《大数据在教育行业中的应用.doc》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.doc（10页珍藏版）》请在金锄头文库上搜索。
1、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、变化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。，东华大学教务到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室内所有的活动状况，涉及学生进入实验室的状况，使用的仪器设备状况，使用仪器设备时长等，以及
2、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，形成了多种各样的图表。从图表中可以看出哪些实验室申请的设备主线不必购买，哪些实验室不再需要拨钱。实验室的使用率和次年的经费完全挂钩，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。此外，华东大学智能实验室运用云平台（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, 节省了管理成本, 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
3、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明显影响，学生在实验室的时间甚至超过了在教室的时间。2. 大数据在校园网顾客行为分析方面的应用通过近年的积累，人类的数据量、数据解决技术和能力都得到了质的奔腾，大数据时代给人类社会带来了诸多具有革命性的变化，而校园网的浮现则是老式“言传身教”教育的一次革命。中职学生思想尚不成熟，自律力和辨认能力不强，对于开放式的网络有些迷茫。校园网学生顾客行为分析的研究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多种行为规律，同步辨认某些异常网络行为，最后将顾客行为分析展示。这样以便学校
4、采用相应的方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种基于大数据的校园网学生顾客行为分析系统，该系统从网站浏览信息、网站发帖留言、搜索核心词、网络购物等四个维度来描述基于校园网的学生顾客行为。通过对网络内容的分析，可以进一步细化到学生顾客在网络中具体网络行为、刊登的言论和帖子、对网络资源的爱好偏好是什么等等，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目前学生校园生活中的一项重要活动内容，正在悄然的变化着学生的学习和生活。因此，进一步研究学生网络行为，理性分析学生网
5、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，重要集中在绩效评估、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( Grade 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状况、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示。学习过程预测: 如澳大利亚 Univer
6、sity 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状况( 如学生在线时间、浏览论坛次数、聊天内容等) ，使教师能进一步理解学习者的行为模式，进而调节教学方式，最大化地为学习者提供适应的教学指引。学习活动干预: 可分为人工干预和自动干预，目前重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，由教师完毕学习干预。自动干预是将来学习分析技术发展的方向，大数据将为这一目的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
7、的方方面面提供指引教学管理活动的有关数据。依托这些数据，高职院校管理部门可以有针对性地完善局限性之处，修订教育管理方案，优化教学资源配备，并最后评估修订方案及资源配备状况。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。老式教学模式中，教师无法保证所提供的学习资源能真正满足学生的学习需求，无法适时调节和分派资源，无法提供个性化地学业指引，无法及时理解学习过程中浮现的障碍与疑惑。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有关工具和大数据技术，教师可以及时获取学生的学习行为
8、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: 自动辨认学习情境，可以从大量纷杂的数据中自动分析出学习者的特性信息，根据其需要推送适应的目的资源，并提供学习建议以协助学习者修订自己的学习任务；学习者可以实时调节自己的学习筹划，预约辅导以解答学习疑惑；在特定状况下，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引建议，以协助学生规划在校学习途径，明确其学业成就的盼望。4. 大数据在课
9、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诸多数字碎片，通过度析这些数字碎片，我们将会发现学习者的多种学习行为模式。梁文鑫指出：大数据对课堂教学带来的重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，使学习者对自我发展的结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，从而使老式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 教育被寄予厚望的重要因素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
10、的被呈现出来。例如：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本上，从而使提供的课程内容更符合学习者的需求、教学指引更具有针对性，进而提高了学习者的学习积极性，增进了学习成功的实现。学习者在 MOOCs 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，例如：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，通过作业状况、留言板以及讨论区的问题讨论状况可以发现存在学习困难的学习者，以保证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步可兼顾学习者的个人需求，大数据对海量数据的高速实时解决技术可觉得在线教育
11、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有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，此后,全国各地一般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,贷款业务开展浮现较大差别东部好于西部,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,更缺少界定原则,因此各高校在拟定助学贷款资助对象时,只能依托学生个人陈述、教师自己的判断
12、、同窗之间的投票等措施对困难学生加以界定,以致帮困助学工作困难越来越多。同步,由于信息沟通缺少有效的渠道,管理缺少统一的工作平台,很大限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,导致信息的不对称,也影响了工作的开展,浮现管理的滞后。，郑爱华作为课题负责人,组织完毕校内课题“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筹划软科学科学项目“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：B016。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
13、济困难状况指标评价体系,涉及评价指标的设立、指标分值的量化、最后计算机进行决策计算,输出决策支持的成果,协助学校拟定贷款资助对象,建立贷款信息数据仓库，并将贷款信息通过计算机进行解决,实现快捷、以便、及时、精确的数据动态管理,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、信息化管理的目的，有助于山东省助学贷款工作的健康发展,有助于减轻学校贷款工作的管理难度,减少贷款成本,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开始实行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
14、贷款的申请、学校对助学贷款的管理、银行对学生申请的审批以及其间的多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，涉及运用州教育问责系统(State Accountability Systems)对各州教育发展状况进行全方位评价，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，并规定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 Interventi
15、ons)。美国联邦政府以及各州政府基于对教育大数据的分析成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根据以及教育政策制定的根据。美国学校一般运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、制定教学质量改善筹划等方面的教育教学决策。据记录，97%的美国中小学运用来自整个年级或整个学校的教育大数据拟定学校需要提高的核心领域；分析学生的个体数据以便于分班或安排有关学习支持服务，涉及理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方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
16、筹划。而83%的学校在运用教育大数据特别是本校产生的大数据理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。学校教师可以运用教育大数据改善与优化自己的教学决策。整体上，教师可以运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。教师运用本班学生产生的大数据，或同步借助与外部大数据的对比分析，可以深度评价本班学生的学习体现与学习效果，可以有效分析学生的学习偏好与个性化需求，分析学生群体的学习需求，同步也可以运用数据分析哪些学生更适合在一起进行小组学习，分析如何分组才更合理。对于那些有学习困难的学生，通过对大数据的运用，可以分析出学生在什么环节、什么类型内容学习方面存在问题，分析哪些因素也许在影响学生的学习，这样便于给出合适的学习支持与干预。那么，大数据从何而来？美国在教育评价的实行过程中重要依托覆盖全美的立体化教育数据网络，同步注重数据质量保障，有效地解决了教育评价“大数据从何而来”的问题。国家级、州级(State-level)、学
