NBA2k16MC模式后围球员最高数据

NBA2k16MC模式后围球员最高数据
第一篇：NBA2k16 MC模式后围球员最高数据PG
组织后卫
Point guard SG
得分后卫
shooting guard SF
小前锋
small forward PF
大前锋
power forward C
中锋
centre.其中以PG191cm
SG198cm为例
第二篇：NBA2k10球员初始数据
NBA2k10球员初始数据
PG 1D.Williams 89
3D.Harris 86
5T.Parker 84
7B.Davis 82
9S.Nash 80
11J.Nelson 79
13N.Robinson 78
15K.Hinrich 77
17Q.Westbrook 77
19J.Calderon 75
21D.West 75
23M.Chalmers 74
25T.Ford 74
wson 74(Rookie)
29S.Blake 72
31J.Jack 71
33K.Dooling 71
35D.Augustin 70
37K.Bryant 97
2B.Roy 87
4A.Iverson 83
6V.Carter 81 8O.Mayo 78 10B.Gordon 78 12K.Martin 77 14M.Redd 76 16J.Crawford 75 18L.Hughes 73 20J.Richardson 72 22R.Bell 71 24T.Williams 71(Rookie)26Foye 71 28K.Azubuike 70 1C.Anthony 88 3D.Granger 84 5C.Butler 83 7S.Jackson 81 9G.Wallace 78 11J.Howard 77 13T.Prince 77 15H.Turkoglu 76 17T.Young 75 19C.Maggette 75
PF:
21L.Deng 73 23W.Chandler 73 25J.Posey 72 27G.Hill 72 29J.Salmons 71 31A.Nocioni 70 1T.Duncan 88 3C.Bosh 84 5A.Jefferson 84 7A.Stoudemire 82 9D.West 78
11L.Aldridge 77 13B.Griffin 77(Rookie)15Z.Randolph 76 17A.Jamison 75 lsap 74 21T.Murphy 74 23B.Diaw 72 25K.Love 72 27U.Haslem 70 C: 1Y.Ming 83 3B.Lopez 77 5H.Néné 76
7A.Bynum 74
9A.Biedrins 74
11Z.Ilgauskas 73
13K.Perkins 72
15A.Bogut 71
17M.Gasol 71
19T.Chandler 70 数据帝——得分狂人 1.凯文·马丁
不可否认，马丁是个好球员，是一个好投手，但在2K10里，无论
MP模式还是王朝模式，此人名字从未离开过得分榜前五（多数为老名单下国王队成绩），而事实上，马丁无论是现实里还是游戏中，突破能力几乎没有，连背身单打的本事也没有，完全属于catch&shoot的纯投手。

如何来理解一个铁匠般的投手成为得分榜前五的常客？如果马丁的干爹没有在2K10的工作团队里，那就只能认为是2K10把catch&shoot设定成了一种得分效率极高而且战术执行极易的模式。

迈克·里德
又是一个在得分榜前五晃悠的球员，现实中却连球也摸不着。

细心的朋友曾经看过他的模拟数据，准头超过50%，出手超过20次……巅峰时期的里德也没有如此高超的命中率，更何况，作为比马丁更有名的铁匠，能够在有如此的准星，巨星般的出手次数，除了以上说的C&S定律以外，还有一个重要因素——那就是弱队保护定律。

为防止一些名义上的弱队被玩家羞辱，2K10给这些弱队制定一些简单、直接、有效的得分手段，而现实NBA中所用的战术，在2K10里则无法完全的体现，当然主要还是游戏技术的问题，所以，当詹宁斯之流还被2K10重视之前，里德全然接受全队最高的出手次数，最强大的命中率。

丹尼·格兰杰
格兰杰同志的干爹肯定在2K公司工作，要不就是暗恋他的人……其三分命中率超过以上2人，超过2K10里任何人，就连MP模式下，玩家使用其投篮姿势都会被动性增加投篮命中率。

他所在的步行者，虽然模拟成绩和现实NBA一样糟糕，但这不影响他成为得分榜的长期客人，步行者也因此直接成为玩家最烦躁的球队之一。

一位朋友玩MP，6尺8打SG位置，信誓旦旦的说，如果错位让他防格兰杰，绝不会让他命中率过50%。

结果遇到步行者，真的在第三节让他错位防格兰杰，虽然成功盖下几球并最终获胜，但仍然被逆天男拿下36分和26投16中的成绩。

数据帝——篮板野兽 1.克里斯·波什
波什是一位20+10的成员不错，是一位全明星也不错，篮板也确实强。

你要说，他篮板在联盟前五，我都可以承认，但要说前两位（我和几位朋友的模拟数据里，此人均为前二），肯定有失公平。

联
盟缺少优秀的，年轻的，有统治力的大个子是不错，波什也确实有拿篮板王的能力，但2米08的身高和瘦弱的身材，无论如何还少了一些霸气，与玩家比赛的时候，从未让其拿过超过8板，得分更未超过15，但其模拟数据中，得分与篮板、前场篮板均为联盟前几位……也许，他就是未来之星吧（王朝里潜力真的很不错，防守真好）
2.德怀特·霍华德
2K10数据库里，唯一正常的应该只能算是德怀特·霍华德了，在得分榜上，科比詹姆斯韦德能输给马丁、里德、格兰杰的情况下，作为NBA里蝉联篮板王盖帽王的人，还能在2K10里作为篮板数据帝存在，说明2K10在防守上作的还算正常。

在近乎透明的2K10防守体系下，魔兽用他魔兽世界光环降低了对手的命中率，并疯狂的获取篮板。

魔兽就是未来NBA内线的王者。

数据帝——助攻妖怪 1.贾森·基德
如果2K10是按照今年的基德来设计他的助攻能力话，确实无可厚非。

但游戏里的助攻数据完全是把老妖再妖魔化了一次。

你要说基德的是今年联盟最佳控卫，我支持你，你要说他是NBA历史上最好的控卫，我在后面从精神上鼓励你。

但你要说他助攻比保罗，纳什等都要好的话，打死俺也不信啊……可就在2K10里，基德霸占助攻王不是一次两次，不是仅我一个人电脑数据……上帝爱基德，老妖再多打几年吧。

2.拉简·隆多
可以叫他三双男，或者全能男，甚至魔鬼肌肉男，2K10里对抗性上似乎只比德隆与罗斯差点点，朋友玩王朝，练了几个赛季后，模拟几乎是场场三双。

确实游戏和现实一样的强悍。

但同样的问题，你要说他助攻比纳什保罗德隆都好，太难让人信服了。

玩王朝的人如果还在为PG犹豫的话，选第四巨头男吧
爆发男
啥是爆发男，玩MP的朋友大多遇到如下情况明知道对方打什么战术，以哪个球员为得分点，甚至从什么位置上投篮，而你就是防不住他，不断的被颜射、颜射、再颜射，然后你就恨得ALT+F4了基本上每个队都有一至二位这样的颜射球员，但在一遇到家必爆发的爆发
男，我们归纳出了以下几位 1.格兰杰
不多说，看上面数据帝就明白了，此人不单是三分、中投了得，突破和背身单打也是一流，我目前玩MP只祈祷教练不要换我去防他
2.维斯布鲁克
看看2K10里关于他的数据，你会发现，他投篮完全没有帐面上那么强，但他确实是一个强人，本人曾经在MP的夏季赛中被他33分颜射过，三分7投6中，让我一度怀疑自己会无缘NBA，相信雷霆的朋友都被他恶心过那么几回吧。

很搞笑的事情是，我朋友玩火箭王朝，雷霆拿维斯布鲁克换洛里，我朋友还拒绝了。

问他原因，他说：“我不要一个占着PG位置吃SG饭的人”
3.罗伊
准确的说，开拓者大当家不算是个爆发男，因为本人都曾经防得他22投只有7中，但，他总能玩出一个诡异的进球，就如同NBA去年的常规赛，绝杀火箭气死姚明的那记神仙球。

4.本戈登
2K10里，这丫应该改名为本拉登，爆发起来三军尽耗竟不能挡，但，其实他非常的不稳定，和现实中也有点像，但在游戏里面，他比JR还JR，无脑三分，突破爆扣，无所不能，蒌起来如同酱油男，几个回合连球都不摸一下
5.奥尼尔
很难把他放在这位置，因为鲨鱼是乔丹之后最具统治力的球员，2K10里除了姚明之外最强悍的BUG，只要你给他一个真PG（小莫和维斯布鲁克是一伙的），他就敢给你一个吓死人的数据，2K10里奥尼尔的中投确实比姚差多了，防守也比姚差了不知道多少个档次，但他得分的手段也是多样化的，背身菊花靠打只有篮板能防他，拿球爆扣只有篮筐能盖他。

在和一个好PG搭档的时候，奥大神的命中率就能霸占联盟第一！但，玩王朝的朋友别买他了，鲨鱼只玩一年就不玩了……而且体力差得要命，勉强20分钟就已经很犀利了。

所谓妖人，即年轻，潜力值高，成长速度快
其实，只要玩家肯用心培养，基本上所有29岁以下的球员都会在
3个赛季内实现质的飞跃据多方朋友提供资料，29岁似乎是一个成长的分水岭，潜力高的球员在29岁依然能够平衡发展，而资质平庸的，过了29岁总评则会狂降
言归正转首先谈一下C 在C的位置上，除开姚鲨两位BUG球员，基本上其他成名中锋都不是很强势
霍华德：魔兽虽强，但大半还是在模拟数据上，用起来绝没有两位前辈犀利，但不可否认，他即姚鲨之后联盟第一C，防守，篮板，扣篮，样样专长，潜力不错，年龄稍大一些。

缺点在于年薪很高，交易起来比较困难，而且只能是打主力
奥登：联盟中锋四小强之一，2K10在这个位置上潜力最强者，没有之一，足够年轻，中产薪资，还能甘于打第六人。

缺点是进攻能力比霍华德差，容易受伤。

拜纳姆：联盟中锋四小强之一，潜力稍稍差点，防守型，低位进攻手段比奥登好。

缺点是合同太大，而且只能打主力。

洛佩斯：联盟中锋四小强之一，中规中矩，成长一般，优势在于新秀年薪，容易交易，还可以打替补。

博古特：联盟中锋四小强之一，初始高，潜力还可以，篮板是他的强项，很容易成长为明星，不过不能打角色球员
弗莱：另类中锋，中投远投样样来，防守有烂，脚步慢，不过成长很好，薪资低，候补都愿意打
再是PF 联盟缺少优秀中锋，但在大前锋的位置上，却是人才济济，有很多是C/PF的摇摆人，但因为身高，还不能同上述的真正C相比，希望大家不要挑花眼
易：中国出品，质量保证，可打三个位置。

总评够低，实力不凡，投篮强，脚步快，还有突破能力，7尺长人能当小前使。

缺点潜力一般，不甘于打角色，好在薪资够低。

波什：不用多说，唯一的缺点在于工资，只能打主力。

乐福：森林狼新秀，初始高，潜力一般，高低位的进攻及篮板都不错，缺点是防守太差，不甘于当角色，好在年薪够低
霍福德：潜力男，篮板、内线防守一流，进攻差点，缺点是合同
及角色定位
小斯：PF中潜力最强者，缺点是防守，合同大，只能打主力，而且很容易影响化学反应
杰弗森：强悍的20+10成员，防守很好，成长也不错，但是合同太大，并且只能打主力
阿尔德里奇：跳投男，成长一般，不如上述几位
乔丹希尔：不要把火箭犀利哥归结于靠ID混的肌肉男，格兰特希尔已经过气，现在最红的ID男应该迈克詹姆斯。

犀利哥如易一样，优点是比易防守好，篮板好，运动能力好，缺点是中投差
大卫李：（漏了此人）篮板狂人，模拟数据惊人，完全可以当C 用，缺点在于合同及防守
SF位置上，相信是最容易让人下决定的
老北京和小甜瓜加杜少帅基本上把SF垄断了
詹姆斯：不解释，目前NBA第一人，2K10第二人，为啥在2K10是第2？待会再说
小甜瓜：不解释，除了老北京，SF第二人
杜兰特：同上，SF第三人，优势是比前两位年轻，比前两位便宜比斯利：不要问为什么把PF归到SF之列了，丫的身高体形及球风只能打SF，对比上三位没优势，相比唯一的好处和杜兰特一样韦伯斯特：潜力好，够年轻，合同小
格兰杰：2K10逆天男永远逆天，哪怕成长一般，合同还大，但他的投篮2K10无人能出其右。

SG位置上，自2007年后就不断的出现强人，特别是一大批双能卫的出现，但很多双能卫都是假PG真SG，因为他们的身高不够SG 或者球队SG太多，所以被逼上了PG位置
关于2009的一大批双能卫如詹宁斯，埃文斯等，本文就不作讨论了，这些低薪潜力男大家皆可尝试一下
罗伊：怪物类球员，总能进诡异的球，其他不用多说
梅奥：2K10里SG第一人，中产薪资，成长迅猛，明日之星
韦德：不解释了
鲁迪盖：初始高，合同大，但潜力好，还可打SF；
JR：多的不说，就是一RP男，玩家怎么用，就看你RP是否爆发
小莫：中文雅号莫不传，游戏里外号回场莫，但作为SG来用，真的不错，就是合同和性格都臭了些
威斯布鲁克：潜力好，又甘于替补，模拟起来和逆天男一样的数据帝，合同也好，缺点就是个子矮了些，防守差
小布：不解释，是人都知道便宜又好用
PG，这个位置上和SF一样，是真正的明星库，基本上随便找个球队，都能找出强大的PG，但真正能够独当一面的，却还要大家仔细鉴别
保罗：PG第一人，同时也是2K10第一人，比老北京更妖的妖怪，拿着全明星合同，打着超级明星的数据
德隆：各方面只比保罗差点
罗斯：未来之星，不多说
隆多：丫就是盛年时期的基德，你信不
以上有遗漏之处望见谅，2009新秀因为整体数据不高，而且2K10前后名单改动较大，不多作讨论
另推荐几套阵容
2K10实用全明星阵容
主力：姚明+诺维斯基+詹姆斯+科比+保罗替补：霍华德+波什+安东尼+韦德+隆多
再来个低薪正太阵容
主力：奥登+易+杜兰特+梅奥+罗斯
替补：洛佩斯+乐福+比斯利+埃里克戈登+维斯布鲁克
还有个2009新秀阵容
主力：塔比特+格里芬+德罗赞+埃文斯+库里
替补: 乔丹希尔+泰勒汉斯布鲁+泰伦斯威廉姆斯+哈登+弗林
控卫: 1德隆威廉姆斯 89 3哈里斯 86 5托尼帕克 84 7巴郎戴维斯 82 9斯蒂夫纳什 80 11贾马尔尼尔森 79 13内特罗宾逊 78 15柯特辛里奇 77 17维斯布鲁克 77 19卡尔德隆 75 21韦斯特 75 23查尔
莫斯 74 25TJ 福特 74 27劳森 74(新秀)29布雷克 72 31杰克 71 33杜林 71 35奥古斯丁 70 37巴雷尔 69 39劳里 69 41威尔拜纳姆 68 43特拉斐尔 67 45里德诺 66 47E.Maynor 66(新秀)49杰森威廉姆斯65
And: 贝里斯(65)T.道格拉斯(65/新秀)D.科林森(65/新秀)SG: 1韦德 96 3乔约翰逊 83 5马努吉诺比利 83 7雷阿伦 80 9汉密尔顿 78 11贾森特里 78 13麦蒂 77 15哈登 76(新秀)17巴尔博萨 75 19JR.史密斯 72 21埃里克戈登 72 23T.埃文斯 71(新秀)25梅森 71 27布鲁尔70 29皮特鲁斯 69 31麦克米勒 69 33安东尼帕克 68 35考特尼李68 37D.斯蒂文森 68 39G.Henderson 67(新秀)41麦克芬利 67 43C.贝尔 66 45D.琼斯 66 47布兰登拉什 65 49麦克邓利维 64 SF: 1卡梅隆安东尼 88 3格兰杰 84 5卡隆巴特勒 83 7斯蒂夫杰克逊 81 9杰拉德华莱士 78 11约什霍华德 77 13普林斯 77 15特科格鲁 76 17泰迪斯杨 75 19马盖蒂 75 21罗尔邓 73 23W.钱德勒 73 25詹姆斯波西 72 27格兰特希尔 72 29萨尔蒙斯 71 31诺西奥尼 70 33马尔文威廉姆斯 69 35巴克曼 68 37索顿 67 39哈普林 67 41安东尼兰多夫67 43A.怀特 66 45戈麦斯 66 47D.McGuire 65 PF: 1邓肯 88 3克里斯波什 84 5埃尔杰弗森 84 7阿玛尔斯塔德迈尔 82 9大卫韦斯特78 11阿德辛里奇 77 13格里芬 77(新秀)15扎克兰多夫76 17贾米森 75 19米尔萨普 74 21墨菲 74 23迪奥72 25凯文勒福 72 27海斯勒姆 70 C: 1姚明 83 3布鲁克洛佩斯 77 5希拉里奥内内 76 7安德鲁拜纳姆 74 9比德林斯 74 11伊尔戈斯卡斯 73 13帕金斯 72 15博古特 71 17马克加索尔 71 19钱德勒 70
第三篇：基于大数据的精准教学模式探究 2017
基于大数据的精准教学模式探究
2017-07-12 ：
摘要：精准教学自诞生以来，受限于技术条件，无论是理论研究还是实际应用都不容乐观。

信息技术的发展特别是大数据的兴起，为精准教学的发展提供了机遇。

在此背景下，文章梳理了精准教学的理论方法、研究现状及其应用困境，分析了大数据对精准教学的影响。

随后，文章从教学目标确立、教学过程框架设计、教学评价与预测等三个维度，构建了基于大数据的精准教学模式。

最后，文章针对教学主体关系、数据伦理、安全保障等问题，对基于大数据的精准教学进行了反思。

文章的研究，推动了大数据技术在精准教学领域的应用，有助于激发精准教学的活力，进一步提升精准教学的有效性。

关键词：大数据；精准教学；教学目标；教学过程；教学评价与预测一精准教学的理论方法精准教学（Precision Teaching）是Lindsley[1]于20世纪60年代根据Skinne的行为学习理论提出的一种教学方法。

起初，精准教学面向小学教育，旨在通过设计测量过程来追踪小学生的学习表现并提供数据决策支持，以便“将科学放在学生和教师的手中”[2][3]；后来，精准教学发展为用于评估任意给定的教学方法有效性的框架[4]。

历经50余年的发展，精准教学现已形成了自身的一套理论方法。

精准教学的理论依据——Skinne的行为学习理论Skinne[5]是美国新行为主义心理学的创始人之一，他认为人类行为主要是由操作性反射构成的操作性行为，操作性行为是作用于环境而产生结果的行为。

人类的一切行为几乎都是操作性强化的结果，人们有可能通过强化作用的影响去改变别人的反应。

在学习情境中，操作性行为更有代表性，因此操作性反射在学习过程中尤为重要。

1954年，Skinne 将这一理论引入教学，认为教学就是提出学生应达到的目标并对学习过程进行控制，辅以训练、反馈和纠正性补救等措施，形成所要求的行为即达到目标并立即给予强化；对于那些偏离目标或未达到目标的行为，则在不强化的前提下进行纠正[6]。

精准教学的衡量指标——流畅度（Fluency）精准教学中的最大“精准”在于教学评价，而衡量教学是否达到目标、学生是否真正掌握知识或技能，关键在于检测学生学习的行为过程及其反应。

基于此，精准教学引入流畅度指标，用于衡量学生的学习质量。

流畅度涵盖了“准确度”和“速度”两个方面，也就是说，学生的学习质量既包括对知识或技能的准确掌握，也包括运用知识或技能的速度。

流畅度具有五大属性：持久性（Maintenance）、耐久性（Endurance）、稳定性（Stability）、应用性（Application）和生成性（Generativity）[7]。

其中，持久性
是指在无额外练习的情况下，学生根据需求执行任务的能力；耐久性是指为了满足真实需求，学生在长时间内持续执行任务的能力；稳定性是指在有干扰的情况下，学生能够继续实施一项技能的能力；应用性是指学生容易将知识或技能应用于新情境的能力；生成性是指在没有明显的指导下，学生出现复杂行为技能的能力[8]。

精准教学的程序方法——练习与测量精准教学的程序方法要求学生日常练习并精准测量其学习表现，即每天花费一定时间（1分钟或几分钟）进行练习与测量。

练习是测量的基础，且这一过程需要长期开展并持续记录。

一般来说，测量得到的频率数据将由教师记录于标准变速图表中，该图表可以精确预测学生的知识或技能何时能够达到流畅度的要求，以判定当前学生的学习表现随时间的推进是否进步明显、是否需要修改干预措施。

在教学过程中，教师可以根据学生日常的练习、测量与记录情况，并通过频繁监测学生的学习行为状态采集相应的数据，以获得学生的发展情况[9]。

二精准教学的研究现状及其应用困境 1 精准教学的研究现状国外的精准教学研究尽管已历经半个多世纪，但进展缓慢，主要集中于通过教学实验来评估精准教学的效果。

如Downer[10]、Griffin等[11]的研究表明，精准教学可以显著提高学生的阅读能力；Gallagher[12]、Str?mgren等[13]在数学教学中进行了精准教学实验研究，结果表明精准教学对于数学学习困难的学生有显著作用。

我国的精准教学研究则刚刚起步。

在中国知网以“精准教学”为篇名、关键词进行检索，检索日期截至2016年12月31日，所得文献仅为13篇，且论文发表时间基本都在2016年之后。

具体来说，祝智庭等[14]从信息化教学改革的角度，结合智慧学习分析了精准教学的基本理论与模式设计，提出了基于递归思想的精准目标确定方法；梁美凤[15]从理论引介的角度，介绍了精准教学的基本概念、操作流程及其应用价值；张灵芝[16]提出了翻转课堂下的精准教学模式及其实践策略；郑怡文等[17]借助数字媒体技术，通过提取人脸表情和体态特征对学生进行精准关注，这实际上是精准教学衍生出来的技术方案。

由此不难发现，当前我国的精准教学研究存在两大问题：一是研
究总量偏少，研究者关注、跟进精准教学的研究成果不多，尚没有出现关于精准教学的国家级教育科研课题；二是研究范围狭小，研究者开展的精准教学研究主要面向小学教育中的阅读、数学等基础课程，而对于高等教育、职业教育课程缺乏精准教学研究。

因此，吸引更多的研究者对精准教学进行多元视角研究，对于我国教育教学改革具有重要意义。

精准教学的应用困境精准教学虽不失为一种有效的教学方法，但在传统教学环境下其应用并不乐观，原因如下：
①精准教学忽略了学习行为过程与个性化发展。

精准教学是通过测量获得学习行为结果，进而依据结果进行强化练习，以提升学生的学习质量，是一种典型的结果驱动型教学。

这种教学方式缺乏对学习行为过程的关注，忽略了学生在这一过程中表现出来的不同个性。

②精准教学缺乏技术支撑。

精准教学在操作上以测量、记录学生的学习表现为基础，以分析频率数据为基本技术。

而在信息技术普及以前，精准教学的测量、记录都采取以笔和纸为工具的手工形式进行，故数据记录采集、分析以及图形化、可视化的工作效率不高。

③精准教学难以适应高校人才培养的需求。

高校课堂是推进教学方法创新与实践的重要阵地，其课程种类繁多，教学主要依赖于系统的人才培养方案与课程体系；教学目标不再全是知识点的掌握，而是强调思维方法的习得。

特别是一些专业课程，由于带有理论探究与应用创新的性质，很难有效测量、记录学生的学习表现，因此限制了精准教学在高校的应用与推广。

三大数据对精准教学的影响大数据的兴起，将数据价值推向了新的高度。

大数据正在改变人类的思维方式，并以前所未有的速度引发了科技、教育、经济、军事等各个领域的深刻变革。

在大数据激发的教育变革中，以测量、记录数据为基础的精准教学必将迎来新的发展机遇。

大数据使得精准教学测量数据更为精准可行教学管理系统、自主学习系统、慕课、微课以及学习社交平台等的广泛应用，促进了教育数据的海量增长，并预示着教育大数据时代的来临。

教育大数据使得学习行为、学习状态、学习结果等各类教育信息成为可捕捉、可量化、可传递的数字存在[18]，平板电脑、智能手机、各种传感器、可
穿戴式设备、射频识别（Radio Frequency Identification，RFID）标签等皆可成为数据自动采集器并被应用于教学的各个环节，使智慧校园、智慧课堂即将成为现实，这使得精准教学测量数据更为精准可行：一方面，大数据及其依赖的各类智能系统既可以实现学习表现自动化测量、记录及结果可视化呈现，也可以提高数据采样频率，进而提升精准教学的流畅度；另一方面，大数据的海量数据处理能力，可以让精准教学摆脱规模的束缚，实现从简单少量的小学课程拓展到所有不同类型的课程、从面向班级的实验教学拓展到面向全校的普及教学。

大数据使得精准教学能够兼顾学生的个性化发展在大数据环境下，学生的学习行为过程考察和个性化发展均成为可能。

这是因为，学生在学习过程中的各类行为状态都可以转化为相应的数据记录，成为学习表现的分析要素。

换句话说，在传统教学环境下，精准教学过度强调学习行为结果的分析，并根据结果分析来干预学习行为；而在大数据环境下，精准学习不再完全依赖于结果分析，还要考量学习行为的过程等其它要素——通过采集学生在学习行为过程中产生的各类状态信息，形成反映学习情况的数据源，随后利用各种数学建模方法和大数据处理技术对数据源进行测量、分析与比较，并根据此结果对学生的学习行为及其学习表现进行评估和干预，可以预测学生未来的学习表现趋势，也可以为个别学生量身定制更为有效的干预方法和改进措施，以保障学生的个性化发展。

大数据使得精准教学环境更为开放高效大数据的多样性、异构性决定了其不隶属于某一个独立的系统组织——在教育领域，大数据是跨学科专业、跨平台、跨组织的开放跨界资源，它是各类服务于教育教学工作的信息系统集成互动的产物；学校、企业、教师、学生乃至家长和社会公众，都可成为教育大数据的生产者和应用者。

在此背景下，精准教学的主体不再限于教师和学生，教师也不再是精准教学的唯一主导者，故以学生为主体、多元参与的精准教学成为可能——学生为自己量身定做教学方案、测量数据，家长快速、全面地掌握学生的学习表现数据，教育管理者根据相关数据更好地组织教育资源、制定教育改革的方向和措施，从而使得精准教学无缝嵌入整个教育教学体系之中。

此外，在传统教学环境下，精准教学。