大数据在教育领域应用

5）构建学习者 档案 • 收集学习者的 基本学习信息， 建立基本信息 数据 • 通过数据挖掘、 学习分析和机 器学习算法， 根据学习者的 学习特征，将 相同学习特征 的学习者进行 分组和聚类
6）教学策略分 析 • 收集的学习者 的信息进行分 析，探索学习 系统中各种组 件的功能 • 分析学习者学 习结果与教学 策略之间的关 系，然后对教 学策略进行分 析和总结
3）构建学习者 知识模型 • 学习者请求帮 助的性质和数 量 • 学习者回答问 题花费的实践 • 学习者回答错 误的重复率 • 学习者回答的 正确率等 • 通过数据挖掘 和学习分析构 建的学习者知 识模型
4）构建领域知 识模型 • 对现有的领域 知识进行重新 建模 • 研究学习者与 知识点、学习 单元、课程等 学习内容之间 的关系 • 采集和处理学 习者的相关数 据，画出学习 者的学习曲线
7）其他应用 • 大数据在教育 领域的运用还 包括个性化学 习、自适应学 习系统、以及 趋势分析等方 面 • 通过大数据的 收集、分析与 处理，为学习 者提供个性化 学习、与自适 应学习的环境
国外教育大数据公司介绍
1
IBM 当IBM刚刚开始与这一学区合作时，除了学生成绩不好之外，该县还面临着辍学率已增加到48%的严峻情况。根据联邦政府的《不让一个孩子掉 队法》（No Child Lift Behind，NCLB），学生成绩糟糕的地方政府将受到惩罚。为了应对这一巨大的挑战，该县此前已经在学生数据的基础上建立 了一个辍学指示工具，并将其用于全县层面的决策。但IBM认为这仍不足以改善莫白儿县窘迫的现状，需要借助IBM的技术支持重新建立大数据，进 而利用大数据分析来改善学区内所有学生的整体成绩
大数据在教育领域的应用
大数据在教育领域中的应用
大数据在教育领域中的应用，主要指的是在线决策、学习分析、数据挖掘三大要素，其主要作用是进行预测分析、行为分析、学业分析等的应
用和研究，大数据含义指的是对学生学习过程中产生的大量数据（数据来源包括两方面，即显性行为和隐性行为，其中隐性行为包括论坛发帖、 课外活动、在线社交等不直接作为教育评价的活动，显性行为包括考试成绩、作业完成状况以及课堂表现等）进行分析，大数据模型以及显示 的数据能够为学校和教师的教学提供参考，及时、准确的评估学生的学业状况，发现学生潜在存在的问题，进而预测学生未来可能的表现。
1）构建学习者 经验模型 • 收集学习者的 学习满意调查 问卷 • 课程学习中的 存留数据、表 现、行为、选 择等，构建学 习者的经验模 型 • 构建学习者体 验模型，进行 线上课程评估
2019/1/21
2）建立学习者 行为模型 • 收集学习者在 学校情景中学 习行为变化的 情况 • 学习者完成课 程学习的状况 • 学习者在网络 系统中花费的 学习时间以及 学习者的考试 成绩等数据
5
培生集团
总部设在英国伦敦的培生集团和其他出版公司共同开发的“课程精灵”系统（CourseSmart），也允许教授们通过让学生使用电子教科书来跟踪他
们的学业进展，并向助教们显示学生的学习参与度和学习成绩等大量的数据信息，只是这一系统尚不具备预测的功能。
学习分析关键技术与主要工具
1. 从学生方面来说，学习分析技术在了解学生学习现状之后，通过分析学生数据，找出相关问题，对学生学习过程进行优化，帮助学生培养良好学习习惯， 从而达到学生自我学习的目的。 2. 从教师以及管理人员方面来说，学习分析技术可以评估教学课程和相关机构，帮助同步改善学校既定考核方式，深入分析教学数据，为教师帮助学生解决 实际问题指明教学不足和更优方法。 3. 从研究人员方面来说，学习分析技术是一种研究学生和网络学习的有效工具。 4. 从技术开发人员方面来说，学习分析技术管理系统各模块各不相同的使用频次和路径能有效指导系统界面的相关优化设计，并可以完善系统日志相关管理
功能。
⑴ 内容分析法 • 是一种对文献内 容作客观系统的 定量分析的专门 方法 • 是弄清或测验文 献中本质性的事 实和趋势
2019/1/21 得到的不再是过去那种只展示学生分数与作业的结果，而是像阅读材料的时间长短等这样更为详细的重要信息，这样老师就能及时诊断问题的所在，
提出改进的建议，并预测学生的期末考试成绩
国外教育大数据应用案例
4
“纽顿”（Knewton） 成功创造并发布了各自版本的利用大数据的适应性学习（adaptive learning）系统。在2012年国际消费电子展的高等教育技术峰会上，世界最大的 教育出版公司培生集团（Pearson）与适应性学习领域里的先行者纽顿公司共同发布了主要由培生集团开发的适应性学习产品——“我的实验室/高 手掌握”（MyLab/Mastering）。这款产品在将全球范围内向数百万名学生提供个性化的学习服务，向他们提供真实可信的学习数据，让学校通过这 些数据提高学生的学习效果并降低教学成本。首款产品将在美国的数十万名学生中使用，包括数学、英语，以及写作等技能开发课
2
希Βιβλιοθήκη Baidu塔斯学习”（Civitas Learning）
“希维塔斯学习”是一家专门聚焦于运用预测性分析、机器学习从而提高学生成绩的年轻公司。该公司在高等教育领域建立起最大的跨校学习数据
库。通过这些海量数据，能够看到学生的分数、出勤率、辍学率和保留率的主要趋势。通过使用100多万名学生的相关记录和700万个课程记录，这
家公司的软件能够让用户探测性地知道导致辍学和学习成绩表现不良的警告性信号。此外，还允许用户发现那些导致无谓消耗的特定课程，并且看 出哪些资源和干预是最成功的。
3
渴望学习”（Desire 2 Learn）
推出了基于他们自己过去的学习成绩数据预测并改善其未来学习成绩的大数据服务项目。这家公司的新产品名为“学生成功系统”（Student Success System）。“渴望学习”声称加拿大和美国的1000多万名高校学生正在使用其学习管理系统技术。“渴望学习”的产品通过监控学生阅读 电子化的课程材料、提交电子版的作业、通过在线与同学交流、完成考试与测验，就能让其计算程序持续、系统地分析每个学生的教育数据。老师