教育大数据：关注微观个体 分析“小现象”.docVIP

教育大数据：关注微观个体 分析“小现象” 　　教育大数据是一种新的架构和思维基础，可以弱化分析模型直接进入研究目标进行分析，还可以通过数据聚集对“小现象”进行规律研究，还可以对个体进行多维度数据融合研究，再可以对目标对象进行时间序列和空间维度动态分析。面对具体教育业务，教育大数据技术对教育的管理、教学、学习、科研和评价等都产生了很大的影响。 　　教育大数据的业务分析 　　1.教育大数据对教育管理的支持 　　大数据时代，教育者将更加依赖于数据和分析，而不是直觉和经验；同样，教育大数据还将改变领导力和管理的本质。服务管理、数据科学管理将取代传统的行政管理、经验管理。技术不断发展，教育数据挖掘与分析不断深入，不仅要着眼于已有的确定关系，更要探寻隐藏的因果关系。利用大数据技术可以深度挖掘教育数据中的隐藏信息，可以暴露教育过程中存在的问题，提供决策来优化教育管理。大数据不仅可以运行和维护各教育机构的人事信息、教育经费、办学条件和服务管理的数据，而且可以长期积累所有类型教育机构的数据，利用统计分析、应用模型等技术将数据转换为知识，最终为教育者和学习者提供科学的决策。 　　2.教育大数据对教学模式的支持 　　教育大数据推进实现智慧学习。教师在智慧教学环境下，利用大数据技术可以更深入地了解每一个学习者的学习状况，并且与学习者的沟通更加通畅，教师的整个教学过程和学习者的学习过程更加精准化和智能化。教师对教学过程的掌握从依靠经验转向以教育数据分析为支撑，学生对于自己学习状况的了解从模糊发展到心中有数，可以更好地认识自我、发展自我、规划自我。大数据技术可以帮助教师及时调整教学计划和教学方法，有利于教师自身能力提高和职业发展。 　　3.教育大数据对个性化学习的支持 　　除了学生学习的行为可以被记录下来外，学生在学习资源上的数据也可以被精确记录下来，如点击资源的时间、停留多久、问题回答正确率、重复次数、参考阅读、回访率和其他资源信息，通过大数据可以定制个人学习报告，分析学习过程潜在的学习规律，还可以找到学生的学习特点、兴趣爱好和行为倾向，并一目了然教育状态信息。大数据技术使教育围绕学习者展开，使传统的集体教育方式转向为个性学习方式。同时还伴随着教育者和学习者思维方式的改变，进一步朝着个性化学习的方向迈出重要的一大步，使得精准的个性化学习成为可能。 　　4.教育大数据对教育评价的支持 　　教育评价正在从“经验主义”走向“数据主义”，从“宏观群体”评价走向“微观个体”评价，从“单一评价”走向“综合评价”。教育大数据下教育评价的变化，不仅表现在评价思想，还包括评价方法，不仅包括对学生的评价，还包括对教学管理、评估质量等具体水平的评价。教学评估不再仅仅是由考试成绩和纪律帮助教师评价的主观传统意义上的感受，而由大量的数据感知得到，为实现教学评价的公正提供了依据，优化了教学方向。教育评价可以是多元化的，而不是仅停留在知识掌握程度这一单一维度。 　　5.教育大数据对科学研究的支持 　　教育大数据使得从追求单向因果性转向追求复杂的多元相关性，并用直观的图形等表达方式体、系统、清晰、简洁地展现。这种新思维的创生，是实现教育创新和发展不可缺少的手段、工具和方法论。教育大数据时代，科学研究将从随机抽样、探讨因果关系走向全部数据、寻找相关关系。大数据技术减少了研究资金的浪费，在某些问题上，数据分析为研究人员提供了个性化的服务，可以提了研究的效率和成果的可靠性。大数据依赖于自动、连续的记录和搜集的数据比传统调查数据更加客观和中立。 　　教育大数据转换层次模型 　　目前在教育大数据领域中有很多研究领域，比较主要的是数据挖掘和学习分析。两者既有相同之处，又存在一定差异。 　　1.教育大数据和数据挖掘 　　数据挖掘就是从大量的、有噪声的、不完全的、模糊的、随机的实际应用数据中提取有效的、新颖的、潜在有用的知识的非平凡过程。大数据时代的数据挖掘继承于传统数据挖掘又不同于传统数据挖掘。首先是分析对象不同，传统数据分析的对象是在已知的数据范围中易处理的数据，而基于大数据的数据挖掘对象时包括非结构化数据的全部数据，不能保证原始数据是完整的、清洗过和没有错误的。其次是分析基础，传统分析是建立在关系数据模型之上的，是在系统内就创立的主题之间的关系基础上进行的，而在大数据分析中，绝大部分分析基于纵裂数据库之外。再次是分析效率，传统数据处理过程中需要等待抽取、转换、加载等工作完成。而大数据分析是对数据进行实时分析。 　　教育数据挖掘可以向教育者、学习者、教育管理者、家长及教育研究者提供决策帮助，最终提高学习者的学习水平。基于教育大数据的数据挖掘过程即将学习结果、学习内容、学习资源与教学行为等教育原始数据使用多种技术，如聚类、关系挖掘和模型构建等，最终达到预测学习者发