灵魂调色师

本篇文章给大家谈谈教育大数据 ，以及教育大数据分析平台学生入口对应的知识点
，文章可能有点长，但是希望大家可以阅读完 ，增长自己的知识，最重要的是希望对各位有所帮助
，可以解决了您的问题，不要忘了收藏本站喔 。

本文目录

1. 什么是教育大数据
2. 什么是教育中的大数据
3. 大数据对未来教育的影响包括哪些

一 、什么是教育大数据

1
、国家教育大数据主要汇聚来自各区域产生的各种教育数据
。

2、教育是一个超复杂的系统 ，涉及教学 、管理、教研
、服务等诸多业务。与金融系统具有清晰、规范 、一致化的业务流程所不同的是
，不同地区
、不同学校的教育业务虽然具有一定的共性，但差异性也很突出 ，而业务的差异性直接导致教育数据来源更加多元、数据采集更加复杂 。

二 、什么是教育中的大数据

1
、一是建立教师管理信息化体系。以教师系统为支撑
，逐步实现教师系统与相关教育管理服务平台的互通、衔接，建立健全覆盖各级教育行政部门 、各级各类学校及广大教师的互联互通
、安全可靠的教师管理信息化体系 ，为加快推进教师治理体系和治理能力现代化奠定坚实基础
。

2、二是形成教师队伍大数据。依托教师系统
，实现各级各类教师信息的“伴随式收集”，为每位教师建立电子档案 ，建立统一高效 、互联互通
、安全可靠的全国教师基础信息库 。同时
，高效采集、有效整合教师系统及相关教育管理服务平台生成的教师信息，形成教师队伍大数据
。

3 、三是优化教师工作决策。将教师队伍大数据作为教师工作决策的基础支撑和重要依据 。对大数据进行多角度、多层面
、多方位的关联分析、融合利用 ，评价教师队伍发展状况 、找准教师队伍发展问题
、研判教师队伍发展趋势、确定教师队伍发展重点，提升教师工作决策的科学性 、针对性和有效性
。

4
、四是提升教师队伍治理水平。积极推进教师系统及相关教育管理服务平台与教师工作的深度融合
，逐步推进教师管理方式重构、教师管理流程再造，实现教师管理过程精细化 、治理工作精准化 ，优化教师管理核心工作
，不断提升教师管理服务水平 。

5
、有专门的文章，如果有需要 ，可以留下信箱
。

三、大数据对未来教育的影响包括哪些

作为社会子系统重要的组成部分
，教育也深受大数据来临的深刻影响。国外高校教学管理中，教育数据的挖掘也成为提高教学管理水平和教学质量的重要方式 。美国的学校能够通过对学生数据的分析 ，以85%的精确度预测学生的升学率
。[4]中国教育在当前社会转型影响下存在不少问题
，通过正在形成的大数据技术，教育政策的制定 、学习方案与评价方式的确立等 ，都将发生革命性变化。

教育和社会之间是哲学上的辩证关系
，一方面，通过教育培养出能改变世界
、创造世界的人才；另一方面 ，教育又深受当前社会氛围、国家体制 、经济状况、文化传统等的影响 。从当前来看，教育深受工业社会的影响。从18世纪中叶开始
，整个世界开始受到工业革命的影响，市场的扩大和劳动时经验与技术的要求 ，对劳动力的素质提出了新的要求
，实际的动手能力代替了过去注重个体层面的文化修养学习，能不能解决问题 ，成为衡量人才的标志
。这种人才观对教育的影响是巨大的
，这从美国实用主义哲学家杜威教育思想的流行可见一斑。

大数据时代的来临将会革新这种延续了近三个世纪的教育理念 。美国著名的未来学家，当今最具影响力的社会思想家之一的阿尔文·托夫勒（Alvin Toffler）在他的著作《未来的冲击》中提出逗未来的教育地 ，他预测未来的教育要面对服务
、面对创新
，因此在家上学、教育空间设计 、面向未来的学校界限的消失将成为趋势
。[5]解决实际问题的能力作为大数据时代人才的能力之一，将渐渐淡出教育的逻辑起点位置 ，发掘知识
、寻找联系、总结规律将成为大数据时代人才的重要要求。大数据时代教师将集中在挖掘学生与学习有关的表现
，最适宜学生学习的方法，而不是依赖于定期的能力测试 。教师分析学生知道什么 ，什么是最有效的学习路径
。通过对在线学习工具等的分析，可以评估学生在线学习行为的长度
，以及学生们如何获得电子资源，如何迅速地掌握概念。[6]

从我国实际情况来看 ，教育政策的制定与执行都是自上而下的
，这种情况有利于政策的权威性与执行的效率，但是忽视教学与学生实际的弊端也客观存在 。大数据时代将可以通过对教育数据的分析 ，挖掘出教学 、学习
、评估等符合学生实际与教学实际的情况
，这样就可以有的放矢地制定、执行教育政策，从而为学生制定出更符合实际的教育策略
。

长期以来 ，教学评价活动主要是学校以及上级主管部门在听课和学生考试成绩的基础上对任课教师进行评价
，或者教师根据学生考试成绩和作业成绩以及课堂表现等对学生进行评价。[7]教学评价活动促进了教师的教学和学生的学习，但是在细节方面还有待提高 ，比如教师在教学活动中
，哪些教学方式是最为擅长也最容易为学生接受看学生在学习过程中，个体的学习习惯是什么 ，什么样的学习方式最容易掌握知识看这些细节可能需要大量的实践经验总结出来，短期的教学评价是难以实现的 。

大数据技术通过对教师与学生长期行为进行分析
，得出具有个性化的教学行为 、习惯
、方式
。逗不得不承认，对于学生 ，我们知道的太少地。同样
，我们也可能对教师知道的太少 。大数据的到来，可以通过技术层面来评价、分析并进而提升教学活动。首先 ，教学评价的方式不再是经验式的
，而是可以通过大量数据的逗归纳地，找出教学活动的规律
。比如新一代的在线学习平台 ，就多出了行为和学习诱导的部分。通过记录学习者鼠标的点击
，可以研究学习者的活动轨迹，发现不同的人对不同知识点有何不同反应 ，用了多长时间
，以及哪些知识点需要重复或强调 。[8]对于学习活动来说，学习的效果体现在日常行为中 ，哪些知识没有掌握，哪类问题最易犯错等成为分析每个学生个体行为的直接结果
。其次
，可以对学生进行多元评价，而不仅仅是知识掌握的单一维度。对学生的评价应该是多元的 ，特别是通过数据分析
，可以发现学生思想 、心态与行为的变化情况 。比如，同一寝室 ，互相删除了联系方式
，或者两者之间没有任何数据产生，同学之间的关系肯定出现了问题 ，通过数据分析
，就应在学生心理与行为方面进行关照
。如果通过文本分析
、信息抓取分析出学生的近期情绪状态，很多悲剧可能就能避免。即使是掌握知识的单一维度 ，其因素也是多方面的
，有的是记忆好，有的则是逻辑思维能力强 ，通过大数据技术，可以分析出每个学生的特点
，从而发现优点，规避缺点 ，矫正不良思想行为 。第三
，教学评价跳出了结果评价的圈子，实现过程性评价
。传统教学评价多是教的好不好 ，学的好不好
，注重的是结果。而大数据时代可以通过技术手段，记录教育的过程 。现在一些学校实行了电子课本 ，如果能记录下作业情况
，课堂言行，师生互动 ，同学交往
，并将这些数据汇集起来，不仅可以发现学生的特点 ，更不用为如何写期末评价费力了
。

传统的教育大多是教育主管部门和教育者通过教学经验的学习与自己的总结，认为某些因素对教学活动很重要
，从而一而再、再而三地强调。但是有些经验是不具有科学性的，常识有时会影响人们的判断 。比如苹果公司就发现 ，笔记本电脑销售额的提升
，常识认为的比如提高库存管理能力 、提供员工更多的专业培训、做更为时尚的广告
、促销等等，只能提升2%～9%的销售额 ，而把电脑屏幕和桌子呈70度角左右放置
，却能高出其他电脑销售额的15%。70度角放置的电脑，因为反光会让人不舒服 ，从而诱使客户去搬动屏幕
，一旦潜在客户与货物发生了肢体接触，他购买这个商品的可能性就上升了15%
。[9]

大数据时代教师的教学思维需要从群体教育的方式转向个体教育 ，在教学过程中
，可以真正做到因材施教，因人而异。传统教育也提倡因材施教 ，但是由于学生数量、教师精力 、教育任务等制约，因材施教总是有些缺憾 。大数据技术将给教师提供最为真实
、最为个性化的学生特点
，教师在教学过程中可以有针对性地进行因材施教
。比如，在课堂学习过程中 ，哪些（或哪个）同学注意基础部分
，哪些同学注意实践内容，哪些同学完成某一练习 ，哪些同学可以阅读推荐书目等等。这和网络购物相似
，通过你过去的购买痕迹，网站就会分析出你的购物兴趣 ，从而有针对性地给你推送广告信息 。

不仅如此
，当学生在完成教师布置的作业时，也能通过数据分析强化学习
。比如通过电子设备做作业时 ，某一类型的题目有几次全对
，就可以把类似的题目跳过；如果某个类型的题目犯错，系统则可进行多次强化 ，这样不仅提高了学习效率，也减轻了学生的学习负担。

学校教育是当前教育的绝对模式
，适龄儿童、青少年都需要进入学校，通过教师的讲授进行学习 。但是随着大数据时代的来临 ，这一教学模式可能会得以改变
。2004年
，澳大利亚人马丁开发了一个开源课程平台moodle，解决了来回奔波上课的问题。教师通过这个平台与学生互动 ，学习 、考试
、资料分发与上传等
，都通过网站完成 。2010年，这个平台数量已经达到了100万门户
。2006年 ，孟加拉裔金融白领萨尔曼·可汗将自己的10分钟教学视频传到网上
，几年后，这个网站注册用户达到了1000万。[10]

教育平台的开发 ，使网络课程得以飞速发展
，2012年美国在线课程投资达到10亿美元以上 。网络课程的发展给传统教学带来了巨大冲击，一方面 ，教育的方式将不再仅仅局限于学校教育；另一方面，教师的课堂教学出现新的替代模式。这种教育模式的革新
，在大数据时代更有了存在的价值与意义
。

传统教学模式有教师的督促、随时沟通 、情感交流，是按照教学大纲按部就班地完成教学活动。这种教学模式有计划
、有步骤 ，体现秩序性
，但是在一定程度上也框定了学生的思维框架，学生的创新能力没有得到最大发挥 。美国不少商业巨鳄都有辍学经历 ，甚至有的创业基金要求学生辍学才能发放
。这当然不值提倡
，但是，从一个侧面也反应出非学校教育 ，也同样具有创造能力的事实。大数据时代的来临
，可以通过学生学习兴趣、在某一在线课程停留的时间 、点击率
、情绪反应等，推送更具有个性化的学习内容 。这在知识爆炸的时代 ，显得尤为重要
。此外
，随着媒介社会化时代的来临，学生学习生活网络化已成事实 ，学生可以通过在线学习目前正在开设的课程，这对正在授课的教师是一种挑战。美国有个Udemy网站
，老师根据自己上传视频的点击率获得报酬，2012年5月份 ，该网站上有的老师收入已经超过20万美元 。随着技术的发展
，以后教育网站将在大数据的支撑下，根据知识传播的形式、受众的兴趣不断优化教学内容 、教学方式 ，为学生提供更高质量的学习内容
。

如果你还想了解更多这方面的信息
，记得收藏关注本站。

3、教育大数据产生于各种教育实践活动，既包括校园环境下的教学活动
、管理活动、科研活动以及校园生活 ，也包括家庭 、社区
、博物馆、图书馆等非正式环境下的学习活动；既包括线上的教育教学活动
，也包括线下的教育教学活动 。

4 、教育大数据的核心数据源头是“人 ”和“物
”——“人”包括学生
、教师、管理者和家长，“物 ”包括信息系统校园网站 、服务器
、多媒体设备等各种教育装备
。依据来源和范围的不同 ，可以将教育大数据分为个体教育大数据、课程教育大数据 、班级教育大数据
、学校教育大数据、区域教育大数据 、国家教育大数据等六种。

5、从数据产生的业务来源来看
，包括教学类数据
、管理类数据、科研类数据以及服务类数据 。从数据产生的技术场景来看，包括感知数据 、业务数据和互联网数据等类型。从数据结构化程度来看 ，包括结构化数据
、半结构化数据和非结构化数据
。结构化数据适合用二维表存储。

6、从数据产生的环节来看，包括过程性数据和结果性数据 。过程性数据是活动过程中采集到的 、难以量化的数据（如课堂互动
、在线作业、网络搜索等）；结果性数据则常表现为某种可量化的结果（如成绩 、等级
、数量等）
。

7、国家采集的数据主要以管理类 、结构化和结果性的数据为主
，重点关注宏观层面教育发展整体状况。到大数据时代，教育数据的全面采集和深度挖掘分析变得越来越重要 。教育数据采集的重心将向非结构化
、过程性的数据转变
。