北京师范大学大数据

① 北师大的大数据博士就业方向

数据工程与数据分析。
相对来说，博士的学历较高，就业前景也较为可观，数据挖掘师/算法工程师、数据科学家、大数据可视化工程师、数据产品经理、数据工程师、数据分析师等岗位都可以选择
就业选择尽量与专业紧密结合，那样我们在就业的时候就不会处于被动状态，对应聘岗位也有较大的优势。

② “人工智能与教育大数据峰会.2019”日前在京举行。北京师范大学资深教授,中国

。。。。7。。。 。。7885

③ 2019年教育大数据蓝皮书指出 数据将成学校核心资产

4月17日上午，《中国基础教育大数据发展蓝皮书（2015）》发布会暨教育大数据高峰论坛在 北京师范大学 举行。国内首份基础教育大数据发展蓝皮书正式发布。

据悉，《中国基础教育大数据发展蓝皮书（2015）》由 北京师范大学 “移动学习”教育部-中移动联合实验室、中国教育技术协会、江苏省教育信息化工程技术研究中心联合发布，由北京拓思德科技有限公司独家支持。

北京师范大学 “移动学习”教育部-中移动联合实验室主任余胜泉指出，数据将逐渐取代土地、劳力、资金等稀缺资产，成为社会和企业最重要的核心资产。同时，数据也将改变人类的认知方式和文化生态，“人机结合的思维模式将成为现代人认知世界的基本方式，借助智能设备而生存的时代已经到来”。未来，大数据将演变成为一种“人人生产数据、人人共享数据、人人管理数据”的社会文化。

余胜泉表示，作为教育界和学校最重要的资产，未来教育数据采集的重心将向非结构化、过程性的数据转变，“教育大数据的采集应该是全样本的、即时的数据”。教育界还应加强教育大数据与其他领域大数据（医疗、交通、经济、社保等）的融通和关联分析，进一步增强教育决策的科学性”。

蓝皮书负责人之一、 江苏师范大学 副教授杨现民表示，教育大数据并非单纯指其数量大，更重要的是其“价值”很大，教育大数据的核心价值是分析和预测。他表示，与其他领域的大数据相比，教育大数据具有高度的复杂性，其应用也需要高度的创造性。他认为，教育属于超复杂的系统，教育领域的大数据不存在清晰的、固定的分析流程和分析方法。教育大数据的分析既要综合运用传统的数据分析方法与工具，也要合理采用专门针对大数据处理的新方法和新工具，“严格来说，教育大数据的分析模型不是被设计出来的，而是被发现的”。

此次蓝皮书梳理了全球教育大数据相关政策进展，解读了教育大数据的内涵、独特性，剖析了教育大数据的来源与结构，对常用的四大类13种教育数据采集技术进行了介绍，并提出7种典型教育数据分析模型。通过搜集整理49个典型应用案例，提炼出基础教育大数据的五大应用模式，探讨了国家、区域以及学校三个层面教育数据网络的构建思路，以及教育大数据管理存在的难题及基本解决思路。

在随后的教育大数据高峰论坛中，与会专家针对教育与大数据的深度融合展开了讨论。专家们指出，是中国的教育大数据元年，政府、企业、学校、研究者、社会公众等开始关注教育大数据。与此同时，我国教育大数据研究与实践整体还处于起步探索阶段，国外也没有成熟的经验和模式可以借鉴。希望通过“政、产、学、研、用”五方联合，共同助力我国基础教育大数据发展，为实现中国教育引领世界而一起努力。

余胜泉、顾小清、方海光、魏顺平等4位专家，分别就《大数据时代的教育变革》、《以学习分析改进教学实践》、《面向基础教育的移动学习与教育大数据研究》、《数据驱动的大规模在线教育实施评估模型构建与应用》等主题发表了演讲

④ 大数据专业考研到广州有哪些学校

有以下学校
本科阶段，开设大数据专业的广东高校有北京师范大学-香港浸会大学联合国际学院、、佛山科学技术学院、广东白云学院、肇庆学院、汕头大学、广东工业大学、广州大学、韩山师范学院、广东财经大学、广东技术师范学院、广东科技学院、广州商学院、北京理工大学珠海学院、广东技术师范学院天河学院、广州大学华软软件学院等。
大数据相关专业招收研究生的则有清华-伯克利深圳学院、中山大学（数据科学与计算机学院）等。

⑤ 北京师范大学校长董奇：面向未来的智能化教育评价

近日，在由北京师范大学与科大讯飞联合主办的人工智能与教育大数据峰会 ·2019上，北京师范大学校长董奇教授做了题为《面向未来的智能化教育评价》的主题报告。

他表示，当下 科技 飞跃、经济全球化的时代对于人才素养提出了新要求，但传统的教育评价受限于技术等因素，对这些重要的素养难以进行客观的评估，因此需要整合多方面的 科技 进展，使教育评价能更好的反映学生德智体美劳的全面发展。

在董奇看来，未来 社会 对人才素养提出了四大新要求：

一是面对变化的、不确定的未来，必须学会学习、坚持终身学习，必须具有人机结合的思维方式；

二是面对 科技 发展、信息爆炸的未来，必须具备信息素养、 科技 素养和数据素养；

三是面对人工智能无处不在的未来，必须具备高阶思维能力、创新能力和问题解决能力；

四是面对人类成为命运共同体的未来，必须具备核心价值观、 社会 责任和全球意识。

同时，董奇指出，当前我国学生发展仍存在一些突出问题，例如学习负担过重、实践动手能力较弱、创新能力不足、体质 健康 状况下降等问题。上述问题主要与国内教育实践中存在的六大问题相关，这六大问题分别是：一是重分数轻能力；二是重知识轻素养；三是智育轻德育；四是重共性轻个性；五是重学习轻 健康 ；六是重结果轻过程。

他认为，造成这些问题的原因虽然很多，但其中一个重要原因是教育评价，我国教育质量评价与督导体系还不健全。

未来教育评价发展的新趋势

董奇认为，技术发展为教育评价带来新动能，主要有三个方面：

一是云计算、大数据、5G、物联网及智能终端技术的发展，是支撑智能评价环境构建的新要素；

二是VR/AR/MR支持的沉浸式情境营造、AI支持的智能识别技术及可穿戴设备支持的数据采集，为开展真实情景下的教育评价创造了新契机；

三是教育数据的建模、分析和可视化，成为支撑智能评价全过程、多维、高效的新方法。

董奇认为，所有这一系列技术的整合、结合将推动教育评价进入新的发展阶段。教育评价事实上已经开始进入新的发展阶段，就是智能化的教育评价新趋势已经出现，一共有七大趋势：

一是评价可实现目标的变化 。从过去的注重知识、基本能力的评价，到关注德智体美劳全面评价。

二是评价功能的变化 。从过去的甄别、选拔，到精准改进、促进发展。

过去，只能基于简单有限的方法，用于选拔和甄别。现在我们可以发挥评价更重要的功能，那就是用于改进、促进学生各个方面的发展，进行精准的改进指导，包括提供改进的方法和内容。

三是评价对象的变化 。从过去采取抽样的方法选取部分学生，到面向所有学生，关注每个学生。现在使用新的技术，使得我们可以面对所有的学生，甚至不用取样了，用整体取样的方法就够了，还能给每一个学生进行个性化的评价、指导。

四是评价信息源的变化 。从过去较单一模态的信息，到多元化、丰富化、多模态化的信息。

过去我们收集的数据只能用比较简单的文本信息或者一些图片信息，视频信息都很有限，以及做研究用视频信息成本太高。现在我们可以用大量的更丰富的多模态信息，而且能对这些信息进行自动化的智能化的分析，加工评判。

五是评价任务的变化 。从过去的非典型场景，到真实化、生活化、趣味化。

过去我们的评价是在一些非真实的典型场所。专门的考场，特定的时间，特定的要求。时间可能就是高考那两天。过去我们不能在真实的生活学习工作过程中，在真实的情景中对人进行评价。现在智能化的评价使我们对这样一种工作成为可能，例如通过 游戏 建构接近真实的问题场景，在交互操作中测量学生的高阶思维能力。

六是评价方式的变化 。从过去显性化、总结性的评价，到嵌入式、伴随式、隐形性评价。

过去的评价就是考试，无论小考还是大考，就是测验。现在的评价考试可以潜入你的日常行为和学习，协助老师日常的教育，带有一些伴随性和隐形性的特点，增加了评价结果的真实性。

七是评价结果反馈的变化 。从过去的滞后反馈到即时反馈，从过去面向群体反馈到面向群体+个体反馈。

过去的评价分析成本很高，通常需要延迟反馈和指导。现在可以做到即时反馈和指导，而且是有针对性的个性化的推送。

董奇表示，所有这些都是在一系列新技术发展整合的条件下，我们能够实现随着未来新技术的发展进一步的发展，这方面的能力会越来越强大，集成创新将是智能化教育得到发展的一个重要前提。现在世界各国，包括我们国家已经在应用智能化教育测评方法方面取得了一些重要的进展，这些进展尽管是初步的，但是随着时间的推移，随着我们应用的深入，随着不断地研究研发，我相信它的应用水平会越来越高。

智能化教育评价新进展

随后，董奇介绍了智能化教育评价的一些新进展，例如对学生情绪 情感 、 社会 技能、语言表达、信息和科学素养等方面的评测案例。

情绪 情感 评测 。以深度学习、增强学习、迁移学习为支撑， 探索 文本分析、语音分析、图像识别、血谱成像应用，实现对个体情绪特征的识别与判断。

比如说学生在学习过程中，在身心 健康 发展中，情绪是很重要的一个维度。我们对情绪、 情感 怎样进行评价？如果能了解学生平时学习过程中的真实情况状态，比如说数学学习过程中，有的孩子是有数学学习焦虑的，有的甚至很严重，那我们可以将学生学习过程中的情绪状态和他的成绩关联。

我们也可以看一个数学课的教学结果，老师产生的效果是什么？不仅是数学成绩的高与低，还包括学生对数学学习的情绪， 情感 热爱程度以及自信心如何。这些都可以利用文本分析、语音分析、图像识别的技术以及学谱仪等一些新的方法对它进行评价。

社会 技能测评 。“人人交互”实时记录多个学生合作完成任务过程中的对话与关键行为，形成过程流数据，从数据中抽取证据，评价学生的 社会 技能水平。

在如今的 社会 ，人的 社会 技能是非常重要的。无论在线下还是线上虚拟世界，人与人之间都会发生很多的 社会 交往。

我们通过两个及以上同学间的群体的合作过程中形成的过程性的数据，从中抽取关键有用信息，能对学生 社会 交往的水平进行评价。但对线上和线下交往水平的评价可能是一致的，也可能不一致。有的人线上线下的 社会 交往水平都差不多，有的人可能线上线下是有较大差异的，我们都可以对它进行更深入的研究。

语言表达能力评测 。人机交互的测评模式，实现口语数据的自动化采集，模仿专家打分建立评分模型。

语言表达能力很重要。我们要花很多时间学习母语，花很多时间学习第二语言。那么有了人工智能和相关技术，使得我们对人的语言评价有了进一步的扩展的能力。

过去我们对人的评价更多集中在阅读，对口语和听力评价比较困难，做研究成本也非常的高。现在语音技术以及人工智能技术的发展，使我们无论对母语，还是对中国人学第二语言，还是对外国人学汉语，都提供了前所未有的新的可能，也包括对我们国家少数民族的孩子学好普通话都提供了新的可能。

信息素养测评 。计算机环境下交互式的测评任务，基于学生的任务表现测评ICT素养。

我们可以在学生实际的人机互动过程中，了解他的信息素养状况，更接近孩子真实的生活工作中利用信息技术促进提升自己的工作效率和质量的状况。

科学素养评测 。在STEAM教学课堂中实时采集教与学全过程数据，课程结束时自动生成评估报告。

在今天这样一个 科技 飞速发展， 科技 和 社会 紧密结合的时代，科学素养也有了新的含义，那么科学素养可以说现在高度重视的是这种课程对学生进行过程性的评价。

问题解决能力与创造力测评 。模拟真实问题情境的问题解决能力测评，基于人工智能技术评估学生的高阶能力。

今天这个时代我们有很多时间，从复杂繁杂的日常简单劳动中解放出来，有更多时间去从事复杂的创造性问题，人类会有更多的时间去从事自己想做的很多有趣的事情。那么在今天这个时代，高阶的问题解决能力，创造性极其重要，所以需要我们对它进行客观的评价。

体质 健康 测评 。基于运动手环等IoT设备，实时采集学生运动与体质体能的相关信息，从而实现对不同学生的个性化体质与 健康 评估。

对学生体质的测量需要用表现行为方式，表现性的方式就出现评价的困难。现在用新的信息技术和方法，包括可穿戴设备，使得我们能够在日常学习、锻炼过程中，大大提高结构性评价的精度和准确性。

艺术素养测评 。在书法方面，基于OCR智能书写评测技术，评价学习者作品，如重合度、大小、重心、空间分布等。在演唱方面，基于智能语音技术的音乐评价，可对学习者的音乐素养进行大规模的监测。此表现型测评可实现全过程电子化采集、存储于分析。

艺术素养不能只是填问卷。了解学会欣赏，更要学会艺术的表达。我们现在可以用新的语音技术来推动对学生表现型的艺术素养部分的测试。比如今年的5月，我们能够在同一天同时对20万的中小学生进行演唱的艺术素养的测试，实现对全国范围内600多个区县全程化的测评储存，分析和加工。

与此同时，董奇针对智能化教育评价提出来几点建议：

一是在国家层面上，把智能化教育评价纳入国家相关战略；

二是加强高校间、高校与科研院所的合作，推动智能化教育评价理论和方法创新；

三是加强高校与企业的合作，推动研究成果在教育领域中的及时应用；

四是在国家层面简历智能教育评价平台，加强开放与共享。

董奇最后强调，教育与人工智能结合，与其他技术的结合，涉及到一系列伦理、安全、隐私保护的问题，例如数据的采集和获取、数据的流转和保护、数据的授权和应用等。这项工作要走好走稳，我们必须要高度重视这样的问题，在这方面出现了任何问题，将会严重干扰我们推进这块工作，这也是行业共同合作要遵循的一些基础。（雷锋网雷锋网雷锋网）

⑥ 数据科学与大数据技术专业怎么样学成之后可以从事的职业有哪些

随着电子技术和信息科学的发展，近两年每个网民都有机会在社交媒体发出自己的声音，留下海量的信息。人类生产信息的速度可谓风驰电掣，每两年就会增长一倍，近两年产生的数据总量相当于人类有史以来所有数据量的总和。科研领域、企业运营及日常生活中的数字、文字、图像、音频都是数据，大数据的处理速度快、价值密度低、商业价值高。拥有海量数据的国家或企业如果能合理地解释运用这些数据，就会增强自身的竞争力。大数据专业就在这样的背景下应运而生，很多学校看到该领域的前景，竞相申请设立数据科学与大数据技术专业。今天小编将带你深入了解数据科学与大数据技术专业。

扎实的数学功底

由课程设置可以看出本专业对学生的数学基础有一定要求，通识课部分就设置了三门数学课，学科基础课依然有离散数学，数字逻辑与数学系统。建议想报考的同学提前观看一些入门课程，客观评估自己的数学能力。盲目报考无益于个人发展，会造成挂科过多、学习压力过大、就业困难等不良后果。

有耐心有毅力

大数据专业和计算机专业比较像，是注重实践的专业。学生需要独立编写程序，对程序进行修改与调试，需要注意每一个细节才能顺利查错并运行程序。有耐心有毅力的学生显然更能坐的住，心浮气躁的学生则需要一番磨练才能成功。

自主学习能力强

一般情况下，大数据专业无法向学生传授大数据核心技术之外的知识技能，如果学生需要进入全新领域去实习就业，就必须要迅速掌握新领域的相关知识。假如学生到金融行业从事数据挖掘工作，就必须对金融产品及用户有所了解。

工作

毕业生就业主要集中在一线城市，毕业于985院校的毕业生常常被各大企业一抢而空，就业行业以互联网、金融、通信、教育、文化娱乐、电子商务等行业为主。薪资待遇令人羡慕，即使是刚毕业的学生，平均月薪就在12000-15000之间，工作3-5年比较有经验的人可以拿到20-35k的月薪。

考研

主要方向有：计算机科学与技术、计算机系统结构、计算机软件与理论、计算机应用技术、科学与信息技术（清华、北大、复旦、北京航空航天大学等少数学校开设）。

留学

该专业留学首推美国。国外的大学设置了数据科学专业，数据科学就是从数据中提取信息知识，是数据挖掘与预测分析的延伸，亦是发掘知识与数据的过程。所以，数据科学专业不仅包含了大数据也包含了数据分析。推荐学校有：哥伦比亚大学、加州大学伯克利分校、斯坦福大学、麻省理工学院、卡耐基梅隆大学等。

⑦ 大数据属于什么专业

我猜，题主想要问的是：最近几年大火的大数据，如果是想要在大学里学习相关专业，将来从事相关工作，具体有哪些专业是属于对口的吧？就从这个角度来说一说。

一般来说，学校的人才培养和专业设置，相对于市场上相关人才的热门需求是要相对滞后的，比如说国际贸易、物流管理、电子商务这些专业，都是在相关行业蓬勃发展一段时间之后，各高校才逐步设立了相关专业。大数据、人工智能相关领域，也不例外。

这个专业和领域的另外一个优势还在于，它学习和入门的门槛比较高，也就是说，一个人通过本科4年、再加上硕士研究生、博士研究生的系统学习后，基本上就会构建自己专业领域上一定的壁垒，形成自己极具竞争力的专业优势，这样一来，起点高、又有较高的壁垒，在今后的职业道路上也就会有更好更快的发展。