教育教學大數據分析

㈠ 大數據對未來教育的影響包括哪些

作為社會子系統重要的組成部分，教育也深受大數據來臨的深刻影響。國外高校教學管理中，教育數據的挖掘也成為提高教學管理水平和教學質量的重要方式。美國的學校能夠通過對學生數據的分析，以85%的精確度預測學生的升學率。[4]中國教育在當前社會轉型影響下存在不少問題，通過正在形成的大數據技術，教育政策的制定、學習方案與評價方式的確立等，都將發生革命性變化。
1.滲透到教育的核心環節
教育和社會之間是哲學上的辯證關系，一方面，通過教育培養出能改變世界、創造世界的人才；另一方面，教育又深受當前社會氛圍、國家體制、經濟狀況、文化傳統等的影響。從當前來看，教育深受工業社會的影響。從18世紀中葉開始，整個世界開始受到工業革命的影響，市場的擴大和勞動時經驗與技術的要求，對勞動力的素質提出了新的要求，實際的動手能力代替了過去注重個體層面的文化修養學習，能不能解決問題，成為衡量人才的標志。這種人才觀對教育的影響是巨大的，這從美國實用主義哲學家杜威教育思想的流行可見一斑。
大數據時代的來臨將會革新這種延續了近三個世紀的教育理念。美國著名的未來學家，當今最具影響力的社會思想家之一的阿爾文·托夫勒（Alvin Toffler）在他的著作《未來的沖擊》中提出逗未來的教育地，他預測未來的教育要面對服務、面對創新，因此在家上學、教育空間設計、面向未來的學校界限的消失將成為趨勢。[5]解決實際問題的能力作為大數據時代人才的能力之一，將漸漸淡出教育的邏輯起點位置，發掘知識、尋找聯系、總結規律將成為大數據時代人才的重要要求。大數據時代教師將集中在挖掘學生與學習有關的表現，最適宜學生學習的方法，而不是依賴於定期的能力測試。教師分析學生知道什麼，什麼是最有效的學習路徑。通過對在線學習工具等的分析，可以評估學生在線學習行為的長度，以及學生們如何獲得電子資源，如何迅速地掌握概念。[6]
從我國實際情況來看，教育政策的制定與執行都是自上而下的，這種情況有利於政策的權威性與執行的效率，但是忽視教學與學生實際的弊端也客觀存在。大數據時代將可以通過對教育數據的分析，挖掘出教學、學習、評估等符合學生實際與教學實際的情況，這樣就可以有的放矢地制定、執行教育政策，從而為學生制定出更符合實際的教育策略。
2.重新構建教學評價方式
長期以來，教學評價活動主要是學校以及上級主管部門在聽課和學生考試成績的基礎上對任課教師進行評價，或者教師根據學生考試成績和作業成績以及課堂表現等對學生進行評價。[7]教學評價活動促進了教師的教學和學生的學習，但是在細節方面還有待提高，比如教師在教學活動中，哪些教學方式是最為擅長也最容易為學生接受看學生在學習過程中，個體的學習習慣是什麼，什麼樣的學習方式最容易掌握知識看這些細節可能需要大量的實踐經驗總結出來，短期的教學評價是難以實現的。
大數據技術通過對教師與學生長期行為進行分析，得出具有個性化的教學行為、習慣、方式。逗不得不承認，對於學生，我們知道的太少地。同樣，我們也可能對教師知道的太少。大數據的到來，可以通過技術層面來評價、分析並進而提升教學活動。首先，教學評價的方式不再是經驗式的，而是可以通過大量數據的逗歸納地，找出教學活動的規律。比如新一代的在線學習平台，就多出了行為和學習誘導的部分。通過記錄學習者滑鼠的點擊，可以研究學習者的活動軌跡，發現不同的人對不同知識點有何不同反應，用了多長時間，以及哪些知識點需要重復或強調。[8]對於學習活動來說，學習的效果體現在日常行為中，哪些知識沒有掌握，哪類問題最易犯錯等成為分析每個學生個體行為的直接結果。其次，可以對學生進行多元評價，而不僅僅是知識掌握的單一維度。對學生的評價應該是多元的，特別是通過數據分析，可以發現學生思想、心態與行為的變化情況。比如，同一寢室，互相刪除了聯系方式，或者兩者之間沒有任何數據產生，同學之間的關系肯定出現了問題，通過數據分析，就應在學生心理與行為方面進行關照。如果通過文本分析、信息抓取分析出學生的近期情緒狀態，很多悲劇可能就能避免。即使是掌握知識的單一維度，其因素也是多方面的，有的是記憶好，有的則是邏輯思維能力強，通過大數據技術，可以分析出每個學生的特點，從而發現優點，規避缺點，矯正不良思想行為。第三，教學評價跳出了結果評價的圈子，實現過程性評價。傳統教學評價多是教的好不好，學的好不好，注重的是結果。而大數據時代可以通過技術手段，記錄教育的過程。現在一些學校實行了電子課本，如果能記錄下作業情況，課堂言行，師生互動，同學交往，並將這些數據匯集起來，不僅可以發現學生的特點，更不用為如何寫期末評價費力了。
3.革新教育者教學思維
傳統的教育大多是教育主管部門和教育者通過教學經驗的學習與自己的總結，認為某些因素對教學活動很重要，從而一而再、再而三地強調。但是有些經驗是不具有科學性的，常識有時會影響人們的判斷。比如蘋果公司就發現，筆記本電腦銷售額的提升，常識認為的比如提高庫存管理能力、提供員工更多的專業培訓、做更為時尚的廣告、促銷等等，只能提升2%～9%的銷售額，而把電腦屏幕和桌子呈70度角左右放置，卻能高出其他電腦銷售額的15%。70度角放置的電腦，因為反光會讓人不舒服，從而誘使客戶去搬動屏幕，一旦潛在客戶與貨物發生了肢體接觸，他購買這個商品的可能性就上升了15%。[9]
大數據時代教師的教學思維需要從群體教育的方式轉向個體教育，在教學過程中，可以真正做到因材施教，因人而異。傳統教育也提倡因材施教，但是由於學生數量、教師精力、教育任務等制約，因材施教總是有些缺憾。大數據技術將給教師提供最為真實、最為個性化的學生特點，教師在教學過程中可以有針對性地進行因材施教。比如，在課堂學習過程中，哪些（或哪個）同學注意基礎部分，哪些同學注意實踐內容，哪些同學完成某一練習，哪些同學可以閱讀推薦書目等等。這和網路購物相似，通過你過去的購買痕跡，網站就會分析出你的購物興趣，從而有針對性地給你推送廣告信息。
不僅如此，當學生在完成教師布置的作業時，也能通過數據分析強化學習。比如通過電子設備做作業時，某一類型的題目有幾次全對，就可以把類似的題目跳過；如果某個類型的題目犯錯，系統則可進行多次強化，這樣不僅提高了學習效率，也減輕了學生的學習負擔。
4.影響學校教育模式
學校教育是當前教育的絕對模式，適齡兒童、青少年都需要進入學校，通過教師的講授進行學習。但是隨著大數據時代的來臨，這一教學模式可能會得以改變。2004年，澳大利亞人馬丁開發了一個開源課程平台moodle，解決了來回奔波上課的問題。教師通過這個平台與學生互動，學習、考試、資料分發與上傳等，都通過網站完成。2010年，這個平台數量已經達到了100萬門戶。2006年，孟加拉裔金融白領薩爾曼·可汗將自己的10分鍾教學視頻傳到網上，幾年後，這個網站注冊用戶達到了1000萬。[10]
教育平台的開發，使網路課程得以飛速發展，2012年美國在線課程投資達到10億美元以上。網路課程的發展給傳統教學帶來了巨大沖擊，一方面，教育的方式將不再僅僅局限於學校教育；另一方面，教師的課堂教學出現新的替代模式。這種教育模式的革新，在大數據時代更有了存在的價值與意義。
傳統教學模式有教師的督促、隨時溝通、情感交流，是按照教學大綱按部就班地完成教學活動。這種教學模式有計劃、有步驟，體現秩序性，但是在一定程度上也框定了學生的思維框架，學生的創新能力沒有得到最大發揮。美國不少商業巨鱷都有輟學經歷，甚至有的創業基金要求學生輟學才能發放。這當然不值提倡，但是，從一個側面也反應出非學校教育，也同樣具有創造能力的事實。大數據時代的來臨，可以通過學生學習興趣、在某一在線課程停留的時間、點擊率、情緒反應等，推送更具有個性化的學習內容。這在知識爆炸的時代，顯得尤為重要。此外，隨著媒介社會化時代的來臨，學生學習生活網路化已成事實，學生可以通過在線學習目前正在開設的課程，這對正在授課的教師是一種挑戰。美國有個Udemy網站，老師根據自己上傳視頻的點擊率獲得報酬，2012年5月份，該網站上有的老師收入已經超過20萬美元。隨著技術的發展，以後教育網站將在大數據的支撐下，根據知識傳播的形式、受眾的興趣不斷優化教學內容、教學方式，為學生提供更高質量的學習內容。

㈡ 如何通過抓取教育大數據來深化課堂教學改革

現代信息技術的發展為大數據的收集和分析提供了無限的可能，大數據時代的這一趨勢也對教育產生了巨大的影響：一方面，在科技理性的指導下，通過多維度收集學生行為的數據並進行模型建構，可以對學生的學習行為進行預測;另一方面，大數據時代的人文主義轉向使人們更關注教學活動的適應性，教育大數據的挖掘和利用可以更好地實現適應個人需求的定製化教學。

國際數據公司(IDC)認為大數據時代數據有4大特點——數據的規模大、價值大、數據流轉速度快以及數據類型多。大數據的挖掘和利用對教育——特別是課堂教學——產生著深遠的影響。學習科學家索耶認為：越來越多的學習將經過計算機中介發生, 並產生越來越多的數據,我們有必要運用這些數據分析什麼時候有效的學習正在發生。所以數據挖掘可以用於探究行為與學習之間的關系,如學習者的個體差異與學習行為之間有何關系,不同行為又會導致何種不同的學習結果等。2012年美國發布《通過教育數據挖掘和學習分析促進教與學》(Enhancing Teaching and Learning through Ecational Data Miningand Learning Analytics)提出大數據時代教育數據的特點：具有層級性、時序性和情境性，其中數據的層級性指，既收集教師層面的數據也收集學生層面的數據，既收集課堂數據也收集活動數據，為後期模型的建立提供了多維度的資源;數據的時序性是指，數據是實時的、連續的，為材料的前沿性提供了保障;而數據的情境性是指，數據是基於真實情境脈的，保證了模型的信度。

大數據技術能夠促進以學生為本的學習，數據不僅僅是科技理性指導下收集數據和擬合成模型，並針對學生的群體行為做出預測判斷，還可能在固有模型的基礎上，通過診斷學生在課堂中的行為表現，對固有模型進行修改，使課程內容更加適合學生的長尾需求，實現個性化教學。大數據的利用可以支持對教育活動行為的建模預測，還可能支持教育實踐中的適應性教學。前者是後者的基礎，後者是前者的深化。

建模與預測導向的大數據應用

大數據時代數據促進教育變革的方法之一是收集和分析處理數據，並進行預測。現如今，由於數據記錄、存儲與運算的便捷性，海量的、多層次的數據可以便捷地加以收集，由隨機抽樣帶來的誤差因此減小，建模和預測可以基於全數據和真實數據，因而就更為精確。大數據時代通過探求海量數據的相關關系獲得盈利的最成功的案例是亞馬遜的市場營銷，亞馬遜收集讀者網上查閱行為和購買行為數據，建立讀者偏愛閱讀模型，預測讀者購買的群體行為，實現書籍的推薦。近幾年，教育研究的對象逐漸關注學生的學習行為，其背後是一種學習觀的轉變，學習被視為一種識知的過程(knowing about)，識知是一個活動，而不是將知識作為一個物品加以傳遞。識知總是境脈化的，而不是抽象的和脫離於具體情境的。識知是在個體與環境的互動中交互建構的，而不是客觀准確的，也不是主觀創造的。所以，學生的行為活動數據被認為是可以反映學生在學習過程這一情境化的動態變化進程中的情況。海量、多層次、連續的行為數據在收集後被擬合成模型，實現預測，如學習管理系統(LMS)的運用。然而，由於建模和預測依賴的基本原理為數理統計，其預判對象主要是學生的群體行為。

1.案例分析

學習管理系統(Learning Manage System)簡稱LMS，是基於網路的管理系統平台，用於監控學生學習活動行為，識別和預測學困生(student at-risk)，並為其提供相應的幫助。大多數LMS包括5個部分：有和課程相關的學習資料、用於確保學生提交作業與完成測試的評價工具、用於溝通的交流工具(如郵件、聊天室等)、用於確保教師記錄和存儲學生的學習活動並發布活動截止日期的課程管理工具、用於幫助學生學習回顧和跟蹤學習進程的學習管理工具。在高校大量使用的BB(Blackboard)平台就是一個常見的學習管理系統。系統記錄了學生參與選修的網上課程的種類、在線時長、閱讀和瀏覽的文章數量，反映學習者的學習行為。2008年，Leah P.Macfadyen和Shane Dawson教授在加拿大不列顛哥倫比亞大學通過分析5個本科班級使用BB平台選修生物課的數據，建立了預測模型。平台記錄了學生課程材料的使用情況、參與學業交流情況和完成作業提交和考試情況。大數據時代教育數據記錄的層級性在這裏充分顯現，課程材料的使用包括記錄在線時長、郵件的閱讀時間、郵件的發送時間、討論信息的閱讀時間等。參與學業交流記錄了發布新討論的時間、回復討論的時間、使用搜索工具所花的時間、訪問個人信息的時間、文件的瀏覽時間、瀏覽誰同時在線的時間、瀏覽網頁連結的時間等等。評價模塊記錄了評價的閱讀時長和提交評價的時間等。通過應用統計工具描述散點圖，發現了在LMS記錄下學生在線時長和學業表現呈相關關系。在進行多元回歸時，研究者發現，學業成就處在後四分之一的學生在線時間略長於平均時間，而學業成就處於前四分之一的學生的在線學習時間低於平均水平。緊接著，研究人員為了作出預測，利用邏輯斯特回歸生成了一個預測模型，通過收集學生的新的行為數據，預測學生是否處於真正參與了學習活動，並得出如下結論：討論舉行的次數、郵件信息發送量和測評的完成情況這三個維度構成的模型可以預測學生的學業水平情況。

大數據時代，通過探求學生行為與學業水平之間的相關關系，建立模型，實現預測，能夠對課堂教學產生重要影響。然而，數據建模過程中，為了保證模型的效度與信度，極端個別數據被處理，使模型只能實現群體行為的預測，不能針對學習者個體實現定製化和個性化。

2.建模與預測的不足

數據建模與預測的背後充分體現了實證主義的思想和方法。19世紀上半葉，以孔德為代表的社會學家提出了實證主義的基本信條：利用觀察、分類，探求彼此的關系，得到科學定律。實證主義的哲學思潮到20世紀60年代，演變成一種科技理性，實踐知識逐漸染上了工具性的色彩，專業活動存在於工具性的解決問題之中，所有的專業活動都被視為釐定目標、套用已知的方法解決問題的過程。這一期間，大量的學科被系統地整合發展，甚至包括教育學和社會學這樣的「軟科學」。用證據解決未知的問題，用數據預測未來一時成為潮流。

學生活動行為數據的建模尤其側重體驗實證主義的思想，模型注重成功教學行為的共性，忽視教師與學生群體的獨特性需求時，科技理性的主導有可能使課堂教學被視為獨立於真實境脈的模塊，只要教學行為取得成功，就會被數據抽象化，形成模型，對學生群體行為產生預測。科技理性有賴於人們認同的共有目標，教學實踐目標的釐定極其復雜，包含巨大的不確定性和獨特性，甚至，由於社會角色的不同，還會帶來價值沖突。一個穩定的、為所有人所認同的目標不復存在，依據科技理性精神和方法推理預測的行為模式並不可能滿足每一個人的需求，教育變革在大數據時代下出現新的取向。

從數據模型到支持適應性學習

在數據建模的基礎上實現教學的適應性是大數據時代促進教育變革的另一成果。數據建模及行為預測依舊屬於科技理性指導下的行為模式，可能會造成忽視學生個性需求的現象，而個性化需求正是知識社會的重要特徵，個性化的教育也受到教育研究者、政策制定者和教育實踐者越來越多的關注。教育系統設計專家賴格盧斯認為，教育投入沒有達到效果的一個很重要的原因是忽視了社會的轉型。「社會已經從工業社會步入了資訊時代，勞動力市場對人才的要求不再是工業時代在流水線上操作的工人，而是具有創新性思維、決斷力強的知識性人才。」教學面臨從產生清一色的勞工轉向產生有判斷力和適應性能力的人群。2010年，OECD的報告《The Nature Of Learning》中指出，適應性能力(adaptive competence)是21世紀核心競爭力，包括在真實的境脈中靈活並有創造力地使用有意義的知識和技能。吳剛在《大數據時代的個性化教育：策略與實踐》中提出了個性化教育的必要性和必然性，指出「只有利用信息技術所提供的強大支持，才有可能真正實現個性化學習」。大數據時代的來臨，正是個性化教育發展的一個良好契機。2012年，美國頒布了《通過教育數據挖掘和學習分析促進教與學》，提出大數據時代，通過收集在線學習數據，對數據進行分類和探尋數據之間關聯的方式挖掘數據，形成數據模型。通過學生行為和模型的互動，形成適應性學習系統。概言之，我們可以以對行為數據的充分利用為基礎，改變教學的內容和進度，構建適應性評價和教學系統，充分實現教育的定製化，滿足學生的長尾需求。

1.案例分析：
適應性教學系統又稱適應性學習系統，(Adaptive Learning Support System)，簡稱ALSS系統，強調基於資源的主動學習，認為學習不是知識的傳遞，而是學習者的自我建構。自上世紀90年代以來，研究者開發了不少適應性學習系統，如1998年De Bra開發的AHA系統，2003年，Brandsford和Smith開發的針對任務型學習的MLtutor系統，以及近幾年頗受關注的翻轉課堂(Flipped Classroom Model)簡稱FCM系統。

• 內容傳遞模塊：傳遞相關知識與信息支持學生的學習。
  

• 學習者資料庫：存儲學生在參與教學活動中的相關行為。

• 預測模塊：包括學生信息和學生行為數據，跟蹤學生的學習，並做出預判。

• 顯示模塊：為學生生成行為報告。

• 自適應模塊：根據學生行為生成的報告，反饋到預置模型，為模型做出相應的改變，使之更符合學生。

• 干預模塊：使教師、系統管理者和領導可以在系統運行時實施人為干涉。

學習者學習相關學科內容時，學習行為被記錄跟蹤下來，學生的學習行為數據被傳送到後台，記錄在學習者資料庫內，作用於預測模塊。預測模塊通過改變內容傳遞模塊，再次作用於學習者。在整個過程中，教師、教學管理者起干涉作用。

適應性學習系統是一個交互的動態系統，系統往往會提供給學生一些學習行為建議。奧地利針對學生的問題解決的過程設計了一個適應性學習系統。適應性學習系統的第一步是教育數據挖掘(ecational data mining)，簡稱EDM。數據挖掘的過程包括數據收集、數據預處理、應用數據的挖掘和詮釋評價發展結果。Moodle提出了CMS數據挖掘系統(Course Management System)。研究者先使用原始數據進行建模，第一步是原始數據的收集，原始數據大約包含2007年73名用戶產生的28000活動例子，2008年97名用戶產生的265000份解決問題的案例和2009年45名用戶產生的115000個活動案例。除了記錄學生解答問題時產生的數據，原始數據還收集了學生的信息、問題的信息和解決問題的步驟;在對數據進行分類後，歸納出問題解決的類型，利用很擅長擬合連續數據的Markvo Models(MMs)的一個子模型DMMs擬合了如上的連續性數據，通過添加判斷學生學習行為的結果模型和一系列監控和調節模塊，構成了整個面向問題解決的適應性系統。當學生使用這個模型時，模型會根據學生的行為數據為學生提供他們所偏愛的解決問題的過程與方法。

除了適應性教學系統，還有適應性評測系統。LON-CAPA(Learning Online Network with Computer-Assisted Personalized Approach)是一個計算機輔助的個性化網路學習測評平台，平台不提供課程設計和課程目標，而是一個教學工具。CAPA通過後台記錄學生的基本資料，學生參與的互動交流、學業情況，針對學業課程中的疑難點，提供個性化的考試資源。

2.適應性轉向的意義

在大數據時代，科技理性指導下的模型預判在面對結構不良的問題時顯得應對能力不足。科技理性指導下的數據建模忽視學習的真實境脈，只能支持群體行為的預判，模型的推廣可能會使人們忽視其實踐成功背後的個體經驗與具體情境，從而導致科技理性與哲學思辨對抗。然而，完全依靠哲學思辨和經驗進行教學不僅不利於教育學科系統理論性的發展，也不利於課堂實踐的管理與教師的培訓。唐納德·A.舍恩提出了一種適應性思維模式。他指出：「如果科技理性的模式在面對『多樣』的情境時，是無法勝任、不完整的，甚至更遭的話，那麼，讓我們重新尋找替代的、較符合實踐的、富有藝術性及直覺性的實踐認識。」適應性學習是在系統理論知識的指導下，針對個體差異，使學習內容和活動高度個性化的學習方式。

適應性平衡了理性與經驗的兩難，英國學者Hargreaves(1996)首次提出基於證據的教育研究向醫療診斷學靠攏。臨床診斷學和教育的相似之處在於，他們都要面對變動不居、極其復雜的環境，在這樣一個結構不良的系統中，充分意識到客體(患者或者學生)的獨特性與共性，利用系統的專業知識解決問題。

Ralf St. Clair教授在參考醫學臨床實踐研究的三要素後提出基於證據的教育研究的三要素——研究的證據、教育工作者的經驗、學習者的環境與特點。其中，行為預測關注的是研究的證據，而適應性學習系統的建設則關注的是教育工作者的經驗和學習者的環境與特點。

從預測行為到支持適應性教學的轉向，是一種人文主義的轉向，教育研究的重點從關注研究的證據走向關注教育工作者的經驗與學習環境特點，關注以證據支持個性化學習的實踐變革。證據不再是其在科技理性時代所處的指導決策的角色，而是被視作一種資源，教育工作者在大量的基於證據的課堂教學決策中找尋最適合自己特點和學生特點的方式，推進課堂教學流程。也就是說，大數據的更重要價值在於支持適應性學習，滿足個性化學習和個性化發展的時代需要。數據的預測功能依賴於大數據收集數據的全面性與處理數據的便捷性，根據統計學原理對群體行為做出預測，一定程度上弱化了個體特徵和具體情境。其主要指向行為預判。而適應性是在模型與客體的交互作用上改變模型，如圖3所示，數據的適應性運轉模型比預測模型多了一個循環(loop until)系統，使其更加契合個人需求，其主要指向實踐改進。預測是支持個性化學習的基礎，而支持個性化學習是預測功能的深化和轉化——從整體人群到個體學習者、從理論模型到實踐策略的轉化。

分析與啟示

大數據時代由於數據量大，數據收集與攜帶便捷，使海量學生行為數據被挖掘、收集，通過數據建模對學習者行為的分析變得比前大數據時代更為全面和可靠。數據時代在數據的挖掘和預測上固然潛力十足，但是大數據時代更多的價值是滿足學習者的適應性長尾需求，在預測行為的基礎上，修改教學模式，使之個性化與定製化。從數據建模走向支持適應性教學，支持對象從群體轉向了個人，對教育活動的影響從對行為的認識轉向了教育活動的實踐，從科技理性指導下的去境脈轉向了基於真實情境的教學活動。

走向適應性，不僅改變人類行為方式，更重要的是改變了認知方式。前大數據時代人們在科技理性的指導下完全被數據證據左右(driven by the data)，教師和學生、教育決策者和學校形成傳統社會契約關系，當事人把自己百分之百地交給專業工作人員，而專業工作人員遵守契約，對當事人全心全意地負責，從而使專業工作人員享受至高無上的壟斷性地位。大數據時代，教師不再是知識的控制者，他通過參與學生的學習活動，根據學生的先擁知識和認知特點、個性需求，不斷地調整教學步驟、教學進度和難度。學生不用完全將自己有如病人交付給醫生一般完全託付給教師。在學習的過程中，通過與教師的互動交流，在教師的協助下，成為自己學習的主體，控制並對自己的學習負責。由於教師精力有限，大數據時代下網路計算機輔助學習系統可以為教師和學生提供輔助指導的機會。

盡管如此，一方面，我們要擁抱大數據給我們帶來的便捷的生活和高質量的教育，另一方面，我們需要保持警惕和防止因果關系和相關關系的誤用，並且維護數據安全。

在推理方面，教育工作者需要警惕將相關關系和因果關系誤用，以Leah P.Macfadyen教授的前述案例為例，BB平台在線時間的長短和學生的學業成就有相關關系，而非因果關系，成績優異的學生在線時間低於平均在線時間，但不能說低於平均在線時間的學習導致學生成績優異而要求學生減少在線學習時間。

此外，在信息安全方面，學生和教師的大量信息被收集和使用，在使用的過程中，必須制定相關私隱保護法，保證信息的安全，警惕數據濫用。學生的行為數據也不可以作為教師教學評優的依據，讓大數據真正成為支持教學變革、提升教學效能、促進學生發展的手段，而不是控制教師和學生的工具。

㈢ 成都大數據分析培訓班哪家比較好

成都大數據分析培訓班較好的有：

1、學大教育

2、弘成教育

3、新東方

4、達內教育

5、等等其他培訓班

4、實訓項目

上面我們講了課程的重要性，課程設置是否合理影響知識結構和學習成果，而項目經驗將直接影響我們就業情況。

實訓項目一般包括JAVA項目，大數據項目，企業大數據平台等，不同的學習階段配合不同的項目，加深學員對所學知識的理解和應用。

5、招生門檻

企業在招聘大數據開發人員時是有一定門檻，最低學歷要求是統招大專（個別小眾企業有可能會放寬要求）。所以，一家靠譜的培訓機構在招生要求上肯定會設置一條：大專及以上學歷。

6、班型選擇

越來越多的人想進入大數據，但又不想付出太多。為了迎合大家的需求，一些培訓機構推出什麼「周末班」、「快速班」、「線上班」等等班型。

大數據技術龐多復雜，短期內想掌握幾乎不可能，一般0基礎的學習周期是5個月左右，且是全日制的學習。

7、現場試聽

真正有技術的大數據培訓機構根本不怕學生來實地考察、現場試聽，網上信息了解得再多，不如實地走訪一番，成都的小夥伴們可以前往成都大數據實地考察。

㈣ 大數據迸發出巨大的教育能量 大數據如何與學校教學

一、提高聽課的效率是關鍵。 學習期間，聽課的效率如何，決定著學習的效果，提高聽內課效率應容注意以下幾個方面： 1、課前預習能提高聽課的針對性。 預習中發現的問題，就是聽課的重點；對預習中遇到的沒有掌握好的有關的舊知識，可進行補缺，以減少聽課過程中的困難，有助於提高思維能力；預習還可以培養自己的自學能力。

㈤ 大數據在教學中有什麼應用

當今時代，人類社會步入一個科技創新不斷涌現的重要時期，新的技術革命帶來世界范圍內生產力、生產方式、生活方式的巨大變革。其中，信息技術進一步推動了經濟的增長和社會的發展，促進了知識傳播應用進程的變化。所以當今以雲計算、物聯網和大數據為代表的新技術，成為新時期重大突破發展的一個前沿，也是我們目前所面臨的最大機遇和挑戰。
一、大數據的定義及特點
簡單地說，大數據就是一個數量很大的數據集合。我們之所以稱其為大數據（Big Data），一是因為數據量大，二是因為變化快，三是因為構成復雜，四是因為蘊含著大的價值；通常將其也歸結為4V，即Volume（大量）、Variable（多樣）、Velocity（高速）、Veracity（精確）。
1.大量
每個人每天都在製造數據，每個單位也不例外，大數據既來源於互聯網上的數據，也來源於物聯網。2006年，我們個人所用的數據平均已經到達了TB時代，人們預測到2020年，整個世界的數據量將達到35.2個ZB，而1個ZB等於10億個TB，由此可以想像這個數據量之大。這就是我大數據之所以巨大的由來。
2.多樣
數據類型繁多，涵蓋內容豐富，類型復雜，既有結構化的數據，也有半結構化的數據，還有非結構化的數據，包括了教學系統中的文本、圖像、音頻、視頻等多種類型的文件格式，以及博客、微博、微信及其他互動信息如點評信息、交互信息等。
3.高速
一方面數據流飛速產生，需要實時獲取，即在第一時間抓住重要信息並分析決策。另一方面數據變化快，處理速度高。大數據需要雲計算，大數據與雲計算相向而行、發展迅速。
4.精確
連續不斷的監控數據流，實現360度監測，通過對數據專業化的分析，從中提取大量有價值的信息。好比沙裡淘金，價值密度低，商業價值高。
二、大數據在教學中的應用
1.大數據對「大學計算機基礎」教學內容的改變
「大學計算機基礎」是我校面向非計算機專業所開設的通識必修課程，在大一開設，是學生學習的第一門計算機課程。在開課前教師可以通過問卷調查、模擬一級B等級考試等方式對學生進行調查，收集各種數據，比如，收集每位學生在參加模擬等級考試中產生的各模塊考試成績，並對產生的大數據進行挖掘、分析，最後以課程教學大綱為依據，以數據分析為基礎，可以對每一位學生制訂他們對該門課程的學習內容，制訂出他們的學習計劃；進而擬出教師對該門課程針對上課班級甚至針對每一位學生的教學內容。這樣制訂出的課程教學內容才可以做到真正意義上的因材施教。
2.大數據對「大學計算機基礎」教學模式的改變
傳統教學模式中，學生拿著統一的教材集中在教室，教室是課堂的主要教學陣地，教師採用的也是「滿堂灌」的教學模式。而在大數據時代背景下，出現了許多新的教學模式，如「翻轉課堂」「慕課」及「微課」等。「微課」的核心組成內容是課堂教學視頻，這就要求教師製作出教學視頻、課件、習題等大量有關「大學計算機基礎」課程知識的學習數據，以便學生通過公共交互平台進行學習、練習以及反饋等。
教師在充分了解「慕課」「微課」及「翻轉課堂」的基礎上，才能有效地進行「大學計算機基礎」課程創新教學的實踐，實現由知識培養到創新能力培養的轉變。
3.大數據對「大學計算機基礎」考核評價體系的改變
由於採用了新的教學模式，導致傳統的考核評價體系難以准確地評價學生的成績。新模式下，學生在登錄公共交互平台進行學習、練習時會產生大量數據，對這些數據進行收集、挖掘，就可分析出學生哪部分知識學得好，哪部分需要多復習、多操作或者多做一些習題。所以大數據時代背景下，應當建立新的考核評價體系，這樣才能促使學生從被動學習轉變為主動學習，提高學生的實際應用能力，推動教學效果的不斷優化，進一步提高學生參加全國計算機等級考試的過級率，進而提升學生的就業空間。

㈥ 如何利用大數據推進教學變革，改革教育教學方式和方法

一、現代教育理論和思想的學習是課堂教學改革的靈魂
在教學活動中，教師是教育者、影響者、變革者和促進學生發展的實踐者，是教的活動的主體，同時，教師的教又要以學生為出發點，教師的作用及其發揮的程度，必然地要以學生的原有水平為基礎，在教的活動和學的活動中，都有一系列科學的理論知識和方法，因此，教師隊伍的現代教育理論和思想的認識水平，直接影響著新的教育理念在課堂教學改革實踐中的應用，有計劃組織教師學習一些學習理論、教學理論和傳播理論的知識，不僅可以提高教師實施教育工作的理論水平，更有助於教師從「教書匠」向「教育家」的轉化。有了深厚的教育理論基礎，就能夠促使教師在組織教學的活動中，站在現代教育理論發展的前沿來看待、評價、設計自己的教的活動，還能夠把自己「教」的工作從科學研究的認識高度開展理性思考，在長期的實踐中逐步內化為自己的思想和觀念，從中體現出教育大眾化、終身化、個性化、國際化、信息化的現代教育技術環境下的先進教育思想，比如一堂課上，從表面上只是反映了教師與學生的教與學的互動過程，在知識的傳遞過程中，教師的思想、方法和他的教育理論水平，會在知識的呈現過程中隨時滲透的，只有具有一定現代教育理論水平的教師才能在他的講、畫、演、做的過程中靈活啟迪學生的思維、保持知識記憶、促進遷移運用，從而使學生真正獲得知識，已達成推進課堂教學改革的目的。

㈦ 如何利用大數據及現代教育技術，輔助教師教學

隨著現代教育技術的飛速發展，
社會對教育教學的要求越來越高，
傳統的教
學手段、
教學回模式答已經表現出了一定的局限性。
只有在教學中適度加入一些高科
技手段來輔助教學，
才能獲得更好的教學效果。
因此，
我們可在教學中嘗試使用
雲技術來克服傳統教學模式中的種種缺陷。

㈧ 如何解讀大數據，分析評價區域的教育教學質量，促進區域教

一．進行教學質量分析的意義
學校之間的競爭，說到底，還是教學質量的競爭，而不在於學校大樓有多雄偉，場地有多寬闊，規模有多大。學校辦得如
何，它在社會上的反響怎樣，能不能得到百姓的擁護與信賴，關鍵在於這所學校教學質量的高與低。中國教育學會副會長，華東師范大學終身教授葉瀾老師講：把育
人質量擺在辦學第一位的學校才是好學校；把主要精力放在教學質量、學生可持續發展上的教學幹部才是好乾部。
以教學中存在的實際問題為課題，將實踐
行動與研究探索緊密結合的行動研究法，越來越多地受到廣大教育工作者的重視。其實，作為學校，日復一日、年復一年，每時每刻都在自覺或不自覺地嘗試著教學
行動研究：「對自己的教學行動進行反思→意識到教學問題所在→拿出新的教學行動方案→再嘗試教學行動」。在這個循環往復的行動研究過程中，「教學行動反
思」一環起著極其重要的作用。它是發現並提出問題，明確今後行動研究方向，進而提高教學行動研究質量的前提與保證。
及時撰寫教學質量分析報告，進
行全面的反思和分析，就是教學幹部或教師對自己所分管的學校教學工作、學科教學成績狀況進行全面、深刻、系統地反思，總結經驗、查找不足，進而拿出新的具
體措施、制訂出下一步行動研究方案的過程，就是不斷接收、吸納新的教學思想，不斷調整教學改革方向的過程。可以說，它是不斷提高教學質量，保證學校教學工
作穩定、可持續發展的「驅動器」。
二．我區各小學質量分析現狀
通過一次性檢查、督導評估以及調研，我們發現如下情況：
1．只有不到10%的學校有比較規范的質量分析，每次大型考試後能及時進行數據統計，進行全面有針對性的質量分析，且分析比較規范，能夠發現教學中存在的問題提出改進措施，引起教師重視，為教學指明方向。
約有50%的學校每次考試後能進行質量分析，但是存在一定的問題，過程不夠規范，分析不夠具體，改進措施籠統。
還有一部分學校的質量分析只是為了迎接檢查，將老師的分析進行堆砌，簡單的復制粘貼，缺少數據統計，缺少提煉，更沒有有價值的建議和措施。
2．質量分析報告質量高的學校的教學成績屬於全區同類學校中的佼佼者，這是不爭的事實。而沒有正式的質量分析，分析不規范的學校成績明顯居於後列。
3．具體問題是：
（1）不重視：學校領導沒有認識到質量分析的重要作用，並不進行系統的分析；
（2）不全面：要麼只對考試學科進行分析，對考查學科置之不理，要麼只就數字分析，浮於表面，還有的是一篇教學工作總結，沒有從成績入手；
（3）不科學：數據統計不全面不科學，缺少全面的統計、橫向縱向的比較、沒有目標的達成度，分析不完善、不具體，沒有與學校工作聯系，沒有指導意義，改進措施籠統，缺乏操作性。
三．教學質量分析的程序
教學質量分析是一個自下而上在自上而下的完整過程。一般來說要經歷如下幾個流程：
1．教師個人對任教學科成績的統計和分析
2．年級組長對整個年級、教研組長（主任）對整個學科成績的統計和分析
3．主管教學的校長對全校成績的統計和分析
4．召開教學質量分析會：全校——分學科——年級組學科組內——教師個人——班級學生
四．什麼是教學質量分析報告
教
學質量分析報告或稱質量評價報告，是一種大型正規性考試或檢測以及考查結束後，對教育教學質量進行客觀分析並對今後教育教學工作提出指導或建議性意見的書
面報告。其作用是匯報教學工作，剖析教師教學和學生學習現狀，指導學校教學工作，為學校強化教學管理提供依據，是教研員、學校管理者、廣大教師常用的一種
文體。
五．教學質量分析報告的種類
對於一所學校來說，從分析者的角度看，大致可以分為以下幾類：
1．學校教學質量分析報告——校長或主管教學的副校長
2．學科教學質量分析報告——主管學科的主任或教研組長
3．教研組教學質量分析報告——備課組長或年級組長（一般可以省略）
4．班主任教學質量分析報告——班主任（初中的經驗）
5．教師個人質量分析報告——任課教師
6．學生個人的分析報告——學生（對於有能力的學生而言）
六．教學質量分析報告的特點
1．針對性：教學質量分析報告是在某種考試或考查結束後，針對試題或考試效果所作的實事求是的分析，解決教師所關心的考得怎麼樣、今後怎麼辦這樣的問題。
2．功利性：教學質量分析報告指出的是學科教學中所出現的確確實實的問題，提出的是實實在在的改進措施，對今後的教學工作有幫助作用，對下一步提高質量有促進作用，是對考試的理性認識。
3．時效性：教學質量分析的目的是針對試卷中出現的問題，改進今後的教學工作，為進一步提高質量奠定基礎，時間性很強。因此分析要迅速，報告要及時，如果時過境遷，就失去了指導意義。

4．指導性：質量分析報告不同於其它的應用文，它要求我們分析試題特點、教學效果時要抓准典型試題，典型問題。分析典型時，要與當時教育發展的形勢、任
務、要求以及基層學校存在的傾向性結合起來，使分析報告具有普遍意義和指導作用。一篇好的分析報告，能引起反思、引起改進、引起調整教學思路和學習策略。
當前，我們分析試題時，要站在素質教育的高度，以新課程標准為依據，這樣，才能站得高、看得遠，指導作用強。
5．全面性：對於學期或學年的質量分
析報告來說，如果僅僅就考試學科進行分析，很明顯就違背了「學生全面發展」的目標，其結果只能是導致師生只注重筆試，忽視音體美等綜合素質的提升，這是片
面和狹隘的。需要注意的是：千萬不能就數據說數據，不能只見樹木不見森林，要將考試結果與平日教學工作相聯系。還要關注整個報告項目的全面。
七．教學質量分析報告的結構
1、考試及批卷組織形式介紹
這是數據是否真實客觀的前提，對監考、批卷中出現的問題要客觀的予以呈現，比如誰監考不認真、批卷漏洞多、數據統計不準確等情況都應進行總結，這既是為以後考試做好規范，也是為下一步分析奠定基礎。
2、試卷出處及評價
主要有：
（1）創設試卷的策略思想；
（2）試卷考查的內容；
（3）試題分數權重；
（4）試題的難度及效度和信度。
如果是自己命的題，就更應該進行客觀的評價和分析。即使是區里的命題，也可以進行客觀的評價。不一定非要指出問題，對試題的難度、對教學的導向都應該有所分析，這也是下一步分析的基礎。
3、考試整體的數據呈現及認識
（1）必須准確。這是一個重頭戲，是所有老師最為關注的地方，所以首要的要求是准確。分析前必須經過多種形式的反復校對，不容許出任何的疏漏。可以在分析前將表格下發給老師校對。
（2）呈現應該多層面、多維度。優秀率、及格率、平均分的統計，全校總體成績、年級組成績統計，年級班級達標情況，與區均值比較統計，與前次考試比較統計等等。
（3）根據校長思路、學校傳統、學校考核指標以及考試具體情況等因素確定數據的呈現形式。要重點突出、立場鮮明、不卑不亢。
（4）要對數據進行解讀，從中得出學校教學質量的總體發展水平。
4、從考試中提煉的優勢、經驗及發現的問題
教學質量分析報告不同於向上級領導所作的教學工作匯報，也不同於教學工作總結和一般的教學論文。教學質量分析報告是反思內容與反思過程的具體承載形式。重在體現「分析」、「反思」，這是教學質量分析報告的主要特點。也是最能體現分析者水平的地方。
具體要從以下幾方面進行分析：
（1）分析學生。學生的成績與表現，包括基礎知識、基本技能、興趣態度、學習習慣、品德修養、審美情趣等。分析時，可以著重從知識和能力、過程和方法、情感態度和價值觀等方面進行考慮。
（2）分析教師。教師是學生的第一責任人。有一流的教師，才有一流的學生。學生的學習成績怎樣，總能從教師身上找到根源與佐證。分析教師時，可以著重從備課、上課、批改、反思、輔導等方面去考慮。
（3）分析學校。教學幹部是學校教學規章的制訂者，教學實施的研究者、指導者和管理者。教學幹部只要研究到位、指導到位、管理到位、服務到位，教師就能落實到位。可以著重從教學常規管理、課外校外活動、教科研工作、教師隊伍培養等方面去考慮。
分析的時候要注意以下幾點：
（1）優勢與問題要並存，既要讓老師充滿信心，又要清醒地認識到問題。
（2）不能簡單的羅列各學科問題，必須整合提煉。
（3）
既要綜合，又要具體。所謂綜合就是結合學校的管理來說，不能把所有責任都一攬子推到教師身上，從學校計劃入手，結合學校目標，圍繞學校主要工作來分析。所
謂具體，就是要分析到年級組、班級、任課教師，甚至分析到某一個學生。不僅要對考試的整體情況作出分析評價，還要對學生進行個體化的了解和分析。它包括：
a.分類比較研究與個別化評價
教
育學理論和實際教育經驗都告訴我們，同樣的分數並不意味著同樣的發展，同樣的等級並不意味著有同樣的答題結構和答題思路。因此，通過分析比較各個學生（特
別是尖優生和有典型代表意義的學生）具體的答題情況，了解學生答題時的個性特點和思維過程，了解學生的特殊才能與天賦或思維缺陷，能夠更好地對學生進行具
有針對性的評價和指導。
b.學習困難學生的診斷分析
就是分析研究學生的試卷，了解學生思維過程的缺陷，從而找到學生可能的學習困難所在和
可能的先覺知識缺陷，並通過與學生面談來驗證，進而採取必要的補救措施。有選擇地研究那些學習特別困難且需要幫助的學生的試卷，結合平時觀察和測驗判斷，
對學生因材施教，這是教師的責任，也是最具人文關懷的教育方法。
c.教學診斷分析
通過學生答卷進行分析，比如選擇題的各個選項比例，有可能發現一定范圍內共同存在的學習錯誤和教學薄弱環節，從而對教學存在的問題作出診斷分析，提出改進教學或教學補救的方案，這是教師提高教學能力、促進教師專業成長的一項有效措施。
（4）要用事實說話。不能高高在上，必須深入調查，親自統計、閱卷。例如作文出現的問題，必須要有得分率的統計，具體案例的分析。
6、改進措施及意見
（1）要關注整體和個體.
（2）要針對前面所提到的問題。
（3）切忌空洞，要有可行性。
八．教學質量分析報告的一般形式與要求
1.題目要簡練，揭示報告主題。為揭示教學質量分析報告的主題，同時體現文體特點，擬題時，可採用正、副標題的形式。如：《讓每一個學生都得到發展與提高——××小學教學質量分析報告》。

2.關鍵詞要准確，亮明報告的重點與創新點。應以報告中多次出現的，突出學校教改、課改重點與亮點的詞作為關鍵詞。關鍵詞不要多，3－5個為宜,要抓住
特點、找准典型，不要面面俱到。每次考試，由於學生形形色色的都有，所以反映在答卷上千奇百怪，因此在寫分析報告時，一定要把學生中普遍存在的典型性問題
作為重點，進行深層次的分析，找准症結，提出對策。
3.結構框架要垂直升降，清晰有序。安排教學質量分析報告的結構框架，與報告前的分析思路
正好相反，可按照由此及彼、由教學管理到教學質量的順序去考慮。一般可這樣安排報告的結構框架：一、學校基本情況；二、主要教學成績（報告重點之一）1.
學校辦學目標；2.學校教學常規管理；3.學校教、科研工作；
4.內容要集中，突出教學工作重點。既然是「教學質量分析報告」，就不宜過多地將德育、後勤管理等內容摻雜進來。
5.論述要客觀，詳實具體。
既要詳細、實事求是地介紹學校或自己分管學科的「主要教學成績」，進而總結成功教學經驗、教學管理經驗，又要全面、客觀分析學校或自己分管學科教學存在著
的「主要問題與成因」，並拿出詳實具體、切實可行、具有可操作性的「加強與改進方法」。對「主要教學成績」談得很清楚、具體，而對教學存在著的「主要問題
與成因」、「加強與改進方法」兩部分內容卻輕描淡寫，示意性地一帶而過，這樣的教學質量分析報告反思的全面性、深刻性是不夠的，對以後的教改、課改是不會
起到多大指導、促進作用的。
6.要將定性分析與量化展示有機結合。既要注重運用語言准確論述，又要注重運用清晰的數據來如實反映。如，學科基
本功（朗讀、背誦、查字典、單詞認讀、數學口算、數量關系等）測查統計，學科作業良好率測查，寫字規范、端正、勻稱、緊湊測查統計，學科綜合考試成績（優
秀率、良好率、合格率、待合格率）統計。
7.語言要朴實、准確。「教學質置分析報告」屬行動研究論文范疇，因此語言基本表達方式應以論述、分析為主。報告中要少描寫、抒情，不使用誇張。
8．對事不對人，不怕得罪人。
9．優勢要說夠，問題要說透。