络学习空间人人通”，建设教育资源公共服务平台和教育管理公共服务平台。抓住机遇，乘势而上，开拓进取，以信息化带动教育现代化，促进我国教育事业科学发展的重大战略任务。

教育信息化建设目前大力发展，“三通两平台”建设为教育的大数据应用奠定了坚实的基础。教育教学管理涉及的大数据非常广泛。在教育管理平台、资源管理平台、在线学习的平台和课程管理平台、视频直录播平台、校园一卡通等等这些系统中，日常教育教学活动中所产生的管理人员、教师、学生以及家长等各类行为数据，如师生基本信息、教育管理及考勤、学籍学分处理、教学活动信息、教育教学研究、设备仪器管理、各类通讯信息，都可以成为教育大数据。

在这个信息时代，大数据的资源共享应用在教育信息化中起到越来越重要的作用，在教育教学中从很大程度上帮助了教师创新教学模式和教学方法。而如何用好大数据深层次的功能，是我们面临的更加重要的课题。

二、教育大数据的分析应用功能

有人说：我们正在使用大数据，正在下载文字、图片、视频、课件，正在利用平台及平台资源开展一系列教育教学活动。的确，这是应用，但不是分析应用，不是大数据层次的应用。

2012年，浙江诸暨、东阳相继出现教育云概念。诸暨区域教育云以软硬件系统需求角度出发，东阳教育云全国规模化应用试点以资源建设角度出发，相继获得了省级、国家级认可，其目的都是为了配合教育教学应用推进而展开。这是教育相对发达省份浙江的两个县级市，在教育信息化发展的今天，为适应日益增长的教育教学应用实际需求而进行的新模式的探索。

大数据用最原始的方式入“云”，简单点说，是每一个人、每一个部门、每一个家庭、每一个行业，不同个体、单位进行各类行为操作的汇总。记录的不单单的输入的数据本身，而延伸植入了输入者本身的一切相关联信息。当你在论坛发表一条消息，你的资料同时就被关联，一起被关联的还有你曾经在网络上发布其他信息，以及与你相关的联系人。这不是简单的数据拷贝，也不是数据录入员的简单录入，这样的情况下，教育资源云技术化，首先就摆在了我们面前。

（一）云计算与大数据的关系

2006年8月9日，Google首席执行官埃里克·施密特（Eric Schmidt）在搜索引擎大会（SES San Jose 2006）首次提出“云计算”（Cloud Computing）的概念。云计算是为适应越来越大的计算、越来越多的数据、越来越快的速度要求而产生的主流IT技术。当云计算出现了之后，大数据概念自然而然的进入IT视野，并迅速引发全球范围内深刻的技术变革，乃至应用到各个领域。

如果说大数据是战略资源，云计算则是调配资源的指挥系统。云计算和大数据关系密切，两者相辅相成，不可分割。大数据是云计算的对象，脱离了大数据的应用实际，云计算就没有生命力。云计算是大数据的基础，为大数据提供了可以自由扩展、相对适宜的存储空间资源，还使得对大数据的分析处理能够及时有效的进行。所以，云计算技术的逐步完善，为教育大数据深层次应用提供了可能。

（二）教育大数据应用功能剖析

1、大数据能有效监控教育教学质量

中小学教育教学质量监控具有“全要素”、“全过程”、“全员性”、“全方位” 等四大特点。“全要素”是指教师教学过程，学生的学习掌握，管理人员工作质量等等所有因素；“全过程”是指教育教学的全程，包括教学过程的教学计划、教学实施、教学反思阶段，学生的入学、学习、考核、毕业等等；“全员性”是指有关中小学的教师、学生、管理工勤人员的一切相关内容；“全方位”是指不仅包括教学过程、教学效果，也包括在科学的基础上，对教学过程实施有效控制。有了现代化的教育教学环境下大数据平台的支撑，四“全”问题引刃而解。

（1）及时准确反馈学生信息

一般各类课程中心网站提供了学习各学科课程知识的功能，而目前流行的慕课（MOOC）平台，参与者可以在线提问，其他人可以进行交流解答，也有可能穿插一些小测试，能够反馈学习情况。在这样的教学过程中，产生了大量的实时数据，被慕课平台记录，并经过相应分析处理，原来杂乱的单个数据累积起来之后，学生的行为就能呈现出规律性，科学的反映出学生在整个教学过程中所处的状态及存在的问题。这样就可以有根据地调整学习内容或有针对性地进行学习，大幅提高教学质量。根据大数据总体分析结果，管理部门也可发现传统模式下无法发现的问题，并采取针对性解决方案，进行更有利的课程设计，更好地促进教育的发展。

在信息化的环境中，老师在设计某课的时候，可以逐步提出问题，并由学生反馈相应的答案到移动终端。老师在教授过程中，时间节点由老师控制，而这个时候学生只需要在相应的知识点这里点击“A”或者“B”，“是”或者“否”，如同鼠标左右键的点击一般简单，等到讲解完毕之后，老师马上就能知道，50%的学生在讲到第3点的时候已经出现错误，80%的学生在第5点的时候，就普遍没能掌握。

（2）科学比对不同类型数据 拥有Nike+标志的耐克鞋，表示内含芯片和传感器，可以记录步伐、步速和跳跃的高度等数据。Nike同时也建立了一种新标准，并赋予一个标准化的数值Nikefuel，它能够不受时间和项目限制，以特定的方式记录个人运动表现及方式，并能将不同个体的不同运动进行对比。此外，Nikefuel也能起到平台的作用，串联整个Nike+社区的人进行合作沟通、比赛交流，再相互激励，进行更多的运动。此种模式下，如果罗杰·费德勒穿戴Nike+打网球，而科比·布莱恩特通过Nike+打篮球，但是他们仍然可以通过Nikefuel 值互相进行比赛。

如此，我们便可设想，在教育部门组织开展教师或者学生的各项考评或者比赛时候，有困难的情况下就没有必要一定要分组分学科进行。调用中小学各学科以往的成绩统计信息的大数据作为大样本依据，小学组参赛选手成绩与小学组大数据比较，中学组参赛选手成绩与中学组大数据比较，得出各自的相对位次，即可确定胜负。

即使是严谨如高考，考生也完全可以自主选择考试时间分批进行。高考试卷由电脑随机出卷、自动打印、考生答题、自动回收、智能阅卷，实现一系列全自动化模式，绝对保证公平公正。其中最重要的一点，是考生试题的不同与成绩判定准则。我们可以根据全市、全省、全国的大数据成绩进行比对，考生的试题无论难易程度如何，均可自动分析难度系数评定分数；也可以根据答题时间、答题方式、答题要点掌握作为一些辅助评定指标。如A、B两考生，同样的答对了X题，但是大数据记录的时间显示A比B快，则A成绩比B高；如事先设定M答题策略优于N答题策略，则得出两个相同答案且时间相等的考生，答M的考生优秀。

2、大数据能综合优化教育教学策略

在对教育教学质量进行有效监控的前提下，大数据可以及时在调整教育教学策略中提供依据。通过对学习者的反馈信息进行分析，可以适当调整教育教学流程。

如：教学设计A知识点6分钟，B知识点8分钟，总计14分钟。在进行相应课内测试后，马上就能得出A掌握度80%，B掌握度70%。这样，立刻就能在下一堂课调整教学设计，A知识点5分钟，B知识点9分钟；或者根据不同情况的需求，A知识点7分钟，B知识点7分钟。

3、大数据能有效建立师生个体模型

该模型可以包括师生个体的教学状态数据、思想行为数据、知识体系数据等档案记录。教学状态数据，如学生在学校中各学科、各活动的参与度，教师可以是某一课程中的教学信息汇总，包括教学设计、课件制作、课程教授、教学反思等信息，还可以包括网络即时课程评估、再设计，大幅度提升教学效率；思想行为数据来说，学生模型可包括学生在学校中进校开始的一系列思想行为数据，包括按时上课下课、体育课运动量、食堂就餐信息，甚至包括到过的学校每一个地方、交流过的每一个人员信息；知识体系数据可以是记录学生一系列课程中的表现，如回答各类问题的数量、答案的正确率、花费的时间等等。

在教育信息化大形势下，教育软件硬件持续投入、智慧校园建设不断加强、教育技术研究深入开展，全国2亿中小学生在学习、工作、生活中衍生的无可估计的大数据，为教育教学改革良性发展提供了充分依据与良好机遇，充分吸收、分析、挖掘和应用这些数据，将是教育教学管理信息化发展的必然追求。

参考文献：

大数据时代的大学教育 第6篇

一、中国教育现代化进程

传统文化道德书籍，如《四书》、《五经》等，蕴含着中国传统文化儒家教育思想，是古代有关中华教育的典型代表，以道德修养、品格完善为要著，使人在修身养性的基础上学习知识，至今意义重大、影响的深远。当今社会由于种种因素，有些人对现代社会道德感到失望，尤其对人情冷漠等问题提出质疑，社会和教育界应反思是否丢弃了最基本的东西。随后，人们重新对儒学产生兴趣，是因为在寻找思想寄托，仁义礼智信、温良恭俭让的传统道德理念对失望的人和寻找社会正能量的人来说，是一个绝好的有意补充。如今，随着中国崛起和国力强盛，作为亚洲传统文明古国的中国，我们应该靠仁义、礼仪和文化成为亚洲文化圈的中心。现代中国不仅应在经济方面超越其他国家，更应该是文化强国、教育强国。教师应研究教育问题，教育学生“为往圣继绝学，为万世开太平”，以“信义”为先，遏止社会道德腐败堕落之风，重振华夏文明。改革开放以来，中国经济有了很大发展，但是中国社会道德风尚和社会文明却与之不相匹配地出现倒退现象。尤其中国教育并未随着经济发展得到更全面、更完善地发展，造成国进民退、国人素质不高等问题。自中国近代化以来，大学教育都是培养中国知识分子的主要途径，知识分子一直是国家建设的栋梁和精英，但是也出现了种种问题。究其原因，有许多方面，如学术腐败，大学教育功利化、职业化，缺少人文精神和学术信念。从教育角度分析社会道德问题，讨论社会文明是否依靠重振中国人传统道德保持，在大数据到来的今天，已经是当务之急。

二、大数据与大数据时代

大数据是信息革命的又一座里程碑。互联网、WEB2.0、物联网、移动互联网、云计算等相继进入人们的日常学习、工作和生活中，全球数据信息量也呈指数式爆炸增长之势。根据国际数据公司 IDC发布的研究报告，2011年，全球创建和复制的数据总量为1.8ZB（约1.8万亿GB），预计全球数据量大约每两年翻一番，到2020年，全球将 达到35ZB的数据信息量。对此，中国工程院院士李国杰指出大数据将成为信息科技的新关注点，并形成新型交叉学科，即网络数据科学。所有的这些数据都预示着大数据于大数据时代的到来。那么大数据有着哪些特点呢？对于大数据时代，IBM认为其具有“3V”特点，即种类（Variety）多、速度（Velocity）快、容量（Volume）大。但以IDC为代表的业界认为其满足“量大、多样化、快速化、价值高和密度低”的“四V”特征。这也促使我们去认真的思考，是选择原有的“质朴式教育”还是与时俱进的“富裕式教育”。

大数据时代教学媒体的广泛应用，极大拓展了教学活动空间，使教师手中可利用的媒介空前充裕。与此同时，网络资源的丰裕和知识共享的便捷，使得学生获取教学 知识的方法和途径也得以极大扩展。面对这种情势，我们倍感欣慰，但又不禁忧虑：高等教学活动是否会因而变为先进教学媒体的展览？会不会因此蜕变成为单纯的教学媒体的充分使用，而忽略了使用它们的最初目的？有些教育研究者主张，我们应该抛弃这些繁复和丰富的教学工具，从以多媒体为主要媒介的“富裕式教育”返 回到以教师自身及其功能为中心媒介的“质朴式教育”之中。而所谓“质朴式教育”，是指很少甚至不借助于现代教学媒体。这种教学模式有许多优点，如学生可看到教师讲解的全过程、各种表情和感情表达，能及时进行互动交 流。但其也有很多弊病，这种由教师、学生和教材三个要素构成的教育模式主要由教师控制，学生这个学习主体未能参与控制，教师的主导作用被任意夸大并绝对化。

当今的时代已不再是孔子和苏格拉底依赖口口相传的“质朴教育”时代，事实上，以海量数据为代表的大数据时代不论是一个威胁，还是一个机遇，都是当今高等教 育教学方式所要面临的一个挑战。相较质朴式教育，“富裕式教育”有更大的优势。我们与其自我陶醉于“质朴式教育”的怀旧梦中，还不如理性面对如今教育媒体 日益繁复、知识共享不可逆的“富裕式教育”的现实，思考如何利用大数据的优势提高学生的学习水平与认知能力。那么在大数据时代来临的今天，中国高等教育将何去何从呢？

三、大数据时代中国教育的未来

大学教育是第二次产业革命时为了適应工业所需的产物。当今，学生知识的来源不再局限于课堂，不再拘泥于某一个专业，他们可通过互联网、微信、微博等信息平台来获取文本的、图像的甚至是视频的各种知识。学生的知识面将比以往任何朝代更加宽范，对校园以外世界的了解将更加深入。然而我们必须清醒的认识到，在学生从课堂走到互联网时，未来的学校存在的意义在哪儿，是学校更应该关注与关心的。学校应该重视图书馆电子资源的建设和开放，应该重视实践实验室的建设，提供更多方便学生来进行实习和实践训练的场所和项目。比如现在的在线教育平台edX和Mooc，上面有世界著名学府的各种课程，包括我国清华和北大的优秀课程。学生只要通过互联网，就可以接受到名校的教育，在学习过程中，通过鼠标点击的记录，可以研究学习者的活动轨迹，发现不同的人对不同的知识点有何不同的反应，用了多少时间，哪些知识点需要重复或强调，哪种陈述方式或学习工具最有效。由此可见，网络对于教师的存在感也提起了挑战。在大数据时代，教师的教与授又该体现在哪儿呢？教师应该深刻思考，改变传统的课堂教学的思维模式。我们可以将教的过程放在网络平台上，放在课前来进行，课堂中以学生做作业、教师指导和答疑为目的。这只是改变了传统的教学模式，对于教师自身又该如何呢？在面对丰繁复杂庞大的数据时，我们应积极跟进发展自我，重新进行定位。一类应加强自己的实践操作能力，专业从事实践辅导和教学；另外一类专业从事研究，抓住大数据所给予的机遇，发展自己，对专业进行解惑和学习方向的指导。知识和信息量极大丰富，学生们该如何从中甄别出有利于自己的知识，对自己进行特色化的教育，需要自己的判断力和教师、家长的指导。学生们应该利用已有的学习平台和学习媒介，不断提高自己的自学能力，发展自己的创造性和创新性的能力。

因此，我国高等教育教学方式应该紧随时代和社会的要求，及时进行变革。按照古希腊人赋予教育的本义：学习思考的语言，获得知识和某项技能，培养良好的公民 素质和健全的人格。高等教育必须有新的思维方式和价值观念作为指导，从“质朴式”发展为“富裕式”，由“灌输式”向“交互式”转变，打破高等教育仅仅局限 于理论的界限，树立开放式、批判式的教育观念，这样才能与大数据时代的发展相一致。

四、小结

大数据在高等职业教育领域的应用 第7篇

1 大数据的基本概念及发展现状

大数据是以现代信息技术为支撑的大规模、复杂的数据集合, 具有规模性、多样性和高速性特征, 具有以下几点内涵:第一, 数据量丰富, 通常大于10TB;第二, 类型复杂, 包括结构、半结构、非结构类型的数据;第三, 数据价值巨大, 但利用率不高, 基本处于稀疏状态;第四, 时效性较强, 数据的产生与流变非常快速。

目前, 大数据技术已经广泛应用于生产、销售、市场预测等领域, 但与大数据应用现状与现实需求相比, 大数据技术人才供给明显处于匮乏状态。据权威调查结果显示, 到2018年, 美国在大数据技术人才上的缺口将变得十分明显, 能够利用大数据技术进行决策分析与制定的人才缺少人数将达到150万。面对大数据现实需求与人才供给的矛盾, 各大高校开始着手大数据专业及学院建设, 比如2014年5月28日, 贵州大学正式成立了我国第一个大数据学院, 并涵盖了通信工程、信息管理、电子科学与技术等六大相关专业。大数据在高等教育领域的有效应用, 不仅能够培养符合现代社会发展需求的优秀人才, 而且能够为地方大数据产业发展提供强力人才支持, 推动自身及地方的可持续发展。

2 大数据背景下高职生计算机能力培养策略

2.1 创造良好的教学环境

信息化时代环境下, 高职院校数据中心的大数据化发展趋势日益明显。大数据的挖掘与利用, 为科研创新提供了强有力的数据支撑, 创造良好的大数据教学环境是提高高职生信息能力的重要前提。目前, 随着高校数字化建设的深入开展, 智能校园为学生提供了越来越多接触信息资源的机会。加强大数据在高职教育领域的应用研究, 加强大数据中心建设, 在以传统图书馆资源为依托的同时, 增强馆藏图文电子数据及文献的收藏, 提高图书馆的信息化水平, 为学生提供个性化、智能化和定制化的信息服务。加强校园社交网络平台的建设, 利用主流社交媒体, 采用主动推送的方式进行广泛传播, 为学生信息技术的学习创造良好的环境, 为大数据在高职教育领域的广泛应用奠定坚实基础。

2.2 注重数字化图书馆建设

数字化图书馆是高职院校图书馆建设的重要内容与方向, 也是高职院校系统建设的重要组成部分, 因此要充分发挥其对高职教育改革的支持作用。具体来讲, 数字化图书馆就是存储数字化、信息传播网络化、操作智能化以及读取便捷化等, 可与高职院校基础建设同步展开。在建设过程中, 教师要引导学生充分挖掘与利用数字图书馆中的数据资源。此外, 教师还可通过对学生行为特征数据的分析, 结合学生自身实际制定个性化的信息智能导航, 进而为学生学习大数据技术提供良好条件。

2.3 加强师资队伍建设

加强师资队伍建设是培养高职生信息技术能力的关键。计算机专业教师, 首先应该具备较强的计算机应用能力, 不仅要具备扎实的理论知识, 而且要具备过硬的操作能力, 能够熟练掌握各种主流应用软件, 做好操作示范教学, 提高教学感染力和号召力, 充分调动学生的参与积极性。在实践教学环节, 计算机任课教师不仅要善于整合其他专业资源, 充分发挥大数据的教学作用, 而且要注重与校外企业合作, 为学生创造更多的接触实际信息技术产品与工具的机会。学校要制定科学合理的师资队伍培训计划, 结合现代社会人才需求实际, 打造双师型教师队伍, 提高教师整体水平和能力。教师要全面掌握现代人才市场动态, 充分掌握大数据资源的最新研究动态, 不断提高实践操作水平。

3 大数据在高职教育领域的应用

大数据的应用使得高职院校在信息化时代可以打破“信息孤岛”局面, 整合原本分散的国内外教育资源, 加强社会、学校和教师之间的互动交流, 将社会各行各业有利的资源通过现代信息技术进行整合, 推动教育事业发展。高职教育有别于一般的本科教育, 其教育重心是实践能力的培养, 通过资源库的整合、优化与分析, 能够提高高职教育的针对性和有效性。

3.1 结合现代社会人才需求实际调整专业设置

目前, 网络公开招聘已经成为各大企业人才引进的主流渠道, 而各大搜索网站都能够非常容易地获取、分析出招聘的条件和专业。各大企业招聘的专业类型、不同专业人才需求现状等信息都能够通过数据提取、分析得到, 通过对这些大数据的计算与分析, 能够及时调整专业设置或教学计划, 以适应现实发展要求。

3.2 利用数据库丰富教育教学资源提高教学有效性

近年来, 高职院校纷纷开展重点专业课程改革, 许多优秀课程教学视频和精品资源都被传到网络平台, 通过相关网站对教育资源的数据采集、整理与分析, 经过相应调整后能够直接应用于自身教学和管理中, 进而转化为推动自身教育教学进步的有效手段。

面向大数据的云计算主要是为学院提供基于云架构的知识、信息的存贮, 但对于这些数据的科学性分析和研究并不完备, 尤其是职业院校需要的不仅仅是可以相对容易验证真理的理论知识, 更重要的是代表一线先进生产力和技术的学习和研究资料, 所以认真学习和研究大数据的处理方式, 将是未来高职在大数据方面的发展新方向。

当然事物具有两面性, 大数据的网络环境也为学院的发展带来了一些负面的影响。比如, 随处可见的传感器和摄像头等, 都可能会泄露学校和学生的个人隐私信息, 暴露学校的科研痕迹和学生的行踪轨迹, 从而威胁到学校和学生的安全。所以, 隐私信息保护系统也是当下研究的热点问题。

4 结语

近年来, 高等院校大数据研究成为学术界的研究热点, 除了跟随信息时代的潮流, 顺应时代发展的步伐外, 大数据的发展, 为高校尤其是高职院校的发展带来了很大机遇。鉴于事物两面性的原则, 对于大数据对高职教育的发展带来的负面效果, 也应该投入大量的人力和物力跟随国家的规划进行深入的探索和研究。因此, 加强对大数据在高职院校领域应用的研究, 对推动高职教育教学改革的深入具有重要的现实意义。

摘要：大数据时代环境下, 培养学生信息发现与整理能力, 已经成为高职教育人才培养的一大目标与重要内容。基于此, 针对大数据时代对高职生提出的全新要求, 在简要介绍大数据相关概念及发展现状的基础上, 分析大数据背景下高职生计算机能力的培养策略, 最后重点探讨大数据在高职教育领域的应用。

关键词：大数据,高职教育,计算机

参考文献

[1]丁铁, 陆建, 王海军.基于大数据的高职生综合测评策略研究[J].岳阳职业技术学院学报, 2014 (02) .

[2]冯桥华.大数据时代高职院校计算机应用能力培养策略探析[J].青岛职业技术学院学报, 2014 (04) .

[3]戴琳琳, 谢尧.高职院校企业级大数据案例教学平台的研究——以大数据流式计算实践教学平台为例[J].辽宁高职学报, 2014 (11) .

教育大数据的另类应用 第8篇

大数据在基础教育领域的应用形式

《2016新媒体联盟中国基础教育技术展望:地平线项目区域报告》指出:中国的基础教育展现出越来越多的学校开始采集与学习活动相关的数据来实时调整教学内容和教学方法的趋势[2],这说明大数据在基础教育领域的应用越来越普及。

教育大数据可分为四个层面,分别是基础层、状态层、资源层、行为层。基础层存储的是基础性的国家教育数据,状态层存储的是各种教育环境、教育装备以及教育业务的运行状态信息,资源层存储的是各种状态的教学资源,行为层存储的是广大教育用户的行为数据[3]。

基础教育的教与学中,主要有基础层、资源层和行为层三种数据。基础层中,存储着国家规定采集的教职工与学生的年龄、性别、籍贯等一些基础信息;资源层中,存储着包括教师教案和教材在内的课程资源以及包括试卷、课下作业在内的课业测试与作业;行为层中,存储着学生的学习行为、管理人员的操作行为、教师的教学行为以及学生的兴趣、动机、消费情况等其他描述性行为。

实际上,国外已经开始了基础教育领域的大数据的实践活动。美国的一些企业,如IBM、“希维塔斯学习”(Civitas Learning)、“梦盒学习”(Dream Box Learning)和“纽顿”(Knewton)公司等等,已经与学校展开了大数据方面的合作;另外,总部位于加拿大安大略省沃特卢的教育科技公司“渴望学习”(Desire 2 Learn)已经推出了名为“学生成功系统”(Student Success System)的新产品,这项产品是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。

大数据在基础教育领域的应用成效

自全球知名的麦肯锡咨询公司提出“大数据”的概念以来[4],大数据已经逐渐火热起来。在互联网技术的支撑下,大数据的潜在价值被不断挖掘,过去基础教育领域教与学过程中很多难以破解的问题也有了解决方案,这大大便利了基础教育领域中的教师与学生,教师的教学理念与学生的学习方法也随之产生变化。

1.转变教师教育思维,提高教师的工作效率

在每天的教学活动中,都会产生大量的数据,教师每天都要花很长的时间去处理这些数据。大数据的产生,可以帮助教师自动收集分析数据,无需再特定收集。此外,数据驱动的滚动式教学,可以方便教师随时查阅学生的相关信息,并通过数据支撑找到重难点和学生的薄弱环节[5]。这样一来,不仅信息的准确率上去了,教师的工作效率也得到了提升。

教师通过学习分析工具将大数据中重要、有价值的资源和数据整理出来,可为教育教学改革提供客观的建议和帮助[6],这可以促进师生的个性化发展。特定的资源被整合出来,从而挖掘出每位学生的个性化特点,设计出针对每一位学生的个性化教学方案,更好地满足学生的个性化需求。

在大数据的支持下,教师能够很快地掌握每位学习者的学习数据,这些数据记录着学生的学习行为。分析这些学习行为数据,可以了解学习者的学习状况、预测其学习结果、诊断其学习需求与问题,从而开展个性化学习方案。教师逐步由教学者转变为帮助每位学生个性化学习与发展的指导者[7]。

数据的筛选工作和个性化教学方案的定制要求教师转变自身的教学思维,提升自己的知识储备能力,提高自身的专业素养和文化素养[8],这样才能应对大数据的挑战。通过大数据技术的支持,教师能够认识最真实的自我,彰显教学个性和智慧,开展灵活多样的个性化教学,最终实现个体的个性化专业发展[9]。所以可以预见的是,重视大数据其实也是一次思维方式的变革[10]。

2.减轻学生的学业负担,促进个性化学习

伴随着大数据时代的来临,各种学习支持工具也更加火热。QQ、微信、微博等社交媒体的兴起和移动APP学习软件的兴起,不仅可以有效帮助学生学习,还可以减少无效的重复训练,提高学习效率。这样一来,学生的学习负担一下子减轻了许多。

大数据在教育领域中的应用给教育教学带来一个新的发展,即实现个性化教育,从真正意义上实现群体教育向个体教育的转变[11]。大数据提供了真实有效且极具个性化的信息,学生们可以通过大数据找寻自己学习中的问题,从而对自己的学习行为进行优化;通过大数据,学生还可以找出自己的薄弱环节,从而得到教师更好的指导和支持,进而提高学业成绩[12]。

大数据能够全面记录学习者的学习行为,通过科学地分析,学习者能够更加了解自己的学习情况,得到科学的学习建议,帮助学习者全面地制定学习计划,从而达到提高学习成绩的目的。此外,大数据技术对学习者的学业评价数据(如考试成绩、平时作业完成情况等)还可以分阶段、有步骤地定期评估学生的阶段性发展状况,并适时地为学习者提供发展建议。

3.促进学校教育质量的提升

教师通过对学生学习行为的深入分析,可以挖掘到学生学习的弱点,通过与不同教师的协商合作,设计出全班课程教案、学生课堂活动和具有针对性的教学方案,分步骤、有目的地进行教学,从而达到提高学生学业成绩的目的。

此外,大数据支持下的评价工具所采集的数据,大大改变了评价机制,也为教学改革带来机遇。各种智慧教学与管理平台的不断涌现,为数据的采集和深度挖掘工作提供了有利的条件,彰显了大数据在完善教育评价手段上的独特优势。在教学评价中利用大数据分析,可以通过技术层面来评价、分析,进而提升教学活动,从依靠经验评价转向基于数据评价[13]。

大数据通过技术手段,记录教育教学的过程,实现了从结果评价转向过程性评价[13]。通过这些数据,可以根据学生的学习需求的变化不断改变教学策略和教学活动,定期更新教学方案,实现对教学效果的动态监测。同时,教师也可以通过这些数据,反思自己的教学行为,从而改善自身的教学,提升自身的素质。

教育大数据的另类应用 第9篇

1 教育大数据的核心技术

1.1 图像识别技术

作为人工智能最重要的应用领域之一, 图像识别技术主要指的是通过对计算机的应用, 实现对图像分析、识别、匹配和处理的技术, 现阶段在学校中的主要应用方向包括拍照搜题和网上阅卷两种。

1.2 视频录制技术

视频录制技术在教育大数据中的应用方向包括情感识别、视频监控以及智能录播, 其中情感识别所应用的领域主要是收集处于学习过程中的学生产生的相应情感, 视频监控则可以通过实时监控校园的运行情况的方式, 保证学生的安全, 因此, 该项技术主要用于收集校园内部与安全相关的数据。智能录播则更多应用在教师开展课堂教学的过程中, 也就是通过应用自动化技术, 实现对教学数据自动、实时收集的目的[1]。

1.3 平台采集技术

平台采集技术可以划分为以下几个方面:APP技术、在线学习技术和日志搜索和分析技术。APP技术的主要应用方向为收集学习过程中产生的相关数据, 在线学习技术则是收集学生在相应平台上在线学习时的数据。

2 教育大数据的应用现状

2.1 教育大数据的优势

2.1.1 提高学校的教育效率和质量

随着将智慧化教学管理作为核心理念的大数据平台数量逐渐增多, 开始有越来越多的学校依托于此变革自身教育模式, 由此可以看出, 教育大数据的出现, 在很大程度上起到了提高学校的教学和管理质量的作用, 除此之外, 它还通过对相关数据内容进行分析整理的方式, 改进了传统教学方法, 真正实现了高效的个性教学。

2.1.2 加快教育政策的科学化进程

社会有关部门在进行教育决策的过程中, 主要的参考因素包括数据内容, 因此, 教育大数据的发展实现了对数据进行更加科学、高效分析的目标, 通过实时提供准确数据, 提高了教育政策的科学性。

2.1.3 保证不同区域间教育的平衡发展

如何保证不同区域之间教育的平衡发展, 是我国始终致力解决的主要问题, 而教育大数据的出现, 可以准确呈现不同区域中教育的推广情况和其他相关数据, 为缩减区域差距的工作提供信息。另外, 它还具有根据不同区域的特点和现状制定相应发展策略的能力[2]。

2.2 教育大数据的不足

2.2.1 采集数据覆盖范围小

虽然我国现阶段针对教育管理所开展的数据收集工作已相对完善, 但这并不代表数据内容可以准确反映我国教育现状, 例如在采集教学过程或平台设计所需的数据的过程中, 往往会由于技术因素的制约, 导致数据采集结果存在部分漏洞, 这对于下一阶段数据分析工作的开展是非常不利的。

2.2.2 无法对隐私内容进行安全保护

首先需要人们明确的一点在于, 教育大数据所涵盖的数据内容范围极广, 并且包含相关人员的隐私, 但是现阶段, 大部分学校仍旧没有对隐私内容的保护工作予以足够重视, 因此, 隐私泄露的情况始终无法完全杜绝。

2.2.3 构建模型尚不完善

作为保证高效监测和评价相关活动的核心技术, 数据模型完善与否对教育大数据的发展具有非常重要的影响, 现阶段, 相关企业或学校在构建模型的过程中, 主要存在以下两个方面的问题:其一, 没有将研究成果高效应用在模型的构建过程中;其二, 对相关技术的掌握和应用能力稍显不足, 无法发挥大数据技术自身所具有的力量[3]。

3 教育大数据的发展趋势

3.1 出台指导意见

想要保证教育大数据的科学、全面发展, 以其涵盖的内容为基础出台指导意见是非常重要的, 这样做的好处在于:首先, 可以保证国家加大推广教育大数据的力度;其次, 可以明确划分学校具有的职责, 使管理者能够对教育大数据的内容予以足够重视;最后, 能够在一定程度上拓展数据涵盖的范围, 通过提高数据挖掘和应用科学性, 保证相关工作有据可依。

3.2 制定管理办法

作为应用价值极高的教育资产之一, 由于教育数据部分内容涉及人员的隐私, 所以, 一旦出现保护不周的情况, 带来的后果是难以预测的, 针对这一特性, 社会有关部门应对数据保护工作予以足够的重视, 通过制定管理办法, 提高数据的安全系数, 避免由于数据内容被人恶意泄露或使用而造成不利影响。

3.3 成立研究机构

组织研究教育学、统计学、管理学等学科的人员并成立相应的研究机构, 可以通过整合利用不同人员自身的优势的方式, 弥补现阶段推广教育大数据的相关服务时存在的不足, 同时还能够立足于社会的现状及发展趋势, 完善教育大数据的内容[4]。

3.4 加快基地建设

通过对社会发展的趋势进行研究可以发现, 将合理应用数据资源的大数据产业作为核心内容的新兴经济模式是社会未来的主要前进方向, 因此, 作为大数据产业中较为重要的构成部分, 以教育为重心的大数据产业必然是教育发展的最终选择, 而加快基地建设, 不仅可以满足教育事业的要求, 还能够在一定程度上起到加快教育大数据变革的效果。其一, 丰富投入渠道, 保证基地建设资金充足;其二, 通过成立和完善研究机构, 使其成为引领企业前进的主体;其三, 通过创新和推广技术, 保证教育大数据的相关服务能够得到高效的发展。

4 结语

综上所述, 教育大数据在我国仍旧处于发展的初期, 因此, 想要保证对其进行高效应用, 需要有关人员对教育大数据具有的特性进行深入研究, 并且以此为基础将其与我国现有的教育体系相结合, 通过创新和推广相关产品, 实现教育大数据的科学发展, 实现通过应用教育大数据加快教育行业发展的目标。

参考文献

[1]杨现民, 王榴卉, 唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究, 2015 (9) :54-61, 69.

[2]杨现民, 唐斯斯, 李冀红.发展教育大数据:内涵、价值和挑战[J].现代远程教育研究, 2016 (1) :50-61.

[3]邢蓓蓓, 杨现民, 李勤生.教育大数据的来源与采集技术[J].现代教育技术, 2016 (8) :14-21.

大数据教育应用且行且思 第10篇

有人也许会问, 数据由来已久, 人类社会发展从原始社会到如今早已产生了海量的数据, 为什么近年来会一下子变得如此火爆?其根本原因在于, 随着信息技术的发展, 今天第一次有成熟的技术能够允许我们不但有效地存储和管理这样海量的数据, 更为重要的是, 我们有技术能够有效地把这些数据进行分析, 产生洞察力, 进一步推动生产力。

“除了上帝, 任何人都必须用数据说话。”[2]在教育领域, 大数据也必然会成为世界顶尖教育研究者竞相争夺的前沿阵地。当跟踪每一个人的数据成为可能, 这也意味着, 我们可以借由大数据走进每一位学生的真实世界, 因材施教、个性化教育的梦想也许会在大数据时代迎来实质性的进展, 这是一件多么激动人心的事情。当所有人都雀跃而又紧张地期待着大数据给自己带来的冲击之时, 我们更有必要思考:大数据将给教育带来什么?如何通过大数据真正实现“以学生为本”的理念, 真正读懂我们的学生?以下笔者将从大数据的两个重要应用进行思考, 以抛砖引玉。

大数据时代之数据分析

大数据时代, 信息共享、交流互动不再是最迫切的需求, 数据的分析与整合才是最大的挑战。其实早在1969年, 全球零售巨头沃尔玛便利用计算机对消费者的购物行为进行数据分析, 结果发现, 男性顾客在购买婴儿尿布时, 常常会顺便“搭配”几瓶啤酒来犒劳自己, 于是有了将啤酒与尿布捆绑销售的促销手段。如今, 这一“啤酒+尿布”的数据分析成果, 已成为科学家通俗解释“大数据”技术的经典案例。

而在互联网行业中, 大数据更是为电商、广告商们带来了丰厚的回报。雅虎于2008年初便开始启用大数据技术, 每天分析超过200PB的数据, 使得雅虎的服务变得更人性化、更贴近用户。它与雅虎IT系统的方方面面进行协作, 包括搜索、广告、用户体验和欺诈发现等。AOL也设立了300节点的服务器集群, 将其下属系列网站每天500TB的用户浏览信息收集起来, 分析和预测这些用户的行为, 以便有针对性地为每个月1.8亿独立用户进行个性化广告服务。[3]

海量数据的挖掘、分析和应用, 可能会成为未来颠覆生活和工作的重要推动力。比如, 亚马逊公司现在通过大数据运算来替代专业书评人员推荐书籍, 金融行业通过大数据来鉴别个人的信用风险, 快递领域通过大数据来确定行驶路线以减少等候时间, 商场则通过大数据发现产品之间的关联……大数据时代, 一切都存在可能, 而这一切的改变我们也正在体验之中。

联想到教育领域, 近期上海高校的教改也开始“听数据说话”。一段时间不刷“一卡通”, 学院会接到某学生可能不在校的预警报告;学生饭卡消费低于一定数额, 该生可能会进入学校的贫困生预警系统, 收到是否需要援助的信息提示;通过采集图书馆的借阅、门禁系统等信息, 就可以分析学校师生进入图书馆的高峰时间、阅读偏好, 进而提供更有针对性的服务……

有研究者近期也勾画出“大数据课堂的雏形”——传统的课堂中, 一位教师要解决所有的问题——教授、解答、监督。而当大数据时代, 每位学生都拥有了课程终端, 利用信息化工具就能够仔细“聆听”并“发现”每一位学生的需求, 提供个性化的跟进策略。比如, 每位学生在每个环节所花的学习时间, 他点击不同故事的顺序是怎样的, 他在不同任务中作出的选择, 他在各种选择中是否犹豫……这些数据汇总在一起, 将作为实证提示我们:哪些环节需要调整, 哪些素材更受学生欢迎, 哪些地方学生想法和外在表现并不一致, 这样充满数据的教研过程, 无疑会是一种全新的体验。

大数据时代之数据开放

开放, 已经成为互联网时代一股不折不扣的浩荡风潮。在美国总统奥巴马的倡导下, 2011年9月20日, 美国、巴西、英国、挪威、墨西哥、印度尼西亚、菲律宾、南非这8个国家宣布成立“开放政府联盟” (OGP) , 并发布了《开放政府宣言》, 许下四大承诺:一是财政透明, 二是信息自由, 三是财产公开 , 四是公民参与。这将引领开放数据运动在世界范围内的深化。[4]

政府需要数据开放, 教育也同样渴求。今年暑假, 上海大学4400多名大一学生完成了“专业分流”。为了帮助学生理性选择专业, 校方在学校内部网站上公布了以前从未公布的许多和往届毕业生就业去向相关的数据, 主动向学生“晒出各个学院的家底”。[5]有了这些“内部信息”作为参考, 学生将清楚地知道各专业的办学情况以及就业市场的风向标。

由教育中的数据开放, 笔者还联想到教育中的开放课程。开放课程最早起源于英国, 特别是始于2006年的英国的“开放学习”计划。随后, 美国麻省理工学院的开放式课程网页掀起了互联网上开放学习的热潮。世界各大名校:哈佛、耶鲁、普林斯顿、牛津、麻省理工学院等都相继公开课程于网站。在网易公开课、新浪公开课网站上都能搜索到这些课程。正如比尔?盖茨所称, “五年以后, 你将可以在网上免费获取世界上最好的课程, 而且这些课程比任何一所单独的大学提供的课程都要好。”

的确, 当时间被碎片化, “慕课” (MOOCs: Massive Open Online Course, 大规模、开放式在线课程) 颠覆了传统的学习方式, 2012年在美国顶尖大学迅速发展起来。你可能只需20分钟, 甚至更短时间, 就可以听完一堂世界一流大学的课。国内北大、清华、交大、复旦也在今年宣布加入慕课平台。如今“慕课”已由高等教育影响到基础教育。[6]2013年8月, 由华东师范大学考试与评价研究院中外名校研究中心与全国20所顶尖高中共同发起C20慕课联盟, 旨在借鉴“翻转课堂”的教学模式, 开发高质量的在线课程, 为全社会共享。有学者分析, 开放教育和开放资源具有蓬勃发展的潜力和趋势。随着技术的发展, 公开课资源将不仅仅包含课程本身, 而更加关注学习者学习能力的提升。在资源共享的基础上, 公开课发展成为社会化的学习平台, 使学习者不仅成为资源的使用者, 还成为资源的创造者, 实现进一步的社会化学习。

随着开放学习的普及, 教师不再基于课堂上自己的教学经验来分析学生的学习偏好、难点以及共同点等, 而是通过分析、整合学生网上学习行为的数据得到学习过程中的规律, 来指导下一步的教学工作。到那时的教育研究, 可能就是大量数据的收集、处理、分析、提炼、整合, 也就是大数据时代的真正挑战。

大数据时代的教育应用展望

从数据分析与数据开放中, 我们可以畅想大数据教育应用的场景。结合当前的教育实际, 我们在区域层面可以先从以下三个方面着手思考与改进教学。

(一) 教师研修数据的分析

教师的专业发展水平一直是提升教学质量的生命线, 以往我们只能通过教师专业发展成果, 如论文发表、教学比赛的结果, 来评判其发展水平。在大数据时代, 每一位教师备课、上课、团队研讨、网络研修、教学反思、教研成果都会在各类终端上留下数据碎片, 当这些数据碎片被采集汇总, 我们就能对教师发展轨迹做出过程性评估, 同时其发展中存在的问题、改进的方向也会在数据整合分析后为每位教师提供个性化的支持。

(二) 学生学习行为的分析

在“电子书包”智慧课堂中, 以平板电脑为载体, 收录课本内容和课后习题, 对学生上课浏览习惯、师生互动交流时间、做题习惯、计算能力和速度、作业质量等数据进行个性化分析, 在课前、课中、课后、考前、考后, 为学生提供适合其本人综合素质的个性化学习方案, 从而帮助教师找到教学侧重点, 提高教学质量。

同样, 学生日常在校园里的行为模式, 也可以通过“智慧一卡通”采集学校各实验室、拓展研究室、图书馆、体育馆以及进出校园等门禁系统信息, 当这些数据被整合、挖掘和分析时, 学习者的行为模式则会得以揭示。大数据的到来, 使得教育研究领域能够藉由前沿技术的发展从宏观群体走向微观个体, 跟踪每一位学习者的数据不再困难, 从而实现了真正意义上的全面细致的个性化教育。

(三) 构建区域TOP10慕课联盟

慕课来了!它正以信息化和网络化的全新教学形式和以“学”为本的教学价值取向冲击着我们的教育。有人说, 慕课正在拆掉学校的围墙, 使得优质化的教育成为每一个学生的权利, 这样又大大推动了教育均衡和公平!让“择校热”降降温, 让每一个孩子在家门口上到好的学校。为了早日实现这一梦想, 区域层面不妨借鉴高校慕课以及全国C20慕课联盟的做法, 努力构建区域TOP10慕课联盟, 即汇集区域优秀的十所学校优质的教育资源, 把名师课堂放在网上为社会共享。通过慕课, 优秀的课程资源由学生自主选择, 这就使得优质资源的公平分配和教育均衡成为了一个自然选择的过程。有了优秀的师资保障, 家长就不会花费大量人力、物力让孩子“挤进”好学校, 同时请家教的意义也就不大了, 一些教育问题也因此得到缓解。

综上, 从孔子时代的竹简流传到蔡伦的造纸术, 再到毕昇的活字印刷术, 每一次技术的革命都革新了教育。同样, 今天计算机和信息技术的发展, 使得教育又面临一场新的革命。在此, 笔者希望更多的教育同仁学习、研究、应用大数据, 把握竞争中的主动权, 为推动教育转型发展贡献一份力量。

参考文献

[1][2][4]涂子沛.大数据:正在到来的数据革命, 以及它如何改变政府、商业与我们的生活[M].桂林:广西师范大学出版社, 2012.

[3]张炳剑.海量数据正在颠覆传统商业思维[N].文汇报, 2013-3-2 (8) .

[5]樊丽萍.大数据时代:高校为人才培养晒“家底”[N].文汇报, 2013-8-2 (10) .

大数据给教育带来的思考 第11篇

关键词 教育 大数据 数据挖掘 数据应用

中图分类号：G640 文献标识码：A

Thinking of Big Data to Education

E Xiru

（College of Education Technology， Northwest Normal University， Lanzhou， Gansu 730070）

Abstract In today's information age， cloud technology， networking， and big data technologies based on both the positive changes occurring promote education， educational big data era， will become a real empirical science， it makes the breadth of educational data mining， the depth and segmentation of the continuous extension， so innovative educational concepts and ways of thinking， so that education becomes another possibility.

Key words education； big data； data mining； data application

随着大数据时代的来临，大数据技术正推动着教育领域发生更深层次的创新与变革，大数据是需要在新处理模式上才具有更强决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。在大数据理念面前，所有传统教育数据的实证研究将被打破，过去无法收集与分析的数据都被新的技术手段赋予了新的能力、新的度量和新的思维方式，大数据的技术优势必将在教育领域实现全新的、更多样化的、更具影响力的变革。

1 国内外教育领域大数据的应用

进入二十一世纪，大数据分析应用到美国公共教育中，成为教学改革的重要力量。美国的一些企业已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，大数据对学校工作具有重要作用。IBM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。为了应对这一巨大的挑战，该县在学生数据的基础上建立了一个辍学指示工具，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。如今美国学校能够以85%的精确度预测学生的升学率，从而把注意力集中在辍学风险比较大的学生身上。①从国外大数据运用教育的实践看：数据挖掘是提高教学管理质量与水平的一种工具；在国内，数据挖掘在教育领域尚未引起普遍关注，对大数据新类型技术趋势带来的机遇与挑战、对未来教育的变革的认识有待提高，高校教学管理领域围绕大数据展开的研究讨论作为前沿课题已开始起步，国内软件开发商也将此提到了主要议题。

2 大数据使教育步入实证时代

我国传统模式教育大量信息的获取和传播方式是相对单一和简单的，在学习效率和资源利用上存在一定的浪费与相对不足的矛盾，信息的真实性有待进一步挖潜；在教学效果上不能满足不同层次的学生需求，教学的差异化、个性化和多样性等方面大打折扣。大数据时代的来临，为传统教育转型带来了新的契机与挑战。当今国内有关教育变革多集中在在线教育上，例如分析找出教学过程中的问题，如何培养学生的自主学习能力，建立终身学习的理念等简单变革的在线教育。大数据的到来改变了教育理念和教育思维方式，使教育将不再是靠理念和经验来传承的社会科学，它将变成一门实实在在的基于数据的实证科学。②未来3～5年社会竞争将以服务和创新为核心，大数据给教育提供了另外一种可能，不单是从学校教学的顶层设计，涵盖课堂、课程、师生互动等的各个环节、各个方面；而且教育专业人士也能够将自己的教学核心技能运用到教育数据集和其他数据集中，至关重要的是，大数据使得教育者的理念和思维方式发生了深刻变化，能够让大数据变小，变得更结构化。

3 大数据使教育成为数据支撑的行为科学

（1）课题主干是顶层设计和超前理念。在向大数据时代跨越过程中，视频成为主要载体、教育资源极其丰富、翻转课堂、按需学习、终身学习等等这些必将成为主流模式。教育环境的设计、教育实验场景的布置、教育时空的变化、学习场景的变革、教育管理数据的采集和决策，这些过去靠拍脑袋或者理念灵感加经验的东西，在云、物联网、大数据的背景下，变成一种数据支撑的行为科学。③

（2）教育中的数据挖掘是迈向大数据分析的基础。教育数据挖掘是一个将来自各种教育系统的原始数据转化为有用信息的过程，这些有用信息可为教师、学生、家长、教育研究人士以及教育软件系统开发人员所利用。目前教育对信息数据的挖掘主要集中在四个方面：一是针对教育系统恰当运用数据挖掘技术为优化教育规划和管理、提高教育教学质量、改进教育软件设计与开发提供有益帮助所做的数据分析；二是针对教学教务管理教育机构在教育教学过程中适时应用数据挖掘所做的技术支持；三是针对教育未来研究人士基于各种专业数据库，借助数据挖掘方法，更全面、快速、准确地了解某一教育研究领域的现状，预测未来发展方向的分析；四是针对教育教学过程、管理过程及研究过程中相关信息的采集和存储科研单位所做的有价值的数据分析。

4 大数据在教育领域的发展趋势

大数据时代对教育者从更深层次中获得与使用真实数据和完整数据能力提出了新的挑战，同时也为教育者获得更为深刻、全面的洞察能力提供了广阔的空间，从而实现教育理念和教育思维方式的创新。

（1）教育理念和教育思维的创新。我国传统的教育大多是教育主管部门和教育工作者通过教学经验的学习、总结、积累和继承展开的，这是相对单一和简单的。大数据时代的教育必将革新教育理念和教育思维方式，它使所挖掘的教育数据在广度、深度和细分度上不断延伸，也更加符合学生实际与教学实际的教育，从而制定出符合实际的教育教学策略。大数据是教育未来的根基，没有数据的留存和深度挖掘，教育信息化只能流于形式。④

（2） 实现个性化教育。大数据带来的一个革新是实施个性化教育具有了可能，真正实现从群体教育的方式转向个体教育。运用大数据技术，我们可以时时记载每一个学生个体即时性的行为与现象。通过对这些数据的技术整合、分析评估教学过程中学生个体在不同期间的学习状态、表现和水平；也给教育者提供最为真实、最为个性化的学生个体数据信息，教育者在教学过程中通过数据分析可以因材施教，从而提高学生个体，乃至学生整体的学习水平。

毋庸置疑，以大数据时代为标志，我国经济已然迈进了以知识为中心的时代，迎接大数据需要形成“大数据思维”，大数据不仅是应用性工具，而且是重要的思维方法。从这个角度看，重视大数据，也是一次思维方式的变革。教育者应从对大数据的认识中，掌握工作方向与目标，探索工作规律，大数据必将改变我们的教育理念和思维方式。

注释

① 祝智庭，沈德梅.基于大数据的教育技术研究新范式.电化教育研究，2013.10：5-13.

② 《上海教育》编辑部.大数据带教育步入“实证时代”.上海教育，2013.17：1-5.

③ 胡德维.大数据“革命”教育.光明日报，2013-10-19.

教育大数据的另类应用 第12篇

一、教育大数据的特点及特性分析

1.1“互联网+”环境下的教育大数据分类

随着感知、计算、通信、控制等技术的发展,“互联网+”环境下的教育数据包括由不同的感知设备采集到的教育环境数据、通过定期采集存储的基础信息数据、以及在线的教育资源数据等。

1. 教育环境数据

智慧校园作为“互联网+”的典型应用之一,通过智慧校园的信息化平台,可以采集到各种类型的数据。GPS定位、情境感知、移动通信等技术使得各种教与学行为的日志信息更加丰富,不仅仅可以记录什么人在什么时间什么地点做了什么,还可以采集到行为发生时周边的环境信息、个人体征信息、情绪状态等。

2. 静态基础信息数据

基本信息数据主要包括教师和学生的个人信息、课程信息、成绩信息、习题信息、行为信息等。基础信息主要通过定期的采集实现数据的定期更新和维护。此类信息是进行以数据为中心的教育教学模式探索和发现的最基本的原料,涉及学籍、人事、资产等信息具有高度的隐私性和保密性,属于国家重点保护的教育数据之一。

3. 在线的教育资源数据

随着移动与开放教育浪潮的兴起,在线教学资源数据包括课件、微课、微视频、精品课程、教学论坛、试题试卷等。

1.2“互联网+”环境下的教育大数据特点

随着采集方式的变革,“互联网+”环境下的教育大数据具有如下特点:

1.海量性

与传统的领域相似,随着学生规模的增加,课程类型的多样化,“互联网+”环境下的教育数据包括由不同的移动设备所采集的教育管理控制数据、静态的人才培养相关数据、以及监控学生实时状态的数据等。

2.时空相关性

在时间上,根据产生的时间不同,教育数据具有时间相关的变化和分析。因此,在进行教育数据的分析和应用时,一方面需要考虑时间和空间两个维度的数据演化特性;另一方面,还需要充分利用时间和空间不同维度之间的数据关联关系。

3.多尺度与多粒度

除了利用教育数据除了要考虑时间和空间等维度之外,还需要考虑数据尺度和数据粒度对于数据特性的影响。在规模的尺度上,可以分为专业、年级、学院、学校等;在时间尺度上,可以分为月、学期、学年、届等。

4. 异构与相关

教育数据无论是从结构上、组织方式上、维度尺度与粒度上都会存在巨大差异,即数据的异构性。教育数据的来源各不相同,教育系统内容各个对象之间紧密相关,表征教育系统状态的数据源之间也紧密相联。

二、教育大数据在软件工程专业教育教学中的应用

为充分发挥多源数据的作用,从数据和特征等多个层次对多源异构信息进行深度融合,挖掘大数据内在的演化趋势和潜在模式,将其用于课程教学、决策者服务、个性化学习等应用中。

如图1所示,为了构建面向软件工程课程教学应用,首先,需要对多源异构的教育数据进行分析处理;其次,结合数据挖掘、机器学习等相关理论基础,构建多源异构教育数据的清洗及发现方法,探索适合于具体应用的分析模型及方法;最后,结合领域知识,结合所构建的分析模型,通过对数据的分析发现,为教师、学生、决策者等提供满足其个性化需求的服务。

2.1面向学生的应用

根据学生的学习情况,以及课程涉及到的(知识等情况向学生推荐适合的课程。通过多源数据的协同分析及用户建模,为学生提供满足其个性化需求的服务。

2.2面向教师及决策者的应用

通过对教育大数据的分析及处理,教师根据学生学习情况的反馈进行有针对性的备课。通过对学生及教师信息的相关统计分析、挖掘发现,为教育管理者及决策者提供依据[2]。

三、总结

“互联网+”的应用为面向信息物理融合的多源数据协同分析创造了条件。本文从“互联网+”环境下的教育大数据的分析及特点的角度进行了分析,并简单介绍了教育大数据的分析及发现方法,分别从学生、教师、决策者的角度对教育大数据在软件工程课程教学中的应用进行了描述。

参考文献

[1]杨现民,唐斯斯,李冀红.发展教育大数据:内涵、价值和挑战[J].现代远程教育研究,2016年1期,50-61.

[2]邬贺铨.大数据时代的机遇与挑战[J].求是,2013(4):47-49.

[3]陈池,王宇鹏,李超等.面向在线教育领域的大数据研究及应用[J].计算机研究与发展,2014,51(增刊),67-74.