大數據化學有效性教學

① 大數據推動策略解讀

大數據推動策略解讀

近日，大數據國家戰略有望提上議程的報道頻頻見諸報端。作為信息時代的一種新事物、新產業，大數據具有基礎性、技術性、社會性、滲透性和復雜性等諸多特性，這提醒並告誡人們，大數據與普通人和企業的發展同樣聯系密切，它需要國家推動，但全社會的支撐更不可少。筆者認為，大數據戰略的實施將極為依賴國民科學素養提高、數學教育革新發展和企業應用熱情高漲等三大社會性支撐。

大數據時代正在來臨，而它是一個格外要求國民科學素養具有整體較高水平與程度的時代。然而，中國的國民科學素養水平恰恰不高，田園牧歌、安於現狀是對傳統社會最好的圖釋，科技史上的「李約瑟之謎」是中國人科技素養缺乏的生動寫照和先天烙印，而且一定程度影響至今。但如同俗話所說「缺什麼補什麼」一樣，要想在大數據國際競爭中占據有利位置，就得下大力把我們所缺的國民科學素養補上去。一般來說，國民科學素養主要標志有三項：國民受教育程度、理解科學知識與方法的能力、專利發明數量。這些都不能成為面子工程，必須要實現真正的突破。

另一方面，大數據者，「數」為其核心，因而數學教育當仁不讓地成為決定大數據發展狀況的核心社會因素。反觀我們的數學教育現狀，重灌輸輕思維、重知識輕方法、重理論輕應用，還相當普遍。因而，學生的數學成績國際領先，但人們卻沒多少數學思維、方法和應用能力，很難把數學帶入到實際工作中。而一些發達國家正好相反，學生的數學成績並不好看，在數學思維和方法上卻得心應手。如2013年諾貝爾化學獎得主就獲益於把大數據信息化運用於化學研究之中。這就表明，數學不僅是一門知識或科學，還是一種思維、方法或者習慣，這是大數據所需要的境界，也是我們數學教育在走出填鴨式教學後要追求的境界。

大數據同時也是一種新興產業，除了科技、教育界的參與，更需要企業成為其造血細胞。如果沒有企業運用大數據的熱情，前面的准備工作都將白費。只有讓企業樹立起大數據思維、運用大數據方法，樂於參與數據財富創造，在全社會形成大數據的時代潮流與風尚，才能造就大數據繁榮之基。

以上是小編為大家分享的關於大數據推動策略解讀的相關內容，更多信息可以關注環球青藤分享更多干貨

② 「人工智慧」，「大數據」+教育如何驅動教育的未來

近日，由論答公司主辦的教育大數據研討會在北京舉行，討論會主題為「大數據+教育，有哪些可能性？」。本次研討會主要關注數據在教育領域的應用，具體包括自適應學習、學習數據分析和教育數據挖掘。來自賓夕法尼亞大學、人民大學、華中師范大學的專家和企業界代表，共同探討了教育大數據和自適應學習領域的技術趨勢和產業機會
Ryan Baker是國際教育數據挖掘協會（International Ecational Data Mining Society）的創始人、《教育數據挖掘》雜志（Journal Ecational Data Mining）主編，在各類期刊和會議發表了260餘篇學術論文，先後主持了美國科學基金會（National Science Foundation）、蓋茨基金會（Gates Foundation）等研究基金的多項重大項目，累計獲得研究經費超過1600萬美元。
他也在哥倫比亞大學教育學院和愛丁堡大學同時擔任教職，他在Coursera和edX上開設的「Big Data in Ecation（教育大數據）」課程，有來自100多個國家和地區的學生注冊。
研討會現場，Ryan Baker通過遠程視頻，分享了他對教育大數據的體驗和應用。據他介紹，目前在教育大數據領域主要有四大研究組織，分別研究人工智慧與教育、教育數據挖掘、學習數據分析和大規模學習。
Ryan Baker表示，在教育領域廣泛應用大數據的時代正在到來。教育數據挖掘有很多的應用方向，包括：預測學生是會輟學，還是會成功完成學業；自動檢測學生的學習投入程度、情感、學習策略，以更好地達到個性化；給教師和其他相關人員提供更好的報告；教育科學的基礎研究和發現。
他認為，個性化教育至少要做到三件事情：
1、確定學生的有關數據；
2、了解對於學生的學習來說什麼是真正重要的；
3、有針對性地為學生提供合適的教學。
而通過教育數據挖掘，我們可以推斷很多事情：
學生的元認知和求助。比如，這個學生有多自信？當他需要幫助時，有沒有在尋求幫助？他有沒有在給自己解釋問題，有沒有思考這個答案是正確的還是錯誤的？最重要的，當他面臨挑戰時，能否堅持下去？
沒有投入學習的行為。比如，「玩弄」系統，為了找到正確的答案，有的學生會試各種不同的答案，從「1」試到「38」。粗心，本身會做，但是不用心，最後給出的答案是錯的。有些孩子會做非常難以解釋的行為，比如不用方程符號，而是畫了一個笑臉。
學生情感。Baker的研究團隊和其他研究團隊，已經創造了研究模型，可以根據數據推斷，學生是否感到厭倦、沮喪、困惑、好奇、興奮、快樂，是否投入，等等。
長期的學習結果。比如，學生能夠記住剛才他學的東西嗎？學生准備好學習下一個主題、下一個知識沒有？中學生能上大學嗎？他會從大學畢業還是輟學？
Ryan Baker表示，要獲得這樣的推斷，只需要學生與系統交互的數據，不需要學生戴上頭盔檢測器。目前，這些模型已經開始大規模應用於自適應學習，應用於幾十萬的美國學生。Ryan Baker列舉了一些自適應學習系統的案例。
Knewton
通過系統決定學生下一個要學習的問題是什麼，已在全球的多個領域多個學科中運用。
ALEKS-ALEKS
用的是先行知識結構和知識點模型，來選擇最適合學生的學習材料。比如，一個學生在學習上出現了問題，系統能夠檢測出來，是以前學的知識點出了問題，然後讓學生回到以前的知識點上去學習。ALEKS系統應用於美國高中、大學的數學、科學學科。
Cognitive Tutor
系統能自動檢測學生的知識，直到學生掌握為止。比如，系統不會讓學生學習下一步的知識，直到他展示出他已經學好了他現在正在學習的知識。系統能夠給學校提供數據報告，學校根據報告能夠更好地讓學生投入到學習中去。每年大約被50萬的美國初高中生用於數學學習。
論答
論答公司的系統與ALEKS的系統有些類似，也是用先行結構和知識點模型，選擇合適的學習材料。同時也是自動檢測學生的知識狀態直到學生掌握為止。應用領域目前包括數學和英語，完全針對中國學生開發。
Reasoning Mind
用各種自動檢測的模型來檢測老師的教學是否有效。通過數據生成報告給每個地區的教學管理員，讓他們找到方法幫助老師提高教學。主要是用於美國的小學數學。
Duolingo
自動檢測學生記憶，來決定什麼時候回顧已經學過的知識。在全世界范圍內應用於外語詞彙的學習。
其他的像Civitas，Course Signals，Zogotech都是地區供應商，運用風險預測模型提供行動信息預測。它們會對學生做出預測，可能學不好、會失敗，把報告提供給老師。已在世界范圍內的大學應用。
Ryan Baker指出，在這些系統中，有足夠的證據證明，至少以下兩個系統是非常好的。
1、胡祥恩教授在美國做了大量實證研究，證明ALEKS系統對於幫助學生學習是有效的。他的研究證明，ALEKS系統對於不同人群的學生是同樣有效的；特別值得提出的是，ALEKS可以幫助少數人群群體提高學習成績。
2、Ryan Baker本人領導的研究團隊與論答公司合作的研究表明，學生通過論答系統學習，比通過傳統的在線學習系統學習，效果更好。他們在中國3個不同的地區做的3次實證研究，都證明了論答系統的有效性。
Ryan Baker分析了教育大數據演算法模型的潛在發展方向。他認為，這些模型的長期潛力是，通過學生的知識和學習模型來確認，學生什麼時候需要更多的支持：
首先是「mastery learning」，學生在掌握一個知識前，不會讓他去學習下一個知識。當學生需要支持的時候，自動介入；同時告訴老師和父母，這個學生什麼時候需要支持。
通過學習投入程度模型判斷，學生什麼時候開始變得厭倦、沮喪了，並調整學習活動，讓厭倦的學生不再厭倦，讓沮喪的學生的學習變得更容易一些。
學習投入程度模型還可以檢測，在線學習中，什麼樣的學習活動，能讓學生更容易地投入進去，並最終發現，什麼樣的學習活動對學生更好、對什麼樣的學生更好。
這樣的模型也能告訴老師和父母，學生什麼時候開始變得不再投入學習了。
還可以運用學習模型確認，學生什麼時候沒有真正學會，需要更多支持。
最後，Ryan Baker指出，下一步的目標是優化之前已經驗證的經驗和方法，然後把它們運用到系統中，最終讓中國和世界上的數十億學生受益。
討論：「因材施教」的千年理想該如何照進現實？
王楓博士，論答公司（Learnta Inc.）創始人兼CEO
胡飛芳博士，美國喬治華盛頓大學（George Washington University）統計學終身教授，中國人民大學統計與大數據研究院的教授
胡祥恩博士，美國孟菲斯大學（University of Memphis）心理系、計算機科學系、計算機工程系終身教授，華中師范大學心理學院院長
馬鎮筠博士，論答公司聯合創始人兼首席數據科學家
辛濤博士，北京師范大學中國基礎教育質量監測協同創新中心常務副主任、博士生導師，兼任國家督學、教育部基礎教育課程教材專家工作委員會委員、中國教育學會學術委員會委員。
技術發展到今天，「因材施教」如何實現？
王楓：因材施教，我首先到的是，每位學生學習的內容都不一樣。如果有新的技術或者系統，系統應該像一個好老師一樣，不會頭疼醫頭腳疼醫腳。比如說，一元二次方程做錯了，好老師不會簡單說一元二次方程做錯了，你繼續再做十道一元二次方程的題目，這其實是很差的老師，他沒有真正去全面評判學生，到底是哪些掌握好、哪些掌握不好。
一個好的老師可能會說，我全面地看了你整個學習，可能你的問題不是出在一元二次方程上面，老師看了你做的題目，一元一次方程沒有掌握好、因式分解也沒有掌握好，你繼續做一元二次方程是浪費時間。這就是從系統角度來說，系統做到了根據每個學生最基礎的先行知識點的結構，給你提供最適合你當前學習的知識點，題目也好、視頻也好、還有其他各種各樣的學習內容。
胡飛芳：因材施教是我們教育的理想狀態。孔子很早提出因材施教，在他當時的歷史環境裡面，因材施教可能更多是個體性的，因為那時學生少、老師也少，因材施教相對比較容易做到。
隨著歷史的發展，我們有更多的人需要教育時，我們做的一件事情是什麼呢？就是做了一個標准化。標准化做的是什麼？課堂教育。課堂教育從某種意義上來講是標准化。現在這個歷史階段，教育大數據可能真正要做到的就是因材施教，自適應學習本身想做的也是這個。
胡祥恩：因材施教事實上在學習理論里有兩個：一個是outerloop「學什麼」，一個是innerloop「怎麼學」。用技術來細化因材施教是教育產業走向成熟的一個標志。但是這個路非常非常難，因為「怎麼學」那個層次非常非常難。
馬鎮筠：「因材」代表認識到學生的個體化差異，「施教」指進行差異化教學，這是根本思想。但如果考慮到時代背景，孔夫子時代專注的是學生的職業發展方向，也就是說，把適合當政治家的培養成政治家，把適合當學者的培養成學者。現在再提因材施教，我們其實能做得更多、更精細化。
比如，「因材」，對「材」的分類不僅是職業方向，還會考慮到學生的學習狀態、學習目標、潛在能力、興趣偏好等。而且，傳統意義上的因材施教考慮的是學生個體間的差異，沒有重視學生本身狀態是在發生變化的，學生在不斷學習，狀態甚至興趣各方面都可能發生變化。
但這些是自適應學習能夠做到，甚至比傳統的因材施教做得更好的地方。再說到「施教」，現在我們能做的幾件事，包括學習路徑推薦，給不同的學生匹配他最合適的學習內容，這種非常精細化的層面，我們已經有了一定的技術積累。
怎麼判斷一個產品做到了真正的自適應？
馬鎮筠：大多數產品的學習過程可以分為測、學、練，可以從這三個環節去看這個產品做到什麼程度。
測，各種學習機構都有測評。但是國內只有論答團隊第一個做出來能夠在幾十道題內，精準判斷你一百個知識點，哪21個沒掌握，哪79個掌握了。市場上大部分競品，只會告訴你，知識點掌握率或者分數，79分或者知識掌握率達到79%；或者一些其他維度的總結，比如邏輯思維能力比較強、閱讀的磨煉技巧比較好、學習動力哪方面稀缺。他們做了降維，本來很復雜的學習狀態這樣說出來，相對比較容易實現。但如果要做到具體告訴你，哪些知識點掌握、哪些知識點沒掌握，這個難度就高很多了。
關於學習路徑推薦的話，很多題庫類的軟體，知識點學完之後，會給一些題目推薦，但真正實現路徑推薦的很少很少。路徑推薦也是很核心的，有20個知識點沒掌握，先學哪個知識點，後學哪個知識點，學習順序是非常關鍵的，必須遵循循序漸進的原則，哪些知識點是前提知識點，哪些知識點是後續知識點，隨機給你知識點去學習的話不能起到最好效果。真正到了練或學的環節，推薦什麼樣的視頻，先推視頻還是先推文字講義，推簡單題、中等難度題還是復雜題目，都需要根據學生實際情況來決定。
剛才只是舉了幾個例子，具體涉及到背後的演算法、整個系統跟學習內容的結合以及整個教學流程的實現，中間很多環節必須要打通，形成一個閉環，才能對最終的結果負責。
辛濤：我的研究領域是教育和心理學的測量和評價。我個人的學術觀察，基本上在現代這領域是兩個類型。一個是心理測量領域，有一套成熟的方法，包括早期的IRT（Item Response Theory）和現在的ADT。另外一個是人工智慧檢測。心理測量系統，是一小群人在做；人工智慧化是大的方向，現在是顯學，給大家提供了明顯的可能性。重要的是，那些背後的演算法，能夠在企業里真正實現出來。現在可能很多演算法已經在那兒了，大體上路徑是通的。
自適應學習基本上是把學習和評價聯動起來了。因為，要自適應學習，必須有一個系統隨時看到學生學到什麼程度，這個完全是評價。但是，評價完了之後有一個新的呈現。這一塊現在已經有一些很成熟的一些東西了，但不是一時半時可以說得特別具體的。
我做教育的測量和心理測量，人工智慧那塊我不熟。但是，從教育測量角度來說，在自適應學習和新技術結合之前，很大一塊還是自適應考試，CAT（computer adaptive test）。系列化產生一個CAT變成了一個自適應學習的過程。總的來說，使用最簡單、最機械化的方法，連續的CAT實際上是可以破解一個學習過程的。
測評本身經歷了好幾個階段，通常用三個應用介詞表示。
accessment to learning and teaching；
現在國家倡導的，accessment for learning and teaching，測評要對學習和教學有幫助；
跟信息化結合，accessment as learning and teaching，它是學習提供的完全融合的一個環節。
王楓：什麼樣的自適應學習系統才是真正的高級自適應學習系統？在中國的落地到底是怎麼樣才能真正落地？我在馬博士的基礎上想補充一點。
自適應系統如果一定要分級，也可以簡單分一下。一種最基礎的系統是基於規則的，比如說埋點。一個學生做10道一元二次方程題目，我預先埋好了，你做錯了，立馬給你推五道一元一次方程題目、五道因式分解題目。這個是埋點埋好了，這是規則，預先由老師或公式設置好了。
但這個規則有用性是非常有限的，因為每個學生不一樣，A學生是因為一元一次方程不會，B學生可能是因式分解不會，C學生可能連小學的乘法快速運算都不會，這個沒法預先直接埋點准備好。
所以自適應系統真正到了更高級一點的話，一定是真正通過大數據、根據演算法模型來分析學生的學習數據，匹配下一步應該學什麼。
在中國，自適應學習有效應用於教學有三個前提條件。做到這三點，自適應學習在中國的教育裡面前途無限。
好的產品。必須要有針對中國本土化的自適應學習產品，把它開發出來。像ALEKS系統的確演算法不錯，但裡面連一套國內的高考題都沒有，家長不會讓小孩子用這樣的系統，因為直接影響應試目標。真正本土化開發的話，沒有一成不變的演算法，世界上最好演算法就是沒有開發出來的。教育非常復雜，每個學科不一樣。比如數學後台有強大的關系，先行後續關系；英語沒達到數學這么強的相關性，但演算法是一樣可以應用的。
好的學生、家長、老師。有了好的產品，首先學生應該真正投入進去學習。像Ryan Baker教授講的，學生如果隨便學一下，再好的系統也沒用。第二，家長得督促孩子學習。第三，老師非常重要。老師應該做有價值的事情，比如給學生做個性化的輔導答疑，給學生針對性的講解，組織學習活動小組，鼓勵學生發揮創造能力，領導能力的培養。
學校以點帶面。學生大部分時間都在學校裡面學習。如果學校里最基本的、有效的在線教學產品都不應用的話，其實是有問題的。但是改變絕對不是簡單的行政命令可以解決的。一個好的產品，一定是從點到面，逐步推廣。自適應學習，更適合有明確目的的學習，像應試教育這塊可以做得更好。所以學校可以應用進去。
胡祥恩：我覺得大家做自適應也好、因材施教也好，比較好的例子大家可以看一看。教育這個領域有多大，自適應概念就該有多寬。所以說，實驗室裡面有很多小的做得非常非常好的東西，只是沒有到市場上面去，有很多非常非常巧妙的演算法、一些東西。你會發現很多歐洲的、美國的實驗室做的system，我每次看了都有種，自己是坐井觀天的感覺。
怎麼看待人工智慧在教育中的應用？
胡飛芳：AlphaGo跟master，谷歌做了一個非常好的廣告，人工智慧在某些方面可以做得非常好。但是，我現在給你們講另外一個谷歌自己不會去說的例子，但這也是事實。2008年、2009年的時候，谷歌推出一個免費產品，用各種搜集到的數據，預測美國的流感發展趨勢。開始時很成功，預測跟實際發生的情況很相似。但到2015年，他自動撤回去了，不再提供預測。因為在2012跟2013年預測的時候，預測結果跟實際情況相差非常遠。
這說明像這種不確定性的問題，人工智慧還有非常大的局限性。一旦有不確定的數據，就有噪音。數據量很大時，大數據可能產生大噪音。怎樣使噪音下降？2015年一個哈佛教授的研究團隊在谷歌的基礎上，用谷歌的數據去做同樣的預測。他用了什麼呢？就是用了模型，實際上模型在很多時候降噪是很有用的，用模型去預測，而不完全是人工智慧的方式去預測。結果，他做出來的預測基本都比較准。
人工智慧相對比較成功的，是比較確定的問題，所謂的確定是不管有多少種可能性，還是一個確定的東西。而流感很多時候是完全不確定的因素。
教育其實很多時候也是不確定的。同樣一個人，現在讓他回答這個問題，他可能思路清楚地回答出來；過了一個小時後，即使是同樣類型的問題，按道理他應該回答出來，結果他回答不出來。這是說，實際上有很多因素在干擾的時候，人工智慧的功能是不是會減少一點。把模型跟人工智慧加在一起，會彌補人工智慧在某些方面的弱點，這樣會更好。
怎樣促進商界和學界的交流，更好地把學界已經有的一些成果，運用到市場上來？
胡祥恩：教育產業應該是一個最大的產業，教育產業事實上是一個知識產業鏈。到目前為止，很多人認為自己要做一整套系統而在美國汽車業，最賺錢的是供應商，是做輪胎、做玻璃的。一旦標准化之後，一個人如果螺絲釘生產得最好，他就能夠養活幾家人、幾代人。
到目前為止，美國推的就是教育標准化，教育內容的標准化、教育技術的標准化。比如說97年的時候，就說怎麼樣把內容標准化，你做的東西我可以用。我只是做整個教育知識產業鏈裡面一個小塊，做得很好。教育整個的產業鏈，有可能發揮特別特別技巧的那些小的公司，就能夠在這個產業鏈裡面生存、可以做得很好。第一個是要標准化，第二個要理解整個教育是一個產業鏈。

③ 大數據時代下高中數學教學探討論文

大數據時代下高中數學教學探討論文

摘要: 大數據時代的到來，為人們的生產生活帶來了極大的便利，也為教育教學的創新以及發展帶來很大的影響。因此，在大數據時代下，要分析大數據的相關概念，然後對大數據時代下的歷棗高中數學教學方式的創新以及應用進行研究，以此來提高高中數學教學的有效性。

關鍵詞: 大數據時代;高中數學;教學方式

信息技術的發展促使了大數據時代的到來，不僅增加了知識獲取的途徑，也改變了傳統的學科教學方式，對促進高中數學教學改革的推進具有重要影響。因此，在大數據時代下，高中數學教師要利用大數據的技術優勢，對現存的教學模式進行改革，突出數學教學的時代性，使學生在數學學習中既能夠獲得相應的知識，還能夠樹立正確的價值觀念，促進高中生數學綜合素養的形成，從而促進高中數學學科的健康發展。下面本文將對其進行詳細論述。

1大數據相關概念

第一，大數據概念。數據是知識的來源，也是信息的一種記載方式。隨著社會的發展和科學的進步，數據數量不斷增多，對數據進行記錄、測量以及分析的范圍也就不斷擴大，這標志著人類已經獲得越來越多的知識和信息。大數據可以從宏觀和微觀兩個角度去理解，多數學者都是從宏觀上對大數據概念進行定義的，即用新的處理模式提高數據出來的執行力，洞察能力以及海量信息的優化能力。大數據具有數據信息量大、種類多種多樣、真實性以及實效性強等特點。

第二，大數據分析概念。大數據分析簡單來說就是要對大規模的數據進行科學分析，而對這些龐大的數據資源進行分析最根本的目的就是要發現和總結出這些數據中存在的規律以及模式，然後再利用數據的動態性特徵去預測事物的未來發展趨勢。

2大數據時代下高中數學教學方式的應用

2.1利用大數據轉變教師的教學角色

第一，應用大數據技術為教師教學模式的創新提供了機會。大數據時代的到來，傳統的教學方法弊端逐漸顯現，不僅體現出了與現代社會的不適應，也影響了學生學習積極性的提高。因此，在大數據時代，教師要利用大數據技術開展例如合作鏈爛液探究、個性化教學等多樣化的教學方式，豐富課堂教學形式和內容，使學生不再死板地接受學習內容，而教師也能夠根據學生的不同階段開展針對性的.教學活動。教師教學角色和教學模式的轉變，強調了學生在課堂中的主體地位，對活躍課堂氣氛，提升課堂教學的有效性具有重要作用。例如：在學習「集合」這節課時，教師就可以採用合作探究的教學方式。首先，結合學生的差異性，將學生分成不同的小組，然後設計不同的問題組織學生進行探究，如：①用什麼對集合進行表示？可以用一個元素表示集合嗎？集合與元素之間有什麼關系呢？②集合都有棚物哪些特徵呢，結合具體題目進行判斷。之後，小組之間對研究結果進行互相交流。再後教師設計突出本節課重點的習題，給學生鍛煉的機會。通過這樣的教學方式，不同的學生組織到一起集思廣益，互相幫助，不僅有利於促進學生思維的發散，還轉變了教師的教學角色，提升了課堂學習效率。

第二，應用大數據技術對學生的學習情況進行深入了解。在傳統的課堂教學形式下，教師過於側重學生學習成績的提升，忽視對學生的了解，導致教學針對性不強，影響教學效果。通常情況下，教師對學生了解是通過考試以及隨堂測試的形式進行側面分析，但這種分析得出的結果並不準確。但在大數據時代，利用大數據技術教師能夠對學生的真實情況進行挖掘，然後根據學生之間的個性差異，對學生進行充分的了解，同時教師利用網路技術能夠對學生的興趣點和薄弱點進行准確判斷，從而使自己的教學活動與學生的學習需求相吻合，突出數學教學的針對性。

2.2利用大數據發揮學生的主體作用

第一，應用大數據提升學生的學習興趣。在以往的教學方式下，學生是知識的接受者，部分教師為了提高教學效率甚至一味地向學生進行知識傳輸，殊不知這種填鴨式的教學方式，不僅無法激發學生的學習興趣，還會造成學生的抵觸情緒，對學習產生厭煩心理，進而影響數學學科教學效率的提升。因此，在大數據時代下，要充分發揮大數據的優勢，利用大數據技術去激發學生的學習興趣，豐富數學課堂的內容，使學生產生主動求知的慾望，能夠積極主動地參與到教師組織的教學活動中來。大數據技術的具體應用可以從以下幾個方面進行。首先，教師可以利用計算機平台設計預習內容，然後學生能夠通過計算機平台自己完成教師布置的習題，教師之後可以藉助大數據進行數據分析，這樣教師在授課之前就能夠找到學生學習的弱點以及難懂點。例如，教師可以利用大數據對學生在「函數」知識中存在的問題進行分析，然後了解到學生易錯點和薄弱的地方，之後據此設計相應的課程教案。這樣在課堂上學生就能夠根據教師針對性的教學設計進行學習，以此來提升課堂教學的有效性。

第二，應用大數據提升學生的學習自主性。學科教學最關鍵的就是要提高學生的學習積極性，所以在高中數學教學中教師要注重學生自主性的提升。在高中數學教學中，課後知識鞏固與習題練習是提高學生學習成績的重要組成部分，但以往學生通常都是靠手抄錯題的形式進行習題糾錯和解答的，這種方式取得的效果並不顯著，一是浪費了較多的學習時間，二是形式枯燥，學生學習自主性不高，在整理之後查漏補缺效果也不好。所以在此環節可以應用大數據技術為學生的課後自主學習提供平台。在大數據技術的支持下，教師可以將學生之前做好的試卷或者解答過程的問題輸入到計算機系統當中，之後學生通過網路進行問題的下載和解答，以便於學生對問題進行查漏補缺。這種方式相比於傳統的糾錯形式，具有實時性的特徵，有利於學生對糾錯內容進行更好的掌握。

第三，應用大數據開展分層式的教學形式。目前我國多數高中數學課堂教學採取的都是班級統一上課的教學形式，模式單一固定，缺乏創新性，不僅不利於激發學生的學習積極性，還會影響學生的個性發揮，進而影響學生的潛能的挖掘。「因材施教」是孔子提出的教學思想，所以在大數據環境下，教師要利用大數據技術採取分層式教學的方式，結合每個學生的差異性，開展不同類型的教學活動。每個學生都是獨立存在的個體，在思想、能力以及身心發展上都具有差異性，所以針對不同學生的不同特性開展分層教學活動，不僅能夠滿足學生層次化的學習需求，還能夠有效地激發學生的學習興趣。同時，教師在數學教學中嘗試不同的教學方法，應用創新型的教學模式，也能夠很好地活躍課堂氛圍，調動學生的課堂參與度，從而達到提升學生學習效果的目的。

2.3利用大數據拓寬學生獲取知識的途徑

大數據時代下，數據量和知識信息不斷擴大，學生能夠接觸和學習到的內容也不斷增多，所以教師要利用網路信息技術，在網路上搜集和整理更多的學習資料和信息，然後結合具體的教學目標和學習內容進行這些信息的分析和處理，以此來提高教師的教學效果。而在大數據環境下，學生也能夠利用網路技術自行進行數學資源的獲取，不斷豐富自身的學習的內容，對抽象的數學知識進行簡化。另外，在大數據環境下，教師要為學生提供真實、可靠的數據教學服務，引導學生養成善於開發和應用數據的意識和能力，能夠根據自身的需要進行數據的獲取，這也能夠為教師教學互動的開展提供針對性，促進師生間的共同進步。例如：在學習「數列」這節課時，教師可以在課前引導學生利用網路自己進行課前的預習，對數列這節課的知識有個簡單的認識，並能夠對基本的知識點以及概念進行理解。之後，在課堂上教師可以利用多媒體技術開展具體的教學活動，將教學知識點直觀、形象地展現在學生的面前，在課程結束之後，教師組織學生對自己設計的隨堂測試問題進行解答，然後對錯題進行整理。這種一系列的教學活動，能夠提高學生大數據技術的利用與開發能力，對拓寬學生的知識獲取途徑，提高學生的學習效率具有關鍵作用。

2.4利用大數據為家長提供教育平台

家庭在學生教育中具有非常重要的作用，家庭是學生的第一所學校，但以往的高中數學教學對家庭教育並不重視，家長沒有廣泛地參與到學校教育中去，而學校也沒有為家長提供更多學習教育的機會，除了每次家長會之外，教師其他時間很少能見到家長，也就很少能參與學生的學習。但大數據時代，網路技術的應用為家長與學校教育的溝通提供了很寬廣的平台，家長可以通過固定的軟體進行賬號的綁定，然後隨時對自己家孩子的上課以及課後情況進行了解，進而更好地了解學生近期的表現情況。同時，家長也可以利用這些軟體與教師進行交流，對學生的學習和生活情況進行了解，與教師進行充分的溝通和互動。使家長能夠更好地配合學校的教育活動，在提高學生數學學習效果的同時，促進學生的健康成長。

3結語

綜上所述，大數據時代下數據數量不斷增多，網路技術的應用越發廣泛，在此種環境下開展高中數學教學活動，不僅有利於創新教師的教學思想和教學方式，也有利於激發學生的學習興趣，提高學生對數學學科的學習熱情，從而達到大數據促進學科教學效果提升的目的。高中數學是一門綜合性學科，能夠培養學生的邏輯思維和推理能力，同時數學也是一門與人們日常生活密切相關的一門學科。所以在大數據時代，教師要利用好大數據信息，發揮好信息技術在教學中的優勢，不斷改善自身的教學角色，突出學生的主體地位，拓寬學生獲取知識的途徑，加強家長與學校的溝通等，使學生在大數據環境下能夠養成樂於學習的好習慣和科學的學習方法，推動高中數學教學效果的有效提升，促進學生身心健康成長。

參考文獻

[1]孟越飛.大數據背景下的高中數學教學[J].中小學電教(下半月),2018(1):22.

④ 大數據時代校本教研轉型策略及路徑

大數據時代校本教研轉型策略及路徑

基於雲、物聯網、資料庫技術以及人工智慧和虛擬現實在教育中的廣泛滲透，大數據時代正催生著一場場新的教育變革。現有的教研機制如何適應大數據主導的未來?基於大數據的運用如何創新校本教研思路和策略?如何依託大數據平台探尋到最佳的校本教研轉型路徑?這正是本文試圖回答的問題。
一、大數據缺乏的傳統教研局限性
我們生活在一個被幾何級爆炸的數據包圍的時代，我們的一切行為都在產生海量的數據，這些數據被稱作「大數據」。[1]2大數據之「大」，並不僅在於「容量之大」，更大的意義在於可以藉助雲技術等手段，通過海量數據的篩選、整合和分析，解決新的問題，創造新的價值。大數據時代，傳統校本教研形態已經滯後於時代的發展。
第一，以行政命令型為主的教研管理已不能適應教研發展的新趨勢。傳統的校本教研活動因其行政主導過多、任務驅動過強、互動生成較少、過程數據欠缺等，其教研形態存在著單一性、封閉性、滯後性與靜態化的特點。教研活動更多執行的是「規定性動作」，大多數學校都是循著「期初學校安排教研計劃—教研組按計劃布置落實—分階段組織教學展示或研討—期末各部門進行教研總結」這樣的模式進行。[2]在這樣「齊步走」的統一步調中，教研的目光很難細致地聚焦到課堂真實疑難問題的研究上，研討活動更少觸及普遍學科規律探尋的應有深度。校本教研缺乏實實在在的研究歷程，案例追蹤缺少過程性資料的佐證。沒有過程，缺乏實踐數據的支撐，教研的有效性大打折扣，教研視野也很難有效拓寬。這種形態的教研活動，聚合性、開放性、創新性與動態性都明顯不足，形式化、低效化特徵突出。
第二，以經驗幫帶型為主的教研方式已不能適應教研發展的新態勢。現如今，絕大部分學校對於大數據的認識和研究尚處於起步階段，對於大數據在教育領域的探索和實踐才剛剛開始。對於如何真正地將大數據應用於教研，反饋於教育，普遍缺乏深度的認識和操作的策略。究其原因，一方面是因為傳統教研「自下而上的主題確認意識」缺乏，加上空間、時間以及技術設備的約束，教研內容無法直接喚起教師教研的內在需求，無法直接對其課堂產生輻射與效益，因此難以吸引教師深度參與。另一方面，面對新時期急劇變化的教研態勢，更多的學校沒有主動與時代對接，無法前瞻性地為教師提供思維自由碰撞的教研平台(比如活動前後討論平台的提供)，無法適時、足量地為其提供教育科研所需要的數據支持與技術便利，教師教研的多元合作與深度拓展缺乏足夠的凝聚與吸引。這樣的教研必然無法在大數據時代展現應有的價值與活力。
二、大數據時代校本教研的轉型策略
面對海量信息呼嘯而來的大數據時代，面對以「移動互聯和平板觸控技術」為核心的雲計算、雲存儲、雲教育、雲課堂、雲教研疊加出現的全新教育態勢，中小學校該如何應對這種前所未有的教育變革?有哪些好的教研策略與應用範式呢?
(一)核心視角轉型：由關注「教」轉向聚焦「學」
「師本」還是「生本」一度成為教研熱議的話題。以「誰」為本體現的是一種教學觀念的更新，更展現的是一種教學行動的選擇。傳統的教學教研當中，學生主體的評價往往是最單薄的——聽課者大多隻能根據經驗來假想學生的體驗，這種隔靴搔癢式的評價弊端，源於一個重要因素的缺席——沒有足夠的數據源可提供學情分析與實證考據。
大數據時代的到來，恰恰能夠對這種缺失作出有效轉化。藉助視頻傳輸、數據收集、點對點終端、雲存儲伺服器和個性化的數據分析軟體等，能夠從技術層面解決數據源缺乏的問題，對數據的全面處理和分析，可以讓學生個體化的感受得以精準的量化與顯現。學生在教學活動進程中的現實需求與即時心態，也可以經過技術的轉化和動態整合分析變得可讀、可視、可量化。這就為教研視角由關注「教」轉向關注「學」提供了強大的技術支持與解讀保障，為學情的研究與預判提供了更為鮮活的素材。我們甚至還可以利用流媒體視頻和數據分析等手段，幫助教師跟蹤學生的即時學習情況，從而根據他們的能力等級水平制訂相應的教學計劃並調整策略方案，更好地開展有針對性的個性化學習研究。
藉助大數據的運用，課堂有了一個全新的觀察視角，教學研討有了一個全新的視點，站在學生學情分析與預判的角度去改變教師的教學行為已經成為可能。當技術能夠幫助我們了解每個學生的需求之後，綿延了兩千多年的「因材施教」思想，是否離我們更近一些?
(二)常態方法轉型：由經驗重復轉向數據實證
傳統的校本教研往往是經驗式的。我們總是主觀地揣定某些教育因素對學生很重要，哪些變數對課堂有影響，然後，再依據自己的判定，通過一次次反復的實踐來驗證這些主觀經驗的可靠性。這種以經驗為主導的傳統教研往往存在著主觀化、臆測式、靈感型的缺陷，常常容易出現「問題不夠『草根』、目標比較寬泛、實證相對缺乏」等狀況。研究後與研究前相比，對問題的認識高度與解決程度並沒有質的提升。究其原因，是研究之前沒有深入的問題質疑和數據調查，研究中缺乏足夠的數據比對和邏輯分析，研究後少了細致的演繹分析及實踐認證。
大數據時代的來臨，為有效解決經驗重復型教研的痼疾找到了憑借和方向。依據實驗數據的收集、整理和分析所得，能有效確立教研主題，讓研究直指現實問題的解決；依託「雲教研、雲管理」平台，過去無法收集與分析的數據都被新的技術手段賦予了獲取的可能，為有效展開問題的探究與課題的論證提供了技術保障。這種依託數據實證的教研更加具有科學性、邏輯性和說服力。正如魏忠博士在《教育正悄悄發生一場革命》一書中所說：「教育將繼經濟學之後，不再是一個靠理念和經驗傳承的社會科學和道德良心的學科，大數據時代的教育，將變成一門實實在在的實證科學。」[1]3明確的目標監控、海量的數據支撐、清晰的過程性案例資料，強大的數據分析與論證，配以與之緊密融合的教與研創新平台，讓教研更加充滿創新與活力。
(三)實踐模式轉型：從零散問題研究轉向系列項目研究
「指令式」、任務驅動式教研在我國中小學普遍存在，其被動接受式的研究心態、直指結論的研究方式、以分散點狀活動替代系列研究實踐的研討模式，讓校本教研難以貼地而行，最終導致教研成果的可信度、可推廣度不高。新時期的教研必須從形式化、表層化、零散狀的教研形態中轉變出來，向主題化、系列化、課題化、項目化教研轉型，這也是由大數據時代的教育和研究特點所決定的。
大數據時代，由於教學平台、教研平台、管理平台已經有效對接，各個層面、各個系列的數據已經可以共享到大教育的「雲平台」，大數據技術將較嫻熟地運用於課堂和教研的方方面面。無論是自上而下的數據調用，還是自下而上的數據收集，都已經或者能夠成為中小學教育教研的常態。技術手段的創新與變革，為教育大數據的儲存、整合、分析創造了條件。「蘇醒的數據能夠說話」，尤其是當研究者開始自覺地、有意識地將數據採集、轉化和運用，當作一種大數據時代系列性、周期性、可比對性的常態研究去做，這種經過甄別、篩選的數據，將成為主題教研、項目研究的最強有力的實證，也必將給那些原本因為技術或條件限制無法便利地獲取研究數據而苦惱的教師們帶來教研思路的突變，並將最終實現校本教研的實踐模式由零散問題研究向系列項目研究轉型。
三、大數據時代校本教研的轉型路徑
(一)「雲課堂」研究：技術與數據更好地服務於「學」
新技術就在身邊，你用與不用，它都在那裡。蘇州工業園區星海小學讓「ipad進課堂」，以數字技術帶動教學教研，為我們提供了研究大數據運用的全新視角。2014年，該校開啟了以移動網路為平台、ipad為終端的實驗教學，通過新技術的應用，構建了以生為本的「雲課堂」，在很大程度上改變了傳統「教」與「學」的方式。雲課堂技術支撐的核心是「雲計算」。它是一種計算方式，通過大量網路連接的統一管理和調度，將大量信息和資源按需向用戶提供服務。這種全息服務的網路就叫作「雲」。「雲」就像一個專業的「信息提款機」，其強大的信息技術和極為豐富的立體數據資源，為學生的學、教師的教、團隊的研搭建了多維互動的「雲平台」。[3]
該校基於大數據時代教研方式轉變的研判，並在充分調查、論證和研發的基礎上，為師生數字化的學與研搭建了一整套自主的雲存儲伺服器，每個ipad上都安裝了用於雲存儲和分享的「網盤精靈」，學生和教師都能在其中建立一個單獨的存儲空間，每位教師製作的課件、收集的實驗數據等，都能在第一時間上傳到伺服器，全校師生都能在第一時間下載所需資源。各科老師還能藉助無線平台和應用軟體，協同開展數據上傳下載、數據存儲與分析的嘗試與研究，許多或大或小的教研探究活動都在強大的數據平台支持下進行，網路教研讓更多的教師提升了教研的動力。比如，英語學科將ipad接入課堂後，學生可以在家裡錄制自己朗讀和吟唱的視頻，上傳到「網盤精靈」，為教師即時了解學生學習狀態和學習成效，提供了第一手的研究和分析資料。鮮活的數據讓教學的跟蹤與預判成為常態。[4]
再比如，亞洲教育網自主研發的「三網智慧泛教育雲平台」，就是一種「三網融合、泛在學習」的公共智慧雲，它利用雲計算、物聯網和虛擬化等新技術來升級校園網、城域網，其創建的「教育雲+互動電視+電子書包」新模式開啟了教育信息化新紀元，為全方位、大范圍地實現多校、多地教育資源共享、教育成果分享、教學研的互動打下了基礎。[5]10-11
(二)「實證研究」：加強數據論證，探尋「普適」規律
近些年，依託於數據實證的教研探索已然展開，微格教研、片段教研、主題教研等應運而生。這些教研模式大多採用的是「實證研究」的方式。它們都是通過對研究對象大量的觀察、實驗和調查，獲取客觀數據，從個別到一般，歸納出事物的本質屬性和發展規律的一類研究方法。這些教研模式以問題研究為基礎，以教學案例為載體，以數據分析為根據，對教學教研工作進行了微格化、片段化、前置化和主題實踐性論證，依託數據探尋規律，教研成果更加清晰、顯性、有效。
近幾年，上海靜安區開始在7所幼兒園和9所小學試點實施「社會性與情緒能力養成」實踐項目研究。經過近百名教師長達四年多的摸索和改進，如今，靜安區小學階段的「社會性與情緒能力養成」課程正逐步走向成熟，其研究方法之一就是「實證研究」。他們以「社會性情緒」項目為主題，探索出依靠「數據終端」去記錄每一個學生、每一堂課、每一個環節表現的數據收集方法。例如，在一節擁有六個環節的課堂上，大部分時間內學生的節奏都是緊密跟隨教師，但是在某個環節，大多數學生停留的時間遠遠超過了教師。這就提醒我們，這個環節需要著重研究，需要調整，也許這個部分的內容非常吸引學生，也有可能這部分內容難度較高，他們需要更多的時間來閱讀與消化。這種藉助大數據進行教研探索的方法也適合於我們在課堂中更有效地去捕捉學生點滴行為的微觀研究。可以這樣說，大數據時代的到來，讓跟蹤每一個數據成為可能，從而讓研究「人性」成為可能。而對於教育研究者來說，我們將比任何時候都更接近發現真正的學生。
(三)「項目研究」：用證據支撐評價，用項目推進教研
2014年，蘇州市教育局設立了「義務教育質量綜合評價改革」等五大教改項目，從全市范圍遴選了50所特色鮮明的學校組建項目學校共同體，推進項目研究的實施。在研究過程中，各項目學校有效地藉助雲計算、物聯網和虛擬化等新技術來升級校園網，努力將雲技術與物聯網進行高度融合，對全方位、個性化的過程數據和研究資源的上傳、存儲、整合與分析進行了必要的硬體配置和軟體開發，然後在嚴格的過程管理中依託平台、依託案例、依託數據開展系列主題研究和項目實踐論證。目前，項目研究進展順利，也取得了可喜的成果。以蘇州工業園區星海小學為例，學校以「十佳」取代「三好」，推出了「十佳星海娃」多元評價體系，率先開啟了蘇州市「義務教育質量綜合評價改革」的實踐與研究。項目研究中，全面的資源和個性化的數據收集與分析是項目推進的基礎，研究的進程中共享研究資源、分享教育成果，使研究者與被研究者實現有效互動是研究成功的關鍵。為有效地整合資源，顯化數據，蘇州工業園區星海小學推出了「星海娃」自主申報、「四葉草」積點獎章、金點子徵集、小公民系列招募等個性化實踐案例，拓寬了評價體系，豐富了評價數據。與「星海娃」評價體系相配套，蘇州工業園區星海小學還創新出「四葉草」小公民實踐中心等多元評價支撐系統，並著手開發「星海師生成長檔案在線跟蹤平台」，該平台全面支持綠色評價體系，以開放共享的「雲」資源平台的無縫對接，消除學校、家庭及社會間的信息孤島，以電腦、手機、電視、平板等多終端實現了教師、學生、家長的輕松上傳與訪問，從而有力地促進了綠色評價研究資源的優化配置。[5]281-282蘇州工業園區星海小學項目建設試點的初步探索說明，數據實證讓教研更加准確，更為科學，「用證據支撐評價，用項目推進教研」成了校本教研的一條可行之路。

⑤ 大數據時代對化學學科有哪些影響

大數據時代對化學學科有哪些影響
隨著移動互聯網技術、物聯網、雲計算等信息技術的發展,遍布地球各個角落的各種各樣的感測器的廣泛分布,使數據的產生速度呈現出前所未有地加快

⑥ 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。

⑦ 大數據分析技術應用領域有哪些啊，生活中有用嗎

應該有用的吧

⑧ 大數據時代對化學學科有哪些影響

師附貴州省貴陽市 1用住校.六設備先進 2校內教師搭配錯所位置要求住校：金陽：師9路

⑨ 大數據攻略案例分析及結論

大數據攻略案例分析及結論

我們將迎來一個「大數據時代」。與變化相始終的中國企業，距離這場革命還有多遠？而追上領先者又需要多快的步伐？

｛研究結論｝

■大數據營銷的本質是一個影響消費者購物前心理路徑的問題，而這在大數據時代前很難做到。

■對於傳統企業而言，要打通線上與線下營銷，實現新的商業模式，如O2O等，離不開大數據。

■雖然大數據應用往往集中於大數據營銷，但對於一些企業，大數據的應用早已超越了營銷范疇，全面進入了企業供應鏈、生產、物流、庫存、網站和店內運營等各個環節。

■對於大部分企業，由於數據分析人員與業務人員之間的彼此視角與思考方向不同，大數據分析和運營之間存在脫節情況，這是大數據無法用於企業運營最大的阻力

■對於大多數互聯網公司來說，大數據量、大用戶量是一個相互促進，強者越強的循環過程。

■對於大型互聯網平台，大數據已經成為其生態循環中的血液，對於這些企業，最重要

的不是如何利用大數據改進自身運營，而是利用大數據更好地繁榮平台生態。

■對於平台企業，它們的大數據策略正逐漸從大數據運營，向運營大數據轉變，前者和

後者的差別在於，前者只是運營改進的動力，而後者則成為企業實現未來戰略的核心資源。

我們都已被反復告知：我們將迎來一個「大數據時代」。

大數據應用，將和雲計算、3D列印這些技術變革一樣，顛覆既有規則，並成為先行企業的制勝關鍵。

與變化相始終的中國企業，距離這場革命還有多遠？而追上領先者又需要多快的步伐？

來自於互聯網、移動互聯網、物聯網感測器、視頻採集系統的數據正海量增長，匯成大數據的海洋，相伴的是海量數據存儲、分析技術的突破性發展，所有這一切都給企業的應用帶來了無限可能性。

中國企業家研究院對當前中國企業大數據應用的狀況進行了歸納分類，以幫助企業了解實際應用大數據時的困局難點，並提供領先企業的典型案例以資借鑒。

表1

表2

大數據運營—企業提升效率的助推力

對於大多數企業而言，運營領域的應用是大數據最核心的應用，之前企業主要使用來自生產經營中的各種報表數據，但隨著大數據時代的到來，來自於互聯網、物聯網、各種感測器的海量辯笑虧數據撲面而至。於是，一些企業開始挖掘和利用這些數據，來推動運營效率的提升。大數據運營應用中，大數據的應用分為三類：用於企業外部營銷、用於內部運營，以及用於領導層決策。

一、大數據營銷

大數據營銷的本質是影響目標消費者購物前的心理路徑，它主要應用在三個方面：1、大數據渠道優化，2、精準營銷信息推送，3、線上與線下營銷的連接。在消費者購物前，通過各種方式，直接介入其信息收集和決策過程。而這種介入，是建立在對於線上與線下海量用戶數據分析的基礎之上。相比傳統狂轟濫炸或等客上門的營銷，大數據營銷無論在主動性和精準性方面，都有非常大的優勢。它是目前主要的大數據應用領域。

大數據營銷不僅僅是用大數據找出目標顧客，向其發布促銷信息，它還可以做到：

實現渠道優化。根據用戶的互聯網痕跡進行渠道營銷效果優化，就是根據互聯網上顧客的行為軌跡來找出哪個營銷渠道的顧客來源最多，哪個來源顧客實際購買量最多，是否是目標顧客等等，從而調整營銷資源在各個渠道的投放。例如東風日產，它利用對顧客來源的追蹤，來改進營銷資源在各個網路渠道如門戶網站、搜索和微博的投放。

精準營銷信息攜神推送。精準建立在對海量消費者的行為分析基礎之上，消費者網路瀏覽、搜索行為被網路留下，線下的購買和查看等行為可以被門店的POS機和視頻監控記錄，再加上他們在購買和注冊過程中留下的身份信息，在商家面前，正逐漸呈現出消費者信息的海洋。

一些企業通過收集海量的消費者信息，然後利用大數據建模技術，按消費者屬升猛性（如所在地區、性別）和興趣、購買行為等維度，挖掘目標消費者，然後進行分類，再根據這些，對個體消費者進行營銷信息推送。比如孕婦裝品牌十月媽咪通過對自己微博上粉絲評論的大數據分析，找出評論有「喜愛」相關關鍵詞的粉絲，然後打上標簽，對其進行營銷信息推送。京東商城副總經理李曦表示：「用大數據找出不同細分的顧客需求群，然後進行相應的營銷，是京東目前在做的事情。」小也化妝品將自身網站作為收集消費者信息的雷達，對不同消費者推薦相應的肌膚解決方案，創始人肖尚略希望在未來，大數據營銷能替代網站的作用，真正成為面向顧客的前端。

打通線上線下營銷。一些企業將互聯網上海量消費者的行為痕跡數據與線下購買數據打通，實現了線上與線下營銷的協同。比如東風日產，線上與線下的協同營銷方式為：其門戶網站帶來訂單線索，而通過這些線索，服務人員進行電話回訪，從而推動顧客在線下交易。在此過程中，東風日產記錄了消費者進入、瀏覽、點擊、注冊、電話回訪和購買各個環節的數據，實現了一個橫跨線上線下，以大數據分析為支持的，營銷效果不斷優化的閉環營銷通路。而國雙科技，衡量某一地區線下促銷活動的效果，就是看互聯網上，來自這個地區對於促銷內容的搜索量。一些企業，通過鼓勵線下顧客使用微信和Wi-Fi等可追蹤消費者行為和喜好的設備，來打通線上與線下數據流，銀泰百貨計劃鋪設Wi-Fi，鼓勵顧客在商場內使用，然後根據Wi-Fi賬號，找出這個顧客，再通過與其它大數據挖掘公司合作，以大數據的手段，發掘這個顧客在互聯網的歷史痕跡，來了解這個顧客的需求類型。

二、大數據用於內部運營

相比大數據營銷，大數據在內部運營中的應用更深入，對於企業內部的信息化水平，以及數據採集和分析能力的要求更高。本質上，是將企業外部海量消費者數據與企業內部海量運營數據聯系起來，在分析中得到新的洞察，提升運營效率。（詳見P96表5：大數據在內部運營中的應用）

表5

三、大數據用於決策

在大數據時代，企業面對眾多新的數據源和海量數據，能否基於對這些數據的洞察，進行決策，進而將其變成一項企業競爭優勢的來源？同大數據營銷和大數據內部運營相比，運用大數據決策難度最高，因為它需要一種依賴數據的思維習慣。

已有少數企業開始嘗試。比如國內一些金融機構在推出一個金融產品時，會廣泛分析該金融產品的應用情況和效果、目標顧客群數據、各種交易數據和定價數據等，然後決定是否推出某個金融產品。

但是，中國企業家研究院在調研中發現，目前中國企業當中，大數據決策的應用非常之少，許多企業領導者進行決策時，仍習慣於憑借歷史經驗和直覺。

大數據產品——企業利潤滋長的新源泉

大數據除了用於運營外，還能夠與企業產品結合，成為企業產品背後競爭力的核心支持或者直接成為產品。提供大數據產品的企業分為兩類，直接提供大數據產品的企業，以及將大數據作為產品和服務核心支撐的企業。前者主要為大數據產業鏈中提供數據服務的參與者，包括數據擁有者、存儲企業，挖掘企業、分析企業等，後者則主要是那些以大數據為產品核心支撐的企業，它們大多是互聯網企業，其產品和服務先天就有大數據基因，這些企業包括搜索引擎、在線殺毒、互聯網廣告交易平台以及眾多植根於移動互聯網之上，為用戶提供生活和資訊服務的APP等。

表3

表4

一、大數據作為產品核心支持

它們主要在以下幾方面使用大數據：

1、提供信息服務。很多互聯網企業通過對海量互聯網信息和線下信息的整合和分析，為個人和企業提供信息服務，典型的如網路、去哪兒、一淘、高德地圖、春雨醫生等等。在美國，一些互聯網企業甚至根據大數據提供更深度的預測信息服務，美國科技創新公司farecast，通過分析特定航線機票的價格，幫助消費者預測機票價格走勢。

2、分析用戶的個性化需求，藉此提供個性化產品和服務，或者實現更精準的廣告。典型的有移動社交工具陌陌、網路、騰訊、廣告交易平台品友互動以及一些互聯網游戲商。這種應用往往先是收集海量用戶的互聯網行為數據，將用戶分類，根據不同類型的用戶，提供個性化的產品，或者提供個性化的促銷信息。比如網易等門戶網站推出了訂閱模式，讓使用者按照個人喜好方便地定製和整合不同來源的信息。

3、增強產品功能。對於很多互聯網產品，如殺毒軟體、搜索引擎等等，海量數據的處理能夠讓產品變得更聰明更強大，如果沒有大數據，產品的功能就大大減弱。比如奇虎360公司的360殺毒軟體，憑借每天海量的殺毒處理，建立了龐大的病毒庫，這使它能夠更快地發現病毒，而一些小的殺毒軟體公司則無法做到這一點。

4、掌控信用狀況，提供信貸服務。阿里巴巴上匯集了海量中小企業的日常資金與貨品往來，通過對這些往來數據的匯總與分析，阿里巴巴能發現單個企業的資金流與收入情況，分析其信用，找出異常情況與可能發生的欺詐行為，控制信貸風險。

5、實現智能匹配。婚戀網站、交易平台等，利用大數據可以進行精準而高效的配對服務。網易花田會挖掘用戶行為數據，比如點擊哪些異性的頁面，發表什麼樣的評論，建立用戶興趣模型，從而挖掘到用戶所期待另一半的類型，然後主動推薦與對方匹配度比較高的人選。2010年，阿里巴巴嘗試性地推出「輕騎兵」服務，由阿里巴巴將中國各產業集群地的供應商與海外買家的個性采購需求進行快速匹配，所憑借的，就是對供應商的海量交易數據信息的整合與挖掘。

二、大數據直接作為產品

對一些企業，大數據直接成為了產品，這些產品包括海量數據、分析、存儲與挖掘的服務等，目前大數據產業鏈正在形成過程中，出現了一批開放、出售、授權大數據和提供大數據分析、挖掘的公司和機構，前者主要是一些擁有海量數據的公司，將數據服務作為新的盈利來源。如大型的互聯網平台、民航、電信運營商、一些擁有大數據的政府機構等等，後者主要包括一些能夠存儲海量數據或者將海量數據與業務場景結合，進行分析和挖掘，或者提供相關產品的公司，如IBM、SAP、拓而思、天睿公司。它們為大數據應用者們提供海量數據存儲、數據挖掘、圖像視頻、智能分析等服務以及相關系統產品。

大數據平台——企業群落繁榮的滋養劑

而網路已建成了包括網路指數、司南、風雲榜、數據研究中心和網路統計在內的五大數據體系平台，幫助其營銷平台上的企業了解消費者行為、興趣變化，以及行業發展狀況、市場動態和趨勢、競爭對手動向等信息。

為解決這些問題，各個平台在積極地努力。比如阿里巴巴建立了數據委員會，在統一數據格式標准、從源頭上保證數據的質量，採集和加工出精細化的數據，確保其能符合平台企業的應用場景等方面，不遺餘力地嘗試。尤其在大數據精細化方面，阿里巴巴更是作為其大數據戰略的重點。這方面，騰訊目前也在加快步伐。比如新版騰訊網出現了「一鍵登錄」的提示，用戶可以在上面通過一些細分標簽，訂閱自己關注的內容。實際上，這也是騰訊收集更精細化的用戶興趣數據的一個有效手段。

Tips

大數據實戰手冊

將大數據應用於內部運營中時，企業會遇到一些常見問題

1企業如何獲取與分析數據？

互聯網是大數據的一個主要來源，一些線下的傳統企業很難獲得。但它們可以：

a和擁有或能抓取海量數據的平台、企業以及政府機構合作。比如淘寶上的電商就購買淘寶收集的海量數據中與自身運營相關的部分，用於自身業務。再如卡夫通過與IBM合作，在博客、論壇和討論版的內容中抓取了47.9萬條關於自己產品的討論信息，通過大數據分析出消費者對卡夫食品的喜愛程度和消費方式。

b建立自己在互聯網上的平台，比如朝陽大悅城利用自己的微信、微博等平台收集消費者評論數據。

c許多傳統企業沒有分析海量數據的能力，此時它們可以和大數據分析和挖掘公司合作，目前市場上已經有天睿公司、IBM、百分點、華勝天成等一批提供大數據分析和挖掘服務的公司，它們是傳統企業進行大數據分析可以藉助的力量。

2如何避免大數據應用時的部門分割？

對於許多企業，其信息流被各部門彼此分割，數據難以互通，對於這種情況下，大數據的共享和匯集就只是一個泡影，更難以實現大數據的深度應用。

要打通部門之間信息分割的局面，首先要建立統一的、集中的數據系統。就像立白信息與知識總監王永紅所說的，「要真正用好大數據，企業要採用大集中的信息系統。」從更深入的角度來談，企業信息流的部門分割，更在於企業部門之間的分割，比如有一些企業的營銷按照渠道分割，導致對於顧客的大數據收集和分析效果大打折扣。

IBM智慧商務技術總監楊旭青認為，「很多時候由於組織結構問題，大數據分析有效性大大降低了。」這就需要組織與流程層面的重新設計，在這方面，阿里巴巴的部門負責人輪崗制度，對於打破部門壁壘無疑是一劑好葯。而一些企業為了打破部門分割，建立了矩陣型的組織結構，強化部門間的橫向合作，這些無疑為大數據的匯集、共享與應用創造了良好條件。

3如何讓業務人員重視大數據的應用？

解決這個問題，一方面在於一把手對整個企業數據文化的倡導，比如1號店董事長於剛就要求業務人員無論在開會，還是匯報工作時，都以數據說話，而馬雲更是將大數據提升到了戰略高度。

另一方面，也在於數據部門的帶動，阿里巴巴數據委員會負責人車品覺分享了經驗，「因為運營部門的業務人員很難看到大數據的潛力，可以首先從一些對業務見效快，見效顯著的數據項目出發，通過一兩個項目的成功，調動對方的積極性，然後再逐步一個個地引導。」

4為何大數據工作與運營需求脫節？

這往往是由於數據人員與業務人員視角、專業知識不同而導致的。大數據人員做了很多努力，但是業務人員卻認為這些努力無關痛癢。如何解決這個問題？

有的企業從組織設計上發力，將大數據納入業務分析部門的管理之下，用業務統馭數據。對於朝陽大悅城，由主要負責戰略和經營分析的部門來管理大數據工作，其中的大數據分析人員則作為支持人員。在負責人張岩看來，大數據要靠商業法則指導，關鍵是找到業務需求的點，然後由數據分析和挖掘人員實現。在具體操作中，大悅城對微信的數據挖掘，挖掘什麼樣的關鍵詞，由業務分析人員確定，而具體挖掘則由數據部門做；有的企業從流程設計上著手，推動業務部門與數據部門人員之間的溝通，建立數據人員工作與效果掛鉤的考核機制。

例如阿里巴巴根據數據挖掘的成效（比如帶來的商品轉化率的提升）來考核數據挖掘師，考核數據分析師則看其分析結果能否出現在經營負責人的報告中。從數據部門自身角度則需要降低運營部門使用數據的障礙和門檻，比如立白集團的數據人員會努力嘗試向運營部門提供更易懂、更生動的圖形化數據分析界面，在立白老闆辦公室上，就有一份「客戶運營健康體檢表」，讓老闆對全國經銷商的當月銷售情況一目瞭然。再如阿里巴巴開發的無線Bi，讓經營人員在手機上也可以看到大數據分析結果，拿車品覺的話說，「以數據之氧氣包圍經營人員。」

⑩ 大數據在教育中應用領域有哪些

有針對教師管理信息化的。
一是建立教師管理信息化體系。以教師系統為支撐，逐步實現教師系統與相關教育管理服務平台的互通、銜接，建立健全覆蓋各級教育行政部門、各級各類學校及廣大教師的互聯互通、安全可靠的教師管理信息化體系，為加快推進教師治理體系和治理能力現代化奠定堅實基礎。

二是形成教師隊伍大數據。依託教師系統，實現各級各類教師信息的「伴隨式收集」，為每位教師建立電子檔案，建立統一高效、互聯互通、安全可靠的全國教師基礎信息庫。同時，高效採集、有效整合教師系統及相關教育管理服務平台生成的教師信息，形成教師隊伍大數據。

三是優化教師工作決策。將教師隊伍大數據作為教師工作決策的基礎支撐和重要依據。對大數據進行多角度、多層面、多方位的關聯分析、融合利用，評價教師隊伍發展狀況、找准教師隊伍發展問題、研判教師隊伍發展趨勢、確定教師隊伍發展重點，提升教師工作決策的科學性、針對性和有效性。

四是提升教師隊伍治理水平。積極推進教師系統及相關教育管理服務平台與教師工作的深度融合，逐步推進教師管理方式重構、教師管理流程再造，實現教師管理過程精細化、治理工作精準化，優化教師管理核心工作，不斷提升教師管理服務水平。
有專門的文章，如果有需要，可以留下信箱。