教育大數據問題

⑴ 教育大數據與其他行業大數據的主要區別是什麼

教育大數據，顧名思義就是教育行業的數據分析應用。而大數據，則需要具備5V的特點(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(低價值密度)、Veracity(真實性)。

其中的「大」主要指的是 Volume(大量)，我們現階段用的數據分析，大部分情況下的數據量還達不到這個「大」的級別。

教育行業在數據分析的應用方面，主要痛點有以下四個方面：

1.數據涉及面窄

數據主要來源為數字化校園系統產生的，其他教學管理的數據多為手工錄入非結構化數據，數據維度少，數據來源不足。

2.數據介面不完善

內部信息系統的教務系統、一卡通系統、圖書館系統、財務系統等數據都不規范一致，數據結構也不一樣，各業務系統介面對接難度大，業務介面與數據結構還不規范。

3.缺乏統一的數據管理平台

沒有統一的數據處理中心對數據進行管理，沒有人力維護各系統的接入，有效數據量少，數據質量差，達不到大數據處理分析要求。

大數據與教育相結合是大勢所趨，在教育大數據背景下，知識教學不再只能在學校進行，作為教師，應該清醒地認識到教育的功能究竟是什麼，就是教育即生長。在這樣一個大數據的時代，應該把關注人的生長提升到重要的地位。

⑵ 教育行業大數據

教育信息化領域的研究者,筆者自然關心這份綱領性文件中對教育信息化工作的新提法、新要求。

⑶ 教育行業在大數據方面的現狀

學習層和教學層為主要應用層次

教育大數據在應用層次上可為學習、教學、研究、管理與政策五大層次。學習層與教學層需求著眼於適應性學習;研究層需求著眼於發現教育教學規律;管理層需求著眼於精細管理和科學決策;政策層需求來自獲得機制設計依據。

——更多本行業研究分析詳見前瞻產業研究院《全球教育大數據行業發展前景預測與投資戰略規劃分析報告》。

⑷ 大數據對教育教學的作用

數據（data），一般而言是指通過科學實驗、檢驗、統計等方式所獲得的，用於科學研究、技術設計、查證、決策等目的的數值。通過全面、准確、 系統地測量、收集、記錄、分類、存儲這些數據，再經過嚴格地統計、分析、檢驗這些數據，就能得出一些很有說服力的結論。大規模、長期地測量、記錄、存儲、 統計、分析這些數據，所獲得的海量數據就是大數據（big data）。在製作大數據時，需要嚴格的方案設計、變數控制和統計檢驗等，不然所獲得的大數據就是不全面、不準確、無價值或價值不大的。

在教育特別是在學校教育中，數據成為教學改進最為顯著的指標。通常，這些數據主要是指考試成績。當然，也可以包括入學率、出勤率、輟學率、升學 率等。對於具體的課堂教學來說，數據應該是能說明教學效果的，比如學生識字的准確率、作業的正確率、多方面發展的表現率——積極參與課堂科學的舉手次數， 回答問題的次數、時長與正確率，師生互動的頻率與時長。進一步具體來說，例如每個學生回答一個問題所用的時間是多長，不同學生在同一問題上所用時長的區別 有多大，整體回答的正確率是多少，這些具體的數據經過專門的收集、分類、整理、統計、分析就成為大數據。

分析大數據助力教學改革

近年來，隨著大數據成為互聯網信息技術行業的流行詞彙，教育逐漸被認為是大數據可以大有作為的一個重要應用領域，有人大膽地預測大數據將給教育帶來革命性的變化。

大數據技術允許中小學和大學分析從學生的學習行為、考試分數到職業規劃等所有重要的信息。許多這樣的數據已經被諸如美國國家教育統計中心之類的政府機構儲存起來用於統計和分析。

而近年來越來越多的網路在線教育和大規模開放式網路課程橫空出世，也使教育領域中的大數據獲得了更為廣闊的應用空間。專家指出，大數據將掀起新的教育革命，比如革新學生的學習、教師的教學、教育政策制定的方式與方法。

教育領域中的大數據分析最終目的是為了改善學生的學習成績。成績優異的學生對學校、對社會、以及對國家來說都是好事。學生的作業和考試中有一系 列重要的信息往往被我們常規的研究所忽視。而通過分析大數據，我們就能發現這些重要信息，並利用它們為改善學生的成績提供個性化的服務。與此同時，它還能 改善學生期末考試的成績、平時的出勤率、輟學率、升學率等。

⑸ 大數據時代下的「大教育」遇到了哪些問題

「大數據」是當今最熱的概念之一，有人宣稱掌握大數據的人可以像上帝一樣俯版瞰整個世界。進入2012年，大權數據一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，並命名與之相關的技術發展與創新。

大數據(big data)，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。大數據的創新沿著從數據到大數據，再到分析和挖掘，最後是發現和預測的方向發展。隨著雲時代的來臨，大數據也吸引了越來越多的人關注。各行各業更加意識到，誰能率先實現大數據，誰對大數據的挖掘更為深刻，誰就將搶占未來先機。

教育行業也不例外，2013年對於教育來說是傳統育研究走向科學實證的重大機遇。值得我們思考的是，大數據將給教育帶來什麼?如何通過大數據更好的教育學生?大數據對於教育是福還是禍?

⑹ 教育大數據面臨的相關問題

教育大數據面臨的相關問題就是哥哥教你機構對數據的使用問題不會去完整的使用數據。

⑺ 大數據對未來教育的影響包括哪些

作為社會子系統重要的組成部分，教育也深受大數據來臨的深刻影響。國外高校教學管理中，教育數據的挖掘也成為提高教學管理水平和教學質量的重要方式。美國的學校能夠通過對學生數據的分析，以85%的精確度預測學生的升學率。[4]中國教育在當前社會轉型影響下存在不少問題，通過正在形成的大數據技術，教育政策的制定、學習方案與評價方式的確立等，都將發生革命性變化。
1.滲透到教育的核心環節
教育和社會之間是哲學上的辯證關系，一方面，通過教育培養出能改變世界、創造世界的人才；另一方面，教育又深受當前社會氛圍、國家體制、經濟狀況、文化傳統等的影響。從當前來看，教育深受工業社會的影響。從18世紀中葉開始，整個世界開始受到工業革命的影響，市場的擴大和勞動時經驗與技術的要求，對勞動力的素質提出了新的要求，實際的動手能力代替了過去注重個體層面的文化修養學習，能不能解決問題，成為衡量人才的標志。這種人才觀對教育的影響是巨大的，這從美國實用主義哲學家杜威教育思想的流行可見一斑。
大數據時代的來臨將會革新這種延續了近三個世紀的教育理念。美國著名的未來學家，當今最具影響力的社會思想家之一的阿爾文·托夫勒（Alvin Toffler）在他的著作《未來的沖擊》中提出逗未來的教育地，他預測未來的教育要面對服務、面對創新，因此在家上學、教育空間設計、面向未來的學校界限的消失將成為趨勢。[5]解決實際問題的能力作為大數據時代人才的能力之一，將漸漸淡出教育的邏輯起點位置，發掘知識、尋找聯系、總結規律將成為大數據時代人才的重要要求。大數據時代教師將集中在挖掘學生與學習有關的表現，最適宜學生學習的方法，而不是依賴於定期的能力測試。教師分析學生知道什麼，什麼是最有效的學習路徑。通過對在線學習工具等的分析，可以評估學生在線學習行為的長度，以及學生們如何獲得電子資源，如何迅速地掌握概念。[6]
從我國實際情況來看，教育政策的制定與執行都是自上而下的，這種情況有利於政策的權威性與執行的效率，但是忽視教學與學生實際的弊端也客觀存在。大數據時代將可以通過對教育數據的分析，挖掘出教學、學習、評估等符合學生實際與教學實際的情況，這樣就可以有的放矢地制定、執行教育政策，從而為學生制定出更符合實際的教育策略。
2.重新構建教學評價方式
長期以來，教學評價活動主要是學校以及上級主管部門在聽課和學生考試成績的基礎上對任課教師進行評價，或者教師根據學生考試成績和作業成績以及課堂表現等對學生進行評價。[7]教學評價活動促進了教師的教學和學生的學習，但是在細節方面還有待提高，比如教師在教學活動中，哪些教學方式是最為擅長也最容易為學生接受看學生在學習過程中，個體的學習習慣是什麼，什麼樣的學習方式最容易掌握知識看這些細節可能需要大量的實踐經驗總結出來，短期的教學評價是難以實現的。
大數據技術通過對教師與學生長期行為進行分析，得出具有個性化的教學行為、習慣、方式。逗不得不承認，對於學生，我們知道的太少地。同樣，我們也可能對教師知道的太少。大數據的到來，可以通過技術層面來評價、分析並進而提升教學活動。首先，教學評價的方式不再是經驗式的，而是可以通過大量數據的逗歸納地，找出教學活動的規律。比如新一代的在線學習平台，就多出了行為和學習誘導的部分。通過記錄學習者滑鼠的點擊，可以研究學習者的活動軌跡，發現不同的人對不同知識點有何不同反應，用了多長時間，以及哪些知識點需要重復或強調。[8]對於學習活動來說，學習的效果體現在日常行為中，哪些知識沒有掌握，哪類問題最易犯錯等成為分析每個學生個體行為的直接結果。其次，可以對學生進行多元評價，而不僅僅是知識掌握的單一維度。對學生的評價應該是多元的，特別是通過數據分析，可以發現學生思想、心態與行為的變化情況。比如，同一寢室，互相刪除了聯系方式，或者兩者之間沒有任何數據產生，同學之間的關系肯定出現了問題，通過數據分析，就應在學生心理與行為方面進行關照。如果通過文本分析、信息抓取分析出學生的近期情緒狀態，很多悲劇可能就能避免。即使是掌握知識的單一維度，其因素也是多方面的，有的是記憶好，有的則是邏輯思維能力強，通過大數據技術，可以分析出每個學生的特點，從而發現優點，規避缺點，矯正不良思想行為。第三，教學評價跳出了結果評價的圈子，實現過程性評價。傳統教學評價多是教的好不好，學的好不好，注重的是結果。而大數據時代可以通過技術手段，記錄教育的過程。現在一些學校實行了電子課本，如果能記錄下作業情況，課堂言行，師生互動，同學交往，並將這些數據匯集起來，不僅可以發現學生的特點，更不用為如何寫期末評價費力了。
3.革新教育者教學思維
傳統的教育大多是教育主管部門和教育者通過教學經驗的學習與自己的總結，認為某些因素對教學活動很重要，從而一而再、再而三地強調。但是有些經驗是不具有科學性的，常識有時會影響人們的判斷。比如蘋果公司就發現，筆記本電腦銷售額的提升，常識認為的比如提高庫存管理能力、提供員工更多的專業培訓、做更為時尚的廣告、促銷等等，只能提升2%～9%的銷售額，而把電腦屏幕和桌子呈70度角左右放置，卻能高出其他電腦銷售額的15%。70度角放置的電腦，因為反光會讓人不舒服，從而誘使客戶去搬動屏幕，一旦潛在客戶與貨物發生了肢體接觸，他購買這個商品的可能性就上升了15%。[9]
大數據時代教師的教學思維需要從群體教育的方式轉向個體教育，在教學過程中，可以真正做到因材施教，因人而異。傳統教育也提倡因材施教，但是由於學生數量、教師精力、教育任務等制約，因材施教總是有些缺憾。大數據技術將給教師提供最為真實、最為個性化的學生特點，教師在教學過程中可以有針對性地進行因材施教。比如，在課堂學習過程中，哪些（或哪個）同學注意基礎部分，哪些同學注意實踐內容，哪些同學完成某一練習，哪些同學可以閱讀推薦書目等等。這和網路購物相似，通過你過去的購買痕跡，網站就會分析出你的購物興趣，從而有針對性地給你推送廣告信息。
不僅如此，當學生在完成教師布置的作業時，也能通過數據分析強化學習。比如通過電子設備做作業時，某一類型的題目有幾次全對，就可以把類似的題目跳過；如果某個類型的題目犯錯，系統則可進行多次強化，這樣不僅提高了學習效率，也減輕了學生的學習負擔。
4.影響學校教育模式
學校教育是當前教育的絕對模式，適齡兒童、青少年都需要進入學校，通過教師的講授進行學習。但是隨著大數據時代的來臨，這一教學模式可能會得以改變。2004年，澳大利亞人馬丁開發了一個開源課程平台moodle，解決了來回奔波上課的問題。教師通過這個平台與學生互動，學習、考試、資料分發與上傳等，都通過網站完成。2010年，這個平台數量已經達到了100萬門戶。2006年，孟加拉裔金融白領薩爾曼·可汗將自己的10分鍾教學視頻傳到網上，幾年後，這個網站注冊用戶達到了1000萬。[10]
教育平台的開發，使網路課程得以飛速發展，2012年美國在線課程投資達到10億美元以上。網路課程的發展給傳統教學帶來了巨大沖擊，一方面，教育的方式將不再僅僅局限於學校教育；另一方面，教師的課堂教學出現新的替代模式。這種教育模式的革新，在大數據時代更有了存在的價值與意義。
傳統教學模式有教師的督促、隨時溝通、情感交流，是按照教學大綱按部就班地完成教學活動。這種教學模式有計劃、有步驟，體現秩序性，但是在一定程度上也框定了學生的思維框架，學生的創新能力沒有得到最大發揮。美國不少商業巨鱷都有輟學經歷，甚至有的創業基金要求學生輟學才能發放。這當然不值提倡，但是，從一個側面也反應出非學校教育，也同樣具有創造能力的事實。大數據時代的來臨，可以通過學生學習興趣、在某一在線課程停留的時間、點擊率、情緒反應等，推送更具有個性化的學習內容。這在知識爆炸的時代，顯得尤為重要。此外，隨著媒介社會化時代的來臨，學生學習生活網路化已成事實，學生可以通過在線學習目前正在開設的課程，這對正在授課的教師是一種挑戰。美國有個Udemy網站，老師根據自己上傳視頻的點擊率獲得報酬，2012年5月份，該網站上有的老師收入已經超過20萬美元。隨著技術的發展，以後教育網站將在大數據的支撐下，根據知識傳播的形式、受眾的興趣不斷優化教學內容、教學方式，為學生提供更高質量的學習內容。

⑻ 教育大數據分析方法主要包括哪三類

一、大數據與大數據分析概述

隨著數據獲取、存儲等技術的不斷發展，以及人們對數據的重視程度不斷提高，大數據得到了廣泛的重視，不僅僅在IT領域，包括經濟學領域、醫療領域、營銷領域等等。例如，在移動社交網路中，用戶拍照片、上網、評論、點贊等信息積累起來都構成大數據；醫療系統中的病例、醫學影像等積累起來也構成大數據；在商務系統中，顧客購買東西的行為被記錄下來，也形成了大數據。

時至今日，大數據並沒有特別公認的定義。有三個不同角度的定義：（1）「大數據」指的是所涉及的數據量規模巨大到無法通過人工在合理時間內達到截取、管理、處理並整理成為人類所能解讀的信息[1]。（2）「大數據」指不用隨機分析法（抽樣調查）這樣的捷徑，而採用所有數據進行分析處理的方法的數據[2]。（3）「大數據」是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

通常把大數據的特點歸納為4個V，即數據量大（Volume）、數據類型多（Varity）、數據的價值密度低（Value）以及數據產生和處理的速度非常快（Velocity）。

對大數據進行分析可以產生新的價值。數據分析的概念誕生於大數據時代之前，但傳統的數據分析和大數據分析是不同的。傳統的數據分析往往是由客戶提出一個問題，分析者圍繞該問題建立一個系統，進而基於該系統解釋這個問題；而大數據分析有時候並沒有明確的問題，而是通過搜集數據，瀏覽數據來提出問題。

另一方面，傳統的數據分析是在可用的信息上進行抽樣，大數據分析則是對數據進行不斷的探索，通過全局分析連接數據，達到數據分析的目的。

傳統的數據分析的方法，往往是大膽假設小心求證，先做出假設，再對數據進行分析，從而驗證先前的假設；而大數據分析則是對大數據進行探索來發現結果，甚至發現錯誤的結果，之後再通過數據驗證結果是否正確。

因此，傳統的數據分析可以看成一種靜態的分析，大數據分析可以看成一種動態的分析。盡管如此，大數據分析和傳統數據分析也並非是涇渭分明的，傳統數據分析的方法是大數據分析的基礎，在很多大數據分析的工作中仍沿用了傳統數據分析的方法。

基於上述討論，我們給出「大數據分析」的定義：用適當的統計分析方法對大數據進行分析，提取有用信息並形成結論，從而對數據加以詳細研究和概括總結的過程。

大數據分析分為三個層次[3]，即描述分析、預測分析和規范分析。描述分析是探索歷史數據並描述發生了什麼（分析已經發生的行為），預測分析用於預測未來的概率和趨勢（分析可能發生的行為），規范分析根據期望的結果、特定場景、資源以及對過去和當前事件的了解對未來的決策給出建議（分析應該發生的行為）。例如，對於學生學習成績的分析，描述分析是通過分析描述學生的行為，如是否成績高的同學回答問題較多；預測分析是根據學生的學習行為數據對其分數進行預測，如根據學生回答問題的次數預測其成績；而規范分析則是根據學生的數據得到學生下一步的學習計劃，如對學生回答問題的最優次數提出建議。

大數據分析的過程可以劃分為如下7個步驟：（1）業務調研，即明確分析的目標；（2）數據准備，收集需要的數據；（3）數據瀏覽，發現數據可能存在的關聯；（4）變數選擇，找出自變數與因變數；（5）定義模式，確定模型；（6）計算模型的參數；（7）模型評估。

我們以預測學生學習成績為例解釋上述過程。首先，我們的目的是根據學生的行為預測學習成績。接下來，對於傳統的方法來說，通過專家的分析確定需要什麼數據，比如專家提出對學生成績有影響的數據，包括出勤率、作業的完成率等，可以從數據源獲取這樣的數據；大數據分析的方法有所不同，是找到所有可能相關的數據，甚至包括血型等，這些數據與成績之間的關系未必有影響，就算發現了關系也未必可以解釋，但是獲取盡可能多的數據有可能發現未知的關聯關系。