大数据分析驱动的智慧教育-山东大学机器学习与数据挖掘试验室.pdf

大数据分析驱动的智慧教育 陈恩红 中国科大大数据学院/计算机学院 大数据分析与应用安徽省重点实验室 Lab. Of Semantic Computing and Data Mining 1 教育发展历程 2 大数据驱动的教育 3 教育大数据分析 4 总结与讨论 Lab. Of Semantic Computing and Data Mining 教育发展：三代教学范式 《中国基础教育大数据发展蓝皮书（ ）》 2016-2017 Lab. Of Semantic Computing and Data Mining 3 经验模仿教学范式  教学者：占据绝对的主导地位 将经验模仿教学称为 教刷术 ：教授术+印刷术  学习者：被动接受者  教学内容 书本知识、已有经验和技能  教学媒介 限于传统教学工具：包括纸笔、 粉笔、黑板、课本等 夸美纽斯：近代教育学之父 2016-2017 《中国基础教育大数据发展蓝皮书（ ）》 Lab. Of Semantic Computing and Data Mining 4 计算辅助教学范式 “老三样” “新四样” 黑板、粉笔、课本 电脑、网络、白板、多媒体课件  教学内容与教学媒介多样化  学习者仍是被动接受者，但 开始参与知识探索过程  教学者仍然占绝对主导地位 《中国基础教育大数据发展蓝皮书（ ）》 2016-2017 Lab. Of Semantic Computing and Data Mining 5 计算辅助教学范式  仍存在的教育核心痛点一：优质教师缺乏 教育部发布的《2017年全国教育事业发展统计公报》 全国共有义务教育阶段学校21.89万所 ，招生3313.78万人，在校生 1.45亿人 ，专任教师949.36万人 ，而特级教师不到千分之一  传统互联网技术对教育的改变有限  只解决了教育行业的“太花钱”的问题  线下到线上：提高了获取教育资源的便利性，但完课率非常低，交互性差  对老师的依赖性非常强，解决不了缺老师的问题  导致市场占有率也仍然不高，无法体现出规模效应，如新东方 Lab. Of Semantic Computing and Data Mining 计算辅助教学范式  仍存在的教育核心痛点二：教育资源不均衡  教师资源城乡差异  高中与义务教育阶段，学校专任教师的学历、专业技术职务在城区与镇 区学校明显高于乡村学校 Lab. Of Semantic Computing and Data Mining 计算辅助教学范式  仍存在的教育核心痛点二：教育资源不均衡  不同地区教学资源输出输入差异明显  教学资源输出：制作或出