学生大数据分析

㈠ 大数据专业都学什么 大数据专业都学什么课程

1、大数据专业需要学：数学分析、高等代数、普通物理数学与信息科学概论、数据结构、数据科学导论、程序设计导论、程序设计实践、离散数学、概率与统计、算法分析与设计、数据计算智能、数据库系统概论、计算机系统基础、并行体系结构与编程、非结构化大数据分析等。

2、大数据技术旨在培养学生系统掌握数据管理和数据挖掘方法，成为具有大数据分析处理、数据仓库管理、大数据平台综合部署、大数据平台应用软件开发和数据产品可视化展示分析能力的高层次专业大数据技术人才。

㈡ 利用大数据能够精准分析学生学习情况实现分层教学对吗

对。
1、大数据技术下的以考促教，让常规化的教学走向精细化教学。
2、大数据技术下的分层教学，让每个学生都得到成长。
3、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，还能规避学生辍学等风险，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。

㈢ 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！

㈣ 大数据分析的具体内容有哪些

随着互联网的不断发展，大数据技术在各个领域都有不同程度的应用
1、采集
大数据的采集是指利用多个数据库来接收发自客户端(Web、App或者传感器形式等)的数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。
在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时有可能会有成千上万的用户来进行访问和操作，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间进行负载均衡和分片的确是需要深入的思考和设计。
2、导入/预处理
虽然采集端本身会有很多数据库，但是如果要对这些海量数据进行有效的分析，还是应该将这些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。也有一些用户会在导入时使用来自Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计算需求。
导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的导入量经常会达到百兆，甚至千兆级别。
3、统计/分析
统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，以满足大多数常见的分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop。
统计与分析这部分的主要特点和挑战是分析涉及的数据量大，其对系统资源，特别是I/O会有极大的占用。
4、挖掘
与前面统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数据上面进行基于各种算法的计算，从而起到预测(Predict)的效果，从而实现一些高级别数据分析的需求。比较典型算法有用于聚类的Kmeans、用于统计学习的SVM和用于分类的NaiveBayes，主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂，并且计算涉及的数据量和计算量都很大，常用数据挖掘算法都以单线程为主。

㈤ 大数据具体学什么

大数据分析挖掘与处理、移动开发与架构、软件开发、云计算等前沿技术等。

主修课程：面向对象程序设计、Hadoop实用技术、数据挖掘、机器学习、数据统计分析、高等数学、Python编程、JAVA编程、数据库技术、Web开发、Linux操作系统、大数据平台搭建及运维、大数据应用开发、可视化设计与开发等。

大数据旨在培养学生系统掌握数据管理及数据挖掘方法，成为具备大数据分析处理、数据仓库管理、大数据平台综合部署、大数据平台应用软件开发和数据产品的可视化展现与分析能力的高级专业大数据技术人才。

大数据岗位：

1、大数据系统架构师

大数据平台搭建、系统设计、基础设施。

技能：计算机体系结构、网络架构、编程范式、文件系统、分布并行处理等。

2、大数据系统分析师

面向实际行业领域，利用大数据技术进行数据安全生命周期管理、分析和应用。

技能：人工智能、机器学习、数理统计、矩阵计算、优化方法。

3、hadoop开发工程师

解决大数据存储问题。

4、数据分析师

不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员，在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。

5、数据挖掘工程师

做数据挖掘要从海量数据中发现规律，这就需要一定的数学知识，最基本的比如线性代数、高等代数、凸优化、概率论等，经常会用到的语言包括Python、Java、C或者C++。

㈥ 教育大数据分析方法主要包括哪三类

一、大数据与大数据分析概述

随着数据获取、存储等技术的不断发展，以及人们对数据的重视程度不断提高，大数据得到了广泛的重视，不仅仅在IT领域，包括经济学领域、医疗领域、营销领域等等。例如，在移动社交网络中，用户拍照片、上网、评论、点赞等信息积累起来都构成大数据；医疗系统中的病例、医学影像等积累起来也构成大数据；在商务系统中，顾客购买东西的行为被记录下来，也形成了大数据。

时至今日，大数据并没有特别公认的定义。有三个不同角度的定义：（1）“大数据”指的是所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息[1]。（2）“大数据”指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理的方法的数据[2]。（3）“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

通常把大数据的特点归纳为4个V，即数据量大（Volume）、数据类型多（Varity）、数据的价值密度低（Value）以及数据产生和处理的速度非常快（Velocity）。

对大数据进行分析可以产生新的价值。数据分析的概念诞生于大数据时代之前，但传统的数据分析和大数据分析是不同的。传统的数据分析往往是由客户提出一个问题，分析者围绕该问题建立一个系统，进而基于该系统解释这个问题；而大数据分析有时候并没有明确的问题，而是通过搜集数据，浏览数据来提出问题。

另一方面，传统的数据分析是在可用的信息上进行抽样，大数据分析则是对数据进行不断的探索，通过全局分析连接数据，达到数据分析的目的。

传统的数据分析的方法，往往是大胆假设小心求证，先做出假设，再对数据进行分析，从而验证先前的假设；而大数据分析则是对大数据进行探索来发现结果，甚至发现错误的结果，之后再通过数据验证结果是否正确。

因此，传统的数据分析可以看成一种静态的分析，大数据分析可以看成一种动态的分析。尽管如此，大数据分析和传统数据分析也并非是泾渭分明的，传统数据分析的方法是大数据分析的基础，在很多大数据分析的工作中仍沿用了传统数据分析的方法。

基于上述讨论，我们给出“大数据分析”的定义：用适当的统计分析方法对大数据进行分析，提取有用信息并形成结论，从而对数据加以详细研究和概括总结的过程。

大数据分析分为三个层次[3]，即描述分析、预测分析和规范分析。描述分析是探索历史数据并描述发生了什么（分析已经发生的行为），预测分析用于预测未来的概率和趋势（分析可能发生的行为），规范分析根据期望的结果、特定场景、资源以及对过去和当前事件的了解对未来的决策给出建议（分析应该发生的行为）。例如，对于学生学习成绩的分析，描述分析是通过分析描述学生的行为，如是否成绩高的同学回答问题较多；预测分析是根据学生的学习行为数据对其分数进行预测，如根据学生回答问题的次数预测其成绩；而规范分析则是根据学生的数据得到学生下一步的学习计划，如对学生回答问题的最优次数提出建议。

大数据分析的过程可以划分为如下7个步骤：（1）业务调研，即明确分析的目标；（2）数据准备，收集需要的数据；（3）数据浏览，发现数据可能存在的关联；（4）变量选择，找出自变量与因变量；（5）定义模式，确定模型；（6）计算模型的参数；（7）模型评估。

我们以预测学生学习成绩为例解释上述过程。首先，我们的目的是根据学生的行为预测学习成绩。接下来，对于传统的方法来说，通过专家的分析确定需要什么数据，比如专家提出对学生成绩有影响的数据，包括出勤率、作业的完成率等，可以从数据源获取这样的数据；大数据分析的方法有所不同，是找到所有可能相关的数据，甚至包括血型等，这些数据与成绩之间的关系未必有影响，就算发现了关系也未必可以解释，但是获取尽可能多的数据有可能发现未知的关联关系。

㈦ 清华附小6年级学生用大数据分析苏轼，你怎么看

清华附小6年级学生用大数据分析苏轼，我觉得是一个很好的现象。这个看上去是孩子们的创新行为，实际这就是现在公司运营时常用的方法，并且这种方法很有效、能提供很多解决方案。

作为小学生，能遵循发现问题---分析问题---解决问题的思路去系统的去解读苏轼，并且分工明确，逻辑性很强。

有的把苏轼诗词都找出来分析高频词，有的研究苏轼三次被贬经历的，有的研究苏轼在“明月”、“饮酒”方面的爱好，有的研究苏轼与“故人”、“道人”的关系，有的研究“使君”、“东坡”关系。并且各自分析，形成了5个不同附件。

我是职场达人乐易LEE老师，关于清华附小六年级学生用大数据分析苏轼，你有什么看法吗？欢迎评论留言。

㈧ 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。

㈨ 什么时候学习效率高大数据分析告诉你

什么时候学习效率高大数据分析告诉你

11月7日，“大数据之父”维克托·舍恩伯格应“2015亚洲教育论坛”邀请来到成都，和数百名教育工作者分享了大数据思维在教育领域的运用。

“从种种纷繁复杂的数据中找出其关联性”，是舍恩伯格在其著作《大数据时代》阐述的观点。成都市教科院院长罗清红是这一观点的实践者，早在2013年他所管理的成都七中网络“直播班”就运用大数据思维分析学生学习轨迹，通过使用平板监控学生的作业完成轨迹。8日，舍恩伯格将走进成都七中，和同学们分享他的大数据研究成果。

用大数据分析学习轨迹

在舍恩伯格看来，教育不同于制造业的批量生产，他需要对小的数据进行分析，来满足不同个体的要求，通过大数据分析，可以给学生提供独一无二的教育方案。

舍恩伯格说，在美国一所名为“the school of one”的学校，他们的学生通过计算机来进行自主学习，实验者用计算机来监控学生的学习行为，通过大数据分析，为每个学生提供适合他们的课程。“每一个学生，不需要统一的安排，大数据分析会让他们有自己独特的课程。”

在一个亚马逊的学习网站，研究者可以通过大数据分析学习者在学哪一页的章节，“你可以了解到他是否在回过头再看之前的章节，或者他在哪一个章节看的时间更多等等，教学者可以通过对学习者行为的分析，改善教材、改善学生学习的方法，使得学生在整个教育环境中有更好的发展。”

大数据思维成都已先行“2002年，成都七中开始通过网络直播教学，我们开始接触ppt和现代信息技术。”罗清红说，但大规模的网络授课产生了一个问题，老师只上课，学生反馈不及时。因此，2013年成都七中开设“未来课堂”，把教材教辅引入平板电脑，这样学生的学习轨迹、过程就可以通过计算机进行全数据采集，“哪道选择题错误率高，可以通过计算机分析”。2014年，更进一步实现了“翻转课堂”，老师先把课件放到网上，学生先行预习，通过监测可以发现学生对哪些要点已经掌握，哪些有难度，老师根据数据反馈进行再备课。“目前，七中网课已经有6万多学员。”

以上是小编为大家分享的关于什么时候学习效率高大数据分析告诉你的相关内容，更多信息可以关注环球青藤分享更多干货

㈩ 大数据分析方面的专业

有两个分析专业。分别是：数据分析基础、Python数据分析。所以大数据分析方面的专业有两个。大数据技术与应用研究方向是将大数据分析挖掘与处理、移动开发与架构、软件开发、云计算等前沿技术相结合的“互联网+”前沿科技专业。本专业旨在培养学生系统掌握数据管理及数据挖掘方法，成为具备大数据分析处理、数据仓库管理、大数据平台综合部署、大数据平台应用软件开发和数据产品的可视化展现与分析能力的高级专业大数据技术人才。