教育教学大数据分析

㈠ 大数据对未来教育的影响包括哪些

作为社会子系统重要的组成部分，教育也深受大数据来临的深刻影响。国外高校教学管理中，教育数据的挖掘也成为提高教学管理水平和教学质量的重要方式。美国的学校能够通过对学生数据的分析，以85%的精确度预测学生的升学率。[4]中国教育在当前社会转型影响下存在不少问题，通过正在形成的大数据技术，教育政策的制定、学习方案与评价方式的确立等，都将发生革命性变化。
1.渗透到教育的核心环节
教育和社会之间是哲学上的辩证关系，一方面，通过教育培养出能改变世界、创造世界的人才；另一方面，教育又深受当前社会氛围、国家体制、经济状况、文化传统等的影响。从当前来看，教育深受工业社会的影响。从18世纪中叶开始，整个世界开始受到工业革命的影响，市场的扩大和劳动时经验与技术的要求，对劳动力的素质提出了新的要求，实际的动手能力代替了过去注重个体层面的文化修养学习，能不能解决问题，成为衡量人才的标志。这种人才观对教育的影响是巨大的，这从美国实用主义哲学家杜威教育思想的流行可见一斑。
大数据时代的来临将会革新这种延续了近三个世纪的教育理念。美国著名的未来学家，当今最具影响力的社会思想家之一的阿尔文·托夫勒（Alvin Toffler）在他的著作《未来的冲击》中提出逗未来的教育地，他预测未来的教育要面对服务、面对创新，因此在家上学、教育空间设计、面向未来的学校界限的消失将成为趋势。[5]解决实际问题的能力作为大数据时代人才的能力之一，将渐渐淡出教育的逻辑起点位置，发掘知识、寻找联系、总结规律将成为大数据时代人才的重要要求。大数据时代教师将集中在挖掘学生与学习有关的表现，最适宜学生学习的方法，而不是依赖于定期的能力测试。教师分析学生知道什么，什么是最有效的学习路径。通过对在线学习工具等的分析，可以评估学生在线学习行为的长度，以及学生们如何获得电子资源，如何迅速地掌握概念。[6]
从我国实际情况来看，教育政策的制定与执行都是自上而下的，这种情况有利于政策的权威性与执行的效率，但是忽视教学与学生实际的弊端也客观存在。大数据时代将可以通过对教育数据的分析，挖掘出教学、学习、评估等符合学生实际与教学实际的情况，这样就可以有的放矢地制定、执行教育政策，从而为学生制定出更符合实际的教育策略。
2.重新构建教学评价方式
长期以来，教学评价活动主要是学校以及上级主管部门在听课和学生考试成绩的基础上对任课教师进行评价，或者教师根据学生考试成绩和作业成绩以及课堂表现等对学生进行评价。[7]教学评价活动促进了教师的教学和学生的学习，但是在细节方面还有待提高，比如教师在教学活动中，哪些教学方式是最为擅长也最容易为学生接受看学生在学习过程中，个体的学习习惯是什么，什么样的学习方式最容易掌握知识看这些细节可能需要大量的实践经验总结出来，短期的教学评价是难以实现的。
大数据技术通过对教师与学生长期行为进行分析，得出具有个性化的教学行为、习惯、方式。逗不得不承认，对于学生，我们知道的太少地。同样，我们也可能对教师知道的太少。大数据的到来，可以通过技术层面来评价、分析并进而提升教学活动。首先，教学评价的方式不再是经验式的，而是可以通过大量数据的逗归纳地，找出教学活动的规律。比如新一代的在线学习平台，就多出了行为和学习诱导的部分。通过记录学习者鼠标的点击，可以研究学习者的活动轨迹，发现不同的人对不同知识点有何不同反应，用了多长时间，以及哪些知识点需要重复或强调。[8]对于学习活动来说，学习的效果体现在日常行为中，哪些知识没有掌握，哪类问题最易犯错等成为分析每个学生个体行为的直接结果。其次，可以对学生进行多元评价，而不仅仅是知识掌握的单一维度。对学生的评价应该是多元的，特别是通过数据分析，可以发现学生思想、心态与行为的变化情况。比如，同一寝室，互相删除了联系方式，或者两者之间没有任何数据产生，同学之间的关系肯定出现了问题，通过数据分析，就应在学生心理与行为方面进行关照。如果通过文本分析、信息抓取分析出学生的近期情绪状态，很多悲剧可能就能避免。即使是掌握知识的单一维度，其因素也是多方面的，有的是记忆好，有的则是逻辑思维能力强，通过大数据技术，可以分析出每个学生的特点，从而发现优点，规避缺点，矫正不良思想行为。第三，教学评价跳出了结果评价的圈子，实现过程性评价。传统教学评价多是教的好不好，学的好不好，注重的是结果。而大数据时代可以通过技术手段，记录教育的过程。现在一些学校实行了电子课本，如果能记录下作业情况，课堂言行，师生互动，同学交往，并将这些数据汇集起来，不仅可以发现学生的特点，更不用为如何写期末评价费力了。
3.革新教育者教学思维
传统的教育大多是教育主管部门和教育者通过教学经验的学习与自己的总结，认为某些因素对教学活动很重要，从而一而再、再而三地强调。但是有些经验是不具有科学性的，常识有时会影响人们的判断。比如苹果公司就发现，笔记本电脑销售额的提升，常识认为的比如提高库存管理能力、提供员工更多的专业培训、做更为时尚的广告、促销等等，只能提升2%～9%的销售额，而把电脑屏幕和桌子呈70度角左右放置，却能高出其他电脑销售额的15%。70度角放置的电脑，因为反光会让人不舒服，从而诱使客户去搬动屏幕，一旦潜在客户与货物发生了肢体接触，他购买这个商品的可能性就上升了15%。[9]
大数据时代教师的教学思维需要从群体教育的方式转向个体教育，在教学过程中，可以真正做到因材施教，因人而异。传统教育也提倡因材施教，但是由于学生数量、教师精力、教育任务等制约，因材施教总是有些缺憾。大数据技术将给教师提供最为真实、最为个性化的学生特点，教师在教学过程中可以有针对性地进行因材施教。比如，在课堂学习过程中，哪些（或哪个）同学注意基础部分，哪些同学注意实践内容，哪些同学完成某一练习，哪些同学可以阅读推荐书目等等。这和网络购物相似，通过你过去的购买痕迹，网站就会分析出你的购物兴趣，从而有针对性地给你推送广告信息。
不仅如此，当学生在完成教师布置的作业时，也能通过数据分析强化学习。比如通过电子设备做作业时，某一类型的题目有几次全对，就可以把类似的题目跳过；如果某个类型的题目犯错，系统则可进行多次强化，这样不仅提高了学习效率，也减轻了学生的学习负担。
4.影响学校教育模式
学校教育是当前教育的绝对模式，适龄儿童、青少年都需要进入学校，通过教师的讲授进行学习。但是随着大数据时代的来临，这一教学模式可能会得以改变。2004年，澳大利亚人马丁开发了一个开源课程平台moodle，解决了来回奔波上课的问题。教师通过这个平台与学生互动，学习、考试、资料分发与上传等，都通过网站完成。2010年，这个平台数量已经达到了100万门户。2006年，孟加拉裔金融白领萨尔曼·可汗将自己的10分钟教学视频传到网上，几年后，这个网站注册用户达到了1000万。[10]
教育平台的开发，使网络课程得以飞速发展，2012年美国在线课程投资达到10亿美元以上。网络课程的发展给传统教学带来了巨大冲击，一方面，教育的方式将不再仅仅局限于学校教育；另一方面，教师的课堂教学出现新的替代模式。这种教育模式的革新，在大数据时代更有了存在的价值与意义。
传统教学模式有教师的督促、随时沟通、情感交流，是按照教学大纲按部就班地完成教学活动。这种教学模式有计划、有步骤，体现秩序性，但是在一定程度上也框定了学生的思维框架，学生的创新能力没有得到最大发挥。美国不少商业巨鳄都有辍学经历，甚至有的创业基金要求学生辍学才能发放。这当然不值提倡，但是，从一个侧面也反应出非学校教育，也同样具有创造能力的事实。大数据时代的来临，可以通过学生学习兴趣、在某一在线课程停留的时间、点击率、情绪反应等，推送更具有个性化的学习内容。这在知识爆炸的时代，显得尤为重要。此外，随着媒介社会化时代的来临，学生学习生活网络化已成事实，学生可以通过在线学习目前正在开设的课程，这对正在授课的教师是一种挑战。美国有个Udemy网站，老师根据自己上传视频的点击率获得报酬，2012年5月份，该网站上有的老师收入已经超过20万美元。随着技术的发展，以后教育网站将在大数据的支撑下，根据知识传播的形式、受众的兴趣不断优化教学内容、教学方式，为学生提供更高质量的学习内容。

㈡ 如何通过抓取教育大数据来深化课堂教学改革

现代信息技术的发展为大数据的收集和分析提供了无限的可能，大数据时代的这一趋势也对教育产生了巨大的影响：一方面，在科技理性的指导下，通过多维度收集学生行为的数据并进行模型建构，可以对学生的学习行为进行预测;另一方面，大数据时代的人文主义转向使人们更关注教学活动的适应性，教育大数据的挖掘和利用可以更好地实现适应个人需求的定制化教学。

国际数据公司(IDC)认为大数据时代数据有4大特点——数据的规模大、价值大、数据流转速度快以及数据类型多。大数据的挖掘和利用对教育——特别是课堂教学——产生着深远的影响。学习科学家索耶认为：越来越多的学习将经过计算机中介发生, 并产生越来越多的数据,我们有必要运用这些数据分析什麼时候有效的学习正在发生。所以数据挖掘可以用於探究行为与学习之间的关系,如学习者的个体差异与学习行为之间有何关系,不同行为又会导致何种不同的学习结果等。2012年美国发布《通过教育数据挖掘和学习分析促进教与学》(Enhancing Teaching and Learning through Ecational Data Miningand Learning Analytics)提出大数据时代教育数据的特点：具有层级性、时序性和情境性，其中数据的层级性指，既收集教师层面的数据也收集学生层面的数据，既收集课堂数据也收集活动数据，为後期模型的建立提供了多维度的资源;数据的时序性是指，数据是实时的、连续的，为材料的前沿性提供了保障;而数据的情境性是指，数据是基於真实情境脉的，保证了模型的信度。

大数据技术能够促进以学生为本的学习，数据不仅仅是科技理性指导下收集数据和拟合成模型，并针对学生的群体行为做出预测判断，还可能在固有模型的基础上，通过诊断学生在课堂中的行为表现，对固有模型进行修改，使课程内容更加适合学生的长尾需求，实现个性化教学。大数据的利用可以支持对教育活动行为的建模预测，还可能支持教育实践中的适应性教学。前者是後者的基础，後者是前者的深化。

建模与预测导向的大数据应用

大数据时代数据促进教育变革的方法之一是收集和分析处理数据，并进行预测。现如今，由於数据记录、存储与运算的便捷性，海量的、多层次的数据可以便捷地加以收集，由随机抽样带来的误差因此减小，建模和预测可以基於全数据和真实数据，因而就更为精确。大数据时代通过探求海量数据的相关关系获得盈利的最成功的案例是亚马逊的市场营销，亚马逊收集读者网上查阅行为和购买行为数据，建立读者偏爱阅读模型，预测读者购买的群体行为，实现书籍的推荐。近几年，教育研究的对象逐渐关注学生的学习行为，其背後是一种学习观的转变，学习被视为一种识知的过程(knowing about)，识知是一个活动，而不是将知识作为一个物品加以传递。识知总是境脉化的，而不是抽象的和脱离於具体情境的。识知是在个体与环境的互动中交互建构的，而不是客观准确的，也不是主观创造的。所以，学生的行为活动数据被认为是可以反映学生在学习过程这一情境化的动态变化进程中的情况。海量、多层次、连续的行为数据在收集後被拟合成模型，实现预测，如学习管理系统(LMS)的运用。然而，由於建模和预测依赖的基本原理为数理统计，其预判对象主要是学生的群体行为。

1.案例分析

学习管理系统(Learning Manage System)简称LMS，是基於网络的管理系统平台，用於监控学生学习活动行为，识别和预测学困生(student at-risk)，并为其提供相应的帮助。大多数LMS包括5个部分：有和课程相关的学习资料、用於确保学生提交作业与完成测试的评价工具、用於沟通的交流工具(如邮件、聊天室等)、用於确保教师记录和存储学生的学习活动并发布活动截止日期的课程管理工具、用於帮助学生学习回顾和跟踪学习进程的学习管理工具。在高校大量使用的BB(Blackboard)平台就是一个常见的学习管理系统。系统记录了学生参与选修的网上课程的种类、在线时长、阅读和浏览的文章数量，反映学习者的学习行为。2008年，Leah P.Macfadyen和Shane Dawson教授在加拿大不列颠哥伦比亚大学通过分析5个本科班级使用BB平台选修生物课的数据，建立了预测模型。平台记录了学生课程材料的使用情况、参与学业交流情况和完成作业提交和考试情况。大数据时代教育数据记录的层级性在这裏充分显现，课程材料的使用包括记录在线时长、邮件的阅读时间、邮件的发送时间、讨论信息的阅读时间等。参与学业交流记录了发布新讨论的时间、回复讨论的时间、使用搜索工具所花的时间、访问个人信息的时间、文件的浏览时间、浏览谁同时在线的时间、浏览网页连结的时间等等。评价模块记录了评价的阅读时长和提交评价的时间等。通过应用统计工具描述散点图，发现了在LMS记录下学生在线时长和学业表现呈相关关系。在进行多元回归时，研究者发现，学业成就处在後四分之一的学生在线时间略长於平均时间，而学业成就处於前四分之一的学生的在线学习时间低於平均水平。紧接着，研究人员为了作出预测，利用逻辑斯特回归生成了一个预测模型，通过收集学生的新的行为数据，预测学生是否处於真正参与了学习活动，并得出如下结论：讨论举行的次数、邮件信息发送量和测评的完成情况这三个维度构成的模型可以预测学生的学业水平情况。

大数据时代，通过探求学生行为与学业水平之间的相关关系，建立模型，实现预测，能够对课堂教学产生重要影响。然而，数据建模过程中，为了保证模型的效度与信度，极端个别数据被处理，使模型只能实现群体行为的预测，不能针对学习者个体实现定制化和个性化。

2.建模与预测的不足

数据建模与预测的背後充分体现了实证主义的思想和方法。19世纪上半叶，以孔德为代表的社会学家提出了实证主义的基本信条：利用观察、分类，探求彼此的关系，得到科学定律。实证主义的哲学思潮到20世纪60年代，演变成一种科技理性，实践知识逐渐染上了工具性的色彩，专业活动存在於工具性的解决问题之中，所有的专业活动都被视为厘定目标、套用已知的方法解决问题的过程。这一期间，大量的学科被系统地整合发展，甚至包括教育学和社会学这样的「软科学」。用证据解决未知的问题，用数据预测未来一时成为潮流。

学生活动行为数据的建模尤其侧重体验实证主义的思想，模型注重成功教学行为的共性，忽视教师与学生群体的独特性需求时，科技理性的主导有可能使课堂教学被视为独立於真实境脉的模块，只要教学行为取得成功，就会被数据抽象化，形成模型，对学生群体行为产生预测。科技理性有赖於人们认同的共有目标，教学实践目标的厘定极其复杂，包含巨大的不确定性和独特性，甚至，由於社会角色的不同，还会带来价值冲突。一个稳定的、为所有人所认同的目标不复存在，依据科技理性精神和方法推理预测的行为模式并不可能满足每一个人的需求，教育变革在大数据时代下出现新的取向。

从数据模型到支持适应性学习

在数据建模的基础上实现教学的适应性是大数据时代促进教育变革的另一成果。数据建模及行为预测依旧属於科技理性指导下的行为模式，可能会造成忽视学生个性需求的现象，而个性化需求正是知识社会的重要特徵，个性化的教育也受到教育研究者、政策制定者和教育实践者越来越多的关注。教育系统设计专家赖格卢斯认为，教育投入没有达到效果的一个很重要的原因是忽视了社会的转型。「社会已经从工业社会步入了资讯时代，劳动力市场对人才的要求不再是工业时代在流水线上操作的工人，而是具有创新性思维、决断力强的知识性人才。」教学面临从产生清一色的劳工转向产生有判断力和适应性能力的人群。2010年，OECD的报告《The Nature Of Learning》中指出，适应性能力(adaptive competence)是21世纪核心竞争力，包括在真实的境脉中灵活并有创造力地使用有意义的知识和技能。吴刚在《大数据时代的个性化教育：策略与实践》中提出了个性化教育的必要性和必然性，指出「只有利用信息技术所提供的强大支持，才有可能真正实现个性化学习」。大数据时代的来临，正是个性化教育发展的一个良好契机。2012年，美国颁布了《通过教育数据挖掘和学习分析促进教与学》，提出大数据时代，通过收集在线学习数据，对数据进行分类和探寻数据之间关联的方式挖掘数据，形成数据模型。通过学生行为和模型的互动，形成适应性学习系统。概言之，我们可以以对行为数据的充分利用为基础，改变教学的内容和进度，构建适应性评价和教学系统，充分实现教育的定制化，满足学生的长尾需求。

1.案例分析：
适应性教学系统又称适应性学习系统，(Adaptive Learning Support System)，简称ALSS系统，强调基於资源的主动学习，认为学习不是知识的传递，而是学习者的自我建构。自上世纪90年代以来，研究者开发了不少适应性学习系统，如1998年De Bra开发的AHA系统，2003年，Brandsford和Smith开发的针对任务型学习的MLtutor系统，以及近几年颇受关注的翻转课堂(Flipped Classroom Model)简称FCM系统。

• 内容传递模块：传递相关知识与信息支持学生的学习。
  

• 学习者数据库：存储学生在参与教学活动中的相关行为。

• 预测模块：包括学生信息和学生行为数据，跟踪学生的学习，并做出预判。

• 显示模块：为学生生成行为报告。

• 自适应模块：根据学生行为生成的报告，反馈到预置模型，为模型做出相应的改变，使之更符合学生。

• 干预模块：使教师、系统管理者和领导可以在系统运行时实施人为干涉。

学习者学习相关学科内容时，学习行为被记录跟踪下来，学生的学习行为数据被传送到後台，记录在学习者数据库内，作用於预测模块。预测模块通过改变内容传递模块，再次作用於学习者。在整个过程中，教师、教学管理者起干涉作用。

适应性学习系统是一个交互的动态系统，系统往往会提供给学生一些学习行为建议。奥地利针对学生的问题解决的过程设计了一个适应性学习系统。适应性学习系统的第一步是教育数据挖掘(ecational data mining)，简称EDM。数据挖掘的过程包括数据收集、数据预处理、应用数据的挖掘和诠释评价发展结果。Moodle提出了CMS数据挖掘系统(Course Management System)。研究者先使用原始数据进行建模，第一步是原始数据的收集，原始数据大约包含2007年73名用户产生的28000活动例子，2008年97名用户产生的265000份解决问题的案例和2009年45名用户产生的115000个活动案例。除了记录学生解答问题时产生的数据，原始数据还收集了学生的信息、问题的信息和解决问题的步骤;在对数据进行分类後，归纳出问题解决的类型，利用很擅长拟合连续数据的Markvo Models(MMs)的一个子模型DMMs拟合了如上的连续性数据，通过添加判断学生学习行为的结果模型和一系列监控和调节模块，构成了整个面向问题解决的适应性系统。当学生使用这个模型时，模型会根据学生的行为数据为学生提供他们所偏爱的解决问题的过程与方法。

除了适应性教学系统，还有适应性评测系统。LON-CAPA(Learning Online Network with Computer-Assisted Personalized Approach)是一个计算机辅助的个性化网络学习测评平台，平台不提供课程设计和课程目标，而是一个教学工具。CAPA通过後台记录学生的基本资料，学生参与的互动交流、学业情况，针对学业课程中的疑难点，提供个性化的考试资源。

2.适应性转向的意义

在大数据时代，科技理性指导下的模型预判在面对结构不良的问题时显得应对能力不足。科技理性指导下的数据建模忽视学习的真实境脉，只能支持群体行为的预判，模型的推广可能会使人们忽视其实践成功背後的个体经验与具体情境，从而导致科技理性与哲学思辨对抗。然而，完全依靠哲学思辨和经验进行教学不仅不利於教育学科系统理论性的发展，也不利於课堂实践的管理与教师的培训。唐纳德·A.舍恩提出了一种适应性思维模式。他指出：「如果科技理性的模式在面对『多样』的情境时，是无法胜任、不完整的，甚至更遭的话，那麼，让我们重新寻找替代的、较符合实践的、富有艺术性及直觉性的实践认识。」适应性学习是在系统理论知识的指导下，针对个体差异，使学习内容和活动高度个性化的学习方式。

适应性平衡了理性与经验的两难，英国学者Hargreaves(1996)首次提出基於证据的教育研究向医疗诊断学靠拢。临床诊断学和教育的相似之处在於，他们都要面对变动不居、极其复杂的环境，在这样一个结构不良的系统中，充分意识到客体(患者或者学生)的独特性与共性，利用系统的专业知识解决问题。

Ralf St. Clair教授在参考医学临床实践研究的三要素後提出基於证据的教育研究的三要素——研究的证据、教育工作者的经验、学习者的环境与特点。其中，行为预测关注的是研究的证据，而适应性学习系统的建设则关注的是教育工作者的经验和学习者的环境与特点。

从预测行为到支持适应性教学的转向，是一种人文主义的转向，教育研究的重点从关注研究的证据走向关注教育工作者的经验与学习环境特点，关注以证据支持个性化学习的实践变革。证据不再是其在科技理性时代所处的指导决策的角色，而是被视作一种资源，教育工作者在大量的基於证据的课堂教学决策中找寻最适合自己特点和学生特点的方式，推进课堂教学流程。也就是说，大数据的更重要价值在於支持适应性学习，满足个性化学习和个性化发展的时代需要。数据的预测功能依赖於大数据收集数据的全面性与处理数据的便捷性，根据统计学原理对群体行为做出预测，一定程度上弱化了个体特徵和具体情境。其主要指向行为预判。而适应性是在模型与客体的交互作用上改变模型，如图3所示，数据的适应性运转模型比预测模型多了一个循环(loop until)系统，使其更加契合个人需求，其主要指向实践改进。预测是支持个性化学习的基础，而支持个性化学习是预测功能的深化和转化——从整体人群到个体学习者、从理论模型到实践策略的转化。

分析与启示

大数据时代由於数据量大，数据收集与携带便捷，使海量学生行为数据被挖掘、收集，通过数据建模对学习者行为的分析变得比前大数据时代更为全面和可靠。数据时代在数据的挖掘和预测上固然潜力十足，但是大数据时代更多的价值是满足学习者的适应性长尾需求，在预测行为的基础上，修改教学模式，使之个性化与定制化。从数据建模走向支持适应性教学，支持对象从群体转向了个人，对教育活动的影响从对行为的认识转向了教育活动的实践，从科技理性指导下的去境脉转向了基於真实情境的教学活动。

走向适应性，不仅改变人类行为方式，更重要的是改变了认知方式。前大数据时代人们在科技理性的指导下完全被数据证据左右(driven by the data)，教师和学生、教育决策者和学校形成传统社会契约关系，当事人把自己百分之百地交给专业工作人员，而专业工作人员遵守契约，对当事人全心全意地负责，从而使专业工作人员享受至高无上的垄断性地位。大数据时代，教师不再是知识的控制者，他通过参与学生的学习活动，根据学生的先拥知识和认知特点、个性需求，不断地调整教学步骤、教学进度和难度。学生不用完全将自己有如病人交付给医生一般完全托付给教师。在学习的过程中，通过与教师的互动交流，在教师的协助下，成为自己学习的主体，控制并对自己的学习负责。由於教师精力有限，大数据时代下网络计算机辅助学习系统可以为教师和学生提供辅助指导的机会。

尽管如此，一方面，我们要拥抱大数据给我们带来的便捷的生活和高质量的教育，另一方面，我们需要保持警惕和防止因果关系和相关关系的误用，并且维护数据安全。

在推理方面，教育工作者需要警惕将相关关系和因果关系误用，以Leah P.Macfadyen教授的前述案例为例，BB平台在线时间的长短和学生的学业成就有相关关系，而非因果关系，成绩优异的学生在线时间低於平均在线时间，但不能说低於平均在线时间的学习导致学生成绩优异而要求学生减少在线学习时间。

此外，在信息安全方面，学生和教师的大量信息被收集和使用，在使用的过程中，必须制定相关私隐保护法，保证信息的安全，警惕数据滥用。学生的行为数据也不可以作为教师教学评优的依据，让大数据真正成为支持教学变革、提升教学效能、促进学生发展的手段，而不是控制教师和学生的工具。

㈢ 成都大数据分析培训班哪家比较好

成都大数据分析培训班较好的有：

1、学大教育

2、弘成教育

3、新东方

4、达内教育

5、等等其他培训班

4、实训项目

上面我们讲了课程的重要性，课程设置是否合理影响知识结构和学习成果，而项目经验将直接影响我们就业情况。

实训项目一般包括JAVA项目，大数据项目，企业大数据平台等，不同的学习阶段配合不同的项目，加深学员对所学知识的理解和应用。

5、招生门槛

企业在招聘大数据开发人员时是有一定门槛，最低学历要求是统招大专（个别小众企业有可能会放宽要求）。所以，一家靠谱的培训机构在招生要求上肯定会设置一条：大专及以上学历。

6、班型选择

越来越多的人想进入大数据，但又不想付出太多。为了迎合大家的需求，一些培训机构推出什么“周末班”、“快速班”、“线上班”等等班型。

大数据技术庞多复杂，短期内想掌握几乎不可能，一般0基础的学习周期是5个月左右，且是全日制的学习。

7、现场试听

真正有技术的大数据培训机构根本不怕学生来实地考察、现场试听，网上信息了解得再多，不如实地走访一番，成都的小伙伴们可以前往成都大数据实地考察。

㈣ 大数据迸发出巨大的教育能量 大数据如何与学校教学

一、提高听课的效率是关键。 学习期间，听课的效率如何，决定着学习的效果，提高听内课效率应容注意以下几个方面： 1、课前预习能提高听课的针对性。 预习中发现的问题，就是听课的重点；对预习中遇到的没有掌握好的有关的旧知识，可进行补缺，以减少听课过程中的困难，有助于提高思维能力；预习还可以培养自己的自学能力。

㈤ 大数据在教学中有什么应用

当今时代，人类社会步入一个科技创新不断涌现的重要时期，新的技术革命带来世界范围内生产力、生产方式、生活方式的巨大变革。其中，信息技术进一步推动了经济的增长和社会的发展，促进了知识传播应用进程的变化。所以当今以云计算、物联网和大数据为代表的新技术，成为新时期重大突破发展的一个前沿，也是我们目前所面临的最大机遇和挑战。
一、大数据的定义及特点
简单地说，大数据就是一个数量很大的数据集合。我们之所以称其为大数据（Big Data），一是因为数据量大，二是因为变化快，三是因为构成复杂，四是因为蕴含着大的价值；通常将其也归结为4V，即Volume（大量）、Variable（多样）、Velocity（高速）、Veracity（精确）。
1.大量
每个人每天都在制造数据，每个单位也不例外，大数据既来源于互联网上的数据，也来源于物联网。2006年，我们个人所用的数据平均已经到达了TB时代，人们预测到2020年，整个世界的数据量将达到35.2个ZB，而1个ZB等于10亿个TB，由此可以想象这个数据量之大。这就是我大数据之所以巨大的由来。
2.多样
数据类型繁多，涵盖内容丰富，类型复杂，既有结构化的数据，也有半结构化的数据，还有非结构化的数据，包括了教学系统中的文本、图像、音频、视频等多种类型的文件格式，以及博客、微博、微信及其他互动信息如点评信息、交互信息等。
3.高速
一方面数据流飞速产生，需要实时获取，即在第一时间抓住重要信息并分析决策。另一方面数据变化快，处理速度高。大数据需要云计算，大数据与云计算相向而行、发展迅速。
4.精确
连续不断的监控数据流，实现360度监测，通过对数据专业化的分析，从中提取大量有价值的信息。好比沙里淘金，价值密度低，商业价值高。
二、大数据在教学中的应用
1.大数据对“大学计算机基础”教学内容的改变
“大学计算机基础”是我校面向非计算机专业所开设的通识必修课程，在大一开设，是学生学习的第一门计算机课程。在开课前教师可以通过问卷调查、模拟一级B等级考试等方式对学生进行调查，收集各种数据，比如，收集每位学生在参加模拟等级考试中产生的各模块考试成绩，并对产生的大数据进行挖掘、分析，最后以课程教学大纲为依据，以数据分析为基础，可以对每一位学生制订他们对该门课程的学习内容，制订出他们的学习计划；进而拟出教师对该门课程针对上课班级甚至针对每一位学生的教学内容。这样制订出的课程教学内容才可以做到真正意义上的因材施教。
2.大数据对“大学计算机基础”教学模式的改变
传统教学模式中，学生拿着统一的教材集中在教室，教室是课堂的主要教学阵地，教师采用的也是“满堂灌”的教学模式。而在大数据时代背景下，出现了许多新的教学模式，如“翻转课堂”“慕课”及“微课”等。“微课”的核心组成内容是课堂教学视频，这就要求教师制作出教学视频、课件、习题等大量有关“大学计算机基础”课程知识的学习数据，以便学生通过公共交互平台进行学习、练习以及反馈等。
教师在充分了解“慕课”“微课”及“翻转课堂”的基础上，才能有效地进行“大学计算机基础”课程创新教学的实践，实现由知识培养到创新能力培养的转变。
3.大数据对“大学计算机基础”考核评价体系的改变
由于采用了新的教学模式，导致传统的考核评价体系难以准确地评价学生的成绩。新模式下，学生在登录公共交互平台进行学习、练习时会产生大量数据，对这些数据进行收集、挖掘，就可分析出学生哪部分知识学得好，哪部分需要多复习、多操作或者多做一些习题。所以大数据时代背景下，应当建立新的考核评价体系，这样才能促使学生从被动学习转变为主动学习，提高学生的实际应用能力，推动教学效果的不断优化，进一步提高学生参加全国计算机等级考试的过级率，进而提升学生的就业空间。

㈥ 如何利用大数据推进教学变革，改革教育教学方式和方法

一、现代教育理论和思想的学习是课堂教学改革的灵魂
在教学活动中，教师是教育者、影响者、变革者和促进学生发展的实践者，是教的活动的主体，同时，教师的教又要以学生为出发点，教师的作用及其发挥的程度，必然地要以学生的原有水平为基础，在教的活动和学的活动中，都有一系列科学的理论知识和方法，因此，教师队伍的现代教育理论和思想的认识水平，直接影响着新的教育理念在课堂教学改革实践中的应用，有计划组织教师学习一些学习理论、教学理论和传播理论的知识，不仅可以提高教师实施教育工作的理论水平，更有助于教师从“教书匠”向“教育家”的转化。有了深厚的教育理论基础，就能够促使教师在组织教学的活动中，站在现代教育理论发展的前沿来看待、评价、设计自己的教的活动，还能够把自己“教”的工作从科学研究的认识高度开展理性思考，在长期的实践中逐步内化为自己的思想和观念，从中体现出教育大众化、终身化、个性化、国际化、信息化的现代教育技术环境下的先进教育思想，比如一堂课上，从表面上只是反映了教师与学生的教与学的互动过程，在知识的传递过程中，教师的思想、方法和他的教育理论水平，会在知识的呈现过程中随时渗透的，只有具有一定现代教育理论水平的教师才能在他的讲、画、演、做的过程中灵活启迪学生的思维、保持知识记忆、促进迁移运用，从而使学生真正获得知识，已达成推进课堂教学改革的目的。

㈦ 如何利用大数据及现代教育技术，辅助教师教学

随着现代教育技术的飞速发展，
社会对教育教学的要求越来越高，
传统的教
学手段、
教学回模式答已经表现出了一定的局限性。
只有在教学中适度加入一些高科
技手段来辅助教学，
才能获得更好的教学效果。
因此，
我们可在教学中尝试使用
云技术来克服传统教学模式中的种种缺陷。

㈧ 如何解读大数据，分析评价区域的教育教学质量，促进区域教

一．进行教学质量分析的意义
学校之间的竞争，说到底，还是教学质量的竞争，而不在于学校大楼有多雄伟，场地有多宽阔，规模有多大。学校办得如
何，它在社会上的反响怎样，能不能得到百姓的拥护与信赖，关键在于这所学校教学质量的高与低。中国教育学会副会长，华东师范大学终身教授叶澜老师讲：把育
人质量摆在办学第一位的学校才是好学校；把主要精力放在教学质量、学生可持续发展上的教学干部才是好干部。
以教学中存在的实际问题为课题，将实践
行动与研究探索紧密结合的行动研究法，越来越多地受到广大教育工作者的重视。其实，作为学校，日复一日、年复一年，每时每刻都在自觉或不自觉地尝试着教学
行动研究：“对自己的教学行动进行反思→意识到教学问题所在→拿出新的教学行动方案→再尝试教学行动”。在这个循环往复的行动研究过程中，“教学行动反
思”一环起着极其重要的作用。它是发现并提出问题，明确今后行动研究方向，进而提高教学行动研究质量的前提与保证。
及时撰写教学质量分析报告，进
行全面的反思和分析，就是教学干部或教师对自己所分管的学校教学工作、学科教学成绩状况进行全面、深刻、系统地反思，总结经验、查找不足，进而拿出新的具
体措施、制订出下一步行动研究方案的过程，就是不断接收、吸纳新的教学思想，不断调整教学改革方向的过程。可以说，它是不断提高教学质量，保证学校教学工
作稳定、可持续发展的“驱动器”。
二．我区各小学质量分析现状
通过一次性检查、督导评估以及调研，我们发现如下情况：
1．只有不到10%的学校有比较规范的质量分析，每次大型考试后能及时进行数据统计，进行全面有针对性的质量分析，且分析比较规范，能够发现教学中存在的问题提出改进措施，引起教师重视，为教学指明方向。
约有50%的学校每次考试后能进行质量分析，但是存在一定的问题，过程不够规范，分析不够具体，改进措施笼统。
还有一部分学校的质量分析只是为了迎接检查，将老师的分析进行堆砌，简单的复制粘贴，缺少数据统计，缺少提炼，更没有有价值的建议和措施。
2．质量分析报告质量高的学校的教学成绩属于全区同类学校中的佼佼者，这是不争的事实。而没有正式的质量分析，分析不规范的学校成绩明显居于后列。
3．具体问题是：
（1）不重视：学校领导没有认识到质量分析的重要作用，并不进行系统的分析；
（2）不全面：要么只对考试学科进行分析，对考查学科置之不理，要么只就数字分析，浮于表面，还有的是一篇教学工作总结，没有从成绩入手；
（3）不科学：数据统计不全面不科学，缺少全面的统计、横向纵向的比较、没有目标的达成度，分析不完善、不具体，没有与学校工作联系，没有指导意义，改进措施笼统，缺乏操作性。
三．教学质量分析的程序
教学质量分析是一个自下而上在自上而下的完整过程。一般来说要经历如下几个流程：
1．教师个人对任教学科成绩的统计和分析
2．年级组长对整个年级、教研组长（主任）对整个学科成绩的统计和分析
3．主管教学的校长对全校成绩的统计和分析
4．召开教学质量分析会：全校——分学科——年级组学科组内——教师个人——班级学生
四．什么是教学质量分析报告
教
学质量分析报告或称质量评价报告，是一种大型正规性考试或检测以及考查结束后，对教育教学质量进行客观分析并对今后教育教学工作提出指导或建议性意见的书
面报告。其作用是汇报教学工作，剖析教师教学和学生学习现状，指导学校教学工作，为学校强化教学管理提供依据，是教研员、学校管理者、广大教师常用的一种
文体。
五．教学质量分析报告的种类
对于一所学校来说，从分析者的角度看，大致可以分为以下几类：
1．学校教学质量分析报告——校长或主管教学的副校长
2．学科教学质量分析报告——主管学科的主任或教研组长
3．教研组教学质量分析报告——备课组长或年级组长（一般可以省略）
4．班主任教学质量分析报告——班主任（初中的经验）
5．教师个人质量分析报告——任课教师
6．学生个人的分析报告——学生（对于有能力的学生而言）
六．教学质量分析报告的特点
1．针对性：教学质量分析报告是在某种考试或考查结束后，针对试题或考试效果所作的实事求是的分析，解决教师所关心的考得怎么样、今后怎么办这样的问题。
2．功利性：教学质量分析报告指出的是学科教学中所出现的确确实实的问题，提出的是实实在在的改进措施，对今后的教学工作有帮助作用，对下一步提高质量有促进作用，是对考试的理性认识。
3．时效性：教学质量分析的目的是针对试卷中出现的问题，改进今后的教学工作，为进一步提高质量奠定基础，时间性很强。因此分析要迅速，报告要及时，如果时过境迁，就失去了指导意义。

4．指导性：质量分析报告不同于其它的应用文，它要求我们分析试题特点、教学效果时要抓准典型试题，典型问题。分析典型时，要与当时教育发展的形势、任
务、要求以及基层学校存在的倾向性结合起来，使分析报告具有普遍意义和指导作用。一篇好的分析报告，能引起反思、引起改进、引起调整教学思路和学习策略。
当前，我们分析试题时，要站在素质教育的高度，以新课程标准为依据，这样，才能站得高、看得远，指导作用强。
5．全面性：对于学期或学年的质量分
析报告来说，如果仅仅就考试学科进行分析，很明显就违背了“学生全面发展”的目标，其结果只能是导致师生只注重笔试，忽视音体美等综合素质的提升，这是片
面和狭隘的。需要注意的是：千万不能就数据说数据，不能只见树木不见森林，要将考试结果与平日教学工作相联系。还要关注整个报告项目的全面。
七．教学质量分析报告的结构
1、考试及批卷组织形式介绍
这是数据是否真实客观的前提，对监考、批卷中出现的问题要客观的予以呈现，比如谁监考不认真、批卷漏洞多、数据统计不准确等情况都应进行总结，这既是为以后考试做好规范，也是为下一步分析奠定基础。
2、试卷出处及评价
主要有：
（1）创设试卷的策略思想；
（2）试卷考查的内容；
（3）试题分数权重；
（4）试题的难度及效度和信度。
如果是自己命的题，就更应该进行客观的评价和分析。即使是区里的命题，也可以进行客观的评价。不一定非要指出问题，对试题的难度、对教学的导向都应该有所分析，这也是下一步分析的基础。
3、考试整体的数据呈现及认识
（1）必须准确。这是一个重头戏，是所有老师最为关注的地方，所以首要的要求是准确。分析前必须经过多种形式的反复校对，不容许出任何的疏漏。可以在分析前将表格下发给老师校对。
（2）呈现应该多层面、多维度。优秀率、及格率、平均分的统计，全校总体成绩、年级组成绩统计，年级班级达标情况，与区均值比较统计，与前次考试比较统计等等。
（3）根据校长思路、学校传统、学校考核指标以及考试具体情况等因素确定数据的呈现形式。要重点突出、立场鲜明、不卑不亢。
（4）要对数据进行解读，从中得出学校教学质量的总体发展水平。
4、从考试中提炼的优势、经验及发现的问题
教学质量分析报告不同于向上级领导所作的教学工作汇报，也不同于教学工作总结和一般的教学论文。教学质量分析报告是反思内容与反思过程的具体承载形式。重在体现“分析”、“反思”，这是教学质量分析报告的主要特点。也是最能体现分析者水平的地方。
具体要从以下几方面进行分析：
（1）分析学生。学生的成绩与表现，包括基础知识、基本技能、兴趣态度、学习习惯、品德修养、审美情趣等。分析时，可以着重从知识和能力、过程和方法、情感态度和价值观等方面进行考虑。
（2）分析教师。教师是学生的第一责任人。有一流的教师，才有一流的学生。学生的学习成绩怎样，总能从教师身上找到根源与佐证。分析教师时，可以着重从备课、上课、批改、反思、辅导等方面去考虑。
（3）分析学校。教学干部是学校教学规章的制订者，教学实施的研究者、指导者和管理者。教学干部只要研究到位、指导到位、管理到位、服务到位，教师就能落实到位。可以着重从教学常规管理、课外校外活动、教科研工作、教师队伍培养等方面去考虑。
分析的时候要注意以下几点：
（1）优势与问题要并存，既要让老师充满信心，又要清醒地认识到问题。
（2）不能简单的罗列各学科问题，必须整合提炼。
（3）
既要综合，又要具体。所谓综合就是结合学校的管理来说，不能把所有责任都一揽子推到教师身上，从学校计划入手，结合学校目标，围绕学校主要工作来分析。所
谓具体，就是要分析到年级组、班级、任课教师，甚至分析到某一个学生。不仅要对考试的整体情况作出分析评价，还要对学生进行个体化的了解和分析。它包括：
a.分类比较研究与个别化评价
教
育学理论和实际教育经验都告诉我们，同样的分数并不意味着同样的发展，同样的等级并不意味着有同样的答题结构和答题思路。因此，通过分析比较各个学生（特
别是尖优生和有典型代表意义的学生）具体的答题情况，了解学生答题时的个性特点和思维过程，了解学生的特殊才能与天赋或思维缺陷，能够更好地对学生进行具
有针对性的评价和指导。
b.学习困难学生的诊断分析
就是分析研究学生的试卷，了解学生思维过程的缺陷，从而找到学生可能的学习困难所在和
可能的先觉知识缺陷，并通过与学生面谈来验证，进而采取必要的补救措施。有选择地研究那些学习特别困难且需要帮助的学生的试卷，结合平时观察和测验判断，
对学生因材施教，这是教师的责任，也是最具人文关怀的教育方法。
c.教学诊断分析
通过学生答卷进行分析，比如选择题的各个选项比例，有可能发现一定范围内共同存在的学习错误和教学薄弱环节，从而对教学存在的问题作出诊断分析，提出改进教学或教学补救的方案，这是教师提高教学能力、促进教师专业成长的一项有效措施。
（4）要用事实说话。不能高高在上，必须深入调查，亲自统计、阅卷。例如作文出现的问题，必须要有得分率的统计，具体案例的分析。
6、改进措施及意见
（1）要关注整体和个体.
（2）要针对前面所提到的问题。
（3）切忌空洞，要有可行性。
八．教学质量分析报告的一般形式与要求
1.题目要简练，揭示报告主题。为揭示教学质量分析报告的主题，同时体现文体特点，拟题时，可采用正、副标题的形式。如：《让每一个学生都得到发展与提高——××小学教学质量分析报告》。

2.关键词要准确，亮明报告的重点与创新点。应以报告中多次出现的，突出学校教改、课改重点与亮点的词作为关键词。关键词不要多，3－5个为宜,要抓住
特点、找准典型，不要面面俱到。每次考试，由于学生形形色色的都有，所以反映在答卷上千奇百怪，因此在写分析报告时，一定要把学生中普遍存在的典型性问题
作为重点，进行深层次的分析，找准症结，提出对策。
3.结构框架要垂直升降，清晰有序。安排教学质量分析报告的结构框架，与报告前的分析思路
正好相反，可按照由此及彼、由教学管理到教学质量的顺序去考虑。一般可这样安排报告的结构框架：一、学校基本情况；二、主要教学成绩（报告重点之一）1.
学校办学目标；2.学校教学常规管理；3.学校教、科研工作；
4.内容要集中，突出教学工作重点。既然是“教学质量分析报告”，就不宜过多地将德育、后勤管理等内容掺杂进来。
5.论述要客观，详实具体。
既要详细、实事求是地介绍学校或自己分管学科的“主要教学成绩”，进而总结成功教学经验、教学管理经验，又要全面、客观分析学校或自己分管学科教学存在着
的“主要问题与成因”，并拿出详实具体、切实可行、具有可操作性的“加强与改进方法”。对“主要教学成绩”谈得很清楚、具体，而对教学存在着的“主要问题
与成因”、“加强与改进方法”两部分内容却轻描淡写，示意性地一带而过，这样的教学质量分析报告反思的全面性、深刻性是不够的，对以后的教改、课改是不会
起到多大指导、促进作用的。
6.要将定性分析与量化展示有机结合。既要注重运用语言准确论述，又要注重运用清晰的数据来如实反映。如，学科基
本功（朗读、背诵、查字典、单词认读、数学口算、数量关系等）测查统计，学科作业良好率测查，写字规范、端正、匀称、紧凑测查统计，学科综合考试成绩（优
秀率、良好率、合格率、待合格率）统计。
7.语言要朴实、准确。“教学质置分析报告”属行动研究论文范畴，因此语言基本表达方式应以论述、分析为主。报告中要少描写、抒情，不使用夸张。
8．对事不对人，不怕得罪人。
9．优势要说够，问题要说透。