大數據的畫學生生活

㈠ 大數據告訴你：學霸是怎樣煉成的！

大數據告訴你：學霸是怎樣煉成的！

近日，國內大數據領域領軍專家、電子科技大學周濤教授與有著近十年學工部長教育 經驗 的呂紅胤研究員，花費了近大半年的時間，聯合研發出一套「大數據」系統——「學生畫像」。

該系統利用校園一卡通追蹤學生行為軌跡，通過對學生吃飯、打水、出行、消費行為記錄，「算」出每名學生的 學習 、生活狀態。更厲害的是，通過對學生日常學習狀態的追蹤，該系統還會對學生的期末成績乃至 大學四年 後的 就業 情況作出預警——

註：系統用排名均值來計量學生成績的優異。排名均值=學生在所在專業的年級排名/本專業的總人數，排名均值越接近0，代表該學生的成績越好。

學霸是如何煉成的?

學霸出門時間通常比較固定

研究人員分析了近半年的 宿舍 門禁、吃飯、進出圖 書 館等刷卡記錄，發現成績較好的學生作息時間比成績差的更規律。

例如，某 專業排名 第3的小雪，幾乎每天固定在8點、12點、14點三個時間點出門，留在宿舍的總時長低於專業平均水平。而該專業成績排名第61的小石每天進出宿舍的時間很隨機，而且通常每次外出的時長不超過2小時，「宅指數」明顯高於專業平均水平。

此外，研究人員還發現，9點前出現在食堂吃早餐的同學，成績也相對更好。

學霸最愛在晚上10-11點洗澡

上圖中，橫軸代表了時間點，豎軸則代表了在當前的時間點下，學生的洗澡概率。電子科大的澡堂是全天開放的，但研究團隊發現，晚上10——11點，學習好的學生與學習差的學生洗澡概率出現了較大的差異。簡言之，集中在晚上10到11點之間洗澡的學生成績更優異。

不管是出門時間還是洗澡時間，抑或是相對固定的早餐時間，都是學生作息規律的具體體現。研究人員發現，較有規律的學生群體，除了成績上的優勢外， 考研 成功 率以及 出國留學 獲得獎學金的概率均高於一般學生。這也從側面印證了生活的規律性對於成績有正面影響的結論。

學霸愛泡圖書館和自習室

在樣本量足夠龐大的情況下，學生在一定時期內的行為追蹤確實可以反映他的學習和生活狀態。比如，如果一個學生的打卡記錄顯示，他長期在教學樓的飲水機上打水，那一定程度上就說明了，教學樓是他的長期活動地點。

「學生畫像」的研究團隊，通過大數據分析，發現了出入圖書館次數多少與學習成績的好壞存在著一定的相關性，即：出入圖書館次數比較多的學生，成績要仔碼優於出入圖書館次數比較少的學生。同一個學生，隨著他出入圖書館次數的增多或減少，他的成績排名在上銷戚仔下浮動。如圖↓↓

這樣的相關性，同樣適用於學校的教學樓↓↓(註：在教室打水代表該學生出現在了教學樓~)

學霸也扎推?

現實中，每個人都會受到種種環境的影響。無疑，處於校園之中，身邊人的學習狀態，自然也會影響到學生自身的成績好壞。

研究團隊發現，如果一個 大學生 ，他身邊的朋友成績比較好，那他自身的成績也相對較好!

想要成為一枚學霸?先找個學霸好友吧——

期末會不會掛科?算一下吧

在這項研究中，研究團隊專門設計出了一系列輔助學生更好完成大學學業的功能模塊——「掛科預警」。

想知道你學期末會不會掛科?那就算一算嘍!

掛科率= 努力 程度 + 學習基礎;

努力程度依據:教學樓打水頻率+進出圖書館的時間與次數;

學習基礎：用已考科目成績、已考與將考科目之間的關聯性算出;

一旦你的掛科率觸碰到了預警紅線，那系統便會自動為負責你學習的輔導員推送預警信息!

「前方高能預警，您的掛科率有偏高趨勢，請好好學習——」自從有了「掛科預警」系統，媽媽再也不用擔心我掛科了——

四年後，你會成為失業大軍中的一員嗎?

如今，就業形勢一年比一年緊張。作為學生，你在擔心 畢業 即失業?作為高校的管理者，你會困惑於如何幫虧汪助學生突破重圍嗎?嗯，好消息來了!

「學生畫像」研究團隊通過大量的數據分析，研究得出了一個學生的畢業去向與他在校期間的生活規律有著一定的關聯性。

電子科技大學教育大數據研究所副所長、原微軟亞洲研究院的連德富教授在接受中國青年報(ID：zqbcyol)采訪時表示，通過對比往屆 畢業生 的畢業去向，他們發現，就業困難學生群體身上確實存在某些相似的行為特徵。比如，與其他同學相比，就業困難學生在校期間的生活普遍不太規律。此外，就業困難學生在圖書館的借閱書目也更偏向於懸疑科幻小說以及與游戲相關的 書籍 。

近年來，越來越多的大學生畢業後選擇 創業 。麥可思研究院研究發現，包括本科畢業生和高職專院校畢業生在內的中國大學生畢業後選擇自主創業的比例基本呈逐年上升的趨勢：2007年1.2%，2008年1%，2009年1.2%，2010年1.5%，2011年1.6%，2012年2%，2013年2.3%，2014年2.9%。

在連德富教授看來，大學里的創業一族也有「大數據」特點。偏好創業的學生跑市區的頻率要高於普通學生。

㈡ 大數據來告訴你如何成為學霸

大數據來告訴你如何成為學霸

目前，川內各所大學即將開學。對於新入校的學生來說，大學生活該怎樣合理安排?如何才能在大學里煉成一個學霸?

別擔心，有大數據來告訴你!這不，由國內大數據領域的領軍專家、電子科技大學教授周濤等人共同研發的「學生畫像」系統，通過數據整合、分析，挖掘出每個學生的學習、生活狀態，預測出學生的掛科危險以及可能出現的「特殊狀況」。這個系統已經覆蓋電子科大兩萬余名本科生。

記者從電子科大教育大數據研究所了解到了「學生畫像」所統計出來的一些數據，那麼，現在我們就來看下，在大學里怎樣才能成為一個學霸。

排名均值越小，成績越好。

1 新奇的發現

打水次數減少35次學生成績相應降低了26名

電子科大教育大數據研究所成立於去年，數十名師生共同承擔著我國多項教育研究課題。周濤曾介紹研究所說，數據中心集中了學校上萬名學子的行為、消費等匿名信息，研究所基於這些數據，進行整合、分析與運用。

據介紹，目前學生的數據包括出入寢室的時間、進出圖書館的次數、借閱書籍的種類、在教學樓打水的次數、去澡堂洗澡的時間等。「學生畫像」的研究團隊首先會根據這些數據與實際行為的關聯性，「計算」出每名學生的學習、生活狀態，從而預測學生是否有掛科的可能，甚至還有輔導學生更好規劃自己學業的可能。

通過這一年時間的大數據統計，可以看出，在電子科技大學：總體上，女生平均成績好於男生;大二上學期，成績兩極化最為明顯。

同時，還總結出一個規律，學生成績波動之前，生活模式會先發生變化。比如，一名學生第一學期在教室打水的次數為53，他的成績在565位同學中排名200;第二學期，這名學生的打水次數減少了35次，他的成績也相應降低了26名。

2 如何成為學霸?

生活有規律多與成績好的學生做朋友

通過大數據研究，其實可以發現，學霸也是有規律可循的。這不，教育大數據研究所根據這些數據，繪制出了「學霸」和「學渣」的學習生活軌跡。來，一起看下，想要成為學霸，你要做些什麼?

一、去圖書館和教學樓次數越多，成績越好

在大數據研究所提供的圖表一上，記者可以看到橋擾，第一學期，成績最好的學生進入圖書館的次數為55次，成績最差的學生進入圖書館的次數為35次;到了第四學期，成績最好的學生進入圖書館的次數為61次，成績最差的學生進入圖書館的次數為18次。

正如圖表所顯示的，「學生畫像」的研究團隊通過大數據分析，發現出入圖書館次數比較多的學生，成績要優於出入圖書館次數比較少的學生。而同一名學生，隨著出入圖書館次數的增多或減少，成績排名在上下浮動。

同樣的情況也存在教學樓，學生去教學樓飲水機上打水次數越多，就說明學生長期在教學樓歷譽里活動。第三學期的數據顯示(圖二)，成績最好的學生在教學樓打水近80次，成績最差的學生在教學樓打水不到10次。這也說明，經常在教學樓活動的學生，成績就越好。

二、生活、學習有規律的學生，成績更好

研究人員通過分析全校本科生進出宿舍、在食堂吃飯、去澡堂洗澡等記錄，發現成績好的學生除了在教學樓打水次數比較多之外，生活、學習等行為習慣比成績差的更有規律。

以吃早飯的次數為例(圖三)，第二學期，成績最好的學生吃早餐次數在110次，成績最差的學生吃早餐次數僅為60次。也就是說，9點前出現在食堂吃早餐的同學，成績也相對更好。

除此之外，研究還發現，在固定時間進出宿舍，在宿舍的平均時長少的學生，成績遠遠高於經常宅在宿舍的學生。

三、身邊朋友成績較好，自身成績也相對較好

大數據顯示，學霸的身邊總是圍繞著學霸，身邊朋友成績較好，自身成績也相對較好。

電子科大教育大數據研究所有專門分析「朋友圈」的模塊，主要分析同校的朋友。「兩個朋友關系越親密，共同行動肢消段的概率就越大，而陌生人之間則不然，這是已經經過仔細驗證的結論。」基於此，研究所的專家們對學生們的共現頻率進行了統計分析，凡是兩兩間較短間隔內在同一場所，研究人員都進行了記錄，以此獲取兩人的關系親密程度，超過某一親密程度的則為朋友，以此獲取每個人的朋友圈信息。此後，研究人員再結合學生基本信息，獲取學生與朋友之間的標識，如室友、同班、同學院等，進而進一步分析學生的交際能力與偏好。

研究人員在分析了學生和朋友們之間的成績之後，得出一個研究結果：學生自身成績與身邊朋友的成績具有很強的相關性。

3 科研人員建議

大學新生們 這樣做你也能成為「學霸」

基於以上的研究成果，教育大數據研究所也給出了一定的建議：

生活習慣很重要，請注意保持生活的規律性，早上6點起床跑步讀書吃早餐而不是8點起床飛奔去上課，你這一天的感覺會完全不一樣;

一定要抽時間鍛煉身體，不要天天宅，睡懶覺和打游戲不如出去跑跑步，打打球;

不要迷戀網路游戲;入學就打好學習基礎;多去教室圖書館學習。

4 掛科預警

推送給輔導員及時調整學生的學習狀態

除了教你如何成為「學霸」之外，「學生畫像」還可以幫學生預測成績，發出「掛科預警」。

據介紹，掛科預警就是通過學生學習基礎以及由日常行為特徵體現出的努力程度，綜合分析提前預測學生掛科可能性，並將掛科可能性較高的群體發送給輔導員，幫助他們提前引導，有效提升學生的學習成績。

研究人員告訴記者，掛科預警主要從三個方面分析：一是刻畫學生生活與學習的規律性。比如，如果某學生最近幾個月作息極不規律，那麼他的成績就會有下滑的可能;二是分析課程相關性，先導課程的掌握程度對後續課程的成績有大的影響。比如，如果某學生微積分—I分數在及格邊緣，那麼後續課程微積分—II就有較高的掛科可能性。三是計算學生在該課程上付出的精力。比如，如果發現該生在圖書館從未借閱與微積分課程相關的圖書，那麼他在該課上掛科的可能性會進一步提高。

依據這些分析，系統便可計算出學生的掛科可能性，類似於「電磁場與波有87.5%的可能性掛科」這樣的信息就會推送給輔導員，由輔導員介入調整學生的學習狀態。

5 如何保護隱私?

不強調個人情況對異常狀況提供人文關懷

通過數據挖掘獲知學生在校行為記錄，這是否意味著學生的行蹤被監控，侵犯了學生的隱私權?

其實不然。教育大數據研究所副所長連德富強調，如今，「大數據」已滲透到生活的各個領域。學校做數據收集，不會去強調每個人的情況，而是察看學生整體的學習生活狀況，及時預測預警學生異常狀況，為學校的決策提供數據支撐。比如，根據學生就業能力情況，學校及時開展個性化引導，提升學生就業水平;根據學生實際消費情況，找出隱性困難學生，提升學校人文關懷等。

㈢ 請談談大數據對你的學習和生活有哪些影響

大數據對學習和生活的影響：

1、在學習方面，有推出過一些基於大數據技術的學習應用，這些學習應用空橘可以根據學生自己填入的信息以及通過相關的一些的測試，推出適合學生學習的課程以及方式推薦。還有一些網課APP可以通過學生喜歡的方式打造出有針對性、個性化的學習方式，在美國就有開發的一種學習應用，通過不斷地收集學生們的相關學習數據。

2、大數據雖然在學習方面所應用的地方並不算很多，但是在生活中卻是處處充滿了大數據的身影。其中最廣為人知的就是大數據推送技術，收集使用者的喜好以及平時所瀏覽過、搜索、點贊的內容，加以分析其中的數據並推送出使用者可能感興趣的內容。

大數據簡介

大數據指的是所涉及的斗棗團資料量規模巨大到無法透過主流軟體工具，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。

對於「大數據」（Big data）研究機構Gartner給出了這樣的定義。「大數據」是需要新處理模式才能具有岩老更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。

以上內容參考自網路-大數據

㈣ 說說大數據對我們學習生活的影響

1. 推薦更智能 比如，你經常在頭條上進行閱讀，會留下很多的瀏覽版行為，頭條就根據你的行為來判斷你權的興趣，然後再把你喜歡的內容推薦給你。這就是所謂的智能推薦

2. 出行更方便當你出門的時候，你可能需要看導航地圖的APP，因為你想知道現在道路的擁堵情況是怎樣的。那麼，這就跟大數據有關系了。APP需要採集大量的交通數據，然後對道路的擁堵情況進行跟蹤和預測，推薦給你一個比較好的路線。如果沒有大數據的支持，你出門以後才發現路上很堵，這會浪費你很多的時間。

3. 購物更方便當你網上購物的時候，經常會出現類似於「猜你喜歡」這樣的推薦。基於你買了A這樣的產品，向你推薦關聯的B產品。很多的時候，推薦的產品的確是你需要的，這樣你就省得去搜索了。在大數據的幫助下，你一下子就買到你想要的商品了。這樣一來，你節省了很多的購物時間，也提高了購物的效率。

㈤ 大數據計算你和學霸的距離

大數據計算你和學霸的距離

在成都最冷的20天里還能堅持早起吃早餐；總是在晚上10點到11點之間洗澡；在教學樓打水近80次……正值開學季，電子科技大學教育大數據研究所的數據顯示，普通的你，和學霸之間，恐怕就差了這些「微不足道」的行為。

這個頗有意思的發現，來源於覆蓋了電子科大兩萬余名本科生的大數據系統——「學生畫像」，其將每名學生幾乎所有的在校活動軌跡與成績之間建立了關聯。利用這些數據，不僅能預算出學生的學習狀況，研究者還希望依此引導他們更好地規劃各自的學業和就業方向。

學霸的生活軌跡

傳統教育認為，學生有規律的生活，是學生提高成績的重要保證。

「普遍情況下，良好的行為習慣與學習成績是呈正相關的，這基本是得到公認的。」21世紀教育研究院副院長熊丙奇表示，這些行為習慣，有的與成績變動直接相關，例如學生按時上下課，常去圖書館等；還有一些與成績的變動是間接相關的，比如養成早起的習慣，經常洗衣服，有規律的打水等。「雖然不直接作用於學生的學習，但是，好的生活習慣，反映的是學生積極的狀態，說明學生自我管理的能力較強。那麼，這些學生用在學習上的時間也相對有保證，也就勢必會對學習成績產生影響。」

不過，必須承認，這個被普遍接受的結論很難被定量描述。「如果我們能定量地證明已有的依據，並提出科學的可參照的建議，這項研究就是有價值的。」電子科技大學教育大數據研究所副所長連德富這樣解釋這項研究的初衷。

如今，研究團隊已經花了一年多的時間記錄學生的校內行為，包括吃飯、購物、打水、進出圖書館、借閱圖書、宿舍門禁、洗澡、使用洗衣機、乘坐公交等。結果發現，學霸有著與一般學生完全不同的學習生活軌跡。

以某專業排名第3的學生為例，她幾乎每天固定在8點、12點、14點三個時間點出門，留在宿舍的總時長低於專業平均水平。而該專業成績排名第61的小石每天進出宿舍的時間很隨機，而且通常每次外出的時長不超過2小時，「宅指數」明顯高於專業平均水平。

此外，成績最好的學生吃早餐次數在110次，成績最差的學生吃早餐次數僅為60次。9點前出現在食堂吃早餐的同學，成績相對更好。成績較好的學生集中在晚上10到11點之間洗澡，而成績較差的學生，洗澡時間無明顯規律。

除作息規律以外，進出圖書館次數也是重要指標。第一學期，成績最好的學生進入圖書館的次數為55次，成績最差的學生進入圖書館的次數為35次；到了第四學期，成績最好的學生進入圖書館的次數為61次，成績最差的學生進入圖書館的次數為18次。

同樣的情況還存在於教學樓。學生去教學樓飲水機上打水次數越多，就說明學生長期在教學樓里活動。第三學期的數據顯示，成績最好的學生在教學樓打水近80次，成績最差的學生在教學樓打水不到10次。

尤其讓連德富印象深刻的是，不同成績的學生在借閱圖書的種類上也有明顯的區別。他發現，《蝴蝶公墓》《變態心理學》等帶有懸疑色彩的圖書，借閱者的成績普遍不理想。

過去，要想清楚地知道不同成績水平的學生群體與他們的行為特徵之間一一的對應關系是非常困難的，但有了大數據的幫助，一切變得簡單起來。

「學生畫像」還能做什麼

僅僅根據學生行為習慣的數據統計，就可以制定出學霸路線嗎？

要想精確刻畫一個人需要用無數的數據，但連德富認為，校園就是一個擁有豐富數據的很小的社會系統，只要這些數據能與目標聯系起來，就有一定的指示作用。

事實上，「學生畫像」的首要功能，就是算出每名學生的學習、生活狀態，並設計出一系列輔助他們更好規劃各自學業的功能模塊。目前已經實現的是掛科預警。

據了解，研究團隊設計了一個針對掛科率的公式，即過去的學習基礎+一段時期內的努力程度。學習基礎是根據已考科目成績、已考與將考科目之間的關聯性計算得出的，而努力程度則主要依據教學樓打水頻率、進出圖書館的時間與次數等。

如果有學生正處於掛科率高風險的邊緣，系統就會自動向負責該名學生的輔導員發送預警信息。而在過去，只有當學生已經出現掛科的情況，輔導員才能得知，即便如此，事後也很難分析學生掛科的具體原因。

「目前，教育大數據暫時的定位還是輔助傳統教育，管理、引導學生。」連德富表示。

除了關注學生成績，他相信，現在的校園里依然充滿了像當初的自己那樣對未來迷茫的人。「我們都曾迷茫過，不知道自己喜歡什麼，可以做什麼。」

如何利用「學生畫像」幫助學生找到適合自己的路，是研究團隊正在努力的方向。目前，資料庫不僅有現有學生的行為軌跡，還有已經畢業的學長們的行為軌跡。連德富告訴《中國科學報》記者，最終選擇考研、出國或者創業的學生，在生活、學習方式上是存在一些差異的。

比如，打算出國的學生在選修課程、借閱圖書時都會偏向語言方面的內容，而偏好創業的學生則與一項很有意思的數據產生關聯。由於電子科大在成都郊區，學生進市區需要乘坐一趟班車，有的學生去市區的頻率明顯要高於其他同學，這也意味著他們的社交行為可能更為豐富。

「學生畫像」可以將現有學生的行為軌跡與已經畢業的學長們的行為軌跡進行比對，如果在選課、借閱圖書、參加社團活動等方面的軌跡與某類去向的畢業學生比較相似，學校就可以提供相關方面的建議、指導。

對此，21世紀教育研究院副院長熊丙奇也表示，傳統的大學教育對學生的管理是比較鬆散的，因此，通過對學生生活、學習的數據分析，掌握學生的目標動向，有助於學校對學生進行合理的引導，無論是學習還是參與社會活動，都能夠有的放矢地幫助學生作進一步規劃。

中科院心理所研究員尹文剛則將關注點瞄準了當下大學生的心理健康問題。

「學生從高壓的中學時期，進入完全需要自我管理的大學生活，一時間無法適應，容易出現心理問題。一旦受挫，通常選擇迴避的態度，甚至會出現抑鬱的情況，更嚴重的可能危及生命。」尹文剛直言，近年來，大學生頻繁曝出跳樓、傷害同學事件，都與心理健康密切相關。

他認為，通過教育大數據，可以及時掌握學生的行為習慣特徵，一旦發生明顯異常，比如長期獨處、很少參與公共生活等情況，學校就可以適當關注學生的心理健康問題，採取相應對策。

研究團隊正在挖掘「學生畫像」在關注學生心理健康方面的作用。他們可以根據學生的行為習慣來量化「孤獨」。

性格孤僻、有強烈的孤獨感，往往被認為是抑鬱易感人群具有的一些共性特徵。他們發現，學校最孤獨的一群人出現心理問題的概率比普通人高一個數量級。因此，研究團隊正在設計演算法，依據「30天內，兩個素不相識的人，有兩次或兩次以上前後腳打水、打飯、進公寓、進出圖書館或坐公交車經歷的概率，不超過十二萬分之一」的結論，可算出每名學生的「在校朋友圈」，以此量化學生孤獨的程度。

在尹文剛看來，預知大學生的行為習慣所隱含的心理問題，特別是關注學生的變化，對於開展學生工作是非常有幫助的。

從這些角度看，大數據在教育領域的應用是有一定價值的。

如何保護學生隱私

打水刷卡、進圖書館刷卡、進宿舍房間刷卡……在校園逐步實施一卡通的時代，學生大數據已經變得易得而且可控。學校一方面依靠大數據加強對學生的管理，一方面也要照顧到學生的隱私，尊重學生的行為習慣。因此，如何合理使用大數據，同時又保護學生隱私，就成為了一個重要的問題。

「如果讓學生感覺生活在學校的監控下，那麼即使學校的出發點是好的，希望能夠對學生的行為及心理進行合理引導，這種舉措也無疑會讓學生反感。」熊丙奇特別提示學校在運用大數據的時候，要考慮到學生的隱私及習慣。

對此，連德富表示，「學生畫像」在保護數據隱私方面是非常謹慎的。

「設計系統功能時，很重要的一方面是數據PK。」連德富介紹說，希望每名學生除了能在系統上看到自己的「畫像」外，還能看到自己與同專業同學比較後的相對優勢和劣勢。「但是，比較的根本目的是找到學習的模板，而不是與具體的某個個體比高下。」

因此，在申請PK時，系統是存在強許可權管理的。發起比對的學生必須經過對方的允許，才能看到對方的畫像。但是連德富透露，由於該功能涉及的數據隱私比較敏感，目前並沒有向學生端開放。

而已有的面向輔導員的埠，所涉及的數據經過嚴格的加密處理，系統不保存學生的真實姓名及學號，只有出現重要預警信息，才會自動給相應的輔導員進行簡訊推送。這意味著，任何一個技術人員都看不到學生個人的信息，而輔導員最多能夠掌握自己負責學生可能出現的重大問題。

連德富堅持認為，教育大數據不會刻意強調每個個體的情況，而是反映學生整體的生活、學習狀況，以及時預測預警學生的異常狀況，從而為學校的決策提供數據支撐。

以上是小編為大家分享的關於大數據計算你和學霸的距離的相關內容，更多信息可以關注環球青藤分享更多干貨

㈥ 大數據時代對校園生活有哪些深刻影響

在缺乏實時數據採集能力的情況下，我們所有的分析都只能基於一段時間後數據的匯集，所以即便能夠獲得「定量化的結果」，也會有相當的延時。在很多時候，動態實時的分析以及相應的及時反饋，會大幅度提高教學和教育管理的效果。我曾經為電子科大及其他幾所高校做過一個簡單的產品，叫做「失聯告警」，思想很簡單，就是如果一個大學生平時刷校園一卡通的行為很頻繁，但是正常上課的時間里連續三天都沒有刷卡數據，就向輔導員報警，讓輔導員關注一下這個學生是否出現了異常。這么簡單的一個產品，卻實實在在發現甚至拯救了一些沉迷於網路游戲，或者因為矛盾紛爭突然離校離家的學生。試想一下，如果這不是一個動態的分析過程，而是每個期末分析學生的刷卡行為，找出異常，那麼所有的結果都只有研究的意義，而沒有什麼教育管理的價值了。清紅先生設計的翻轉課堂，也有類似的理念。因為老師在課堂上，例如信息化手段，就能知道一道題目有多少人選擇正確（難不難）以及錯誤主要集中在哪幾個選項上（典型錯誤是什麼）。老師立刻就能有針對性地進行講解，並且更多讓出現典型錯誤的學生講述自己解題的思路。如果等到考完試，分析試卷，過了幾天以後再來講，效果就大大遜色了。