教育大数据的数据挖掘分析及问题研究-文档资料 .pdfVIP

教育大数据的数据挖掘分析及问题研究

一、引言

目前，我国教育大数据已在众多方向开展研究，文献[1]从

教育业务需求的角度，分析了教育数据层次模型以及挖掘过程；

文献[2]以教育大数据核心技术为切入点，阐述教育数据分析主

要应用技术的发展现状以及与教学、教育规律、精准管理的结合

点；文献[3]从教师信息能力的方向，探索教师信息化应用发展

规划；文献[4-6]选择特定的教师或学生群体，进行群体基本特

征或特定行为（如社交网络）的分析，了解群体现状，便于制定

具有针对性的培养或管理方案。

本文从教育大数据关联群体的应用服务角度，研究教育大数

据分析流程，以及各流程环节中涉及的核心数据挖掘技术，结合

当前教育信息系统，分析数据挖掘中遇到的数据问题，并结合数

据分析需求为教育信息系统的完善建设、数据标准规范、数据管

理体制提出建议。

二、教育大数据主要服务群体

教育数据服务于教师、学生、教育管理者、家长及教育研究

者，也来源于服务对象，其来源主要包括两个方面：一方面是服

务对象在教育的过程中直接产生的数据，如学生基本信息、考试

成绩、课堂情况等，教师的课堂行为、备课情况、评价等，家长

的家校互动信息等，教育管理者的教育管理、评估等；另一方面

是教育过程中的间接数据，就是对原数据进行加工并赋予意义的

数据，如学校的成绩排名、及格率、优良率等。整体来说，教育

大数据指整个教育活动过程中所产生的以及根据教育需要采集

到的，一切用于教育发展并可创造巨大潜在价值的数据集合。

教育大数据对于学生来说，可清晰呈现学生的学习能力偏

重、优势学科、擅长领域，便于学生全方位了解自身学习现状，

合理规划学习侧重；对教师来说，通过大数据分析可了解到每个

学校、每个学生的潜力和需求。根据每个学生学习的方式和学习

的内容，对学生采取个性化的教学内容、教学服务以及教学方式；

对家长来说，可根据大数据获知孩子在校的学习情况、心理健康

状况等，及时发现问题，给予关爱和辅导；对教育管理者来说，

可对教师专业发展情况进行分析，总结教师的教学优势和不足，

对教师开展有针对性的培训，促进教师专业发展；对教育研究者

来说，可从全局的角度把握当前教育的现状、问题，促使教育决

策制定得更加精确与科学，以数据驱动将教育决策从经验型、粗

放型向精细化、智能化转变。

三、教育大数据分析流程

教育数据来源多样、应用不同，其分析挖掘不仅需要数据分

析专业人员，还需要教育行业人员的有效参与。教育人员提供数

据挖掘需求及教育业务应用意义，数据分析人员提供数据挖掘方

法支持，通过双方沟通明确挖掘的目的，有的放矢开展分析服务。

整体来说教育大数据分析流程涉及样本选择、评估指标确定、梳

理相关影响因子、样本数据筛选、清洗检验是否符合挖掘需求、

试挖掘（运用回归算法、分类算法、聚类算法、关联算法等）、

挖掘结果的其他基本性质的属性分析，最后，将数据以可视化的

形式展现，并解释数据分析结果所代表的含义，便于后续评估、

干预等。数据分析挖掘是一个迭代过程，可能在挖掘出的结果中

发现新的需求，再进一步更新挖掘的结果关联挖掘。（见图1）

1.需求确定

在教育大数据挖掘启动前，首先要确认为什么要挖掘，是因

为教育现状出现问题，还是需要提升或改革现有教育服务模式

等，这个过程非常重要，既包含对教育现状的调研，又涉及教育

未来需求的思考，是数据挖掘的驱动力。然后确认要挖掘什么，

即想要通过数据挖掘得到什么样的数据结果，是影响教师的专业

发展、学生群体学业质量的因素，还是了解教师、学生个体的发

展轨迹，本过程是数据价值的最终体现。最后，根据需求所关注

的点，安排参与数据挖掘的人员，从教育业务方面，可安排了解

需求业务的教师或教研人员，以及相关业务信息系统开发人员，

与数据分析人员共同组成团队。

2.样本选择

根据需求选择样本人群，再确定样本参数。其中样本人群在

教师、学生的基础上，还包括区域（地域）、属性（空间）、年

份（时间）等维度，这些维度由单个或多个条件组成。区域可包

含全国、地域、集团、学校等，属性在教师方面可以是职称、学

历、教龄、荣誉等，在学生方面包括成绩段、课堂表现等，年份

可针对全学段贯通、某一学年、某一学段等。样本的参数确定是

为分析样本人群的具体问题，需选择相关参数范围，如在教师方

面，需要教师的相关参数有学历、教龄、职称、培训记录、所教

学科以及所教授班级的学生情况、学业情况等。样本选择意义重

大，选择需慎重，需