大數據深入教育

Ⅰ 大數據對教學的影響

大數據對教學的影響

隨著時代的發展和科技的進步，「大數據」時代悄然來臨。隨著硬體的高速革新化與軟體的高速智能化，大數據時代也對高校教育領域產生了廣泛而深刻的影響。大數據就其性質來說，不是產品，也不是一種技術，而是一個抽象的概念，有人將「大數據」形象地比喻成21世紀人類探索的新邊疆，是以高度發達的信息網路技術為支撐，所呈現出的巨大數據信息，當然包括伴生的相關處理技術。大數據是近年來繼雲計算、物聯網後的新技術熱點。

大數據具有4V特性，包括海量的數據規模（Volune）、快速的數據流轉和動態的數據體系（Velocity）、多樣的數據類型（Variety）和巨大的數據價值（Value）。而就數據的實用價值，IBM認為還應具有第五個V特徵，就是真實性（Veracity），在日常工作和學習中，數據信息真實性的好處不言而喻，對教育領域來說，更是最基本的要求與保障。要利用大數據時代的巨大資源為教育服務，教師的選取和甄別手段更顯得尤為重要，從這個層面上來說，數據的真實性在一定方面上制約著教師教的內容和學生學的內容。

大數據時代給傳統的教育提出了挑戰，由於自身特點，它給教育提出了教育對象的個性化發展、教育方式的變革、教育觀念的開放化、管理的科學化等要求，更有利於素質教育的開展。大數據時代的數據具有信息量大、形式多樣、實時性強和價值多元等特性，因此教育模式和教育理念只有關注人的多樣化發展才能培養出高素質人才。然而，與此相矛盾的是，傳統的教學方式強調教師的主體地位，為了便於管理和保證教學效果，教師最有效也最輕松的方式就是以標准化來要求每一位同學，表現於統一的教材、統一的作業、統一的考核和對學生單一的評價方式上，這不僅不利於發揮學生的主動性，長此以往，更限制了學生的思維方式與視域，無法滿足學生個性化發展和大數據時代對高素質人才的需求。

要想利用信息時代的數據更好地應用於教育，必須變革教學方式，對教師提出新的要求，教師不僅要樹立終身學習的理念，還要更好地掌握學科前沿的動態信息，更好地利用數據的開放性、共享性等特點，充實學習內容，提升教學水平。以「慕課」和「小微課」平台的問世為廣大學生所熟悉和利用，豐富和發展了在線教學模式，這更需要教師不斷調整，告別傳統的授業者的角色，以學生為主體，以技術為手段和平台，成為知識學習的組織者、引導者和評價者。

除了促進個性化發展、豐富學習內容和提高學習效率，大數據技術的應用更有利於教師掌握學生的身心發展規律。與傳統的教師通過面談、電話交流、家訪及其他同學側面反映和憑借工作經驗判斷學生心理特徵等方式，應用大數據技術，分析和測量學生的心理特點，通過對以前遇到的實際問題的解決方式進行歸納和總結，這種體察方式不僅更理性，還可進一步對未來的心理狀況進行有效預測，能促進教師更好地了解學生，還能有針對性地促進學習效果，提高學習能力。

大數據背景下，不僅革新教育理念，對高等學校的管理也提供了新思路。高等學校的信息化進程中會產生大量的數據，包括教師和學生信息、學籍和成績信息、注冊與選課信息等，利用大數據技術管理這些信息，對幫助學校資源管理和教學方法等方面將會產生極大的便利。目前，高等學校的信息化系統正不斷發展完善。除數據管理、校園網路和遠程教育系統外，還發展了圖書館信息管理系統、數字化校園等，如何對這些系統產生的大量信息進行系統分析，在信息化背景下建設優質高校就顯得尤為重要。其中，教學管理、學習行為、教學評估等，均受到大數據的影響。

在教育領域如何利用大數據及其相關技術促進教育發展，是一個漫長的過程，在此過程中機遇與挑戰並存，作為教育人士，我們應抓住機遇，迎接挑戰，緊緊握住時代的脈搏，更好地服務於教育。

以上是小編為大家分享的關於大數據對教學的影響的相關內容，更多信息可以關注環球青藤分享更多干貨

Ⅱ 如何利用大數據及現代教育技術，輔助教師教學

無論你是在千禧年出生，還是在嬰兒潮時期降臨這個世界，今日的課堂與我們兒時的課堂相比，已經非常不同。
今日的小孩一上學就有平板電腦或者筆記本電腦，很多小孩拿到電腦時甚至還不能識字。一些國家為了讓學生適應基於電腦的標准化測試，要求二年級的學生必須具備每分鍾輸入60個單詞的能力。現在的小孩上學前就已經有姓名、住址、出生日期、醫學和行為記錄等數字記錄。
在課堂上應用技術和大數據的設想已經成為現實，並且正以非常快的速度在發展，快到我們都無法預測未來幾年內孩子們接受的規范教育將會變成怎樣。這是我們的生活已經離不開大數據的又一證據。但當這個事情發生在我們孩子的教育上時，到底是好事還是壞事呢？
形成反饋閉環和大數據在教育中的益處
就教育而言，最重要的地方一直都是形成反饋閉環。教師提出一個問題，然後學生嘗試去解決問題。從學生嘗試解決問題的行為中，教師可以發現學生理解了哪些內容，以及哪些內容是不理解的,然後再基於此對教學行為作出相應的調整。同樣的，學生在嘗試解決問題的過程中，也能加深對問題的理解。
這個閉環在一對一或者是師生人數比率較低的情況下，非常有效，但是當學生數量過多，同時不同學生之間的水平存在差異之時，要想創建這種有效的閉環就變得異常困難。這時大數據和技術就可以發揮作用了。
任何一名教師都可以帶著學生學一門課程，但是要做到對每個學生具體的問題進行精準定位，就沒有那麼容易了，尤其是在班級學生數量較大的情況下。一家名為Knewton的大數據公司開發了鋒顫一個數字平台，該平台分析了幾百萬學生（從幼兒園到大學）的學習過程，並基於這一分析來設計更加合理的測試題目和更加個性化課程目標。最近，該公司與Houghton Mifflin Harcourt建立了合作關系，開發出了K-12階段的個性化數學課程，同時還與法國創業公司Gutenberg Technology一道，開發了智能數字教科書。
簡單來說，這些課程和教科書能夠適應每個學生的差異。該程序可以根據學生的表現，判斷當前的題目的難度是否過大，是否太容易，還是剛剛好？然後，基於判斷實時的改變題目的難度。學生可以按照自己的節奏來控制學習進度，而不會受到周圍其他學生的行為的影響。然後，系統會給教師一個反饋，告知哪個學生在哪個方面有困難，同時給出全班學生的表現的整體分析數據。
那麼，這種教學方法有什麼缺點嗎？
大數據教育的阻礙
與其它所有使用大數據的應用一樣，在教育中使用大數據也有人表示出不理解和擔憂。人們最常擔心的問題就是數據泄露，而且這種事情已經發生過了。2009年的時候，美國田納西州的一個學區由於疏忽，將18000名K-12階段學生的姓名、住址、出生日期和完整的社旁基嫌保號碼暴露在了一個不安全的伺服器上，而且整個過程持續了數月。
人們的另一個擔憂是，這些數據會像以前學校曾經使用的神秘的「永久性檔案」一樣，一直伴隨學生的整個教育生涯。畢竟，一個學生在小學時被標記為「搗蛋鬼」，並不運手代表他上了中學之後還是「搗蛋鬼」，反而可能會變成另外一個完全不一樣的人。但是，由於他的數字檔案里依然標記其為「搗蛋鬼」，學校當局和老師可能會基於這個過去的評價來對待已經改變的學生，這顯然不合適。
另外一些團體還擔心，這些學生的數據將被用於商業營銷。理論上講，學校和大數據軟體開發商確實可以在特定的領域，向學生精準投放個性化廣告。或許，學生寫了一篇關於棒球的論文，然後就會收到關於當地棒球比賽的門票廣告。
教師角色的轉變
所有涉及數據的領域，從財經到零售業都會遇到這些擔憂和阻礙，但是在教育領域使用大數據還有另外一個問題——教師角色的轉變。隨著越來越多的技術和數據應用投入的教學中，教師的角色也應該隨之發生轉變，即由教學角色向數據驅動的管理角色轉變。然而，這是一個非常困難的過程。
優秀的教師選擇成為教師，主要是因為他們熱衷於教育學生。他們喜歡看到學生理解了一個問題之後，兩眼放光的樣子。他們也喜歡學生沉浸在一個知識點的時候，釋放出的熱情。不幸的是，這些優秀的教師對於讓演算法接管這一切感到不樂意，他們也不願意做一些數據輸入和管理工作，雖然這一切或許最終都能幫助學生走向卓越。
因此，大數據和技術或許並不是解決教育問題的靈丹妙葯。我相信，我們應該開發出一些應用來輔助優秀的教師進行教學，而不是用大數據和數據分析替代他們。最終，理解和應用數據及其分析過程，將像在其他行業一樣，讓學生和教師都從中獲得益處。
不知道各位如何看待這個問題，我們應該用數據記錄和分析學生在課堂上的一切表現嗎？還是我們應該保持傳統教學方式，讓大數據靠邊站？

Ⅲ 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。

Ⅳ 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。

Ⅳ 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。

Ⅵ 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。

Ⅶ 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。