大数据对学生行为的影响.docxVIP

大数据对学生行为的影响 随着信息科学技术的快速发展，数据存储空间的快速扩张和流量的急剧增加，计算和分析数据的方法和技术变得越来越先进。数据越来越先进，能够越来越准确、准确、全面、及时地反映个人的思想、行为和情感、事物和发展规律。为了提高人类的生产力和生活质量，我们必须实现不同方面的服务。从1951年出现的使用磁带和穿孔卡片的存储数据方法, 到2012年以分布式数据仓库、海量数据存储技术和流计算的实时数据仓库技术为代表的最新数据存储技术, 全世界的数据存储量越来越大, 处理越来越快捷和方便, 成本也越来越低。同时, 数据的采集途径由有意识地从键盘和鼠标输入数据发展为各类图像、音频、视频、移动、触摸和传感设备自动收集数据。此外, 人工智能方法和技术, 如数据挖掘、机器学习和自然语言处理, 能够越来越有效、高速和清晰地从海量数据中提炼和萃取出人类自身和事物的内在特性和规律。 随着这些技术发展, 收集、存储、管理和分析大数据使人类更有效、精准、全面、深刻和及时地了解自身和周围的事物。在国内外, 这些信息科技的发展是如何影响教育研究、决策和实践的?其影响有哪些鲜明的特征?其主要针对解决哪些教育问题?以下是在分析了国内外有关教育大数据的研究和实践的现状后对其主要影响的论述。 一、 sesstion软件背景 不管在宏观层面还是在微观层面, 大数据推进了教育界中基于教育数据和实证进行决策的文化。随着数据能够越来越全面和真实地反映和呈现事物的特性和发展状况及规律, 相对于完全根据个人经验和直觉作出的决策而言, 基于数据的决策一般更为客观、科学、有效和合理。近期一项研究在调查了179个大型上市公司后发现基于数据分析结果来进行决策的公司享有5%的其他方面因素无法解释的生产率增长。在教育界, 基于数据和实证的决策正越来越受到重视。大多数收集广泛教育数据的大型国际教育比较研究项目, 例如国际学生评估项目 (Programme for International Student Assessment, 简称PISA) , 的宗旨之一就是为各国教育决策提供数据依据。PISA起始于2000年, 是由经济合作与发展组织 (Organisation for Economic Co-operation and Development, 简称OECD) 发起和组织的, 其数据分析重点就是去发现与学生学习表现相关的学生背景特征和校内外学习经历, 以及表现优秀的学生、学校和教育系统的特征。OECD的PISA主要国际负责人Andreas Schleicher近期发表了一篇题为《大数据和PISA》的文章。在文章中, 他提出基于数据的教育决策更具说服力和公信力。在使数据公开化和透明化的基础上, 要使学校管理者和教师们认识到数据会对他们的教学实践带来帮助, 这样整个教育系统才能够产生对数据的信任感。正是出于这样的考虑, PISA目前在试行一个网上工具。凭借这个工具, 每个学校都可以把自己学校与世界上任何地方的其他学校进行比较。另外, 他还提到美国一些中学校长和教师们已经开始为期一年的有关从PISA结果得出的启示的讨论, 还在学区和OECD的帮助下将自行对数据开展进一步分析。通过这些讨论和分析, 校长和教师们开始把他们自己视为国际教育界的队员, 而不仅仅是观众。换句话说, 大数据建立起了“大信任”。 我国教育部和地方教育行政部门的网站上一般都公布了历年管辖范围内的有关学生、教师和教学设施的基础数据。此外, 国家教育部已经建立了较为完整的国家基础教育质量数据库和多级数据采集网络。上海作为试点区域于2011年开始建立了“上海市中小学生学业质量绿色指标”体系。传统的学业质量数据一般局限于终结学业评价结果, 而且通常使用单一评价结果来评判学生和教师的表现, 决定对他们的奖惩。“绿色指标”在收集学生学业水平数据的基础上还收集了有关学生家庭背景、学习动机、学业负担和师生关系以及教学方式和校长课程领导力等信息, 并向区县和部分学校进行了及时反馈, “引导教育管理、教学指导、教学行为建构在科学数据分析基础之上”。 二、 教育测评结果变量和方法的选择。在对于 大数据使教育所收集的数据的广度、深度和细分度不断延伸, 教育数据越来越多元化、多层化和非结构化, 以更加全面和真实地反映教育背景、过程和结果。在广度和深度上, 教育数据正在尽可能全面地覆盖各个层面可能与学生学习有关的各项因素。以PISA为例, 它就通过试题本和学生、学校和家长问卷收集有关整个教育系统、学校、教学以及学生个人的背景、教育过程和结果的大量数据变量。在最宏观层面, 对整个教育系统来说, 收集的背景变量包括国 (地区) 内生产总值、财富分配情况和教师地位等, 过程变量包括对教育的财政投入、总体学生分流政策以及设置课程和评价的权利分配