学生成绩大数据分析方法

A. 大数据怎样高效运用在教学实践中

教育工作者和研究者已经开发出从大数据中提取价值的5种主要的技术。

1. 预测（Prediction）——觉知预料中的事实的可能性。例如，要具备知道一个学生在什么情况下尽管事实上有能力但却有意回答错误的能力。

2.聚类（Clustering）——发现自然集中起来的数据点。这对于把有相同学习兴趣的学生分在一组很有用。

3.相关性挖掘（Relationship Mining）——发现各种变量之间的关系，并对其进行解码以便今后使用它们。这对探知学生在寻求帮助后是否能够正确回答问题的可靠性很有帮助。

4.升华人的判断（Distillation for human judgment）——建立可视的机器学习的模式。

5.用模式进行发现（Discovery with models）——使用通过大数据分析开发出的模式进行“元学习”（meta-study）。

实施这些技术就能够通过大数据来创建为提高学生成绩提供支持的学习分析系统。研究者们相信这些技术将帮助教育工作者更加有效地指导学生朝着更加个性化的学习进程迈进。

总而言之，通过大数据进行学习分析能够为每一位学生都创设一个量身定做的学习环境和个性化的课程，还能创建一个早期预警系统以便发现开除和辍学等潜在的风险，为学生的多年学习提供一个富有挑战性而非逐渐厌倦的学习计划。因此，有识之士经预言未来的学习将是大数据驱动的新时代。我们应该积极迎接这个新时代，通过大数据来分析学习，进一步改善教学的方式与方法，进一步促进学生学习成绩的提高。

B. 利用教育大数据，建立学生个性化分析指导

这是互联网＋时代，这是大数据时代。但是 “不得不承认，对于学生，我们了解的太少！” （卡耐基）

比较2500年前孔子时代的教育，和现今国内大部分中小学的教育模式，基本都是以教师主讲，学生听课，先进一些加上互助探究。课堂关注学生整体发展，对学生个体研究则少之又少。因材施教，有教无类，喊了2500年的教育口号，至今仍难实现。

大数据支持的教育，是智慧教育，是结合教育经验和大数据支持的全新教育教学改革。教育大数据具备以下特征：周期性强，复杂度高，价值高。中小学阶段，教育大数据应用主要体现在反馈，个性化和概率预测三个层面。教育大数据可以全面反馈个体学习者的学习状况，提供全方位的数据展示。从而根据每一位学生的实际，制定个性化的干预和指导，促进学生的自主成长和个性发展。提升对教育规律的认识深度、教育政策的制定方式，完善整个教育系统的结构，预测教育结果。通过大数据支持，现代教育将逐步成为一门实证科学，有据可依，有章可循的教育科学。

利用教育局建立的教学发展性评价系统，可以更加直观地发现学生的真实，真实学习状况，生活状况，甚至思想状况。

1，建立数据驱动的新型学习流程

传统课堂上，教师设计教学，引领、指导学生的学习活动，学生选择参与学习活动。

数据驱动的新型学习模式，教师依据大数据设计教学活动，进行教学测评，挖掘学生学习数据，确立新的教学目标，调整教学策略，重新设计教学活动。学生依据自身学习状况，确立学习角色，参与学习活动，在活动中调整学习策略，确立新的学习目标，投入到新的学习中。利用互联网＋的技术支持，记录，分析，反馈，促进教、学进步。

2，建立学生个人知识图谱

传统课堂上，教师的教学内容统一，教师讲授什么，学生学习什么。对于学生个体而言没有选择性，有些同学基础薄弱，对于先行知识还没有掌握，学习新知困难重重，课堂一知半解。有些同学已经完全掌握相关知识，课堂上不得不亦步亦趋，浪费时间。教师对于每个学生的知识体系了解不足，教学针对性不足，教学效率低下。

大数据驱动下的智慧教学，提供给每一位学生相应科目，相应学习单元的知识图谱，通过学习、检测、反馈、应用等活动，记录每个知识点的学习情况。教师依据学生个体知识图谱，安排教学活动，布置个性化学习活动。课堂的教学，从围绕时间展开，转为围绕学习进度展开，促进学生个体的进步发展。

3，针对学生采取个性化分析指导。

大数据改善了学生学习的三个层次：反馈，个性化和概率预测。通过对教育大数据，建立学生成长模型，包括品德发展、学业发展、身心健康、兴趣特长四个维度，使学生发展显示可视化、数据化，探索各种变量之间的关系，形成诊断性的预测。

通过大数据的分析，建立学生个性化的学业诊断。依据大数据，观察学生的出勤、课堂表现、平时作业以及考试等过程性评价的数据，就可以分析出学业成绩和学习行为各要素的相关性，进而针对学生个体形成诊断意见，提出个性化分析指导。

2014级有一学生，中考入学成绩居年段20名，英语成绩处于中上层次。在高一上学期期中考试和期末考试中，英语学习成绩一路下滑，接近及格边缘。班主任、科任教师发现情况，及时到教研室查阅该生的各项成长数据，发现学习作息时间正常，在单词背诵、阅读理解、以及英语学习总时间上与其他优等生一致，唯有课时练习完成不及时不主动。

与学生座谈，分析英语成绩下滑原因：在英语学习时间无差别的基础上，由于时间分配存在差异，在同步练习上花时间偏少，导致成绩与优等生差距拉大。引导学生改正学习习惯，课后及时复习，完成课时练习。

数据显示，干预后，该生的英语成绩稳步上升，达到高点。

学生的成长具有特异性，利用大数据观察、记录、分析学生的成长历程，预测学生发展潜力，引导学生职业规划，促进学生个性化发展和健康成长。

C. 如何对学生考试成绩进行数据分析

是老师么？这个学校的话一般都是使用的Excel吧，给你推荐了免费的数据分专析工具，国内的，云平属台的是永久免费的，名字叫做大数据魔镜，免费版的支持Excel和mysql的数据库，你只需要导入Excel，选择需要分析的对应的数据，最后选择你想要展示的图表的类型就好了，希望对你有帮助。

D. 教育大数据分析方法主要包含哪三类方法

细分分析法，常用于为分析对象找到更深层次的问题根源。难点在于我们要理解从哪个角度进行“细分”与“深挖”才能达到分析目的。就好像高中课程中解几何题一样，如果找对了“解题思路”，问题就迎刃而解；如果“解题思路”错了，劳心费力不说，问题还解决不了。

E. 大数据的数据分析方法有哪些如何学习

1. 漏斗分析法

   漏斗分析模型是业务分析中的重要方法，最常见的是应用于营销分析中，由于营销过程中的每个关键节点都会影响到最终的结果，所以在精细化运营应用广泛的今天，漏斗分析方法可以帮助我们把握每个转化节点的效率，从而优化整个业务流程。

2. 对比分析法

   对比分析法不管是从生活中还是工作中，都会经常用到，对比分析法也称比较分析法，是将两个或两个以上相互联系的指标数据进行比较，分析其变化情况，了解事物的本质特征和发展规律。
   

   在数据分析中，常用到的分3类：时间对比、空间对比以及标准对比。

3. 用户分析法

   用户分析是互联网运营的核心，常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像等。在刚刚说到的RARRA模型中，用户活跃和留存是非常重要的环节，通过对用户行为数据的分析，对产品或网页设计进行优化，对用户进行适当引导等。

   通常我们会日常监控「日活」、「月活」等用户活跃数据，来了解新增的活跃用户数据，了解产品或网页是否得到了更多人的关注，但是同时，也需要做留存分析，关注新增的用户是否真正的留存下来成为固定用户，留存数据才是真正的用户增长数据，才能反映一段时间产品的使用情况，关于活跃率、留存率的计算。

4. 细分分析法

   在数据分析概念被广泛重视的今天，粗略的数据分析很难真正发现问题，精细化数据分析成为真正有效的方法，所以细分分析法是在本来的数据分析上做的更为深入和精细化。

5. 指标分析法

在实际工作中，这个方法应用的最为广泛，也是在使用其他方法进行分析的同时搭配使用突出问题关键点的方法，指直接运用统计学中的一些基础指标来做数据分析，比如平均数、众数、中位数、最大值、最小值等。在选择具体使用哪个基础指标时，需要考虑结果的取向性。

F. 如何正确的使用大数据分析方法、正确评估学校教育

范贤聪

一个学校发展到了什么水平？发展速度怎么样？存在什么缺陷？应向什么方向改革提速？……深圳维迈大数据研究组，创建了一个分析平台，可为各学校提供切实有效的服务。

一、一些学校的高考大数据及评估

(一)昭通市一中

2013年(本科率93.17％)

一本874人(一本率67.57％)，普本331人(普本率25.6％)

2014年(本科率98.77％)

一本830人(一本率67.98％)，普本376人(普本率30.79％)

2015年(本科率98.21％)

一本846人(一本率66.15％)，普本410人(普本率32.06％)

2016年(本科率98.47％)

一本909人(一本率69.6％)，普本377人(普本率28.87％)

2018年(本科率96.63％)

一本1038人(一本率71.44％)，普本366人(普本率25.19％)

2019年(本科率97.78％)

一本1031人(一本率73.96％)，普本332人(普本率23.82％)

一本率在69%的水平，在全省名牌学校中排名靠后，在州、市一中排名靠末端;本科率在97％的水平，比较平稳，没有太大的提速特征，这是一个传统型的名校。

应该说，昭一中在经典课堂及常规管理上很用功，但由于课堂太陈旧，同时管理也不精细，教学管理不够精准，因此，教学成绩一直没有太大的提高。反观靖曲一中的智慧课堂，同时引入了大数据管理平台，以及教育管理的精细化，在全省一直处于"巨无霸"的位置水平。

(二)镇雄一中

2013年(本科率82.70％)

一本132人(一本率一18.56％)，普本456人(普本率64.13％)

2014年(本科率81.74％)

一本182人(一本率24.07％)，普本436人(普本率57.67％)

2015年(本科率78.75％)

一本194人(一本率20.75％)，普本542人(普本率58.00％)

2016年(本科率71.52％)

一本191人(一本率20.65％)，普本563人(普本率50.87％)

2018年(本科率78.57％)

一本265人(一本率22.98％)，普本641人(普本率55.59％)

2019年(本科率75.27％)

一本247人(一本率20.36％)，普本666人(普本率54.91％)

一本率在21％的水平，基本就是云南的平均水平;本科率在76％的水平，比云南的平均水平高出十个百分点，但这是镇雄的顶级学校。学校发展相对平稳，没有提速的特征，这是一个昭通市传统的强校。尤其值得一提的是，尽管《镇雄城南中学》"拔尖"镇雄生源，也没影响镇一中的发展速度及水平！镇一中与昭一中无论课堂教学、还是教育管理都很相近。

(三)威信一中

2013年(本科率42.65％)

一本144人超镇一中绝对数(10.64％)，普本436人与镇一中绝对数相当(32.01％)

2014年(本科率58.73％)

一本97人只是镇一中的一半(7.27％)，普本834人比镇一中多398人(51.46％与镇一中基本持平)

2015年(本科率66.47％)

一本147人比镇一中少47人(10.88％)，普本751人比镇一中多209人(55.59％与镇一中基本持平)

2016年(本科率63.29％)

一本181人比镇一中少10人(12.53％)，普本796人比镇一中多233人(50.76％与镇一中持平)

2018年(本科率39.55％)

一本108人比镇一中少157人(6.52％)，普本547人比镇一中少97人(33.03％比镇一中少26％)

2019年(本科率44.25％)

一本152人比镇一中少95人(8.27％)，普本661人与镇一中基本持平(35.98％比镇一中少19％)

从一本看，基本回到2013年威信一中的水平，但与镇一中20.36％的一本率差十二个百分点，是需要找差距原因的。

从普本看，已经追上了镇雄一中，这是可喜的。说明李校长不但勤政，而且有高招。

从本科率看，基本恢复到了威信一中2013的水平。

二、2013一一2019威信一中的发展分析

(一)从行政班子的轮换看发展

1、2012一一2013张校长主政，是一个过渡时期，尽管申常务在主导一中的教学，但已经后退的学校，是很难就一下翻身的，除非天意如此！

2、2014一一2015申校主政，已进入他铺垫好的黄金时期，14北大、15清华，这是威信一中在二0一一之后的又一个高峰！

3、2016一一2017李朝华校长主政，2016年惯性衣旧，仍然取得了巨大的成绩。一本率创造了历史，本科率也是历史第二。这与李校长、范书记的勤政及坚持不懈的"盯、管、跟"是密切相关的。

4、2018肖校长重新主政，遗憾的出现了历史最低谷，但也不能把责任全推到肖校长的头上，要知道高中是三年，每一年的校长、老师及教育工作者都应承担相应的责任。

5、2019一一，李映桥校长主政，总结了历史的经验与教训，抓住教学这个主战场不放，抓住教师管理不放松，抓住学生的常规化管理不放。同时以校为家，把经营学校象经营家庭一样的对待。因此，2019几乎又回到了2013黄金起步时的水平。

(二)从大数据分析看威信一中发展速度及水平

2013是一个黄金起点;2014维持相应的速度及水平，而且出现了一个北大，这是振憾昭通市的;2015是一个黄金高峰，发展速度及水平均处于黄金时期，又出清华;而且威信一中的课改《三六模式》，不但是上海中国关委教育专家委员会在昭通课改的结晶，而且成为了整个昭通市的示范性课堂操作程式;时任昭通市教育局长平锦亲临现场观摩，并指示全市向威信一中学，这是全威信人民的骄傲与自豪！

2016继续黄金步阀，一本创造了顶峰;2017开始下滑，人心涣散，但一本也不少;2018是黑色的一年，历史最低谷;全县人民都在怀疑，还能将优秀的孩子送入威信一中读书吗？

在以肖顺兴书记为首的威信县委、政府的坚强领导下，果断换入新校长，才有2019新的黄金起步。

因此，我们对威信一中的发展速度及水平做一个概述:

2013黄金起点一一2014黄金速度一一

2015黄金高峰一一2016惯性峰位一一2017

一一开始下滑一一2018滑到谷底一一2019

一一回到新的黄金起点。

(三)从大数据分析找威信一中落后的原因

1、理念因素

过于"自信"，过于"传统"，过于相信"时间+汗水"。对新课堂持怀疑态度，对经典课堂做不到位，对改革几乎"一谈色变"。没有现代教育理念，那就是什么是中心？什么是主导？什么是协作？……

2、管理因素

学校管虽然有其特定模式，但与现代企业管理也有相通之处，这就是信息化(数据化)、科学化、集团化的高效管理。

我们的管理很粗放，甚至没有三十年以前的教育教育学管理那么精细。那个时候的学校小，校长是管到每一个教师、职工的;教师是管到每一个具体的学生，以及学生的每一页作业，以及学生的平时生活。其实，这就是杜郎口、昌乐、衡水、上海中学、成都外国语学校等等，所有中国名校成功的原因。

3、课堂因素

一中的课堂几乎还在"满堂灌"、"填压式"的模式，老教师"力不从心"了，中年教师课堂没有创新，年轻教师"我行我素、拿来主义"。因此，我们的课堂都比较低效。

其实所谓的"高效课堂"并非是教学成绩效率很高的课堂，它主要是贯彻了教师的主导作用而不是"一包到底"，贯彻了学生的主动学习功能，贯彻了师师间、生生间、师生间的一种《协作学习》模式，解决了知识学习及能力发展的"大容量"问题。最后，当然有"高效"的教学成绩。

4、体制因素

"大锅饭"几乎是所有公办学校的问题，"干与不干一个样，干多干少一个样，干好干差一个样"，这就无法调动教师积极性。民办学校为什么容易出成绩，那就是公司化管理:

每一个管理环节及成效，都用经济做为杠杆，教学成绩的每一分、厘，都与本人的收入相关，这还愁成绩上不去吗？

5、文化因素

威信一中做为一个曾经的云南名校，从上世纪1947年张仁文老先生创校开始，就积淀了很深的文化底蕴。然而，由于没重视校园文化的建设及保存，现在也几乎"丢失"了！

记得当年四川叙永一中(现在也是四川二流水平的名校)来威信一中"取经"的时候，学校领导总结我们成功的经验就是"时间+汗水"。遗憾的是"时间"是什么？"汗水"又是什么？如此宝贵的文化，我们现在也只是"猜测"。

三、从威信一中的大数据分析看学校改革

(一)校长是学校的灵魂

从数据与校长的对应看，不同水平、不同风格、不同思想的校长，对学校的影响是巨大的，所取得的成绩也是有很大差异的。因此，

改革学校应该从选择优秀校长开始，校长是老师的老师。因此，优秀校长应该是"学者型"的、"全能型"的、关爱所有老师及学生的。从衡水本部向全国派出的近百位校长看，没有不优秀的。

校长是学校的引路人，校长对学校的定位、目标及决策水平，直接决定学校的工作方法、走向及所取得的成绩。

从威信一中六年换六个校长的情况看，一个波动的灵魂，对学校发展就是一个伤害，质量不下降都不正常！

(二)教师是学校的筋骨

从数据与教师的对应看，随着时空的变换，教师在变(甚至出现青黄不接的情况)，学生在变(从很能吃苦耐劳的人到不愿意吃苦的学生)，一切都发生了变化！

然而，我们一直认为老教师不用培训了，自然能教出好成绩。其实不然，虽然老教师功力深厚，确讲得太多，甚至"满堂"，00后们当然不喜欢，对中低档学生是不适应的。中年老师当然不用培训了，然而他们既有老教师的"呆板"，也有年轻教师的"轻漂"，因此学生喜欢他们的现代教学及"交朋接友"。但也不喜欢他们的严谨与执著。

年轻教师是学生们最喜欢的，甚至很多老师有自己的"铁杆粉丝"！但他(她)们过于华丽，过于依赖于现代媒体，过于相信什么"优案"、"名人"、"专家"、"名校"等等，因此，"拿来主义"非常"严重！

因此，按照我们中国教育专家委员会的研究成果，现代教师必须具备四大基本功:

1、终生学习的能力;2、合作及协作学习的能力;3、主动教学及培养学生主动学的能力;4、面向世界教育理念的思想。

(三)学生是提高学校教育教学质量的主人

现在"生源大战"，其实就是抓学习习惯最好，成绩最优秀的学生。不管衡水也罢，上海中学也罢，清华附中也罢，……都是同一模式，抓最好的老师，教最好的学生。因此，有人形容中国现实教育，就是传统战争的拼刺刀、肉搏战！

其实教育是不需要那么艰辛的！我有幸在重庆结识了世界顶级教育家佐藤学教授，他讲在日本的中学之中，所有顶级学校都是使用《协作学习》模式的。所谓协作就是师生是一个相互依存的整体，学生之间是一个相互学习、相互帮助、共同提高的整体。这样一个和谐的群体，没有高质的产出都是一种偶然！

一个学校，如果教师是主动教学，而不是满堂灌的;如果学生是主动学习，而不是依赖于课堂的;那教学质量要低都很困难！

(四)文化是立校之魂

我的导师陈星奎云南师大的教授(中国西南的量子力学权威)讲过，当年他们西南联大的校友之中，最佩服两个人，一个是诺贝尔奖获得者杨振宁教授，一个没有获得诺奖的吴健雄女土(但他获得了世界顶级的奖金)。当年的西联，什么都是最差的，而且随时还进圆通山的防空洞。然而，他们有最好的"为中华之崛起而读书"之精神，有师生一心的情感，有同学即同志的远大革命理想，有"陶行知"教育理念，有永远上进、永远读书、自学成才精神！因此，有人说至到如今，最好的教育在民国时期。

西南大学之文化及精神传承至今，在中国大地上遍地开花结果，这就校园文化之杰作。

学校做得好不好，不能用语言来描述，要用数据来说话。教师教学好不好，不能用语言来描述，要用数据来说话。学生学习好不好，不能用语言来描述，要用数据来说话。

世界已经进入数据化时代，对学校的评估，对教师的评估，对学生的评估，都必须以大数据分析为指导，以科学的数据评价结果为准！

G. 大数据分析的基本方法有哪些

1.可视化分析

不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。

2. 数据挖掘算法

可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。

3. 预测性分析能力

数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。

4. 语义引擎

由于非结构化数据的多样性带来了数据分析的新的挑战，需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。

5. 数据质量和数据管理

数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。

H. 教育大数据分析的三大方法

一、常用大数据分析方法
1、描述性分析
这是业务上使用最多的分析方法，也是最简单的数据分析方法，为企业提供重要的指标和业务衡量方法，可以通过企业各种数据获得很多客户的情况，例如客户的喜好，使用产品习惯等。
2、诊断分析
做好描述性分析之后就可以进行诊断分析了，主要是通过评估描述性数据，诊断分析工具可以使数据分析对数据进行深入分析，并深入数据的核心，一个设计良好的数据分析工具可以集成数据读取、特征过滤和按时间序列进行数据钻取的功能，从而更好地分析数据。
3、预测分析
预测分析是用于预测未来事件发生的可能性，一个可量化值的预测，或者事件发生时间点的预测，都可以通过预测模型来完成，预测模型也是一种重要的方法，在许多领域得到应用。
4、指令分析
数据和复杂性分析的下一步是指令分析，指令模型可以帮助用户决定应该采取什么措施。