涕零
1. 大数据时代对教育技术学的影响有哪些
回答这个问题，抄 首先得清楚什么是大数据。所谓大数据就是一种规模大到在获取、存储、管理、分析方面大大超过了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型、价值密度低等特征。 其次、大数据的作用或者价值，大数据能帮助提供产品或服务的企业进行精准的营销；大数据能发现市场的特征，从而发现未发现的商机；传统企业可以根据大数据做互联网的转型等。 根据这些大数据的特征，我们不难发现大数据对教育技术学的影响： 1、大数据的预测性，可以发现学习者的特征，以便开发出更符合学习者的学习模式或者学习软件； 2、大数据的速度性，可以发现教育技术方案实施过程中的问题和特点，以便做出调整； 3、大数据的多样性，可以更全面的了解教育技术的优点与问题，是教育技术变得更加具有智能性，我把它称之为自适应技术。 总之，大数据时代的到来，使得教育技术多方面的进一步发展成为可能。
2. 大数据对教育教学的作用
数据（data），一般而言是指通过科学实验、检验、统计等方式所获得的，用于科学研究、技术设计、查证、决策等目的的数值。通过全面、准确、 系统地测量、收集、记录、分类、存储这些数据，再经过严格地统计、分析、检验这些数据，就能得出一些很有说服力的结论。大规模、长期地测量、记录、存储、 统计、分析这些数据，所获得的海量数据就是大数据（big data）。在制作大数据时，需要严格的方案设计、变量控制和统计检验等，不然所获得的大数据就是不全面、不准确、无价值或价值不大的。在教育特别是在学校教育中，数据成为教学改进最为显著的指标。通常，这些数据主要是指考试成绩。当然，也可以包括入学率、出勤率、辍学率、升学 率等。对于具体的课堂教学来说，数据应该是能说明教学效果的，比如学生识字的准确率、作业的正确率、多方面发展的表现率——积极参与课堂科学的举手次数， 回答问题的次数、时长与正确率，师生互动的频率与时长。进一步具体来说，例如每个学生回答一个问题所用的时间是多长，不同学生在同一问题上所用时长的区别 有多大，整体回答的正确率是多少，这些具体的数据经过专门的收集、分类、整理、统计、分析就成为大数据。分析大数据助力教学改革近年来，随着大数据成为互联网信息技术行业的流行词汇，教育逐渐被认为是大数据可以大有作为的一个重要应用领域，有人大胆地预测大数据将给教育带来革命性的变化。大数据技术允许中小学和大学分析从学生的学习行为、考试分数到职业规划等所有重要的信息。许多这样的数据已经被诸如美国国家教育统计中心之类的政府机构储存起来用于统计和分析。而近年来越来越多的网络在线教育和大规模开放式网络课程横空出世，也使教育领域中的大数据获得了更为广阔的应用空间。专家指出，大数据将掀起新的教育革命，比如革新学生的学习、教师的教学、教育政策制定的方式与方法。教育领域中的大数据分析最终目的是为了改善学生的学习成绩。成绩优异的学生对学校、对社会、以及对国家来说都是好事。学生的作业和考试中有一系 列重要的信息往往被我们常规的研究所忽视。而通过分析大数据，我们就能发现这些重要信息，并利用它们为改善学生的成绩提供个性化的服务。与此同时，它还能 改善学生期末考试的成绩、平时的出勤率、辍学率、升学率等。
3. 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。
4. 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。
5. 大数据引发了教育评价的哪些变革
在考试中，两个同样得了90分的考生，他们的能力完全一样吗？课堂上，老师告诉同学们，“完成第一题到第十题”。可是，真的是所有学生都有必要完成这10道题吗？教学过程中，如何更好地启发学生、如何更好地课堂互动，一节课的时长究竟是40分钟合适，还是45分钟合适。这些问题，老师们是“凭经验”，还是靠科学分析？如果你对以上问题有思考，那么，你就会对大数据对教育形态的改变持开放的心态。大数据时代悄然来临，过去无法收集与分析的数据都被新的技术手段赋予了可能性。谁能对大数据的挖掘更为深刻，谁就会在行业发展中抢占先机，教育领域也是如此。就在几天前，慧科教育宣布在原来“开课吧”的基础上正式上线“找座儿吧”，即在原来在线教育平台的基础上，又推出垂直的招聘平台。从学习者职业性向的分析，到适合岗位的推荐，再到个性化设计的课程，经过考核、认证，最终推送到匹配的招聘岗位，完成了学习者从学习到求职的一整套完整路径。这样一套同以往学校教育截然不同的教育模式，引发了业内的热议，而这，正是基于对学习者个性化的数据分析完成的。两个同样考90分的考生，能力水平完全一样吗？大数据让教育真正面对每一个独立的个体“不得不承认，对于学生，我们知道得太少。”这是卡耐基·梅隆大学教育学院的一句经典的口号，同时也是美国十大教育类年会关注度最高的议题。类似的思考在我们国家的教育领域同样存在。“我们真的了解孩子吗？”“每一个孩子都是独特的，都是与众不同的，但是我们能针对他们进行真正个性化、差异化的教学吗？”举个简单的例子，两个同样在数学考试中取得90分的考生，他们的能力完全一样吗？根据传统的教学模式，我们会认为，成绩相同的学生，能力大体相仿。但如果借用大数据的分析手段，学生的差异性就会清晰展现。根据对同为两个90分的考生进行分析，我们发现，第一个学生更多的是依靠出色的逻辑思维，而另一名同学逻辑推理能力相对薄弱，是依靠出色的记忆力而获得较好的成绩。因此，大数据能够让我们更全面地看待学生的发展，发现以往考试成绩所反映不了的深层次问题。当然，如果老师能对这一情况及时掌握，就能对两位同学开展不同的教学方式和方向。比如，通常老师布置作业的方式是，“请同学们完成第一题到第十题。”“请同学们在假期读完这10本书”。把同样的书目和同样的题目布置给不同的学生，在传统教育模式下无可厚非，但如果新技术已经帮助我们对每一个学生的个性和特点都有了充分的了解，就会有针对性地布置作业，进而实现那个绵延2000多年的梦想——因材施教。如A同学做对了第二题，系统马上可以告诉他，他可以跳过第四题和第八题，这是因为，二、四、八三道题目在考查同样的知识点，如果都做则是简单重复。如果B同学做错了第三题，那么系统就会提示他强化式练习第六题和第九题，这是因为基于大数据的分析，第三题做错的同学很有可能在第六题和第九题也出现错误。而有针对性地反复训练，是十分必要的。这样的模式我们其实已经并不陌生，一些网站会根据此前你的购买习惯，有针对性地推送一些产品，以及微博运营者根据你此前已经关注了哪些人来判断有可能会对哪些人感兴趣，都是基于这个原理，即大数据的分析。如果商业网站都已经越来越了解学生，为什么我们的老师不能越来越了解学生呢？大数据手段和新技术可以取代教师吗？优化传统教学模式，让课堂减少灌输，增加互动近一段时间，“幕课”是教育领域当之无愧的“热词”，继北京大学、清华大学、复旦大学、上海交通大学纷纷加入由国外高校牵头组建的幕课联盟之后，日前，深圳大学联合国内40所大学组建“全国高校UOOC联盟”，旨在打造属于中国大学自己的幕课联盟。这一消息再一次让基于新技术手段打造的“大规模在线开放课程”成为社会和教育领域关注的热点。在讨论新技术对于传统教学模式带来的冲击之余，人们自然而然地发出了这样的思考：大数据手段与幕课会取代传统教学模式，最终让教师们失去饭碗吗？答案应该是否定的。“新技术并不能取代老师，而是重新定义了教育。”上海海事大学经济管理学院副教授魏忠认为，“翻转课堂、信息技术下的教育可以不要老师吗？恰恰相反，你看网络课程的视频，越来越标准化。但学生是个性化的，这就需要我们老师学会高效利用高新技术、利用教育信息资源，有针对性、更个性地指导学生成长、进步。”为什么这么说？比尔·盖茨曾预言，“5年以后，你将可以在网上免费获取世界上最好的课程，而且这些课程比任何一个单独的大学提供的课程都要好。”是的，未来，学生们可以没有门槛、没有围墙地获取任何一所大学、任何一位老师的课程，跨越国家、跨越民族。这就会带来一种可能，线上学习越来越成为学习知识的主要途径，而学生们学习行为的数据将自动留存，更易于后期的学习行为评价和评估，教师不再基于自己的教学经验来分析学生的共同点、在学习中的偏好、遇到的难题等，只要通过分析整合学习的行为记录，就能轻而易举得到学习过程中的规律。那线下呢？传统的课堂将实现功能上的转变，成为交流学习成果和释疑解惑的场所，成为线上学习的必要补充。对此，慧科教育集团创始人方业昌给出了支持的观点，“经过相当长时间在线教育的探索，我们发现线上教育不能完全取代线下教育，或许未来一门课程，全国的学生，甚至全世界的学生都通过互联网来听一位老师讲授，但学生依然需要大量同样教授这门课程的老师承担起线下的辅学、导学、答疑、互动、评价等功能。新技术会解放一些老师，他们中的一部分从传统的教学岗转为辅学岗，而还有一部分则从传统的教学岗转为致力于新的教学内容和方式的创新。这些都是线上教育不能完成的，是不可或缺的。”对此，魏忠认为：“信息技术解放了一些具有创新精神的老师，使他们抛弃了大量重复的劳动而将精力集中在教师的核心功能，这就是技术的解放力量。”说到这儿，我们会发现，大数据其实并不神秘，大数据对于教育的改变将会是补充，而不是颠覆。正如上海思来氏信息咨询有限公司创始人张韫所说，“大数据时代的到来，让社会科学领域的发展和研究从宏观群体逐渐走向微观个体，让追踪每一个人的数据成为可能，从而让研究每一个个体成为可能。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。”而这，正是教育的进步。
6. 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
7. 大数据推动高等教育变革
大数据推动高等教育变革
随着互联网和物联网的快速发展和广泛应用，世界处于各种数据指数式增长的环境中，进入大数据时代。大数据日益成为推动各个领域变革的强劲力量。从高等教育领域来看，大数据在教学、科研和管理方面引发的创新与变革日益显现。
在教学方面，大规模、开放式在线教育课程——慕课，正在成为席卷全球的高等教育新潮流。慕课教育技术被认为是继印刷术之后教育领域最重大的变革，其带来的学习变化体现在四个方面：第一，慕课对学生免费，或者只对需要课程认证者收取少许费用，极大地降低了教育成本；第二，慕课打破了传统课堂教育的时空限制，无论何时何地，想学就学；第三，慕课有助于解决教育资源分布不平衡问题，有了慕课，偏僻山区的孩子也能通过电脑网络学习一流学校的课程；第四，慕课背后的大数据平台能够对学习者进行行为评价和诱导，根据学生的学习行为特征，比如通过答卷中的错误分布分析学生的知识漏洞，动态调整学习内容和节奏，量身打造高质量的学习模式。总的来看，慕课创造了个性化、智能化教学模式，降低了教育成本，同时也为解决区域之间乃至世界范围的教育资源不均衡问题找到了一条途径。
在学术研究方面，大数据正在开创新的科研范式。一般认为，科学思维分为实验思维、理论思维和计算思维三种类型。传统的科学研究范式大多以理论思维和实验思维为主，而计算仅仅作为理论猜想的辅助论证手段。随着大数据技术的发展和广泛运用，计算思维的重要性日益凸显。在一些学科领域和科研方法中，由大数据技术支撑的海量数据运算，成为整个研究过程的主导性、决定性因素。1852年提出的四色猜想曾困扰数学界100多年，终于在1976年由美国数学家通过计算机运算得到证明。这一证明过程耗时1200个小时，涉及逻辑判断超过百亿。对于人脑来说，这是一道无法逾越的能力鸿沟。2009年，谷歌公司的工程师们在《自然》杂志上发表论文，准确预测出甲型H1N1流感的暴发。这篇论文没有采用流行病学理论，而是直接对特定词语与流感传播的相关性进行数学建模，利用大数据技术计算出结论。类似的数据密集型和计算驱动型科研模式，将对高校科研活动和评价机制提出新要求。在可预见的将来，海量数据平台和跨学科、跨领域、跨国界、跨地域的科研协作网络，将成为高校科学研究的基础设施和手段。
在管理方面，大数据全方位提升校园管理。例如，通过对饭卡刷卡数据的监控，可以实现对贫困学生的兜底式资助；通过采集和比对学生进出寝室、夜间用电的时间等数据，可以将最适合的人安排在同一个宿舍；通过对图书馆和自习室座位信息的动态推送，可以解决“占座”问题；通过对选课系统的数据分析，可以在瞬间评出最受欢迎的课程和老师。当各方面管理数据的丰富度和系统化水平达到一定程度后，海量数据之间的相互关联将生成以即时分析和动态预测为基本功能的智能化校园管理系统，为学生自我管理提供便利，帮助学校破解一些管理上的难题。比如，利用标签化技术，可以对学生的情绪进行动态采集和量化监控。发现严重的负面情绪累积和社交异常时，校园管理部门可以及时启动心理咨询和行为干预。当然，智能化校园管理平台建设，要以校园法治化水平提高为前提。对学生学习生活数据的采集和运用，必须得到学生的同意和授权。
以上是小编为大家分享的关于大数据推动高等教育变革的相关内容，更多信息可以关注环球青藤分享更多干货
8. 大数据在教学管理中的运用
大数据在教学管理中的运用随着大数据时代的崛起，云数据时代的来临，大数据给各行各业的发展模式和决策带来前所未有的革新与挑战，教育行业同样不可避免。大数据的发展给困境中的教育变革提出了新的挑战。进入大数据时代，依靠言传身教的古代精英式教学和注重快速实效的现代大众式教学正在有效结合，基于数据分析的共享式精准教学不再遥远，按需学习、因材施教将真正成为可能。 一、对“大数据”的理解《自然》杂志在2008年9月推出了名为“大数据”的封面专栏，讲述了数据在数学、物理、生物、工程及社会经济等多个学科扮演了愈加重要的角色。加里?金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”大数据也称巨量资料，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、处理、并整理成为帮助企业更好经营决策的各种资讯，同时与大数据相关的数据存储、数据安全、数据分析等领域也都属于大数据范畴。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。“大数据”具有数据体量巨大，数据类型繁多，价值密度低，处理速度快的特点。二、“大数据”对教学的影响 法家思想的集大成者韩非子也有“世异则事异，事异则备变”的观点，足见教育是需要根据现实变化的。 在教育领域中，“大数据”除体现传统数据的所有宏观功能外，还能收集分析详尽的微观个性化数据，大数据的优势立显。传统数据诠释宏观、整体的教育状况；大数据用于调整教育行为与实现个性化教育；传统数据来源于阶段性的，针对性的评估，其采样过程可能有系统误差；大数据来源于过程性的，以第三方、技术型的观察采样的方式误差较小。传统数据分析所需要的人才、专业技能以及设施设备都较为普通，易获得；大数据挖掘需要的人才，专业技能以及设施设备要求较高，并且从业者需要有创新意识与挖掘数据的灵感而不是按部就班者。 大数据带来新一轮教育信息化的浪潮已然随着硬件的高速革新和软件的高度智能无法抗拒地推到了我们面前。作为新时期的教育管理者，唯有掌握良好的“大数据”技术，转变教育思想，及时利用“大数据”服务学校管理、改革教育教学，提高办学质量。 三、大数据教学管理模式 随着时代的发展，科技的日新月异，以往的教学管理模式正在慢慢退出历史舞台。这种以现代信息技术为支撑，“大数据”为载体的新型管理模式极大地实现了教育资源的共享与充分利用，促进了工作效率的提升，转变了工作效能，让工作更加具有时效性，科学性，及时性。1、大数据管理的模型 正如2014年全国教育工作会议提出的，今后一个时期我国教育管理的目标是“加快推进教育治理体系和治理能力现代化”，我国的教育管理模式将发生质的变革，大数据管理模型应运而生。 大数据支撑的教育管理模型：以“主体、对象、资源、目标”为核心要素，建立多级连通共享的教育云，构建教育管理复杂系统，利用云技术处理教育云端大数据，为教育公共服务机构、教师和学生提供全天候多终端个性化需求的教育资源服务、专业发展服务和综合素质发展服务，提升教育资源配置的合理性和公平性，提升教育决策科学化水平。 在教育管理中，人的因素是重要的教育数据，是一切教育数据的来源。教育资源的配置，首先要进行科学合理的资源基本分类：人才资源、财物资源、知识资源；教育内容、教育理论、教育方法、教育经验等，是教育资源配置中的隐性资源，却是根本资源；技术资源是大数据教育管理的生产力资源，教育技术尤其是教育信息技术、大数据、云技术的应用，是管理主体满足教育服务需要，合理配置教育资源的应用型资源。 2、大数据管理的运行策略 教育大数据管理是一个长远的伟大工程，从当前的教育信息化建设水平和面临的挑战综合考虑，还有相当长的路程要走。我们需要在思想上、理论上和实践上全面推进，迫切需要制订正确而长远的行动路线图如又图所示。 这是三个层级的运行策略：底层是大数据教育管理的基础建设教育云的建设，各区域应遵循国家教育数据标准，建设分布式教育数据中心（云）资源库+数据库+数据关系逻辑的建构，为云端教育教学资源配置提供基础硬件支撑，进而建设三层智慧平台智慧校园、智慧学堂（课堂）和智慧终端（尤其是移动终端）应用平台建设，同样作为基础层级的是教育资源的大数据挖掘对教育过程所产生的数据进行统计、分析、建模等处理，为教育管理决策提供数据应用；位于高层的是教育大数据管理的操作系统，从公共服务到学生个体发展，利用大数据进行教育资源的公平配置和个性化供给，推进教育发展与改革，使人人享有优质恰当的教育资源，促进教育的优质可持续发展，推进教育品牌建设和创新提升，形成高效绿色的教育文化。 四、大数据教学管理的优越性 用数据说话、用数据决策、用数据管理、用数据创新的数据文化正在成形，大数据时代已经来临。顺应大数据时代的发展，教育变革已经进入了一个新的阶段，教育领域将迎来一场前所未有的大变革。 大数据的发展给困境中的教育变革提出了新的挑战。进入大数据时代，依靠言传身教的古代精英式教学和注重快速实效的现代大众式教学正在有效结合，基于数据分析的共享式精准教学不再遥远，按需学习、因材施教将真正成为可能。大数据带来的一系列变革，对新型创新人才的培养提出了更为迫切和现实的要求：日益强大的互联网、多媒体及概念软件、开源软件等为师生提供了更加自由、灵活的学习和探索空间，求知的视野被极大拓宽；日益频繁的师生活动及社会互动被大数据予以记录、分析和共享，教育环境的时空界限和信息隔阂得以打破，长期以来潜伏于数据之下的教育理论和规律将日益凸显和明朗，人才培养将更具灵活性和多样性；学习与生活、教育与社会不再被孤立，学生、学校与现实生活的体验更为接近，学生学习兴趣、学校办学动力将被大大激发
9. 大数据时代带来哪些变化和影响
【导读】许多人对大数据都不了解，但其实大数据离我们的生活很近，现如今大数据应用到教育、医疗等生活的许多方面，为我们的生活提供了便利，也带来了改变。那么，大数据时代带来哪些变化和影响呢?今天就跟随小编一起来了解下吧!一、思维方式改变所谓思维方式，是一种习惯性的思考问题和处理问题的模式，并由此对我们的行为方式产生直接的影响。然而，如今大数据正影响着我们的思维方式。随着网络、腾讯、淘宝等网络公司的迅速崛起以及他们的迅速致富，数据致富成了新的致富神话。先前那些房地产、电器大亨费了九牛二虎之力才取得的亿万财富，而这些网络数据商则在短短的几年时间就迅速超越了这些实体公司的财富，并且所费人力、物力和财力甚少。二、教育的改变传统的学校教育模式映射了工业化集中物流批量生产的模式：铃声、标准化的课堂、统一的教材、统一的服装等。虽然这种教育也培养出了很多人才，然而大数据教育将呈现另外的特征，例如弹性学习、个性化辅导等。学习分析是近年来大数据在教育领域较为典型的应用，利用松散耦合的数据收集工具和分析技术，研究并分析学生学习参与、学习表现和学习过程的相关数据，进而对课程、教学进行实时修正并预测学习者未来的学习趋势。三、经济的改变虽然我们在政治课上学到的是，生产决定消费，消费对生产有重要的反作用力。然而我认为，在如今这个极为宣扬个性与创造力的社会中，消费很大程度地决定着生产。消费者不认同的，就卖不出去，只有消费者认同的，才卖得出去。然而，大数据可以在较短的时间内，通过对数据的全面感知、筛选、收集、分析、共享等为生产者提供可靠的、及时的信息，让生产者生产出更为畅销、更具个性化的物品。以上就是小编今天给大家整理分享关于“大数据时代带来哪些变化和影响?”的相关内容希望对大家有所帮助。小编认为要想在大数据行业有所建树，需要考取部分含金量高的数据分析师证书，这样更有核心竞争力与竞争资本。