大數據時代的教育決策

⑴ 大數據在教學管理中的運用

大數據在教學管理中的運用
隨著大數據時代的崛起，雲數據時代的來臨，大數據給各行各業的發展模式和決策帶來前所未有的革新與挑戰，教育行業同樣不可避免。大數據的發展給困境中的教育變革提出了新的挑戰。進入大數據時代，依靠言傳身教的古代精英式教學和注重快速實效的現代大眾式教學正在有效結合，基於數據分析的共享式精準教學不再遙遠，按需學習、因材施教將真正成為可能。
一、對「大數據」的理解《自然》雜志在2008年9月推出了名為「大數據」的封面專欄，講述了數據在數學、物理、生物、工程及社會經濟等多個學科扮演了愈加重要的角色。加里?金說：「這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。」大數據也稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、處理、並整理成為幫助企業更好經營決策的各種資訊，同時與大數據相關的數據存儲、數據安全、數據分析等領域也都屬於大數據范疇。簡言之，從各種各樣類型的數據中，快速獲得有價值信息的能力，就是大數據技術。「大數據」具有數據體量巨大，數據類型繁多，價值密度低，處理速度快的特點。二、「大數據」對教學的影響 法家思想的集大成者韓非子也有「世異則事異，事異則備變」的觀點，足見教育是需要根據現實變化的。 在教育領域中，「大數據」除體現傳統數據的所有宏觀功能外，還能收集分析詳盡的微觀個性化數據，大數據的優勢立顯。傳統數據詮釋宏觀、整體的教育狀況；大數據用於調整教育行為與實現個性化教育；傳統數據來源於階段性的，針對性的評估，其采樣過程可能有系統誤差；大數據來源於過程性的，以第三方、技術型的觀察采樣的方式誤差較小。傳統數據分析所需要的人才、專業技能以及設施設備都較為普通，易獲得；大數據挖掘需要的人才，專業技能以及設施設備要求較高，並且從業者需要有創新意識與挖掘數據的靈感而不是按部就班者。 大數據帶來新一輪教育信息化的浪潮已然隨著硬體的高速革新和軟體的高度智能無法抗拒地推到了我們面前。作為新時期的教育管理者，唯有掌握良好的「大數據」技術，轉變教育思想，及時利用「大數據」服務學校管理、改革教育教學，提高辦學質量。 三、大數據教學管理模式 隨著時代的發展，科技的日新月異，以往的教學管理模式正在慢慢退出歷史舞台。這種以現代信息技術為支撐，「大數據」為載體的新型管理模式極大地實現了教育資源的共享與充分利用，促進了工作效率的提升，轉變了工作效能，讓工作更加具有時效性，科學性，及時性。1、大數據管理的模型 正如2014年全國教育工作會議提出的，今後一個時期我國教育管理的目標是「加快推進教育治理體系和治理能力現代化」，我國的教育管理模式將發生質的變革，大數據管理模型應運而生。 大數據支撐的教育管理模型：以「主體、對象、資源、目標」為核心要素，建立多級連通共享的教育雲，構建教育管理復雜系統，利用雲技術處理教育雲端大數據，為教育公共服務機構、教師和學生提供全天候多終端個性化需求的教育資源服務、專業發展服務和綜合素質發展服務，提升教育資源配置的合理性和公平性，提升教育決策科學化水平。 在教育管理中，人的因素是重要的教育數據，是一切教育數據的來源。教育資源的配置，首先要進行科學合理的資源基本分類：人才資源、財物資源、知識資源；教育內容、教育理論、教育方法、教育經驗等，是教育資源配置中的隱性資源，卻是根本資源；技術資源是大數據教育管理的生產力資源，教育技術尤其是教育信息技術、大數據、雲技術的應用，是管理主體滿足教育服務需要，合理配置教育資源的應用型資源。 2、大數據管理的運行策略 教育大數據管理是一個長遠的偉大工程，從當前的教育信息化建設水平和面臨的挑戰綜合考慮，還有相當長的路程要走。我們需要在思想上、理論上和實踐上全面推進，迫切需要制訂正確而長遠的行動路線圖如又圖所示。 這是三個層級的運行策略：底層是大數據教育管理的基礎建設教育雲的建設，各區域應遵循國家教育數據標准，建設分布式教育數據中心（雲）資源庫+資料庫+數據關系邏輯的建構，為雲端教育教學資源配置提供基礎硬體支撐，進而建設三層智慧平台智慧校園、智慧學堂（課堂）和智慧終端（尤其是移動終端）應用平台建設，同樣作為基礎層級的是教育資源的大數據挖掘對教育過程所產生的數據進行統計、分析、建模等處理，為教育管理決策提供數據應用；位於高層的是教育大數據管理的操作系統，從公共服務到學生個體發展，利用大數據進行教育資源的公平配置和個性化供給，推進教育發展與改革，使人人享有優質恰當的教育資源，促進教育的優質可持續發展，推進教育品牌建設和創新提升，形成高效綠色的教育文化。 四、大數據教學管理的優越性 用數據說話、用數據決策、用數據管理、用數據創新的數據文化正在成形，大數據時代已經來臨。順應大數據時代的發展，教育變革已經進入了一個新的階段，教育領域將迎來一場前所未有的大變革。
大數據的發展給困境中的教育變革提出了新的挑戰。進入大數據時代，依靠言傳身教的古代精英式教學和注重快速實效的現代大眾式教學正在有效結合，基於數據分析的共享式精準教學不再遙遠，按需學習、因材施教將真正成為可能。大數據帶來的一系列變革，對新型創新人才的培養提出了更為迫切和現實的要求：日益強大的互聯網、多媒體及概念軟體、開源軟體等為師生提供了更加自由、靈活的學習和探索空間，求知的視野被極大拓寬；日益頻繁的師生活動及社會互動被大數據予以記錄、分析和共享，教育環境的時空界限和信息隔閡得以打破，長期以來潛伏於數據之下的教育理論和規律將日益凸顯和明朗，人才培養將更具靈活性和多樣性；學習與生活、教育與社會不再被孤立，學生、學校與現實生活的體驗更為接近，學生學習興趣、學校辦學動力將被大大激發

⑵ 教育大數據的內涵

本章主要介紹教育大數據的內涵、體量與價值。

1、什麼是大數據

2012 年聯合國發布了大數據白皮書「Big Data for Development:Challenges& Opportunities」明確提

出大數據時代已經到來。

大數據作為信息技術發展的新趨勢"具有海量的數據規模（Volume）、快速的數據流轉（Vwlocity）、多樣的數據類型（Variety）和巨大的數據價值（Value）。通過對海量數據的分析挖掘，以一種前所未有的方式獲得巨大的產品服務，深刻的真知灼見，為我們理解生活以及認識世界提供了一種全新的思維方式，實現思維的三大轉變：一是不再依賴於小樣本數據，而是與現象相關的所有數據；二是不再熱衷於追求微觀層面的精確，而是宏觀層面的洞察力；三是從傳統的因果關系追求中解脫出來，關注相關關系的發現和應用。

大數據不僅僅是一種技術，也是一種能力，即從海量復雜的數據中尋找有意義關聯、挖掘事物變化規律、准確預測事物發展趨勢的能力。

2、教育大數據的內涵

教育大數據特指教育領域的大數據，即整個教育活動過程中所產生的以及根據教育需要採集到的、一切用於教育發展並可創造巨大潛在價值的數據集合。

教育大數據直接產生於各種教育活動（包括教學活動、管理活動、科研活動、校園活動等），每個教育利益相關者既是教育數據的生產者也是教育數據的消費者。教育大數據具有明確的目標指向性，即指向教育發展，能在提升教育質量、促進教育公平、實現個性化學習、優化教育資源配置、輔助教育科學決策等方面發揮有效作用。

3、教育大數據的特性

與電子商務、交通、醫療、金融保險等領域的大數據相比，教育大數據具有以下特徵：

教育大數據的採集呈現高度的復雜性；

教育大數據的應用需要高度的創造性；

教育大數據不僅注重相關關系，更強調因果關系；

4、教育大數據的分層架構

為了更加清晰地認識教育大數據的概貌，根據教育數據的來源與范圍，將其分成

五層架構，如下圖所示：

5、教育大數據的體量

IT 界普遍認為，大數據指體量在 Tb 級別以上或者條目在百萬級別以上的數據。實際上，大數據是個相對於小數據而言的概念；大數據並非等同於大量的數據，而是突出強調跨領域數據的交叉融合和數據的流動生長。

《中國基礎教育大數據發展白皮書》編委會對基礎教育階段一年的數據量進行了估算。基礎教育大數據體量估算的維度與基準值如圖 1 所示，包括對師生基本信息數據、課業測試與作業數據、校園實錄數據和課程資源數據的估量。

圖 1  基礎教育大數據體量估算的維度與基準值

圖 2  基礎教育大數據體量估算結果（一年）

可以肯定地說，無論是按 Eb 還是 Pb 量級來規定大數據的體量要求，中國教育領域都存在真正的大數據。

6、教育大數據的價值

（1）戰略層價值

①教育大數據是一種無形的戰略資產、是一座可無限開採的「金礦」，充分的挖掘與應用是實現數據「資產」增值的唯一途徑；

②教育改革既要有膽魄，更要有科學的依據，教育大數據是推動教育領域全面深化改革的科學力量；

③教育大數據匯聚、存儲了教育領域的信息資產，是發展智慧教育最重要的基礎。

（2）應用層價值

①開展數據驅動的教育決策，實現教育設備與環境的智能管控，提升教育危機預防與安全管理的能力；

②持續優化教與學，輔助教師開展精準教學，輔助學生實現個性化學習；

③促使教育評價從「經驗主義」走向「數據主義」、從「宏觀群體評價」走向「微觀個體評價」、從「單一評價」走向「綜合評價」；

④教育數據的合理、合法、有效、創新應用，不斷催生越來越多樣化且越來越智慧化的教育服務；

⑤推動社會科學的研究範式從抽樣模式走向全樣本模式，使社會科學成為一門實實在在的實證科學。

教育大數據的最終價值應體現在與教育主流業務的深度融合以及持續推動教育系統的智慧化變革上。目前，國內外已有一些教育大數據的創新應用案例，涵蓋教學、管理、評價、服務等方面。

參考文獻

教育大數據的技術體系框架與發展趨勢——「教育大數據研究與實踐專欄」之整體框架篇  楊現民

教育大數據的應用模式與政策建議  楊現民

⑶ 如何通過大數據手段為教育部的學科設置調整做決策支撐

大數據時代的到來為治理理念的轉型帶來了新機遇。對於而言，要提升自身的治理能力，必須要在其中融入新的思維和新的文化，在這一方面，大數據中的數據思維與文化模式可以為治理工作的轉型提供思路，如果將大數據充分地利用起來，治理工作便可以實現多層次、多元化、多角度發展，最終實現管理工作以公共服務為主、協同共治為輔的目的。如今，開展治理工作時，不能僅僅依靠傳統的經驗了，任何工作都必須要基於數據的基礎上開展，這就要求工作人員深入到群眾之中，採集客觀資料，並進行科學的實證分析，以此作為開展工作的基礎。也就是說，任何一項工作的開展都必須要用數據來說話，這對於促進工作的轉型有著非常積極的效果。
大數據為治理模式的創新帶來了新的發展機遇。大數據是對海量數據的科學運算，人們可以找尋到不同數據之間的密切聯系，這也是大數據方法論的思想。此外，在大數據技術的支持下，人們可以採用眾包、等一系列的組織模式來革新治理的組織架構，將傳統的組織架構向合作、協同方面進行轉型，從這一層面而言，將大數據理論引入到治理工作中，可以為治理模式的開展提供創新的模式。種種實踐證實，大數據給治理模式的創新主要帶來了幾個方面的發展機遇：一是促進了治理模式從粗放式到精細化的轉型；二是促進了治理模式從單一性到協同共享性的轉型；三是促進了治理模式從被動性到主動性的轉型。
大數據時代的到來提升了決策工作的科學性。近年來，各項公共事務變得越來越復雜，僅僅依靠工作人員的個人感知是無法對所有事務做出科學、准確的判斷的，要想從根本上提升決策工作的科學性，就需要合理應用大數據思維模式，收集數據，分析現階段經濟社會運行過程中的規律，採取合理的數據挖掘來開展決策工作。從本質上而言，大數據給決策部門帶來了如下的改變：首先，在制定決策時，的決定已經不是個別領導的決策，而是必須要使用數據說話，根據數據來制定出決策，與傳統的決策模式相比，該種決策模式更加的科學、精準；其次，在決策實施跟蹤階段，可以充分利用社交網路與物聯網來分析決策的實施情況，利用數據對實施成果進行監控，這可以幫助及時地調整決策方向和決策模式。
大數據為服務效能的提升帶來新的機遇。要提升的綜合治理能力，必須採取科學有效的措施提升的服務效能，這也是大數據背景下建設服務型的關鍵性因素。在治理的背景下，要提升的服務效能，不僅需要提升行政部門的審批效率，還要採取相應的措施提升公共服務產品的質量。一是在提升行政審批效率方面，憑借大數據能夠幫助打破不同部門之間的信息孤島，構建出完善的行政審批服務雲，利用大數據能真正的為老百姓辦實事，為老百姓節約時間，這既有效提升了開展行政工作的效率，還可以大范圍的節約開支。二是在提升公共產品的服務質量方面，工作人員可以利用大數據對公共服務產品的數據進行深入的分析與挖掘，讓公共服務產品供給走向個性化、分層化以及精準化發展道路。還可以利用大數據的兼容性和開放性，鼓勵越來越多的社會大眾參與到決策活動中，讓他們對決策工作進行科學的監督，不斷提升公共服務產品的綜合質量。

⑷ 大數據時代帶來更理性、更可靠的決策

大數據時代帶來更理性、更可靠的決策_數據分析師考試

究竟是什麼魔力，讓「大數據」這一概念得到全球各國的普遍關注？到底什麼是「大數據」？它能夠在多大程度上改變我們的生活？在我們尋求對這些重要問題的解答時，牛津大學網路學院互聯網研究所教授維克托·邁爾-舍恩伯格出現在我們的視野中；希望我們對他的采訪，可以幫助讀者們找到這些疑問的答案。

最近一段時間，「大數據」的熱潮席捲全球，正如美國《福布斯》雜志所說的那樣，如今，在瀏覽新聞網站或者參加行業會議時，想看不見或聽不到「大數據」這個詞幾乎不可能。去年，美國6個聯邦政府部門宣布將啟動「大數據研發計劃」，投資超過2億美元以改進從海量和復雜的數據中獲取知識的能力。同時，我國科技部發布的「『十二五』國家科技計劃信息技術領域2013年度備選項目徵集指南」也把大數據研究列在首位。眼下召開的全國「兩會」上，有全國人大代表提出要把發展「大數據」上升為國家戰略。

究竟是什麼魔力，讓「大數據」這一概念得到全球各國的普遍關注？到底什麼是「大數據」？它能夠在多大程度上改變我們的生活？眼前對「大數據」的關注度是否已經過高了呢？在我們尋求對這些重要問題的解答時，英國牛津大學網路學院互連網研究所教授維克托·邁爾-舍恩伯格（Viktor Mayer-Schonberger）出現在我們的視野中，討論「大數據」，他如果不是最合適的人選，也起碼是合適人選之一。

20多年來，維克托一直致力於網路經濟、信息與創新、信息監管、網路規范與戰略管理的研究。還在「大數據」這一概念眾說紛紜時，維克托就已進行了系統深入的研究，2010年，他在英國《經濟學人》雜志上和數據編輯肯尼思·庫克耶一起，發表了長達14頁的大數據專題文章。稱他為最早洞見大數據時代發展趨勢的數據科學家之一，並不為過。

《經濟學人》說，在大數據領域，維克托是最受人尊敬的全方位發言人之一；美國《科學》雜志說，若要發起一場關於這個問題的深入討論，沒有比他更好的發起者了。

除了理論研究以外，維克托還非常接近實戰世界，早在上大學期間，他就先後成立了兩家數據安全和製作反病毒軟體的公司，而在他寫就的《大數據時代》一書中，那些最前沿、最嶄新的大數據應用案例，都得益於他多年來緊跟企業與商業應用的步伐。他的咨詢客戶中，不乏微軟、惠普、IBM、亞馬遜、臉書、推特、VISA等大數據先鋒們。

目前，維克托還是歐盟互聯網官方政策背後的重要制定者與參與者，尤為重要的是，他還任職過新加坡商務部、汶萊國防部、科威特商務部等部門，特別熟悉亞洲信息產業的發展與戰略布局。

希望我們通過電子郵件對維克托的采訪，可以幫助讀者們找到這些疑問的答案。

失去微觀層面上的精確度，為的是獲取宏觀層面上的洞察力

文匯報：今天，「大數據」已經成為全球炙手可熱的詞彙，您是從何時開始關注它的？

邁爾-舍恩伯格：多年來，我一直致力於研究數據在信息經濟的發展中所扮演的重要角色，我與肯尼思·庫克耶（Kenneth Cukier，我的合著者）一起發布了一系列相關研究報告。大約三年前，在我自己組織的一次會議上，我倆都意識到「大數據」的存在已經不僅僅是一種炒作或者什麼宏大的宣言了，而將實實在在地改變我們的工作、生活以及整個社會，於是，我們決定就此專題寫一本書。

文匯報：那麼在您看來，究竟什麼是大數據時代？它和傳統數據時代到底有什麼差別？我們知道，像沃爾瑪這樣的公司早在多年前，就已經將大數據運用到了商業實踐中。

邁爾-舍恩伯格：事實上，過去幾個世紀以來，數據已經在科學家們制定決策的過程中扮演了一定的角色，而過去幾十年間，這一做法又延伸到了一些公司的決策制定過程。但在大數據時代之前，數據是非常匱乏的，我們擁有的數據非常少。因此，我們的決策、我們構建的制度都是建立在這樣一種數據匱乏的基礎上。今天，一切變得非常不同，它體現在三個不同的方面，我們稱之為「更多」、「更亂」和「相關性」。

文匯報：這三個特徵也是您在《大數據時代》一書中非常強調的，它們甚至會顛覆我們過去的整個思維方式。您能否具體描述一下這到底是怎樣的過程？

邁爾-舍恩伯格：好的。我所說的「更多」，是指圍繞任何一個我們想要調查的特定問題，或者是需要我們回答的疑問，我們都可以比過去任何時候獲取更多的數據。在大數據時代，我們可以利用海量的數據得到非常詳盡的見解，這是傳統方法所不能做到的。

可以這么說，大數據時代和傳統數據時代的區別，就像解析度在200萬像素的舊數碼照片，一下子提高到2400萬像素那樣。後者是一個非常非常大的文件，它可以提供更多細節。它可以讓我們不斷放大，看清楚小到顆粒狀的細部，而具有較低解析度的圖像在這些細節方面就會非常模糊。

基因信息就是一個很好的例子。美國有一家叫23andMe的新公司提供個人的DNA測試分析，以發現一些疾病徵兆。它的成本只有兩三百美元，並提醒客戶關注會發展成嚴重疾病的個人癖好。但是公司並不對每個客戶的全基因組進行測序，而是針對已知特徵的位點（經研究得知因某種疾病存在，而可能會出問題的DNA片段）進行比對。這意味著，當一個新的特徵被研究發現時，23andMe公司就不得不再次對客戶的DNA進行測序並建立更完整的檔案。

蘋果公司的史蒂夫·喬布斯嘗試了非常不同的方法。他得了癌症後，就有了自己全部的基因密碼，數十億的鹼基對測序。這花費了他超過10萬美元的成本，但這可以讓醫生完整地洞察他的基因密碼。每當葯物由於喬布斯的癌症病變而失去有效性，他們就可以根據喬布斯特定的基因信息，尋找到有效的替代葯物。遺憾的是，這也沒有保住喬布斯的命，但是在這一過程中獲得的數據，已經延長了他的生命。

由於技術創新，現在收集大量信息的成本變得越來越低。數年前，史蒂夫·喬布斯花費了六位數的金額才做到的事情，今天，不到1000美元就可以獲得同樣的服務了。

而「更亂」指的是，在小數據時代，因為數據是如此稀少，我們可以確保自己收集的每一個數據點都是非常准確的。相比較而言，大數據往往是凌亂和質量參差不齊的。但是，相比以高額代價來保證測量和收集少量數據的精確性，在大數據時代，我們將接受這種雜亂，因為我們通常需要的只是一個大方向，而不是努力了解一種現象的細枝末節。我們並不是要完全放棄精確性，我們只是放棄對精確性的熱衷。我們失去微觀層面上的精確度，為的是獲取在宏觀層面上的洞察力。

電腦翻譯就是其中一個例子。1990年代，IBM的研究人員使用了一套非常精確的文件（加拿大議會記錄的法語和英語版）來訓練計算機。盡管計算機完全按照規則行事，但基於此的翻譯質量卻非常低。然後，谷歌在2006年開始介入這一領域，他們沒有使用來自加拿大政府的幾百萬句標准翻譯，而是使用隨手可得的任何語言。他們在整個互聯網上，利用數十億頁質量參差不齊的翻譯，這些翻譯不怎麼標准——但是，這是一個小的權衡——他們能夠使用的數據大大增加了，結果翻譯質量反而提高了。與更少、更標準的數據相比，更多凌亂的資料完勝了。

「更多」和「更亂」組合到一起，產生了第三個特點，「相關性」，這也是大數據帶給我們的最根本性的轉變。我們的思維將從因果關系轉向相關關系。至今為止的整個人類歷史里，全世界的人們都在尋找事件發生的原因，探尋「為什麼」。但我們對原因的執著探索往往帶領我們走向錯誤的方向。所以，我們建議，在大數據時代，在許多情況下，我們可以僅僅尋找「是什麼」，而不必完全理解「為什麼」。例如，對於大數據的分析中，我們可以發現機器震動中一些非常微小的變化，這些變化表明機器將很快損壞。這使我們能夠在部分機器零件報廢前更換它們，這被稱為「預測性維護」，它可以節省不少錢。但除了提高消費效率，「相關性」還可以做更多的事情。

比如對早產兒而言，即使他們長大成人，這些小寶寶仍舊是非常脆弱的，哪怕是遇上很小的感染。醫生卡羅琳·麥格雷戈研究如何給這些嬰兒最好的生存機會。使用大數據分析，每分鍾可以搜集這些嬰兒超過一千個數據點，麥格雷戈發現一個令人震驚的事實：每當這些早產兒出現非常穩定的標志時，他們的身體其實並不穩定，正在准備發病。有了這方面的知識，她就能在一個非常早期的階段，確定嬰兒是否需要葯物治療，從而挽救更多孩子的生命。

這是典型的大數據應用：醫生麥格雷戈通過更全面的感測器，可以比以往搜集到更多的數據。她也接受，在這種情況下，並不是所有的數據都是准確的，從而也會導致她分析中存在不精確的可能。她把「為什麼」這個問題放在一邊，而用一種更務實的方式來提供幫助，她尋找「是什麼」，這才是一個更好的預見感染的辦法。

我們應該記住：大數據也可以挽救生命。

正確使用大數據，可以改善醫療、教育水平，促進人類發展

文匯報：大數據時代的到來，是否將會引領新一輪的產業革命？我們應該怎樣客觀地看待它的價值？

邁爾-舍恩伯格：大數據將會極大地改變社會生活的方方面面，但是它的價值能否等同於工業革命，這個問題目前還不好說。我個人猜想可能不能，原因是在19世紀初工業革命剛剛開始的時候，經濟發展還處於非常低的水平上，所以相對來說，當時的人們從工業化過程中所能獲得的生活水平的提升是非常巨大的，今天則非常不一樣了。

我們真正想強調的是，大數據時代將推動我們從根本上改變企業的運作方式，以及我們在社會中的生活方式。大數據可以提高人類制定決策的能力，這種提高將是大幅度的。有了大數據，我們不是簡單地提高經濟效率，而是將挽救人類生命，延長我們自己的壽命。我們還將改善教育，促進發展。同樣的道理，我們必須要小心。大數據同樣也有「陰暗面」，正如我們在書中討論的那樣。如果應用錯誤，大數據也可能會化為一個強有力的武器。因此，我們必須確保正確使用大數據。

文匯報：您提到了大數據時代的「陰暗面」，它的到來會加深數字化鴻溝嗎？

邁爾-舍恩伯格：大數據是一個強大的工具。因此，如果我們使用了錯誤的方式，它就可能會加深數字鴻溝。但是，如果我們用得好，相信大數據就可能會改善我們的生活，尤其是對那些不那麼幸運的人而言。在這一點上，你可以把它想像成火、電或是抗生素等等。

文匯報：也就是說，您對大數據的價值認知，是基於一個更長時段的歷史發展。

邁爾-舍恩伯格：如果以非常廣闊的視角來看人類歷史，我認為，人類一直想要理解世界。起初，許多人的「知識」是基於迷信和預感。知識的發展非常慢，人們需要非常深層次的思考，再通過實踐進行檢驗，以確保知識是可用的。

但即使如此，我們的知識仍舊不是百分之百可靠的。例如，19世紀，路易·巴斯德一直在研究狂犬病疫苗，當時有一個被狗嚴重咬傷而染上狂犬病的小孩，父母擔心孩子會死去，懇求巴斯德試試他的試驗性疫苗。巴斯德照做了，孩子活了下來。隨後的慶祝活動上，巴斯德以一個英雄的身份出現，他挽救了年輕孩子的性命。但是事實的確如此嗎？今天，通過更深入的研究，我們知道，在被類似病狗咬到的兒童中，只有25%會感染狂犬病。所以75%的兒童哪怕使用了無效的疫苗，仍舊可以存活下來。這個故事告訴我們，我們以為自己生活在非常科學的世界中，但其實，我們擁有的數據非常少。一種新的治療方法在被證明安全之前，需要做幾十個甚至幾百個醫學實驗來進行測試。但這仍舊太少，人們還是會受到傷害，因為我們依靠的數據太少。在大數據時代，我們可以告別數據匱乏，做出的決策將更理性，更基於事實，當然也更可靠。這是大數據時代帶給我們的希望——更好的決策將會代替我們過往那些可疑的迷信和不可靠的人類預感。

文匯報：我們看到，麥肯錫公司2011年就發布報告推測，如果把大數據用於美國的醫療保健，一年可產生潛在價值3000億美元，用於歐洲的公共管理可獲得年度潛在價值2500億歐元；服務提供商利用個人位置數據可獲得潛在的消費者年度盈餘6000億美元；利用大數據分析，零售商可增加運營利潤60%，製造業設備裝配成本會減少50%。「數據創造價值」的預測已經非常振奮人心。在您看來，大數據是否只是一門價值不菲的生意？

邁爾-舍恩伯格：不，大數據可以做更多。醫療方面，我們前面已經提過，只是分析一些重要的徵兆，早產嬰兒的感染出現明顯症狀的數小時前，醫生就可以預見其生病。

同樣，通過大數據分析，我們也可以找出學校教科書中的哪一部分對學生而言效果最好，也可以找出效果不好的部分。到現在為止，我們只能按照人類的預感，即教師自己判斷學生在理解特定課程時是否會有疑問；但在大數據時代，我們有實際的數據可以參考，例如數據顯示，電子書籍的某些頁面被看過許多遍，因為它讓學生感覺費解，據此可以調整我們的教材。這將從根本上改變教育。

或者舉公共政策為例：Inrix是為智能手機提供導航軟體的公司，它還提供實時的交通數據。之所以能做到這一點，是因為每個用戶本身都成為了交通流量狀況的感測器，把位置和速度信息都發回Inrix公司。這樣一來，就可以給行進在交通堵塞路段周圍的客戶提供良好服務。Inrix公司有一大堆人們的活動數據，這還將有助於城市規劃者了解大家的通勤模式，人們從哪裡出發去工作，然後返回，並建設基礎設施，如道路和鐵路。這是最有效的應用。節省錢的同時，也有利於整個社會的管理。

文匯報：大數據對於商業決策、學術研究乃至國家治理的作用是顯而易見的；但是對日常生活中的普通人而言，他們一定會從中受益嗎？為什麼在大數據時代，還是有不少人主張遠離過載的信息和數據、返璞歸真回到傳統的社群生活之中呢？個人生活空間一定得從「簡單平面」轉變到「多維存在」才有意義嗎？

邁爾-舍恩伯格：千百年來，人類已經經歷的世界，都是在少量數據的基礎上產生很多想法的世界。海員們結束長途航行後回來，地圖才會在這一次經驗的基礎上進行重新繪制。這顯然不會很精確。經過試驗和犯錯的周而復始，人類發展得非常緩慢。但是，當我們只有非常少的數據時，這是理所當然的結果。今天，我們有這么多的數據，難怪人類會不堪重負。但是，現在大數據可以提供幫助。如果人類不太善於消化這些過多的信息，大數據分析可以幫助我們將信息進行過濾，並進一步可視化，使我們能夠輕松地加以使用。

人們尚未普遍具備與大數據時代相匹配的思維和技能

文匯報：有專家認為，大數據的未來是數據的APP（加速並行處理）而非基礎構架；也就是說，僅僅有數據平台和基礎構架是無法創造長期價值的。對此您怎麼看？

邁爾-舍恩伯格：我們認為，大數據時代將至少需要和過去時代一樣多的人的獨創性。同時，巨大的資源才是未來時代的金礦，那些擁有這些數據資源的人將獲得的回報是不可想像的。

文匯報：大數據時代，數據都是透明的，我們如何在保護個人隱私、商業機密和國家安全之間取得平衡？您所謂的「互聯網遺忘運動」會是最佳葯方嗎？

邁爾-舍恩伯格：大數據時代所面臨的挑戰是，我們發現了隱藏在數據背後的價值，所以，保留這些數據，然後一遍遍地重復使用數據，往往成為一種明智的選擇。同時，現行的保護個人隱私的法律，特別在西方，針對的是一個傳統數據的世界，而不是一個大數據世界。這就需要我們在保護隱私的規則方面作出調整。我們建議，可以通過調整相關保護規則來實現這一目標，正像你所提到的，我們可以在一定時間以後，選擇遺忘這些數據。

文匯報：大數據時代是一個海量數據有待處理的時代，同時又是一個海量無用信息需要刪除的時代。這是否就是您在《刪除》一書中強調我們要有所取捨的原因所在？

邁爾-舍恩伯格：是。在某種程度上，大數據本身也可以加強隱私的保護。因為如果有一百萬個數據點，一個單獨的數據點就不再那麼重要了，這和傳統數據時代非常不一樣。隨著時間的推移，忘記其中一些數據，並不會破壞整個大數據的運行和使用。

文匯報：大數據現在在全球究竟發展到了什麼階段？處理大數據的技術是否已經在全世界范圍內普及？

邁爾-舍恩伯格：管理和處理大數據的技術都已經存在了，而且並不是非常昂貴。但是，有一樣東西目前仍舊非常缺乏，那就是我們的思維——以理解數據背後所隱藏的巨大價值，以及提取這種價值的專門技能。今天，全球范圍內，人們還沒有普遍具備這種思維和技能，但是我相信，在未來，這種情況會發生改變。我們預計，世界各地的許多大學將提供針對大數據分析的課程，來培訓大數據時代所需要的技能。

文匯報：歷次產業技術革命，中國似乎都是學習者和模仿者；和上幾輪產業技術革命不同的是，大數據時代，中國幾乎和歐美發達國家同時開始技術研發，中國人口又居世界首位，將會成為產生數據量最多的國家。您看好中國在新時代的發展前景嗎？中國在大數據時代是否有創新和領先的可能？

邁爾-舍恩伯格：是的，我們對此非常樂觀。中國很可能成為大數據這一領域的先驅。在大數據時代，中國有很多優勢：中國人都受過良好的教育，特別是在數學和統計方面（這是非常重要的）。中國是一個巨大的多元化社會，這會創造大量機會來創造大數據這一資源，並建立大數據應用。同樣的道理，對於大數據的蓬勃發展，我們還需要相匹配的思維方式，有嘗試新事物和持續創新的願望，以實證事實來作為我們決策的依據。因此，和許多其他社會一樣，大數據時代的確也會給中國帶來非常大的變化。

以上是小編為大家分享的關於大數據時代帶來更理性、更可靠的決策的相關內容，更多信息可以關注環球青藤分享更多干貨

⑸ 大數據與教育的結合，體現在哪些方面

可以說自從互聯網技術越來越發達之後，大數據分析成為了許多行業的獨門秘籍版。
如果說問權大數據與教育的結合，那麼更多的就是體現在數據分析方面。
像我們機構在用的什麼書，什麼雲，染什麼的，還是染書什麼的。
專屬的MA系統，大數據實時監測，高性能實時計算引擎，讓數據分析更實時，更靈活和高效；簡單高效的數據分析工具，不懂技術也能玩轉數據；為網站的精細化運營決策提供數據支持，進而有效提高企業的投資回報率。
在數據化學員管理方面，學員數據報表分類匯總，精細化學員檔案管理；招生專屬CRM，將學員線索掌握在企業手裡，有效提高轉化，減少客戶流失；報班選課，結課批量操作、一鍵完成，讓教學運營管理形式形成，完成閉環。
可以說，大數據的應用，方便的教育管理，更是便捷了教育工作。

⑹ 大數據在教育方面的應用

大數據成為了這兩年非常重要的一項技術，使用的地方也越來越多，在教育方面現在也有了很多的應用，下面就一起來看看大數據在教育中的使用。

1、個性化教育。通過運用大數據技術，教師可以關注學生個體的多方位的表現，可以通過對學生及時性的行為進行記錄，使得數據有效整合，為教師提供真實個性的學生特點數據。

4、更新教育理念，創新教育思維。大數據時代下教育大數據扭轉傳統落後的教育理念與思維方式。在新時期教育領域到處充滿了信息與數據，師生的一言一行以及學校的各類事物都能夠轉化為信息或數據。

隨著智能化設備的廣泛普及每位學生都可以運用計算機進行終端學習，有助於提高學生的學習積極性。

⑺ 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。

⑻ 利用大數據教師在課前可以做什麼

利用大數據教師在課前可以精準定位教學目標和重難點；採集學生預習數據；進行學情分析。

教育大數據的本質是對教豎兆師教學過程中產生的信息進行的數據量化，它的產生讓教學從量的擴張轉到質的變革。在傳統教學時代，教師教學決策通常依據理論指導的演繹法和經驗總結的歸納法。

根據教學過程的不同階段，教學決策可分為教學前的計劃決策、教學中的互動決策、教學後的評價決策。教師依據學情，對課前、課中及課後依據技術手段搜集到的數據信息進行研判和加工並決定接下來的教學決策，在此基礎上引導學生行為。

在教育大數據的驅動下，對不同階段採集到的數據信息進行分析研究可以探究教師教學的過程，實現課堂教學與教育大數據的融合，讓教師在課堂教學中的決策具有科學性和有效性。

⑼ .談談在大數據時代背景下教育的特點

在大數據時代背景下，教育的特點和發展趨勢主要體現在以下幾個方面：

• 個性化教育：大數據技術可以對學生的學習數據進行分析，根據不同學生的學習情況和學習特點，實現個性化的教學方案和資源推薦，幫助學生更好地發揮自己的潛力。

• 數據驅動教學：大數據技術可以對教學數據進行分析，從而幫助教師更好地了解學生的學習情況和學習效果，為教學改進和優化提供數據支持。

• 教學資源數字化：隨著教學資源的數字化，大數據技術可以實現對教學資源的智能管理和優化，提高資源利用效率和質量。

• 跨界合作：大數據時代教育的發展趨勢是跨界合作，通過多方數據共享和整合，打造更加完整的教育生態系統，實現教育資源的共享和優化。

• 聯邦學習：隨著人工智慧技術的發展，聯邦學習將成為一種重要的教學方法，通過將學習模型下放到各個本地設備，實現數據的本地化處理和保護，同時保證了全局學習效果的優化。

• 智慧教育：利用大數據技術和人工智慧技術，可以建立智慧教育平台，實現教學管理的智能化、精細化和個性化，提高教育教學質量。

• 教育服務雲平台：將教育資源、學習內容、教學工具等整合到一起，形成教育服務雲平台，使學生可以隨時隨地獲取所需的學習資源和服務。

• 教育信息化：大數據時代，信息技術在教育中的應用范圍更加廣泛，不僅是教友鋒學內容的數字化，還包括教育資源、教學管理、教師培訓等各個方面的信息化。

• 開放式教育：利用大數據技術和互聯網技術，教育可以超越時間和空間的限制，打破傳統教育的邊界，實現開放式教育。

• 教學模式創新：在大數據時代，教學模式將從傳統友告陪的教師主導轉向學生主導，學生將成為學習的主體，教師將成為學生的學習指導者和學習資源好蠢的管理者。

大數據技術的應用為教育帶來了更多的機會和挑戰，未來教育的發展需要在大數據時代的背景下，不斷推進教學的數字化、智能化和個性化，同時加強跨界合作和資源共享，實現教育的高質量和可持續發展。

⑽ 大數據時代背景下的教育該如何走

「大數據」是當今最熱的概念之一，有人宣稱掌握大數據的人可以像上帝一樣俯瞰整個世界。進入2012年，大數據一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，並命名與之相關的技術發展與創新。

大數據(big data)，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。大數據的創新沿著從數據到大數據，再到分析和挖掘，最後是發現和預測的方向發展。隨著雲時代的來臨，大數據也吸引了越來越多的人關注。各行各業更加意識到，誰能率先實現大數據，誰對大數據的挖掘更為深刻，誰就將搶占未來先機。

                                

教育行業也不例外，2013年對於教育來說是傳統育研究走向科學實證的重大機遇。值得我們思考的是，大數據將給教育帶來什麼?如何通過大數據更好的教育學生?大數據對於教育是福還是禍?

翻轉課堂、MOOC和微課程是大數據變革教育的第一波浪潮

翻轉課堂、MOOC和微課程的出現，改變了傳統教育模式，從課堂老師滔滔不絕的講解，到現在「視頻再教育」。學生可以根據個人情況自主制定學習進度，老師可以根據學生在網上做題的情況，有針對性的了解學生學習上遇到的問題。傳統課堂不再講解新課，而成為學生當堂做作業、講解問題或做實驗的場所。

如果說翻轉課堂只是一個觸角的話，那MOOC的出現就是升華的翻轉課堂。「視頻再教育」得到進一步的提升，MOOC大規模開放在線課程，面對全球性的MOOC浪潮，中國的大學也開始行動。2013年，上海市率先引入中國式MOOC，推出了「上海高校課程源共享平台」。

MOOC的興起，使「用視頻再造教育」的學習模式迅速推廣到高等教育，而且進展到可以通過選修MOOC獲得學分、進入正軌教育的程度。清華大學、北京大學也相繼開放了在線教育課程。

而微課程是對翻轉課堂的回應，是學生自主學習不可或缺的資源。微課程是教學視頻濃縮精華的微型課，主要用於學生的前期學習，目前，微課程已開始影響我國中小學信息化教學實踐。微課程實踐的積累，將導致微課程群的形成，微課程群的應用又會形成新的應用數據，將有利於大數據分析與挖掘、發現與預測的創新應用。可以說，教育領域的改革，首當其沖的就是大數據變革信息化教學。

大數據時代對於教育是福還是禍?

人們還沒有來得及搞清楚信息時代是什麼，數據時代己悄然來臨。在大數據理念面前，大家各抒所見，有些人認為，大數據時代可以讓教育者真正讀懂學生。

相對於傳統數據宏觀的教育情況，大數據主要體現在微觀層面。大數據使「經驗式」教學模式變為「數據服務」教育模式。老師可以根據數據關注每個個體學生的微觀表現，通過學生相關數據的分析，有針對性的調整教育方案，從而實現個性化教育。

一些支持大數據教育的人認為，大數據時代的教育將推動傳統以「教師為中心」的教學方式向「學生為中心」教學方法的轉變，推動「演員型」教師向「導演型」教師轉型，從宏觀群體走向微觀個體，對於教育研究者來說，利用數據可以發現真正的學生。

而另一群人認為大數據是「換湯不換葯」，實際上就是用大數據、雲計算作為概念來包裝以前的東西。雖然在線教育來勢洶洶，卻有「叫好不叫座」之態。以新東方為例，公開數據顯示2012年底新東方在線網站於個人注冊用戶已逾1000萬，而據新東方在線副總裁潘欣介紹，用戶願意付費的額度不高，在2012年新東方付費用戶為20萬，佔比僅為2%。

目前主流的在線教育產品只是將線下的課程錄制好搬到線上，這種模式實際上只是線下學習方式的簡單復制，這樣的學習方法還衍生了一些教育上的新問題：如何保證學習過程不會被中斷、怎樣確定是學生本人登錄學習等。對於在線教育，只有學習主動性和控制力比較好的學生才能利用在線學習取得好的學習效果，而這些方面較弱的人將難以長期堅持，學習效果也可想而知。