大數據學習計劃范文

導語：如何才能寫好一篇大數據學習計劃，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

大數據，尤其是與客戶數據相關的大數據近幾年來一直是商家的熱議話題。如果你從事的是B2C領域，尤其是零售或電子商務方面的工作，那么你很有可能會以某種形式或方式接觸或運用到大數據。

不過，隨著新年將至，數字營銷者關注點將由大數據轉移至“更高質量的”數據和洞察力。通過分析顧客的在線行為真正深入地了解顧客，在幫助品牌提升知名度和影響力的同時，也可幫助營銷者通過運用更具有實際意義的數據打造更加個性化的購物體驗。

那么，在與數以百萬計的顧客交流時，究竟應該如何運用大數據打造讓顧客難以忘懷的個性化購物體驗呢？

解決這一難題，首先需要依靠大數據來填補商家和消費者之間的鴻溝，這也將成為2016年營銷界的熱點話題。

大數據助力營銷者深入了解客戶

市場營銷活動直接接觸到顧客，并有機會將顧客轉化，所以分析、評估和執行這些營銷活動尤為重要，商家須不斷收集顧客的詳細信息。大數據和數據分析相結合，創建顧客資料庫能夠幫助商家：

深入了解顧客購買行為；

預測顧客購買決定；

向顧客推薦其感興趣的商品；

最終升顧客線上購物體驗。

只有互動才能讓商家更多地接觸顧客，而與顧客互動的唯一途徑便是充分運用大數據。

今年，商家曾遭遇大數據泛濫的困境。商家接收到了海量、各類型的數據，由于處理不當，甚至根本沒有能力處理這些數據，而被淹沒在了數據洪流之中。因此，今年商家的熱議話題之一就是利用顧客智能實現個性化。

而這也是我們能夠幫助客戶提升他們的顧客的個性化體驗的另一方面 ——機器學習。

預測：機器學習將成為2016年的“新秀”

篇2

一、大?稻荼塵案攀黽暗緦ζ笠滌?銷管理存在的問題分析

1.大數據背景的概念分析

大數據是指涉及到的資料數量非常之多，規模之巨大，整理后可以幫助企業分析當前現狀以及預測未來的數字信息，它可以來自各個方面，具有體積大、多樣性、價值密度低以及速度快的特點，打破了傳統數據的局限性，是能夠未來社會發展的重要內容，同樣，電力企業的發展也離不開大數據的支持。

2.電力企業營銷管理存在的問題分析

從現階段來看，我國電力企業的營銷系統已經暴露出很多問題，首當其沖的就是由于我國目前的電力企業多數營銷系統和生產之間的關系薄弱，導致兩者之間的協同效果極差，從而營銷精細化和科學化開展困難；第二點就在于使用的營銷系統已經不符合現代社會的發展，必須引進更為科學化的系統來幫助營銷的進行，除此之外還存在營銷思維陳舊、故障維修效率低下、運行效益差等諸多問題。

二、電力系統營銷管理創新機制要求分析

1.精細化營銷管理的要求分析

要想實現電力系統營銷管理創新機制的精細化，需要系統分析電力系統現存的業務大數據，找到問題的根源，從分析結果存在的最多的問題出發，正確認識大數據，細化經營管理的操作，不斷優化營銷的手段，重新思考營銷的需求，找到最佳解決方案。

2.科學化營銷管理的要求分析

科學化的營銷管理首先需要先進的營銷系統作為支撐，保證最佳的運行效率和先進的營銷理念，以優質的服務幫助客戶保持完美的體驗，這就需要專業型人才的引進，以采集的大數據為中心，結合其他行業大數據的應用先例，參考國內外此方面的經驗，積極整合現代數據的支撐，以高質量來要求營銷管理系統，根據先前的經驗不斷探索，運用現代多媒體技術達到科學化營銷管理的目標。

三、電力企業營銷管理創新的具體思路

1.實現電力營銷服務系統的精細化管理

實現電力營銷服務系統的精細化管理要以大數據為參考背景，通過新的模式實現生產系統和營銷的聯動化，信息的相互交流有利于彼此間業務的開展，進一步提升服務的質量水平，整合大數據下建立新的營銷系統精細化模塊，具體到每一個區每一個用戶，解決電力系統服務效率低下的問題，營造良好的電力服務系統以吸引更多的顧客進行電力消費，同時也需要對營銷服務成本精細化，可以降低整個營銷系統的成本，對未來電力營銷前景進行展望，積極調整營銷策略。

2.積極引進先進的科學化營銷管理系統

數據大背景的好處就在于能幫電力系統通過分析國內外同水平的營銷系統的效益找到最佳的科學化營銷系統，以互聯網科技為根基，依托實際電力公司的經驗，持續推進智能營銷系統的構建，抓住大數據的四大特點，以多元化為主要發展方向，探索大數據與營銷系統的適應和處理問題的過程和方法，讓電力營銷服務系統的水平得以不斷提高，通過科學的手段切實提高管理的效率，同時也能借助現代通訊媒介幫助業務的開展，實現創新性的發展營銷系統。

3.構建正常運行的大數據控制電力營銷系統

目前的電力營銷系統中存在的諸多問題都能夠通過大數據的分析得以解決，以便維持整個系統的正常運行，包括借助大數據找到客戶服務中存在問題的最佳解決方案，優化相應服務器的速度，極大的提升電力企業的營銷管理水平，實現精準化面向服務群體，提升服務技術，從而改變大數據背景下我國電力系統價值水準的改善，維持電力企業的和諧發展。

篇3

個性化教學就是尊重學生個性的教學，必須根據每個學生的個性、興趣、特長、需要進行施教，亦即學生需要什么，教師便授予什么，學生完全是一種自主性的學習。個性化教學也就是孔子所倡導的“因材施教”。那么，在大數據時代的今天，作為教師如何實施個性化教學，從而實現因材施教呢？

1.利用大數據的規模性了解學生差異。

每個學生都是不同的個體，有著鮮明的個性，因此，作為教師，首先要做的就是深入了解學生，這樣的教學才有針對性。大數據的特征之一就是規模性，規模性指的是巨大的數據量以及數據規模的完整性。因而，教師完全可以憑借數據庫中巨大、完整的數據了解學生諸如家庭背景、努力程度、學習態度、智力水平、認知水平等數據。教師只有真正了解了學生的發展情況，才能制定合適的學習計劃，學生才會對學習產生興趣，才會進步。

2.利用大數據的高速性營造和諧氛圍。

美國心理學家羅杰斯曾說過：“成功的教學依賴于一種真誠的尊重和信任的師生關系，依賴于一種和諧安全的課堂氛圍。”課堂上，讓思維的火花翻新，讓智慧的結晶生輝，讓課堂百花齊放，形成師生互相尊重與信任的氛圍，這應該是最理想的課堂狀態。大數據的特征之二就是高速性，高速性指的是數據流和大數據的移動性，現實中則體現在對“實時性”的需求上，即能在第一時間抓住重要事件的發生信息。課堂上，教師可以利用大數據的這一特征，時時關注學生多樣性學習動態，包括學生不同的表達方式、不同的解題思路、不同的探究結果，對有獨到見解的要實時鼓勵，對有誤解偏差的要實時糾正，對有需要完善的要實時補充，如此，學生才能積極主動、充滿自信地學習。

3.利用大數據的多樣性選擇學習方式。

個性化教學的落腳點是實現個性化的學習，教師應鼓勵學生選擇自己喜歡的學習方式。學習方式是學習者一貫表現出來的具有個性特點的學習策略、學習傾向的總和。選擇自己喜歡或習慣的學習方式，對學習者而言能達到事半功倍的效果。大數據的多樣性，指的是有多種途徑來源的關系型和非關系型數據。互聯網時代，各種設備通過網絡連成一個整體，這意味著數據的種類變得繁多，除了簡單的文本信息外，還可以對傳感器數據、音頻、視頻、日志文件進行點擊，獲取可用的信息。這個時候，教師鼓勵學生選擇自己喜歡的方式，自己感興趣的數據，個人或小組均可，開始或自主或合作的探究學習，完成學習目標，提高綜合學習能力。

4.利用大數據的價值性落下點“睛”之筆。

任何學生的學習活動終究離不開教師的點撥與引導，唯有這樣，方能醍醐灌頂，學有大成。互聯網女皇marrymeeker在2012年論及互聯網發展趨勢中，用生動的圖像來描述大數據的價值性：一幅是整整齊齊的稻草堆，另一幅是稻草堆中一根縫衣針的特寫。寓意是通過大數據的幫助，可以在稻草堆中找到你所需要的東西，哪怕是一根小小的縫衣針，這就是大數據的價值性。那么，在課堂上，教師可以利用大數據的價值性，呈現出不同層次的難點予以解決，對不同層次的學生狀況予以評價、對不同層次的學習能力予以拓展。

二、個性化教學應注意的幾個問題

1.忌從數據化回到數字化。

數據化和數字化的區別在于，通過數據我們可以了解并理解一個學生，而通過數字我們只能看到一個學生的表象，這對學生的發展是絕對沒有好處的。我們不得不承認在實施素質教育的今天，仍有一部分教師注重應試教育，看分識人，唯分對人，不習慣、也不喜歡看數據評價，這便與大數據時代下個性化教學相悖了。

2.個性化教學不是對傳統教學的全盤否定。

篇4

關鍵詞：大數據;教育領域

大數據（big data），又名巨量資料、海量資料。麥肯錫全球研究院報告《大數據：創新、競爭和生產力的下一個前沿》對大數據所做定義如下：大數據是指數據量大小超出了傳統數據庫軟件工具的抓取、存儲、管理和分析能力的數據群。大數據必定具備四個特征：容量大（Volume），指數據的存儲容量單位已經由GB、TB上升到EB、ZB、YB，甚至更高的級別;速度快（Velocity），指海量數據的創建、傳輸和分析速度快，一般要求響應時間要控制在秒級單位內;類型多（Variety），指數據類型多樣，除了結構化的事務數據，還包括半結構化的網頁數據、非結構化的視頻和音頻數據;價值高（Value），指數據價值密度低，但海量數據綜合價值總量很高。

大數據時代的來臨對各行業都產生了深刻的影響，教育領域也不例外。學員的學習行為、思維方式，教員的授課理念、教學方法，學校的教育管理、教學評價無一例外都受到大數據的影響。教育領域必定會在大數據技術的推動下發生深層次的、多元化的創新與變革。

一、大數據對教育領域的影響

1.教育理念與教學評價被迫革新。教育作為社會子系統的重要組成部分深受社會形態影響，現代的教育體系幾乎是伴隨著工業社會發展同步發展的。市場的擴大與提高，對勞動者勞動技術與經驗的要求遠遠高于個體層面的文化修養，合格勞動力的衡量標志是能不能解決問題。這一實用主義特點對教育領域的影響是巨大的。傳統的教學評價不論對學員還是對教員，總是依賴能力測試，通過考試分數的數理統計分析來評價學員與教員。在大數據時代，則是跟蹤記錄教員與學員教與學的長期行為并對之進行分析，采用過程性、歸納式、多元化的方式進行評價。

2.個性化教學得以真正實現。運用大數據技術，在線平臺能實時記錄每一位學員的學習行為，教員獲得全面豐富的數據內容后利用數據挖掘技術加以整合分析，不但能掌握學員個體的學習狀態、知識接受水平，還能了解哪種教學方法對該學員最有效，以及該學員具體的薄弱點。教員根據這些數據就可以針對學員個體因材施教，制定個性化的教學方案、教學活動和學習計劃，教學工作真正從共性化的群體教學轉向了個性化的個體教學。個性化教學的實現能大幅提高教員的教學質量和學員的學習效果。

二、大數據在教育領域的應用模式

大數據在教育領域的應用模式本質上就是數據的生命周期，即數據獲取（學員使用在線教育系統）、數據存儲（系統將學員的在線學習行為記錄下來存入數據庫）、查找與分析（進行數據挖掘，預測學員的各項表現）、可視化（對數據挖掘和預測結果進行可視化處理）、決策（教員與教學管理人員給予學員指導與支持）。

1.教育者角度的應用，即教學領域知識模型構建。大數據教育系統對現有的教學內容建模后通過數據挖掘、學習分析和在線決策各子系統，研究各專業學員所必須掌握的教學知識點、教學單元與教學課程之間的邏輯關系，最終重新構建領域知識結構，對現有的教學內容與方法進行改革，達到提高學員學習效果和教員教學效率的目的。

2.學習者角度的應用。（1）個性化課程分析。大數據教育系統首先獲取某個學員以前的學習表現，從已畢業學員的成績庫中匹配與之相似的學員，分析已獲得的成績和待選課程表現之間的相關性;然后通過學習滿意度調查問卷分析評估學員個人情況;再結合專業課程的重要性，為學生列舉課程清單。并向其推薦有可能取得優秀成績的課程。（2）輟學行為預警。大數據教育系統可以記錄所有學員的課程學習信息，進行教學情況實時監測。當曠課、違紀、課堂表現等與輟學行為相關的關鍵因素發生變化時，系統會及時對學員行為做出評估，并在風險達到一定閾值時向教育管理方發出預警，使教育管理方有足夠的時間在輟學行為發生前進行提前干涉。（3）助學需求預測。大數據教育系統可以通過收集校園卡的生活與消費記錄，以一日三餐為主要權重指標對生活必要開銷進行計算評估，當發現某學員的消費明顯低于預警線時，會主動通知學校相關管理方，由相關部門與學員進一步溝通，并進行相應調查，判斷該學員是否需要助學幫助。

3.其他應用。當大數據教育系統與其他領域的大數據系統互聯互通后能發揮的作用不可估量。比如，與社保、醫療、金融、公安、政府等大數據實現安全共享后，教育系統內所有學校與學區內的情況可以從各個角度可視化地展現在出來。大數據系統既能幫助學員從選擇學習合作小組到職業規劃的制定等各個方面進行輔助指導，也能幫助國家層面的教育管理者制定宏觀教育政策、調整教育改革方向、分配教育資源。

總而言之，大數據在教育領域的應用惠及該系統內學員、教員、教育管理者、教育研究者等所有人員，它是未來教育發展的必然趨勢。但作為新生事物，大數據具體的應用還不成熟，需要在實踐探索中不斷改進完善。

參考文獻：

篇5

在課改初期，筆者也嘗試進行了多媒體信息技術與數學學科教學整合的研究，實驗下來，覺得有兩點還是比較迷惘，一是更多時候是為了應用技術而技術，技術并不是不可替代，并不能真正促進課堂教學的改革；二是技術的引入，并沒有對教育環境和教育現狀造成實質的影響，學生并沒有取得長足的發展，所以對整合的有效性也產生了質疑。近兩年來，大數據浪潮洶涌來襲，筆者又對信息技術與學科教學整合進行了深化研究，在利用數據處理的方法來提高數學教學的實效性這一方向做了幾點探究。

（1）在課上的研究。在課堂研究的過程中，筆者利用軟件建立了課堂學習平臺，在每天的學習過程中，利用平臺搜集學生上課的所有數據，日積月累，從而形成一個數據倉庫，面對數據倉庫，我們不僅僅是對數據進行簡單的統計，而是利用現代化的數據處理技術去研究數據倉庫中各種數據所隱含的豐富信息，根據分析的信息筆者不斷完善課堂教學設計，希望能更好地揭示錯綜復雜的教育現象的本來面貌。

（2）課堂前后的研究。2013年筆者引入一套課后評價反饋測試平臺――“家教新干線”， “家教新干線”是學生在線學習的一個平臺，是學生個性化的學習，他們的學習行為的數據都自動生成并留存，一方面易于他們后期的學習行為評價和評估，還能讓學生根據個人的學習數據制定相應的學習計劃；另一方面筆者也不用再基于自己的教學經驗來分析學生的學習中偏好、難點以及共同點等，筆者只要通過分析整合學習的行為記錄輕而易舉就能得到學習過程中規律，可以利用數據挖掘的關聯分析和演變分析等功能，在學生管理數據庫中挖掘有價值的數據，分析學生的日常行為，可得知各種行為活動之間的內在聯系，并作出相應的調整與對策。

通過一段時間的實驗，筆者認識到，我們現在所謂的信息技術與學科整合、在線教育和數字化校園，都僅僅只是數字，還談不上數據。隨著互聯網、云等綜合技術的成熟，越來越多的數字云集在一起，才形成了數據。處于信息化的時代，學生獲取知識的途徑不再是課堂，獲取知識的主要途徑變成了網絡和線上學習，而我們傳統的課堂，也將成為交流學習成果，答疑解惑的場所。這又使筆者聯想起比爾?蓋茨的一段話：“五年以后，你將可以在網上免費獲取世界上最好的課程，而且這些課程比任何一個單獨的大學提供的課程都要好。”的確，現在我們的教育，正在向這個方面轉變，這不正是大數據環境下的教學探索嗎？

“越來越少的課堂，越來越多的網絡；越來越少的講授，越來越多的交互；越來越少的編制，越來越多的合作；越來越少的辦公室，越來越多的實驗室……” 這些場景也許你曾經不敢想象，但確實已經隨著技術的倒逼，悄悄滲透到了教育領域。千百年來，作為教育工作者，都是想把教師的思維邏輯或者書本的思維邏輯連同知識容量一起拷貝到學生的大腦中。但是事實證明這些努力只是部分有效，這些僅僅是一個基礎學習，不能造就人才。隨著信息學和行為學的研究深入，人們才逐漸認識到，教育真正的最高境界，是發掘學生自身原有的動力和天分。教育到了變革的關鍵時期。我們作為教育工作者，應該向大數據時代、知識時代跨越，知識將無所不在。筆者認為我們目前教育正在進行或者未來必定主流的模式將是：視頻成為主要載體，教育資源極其豐富；翻轉課堂；按需學習；終身學習；不以年齡劃線；遠程教育的提法將消失；距離不再是問題，在學校之外進行，等等。

篇6

關鍵詞：信息化教學，高職院校，教學能力

隨著科學技術的飛速發展，信息技術已滲透到經濟發展和社會生活的各個方面，全民教育、優質教育、個性化學習和終身學習已成為信息時代教育發展的重要特征。目前，人工智能、大數據、虛擬仿真等現代信息技術廣泛應用于教育教學過程，促進了優質教育資源的全面覆蓋，縮短了不同地域間優質教育資源調配差異，實現了教育公平。在“雙高計劃”建設背景下，全面提升高職教師信息技術應用能力，充分發揮信息技術教學優勢，運用信息化教學手段進行教育教學，有利于提升高等職業教育人才培養質量。

一、信息化教學的理論依據

人工智能、大數據、區塊鏈、移動終端、物聯網、大數據等新興技術，促進“互聯網+”融合，推動職業教育信息化發展，是適應教育現代化的必然趨勢。越來越多的職業院校教師能夠主動利用信息化技術及平臺，探索教學方法。信息化環境下的教學與傳統的教學方式相比，具有教學方法靈活、交流互動手段多樣、教學資源豐富等優勢。

二、教師信息化教學中存在的主要問題

從近幾年信息化獲獎作品的質量和參賽數量來看，高職院校對信息化給予極大的熱情。大部分職業院校不惜重金打造比賽作品，從VR、AR等先進設備的引進和視頻的拍攝等各個環節都耗費了大量的人力、物力，但是，學校管理者和教師沒有真正認識到信息化教學對促進教學模式改革、教學理念更新的重要性。大部分教師在教學活動中還是簡單地利用計算機、互聯網、投影等，教學設計沒有新意，沒有創設情境，學生的主體地位沒有得到充分的發揮，教師缺乏將信息技術與專業課程進行整合的能力。

三、信息化教學能力大賽對提升教師信息化能力的促進作用

（1）創新了教學模式。信息化教學環境依靠互聯網、云計算、大數據、物聯網、人工智能、虛擬仿真實訓室、全息投影等技術來創設和營造情境，使授課、學習、評價等與教學流程相關的各個環節全部信息化，這樣不僅為教師提供了優質的教學資源和靈活的教學模式，也為學生提供了多樣化的學習途徑與學習方式。（2）創設教學環境。獲獎作品越來越注重利用信息化教學創設教學情境，激發學生學習興趣。比如《影視鑒賞》，在傳統教學中，教師一般是通過播放影視作品，引導學生感知人物形象，分析人物形象，掌握人物形象的塑造手法。信息化教學改變了傳統教學方式，教師主要采用任務教學法，借助藍墨云班課，自主微課，使學生對電影中的人物形象有初步的認識，學生在頭腦風暴區上傳喜愛的電影人物圖片、在討論版推薦影片，教師匯總后針對性地挑選并制成數字電影庫，為課堂練習做好準備。（3）推動了教學資源的開發與建設。綜覽近幾年獲獎作品不難發現，大賽越來越重視教學資源的開發和建設。在線開放課程已成為職業院校必備的教學平臺，為了在比賽中取得優異成績，大部分職業院校從2016年開啟了在線開放課程的建設歷程。各省教育主管部門為了鼓勵職業院校建設在線開放課程的積極性，開展了省級在線開放課程的評選，從政策、制度、評優等方面加大了在線開放課程的傾斜力度。

四、高職教師信息化教學能力提升的有效途徑

（一）國家層面

1.以提質培優為契機，全方位提升高職教育信息化水平。“雙高計劃”和職業院校提質培優對職業院校提升信息化水平有明確指出，職業院校要加快智慧校園建設，適應“互聯網+職業教育”需求，運用大數據、云計算、物聯網、VR/AR、人工智能、5G網絡、區塊鏈等信息技術和教育理念的最新發展，構建信息技術支持下的教學空間、工作場所和虛擬場景及其相互融合的環境，促進學生自主、泛在、個性化學習。智慧教室、虛擬仿真實訓室、虛擬工廠的不斷完善，教學模式的改革，師生信息素養和信息化教學能力的提高，促進了信息技術與教育教學深度融合，提升了教師信息化水平。2.不斷完善信息化教學大賽制度，積極轉化大賽成果并廣泛共享。國家對提升職業院校教師信息化水平非常重視，在中國特色高水平院校的申報環節中，把信息化國賽獲獎經歷作為必備條件之一。國家應出臺轉化大賽成果的制度，推動比賽成果轉化。

（二）學校層面

1.推進智慧數字教室建設。全面改善學校網絡條件，升級校園網主干帶寬，實現無線WI-FI6和5G通信網絡全覆蓋，完成IPv6規模化部署。按照新一代互聯網發展趨勢，加快學校信息化基礎設施建設，建設集現代技術為一體的智能教室，建成全向交互、全面感知、高效協同的智慧校園。運用信息技術推進教育教學改革，實施線上線下教學融合發展計劃，全學段推動“課堂革命”。2.健全信息化教學考評制度。學校要高度重視信息化教學，完善學校信息化教學大賽機制，每年定期組織信息化教學比賽，積極打造優秀作品參加省級、國家級教學能力大賽，并對獲獎教師在職稱評定以及各種評優活動中傾斜。把學生信息化能力素養列入人才培養方案及日常學習計劃中，提高學生利用網絡信息技術和優質在線資源進行自主學習的能力。

篇7

關鍵詞：大數據時代；教師德育勝任力；轉向；培養路徑

隨著教育信息化、“互聯網+”行動的不斷推進和數字校園建設、“三通兩平臺”工程的精準實施，教育也正式邁入了以網絡為平臺、數據爆炸式增長為標志、云計算為支撐的大數據時代［1］。大數據時代的來臨，對整個教育系統產生了顛覆性的影響，也必將對教師的教育教學與個人發展帶來新的挑戰［2］，對教師的德育勝任力提出新的要求。在大數據時代，海量信息和優質教育資源的開放共享削弱了教師傳統意義上的道德權威；網絡化生存中的人機互動更加凸顯出了師生間面對面交流和溝通的重要性；多維多變的價值觀念和學生復雜的價值訴求使得教師的價值引領作用在當下顯得更為沉重［3］；慕課和翻轉課堂雖然減輕了教師的教學壓力，但卻對教師在學生的思想引領、價值型塑、人格感化和情感陶冶等方面提出了更高要求……總之，在新形勢下，教師完成立德樹人根本使命的重要性、緊迫性和艱巨性更加突出。教育作為鑲嵌在社會系統中的子系統，其發展必須與時代潮流相適應。這種適應雖然表現在調整課程內容和結構、革新教學模式和方法、應用新興設備和技術等多個方面，但最關鍵的還是在于教師要與時俱進地更新教育觀念，優化知識結構，提升專業水平。教師若想在大數據這股浪潮中游刃有余，就必須以自信的姿態、主動的精神和切實的行動提升自身的德育能力。那么，在大數據時代，教師德育勝任力的內涵應如何界定？它有哪些特征？教師德育勝任力又需實現哪些轉向？我們該采取哪些措施來培養教師的德育勝任力？這些問題都是當前德育研究亟需解決的重要課題。

一、大數據時代的教師德育勝任力

勝任力研究雖有將近百年歷史，但真正進入教育領域卻始于20世紀70年代末。研究主題聚焦在教育管理者的勝任力培養上，如美國中學校長協會構建了校長勝任力指標體系，以此來指導校長選聘和職業發展工作［4］。在我國，關于教師勝任力研究的最早文獻是2003年的《未來教師勝任力測評：原理和技術》一文，該文認為，“教師勝任力指教師個體所具備的、與實施成功教學有關的一種專業知識、專業技能和專業價值觀”［5］。迄今為止，我國教師勝任力研究已走過15個年頭，并取得了不少有價值的研究成果，學者們從概念界定、模型構建、研究方法、勝任力測評及具體應用等方面進行了較為深入的探討。在整個教師勝任力研究中，雖然有部分學者對教師德育能力、教師德育素養（素質）、教師德育專業化展開了相關研究，如檀傳寶教授認為，教師的德育素養結構由道德與文化素養、學科專業素養和教育專業素養三部分構成［6］。但目前尚未有人提出“教師德育勝任力”這一概念并對其進行研究，更沒有人結合具體的時代背景來闡述教師的德育勝任力。進入大數據時代，傳統的德育環境不復存在，教育對象在不斷發生變化，教師德育勝任力的概念也需重新定義。在批判借鑒國內外學界關于勝任力、教師勝任力及教師德育能力（素養、素質）等概念的基礎上，并結合當前時展和社會環境對教師德育能力提出的特殊要求，我們認為：大數據時代的教師德育勝任力是指大數據時代下每個教師能夠成功實施德育工作需要具備的一系列顯著的個體特征；這些特征主要包括高尚的道德修養、先進的德育理念、豐富的專業知識、高超的德育能力和良好的數據素養。上述概念具有五個主要特征：一是全員性。由于“沒有離開教育的教學，也沒有離開教學的教育”［7］，所以“教師即人師”，每位教師都應承擔起教書育人的使命。二是相對獨立性。雖然教師勝任力、教學勝任力、德育勝任力三者有重疊和交叉，但德育勝任力應該有其自身的獨特性。三是綜合性。教師德育勝任力是由知識、態度、能力和價值觀等多種因素構成的整體。四是時代性。教師德育勝任力是一個隨時展的動態概念，不僅傳統的德育素養不可或缺，而且教師還要“加強對時展的了解，與時俱進地進行道德學習，從媒介素養到國際理解，不斷增強自身的價值敏感性和價值選擇力”［3］。五是個性化。教師除了要具備通用的德育勝任力之外，還應彰顯出卡里斯瑪特質，表現出與眾不同的人格魅力。

二、大數據時代教師德育勝任力的轉向

整體而言，大數據進入教育領域，既是一場革命，也是一種挑戰；既是一次十分難得的機遇，也是一種無法回避的負擔。大數據在給學校德育的改革創新與轉型發展帶來福音的同時，也對教師德育勝任力提出了全新挑戰，需要所有教師的主動適應與積極作為，但在付諸行動之前，我們有必要弄清楚大數據時代下的教師德育勝任力究竟面臨著何種挑戰，需要從哪些方面進行轉向。1.德育思維由經驗式思維轉向數據式思維大數據不僅是一種信息資源和技術工具，更重要的是“一種思維方式，即讓數據開口說話，讓數據成為人類思考問題、做出行為決策的基本出發點”［8］。思維方式上的變革是置身于大數據時代的教師遭遇到的最大挑戰。這是因為，在教育領域，教師長期以來已經習慣于依靠自身的常識、直覺、經驗或有限理性進行思考和決策，而很少去傾聽身邊數字所發出的聲音［9］。然而，大數據時代的來臨使得這種經驗式的德育思維難以為繼，教師的德育決策需要基于數據分析而制定。大數據具有的相關性、開放性、個性化和前瞻性思維可以幫助教師采集到有關學生品德發展的海量數據，通過數據挖掘和關聯分析，就能夠比較全面而準確地掌握學生的興趣愛好、個性特征、思想動態、價值取向和行為趨勢等重要信息，教師就可以在此基礎上為學生提供符合其需求的個性化教育服務。顯然，這種數據式的德育思維具有無可比擬的優勢，不僅可以為教師的德育工作打開新的思路，而且還能增強學校德育的實效性，因而也對傳統的德育思維造成了巨大沖擊。如今，當教師在德育實踐中遇到棘手的德育難題時，優先考慮的應該是嘗試著從數據視角去尋求解決方案，而不是沿襲傳統思維。2.德育重心由集體式教育轉向個性化服務由于師資力量、技術手段和思維習慣等因素的共同影響，當前的學校德育基本上是根據學生的平均水平和總體特征而實施的同質化教育，這使得我國古已有之的因材施教的教育理想始終難以落到實處。然而，有了大數據的支持，教師就能夠觀察和收集到每個學生的品德發展數據。這些數據為教師讀懂千差萬別的學生打開了一扇窗戶，也將促使德育重心從宏觀的群體教育轉向以學生為中心的個性化服務。在大數據時代，學生道德需求的多元化和個性化趨勢日漸凸顯，教師就應該根據學生不同的品德發展水平和獨特的學習風格，選擇合適的德育資源組織德育教學及相關活動，其工作重心“從知識傳授逐漸演變為開展教學評估，根據學生學習節奏、進度和效果，為學生設計個性化的學習計劃和方案，與學生就學習效果、學習方法和學習計劃等進行有效溝通”［10］。此外，學生每一種品德的形成，其知、情、意、行四個要素的發展方向和水平也不盡一致，這就要求教師能夠根據相關數據識別出學生品德發展結構中的短板或不足，從而有的放矢地進行教育補救。當然，大數據只是為個性化德育服務提供了條件支持和技術可能，若要真正實現，還需要教師付出果敢的努力和行動，不斷提升自身的德育素養。3.專業能力由傳統素養轉向數據素養大數據雖然為教師能夠勝任德育工作創造了有利條件，但同時也對教師的專業能力提出了新的要求，即從傳統素養向數據素養轉變。首先，教師要具有強烈的數據意識，能夠敏銳地察覺到海量數據中真正有價值的信息，并能快速而準確地捕捉到這些信息。其次，教師要具備篩選和清洗數據的能力。大數據的海量性和復雜性特征導致了數據的價值密度離散、容錯率增大，如何通過強大的機器算法實現數據的去冗降噪和價值提純，是教師面臨的一大難題。再次，教師要擁有較強的數據解讀和分析能力，能夠挖掘出數據背后的隱藏價值，賦予數據特定背景，使其成為信息，再對信息進行歸納總結，使其升華為教育智慧。譬如，在一次百以內加減運算的數學考試中，甲、乙二人的成績分別為100分和98分，如何看待這一微弱差距，不同的教師會表現出不一樣的行為。數據解讀能力強的教師會結合二人的知識基礎、學習習慣、性格特征等相關數據，客觀而準確地分析其中原因，進而在接下來的教育教學中為乙同學提供精準的個性化服務，如鞏固已學知識或克服粗心毛病。反之，數據解讀能力弱的教師可能會將這一差距僅僅看成是數字間的不同，出現解讀不夠或解讀過度的現象。前者認為二者間沒有本質差別而不問不顧，后者夸大二者間的差距而引發暈輪效應，這兩種做法都會為乙同學的發展埋下禍根。最后，教師還要具備對大數據德育應用進行倫理審視的能力，謹防大數據在德育應用中出現侵犯學生隱私、踐踏教育倫理、限制學生自由和阻礙學生發展等倫理風險。

三、大數據時代教師德育勝任力的培養路徑

篇8

關鍵詞：學習分析技術；大數據；中國大學MOOC；本土化

中圖分類號：G434 文獻標志碼：A 文章編號：1673-8454（2016）05-0004-04

一、提出問題

過去的幾十年里，各領域都出現了大規模的數據增長，如：最近快速發展起來的大規模開放在線課程MOOC（Massive Open Online Classes），數以萬計學習群體的學習數據都將被實時互動的MOOC教學模式平臺及時記錄，產生各種結構化、非結構化和半結構化等數據類型，如何將巨大的數據資源轉換為有用的知識與信息資源？這是當下亟待解決的問題，也是教育工作者、管理者和學習者們所關注的話題，學習分析技術是測量、收集、分析和報告有關學生及其學習環境的數據，用以理解和優化學習及其產生環境的技術，運用相應的學習分析技術對學習者的基本信息數據和學習數據進行分析可以更深入、具體地了解教師的學習行為，找出影響培訓效果的因素，從而有效地監控、預測學習者的學習過程，給予學員以恰當的學習指導，提升培訓效果。為進一步分析中國大學MOOC課程的學習情況，本研究旨在作為中國大學MOOC課程的學習者和研究者對如何把學習分析技術更好地應用到MOOC當中，進行探究。

二、學習分析及其系統構成

1.學習分析

最早的學習分析定義源于 EDUCAUSE的“下一代學習挑戰”，其中將學習分析定義為“使用數據和模型預測學生收獲和行為，具備處理這些信息的能力”[1]。很多學者也給出了不同的見解，加拿大阿塞巴斯卡大學的 G. Siemens 教授于 2012 年對相關定義進一步提煉之后提出：認為學習分析是“關于學習者以及他們的學習環境的數據測量、收集、分析和匯總呈現，目的是理解和優化學習以及學習情境”[2]，劉清堂教授認為“學習分析”（Learning Analytics）指大范圍收集學生的學習數據并加以分析，從而評價學生的學習進度，預測其未來的學習表現，并查找潛在問題[3]。著名的《地平線報告》在2012版中將學習分析定義為：通過收集學生的大量數據進行分析，從而對其學習表現進行評價和預測，并發現潛在的問題[4]。本研究認為學習分析由數據整理、信息加工、知識轉換、智慧調整四部分構成，如圖1所示。

（1）數據整理：包括聲音、圖片、文字、郵件等各種結構化、非結構化和半結構化數據，乃至多媒體數據，并對數據進行篩選、搜集等。

（2）信息加工：通過各種技術、算法、教學理論等各種技術手段過濾、處理、加工和分析數據，表現為數據之間的聯系。

（3）知識轉換：提取有意義有價值的數據，轉換為有用的知識和信息資源，強調數據轉換知識。

（4）智慧調整：富有洞察力、綜合分析能力，在了解各方面信息后，能夠預測學習規律和學習行為的發生并采取行動進行干預。

可見，學習分析技術針對海量數據的搜集整理，采用不同的技術手段、分析方法、教學理論以可視化的方式解讀數據，提取有價值的數據，從而發現學習規律，為其學習行為，教學模式，課程設計等方面提供及時反饋，促進有效學習。

2.學習分析系統的構成

學習分析系統集成了信息技術與教育信息化的深度融合，它實質上是一種數據化、支持各種技術、算法服務的信息系統，與大數據平臺結合并使之轉化為有價值信息的系統。通常比較完善的學習分析系統由信息庫、在線支持服務系統、交互式測試系統、軟件與校對工具、預測和干預引擎、監測系統等部分構成，并集成在統一的用戶平臺，如圖2所示。學習分析系統的各個子系統具有不同的支持服務。

（1）信息庫：提供學習者的所有數據與信息，以便于搜索與獲得。

（2）在線學習支持服務系統：提供在線學習平臺，高等教育相關課程，使用技能課程等的學習計劃、題庫、技能圖譜等功能。

（3）交互式測試系統：提供自我控制、結構化及互動的學習方式，幫助學習者完成學習任務所需的知識和技能。

（4）軟件與校對工具：幫助學習者完成特定任務，并進行校對，提供所需工具支持。

（5）監測系統：跟蹤學習者觀看視頻、作業和討論等學習行為表現，評價學習者的學習績效。

（6）干預引擎：進行學習者進程追蹤和自動化以及人工干預。

（7）預測引擎：綜合來自學生信息的統計學數據和學生信息庫的學習行為數據，跟蹤學習者的學習進展情況，預測未來學習者的學習狀況。

三、基于“中國大學MOOC”的學習分析系統框架設計

1.“中國大學MOOC”的發展現狀

面對世界范圍內MOOC的急速發展，我國高校繼2012年與edX、Coursera和Udacity簽約合作后投入了大量人力物力于中國大學MOOC建設中，希望能樹立起自己的民族資源品牌。2014年4月由重慶大學組織成立的“WEMOOC東西部高校課程共享聯盟”成為中國最大的MOOC式在線互動學堂；上海教委發起建設的大型在線教學服務平臺“上海高校課程中心”已經在發展中國本土化的MOOC方面有一些前期實踐積累[5]。2014年5月8日，網易云課堂承接教育部國家精品開放課程任務，與“愛課程網”合作推出的“中國大學MOOC”項目正式上線。首批上線來自16所“985工程”高校的56門課程，截止8月份已有100門（包括已開課程和待開課程）課程，涵蓋北大、浙大、中科大、復旦大學等20所知名高等學府，課程的講師為各個領域內的頂級名師，“中國大學MOOC”將根據成績，把證書分為合格和優秀兩類。

2.中國大學MOOC的一般教學模式

中國大學MOOC的課程分為七大模塊：評分標準、教學安排、課件、測驗與作業、考試、討論區、分享，如圖3所示，不同的課程有不同的評分標準和教學安排，每門課程相關的課件、測驗、作業與討論是課程的主要模式包括：

（1）觀看視頻：課程會提供幾段教學視頻，每段視頻都會講解重要知識點和教學內容，學習者可以有選擇性和目的性地觀看。

（2）講間練習促進知識內化：視頻中增加一些小練習題，以單項和多項選擇等形式，讓學習者對視頻所學內容進行消化并吸收。

（3）隨堂交互：有些視頻結束學習者可以在討論區與教師、學習者隨堂交互，討論相關學習內容，發表自己的想法和理解。

（4）完成回顧性測驗并提交作業：每周也安排了單元小測驗，讓學習者對本周所學重要內容進行回顧練習，在線提交以獲得老師的批改反饋，也能讓教師及時了解階段教學的結果和學生學習的進展情況、存在的問題等，以便及時反饋、及時調整和改進教學工作。

（5）討論區：中國大學MOOC大部分課程每周都會提供學習者討論的話題，讓學習者在討論區討論，學習者也可自主的在老師答疑區、課堂交流區、綜合討論區和老師同學之間進行交流，或者可以自發形成討論組私底下再度學習探討，討論在有的課程中會作為課程計分的一部分。

（6）中期測驗：在課程結束時，會有針對課程內容、討論話題、提交作業等結業考試。

3.基于中國大學MOOC的學習分析系統應用的框架設計

圖4描述了在中國大學MOOC教學過程中，教學者、管理者和系統通過學習分析技術對學習者進行實施干預，首先學習者需要在網易云課堂上申請注冊，選擇參與課程進行學習，體驗預先設計好的課件，完成測驗與作業，在討論區和教師、學生相互討論問題，在此過程中系統會通過一種“反饋學習”的機制，利用自己產生的數據判斷自身算法和參數選擇的有效性，并實時進行調整，持續改進自身的表現[6]。另一方面對于MOOC學習者產生的學習行為數據，都將即時地以網頁點擊流方式記錄下來，存儲在學習者用戶數據庫。

學習分析系統對學習者在中國大學MOOC課程的學習數據研究常用方法：

（1）社會網絡分析

社會網絡分析（social network analysis ），是由社會學家依據數學方法、圖論等研究出來的一種定量分析方法，對網絡學習過程進行系統的分析，強調信息的分布和個別學習進展，需要使用很多相關的工具和方法。例如可以用Mzinga工具來分析學習者在這門課程學習中的參與程度，影響學習者個性化學習過程的情景因素；可以用Gephi工具可視化處理各種數據，判斷學習者在哪方面有學習認知的困難。

（2）文本分析

文本是最常見的存儲信息形式，如電子郵件、教學文件到網站頁面等.文本分析是從各種格式結構的文本中提取有用的信息和知識的過程。例如：在中國大學MOOC中的測驗和考試環節主要用于處理如何尋找給定問題的最佳答案，它涉及問題分析、答案檢索和提取、回答演示方面的不同分析。

（3）內容分析

內容分析（Content Analysis），是指對于明顯的傳播內容進行客觀而有系統地量化并加以描述的一種研究方法。它通過特征分析、發展分析和比較分析對某一對象在不同問題、不同時期和不同樣本資料等情況下進行內容分析，判定對象的特征、發展趨勢及與其他對象之間的異同。ROST content mining工具，是一個大型的內容分析工具平臺，對學習內容、成績考核、作業完成情況等量化處理生成可視化的分析結果，研究學生的思想、意圖和動機，預測學生的行為動態。

教學者和管理人員根據學習分析系統對學生學習行為數據的分析情況，預測和干預學習者的學習表現及下一步所需要的教學內容和形式，同時做出有效調整，以不斷達到理想中的結果，使教學、學習效果更優化，從而實現因材施教。例如：適應性學習系統就是建立在對學習行為的數據采集和分析基礎上，及時向教師反饋學習者的學習效果，并向學習者推薦下一步的學習策略（包括學習內容的難度、學習環節的形式和順序等）[7]。在這個過程中，學生通過自我組織、制訂并執行學習計劃，從而控制整個學習過程。

本研究以哈羅德?拉斯維爾傳播模型所揭示的教育技術研究五個方面的重要研究領域，如圖5所示為主要依據，針對圖4的中國大學MOOC，從應用項目、研究問題和所需分析的數據三方面列出學習分析技術在這重要研究領域的應用設計，如表所示。

四、結束語

隨著中國MOOC本土化的快速發展，海量數據的產生、挖掘、統計和分析也成為新的挑戰和機遇，學習分析技術以學習數據為分析對象綜合運用各種相應的分析工具，建立數據結構與知識信息的聯系。

（1）在MOOC這種動態、開放、大規模的學習環境中，學習分析技術很好的觀察反映出學生在學習內容、發現問題、解決問題的過程性結果，學習者需要依據結果對自身的學習質量做出評判和校正，實現教學中的知行統一。

（2）學習分析技術通過統計處理的方式對學習數據進行量化分析，全面、客觀、準確地描述教學現象和規律，深入挖掘隱藏在復雜的數據后面的知識，使對中國大學MOOC學習過程的研究結果更為真實、系統、科學，從而提高研究結果的水平。

（3）基于中國大學MOOC的學習，教師只能通過各種類別的數據來判斷學生的掌握程度，學習分析技術的應用可以促使教師利用圖形和可視化工具解析復雜的、海量的數據，同時教師也可以診斷自己的教學效果，如美國加州大學開發了QSP（the Quality School Portfolio），目的是促進教師對學生績效的可視化分析能力。

由此，如美國圣地亞哥州立大學副校長依山?辛格 （Ethan Signer）校長在一次訪談中所說：“‘數字排放’（Digital Exhaust）中有成千上萬名學生留下了他們參與MOOC的學習數據，這是我們進行大數據分析并設計有效教學的寶貴資料。”學習分析技術在MOOC領域的應用潛力是有待更深地挖掘，大部分學者對學習分析的研究集中在表述現象，而對學習分析應用的研究相對較少，就目前中國大學MOOC的本土化發展現狀來說，學習分析技術的應用是極具研究價值的。

參考文獻：

[1]吳永和，祝智庭.學習分析：教育信息化的新浪潮[J].遠程教育雜志，2013（4）：11-19.

[2]Siemens，G..Learning Analytics a Foundation for Informed Change in Higher Education[DB/OL].[2013-01-17].http///gsiemens/learning-analytics-educause.

[3]朱珂，劉清堂.基于“學習分析”技術的學習平臺開發與應用研究[J].中國電化教育，2013（9）：127-132.

[4]孫洪濤.學習分析視角下的遠程教學交互分析案例研究[J].中國電化教育，2012（11）：40-45.

[5]顧小清，胡藝齡，蔡慧英. MOOCs的本土化訴求及其應對[J].遠程教育雜志，2013（5）：3-11.

篇9

關鍵詞：大數據；學習分析技術；教學變革

中圖分類號：TP3 文獻標志碼：A

大數據，作為當今最熱門的關鍵詞，已在各行各業中掀起變革的巨浪。在教育領域中，同樣蘊藏著具有應用價值的海量數據。荷蘭著名的行為觀察軟件商NOLDUS公司的研究表明，在一節40分鐘的普通中學課堂里，一個學生所產生的全息數據約有5-6GB，而其中可歸類、標簽、并且進行分析的量化數據約有50-60MB，這相當于在傳統數據領域中積累5萬年的數據量總和。[1]那么，如何有效挖掘、分析和利用這些數據來更好地改進教學？學習分析技術給出了很好的答案。美國新媒體聯盟（NMC）與美國高校教育信息化協會（EDUCAUSE）的《2013年地平線報告（高教版）》預測：學習分析技術將在未來的兩到三年內成為主流技術，并得到廣泛的應用。[2]

一、學習分析技術的內涵

學習分析技術是一個新興的研究領域，旨在應用數據分析為教育系統的各級決策提供參考，關鍵內容就是應用于教育領域的大數據分析。這一研究方法原先來自于商業領域，商家通過對消費者的活動進行數據發掘分析來把握消費趨勢。比如淘寶網會根據用戶購買和瀏覽過的產品，來推斷用戶對某類產品的偏好。又如在社交網站中，新浪微博會根據個人的關注對象推薦該用戶可能感興趣的其他對象。這類技術的實質，就是通過對數據的提取、歸類、分析與總結，進行統計性的預測和判斷。

基于學生相關數據的分析則是以學生群體為主體，以設計出更完善的教學方法為目標，致力于為學生提供高質量、個性化的學習體驗，并評估制定的學習計劃是否能有效幫助學生加強學習，這些分析結果對于教學雙方來說都具有重要的意義。對教育工作者和研究人員而言，學習分析在剖析學生與在線文本、課件之間的互動中發揮著至關重要的作用。對學生而言，通過開發用于分析學生具體數據的移動軟件和在線平臺，能夠為學生提供符合他們學習需求的支持服務系統，使他們受益于學習分析，提高學習成績和學習效率。

二、學習分析技術的分析方法

學習分析技術除了傳統的數據分析方法外，充分吸收了大數據時代下各個領域的新技術，包括社會網絡分析法、話語分析法和內容分析法。這些新技術的引入，使得學習分析逐漸科學化、現代化和智能化。

社會網絡分析法（Social Network Analysis）原先是一種社會學研究方法，它是對社會網絡的關系結構及其屬性加以分析的一套規范和方法，現已廣泛運用于教育領域。如果將學習者個體作為研究對象，通過社會網絡分析法，我們不難判斷學習者個體向哪些同伴尋求了學習幫助，在哪些方面產生了學習認知上的困難，又有哪些具體的情境因素影響了學習者個體的學習過程等。如果將整個網絡作為研究對象，社會網絡分析法主要關注的是網絡學習過程中信息的分布和個體學習的進展情況。

話語分析法（Discourse Analysis）原先是一種語言學研究方法，是在課堂對話基礎上建立的口語分析方法，經過不斷發展引入到教育領域，在課堂教學實踐中得到了廣泛應用。在大數據時代下，話語分析的對象不僅僅只是教學過程中面對面的對話內容，還涉及網絡課程與會議中產生的文本內容，以及網絡背景下的異步交流內容等。通過話語分析技術，我們可以對網上學習交流過程中話語的文本性含義有更深入的了解，從而探究知識建構的本質，對整個學習發生的過程獲得更加清晰的認識。

內容分析法（Content Analysis）是一種對傳播內容進行客觀、系統和定量描述的研究方法。內容分析的過程是一個層層推理的過程，其實質是對傳播內容所含信息量及其變化的分析，即由表征的有意義的詞句推斷出準確意義的過程。[3]在教育領域中運用內容分析法，不僅可以對學習者的學習過程數據進行定量分析，探尋學習者的行為模式；還可對其進行定性分析，運用積累的大量經驗來預測當前的學習者行為，為學習者提供個性化的學習資源服務。

三、學習分析技術的模型

筆者根據學習分析技術的決策流程，構建了一個基本的模型（如圖1所示）。

1.數據的收集

學習分析技術需要大量數據作為支撐，僅僅依靠結構化數據是遠遠不夠的，必須同時收集不同系統中的非結構化數據，保障分析結果的正確性、一致性和完整性。

目前，教育系統中已經積累了大量的學生信息。信息系統中的學生信息、課程信息和教師信息這些檔案類信息都可以作為學習分析的數據來源之一；課程管理系統（CMS）和學習管理系統（LMS）中也蘊藏著大量可以挖掘的信息，包括課程中的交互信息（與老師或學生的交流等）、學習表現信息（作業完成情況等）以及行為信息等；同時，基于教師經驗、教師觀察以及教師直覺的課程指導方針也是形成決策樹分析的必不可少的部分。

2.數據的處理

結構化數據的考量很難反映一個學生在一堂課中吸收了多少知識，但是通過其在系統中的行為反應可以轉化為可量化的數據來對其學習過程進行分析。比如在在線課程中，可通過多個方面檢測學生的表現：比如與同班同學相比，在網站上花費的時間；登錄網站的頻率；犯了同樣錯誤后重復犯錯的概率；在某一科目停留的時間等等。通過綜合分析這些數據，可以對學生的學習行為有更深入的了解，從而更加微觀地了解學生。

3.軟件分析

學習分析軟件按照專業程度來分，可分為專用工具和通用工具兩種。“專用工具”一般是學習分析項目中的核心分析工具，它專門針對某一項目的具體要求進行設計和開發，在項目實施過程中運用該工具搜集和分析學習者數據，從而指導教學。典型的專用工具有Socrato、SNAPP和 LOCO-Analyst等。而“通用工具”則是原來應用于互聯網、可用性設計等其他領域的工具，后來被轉用于教育情境下，用來分析學習者如何使用教學系統，主要有Mixpanel Analytics、Userfly、Gephi 等幾種。[4]

4.行為干預

學習分析結果可用來評估學生表現，并及時提供反饋意見，同時還可根據學生的學習效果，有針對性地調整學習內容和方法，為學生提供指導和幫助，提高學生的學習能力。

四、學習分析技術所帶來的教學變革

1.個性化教學的變革

學習分析技術的運用可以為每個學生提供一個個性化的學習環境。例如，如果一個學生解決一個問題所花費的時間遠少于其他同學，系統分析結果就會自動給予提示與線索，試圖促進該學生加強學習。這種即時性的提示在過去是不可能完成的任務，學生至少要等待多天，直到他們的作業被批改完。同時，在使用學習分析技術一段時間后，教師能夠通過信息追蹤和分析，判斷自己的教學方法是否有效，從而進行相應的調整。因此，每個學生都能各自擁有一套為他們量身定制的個性化學習課程。

國內外大學中，較早應用學習分析的案例之一是美國普渡大學的“信號項目”。該項目于2007年啟動，將數據從學生信息系統、課程管理系統和課程成績單中提取出來，按照學習表現分類，從而對那些極有可能不及格或輟學的學生有針對性地提供服務。美國奧蘭治縣的馬鞍峰社區學院通過它的“高等教育個性化服務助理”或叫SHERPA（Service-Oriented Higher Education Recommendation Personalization Assistant）系統，運用學生數據成功實施了個性化教育。該軟件為每個學生建立詳細檔案，記錄了其完整的在校期間的日程信息、跟隨導師學習的經歷以及其它個人信息；接著對這些信息進行分析，提出對時間管理、課程選擇的建議，以及分析其它有助于學生在學業上獲得成功的要素。

2.教師角色的變革

學習分析技術的運用將使教師不再僅僅是一個“教師”，同時承擔了分析師的角色。傳統意義上的教學主要是經驗式的，教師憑借自己的主觀判斷來選擇教授課程的內容和方式，然后通過一次次的反復實踐來進行驗證。而大數據時代下的學習分析技術有助于教師從這種傳統的教學模式中解放出來，教師所做的決策將不再是純粹的經驗式判斷，而是建立在數據分析的基礎上。

美國教育發展中心（Education Development Center）和學生與技術中心（Center for Children and Technology）對如何利用數據幫助美國紐約市公立學校的教師進行教學決策開展了研究實踐。他們與一家公司合作，對學生在數學學習過程中的數據進行了記錄與分析，最后生成了可供教師分析的書面報告和網絡報告。書面報告為教師提供了標準的全班學生學習情況的報告，為教師根據學生的需求分組、關注學生的個體特點等提供了依據。網絡報告則為學校不同層次的員工提供不同層次的信息和重點。

五、結束語

大數據時代的來臨，強有力地推動著教育信息化發展的浪潮。通過學習分析技術，使教學實踐從關注宏觀群體走向關注微觀個體，并使教育個性化服務成為可能。但是，學習分析技術作為一種新興技術，也面臨著諸多挑戰，距離其大規模運用可能還有較長的路要走，需要廣大研究者深入研究，進一步開拓該技術的服務對象和應用場景，真正發揮大數據背景下學習分析技術的作用。

參考文獻：

[1]張韞.大數據改變教育――寫在大數據元年來臨之際[J].上海教育， 2013（10）.

[2]2013 horizon report[EB/OL]. http：///publications/2013-horizon-report-higher-ed. 2013-4-23.

篇10

【關鍵字】大數據；云計算；教育資源；數據處理

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009-8097（2013）07-0059-04

引言

“大數據”（Big data）是IT界繼“Web2.0”、“數據挖掘”和“云計算”之后近兩年最流行的詞。大數據革命也正以Apache Hardtop為中心如火如荼地進行著，IBM、EMC、Oracle、VMware和MicrosoR等商業機構已看到了在這場革命中蘊含的商業價值，都爭相投入到研究大數據的領域，都希望能搶先占有市場的主動權，并基于云計算等平臺開發了諸如Biglnsights等產品，大數據技術能夠幫助用戶在茫茫的數據海洋里快速找到所需的資源。面對大數據的這些優勢，教育界也掀起了對大數據的研究熱潮，在《2013NMC地平線報告（高教版）》中非常有預見性的認為“大數據和學習分析”將在未來2至3年成為主流技術。在“大數據”時代如何提高對日益增長的教育資源的處理能力，尋找新的數據計算策略是當今教育界所關注的焦點，而要解決以上的幾個問題，我們就必須理性地認識大數據。

一 大數據概述

2011年5月，全球知名咨詢公司麥肯錫（MckinseyandCompany）了《大數據：創新、競爭和生產力的下一個前沿領域》報告，首次提出了“大數據”的概念，并在報告中指出“數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素；而人們對于海量數據的運用將預示著新一波生產率增長和消費者盈余浪潮的到來”。但到目前為止對大數據的定義還沒有一個明確的界定，但各種表達均存在一個共同點，即：大數據不是傳統意義上的海量數據，而是一種具有數據量龐大、數據種類繁多、數據信息多樣化的特點。據DCCI互聯網數據中心在2012年7月26日舉辦的“Adworld2012互動營銷世界”上給出的數據顯示：2010年，全球數據量已達1.2ZB，而在如此龐大的數據中，只有10%的數據是結構化數據，其余的則是由郵件、視頻、微博等大量的半結構化數據和非結構化數據它還具有市場價值高，預測速度快等特點。如日本大地震發生后僅9分鐘，美國國家海洋和大氣管理局（NOAA）就了詳細的海嘯預警。

二 大數據與云計算的結合，給高校教育資源的應用帶來新機會

云計算的出現打破了以前高校信息化建設中的“信息孤島”現象，它成為了各種分散教育資源集中應用的平臺，這使得各種教育資源得到充分的應用，同時，云計算的出現讓教師與學生有了真正的互動，并且它與各種終端設備的無縫連接，為移動學習提供了有力的技術支撐。然而大數據的出現更是讓云計算的應用有了真正的用武之地，它們的有力結合將會釋放出巨大的能量，它幾乎會波及各行各業，對于教育領域而言，他們的結合也將會給高校的教育資源的應用帶來更多的機會。

1 給數字圖書館帶來新變革

對于圖書館行業來說，云計算的出現也改變了傳統圖書館的服務模式，應用云計算的存儲、管理等相關技術為讀者提供網絡化應用，這在很大程度上改變了傳統圖書館的窗口服務模式，因此各省高校都紛紛以云為基礎建立起高校圖書館聯盟以更快、更好地發展圖書館行業，如江西省高校圖書館聯盟平臺應用云技術真正實現了資源共享一體化、服務一體化、管理一體化。然而在大數據時代下的圖書館行業更將面臨新的變革，大數據可應用數據分析、挖掘等技術對存儲在云服務端的各種分散的關系化、結構化和非結構化數據進行分析和挖掘，掌握讀者的借閱行為、愛好、知識應用能力等以預測讀者對知識服務的需求，使圖書館管理人員能根據預測進行決策；也可應用大數據技術對讀者的科研創新合作過程及合作交互型知識服務過程將要發生什么進行分析和預測，從而應對圖書館未來所面對的生存危機，同時也可通過應用大數據的分析，預測以及智能決策等技術為圖書館建立科學及實用的風險評估模型，如數據圖書館館藏信息安全評估模型。

2 讓數據更能引導用戶學習

對于教育界而言，大數據與云技術的結合使得教育資源的應用突破了原有意義上的應用格局，使教師與學生不僅僅是能夠共享存儲在云服務端的教育資源，并且能夠通過大數據的數據分析、數據挖掘等技術對各種類型多樣的數據進行分析和挖掘，以得出隱藏在其背后的數據信息，并為師生提供最合理的策略和方案。教師可以通過大數據技術對學生學習行為、學習愛好等非結構化數據進行分析及挖掘，讓教師做出預測并及時做出決策，更好地引導學生學習，同時也可應用大數據的分析技術對開設的課程進行效果評估，以及時調整培養方案；大數據技術也可對學生某一段時間以來的各種表現，如上網、業余學習等非結構化數據的進行分析，預測出下一個時期將會發生的事情，以便盡早通過這些預測做出最適合學生健康發展的決策，并且基于大數據的數據分析技術為學生推薦學習軌跡，開展適應性學習，自我導向學習。

3 讓高校教育決策者在掌握更多數據后做出更正確抉擇

早期的關系化數據時代，對數據分析基本上是采用抽樣的方法，推及所有人群，其準確性會大打折扣。而在當今大數據時代，利用大數據的分析能力，IT能夠提供給企業決策層的將會是一個從各個領域進行了全面篩選的信息，這能夠讓企業的領導層更準確地了解市場、客戶以及自己的產品。同樣高校云存儲中心為大數據的應用提供了更多關于師生客觀而又真實的行為記錄的數據基礎，數據處理中心對這些零散而又無特定結構的數據應用大數據的數據分析、數據挖掘等技術處理后將會給決策者預示出做出某一決策后未來的發展趨勢，使決策者在了解其發展趨勢之后決定是否做出某一決策，這樣，使得決策者能在低風險下做出正確的決策，真正實現基于數據進行決策。其次，大數據技術也可幫助高校提高教學質量，促進教育公平。高校可從數據中心獲取關于高校內正常教學活動所產生的各項教學數據并在信息部門的協同下應用大數據的數據分析、挖掘技術實現自上而下的開展教學管理優化，促使高校教學管理體變革。

三 大數據時代云資源數據處理及服務

從存儲在云服務端的資源中發現數據并加以利用，再提出相應的策略以指導師生學習是大數據對數據分析、挖掘的最終目標，然而關系數據庫生成的簡單報表遠不能達到此目標，這就需要對數據進行更加深入的分析，這些分析需要依賴復雜的分析模型。運用這些模型人們不僅可以通過數據了解現在發生了什么，而且可以對將要發生什么進行預測，以便在行動上做出一些主動的準備。對于高校師生更是如此，他們不僅希望通過數據了解發生了什么，更是希望通過數據對未來進行預測，以便讓他們做出相應的方案，這樣他們就可以在信息化時代處于主動的狀態而不是被動狀態。

1 大數據時代數據處理

云計算的出現在很大程度上解決了數據存儲以及計算等問題，因此各高校紛紛投入資金以建設以云為中心的教學環境，以提高教育資源的利用率。但對于數據的分析仍然是依賴于簡單的關系數據庫，這種簡單的分析方法對數據的分析，查詢往往耗費大量的時間、人力、物力并且效率不高。面對這些問題，大數據時代提出利用Hadoop技術包括內存檢索技術，數據實時反應技術對大量的教育資源進行分析的方法，這個方法通過構建一個基于云計算的大數據資源處理平臺，并通過Map Reduce編程模型對數據進行管理，以提高對數據分析的速度以及效率。該數據處理平臺首先是對各種碎片數據進行收集，其主要的數據來源是存儲在遠程云服務端的教育資源，包括學生信息云、教室信息云等教育信息資源，在完成數據收集之后，便可對這些碎片數據進行過濾，以提煉出連續的、低信息粒度的數據，而后將提煉出的優質數據交于上層以進行數據分析，利用這個數據處理平臺對幾百甚至是幾千個數據節點進行分析。數據挖掘是利用數據挖掘算法，包括分類算法，回歸算法，聚合算法和降維算法等挖掘算法，對數據分析之后的數據進行數據挖掘，以挖掘出隱藏在數據背后有價值的信息為用戶做出決策奠定基石。在大數據時代對數據的挖掘依然是結合云計算，采用的數據挖掘技術對存儲在云服務端的大量的、不完全的、模糊的教育資源挖掘其隱藏在這些數據背后的事先不知道的，但是又存在著對教師以及學生非常有價值的信息，并及時提出預警和指導幫助，同樣圖書館也可根據讀者的借閱圖書信息數據對讀者的學習行為、借閱行為、愛好等數據分析，提出新的服務方案、策略。其數據處理平臺如圖1所示。

（1）云資源層：云資源層的數據主要來源于云服務端的資源，如教室信息云，學生信息資源云等教育資源，通過Hadoop中的HDFS技術對這些數據信息進行存儲，再利Hbase、ZooKeeper等數據處理和管理工具動態生成MapReduce任務并對其進行計算和聚合高效處理。

（2）模型層：模型層對存儲在數據層里的學生信息數據進行Hadoop的ETL處理輸出匯總信息，包括學生學習行為，與他人協作行為等基本行為模型的分析，以掌握學生性格特征，學習能力，對資源滿意度等基本信息，以期在對學生有更多了解后，給他們提出最適合他們自己學習的指導。

（3）應用層：通過模型層對學生信息或者其他教育資源信息分析后得出的結果，包括學生學習能力，學生性格特征等信息，對教師目前的教學效果以及學生的學習效果進行評估，并對未來師生教與學的效果進行預測，通過對預測的結果進行分析、挖掘給師生提出最佳教與學的策略。

2 大數據時代的教育資源服務

云計算和大數據技術的興起以及用戶對知識需求的變化使高校資源服務得以變遷。在大數據的背景下，高校教育資源在服務方式、途徑、模式等方面將會不斷得改變。未來的高校為教師、學生提供的服務將是通過數據的匯聚、過濾、分析和挖掘這一系列數據操作而得出的。因此，未來的高校提供給師生的服務將更加具有針對性和鮮明性。首先，在大數據的背景下，教育所提供的資源服務對于用戶來說，只需要關注其最終結果而不必知道其內在原因。高校資源服務最終目標是為用戶提供最快、最及時、最準確的服務，對于高校數據處理中心而言只需應用大數據技術對各種碎片數據進行分析和挖掘，以研判采取的某種教學方式對教師的教學效果或學生學習效果是否有影響，如果效果明顯，那么決策者只需決定是否采用這種教學方式，不必要去追究這樣做會使效率改變的原因。其次，大數據時代下的資源服務將會更加主動、更加貼近用戶的實際需求，隨著信息化時代的加速，各高校在以數字校園的背景下紛紛對資源系統進行整合，以最大限度的提高資源的應用，如此一來高校師生不僅可以盡可能的應用資源，而且也可以參與諸如資源平臺建設、服務評價等交互式工作，而系統可以收集用戶在該平臺上留下的“痕跡”以動態的掌握用戶對各種資源的需求，及時滿足用戶的需求，這樣使用戶對資源中心所提供的資源更加認可，而資源中心也會因為用戶的認可而大大增強主動服務的意識。

四 大數據時代高校教育發展趨勢

云計算為大數據提供了更多可彈性擴展，廉價的存儲空間和計算資源，而且其提供的資源不僅種類繁多，并且分布廣泛，是高校異構系統處理數據的有力方式，因此，在大數據時代下，高校教育將會朝著更多方向發展。

1 向以學生心中有數的終生制學習方向發展

大數據時代，高校信息中心將不僅僅是簡單的關系數據，而更多的是記錄了關于學生在資源共享平臺留下的行為方式（瀏覽、下載）等非結構化的數據，而數據處理中心的任務是對這些數據進行分析、挖掘，最終以某種數據表示方式呈現給學生，讓學生了解自己在各類資源子系統的活動頻次及活動類型和某段時期內的學習狀況，同時給學生提出量身定制的學習計劃。因此，這將會使學生從以往的“模糊”學習向“以學生心中有數”的學習發展，真正實現終生制學習。

2 改變傳統教與學課堂，向以交流為主的課堂方向發展

在未來的大數據環境下，課堂將會是以交流為主的學習，在傳統的課堂中教師主要是充當教的角色而很少是學生當中交流的一員，這種方式很難達到很好的教學效果，然而在大數據時代下，通過大數據技術為教師呈現學生的基本情況，教師在了解學生基本情況后可以制作出盡可能包括眾多的學生不理解的知識點的學習視頻。而學生在課后可根據教師制作的教學視頻，有目的、有選擇性地觀看，回到傳統的課堂將疑難點與教師或同學面對面的交流，這樣一個以交流為主的課堂學生積極性也會更高，而且學習效率也將大大提高。

3 使教室管理向更高效、更安全、更快捷的方向發展

傳統的實驗室或多媒體教室的管理通常是一個管理人員管理一個機房或某幾個機房，然而這樣的管理方式卻不是高效率的，而且大大浪費高校的人力資源，在大數據時代，高校內可將校內所有計算機實驗室或者多媒體教室的信息存儲到數據中心，利用大數據技術，對不同校區、不同教室類型、不同學期、不同時段以及不同教室里的教學設備產生的各項參數進行分析，挖掘后，并通過反饋的數據對某一教室里在某一時刻的某一設備進行一個未來的趨勢的預測，判斷是否可能發生故障或者該設備是否可以承受高負載的運行等情況，這樣可使管理人員提前對這些將會發生故障的設備進行更換，以避免較大的損失，這將會大大提高設備的利用率，并且在這種趨勢下只需少數管理員在設備監控中心對校內所有機房進行監控，這樣大大節省了高校的人力、物力、財力。