教育大数据问题

⑴ 教育大数据与其他行业大数据的主要区别是什么

教育大数据，顾名思义就是教育行业的数据分析应用。而大数据，则需要具备5V的特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。

其中的“大”主要指的是 Volume(大量)，我们现阶段用的数据分析，大部分情况下的数据量还达不到这个“大”的级别。

教育行业在数据分析的应用方面，主要痛点有以下四个方面：

1.数据涉及面窄

数据主要来源为数字化校园系统产生的，其他教学管理的数据多为手工录入非结构化数据，数据维度少，数据来源不足。

2.数据接口不完善

内部信息系统的教务系统、一卡通系统、图书馆系统、财务系统等数据都不规范一致，数据结构也不一样，各业务系统接口对接难度大，业务接口与数据结构还不规范。

3.缺乏统一的数据管理平台

没有统一的数据处理中心对数据进行管理，没有人力维护各系统的接入，有效数据量少，数据质量差，达不到大数据处理分析要求。

大数据与教育相结合是大势所趋，在教育大数据背景下，知识教学不再只能在学校进行，作为教师，应该清醒地认识到教育的功能究竟是什么，就是教育即生长。在这样一个大数据的时代，应该把关注人的生长提升到重要的地位。

⑵ 教育行业大数据

教育信息化领域的研究者,笔者自然关心这份纲领性文件中对教育信息化工作的新提法、新要求。

⑶ 教育行业在大数据方面的现状

学习层和教学层为主要应用层次

教育大数据在应用层次上可为学习、教学、研究、管理与政策五大层次。学习层与教学层需求着眼于适应性学习;研究层需求着眼于发现教育教学规律;管理层需求着眼于精细管理和科学决策;政策层需求来自获得机制设计依据。

——更多本行业研究分析详见前瞻产业研究院《全球教育大数据行业发展前景预测与投资战略规划分析报告》。

⑷ 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。

⑸ 大数据时代下的“大教育”遇到了哪些问题

“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版瞰整个世界。进入2012年，大权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?

⑹ 教育大数据面临的相关问题

教育大数据面临的相关问题就是哥哥教你机构对数据的使用问题不会去完整的使用数据。

⑺ 大数据对未来教育的影响包括哪些

作为社会子系统重要的组成部分，教育也深受大数据来临的深刻影响。国外高校教学管理中，教育数据的挖掘也成为提高教学管理水平和教学质量的重要方式。美国的学校能够通过对学生数据的分析，以85%的精确度预测学生的升学率。[4]中国教育在当前社会转型影响下存在不少问题，通过正在形成的大数据技术，教育政策的制定、学习方案与评价方式的确立等，都将发生革命性变化。
1.渗透到教育的核心环节
教育和社会之间是哲学上的辩证关系，一方面，通过教育培养出能改变世界、创造世界的人才；另一方面，教育又深受当前社会氛围、国家体制、经济状况、文化传统等的影响。从当前来看，教育深受工业社会的影响。从18世纪中叶开始，整个世界开始受到工业革命的影响，市场的扩大和劳动时经验与技术的要求，对劳动力的素质提出了新的要求，实际的动手能力代替了过去注重个体层面的文化修养学习，能不能解决问题，成为衡量人才的标志。这种人才观对教育的影响是巨大的，这从美国实用主义哲学家杜威教育思想的流行可见一斑。
大数据时代的来临将会革新这种延续了近三个世纪的教育理念。美国著名的未来学家，当今最具影响力的社会思想家之一的阿尔文·托夫勒（Alvin Toffler）在他的著作《未来的冲击》中提出逗未来的教育地，他预测未来的教育要面对服务、面对创新，因此在家上学、教育空间设计、面向未来的学校界限的消失将成为趋势。[5]解决实际问题的能力作为大数据时代人才的能力之一，将渐渐淡出教育的逻辑起点位置，发掘知识、寻找联系、总结规律将成为大数据时代人才的重要要求。大数据时代教师将集中在挖掘学生与学习有关的表现，最适宜学生学习的方法，而不是依赖于定期的能力测试。教师分析学生知道什么，什么是最有效的学习路径。通过对在线学习工具等的分析，可以评估学生在线学习行为的长度，以及学生们如何获得电子资源，如何迅速地掌握概念。[6]
从我国实际情况来看，教育政策的制定与执行都是自上而下的，这种情况有利于政策的权威性与执行的效率，但是忽视教学与学生实际的弊端也客观存在。大数据时代将可以通过对教育数据的分析，挖掘出教学、学习、评估等符合学生实际与教学实际的情况，这样就可以有的放矢地制定、执行教育政策，从而为学生制定出更符合实际的教育策略。
2.重新构建教学评价方式
长期以来，教学评价活动主要是学校以及上级主管部门在听课和学生考试成绩的基础上对任课教师进行评价，或者教师根据学生考试成绩和作业成绩以及课堂表现等对学生进行评价。[7]教学评价活动促进了教师的教学和学生的学习，但是在细节方面还有待提高，比如教师在教学活动中，哪些教学方式是最为擅长也最容易为学生接受看学生在学习过程中，个体的学习习惯是什么，什么样的学习方式最容易掌握知识看这些细节可能需要大量的实践经验总结出来，短期的教学评价是难以实现的。
大数据技术通过对教师与学生长期行为进行分析，得出具有个性化的教学行为、习惯、方式。逗不得不承认，对于学生，我们知道的太少地。同样，我们也可能对教师知道的太少。大数据的到来，可以通过技术层面来评价、分析并进而提升教学活动。首先，教学评价的方式不再是经验式的，而是可以通过大量数据的逗归纳地，找出教学活动的规律。比如新一代的在线学习平台，就多出了行为和学习诱导的部分。通过记录学习者鼠标的点击，可以研究学习者的活动轨迹，发现不同的人对不同知识点有何不同反应，用了多长时间，以及哪些知识点需要重复或强调。[8]对于学习活动来说，学习的效果体现在日常行为中，哪些知识没有掌握，哪类问题最易犯错等成为分析每个学生个体行为的直接结果。其次，可以对学生进行多元评价，而不仅仅是知识掌握的单一维度。对学生的评价应该是多元的，特别是通过数据分析，可以发现学生思想、心态与行为的变化情况。比如，同一寝室，互相删除了联系方式，或者两者之间没有任何数据产生，同学之间的关系肯定出现了问题，通过数据分析，就应在学生心理与行为方面进行关照。如果通过文本分析、信息抓取分析出学生的近期情绪状态，很多悲剧可能就能避免。即使是掌握知识的单一维度，其因素也是多方面的，有的是记忆好，有的则是逻辑思维能力强，通过大数据技术，可以分析出每个学生的特点，从而发现优点，规避缺点，矫正不良思想行为。第三，教学评价跳出了结果评价的圈子，实现过程性评价。传统教学评价多是教的好不好，学的好不好，注重的是结果。而大数据时代可以通过技术手段，记录教育的过程。现在一些学校实行了电子课本，如果能记录下作业情况，课堂言行，师生互动，同学交往，并将这些数据汇集起来，不仅可以发现学生的特点，更不用为如何写期末评价费力了。
3.革新教育者教学思维
传统的教育大多是教育主管部门和教育者通过教学经验的学习与自己的总结，认为某些因素对教学活动很重要，从而一而再、再而三地强调。但是有些经验是不具有科学性的，常识有时会影响人们的判断。比如苹果公司就发现，笔记本电脑销售额的提升，常识认为的比如提高库存管理能力、提供员工更多的专业培训、做更为时尚的广告、促销等等，只能提升2%～9%的销售额，而把电脑屏幕和桌子呈70度角左右放置，却能高出其他电脑销售额的15%。70度角放置的电脑，因为反光会让人不舒服，从而诱使客户去搬动屏幕，一旦潜在客户与货物发生了肢体接触，他购买这个商品的可能性就上升了15%。[9]
大数据时代教师的教学思维需要从群体教育的方式转向个体教育，在教学过程中，可以真正做到因材施教，因人而异。传统教育也提倡因材施教，但是由于学生数量、教师精力、教育任务等制约，因材施教总是有些缺憾。大数据技术将给教师提供最为真实、最为个性化的学生特点，教师在教学过程中可以有针对性地进行因材施教。比如，在课堂学习过程中，哪些（或哪个）同学注意基础部分，哪些同学注意实践内容，哪些同学完成某一练习，哪些同学可以阅读推荐书目等等。这和网络购物相似，通过你过去的购买痕迹，网站就会分析出你的购物兴趣，从而有针对性地给你推送广告信息。
不仅如此，当学生在完成教师布置的作业时，也能通过数据分析强化学习。比如通过电子设备做作业时，某一类型的题目有几次全对，就可以把类似的题目跳过；如果某个类型的题目犯错，系统则可进行多次强化，这样不仅提高了学习效率，也减轻了学生的学习负担。
4.影响学校教育模式
学校教育是当前教育的绝对模式，适龄儿童、青少年都需要进入学校，通过教师的讲授进行学习。但是随着大数据时代的来临，这一教学模式可能会得以改变。2004年，澳大利亚人马丁开发了一个开源课程平台moodle，解决了来回奔波上课的问题。教师通过这个平台与学生互动，学习、考试、资料分发与上传等，都通过网站完成。2010年，这个平台数量已经达到了100万门户。2006年，孟加拉裔金融白领萨尔曼·可汗将自己的10分钟教学视频传到网上，几年后，这个网站注册用户达到了1000万。[10]
教育平台的开发，使网络课程得以飞速发展，2012年美国在线课程投资达到10亿美元以上。网络课程的发展给传统教学带来了巨大冲击，一方面，教育的方式将不再仅仅局限于学校教育；另一方面，教师的课堂教学出现新的替代模式。这种教育模式的革新，在大数据时代更有了存在的价值与意义。
传统教学模式有教师的督促、随时沟通、情感交流，是按照教学大纲按部就班地完成教学活动。这种教学模式有计划、有步骤，体现秩序性，但是在一定程度上也框定了学生的思维框架，学生的创新能力没有得到最大发挥。美国不少商业巨鳄都有辍学经历，甚至有的创业基金要求学生辍学才能发放。这当然不值提倡，但是，从一个侧面也反应出非学校教育，也同样具有创造能力的事实。大数据时代的来临，可以通过学生学习兴趣、在某一在线课程停留的时间、点击率、情绪反应等，推送更具有个性化的学习内容。这在知识爆炸的时代，显得尤为重要。此外，随着媒介社会化时代的来临，学生学习生活网络化已成事实，学生可以通过在线学习目前正在开设的课程，这对正在授课的教师是一种挑战。美国有个Udemy网站，老师根据自己上传视频的点击率获得报酬，2012年5月份，该网站上有的老师收入已经超过20万美元。随着技术的发展，以后教育网站将在大数据的支撑下，根据知识传播的形式、受众的兴趣不断优化教学内容、教学方式，为学生提供更高质量的学习内容。

⑻ 教育大数据分析方法主要包括哪三类

一、大数据与大数据分析概述

随着数据获取、存储等技术的不断发展，以及人们对数据的重视程度不断提高，大数据得到了广泛的重视，不仅仅在IT领域，包括经济学领域、医疗领域、营销领域等等。例如，在移动社交网络中，用户拍照片、上网、评论、点赞等信息积累起来都构成大数据；医疗系统中的病例、医学影像等积累起来也构成大数据；在商务系统中，顾客购买东西的行为被记录下来，也形成了大数据。

时至今日，大数据并没有特别公认的定义。有三个不同角度的定义：（1）“大数据”指的是所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息[1]。（2）“大数据”指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理的方法的数据[2]。（3）“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

通常把大数据的特点归纳为4个V，即数据量大（Volume）、数据类型多（Varity）、数据的价值密度低（Value）以及数据产生和处理的速度非常快（Velocity）。

对大数据进行分析可以产生新的价值。数据分析的概念诞生于大数据时代之前，但传统的数据分析和大数据分析是不同的。传统的数据分析往往是由客户提出一个问题，分析者围绕该问题建立一个系统，进而基于该系统解释这个问题；而大数据分析有时候并没有明确的问题，而是通过搜集数据，浏览数据来提出问题。

另一方面，传统的数据分析是在可用的信息上进行抽样，大数据分析则是对数据进行不断的探索，通过全局分析连接数据，达到数据分析的目的。

传统的数据分析的方法，往往是大胆假设小心求证，先做出假设，再对数据进行分析，从而验证先前的假设；而大数据分析则是对大数据进行探索来发现结果，甚至发现错误的结果，之后再通过数据验证结果是否正确。

因此，传统的数据分析可以看成一种静态的分析，大数据分析可以看成一种动态的分析。尽管如此，大数据分析和传统数据分析也并非是泾渭分明的，传统数据分析的方法是大数据分析的基础，在很多大数据分析的工作中仍沿用了传统数据分析的方法。

基于上述讨论，我们给出“大数据分析”的定义：用适当的统计分析方法对大数据进行分析，提取有用信息并形成结论，从而对数据加以详细研究和概括总结的过程。

大数据分析分为三个层次[3]，即描述分析、预测分析和规范分析。描述分析是探索历史数据并描述发生了什么（分析已经发生的行为），预测分析用于预测未来的概率和趋势（分析可能发生的行为），规范分析根据期望的结果、特定场景、资源以及对过去和当前事件的了解对未来的决策给出建议（分析应该发生的行为）。例如，对于学生学习成绩的分析，描述分析是通过分析描述学生的行为，如是否成绩高的同学回答问题较多；预测分析是根据学生的学习行为数据对其分数进行预测，如根据学生回答问题的次数预测其成绩；而规范分析则是根据学生的数据得到学生下一步的学习计划，如对学生回答问题的最优次数提出建议。

大数据分析的过程可以划分为如下7个步骤：（1）业务调研，即明确分析的目标；（2）数据准备，收集需要的数据；（3）数据浏览，发现数据可能存在的关联；（4）变量选择，找出自变量与因变量；（5）定义模式，确定模型；（6）计算模型的参数；（7）模型评估。

我们以预测学生学习成绩为例解释上述过程。首先，我们的目的是根据学生的行为预测学习成绩。接下来，对于传统的方法来说，通过专家的分析确定需要什么数据，比如专家提出对学生成绩有影响的数据，包括出勤率、作业的完成率等，可以从数据源获取这样的数据；大数据分析的方法有所不同，是找到所有可能相关的数据，甚至包括血型等，这些数据与成绩之间的关系未必有影响，就算发现了关系也未必可以解释，但是获取尽可能多的数据有可能发现未知的关联关系。