《大数据在教育行业中的应用资料》由会员分享，可在线阅读，更多相关《大数据在教育行业中的应用资料（9页珍藏版）》请在金锄头文库上搜索。
1、此文档仅供收集于网络，如有侵权请联系网站删除 只供学习与交流 1. 大数据在实验室管理方面的应用 海量数据已经使我们进入了大数据时代，数据信息的来源、传播速度和传播数量正在影 响、改变着人们的思维方式和生活、工作习惯。近年来，基于“大数据”的实验室管理系统 的开发以及互联网的实验室管理技术正在兴起。但真正被业内人士承认的教育领域的大数据 应用却为数不多，其中被公认的当数东华大学的智能实验室项目。 2009 年，东华大学教务处处长吴良提出实验室智能化管理的思路，并将材料学院作为试 点单位。 实验室智能化管理即用物联网的方式把实验室里所有的仪器设备都管理起来。实验 室智能管理过程中记录了学生在实验
2、室内所有的活动情况，包含学生进入实验室的情况，使 用的仪器设备情况，使用仪器设备时长等，以及所有仪器的电流、电压都可以监控。如今， 东华大学所有学院的实验室都纳入了智能实验室的管理。东华大学通过实验室智能管理系统 进行各个方面的数据采集，并对数据进行深度挖掘，形成了各种各样的图表。从图表中可以 看出哪些实验室申请的设备根本不必购买，哪些实验室不再需要拨钱。实验室的使用率和第 二年的经费完全挂钩， 最后实现教育经费使用的集约高效；也可以结合大数据的分析和模拟， 建立新型的实验教学课程。 另外，华东大学智能实验室利用云平台（东华云）通过服务器虚拟化和实验教学资源管 理系统进行管理，简化了管理流程,
3、 节约了管理成本, 提高了服务器资源申请的灵活性，实 现了实验资源管理的信息化和透明化。目前，东华大学智能实验室还实现了24小时开放无 人管理、 跨学院使用等人工无法实现的管理，数据显示， 智能实验室的管理对学生学习自主 性的提高有显著影响，学生在实验室的时间甚至超过了在教室的时间。 2. 大数据在校园网用户行为分析方面的应用 经过多年的积累，人类的数据量、数据处理技术和能力都得到了质的飞跃，大数据时代 给人类社会带来了诸多具有革命性的变化，而校园网的出现则是传统“言传身教” 教育的一 次革命。中职学生思想尚不成熟，自律力和识别能力不强，对于开放式的网络有些迷茫。校 园网学生用户行为分析的研究
4、是通过对校园网络的测量和分析，挖掘和发现网络中呈现出来 的各种行为规律，同时识别一些异常网络行为，最后将用户行为分析展示。这样以便学校采 取对应的策略及措施引导中职学生健康上网，从而使校园网真正成为学生获取知识的平台， 提高学生的整体综合素质。 广东省电子职业技术学校罗萍设计了一个基于大数据的校园网学生用户行为分析系统， 该系统从网站浏览信息、网站发帖留言、 搜索关键词、 网络购物等四个维度来描述基于校园 网的学生用户行为。通过对网络内容的分析，可以进一步细化到学生用户在网络中具体网络 此文档仅供收集于网络，如有侵权请联系网站删除 只供学习与交流 行为、 发表的言论和帖子、对网络资源的兴趣偏好
5、是什么等等，从而有效掌握学生的上网行 为动态。 随着计算机技术的迅速发展，大数据时代的网络行为已经成为当前学生校园生活中的一 项重要活动内容，正在悄然的改变着学生的学习和生活。因此，深入研究学生网络行为，理 性分析学生网络行为特点，动机和需求， 以及如何引导学生合理运用网络资源，树立健康的 上网理念，构建有益的校园网络环境，已经成为目前学校研究的重要课题。 3. 数据挖掘在学习分析及干预中的应用 教育领域已经开发和应用了多款学习分析系统，主要集中在绩效评估、学习过程预测与 学习活动干预三个方面。 绩效评估 : 如美国Northern Arizona University 研发的GPS( Gra
6、de Performance Status) 系统，可实现全校在校大学生的课堂学习绩效评估。该系统能为教师提供最新的学 生出勤情况、学生的反馈意见，为学生提供教师的最新评价以及重大事项的提醒。 学习过程预测: 如澳大利亚University of Wol-longong 研发的Snapp( Social Networks Adapting Ped-agogical Practice) 系统。该系统可以记载和分析在线学习者的网 络活动情况 ( 如学生在线时间、浏览论坛次数、聊天内容等) ，使教师能深入了解学习者的 行为模式，进而调整教学方式，最大化地为学习者提供适应的教学指导。 学习活动干预:
7、可分为人工干预和自动干预，现在主要集中在人工干预上，借助绩效评 估工具和学习活动预测工具，由教师完成学习干预。自动干预是未来学习分析技术发展的方 向，大数据将为这一目标的实现提供强大动力。 在教育管理改革方面，学习分析能为高职院校教育管理系统的方方面面提供指导教学管 理活动的相关数据。依靠这些数据， 高职院校管理部门可以有针对性地完善不足之处，修订 教育管理方案，优化教学资源配置，并最终评估修订方案及资源配置情况。 在教学改革方面，学习分析技术能真正意义上营造信息化的教学环境，保证教师提供的 学习服务契合学习者个性化学习、协作学习的需要。传统教学模式中，教师无法保证所提供 的学习资源能真正满足
8、学生的学习需求，无法适时调整和分配资源，无法提供个性化地学业 指导，无法及时了解学习过程中出现的障碍与疑惑。这些问题都限制了高职院校教育改革的 深度，而学习分析技术恰恰可以弥补这些缺陷。通过应用学习分析的相关工具和大数据技术， 教师可以及时获取学生的学习行为数据，从而支持一种既能体现教师主导作用，又能兼顾学 生主体地位的新型教学方式，以最大化地激发学生的潜能，为新世纪培养创新性人才。 在学习方式改革方面，学习分析技术的作用在于: 自动识别学习情境，能够从大量纷杂 此文档仅供收集于网络，如有侵权请联系网站删除 只供学习与交流 的数据中自动分析出学习者的特征信息，根据其需要推送适应的目标资源，并提
9、供学习建议 以协助学习者修订自己的学习任务；学习者可以实时调整自己的学习计划，预约辅导以解答 学习疑惑； 在特定情况下， 还可以通过锁定学习者所在地理区域、学习特点等因素划分学习 小组， 以满足个别学习者的协作学习需求。此外， 学习分析能为在校学生提供个性化的学习 指导建议，以帮助学生规划在校学习路径，明确其学业成就的期望。 4. 大数据在课程建设方面的应用 大数据时代学习者在数字化学习过程中留下很多数字碎片，通过分析这些数字碎片，我 们将会发现学习者的各种学习行为模式。梁文鑫指出： 大数据对课堂教学带来的主要影响是 使教师从依赖以往的教学经验教学转向依赖海量数据教学分析进行教学，使学习者对自
10、我发 展的认识从依赖教师有限理性判断转向对个体学习过程的数据分析，从而使传统的集体教育 转向对学习者的个性化教育。 目前流行的大规模在线开放课程（Massive Open Online Course ，MOOCs ）教育，MOOCs 教育被寄予厚望的主要原因是学习分析技术和大数据对它的支持，有了学习分析和大数据技 术，优质的教学、课程资源和服务等通过数据真实客观的被呈现出来。比如：对每一门课程 资源和支持服务系统的建设和维护都建立在学习者使用过程的数据分析基础上，从而使提供 的课程内容更符合学习者的需求、教学指导更具有针对性，进而提高了学习者的学习积极性， 促进了学习成功的实现。学习者在MOO
11、Cs 平台上学习时，教师和程序可以通过大数据对 学习者的学习行为进行理性干预，比如：通过预测认知模型为学习者自动提供适合的学习内 容和学习活动方案，通过作业情况、 留言板以及讨论区的问题讨论情况可以发现存在学习困 难的学习者，以确保可以及时对其学习进行有效干预等。 大数据的应用可以实现大规模在线教育的同时可兼顾学习者的个人需求，大数据对海量 数据的高速实时处理技术可以为在线教育平台实时洞察学习者的变化、把握学习者的需求、 提高学习效果提供支持，还可以对学习过程中产生的不相关信息进行深度分析，以预测和把 握学习者的需求变化。 5. 大数据在助学贷款方面的应用 国家助学贷款始于2000 年，此后
12、,全国各地普通高等院校陆续开办国家助学贷款业务。 但由于政策设计的缺陷、学生个人的诚信缺失、银行的积极性等多方面的问题,贷款业务开 展出现较大差异东部好于西部,南部优于北部 ,部属院校高于地方院校。年国家修正贷款政策, 加大贷款工作力度和政策扶持力度,国家助学贷款工作才得以继续进行。但国家对家庭经济 困难学生没有给出界定,更缺乏界定标准,因此各高校在确定助学贷款资助对象时,只能依靠 此文档仅供收集于网络，如有侵权请联系网站删除 只供学习与交流 学生个人陈述、老师自己的判断、同学之间的投票等方法对困难学生加以界定,以致帮困助 学工作困难越来越多。同时 ,由于信息沟通缺乏有效的渠道,管理缺少统一的
13、工作平台,很大程 度制约了贷款工作的开展,影响了学校、银行工作的积极性。缺少信息的沟通,造成信息的不 对称 ,也影响了工作的开展,出现管理的滞后。 2005 年，郑爱华作为课题负责人,组织完成校内课题“济南大学帮困助学问题及对策研 究” ,主持申报了山东省科学技术发展计划软科学科学项目“山东省国家助学贷款中的问题 成因及对策研究”,同年获得立项,项目编号： B2005016 。 助学贷款决策支持系统是济南大学研究的山东省省级课题“山东省国家助学贷款中的问 题成因及对策研究”的子课题之一。目的在于通过该系统,建立家庭经济困难状况指标评价 体系 ,包括评价指标的设立、指标分值的量化、最后计算机进行
14、决策计算,输出决策支持的结 果,帮助学校确定贷款资助对象,建立贷款信息数据仓库，并将贷款信息通过计算机进行处理, 实现快捷、方便、及时、准确的数据动态管理,克服银行、学校、学生、主管部门之间的信 息不对称问题， 实现科学决策、 信息化管理的目标，有利于山东省助学贷款工作的健康发展, 有利于减轻学校贷款工作的管理难度,降低贷款成本,为帮困助学工作开辟有效的途径。 河北省教育厅学贷中心河北省学生贷款管理中心于2007 年开始实施助学贷款信息化建 设,将先进的计算机技术应用到国家助学贷款管理工作中,建立“河北省国家助学贷款管理信 息系统” ,使学生对国家助学贷款的申请、学校对助学贷款的管理、银行对学
15、生申请的审批 以及其间的各种信息的交互等都实现网络化。 6. 基于大数据证据的教育教学决策 在美国，教育大数据为美国政府、教育管理部门、学校与教师做出合理的教育教学决策 提供了可靠的证据。整体上，美国建立了严格的教育问责制度，包括利用州教育问责系统 (State Accountability Systems)对各州教育发展情况进行全方位评价，借助于学区级评价系 统(District-level Evaluation Systems)评价各学区、各学校的整体教育质量，并要求学校与 学区要对后进生进行基于数据的支持性学习干预(Data-driven Interventions)。 美国联邦政府 以
16、及各州政府基于对教育大数据的分析结果评价各州或州内学区的教育进展水平，并以此作 为教育投入的依据以及教育政策制定的根据。 美国学校一般利用基于大数据的教育评价支持本校在规划学校整体发展、优化学生管理、 制定教学质量改进计划等方面的教育教学决策。据统计， 97%的美国中小学利用来自整个年 级或整个学校的教育大数据确定学校需要提升的关键领域；分析学生的个体数据以便于分班 此文档仅供收集于网络，如有侵权请联系网站删除 只供学习与交流 或安排相关学习支持服务，包括了解哪些学生需要特殊支持或更多支持。47%的美国中小学 通过专门的评价人员分析不同教师讲授同一教学内容或同一教师以不同教学策略讲授同一 教学内容时产生的数据，评价教师的教学质量并提出教学方式变革计划。而83%的学校在利 用教育大数据尤其是本校产生的大数据了解本校教师教学发展的现状与需求，并据此决策如 何支持本校教师的教学发展。 学校教师可以利用教育大数据改进与优化自己的教学决策。整体上，教师可以利用大数 据分析需要在何种时机对哪些学生以何种方式安排何种教学内容。教师利用本班学生产生的 大数据， 或同时借助与外部大数据的对
