大数据时代的英语教学

大数据时代的英语教学（精选12篇）

大数据时代的英语教学 第1篇

“大数据”近几年来成为一个热门话题, 引起各行业的关注。国外对大数据的研究相对早些, 而“大数据”这一概念的提出是在2011年5月, 全球知名咨询公司麦肯锡发布了《大数据:创新、竞争和生产力的下一个前沿领域》报告, 其中提到了大数据, 并强调数据在很多行业的重要性, 对生产力的发展和技术的创新起着推波助澜的作用。在中国, 对大数据的研究也逐渐增多。使用中国知网, 以“大数据”为关键词进行篇名精确检索, 发现从2010年起大数据论文开始出现, 并逐年增多, 并急剧增加。可以推测, 大数据也会成为越来越多的受到国内研究者的关注。

但对于大数据的定义并没有一个明确的说法。虽然大数据的定义多种多样, 但总结而言, 大数据有三大特征, 包括数量 (Volume) 、多样化 (Variety) 和增速 (Velocity) 。至于多大规模的数据才算得上大数据, 并没有严格的限定, 由于其应用领域和所起作用的不同, 数据量之间的差异也是很大的。

二、大数据时代为英语教学带来的变化

1.对英语学习者进行分析, 提供个性化教学。对英语学习者的分析主要是搜集其在英语学习过程中产生的数据, 了解其掌握情况, 学习行为及其习惯, 发现其存在的问题, 预测可能的趋向, 以便更好的指导其学习, 找到适合其自身的学习路径。处在大数据时代, 就是要充分利用英语学习者学习过程中产生的数据, 比如其在聊天、社交网站, 甚至是游戏中对英语的接受程度和使用情况, 先是数据收集, 然后进行数据分析。这一数据分析结果不仅能解决学习评估的单一指标还能了解学生的学习习惯, 帮助他们找到适合自己的学习方式, 发现英语学习的误区, 更好的提升自身英语水平。这对于学生的个性化学习和自主化学习有推动作用。

2.个性化学习工具和学习管理系统的研发随着信息化的推进, 英语学习也被卷入到信息化的浪潮中, 大量的学习工具、学习平台和学习管理系统也都应运而生。英语学习者学习数据的分析为这些工具和系统的研发提供数据支撑和理论依据, 促使它们能更好的迎合学生的需求, 实现其预期达到的效果。大数据的研究能推进和改善个性化学习工具和学习管理系统的研发。通过大数据的分析能更好的了解学生的学习需求和过程存在的问题, 因此系统的研发就更具针对性和实用性, 在运用过程中也更加便利。

3.教育数据的挖掘和学习行为的预测。早期的教育数据挖掘所依靠的数据来源较少, 主要是通过网站日志的数据进行分析。现在随着网络科技和现代教育技术的发展, 新的基于网络的学习工具和在线网络平台的开发, 使学生学习数据的收集也变得相对简单起来, 所收集的数据量更大, 内容也更加多样化。通过数据的收集, 数据的建模分析, 发现数据分布的规律。现在的数据收集也可以通过学习评价系统获得实时在线评价。因此相比之前对于学生的问卷答案, 得到的数据也更加客观。教育数据的挖掘能实现对于学习动机的发现, 学习过程的监控和学习行为的预测及导向。因此在大数据时代充分利用数据资源对于更好的实现个性化学习和自主化学习意义重大。

三、大数据利用存在的问题

大数据时代的到来, 也就需要相关软件的研发来支撑其发展。比如, 现在已经得到应用的, 北京词网科技公司开发的批改网 (http://www.pigai.org) 学生可以通过批改网修改自己作文。批改网不仅能对学生作文进行语法、词汇和篇章方面的修改, 而且这些过程都是可以得到实时在线反馈。学生可以通过该网发现自己在词汇、语法、表达等方面的错误, 并得到纠正, 提升自身的写作水平。重要的是, 从学生的英语写作到批改再到学生自己修改这一过程, 都得到了记录。这些数据可以用于分析学生在写作中存在的弱点和误区, 有针对性的改善写作教学。

数据的收集是一个方面, 但另外一个不容忽视的问题是数据的分析。大数据显然不同于以往的数据, 其规模之大, 数据之复杂, 以及数据量的激增都为数据的挖掘增加了难度。但数据的挖掘是有效利用的根本。早期的数据挖掘主要是依靠网站收集数据, 但现在运用智能系统和交互式游戏可以提供更多学生行为的数据, 还有就是在线学习系统的使用提供的数据量更加庞大, 数据类型更加多样。

四、总结

大数据逐渐兴起, 会对外语教学产生影响, 其影响也是多种多样的。其必然能够辅助英语教学, 但问题是要能充分挖掘和发挥大数据。这就需要相关人员提升自身的数据分析技术, 必要时也可以寻求专业人员的帮助, 这样才能使数据的作用得到充分的发挥。大数据时代依然在各行各业发挥其作用, 将来在英语教学中的作用也不容小觑, 也必将在英语教育工作者中得到有效的发挥。

参考文献

[1]魏顺平.学习分析技术:挖掘大数据时代下教育数据的价值[J].现代教育技术, 2013 (2) .

[2]陆璟.大数据及其在教育中的应用[J].现代教育技术, 2013 (9) .

[3]王海啸.大数据时代的大学英语教学改革[J].现在远程教育研究, 2014 (3) .

大数据时代的英语教学 第2篇

（阜阳师范学院计算机与信息工程学院安徽阜阳 236037）

摘要：大数据时代带来了数据在存储、组织、管理等理论与方法方面的巨大变化，同时也给传统的数据库课程带来新的挑战，促使其进行改革。本文通?^对大数据时代给数据库课程带来的影响进行深入分析，从高校数据库课程所面临的问题入手，提出适应大数据时代发展需求的新的数据库课程教学模式、教学方法、教学内容。

关键词：大数据；数据库；教学改革

0 引言

目前，对于大数据（Big data）的定义在业界尚未有统一的定义，但通常用大数据一词来表示大量非结构化数据和半结构化数据。这些数据在用传统的关系型数据库分析时会花费较多的时间和金钱[1]。但是，目前国内大多数高校的数据库课程仍然是都是以产生于上世纪80年代的关系型数据库为主，研究的是结构化数据的存储、处理、数据共享等内容。按照“80-20”规则，世界上20%的结构化数据主要是事务数据，产生80%的价值，而80%的数据为非结构化数据，这些非结构化数据大多是一些新型用户产生的数据，它们无法存储到关系数据库中[2]。但是随着数据采集、存储技术和云计算的迅速发展，大量非结构化数据的存储和处理已成为可能，也越来越受到关注。这些现象的出现也对现有的数据库课程产生较大的冲击。现如今，在国内几乎所有的本科院校计算机相关专业都已开设了数据库类课程，该课程的开设初衷是为了解决计算机信息处理过程中大量数据有效组织和存储的问题，同时也是为培养学生进行信息管理、分析、设计、开发和应用等诸方面的能力[3-4]。但存在问题是现有的数据库课程知识体系很难应对由云计算、大数据等技术的兴起而产生的海量数据爆发式增长的局面，已经出现不能满足实际应用对数据库专业人才的需求的局面。因此，本文通过分析大数据时代的特点及社会对数据库专业人才需求，提出适应大数据发展需要的数据库课程内容、教学模式及教学方法。设计面向大数据背景下的教学模式

大数据环境下，以“慕课”、“翻转课堂”等为典型代表的新教学方式正在冲击现有的课堂教学。这些新的教学方式多以个性化、自主性、互动式作为显著特征，它在知识传递上比传统的实体课堂更加符合学习科学的规律与要求，也促使越来越多的师生利用“慕课”等平台寻找和利用教育资源，而且传统教师主导课堂的形式将逐步退出教学历史的舞台。但是，就现阶段的教学环境和教学设施等方面来说，“慕课”等新型教学方式还不能完全取代课堂教学，但可以作为课堂教学的有益补充。因此，在大数据环境下，教师必须实现角色的转换，必须摒弃传统的“灌输式”传授知识方法，树立“学生为本”的课程教学观，根据数据库课程的教学目标、教学内容、学生特点、教学条件等，灵活选择教学方法，形成以学生独立自主学习为主，教师引导启发为辅的教学模式。同时，应充分利用诸如“互联网+”大学生创新创业大赛、大学生软件设计大赛、ACM程序设计大赛等竞赛来锻炼和培养学生的综合素质和创新能力，通过参加各类专业竞赛来扩大学生的专业视野，在锻炼学生实践能力的同时，也能够培养学生的团队合作精神。通过赛前的培训，赛后的总结等环节也能够起到对课堂教学的延伸扩展的作用，同样也能使学生在实践过程中更进一步的体会专业知识技能的学习和实践的乐趣。完善大数据背景下数据库课程体系的教学内容

在传统的数据库类课程中重点讲授关系数据模型、E-R模型和数据库逻辑设计、查询优化和数据库物理设计以及事务管理；详细介绍了关系代数、函数依赖和规范化的基本思想和理念；简单介绍SQL、视图、快照、存储过程和触发的基本思想。为适应大数据时代产生的海量数据的管理、存储、分析和处理。一方面，应在课程内容上增加NoSQL数据管理技术和编程模型。NoSQL数据管理技术是关系型数据管理技术的有益补充，它包括针对异构海量数据的存储、查询和分析技术，是以Web搜索、电子商务、个性化信息服务、社交网络等为典型代表的新型应用的支撑技术，也是大数据时代数据分析的主要支撑技术，是目前信息检索、数据挖掘、机器学习等领域的重要关键技术。另一方面，为应对大数据时代数据管理的新挑战，应增加HBase和Hive为代表的海量数据管理平台、面向OLTP 提供NoSQL 扩展性的NewSQL 代表技术C-Store关系数据库系统、以及针对经典数据挖掘算法的海量数据挖掘与分析算法等方面的内容。

3.研发实验平台、改革实验教学方法

企业在开发、测试、部署实际项目时需要有特定的软件环境。在实践教学过程中，不但要让学生熟悉这些环境，还要特别注意在实际工作中容易出现的各种问题和错误，找到相应的解决方法。为此，教师应该在校内搭建真实的实验环境，采用企业项目案例进行实践教学。真正的大数据课程需要有分布式的实验环境支撑，基于Hadoop 搭建大数据实验平台，给学生提供大数据分析、储存、管理的实验环境，让学生掌握Hadoop 中HBase、Hive、Zookeeper 等关键技术并熟练掌握数据交换、大数据查询、大数据项目实践等核心内容，在此基础上再结合真实的电商企业数据，培养学生分析问题和解决问题的能力。大数据环境下，传统的实验室无法满足教学需要，需要构建云环境下的虚拟实验室，结合云计算和虚拟技术，打破时空限制，为学生提供开放的实验平台，让教师和学生随时随地都能访问和使用实验资源。结语

本文所提出的是基于数据库课程在大数据时代背景下的教学模式、教学内容、实验平台等的改革研究，目的是为适应大数据带来的变革对数据库课程的要求，通过补充和完善传统数据库的教学内容、实验平台、改善教学模式和教学方法，期望学生通过学习能够满足企业的对大数据设计和管理的需求。在以后的研究中可以可以探索将数据库方面的专业认证环节融入到教学体系中，以增强学生学习的兴趣、目的性、实践性。

参考文献：

[1] 朱建平，李秋雅.大数据对大学教学的影响[J].中国大学教学 2014，（9）：41-44

大数据时代的语文阅读教学 第3篇

一.利用大数据把握时政热点，语文阅读教学生活化。

语文阅读教学往往陷于一种模式化状态。应用型文体——记叙文、说明文、议论文，首先把握其文体要素，然后肢解其要素，再对其思想感情略作分析，似乎教学任务就算完成了。久而久之，学生对语文课堂生厌，教师对语文教学讨厌。教学的文本内容严肃有余，教学的文本形式陈旧泛黄。绝大多数文本与时代距离遥远。

老师根据自身的了解，挑选一定的时文作为教材的补充，常常是老师自己欣赏，学生却对其不感兴趣。

利用网络阅读大数据，可以很容易挑选出让学生喜欢的时文。比如：执教人教版九年级上册苏霍姆林斯基的《致女儿的信》，如果单纯补充阅读相关的关于写青春期恋爱的文章，难以引起学生的关注与投入。大数据显示——当今年轻人追捧仓央嘉措的情诗和喜欢歌曲《最浪漫的事》，于是补充了相关材料，作为对本课的拓展延伸。学生学习这一课情绪高昂。还主动向老师和同学推荐选秀节目评委乐嘉的文章《写给15岁的女儿》。

二.利用大数据把握话语热点，语文阅读教学时代化。

老师课堂语言雅俗共赏，既有典雅之语，又能秀时下流行的网络语，能让学生感到亲切。倘若再利用时间分析网络语言的语法和意蕴，更能让学生领悟到“生活即语文”，语文中的语言文字是随着时代的发展而发展的。比如：伴随着共产党和苏联的诞生而产生的新词——布尔什维克等;伴随着科技和经济的发展而出现的新词及其衍生的新意——因特、比特、囧、P2P、矮穷挫、白富美、光盘、微信、刷屏、宝贝、雾霾、失联等等。

适时适度地扩展阅读时文，让学生语文知识在生活中发生迁移运用。比如：提供机会让学生阅读科技说明文《“黑匣子”——空难的见证者》《生气的成本有多高》;阅读关于留守儿童的小小说《喜旺的年》;阅读报纸关于某个事件的新闻报道和相关评论;和学生一起做点评，教导学生敢于发出自己的声音，养成独立思考的好习惯，培养自己的辩证思维能力。

三.利用大数据分析学习难点，语文阅读教学科学化。

以往对学生语文阅读教学都是老师凭经验，再结合课标要求确立教学难点。在实际教学中，会发现——精心准备的所谓难点教学，对于学生来说，有时候其实并不难。这就表明：老师的了解与估计是与学生的实际情况脱节的，这样，教学的针对性、科学性就打了折扣。

碎片化、现象化式地原始归纳分析，已经不能科学准确地呈现问题了。

借助网络和计算机，以及新的分析技术，就能尽可能地收集语文教学方方面面的数据，客观而科学地反映教与学的现状，并提出参考意见。在语文考试中，学生最易丢分的就是阅读，最畏惧的仍然是阅读。老师教学最纠结的也是阅读。阅读成了影响学生学习语文的最大障碍;也是老师教学费力最多最难讨好的的一大重头戏。

思考一下原因：为什么阅读教学遭人诟病？

其一、需要学生有一定的阅读基础。

“巧妇难为无米之炊”。学生起码的阅读量都达不到，老师的阅读教学就难以顺利进行。本人在执教时，遇到过这样的情况：

根据课本安排——九年级上册第五单元是古典文学赏析。涉及作品分别是《水浒》《三国演义》《儒林外史》《红楼梦》，在引导学生学习时，老师预设是学生对于“暗线”可能难于掌握，因此准备在这个教学环节多下功夫，以让学生对中国古典小说有一个大致的框架结构、行文思路的了解。

殊不知，学生学习该单元时，茫然而不知所措，老师“启”而学生不“发”。事后调查：4/5的学生没有接触过上述经典文学作品;2/3的同学连相关影视剧动漫等也从未听说过。古文基础特差，读懂课文对他们来说已是奢侈，更遑论结构技巧和人物形象、思想感情。

摸清了情况，借助大数据，作学习诊断分析，制定出科学的课堂教学计划。

1.课前，老师指定学生阅读相关作品。

2.做好阅读笔记——好的词、句、段摘抄以及阅读感受。

3.每周记忆一定量的成语典故和古典诗词名句。

学生经过一定时间的阅读积累后，课堂阅读教学进行就相对顺利得多，课堂气氛变得热烈;阅读的宽度有所拓展，阅读的深度有所提高。阅读课堂开始由老师的“导”逐步转为学生主动地“学”。

其二、课堂教学要能满足学生的阅读需求。

实施语文阅读教学，有的老师按照自己的理解和兴趣，在课堂上把握自己上课的节奏、内容、投入自己的情感。对自己不太感兴趣的一些文体或者课文，就马马虎虎一带而过。这种阅读教学无异于教师的孤芳自赏或者对学生阅读兴趣的抹杀。很难满足学生的阅读欲求，很难调动学生进入课堂、进入文本的世界。有些老师不喜欢说明文——对“人教版”八年级上册科普文章——《奇妙的克隆》《生物入侵者》等就简单处理，学生大为不满。这个时期的学生正充满好奇地想了解生命以及生命迁徙变化，结果因为老师的厌弃而消减了学生的语文课和对这一问题的关注度、兴趣度，渐渐地对语文阅读丧失信心。

明白了这些，不一定能科学有效地组织语文阅读教学。

好在有大数据。我们可以借助大数据，提炼出学生阅读中的难点，捕捉到学生的兴趣点，从而有的放矢，设计科学的阅读教学方案，烹制出学生喜爱的阅读大餐。

借助大数据，阅读教学科学化成为了可能。

四.利用大数据呈现教学状态，语文阅读教学精细化。

借助现代教育技术，对阅读课堂现场实录，然后利用相关软件，对课堂进行解读。通过科学的数据反馈语文阅读课堂教学真实状况。endprint

过去，我们老师都有过这样的质疑——为什么同教两个平行班，其中一个班课堂看起来气氛活跃，思维积极，学生投入，老师也激情四射，情绪饱满，可是每次考试成绩却赶不上那看起来有些死气沉沉，学生漫不经心的班级？（分班相对均衡，课前课后两个班对语文学习所花时间的差距基本可忽略。）问题出在哪里？老师们百思不得其解。

首都师范大学博士生导师王陆教授团队所作出的研究成果——教师在线实践社区：从信息收集、信息处理、知识创生几个维度，设计了一套人性化、全面可行的评价体系。该体系还具有自我反思、同行点评、不同学科教师点评等功能，可实现专业指导、综合性的教学量化评价，并针对性地提出相应的改进建议。

王陆教授的体系就是创建教学的大数据并对其作出定量分析。语文课按照经验去审视和调整已经跟不上科技和教学发展的需要。借助大数据可以完整呈现我们课堂的教学，更有利于我们科学地分析问题、解决问题，而不再是凭经验瞎忙活。

大数据会把我们的阅读课堂做精准而细小的分析。这可以帮助我们制定有效的阅读教学量化指标。在需要精细化教学时，能符合学生实际阅读水平和心理状况，深入下去，细化到位。

例如：学生阅读能力差，我们一直认为是学生读少了，训练少了。于是加大阅读量和阅读题训练量，但效果甚微。

经过课堂数据采集和分析，惊人地发现——学生阅读能力提升缓慢、阅读考试成绩低下的原因是：学生在阅读课堂参与度低，思维未活跃起来;阅读题得分低源于阅读速度慢和理解力弱;理解力弱在于字词掌握的量太少。

建议：教学中要加强速读指导;强化灵活运用字词的能力。

综观全国2014年中考语文试题，各省市区几乎都有涉及“词语含义的理解”的试题，分值占全卷之比大约在5%，题型多样，灵活新颖。

譬如：2014重庆市中考语文试题A卷第6小题——6.灵活运用词语，能使表达新颖活泼。请你参照下面示例中加点词的用法，自选一个词语，写一句话。（要求：体现词语的灵活运用;不得选用示例中加点词语）（3分）

示例1：两岸的豆麦和河底的水草所发散出来的清香，夹杂在水气中扑面的吹来;月色便朦胧在这水气里。（鲁迅《社戏》）

示例2：喝了几天，痛快了几天，哥们了几天。（阿成《黑龙江的山很多了》）

选词：

写话

重庆某区考生在该题的有效均分仅为1.5左右，可见，该区今后要加强对“词语理解运用”板块的训练。

大数据时代的英语教学 第4篇

由于传统的英语教学存在很多弊端, 因此也限制了英语教师自身的发展。目前的英语教学, 虽然也是在多媒体教室中进行, 但依然以教师和书本为主体, 教师无法兼顾所有学生, 最终导致学生学习兴趣低, 从而影响教学质量。以听说课为例, 大多数学生从小学开始学习英语, 几年的学习甚至连简单的对话都做不到。听说课成为学生最头疼的课程, 也成为老师最难上的课。最糟糕的是, 由于缺乏良好的学习环境, 我们的学生一张口就是中国式英语。而我们教师, 使用的很多是用过几年的老教材, 这样导致很多老师不能与时俱进, 跟上时代发展的要求。很多教师甚至不知道大数据 (big data) , 更不要谈在大数据时代好好审视自身, 是否做好了准备。

大数据 (big data) 理念对于我们语言教学有什么重要意义或特点呢?以英语听说课为例, 我认为大数据研究具有下面重要意义:

一、面对学生面广, 学生群体数量大

举个简单例子, 现在的学生、老师几乎人手一部手机, 通过手机这样的数据终端, 他们可以随时随地无限次搜寻浏览自己所需要的数据资料, 他们的操作使得数据源源不断的传输和积累, 而这些由此产生的数据又会慢慢积累成信息——大数据。可以说, 只要会使用手机, 就可以使用并得益于于大数据。

二、教学内容丰富多彩, 生动实用

我们现在的英语听说课主要是, 教师和学生人人面前一本听力书, 老师在前面播放听力资料, 让学生反复听几遍, 然后给出正确答案。这种模式下, 师生之间缺乏互动, 学生作为被动接受的一方, 很容易失去学习兴趣。而在大数据时代, 可供我们选择的教学资料丰富多彩, 多元实用。我们的英语资源无处不在, 很轻易就能找到非常好的“数据”。我们可以通过收集学生信息进行数据分析, 由此了解学生整体水平, 兴趣范围等, 然后制定相应的教学计划, 选择合适的教学资料, 例如利用英文经典电影、时事新闻、名人演讲等视频材料, 甚至可以利用学生感兴趣的娱乐新闻等, 从而激发学生的学习主动性, 在提高他们听说水平的同时, 还能开阔视野, 提高学生整体人文素质。

三、教学资源海量储备, 检索方便, 按需提取

在大数据时代, 海量的信息可为我们提供丰富多彩的教学资源。通过网络平台教师可以搜索更多, 更全面的资料来辅助自己的教学过程, 使用多媒体的手段, 来吸引学生的注意力, 提高教学效果。而现在的学生也擅长从网上搜索自己想要了解的知识, 这种获取的资源的方式快速、便捷、方便。

四、提取的大数据可直接使用, 满足用户需求

大数据具有4V特点, Volume (大量) 、Variety (多样) 、Velocity (高速) 、Value (价值) 。大数据的4个“V”, 或者说特点有四个层面:第一, 数据体量巨大。第二, 数据类型繁多。如网络日志、视频、图片、地理位置信息等等。第三, 处理速度快, 可从各种类型的数据中快速获得高价值的信息。第四, 只要合理利用数据并对其进行正确、准确的分析, 将会带来很高的价值回报。这些特点告诉我们, 只要我们问题类型分类合理, 数据挖掘提取便捷, 海量的信息真实可信, 提取的大数据基本上无需筛选或第二次加工, 就可以直接使用, 满足我们用户的需求。现在学生们对自己感兴趣的东西也比较喜欢通过网络, 视频, 微信“扫一扫”等功能进行快速的查询。

大数据时代的到来, 给我们英语老师带来了机遇, 利用其带给我们的便利, 那么在我们的教学过程中, 就可以弥补很多传统教学方式的缺陷, 完善自身。但是大数据带给我们便利的同时, 也带来了挑战, 信息的准确性与权威性也需要我们有很高的辨识能力。学生可以很轻易的就查询到书本上的内容甚至是教师备课的文件。于是, 教师的权威性也将面临严峻的挑战。因此在大数据时代, 我们教师应该首先完善自身, 尽快适应大数据对教学的影响以及教师角色定位的变化, 由教学的主体变为主导, 提高对信息的辨识能力, 加强与学生的沟通, 为自己在新的时代做好准备。

摘要：自2012年以来, 大数据 (big data) 一词越来越多地被提及, 人们用它来描述和定义信息爆炸时代产生的海量数据, 并命名与之相关的技术发展与创新。哈佛大学社会学教授加里·金说:“这是一场革命, 庞大的数据资源使得各个领域开始了量化进程, 无论学术界、商界还是政府, 所有领域都将开始这种进程。”近年来, 教育界日益认识到大数据在教育中的重要性, 并展开了深入的研究探讨。作为一线教师, 特别是外语教师, 我们是否做好了准备, 应对大数据对英语教学的影响?

关键词：大数据,信息,英语教学

参考文献

[1]杨庆林.“幕课”时代大数据在外语教学与研究中的应用——以TRP平台为例.2014.

[2]毕林峰.“大数据”时代的全民英语学习.2013.

大数据时代的英语教学 第5篇

大数据是对全球的数据量较大的一个概括，且每年的数据增长速度较快。而数据挖掘，主要是从多种模糊而又随机、大量而又复杂且不规则的数据中，获得有用的信息知识，从数据库中抽丝剥茧、转换分析，从而掌握其潜在价值与规律。所以大数据时代下的数据处理技术要求更高，要想确保数据处理成效得到提升，就必须切实加强数据挖掘技术教学工作的开展，才能更好地促进数据处理职能的转变，提高数据处理效率，优化学生的学习成效。以下就大数据时代下的数据挖掘技术教学做出如下分析。

1大数据时代下数据挖掘技术的基础教学方法分析

数据挖掘的过程实际就是对数据进行分析和处理，所以其基础就在于数据的分析方法。要想确保分析方法的科学性，就必须确保所采用算法的科学性和可靠性，获取数据潜在规律，并采取多元化的分析方法促进问题的解决和优化。以下就几种常见的数据分析教学方法做出简要的说明。一是归类法，主要是将没有指向和不确定且抽象的数据信息予以集中，并对集中后的数据实施分类整理和编辑处理，从而确保所形成的数据源具有特征一致、表现相同的特点，从而为加强对其的研究提供便利。所以这一分析方法能有效的满足各种数据信息处理。二是关联法，由于不同数据间存在的关联性较为隐蔽，采取人力往往难以找出其信息特征，所以需要预先结合信息关联的表现，对数据关联管理方案进行制定，从而完成基于某种目的的前提下对信息进行处理，所以其主要是在一些信息处理要求高和任务较为复杂的信息处理工作之中。三是特征法，由于数据资源的应用范围较广，所以需要对其特征进行挖掘。也就是采用某一种技术，将具有相同特征的数据进行集中。例如采用人工神经网络技术时，主要是对大批量复杂的数据分析，对非常复杂的模式进行抽取或者对其趋势进行分析。而采取遗传算法，则主要是对其他评估算法的适合度进行评估，并结合生物进化的原理，对信息数据的成长过程进行虚拟和假设，从而组建出半虚拟、半真实的信息资源。再如可视化技术则是为数据挖掘提供辅助，采取多种方式对数据的挖掘进行指导和表达[1]。

2大数据时代数据挖掘技术教学要点的分析

2.1数据挖掘技术流程分析

在数据挖掘教学过程中，其流程主要是以下几点：首先做好数据准备工作，主要是在挖掘数据之前，就引导学生对目标数据进行准确的定位，在寻找和挖掘数据之前，必须知道所需数据类型，才能避免数据挖掘的盲目性。在数据准备时，应根据系统的提示进行操作，在数据库中输入检索条件和目标，对数据信息资源进行分类和清理，以及编辑和预处理。其次是在数据挖掘过程中，由于目标数据信息已经被预处理，所以就需要在挖掘处理过程中将其高效正确的应用到管理机制之中，因而数据挖掘的过程十分重要，所以必须加强对其的处理。例如在数据挖掘中，引导学生结合数据挖掘目标要求，针对性的选取科学而又合适的计算和分析方法，对数据信息特征与应用价值等进行寻找和归纳。当然，也可以结合程序应用的需要，对数据区域进行固定，并在固定的数据区域内分类的挖掘数据，从而得到更具深度和内涵以及价值的数据信息资源，并就挖掘到的数据结果进行分析和解释，从结果中将具有使用价值和意义的规律进行提取，并还原成便于理解的数据语言。最后是切实加强管理和计算等专业知识的应用，将数据挖掘技术实施中进行的总结和提取所获得的数据信息与评估结果在现实之中应用，从而对某个思想、决策是否正确和科学进行判断，最终体现出数据挖掘及时的应用价值，在激发学生学习兴趣的同时促进教学成效的提升。

2.2挖掘后的数据信息资源分析

数据信息资源在挖掘后，其自身的职能作用将变得更加丰富，所以在信息技术环节下的数据挖掘技术随着限定条件的变化，而将数据挖掘信息应用于技术管理和决策管理之中，从而更好地彰显数据在经济活动中的物质性质与价值变化趋势，并结合数据变化特点和具体的表现规律，从而将数据信息的基本要素、质量特点、管理要求等展示出来，所以其表现的形式十分丰富。因而在数据挖掘之后的信息在职能范围和表现形式方式均得到了丰富和拓展，而这也在一定程度上体现了网络拟定目标服务具有较强的完整性，且属于特殊的个体物品，同时也是对传统数据挖掘技术的创新和发展，从而更好地满足当前大数据时代对信息进行数据化的处理，并对不同种类业务进行整合和优化，从而促进数据挖掘技术服务的一体化水平。

2.3大数据背景下的数据挖掘技术的应用必须注重信息失真的控制

数据挖掘技术的信息主要是源于大数据和社会，所以在当前数据挖掘技术需求不断加大的今天，为了更好地促进所挖掘数据信息的真实性，促进其个性化职能的发挥，必须在大数据背景下注重信息失真的控制，切实做好数据挖掘技术管理的各项工作。这就需要引导学生考虑如何确保数据挖掘技术在大数据背景下的职能得到有效的发挥，尽可能地促进数据挖掘技术信息资源的升级和转型，以大数据背景为载体，促进整个业务和技术操作流程的一体化，从而更好地将所有数据资源的消耗和变化以及管理的科学性和有效性，这样我们就能及时的找到资源的消耗源头，从而更好地对数据资源的消耗效益进行评价，最终促进业务流程的优化，并结合大数据背景对数据挖掘技术的职能进行拓展，促进其外部信息与内部信息的合作，对数据挖掘技术信息的职能进行有效的控制，才能更好地促进信息失真的控制[2]。

3数据挖掘技术在不同行业中的应用实践

学习的最终目的是为了更好的应用，随着时代的发展，数据挖掘技术将在越来越多的行业中得以应用。这就需要高校教师引导学生结合实际需要强化对其的应用。例如在市场营销行业中数据挖掘技术的应用这主要是因为数据挖掘能有效的解析消费者的消费行为和消费习惯，从而利用其将销售方式改进和优化，最终促进产品销量的提升。与此同时，通过对购物消费行为的分析，掌握客户的忠诚度和消费意识等，从而针对性的改变营销策略，同时还能找到更多潜在的客户。再如在制造业中数据挖掘技术的应用，其目的就在于对产品质量进行检验。引导学生深入某企业实际，对所制造产品的数据进行研究，从而找出其存在的规则，并对其生产流程进行分析之后，对其生产的过程进行分析，从而更好地对生产质量的影响因素进行分析，并促进其效率的提升。换言之，主要就是对各种生产数据进行筛选，从而得出有用的数据和知识，再采取决策树算法进行统计决策，并从中选取正确决策，从而更好地对产品在市场中的流行程度，决定生产和转型的方向。再如在教育行业中数据挖掘技术的应用，主要是为了更好地对学习情况、教学评估和心里动向等数据进行分类和筛选，从而为学校的教学改革提供参考和支持。比如为了更好地对教学质量进行评估，就需要对教学质量有关项目进行整合与存储，从而更好地促进其对教学质量的评估，而这一过程中，就需要采取数据挖掘技术对有关教学项目中的数据进行挖掘和处理，促进其应用成效的提升[3]。

4结语

综上所述，在大数据背景下，数据挖掘技术已经在各行各业中得到了广泛的应用，所以为了更好地满足应用的需要，在实际教学工作中，我们必须引导学生切实加强对其特点的分析，并结合实际需要，切实注重数据挖掘技术的应用，才能促进其应用成效的提升，最终达到学以致用的目的。

参考文献：

大数据时代下的英语教学改革 第6篇

一、大数据下的英语教学改革与现今的英语教学的区别之处

大数据时代时代的到来，其巨大的功能个价值对于人的思维方式也造成了强烈的冲击，大数据时代的思维方式对于教育的发展也有一定的启示作用。张燕南，赵中建（2013）认为，大数据时代的思维方式对于教育的启示作用主要体现在一下几个方面：第一，为个性化教育指引实践方向；第二，为教育决策提供科学依据；第三；为教育评价拓展新的思路。喻长志（2013）在《大数据时代教育的可能转向》一文中提到：大数据将会对教育产生巨大的影响，主要表现为：第一，渗透到教育的核心环节；第二，重新构建教学评价方式；第三，革新教育者教学思维；第四，影响学校教育模式。数字技术促进教育委员会2012年8月进行的一项全国民意普查发现，90%以上的K-12学校教师和学生家长支持在教学上更多的使用技术手段，认为应该改进学校网络系统，人们还相信，在未来的十年，教育技术在教学中将发挥更大的作用。而且在在线学习方面，提供了几点内容：提供更多的个性化和灵活学习方式；展示更多动手实践内容；有助于提高学习动力；使课堂与现实世界更紧密结合；使得学生获得与课外专家接触的机会，从多种角度来思考问题。大数据时代的到来对于教育的发展产生了长远的影响，大数据时代同时是一个机遇与挑战并存的时期。大数据时代的到来为教育的发展带来的新的发展契机。大数据时代，首先对教育的预测性判断将会增加，其次教师的专业知识与数据分析能力并重，第三网络教育与全球化发展迅速，最后，精准的个性化教育成为主流。与以往的教学相比，大数据时代的教学的不同之处主要体现在以下四个方面：

（一）教学方式，作业布置，师生互动，以及考核方式将变得网络化，多元化。在美国宾州，有一个叫做EDLINE的网站，将学生的每次作业、每次考试记录在网上，完成学生的日常GPA积累，这个网站的技术并不难，然而能够坚持下来的数据积累，对于学生、家长和教育管理非常重要。

（二）教学更能满足不同学生学习方式类型，以便促进学生个性的发展。不同学生具有不同的学习方式，在传统的教学中往往被忽视，然而在大数据的时代里，教育的改革正逐渐满足不同学生的学习需求。

（三）数据搜集方式特别快，能够使得老师在第一时间内掌握学生学习状况，从而对自己的教学方式进行调整。随着云计算的不断成熟，以及互联网的不断发展，电脑能够用几秒钟的时间精确地算出庞大数据下隐藏的现象和问题，这大大节省了劳力物力。

（四）大数据化的教学缩短了空间和地域的距离，只要手上有台电脑，不论学生身在何方，何时，都能够与教师进行教学活动。这是传统教学所无法比及的。

二、大数据时代高校英语教学所面临的挑战

（一）高校英语教学工作者的主导地位受到冲击

在过去高校英语教学的特点可以概括为：面向大众、单向、无法选择。英语教师在课堂上向学生灌输知识，教育对象是一群学生，忽视了学生个体的发展而且没有针对性。而在大数据时代，信息数据的特点是：面向少数人，互动，可以选择。受教育者不仅仅可以通过老师来学习知识，还可以借助网络来寻求各种学习资源。使得学习资源的范围和时间不在受到严格的限制。

（二）大学生群体的主流价值观念受到动摇。

在大数据时代，各种信息资源充斥在网络上，但是另一方面，由于大数据时代，数据量极为巨大，各种消极负面的信息也会对学生的意识造成一些不良的影响。或者对于学生的价值观和人生观造成一定的冲击，这些是我们在利用大数据这一资源的时候继续注意的一些问题。大数据时代给教育和教学带来了新的发展机遇，我们在以后的日常教学中也应该紧扣师大的步伐，进行有效的教学方法改革，从而更有效的促进英语教学水平的提高。

三、大数据下英语教学改革对策建议

大数据时代给予教育带来新的启示和希望，同时也给当代的英语教学带来了新的转机。因而在大数据时代，英语教学也应该相应的予以改变：

（一）大数据时代下，传统的教学方式已不能吸引学生，学生可以通过诸如网易公开课等网络资源获得课堂传授类知识。必须尊重学生在教学中的主体地位，充分发挥学生在教学中的能动性，改变过去灌输式的培养教育方法，采用案例教學法、课堂模拟法、角色扮演法、体验式教学法，培养学生解决实际问题的能力。

（二）在课程设置上就要打破传统的模式，改变以前以灌输书本知识为主的模式，从培养学生实践能力的角度出发，强调知识的针对性，重新进行课程设置。

（三）建设第二课堂，加强课外实践活动。教师可以在网上上传自己的课件或者一些小的课外补充供同学们课后学习；还可以向同学们提供有用的英语网络视频，让同学们去效仿学习。

（四）实行个性化教育（分类指导，特色发展）

国际个性化教育协会（International Personaliza-tion Education Association，简称IPEA）将个性化教育定义为“：为受教育者量身定制教育目标、教育计划、教育培训方法、辅导方案并加以执行，组织相关专业人员为受教育者提供学习管理策略和知识管理技术以及整合有效的教育资源，帮助受教育者突破生存限制，实现自我成长、自我实现和自我超越。

（五）大学英语教学改革与通识课程

大学英语教学应该改变单一的追随课本大纲需要的教授方法，通过对学生上网英语学习的追踪调查，发掘学生的需求，开设相应的通识课程从而提高学生英语学习的兴趣学习能力。

（六）大学英语教学与网络课程

在大数据时代，手机网络等电子设备为我们的日常生活带来了极大地便利。也改变了我们的日常学习轨迹，学生的学习不再是单一的课堂学习。课后，学生可以通过网络接触到不同的英语学习方面的课程，这就给大学英语教学提供了新的契机，教师可以让学生在课后观看自己喜欢的网络课程来进行英语的扩展学习。但是也由于网络资源的混杂，教师也应该给与学生相应的指导。

参考文献：

[1]喻长志.大数据时代教育的可能转向.江淮论坛， 2013，（4）：188-192.

[2]张燕南，赵中建.大数据时代思维方式对教育的启示. 教育发展研究， 2013，（21）： 1-5.

大数据时代对高职英语教学的影响 第7篇

从表面上看, 大数据是指数据太大或种类太多, 以至于传统工具无法有效管理的数字集合。有学者认为, 大数据是对大量复杂数据进行科学、系统地收集、挖掘和分析, 进而做出相关事物未来趋势预测的新方法。本文更倾向于维克托·迈尔-舍恩伯格教授的观点, 他认为:“大数据是一种价值观、方法论……是一场思维的大变革。继云计算、物联网之后, 大数据是IT产业又一次颠覆性的技术变革。当前, 教育信息化如火如荼, 作为中国高等教育的重要组成部分———高职院校岂能坐以待毙, 广大高职教育工作者必须要紧跟形势, 与时俱进, 探索大数据时代高等职业教育的发展规律, 找到适合当今高职学生特点的教学模式。

一高职学生英语学习材料的变化

目前大部分高职院校的英语学习还只是围绕某个出版社编写的教材, 一般教材都配有专门的教学参考书和相关的电子课件, 精力充沛的年轻老师会根据学生的不同特点对课件进行适当改动, 更多的老师只是照着原有的ppt讲解, 教材的内容与学生的兴趣以及日新月异的现实总有些脱节, 有不少学生就是对枯燥的教材不感兴趣而放弃了英语学习。而在大数据时代下, 高职英语的学习材料可谓是应有尽有, 无论是经典文学、百科全书、牛津词典, 或声音地道的英语音频和视频, 都唾手可得。另外针对高职院校不同专业的学生所开设的专门用途英语, 可利用网络的虚拟场景、虚拟地图来为学生虚拟不同的职业领域和工作环境。

高职院校学生本来对英语就兴趣不大, 相对于传统的纸质教材, 他们对富有变化和趣味的多媒体形态更感兴趣, 这势必影响未来教材编写的原则。可以说, 高职英语课程在大数据时代这一背景下最重要的学习材料是公开课视频, 这里请注意视频绝非像传统上课一节45分钟的时长, 而是根据不同的知识点, 做成时长为8~15分钟的短视频, 目前流行的说法叫“微课”。这是因为根据科学实验, 一个人关注某件事最长的注意力时间为5~10分钟, 传统的满堂灌本身就不符合高职学生的认知特点。学生可以根据自己的认知水平自由驾驭课程学习, 在与学习材料的互动当中选择符合自己能力和特点的学习材料。当然, 整个模块分布的设计如果能够按照学生们喜欢的网络游戏模式就更好了, 每完成一个模块的学习, 并通过相应的测试, 就有奖励, 并的下一个阶段的学习。

最近, 主抓高职英语教学的教育部职业院校外语类专业教学指导委员会已经意识到了大数据时代对高职英语教学的冲击, 根据教育部已经颁布实施的高职高专英语类专业教学标准, 已经于2014年年末同另外两家私人机构合作, 启动搭建“高职英语专业MOOC教学平台”, 正在向全国高职院校英语教师公开征集相关课程的教学资源, 说明我国高职英语教学走进大数据时代的日子已经来临。

二高职英语教师的角色发生转变

由于互联网的迅速普及, 任何人都可以通过网络学到世界一流大学开设的课程, 高职教师不再是高职教育内容的唯一占有者和提供者, 而变身为课堂的组织者和学习的引导者。这样一来, 老师似乎不需要在课堂上讲什么了, 但教师必须要对学习内容十分熟悉, 时刻准备回答学生的各种问题, 同时应给学生提供可供大家学习的公开课网络视频链接, 提供适合不同学生的学习方法和手段。这样一来, 教师备课量反而是增加了。此外, 教师还应该熟练掌握现代教育信息技术, 并能通过软件的数据分析给出学生个性化的建议和帮助。

同时, 如果高职院校能够全面推广现代教育信息技术, 学生就有了选择老师和课程的主动权, 学生也可以利用大数据提供的方便, 在每个学期初查看每个英语老师在学生心目中的影响力, 通过往届学生对该老师、该课程的评价指数、难度指数、推荐指数来决定是否选修该老师的课程。这样就给老师平添了巨大的压力, 之前是学生不得不上这个老师的课, 现在老师处于被学生选择的地位, 就必须在备课上下大功夫, 千方百计地寻找学生的兴趣点, 从而教学相长。

另外, 传统的高职英语老师备课、上课都是单枪匹马, 但随着大数据时代的来临, 微课和慕课的兴起, 高职英语教师的工作模式也由孤军奋战转变为团队合作。试想如果制作一个广受学生欢迎的微课及慕课, 如果单凭一个老师, 需要花费不小的精力和时间, 而团队合作就能将问题迎刃而解。总之大数据时代高职英语教师的身份发生了巨大的转变, 由课程的执行者转变为课程的开发者, 由以前的教教材转换为用教材教, 由传统的教书匠转化为教育研究者, 由原来的知识固守者转化为终身学习者。

三高职学生的英语学习由“被动学习”转变为“自主学习”

现今高职院校的英语学习大多还是沿袭传统的课堂模式, 上课就带着英语课本, 被动地听几句、看几句英语, 下课完全不碰英语。而在大数据时代, 高职英语学习者就掌握了主导权, 他自己决定学什么、什么时候学、怎么学、在哪里学、具体学哪个内容、学习的进度是快还是慢。高职英语学习者的主动性在他英语学习中起着至关重要的作用, 课堂上老师不像以前那样讲课了, 全是讨论和做练习, 如果课前不准备, 什么都学不到。高职英语学习者的自主性体现在以下几个方面:首先, 大数据时代的高职英语学习要求学生们必须要熟练掌握网络技术, 知道老师布置的视频课在哪里可以看到, 知道如何在电脑上做练习, 如何在互动版块提问以及与其他同学讨论相关内容。其次, 为了修满学分、顺利毕业, 学习者必须主动了解英语课程的一切信息, 包括他自己的责任、教师的要求, 以便决定自己选修的专业和课程。他必须在网络通知的限制之内, 完成课程作业, 按要求修学分。

四评估和测试的变化

传统的高职英语教学在评估学生的英语各方面能力时, 基本还是采用笔试手段, 尤其是期末考试的一张试卷就决定了该学生英语是否过关, 忽略了对学生平时成绩的考核。比如一个学生期末英语考试得了60分, 这只是一个数字, 并不能反映出学生听、说、读、写、译各方面在60分里是如何呈现的。但如果通过现代信息技术的数据分析, 我们就可以把60分背后的因素考虑进去, 例如该学生家庭背景、平时的学习态度, 甚至性格特点、人际关系等, 把这些指数与60分联系在一起, 便成了“数据”。

因此, 大数据时代必将引发高职英语学生测试手段的改革, 传统的笔纸测试一方面消耗大量的纸张, 不利于环保, 另一方面无法看出学生英语能力的真实水平。取而代之的将以机测、网上测试为主, 目前国内很多考试都已经采用了机考, 比如影响面巨大的全国高校四六级考试, 目前笔试和上机考试共存, 但相信不久的将来, 笔试将全部由机考取代。机考的优势有以下几个方面:第一, 上机考试的考试内容并非一个尺子, 它能根据往年大数据的分析和学生不同类别, 调整项目的难易度;第二, 先进的现代测试系统不只记录下考生的答案, 同时也精确地纪录下答卷的过程, 这个过程细微到每个题目用时几分几秒, 某一个小题改动几次才找到正确答案, 并将过程通过一定比例计入分值, 从而使最终的得分更加科学。同时能在成绩单里显示某一方面的得分, 学生和教师拿到成绩单对各自的学习和教学都会有更多地认识和反思, 推动师生随后学习的方法转变和路径调整, 实现高效的教与学。第三, 高职英语不同于中学的应试教育, 也不同于本科院校的学术性英语, 而更强调的是英语的实际应用能力。单纯的选择题、阅读理解不能反映出学生的英语应用能力, 传统的口试和听力浪费人力、物力, 批改作文更是让英语老师们头痛。随着现代教育信息技术的提高, 各种先进的软件和系统已经实现了对口语表达和作文进行评分的功能。目前很多高校的英语写作都采用了批改网的一套专业系统, 老师可以通过系统给学生布置作文, 学生递交作文后, 先由储备了大量语料库的系统给学生打分, 并能对最基本的语法错误进行标注, 最后由老师查阅, 对学生的作品进行宏观上的指导。学生的优秀佳作可以由老师推荐, 让所有同学共同欣赏。英语的主观题如果单纯由人工批改, 同一个试卷会因为老师不同的知识水平和倦怠感呈现出差别很大的分数, 而且难免会有人情分、印象分的干扰。另外上机考试也杜绝了考试作弊, 电脑上的身份认证和摄像头, 以及随处不在的网络监控比监考老师更为严格。

2014年12月22日, 在中国教育界颇具影响力的“2014央广网教育年度盛典”圆满落幕, 这一盛典由中央人民广播电台央广网每年举办一次, 每次都密切关注中国教育发展的实际走向。本次“2014央广网教育年度盛典”围绕“中国新教育因你而变”的主题, 数十位国内教育产业的领军人物共同深入探讨了中国的“新”教育, 这里的新包含了好几个层面, 而最为关键的“新”就在于大数据时代给学校传统课堂教育带来的极大冲击和影响。随着全球一体化的推进, 高职英语课程的学习是培养高素质技能型人才的重要前提, 高职英语教学必须迎合大数据时代的发展趋势, 及时调整教学方法和手段, 才能适应新时代高职学生的身心发展特点, 让英语不再是高职学生心中永远的痛, 让高职学生爱上英语, 并借由英语的翅膀顺利择业、就业、创业。

参考文献

[1]刘芳, 杨帆.浅谈高职教育改革下的高职英语教学[J].牡丹江大学学报, 2012 (5) :170-172.

[2]张燕南, 胡继岳.关于大数据应用于教育的思考[J].中国电力教育, 2013 (32) :5-7.

[3]顾铁华.基于网络平台的高职院校公共英语辅助教学研究[D].华东师范大学, 2010.

大数据时代的英语教学 第8篇

“大数据”, 简单的来说就是巨量的资料。维克托·迈尔-舍恩伯格说:“我们可以在更大规模的数据上做到更多外卖无法在小规模数据基础上完成的事情。”[1]随着云时代的来临, 大数据 (Big Data) 在很多领域内已完成了运作成熟过程。“大数据”的特点在于:第一, 数据体量巨大;第二, 数据类型繁多, 涵盖内容丰富, 包括了教学系统中的文本、图像、音频、视频等多种类的文件格式, 以及博客、微博、微信、及其它如点评信息、交互交易信息等各种互动信息;第三, 价值密度低, 商业价值高;第四, 处理速度快。与传统数据相较而言, “大数据”的优势在于巨大的样本量、灵活的采集方式、多样化的采集手段、迅速的采集速度及更为大众化的采集人员。而互联网技术的强大支持使得“大数据”的丰富内容得以开放共享, 而教学“大数据”使学习者能够十分便捷的连接到共享开放的学习资源, 借助网络技术实现学习环节的相互关联, 从而提高学生的学习热情和学习兴趣。

处于大数据时代的教育中, 学习不再仅仅依托于学校和课堂, 通过书本进行知识传输的传统模式也将逐渐趋向于多元化的渠道学习———凭借数字技术支撑的弹性学制、个性化网络社区等, 学习者通过个人终端, 通过相应交际工具或APP程序实现没有时间地点限制的听课、读书、笔记、作业、问题讨论、各类学习活动等非单一化的泛在学习。教学活动的转变集中表现于教师为中心向学习者为中心、以书本为中心向大规模资料库为中心。

2 传统教学中教师的定位

从社会和教育的发展历史来看, 教师的定位是有相应变化的。农业社会接受式学习模式的教育中, 单向传递式的教学———老师讲学生记, 学生通过大量的背诵、记忆、模仿、练习, 习得和掌握———将教师推上了“传道、授业、解惑”的知识传授者的权威地位。而工业革命以后, 随着工业化进程以及教育体制的逐步建立, 逐渐形成了以教师讲授为主, 讨论、练习、提问为辅的班级授课形式。教师依然占据着教学的中心位置, 扮演着知识的传播者、灌输者, 学生虽然不再是无条件接受的学习, 但仍需要在理解的基础上接受并掌握学习内容。与接受式学习相比, 受教育者的主体作用明显加强, 因此被称为有意义的接受式学习。在这两种学习模式中, 教师都处于教学的中心, 也是知识传输中的权威。

进入信息时代之后, 传统的教学模式面临巨大挑战, 也逐渐发生了变化。但从主体来看, 教师的教学始终依附于教材, 以教参为主要备课辅助, 简单借助多媒体手段将授课内容传输给学生。教师的权威传播者角色没有发生太大改变, 学生依然没有成为教学活动中的真正主体。在信息量庞大的“大数据”时代面前, 这样生硬的程序化的教与学将发生颠覆性的变化, 而教师也势必由原来的权威主导地位转变成新的更符合社会和时代需求的定位。

3 教师在大数据时代教学中的角色定位

在大数据时代的发展趋势下, 教学中教师的工作职能势必也将有改变。以往单纯单向度的授课将趋向于引导学生由海量的资料库中挖掘与其个体相适配的学习信息, 实现其个性化的泛在学习。

教师应勇于做“大数据”时代教学中的探究者。教学活动通常是教学理论的实践, 但由于教学对象是人, 不能简单粗暴的进行程序化教学———灌输知识, 却不教授探求知识的方法, 因此在瞬息万变的信息时代背景下, 教师应充当起探究式教学的主导者。当今大力提倡的“人本教育”就需要教师在教学过程中带领学生一起主动认知、探究问题, 师生一起研究问题、分析问题、解决问题, 能与学生在教学中平等交换意见, 能帮助学生发现问题而不是向学生提供现成结论。

教师需要成为教学中的组织引导者。传统模式中, 教师是根据既定的教学计划和固定的教材担任教学过程的主导者。而大数据时代背景下, 学习资源呈现丰富多彩的多元化, 学生可以根据自身需要来选择获得知识信息, 但这种学习活动仍然需要教师担当组织者及引导者———在初涉泛在学习的过程中, 学生可能会面对很多问题比如学习习惯及方法的转变问题, 在面对海量学习信息时的判断选择问题。因此, 教师在教学过程中引导组织学生适应各自的自主学习环境是大数据时代背景下一个必需的环节。与传统的教学中的绝对管理不同, 大数据时代中的教学组织引导意味着教师要从学生自主学习的多样性着手, 帮助学生建立适合自身的学习目标和方法, 指导学生从巨量的学习库中找到适合自己且有效的资料, 使学生能够自主建构个性化的知识体系。具体的来讲, 大数据模式中, 除了教师与学生面对面的交流之外, 更多的师生教学互动是借助即时或非即时的网络讲解、分析和讨论进行的。

教师应主动成为教学资源的供应者和架构者。由于大数据技术提供了无缝对接的学习环境, 为了向学生提供与之对应的动态学习资源, 教师相应的需要以科学、创新的态度并以动态的观念去构建不受时间空间约束并且个性化动态发展的学习资源。这与传统的单纯依托计算机网络技术将纸质文本资源信息转化为“多媒体”资源、建立可登录的静态信息平台等相比能更好的满足学生的个体性学习。因为泛在学习环境中, 学生的发展定位、学习能力和习得程度都是不同的, 他们需要根据自己预期的知识建构需要而实现随时随地的个体性学习, 而传统的相对静态的教学资源建设并不能提供有效的支撑。

教师还应成为教学中的学习者和评价者。大数据时代背景下的自主学习有海量丰富多元的学习资料库作为后台支撑, 教师既可以借助其中的动态资源引导学生自主学习, 也应该根据资料库时时更新自身个体资料库。在引导学生学习的过程中, 同时进行自身个体资料库的更新和充实储备, 使学生能够得到尽可能全面准确的辅助。同时, 教师对学生学习过程和成效的监督、指导、评价和考核仍然必不可少。在学生的学习过程中, 虽然当前各种学习评价系统能够对学习者的作业和反馈进行分析和判定, 但机器对于动机、兴趣等影响学习效果的非智力因素无法进行评定。因此, 教师可以弥补各类学习软件反馈评价欠缺的不足, “以人为本”, 对学生进行适当的情感激励, 促进学生学习, 引导学生利用网络资源深入学习, 针对个体差异性, 对学生进行阶段性评价鼓励, 同时利用大数据分析技术找出学生学习活动的规律性, 实现有效的过程性评价。

4 结论

综上所述, 大数据时代的到来使教育面临着巨大的变革, 海量的资料库和发达的数字技术使学习者能随时随地根据自己所需来进行选择性自主学习。在此背景下, 教学手段和教学资源得到了极大的丰富, 随之而来的是教师在其中的定位转变———由单一的主导者转成多元化的角色:自主学习的组织者及引导者、教学资源的研发构建者、以及自主学习的诊断与评价者。教师应以大数据技术为基点, 为学生构建动态的多元化的个性化学习资源, 在学生的自主学习过程中指导学生进行学习资源的有效选择、学习方法和态度的转变, 并为学生的阶段性自主学习提供个性化、有针对性的监督、评价和考核。而教师也应着眼于提高自身的网络技术运用能力和数据分析能力, 以此来适应新定位的转变。

参考文献

[1][英]维克托·迈尔-舍恩伯格, 肯尼斯·库克耶.大数据时代:生活、工作与思维的大变革[M].盛海燕, 周涛, 译.杭州:浙江人民出版社, 2012.

[2]郭雪翔.研究型学习中教师的角色定位[J].教育理论研究, 2002 (12) .

[3]滕珺, 朱晓玲.大数据在美国基础教育中的运用[J].人民教育, 2014 (1) .

[4]阎光才.教育及社会科学研究中的数据——兼议当前的大数据热潮[J].北京大学教育评论, 2013 (10) .

大数据时代的英语教学 第9篇

关键词：大数据,高校教学,机遇,挑战

随着技术的进步和网络的普及, 巨量的与使用者相关的数据随之产生;随着人们储存、分析、使用数据能力的不断提高, 大数据的战略价值逐渐被人们认知。2012年美国政府通过白宫网站发布了《大数据研究和发展倡议》, 承诺将提供资金发展大数据技术, 提出通过对海量和复杂的数字资料进行收集、整理, 从中获得真知灼见, 以提升对社会经济发展的预测能力。这一倡议将大数据的价值上升到国家层面, 在世界范围内引起了巨大的反响, 世界的目光开始聚焦大数据。大数据的出现为人们认识世界和改造世界提供了新的工具, 通过大数据可以提炼出规律, 形成知识;通过大数据技术可以在巨量数据分析的基础上提高决策的科学性;大数据为人类预测未来提供了更加可靠的决策依据。

大数据意味着巨量的数据, 其来源是多样化的, 政府、企业、媒体, 甚至工业设备、汽车等都能产生巨量的数据。大数据的特征除了体现在数量巨大之外, 还包括繁杂的种类和快速的处理技术等。大数据收集需要很大的经济成本, 大数据的应用具有较高的技术门槛, 但大数据的战略价值却是不能被忽视的。作为一种资源、一种技术, 大数据可以帮助实现经济社会发展的科学推进;可以帮助企业获取更大的商业利润;而对于高校教学而言, 大数据的出现及其应用技术的普遍推广, 无论是从理论上还是实践上, 都必然会带来很大的冲击, 一些学者已经开始对此进行研究, 主要成果包括:梁文鑫结合大数据时代背景和数据应用的典型案例, 从教师与学生两个方面分析了其对课堂教学带来的变革, 他认为, 基于大数据的应用, 教学决策将跨越人类的有限理性, 从依赖存在于教师头脑中的教学经验转向依赖于对海量教学案例的数据分析;同时, 对于学生发展的判断依据也从教师有限的理性判断转为学生学习过程中的数据分析。[1]陈律强调了在教育领域进行大数据分析的重要性, 他认为通过学习分析技术, 可以改变传统教学的经验式模式, 既能为学生提供高质量、个性化的学习体验, 又能改进教育工作者的教学方式, 并通过信息数据分析完善教学过程。[2]朱建平和李秋雅通过在线教育质量不断优化的案例, 从教学模式、教学观念、个性化教育、统计学科、专业人才培养、专业课程建设等六个方面分析了大数据应用对传统的大学教育教学带来的巨大的冲击和深远影响。[3]王林毅和于巧娥从人才个性化发展、教学方式革新、教育开放化、处理科学化等四个方面分析了大数据应用对传统教育的挑战, 他们认为教学模式的变革可以通过大型数据库的建立和完善、科学体系化的数据分类、大数据意识的树立与提升、科学化的数据分析方法的创建来实现。[4]王聚杰认为在高校教育方面, 大数据技术为高校教学改革提供了新的机遇和挑战, 并提出了大数据环境下高校教学改革的思路, 提出高校教师应采取的应对措施。[5]综上所述, 国内一些学者近几年已经意识到大数据应用将会对传统高校教学产生重大而深刻的影响, 并对此进行了初步的研究, 形成了一定的理论成果。然而在实践层面, 就我国高校教学而言, 目前对于大数据的价值认知及其应用目前还处在一个起步的阶段, 其大数据意识的确立以及大数据技术的深层次应用还有待于进一步提升。本文将结合大数据的特性, 探讨我国高校教学在大数据时代面临的机遇和挑战。

一、大数据时代高校教学面临的机遇

通过对大数据的收集和分析应用, 高校可以进一步完善传统的教学模式, 提升教育教学质量, 为学生提供更加个性化、优质化的教学服务, 同时, 也可以对今后的教学发展进行科学的预测, 进而为自身长远的发展规划提供科学的参考依据, 具体体现在以下几个方面:

(一) 教学决策更加科学

对于高校教师而言, 传统的教学决策更多地是依赖以往教学过程中积累的教学经验, 教龄的长短以及生源的变化等都会制约这一决策过程的科学性, 也即是源于人类自身的有限理性, 这一决策过程始终是有局限性的, 同时也带有一定的主观色彩。而在大数据时代, 通过海量的历史性教学数据以及学生数据的统计分析, 高校教师对教学实践的分析、反思和预测将更加科学客观, 教学方案的制定也会更加符合学生的实际, 其最终的教学决策将会变得更加科学有效。同样, 对于高校而言, 通过各类相关大数据的分析和应用, 其对今后教学发展规划的预测将更具广度和深度, 进而能够制定出更加科学的长远发展规划。

(二) 教学设计更加合理

大数据时代需要人们对数据进行深层次的挖掘和研究。数据挖掘的主要目的, 是发现隐藏在大量数据之下的社会规律, 并对事物未来发展方向进行判断, 即描述性分析和预测性分析。[6]对于高校教师的教学设计而言, 通过对每个学生相关的学习数据的整理和挖掘, 可以系统掌握学生的整个学习过程以及其中的各个关键环节, 如教学难点、学生兴趣点、关键知识点等, 从而可以更加合理地进行教学设计。而对于学校的整体教学而言, 同样可以依据教师、学生、教学资源等相关大数据的挖掘和分析, 进行更加合理的设计。

(三) 教学方式更加个性化

大数据的核心是预测。它是把数学算法运用到海量的数据上来预测事情发生的可能性。对于高校而言, 通过大数据技术, 可以对学生相关的各方面数据信息进行采集和分析, 获知每一个学生个体的学习规律, 并对其学习和生活等方面的需求进行科学的预测, 进而可以有针对性地采取更加个性化的教学方式, 可以针对具体的班级, 也可以针对每个具体的学生, 由此, 因材施教的教育理念将会得到最大限度的实现。

(四) 教学效果评估更加客观

教学效果评估是检验高校教学工作成效的核心指标之一。就数据指标而言, 传统的教学效果评估主要是根据一些结构性数据, 如学生的考试成绩、满意度调查以及就业质量等, 而在大数据时代, 高校可以在传统教学效果评估的基础上, 进一步通过大量有关学生的非结构性的微观数据进行更加全面的教学效果评估, 如图书借阅量、微博与微信等新媒体的应用记录等, 与传统的评估模式相比, 这样的评估过程更加立体、更加全面, 而且以此为基础进行的教学改革也会变得更加科学和有针对性。

二、大数据时代高校教学面临的挑战

置身在大数据时代, 面临新的发展机遇, 高校应借助大数据技术, 不断提高自身教育教学决策的科学性, 进而不断完善自身的教育教学体系, 为学生提供质量更高的教学服务, 但就现实层面而言, 面对大数据时代的来临, 高校依然面临以下几个方面的挑战。

(一) 大数据的收集

高校关于教育教学的数据主要包括两个方面, 一是教学资源数据, 二是有关学生的非结构性数据。教学资源数据多为结构性数据, 可以通过学校各相关部门进行系统的收集, 如通过教务处可以获取学校整体的课程资源、试题资源、实训室资源等相关数据;通过教学督导部门可以获取学生对教师及课程资源的反馈信息数据等;又如通过图书馆, 可以获取学生在使用图书馆服务时会留下巨量的借阅记号、阅读痕迹等数据, 当然, 教学资源数据的收集也包括校外相关数据的收集, 如各相关高校的教学资源数据以及在线教育资源数据等, 总体而言, 上述关于教学资源数据的收集是一项非常庞大的工程, 且需要进行系统地数字化的处理和保存。

与教学资源数据的收集相比, 对于学生相关非结构性数据的收集难度要大得多。此类数据的收集需要确保学生是在自然状态下产生的信息, 而非在人为控制的环境中, 在这一原则下, 上述通过图书馆的数据收集是一种非常适合的方式, 同时通过各教学组织单位以及学生管理部门的记录也可以收集到相关的数据。另外, 通过其他社会组织、商业组织及网络媒体获取的关于在校学生和毕业生的相关数据信息, 但此类信息数据大多涉及个人隐私, 学校必须对其严加保密, 严防泄密, 坚定地维护学生的隐私权。

(二) 大数据应用技术人才的培养

大数据应用具有较高的技术门槛, 高校对于大数据的收集和大数据技术应用, 一个最重要的动因就是通过全面、深入的数据分析来提高教学质量, 并提高对自身以及学生长远发展趋势的预测能力, 这需要高校有专门的技术人员熟练掌握大数据应用技术, 并在科学、可靠的数据分析模型基础上对数据资源进行挖掘, 亦或是高校与专业数据分析机构加强合作。由此, 在高校内部强化大数据应用人才队伍的培养已变得十分迫切。

(三) 大数据专门机构的设置

大数据不仅代表一种技术, 更体现出一种思维, 处理大数据不仅需要技术, 还需要掌握技术的人才。对于高校而言, 面对大数据应用的必然趋势, 要提升教学质量, 提升自身的核心竞争力, 就必须成立专门的大数据机构。而且高校关于教学和学生相关数据的收集和应用是一项庞大而系统的工程, 其核心步骤包括三个方面:一是数据的收集, 包括教学资源数据的收集和学生相关数据的收集;其二是对这些数据进行数字化处理;第三是数据处理, 即通过数据分析为教学改革和决策提供科学依据。以上工作仅仅依靠图书馆、教务处、就业部门或某一具体的教学单位等单一的机构是无法完成的, 这就需要学校设置专门的大数据组织机构, 协调学校各相关部门, 建构科学可行的数据统计和分析模型, 并以全面详实的统计数据归纳分析相关的关联关系, 为学校的长远发展规划和教学改革提供科学依据。

在大数据时代, 高校的教学面临前所未有的机遇和挑战, 通过数据的收集和大数据技术的广泛应用, 高校可以对学生的教学需求以及自身的办学趋势进行科学的预测, 可以改变以往经验式、单向度的教学模式, 实现更加个性化、优质化的教学效果, 进而在人才培养领域不断提升自身的竞争优势。

参考文献

[1]梁文鑫.大数据时代——课堂教学将迎来真正的变革[J].北京教育学院学报 (自然科学版) , 2013, 8 (01) :14-16.

[2]陈律.大数据背景下学习分析技术对教学模式的变革[J].中国教育信息化, 2013 (24) :15-17.

[3]朱建平, 李秋雅.大数据对大学教学的影响[J].中国大学教学, 2014 (09) .

[4]王林毅, 于巧娥.基于大数据的教学模式探析[J].教育评论, 2015 (05) :114-116.

[5]王聚杰.大数据背景下高校教学方法改革模式探讨[J].考试周刊, 2016 (78) :5-6.

大数据时代背景下的信息化教学 第10篇

一、大数据时代

大数据的真实价值如同漂浮于大海中的冰山, 远看只能看到冰山之一角。大数据本身是一个非常抽象的概念, 其精髓在于我们在分析信息时的三个转变, 这些转变会影响我们理解和组建社会的方法。改变之一是, 我们可以分析大数据时代中的更多数据, 甚至可以在一些时候来处理一些特别情况的相关所有数据, 而不用去依赖于随机采样。改变之二是, 我们无须再去追求精确度, 因为可以研究的数据足够之多。改变之三是, 在前两个转变基础上我们无须热衷于寻找因果关系了。大数据时代是名副其实的信息社会, 收集来的所有数字信息我们现在都能够用新的方式来利用, 由此可以利用所有事物的新的价值方式。

二、大数据时代背景下教学的变革

越来越少的办公室, 越来越多的实验室;越来越少的教室, 越来越多的咖啡厅和厨房;越来越少的课堂, 越来越多的网络;越来越少的讲授, 越来越多的交互;越来越少的编制, 越来越多的合作……

互联网技术的发展和现代信息技术的变革, 促进了教育的在线化和网络化。全球任何愿意接受并学习的人未来可以低成本地获得优质教育资源, 免费享受全球一流大学开放的优质课程。这种方式下, 可以对学习过程中产生的大规模数据进行收集、分析、整理、归纳, 促进了课程资源的反复检验和改进, 提升了在线教学资源的优质性。上述基于大数据的教学模式对传统教育将会带来巨大的冲击和深远的影响。

1.大数据转变了信息化教学观念。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, 大数据的发展带给教育一场新的革命。谁能更好把握大数据, 谁就会在未来的竞争中获得更多主动权。伴随着信息技术的进步和大数据的不断发展, 大规模在线教育平台将给高校教学观念带来深刻影响。在未来几年, 人们学习的最主要场所将不再是大学, 而是互联网。处于大数据时代背景下, 我们获取知识的途径不再是仅仅课堂, 线上学习也成为学习知识的主要途径, 课堂可以成为交流学习成果、答疑解惑的场所。网络课程上的学习行为数据将自动留存, 易于后期的学习行为评价和评估。并且线上学习能做到个性化教学, 根据个人的学习数据制定相应的学习计划和辅导。利用数据挖掘的关联分析和演变分析等功能, 在学生管理数据库中挖掘有价值的数据, 可得知各种行为活动之间的内在联系, 并作出相应的对策。

2.大数据引发新的教学模式。在大数据时代, 教师的讲授途径将不再仅限于课堂。互联网技术的快速发展, 使得在线讲授日益成为传播知识的一种途径。与按部就班、限定时间空间的传统课堂教学模式相比, 在线讲授将提供更加灵活的时空, 教师可以更方便地整合资源。虽然在线讲授有很多优点但是我们不能简单粗暴地将在线讲授取代传统教学模式, 而应该致力于将两种教学模式有效结合, 开发出一种适合本学校本专业的一种新型教学模式。

在这种背景下, 本中心组织了一批优秀师资开发了一款智能教学云平台系统 (863项目) , 来配合传统的教学模式。

教师可以在该系统中详细录入自己教学的所有课程、班级以及所用教材;对每一门课程的整个学期详细记录教学进度规划 (可以以周进度做管理) ;可以录入每门课程的所有知识点, 以二叉树的方式进行分级管理, 这些知识点应用在整个系统的其他项目中, 可以被数字化并与大纲、作业、测试题每个环节建立联系;在案例课件系统中, 教师可以上传和课程相关的案例课件, 以供学生下载课后学习, 巩固课堂学习以及课外拓展学习;同步讲解系统中可以上传一些知识点的讲解录像, 以供学生课前预习和课后复习;智能作业系统改变了传统作业模式 (参看图2智能作业系统) , 收发有序、素材下载系统方便、作业评分直接纳入学生平日成绩计算;演示系统教师可以放入相关教学模型、教师作品、历届学生优秀作品供学生课外学习;智能电子书包系统可以放入相关素材、信息供学生自行下载。

大数据时代的典型思维是基于数据分析的决策, 结合863智能教学平台后的新的教学模式下, 教学过程不再是简单的课堂板书和PPT讲解, 而是将整个教学过程做了课后相当程度的延伸, 促进学生课前对课程的整体了解, 课后对课程的系统回顾。全新的智能教学平台不仅仅是单个老师对其教学过程、教学方案、教学问题以及对问题的解决方案进行分析, 而是整合了所有教师资源, 互相可以参考借鉴, 数据可以在一定程度上共享。当某种记录与分析达到一定数量时, 通过对相关数据的分析将会为有需要的教师提供一些教学问题的解决方案。教学问题解决不再依赖于停留在每位教师头脑中的模糊的经验, 而是基于对海量的教学问题的描述以及教学问题解决方案的分析。另外在新的智能教学平台下, 得到的学生信息更为具体且能得到更有效高效的整合, 便于教师分析班级学生状况, 对比同课程下不同班级状况, 根据学生的学习进展不断调整之后的学习内容和重点, 及时调整教学进度、难易度, 在把握学生情况上也提高了一定的效率。这种传统课堂教学模式和863智能教学平台结合下的教学模式, 使教师教学更加规整化, 资源管理的高效化, 大大提高了教学效率。

3.大数据引发新的学习模式。在大数据时代, 学生的学习途径也将不再仅限于课堂, 学生的学习过程也将逐渐数字化, 传统课堂学习之前和之后的在线学习日益成为学习知识的另一种途径。与按部就班、限定时空的传统课堂学习模式相比, 在线学习有更自主的学习空间。虽然在线学习有很多优点, 但是我们同样不能将在线学习取代传统教学模式, 而应该致力于将两种学习模式有效结合, 真正集二者之优。上述的863的智能教学平台不仅仅为教师所用, 学生在其中也占据了半壁江山。

在该智能教学平台下, 教师所管理的大部分模块 (教学进度、知识点库、案例课件、同步讲解、演示系统、智能电子书包等等) 学生都可以浏览学习, 传统教学下教师的神秘教案都变成360度开放式的公园, 学生的权限空前地提高。另外给学生提供了问答系统的平台, 让师生互动不再受时空限制, 更为及时更高效。另外这里的问答, 不仅仅局限于师生之间, 更扩展到学生之间, 同学之间可以互相回答问题, 并采用累积绩点的方式, 积极有效地回答可以纳入平时成绩的计算, 让同学间的相互学习成为一种可能。另外还有一个测试反馈系统, 学生除了在该系统下可以线上学习问答, 甚至可以在该系统下根据教师的设计进行课后的单元在线测试。学生可以随时了解自身的学习情况, 在每单元下自身对自己进行考量, 对自己学习进度程度进行把握, 便于及时调整学习方法。还有一个作品展示环节, 学生可以充分发挥自己的能动性, 将和课程相关的作品上传至系统, 让观看的同学和教师做出实时评价, 给新时代学生更多的展示自我的空间和舞台, 自然这些也都可以纳入学生平日成绩的累加。

利用全新的智能教学平台下的在线学习, 可以更大程度上提高学习效率, 激发其进一步学习的动力, 一定程度上增加学生的自身成就感。一些交互式问答和在线测试克服了传统教育模式下单向灌输知识的局限, 引导学生更进一步地积极学习与思考, 更好地真正掌握知识。另外学生的学习行为也会被系统记录下来, 哪些课件浏览得多、同步讲解播发的频率、问答中各个知识点出现的次数、测试结果 (这个可以不纳入成绩计算仅用于教师把握) 如何、学生作品的好坏难易度等等。大量同学的行为数据累加到一定程度后, 可以对该数据进行一定的分析统计归纳, 便于教师对各个班级学习进度进行一定程度的微调、对某些知识点的再讲授、对不同同学的因材施教。对整个系统不同老师相同班级课程的综合数据分析, 可以对该门课程的教研组的教研方针给出一定的意见建议, 便于一定程度上的修缮。

三、结束语

在大数据时代背景下的信息化教学, 颠覆了传统的教学模式。在全新的863智能教学云平台系统下, 来配合传统的教学模式, 教师之间、师生之间构建了一种联系, 一种共享交流的途径, 更高效地利用了资源, 提供了一种更和谐的氛围。有助于教师之间的互相学习, 有助于教师更及时把握学生的学习情况, 有助于学生在一个半小时的课堂教学以外可以获得更多的资源信息和方法。无论对于教师的教学模式还是学生的学习模式都是一次全新的变革。

参考文献

[1][英]维克托·迈尔-舍恩伯格、肯尼思·库克耶.大数据时代——生活、工作与思维的大变革[M].杭州:浙江人民出版社, 2012.

[2]沈学琣.大数据对教育意味着什么[J].上海教育科研, 2013, (9) .

大数据时代下的大学英语教学新模式 第11篇

关键词：大数据；大学英语教学模式；教育数据挖掘；学习分析

中图分类号：G434 文献标志码：B 文章编号：1673-8454（2016）15-0080-03

引言

当下，大数据一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据。有人宣称掌握大数据的人可以像上帝一样俯瞰整个世界。各行各业更加意识到，谁能率先实现大数据，谁对大数据的挖掘和应用更为深刻，谁就将抢占未来先机。教育行业也不例外，对于教育行业来说，大数据是传统教育研究走向科学实证的重大机遇。

一、大数据特点

“大数据（big data）”这一概念对于我们来说已不陌生，维基百科上给出的大数据定义是：数据量规模巨大到无法通过目前主流软件工具获取、管理、处理、整理，成为帮助企业经营决策，达成更积极目的的信息。[1]国际数据公司（IDC）认为，大数据是符合4V特征的数据集，即海量的数据规模（Volume）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）、巨大的数据价值（Value ）。[2]美国教育部在2012年10月发布了《通过教育数据挖掘和学习分析促进教与学》（Enhancing Teaching and Learning Through Education Data Mining and Learning Analytics）报告，内容主要包括以下五个方面：个性化学习解读；教育数据挖掘和学习分析解读；自适应学习系统中大数据应用介绍；美国教育数据挖掘和学习分析应用案例介绍；美国的大数据教育应用挑战和实施建议。指出“大数据”具有数据量大、数据多样和数据产生速度快三大特征。[3][4]

大数据的创新是沿着从数据到大数据，从分析和挖掘到发现和预测的方向发展的。随着各种云平台的应用，大数据也越来越多地引起关注。翻转课堂、MOOC和微课可以说是大数据变革教育的第一波浪潮。

二、教育中的大数据应用

教育领域中的大数据有广义和狭义之分，广义的教育大数据泛指所有来源于日常教育活动中教师和学生的行为数据，它具有层级性、时序性和情境性的特征； 而狭义的教育大数据是指学习者行为数据，它主要来源于学生管理系统、在线学习平台和课程管理平台等。[4]

美国教育部《通过教育数据挖掘和学习分析促进教与学》报告指出：教育数据与其他领域的数据比较起来，有一些独特的特征。总结起来就是教育数据是分层的（hierarchical）。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。掌握了不同层级的数据，就可以为身处不同层级的人提供相应的数据报告，帮助他们更好地认知“Where they are， what they know， what they can do to improve”，辅助更科学的决策。[3]

大数据在教育中的应用流程也可以简单地概括为三步：

第一步，数据的获取（含数据整理和存储）。理论上说，未来的智慧教室，可以从各种传感器记录学生的行为。台湾有个教授研究的智能椅垫就是其中的一个例子，学生坐在这个垫子上，就会自动记录他的压力分布，从而分析出他是否注意力集中等等。还在研究的比如和模式识别相关的，通过摄像头和传感器的实施分析，捕捉每个孩子的学习状态。也可以靠电子教材，电子题库等等，把考试、练习这两个环节打通，把考、学、练三点一线串起来，获取数据。未来应用还可以通过可穿戴设备获取数据。

第二步，数据的分析。这个是学习分析学的范畴，需要对停留时间，反复程度做详细分析，定位一个学习难点，还需要有语义分析，机器学习等等内容以及背后的学习心理学支撑。

第三步，数据的呈现。呈现最重要的课题是“自适应学习”。其实这是和学习分析学相关的，也就是说，分析出来学生需要加强的地方，同时配套的考、学、练部分也就自动加强。考，托福考试的机考某种程度上说也是自适应调整。练，一般是根据之前的数据积累，以及对上一道题的分析，出下一道题。学，涉及到学生综合素质评测的问题，是个综合结果。

大数据在教育中的应用促使了翻转课堂、MOOC和微课程的出现，也开始改变了传统的教育模式。在翻转课堂中，学生可以根据个人情况自主制定学习进度，老师可以根据学生在做题的数据，有针对性地了解学生学习上遇到的问题。传统课堂不再讲解新课，而成为学生当堂做作业、讲解问题或做实验的场所。MOOC的出现就是升华的翻转课堂，MOOC的兴起，使“用视频再造教育”的学习模式迅速推广到高等教育，而且进展到可以通过选修MOOC获得学分、进入正轨教育的程度。而微课程是对翻转课堂的回应，是学生自主学习不可或缺的资源。微课程是教学视频浓缩精华的微型课，微课程实践的积累，将导致微课程群的形成，微课程群的应用又会形成新的应用数据，将有利于大数据分析与挖掘、发现与预测的创新应用。

三、大数据背景下的大学英语教学新模式探索

“语言是人类思维的载体，研究语言，研究怎么应用语言，这是非常值得做的事情，尤其是在大数据时代” （中国工程院院士李德毅）。首都师范大学副校长周建设指出，中国目前有超过1亿在校学生学习英语，通过对海量教学数据的收集和分析更能客观真实地反映学生英语能力和教学效果。大学英语教学新模式要坚持“以学生为主体”的原则，充分考虑不同层次学生的要求，形成 “语言+文化+应用技能”的课程要求和“分级、分课型”的教学模式，注重培养学生的英语综合应用能力，特别强调听说能力和自主学习能力，使大学英语教学个性化，并具有可操作性，使得基础课的语言能力与文化素质课程培训和应用能力培养能有机结合，为非英语专业的学生拓展知识、提高文化素养提供多种选择。

1.单词学习新模式

结合MOOC平台进行单词教学。大数据可以使得语料内容对单词学习进行反哺，比如可以先选择自己想要学习的词汇表（比如四六级词汇），选好后即进入单词的学习。每一个单词都被设定为会在用户面前穿插出现多次，只有用户每一次都精准地记住了、选对了词义，系统才会 “放过” 这个词，而后不断汇入新的词让用户学习。听到的不会的单词可以加入单词本，过后可以继续学习、复习。每个单词都配有多个例句，这些例句大多来自有声读物、美剧、名人演讲、欧美金曲等趣味性比较强的内容，可以让用户除了记住词的拼写以外，还能把单词置于句子中去理解它在不同场景下的具体意思和用法。

在大数据背景下，系统可以自动从互联网采集课程——基于时间轴断句、基于原文分词，自动化、规模化地积累语料库，而这些被拆分出的句子就可以贡献给单词作为例句。语料库规模化之后，这个系统还可以拓展到词组、句子的学习。其实目前学单词的APP已有不少了，比如“扇贝单词”、“拓词”、“百词斩”、“不背单词”等可供选择。笔者在大学英语教学中向学生推荐了上述学单词APP后，学生背单词的兴趣和效率提高了很多，背单词不再是一件机械枯燥的单一任务，而是将听、说、读、写、背融为一体，将考、学、练有机结合的全方位学习体验，充满了乐趣和挑战。 这进而极大地促进了学生学习英语的热情，很值得推广。

2.口语学习新模式

结合当前已有的交互式外语口语训练平台进行教学，利用智能语音分析技术，可以从发音、节奏、音量三个层面去分析比对学习者所说的英语，并给予评分，借此帮助学习者通过自主学习，切实高效地提升口语和听力能力。同时此类平台还能够详细记录学生的学习情况，包括学生的在线学习时间以及学习次数，使老师在教学中有效掌握学生的学习进度与学习目标，实现针对不同层次学生的个性化教学要求，有效评估学生学习成绩。教师也可以把口语作业放在训练平台上，比如要求学生训练成绩不低于80分，这样学生就可以在系统的指引下，不断修正口语达到要求；这种模式也可以应用在较大范围内的口语竞赛上，不仅举办简单，而且学生兴趣盎然。这样的平台目前有“口语伙伴”、“Myet”、“畅言交互式多媒体教学系统”等。

3.阅读教学新模式

在大学英语阅读教学实践中，要努力激发学生的学习动机，强化英语阅读技巧训练。结合MOOC平台进行阅读教学，首先，收集学生阅读难句，学生在平台上阅读文章（可以是十年来的四六级考试阅读题），凡有读1-2遍不懂的句子，均作标记，系统会自动记录下来。搜集的数据有一定规模后，即可进行专项的阅读难句训练，每天系统自动推送阅读难句供学生来读，支持学生的各种BYOD（自带终端），系统提供针对每个阅读难句的交互式问答训练，直到学生读懂读顺为止；开始难句较多，直到几十句以后，会越来越少，一个月后几乎没有了。因为大脑已经熟悉了这些难句的结构，可以预判和自动整理语序，这样可以大幅度提高阅读速度和能力。此外，系统也可以进行词频统计，自动统计历年来阅读考试的词汇频度顺序，让学生对高频词汇重点记忆，使阅读薄弱的学生逐步减少阅读障碍，激发阅读兴趣。目前，针对阅读教学的平台工具较少，大多是只实现了部分功能的小型工具软件。

4.英语写作教学新模式

传统英语写作教学中，教师上课讲解理论知识，分析写作素材，布置写作任务，学生课后完成作业，教师会按照要求对作业进行批改，之后将作业发还给学生。这种教学模式效率低下，学生常常因为上交作品不能得到教师及时批阅和针对性的反馈而失去热情，作业应付了事。大数据时代对传统写作授课方式产生了冲击。首先，在写作教学资源方面，通过互联网学生可以获取丰富、多样化的写作素材，静态和动态语料库以及功能强大的检索工具、网络搜索引擎可以为大学英语写作教学提供诸如写作内容、词汇、搭配等方面信息和帮助。其次，在写作过程中，学生可以随时查阅资料，克服语言、内容上的障碍，同时学生与学生之间或学生与教师之间实时在线互动，作品互享，学生不仅能够互相学习，还能够及时发现写作中存在的问题。最后，在评估方面，近年来还涌现出了一批作文自动智能评估系统，能够从词汇、语法、篇章和内容等多维度进行评价，并给学生的写作同步提供各类反馈信息，为学生提供及时有效的建议，提高英语写作教学的效率。[5]此外，大数据还能够帮助教师进行技术分析，了解和掌握学生的实际学习情况，并结合学生特点以及教材内容等制定科学、合理的教学计划。例如，中国高校英语写作教学协同创新联盟发起的“中国学生英文写作能力调研活动”，通过在线平台“批改网”可以在一个月的时间里搜集到近百万篇同题英语作文，在较短的时间里获得体量庞大的英语作文电子数据。更重要的是通过对海量数据进行分析挖掘，可以从多角度客观真实地反映中国在校大学生英语能力和英语教学效果，获取有助于英语作文评判的数据标准。英语写作平台目前有“批改网”、“体验英语写作系统”、“极智批改网”和“新东方批改网”等。北京林业大学大学英语采用“批改网”作为作文教学的辅助手段，效果显著。学生在创作过程因为有多渠道的帮助，网上提交的作品质量比以往有很大提高。

结语

大数据时代可以让教育者真正读懂学生，大数据使“经验式”教学模式变为“数据服务”教育模式。教师可以根据数据关注每个个体学生的微观表现，通过学生相关数据的分析，有针对性地调整教育方案，从而实现个性化教育。未来的学习将是大数据驱动的新时代，教育从业者最好的选择就是积极迎接这个新时代，通过大数据来分析学习进程和结果，进一步改善教学的方式与方法。

参考文献：

[1]Big data--Wikipedia， the free encyclopedia[EB/OL].[2013-09-23] http：//en.wikipedia.org/wiki/Big_data.

[2]John Gantz & David Reinsel. Extracting Value from Chaos[EB/OL] http：//www.emc.com/collateral/analyst-reports/idc-extracting-value-from-chaos-ar.pdf.

[3]Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics [DB/OL]. [2012-10-12]. http：//www.ed.gov/edblogs/technology/files/2012/03/edm-la-brief.pdf.

[4]徐鹏等.大数据视角分析学习变革—美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J]. 远程教育杂志，2013（6）：8，11-17.

[5]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）：66-72.

大数据时代的英语教学 第12篇

一高等教育普及化背景下本科培养目标的重新审视

高校在很长的一段时期内承担着精英教育之重任, 这一传统至今仍在很大的范围内影响着高校的办学理念和办学准则。直至如今, 高校的一些排名准则都是以学科前沿研究为主要衡量指标。基于传统观念及其他因素的导向作用下, 重视高端研究, 偏废学科应用型人才培养是当前国内高校普遍存在的现象。有一些地方高校, 并没有把学生的培养放在学校工作的重要位置。在高等教育普及化大背景下, 全国高校本科毕业生从2001年的114万到2014年的727万, 按照2014年全国研究生录取人数56万人计算, 每年全国高校本科毕业生中90%直接走向社会, 担负起国家生产建设和管理服务工作。高校的工作重心已与自身的责任及社会实际需求产生了偏离。我们应该重新审视本科教育的价值所在, 摆正我们的培养目标, 改革教学方法, 使高等教育机构更好地为国家现代化建设服务。

1. 能力培养是当今高等教育的重点突破方向

大学生能力培养是当今高校人才培养的重点突破方向。我国的青年学生在国家高考制度、研究生入学考试制度的升学考核环境下成长, 无论在小学、中学还是大————————————————————————学, 教育的目标是希望培养对象进入更高层次的培养环节, 而每一个环节就像流水作业的一道工序, 教育者的目标是要使培养对象经过本环节加工, 然后通过考核进入下一道工序, 很少考虑将来的成品在社会上发挥什么作用。而在高等教育比较发达的欧美国家, 教育机构的培养目标设计更多地考虑毕业生在社会上将扮演什么样的角色。研究生入学除考查学业成绩外还注重考查学生的社会责任心和社会活动能力, 本科阶段已展露学科应用能力的学生和具备学科研究能力的学生同样受到重视。从中学开始, 学校的课程教育就联系社会实际问题, 在课内外组织学生进行研讨, 学生有更多的机会在教师指导下对社会实际问题进行思考、查找文献资料探索解决问题的相关方法、写研究报告。学生更多地接触现代社会实际问题, 同时也有更多机会了解当前的科学研究现状。这样的教育方法和学习环境, 更有利于学生从不同视角研究问题, 从更大范围汲取知识, 了解最新科研进展和成果, 更有利于培养具有创新意识的研究型和应用型人才。我们的本科数学课堂教学的确教会了学生许多课本上的知识, 但学生多数是在被动的情况下被告知、被教会和被考试逼迫去练习的, 自主思考时间少, 接触社会实践少, 基本没有自主搜索最新科研成果的习惯。与高等教育普及率较高的其他国家相比, 我们有基础比较扎实的优势, 在考试中可以体现出这一点。但是从创造成果的角度来看, 我们的学生并没有在数学应用于专业研究的能力方面展现特长。这就是为什么中国的留学生考试能力强, 但最终科研领军人物和技术创新人物并不占优势的根本原因。我们的高等教育只有重视综合能力培养, 包括自主学习能力、科学研究能力和实践应用能力, 才能改变这一现状, 而能力的培养, 完全可以从数学课程开始, 从基础抓起, 才能使专业知识的研究与应用更有质量。

2. 创建研究性的学习环境是高校数学课程能力培养的关键

高校基础课程教育格式化是当前国内高校普遍存在的问题。特别是数学课程, 全国都在用相同或几乎相同的教材, 传统教学方式的主导是一个方面, 对于工科及经管类专业, 数学课程作为研究生入学考试的统考课程, 高等数学、线性代数以及概率论与数理统计课程的考研大纲在规范大学公共课程教学目标的同时, 一定程度上也制约了数学课程的特色化发展。或者说, 大学数学课程在一定程度上被格式化了。依照现在的高等教育规模, 高校培养的人才过于单一, 势必造成很多专业毕业生在就业市场上的过剩和竞争劣势, 这也是高等教育投入的巨大浪费, 更是人才资源的浪费, 对国家建设和学生造成损失。我国正处在经济高速发展时期, 不同行业企业的产品开发与贸易活动活跃, 需要大批新一代知识与能力多元化的创新型人才, 而高校作为人才市场的供应方应培养符合地方经济特色需求的人才为多元化经济服务。事实上, 据我们了解, 很多高新技术产业需要的人才缺口还很大, 但是从高校毕业生中却找不到专业技术相符合的人选。全国同一版本的本科毕业生已经供过于求, 而社会发展过程中所需特殊人才却很难在新毕业生中找到, 这是高等教育体系依据自己的教育模式闭门造车, 未能与时代同步发展所造成的。

教育机构是服务社会的特殊机构, 担负民族振兴之重任, 应该认真负责任地根据就业市场需求及学校特色做好培养方案的改革, 不能依靠垄断地位我行我素, 搞形式主义, 与社会需求脱节。为什么中国每年到欧美国家留学的学生人数远远多于欧美国家学生到中国留学的人数?原因很清楚, 人家的高等教育比我们先进。我们要努力缩小差距, 只有把高等教育办成全面引领社会科学与经济技术发展的领跑者时, 毕业生才能活跃在科学研究及广阔的社会经济领域, 并发挥积极作用, 产生推动社会进步与经济发展的巨大效应。高等教育要制造掌握最新科学技术、渗透到社会各行业的多元化人才, 才能创造高等教育的真正繁荣。

二数学课程的结构与教学模式设计要创造大数据时代研究性的学习大环境

人类正面临一个大数据时代, 全球信息共享为科学与技术进步提供了前所未有的便利, 而科学技术进步需要以数学进步为基础, 因此, 现代信息技术环境下数学综合应用能力培养是当前本科公共数学课程教育的重要任务。现代数学与计算机科学的发展与交互作用使数学知识在实际应用领域有了越来越广阔的空间, 国内中学已普遍把上世纪中叶发展起来的运筹学中的线性规划介绍列入数学课程, 国内外许多高等院校也普遍在计算机软件、系统工程、经济、管理、商学等专业设立运筹学、算法设计、数据挖掘等数学与计算机学科的交叉课程。数学课程在工科及经管类专业中占有非常重要的地位, 但是有限课时的课堂教学能够讲清楚的数学知识非常有限, 我们只能将这些课时用于学习最基本的和最经典的理论, 以保证我们的公共数学课程教学内容与研究生入学考试复习大纲相一致。而这些数学知识在社会实践中远远不够用, 学生对脱离实际背景的理论知识理解非常有限。特别是面向大数据处理的综合数学与计算机实现能力的问题, 即使在我们的实践课程中, 学生得到的训练也不足。

我们从中学到大学读了十年英语, 为什么多数中国大学生还是不能熟练运用英语进行交流?是因为缺少应用环境, 还有课外泛读内容太少。大学生需要更多地了解教材之外的数学知识, 需要创造课内外联动的数学知识泛读环境和应用环境, 才能使学生能够在知识面上达到一定的广度。在知识更新与发展迅猛的当今, 学生需要学会根据面临的实际问题去有目标地寻找解决问题的方法和工具, 充分利用信息社会给我们提供的各种便利条件解决实际问题, 这需要设计以学生能力培养为目标的数学课程结构和教学手段, 更需要创造课外研究性学习的大环境。

1. 数学课程结构设计要突出综合应用能力的培养

数学课程的结构设置要形成能力培养的有效体系, 特别要突出综合应用能力的培养。目前高校数学课程教育普遍存在各门课程的教学都是在独立的情况下完成, 虽然课程有选修课约束, 但是, 不同课程之间具有错综复杂联系的问题学生了解得非常少, 知识碎片化是当前数学教学普遍存在的现象, 学生只会解教材上只涉及单一知识点的经典问题, 而社会实际问题往往错综复杂, 创造性地将所学知识应用于实际问题求解的训练太少。培养计划中数学选修课程和必修课一样重要。但是选修课程的设置要有目标。特别是工科及经管类专业的数学选修课程设置, 不但要拓宽学生知识面, 更要以数学应用能力培养为核心。数学类公共选修课, 教学内容设计一般不在专业所在分院完成。数学课程设置科学与否影响到多少学生, 每个学校都可以算一下这笔账。数学基础扎实、综合应用能力训练到位、具备较强的研究能力的学生, 在专业发展中才有可能达到高水平。因此, 数学课程的结构性设计和选修课内容筛选, 学校要从整体上充分重视, 并根据学校专业特色与师资合理规划。当前, 在数学必修课程规范化同一化的情况下, 数学选修课程如果能够与必修课形成体系, 形成学校培养特色, 成为工科及经管类专业发展潜质, 则是学生长远发展与学校教学建设的大事。

2. 数学能力培养教学模式的设计

高校数学教育, 要实现让学生以更广阔的视野了解现代数学, 学会处理生产与经营管理中涉及大数据的复杂实际问题, 教学模式设计同样重要。常规课堂教学中, 定义—定理—实例教学模式选择的实例一般都只是涉及范围较小的知识范畴, 方法比较明晰, 数据量也较小。如果只是采用这一种教学模式培养学生, 则学生面临大数据、多种因素纠合在一起的实际问题就会束手无策。而学生所修计算机程序设计课程也因为缺少大数据数学问题作为载体而缺少实际训练, 忽视数学应用能力培养将同时造成数学应用能力与计算机应用能力的偏废, 将严重影响学生专业特长的发挥。因此, 数学应用能力培养, 不是一门简单的课程可以解决的, 需要采集较为复杂的实际应用问题, 该问题可能涉及教学内容以外的数学知识, 教师要引导学生在研究问题的同时查找相关学科的最新研究成果, 而且, 由于考虑问题的角度或立场不同, 解决问题的方案可以有很大差别。而且, 这种指导性质的教学一定会从课内延伸到课外, 从而对学生的学习习惯产生影响。

3. 数学建模课程与全国大学生数学建模竞赛

与高等数学、线性代数以及概率论与数理统计等高校传统数学课程相比, 数学建模课程无论是在课程性质、课时, 还是在教学内容与教学方式上都有较大的灵活度, 不同高校覆盖面差异大, 教学内容与教学方法具有各自不同的特色。由于数学建模的研究对象是实际问题尤其是热点问题, 没有数学范畴限制, 实际问题本身往往错综复杂, 并不表现为教材中的单一经典问题形式, 而是结合了许多综合确定性和非确定的数学、物理、经济以及工程问题。从实际问题出发→数学模型建立→算法设计与计算实现, 这一完整和系统的研究过程与计算实现训练对培养学生在实践中的数学应用能力有很好的提升作用。但是综合程度较高的实际问题驱动的教学对师资建设、教材编写提出了很高的要求, 因此, 国内各高校一般都是在部分学生中实施这种教学方式而未能实现大面积推广, 很多高校在本科数学应用能力培养的课程设置目的只是争取全国竞赛中的奖项, 因此, 课程受益面仅仅局限在一小部分学生中。对于国内大多数高等院校, 问题驱动的数学教学在教学内容研究、教材建设、团队建设、理论课程与实践课程合作方面都有待我们努力拓展。

全国大学生数学建模竞赛无疑对学生选修数学建模课程形成了激励作用, 课程需要课内讲授与课外指导相结合的教学形式、配合学生组队合作对问题反复研究讨论的过程, 这种课程与竞赛相衔接的研究性学习和训练经历对学生的自主性学习能力是很好的培养和锻炼。数学课程是否可以以此为契机, 在本科学生中全面推广以综合应用能力培养为教学目标的数学课程教学, 使我们的学生在数学理论的综合应用、大数据问题数学软件的计算实现、计算方法设计与编程能力得到亲身经历的系统训练, 创造师生之间和学生之间活跃的课外互动氛围, 树立团队合作的良好意识, 使高校输出人才能够在社会实践中发挥更高的专业水平。

参考文献

[1]安静.大学生数学应用能力的培养浅析[J].数字化用户, 2013 (6)

[2]苏理云、叶志勇、宋江敏等.以数学建模为平台提升大学生的应用、实践与创新能力[J].教育教学论坛, 2012 (11)