⑴ 大数据时代背景下的教育该如何走
“大数据”是当今最热的概念之一，有人宣称掌握大数据的人可以像上帝一样俯瞰整个世界。进入2012年，大数据一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。
大数据(big data)，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的创新沿着从数据到大数据，再到分析和挖掘，最后是发现和预测的方向发展。随着云时代的来临，大数据也吸引了越来越多的人关注。各行各业更加意识到，谁能率先实现大数据，谁对大数据的挖掘更为深刻，谁就将抢占未来先机。
教育行业也不例外，2013年对于教育来说是传统育研究走向科学实证的重大机遇。值得我们思考的是，大数据将给教育带来什么?如何通过大数据更好的教育学生?大数据对于教育是福还是祸?
翻转课堂、MOOC和微课程是大数据变革教育的第一波浪潮
翻转课堂、MOOC和微课程的出现，改变了传统教育模式，从课堂老师滔滔不绝的讲解，到现在“视频再教育”。学生可以根据个人情况自主制定学习进度，老师可以根据学生在网上做题的情况，有针对性的了解学生学习上遇到的问题。传统课堂不再讲解新课，而成为学生当堂做作业、讲解问题或做实验的场所。
如果说翻转课堂只是一个触角的话，那MOOC的出现就是升华的翻转课堂。“视频再教育”得到进一步的提升，MOOC大规模开放在线课程，面对全球性的MOOC浪潮，中国的大学也开始行动。2013年，上海市率先引入中国式MOOC，推出了“上海高校课程源共享平台”。
MOOC的兴起，使“用视频再造教育”的学习模式迅速推广到高等教育，而且进展到可以通过选修MOOC获得学分、进入正轨教育的程度。清华大学、北京大学也相继开放了在线教育课程。
而微课程是对翻转课堂的回应，是学生自主学习不可或缺的资源。微课程是教学视频浓缩精华的微型课，主要用于学生的前期学习，目前，微课程已开始影响我国中小学信息化教学实践。微课程实践的积累，将导致微课程群的形成，微课程群的应用又会形成新的应用数据，将有利于大数据分析与挖掘、发现与预测的创新应用。可以说，教育领域的改革，首当其冲的就是大数据变革信息化教学。
大数据时代对于教育是福还是祸?
人们还没有来得及搞清楚信息时代是什么，数据时代己悄然来临。在大数据理念面前，大家各抒所见，有些人认为，大数据时代可以让教育者真正读懂学生。
相对于传统数据宏观的教育情况，大数据主要体现在微观层面。大数据使“经验式”教学模式变为“数据服务”教育模式。老师可以根据数据关注每个个体学生的微观表现，通过学生相关数据的分析，有针对性的调整教育方案，从而实现个性化教育。
一些支持大数据教育的人认为，大数据时代的教育将推动传统以“教师为中心”的教学方式向“学生为中心”教学方法的转变，推动“演员型”教师向“导演型”教师转型，从宏观群体走向微观个体，对于教育研究者来说，利用数据可以发现真正的学生。
而另一群人认为大数据是“换汤不换药”，实际上就是用大数据、云计算作为概念来包装以前的东西。虽然在线教育来势汹汹，却有“叫好不叫座”之态。以新东方为例，公开数据显示2012年底新东方在线网站于个人注册用户已逾1000万，而据新东方在线副总裁潘欣介绍，用户愿意付费的额度不高，在2012年新东方付费用户为20万，占比仅为2%。
目前主流的在线教育产品只是将线下的课程录制好搬到线上，这种模式实际上只是线下学习方式的简单复制，这样的学习方法还衍生了一些教育上的新问题：如何保证学习过程不会被中断、怎样确定是学生本人登录学习等。对于在线教育，只有学习主动性和控制力比较好的学生才能利用在线学习取得好的学习效果，而这些方面较弱的人将难以长期坚持，学习效果也可想而知。
⑵ 慧学星没有号可以注册吗
可以的。四川云数赋智教育科技有限公司成立于2016年，是一家专业从事教育行业大数据研究与应用的国家高新技术企业。公司联合国内专业教科院所发起全国教育科学“十三五”规划课题《大数据背景下实施精准教学的实践研究》、四川省重点课题《大数据时代的极课教育创新研究》等多项课题研究，致力于大数据、人工智能与教育教学的深度融合，推进基于数据驱动的精准教学，助力教育信息化向数智化升级。
拓展资料
1、旗下产品“慧学星大数据精准教学管理平台”是针对学校学情分析及发展性教与学评价需求推出的常态化采集、精细化标注、智能化教学、个性化学习辅助平台，其他已开发产品包括：区域教学质量监测评估平台、教师研修网校、空中课堂、微课管理系统、智能考试阅卷系统、智能题库系统、智慧作业系统、智能错题打印机等。
2、智慧教辅相对传统教辅、数字教辅而言，是指在教育信息化背景下，借助大数据精准教学管理平台系统，依托大数据、云计算、物联网等技术，对学生学业数据进行全过程、常态化、伴随式采集，实现基于大数据的多维度综合性智能化分析评价。便于学情的精准把握与精细化管理，便于教师因材施教精准辅导，便于学生个性化学习，便于学校实现智慧管理决策。
操作环境：小米11 MIUI12.6.5 安卓版本1.5.4
3、慧学星app是一款专为学校老师打造的校园教学管理软件，慧学星app拥有手机阅卷、查看成绩、学生管理多个功能板块，通过慧学星软件随时随地移动阅卷。慧学星app是一款教师教育助手，软件拥有手机阅卷，考试报告，学情管理等等功能服务，可以帮助老师更好的教育学生，需要的朋友可以前来下载使用。
⑶ 大数据对教学的影响
大数据对教学的影响
随着时代的发展和科技的进步，“大数据”时代悄然来临。随着硬件的高速革新化与软件的高速智能化，大数据时代也对高校教育领域产生了广泛而深刻的影响。大数据就其性质来说，不是产品，也不是一种技术，而是一个抽象的概念，有人将“大数据”形象地比喻成21世纪人类探索的新边疆，是以高度发达的信息网络技术为支撑，所呈现出的巨大数据信息，当然包括伴生的相关处理技术。大数据是近年来继云计算、物联网后的新技术热点。
大数据具有4V特性，包括海量的数据规模（Volune）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）和巨大的数据价值（Value）。而就数据的实用价值，IBM认为还应具有第五个V特征，就是真实性（Veracity），在日常工作和学习中，数据信息真实性的好处不言而喻，对教育领域来说，更是最基本的要求与保障。要利用大数据时代的巨大资源为教育服务，教师的选取和甄别手段更显得尤为重要，从这个层面上来说，数据的真实性在一定方面上制约着教师教的内容和学生学的内容。
大数据时代给传统的教育提出了挑战，由于自身特点，它给教育提出了教育对象的个性化发展、教育方式的变革、教育观念的开放化、管理的科学化等要求，更有利于素质教育的开展。大数据时代的数据具有信息量大、形式多样、实时性强和价值多元等特性，因此教育模式和教育理念只有关注人的多样化发展才能培养出高素质人才。然而，与此相矛盾的是，传统的教学方式强调教师的主体地位，为了便于管理和保证教学效果，教师最有效也最轻松的方式就是以标准化来要求每一位同学，表现于统一的教材、统一的作业、统一的考核和对学生单一的评价方式上，这不仅不利于发挥学生的主动性，长此以往，更限制了学生的思维方式与视域，无法满足学生个性化发展和大数据时代对高素质人才的需求。
要想利用信息时代的数据更好地应用于教育，必须变革教学方式，对教师提出新的要求，教师不仅要树立终身学习的理念，还要更好地掌握学科前沿的动态信息，更好地利用数据的开放性、共享性等特点，充实学习内容，提升教学水平。以“慕课”和“小微课”平台的问世为广大学生所熟悉和利用，丰富和发展了在线教学模式，这更需要教师不断调整，告别传统的授业者的角色，以学生为主体，以技术为手段和平台，成为知识学习的组织者、引导者和评价者。
除了促进个性化发展、丰富学习内容和提高学习效率，大数据技术的应用更有利于教师掌握学生的身心发展规律。与传统的教师通过面谈、电话交流、家访及其他同学侧面反映和凭借工作经验判断学生心理特征等方式，应用大数据技术，分析和测量学生的心理特点，通过对以前遇到的实际问题的解决方式进行归纳和总结，这种体察方式不仅更理性，还可进一步对未来的心理状况进行有效预测，能促进教师更好地了解学生，还能有针对性地促进学习效果，提高学习能力。
大数据背景下，不仅革新教育理念，对高等学校的管理也提供了新思路。高等学校的信息化进程中会产生大量的数据，包括教师和学生信息、学籍和成绩信息、注册与选课信息等，利用大数据技术管理这些信息，对帮助学校资源管理和教学方法等方面将会产生极大的便利。目前，高等学校的信息化系统正不断发展完善。除数据管理、校园网络和远程教育系统外，还发展了图书馆信息管理系统、数字化校园等，如何对这些系统产生的大量信息进行系统分析，在信息化背景下建设优质高校就显得尤为重要。其中，教学管理、学习行为、教学评估等，均受到大数据的影响。
在教育领域如何利用大数据及其相关技术促进教育发展，是一个漫长的过程，在此过程中机遇与挑战并存，作为教育人士，我们应抓住机遇，迎接挑战，紧紧握住时代的脉搏，更好地服务于教育。
以上是小编为大家分享的关于大数据对教学的影响的相关内容，更多信息可以关注环球青藤分享更多干货
⑷ 大数据与教育的结合，体现在哪些方面
可以说自从互联网技术越来越发达之后，大数据分析成为了许多行业的独门秘籍版。
如果说问权大数据与教育的结合，那么更多的就是体现在数据分析方面。
像我们机构在用的什么书，什么云，染什么的，还是染书什么的。
专属的MA系统，大数据实时监测，高性能实时计算引擎，让数据分析更实时，更灵活和高效；简单高效的数据分析工具，不懂技术也能玩转数据；为网站的精细化运营决策提供数据支持，进而有效提高企业的投资回报率。
在数据化学员管理方面，学员数据报表分类汇总，精细化学员档案管理；招生专属CRM，将学员线索掌握在企业手里，有效提高转化，减少客户流失；报班选课，结课批量操作、一键完成，让教学运营管理形式形成，完成闭环。
可以说，大数据的应用，方便的教育管理，更是便捷了教育工作。
⑸ 教育大数据是什么教育大数据作用有哪些
本文主要内容是介绍教育大数据的定义与作用，在了解教育大数据前我们首先要了解什么是大数据。大数据技术是21世纪最具时代标志的技术之一。国务院发布的《促进大数据发展行动纲要》中提出“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合”。简单的说，大数据就是将海量碎片化的信息数据能够及时地进行筛选、分析，并最终归纳、整理出我们需要的资讯。
教育大数据，顾名思义就是教育行业的数据分析应用。
而大数据，则需要具备5V的特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。
其中的“大”主要指的是 Volume(大量)，我们现阶段用的数据分析，大部分情况下的数据量还达不到这个“大”的级别。
教育行业在数据分析的应用方面，主要痛点有以下四个方面：
1.数据涉及面窄
数据主要来源为数字化校园系统产生的，其他教学管理的数据多为手工录入非结构化数据
数据维度少，数据来源不足。
2.数据接口不完善
内部信息系统的教务系统、一卡通系统、图书馆系统、财务系统等数据都不规范一致，数据结构也不一样，各业务系统接口对接难度大
业务接口与数据结构还不规范
3.缺乏统一的数据管理平台
没有统一的数据处理中心对数据进行管理，没有人力维护各系统的接入
有效数据量少，数据质量差，达不到大数据处理分析要求
在具体的应用方面，即数据分析体系搭建上，可以在以下四个方面开展。
1.教务管理
在这方面可以进行招生分析、就业分析、住宿分析、图书馆分析、资产数据统计分析等。
2.教学创新
在这里可以进行教学质量评估、上网行为分析、学生成绩分析、学生特长能力分析
3.应用创新
可以进行学生轨迹分析、学生画像、学生舆情监控
4.科研支撑
可以开展科研成果分析统计、科研项目研究、科研经费跟踪研究，对整个科研情况有全面的了解和掌握。
1.大数据或把老师从作业批改中解放
在线教育除了能以优质教育资源为学生提供帮助外，对广大家长、老师和学校也大有裨益。苏静以作业帮家长版的“口算批改”功能为例介绍，家长或老师只需要用手机对着学生作业一扫，就能立刻对作业完成智能批改，显示出批改结果，能够大大节省老师和家长批改作业的时间。
事实上，随着人工智能等新兴技术的深入应用，在线教育平台能够为家长、老师、学校提供更有效的教学辅助。
2.因材施教，将更有的放矢
“人工智能+大数据精准教育”系统能利用大数据技术，完成对学生学习进度、学力、习惯的跟踪和分析，系统后台能够准确对用户进行用户画像，找到他们的知识薄弱点，形成用户学情报告，这可以帮助老师和学校更细致地了解每一个学生的情况，并有的放矢地制定更精准的学生学习计划。
⑹ 大数据时代校本教研转型策略及路径
大数据时代校本教研转型策略及路径
基于云、物联网、数据库技术以及人工智能和虚拟现实在教育中的广泛渗透，大数据时代正催生着一场场新的教育变革。现有的教研机制如何适应大数据主导的未来?基于大数据的运用如何创新校本教研思路和策略?如何依托大数据平台探寻到最佳的校本教研转型路径?这正是本文试图回答的问题。
一、大数据缺乏的传统教研局限性
我们生活在一个被几何级爆炸的数据包围的时代，我们的一切行为都在产生海量的数据，这些数据被称作“大数据”。[1]2大数据之“大”，并不仅在于“容量之大”，更大的意义在于可以借助云技术等手段，通过海量数据的筛选、整合和分析，解决新的问题，创造新的价值。大数据时代，传统校本教研形态已经滞后于时代的发展。
第一，以行政命令型为主的教研管理已不能适应教研发展的新趋势。传统的校本教研活动因其行政主导过多、任务驱动过强、互动生成较少、过程数据欠缺等，其教研形态存在着单一性、封闭性、滞后性与静态化的特点。教研活动更多执行的是“规定性动作”，大多数学校都是循着“期初学校安排教研计划—教研组按计划布置落实—分阶段组织教学展示或研讨—期末各部门进行教研总结”这样的模式进行。[2]在这样“齐步走”的统一步调中，教研的目光很难细致地聚焦到课堂真实疑难问题的研究上，研讨活动更少触及普遍学科规律探寻的应有深度。校本教研缺乏实实在在的研究历程，案例追踪缺少过程性资料的佐证。没有过程，缺乏实践数据的支撑，教研的有效性大打折扣，教研视野也很难有效拓宽。这种形态的教研活动，聚合性、开放性、创新性与动态性都明显不足，形式化、低效化特征突出。
第二，以经验帮带型为主的教研方式已不能适应教研发展的新态势。现如今，绝大部分学校对于大数据的认识和研究尚处于起步阶段，对于大数据在教育领域的探索和实践才刚刚开始。对于如何真正地将大数据应用于教研，反馈于教育，普遍缺乏深度的认识和操作的策略。究其原因，一方面是因为传统教研“自下而上的主题确认意识”缺乏，加上空间、时间以及技术设备的约束，教研内容无法直接唤起教师教研的内在需求，无法直接对其课堂产生辐射与效益，因此难以吸引教师深度参与。另一方面，面对新时期急剧变化的教研态势，更多的学校没有主动与时代对接，无法前瞻性地为教师提供思维自由碰撞的教研平台(比如活动前后讨论平台的提供)，无法适时、足量地为其提供教育科研所需要的数据支持与技术便利，教师教研的多元合作与深度拓展缺乏足够的凝聚与吸引。这样的教研必然无法在大数据时代展现应有的价值与活力。
二、大数据时代校本教研的转型策略
面对海量信息呼啸而来的大数据时代，面对以“移动互联和平板触控技术”为核心的云计算、云存储、云教育、云课堂、云教研叠加出现的全新教育态势，中小学校该如何应对这种前所未有的教育变革?有哪些好的教研策略与应用范式呢?
(一)核心视角转型：由关注“教”转向聚焦“学”
“师本”还是“生本”一度成为教研热议的话题。以“谁”为本体现的是一种教学观念的更新，更展现的是一种教学行动的选择。传统的教学教研当中，学生主体的评价往往是最单薄的——听课者大多只能根据经验来假想学生的体验，这种隔靴搔痒式的评价弊端，源于一个重要因素的缺席——没有足够的数据源可提供学情分析与实证考据。
大数据时代的到来，恰恰能够对这种缺失作出有效转化。借助视频传输、数据收集、点对点终端、云存储服务器和个性化的数据分析软件等，能够从技术层面解决数据源缺乏的问题，对数据的全面处理和分析，可以让学生个体化的感受得以精准的量化与显现。学生在教学活动进程中的现实需求与即时心态，也可以经过技术的转化和动态整合分析变得可读、可视、可量化。这就为教研视角由关注“教”转向关注“学”提供了强大的技术支持与解读保障，为学情的研究与预判提供了更为鲜活的素材。我们甚至还可以利用流媒体视频和数据分析等手段，帮助教师跟踪学生的即时学习情况，从而根据他们的能力等级水平制订相应的教学计划并调整策略方案，更好地开展有针对性的个性化学习研究。
借助大数据的运用，课堂有了一个全新的观察视角，教学研讨有了一个全新的视点，站在学生学情分析与预判的角度去改变教师的教学行为已经成为可能。当技术能够帮助我们了解每个学生的需求之后，绵延了两千多年的“因材施教”思想，是否离我们更近一些?
(二)常态方法转型：由经验重复转向数据实证
传统的校本教研往往是经验式的。我们总是主观地揣定某些教育因素对学生很重要，哪些变量对课堂有影响，然后，再依据自己的判定，通过一次次反复的实践来验证这些主观经验的可靠性。这种以经验为主导的传统教研往往存在着主观化、臆测式、灵感型的缺陷，常常容易出现“问题不够‘草根’、目标比较宽泛、实证相对缺乏”等状况。研究后与研究前相比，对问题的认识高度与解决程度并没有质的提升。究其原因，是研究之前没有深入的问题质疑和数据调查，研究中缺乏足够的数据比对和逻辑分析，研究后少了细致的演绎分析及实践认证。
大数据时代的来临，为有效解决经验重复型教研的痼疾找到了凭借和方向。依据实验数据的收集、整理和分析所得，能有效确立教研主题，让研究直指现实问题的解决；依托“云教研、云管理”平台，过去无法收集与分析的数据都被新的技术手段赋予了获取的可能，为有效展开问题的探究与课题的论证提供了技术保障。这种依托数据实证的教研更加具有科学性、逻辑性和说服力。正如魏忠博士在《教育正悄悄发生一场革命》一书中所说：“教育将继经济学之后，不再是一个靠理念和经验传承的社会科学和道德良心的学科，大数据时代的教育，将变成一门实实在在的实证科学。”[1]3明确的目标监控、海量的数据支撑、清晰的过程性案例资料，强大的数据分析与论证，配以与之紧密融合的教与研创新平台，让教研更加充满创新与活力。
(三)实践模式转型：从零散问题研究转向系列项目研究
“指令式”、任务驱动式教研在我国中小学普遍存在，其被动接受式的研究心态、直指结论的研究方式、以分散点状活动替代系列研究实践的研讨模式，让校本教研难以贴地而行，最终导致教研成果的可信度、可推广度不高。新时期的教研必须从形式化、表层化、零散状的教研形态中转变出来，向主题化、系列化、课题化、项目化教研转型，这也是由大数据时代的教育和研究特点所决定的。
大数据时代，由于教学平台、教研平台、管理平台已经有效对接，各个层面、各个系列的数据已经可以共享到大教育的“云平台”，大数据技术将较娴熟地运用于课堂和教研的方方面面。无论是自上而下的数据调用，还是自下而上的数据收集，都已经或者能够成为中小学教育教研的常态。技术手段的创新与变革，为教育大数据的储存、整合、分析创造了条件。“苏醒的数据能够说话”，尤其是当研究者开始自觉地、有意识地将数据采集、转化和运用，当作一种大数据时代系列性、周期性、可比对性的常态研究去做，这种经过甄别、筛选的数据，将成为主题教研、项目研究的最强有力的实证，也必将给那些原本因为技术或条件限制无法便利地获取研究数据而苦恼的教师们带来教研思路的突变，并将最终实现校本教研的实践模式由零散问题研究向系列项目研究转型。
三、大数据时代校本教研的转型路径
(一)“云课堂”研究：技术与数据更好地服务于“学”
新技术就在身边，你用与不用，它都在那里。苏州工业园区星海小学让“ipad进课堂”，以数字技术带动教学教研，为我们提供了研究大数据运用的全新视角。2014年，该校开启了以移动网络为平台、ipad为终端的实验教学，通过新技术的应用，构建了以生为本的“云课堂”，在很大程度上改变了传统“教”与“学”的方式。云课堂技术支撑的核心是“云计算”。它是一种计算方式，通过大量网络连接的统一管理和调度，将大量信息和资源按需向用户提供服务。这种全息服务的网络就叫作“云”。“云”就像一个专业的“信息提款机”，其强大的信息技术和极为丰富的立体数据资源，为学生的学、教师的教、团队的研搭建了多维互动的“云平台”。[3]
该校基于大数据时代教研方式转变的研判，并在充分调查、论证和研发的基础上，为师生数字化的学与研搭建了一整套自主的云存储服务器，每个ipad上都安装了用于云存储和分享的“网盘精灵”，学生和教师都能在其中建立一个单独的存储空间，每位教师制作的课件、收集的实验数据等，都能在第一时间上传到服务器，全校师生都能在第一时间下载所需资源。各科老师还能借助无线平台和应用软件，协同开展数据上传下载、数据存储与分析的尝试与研究，许多或大或小的教研探究活动都在强大的数据平台支持下进行，网络教研让更多的教师提升了教研的动力。比如，英语学科将ipad接入课堂后，学生可以在家里录制自己朗读和吟唱的视频，上传到“网盘精灵”，为教师即时了解学生学习状态和学习成效，提供了第一手的研究和分析资料。鲜活的数据让教学的跟踪与预判成为常态。[4]
再比如，亚洲教育网自主研发的“三网智慧泛教育云平台”，就是一种“三网融合、泛在学习”的公共智慧云，它利用云计算、物联网和虚拟化等新技术来升级校园网、城域网，其创建的“教育云+互动电视+电子书包”新模式开启了教育信息化新纪元，为全方位、大范围地实现多校、多地教育资源共享、教育成果分享、教学研的互动打下了基础。[5]10-11
(二)“实证研究”：加强数据论证，探寻“普适”规律
近些年，依托于数据实证的教研探索已然展开，微格教研、片段教研、主题教研等应运而生。这些教研模式大多采用的是“实证研究”的方式。它们都是通过对研究对象大量的观察、实验和调查，获取客观数据，从个别到一般，归纳出事物的本质属性和发展规律的一类研究方法。这些教研模式以问题研究为基础，以教学案例为载体，以数据分析为根据，对教学教研工作进行了微格化、片段化、前置化和主题实践性论证，依托数据探寻规律，教研成果更加清晰、显性、有效。
近几年，上海静安区开始在7所幼儿园和9所小学试点实施“社会性与情绪能力养成”实践项目研究。经过近百名教师长达四年多的摸索和改进，如今，静安区小学阶段的“社会性与情绪能力养成”课程正逐步走向成熟，其研究方法之一就是“实证研究”。他们以“社会性情绪”项目为主题，探索出依靠“数据终端”去记录每一个学生、每一堂课、每一个环节表现的数据收集方法。例如，在一节拥有六个环节的课堂上，大部分时间内学生的节奏都是紧密跟随教师，但是在某个环节，大多数学生停留的时间远远超过了教师。这就提醒我们，这个环节需要着重研究，需要调整，也许这个部分的内容非常吸引学生，也有可能这部分内容难度较高，他们需要更多的时间来阅读与消化。这种借助大数据进行教研探索的方法也适合于我们在课堂中更有效地去捕捉学生点滴行为的微观研究。可以这样说，大数据时代的到来，让跟踪每一个数据成为可能，从而让研究“人性”成为可能。而对于教育研究者来说，我们将比任何时候都更接近发现真正的学生。
(三)“项目研究”：用证据支撑评价，用项目推进教研
2014年，苏州市教育局设立了“义务教育质量综合评价改革”等五大教改项目，从全市范围遴选了50所特色鲜明的学校组建项目学校共同体，推进项目研究的实施。在研究过程中，各项目学校有效地借助云计算、物联网和虚拟化等新技术来升级校园网，努力将云技术与物联网进行高度融合，对全方位、个性化的过程数据和研究资源的上传、存储、整合与分析进行了必要的硬件配置和软件开发，然后在严格的过程管理中依托平台、依托案例、依托数据开展系列主题研究和项目实践论证。目前，项目研究进展顺利，也取得了可喜的成果。以苏州工业园区星海小学为例，学校以“十佳”取代“三好”，推出了“十佳星海娃”多元评价体系，率先开启了苏州市“义务教育质量综合评价改革”的实践与研究。项目研究中，全面的资源和个性化的数据收集与分析是项目推进的基础，研究的进程中共享研究资源、分享教育成果，使研究者与被研究者实现有效互动是研究成功的关键。为有效地整合资源，显化数据，苏州工业园区星海小学推出了“星海娃”自主申报、“四叶草”积点奖章、金点子征集、小公民系列招募等个性化实践案例，拓宽了评价体系，丰富了评价数据。与“星海娃”评价体系相配套，苏州工业园区星海小学还创新出“四叶草”小公民实践中心等多元评价支撑系统，并着手开发“星海师生成长档案在线跟踪平台”，该平台全面支持绿色评价体系，以开放共享的“云”资源平台的无缝对接，消除学校、家庭及社会间的信息孤岛，以电脑、手机、电视、平板等多终端实现了教师、学生、家长的轻松上传与访问，从而有力地促进了绿色评价研究资源的优化配置。[5]281-282苏州工业园区星海小学项目建设试点的初步探索说明，数据实证让教研更加准确，更为科学，“用证据支撑评价，用项目推进教研”成了校本教研的一条可行之路。
⑺ 如何通过抓取教育大数据来深化课堂教学改革
现代信息技术的发展为大数据的收集和分析提供了无限的可能，大数据时代的这一趋势也对教育产生了巨大的影响：一方面，在科技理性的指导下，通过多维度收集学生行为的数据并进行模型建构，可以对学生的学习行为进行预测;另一方面，大数据时代的人文主义转向使人们更关注教学活动的适应性，教育大数据的挖掘和利用可以更好地实现适应个人需求的定制化教学。
国际数据公司(IDC)认为大数据时代数据有4大特点——数据的规模大、价值大、数据流转速度快以及数据类型多。大数据的挖掘和利用对教育——特别是课堂教学——产生着深远的影响。学习科学家索耶认为：越来越多的学习将经过计算机中介发生, 并产生越来越多的数据,我们有必要运用这些数据分析什麼时候有效的学习正在发生。所以数据挖掘可以用於探究行为与学习之间的关系,如学习者的个体差异与学习行为之间有何关系,不同行为又会导致何种不同的学习结果等。2012年美国发布《通过教育数据挖掘和学习分析促进教与学》(Enhancing Teaching and Learning through Ecational Data Miningand Learning Analytics)提出大数据时代教育数据的特点：具有层级性、时序性和情境性，其中数据的层级性指，既收集教师层面的数据也收集学生层面的数据，既收集课堂数据也收集活动数据，为後期模型的建立提供了多维度的资源;数据的时序性是指，数据是实时的、连续的，为材料的前沿性提供了保障;而数据的情境性是指，数据是基於真实情境脉的，保证了模型的信度。
大数据技术能够促进以学生为本的学习，数据不仅仅是科技理性指导下收集数据和拟合成模型，并针对学生的群体行为做出预测判断，还可能在固有模型的基础上，通过诊断学生在课堂中的行为表现，对固有模型进行修改，使课程内容更加适合学生的长尾需求，实现个性化教学。大数据的利用可以支持对教育活动行为的建模预测，还可能支持教育实践中的适应性教学。前者是後者的基础，後者是前者的深化。
建模与预测导向的大数据应用
大数据时代数据促进教育变革的方法之一是收集和分析处理数据，并进行预测。现如今，由於数据记录、存储与运算的便捷性，海量的、多层次的数据可以便捷地加以收集，由随机抽样带来的误差因此减小，建模和预测可以基於全数据和真实数据，因而就更为精确。大数据时代通过探求海量数据的相关关系获得盈利的最成功的案例是亚马逊的市场营销，亚马逊收集读者网上查阅行为和购买行为数据，建立读者偏爱阅读模型，预测读者购买的群体行为，实现书籍的推荐。近几年，教育研究的对象逐渐关注学生的学习行为，其背後是一种学习观的转变，学习被视为一种识知的过程(knowing about)，识知是一个活动，而不是将知识作为一个物品加以传递。识知总是境脉化的，而不是抽象的和脱离於具体情境的。识知是在个体与环境的互动中交互建构的，而不是客观准确的，也不是主观创造的。所以，学生的行为活动数据被认为是可以反映学生在学习过程这一情境化的动态变化进程中的情况。海量、多层次、连续的行为数据在收集後被拟合成模型，实现预测，如学习管理系统(LMS)的运用。然而，由於建模和预测依赖的基本原理为数理统计，其预判对象主要是学生的群体行为。
1.案例分析
学习管理系统(Learning Manage System)简称LMS，是基於网络的管理系统平台，用於监控学生学习活动行为，识别和预测学困生(student at-risk)，并为其提供相应的帮助。大多数LMS包括5个部分：有和课程相关的学习资料、用於确保学生提交作业与完成测试的评价工具、用於沟通的交流工具(如邮件、聊天室等)、用於确保教师记录和存储学生的学习活动并发布活动截止日期的课程管理工具、用於帮助学生学习回顾和跟踪学习进程的学习管理工具。在高校大量使用的BB(Blackboard)平台就是一个常见的学习管理系统。系统记录了学生参与选修的网上课程的种类、在线时长、阅读和浏览的文章数量，反映学习者的学习行为。2008年，Leah P.Macfadyen和Shane Dawson教授在加拿大不列颠哥伦比亚大学通过分析5个本科班级使用BB平台选修生物课的数据，建立了预测模型。平台记录了学生课程材料的使用情况、参与学业交流情况和完成作业提交和考试情况。大数据时代教育数据记录的层级性在这裏充分显现，课程材料的使用包括记录在线时长、邮件的阅读时间、邮件的发送时间、讨论信息的阅读时间等。参与学业交流记录了发布新讨论的时间、回复讨论的时间、使用搜索工具所花的时间、访问个人信息的时间、文件的浏览时间、浏览谁同时在线的时间、浏览网页连结的时间等等。评价模块记录了评价的阅读时长和提交评价的时间等。通过应用统计工具描述散点图，发现了在LMS记录下学生在线时长和学业表现呈相关关系。在进行多元回归时，研究者发现，学业成就处在後四分之一的学生在线时间略长於平均时间，而学业成就处於前四分之一的学生的在线学习时间低於平均水平。紧接着，研究人员为了作出预测，利用逻辑斯特回归生成了一个预测模型，通过收集学生的新的行为数据，预测学生是否处於真正参与了学习活动，并得出如下结论：讨论举行的次数、邮件信息发送量和测评的完成情况这三个维度构成的模型可以预测学生的学业水平情况。
大数据时代，通过探求学生行为与学业水平之间的相关关系，建立模型，实现预测，能够对课堂教学产生重要影响。然而，数据建模过程中，为了保证模型的效度与信度，极端个别数据被处理，使模型只能实现群体行为的预测，不能针对学习者个体实现定制化和个性化。
2.建模与预测的不足
数据建模与预测的背後充分体现了实证主义的思想和方法。19世纪上半叶，以孔德为代表的社会学家提出了实证主义的基本信条：利用观察、分类，探求彼此的关系，得到科学定律。实证主义的哲学思潮到20世纪60年代，演变成一种科技理性，实践知识逐渐染上了工具性的色彩，专业活动存在於工具性的解决问题之中，所有的专业活动都被视为厘定目标、套用已知的方法解决问题的过程。这一期间，大量的学科被系统地整合发展，甚至包括教育学和社会学这样的「软科学」。用证据解决未知的问题，用数据预测未来一时成为潮流。
学生活动行为数据的建模尤其侧重体验实证主义的思想，模型注重成功教学行为的共性，忽视教师与学生群体的独特性需求时，科技理性的主导有可能使课堂教学被视为独立於真实境脉的模块，只要教学行为取得成功，就会被数据抽象化，形成模型，对学生群体行为产生预测。科技理性有赖於人们认同的共有目标，教学实践目标的厘定极其复杂，包含巨大的不确定性和独特性，甚至，由於社会角色的不同，还会带来价值冲突。一个稳定的、为所有人所认同的目标不复存在，依据科技理性精神和方法推理预测的行为模式并不可能满足每一个人的需求，教育变革在大数据时代下出现新的取向。
从数据模型到支持适应性学习
在数据建模的基础上实现教学的适应性是大数据时代促进教育变革的另一成果。数据建模及行为预测依旧属於科技理性指导下的行为模式，可能会造成忽视学生个性需求的现象，而个性化需求正是知识社会的重要特徵，个性化的教育也受到教育研究者、政策制定者和教育实践者越来越多的关注。教育系统设计专家赖格卢斯认为，教育投入没有达到效果的一个很重要的原因是忽视了社会的转型。「社会已经从工业社会步入了资讯时代，劳动力市场对人才的要求不再是工业时代在流水线上操作的工人，而是具有创新性思维、决断力强的知识性人才。」教学面临从产生清一色的劳工转向产生有判断力和适应性能力的人群。2010年，OECD的报告《The Nature Of Learning》中指出，适应性能力(adaptive competence)是21世纪核心竞争力，包括在真实的境脉中灵活并有创造力地使用有意义的知识和技能。吴刚在《大数据时代的个性化教育：策略与实践》中提出了个性化教育的必要性和必然性，指出「只有利用信息技术所提供的强大支持，才有可能真正实现个性化学习」。大数据时代的来临，正是个性化教育发展的一个良好契机。2012年，美国颁布了《通过教育数据挖掘和学习分析促进教与学》，提出大数据时代，通过收集在线学习数据，对数据进行分类和探寻数据之间关联的方式挖掘数据，形成数据模型。通过学生行为和模型的互动，形成适应性学习系统。概言之，我们可以以对行为数据的充分利用为基础，改变教学的内容和进度，构建适应性评价和教学系统，充分实现教育的定制化，满足学生的长尾需求。
1.案例分析：
适应性教学系统又称适应性学习系统，(Adaptive Learning Support System)，简称ALSS系统，强调基於资源的主动学习，认为学习不是知识的传递，而是学习者的自我建构。自上世纪90年代以来，研究者开发了不少适应性学习系统，如1998年De Bra开发的AHA系统，2003年，Brandsford和Smith开发的针对任务型学习的MLtutor系统，以及近几年颇受关注的翻转课堂(Flipped Classroom Model)简称FCM系统。
内容传递模块：传递相关知识与信息支持学生的学习。
学习者数据库：存储学生在参与教学活动中的相关行为。
预测模块：包括学生信息和学生行为数据，跟踪学生的学习，并做出预判。
显示模块：为学生生成行为报告。
自适应模块：根据学生行为生成的报告，反馈到预置模型，为模型做出相应的改变，使之更符合学生。
干预模块：使教师、系统管理者和领导可以在系统运行时实施人为干涉。
学习者学习相关学科内容时，学习行为被记录跟踪下来，学生的学习行为数据被传送到後台，记录在学习者数据库内，作用於预测模块。预测模块通过改变内容传递模块，再次作用於学习者。在整个过程中，教师、教学管理者起干涉作用。
适应性学习系统是一个交互的动态系统，系统往往会提供给学生一些学习行为建议。奥地利针对学生的问题解决的过程设计了一个适应性学习系统。适应性学习系统的第一步是教育数据挖掘(ecational data mining)，简称EDM。数据挖掘的过程包括数据收集、数据预处理、应用数据的挖掘和诠释评价发展结果。Moodle提出了CMS数据挖掘系统(Course Management System)。研究者先使用原始数据进行建模，第一步是原始数据的收集，原始数据大约包含2007年73名用户产生的28000活动例子，2008年97名用户产生的265000份解决问题的案例和2009年45名用户产生的115000个活动案例。除了记录学生解答问题时产生的数据，原始数据还收集了学生的信息、问题的信息和解决问题的步骤;在对数据进行分类後，归纳出问题解决的类型，利用很擅长拟合连续数据的Markvo Models(MMs)的一个子模型DMMs拟合了如上的连续性数据，通过添加判断学生学习行为的结果模型和一系列监控和调节模块，构成了整个面向问题解决的适应性系统。当学生使用这个模型时，模型会根据学生的行为数据为学生提供他们所偏爱的解决问题的过程与方法。
除了适应性教学系统，还有适应性评测系统。LON-CAPA(Learning Online Network with Computer-Assisted Personalized Approach)是一个计算机辅助的个性化网络学习测评平台，平台不提供课程设计和课程目标，而是一个教学工具。CAPA通过後台记录学生的基本资料，学生参与的互动交流、学业情况，针对学业课程中的疑难点，提供个性化的考试资源。
2.适应性转向的意义
在大数据时代，科技理性指导下的模型预判在面对结构不良的问题时显得应对能力不足。科技理性指导下的数据建模忽视学习的真实境脉，只能支持群体行为的预判，模型的推广可能会使人们忽视其实践成功背後的个体经验与具体情境，从而导致科技理性与哲学思辨对抗。然而，完全依靠哲学思辨和经验进行教学不仅不利於教育学科系统理论性的发展，也不利於课堂实践的管理与教师的培训。唐纳德·A.舍恩提出了一种适应性思维模式。他指出：「如果科技理性的模式在面对『多样』的情境时，是无法胜任、不完整的，甚至更遭的话，那麼，让我们重新寻找替代的、较符合实践的、富有艺术性及直觉性的实践认识。」适应性学习是在系统理论知识的指导下，针对个体差异，使学习内容和活动高度个性化的学习方式。
适应性平衡了理性与经验的两难，英国学者Hargreaves(1996)首次提出基於证据的教育研究向医疗诊断学靠拢。临床诊断学和教育的相似之处在於，他们都要面对变动不居、极其复杂的环境，在这样一个结构不良的系统中，充分意识到客体(患者或者学生)的独特性与共性，利用系统的专业知识解决问题。
Ralf St. Clair教授在参考医学临床实践研究的三要素後提出基於证据的教育研究的三要素——研究的证据、教育工作者的经验、学习者的环境与特点。其中，行为预测关注的是研究的证据，而适应性学习系统的建设则关注的是教育工作者的经验和学习者的环境与特点。
从预测行为到支持适应性教学的转向，是一种人文主义的转向，教育研究的重点从关注研究的证据走向关注教育工作者的经验与学习环境特点，关注以证据支持个性化学习的实践变革。证据不再是其在科技理性时代所处的指导决策的角色，而是被视作一种资源，教育工作者在大量的基於证据的课堂教学决策中找寻最适合自己特点和学生特点的方式，推进课堂教学流程。也就是说，大数据的更重要价值在於支持适应性学习，满足个性化学习和个性化发展的时代需要。数据的预测功能依赖於大数据收集数据的全面性与处理数据的便捷性，根据统计学原理对群体行为做出预测，一定程度上弱化了个体特徵和具体情境。其主要指向行为预判。而适应性是在模型与客体的交互作用上改变模型，如图3所示，数据的适应性运转模型比预测模型多了一个循环(loop until)系统，使其更加契合个人需求，其主要指向实践改进。预测是支持个性化学习的基础，而支持个性化学习是预测功能的深化和转化——从整体人群到个体学习者、从理论模型到实践策略的转化。
分析与启示
大数据时代由於数据量大，数据收集与携带便捷，使海量学生行为数据被挖掘、收集，通过数据建模对学习者行为的分析变得比前大数据时代更为全面和可靠。数据时代在数据的挖掘和预测上固然潜力十足，但是大数据时代更多的价值是满足学习者的适应性长尾需求，在预测行为的基础上，修改教学模式，使之个性化与定制化。从数据建模走向支持适应性教学，支持对象从群体转向了个人，对教育活动的影响从对行为的认识转向了教育活动的实践，从科技理性指导下的去境脉转向了基於真实情境的教学活动。
走向适应性，不仅改变人类行为方式，更重要的是改变了认知方式。前大数据时代人们在科技理性的指导下完全被数据证据左右(driven by the data)，教师和学生、教育决策者和学校形成传统社会契约关系，当事人把自己百分之百地交给专业工作人员，而专业工作人员遵守契约，对当事人全心全意地负责，从而使专业工作人员享受至高无上的垄断性地位。大数据时代，教师不再是知识的控制者，他通过参与学生的学习活动，根据学生的先拥知识和认知特点、个性需求，不断地调整教学步骤、教学进度和难度。学生不用完全将自己有如病人交付给医生一般完全托付给教师。在学习的过程中，通过与教师的互动交流，在教师的协助下，成为自己学习的主体，控制并对自己的学习负责。由於教师精力有限，大数据时代下网络计算机辅助学习系统可以为教师和学生提供辅助指导的机会。
尽管如此，一方面，我们要拥抱大数据给我们带来的便捷的生活和高质量的教育，另一方面，我们需要保持警惕和防止因果关系和相关关系的误用，并且维护数据安全。
在推理方面，教育工作者需要警惕将相关关系和因果关系误用，以Leah P.Macfadyen教授的前述案例为例，BB平台在线时间的长短和学生的学业成就有相关关系，而非因果关系，成绩优异的学生在线时间低於平均在线时间，但不能说低於平均在线时间的学习导致学生成绩优异而要求学生减少在线学习时间。
此外，在信息安全方面，学生和教师的大量信息被收集和使用，在使用的过程中，必须制定相关私隐保护法，保证信息的安全，警惕数据滥用。学生的行为数据也不可以作为教师教学评优的依据，让大数据真正成为支持教学变革、提升教学效能、促进学生发展的手段，而不是控制教师和学生的工具。
⑻ 大数据时代教师专业发展需要哪些支持
大数据时代特殊教育教师专业发展的机遇
1
打破“小样本”的限制，特殊教育理论建构的跨越式发展将为特殊教育教师的专业发展提供全新的参照。由于特殊教育教师的人数比较少，专业发展的历史比较短，专业发展的理论和实践积累比较少，相对自身的发展，特殊儿童及其家庭对教育质量的诉求和需求却是直线上升，两者之间的落差要远远大于普通教育。然而，特殊教育的显著特点是学生个体间和个体内部的差异比较大，这一特点导致特殊教育基础研究只能以小样本或个案的方式开展，极大地限制了特殊教育理论发展的速度，也制约了特殊教育理论和实践的客观性。大数据时代的一个重要转变就是“利用所有数据，而不再仅仅依靠一小部分数据”。这一转变将会把特殊教育的理论建构带入到“样本=总体”时代，每个特殊学生的学习过程、每个特殊教育教师的教学过程将超越“样本”的局限，使特殊教育理论建构更快速、更准确、更系统，这将为特殊教育教师的专业提升提供接近特殊儿童发展实际的一套理论框架和实践证据，从而使特殊教育教师的专业水平真正满足特殊儿童发展的需要。
2
专业学习将突破时空限制，打破等级制的藩篱，让特殊教育教师的专业学习进入“全民化”的时代。专业学习是教师专业发展的主要途径之一，然而，由于特殊教育教师人数少、分布比较分散，导致日常的学习局限在某个狭小的区域里，与普通教育相比，特殊教育教师的学习机会和资源都比较缺乏。相对普通教师，特殊教育教师实践操作的时间更多，相对而言，用于专业学习的时间被大大限制。大数据时代，数据收集及挖掘技术的运用，让每个特殊教育教师都将成为专业理论建构的贡献者，在海量的专业学习资源面前也都将获得平等的机会，这些新的变化将促使特殊教育教师的专业发展的潜力逐步得到解放，并最终形成专业等级界限模糊、学习全民化的局面。
3
特殊教育教师自组织的发展状态成为可能。自组织普遍存在于自然界，于人类社会，是生命系统、社会系统由无序向有序、由低级向高级演进的重要机制。教师的专业发展究其实质是使教师所从事的教育由无序向有序、由低级向高级发展。在传统的特殊教育发展中，教师的专业发展要受到“等级制”的制约，专业发展的主动性受到压抑，再加之特殊教育效果不易彰显，特殊教育教师个体的专业发展自觉水平比较低，这种状态又反过来制约了整个特殊教育教师专业持续发展的推动力。教师专业发展必须要关注到个体的需求，大数据时代的专业资源海量积累和有序呈现，以及数据挖掘技术的参与，将会更好地满足个体的需求，当每个特殊教育教师都能根据教育服务对象的需求，获得相关的专业支持的时候，教师的专业积极性将得到满足，专业发展的成就容易得到彰显，每个特教教师能在自身的工作里体验到更多平等和价值感，这会增加特教教师对美好教育的向往，进而唤醒教师内在的教育潜能，促使教师在教育改革中实现专业发展。
4
特殊教育教师专业发展的评价将在行业内部真正实现。目前特殊教育教师的专业发展的评价囿于信息的不共享，只能在局部范围内开展，导致行业内部无法形成公认的评价标准和评价方法，这样的局面极大地阻碍了特殊教育教师的专业发展。但大数据时代的到来将会改变这一现状，教育数据的采集渠道和方式越来越多样化，并且非结构化数据所占比例越来越高，所有人的教育实践过程将被纳入大数据系统中，在专业团体内部经过资源的选择过程，将会出现淘汰和优化的局面，而此过程会将会把更符合学生心理特点、更符合社会情境的教育理念和方法优选出来，这种大数据下的评价机制，并没有很明确的标准和方案，却是最有效的评价机制。
三
四招助推大数据时代特殊教育教师专业发展
特殊教育教师的专业发展是一个系统工程，政策框架的搭建、社会氛围的营造、专业自治的提高、学习方式的转变都是影响专业发展的重要因素。大数据时代，如何利用好技术革新带来的契机，使特殊教育教师专业实现跨越式发展，需要积极应对，未雨绸缪。
1
政策机制层面。大数据之所以能有诱人的价值，就在于数据的量足够大，达到可以直接获得总体的参数，但如果这些数据不能被准确收集、及时共享，大数据也将无从谈起。特殊教育教师群体数量虽然不大，但由于教育对象的特殊性，个性化的数据积累量也是非常大的，制定专门政策，打破数据壁垒，教师个体之间、学校与学校之间、地区与地区之间、部门与部门之间形成数据共享，才能真正产生大数据，数据内部的价值才能被聚集和挖掘出来。当然，在大数据平台的建设中要提高数据的可信度，教育信息特别是特殊儿童的信息必须要准确才能具有参考的价值，否则将无法突破教育中个案教育的状态，甚至还会造成资源的浪费。还有，要确保大数据平台能持续为特殊教育教师专业发展提供动力，以大数据为基础，制定教师专业发展规划，减少不必要的资源浪费，同时，需要制定信息相关的法律法规，确保特殊教育领域大数据的规范使用。
2
基础设施层面。大数据时代是相对传统的数据收集而言的，不仅体量巨大，更是信息的价值的巨大。要获得如此大量的数据，必须要有数据收集的渠道和平台。这就要求我们顺应大数据的发展趋势，建立大数据获取、分析和应用的平台，以学生为中心，建立学校—家庭—社区—社会的数据收集网络，建立数据分析中心和连接点，确保数据能被完整快速收集，同时数据能经过整理、挖掘，变成可视化的数据群，为特殊教育教师获取所需教育信息、形成科学的决策提供支持。
3
专业文化层面。大数据时代是一种趋势，不可阻挡。我们要从现在开始着手建设数据文化，树立三种观念：客观、准确、及时。要在特殊教育领域提倡这些观念。同时，教师要不断提高数据意识和数据素质，掌握数据收集、分析、呈现、共享的基本技能，做大数据时代特殊教育专业知识的积极使用者和分享者。要做到这些，必须从现在开始，在培养特殊教育人才的高等院校进行积极的宣传、推动，更为重要的是要在特教学校开始推进此项工作，在日常的工作中就要提倡用数据说话，让数据开始深入人心。对于新进入的教师要设立门槛、确定目标，对于数据的分析能力要作为基本素质。当然，在特殊教育教师中推动数据文化时，也要注意不要让过去界定未来，不要让数据束缚人们对未来发展的认识和探索。
4
技术人才储备。在大数据时代，谁能拥有大数据IT基础设施人才，拥有大数据的深度分析人才，拥有大数据分析结果的运用管理人才，谁就占据了未来竞争的主动地位。大数据本质上是一种信息技术的产物，当其运用在特殊教育领域，为教师专业发展服务的时候，对专业人才的需求就被提上日程。专业技术人员的主要任务在于建设和维护特殊教育相关的大数据基础设施，做好数据安全的把控