大数据在教育领域的应用PPT课件
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
5
数据挖掘在教育信息化中的具体应用空间
1 学习者特征分析
学习者特征由学习者的知识结构和学习风格组成。知识结构说明了学习者对正在或将要学习知识的掌握情况，主要包括学习者初始技能、当前技能 和目标技能。学习风格包括学习者的生理特征、心理特征和社会特征三个方面
2 干预师生行为
学校教学管理数据库中记录着各届学生与教师的学习、工作、社会活动、奖励、处罚等情况，利用数据挖掘的关联分析与演变分析等功能，寻找师 生各种行为活动之间的内在联系。如“当存在A，B时可以推出C”这样的规则，即当有A行为和B行为发生时，还会有C行为。在实际情境中，如果发 现学生或教师已有A，B行为时，马上可以分析其产生C行为的可能性，及时制定策略促进或制止C行为的发生
大数据在教育领域的应用
1
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。
3 合理设置课程
利用学校教学数据库中存放的历届学生各门学科的考试成绩，结合数据挖掘的关联分析与时间序列分析等相关功能，就能从这些海量数据中挖掘出 有用的信息，帮助分析这些数据之间的相关性、回归性等性质，得出一些具有价值的规则和信息，最终找到影响学生成绩的原因。
4 学习评价
在教学科研网络普遍建立的今天，利用数据挖掘工具，对学生的学习成绩数据库、行为记录数据库、奖励处罚数据库等进行分析处理，可以即时得 到学生的评价结果，对学生出现的不良学习行为进行及时指正。另外，这种系统还能够克服教师主观评价的不公正、不客观的弱点，减轻教师的工 作量。
2 希维塔斯学习”（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
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。
4
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。
2021/3/10
2
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
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
得到的不ቤተ መጻሕፍቲ ባይዱ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20的21建/3/议10，并预测学生的期末考试成绩
3
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
6
自适应学习系统中教育大数据应用
自适应学习系统包含六大模块： （1}内容传递模块。管理、维护、传递个性化的学习内容与评价给学习者，以 支持学习者的学习行为。 （2)学习者数据库。存储学习者在学习系统中的时间戳标记的学习者输人和学 习行为数据。 （3)预测模块。整合系统外部学习者信息系统中的数据和系统内部学习者学习 行为数据，通过对数据的处理和分析，对学习者未来的学习行为和结果进行预 测。 （4)显示模块。将预测模块中的运行结果以可视化的方式显示给各类使用者。 （5)自适应模块。根据预测模块的运行结果，触发内容传递模块，再根据学习 者的学习水平和兴趣，推送合适的学习内容给学习者。 （6)干预模块。允许教师、教学管理者和系统开发人员根据预测模块的运行结 果，对自适应系统实施人为干预
数据挖掘在教育信息化中的具体应用空间
1 学习者特征分析
学习者特征由学习者的知识结构和学习风格组成。知识结构说明了学习者对正在或将要学习知识的掌握情况，主要包括学习者初始技能、当前技能 和目标技能。学习风格包括学习者的生理特征、心理特征和社会特征三个方面
2 干预师生行为
学校教学管理数据库中记录着各届学生与教师的学习、工作、社会活动、奖励、处罚等情况，利用数据挖掘的关联分析与演变分析等功能，寻找师 生各种行为活动之间的内在联系。如“当存在A，B时可以推出C”这样的规则，即当有A行为和B行为发生时，还会有C行为。在实际情境中，如果发 现学生或教师已有A，B行为时，马上可以分析其产生C行为的可能性，及时制定策略促进或制止C行为的发生
大数据在教育领域的应用
1
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。
3 合理设置课程
利用学校教学数据库中存放的历届学生各门学科的考试成绩，结合数据挖掘的关联分析与时间序列分析等相关功能，就能从这些海量数据中挖掘出 有用的信息，帮助分析这些数据之间的相关性、回归性等性质，得出一些具有价值的规则和信息，最终找到影响学生成绩的原因。
4 学习评价
在教学科研网络普遍建立的今天，利用数据挖掘工具，对学生的学习成绩数据库、行为记录数据库、奖励处罚数据库等进行分析处理，可以即时得 到学生的评价结果，对学生出现的不良学习行为进行及时指正。另外，这种系统还能够克服教师主观评价的不公正、不客观的弱点，减轻教师的工 作量。
2 希维塔斯学习”（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
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。
4
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。
2021/3/10
2
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
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
得到的不ቤተ መጻሕፍቲ ባይዱ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20的21建/3/议10，并预测学生的期末考试成绩
3
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
6
自适应学习系统中教育大数据应用
自适应学习系统包含六大模块： （1}内容传递模块。管理、维护、传递个性化的学习内容与评价给学习者，以 支持学习者的学习行为。 （2)学习者数据库。存储学习者在学习系统中的时间戳标记的学习者输人和学 习行为数据。 （3)预测模块。整合系统外部学习者信息系统中的数据和系统内部学习者学习 行为数据，通过对数据的处理和分析，对学习者未来的学习行为和结果进行预 测。 （4)显示模块。将预测模块中的运行结果以可视化的方式显示给各类使用者。 （5)自适应模块。根据预测模块的运行结果，触发内容传递模块，再根据学习 者的学习水平和兴趣，推送合适的学习内容给学习者。 （6)干预模块。允许教师、教学管理者和系统开发人员根据预测模块的运行结 果，对自适应系统实施人为干预