教育业大数据应用案例.docVIP

智慧教育 数据分类 可将其分为四类: 一是学生管理类大数据，包括学生基本信息数据、学生考勤数据、学生作业数据、学生成绩数据、学生在学校的各类表现数据等; 二是教师管理类大数据，包括教师基本信息数据、教师备课教案数据、教师课堂教学数据、教师批改作业数据、教师辅助学生数据等; 三是综合管理类大数据，包括学校基本信息数据、学校各项评比类数据等; 四是第三方应用类大数据，包括 GPS、地图、天气、安全、网上课堂、教学资源等。 数据采集 校通大数据采集途径目前可来自个人 PC 端录入、手机校通 APP 应用程序、移动 PAD 应用程大数据时代的教育管理变革序、第三方应用数据等。例如，PC 端主要采集基础信息类数据，手机校通 APP 应用程序主要采集学生日常表现数据、作业数据、成绩数据、家校沟通数据等。 校通大数据应用分为五个阶段: 数据存储，数据预处理，数据转换，数据建模，数据应用。 1、数据存储阶段是从各种数据源采集到数据的统一存储，采用 HDFS 的分布式存储技术; 2、数据预处理阶段是依据一定的规则对采集到的脏数据、垃圾数据进行必要的清洗处理，减少不必要的工作量; 3、数据转换阶段是将采集来源不一、格式不一的数据按照约定的格式进行统一的转换，为数据建模扫清障碍; 4、数据建模阶段是根据各种不同的主题分析模型、数据挖掘模型的需求进行对应数据模型的搭建，并能满足各种商业智能应用，这是校通大数据应用的最核心之处; 5、数据应用阶段是在数据模型的基础上进行的各类统计分析、报表分析、图形分析、商业智能 BI 应用和深度数据挖掘服务等。 他们还通过设计评论等互动环节来建立自己的信用，通过收藏等环节增加用户黏性。 学习分析就是利用数据和模型来预测学生在学习中的进步情况以及未来的表现和潜在的问题。 例如，相对单个学生而言，学生答题停留时间、对错状况、回头复习情况、网络提问、参与讨论等，计算机和网络都可以对此进行记忆分析，再以此为基础对学生的学习进行评价和诱导。由美国麦格劳－希尔教育出版集团开发的一种预测评估工具， 就能帮助学生评估自己的所学知识与达标测验所需要求之间的差距，进而分析判断学习中有待提高的地方。 智慧校园产生的大数据也能为教育舆情监控提供天然的服务，能及时反映教育舆情的主流观 点、传播趋势及相关的重要人物等信息。 在教育决策方面 大数据更能充分显示其作用之大。美国在大教育管理中就经常利用数据来就相关问题进行诊断和探索，以便作出相应的决策，如辍学危险期的学生状况、教育开支与学习成绩提升的关系、缺课与学生成绩的关系等。就此而言，大数据有利于推动 “决策智能化” ，使教育管理在业务驱动的基础上加强数据驱动的力度，即通过云平台使数据集聚，形成教育数据资源，然后深度挖掘和分析这些数据的价值，进而推动教育管理的智能决策。 ( 三) 差异凸显教育管理的个性化 教育大数据的挖掘还可分析学生的兴趣、能力、特长，预测每个学生的需要。这样，大数据甚至可能颠覆传统教材、教学及考试制度。 2013 年 3 月，贵阳市白云区 9000 名学生开始英语教学信息化试点，教师与学生通过电子化教学手段进行互动，作业在平板电脑上完成，教师及时通过另一个终端进行作业批改，并进行个性化分析，从而在一定程度上实现了高效率的因材施教。例如，以平板电脑为载体，将课本内容、课后习题收录其中，然后对学生做题习惯、计算能力和速度、学生性别等数据进行区分，在教学的各个环节为学生提供个性化学习方案，就可以起到提高教学效率和教学质量的效果。 ( 四) 共享数据凸显教育管理的整合性 哈佛大学和麻省理工大学就共同投入 6000 万美元开发在线教育平台，免费开放两校的授课过程，并以开源形式向其他大学和教育机构免费开放。教育领域区域性的数据共享也是重要的发展趋势。如美国科罗拉多 州 教 育 部 正 在 开 发 全 州 纵 向 数 据 系 (SLDS)，旨在建立统一平台，将全州 178 个学区和 28 所公立高校的学生数据与福利、收入和劳动力等数据进行整合，并分析学生从幼儿园到大学的成绩，使地方行政官员和任课教师都能通过该系统了解和比较该州学生之间的表现，了解和分析收入水平、学前教育与中学阶段教育等因素对学生上大学、找工作等方面产生的影响。 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人类的行为数据，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。 目前教育领域中大数据的应用主要有教育数据挖掘和学习分析两大方向，两个研究方向虽然同源，却在研究目的、研究对象和研究方法等方面截然不同。 一：教育数据挖掘 教育数据挖掘是综合