A. 大數據怎樣高效運用在教學實踐中
教育工作者和研究者已經開發出從大數據中提取價值的5種主要的技術。
預測(Prediction)——覺知預料中的事實的可能性。例如,要具備知道一個學生在什麼情況下盡管事實上有能力但卻有意回答錯誤的能力。
2.聚類(Clustering)——發現自然集中起來的數據點。這對於把有相同學習興趣的學生分在一組很有用。
3.相關性挖掘(Relationship Mining)——發現各種變數之間的關系,並對其進行解碼以便今後使用它們。這對探知學生在尋求幫助後是否能夠正確回答問題的可靠性很有幫助。
4.升華人的判斷(Distillation for human judgment)——建立可視的機器學習的模式。
5.用模式進行發現(Discovery with models)——使用通過大數據分析開發出的模式進行「元學習」(meta-study)。
實施這些技術就能夠通過大數據來創建為提高學生成績提供支持的學習分析系統。研究者們相信這些技術將幫助教育工作者更加有效地指導學生朝著更加個性化的學習進程邁進。
總而言之,通過大數據進行學習分析能夠為每一位學生都創設一個量身定做的學習環境和個性化的課程,還能創建一個早期預警系統以便發現開除和輟學等潛在的風險,為學生的多年學習提供一個富有挑戰性而非逐漸厭倦的學習計劃。因此,有識之士經預言未來的學習將是大數據驅動的新時代。我們應該積極迎接這個新時代,通過大數據來分析學習,進一步改善教學的方式與方法,進一步促進學生學習成績的提高。
B. 利用教育大數據,建立學生個性化分析指導
這是互聯網+時代,這是大數據時代。但是 「不得不承認,對於學生,我們了解的太少!」 (卡耐基)
比較2500年前孔子時代的教育,和現今國內大部分中小學的教育模式,基本都是以教師主講,學生聽課,先進一些加上互助探究。課堂關注學生整體發展,對學生個體研究則少之又少。因材施教,有教無類,喊了2500年的教育口號,至今仍難實現。
大數據支持的教育,是智慧教育,是結合教育經驗和大數據支持的全新教育教學改革。教育大數據具備以下特徵:周期性強,復雜度高,價值高。中小學階段,教育大數據應用主要體現在反饋,個性化和概率預測三個層面。教育大數據可以全面反饋個體學習者的學習狀況,提供全方位的數據展示。從而根據每一位學生的實際,制定個性化的干預和指導,促進學生的自主成長和個性發展。提升對教育規律的認識深度、教育政策的制定方式,完善整個教育系統的結構,預測教育結果。通過大數據支持,現代教育將逐步成為一門實證科學,有據可依,有章可循的教育科學。
利用教育局建立的教學發展性評價系統,可以更加直觀地發現學生的真實,真實學習狀況,生活狀況,甚至思想狀況。
1,建立數據驅動的新型學習流程
傳統課堂上,教師設計教學,引領、指導學生的學習活動,學生選擇參與學習活動。
數據驅動的新型學習模式,教師依據大數據設計教學活動,進行教學測評,挖掘學生學習數據,確立新的教學目標,調整教學策略,重新設計教學活動。學生依據自身學習狀況,確立學習角色,參與學習活動,在活動中調整學習策略,確立新的學習目標,投入到新的學習中。利用互聯網+的技術支持,記錄,分析,反饋,促進教、學進步。
2,建立學生個人知識圖譜
傳統課堂上,教師的教學內容統一,教師講授什麼,學生學習什麼。對於學生個體而言沒有選擇性,有些同學基礎薄弱,對於先行知識還沒有掌握,學習新知困難重重,課堂一知半解。有些同學已經完全掌握相關知識,課堂上不得不亦步亦趨,浪費時間。教師對於每個學生的知識體系了解不足,教學針對性不足,教學效率低下。
大數據驅動下的智慧教學,提供給每一位學生相應科目,相應學習單元的知識圖譜,通過學習、檢測、反饋、應用等活動,記錄每個知識點的學習情況。教師依據學生個體知識圖譜,安排教學活動,布置個性化學習活動。課堂的教學,從圍繞時間展開,轉為圍繞學習進度展開,促進學生個體的進步發展。
3,針對學生採取個性化分析指導。
大數據改善了學生學習的三個層次:反饋,個性化和概率預測。通過對教育大數據,建立學生成長模型,包括品德發展、學業發展、身心健康、興趣特長四個維度,使學生發展顯示可視化、數據化,探索各種變數之間的關系,形成診斷性的預測。
通過大數據的分析,建立學生個性化的學業診斷。依據大數據,觀察學生的出勤、課堂表現、平時作業以及考試等過程性評價的數據,就可以分析出學業成績和學習行為各要素的相關性,進而針對學生個體形成診斷意見,提出個性化分析指導。
2014級有一學生,中考入學成績居年段20名,英語成績處於中上層次。在高一上學期期中考試和期末考試中,英語學習成績一路下滑,接近及格邊緣。班主任、科任教師發現情況,及時到教研室查閱該生的各項成長數據,發現學習作息時間正常,在單詞背誦、閱讀理解、以及英語學習總時間上與其他優等生一致,唯有課時練習完成不及時不主動。
與學生座談,分析英語成績下滑原因:在英語學習時間無差別的基礎上,由於時間分配存在差異,在同步練習上花時間偏少,導致成績與優等生差距拉大。引導學生改正學習習慣,課後及時復習,完成課時練習。
數據顯示,干預後,該生的英語成績穩步上升,達到高點。
學生的成長具有特異性,利用大數據觀察、記錄、分析學生的成長歷程,預測學生發展潛力,引導學生職業規劃,促進學生個性化發展和健康成長。
C. 如何對學生考試成績進行數據分析
是老師么?這個學校的話一般都是使用的Excel吧,給你推薦了免費的數據分專析工具,國內的,雲平屬台的是永久免費的,名字叫做大數據魔鏡,免費版的支持Excel和mysql的資料庫,你只需要導入Excel,選擇需要分析的對應的數據,最後選擇你想要展示的圖表的類型就好了,希望對你有幫助。
D. 教育大數據分析方法主要包含哪三類方法
細分分析法,常用於為分析對象找到更深層次的問題根源。難點在於我們要理解從哪個角度進行「細分」與「深挖」才能達到分析目的。就好像高中課程中解幾何題一樣,如果找對了「解題思路」,問題就迎刃而解;如果「解題思路」錯了,勞心費力不說,問題還解決不了。
E. 大數據的數據分析方法有哪些如何學習
漏斗分析法
漏斗分析模型是業務分析中的重要方法,最常見的是應用於營銷分析中,由於營銷過程中的每個關鍵節點都會影響到最終的結果,所以在精細化運營應用廣泛的今天,漏斗分析方法可以幫助我們把握每個轉化節點的效率,從而優化整個業務流程。
對比分析法
對比分析法不管是從生活中還是工作中,都會經常用到,對比分析法也稱比較分析法,是將兩個或兩個以上相互聯系的指標數據進行比較,分析其變化情況,了解事物的本質特徵和發展規律。
在數據分析中,常用到的分3類:時間對比、空間對比以及標准對比。
用戶分析法
用戶分析是互聯網運營的核心,常用的分析方法包括:活躍分析,留存分析,用戶分群,用戶畫像等。在剛剛說到的RARRA模型中,用戶活躍和留存是非常重要的環節,通過對用戶行為數據的分析,對產品或網頁設計進行優化,對用戶進行適當引導等。
通常我們會日常監控「日活」、「月活」等用戶活躍數據,來了解新增的活躍用戶數據,了解產品或網頁是否得到了更多人的關注,但是同時,也需要做留存分析,關注新增的用戶是否真正的留存下來成為固定用戶,留存數據才是真正的用戶增長數據,才能反映一段時間產品的使用情況,關於活躍率、留存率的計算。
細分分析法
在數據分析概念被廣泛重視的今天,粗略的數據分析很難真正發現問題,精細化數據分析成為真正有效的方法,所以細分分析法是在本來的數據分析上做的更為深入和精細化。
指標分析法
在實際工作中,這個方法應用的最為廣泛,也是在使用其他方法進行分析的同時搭配使用突出問題關鍵點的方法,指直接運用統計學中的一些基礎指標來做數據分析,比如平均數、眾數、中位數、最大值、最小值等。在選擇具體使用哪個基礎指標時,需要考慮結果的取向性。
F. 如何正確的使用大數據分析方法、正確評估學校教育
范賢聰
一個學校發展到了什麼水平?發展速度怎麼樣?存在什麼缺陷?應向什麼方向改革提速?……深圳維邁大數據研究組,創建了一個分析平台,可為各學校提供切實有效的服務。
一、一些學校的高考大數據及評估
(一)昭通市一中
2013年(本科率93.17%)
一本874人(一本率67.57%),普本331人(普本率25.6%)
2014年(本科率98.77%)
一本830人(一本率67.98%),普本376人(普本率30.79%)
2015年(本科率98.21%)
一本846人(一本率66.15%),普本410人(普本率32.06%)
2016年(本科率98.47%)
一本909人(一本率69.6%),普本377人(普本率28.87%)
2018年(本科率96.63%)
一本1038人(一本率71.44%),普本366人(普本率25.19%)
2019年(本科率97.78%)
一本1031人(一本率73.96%),普本332人(普本率23.82%)
一本率在69%的水平,在全省名牌學校中排名靠後,在州、市一中排名靠末端;本科率在97%的水平,比較平穩,沒有太大的提速特徵,這是一個傳統型的名校。
應該說,昭一中在經典課堂及常規管理上很用功,但由於課堂太陳舊,同時管理也不精細,教學管理不夠精準,因此,教學成績一直沒有太大的提高。反觀靖曲一中的智慧課堂,同時引入了大數據管理平台,以及教育管理的精細化,在全省一直處於"巨無霸"的位置水平。
(二)鎮雄一中
2013年(本科率82.70%)
一本132人(一本率一18.56%),普本456人(普本率64.13%)
2014年(本科率81.74%)
一本182人(一本率24.07%),普本436人(普本率57.67%)
2015年(本科率78.75%)
一本194人(一本率20.75%),普本542人(普本率58.00%)
2016年(本科率71.52%)
一本191人(一本率20.65%),普本563人(普本率50.87%)
2018年(本科率78.57%)
一本265人(一本率22.98%),普本641人(普本率55.59%)
2019年(本科率75.27%)
一本247人(一本率20.36%),普本666人(普本率54.91%)
一本率在21%的水平,基本就是雲南的平均水平;本科率在76%的水平,比雲南的平均水平高出十個百分點,但這是鎮雄的頂級學校。學校發展相對平穩,沒有提速的特徵,這是一個昭通市傳統的強校。尤其值得一提的是,盡管《鎮雄城南中學》"拔尖"鎮雄生源,也沒影響鎮一中的發展速度及水平!鎮一中與昭一中無論課堂教學、還是教育管理都很相近。
(三)威信一中
2013年(本科率42.65%)
一本144人超鎮一中絕對數(10.64%),普本436人與鎮一中絕對數相當(32.01%)
2014年(本科率58.73%)
一本97人只是鎮一中的一半(7.27%),普本834人比鎮一中多398人(51.46%與鎮一中基本持平)
2015年(本科率66.47%)
一本147人比鎮一中少47人(10.88%),普本751人比鎮一中多209人(55.59%與鎮一中基本持平)
2016年(本科率63.29%)
一本181人比鎮一中少10人(12.53%),普本796人比鎮一中多233人(50.76%與鎮一中持平)
2018年(本科率39.55%)
一本108人比鎮一中少157人(6.52%),普本547人比鎮一中少97人(33.03%比鎮一中少26%)
2019年(本科率44.25%)
一本152人比鎮一中少95人(8.27%),普本661人與鎮一中基本持平(35.98%比鎮一中少19%)
從一本看,基本回到2013年威信一中的水平,但與鎮一中20.36%的一本率差十二個百分點,是需要找差距原因的。
從普本看,已經追上了鎮雄一中,這是可喜的。說明李校長不但勤政,而且有高招。
從本科率看,基本恢復到了威信一中2013的水平。
二、2013一一2019威信一中的發展分析
(一)從行政班子的輪換看發展
1、2012一一2013張校長主政,是一個過渡時期,盡管申常務在主導一中的教學,但已經後退的學校,是很難就一下翻身的,除非天意如此!
2、2014一一2015申校主政,已進入他鋪墊好的黃金時期,14北大、15清華,這是威信一中在二0一一之後的又一個高峰!
3、2016一一2017李朝華校長主政,2016年慣性衣舊,仍然取得了巨大的成績。一本率創造了歷史,本科率也是歷史第二。這與李校長、范書記的勤政及堅持不懈的"盯、管、跟"是密切相關的。
4、2018肖校長重新主政,遺憾的出現了歷史最低谷,但也不能把責任全推到肖校長的頭上,要知道高中是三年,每一年的校長、老師及教育工作者都應承擔相應的責任。
5、2019一一,李映橋校長主政,總結了歷史的經驗與教訓,抓住教學這個主戰場不放,抓住教師管理不放鬆,抓住學生的常規化管理不放。同時以校為家,把經營學校象經營家庭一樣的對待。因此,2019幾乎又回到了2013黃金起步時的水平。
(二)從大數據分析看威信一中發展速度及水平
2013是一個黃金起點;2014維持相應的速度及水平,而且出現了一個北大,這是振憾昭通市的;2015是一個黃金高峰,發展速度及水平均處於黃金時期,又出清華;而且威信一中的課改《三六模式》,不但是上海中國關委教育專家委員會在昭通課改的結晶,而且成為了整個昭通市的示範性課堂操作程式;時任昭通市教育局長平錦親臨現場觀摩,並指示全市向威信一中學,這是全威信人民的驕傲與自豪!
2016繼續黃金步閥,一本創造了頂峰;2017開始下滑,人心渙散,但一本也不少;2018是黑色的一年,歷史最低谷;全縣人民都在懷疑,還能將優秀的孩子送入威信一中讀書嗎?
在以肖順興書記為首的威信縣委、政府的堅強領導下,果斷換入新校長,才有2019新的黃金起步。
因此,我們對威信一中的發展速度及水平做一個概述:
2013黃金起點一一2014黃金速度一一
2015黃金高峰一一2016慣性峰位一一2017
一一開始下滑一一2018滑到谷底一一2019
一一回到新的黃金起點。
(三)從大數據分析找威信一中落後的原因
1、理念因素
過於"自信",過於"傳統",過於相信"時間+汗水"。對新課堂持懷疑態度,對經典課堂做不到位,對改革幾乎"一談色變"。沒有現代教育理念,那就是什麼是中心?什麼是主導?什麼是協作?……
2、管理因素
學校管雖然有其特定模式,但與現代企業管理也有相通之處,這就是信息化(數據化)、科學化、集團化的高效管理。
我們的管理很粗放,甚至沒有三十年以前的教育教育學管理那麼精細。那個時候的學校小,校長是管到每一個教師、職工的;教師是管到每一個具體的學生,以及學生的每一頁作業,以及學生的平時生活。其實,這就是杜郎口、昌樂、衡水、上海中學、成都外國語學校等等,所有中國名校成功的原因。
3、課堂因素
一中的課堂幾乎還在"滿堂灌"、"填壓式"的模式,老教師"力不從心"了,中年教師課堂沒有創新,年輕教師"我行我素、拿來主義"。因此,我們的課堂都比較低效。
其實所謂的"高效課堂"並非是教學成績效率很高的課堂,它主要是貫徹了教師的主導作用而不是"一包到底",貫徹了學生的主動學習功能,貫徹了師師間、生生間、師生間的一種《協作學習》模式,解決了知識學習及能力發展的"大容量"問題。最後,當然有"高效"的教學成績。
4、體制因素
"大鍋飯"幾乎是所有公辦學校的問題,"干與不幹一個樣,干多干少一個樣,干好乾差一個樣",這就無法調動教師積極性。民辦學校為什麼容易出成績,那就是公司化管理:
每一個管理環節及成效,都用經濟做為杠桿,教學成績的每一分、厘,都與本人的收入相關,這還愁成績上不去嗎?
5、文化因素
威信一中做為一個曾經的雲南名校,從上世紀1947年張仁文老先生創校開始,就積淀了很深的文化底蘊。然而,由於沒重視校園文化的建設及保存,現在也幾乎"丟失"了!
記得當年四川敘永一中(現在也是四川二流水平的名校)來威信一中"取經"的時候,學校領導總結我們成功的經驗就是"時間+汗水"。遺憾的是"時間"是什麼?"汗水"又是什麼?如此寶貴的文化,我們現在也只是"猜測"。
三、從威信一中的大數據分析看學校改革
(一)校長是學校的靈魂
從數據與校長的對應看,不同水平、不同風格、不同思想的校長,對學校的影響是巨大的,所取得的成績也是有很大差異的。因此,
改革學校應該從選擇優秀校長開始,校長是老師的老師。因此,優秀校長應該是"學者型"的、"全能型"的、關愛所有老師及學生的。從衡水本部向全國派出的近百位校長看,沒有不優秀的。
校長是學校的引路人,校長對學校的定位、目標及決策水平,直接決定學校的工作方法、走向及所取得的成績。
從威信一中六年換六個校長的情況看,一個波動的靈魂,對學校發展就是一個傷害,質量不下降都不正常!
(二)教師是學校的筋骨
從數據與教師的對應看,隨著時空的變換,教師在變(甚至出現青黃不接的情況),學生在變(從很能吃苦耐勞的人到不願意吃苦的學生),一切都發生了變化!
然而,我們一直認為老教師不用培訓了,自然能教出好成績。其實不然,雖然老教師功力深厚,確講得太多,甚至"滿堂",00後們當然不喜歡,對中低檔學生是不適應的。中年老師當然不用培訓了,然而他們既有老教師的"呆板",也有年輕教師的"輕漂",因此學生喜歡他們的現代教學及"交朋接友"。但也不喜歡他們的嚴謹與執著。
年輕教師是學生們最喜歡的,甚至很多老師有自己的"鐵桿粉絲"!但他(她)們過於華麗,過於依賴於現代媒體,過於相信什麼"優案"、"名人"、"專家"、"名校"等等,因此,"拿來主義"非常"嚴重!
因此,按照我們中國教育專家委員會的研究成果,現代教師必須具備四大基本功:
1、終生學習的能力;2、合作及協作學習的能力;3、主動教學及培養學生主動學的能力;4、面向世界教育理念的思想。
(三)學生是提高學校教育教學質量的主人
現在"生源大戰",其實就是抓學習習慣最好,成績最優秀的學生。不管衡水也罷,上海中學也罷,清華附中也罷,……都是同一模式,抓最好的老師,教最好的學生。因此,有人形容中國現實教育,就是傳統戰爭的拼刺刀、肉搏戰!
其實教育是不需要那麼艱辛的!我有幸在重慶結識了世界頂級教育家佐藤學教授,他講在日本的中學之中,所有頂級學校都是使用《協作學習》模式的。所謂協作就是師生是一個相互依存的整體,學生之間是一個相互學習、相互幫助、共同提高的整體。這樣一個和諧的群體,沒有高質的產出都是一種偶然!
一個學校,如果教師是主動教學,而不是滿堂灌的;如果學生是主動學習,而不是依賴於課堂的;那教學質量要低都很困難!
(四)文化是立校之魂
我的導師陳星奎雲南師大的教授(中國西南的量子力學權威)講過,當年他們西南聯大的校友之中,最佩服兩個人,一個是諾貝爾獎獲得者楊振寧教授,一個沒有獲得諾獎的吳健雄女土(但他獲得了世界頂級的獎金)。當年的西聯,什麼都是最差的,而且隨時還進圓通山的防空洞。然而,他們有最好的"為中華之崛起而讀書"之精神,有師生一心的情感,有同學即同志的遠大革命理想,有"陶行知"教育理念,有永遠上進、永遠讀書、自學成才精神!因此,有人說至到如今,最好的教育在民國時期。
西南大學之文化及精神傳承至今,在中國大地上遍地開花結果,這就校園文化之傑作。
學校做得好不好,不能用語言來描述,要用數據來說話。教師教學好不好,不能用語言來描述,要用數據來說話。學生學習好不好,不能用語言來描述,要用數據來說話。
世界已經進入數據化時代,對學校的評估,對教師的評估,對學生的評估,都必須以大數據分析為指導,以科學的數據評價結果為准!
G. 大數據分析的基本方法有哪些
1.可視化分析
不管是對數據分析專家還是普通用戶,數據可視化是數據分析工具最基本的要求。可視化可以直觀的展示數據,讓數據自己說話,讓觀眾聽到結果。
2. 數據挖掘演算法
可視化是給人看的,數據挖掘就是給機器看的。集群、分割、孤立點分析還有其他的演算法讓我們深入數據內部,挖掘價值。這些演算法不僅要處理大數據的量,也要處理大數據的速度。
3. 預測性分析能力
數據挖掘可以讓分析員更好的理解數據,而預測性分析可以讓分析員根據可視化分析和數據挖掘的結果做出一些預測性的判斷。
4. 語義引擎
由於非結構化數據的多樣性帶來了數據分析的新的挑戰,需要一系列的工具去解析,提取,分析數據。語義引擎需要被設計成能夠從“文檔”中智能提取信息。
5. 數據質量和數據管理
數據質量和數據管理是一些管理方面的最佳實踐。通過標准化的流程和工具對數據進行處理可以保證一個預先定義好的高質量的分析結果。
H. 教育大數據分析的三大方法
一、常用大數據分析方法
1、描述性分析
這是業務上使用最多的分析方法,也是最簡單的數據分析方法,為企業提供重要的指標和業務衡量方法,可以通過企業各種數據獲得很多客戶的情況,例如客戶的喜好,使用產品習慣等。
2、診斷分析
做好描述性分析之後就可以進行診斷分析了,主要是通過評估描述性數據,診斷分析工具可以使數據分析對數據進行深入分析,並深入數據的核心,一個設計良好的數據分析工具可以集成數據讀取、特徵過濾和按時間序列進行數據鑽取的功能,從而更好地分析數據。
3、預測分析
預測分析是用於預測未來事件發生的可能性,一個可量化值的預測,或者事件發生時間點的預測,都可以通過預測模型來完成,預測模型也是一種重要的方法,在許多領域得到應用。
4、指令分析
數據和復雜性分析的下一步是指令分析,指令模型可以幫助用戶決定應該採取什麼措施。