課堂收集大數據

① 大數據如何影響課堂教學

「大數據」（BIG DATA）這個詞，是2008年在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》這本書中首次提出的。「大數據」指不用隨機分析法（抽樣調查）這樣的捷徑，而是對所有的數據（近似於全樣本）進行分析處理的一種方法。

1．什麼是我們身邊的大數據？

「大數據」已經滲透到我們生活中的方方面面。比如我們打開手機淘寶，呈現在我們面前的界面是不一樣的。它推送給我們的商品是不同的，而且這些商品往往真的能夠抓住我們的需求和心理，這是為什麼呢？

其實這就是大數據分析出的結論。

淘寶這個平台，對每一個瀏覽過商品的人，購買過商品的人，都進行了全數據分析，可以輕松獲取我們的很多信息。

例如我們的性別、年齡、家庭成員、喜好、是否結婚、是否有孩子、孩子的性別，甚至可以細致到你是愛穿休閑類的服飾，還是喜歡小清新類的服飾，或者是職業裝類的服飾等等。通過你的每一次操作，收集到了這些數據之後，它經過分析和處理，進一步推測出了你可能會訂購的商品，從而推送給你，讓你花更少的時間檢索而要花更多的錢進行消費。

例如你購買了一些孕婦類產品，可能在不久之後，它就會推送相關聯的一些嬰兒用品給你。

而我們消費後的評價與反饋，又使得他們不斷改進自己，例如不同賣家的鑽石星級，或者清退一些不合格的賣家等等這些行為，就是淘寶對自身的調整。

這種互利互惠的雙迴路的運轉模式，可以看作是賣家與買家間的一種良性的互動方式，而這種互動方式在傳統的賣場裡面是不可想像，也難以實現的。

2．什麼是課堂教學互動方式？

課堂教學互動方式，則是指在課堂上，教師與學生之間的一種信息交流方式。

在傳統的課堂中，師生之間的互動交流方式比較單一，上課就是教師在講，學生在聽，一種單方向的傳導過程。

有人說，教師就是知識的搬運工，課堂上很少有師生之間的交流。

還有一種觀念是，教師對學生提問，學生回答，就是師生互動。

顯然，這種認識是膚淺的，這將使師生互動流於形式。師生互動的根本目的是要引導和培養學生的高階思維。

因此，真正的師生互動應該定義為思維的碰撞、智慧火花的生發之源。

近些年來一直被提及的可汗學院的教學與學習方式，之所以受到關注的原因，恰恰就是它基於大數據分析，解決了課堂教學互動這個難題。

大數據之所以能實現課堂教學互動，是因為它具有三個主要特徵：反饋、個性化和概率預測。

我們傳統的課堂教學是一種單迴路的學習，即教師給予，學生接受。我們對學生進行考核，然後對他們進行評價。

我們不會或者沒有條件來通過學生的成績來反思自己的教學內容或者方式是否是恰當的。

我們不能從學生身上獲得真正有用的反饋信息來改變自己的教學內容和行為。

所以說，傳統的課堂教學是一種單迴路的方式，根本沒有實現師生間的良性互動。

此外我們的教學內容在編排上，考慮的是處於平均水平的學生，而這種水平的學生其實在現實中可能根本是不存在的。

換句話說，我們的教學沒有照顧到「好」學生，也忽略掉了那些「差」學生，甚至連我們認為的中等水平的學生，也是不存在的，因為他們是平均後虛構出來的群體。

所以，我們的教學根本沒有針對學生做出個性化的設計，這是教育普及大眾化不得不做出的取捨。

傳統的教學是沒有反饋或反饋較少（沒有時間或實在照顧不到，分身乏術），沒有個性化，從而更談不上有概率預測的一種教學。

而大數據下的新的課堂教學互動方式，卻可以改變這種狀況。

1．參考案例

維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《與大數據同行——學習和教育的未來》一書，舉了可汗學院的例子。

2004年，可汗是一個剛從哈佛商學院畢業一年的基金分析師，給自己的表妹輔導數學。

由於他們生活在不同的城市，因此，他在互聯網上為她進行輔導，從此永遠地改變了教育的世界。

他編寫了若干程序來協助教學，這些程序能生成數學習題，並顯示孩子們提交的答案是否正確。

同時，也收集數據，程序可以追蹤每個學生的答對和答錯的習題數量，以及他們每天用於作業的時間等等。

後來在此基礎上創建的可汗學院，之所以可以聞名於世，就是因為它收集有關學生行為的數據，從中獲取有用的信息來改變教學內容的設計，為每個學生定製個性化的學習方案。

可以說數據就是可汗學院運作的核心所在，大數據的支撐，互聯網技術的飛速發展，使得相隔千里的師生之間形成了有效的課堂教學互動。

它改變了我們對面對面才能達成互動的傳統認識。

此外，還有一個關於斯坦福大學吳恩達與他的機器學習課程的例子。

吳教授將課程放到了網上，他追蹤學生與視頻互動的行為。

在什麼地方按了暫停鍵，什麼地位按了重復鍵，在什麼地方放棄了繼續聽課，他的目的不是督促學生學習，而是反思學生卡在了什麼問題上，哪些教學內容難以理解，從而對課程進行調整。

例如，他發現學生本來都是正常的按順序進行網上學習，但是很多學生在學習第7課時，都會去回看第3課的一個關於數學知識的復習課。

於是他發現，原來是因為第7課解決某個問題時，需要用到第3課復習到的一個數學公式，而很多學生並沒有記住，因此他就對第7課時的教學視頻做了改變，會自動彈出一個彈窗幫助學生來復習數學公式。

還有一次，他發現學生在學習第75課到第80課時，正常的學習秩序被打亂了，學生以各種各樣的順序反復觀看這幾節課。

他通過反復分析，發現學生的行為是在反復理解概念，於是他將這部分的教學內容製作的更加精細，更有助於幫助學生理解概念。

【 評價】

這是一個典型的大數據分析下，課堂教學互動變革實現了教學反饋的例子。

覺得我們傳統的教學，只是通過每天判一判學生的作業，看一看他們的考試成績，是無法得到這些動態的數據的，更無法得到改變我們教學內容與方式的有價值的信息。

於是我們的教學可能幾年甚至幾十年都在重復相同的內容和動作。因為我們不知道學生究竟是如何進行學習的。

2．參考案例

還有一個例子是關於「半島大學」的暑期班項目，他們使用可汗學院的數學課程教授來自舊金山灣區貧困社區的中學生。

在課程一開始，一個七年級的女生的成績在班裡一直墊底，在整個暑期的大部分時間中，她一直是學得最慢的一個學生，但是在課程結束後，她的成績是班上的第二名。

可汗對此感到好奇，於是調取了她完整的學習記錄，查看她每一道習題和解題的時間，系統創建的圖表對她學習進行的描繪，發現他很長時間都徘徊在班級的底部，直到在某個事件點上突然直線上升，超過了幾乎所有的學生。

這充分說明，當學生以自己最適合的步調和順序進行學習時，即使一個被看似沒有能力的「差生」也是可以變為優等生的。

【 評價】

這是一個典型的大數據分析下，課堂教學互動變革實現了個性化教學的例子。

如果這個女孩放在我們傳統的基於小數據的教學課堂上，幾次考試的成績都不理想，可能她就會被我們歸類為「差生」，於是各種補習加各種輔導，完全打擊了她的自信心，成績的陰影甚至會影響到她的一生。

而可汗學院的課程，利用數據監控了她的所有的學習過程，時間是一個連續的變數，針對她的特點設計了適合她的習題，循序漸進，激發出了她最大的能量。

她完全根據這種個性化的定製，按照自己的學習節奏進行學習，不用去關注到其他人的學習進度與成績。細思極恐，我在想我們的教育究竟扼殺掉了多少這樣的人才？

我們真的應該好好認清大數據帶給我們的課堂教學互動的變革，這種變革很多時候甚至不是技術上的，而是理念上的。

在反饋與個性化的基礎上，大數據的更大的優勢就體現在了概率預測這方面了。

例如我們可以對學生個體為提高其學業成績需要實施的行為作出預測。比如選擇最有效的教材、教學風格、反饋機制等等。

其實，在小數據時代，我們跟學生家長所說的某些建議，比如您的孩子應該加強數學這方面的學習，您的孩子適合去學文科等等這些建議，其實也不是肯定的事實，也只是概率性的干預。

因為可能根據老師所謂的經驗，這個學生選擇學習文科，將來考上一本的可能性更高。而大數據與過去最大的區別是，我們是通過對事物加以測量和量化，以更高的精確度說話。它的預測准確率更高。

比如，大學的選課方面，可以根據你以往的學習基礎以及學習行為，預測出你選哪門課的通過率會更高，你未來的職業規劃怎樣進行會更加順利等等。

大數據所實現的這種概率預測，似乎與課堂教學互動方式的變革沒有直接的關系。

但是仔細分析不難發現，這種預測其實是師生間互動的一種延續，我們對學生的影響不只局限於課堂上，而是延續到了未來選擇的層面上，使得互動交流更上了一個台階。

1．利用數據反饋信息調整課堂教學策略

以高考備考為例：

上圖是追蹤某高中四年所有學生高考數學各知識點得分率的情況，我們可以看出對其中一部分知識點的得分率維持在高位。

這就說明學校一貫的培養策略與日常教學方法是正確的，只需要保持即可，無論教師還是學生不需要過於焦慮，因為大數據反饋的結果對未來教學效果有一定的預測功能。

2．關注學生的個性化發展

大數據不僅對規模龐大的數據進行全樣本分析，得到一般規律，更重要的是很能體現出個性，它可以記錄下每一個學生的變化，方便教師針對每一個學生調整課堂教學方式。

上圖是大數據分析系統給出的某一個學生在一次考試中的情況，從圖中可以看出，數學與物理是這個學生的優勢學科，英語是這個學生最薄弱的學科，那麼在進行改進策略制定時，要多聽取英語老師的建議。

大數據可以幫助教師的課堂教學行為不像傳統課堂那樣，針對的是所謂的「平均水平」的學生授課，而是能照顧到每一名學生。

例如，利用信息技術監控學生的課堂測試與課堂練習情況，隨時調取任意學生的過程進行點評，統計每一名學生過程中出現的問題，這樣教師對課堂進程的判斷不是根據經驗，而是根據實際情況隨時調整。

總之，課堂教學互動方式的變革，不應該只是技術層面上的變革，媒體技術，網路平台的建設已經非常的成熟了，我們需要的變革是組織變革，是思想的變革。

現在流行的微課、慕課（MOOCs）其實就是大數據滲透到教學互動領域冰山的一角，形式並不重要，重要的是隱藏在這些形式下的數據所反映出來的學生行為，以及反饋給教師的教學信息，從而引起他們的思考和改變，形成雙向的迴路，實現真正的「互動」，這才是大數據真正的價值。

大數據下的教師要成為「數據脫盲者」，我們需要通過讀取數據來追蹤學生的進步，通過概率預測解釋什麼是對學生最有效的學習。

我想這應該意味著我們需要建立一套完善的系統，在這個系統中，有數據處理的專家，有解讀數據分析數據的分析師，有利用數據改善教學的教師。

只有在這個良性循環的系統中，才能真正實現課堂教學互動，呈現個性化的教學，讓教育針對每一個孩子。

希望我們的教育和教學可以因為大數據而發生真正的變革。

② 大數據怎麼收集

通過數據抓取和數據監測，整合成一個巨大的資料庫——產業經濟數據監測、預測與政策模擬平台

③ 大數據對高校教育的推動作用論文

大數據對高校教育的推動作用論文

當代社會互聯網發達，信息技術廣泛應用與社會各個領域。當然，利用信息技術來推動高校教育發展也是在信息化教育進程之中。信息技術的發展迅速，大數據也就迅速堆積，大數據記錄了信息技術發展的腳步，同樣有利於信息技術在社會上的有效發展。高校作為發展人才的地方，自然少不了大量數據累積，信息量巨大，大數據對高校教育也就有著非常大的影響，它不僅推動著高校教育的發展，同時也反映著高校教育數據累積的過程，這類數據與外界環境的共享，一起發揮著大數據對高校教育的推動作用。

1大數據 發揮出在高校教育的發展中的推動作用

高校教育在多年的發展中，逐漸適應了信息化的快速發展進程，將高校教育信息化是必然的條件，這對於高校教育的改革和完善具有完全有效的作用。高校教育信息化同樣對提高教學質量，引導創新教學模式，發揮著重要作用。高校教育信息化有利於加強校園文化建設，促進教育高水平發展，有利於改善教學方法，發揮教育各項職能，有利於人才培養，有利於信息交流和教學環境改善。高校教育信息化是教育發展和提升的必要條件，大量的信息交流必定會產生眾多數據，針對大數據進行數據收集和處理，方便數據檢索和查詢。高校教育本身就具有信息量大、數據多樣，繁瑣的鞥、特點，所以很好的利用大數據為高校教育發展做貢獻，一定能更好的推動高校教育的發展。大數據在課堂上的應用，能夠改變傳統的教學模式，發揮信息技術的無限潛能，不管是時間還是空間的阻礙，都能被信息技術所打破，這將有利於學生更好的融入課堂，使學生更適應課堂，從而使理解知識變得容易。大數據的廣泛應用，同樣適用於科學研究方面，大數據的全面信息的應用對於信息的共享和交流具有關鍵推進作用，現代信息技術在社會科學中的應用將改善傳統的研究方法，這樣不但能提升結果的可信度，更能夠提升工作效率，再者，大數據在服務人們方面的應用，高校能夠更好的掌握社會需求，了解社會對人才的渴求，從而培養適應社會的人才。這樣的好處還有能夠加強高校和社會的聯系，使得高校能夠更好地履行社會職能。大數據還有利於高校建設校園文化與文化傳承。高校對於優秀民族和世界文化都有責任和義務傳播給更多學生，高校作為文化載體，有更好的條件進行文化教育，通過信息技術手段，方便文化溝通，以及技術交流等。

2大數據與高校教育之間的聯系

大數據與高校教育之間不只是簡單的應用關系，高校也絕不是被動的接受大數據，其實高校與大數據之間是相互依靠，相互促進的，高校教育的發展同時也是大數據的發展，同時，大數據的發展，也同樣推動了高校教育的發展進程。大數據可以說是一種工具，一是順應了高校教育的發展進程，同時也為高校教育發展做出了許多改善與提升。比方說大數據推動了高校對人才培養的進程，有利於高校選拔適合社會的高等人才，挖掘人才潛在價值，更好的為社會服務，也是為人們服務，幫助學生找到自身優勢，使得人才發展變得順利。前面說的，大數據幫助高校建立完善的文化體系，有助於高校進行文化傳承，教育形式改革與創新。大數據有助於高校了解社會需求，發展與培養適應社會的全能人才。反過來，高校教育對大數據的發展也具有非常重要的推進作用。高校由於信息量巨大，也有相對完整的記錄和完善形式，對於數據的收集等方面也有非常完善的系統，所以高校教育對於大數據的發展也有積極作用。高校通過長時間的數據利用，自然會產生許多有效的數據分類和整理辦法，對數據的研究也非常細致和詳細，對數據也會進行補充和完善，分析和創新數據記錄辦法，所以高校教育方面對數據的整理利用工作也會對大數據的發展做出更多貢獻。說完了高校教育與大數據之間的相互利用，還應考慮大數據與高校教育之間的共同發展。許多高校在建立了比較完善的大數據處理和利用方式之後，通常會比較頻繁的與外界進行數據處理辦法和收集方式的交流和共享，大部分的'數據處理工作都是有目的性的，比方說在網上的數據檢索工作，都是在先想好需要什麼才去網上搜索的，所以對數據的分類整理工作至關重要。高校教育通常分為大體上的文科和理科，那再往下細分還有工科醫科師范類商學類等等。不同的數據有不同的處理方式，不同的數據門類之間有時候也是互通的，所以大數據的處理辦法和整體思維都是有分別的，也是有聯系的，需要研究者長時間的分析和整理。大數據的使用需要專業的認可，不然的話就會造成資源浪費，看來社會上的機構大概也只有高校和研究員具有資格認證大數據的作用了。大數據廣泛應用了信息技術和社會科學等多種學科的資源，在保證數據真實可靠地情況下，為更多數據使用者提供良好的數據參考作用。換句話說，高校教育過程中對數據的使用情況直接影響了大數據的利用率，高校對大數據提供了更多的技術支持，同時也限制了大數據的發展，所以大數據與高校教育之間的這種關系影響了兩者之間的共同發展。

3大數據在推動高校教育發展過程中遇到的問題

不可否認，大數據在推動高校教育的發展過程做出了很多貢獻，但是在大數據推動高校教育的過程中，仍會出現某些問題，阻止了大數據的推動作用，造成大數據沒有完全發揮其應有的功能，沒有很好的為高校教育做出更大貢獻。首先是高校對於大數據的利用率低，主要體現在進行數據搜索和收集過程中，對需求的認識面太過狹隘，導致數據收集工作不完善，收據收集的不完全，在應用過程中就會有困難，造成信息缺失和資源不足，所以究其原因還是數據收集工作者工作中存在紕漏，或者對數據手機方法不正確不規范，造成了數據缺失情況出現。其次出現大數據利用不完全的問題是因為數據運用者技術不規范和操作不當造成數據使用不完全。和傳統的數據使用方法相比，現代的利用大數據進行數據檢索和使用工作已經如虎添翼，通過科技手段可以毫不費力的從大量的資料庫中篩選出自己所需要的數據來進行利用。這不但大大降低了操作難度，同時也節省了很多時間，我們都知道數據挖掘工作復雜而且繁瑣，更需要數據挖掘工作者認真細致的到位的工作態度，一點馬虎不得。但是通過技術手段，以及先進的互聯網技術，可以很好的解決很多工作中可能會出現的問題。但是機器就是機器，永遠不可能有人的思維，就算有那也是人給他格外添加的，永遠不可能超過人的思維，所以機器所犯的錯誤可能也會有很多，這就需要人來利用外力對數據採集處理等工作進行監督，一點失誤就會造成數據錯誤，影響數據的使用。

4提升大數據推動高校教育有效性的對策

針對以上幾點問題，首先提出的解決辦法就是使人們充分認識大數據的作用，這樣從根本上讓人們建立起對大數據的作用的基本概念，才能仍大數據更好地為人們服務。大數據實在信息大爆炸的現代社會中人們必不可少的一種數據收集處理方式，對於社會的快速發展，必然會伴隨數以萬計的數據，那麼對於這么多眼花繚亂的數據，要想提取出真正對自己有用的數據，就要利用科技手段，建立完整的資料庫，方便人們的數據提取和利用。在認識了大數據的作用之後，就要合理的利用好大數據，正確的使用大數據，在大數據使用過程中應當規范使用辦法，避免使用者濫用大數據，檢索和分類過程也應當認真細致的操作，因為不僅僅是一次失誤，之後的每一個步驟都有可能會對數據處理工作造成誤解和偏差，造成大數據的錯誤使用。為了更好的使用大數據，推動大數據對高校教育的發展，高校應建立完善的大數據使用平台，讓使用者能夠有地方可查，有資源可用，提高大數據的使用率。至於校園內的配置，應當及時維護，對大數據的保管工作也應時常監督和完善，進一步加強數據使用效率，發揮其應有的價值。在人員配置選拔方面，要認真仔細篩選真正有用的人才，對數據進行分類處理和詳細整理，更好的幫助校園內數據使用者進行數據使用程序。

5總結

在當下數據大爆炸的時代，能夠更好的使用信息的人，將信息為己所用，那麼就是發揮了大數據的真正價值。正確看待大數據，合理利用大數據，將大數據與高校教育有機的結合在一起，盡力發揮大數據應有的價值，有利於人們探索未知的知識和學問，有效的利用好大數據，就是發揮了大數據對高校教育的推動作用。

參考文獻 :

[1]邱仁宗,黃雯,翟曉梅.大數據技術的倫理問題[J].科學與社會,2014(01).

[2]王成紅,陳偉能,張軍,宋蘇,魯仁全.大數據技術與應用中的挑戰性科學問題[J].中國科學基金,2014(02).

[3]祝智庭,管珏琪.教育變革中的技術力量[J].中國電化教育,2014(01).

大數據意義

現在的社會是一個高速發展的社會，科技發達，信息流通，人們之間的交流越來越密切，生活也越來越方便，大數據就是這個高科技時代的產物。[10]阿里巴巴創辦人馬雲來台演講中就提到，未來的時代將不是IT時代，而是DT的時代，DT就是Data Technology數據科技，顯示大數據對於阿里巴巴集團來說舉足輕重。[11]

有人把數據比喻為蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數據並不在「大」，而在於「有用」。價值含量、挖掘成本比數量更為重要。對於很多行業而言，如何利用這些大規模數據是贏得競爭的關鍵。[12]

大數據的價值體現在以下幾個方面：

（1）對大量消費者提供產品或服務的企業可以利用大數據進行精準營銷；

（2）做小而美模式的中小微企業可以利用大數據做服務轉型；

（3）面臨互聯網壓力之下必須轉型的傳統企業需要與時俱進充分利用大數據的價值。

不過，「大數據」在經濟發展中的巨大意義並不代表其能取代一切對於社會問題的理性思考，科學發展的邏輯不能被湮沒在海量數據中。著名經濟學家路德維希·馮·米塞斯曾提醒過：「就今日言，有很多人忙碌於資料之無益累積，以致對問題之說明與解決，喪失了其對特殊的經濟意義的了解。」這確實是需要警惕的。

在這個快速發展的智能硬體時代，困擾應用開發者的一個重要問題就是如何在功率、覆蓋范圍、傳輸速率和成本之間找到那個微妙的平衡點。企業組織利用相關數據和分析可以幫助它們降低成本、提高效率、開發新產品、做出更明智的業務決策等等。例如，通過結合大數據和高性能的分析，下面這些對企業有益的情況都可能會發生：

（1）及時解析故障、問題和缺陷的根源，每年可能為企業節省數十億美元。

（2）為成千上萬的快遞車輛規劃實時交通路線，躲避擁堵。

（3）分析所有SKU，以利潤最大化為目標來定價和清理庫存。

（4）根據客戶的購買習慣，為其推送他可能感興趣的優惠信息。

（5）從大量客戶中快速識別出金牌客戶。

（6）使用點擊流分析和數據挖掘來規避欺詐行為。

④ 應對大數據教師當有「轉化」思維

應對大數據教師當有「轉化」思維
教育信息化帶來了教與學方式的深刻變革，大數據等新技術已經與教師教育產生深度融合，在促進教師專業發展、助推教師教育教學全方位變革與創新發展過程中的巨大潛力也取得了教育界的共識。很多學校將課堂作為推動學校內涵發展的主陣地，通過信息化手段對教師進行課堂觀察、數據採集和分析，得出測評結果，然後制定相應的提升措施，不斷促進教師教學水平的提升。教師要有大數據轉化的主動自覺目前，以大數據技術為核心的課堂觀察方法與技術改變了以往單純憑借個人價值觀和個人經驗的聽評課方式，實現了基於數據證據鏈的課堂教學行為大數據的診斷與分析：這種方法首先對教師的教學模式、講授、提問、理答方式、師生對話等課堂教學的關鍵環節和關鍵因素進行觀察，通過信息化手段進行大數據採集和記錄，然後進行基於大數據證據鏈的綜合分析與評價，指出本次課堂教學的特徵、優缺點等，或者會給教師一份課堂大數據分析報告作為反饋。對於教師而言，閱讀一份課堂觀察大數據報告的文本不難，而真正發揮大數據的作用，將從中抽離出的結論反向「落地」，使之進入課堂教學的操作層面，實現大數據與教學實踐之間的融通，從而將大數據變成教師反思教學行為的依據、開展課堂變革的線索、改進和提升教學水平的抓手，為學校內涵發展提供源源不斷的內生性資源，則需要教師建立起數據「轉化」的思維。目前，信息化手段被廣泛應用於學校的管理、教育教學等領域，對大數據的轉化、把握和利用已是無可迴避的大趨勢。面對這一挑戰，教師要在大數據轉化的三個環節形成自覺：首先是大數據輸入的自覺，即教師需要有一定的「數商」，即能對大數據敏感，並能進行大數據收集、分析等輸入的自覺；其次是大數據加工的自覺，即在大數據輸入之後，教師需要有意識地培養自己將大數據與教學實踐進行有效勾連，並將大數據轉化為教學方法、教學設計等的自覺；最後是大數據輸出的自覺，即在教學經驗、成果等的表達、推廣層面，教師需要自覺形成有數據、有依據、有證據地進行表達的習慣，使數據化表達成為教師教育教學生活的常態。教師要有大數據轉化的行動邏輯和實踐載體無論是從大數據到教學實踐還是從教學實踐到大數據的轉化，都暗含著各自的轉化邏輯。如，課堂教學觀察大數據是以一定的教學、評價等理論模型作為依據和行動邏輯，將教師直觀的、具體的、生動的、感性的課堂教學行為以一種高度抽象、概括和理性的形式呈現出來。同理，教師要充分挖掘和利用大數據，也需要按照一定的邏輯，依託教學領域的各種理論或實踐智慧，生成關於教學模式、講解、提問、理答方式、師生對話等大數據的轉化策略、方式、效果及評價。教師需要一定的載體，才有可能將從大數據中提取到的信息轉化落地。從一個教學過程的全景來看，大數據轉化有三個載體：教學設計。對大數據進行轉化的一度解讀在教學設計階段。即教師在進行教學行動之前，根據從大數據中提取到的信息、自身教學風格和學情進行教學設計，通過大數據精準地定位一個教學設計的優勢、短板主要困難和障礙以及和沒有大數據做依據的教學設計之間的差異，從而規劃好下一步行動的「藍圖」。教學過程。對大數據進行轉化的二度解讀在教學過程階段。即教師按照教學設計進行教學的過程中，有意識地通過一定的策略、方法將從大數據中提取到的信息與教學實踐過程中的導入、講解、提問、理答、對話等環節相互作用，從而實現預期的教學目標。此外，教師也需要在教學過程中對課堂現場生成的大數據加以識別和提取，並能夠在此基礎上進行利用和創造，將其轉化為新的大數據。教學反思。對大數據進行轉化的三度解讀在教學反思階段。即教師要對自己基於大數據的課堂教學進行反思，即通過前後數值的對比，分析自身的教學行為、課堂教學效果等通過大數據的引領所產生的變化，對哪些是預期變化，哪些是生成性變化進行判斷；對哪些因素和細節通過大數據的幫助由抽象變得具體、由模糊變得清晰、由不準確變得准確等進行記錄。反思之後，教師還要能夠帶著這樣的反思和改進措施進入下一個教學設計和教學過程中，形成不斷依靠大數據來提升課堂教學品質的循環。教師要有大數據轉化的理性判斷使用信息化手段對課堂教學進行大數據收集和分析處理，是教育通過與技術的結合來推動自身改革和創新的進步表現。可以預測，這種半智能化技術手段在教育領域的應用范圍還會持續擴大和深入。但是，事物都有兩面性，教師在擁抱這種技術手段的時候，也要對其保持理性，保持批判，盡量做到有「理」有「限」有「度」。大數據使用的「理」。「理」就是不單就數據談數據，而是同時注重把握大數據背後的原理或理念。每一套大數據的產生，都建基於一定的原理或理念模型，而這些模型產生的背景、條件和核心要素等，有可能和當下的應用環境有所差異。因此，教師在使用大數據的時候，要努力追求做到不但知其「術」——能讀懂大數據，更知其「道」——能把握大數據背後的原理和理念，從而更加智慧和靈活地使用大數據。大數據使用的「限」。「限」就是為大數據的使用范疇劃定邊界。任何一種工具的開發都是針對某一種特定的對象，因此，每一種工具的適用性都是有限的，教師需要對測評方法與測評對象的適切性保持清醒的認知。大數據作為一種測評方法，適合何種性質的學科、何種類型的教學都需要教師進行審慎的判斷。大數據使用的「度」。「度」就是理性看待大數據手段的工具價值，不過度倚重數據。以大數據為代表的量化測評方法只是眾多教學測評手段中的一種。盡管這種方法因其精準性、直觀性等優勢在當前學校課堂中得到相當廣泛的應用，但因為教學過程是一個涉及教學技術、教育價值、師生心理變化等顯性、隱性要素交相作用的過程，教師依然要重視傳統質性測評方法的價值和作用，使二者有機結合，共同促進教學品質的提升。

⑤ 數據採集|教育大數據的來源、分類及結構模型

一、 教育大數據的來源

教育是一個超復雜的系統，涉及 教學、管理、教研、服務 等諸多業務。與金融系統具有清晰、規范、一致化的業務流程所不同的是，不同地區、不同學校的教育業務雖然具有一定的共性，但差異性也很突出，而業務的差異性直接導致教育數據來源更加多元、數據採集更加復雜。

教育大數據產生於 各種教育實踐活動 ，既包括校園環境下的教學活動、管理活動、科研活動以及校園生活，也包括家庭、社區、博物館、圖書館等非正式環境下的學習活動；既包括線上的教育教學活動，也包括線下的教育教學活動。

教育大數據的核心數據源頭是「人」和「叢擾物」——「人」包括學生、教師、管理者和家長，「物」包括信息系統校園網站、伺服器、多媒體設備等各種教育裝備。

依據來源和范圍的不同，可以將教育大數據分為個體教育大數據、課程教育大數據、班級教育大數據、學校教育大數據、區域教育大數據、國家教育大數據等六種 。

二、 教育大數據的分類

教育數據有多重分類方式。

從數據產生的業務來源來看，包括 教學類數據、管理類數據、科研類數據 以及服務類數據。

從數據產生的技術場景來看冊鄭念，包括 感知數據 、業務數據和互聯網數據等類型。

從數據結構化程度來看，包括 結構化數據、半結構化數據和非結構化數據 。結構化數據適合用二維表存儲。

從數據產生的環節來看，包括 過程性數據和結果性數據州困 。過程性數據是活動過程中採集到的、難以量化的數據（如課堂互動、在線作業、網路搜索等）；結果性數據則常表現為某種可量化的結果（如成績、等級、數量等）。

國家採集的數據主要以管理類、結構化和結果性的數據為主，重點關注宏觀層面教育發展整體狀況。到大數據時代，教育數據的全面採集和深度挖掘分析變得越來越重要。教育數據採集的重心將向非結構化、過程性的數據轉變。

三、教育數據的結構模型

整體來說，教育大數據可以分為四層，由內到外分別是基礎層、狀態層、資源層和行為層。

基礎層：也就是我們國家最最基礎的數據，是高度保密的數據； 包括教育部2012年發布的七個教育管理信息系列標准中提到的所有數據，如學校管理信息、行政管理信息和教育統計信息等；

狀態層，各種裝備、環境與業務的運行狀態的數據； 必然設備的耗能、故障、運行時間、校園空氣質量、教室光照和教學進度等；

資源層，最上層是關於教育領域的用戶行為數據。 比如PPT課件、微課、教學視頻、圖片、游戲、教學軟體、帖子、問題和試題試卷等；

行為層：存儲擴大教育相關用戶（教師、學生、教研員和教育管理者等）的行為數據， 比如學生的學習行為數據、教師的教學行為數據、教研員的教學指導行為數據以及管理員的系統維護行為數據等。

不同層次的數據應該有不同的採集方式和教育數據應用的場景。

關於教育大數據的冰山模型，目前我們更多的是採集一些顯性化的、結構性的數據，而存在冰山之下的是更多的非結構化的，而且真正為教育產生最大價值的數據是在冰山之下的。

參考文獻：

教育大數據的來源與採集技術  邢蓓蓓

⑥ 大數據對教育教學的作用

數據（data），一般而言是指通過科學實驗、檢驗、統計等方式所獲得的，用於科學研究、技術設計、查證、決策等目的的數值。通過全面、准確、 系統地測量、收集、記錄、分類、存儲這些數據，再經過嚴格地統計、分析、檢驗這些數據，就能得出一些很有說服力的結論。大規模、長期地測量、記錄、存儲、 統計、分析這些數據，所獲得的海量數據就是大數據（big data）。在製作大數據時，需要嚴格的方案設計、變數控制和統計檢驗等，不然所獲得的大數據就是不全面、不準確、無價值或價值不大的。

在教育特別是在學校教育中，數據成為教學改進最為顯著的指標。通常，這些數據主要是指考試成績。當然，也可以包括入學率、出勤率、輟學率、升學 率等。對於具體的課堂教學來說，數據應該是能說明教學效果的，比如學生識字的准確率、作業的正確率、多方面發展的表現率——積極參與課堂科學的舉手次數， 回答問題的次數、時長與正確率，師生互動的頻率與時長。進一步具體來說，例如每個學生回答一個問題所用的時間是多長，不同學生在同一問題上所用時長的區別 有多大，整體回答的正確率是多少，這些具體的數據經過專門的收集、分類、整理、統計、分析就成為大數據。

分析大數據助力教學改革

近年來，隨著大數據成為互聯網信息技術行業的流行詞彙，教育逐漸被認為是大數據可以大有作為的一個重要應用領域，有人大膽地預測大數據將給教育帶來革命性的變化。

大數據技術允許中小學和大學分析從學生的學習行為、考試分數到職業規劃等所有重要的信息。許多這樣的數據已經被諸如美國國家教育統計中心之類的政府機構儲存起來用於統計和分析。

而近年來越來越多的網路在線教育和大規模開放式網路課程橫空出世，也使教育領域中的大數據獲得了更為廣闊的應用空間。專家指出，大數據將掀起新的教育革命，比如革新學生的學習、教師的教學、教育政策制定的方式與方法。

教育領域中的大數據分析最終目的是為了改善學生的學習成績。成績優異的學生對學校、對社會、以及對國家來說都是好事。學生的作業和考試中有一系 列重要的信息往往被我們常規的研究所忽視。而通過分析大數據，我們就能發現這些重要信息，並利用它們為改善學生的成績提供個性化的服務。與此同時，它還能 改善學生期末考試的成績、平時的出勤率、輟學率、升學率等。

⑦ 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。

⑧ 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。

⑨ 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。