大数据教育课堂

大数据教育课堂（精选11篇）

1.大数据教育课堂 篇一

大数据时代的教育变化

来源： 中国教育报 2014-06-16 我们正开始步入大数据时代。

这是一个我们从来没有经历过的时代，也是千年未有过的大变革的时代。大数据时代将深刻地影响着人们的思想观念和生活方式，毫无疑问，也将深刻地影响着我们的教育。和过去的网络时代相比，教育受到的影响甚至震荡更加巨大和彻底。网络时代教育在局部观念和一些技术上面受到了迅捷广阔的影响，并按照人们的意识按照人们的设定在大步阔步前行，由于网络时代的传统数据是人为的有选择性的阶段性录入处理，大数据是非人工的机器全过程的观察录入整理使用，因而真正的大数据时代，则常常不再以人们的意识为转移，更多的是来自于大数据本身对于事务以及活动乃至于人类发展的判断了。

因为大数据时代数据的多样化、海量化、快捷性、灵活性以及复杂性，自然会对我们的教育带来以下巨大的影响。

教育资源的优质化更普及 因为大数据的广泛使用，一个地方一个地区一个国家乃至全世界，最优质的教育资源将被广泛分享，每一个角落每一位学生都可以分享到最顶级的教师教学指导。其教育内容的演示乃至还原，都可以因为大数据时代的到来而更加深刻透彻明白晓畅，教学过程中信息的不必要的扭曲变异衰减大为减少，教育的情景化趣味性大大增强，学习自然就变得更加轻松顺畅。教育内容的选择性更大 过去我们的教育收客观条件局限，不可能给受教育者提供多样性的选择，而随着大数据时代的到来，不少地区和国家都在探索实践，我们国家一些高校和一些中小学也在进行尝试，就按照传统教育观念设置的课程而言，都有了无限多门课程供自己选择的可能。足不出户就可以自行点击和选择全球名校的课程进行研修，也可以通过网络等选择国家贴近生活贴近需要的实用类的内容，以及探索研究虚幻的浩渺的极其宏观和非常微观世界的内容等非传统意义上的课程内容来学习。

教育过程的个性化更强 人和人之间的学习差异可以不再困扰教育工作者，学生可以根据自己的兴趣爱好和学习能力去寻找更加适合自己的教育，同时大数据时代的教育也能够较早较好地为学生提供更加适合该学生的学习课程设计，没有必要再像工业化时代一样去面面俱到地完成各门课程的学习任务，学生的走班制将进一步演变为走课制，班，包括不同层次的学科建制的班的空间概念，有可能被大数据时代的内容上的课的概念替代，也就是学生学习的私密性也将会大大提高，学习了多少学习到了什么程度完全是个人的隐私，同学之间甚至师生之间都不清楚各自学习的内容以及程度。

教育效果的反馈性更准 传统的纸笔练习作业考试将像书信一样逐渐淡出人们的视野（成为少数人少数行业的专营事情），学习认知实践思考探索将逐渐融为一体，巩固性检测性练习，必将被不断行进之中的自我选定的人机对话的方式所替代，也就是说，自己的各种知识各种能力发展到了哪一程度能够解决哪一门类的问题甚至能够在实践中解决哪些问题，都能够随时得到反馈，无需等待一个特定的时间段学段才去参加某一程度的考试来证明自己。大数据时代的教育反馈，不是简单的横断面的孤零零的一些试题的检测，而是可以将整个学习过程的数据进行整合作出判断，包括现代教育测量所测量不出来的习惯方式顺序细节心理变化等，都可以纳入观察考量的范围。

教育单位的分层更加细化 学校教育随着社会的工业化而诞生，也将随着大数据时代的到来而产生巨大的变化，学校不再是简单的按照年龄以及学段来划分的教育单位，而会逐渐演变为教育辅助平台，教育内容的专门化机构，更高层次上的青少年宫一类性质的机构将逐渐取代传统意义上的中小学学校。学历教育会随着大数据时代的发展随着时间的推移逐渐淡化，反之，社会对人的实际学习更新的能力、研究探究能力，某一专门领域的专项能力，要求则更加容易精细和精准，当今流行的人们背负的符号马甲，则将逐渐失去职业寻找中的敲门砖的作用。我国之大类似于世界之大，沿海特区经济发达地区可能相对较早进入大数据时代的边沿，一些学校一些地方已经开始了慕课开始了玩翻转课堂开始了多终端进课堂等，而西部欠发达地区的山村小学连水源都还困难，因此有人说我们正处在“四世同堂”的时代，即同处于农业时代、工业时代、信息时代、网络时代，农业时代的烙印还难以根除，工业时代的观念还没有很好建立，信息时代的意识还没有来得及消化，网络时代大数据时代又紧锣密鼓地步步逼近，这对我们的教育无疑提出了更加艰难的挑战，如何多层次多元化多维度地区应对大数据时代对教育带来的变化，既要有共同基础又要有个性发展，既要鼓励探索前行又要扶持困难后进，使得中华民族的教育发展既能够脚踏实地又能够赶超世界发达国家的教育水准，为中华民族的伟大复兴培育出一批批优秀的杰出的健壮的快乐的人才出来。

（作者唐建新，语文教学研究专家，广东省课程改革中学语文学科专家组成员，深圳大学师范学院教育硕士导师，深圳市南山区教育局教研室副主任）

2.大数据教育课堂 篇二

随着科学技术和现代网络的不断发展, 大数据时代越来越多的被人们提起, 信息爆炸时代数据量来临。通告显示:自2008年以来, 全球数据量的生产总和达到了0.49ZB, 随后的两年内迅速增长, 数据量总和分别为0.8ZB和1.2ZB, 到2011年更是达到了历史新高1.82ZB, 平均每个人数据产生量几乎为200GB。数据已经成为所有行业和相关业务领域不得不考虑的生产因素。如何高效利用和挖掘这类数据信息已经成为提高生产率以及消费者盈余模式的新的浪潮。大数据时代教育数据挖掘技术也会成为未来世界某一时间段的主流需求。

大数据时代学习分析技术

这是一门结合了测量收集和分析报告学生相关学学习信息和环境等内容, 并作出相关优化的技术。这一技术是对学生庞大学习数据的相关问题充分分析, 并对学生现阶段学术进展以及内在问题和未来表现的客观评估。它是在数据的基础上, 对学生学习以及学习环境的测评, 达到了解学生学习问题, 优化学生学习环境的目的。

大数据时代学习分析技术现状

相关研究表明, 学习分析技术在很多方面都具有非常重要的使用价值:

1.从学生方面来说, 学习分析技术在了解学生学习现状之后, 通过分析学生数据, 找出相关问题, 对学生学习过程进行优化, 帮助学生培养良好学习习惯, 从而达到学生自我学习的目的。

2.从教师以及管理人员方面来说, 学习分析技术可以评估教学课程和相关机构, 帮助同步改善学校既定考核方式, 深入分析教学数据, 为教师帮助学生解决实际问题指明教学不足和更优方法。

3.从研究人员方面来说, 学习分析技术是一种研究学生和网络学习的有效工具。

4.从技术开发人员方面来说, 学习分析技术管理系统各模块各不相同的使用频次和路径能有效指导系统界面的相关优化设计, 并可以完善系统日志相关管理功能。

大数据关键技术分析

1.学习分析关键技术与主要工具

⑴内容分析法

内容分析法是一种对文献内容作客观系统的定量分析的专门方法, 其目的是弄清或测验文献中本质性的事实和趋势, 揭示文献所含有的隐性情报内容, 对事物发展作情报预测。它实际上是一种半定量研究方法, 其基本做法是把媒介上的文字、非量化的有交流价值的信息转化为定量的数据, 建立有意义的类目分解交流内容, 并以此来分析信息的某些特征。

⑵话语分析

人文科学所有的知识分子都是在利用话语的生产模式来行使权力, 话语传播着权力的影响。在现代社会中, 它们就是权力的替代品。只有遵循话语系统自身的规律, 人们在生活中的表达和沟通才能有效, 否则就是痴人说梦。换言之, 可以这样来说, 现实并不是我们人类在创造、支配使用话语 (主体性解构) , 而是语言在建构我们的本质。掌握话语权的人掌握社会规范。

⑶社会网络分析

社会网络分析适合分析关系数据, 而用来分析其他类型数据对关系数据的影响。数据主要分为两类, 属性数据和关系数据, 属性数据指涉及能动者的态度, 观点, 行为方面的数据, 采用的方法主要是变量分析法。关系数据是关于接触, 关联, 群体依附和聚会方面的数据, 反映一个能动者与另外能动者联系在一起, 而不是单独的属性, 一般采用的分析方法是网络分析。另外还有一种是观念数据, 主要是描述意义, 动机, 定义和类型化本身, 主要是用类型分析的方法。

⑷聚类

聚类分析也被称为群分析, 它是在“物以类聚”这一理念之上, 对样品进行必要分类的一种相对多元的统计分析方法。这种方法专门针对大量的样品, 按各自的特性进行相对合理的分类, 即使未曾事先验知的情况下依然不会参考任何模型。

聚类分析是研究事物特性的个体方法, 可以把类似的事物分类整合。原则上依据事物的相似性进行归类, 具有以下三个特点:

(1) 非常符合检测未曾验证的事物。在没有数据标准参考的情况下, 设定相对完善的分类变量就可以对数据进行合理的聚合, 得到相对客观的分类信息。

(2) 能够处理多个变量决定的分类。多个变量的分类一般相对比较复杂, 聚类方法完全可以胜任针对此类数据的分类。

(3) 聚类分析法的探索性相对较高, 可以根据事物的内在属性和规律, 依据原则上的相似性对数据分类, 被广大工作者广泛应用。

⑸预测

根据已有数据或信息对整体或个体数据发展态势做出合理预测。

⑹关系挖掘

数据挖掘是一种在信息领域当中发展最快的技术, 许多行业中的佼佼者都从中获得较为广阔的发展空间, 这使得数据挖掘技术日趋被人们所关注。随着科学技术的不断进步, 采集数据的方法日益繁多, 因而使得庞大的数据总量几乎达到GB甚至TB级, 并且高维数据日趋主流化。此类数据以及数据的高维特征并不是传统数据分析方法可以轻易解决的, 这样导致数据的处理也愈来愈依赖计算机和网络。

⑺文本挖掘

文本数据挖掘 (Text Mining) 是指从文本数据中抽取有价值的信息和知识的计算机处理技术。顾名思义, 文本数据挖掘是从文本中进行数据挖掘 (Data Mining) 。从这个意义上讲, 文本数据挖掘是数据挖掘的一个分支。文本数据挖掘是一个边缘学科, 由机器学习、数理统计、自然语言处理等多种学科交叉形成。

2.学习分析技术模式

学习分析模式分为三大要素:“学习分析流程”、“工具与算法”和“数据与信息”。“学习分析流程”中包括数据收集、数据预处理、分析、预测和应用等环节, 不同应用情景下的“学习分析流程”各个环节都会有一定的区别;“工具与算法”是“学习分析流程”的有力支撑, 能够从“学习分析关键技术与主要工具”中选取出来;“数据与信息”不但有来自“工具与算法”数据, 还有将“工具与算法”的信息知识输出出去。

结束语

3.大数据时代智慧课堂的构建与应用 篇三

摘要： 智慧课堂是当前教育信息化研究的一个新的热点问题。本文对利用大数据等新兴信息技术开展动态学习评价，建立基于学习数据分析的智慧课堂进行专题探讨。提出和分析了智慧课堂的定义和特点，描述了智慧课堂的信息化环境构成，探讨了智慧课堂的教学流程，并分析了智慧课堂应用实例。

关键词： 智慧课堂；大数据分析；结构性变革

中图分类号：G632 文献标识码：A 论文编号：1674-2117（2015）13/14-0112-04

从基于物联网技术构建的智慧教室，到利用电子书包开展智慧学习，以及基于云计算和网络技术搭建的智慧课堂，信息技术增强了课堂互动交流，提升了课堂教学效率。大数据时代，开展基于大数据技术的动态学习评价，建立基于学习数据分析的智慧课堂，为现代学校智慧课堂的构建与应用提供了新的思路。

● 智慧课堂的定义

目前对智慧课堂的定义总体上有两类：一类是从“智慧”的语义学上定义，与“智慧课堂”对立的是“知识课堂”；另一类是从信息化视角定义的。本文的定义是基于后者。从信息化的视角来看，随着信息技术不断发展及其在学校教育教学中的应用，信息技术从早期的辅助手段向与学科教学的深度融合发展，传统课堂向信息化、智能化课堂发展，对智慧课堂的认识也在不断深化。

目前基于信息化视角对智慧课堂概念的定义有三种。一是基于物联网技术应用的。这一定义强调基于物联网的“智能化”感知特点。二是基于电子书包应用的。这一定义强调基于电子书包的“移动化”智能终端特点。三是基于云计算和网络技术应用的。这一定义强调课堂中的“个性化”学习应用特点。

这里我们结合实际开发应用，提出基于动态学习数据分析的智慧课堂概念。即智慧课堂是指利用大数据、云计算、物联网等新一代信息技术打造的智能、高效的课堂，是基于动态学习数据分析和“云+端”的运用，实现评价反馈即时化、交流互动立体化、资源推送智能化，全面变革课堂教学的形式和内容，构建大数据时代的信息化课堂教学模式。

● 智慧课堂的主要特点

基于动态学习数据分析和“云+端”运用的智慧课堂，与传统课堂相比，在技术和教学应用上具有重要的特色和创新价值。主要特点有：

①基于数据的课堂：一切靠数据说话，依据学生学习行为大数据挖掘分析与决策，用直观的数据了解学生对知识掌握的水平，精准地掌握来自学生的第一手学情资料。

②高效互动的课堂：利用智能化的移动学习工具和应用支撑平台，教师与学生、学生与学生之间的沟通与交流更加立体化，能无障碍地进行即时交流和互动。

③动态开放的课堂：借助于新兴信息技术及各种智能终端，课堂系统超越了时空限制，实现更为开放的教室、更为开放的课堂活动，让课前、课中、课后融为一体。

④合作探究的课堂：采取小组协商讨论、合作探究的学习方式，协作群组服务能够帮助有相同学习需求和兴趣的学习者自动形成学习共同体，教师可以通过平台对小组合作进行实时的数字化评价和及时的反馈。

⑤个性化学习的课堂：通过课前预习测评分析和课中随堂测验即时分析，实现对学生的个性化学习能力的评估，有针对性地制定教学方案和辅导策略，真正实现“一对一”的个性化教学。

⑥教学机智的课堂：教师基于动态学习数据分析和即时反馈，采取机智性行动，及时调整课前的教学设计，优化和改进课堂教学进程，充分体现教师的教学智慧和教学艺术。

● 智慧课堂的信息化环境

智慧课堂常态化应用的前提是具有先进、方便、实用的工具手段，为此，需要构建基于学习动态数据分析和“云+端”应用的智慧课堂信息化环境。智慧课堂信息化环境的基本架构如图1所示。

智慧课堂信息化环境的总体架构包括三大部分，其主要功能是：

①微云服务器：提供本地网络、存储和计算服务，可以方便、直接地将即时录制的当堂课程进行本地化存储；构建无线局域网，教师和学生可以通过多种移动设备，在无需互联网的状态下，实现任意点对点的通讯与交互，节省大量互联网资源的占用；当连接互联网时，可以实现教室的跨越空间的直播。

②端应用工具：包括教师端和学生端。教师端实现微课制作、授课、交流和评价工具，导入PPT并实现动画及视频的插入，电子白板式任意书写，实现发布任务、批改作业、解答问答等。学生端可以接收并管理任务（作业），直接完成作业，进行师生交互、生生交互。

③云平台：提供云基础设施、支撑平台、资源服务、教学服务等，如构建完整的教学资源管理平台，可以进行结构化与非结构数据的各种教育教学资源管理，支持各种教育教学资源的二次开发与利用，实现多种教育教学资源综合应用。

● 智慧课堂的教学流程

在教学实践运用中，智慧课堂的教学流程为“3+10”模式，即由3个阶段和10个环节组成。这些阶段和环节包括了教师“教”和学生“学”的共同活动以及它们的互动关系。智慧课堂的教学流程如下页图2所示。

1.课前环节

学情分析：教师通过智慧课堂信息化平台提供的学生作业成绩分析，精确地掌握来自学生的第一手学情资料，预设本节课的教学目标，并向学生推送微课或富媒体预习及检测的内容。

预习测评：学生预习教师推送的富媒体内容，完成和提交预习题目，并可在论坛或平台上进行相关讨论，提出疑问或见解，记录在预习过程中的问题。

教学设计：教师根据学情分析结果和学生预习检测统计反馈的情况，以学定教，确定教学目标、内容、方法等，优化教学方案设计。

2.课中环节

课题导入：教师采取多种方法导入新课内容，主要通过预习反馈、测评练习和创设情境等方式导入新课程，学生展现课前自学成果，围绕新课导入进行演讲展示、分享观点。

探究学习：教师下达新的学习探究任务和成果要求，学生开展协作探究学习，主要包括小组合作探究、游戏教学等方式。教师设计活动，为学生分组，进行互动讨论，学生开展小组协作后提交成果并展示。

实时测评：学生完成学习探究任务后，教师将随堂测验题目推送到每个学生终端上。学生完成随堂测验练习并及时提交，教师进行实时诊断和反馈。

总结提升：教师根据实时测评反馈结果对知识点、难点进行总结和点评，对薄弱环节补充讲解，重点进行问题辨析。学生针对教师布置的弹性分层作业和任务，对所学习的新内容进行运用巩固、拓展提升。

3.课后环节

课后作业：教师利用平台发布个性化的课后作业，学生完成课后作业并及时提交，得到客观题即时反馈。

微课辅导：教师依据学生课堂的学习情况，结合批改作业，录制、讲解微课并有针对性地推送给学生，进行个性化辅导。

反思评价：学生在线观看教师所录解题微课，总结所学内容，在平台或论坛上发布感想与疑问，与教师、同学在线讨论交流，进行反思评价。

● 智慧课堂教学应用实例

我们研究与开发的“基于动态学习数据分析的智慧课堂”，已经在全国各地许多学校进行实际应用并取得良好成效。2015年1月10日，由蚌埠市教育局主办的“蚌埠首届智慧课堂观摩研讨会”在蚌埠二中举行，来自安徽、上海、江苏、深圳、武汉等省市的1000多名中小学教师前来观摩6节课，《中国教育报》专题报道了这次观摩活动。在观摩会上，蚌埠第二实验学校基于“智慧课堂信息化平台”开展了一堂教学实践课“认识三角形”。该堂课利用信息技术的优势，使学生课前学习微课；课堂上根据学生的认知特点，创设“金字塔闯关”的游戏情境，并进行实时测评和资源推送，结合任务驱动教学法展开深入的探究活动。

1.观摩课名称

认识三角形。

2.课程描述

“认识三角形”是苏教版《数学》第八册的教学内容。

3.教学目标

①利用生活经验，通过观察、操作等学习活动，认识三角形的基本特征，了解三角形两边之和大于第三边。

②在认识三角形的活动中，体会认识多边形特征的基本方法，培养观察、比较、抽象、概括能力。

③体验并掌握自主学习的形式和方法，培养学习兴趣，培养合作交流的意识和创新精神。

4.教学模式

（1）课前环节

发放资源：在微课平台发放学习资源，学生在家自主学习三角形的相关知识，并完成教师在作业平台发放的作业包。

微课学习内容：①三角形的基本特征；②三角形的三边关系。

（2）课中环节

集体分享：利用平台观看学生作业平台中的“生活中的三角形”。

游戏教学：利用三角形的相关知识，与同学合作探究，巩固深化学习内容。

①自主创造。学生可以自己独立创造一个三角形，或与同学合作，创造一个三角形拍照并上传。教师展示学生作品并点评。

②分组探究。小组合作，从4根小棒中任意选3根，围成一个三角形，写出所有选法。教师巡视指导并展示学生上传的数据记录，进行分析，使学生进一步理解“三角形两条边的和大于第三条边”。

③自主学习。学生完成作业平台中的测评练习。教师借助数据分析平台提供实时反馈图，针对问题展开讨论。

④巩固练习。依据所学内容，教师提出问题（把20厘米长的吸管截成3段，每段长是整厘米数，围成一个三角形，思考：最长的一条边最多是多少厘米？）和要求，学生先独立思考，再动手操作。

（3）课后环节

总结讨论，教师提出课后任务：通过今天的学习活动，你有什么感受？

5.效果评价

这是一节充分展示“智慧课堂”技术与教学深度融合的课。教师在没有“刻意”应用“技术”的痕迹下，以极其自然的方式，通过大数据分析、小组协作以及“云+端”设备的应用，实现了“探究学习、主动学习、游戏化学习”等一系列传统课堂难以实现的教学理念和方法。这是一节形式与内容均发生了深刻变化的高效课堂，充分展现了教师基于动态信息反馈的教学机智。

参考文献：

[1]王盛之，毛沛勇.基于数字化教学案的智慧课堂互动教学系统实践研究[J].教学月刊（教学管理）中学版，2014（4）.

[2]林利尧.中小学智慧课堂建设与应用研究[J].中国现代教育装备，2013（10）.

[3]邓光强.“智慧课堂”中的学生个性化学习[J].教育信息技术，2013（12）.

4.高校教育大数据的分析挖掘与利用 篇四

摘 要,本文从高校教育大数据的汇聚融合与挖掘应用的角度,分析了如何运用教育大数据技术推动大学管理和人才培养的创新改革的思路和方法。首先,分析了教育大数据对高校现代化、精细化、规范化管理的4个价值,其次,给出了高等教育大数据技术平台的基本技术架构,第三,结合教育大数据实际应用,介绍了陕西省高等教育质量监管大数据中心、MOOC中国、西安交通大学教学质量综合监控与评价三个典型案例,最后,提出了教育大数据分析挖掘中的3项基础性关键技术

关键词,高等教育,大数据,分析,挖掘

一、教育大数据分析挖掘的价值

高校大数据分析挖掘至少有四个典型价值, 一是使得大学的管理更加精准高效,可以朝着智慧治理、分类管理、过程监控、趋势预测、风险预警的方向发展,真正实现基于大数据分析规律的精准治理,改变管理的模糊性, 二是可以更加准确地分析评价课堂教学的质量,过去我们对课堂、对老师的评价是定性和模糊的,而在大数据智慧课堂的模式下,可以真正实现采集样本的持久化,采集方式 的多元化,挖掘手段的多样化,分析技术多维度,通过这些方式可以提高课堂教学的质量, 三是使得教和学更加智慧,更加有效。对学生来说,老师可以了解学生学习的进展情况,发现学习兴趣点,以及对老师讲的哪些内容理解或者不理解,学习路径分析及课程推荐等等。对教师而言,不仅可以跨校跨地域分享他人的优秀课程,而且可以对学习者进行精准分类,进行个性化指导, 四是资源服务的个性化、精准化推荐与服务,学习绩效的个性化评价,以及个性化教学管理,个性化手机内容推送等等,这些功能将有效提升教与学的效率和质量

二、教育大数据技术平台的总体设计

首先,我们对高等教育大数据技术平台有一个总体的顶层设计,如图1所示。这不仅是学校自己要有一个大数据的管理平台或者是数据中心,而且也是面向区域乃至全国的平台。教育部评估中心正在努力建立国家级高等教育教学质量监控大数据中心,陕西省也是这样考虑的。数据来自高校、教育管理部门以及行业、第三方、企业用人单位等等各方面采集的数据,该数据平台既有大学的业务数据、课程资源,也有政府部门的统计数据,还有学生网上学习的日志数据,用户产生的UGC数据,比如微信、微博、论坛等等的数据,基于大数据平台,开展面向学习者、面向高等教育管理机构、教师、高校等提供服务,并和教育部评估中心、主管部门等

进行数据交换与对接

显然,这样一个大数据平台必须是一个高性能的计算平台,没有这样的基础设施一切无从谈起,所以去年我们学校花了很大的力气做了两件事,一个是把校内二级单位原来小的集群计算进行整合,形成学校统一的高性能云计算平台,既面向校内的科学研究、人才培养提供服务,其实也可以为社会提供合作共建共享模式。目前,我们已建立了一种自我造血机制,四两拨千斤,以这个平台吸引更多的外部资源,努力扩展平台的性能和应用

三、教育大数据分析挖掘的典型应用案例

目前,我校的高性能平台除了应用于材料、航天、能动、信息等大型科学计算之外,还开展了以下三项典型的大数据应用

案例1,陕西省高等教育质量监控与评估大数据应用

图2所示的是陕西省高等教育的整体架构。其数据基础是来自陕西省100多所高校的各种办学状态数据,有将近700个表格,以及陕西省教育厅各个职能部处的各种各样的管理数据,此外还有行业第三方提供的数据,包括招生、就业数据等等,这个平台上我们开展预测预警、查询在线分析、信息发布、统计决策等等,主要是为省级教育管理部门、评估机构、教育管理机构提供各种各样的办学状况的分析、统计、关联分析

建设全省高等教育大数据服务平台,实时采集各高校的办学状态数据,其根本目的是为了汇聚全省各高校的办学状态数据,打破数据孤岛,融合各方数据,实现横向关联比较、纵向历史分析,提供精准服务,支持科学决策

首先,该平台面向省教育厅提供了11项功能,从根本上解决了原来各处室间的数据孤岛的问题,实现了数据融合,横向关联,纵向融通,这个数据和各个高校是实时融通的,为省教育厅领导和职能部处提供了领导仪表盘、各职能处室的专项服务、81张高基表及年报年鉴表格的自动生成、绩效分析、招生就业及办学指标计算、教育评估等功能,从根本上解决了数据碎片化及其治理问题

其次,面向全省高校辅助决策,为高校领导以及校内各个职能部处提供了系列功能,包括办学情况综合分析和在线查询,专业结构分析比较,校级的教学质量监控评测体系,教师管理等等,这些功能非常实用,这是大学实现精细化、规范化、现代化管理的必备基础。以我校为例,我们过去教师的数据可能在人事处、教务处、科研院等学校的职能部门,采取本平台以后,把教师有关的所有数据都进行了融合,打通了所有原来割裂的数据。从去年开始,我们学校的职称评聘,考核全部基于这一平台,全部在大数据里,建立健全了基于数据驱动的精准化服务,解决了数据碎片化历史遗留问题,实现了从管理信息化向服务信息化的根本转变

第三,为本科教育教学评估及专业认证提供技术支撑。鉴于本平台能提供比较全面的高校办学状态数据,便于专家在进校之前全面系统地掌握学校办学的情况,找到问题,精准查看验证,提高效率,给高等教育评估提供了重要支持。基于本平台,我们成立了中国西部高等教育评估中心,接受陕西省教育厅指派的省属本科高校的审核评估和专业论证。如果没有这一高等教育大数据平台的支撑,工作量和难度是极其巨大的,甚至难以实现

案例2,MOOC中国技术平台

MOOC中国成立于2015年1月,到目前为止已经有121所高校加入,理事单位40家,会员单位80家。该平台的宗旨是,做政府想做的,做社会愿意做的,做单一高校做不了的事情。例如,真正解决校际资源共享、学分互认等,开拓远程教育国际化等未来发展的难题。图3给出了MOOC中国的技术框架。其核心是互联网+教育,实现互联网教育从1.0到2.0的升级。基于这一平台,既要开展网络教育业务的国际化,比如我们牵头成立的“丝路大学联盟”,其目的之一是借助MOOC中国平台,实现网络教育业务的国际化,通过MOOC中国平台,面向“一带一路”国家开展开放教育和技能培训

到目前为止,MOOC中国已经有了9911门课程,用户将近600万,其中光IT培训的有500多万,学历教育在读

学生50多万

案例3,西安交大教育教学大数据分析挖掘与应用

学校非常重视教育信息化技术融入和应用到教育教学之中,去年一次性建成了80个智能教室,把物联网技术、云计算技术应用于智能教室和教学一线,基于物联网技术实现教室设备的集中管理、智能控制,同时,将互联网技术深度融入到教室的管理当中,除了多媒体的直播录制功能以外,还提供了学生考勤和专家的精准督导,通过云平台来集中管理各个教室,比如说开投影机、关电源、关多媒体设备等等,都可以通过后端的云平台集中管控,真正实现教室管理的数字化、智能化、精细化,提升了教学保障的能力,也大大提高了教室管理的效率。更重要的是,这些教学的过程数据可以全程采集下来,获得数据,有了这些数据,就可以做精准化分析服务,建立西安交大教学质量大数据监测中心 目前,我校的教学大数据主要包括两大部分,一是教师在授课过程中的全程录制的课堂实况,二是学生在学习过程中产生的大量日志数据。基于这个平台,我们可以开展教育教学的大数据关联分析,开展课堂教学质量的综合评价,实现正面激励、负面惩戒、精准督导,实现教学评价从模糊宏观到量化精准、从每学期制到持续常态、从部分随机到全面覆盖、从事后评价到实时动态的根本转变。通过评价激励老师敬畏课堂,评选精品课堂、示范课堂,在全校内进行正面

表彰,另外也作为教学质量评价的重要依据,包括教师的职称晋升,评选最喜爱的老师等等

此外,本系统还为学院领导和管理部门提供了针对性的信息服务与决策支持,以数据说话,量化分析,改变了以前我们的模糊评价,采取多维度、全覆盖、持续化、精细化的过程评价与监控

四、教育大数据分析挖掘的若干关键技术

首先,介绍一下大数据人工智能的基本原理。前段时间,AlphaGo战胜世界围棋冠军这一故事炒得很热。这对我们的教育科研工作者提出了一个重要的课题,到底人工智能会不会战胜人类的智能,将来教师存在的主要价值是否还有必要,863计划正在研究一个项目,到2020年,人工智能软件参加高考得分要超过一本线,这就是说,计算机教出来的机器软件参加高考都能达到一本线以上。这就引起我们的思考,这是一个深层次的方向性问题。当然我们今天不是谈这个问题,而是我们要看看AlphaGO的原理,其核心是价值计算函数,用收益函数来判断围棋下一步该落子到哪里其收益是最大的,其中采用了人工智能深度学习方法。AlphaGO并非天生聪明,其实他的智慧是分三步完成的, 第一步,给AlphaGO输入了3000万个人类围棋高手的棋谱和走法,任何一个人是不可能记住3000万个棋局的,只有人工智能才能记住 第二步,AlphaGO自己和自己对弈,在对弈过程中找到自己的薄弱点,进而改进和完善,这其实和人的学习原理类似

第三步,才是人机对弈,从职业选手到世界围棋冠军,通过这样不断的对弈完善算法,校正学习,使得AlphaGO具有强大的智能计算能力。AlphaGO的难点在哪,其关键在于在一个巨大的落子空间选一个最大的收益点,或者落子点,称之为MovePicker，函数,这个空间很大,有10170次方,在如此庞大的计算空间中选择最优函数,只能依靠高性能计算平台

AlphaGo为我们研究大数据问题提供了思路和启发。我们在研究教育大数据问题中需要着力攻克以下理论与技术难题

第一,大数据造成了严重的认知碎片化问题。比如,大家在百度搜糖尿病会检索出4440万个数据源,谁也看不过来,并且里面还有一大堆真假难辩的数据。所以,碎片化知识的聚合是一个非常基础的难题,高度的碎片化降低了知识的可用性,造成了分布性、动态化、低质化、无序化等典型的问题

一方面是知识的碎片化,另一方面是每个人的兴趣和需求还不一样。所以,资源的碎片化整合以及个性化推荐是今后人工智能中的关键问题。我们的思路是,一方面,我们要

从资源的角度把无序、分散、低质的资源进一步重组以后形成知识点,形成有序的知识地图,另一方面,要对学习过程进行跟踪,实现兴趣、个性、情感等方面的动态分析与挖掘,两者结合起来,建立基于用户兴趣和个性的资源推荐,最后实现个性化精准过滤,通过知识地图面向用户提供导航学习,从而缓碎片化知识的问题。开展这一研究也要建立庞大的基础数据,就像刚才讲的AlphaGO,光靠智能软件肯定不可能那么聪明,需要建立庞大的知识地图、知识图谱,并将其放到了国际开源社区和开放数据平台之上 第二,碎片化知识的聚合问题。其目的是解决“既见树木,又见森林”的问题,破解“学习迷航”、“认知过载”的问题。我们正在承担国家自然科学基金重点项目,研究如何将多源、片面、无序的碎片化知识聚合成符合人类认知的知识森林,找出主题与主题之间的认知关系,最后形成一个知识森林,其中需要解决主题分面树的生成、碎片化知识的装配、知识森林生成、学习路径选择与导航等有关知识地图、知识图谱构建与应用等许多基础性关键技术

第三,学习行为的分析和挖掘技术。网上学习最大的好处我们可以把教师和学生所有的教与学的行为记录下来,讨论、作业、习题、笔记及进度记录下来,有了这些数据,我们可以进行后续分析,开展学习行为的特征识别和规律发现等等,既可以跟踪挖掘某个个体的学习规律,也可以找出一

个群体、一个小组的特征和规律。针对不同的课程,开展课程点击率、学习人群、知识关注点、学习时间等的分析与跟踪,刻画一个学生学习的过程,从时间、空间和课程知识导航的角度,甚至围绕某个知识点,研究学习者的特征、行为、交互等相互之间的关系,为老师深化课程改革、探索以学生为中心的教学设计具有非常重要的意义

5.大数据在教育管理中的应用 篇五

大数据技术是“互联网+”时代的利器之一，它可以帮助我们从不同角度和层面来剖析教学，探索教育教学的新规律，大数据的全样本特征解决了教育管理中局部数据或抽样数据的片面性问题，使得教育需求的把握更加整体化。请结合实际，谈谈大数据在教育管理中的应用。（考核要求：内容充实，原创，800字以上；提交得20分，辅导教师评分20分，满分40分。）

最近几年，在我们的教育界中，有那个几个关键词是那么的火，例如翻转课堂、微课、慕课，当然还有大数据，这些都是我们现在甚至将来的教育趋势。翻转课堂、微课、慕课现在我们正如火如荼地进行着，大数据在一些地区和学校也开始试点应用。我个人认为大数据在我们的教育管理应用中发挥着重要作用，主要体现在哪？下面就结合实际情况，谈谈自己的一些粗浅想法：

1、现在社会进入互联网时代，学生在学校的每一次考试，在哪方面有特长、曾经获得过哪些奖励、参加过哪些社会活动等，其实在电子档案中就可以一目了然，再加上现在的学生都会有微博、微信、QQ 等网络社交工具，这些社交平台中会会留下大量的信息，学生的成长轨迹也可以说是非常清晰的。只要把这些信息过程数据化，教师的教育教学工作可以有更明确的指向性，学生也可以更好地了解自己，以后自己的努力方向在哪，这对学生更为重要。

2、在我们的教育领域，有着很多的数据，比如平均分、升学率、就学率等。使用大数据来分析问题，要比传统数据来得更科学，更方便，更有价值，能很好地帮助信息收集方获取精准材料，从而做出更准确的教学分析。如教师可以通过平台统计出学生的普遍的答题情况，大数据可以让教师清楚知道哪道题学生错得最多，哪道题学生掌握得最好，从而在上课时强化训练，这样得出的课程教学模式、师生评估方法等就更具针对性、可行性，得出的结论也更科学、更精确。

3、其实利用大数据也可以开发一些智能数字教科书。简单来说，就是学生可以按照自己的节奏来控制学习进度，而不会受到周围其他学生的行为的影响。然后，系统会给教师一个反馈，告知哪个学生在哪个方面有困难，同时给出全班学生的表现的整体分析数据。

所以，我认为当进入大数据时代后,我们的教育管理和运行会迎来了更多的发展机遇。更多的大数据的预测、分析将逐步融入我们的教育管理和决策中去，从而帮助我们更好地做好教育发展的规划,改变我们的教育教学评价体系,甚至还有更深远的影响，就让我们以积极的态度迎接大数据时代的来临吧！

开展智慧课堂研究，探索智慧课堂建设 探索智慧课堂教学如何更有效地激发学生学习兴趣，发展学生数学思维

1.全体教师认真学习有关智慧课堂的网络培训视频，发表感想评论； 2.集体备课，然后每位教师根据自己对智慧课堂的感悟上交一篇数学教学设计； 3.上传教学优质课例，开展听课研讨活动。

科程名称：张齐华讲座《数学课堂的新“常态”》 活动时间：2017-09-30 至2017-11-15 学段/学科

小学

数学

选用教材：人教版五年级《用数对确定位置》、六年级《圆的认识》和一年级《认识1-5》

6.浅谈大数据在教育管理中的应用 篇六

大数据的发展给困境中的教育变革提出了新的挑战。大数据越来越广泛应用于教学，通过在线测试、实时调查等方式获取学生的基本情况、了解学生的学习潜能等，从而使教师更容易针对问题，因材施教。

学校已有的信息采集设备对我们的数据收集具有重大意义。例如：网上阅卷系统，高考、中考阅卷早已采用网上阅卷。可能很多老师知道网上阅卷的优点，如评卷的公正性、准确性、高效性。其实网上阅卷系统更是一个数据的采集系统，采用网上阅卷系统对数据的采集、统计和分析的深度还是广度都大大地超越人工所能及的范围。

如10月中我校进行了本学期第一次统考，语文试题主观题共设了22个采分点，评卷系统采集了22个得分点的数据，很容易发现各知识点的得分情况。教学过程中的成功之处和薄弱点得到了极其详细的反映。网上阅卷的统计分析结果还能对试卷的质量如难度、信度、区分度、效度等指标进行科学的分析，使命题中存在的问题也得以全面地反映。由此可见，玩转当前的 “小数据”对现实的教学有益，也是迎接大数据时代到来的一种准备。

大数据时代教师需具备的三种基本能力：第一种能力是获取及整合学生、学校数据的能力，第二是探索数据背后价值和制定精确教育教学行动计划的能力，第三是把这些计划快速实时地应用于教育教学工作中的能力，应用于课堂的能力。要实现这些能力的提升一方面有赖于学校及教育主管部门对教师的培训，另一方面当然依靠我们老师自身与时俱进的学习。日益强大的互联网、多媒体及概念软件、开源软件等为师生提供了更加自由、灵活的学习和探索空间，求知的视野被极大拓宽。学习与生活、教育与社会不再被孤立，学生、学校与现实生活的体验更为接近，学生学习兴趣、学校办学动力将被大大激发。

7.大数据教育课堂 篇七

进入大数据时代,人们得以从更全面、更精细的视角来看待世界的复杂性。在教育领域,大数据蕴含的巨大潜力在于推进个性化学习、改善教材和教学,并最终提高学生的成绩,而这些作用也必将在高等院校教育中得以体现。尤其是处于互联网+教育的当下,高等院校开展的各项教学活动,产生和使用了海量数据。在此背景下,抓好教育数据建设,将其转化为对高等院校教育决策和综合信息服务的有力支撑,切实有效推动高素质创新型人才培养,就显得尤为重要。

大数据产生背景及其本质分析

大数据产生的背景

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡,麦肯锡称:“我们正在处于一个创新和生产效率快速增长浪潮的潮头,面对着全新的竞争和价值获取模式——所有这一切的推动力就是大数据,消费者、企业和经济部门都在发掘其潜力。”

大数据具有鲜明的时代特征,其产生根源主要是信息技术革命以及信息技术驱动下人们行为方式的改变。过去的50多年里,信息技术不断创新发展并被广泛应用于各行各业,触角遍布社会生活的每个角落,改变着社会的经济结构、生产方式和生活方式,由此产生了海量数据,并呈指数快速增长。究其具体原因,包括以下四个方面:

(1)互联网的广泛应用,吸引和驱动了数以亿计的用户使用互联网进行商品交易、资讯浏览、资料查询、聊天交友、信息共享等,网络应用与用户的操作内容、操作行为共同成为海量数据的重要来源。

(2)移动通信网广泛应用并与互联网结合的越来越紧密,越来越多的人通过以智能手机为典型代表的移动设备进行语音视频通话、短信交流以及访问移动互联网,也带来了数据量的激增。

(3)传感器的广泛使用,产生了大量的实时状态监测数据、影像数据,这些数据持续快速产生,并占据了较大存储空间。

(4)传统文档资料的电子化处理,便捷了查询使用的同时,也产生了大量数字化信息资源。

大数据的本质分析

当前,“大数据”这个术语已被广泛使用,其主要特点可归结为高容量、多样性、快速性和价值低密度四个方面,但对其概念的界定尚未达成共识,不同角度有不同的定义和描述。国际数据公司IDC将其定义为:为了更为经济的从高频率获取的、大容量的、不同结构和类型的数据中获取价值,而设计的新一代架构和技术。高德纳咨询公司Gartner将其定义为:需要新处理模式进行处理才能具有更强的决策力、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。

大数据的定义与特点既体现了大数据的存在状态,又体现了大数据面临的难题与矛盾,这些必将引发和推动数据存储技术、管理技术和分析技术的革命与创新,最终形成一系列信息技术来为决策服务。因此,大数据的本质集中体现为:

(1)数据本质:是指大数据的数据量远远超过传统理解上的数据量,数据类型和数据来源多样,数据产生速度快及要求的处理速度快,数据的价值密度低。

(2)技术本质:是指需要有以存储技术、管理技术、挖掘分析技术和可视化技术为主要内容的大数据技术体系对海量数据进行处理分析,并为决策服务。

(3)知识本质:是指大数据处理分析的最终目的是从海量数据中发现潜藏的历史规律,或对未来进行预测,以知识的方式辅助做出更好的决策。

高等院校教育数据

在大数据时代背景下,高等院校教育数据建设问题也引起了专业人员的关注。高等院校教育数据主要是指高等院校开展教学活动相关的数据,主要包括教师队伍信息、学生基本信息、课程信息、教材信息、教学活动信息、教学管理与保障信息、科研学术信息、文献资料信息、校园网网络行为数据以及其他通用资源信息等,且在信息技术飞速发展与广泛使用的当下,这些数据也表现出大数据的特征。与此同时,高等院校面临着培养综合型人才、素质型人才、创新型人才的形势任务,如何制定科学有效的培养方案、创新教学培养模式、适时完善教学决策、优化教学资源配置、提供个性化信息服务,都离不开海量教育数据的支撑,也对海量教育数据基础上的数据开发利用提出了更高要求。

大数据时代高等院校教育数据建设的新挑战

大数据的出现对传统思维方式造成了强烈的冲击,其功能和价值的体现建立在海量数据分析的基础上。在这样的时代背景下,高等院校教育数据建设面临诸多新挑战。

数据采集获取量大种类多

先进信息技术使得面向事物的全数据采集成为可能,而足够数量的数据是进行大数据分析的基础和前提,因此数据采集就成为高等院校教育数据分析与应用中的重要一环。高等院校教育数据采集有基于物联网传感器的采集,也有基于网络信息的数据采集,还有基于工作人员的手工采集,需要采集的内容包括与教师和学生相关的基本信息、教学过程中产生的课程信息、教学软件平台使用信息、校园网用户行为信息、文献资料等,其数量之大远在TB级以上。此外,这些数据包括分布在各管理信息系统中的关系型数据、文本数据、访问日志数据、数字化文档资料数据,图片、音频、视频等多媒体数据,类型十分广泛。

此外,当前的高等院校教育数据尚处于自然发展阶段,数据资产意识还不强,需要建立有多部门共同参与的数据收集体系,明确数据采集责任分工、采集内容、采集时机与采集要求等,并考虑建立数据校核机制,确保数据的准确性。

数据资产规范管理难度大

在高等院校信息化水平不断提高、教育数字化程度日益加深的今天,几乎参与教育活动的每个人都卷入到数据及其处理的浪潮中,数据已经成为重要的生产要素和无形资产。但目前的高等院校数据或多或少的面临着数据不完整、数据分散不一致、数据质量低、数据共享集成成本高、数据教学效益不显著等问题,难以对数据进行全面、统一、高效的管理。

以数据分散管理为例,当前很多教学数据分散在不同的信息系统中,数据标准不统一、可用质量差,数据核对、清理、映射工作量大的问题较为突出。尤其是有的学者提出了终身学习、个性化教育的理念,这就需要延伸对于学生相关信息的采集,建立学生终身的学习档案,无形中极大的增加了数据管理的难度,数据的质量也难以得到保证,进而影响了数据的应用。

数据存储处理技术要求高

高等院校教育数据量增长速度快,加上已积累的大量历史数据,对数据存储、处理、分析带来了巨大的挑战,要求其必须具备快速性、准确性和高效性。

在数据存储方面,由于数据的数量、类型、应用对象的不同,要求数据存储必须综合考虑当前需求和长远发展,充分开展传统关系型数据库、数据仓库及面向大数据的No SQL数据库论证,科学设计数据存储架构。其次,需要突破多源异构教育数据融合的技术瓶颈,扩大深入融合处理数据对象的范围,提高融合效果和性能,实现分散异构教育数据快速融合入库。

在数据处理分析方面,需要加强教育数据实时处理,对相关音视频等复杂类型数据开展内容分析,对教学模式、规律、趋势等进行预测分析,对海量教学数据进行并行处理,从而提高教育数据快速高效处理能力。同时,带动数据处理向知识加工、决策支持等方面进行拓展,进一步提升教育数据的附加值。

数据综合服务保障多样化

“数据是稳定的,处理是多变的”。当前面向高等院校教育的各个方面,产生了多样化的应用需求,如教育决策支持、综合信息服务、个性化信息支持、教学科研服务等。这些应用服务,要求针对存储的海量教育数据进行高效的处理分析,并快速、灵活呈现给用户。例如,教育决策支持问题,需要通过教学过程数据、教学资源数据、教师学生相关数据等的实证分析,才能为课程内容设置、资源优化配置、教学模式评估等提供支撑。再如学生个性化信息支持问题,需要全面掌握学生知识能力基础信息、历次学习情况信息、现阶段学习情况信息等,综合分析学生知识结构、学习能力、学习课程等方面存在的短板,优化教学内容,有针对性的为学生提供课程辅导、推送信息资源,甚至拓展至学生就业后的持续信息服务,切实提高学生的能力素质。

高等院校教育数据建设应把握的关键环节

高等院校要想在大数据时代迎头赶上,充分开发利用大数据支持教育决策,就必须把握顶层设计、制度与标准编制、关键技术研究和安全保密建设等关键环节,加强数据工程建设。

突出抓好数据体系顶层设计

高等院校数据建设要主动适应全球信息化发展大势,准确把握高等院校信息化发展的阶段特征,把数据资源建设作为事关高等院校充分发挥作用、可持续发展的重要长期性基础性建设工程和关键性应用工程,提高思想认识,科学开展规划论证与顶层设计。一是开展高等院校数据资源全面摸底,掌握数据资源总体情况,摸清数据资源产生来源和获取渠道,评估数据资源使用现状及存在的主要矛盾问题。二是牢固树立数据体系“一盘棋”思想,将本院校数据体系纳入国家高等院校信息化建设体系中进行统一规划论证,避免出现结构性矛盾,影响高等院校之间甚至国家范围内的数据共建共享。三是综合运用大数据管理、企业架构、信息资源规划等先进理念和技术方法,紧密贴合高等院校教学应用需求,构建科学、合理、可行的高等院校数据体系架构,切实提升数据建设质量,为高等院校教学应用奠定坚实基础。

制定完善数据建设制度与标准

高等院校教育数据建设,需要依据相关数据标准规范,统合各类信息代码,强化主数据管理,确保各信息系统的数据能够综合集成、有效衔接。一是建立数据管理制度。要建立数据采集、处理、维护与使用相关的规章制度,明确高等院校不同职能部门的业务关系,及数据管理的组织机构、职责分工、主要内容与工作流程,确保数据管理工作的规范有序。二是制定数据标准规范。围绕信息分类与编码、数据元素、数据集、数据交换、公共信息模型等内容,开展相关数据标准规范的编制、修订与完善,确保数据的标准化、规范化,以利于高等院校相互间及院校内部的高效集成交换和共享利用。三是建立数据质量管控体系。建立数据质量管理框架,明确数据生命周期所有阶段质量管控的方法、时机与标准,切实提高数据质量,确保教育决策与信息服务的有效性。

突破海量数据开发利用关键技术群

着眼高等院校海量数据效能的发挥,聚焦数据高效采集获取、数据高性能存储、数据深度挖掘分析、数据多样化应用等领域,开展关键技术研究,建立集海量数据“采、存、析、用”于一体的技术解决方案,为现实应用奠定技术基础。一是完成技术体系规划设计,在教学应用分析和数据架构设计的基础上,围绕功能实现,构建技术体系架构,明确需要应用的技术、接口、方法,以及技术过渡、转型的模式等。二是尽快完成高等院校海量数据开发利用技术攻关立项,在获得上级机关认可及经费支持的基础上,加大技术研究的深度和广度,围绕高等院校数据应用的专有问题,切实解决制约海量数据开发利用的瓶颈问题,实现数据从数量规模优势向质量效益优势的跨越。三是评估分析其他行业运用大数据的有关研究成果,采取“拿来主义”,能够直接应用或改造应用的成果,尽快部署应用,节约经费与时间。

配套完善信息安全体系建设

当前,高等院校教育数据运行管理主要依托校园网进行,加强信息安全体系建设、增强信息防御能力,是海量数据效能得以持续稳定发挥的重要保证。一是建立健全高等院校信息安全管理新机制,制定相关规章制度,明确信息安全管理的任务分工、权限要求和方式方法。二是加强信息安全手段建设,依据信息系统建设安全防护等级要求,准确划分信息安全防护等级,加强设施环境、网络环境建设,配套相关安全保密设备,补充完善软件系统功能,提高信息安全防护能力。三是建立数据安全实时动态感知机制,实时监测计算机网络、数据库系统、应用软件系统以及其他附属软硬件的运转情况,准确感知潜在威胁,及时预警并按照规定有效应对,实现数据安全态势的全局性实时掌控。

结束语

大数据时代的到来必将对高等院校教育产生深远影响,正如维克托·迈尔-舍恩伯格在《与大数据同行-学习和教育的未来》中指出的那样:“利用大数据,我们可以使决策者得以在全面而坚实的经验基础上改善其决策的质量,从而使教育决策从意识形态的偏见中脱离出来”。目前,大数据在高等院校教育中仍处于研究探索阶段,需要我们紧跟大数据技术发展趋势,结合高等院校教育应用的现实需求,分步骤、有选择的开展应用研究与实践,真正发挥大数据在高等院校教育中的巨大价值。

8.大数据，距离教育还有多远？ 篇八

一次作业，一张试卷，它带给我们的数据是什么？只要我们拥有足够的技术与耐心，我们还可以得到许多数据：可以是每一大题的得分，每一小题的得分，选择题的每一选项，每一题花了多少时间，答案是否修改，做题的顺序有没有跳跃，什么时候翻了卷子，有没有时间进行检查，检查了哪些题目，涂改了哪些题目……这些数据远远比一个分数有价值得多。不单是作业，考试、课堂、课程、师生互动的各个环节也都渗透了这些大数据。

目前已在多所学校推广应用的极课大数据就是一个很好的探索，它打破了传统教育模式，创造性地将大数据、云计算同日常教育相融合，探索日常作业、考试数据与学生学业状态之间的内在联系，建立符合学生个性化学习和教师精巧教学的网络服务系统。极课系统支持海量题库在线组卷，可根据学生作答结果形成集高频错题集、薄弱知识点、错因分析、成绩变化曲线、学生层次分布于一体的学情分析。它能够实现教师、学生、家长三端的互通。通过教师端出卷、阅卷，产生详细数据，并且将学生作业考试动态有效地推送给学生家长；学生在学生端的学习以及订正行为也可即时地反馈给老师，教师可根据学生掌握情况，对症下药，甄选试题；同时，家长端可以收到学生的打印错题请求，并在微信端与老师快捷地沟通，了解学生近况。目前极课大数据能够注重发挥考试的诊断、激励功能，转变传统的考试评价观念，让考试真正成为促进每个学生发展的教育手段。大数据在教育中的应用，就是能够“让我们走近每一个学生的真实”。

一、教育过程中的大数据分析

阿基米德曾经说：“给我一个支点，我能撬动地球。”从某种意义上我们也可以说：“给我一组数据，我就能复制地球。”在未来的世界里，一切都可以数字化，我们可以将其保存在互联网的数据库中，当我们需要的时候，就可以把它们调出来分析利用。

观察学校教师的日常教学工作，好像并没有什么大数据的存在。其实学生、教师的一言一行，所有学校里发生的事情，无不可以转化为数据。当每个在校学生都能用自己的计算机终端学习时，他们日常的上课、读书、写笔记、做作业、发博客、进行实验、讨论问题、参加各种活动等便是教育大数据一个来源。

近年来美国的一些顶级大学纷纷把自己的课程推上互联网，如耶鲁网上开放课程、麻省理工网络开放课程等。这些都是教育大数据所在，学生利用这些课程在网上学习，互动互助，又将生成一大堆数据。例如，师生可以随时对话，计算机能够记录你在一张幻灯片上停留的时间，判别你在答错一道题之后有没有回头复习，统计你在网上提问的次数、参与讨论的多少，然后在这个基础上，对你的学习行为进行诱导和评价。通过记录鼠标的点击，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。记录单个个体行为的数据似乎是杂乱无章的，但当数据累积到一定程度时，群体的行为就会在数据上呈现一种秩序和规律。通过分析这种秩序和规律，未来的在线学习平台才能弥补没有教师面对面交流指导的不足。

二、实现大数据，教育可以怎么做

蓬勃发展的在线教育产生了大数据，使得教育不只是“你讲我听”、考试评分或选修科目的增多，大数据可以基于学生的需求实现教育的“私人订制”，创造属于自己的教学方法、教学进度甚至教科书。大数据可以帮助我们观察学生的学习状态，从而针对每个学生的不同需求量身定制学习方案，提升他们的理解力和学习成绩。同时，大数据有助于教师使用最有效的教学方式。

1.大数据帮助实现有效反馈

MOOC课程很好地运用了反馈的机制。通过数据收集发现，学生做考试题目时，如果某一个课程学得不好，他们会回到前面一课再巩固自己要补充的知识。有的时候，某一门课程，可能它的知识面覆盖得不够广，或者解释得不够清楚，因此学生没有百分之百看懂。所以，斯坦福大学的吴恩达教授就能在这种反馈基础上更好地改善这种课程。这样，学生在学下一堂课时就不用再温习前面的课，如此就使教学、教科书以及教学材料得以改善。

学习需要反馈，通过反馈你可以知道如何改善你的学习。传统的反馈方式就是通过考试，考试得分就是学生学习过程的所有反馈。但这远远不足以帮助学生改善学习，因为考试结果只能让学生看到学习的结果，而没有对学生在学习过程中存在的问题进行分析。可能学生学习的方式本来就是错的，或者学生用的教材是不对的，也或者教师教学方式有问题，但是学生都不知道，因为学生只得到一个考试分数。大数据未来最大的好处就是它将改变我们如何学习。

2.大数据可以实现个性化

如果一个学生不理解教材，他可以用适合自己的方法来学习，或者把学习速度放慢。例如，也许有一二百种关于如何学数学的书，那么哪一本书是最适合学生的？通常老师会选他最喜欢的书来教学生，但是这本书并不一定适合学生，但是老师却不知道，因为他没有数据，没有关于这本书、关于学生的数据，如果有这样的数据，就可以把这两者匹配起来，也许对学生最好的匹配就是第一本书的第一章。在大数据的帮助下，我们对于学习也可以做同样的事情。

在个性化英语教育领域，传统上教师需要花费大量时间分析单个学生的学情动态，逐一制定相应的教学解决方案，因此备课时间和教学成本居高不下。但大数据让这一切变得更简单了。大数据让我们可以搜集覆盖面很广的数据，促进和提高教育和学习成功的机会。我们在使用数据的时候，可以把最佳的元素从那些学习材料和学习过程中取出来，把它们用一种个性化的方法组合起来。

通过大数据进行学习分析能够为每位学生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滑坡甚至厌学等潜在的风险，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。

3.更接近发现真正的学生

大数据能够让我们更全面地看待学生的发展，发现成绩所反映不了的发展问题。首先，大数据可以对学生的发展进行多元评估，发现学业成绩背后的原因；其次，大数据可以实现过程性评估，发现学生的常态，改造课堂的流程。可以想象，如果教师拥有一个课堂观察的终端，能够随手记录学生的发言质量、作业完成情况、课堂纪律等，那么教师在期末时将这些数据汇总起来，就会在撰写评语时不用绞尽脑汁，而有了更加丰富的素材与数据依据，就能对学生的发展提出建议。同时，这些数据也可以促使教师反思，自己在哪些地方需要进行改进。更进一步，如果不是通过教师的观察，而是直接应用信息化的课程载体对学生的行为进行记录，就能够真正实现大数据与课堂进程的结合。因此，大数据通过对学生在课堂中点滴行为的捕捉，帮助我们了解学生对知识的掌握程度以及感兴趣程度，进而反思我们的教学是否满足了学生的需求。

大数据时代的到来，让所有社会科学领域能够借由前沿技术的发展从宏观群体走向微观个体，让跟踪每一个人的数据成为可能，从而让研究“人性”成为了可能。而对教育研究者来说，我们将比任何时候都更接近发现真正的学生。

我们已经开始了一个新的数字时代，如果有能力真正促成这样的改革，最根本的就是我们希望利用大数据，能够用一个最好的教学方式让所有的人都能够有一个更好的学习经验。

未来将是大数据驱动的新时代。学校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生学习进程和结果，进一步改善教师教学的方式与方法，从而真正实现“改善学习成果，促进自主学习”。

9.大数据教育课堂 篇九

3.1要重视大数据的应用，从经费、人员上给予保障

有人认为成人高等教育是普通教育的补充，大数据的管理可有可无，这种观念是完全错误的，在不断变革的时代，终身学习已成为必然选择，而普通高等教育只能提供一段时间内的学历教育，成人高等教育将会成为大多数人工作后提升自我的主要学习途径，成人高等教育即将迎来极大的生源爆发，届时，传统的数据信息管理模式将不能适应大量的数据处理，管理者必须从战略角度提前谋划，超前布局，对大数据下的信息化管理改革给予必要的经济支持，引进必要的技术人才，并且鼓励现有的在岗管理人员进行技术管理创新。

3.2有效整合各类资源，创新成人高等教育学习的平台和管理信息系统

在互联网出现后，大数据时代来临前，我国教育信息化已经走过了十几年的发展历程，各成人高等教育机构都建立了诸如教务管理、学生信息管理等多个信息系统并且积累了大量网络教育资源。由于开发的人员、目的以及开发技术不同，系统都处于各自为政的状态，数据之间相互孤立，得不到有效的挖掘。在大数据时代下，为了最大限度的`获取数据的内在关系，提取出有效的信息，应该将这些系统有效地整合，通过数据交换接口将各自的数据转换成格式统一的，可以参与合并计算的数据，同时建立有效的数据同步机制，保证新数据的一致性，只有这样，才能最大限度的发挥大数据的技术优势，进一步提高管理效率和决策水平。

3.3建立健全大数据共享和监管机制，既有效利用，又保障数据安全和个人隐私

大稻莞人们带来了前所未有的价值，在今后的生产生活中，数据会成为越来越重要的信息。在全球“开放数据”的呼声日益高涨的大环境下，政府、企业、家长等社会各类机构必然要求学校开放数据共享，学校也将从社会获得更多的数据用于自身发展，这将是一个互利共赢的合作，能极大节省社会治理成本;与此同时大数据也开启了个人信息的搜集利用时代，随着网络的使用大量的个人隐私也被同时搜集起来，极易产生数据泄露和侵犯个人隐私的情况，造成法律风险。管理者应站在大数据思维的角度，将自由和责任统一起来，建立健全大数据的共享和监管机制，在法律的框架内，注重自由的同时，充分保护个人隐私，才能让大数据这个新生技术为成人高等教育的发展和改革做出良性和持续的贡献。

【参考文献】

[1]李娜.大数据时代下的成人高等教育管理与发展创新[J].继续教育研究，(8)：61-63.

[2]徐鹏，王以宁，刘艳华，张海.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，(6)

10.形势教育大课堂总结 篇十

——马家湖中学收看《形势教育大课堂》活动总结

接教育局关于收看《形势教育大课堂》课程活动的通知后，我校成立了以校长为组长、副校长主抓、政教处协助的领导小组并安排组织全体师生分别于9月17日、10月8日、11月19日、12月10日、12月18日利用班会课陆续收看了《形势教育大课堂》――《生活新变化》、《社会新气象》、《农村新面貌》、《科技新发展》、《国际新气象》、《未来新蓝图》。观看后郝校长和学校其他领导组织教师和学生代表进行了座谈交流。

其中在开讲的第一课《生活的新变化》中，师生们无不为自新中国成立以来，所取得的伟大成就而欢欣鼓舞。改革开放促国家发展火车的六次大提速给我们生活带来的便捷，青藏铁路全线通车粉碎外国人青藏高原不可能通火车的断言，四通八达的公路网络给广大农民群众带来红红火火的好日子，我国财政收入、国内生产总值、人均收入持续高速增长使我国的综合国力快速提升和给全国人民的生活带来日新月异的巨大变化，都极大地激发了师生们的民族自豪感和自信心。

尤其是收看第三课到第六课内容，师生充分感受到农村的变化、祖国科技新发展以及未来新蓝图。其中在未来新蓝图中师生通过丰富的影视资料和专家深入浅出的讲授，进一步了解了十七大报告主要内容。

在生动的《形势教育大课堂》中，师生们更全面、更系统、更直观地了解了我国社会主义建设所取得的巨大成就，同时也更深入的明白了我国将在相当长的一段时间内处于社会主义初级阶段的现实。在课后进行的讨论中，师生们纷纷表示：我们今天了解祖国建设的伟大成就，是为了为天

明天更好地建设祖国；我们一定不辱使命，努力工作、好好学习，以优异的成绩回报学校、回报社会。

各班利用班会组织学生进行交流和课外实践活动。具体做法是：教师召开教师讨论会3次，各班组织讨论会2次，教师写心得体会65篇，学生写观后感1500余篇，同时出板报3期，校园广播5次，学生办手抄报650张。并要求学生把《形势教育大课堂》的内容向广大家长进行广泛宣传。

全体师生表示要以饱满的热情继续投入到工作学习当中去，努力“创建平安校园、和谐校园”。以优异的成绩回报社会，喜迎十七大，为十七大顺利召开献上一份厚礼。

马家湖中学

11.基于大数据的教育决策支持 篇十一

摘 要：“数据变革思维，分析驱动教育”的大数据时代已经来临。大数据的独特性，以及其对思维、商业、管理带来的变革深入人心，大数据也引领了一次教育变革，利用教育数据挖掘技术和统计分析技术，构建教育数据统计模型，探索教育变量之间的相关关系，为教育教学决策提供有效支持服务，对于进一步深化教育领域综合改革具有深远的意义。

关键词：大数据；教育决策支持；教育综合改革

中图分类号：TP393 文献标志码：A 文章编号：1673-8454（2014）19-0003-03

一、引言

随着时代的变迁，科技的发展日新月异，给我们的生活带来了巨大改变，我们已经跨入了一个全新的信息化时代。近些年来，网络信息技术正在以前所未有的速度包围我们，从物联网到移动互联网再到社交网络等各种媒介的出现，使互联网的领域和应用都得到了很大的扩展，数据扩张的同时也开启了又一次的时代转型，拉开了大数据时代的帷幕。并且计算机和网络的快速发展，对大数据的量化、收集、分析、处理技术的实现使得人们对大数据的认识进一步加深，个人也能更好地从结构化数据、非结构化数据中提炼目标信息，因此，大数据对政治、经济、文化、生活等各方面都带来了革新与挑战。在这次变革中，教育行业也深受影响，不管是教育管理模式还是工作思维方式，以及教育学习行为与教学管理评估等，都因大数据而有了新的机遇。

二、大数据概念及主要特性

大数据这一概念虽然提出不久，却是在某种程度上得到了大家的一致认可而发展迅速。截至目前，学术界对给出如下定义：大数据（big data）或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。全球知名咨询公司麦肯锡最早提出了“大数据时代”已经到来。实际上，许多发达国家的研究机构和大企业公司都已经把大数据作为获取有效信息的来源以及调整部署重要决策的战略依据。而大数据处理技术也已成为信息挖掘、整理、分析的工具。大数据相比于传统的数据概括起来有四个特点，业界将其归纳为4个“V”：

1.数据规模体量巨大

数据规模体量巨大即为第一个“V”——Volume（大量）。在2007年的研究中就已经得到人类大约储存了超过300艾字节的数据，相当于 3000个压缩成1GB数字电影，近几年，全球数据存储量更是呈现爆炸式增长，互联网数据正在以每年50%的速率在增长，据Gartner预测，到2020年，全球数据量将达到35ZB，等于80亿块4TB硬盘。

2.数据类型多样

数据类型多样即第二个“V”——Variety（多样）。数据类型的多样性主要是指，区别于传统的数字型数据，大数据的数据类型不但包括数字型数据也包括非数字型数据，即包括结构化数据也包括非结构化数据、半结构化数据，因此在整理数据、分析数据上又增加了一定难度，如果想要得到有价值的信息，必须了解图像、视频、网络日志、聊天记录、语音通话、地理位置信息等等各种形式的数据处理技术。

3.数据处理速度快

数据处理速度快为第三个“V”——Velocity（高速）。大数据中的1秒定律，就是解释了可从各种类型的数据中快速获得高价值的信息，这一点也是和传统的数据挖掘技术有着本质的不同。人类储存信息量的增长速度比世界经济的增长速度快4倍，而计算机数据处理能力的增长速度则比世界经济的增长速度快9倍。

4.数据蕴含高价值回报

只要能正确合理地分析利用数据就能找到数据中隐藏的巨大价值为第四个“V”——Value（价值）。大数据里蕴含着丰富的信息资源早就有目共睹了，不管是谷歌对流感来临时的预测，Farecast对美国国内航班的票价预测系统，还是沃尔玛的啤酒与尿不湿的营销策略，都是来自于它们对大数据里隐藏价值的敏锐提取。

三、教育大数据的来源

教育领域的大数据可以从广义和狭义两方面来说，广义的教育大数据指所有来源于日常教育活动中教师、学生等人员的行为数据，狭义的教育大数据则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。目前，教育部正在着力建设国教育管理信息系统，该系统以科学发展观为指导，全面贯彻落实《国家中长期教育改革和发展规划纲要（2010-2020年）》和《教育信息化十年发展规划（2011-2020年）》对教育管理信息化建设的总体要求，以服务国家教育改革发展中心任务为目标，以建立教育管理信息系统和基础数据库为核心内容，以建设“两级建设、五级应用”（即建设国家和省两级数据中心，系统在中央、省、地市、县和学校五级开展应用）为重点，全面建成覆盖全国各级教育行政部门和各级各类学校的国家教育管理信息系统，内容涵盖学前、义务教育、高中教育、职业教育、高等教育等各个学习阶段的学生、教师、学校资产与经费的全样本个体数据，为实现教育管理现代化提供坚实的技术支持和数据支撑。国家教育管理信息系统的建设原则为：“统筹规划、统一建设、集中运行、分步推进”。该系统是教育领域大数据的主要来源。其架构如图1所示。

以国家教育管理信息系统形成的教育基础数据库为核心，吸收社会外围国民经济数据、互联网数据、国外比较数据等，建立数据关联，形成教育大数据，为教育决策提供支持和服务。

四、大数据时代的教育决策支持服务平台

决策支持系统（Decision Support System）是以管理科学、运筹学、控制论和行为科学为基础，以计算机技术、通信技术和仿真技术为手段，针对半结构化的决策问题，支持决策活动的人机系统。教育决策支持服务平台则主要是利用分析模型分析教育管理信息系统里所有的教育大数据，为教育决策者提供一些备选方案，以提高教育政策的质量，进行有效地计划评价和监督的人机教育系统。该系统是国家教育管理信息系统的核心系统之一。

1.教育决策支持服务平台的技术架构

教育数据仓库与数据服务支撑平台的整体技术架构以教育事业全局为视角，基于SOA的理念，采用柔性架构设计思想和分层体系架构，以“满足当前应用、扩展未来需求”为出发点，全面涵盖教育决策支持服务各个方面的数据分析应用需求，并能灵活适应功能、分析内容的动态追加和变更，满足系统未来变化的需要。架构的主要内容以及相互之间的逻辑关系如图2所示。

2.教育决策支持服务平台的角色定位

在教育决策支持服务平台建设过程中有三个互动关联的角色：

一是教育用户，包括各级教育管理部门和各级各类学校机构，他们的角色定位是提供自身掌握的数据及决策需求，是教育决策支持服务平台的使用者；

二是专家团队，包括致力于教育决策研究的专家和科研院所，他们的角色定位是根据教育用户需求和提供的数据，利用自身的科研优势，建立数据模型，提出研究分析报告成果；

三是研发团队，主要是指致力于大数据分析平台开发的厂商，他们的角色定位是对专家团队建立的数据模型和分析报告进行技术实现。

3.教育决策支持服务平台的主要功能

（1）提供教育宏观决策服务

通过对历史统计数据的分析，形成对我国教育发展状况各方面的趋势分析，给国家制订长远规划提供数据理论依据。

（2）提供教育动态监管、预警服务

根据教育大数据实时变化情况，多平台、多时相、多波段和多源数据实时掌控教育动态，为各种教育专项工程提供全程监管、预警服务。

（3）提供突发应急事件解决方案

以教育大数据为基础，利用各种常用的分析方法，如优化方法、预测方法、蒙特卡方法、矩阵方程求根法等，根据结果比较分析可以得出各种备选方案，对突发事件进行全面智能分析寻找最优解决方案。

（4）提供舆情分析服务

通过对教育舆情数据进行深度挖掘，得到影响舆情的主要因素和强相关性变量数据，结合教育大数据，科学规范地制作图表与列表，进而清晰、直观、简洁、深刻、形象地表现舆情事件，并提出相应的分析报告和应对策略。

（5）国内外教育综合比较分析

通过对国内外同类教育综合指标的比较，进行差异化分析，优化我国教育的发展方向。

（6）提供教育个体综合评价、教育管理、教学质量评价服务

通过教育大数据挖掘产生的知识与信息，传递给知识库管理系统，使系统智能化、知识化，实现对教育规律、决策规律以及模型、方法、数据等方面知识的存储和管理，进而对教育个体、教育管理、教学质量进行评价，促进教育综合改革的进一步深化。

（7）提供公众数据服务

教育大数据来源于教育群体，也服务于教育群体，通过对公众需求的调研和对教育大数据的挖掘、分析，形成可供公众查询的成果，打造“阳光政府”。

五、结束语

“路漫漫其修远兮，吾将上下而求索”，实现中国梦，教育任重道远。大数据是客观存在，同时又在不断地衍生变化着，人类认知范围内的“大数据”永远只是冰山一角。《中共中央关于全面深化改革若干重大问题的决定》提出了“深化教育领域综合改革”的战略部署，是促进教育公平的重大举措，我们必须怀着谦恭之心、严谨之心、证伪之心去认知、挖掘、分析教育大数据，找出其内在的规律，为教育领域综合改革提供科学的决策依据，按照中央改革决策部署，锐意进取、勇于创新，加快制度建设，不断完善中国特色社会主义现代教育体系，不断提高中国教育现代化水平，努力办好人民满意的教育。

参考文献：

[1]Romero & Ventura.Educational Data Mining：A Survey from 1995to 2005[J].Expert Systems with Applications.2007（33）：125-146.

[2]蒋玉兰，周磊.关于开放教育学生流失情况的调研报告[J].宁波广播电视大学学报，2006（3）：50-56.

[3]（英）Viktor，Kenneth著，盛杨燕，周涛译.大数据时代——生活、工作与思维的大变革[M].浙江：浙江人民出版社，2013.

[4]尹春华，顾培亮.决策支持系统研究现状与发展趋势[J].决策借鉴，2002（4）：42.

[5]宋允辉.数据库知识发现技术在集成质量决策支持系统中的研究与应用[DB].中国优秀博硕士学位论文全文数据库，2003.

[6]Dringus&Ellis.Using Data Mining as a Strategy forAssessing Asynchronous Discussion Forums[J].Computer &Education Journal，2005 （45）：141–160.

[7]Baker&Yacef.The State of Educational Data Mining in2009：A Review and Future Visions[EB/OL].http：//www.educationaldatamining.org/JEDM/images/articles/vol1/issue1/JEDMVol1Issue1_BakerYacef.pdf.

[8]李婷，傅钢善.国内外教育数据挖掘研究现状及趋势分析[J].现代教育技术，2010（10）：21-25.

[9]徐鹏，王以宁，刘艳华，张海.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）：11-17.