教育管理大数据分析项目实践初探.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
教育管理大数据分析项目实践初探.pdf

调查研究 教育管理大数据分析项目实践初探 庄蓉茹 李波 北京易柯森特科技有限公司 北京100096 北京教育网络和信息中心北京100035 摘要:本文旨在通过在教育行业的某大数据分析系统项目 存在若干不足之处。 是普遍以数据统计为主,能够实现按时 实践活动中,分析项目的具体特点及难点、抓住关键技术应用、 间、按空间、按构成对某类数据的数据构成和变化进行简单分 配合相应的管理措施、运用适当的技术手段等,通过一系列具 析,进 步的分析预测功能普遍缺乏,决策支持力度有限。二 体活动,分析并提出教育行业大数据分析建设项目的工作关键 是统计分析往往局限于本系统的业务数据,未能够有效整合和 点,探讨并总结实践经验,共享给大家。 利用其它数据源进行分析,使得各类分析模型提供的结果仍有 关键词:大数据;项目关键点;维度分析 局限性。三是功能相对封闭,开放性不足,难以满足不断提升 的教育业务综合分析支持需求。如面向业务管理者使用的基 随着新技术不断出现,面对信息化浪潮,世界各国都在加 本统计、分析工具,分析结果的图、文、表 体化展示等功能远 强教育信息化,把教育信息化作为整个教育改革的突破 。以 远不能满足内部业务主管的需要,尤其是在大数据挑战下,新 教育信息化带动教育现代化,实现教育的跨越式发展已经成为 的海量数据不断涌入,新的分析需求不断变化,支持面向教育 我们国家的教育发展方针。首都北京也确立了“高标准、高质 部门综合管理和服务的数据综合分析功能尚有较大欠缺,从而 量地实现首都中小学教育信息化,推动首都基础教育的跨越式 产生了 种提供的资料没有价值、有价值的资料不能提供的 发展”的教育发展战略。北京教育信息化建设取得了很大的成 尴尬。 效,走在全国前列,但随着业务管理需求的不断提升,对信息化 抓住维度分析的关键点,达到督促学校规范教学管理的 系统的建设提出了更高的要求。通过建设教育管理大数据(教 目标 育综合分析系统)项目,在现有业务系统和数据资源的基础上, 教育部门许多不同的已建系统收集了不同类型的数据,但 加强对信息资源的管理、分析和利用水平,开展从基础数据统 目前还未建立数据仓库集中所有的数据以支持实质上的挖 计、运行实时监测、多维智能分析、专业模型预测、指标体系评 掘。而以前建设的系统收集什么数据往往是基于合规性需求, 价等不同层次的分析,实现及时了解业务管理状况,掌握整体 不是为了满足使用数据预测的愿望。实时并连续的规模化处 教育数据情况,从而为领导决策提供有力的技术保障。 理数据的能力对于教育行业还是 个严峻的挑战。对于浅层 本项目同时还聘请了第三方监理,监理进驻现场后,在听 次的分析,关系型数据库已经工作得很好。传统上,教育信息 取业主单位的意见和要求的前提下,分析项目的特点和难点, 化系统的分析倾向于基于标准对信息进行切割,如种族、地理 研究监理工作方法,理解技术实现要求,梳理项目建设关键点, 以及经济状况的划分。这种方法可以识别在公平性和有效性 协助业主把控各阶段建设成果。 上大的差距,但它不是 个真正的预测。目前做的综合分析系 项目的特点和难点 统可能只触及大数据分析的表面,但也是 个崭新的尝试。 随着教育信息化系统的不断建立,产生了大量的数据,教 通过对数据在不同维度进行交叉展现,进行多角度结合分 育领域的数据有部分大数据的特征 ,但还有以下特点: 析,通过不同属性的比较、细分,使分析结果更有意义。目前采 数据活性差 用的多维分析操作主要有:钻取、切片和切块。钻取包括上钻 目前从管理系统中收集到的数据以教学管理数据为主,在 和下钻,上钻是在某 维上将低层次的细节数据概括到高层次 这个领域的数据,既无法保持“在线”,

文档评论(0)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档