大数据实习体会篇1

中图分类号：G434 文献标识码：A 论文编号：1674-2117（2016）15/16-0169-04

大数据定义及其特征

当前，人们普遍认为大数据可能会给人类社会发展带来一场大的变革，并推动社会的全面进步，颠覆社会各行各业的运作模式。大数据不仅数量巨大，而且种类繁多，类型多样，包括结构化数据、非结构化数据以及半结构化数据等。怎样运用大数据指导社会各行各业的良性发展已经成为国家战略，教育发展也正面临大数据所带来的机遇与挑战。

最早提出大数据的麦肯锡公司对大数据的定义是：大数据指的是大小超出常规的数据库工具获取、存储、管理和分析能力的数据集。[1]维基百科对大数据作如下解释：大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。[2]基于以上解释可知，大数据不仅是数据，也是工具。

目前，大部分学者认为大数据的核心特征被概括为“4V”，即数据量大（Volume）、输入和处理速度快（Velocity）、数据多样（Variety）和精确性（Veracity）。[3]数据科学家维克托・迈尔・舍恩伯格在《大数据时代》一书中指出大数据将带来如下的思维变革：①样本就是全体数据，与原来的随机样本相比，数量更多，范围更广；②允许数据的不精确，接受数据的混杂性；③注重事物之间的相关关系而不是因果关系。也就是说，我们只需要知道“是什么”，没必要知道“为什么”。[4]

大数据服务于教育的优势

基于以上大数据的特征，大数据服务于教育，便产生了新的内涵――教育大数据。教育大数据是指大数据服务于教育并指导教育教学良性发展的技术与应用体系。网络的飞速发展使学校拥有可用的、高质量的海量数据逐渐成为现实，大数据也在教育应用中大显身手。

教育大数据将汇聚无数以前看不到、采集不到、不重视的数据，并将促进教育教学发生以下几个方面的转变：①教育过程从“非量化”到“可量化”。以往的教育过程无法被实时记录下来，而在大数据的背景下，教与学的行为信息将越来越精确地被记录下来。②教育决策从“经验化”到“科学化”。教育决策不再像以前那样依赖个人经验、拍脑袋或简单的随机抽样调查结果，而是让“数据”发声，数据驱动决策将变得越来越可靠。③教育模式从“大众化”到“个性化”。学习分析技术将赋予教师认识每个学生的能力，对学生个人成长的数据进行分析处理，从而针对不同的学生采取不同的措施，真正做到因材施教。④教育管理从“不可见”到“可视化”。通过对数据的分析与可视化技术的应用，教育管理将更直观、准确、高效。[5]

移动学习在我国的发展

1.移动学习的定义

移动学习就是利用移动终端设备如智能手机、平板电脑等，在任何时间、任何地点以任何方式都能发生的学习，所利用的移动终端设备既能有效地呈现学习内容又能提供师生之间的双向交流。

2.移动学习的优势

移动学习被认为是未来教育发展的一种必然趋势。其核心优势主要体现在以下几个方面。

（1）学习方式灵活多变、丰富多样

学习者在任何时间，任何地点，只需打开智能手机或平板电脑，就可以方便地浏览自己所需要的知识，学习自己感兴趣的课程，并完成教师布置的任务。移动学习具有高度的灵活性，学习者可以以不同的方式进行学习，充分体现了人性化的学习理念。

（2）学习时间的碎片化

学习者根据自身情况，利用空闲时间，针对一个具体的模块进行学习，真正实现了学习时间的碎片化。学习者将自己所学的各知识模块相组接，最终形成一个完整的知识体系。

（3）学习界面的交互性

移动学习界面通常具有较强的交互性，在传统学习中不善于交流的学生，他们可以利用移动终端所搭建的平台与他人进行交流，从而更好地实现师生、生生之间的有效交流，达到更好的教学效果。

（4）满足学习者的个性化需求

学生利用移动终端设备，查找相关的学习资源进行自主学习，教师则针对学生在学习过程中遇到的问题进行在线指导。移动学习有利于培养学生的交流沟通能力，激发学生的学习热情，从而进一步发展学生的个性，提高学习成绩和自我效能感。

（5）有效助推终身学习理念的发展

在社会飞速发展的今天，终身学习理念得以产生，学生不仅要学会书本上的知识，更要学会学习。移动学习的发展，使终身学习理念不再停留在理论层面，为终身学习的实施提供了保障，有效推动了终身学习的发展。

移动学习发展中存在的问题

移动学习的最终目的是实现学习者的个性化自适应学习，使学习者随时随地都能展开高效的学习，但就目前我国移动学习的发展状况而言，还存在不少问题。例如，移动学习资源分布不均，资源类型单一，共享程度低，根本无法满足学习者的需求；学习模式的实时性、灵活性、交互性差，无法满足师生之间有效的交流互动；教师不能对学生的学习进行有效的指导，无法监控学生的学习过程；移动终端设备所提供的服务不能很好地满足学习者的需求，学习内容涉及面窄，纵向深度不够等。这些因素都影响和制约着我国移动学习的发展。

大数据在移动学习中的作用

大数据应用于移动学习，通过对学习者产生的海量数据进行处理、分析，从而实现对学习者进行个性化的指导，使学习者的学习走上良性发展的道路。大数据指导移动学习活动开展的模式如上图所示。数据贯穿整个学习活动的始终，教师通过对学生海量数据的分析，掌握每个学生个性化的学习特征，并为每个学生提供自适应学习资源，使其利用自适应学习资源展开自主学习，学习过程中遇到的困难由教师在线指导，从而保证学生顺利完成学习任务。整个学习过程中，数据对学生的学习起着指导与监控的作用，学生的学习过程被实时记录下来，为其下一轮学习的开展提供丰富的数据支持，最终使他们的学习走上良性循环的发展道路。

大数据在分析学生学习数据库、提供各种学习资源、提供预测功能、个性化自适应学习等四个方面推动着移动学习的发展。

1.分析学生学习数据库，提供更有效的学习支持服务[6]

分析学生的学习数据库，全面掌握学生的特性、学习需求、学习风格、学习基础和学习行为，进而为不同类型的学生推送相适应的学习资源、学习路径等。教师根据学生的学习数据库，发现他们在学习过程中遇到的问题，并分析是何种原因导致其在学习中遇到了问题，从而进行相应的指导。教师可通过分析学生学习的时段数据，得出他们学习的最佳时间段，并在该时段针对其遇到的困难进行相应的指导，其他时段教师可以通过轮流值班来进行辅导，这样就为教师和学生之间提供了高效的交流互动。[7]在对特定内容进行学习时，可进行学前测试。通过分析学生的学习数据库，掌握他们的学习状况，为其学习提供更有效的支持服务。

2.提供各种学习资源，满足不同学习者的需求

随着移动终端设备的普及，终身学习理念的引领，人们会越来越多地接受移动学习。学习者背景的多元化要求学习资源多类别、多学科、多类型，只有设立大量多维度的优秀的学习资源才能适应新时代不同类型学习者的需求。例如，当学习者在进行英语单词、语文古诗词等识记知识的学习时，则应为其提供丰富而准确的音频资源；当学习者在学习立体几何、带电粒子在磁场中的运动等数理方面的动态变化过程时，则应为其提供清晰的视频资源以展示动态变化的过程。学习资源是否有效取决于学习者所达到的学习效果，不同的学习者在对同一知识点进行学习时，所选取的学习资源也不尽相同，如有的学习者偏向于“看”的学习资源，而有的学习者则偏向于“听”的学习资源。在教育大数据的指导下，通过记录、分析学习者的学习偏好、浏览记录、学习时长等数据，可有效地指导开发者开发各种高效的学习资源，满足不同类型学习者的学习需求，解决目前移动学习发展中存在的学习资源匮乏、类型单一、共享程度低等问题。

3.提供预测功能，及时发现并解决问题

教师可以根据学生学习过程中产生的学习数据，对学生的学习进行实时追踪，监测学生的学习状况，掌握学生的学习过程，预测学生的学习成绩，及时发现学生学习中潜在的问题并进行干预，以防止学生在某一科目的学习中产生风险，达到防患于未然的效果。例如，学生在达到什么水平之后可进行下一个主题单元的学习，对于识记性的英文单词或语文古诗词，只需要达到背诵、默写无误即可，对于数理动态变化性的立体几何或带电粒子的运动，则需要完全理解其运动变化的过程；学生在某一科目的学习中，以现有的学习状态是否会有考试不及格的风险；学生在接下来的学习中是否会感到压力大，产生辍学的想法等。基于学生学习过程中产生的学习数据，教师可以更好地调控学生的学习，防止他们产生心理问题，并针对不同状况的学生采取相应的措施，使他们的学习走上良性循环的道路。

4.个性化自适应学习，真正做到因材施教

如果说互联网促进了教育的民主化，那么大数据将实现教育的个性化，而教育个性化的首要体现就是学习的个性化。[8]在移动学习中，大数据会根据不同学习者的课程选择与浏览状况，为每个学习者推送不同的学习内容和网络课程，即达到个性化的推送服务。大数据的核心就是量化一切，它侧重于学生学习的每个细节，注重全部数据的分析与应用，对学生学习的每个细节进行量化分析，如在一道题目上的耗费时间，对哪类课程感兴趣，倾向于运用哪些学习资源，看哪些内容比较吃力等。教师根据这些数据，有针对性地指导学生的学习，可真正实现“因材施教”。

结束语

大数据在教育中的应用，最终体现了“因材施教”的教育理念；移动学习将是未来社会不可或缺的一种学习模式，体现了终身学习的教育理念。两者相互结合，以大数据作为移动学习开展的指导工具，使移动学习更加行之有效，进一步促进了我国教育事业的发展。

大数据对于指导学习者的学习具有较强的实用价值，在大数据的支持下，学习者可以根据自身的特点进行适合自己的学习，使学习者乐享学习。总之，大数据必将改良教育，它所提供的个性化自适应学习将真正做到以人为本，回归教育的本质。

参考文献：

[1][2]赵亚会.大数据在成人个性化教育中的应用探析[J].中国成人教育，2016（1）：23-26.

大数据实习体会篇2

教育信息化2．0时代，教育进入以大数据驱动的新时代。现如今，高校数据统计融合了各类数据平台的数据，从高等教育基层数据统计、高等教育质量监测数据平台再到专业综合评估，高校数据统计类型日益增多，数据内涵逐渐复杂，数据关联交叉，这一系列数据均是学生培养质量和教师教学质量的直观反映。学生培养质量和教师教学质量是高校评判教学质量的重要组成部分，是教学质量评价体系的重要依据。各高校通过各类教育数据进行深入分析，建立以数据为基础的教学质量评价体系就成为各校的应然之举。同时，当前我国亦在大力实施质量强国的发展战略，《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》也提出要建设高质量教育体系，提高高等教育质量的战略任务。这一任务要求高校建立效率优先的内部质量评价体系，坚持以学生为中心，以结果为导向，多方参与其中的评价理念，逐步构建高校内部质量监控和保障体系。如今各个领域都在广泛运用大数据，教育领域更是如此。身处教育大数据时代，科学有效地运用各类教育数据，可以大力推动教育发展，从而逐步实现以各类数据反映教育问题，实施科学教育决策，实现高效教育管理，引领教育革新。在教育大数据驱动的基础上，基于数据的教育评价能更加关注教育教学过程，也使教育评价更加客观、全面，实现教育思想、理念、方法和手段的全方位创新，提升人才培养质量和高校办学水平。高校教学质量评价体系建设是高校走内涵式发展道路、实现可持续发展的必然要求，对高校教育现代化水平的提升，教学质量和办学质量的提高，全面培养高质量人才具有十分重要的意义。

一、教育大数据对构建高校教育质量评价体系的意义

教育领域在如今大数据时代的冲击下，正在加速走向开放，开始衍变出教育大数据。教育大数据是存在于教育领域，在教育过程中产生的，是用于教育发展的所有数据的集合体。教育大数据从各种教育活动中产生，具有明确的目标指向性，能直接反映高校的各方面情况。科学合理地分析利用教育大数据，能有助于提升高校教学质量，实现学生个性化学习，优化高校教育资源配置，推动高校决策者科学决策，甚至对于促进国家教育公平等方面均有积极意义。对于高校而言，教育教学质量是办学的根本。针对教学质量的评价是高校办学水平的直接体现。传统的教学质量评价体系数据分析处理能力较弱，不能及时整合各项教育数据，评价主体基本只涉及教师和学生，评价主体单一，同时评价大多只关注教师教学水平，忽视对学生的各种评价。教育大数据涉及到高校教师、学生、教育决策者等多个层面，关注学生学习结果和学习过程，教师教学效果和教学素养等多方面。教育大数据对构建新型高校教学质量评价体系而言，主要有两方面意义:一是教育大数据能及时反映学生的整体学习过程和学生实时的学习情况，建立在教育大数据基础上的教学质量评价体系有助于教师对学生学习状况的全面了解，进而对自身的教学过程和教学内容能更为有效地把控;二是教育大数据能全方位地反映每所学校的办学现状和教学质量，建立在教育大数据基础上的教学质量评价体系可以为高校教学管理者提供教育决策的参考依据，同时高校能根据自身办学现状，更有效地提高办学质量和教学水平。

二、教育大数据背景下高校的变革与发展

大数据时代，赋予了高校改革与发展全新的挑战。对于高校来说，教育大数据驱动下的高校不断改革与发展。首先，对于学生而言，大数据发展趋势下，学生学习的维度达到了前所未有的可量化程度，建立以学生为中心的教学体系已然是大势所趋。学生不再是被动的接受者，而是要成为学会数据分析技术的全方位人才。学生逐步建立基于大数据的个性化自适应学习系统，这一学习系统主要通过教育大数据环境，例如MOOC、云教育平台、智慧教育平台、社交媒体等，实现学习者相互之间，学习者与教师、学习者与教学资源等直接间接的交互影响，生成各类数据。同时数据统计、学习分析等技术向学习者推送与其相同或相近兴趣偏好的学习者的学习信息，实现学习者控制学习、自我调节学习，教师有针对性的个性化指导。学生的学习可以逐步实现个性化，学生可以找到符合自身学习特点、学习需求和学习风格的个性化学习路径。其次，对于教师而言，教育大数据驱动下要求高校教育者树立大数据思维，基于各类教育数据，有意识地将数据素养能力应用于教育教学，运用于学生培养。同时，教育大数据驱动下，教师也要善于利用丰富的教育数据和教育资源。大数据时代要引导教师全面、理性地认识大数据在教与学变革中的作用，提高高校教师的数据素养。此外，教育大数据可以使教育管理达到精细化。教育大数据驱动下能利用大数据不断创新教育管理和服务模式，提升高校管理的水平和质量。传统的高校管理模式都是传统经验式的，管理较为粗放，不够精细。随着互联网的广泛运用，高校管理者能通过对各种教育过程中的教师信息、学生信息、学校资产利用等数据信息进行科学采集、整合与分析，建立更科学、更全面的管理体系。大数据平台能够依托领先的大数据采集挖掘能力、文本分析能力，帮助学校获取全校各类教育数据，实时监测和管理高校舆情等，能够将数据分析的结果融入学校的日常管理与服务之中，成为高校信息化管理的重要工具。比如，浙江大学通过采集、梳理各种教育资源，帮助教务部门提高了各类教育资源的利用效率;华东师范大学利用学校预警系统跟踪记录在校学生的餐饮消费行为数据，以此确定学生是否需要经济补助。

三、教育大数据背景下高校教学质量评价体系的特征

(一)基于教育大数据背景高校教学质量评价体系实现全过程评价

教育大数据的运用，可以收集到更多的教育行为数据和学生行为数据，对于教学过程中教和学的各方面都能实现全方位的评价与监控。新型的高校教学质量评价体系注重对学生学习全过程的评价，不仅仅是只看重最终结果，还更为关心学习过程中的学习数据，注意挖掘学生学习结果、影响因素等数据的评价，收集每名学生个性化发展相关的数据。这种新型评价体系不仅能对学生学习情况以及学习过程的全面性进行深入了解，而且能对教学过程进行更为有效的把控。对于每名学生的学习特点、学习需求、学习风格加以灵活把握，可以推动学生个性化培养和个体差异化发展。

(二)基于教育大数据背景高校教学质量评价体系实现全方位评价

基于各个数据平台的教育大数据，涵盖范围甚广，基本上实现了对社会各个层面的全方位评价，不仅涉及到国家、社会、学校等各个层面，同时对于各所学校而言，也是涉及到教师、学生、管理部门等各个方面的评价。一般而言，教育大数据主要源于教学监督部门评教数据、同行评教数据、学生评教数据等等。教师教学质量的评价，学生学习质量的评价，学校办学水平的评价等各类评价组成了高校全方位的教学质量评价体系。科学合理的高校教学质量评价体系可以给教育管理者的教育决策提供依据，使管理者的决策管之有理，行之有道。

四、教育大数据背景下新型高校教学质量评价体系的实践路径

教育大数据背景下，新型高校教学质量评价体系亟待构建。传统的教学质量评价体系范围较为局限，而新型教学质量评价体系覆盖到学校的各个方面，通过全方位、全过程、全员参与的教学评价体系可以推动学校整体教学质量的提升。对于高校来说，每年教育事业基层统计数据、教育质量监测数据、专业建设评估等各类数据可能从一定层面上显现高校办学水平、学校师资队伍建设现状、人才培养质量、专业建设情况。建立在这些教育大数据基础上，再进一步开展对学校总体的教育质量评价、教师对自我的评价、学生对教师的评价以及社会评价，才会使得教育评价更有针对性，凸显科学性。建立新型的多元高校教学质量评价体系，评价中秉承客观公正的原则，采用问卷调查法、访谈法、实地观察法等多元访谈方式，注重定性与定量相结合，坚持“以评促建，以评促管，评建结合”的原则，才能逐步实现教学质量的稳步提升。

(一)高校应逐步建立单位—督导—学生全方位的教学质量评价体系

高校教学评价体系对于教学质量体系的构建影响甚远。目前高校基本都构建了“教学监控委员会监督制、学生评教制、教学日志反馈制、教管学联动制、学生联络员信息采集制、院领导巡视制、辅导员随堂听课制”这一“七制并举”的教学质量保障与监控体系，全方位监控教学全过程。因此，高校教学质量评价体系也要从全校教学质量保障与监控体系出发，综合考虑多方面的评价因素，构建高校全方位、总体的评价指标体系。为客观公正、全面准确地评价教师的教学工作，不断提高整体教学水平和人才培养质量，高校应建立多层面、全方位的教学质量评价体系。教师教学质量综合评价体系包括单位评价、督导评价和学生评价三个层面。单位评价主要重点关注每名教师的教学态度、教学效果、科研成果等各个方面。督导评价重点关注教师备课、讲课是否认真，是否注重因材施教，是否能够较好地把握课堂教学进度和理论联系实际等方面。学生评价重点关注教师是否有强烈的教学责任心，备课是否充分，讲课内容是否熟悉，教学方法和手段运用是否得当，讲课是否条理清楚、逻辑性强、重点突出，语言表达是否生动、有感染力等方面。教学效果不仅仅要看教师教学工作，还体现在学生的学习效果等方面，因此还需对学生的学习进行评价。学生学习评价着重于学生的学习态度、对知识的掌握程度、能否用所学的知识来解决生产实际工作中的问题以及创新能力方面的评价。

(二)高校应进一步构建教师互评体系

教师作为教学的主体，其自我的评价对于教学评价体系而言也有着至关重要的意义。高校教师数量众多，建立科学高效的教师互评体系也是需要每个独立学院思考的问题。针对不同岗位、不同类型的教授，构建分类互评机制可以对教师的教学情况予以最直接的反馈，推动教师进一步提升自身的教学水平。

(三)高校应不断完善学生评教机制

学生作为受教者，其对教师的反馈是教学评价体系中最有借鉴意义的评价。高校应建立学生评教制和学生联络员信息采集制，定期召开班级信息员会议，及时了解教学情况和学生的反映，每个学期期末，组织学生对每年度所有任课教师进行打分评价。同时，在日常教学中，学生联络员有问题也可以随时向教学院长或系主任反映。每学期召开多次学生座谈会，了解有关教学的情况。

(四)高校应试行多样化的社会评价体系

高校的社会评价也是反映其办学水平的重要指标。每年毕业生离校工作后，应定期向用人单位发函调研学生就业工作情况;定期邀请周边用人单位或同行专家座谈人才培养效果。同时，学校可以引入第三方评价体系，第三方机构通过科学合理的评价指标，运用新型评价工具对高校整体办学水平予以客观全面的评判。各所高校根据社会反馈信息，及时调整各专业培养方案和课程教学内容，以跟上社会需求发展，保证人才培养质量，提高就业率。现如今，新型教学质量评价体系尚未健全，教育大数据驱动下教学质量评价体系仍需不断改进与优化。运用教育大数据对教学质量进行评价，不仅能促进教育政策不断完善改进，而且能有效提升高校的教学质量和办学水平。目前，教育大数据在高校教学质量评价领域的应用较少，教师尚未树立正确的大数据理念，学校大数据平台易用性差，欠缺相关技术服务保障。因此，高校要形成以数据驱动教学的良好氛围，通过与数据应用相关的校本培训、专题进修班、网络研修班等培训形式，进一步提高高校教师的数据素养。同时，高校也要做好技术升级工作，积极建设学校自有的数据平台和数据库。只有多方努力，才能真正做到科学有效地运用教育大数据，对教育教学质量评价更为客观全面，从而推动高校教育改革，建设高校高质量教育体系。

参考文献:

［1］中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议［EB/OL］．中华人民共和国教育部，2021-03-13．

［2］徐慧芳，陈原艳．大数据背景下地方高校教学质量评价体系的构建探索［J］．牡丹江教育学院学报，2020(7):35—36．

［3］马星．基于大数据的高校教学质量评价体系构建［J］．清华大学教育研究，2018(2):38—43．

［4］李珩．教育大数据:开启教育信息化2．0时代［M］．重庆:重庆大学出版社，2019．

［5］教育大数据———迈向共建、共享、开放、个性的未来教育［M］．北京:机械工业出版社，2017．

［6］霍雨佳．基于大数据挖掘的教学质量评价体系的分析［J］．计算机产品与流通，2019(6):232．

［7］易丹丽．大数据背景下高校教学质量评价保障体系研究［J］．现代教育技术，2019(23):11—12．

大数据实习体会篇3

作者简介：胡水星，湖州师范学院教师教育学院副教授、博士，研究方向：教育信息化、教育数据挖掘与学习分析。

大数据作为信息技术发展的新趋势，已经渗透到各行各业，成为重要的驱动因素，并掀起行业变革的巨浪。随着我国教育信息化水平的不断提升，越来越多的学习管理系统在教育领域中被应用，数据化的学习信息和学生信息逐渐增多，教育数据的海量增长，导致在教育管理、教育服务、教学研究、教育评价等领域也面临大数据问题，教育大数据时代已经悄然来临。“教育信息量的爆炸式增长以及相关数据处理技术的创新发展成为人们新的视野焦点，如何利用与分析这些数据信息，不仅影响着信息交流、知识传递和学习效果，更在一定程度上影响着教学决策制定和学习模式优化，已经成为目前教育工作者和学习者一致关注的方面。”

在数据分析驱动教育，变革教学的大数据时代，教育领域同样蕴藏着具有广泛应用价值的海量数据，利用教育数据挖掘和学习分析技术，构建教育领域的相关模型，探索教育变量之间的相关关系，为教育教学决策提供有效的支持将成为未来教育的发展趋势。

一、大数据及教育大数据关键技术

计算机技术、移动通信技术、互联网技术，再到大数据技术的登台亮相，不仅体现着信息技术的深入与发展，更体现着大数据时代的到来；大数据技术在教育领域的广泛应用引起了教育变革，推动了教育发展，学习分析实现了教育的探索性分析，数据挖掘实现了教育管理与决策的制定。学习分析和数据挖掘这两大大数据关键技术在教育领域的深入应用，为教育教学带来了新的机遇。

(一)大数据

2012年，联合国了大数据白皮书“BigDataforDevelopment：Challenges&Opportunities”，明确提出大数据时代已经到来。[2]大数据作为信息技术发展的新趋势，具有海量的数据规模(Volume)、快速的数据流转(Velocity)、多样的数据类型(Variety)和巨大的数据价值(Value)4V特性。[3]大数据是一种价值观、方法论……是一场思维的大变革，已经渗透到各行各业，成为重要的一种生成因素，并掀起了变革的浪潮。[4]通过对海量数据的分析挖掘，以一种前所未有的方式获得巨大的产品服务、深刻的真知灼见，为我们理解生活以及认识世界提供了一种全新的思维方式，实现思维的三大转变：一是不再依赖于小样本数据，而是与现象相关的所有数据；二是不再热衷于追求微观层面的精确，而是宏观层面的洞察力；三是从传统的因果关系追求中解脱出来，关注相关关系的发现和应用。[5]

大数据借助无所不在的传感设备和计算能力，对现实世界、虚拟世界以及虚实融合世界的复杂网络数据进行解析和挖掘，实现行为判断和决策。随着教育领域各种学习管理系统、课程管理系统、网络互动平台的应用，各种学习行为、学习状态等教育数据将海量增长，教育大数据时代已经悄然来临。大数据使得教育信息成为可捕捉、可量化、可传递的数字存在，大数据使得教育过程性考察成为可能，更能透过真实的数据发现教与学的关系，教育正悄悄地发生着一场革命。[6]

(二)教育大数据关键技术

近年来，随着大数据的推进与发展，教育大数据处理与分析已经成为推动教育改革与发展的驱动力，引起了各国政府和教育行政部门的高度重视。2012年10月美国教育部了《通过教育数据挖掘和学习分析促进教与学》(EnhancingTeachingandLearningthroughEducationalDataMiningandLearningAnalytics)报告。[7]力图通过教育大数据分析挖掘，促进“大数据”教育应用，从而为教育发展抢得先机。

大数据为海量教育数据的存取提供了技术基础，但原始的教育数据只是教育大数据的基础，只有通过对采集到的各种数据进行教育数据挖掘，构建学习分析模型，发现教育变量之间的关系，并实现赋予数据相关意义，才能使数据转变为信息；信息进一步经过分析和综合，形成知识；最后通过实践运用，知识才上升到智慧层次。[8]因此，教育数据挖掘和学习分析技术是教育大数据的关键技术。

1.教育数据挖掘

教育数据挖掘(EducationDataMining)是综合运用数理统计、人工智能与机器学习和数据挖掘等技术与方法，对教育原始数据进行分析处理，通过构建数据模型，对学习者的学习结果与学习内容、学习资源和教学行为等变量进行相关关系分析，从而有效地预测学习者未来的学习趋势。[9]并为教育工作者、学习者、学生家长、教育教学研究者以及教学软件开发者提供支持，实现教育系统中教育资源的良性互动，最终实现改进学习的目的。教育数据挖掘流程具体如图2所示。[10]

2.学习分析

学习分析(LearningAnalytics)的研究对象是学生及其学习环境，目的是通过对教育海量数据的分析和建模，发现潜在问题，优化和理解学习，预测学习者在学习中的进步和表现。学习分析具体过程如图3所示。显而易见，学习分析技术就是围绕学习者在学习过程中产生的各种信息数据，利用各种数学建模方法和数据处理技术来解释这些数据，并根据结果数据与分析信息，对学习过程与情境进行探究，并进一步发现学习的规律，为优化和完善教学提供相应的反馈，持续地促进学习者的学习。学习分析技术利用数据挖掘、数据解释与数据建模的优势，对学习平台中积累的大量数据信息进行采集、存储、分析和表示，并运用分析测量结果对学习者学习行为进行评估、预测和干预，为个别学生量身定制更有效的教育，进而改善和提升教与学的质量与效能，实现改善教学和促进学习的目的。[11]

除了学习分析和数据挖掘这两大教育大数据关键技术，近年来慕课、微课、翻转课堂、社会网络软件、云计算、Moodle等网络学习开源平台、WEB2.0技术都可以纳入教育大数据的技术范畴。

二、大数据促进教育变革

随着教育领域各种大数据技术的应用，我们已经进入一个数据驱动教学、分析变革教育的大数据时代。虽然技术还没有给教育带来如1987年AlfredBork所预言那样的变革[12]，但技术具有拓展、增强或者变革人类学习的潜力，科技进步不可避免地带来了教育的革新，并且对教育发展带来了深远的影响。如，大规模数据分布式处理技术实现了结构化与非结构化数据存储；云计算技术实现了教育资源的共建共享；社会性交互软件促进了学习型社会的构建；MOOCs与翻转课堂实现了个性化学习构建；开源学习管理系统实现了学习过程管理。大数据技术在教学领域的应用革新了教育思维方式、重构了教学评价方式、颠覆了传统教学模式、实现了个性化教育，教育大数据背景下教学的规训与教化在撤退，支持和服务在推进。[13]

(一)数据挖掘与学习分析有助于教学决策和评价

教育大数据记录了教学的过程，发现了新的知识，创造了更大的教育价值，促进和优化了教学策略和评价。移动互联网时代，知识的获取变得以学生为中心，因为，每个学生的智力特点和吸收水平都是不一样的，移动互联网支持了以学生为中心的学习，突破传统不再是所有人在统一的课堂上在规定的四十五分钟内听相同的教学内容。新兴的教育技术与资源使得教育更加以学习者为中心，使教育从批量到个性的实现成为一种可能；教师的教育思维也从宏观的群体教育向微观的个体教育方式转变，促进了以学习者为中心的个性化教育的实施，进一步使得因材施教成为一种可能。

从技术层面上说，学习者在互联网等媒体上留下的任何数据痕迹，都可以进行分析，可以发现数据背后隐藏的学习者相关学习特征、兴趣爱好、行为倾向，与教育教学相关的状态信息都将一览无余。从这个意义上来说，未来的教育发展方向就是应用学习分析和数据挖掘等大数据技术去实现精准的个性化教育。将大数据对教育教学中海量数据的整合分析，结合态度、行为和行为背景等因素，就可以发现学生思想、行为和心态的变化，分析出每个学生的特点，再结合总体学生的表现和其他因素的分布就可以准确对某位学生实施正确的评价，最终使得对每个学生的教学都可以建立在对过去行为数据的分析基础上。[14]从而真正打破传统技术背景下“不得不承认，对于学生，我们知道的太少”那样的窘境。[15]

大数据技术有利于对教师课堂教学计划、课堂教学评价、课堂视频资源中的各种数据进行提取和分析，从而为预测、处理教学行为、学习心理提供了重要依据，为教学评价提供了较为全面和完整的信息，克服了评估主观性强的缺憾，教学评价不再是经验式的，而是在大数据基础上的“归纳”，更具说服力和公信力，实现了教学评价的客观公正与科学正确，教学决策的针对性与时效性。

(二)微课与翻转课堂教学有利于个性化学习模式重构

未来教育在大数据技术的支持下变得越来越个性化，慕课、微课与翻转课堂的教学应用有利于个性化学习环境的构建，数字化课程资源的标准化定制实现了学习内容的学生自组织学习，在线学习使得学校教育和教师更多地转向学生个体，关注学习者的个性化培养，教师实现了从教学者到助学者角色的转变，更多地是承担学习的支持服务和协作交流。[16]个性化学习模式更多地关注师生之间、生生之间、学生与教育媒体之间的交往互动、个性化服务和灵活的教学范式。微课实现了知识从固化到碎片，移动互联网则使我们可以充分利用碎片化的时间。不仅如此，我们每一次对碎片化时间的利用都还可以是非常高效的，因为，学习系统了解你的学习情况，知道怎么让你更高效地学习。

传统教育是大家在一个封闭的客厅里，规定每节课45分钟，而现在移动互联网可以让学生和全世界各个地方的学习者交流，做到线下进行知识学习，线上进行知识传递，完全颠倒传统的教学结构，使强调知识传递、以教定学的知识传授模式逐步让位于强调问题中心、以学为主的整合探究模式，构建了新的教学范式。

教师可以利用微课和翻转课堂进行基于技术的课堂教学案例欣赏，积极开展分析、讨论和教学反思活动，在学习活动中实现对技术、学科和教学法之间的深层次理解。[17]在这种模式下，一方面，充分调动了学生的积极主动性，学习者在课堂上进行深入交互和思想碰撞，而不再是存在了几个世纪的那种被动的教学模式接受者；另一方面可以进一步加深对整合技术的学科教学知识的理解，培养教师将技术和学科教学知识整合地根植于自身课堂中的能力，实现将知识的传授迁移到了课外。

(三)在线视频与大规模开放课程有利于教学知识呈现

开放存取已经成为帮助所有人进行学习的关键因素之一，“技术支持了信息的开放存取，实现了知识共享的无处不在”，[18]这也是21世纪由新的学习技术所带来的张力和机会：学科内容的音频、视频等多媒体融入呈现，营造了更为丰富的交流互动和学生体验参与，促进了学习者情感领域的认知与发展，并进一步帮助我们所有人学习；现有的视频动画、网络多媒体、甚至3D的教学内容，生动逼真地呈现在学习者面前，使学习突破了传统的学校围墙的限制，未来的师生关系应该是从传道授业变成解惑的角色，传道授业由互联网上高质量的视频资源来替代；在线视频分享为每一位学习者打开了一扇从其他机构那里学习的大门，学习和培训从单中心到多中心，各种大规模开放在线课程让学习方式越来越丰富。通过向学习者提供观看、参与和反思的教学视频资源，实现了跨界学习交互和教学应用示范。这种交互和示范不仅能够展示如何理解技术、学科内容知识和学科教学知识之间的关系，更能够展示如何为学科内容领域的教学制定与技术有关的有效决策，[19]从而促进学习者自主建构知识体系，实现教学知识的呈现与内化。

(四)学习管理系统和web2.0技术有助于教学管理和情境参与

利用web2.0技术，用户可以在其中创建视频群组，订阅特定频道和成员的视频，上传视频，给视频贴标签。在世界范围内分享视频、创建播放列表、与拥有共同兴趣的人保持联系等。这些工具赋予了学习者在教育过程中的话语权，支持参与式学习。[20]大数据促进教育发展的第三大宏观趋势是建构一种协同、协商和共享这些知识和信息的文化创造；一种参与式学习文化。[21]正如约翰·赛利·布朗所指出的那样，在这种新型的参与式教育环境中，学习者开始参与到一种建构、改进、学习、分享的文化中。各种免费的教育资源随处可见、各种支持学习者参与的社会性工具软件层出不穷，资源和工具的结合能使学习者自由添加、实时评论和独立创建全新资源，这时我们需要重新审视和界定学习究竟是什么———学习不再是消费和吸收，而变成了生成和参与。由于有了Moodle、Sakai、Blackboard等学习管理系统和web2.0技术对学习参与的支持，实现了以学习需求和学习者为中心的转变，动态的教与学关系，通过挖掘知识、寻求联系、总结规律，每个教师和学习者都能发挥自己最大教育潜能。

三、大数据关键技术教育应用实证分析

大数据所带来的教育的未来，不单是表述一个理念和社会直觉，更是一种教育变革和社会行动。在大数据技术的支持下，教育不再是单一的理念交流与经验传承的社会科学，而确确实实变成依托教育行为数据的实证科学。在教育大数据时代，由于教学实验的布置，教育时空的设计、学习场景的构建、教育环境的创设、教育数据的采集和教育管理的决策，这些过去只能依靠理念灵感加经验的东西，可以实实在在地以数据形式进行记录、跟踪，真正变成一种数据支撑的行为科学。

大数据技术在教育教学实践中的广泛应用，积累了大量的学习状态数据，如何让数据说话，揭示教育数据背后的教育现象本质，为教育决策和政策制定提供建设性解决方案，我们将通过数据挖掘和学习分析这两大大数据关键技术在教学领域的应用案例进行实证分析，以期为数据挖掘和学习分析等大数据技术的教育应用提供借鉴与启发。

(一)基于教育数据挖掘的共词分析

教育大数据技术促进了教师专业发展，两者具有一定的相关性，国内许多文献对两者进行了深入研究，我们抽取10年以来在CNKI、EBSCO、Springerlink等国内外期刊上出现的教师专业发展和教育大数据相关的关键词频次，利用内容分析，文本分析等方法对关键词出现的共篇关系构建共词分析矩阵，并通过Ochiia相似性系数法对数据进行分析计算，从而将共词矩阵转换为相关矩阵，在相关矩阵的基础上，进一步构建相异矩阵，并采用多维度尺度分析法进行分析，形成教育大数据背景下教师专业发展的知识体系谱系图，从而对教育大数据教师应用提供良好的决策指导。

期刊论文一般都有几个关键词，用以说明本篇论文的主要研究领域和重点方向等，如果多个关键词在多篇期刊论文中重复出现，这说明这些关键词之间存在某种关系；如果几个关键词共现的频次比较大，说明这些关键词关系稳定，可以看成一种必然的联系。

利用文献管理软件NoteExpress对大数据和教师专业发展相关关键词进行统计分析，并按关键词出现的频次进行分类汇总、统计分析和数量排序。为了数据挖掘过程的清晰展现，提取重复出现频次较高的10个关键词为高频关键词，以内容分析的视角建立高频关键词共词矩阵，具体如表1所示。

共词矩阵是一个相关关系矩阵，其对角线上的数据表示为某关键词出现的频次，如关键词“大数据”共出现124次，它与数据挖掘同时出现在26篇期刊文献中，也可以理解为在26篇期刊论文的关键词中上述两个关键词共同出现。

为了对共词矩阵数据进行多元统计分析，挖掘其隐含的知识信息，需要对矩阵的数据结构进行变换，借鉴Ochiia相似性系数法则，实现对共词矩阵进行相似矩阵的转换。Ochiia相似性系数法的具体计算公式为：Ochiia系数=Nij/(Ni*Nj)1/2。其中Ni和Nj分别代表关键词i和j出现的频次，Nij表示两者共同出现的频次。经过统计分析，我们可以得到如表2所示的。

相似矩阵中的数字也称为相似数据，其大小表明相应的两个关键词之间距离远近的程度。为了方便进一步进行多维尺度分析，可以用1与全部相似矩阵上的数据相减，得到相异矩阵，其数字大小表示两关键词间相异程度，具体如表3所示。

相异矩阵中的数据也可称之为不相似数据，其数值的大小表明关键词之间相异的程度，如数据越大则表明关键词之间相似度越小，距离越远；反之则表明关键词之间的相似度越大，距离越近。[14]基于上述的相异矩阵，我们采用SPSS的分析—度量—多维尺度进行关键词图谱分析，得到如图4所示的教育大数据与教师专业发展高频关键词多维尺度图。

从上面的“教育大数据与教师专业发展高频关键词多维尺度图”中可以发现象限一、象限三和象限四是几块相对集中的研究领域。其中第一象限属于大数据范畴，主要关注“大数据”、“学习分析”和“数据挖掘”；第三象限主要属于教师专业发展范畴，主要包括“教师信息素养”、“教师Tpack”、“教师专业发展”；第四个象限属于个性化学习技术范畴，关注“慕课”、“翻转课堂”和“个性化学习”；相对这几个关键词集中象限，第二象限只有教学绩效评估，这说明教学绩效评估和其他几个范畴共同联系相对少些。关键词的图中分布也比较符合我们对相关文本内容的分析，对教师教育专业化发展具有很好的决策指导作用，如，在进行大数据学习应用时应该重视学习分析和数据挖掘的学习；在进行教师专业化培训时应该重视教师Tpack能力和教师信息素养的培养；在进行个性化学习支持服务的时候应积极利用翻转课堂和慕课进行学习环境构建、学习模式创设。

通过教育数据挖掘共词分析，很好地展现了教育大数据背景下教师专业发展的知识体系谱系图，更加明确地解释出教育大数据对教师专业发展的影响及两者之间的相关性，从而为教育大数据背景下的教师专业发展提供确实有效的指导与建议。

(二)基于社会网络分析的教育博客学习分析

社会网络分析可以对网络群体中的个体学习行为与学习行动者之间的关联和群体影响进行分析，通过相关的社会网络分析软件，利用距离、密度和中心度、社群图等概念对网络属性进行评价，是社会结构关系研究可视化的、说服力强的一种方法手段。教育大数据视野下，学习分析技术越来越被重视，社会网络分析作为一种学习分析方法，可以对网络学习平台、课程管理平台、网络日志等记录的大量过程化数据进行深入挖掘，发现网络学习中学习者的学习行为和社会交互特征，从而为网络学习提供决策引导和服务支持。

为了运用社会网络分析进行教育数据学习分析，我们选择一个浙江省中小学教师专业发展培训班作为样本数据，依托湖州师范学院精品课程《教育技术学基础》为网络平台，具体如图5所示。通过对培训教师在该课程网站上的教育博客群参与活动分析，选择培训班20名教师的教育博客交流情况，进行网络日志数据的收集。并规定博客的发帖、链接、回复和推荐都记为一次网络交流。

数据的处理分析主要采用社会网络分析软件UCINET6.0，数据挖掘以前，先根据教育博客上的网络日志进行数据获取，然后对参与博客交流的教师进行T1-T20的编码，培训教师用TEC编码标示。关系矩阵的建立，具体如表4所示。

行列交叉单元格中的数据表示第i行的教师对第j列的教师进行教育博客互动的次数，0表示没有互动，每个教师相对于本人，博客互动都定为1。经过Netdraw导入关系矩阵，经过UCINET6.0教师教育博客互动交流社群图分析，具体如图6所示。

从社群图中可以看出，TEC在网络博客群中处于中心地位，而且没有孤立的点，这说明教师专业化培训中培训教师处于主导地位，和受培训教师积极进行网络博客交流与互动，帮助受训教师解决问题；同时受训教师也积极相互进行合作交流，进行教育技术课程学习。

从表5中可以看出，TEC的入度和出度都是最高的，这进一步说明了教师在培训中的地位，起到了协作、引导和帮助的作用；同时T15出度比较多，说明该教师在培训中能够通过积极发帖引导其他教师进行培训交流；T20的入度比较多，说明其他参与培训的老师比较喜欢和该教师进行互动交流，同时也表明该教师在教育博客中的声望较好，比较受广大培训教师的欢迎。

四、结语

大数据实习体会篇4

随着物联网、云计算、三网融合等技术兴起和快速发展，为教育信息化和教育现代化注入新的推动力，教育进入智慧教育阶段。智慧教育是在新一代信息技术支持下，尊重每位学习者个性化与多元化的发展需要，创建智能化的教育环境，以最有效的方式促进学习者知识建构与智慧发展的一种教育形态。“智慧教育”最早是受“智慧地球”的概念启发而延伸过来的，IBM公司倡导的“智慧地球”是应用物联网、移动通讯、智能分析等新一代信息技术，促进世界更全面地互联互通，改变政府、企业和人类的生产、协作与管理方式，让所有事物、流程、运行方式都实现更深入的智能化，最终让人类能够更透彻地感应和度量世界的本质和变化。而智慧教育的本意也是应用新一代信息技术，变革今天依然停留在工业时代的“教学工厂”式学校教育，提升教育系统的效率和智能化程度，为信息社会培养适应时展的人才。

随着教育信息化的发展，不同国家、不同研究团体也赋予智慧教育不同的内涵。韩国认为智慧教育是智能化、可定制的个性化教与学。韩国政府提出发展智慧教育的推进战略，这个战略包含教育云框架与平台开发、加强教师能力建设、推进在线课堂与评估和采用数字化课本四个部分，目标是培养在21世纪社会中能够引领国际社会，具有创造力和个性的全球化人力资源。澳洲也推出智慧教育计划，认为新的智慧教育系统可以转变澳洲教育系统、吸引更多的学生，能授权给教师和管理者培养有高价值和全球技能的劳动力。我国学者祝智庭教授在综合国外对智慧教育研究之后，提出信息时代智慧教育是一种最直接的、帮助人们建立完整智慧体系的教育方式，其教育宗旨在于首先引导发现学习者的智慧，并通过协助发展、指导应用学习者的智慧，进而培养创造出学习者的智慧见解。

网络的普及加剧了数据的爆炸式增长，大数据时代已席卷而来。未来将是从数据中“钻取石油、开采黄金”的时代，企业对掌握信息管理与数据分析技术的信息管理类专业人才需求激增。本文提出如何以学生能力培养为核心，应用“智慧教育”创新完善信管专业的理论和实践教学模式手段，实现“以教为中心”向“以学为中心”的转变、“以有限静止知识为中心”向“以无限动态资源为中心”的转变。

二、基于智慧教育的信息管理与信息系统专业教学模式改革

信息管理与信息系统专业具有四个特点：一是信管专业具有很强的实践性；二是信息管理与数据分析技术变化迅速；三是企业基于数据分析的管理模式快速演变；四是信息管理与数据分析依赖于智能感知、网络传输等相关设备。因此，信息管理与信息系统专业的教学手段和模式必须不断创新，以尽快适应大数据分析技术的快速发展和企业对信管人才的需求。

（一）智慧教育的环境要求

智慧教育通过新技术与周围教育环境进行智能化互动构建智慧学习环境，进而运用智慧教学方法促进学习者进行智慧学习，学习者从而获得多种智慧以满足自身和社会的需求。智慧教育环境（如图1所示）包含六个维度：学习者、促学者、资源、设备、工具和学习活动。学习活动作为中心环节代表着学习活动的发生。学习者在活动中处于主体地位，是学习有效性发生的最终体现者。促学者作为学习活动的促进者，在不同学习环境中有不同的称呼，如学校教育环境下教师是学习活动的指导者，起引导性作用。资源包括学习资源和教学资源，资源作为知识的承载体，它的形式和使用方式将会影?学习活动的效果。设备和工具是数字化环境下对学习活动的关注，是学习活动顺利开展的利器。

智慧教育更加强调信息技术在促进教学方式和教学过程中的变革。通过明确智慧教育的教学环境，可以建构更加符合信息管理与信息系统专业技术特征和专业教学需求的文化共享（伦理、责任、价值认同、利益观）学习共同体，为信管专业学生提供更丰富的学习内容、学习工具和实践机会等。

（二）基于智慧教育的信息管理与信息系统专业教学与实践环境构建

基于智慧教育的信管专业课堂与实践教学学习环境框架，包括底层学习资源数据库、弹性分析云和用户使用终端三个部分组成（如图2所示）。智慧教育底层学习资源数据库分为原始用户数据库和聚合信息数据库，原始数据库保留了所有未经处理信息数据；弹性分析云的作用是综合用户需求，基于智能推送选择学习、教学和生活方式，促进学习的社会协作、深度参与知识建构；用户使用终端是基于移动、物联、无缝接入等技术，为学习者提供丰富的、优质的数字化学习资源和多种学习工具，使学习者拥有随时、随地、随需的学习机会。

第一，信管专业智慧教育资源数据库（包括原始和聚合信息数据库）。原始数据库来源于电子教学资源数据文档，教学资源可细分为理论性教学资源和实践性教学资源。理论性教学资源包括多媒体课件、课程视频资料、各种辅导资料、课程相关的案例库和试题库等；信管专业实践教学资源丰富，除了科研训练项目、开放性实验项目之外，还有学科竞赛、学术活动、企业实训等教学资源。聚合信息数据库根据原始数据库存储的数据，进行内容聚合，将高利用率信息提取出来形成“学习元”和“教学元”，再通过智能推送将这些信息推送到弹性分析云中进行分析，以便能更好地满足学生的学习要求。

第二，信管专业智慧教育弹性分析云（包括期望分析和智慧内容分析）。弹性分析云根据社会期望、教师期望和学生期望在数据层传递来的原始“学习元”和“教学元”上添加相关的个性化、共享化和智能化标识，形成具有可重用的、支持学习（教学）过程的共享信息，以实现自我发展的、智能性数字化学习（教学）资源。弹性分析云利用学习分析技术进行智慧内容分析，通过记录学习历史数据，基于大数据分析技术优化学习过程，设计多种智慧型学习活动，提高智慧生成与应用的含量，并提供具有说服力的教学管理服务。

第三，信管专业智慧教育用户使用终端。用户使用终端设计是基于大数据分析技术优化学习过程、干预教学的服务管理。通过聚集、分类以及关联规则等操作，分析记录在学习管理系统中的学习者行为数据，生成实时的数据报告，并利用行为数据中反映出的规律来生成预测模型，评估学生知识建构能力，进而针对学习者的个体差异（如能力、偏好、需求）提供学习诊断、建议和服务，形成基于角色的个性化定制学习元和教学元，通过智能推送服务和终端设备实现资源的互联和人的互动协作，为学生个性化学习提供更加有效的支持。

三、基于智慧教育的信息管理与信息系统专业建设

在大数据时代企业紧缺大量具有“大数据”思维方式、掌握数据分析技术的信息管理人才。如何利用智慧教育的技术与方法提升教师教学能力和学生自我学习能力培养，提高专业教学质量和实践教学水平，完善信息管理与信息系统专业建设，培养企业满意的信息管理专业人才，是我国高等学校信息管理与信息系统专业不可懈怠的追求目标。

（一）基于Moodle平台构建信管专业主动式智慧学习服务平台

Moodle平台（Modular Object-Oriented Dynamic Learning Environment，即模?K化面向对象的动态学习环境）是澳大利亚教师Martin Dougiamas基于构建主义教育理论而开发的课程管理系统。Moodle平台中教育者和学习者都是平等的主体，在教学活动中教育者和学习者相互协作并根据自己已有的经验共同构建知识。Moodle平台具有完善的web日志功能，学生自登录Moodle平台访问课程的那一刻起，其学习行为就被平台记录下来，其浏览时长、访问各模块情况、互动情况等均被记录下来，这些记录都可以在课程的“报表”功能中找到。同时，教师使用社会网络分析工具NodeXL对学生在讨论区的交互关系进行分析，可以得到节点度量基本数据图和交互网络图，从这些图中可以了解每个学生对专业课程自主讨论、参与情况，并且能够掌握每个学生的回复与被回复情况，利用这些内容来评价学生学习情况。目前信管专业可以选择与数据分析技术密切相关的一些课程开展试点，这些课程有“管理信息系统”“数据库原理与技术”“商务智能与数据挖掘”（如图3所示）。

信管专业通过Moodle平台动态记录与跟踪学生在不同场景学习的相关信息，利用社会网络分析工具、数据挖掘技术对海量数据进行抽取、转换、分析和模型化处理，进而了解学生学习的行为动机和学习实效等，从衡量学生“在座位上的学习时间”转移到衡量学生的“学习效率”，充分利用信息技术来改善提高学生的学习效果。

（二）基于整合技术的学科教学知识（TPACK）提升专业教师教学水平

2010年我国政府颁布《国家中长期教育改革和发展规划纲要（2010-2020年）》中明确指出，要深化教师教育改革，创新培养模式，造就专业化教师队伍。2012年教育部颁布《教育信息化十年发展规划（2011-2020年）》中明确指出要推进信息技术与教学融合，促进教师专业化发展。因此，如何提高教师信息化教学能力水平成为信管专业建设的焦点问题。

整合技术学科教学法知识（TPCK，Technological Pedagogical Content Knowledge）是在舒尔曼PCK概念基础上整合技术而形成的面向21世纪信息技术时代的教师知识框架。TPCK代表着教师能够根据具体的教学情景的需要，综合考虑学科知识、教学方法和技术支持，设计恰当的教学方案解决教学问题的方案知识。TPCK的核心是技术知识（TK， Technology Knowledge）、学科内容知识（CK，Content Knowledge）和教学法知识（PK，Pedagogy Knowledge）三者的动态平衡。TPACK（整合技术的学科教学知识） 将技术“整合”到具体学科内容教学的教学法知识当中去，对于有效使用技术进行教学，提高教师教育质量的核心关键要素，促进教师专业化发展至关重要（如图4所示）。

从TPCK的发展机制来看，教师学习技术需要具体情景的支持和教师亲身参与设计技术解决教学问题的过程。TPCK对教师应用技术的有效教学具有支配作用，它包含了具体教学情景中技术与学科知识、教学方法的真实的复杂关系，包括教师对技术的深刻理解，对自己原有教学观念、教学方法的重新审视与反思，敏锐地在技术、学科知识与教学方法的相互关系中寻求新的可能，如根据具体教学情景的需要设计新技术或利用新技术开创新的教学空间。

教师利用TPACK思维框架从教学―内容―技术三者重叠交互教学法，根据信息管理专业特定的教学/学习情境（如师生的信息素养、基于问题情境的教学内容、学生的认知风格与偏好、现有的数据分析实验教学设备环境等）的特点和约束条件，保持技术、学科知识和教学法三者的动态平衡，智慧灵活地选择应用恰当的教学法、学科内容以及支持技术，促进学生的智慧学习和智慧行为的涌现。

（三）基于学习分析技术（Learning Analytics）构建师生互动教学平台

智慧学习环境中的信息技术可以为教师团队提供各种支持，包括教学资源的获取、教师间的协调、师生的互动等。为促进教师的教学与学生的有效学习，通过整合论坛空间、微博、QQ群等多种方式，为师生提供一个互联网、移动网无缝互通师生教学平台，教师可以设置课程视频资料、课程设计任务库、各种辅导资料，课程测试空间历年试题等相关教学资源库，实现连接课堂教学、社区学习、资源环境的“联结”教学模型，通过网络虚拟环境和在线社区来连接教学、教师与学习者，实现学生的个性化学习、增强学生的学习动机。

随着数据日益智能化，信管专业利用无线网络环境和学习分析技术重构传统教育模式中的基本过程与结构，教师通过数据挖掘、推断和建模等方法来分析学习者数据、用户信息、课程信息等重要数据，并对师生互访社群图和中心性进行分析发现潜在问题，从而在讨论区与学生开展互动交流进行个性化教育。教师借助互联网师生教学平台定期设置大数据相关问题的专题讨论，或对某个信息管理典型案例进行在线分析，通过对当前学习难点的在线集思广益和在线方案讨论，对学生实现个性化的教育指导。

（四）建设面向数据管理时代的实用自制教学实验的开放式实验室

随着大数据时代的到来，企业管理进入了“从数据到信息，再从信息到知识”的发展阶段，众多企业都面临着大量的数据，但缺乏实用技术支持定量分析的困境。无论是在数据准备和数据清洗期间，或者在数据探索期间，数据分析基本理论复杂性对常见的统计分析软件如Excel、E-views、SPSS等分析方法的应用提出了挑?穑?数据驱动领域的实践者对于如何学习、应用一系列实用的计算分析工具和解决方案存在着迫切的需求。

为迎合社会数据化、信息化和网络化发展的时代要求，加速培养与信息化社会相融合的复合型人才，信管专业改革实验教学手段，利用Python、D3、Mlpy、Openrefine和MongoDB等数据分析工具设计有推广价值的实验软件、实验设备及教学方案，进行数据分析和模型构建方面的知识讲解和实验教学，加深学生对数据分析基本原理的理解与掌握。根据数据分析实验教学的需要，自制实验软件具备完整的数据分析处理、方案设计、图表再现等功能， 满足数据分析、统计决策等方面的教学和实验需要， 培养学生应用数据分析理论和计算机技术的能力，解决数据时代的管理问题并进行相关决策。通过建设面向数据管理时代的实用自制教学实验的开放式实验室，使学生能够针对来自不同管理领域复杂的数据分析需求提出建设性的解决方案，提高学生在数据分析领域的创新和实践能力，培养特色鲜明的信管专业人才。

（五）针对大数据行业建立开放式企业实训基地

大数据分析技术快速发展和现代企业管理决策模式的转变，决定信息管理与信息系统专业教学必须与企业紧密结合。积极与阿里巴巴、杭州网易信息技术有限公司、台湾鼎捷软件公司等多家企业进行校企合作，建立“大数据管理与应用”的企业实习实训基地。针对各类型企业不同用人需求，将企业实践融入到教学过程中，让学生从实际运作层面上理解信息管理与信息系统专业中抽象的定义、理论、模型，从整体上对专业内容进行认知与把握，实现课堂教学与企业现实业务结合，实现数据、环境和需求的互动。

大数据实习体会篇5

国家在十三五规划中就提出国家大数据的宏观战略，国家主席曾说：“当今世界，科技进步日新月异，互联网、云计算、大数据等现代信息技术深刻改变着人类的思维、生产、生活、学习方式，深刻展示了世界发展的前景。”随着国家实力的日益增强，大数据将在政治、经济、文化等各行各业中产生前所未有的机遇和挑战，职业教育也不例外。大数据的运用势必会提高职业教育的社会服务的能力和综合经济效益。

一、大数据简述

2012年联合国白皮书，提出大数据概念。数据，简言之是指通过实验、检验、统计等方式所获得的，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。大数据作为网络信息技术发展的新趋势和成果，它具有海量的数据规模、飞速的数据流转、多样的数据类型和巨大的数据价值等特点。它是一种虚拟的生产资料，推动着生产力的发展。

二、职业教育大数据的引入

人工统计、分析、研究教学产生的各类数据的时代已不复返，传统的教学方法势必遭到淘汰，随着教育领域学生信息管理系统、课程管理系统、图书管理系统、网络协同平台等广泛应用，各种信息、行为、状态、态势等教育资源势必海量增长，教育大数据依然来临。

职业教育作为使学生获得职业技能或知识、形成良好的职业道德，满足从事一定社会生产劳动的一类教育活动，它要求在短时间内输出产品，因此它更注重于教育方法、技术和经验，注重于社会和经济效益，关注学生个体的存在，立足和回归现实，直接服务于社会。

三、职业教育中的大数据技术运用

1.职业教育大数据技术概要

1.1职业教育大数据挖掘技术

在职业院校教学中，我们会不知不觉的产生了大量的数据，例如那些学生喜欢提问问题？那些学生喜欢逃课？那些学生喜欢专研专业技术？这些学生又有多少男生女生？…所以在信息技术时代，我们可以通过大数据技术基础来实现各种数据的存取记忆和利用。这就诞生了教育数据挖掘概念。

职业教育因具有不等同于高等教育的特点，因此对这些数据进行综合运用有着较高的深度要求和紧迫的期限要求。因此在实际运用大数据技术开展职业教育工作时，就要通过综合运行数理统计、人工智能和计算机学习和数据挖掘等统计分析技术和方法，对原始数据记录进行统计分析处理，_展数学建模，构建各类数据模型，对学生的学习过程、内容、资源、结果及教学行为方法等职业教育综合数据进行变量分析描述，从而才能有效的预测学生的学习趋势、职业教育的教学需求趋势，为教师、学生家长等提供有力的数据支持。

1.2职业教育中的学生学习分析技术

职业院校培育学生的目标明确，方向较为单一，这也为课堂教学提供了明确的内容需求导向。所以在运用大数据技术开展课堂教学时，学习分析又是一个新兴的信息技术。它的研究对象是学生本身和其学习环境，不同于大数据挖掘技术针对的是教育工作本身。学习分析是通过对学生学习产生的海量数据收集、分析和数学建模，发现存在的问题，优化、改进学习方法，预测在阶段学习中的进步和综合表现。

显然学习分析技术是以学生学习过程中产生的各类信息数据，利用数学方法，分析研究，摸索发现学习的规律和特点，甚至可以为各类学生提供专门的或有针对性的学习指导，从而有助于学生自身的学习效率提高，更有利于职业教育工作者开展经验反馈，促进整个职业教育水平的提升。

1.3职业教育课堂教学中的微课堂及学生客串教学方法运用

利用现有的信息技术，使得实现提供个性化微型课堂教学以及学生客串教学的理想不再是纸上谈兵，未来职业教育在大数据的普遍运用下，有了大数据的支撑，能够更准确的分析各类学生的需求和发展趋势，其教学方法势必会越来越个性化，微课堂及客串教学等教育方法将会更轻松的实现。

职业教育需要快速培养有社会经济价值的资源，需要个性化，这就要求从学校到教师，必须转变传统教育的思维定式，开拓创新教学模式，充分利用大数据带来的利好，开发多式多样的教学信息平台，实现微课堂及客串教学等新颖的教学防范，促使学生自主组织学习，教师从单一传统的讲授者向帮学者转变，提供更好的学习服务支持和学习交流。

1.4职业教育中的多媒体教学运用

大数据时代下的多媒体教学显得尤为普遍，也是大数据运用与职业教育实际充分结合所产生的一种新型教学方法。大数据提供了大量的信息参考，信息互联技术实现了海量信息共享，学习内容的音频、视频、图片、PPT、Office等软件操作演示等，打造了一个非常丰富、生动的课堂教学环境。

同时结合上述微课等方式，所形成的学习效率势必成几何倍数增长。将来的教师学生关系也由原来的传统讲授、听讲到学习交互、亲自上阵等更为直观的、更为高效的互通关系。多媒体教学能够体现学生接受知识的直观性、交互性，为每个学科内容提供学生私人订制奠定了基础，从而轻松的促进学生自主构建知识需求体现，实现职业教育技能传授的呈现。

四、职业教育大数据运用存在的问题及建议

大数据时代面临的首要问题便是资源投入问题。现阶段国家开始着重抓职业教育的发展，为能够为生产性企业输出更为充裕的技术人才，提倡各地方政府重点扶持、支援职业院校的改革发展。多数职业院校师资力量薄弱、效益不理想，若想在大数据时代，改进教学方法，提高教学质量，势必在资源投入方面存在较为严重的短板。所以建议有关部门主动沟通协调，加强全国范围内职业院校的互联协同，减少重复性投资，实现信息资源的共享，实现大数据技术成果共享。

其次是安全问题。大数据中的信息数据来源及承载媒介多种多样，如互联网、信息平台、个人PC、手机终端等，有些数据仍具有分散的特点，使得很难定位和保护这些数据和保密信息，势必存在着学生个人等综合信息的泄露问题，为将来个体发展带来了潜在的危险。这就为数据安全提出了更高的要求。这就要求各职业院校要寻求政府及社会各界的帮助，共同建立大数据安全监测机制，预防为主，主动提升监测能力，让大数据技术真正的在职业教育中发挥应有的作用。

五、小结

职业教育需要快速催生有生的生产力，大数据时代的来临，是职业教育改革的良机，通过大数据技术在职业教育中的全面运用，势必会进一步改善职业教育传统的教学方式方法，促进学生技能的有效提升，发挥职业教育在大数据时代的作用，真正的服务于社会经济发展。

大数据实习体会篇6

教与学过程中的大数据采集和技术挑战

近些年最热的“题库”类应用，也是基于大数据的教育应用细分行业。越来越详尽的知识点体系，不断优化的交互反馈，使其成为很多教师、学生常用的在线学习工具。通过在线的形式，在用户使用过程中可以积累大量的学习行为数据。这些数据不仅包括答题的结果，还包括学习者的答题过程、时间、速度、停顿甚至部分思路，这样就可以让学习者更加方便、有效地提升自己的学习效果。在这一方面，我们的题库还有相当多需要努力的地方。从用户体验角度看，倒是移动端的App相对好些，例如魔方格。

相比题库这一类产品，以微课、MOOC为代表的新一代视频学习载体，则帮助学习者快速地获取学习资料，与全世界范围内有相同兴趣的人结成学习小组，通过互动讨论，促进共同的学习和进步。在这一过程中，我们可以获取到更立体的关于学习者的信息。比如，通过视频播放过程的观察，通过在线互动和课后作业完成情况的追踪，我们可以越来越真实地建立起学习者模型，从而为更好的课程和更有针对性的教学服务提供有力的参考依据。正如岳雷老师在网上教师实名互助社区中所说，微课最大的价值之一就是获得学习者的数据，更有效地支持他们的学习。Coursera（世界三大MOOC平台之一）发展团队中国区业务负责人伊莱・布林德博士介绍说，他们的平台会给教课的教授提供数据分析工具。通过这个工具，教授能够看到有多少学生看了他的视频、学生看了几遍这个视频;教师可以通过监测学生的具体表现，及时调节学习内容。他说，若学生不直接使用Coursera平台，而采取翻转课堂的学习方式，平台上的数据则可以帮助教师甄别哪些是学生已掌握的内容，哪些是学生需要进一步练习的内容。数据分析工具还可以应用于学生的互评活动。比如，可以通过数据把那些花了不到一分钟就给出的评价去掉，只取可靠的学生评分。同时，从研究者的角度看，平台记录下的所有的学生行为，可用于对不同教育问题进行深入研究。

电子书包经过多年的努力，在国内部分学校展开了实验性使用。电子书包最大的改变就是每位学生都配备了一台数字化的终端。当学生有了这台终端后，对其学习过程的数据采集，才有了坚实的技术支持和可能性。在笔者分析的电子书包7大杀手级应用中，“评测和数据分析”位列第一。这也是电子书包行业内做得最突出的一个功能，让教师、学生、家长、领导、专家都叹服于数据的瞬时即达。基于数据库的数据分析让用户实现了梦寐以求的愿望。将来，随着电子书包监测能力的提高，其收集的数据将不仅仅是使用学习应用产生数据，还将记录学生在学习活动中个体行为表现，比如学习时眼到书本的距离、体态位置、用眼强度等，从而实现从单纯的知识学习到健康学习的转变。

所有这些数据的处理基础在于构建于云端的数据中心集群和新形式的结构化、非结构化的数据库和数据挖掘工具。这些工具能够让我们更便捷地搭建起有力的数据模型，不论是基于群体行为的“大”数据模型，还是针对学习个体或者典型学习群组的“小”数据仓库。

然而，无论“大”还是“小”，所有这些应用都存在一个前提，就是我们能否用一种更有效的方式获取到更多的全面、真实的数据。而这一点，对于教育行业的大数据应用，则尤其需要重视。

获取数据的真实性需求，意味着数据的提供者不能“主观地”提供“假”的数据给系统，否则基于此的数据挖掘和分析就变得越来越有局限性。这点在题库类型的应用中会表现得比较突出，学习者为了得到较好的结果，往往会尝试通过一些手段“欺骗”系统。比如，笔者曾在一次实验中发现，某个班级的学生在在线试卷的完成过程中，有相当比例的学生完成试卷的连贯性非常不好，甚至在提交作业后又会主动要求教师重新布置作业让其重做。深度访谈后发现，这其中很多学生为了获得足够好的成绩，会主动通过其他途径取得答案（比如提交一次，记下答案，要求重做，或者QQ上向其他已经提交的同学要答案）。这种情况下获得的学习数据，多少会有一些失真。真实数据的获取，最佳的状态应该是提供者根本意识不到数据被采集，或者至少没有主动作伪的动机，而学生为了取悦教师、家长，则经常有作伪的动机。从这个意义上来说，获取高可信度的数据是有困难的，需要从技术策略上对其进行有针对性的设计。

物联网在教育教学数据采集过程中具有天然优势

前述所有的数据获取来源，几乎都是“线上”通过PC或者移动终端获取而来。对于教学来说，当下还是有大量的学习时间、学习过程是发生在线下而非线上。教室中，家庭里，人与人之间的真实的互动反馈，通过线上的交流来替代，显然还是一种幻想。这就给数据采集带来了另外一个难题：怎样采集到更多的线下发生的学习数据？最近几年，越来越成熟的物联网技术和可穿戴设备，给我们提供了一条新的思路。

物联网技术应用到教育教学数据采集过程中，具备天然的优势：首先，数据采集过程，对于使用者来说是“离线”的，而非“在线”的;其次，数据的收集，大部分是学习者无法干预的;最后，这些数据的收集对传统业务流程的“改革”更小、“改善”更多，可以大大减少业务推进的阻力。

这样一种技术在最近几年越来越多地被引进到教育系统中来，从各个角度协助教育部门调整、改进管理和教学手段，提升教育服务质量。这其中，最早也是最普遍的应用，应该算使用智能校徽的校园门禁和安全管理系统。这类应用多数基于2.4GHz通讯的有源卡加接收器件，也有一些通过其他的Rfid无源卡辅以较大功率的有源天线加以实现。使用这样的系统后，学生可以自然上下学，无需在通过校门的时候刻意地到某个刷卡机器上刷卡，其位置信息就可以自动记录下来。类似的技术解决方案在矿山、物流等需要复杂的定点定位的系统中也有非常成熟和精巧的案例。

虽然上下学签到这样的业务对于校园日常的教育教学工作的影响非常有限，但却为物联网进入校园开了一个好头。当教师和学生开始拥有如Rfid卡片这样的物联器件的时候，我们就有可能采取更多、更有效的手段去深度挖掘其应用空间。

同样基于2.4GHz通讯的抢答器应用就是一款活跃在很多中小学课堂中的应用。它的操作非常简单，就是通过几个简单的按钮，收集课堂上学生对于某个问题的理解或者对某个作品的评价，并且即时产生出统计图表，这样可以更加方便地让教师获得学生的反馈信息，更好地组织教学。

最近跟着STEAM系统进入一些校园的传感器实验室应用，则是一种更加Geek式的操作，它构建一个相对封闭独立的小环境，集成温度、湿度、化学等多种传感器，利用摄像头、麦克风和互联网的辅助，帮助学校记录一些长期性的探究性课程，并借助网络让更多学生参与进来。比如，可以利用这套系统观察一株植物的全部生长过程，生成成长图表，记录观察日记，等等。唯一遗憾的是，这类系统对于学习者本身的观测和数据记录相对比较匮乏，更多属于教学探究工具。那么，有没有直接深入日常课堂教学流程，采集课堂学习数据的物联网技术形式呢？2014年的普教展上有一种基于物联网的教棒，让我们看到了这种方向的实践。

图1 兰尺魔法教棒

案例：兰尺魔法教棒

兰尺魔法教棒利用物联网技术实现了教学过程中数据的采集。它在一根类似于教鞭外形的“棒子”上集成了诸如传感器、通讯模块等元器件，可以对学生的电子学生卡、ID卡进行扫描、感应。只要是利用Rfid、NFC标签做成的卡片，都能被它识别出来，从而实现教师对学生的数据评价操作。当教师想要表扬或者批评某位学生的时候，只需要用这支教棒轻轻触碰学生的学生卡，相应的表扬或者批评的数据就可以实时记录在系统中。更加神奇的是，在教师的电脑屏幕上，还可以出现对应操作的动画效果。比如，表扬学生可以在屏幕上出现一朵小红花或者五角星。这种交互效果对于传统的课堂评价方式来说，是一种有趣的变化。教师不再需要烦琐地在黑板上记上名字，等下课再给学生发贴纸或者盖章，只要用“教棒”轻轻一点，整个操作就可以完成（如图1）。每一次评价操作，会伴随着一条线下数据的电子化记录，其中包含了学科、班级、时间、设备、教师、学生、评价操作、评价量值、对应维度等非常丰富的信息。系统中针对数据还可以做各种进一步的处理。比如，发小红花的同时，还可以给家长发一条信息，便于家长更好地了解孩子学情;或者有针对性地处理发小红花的数据，形成对教师教学过程或者学生个人发展的一些数据报表（如图2）;或者学生可以将获得的小红花兑换成为积分，实现二次激励（如图3）。相关业务系统同样采用物联网技术实现，学生只要拿着自己的学生卡即可将自己课上获得的小红花、积分兑换成奖品、奖励。

这种基于物联网的新一代教学工具和应用的出现，标志着物联网技术与教学的深度融合，为进一步的教学信息化改革提供了一条更加切实可行的选择道路。2014年北京和成都就提出了在2015年要实现100%的校园无线网络建设目标，那么基于无线环境下的高价值应用必将是众多学校在2015年要发力的方向。如何发挥校园无线网络的作用，除了已经初具形态的移动教学、移动OA外，教学评价、学生评价的无线网络大数据应用，必将成为行业应用的热点。

图2

图3 学生兑换积分

大数据实习体会篇7

“数据”与“数字”的区别何在？有个简单的例子：一个学生考试得了78分，这只是一个“数字”。

但如果思考这78分背后的因素：家庭背景、努力程度、学习态度、智力水平等，把它们和78分联系在一起，这就成了“数据”。国际数据公司定义了大数据的四大特征：海量的数据规模（vast）、快速的数据流转和动态的数据体系（velocity）、多样的数据类型（variety）和巨大的数据价值（value）。

教与学过程中的大数据采集和技术挑战

近些年最热的“题库”类应用，也是基于大数据的教育应用细分行业。越来越详尽的知识点体系，不断优化的交互反馈，使其成为很多教师、学生常用的在线学习工具。通过在线的形式，在用户使用过程中可以积累大量的学习行为数据。这些数据不仅包括答题的结果，还包括学习者的答题过程、时间、速度、停顿甚至部分思路，这样就可以让学习者更加方便、有效地提升自己的学习效果。在这一方面，我们的题库还有相当多需要努力的地方。从用户体验角度看，倒是移动端的App相对好些，例如魔方格。

相比题库这一类产品，以微课、MOOC为代表的新一代视频学习载体，则帮助学习者快速地获取学习资料，与全世界范围内有相同兴趣的人结成学习小组，通过互动讨论，促进共同的学习和进步。在这一过程中，我们可以获取到更立体的关于学习者的信息。比如，通过视频播放过程的观察，通过在线互动和课后作业完成情况的追踪，我们可以越来越真实地建立起学习者模型，从而为更好的课程和更有针对性的教学服务提供有力的参考依据。正如岳雷老师在网上教师实名互助社区中所说，微课最大的价值之一就是获得学习者的数据，更有效地支持他们的学习。Coursera（世界三大MOOC平台之一）发展团队中国区业务负责人伊莱?布林德博士介绍说，他们的平台会给教课的教授提供数据分析工具。通过这个工具，教授能够看到有多少学生看了他的视频、学生看了几遍这个视频；教师可以通过监测学生的具体表现，及时调节学习内容。他说，若学生不直接使用Coursera平台，而采取翻转课堂的学习方式，平台上的数据则可以帮助教师甄别哪些是学生已掌握的内容，哪些是学生需要进一步练习的内容。数据分析工具还可以应用于学生的互评活动。比如，可以通过数据把那些花了不到一分钟就给出的评价去掉，只取可靠的学生评分。同时，从研究者的角度看，平台记录下的所有的学生行为，可用于对不同教育问题进行深入研究。

电子书包经过多年的努力，在国内部分学校展开了实验性使用。电子书包最大的改变就是每位学生都配备了一台数字化的终端。当学生有了这台终端后，对其学习过程的数据采集，才有了坚实的技术支持和可能性。在笔者分析的电子书包7大杀手级应用中，“评测和数据分析”位列第一。这也是电子书包行业内做得最突出的一个功能，让教师、学生、家长、领导、专家都叹服于数据的瞬时即达。基于数据库的数据分析让用户实现了梦寐以求的愿望。将来，随着电子书包监测能力的提高，其收集的数据将不仅仅是使用学习应用产生数据，还将记录学生在学习活动中个体行为表现，比如学习时眼到书本的距离、体态位置、用眼强度等，从而实现从单纯的知识学习到健康学习的转变。

所有这些数据的处理基础在于构建于云端的数据中心集群和新形式的结构化、非结构化的数据库和数据挖掘工具。这些工具能够让我们更便捷地搭建起有力的数据模型，不论是基于群体行为的“大”数据模型，还是针对学习个体或者典型学习群组的“小”数据仓库。

然而，无论“大”还是“小”，所有这些应用都存在一个前提，就是我们能否用一种更有效的方式获取到更多的全面、真实的数据。而这一点，对于教育行业的大数据应用，则尤其需要重视。

获取数据的真实性需求，意味着数据的提供者不能“主观地”提供“假”的数据给系统，否则基于此的数据挖掘和分析就变得越来越有局限性。这点在题库类型的应用中会表现得比较突出，学习者为了得到较好的结果，往往会尝试通过一些手段“欺骗”系统。比如，笔者曾在一次实验中发现，某个班级的学生在在线试卷的完成过程中，有相当比例的学生完成试卷的连贯性非常不好，甚至在提交作业后又会主动要求教师重新布置作业让其重做。深度访谈后发现，这其中很多学生为了获得足够好的成绩，会主动通过其他途径取得答案（比如提交一次，记下答案，要求重做，或者QQ上向其他已经提交的同学要答案）。这种情况下获得的学习数据，多少会有一些失真。真实数据的获取，最佳的状态应该是提供者根本意识不到数据被采集，或者至少没有主动作伪的动机，而学生为了取悦教师、家长，则经常有作伪的动机。从这个意义上来说，获取高可信度的数据是有困难的，需要从技术策略上对其进行有针对性的设计。

物联网在教育教学数据采集过程中具有天然优势

前述所有的数据获取来源，几乎都是“线上”通过PC或者移动终端获取而来。对于教学来说，当下还是有大量的学习时间、学习过程是发生在线下而非线上。教室中，家庭里，人与人之间的真实的互动反馈，通过线上的交流来替代，显然还是一种幻想。这就给数据采集带来了另外一个难题：怎样采集到更多的线下发生的学习数据？最近几年，越来越成熟的物联网技术和可穿戴设备，给我们提供了一条新的思路。

物联网技术应用到教育教学数据采集过程中，具备天然的优势：首先，数据采集过程，对于使用者来说是“离线”的，而非“在线”的；其次，数据的收集，大部分是学习者无法干预的；最后，这些数据的收集对传统业务流程的“改革”更小、“改善”更多，可以大大减少业务推进的阻力。

这样一种技术在最近几年越来越多地被引进到教育系统中来，从各个角度协助教育部门调整、改进管理和教学手段，提升教育服务质量。这其中，最早也是最普遍的应用，应该算使用智能校徽的校园门禁和安全管理系统。这类应用多数基于2.4GHz通讯的有源卡加接收器件，也有一些通过其他的Rfid无源卡辅以较大功率的有源天线加以实现。使用这样的系统后，学生可以自然上下学，无需在通过校门的时候刻意地到某个刷卡机器上刷卡，其位置信息就可以自动记录下来。类似的技术解决方案在矿山、物流等需要复杂的定点定位的系统中也有非常成熟和精巧的案例。

虽然上下学签到这样的业务对于校园日常的教育教学工作的影响非常有限，但却为物联网进入校园开了一个好头。当教师和学生开始拥有如Rfid卡片这样的物联器件的时候，我们就有可能采取更多、更有效的手段去深度挖掘其应用空间。

同样基于2.4GHz通讯的抢答器应用就是一款活跃在很多中小学课堂中的应用。它的操作非常简单，就是通过几个简单的按钮，收集课堂上学生对于某个问题的理解或者对某个作品的评价，并且即时产生出统计图表，这样可以更加方便地让教师获得学生的反馈信息，更好地组织教学。

最近跟着STEAM系统进入一些校园的传感器实验室应用，则是一种更加Geek式的操作，它构建一个相对封闭独立的小环境，集成温度、湿度、化学等多种传感器，利用摄像头、麦克风和互联网的辅助，帮助学校记录一些长期性的探究性课程，并借助网络让更多学生参与进来。比如，可以利用这套系统观察一株植物的全部生长过程，生成成长图表，记录观察日记，等等。唯一遗憾的是，这类系统对于学习者本身的观测和数据记录相对比较匮乏，更多属于教学探究工具。那么，有没有直接深入日常课堂教学流程，采集课堂学习数据的物联网技术形式呢？2014年的普教展上有一种基于物联网的教棒，让我们看到了这种方向的实践。

案例：兰尺魔法教棒

兰尺魔法教棒利用物联网技术实现了教学过程中数据的采集。它在一根类似于教鞭外形的“棒子”上集成了诸如传感器、通讯模块等元器件，可以对学生的电子学生卡、ID卡进行扫描、感应。只要是利用Rfid、NFC标签做成的卡片，都能被它识别出来，从而实现教师对学生的数据评价操作。当教师想要表扬或者批评某位学生的时候，只需要用这支教棒轻轻触碰学生的学生卡，相应的表扬或者批评的数据就可以实时记录在系统中。更加神奇的是，在教师的电脑屏幕上，还可以出现对应操作的动画效果。比如，表扬学生可以在屏幕上出现一朵小红花或者五角星。这种交互效果对于传统的课堂评价方式来说，是一种有趣的变化。教师不再需要烦琐地在黑板上记上名字，等下课再给学生发贴纸或者盖章，只要用“教棒”轻轻一点，整个操作就可以完成（如图1）。每一次评价操作，会伴随着一条线下数据的电子化记录，其中包含了学科、班级、时间、设备、教师、学生、评价操作、评价量值、对应维度等非常丰富的信息。系统中针对数据还可以做各种进一步的处理。比如，发小红花的同时，还可以给家长发一条信息，便于家长更好地了解孩子学情；或者有针对性地处理发小红花的数据，形成对教师教学过程或者学生个人发展的一些数据报表（如图2）；或者学生可以将获得的小红花兑换成为积分，实现二次激励（如图3）。相关业务系统同样采用物联网技术实现，学生只要拿着自己的学生卡即可将自己课上获得的小红花、积分兑换成奖品、奖励。

这种基于物联网的新一代教学工具和应用的出现，标志着物联网技术与教学的深度融合，为进一步的教学信息化改革提供了一条更加切实可行的选择道路。2014年北京和成都就提出了在2015年要实现100%的校园无线网络建设目标，那么基于无线环境下的高价值应用必将是众多学校在2015年要发力的方向。如何发挥校园无线网络的作用，除了已经初具形态的移动教学、移动OA外，教学评价、学生评价的无线网络大数据应用，必将成为行业应用的热点。

大数据实习体会篇8

“十三五”规划提出的“十四大战略”包含“国家大数据战略”，目前，虽然我国大数据的理论与应用研究仍处于发展阶段，但社会各界的重视程度前所未有。将“大数据”应用到继续教育工作中是继续教育的发展趋势，大数据为继续教育学习需求的分析以及提高资源建设的针对性、实效性、精准性提供了重要技术平台，同时也更加深刻地影响着继续教育结果。大数据思维和技术的广泛应用为公务员继续教育资源的优化、方式方法的创新提供了重要的平台和契机，有利于构建知识型的政府组织和高素质专业化的公务员队伍。

一、大数据平台助推公务员继续教育资源共建共享

1．大数据促进公务员继续教育资源共建共享的思维变革。思维是对事物的间接反映，它通过其他媒介作用认识客观事物，借助于已有的知识和经验以及已知的条件推测未知的事物。大数据思维包含两层含义：一是在思想上对大数据的认识和重视，这是一种思维态度；二是大数据思维范畴，这是一种思维方式［1］。过去，在公务员继续教育方面，不管是资源的提供者还是资源的接收者，都存在一些落后思维：以资源提供者为中心而不是以学习者为中心，重资源形式轻资源内涵、重理论资源建设轻能力培养、重知识传播轻效果反馈。以公务员培训为例，培训机构将培训视为完成软任务，而培训对象将培训看成走过程［2］。这些落后思维严重阻碍了公务员继续教育的效果。在大数据时代，资源建设之间的分割和限制不利于资源的发展壮大，对各种资源加以保护以达到独享更是幼稚。公务员继续教育资源是一种典型的公共产品，应遵循大数据背景下“知识公益、共建共享”的思维，通过各个资源建设主体的共同努力，打破时间、空间、层级及部门分割和限制，有效整合资源，取长补短、去粗取精，实现资源配给效益的最大化，弥补资源建设主体的有限性，切实提升公务员继续教育实效，为高素质公务员队伍的培育提供正确的思维模式。2．大数据推动公务员继续教育资源共建共享的技术变革。技术是数据挖掘和数据共享的关键环节，公务员继续教育资源的共建共享必须建立在技术革新的基础上，以便落实“知识公益、共建共享”理念。在大数据时代，大数据收集、分析、处理技术使获得接近于整体的数据越来越容易。从数据收集技术方面看，互联网、移动互联网的广泛应用能够实时产生海量数据并进行实时处理，以确保公务员继续教育资源变成随时随地唾手可得的资源，满足大数据时代无缝隙、碎片化的学习需求，增强了公务员继续教育资源获取的便利性、时效性和针对性。毫无疑问，大数据技术将成为增强公务员继续教育实效性的关键因素。因此，公务员继续教育资源建设主体要善于学习创新大数据相关技术，促进资源的共建共享。3．大数据提供了公务员继续教育资源共建共享的平台。正如中国工程院李德毅院士所说：“大数据整天和我们在一起，已经成为链接虚拟世界和现实世界之间的桥梁。”［3］大数据在资源与人类之间搭建了快速便捷的平台，拉近了资源与人之间的关系。在大数据平台上，资源建设者可以进行更加有效、更加精确的学习需求分析，学员在学习过程中留下的数字碎片，如资源选择、在线学习、沟通交流、意见和建议等数据都会被进一步地挖掘分析，以探索数据时代公务员继续教育规律、偏好和模式。大数据平台强化了学员学习前需求分析，学习中困难分析，学习后评价评估，这些都将为公务员继续教育资源的建设和完善提供最直接的数据依据。

二、大数据背景下公务员继续教育资源共建共享存在的问题

1．数字资源“大而无序”。在大数据时代，公务员继续教育资源不仅有量上的优势，还有平台获取的便捷性。但是，量上的优势不能掩盖两个重要问题：一是平台之间数据开放格式不一致、可机读性较差，更新频率较低，平台在流通效率、质量管理方面良莠不齐，不同资源建设主体的数据维度不统一、语义不协同等问题严重阻碍了资源的共建共享。二是在现阶段，我国公务员继续教育资源建设的主体有各级党校、行政学院、政府行业部门的培训机构以及部分高校等。这些机构对于资源标准的界定往往不一致，具体表现为资源制作标准、制作框架、制作目标、播放工具要求不统一，资源建设各主体间缺乏沟通交流和共建共享机制，导致数据重复采集、重复建设、效率低下。2．数字资源“大而无力”。关键技术和人才的匮乏是导致公务员继续教育资源“大而无力”的核心问题。一个严峻的事实是，尽管我国的大数据发展如火如荼，也得到从中央到地方各级政府的大力支持和关注，但由于我国仍处于大数据发展初期，与数据产业发达国家相比，我国大数据存在技术及应用滞后的差距，短板仍较明显，数据加工处理服务、数据库技术和通用数据分析工具等基础性通用数据技术差距较大，加上市场主体数量少、自主知识产权把控能力低导致数字资源大而无力，关键技术和人才匮乏是制约公务员继续教育资源共建共享的重要障碍因素。3．数字资源“大而无安”。近年来，全球大规模数据泄露事件频繁发生，如苹果iCloud系统性泄密事件、美国Target超市7　000万客户资料、摩根大通账号资料被窃取、国内“12306”用户身份证等敏感信息泄露，等等。据《2014年度数据泄露调查报告》，2014年全球共发生63　737起网络安全事件，经确认的数据泄露事件1　367起，掌握大量个人信息的政府机构成为信息窃取的重要对象［4］。这表明，大数据时代的资源安全保障体系建设刻不容缓。公务员继续教育资源共建共享不仅面临传统网络安全风险，还面临新的不确定的安全风险，当资源建设主体用数据挖掘和数据分析获取公务员学习需求的时候，黑客也可以利用大数据分析向资源建设者、公务员群体及个人发起攻击，从而给数据安全带来巨大挑战。如何确保公务员继续教育资源使用中的安全和放心，同样是公务员继续教育资源建设主体必须克服的困难。4．数字资源“大而不强”。长期以来，公务员继续教育资源建设重形式轻内容、重数量轻质量、重理论轻实践的实际导致相关数字资源“大而不强”。大数据之大，不仅是指数量上的优势，还包括数据的整体性和价值性。不挖掘大数据的价值，资源再多也没有用；同样，不提高数据内涵，资源再多价值也不大。这是因为当资源积累到一定程度后，学习者在“信息爆炸”的数据海洋里却陷入难以选择的困境，如何确保所选信息的有用性和针对性，对学习者而言成为一个技术难题。这表明，大数据背景下的公务员继续教育资源亟须提升资源内涵，去除资源冗余，提升资源吸引力，增强资源针对性，才会激发学习者的学习动机，提升公务员继续教育实效。5．数字资源“大而不享”。公务员继续教育资源各自为战、数据开放共享程度低是公务员继续教育资源的普遍现状。数据开放共享是促进公务员继续教育资源发展的重要举措。但是，一方面官方资源建设主体掌握了大部分的公务员继续教育信息资源；另一方面，这些信息资源由不同的部门控制，而且不同部门的数据标准不一致，导致信息流的上游环节处于封闭状态，不能有效地释放和共享，数据源的欠缺直接影响大数据分析和处理的需求，导致大数据资源应用缺乏价值。这些事实表明，公务员继续教育资源建设中的数据鸿沟从未得到真正解决，数据再大也没有任何意义。

三、实现大数据背景下公务员继续教育资源共建共享的对策建议

1．加强数据标准顶层设计，防止资源“大而无序”。加强公务员继续教育资源大数据统一标准的顶层设计，推进大数据产业标准体系建设。推进数据采集、指标口径、分类目录、安全保密等关键共性标准的制定和实施，实现标准化下公务员继续教育资源“大而有序”。为推动公务员继续教育资源大数据发展，需要进一步把握好数据源头，推动各资源建设主体不断加强自身数据能力建设，做优存量、做大增量，加快完善相关配套措施确保隐私和信息安全。同时鼓励各个参与主体共同推动数据标准化进程，健全数据共建共享规范。2．提升数据技术，防止资源“大而无力”。注重培养和造就一批会管理、懂技术、能研发的复合型的大数据人才，确保公务员继续教育资源关键技术和人才的自主控制。大数据技术是指设计用于高速搜集、发现和分析从多种类型的大规模数据中提取经济价值的新一代技术和体系，涉及数据存储、合并压缩、清洗过滤、格式转换、统计分析、知识发现、可视呈现、关联规则、分类聚合、序列路径和决策支持等技术［5］3。大数据挖掘涉及数据获取、存储、计算、传送、分配、挖掘、呈现和安全等环节，每一个环节都需要技术支持。大数据不仅是技术问题，更是高技术问题，唯有实现公务员继续教育资源关键人才和技术的自主控制，才能防止资源大而无力。3．重视数据保护，防止资源“大而无安”。大数据是一把双刃剑，在发挥大数据优势的同时，必须正视大数据的安全与隐私保护问题，防范信息泄密的风险，因此必须加强公务员继续教育资源显隐价值的保护，强化数据安全方面的立法工作，做到大数据的挖掘与利用要有法可依。应尽快制定“信息保护法”与“信息公开法”，既要鼓励面向群体、服务于社会的数据挖掘，又要防止针对个体侵犯隐私的行为，提倡数据共享又要防止数据被滥用［5］11。2015年以来，国务院出台一系列关于大数据发展的积极措施与意见，如《关于运用大数据加强对市场主体服务和监管的若干意见》《关于积极推进“互联网＋”行动的指导意见》。《促进大数据发展行动纲要》明确提出：“加快法规制度建设，积极研究数据开放、保护等方面制度。”但总体看来，我国大数据安全的理论和实践仍相当不成熟，相关的大数据信息安全法律法规制度还没有建立，与大数据发展的势头很不相称。因此，可以借鉴和学习西方发达国家较为成熟和先进的做法，对数据的获取、使用、责任和权力等进行明确的法律界定，提升大数据的法制治理能力，这既是国家治理现代化的题中应有之义［6］，也是大数据时代公务员继续教育资源共建共享的必然要求。4．着力提升资源质量，防止资源“大而不强”。实现公务员继续教育从重形式到重内容、重数量到重质量、重理论到重应用的转变，着力提升公务员继续教育资源的含金量。质量是资源的灵魂，资源质量直接影响学习者的学习动机，这就要求今后公务员继续教育资源建设一方面以提升优质教育资源为目标；另一方面，重复建设、相对过剩、与实践脱节的资源必须清理干净。公务员继续教育资源建设成效如何，绝不是建设者的自评自查就可以的，还必须引入第三方及用户评价机制。第三方评价有助于更为全面、客观、公正地对已有资源做出评估，并从效果效用角度、专业角度、用户角度提出建设意见和建议、对策与方法，帮助和督促资源建设者完善公务员继续教育资源。一是建议尽快出台专门的公务员继续教育资源共建共享评价法律法规，形成资源评估标准、流程、规范、主体为一体的评价体系，出台具体操作与实施细则，强化资源评估的有效性。二是应该从我国国情出发，分别从评价内容、评价标准、评价程序、评价机构及所占权重做深入细致的研究工作［7］，确保资源建设转变到更加注重实效方面来，真正体现《国务院办公厅关于转发人力资源社会保障部　国家公务员局“十三五”行政机关公务员培训纲要的通知》里提到的坚持培训的双导向功能，即问题导向和目标导向。三是应建立由学习对象评价的制度。资源建设的效用如何，学习对象最有发言权，学习对象可以结合学习体会对资源打分，提出自己的意见和建议，分享学习体会和感受，并对资源再建设再编辑。这样做的好处是，既可以帮助资源建设者完善资源，也促使资源本身更加全面和合理，以便形成学习对象“既是使用者又是建设者”的模式，切实提升公务员继续教育资源建设的实效性。5．践行资源共享理念，防止资源“大而不享”。共享是大数据价值的终极体现，消除数据孤岛，必须从实践上注重公务员继续教育资源的落地运用。“知识公益，共建共享”的理念必须运用到公务员继续教育资源建设中。随着信息化、互联网、大数据技术的发展和应用，信息资源共享的载体必然从过去的纸质实体向电子资源的形式转变，这一转变为资源的共建共享提供了技术上的可能性。资源的共建共享体现在三个方面：一是获取途径的便捷性，学习对象能够通过网络获取想要的资源；二是免费获取资源；三是自助选择资源。公务员继续教育资源共建共享是“共享经济”的必然要求，不仅可以有效减少行政培训成本，还是提升公务员继续教育实效的关键。这就要求资源建设实现跨平台、跨终端、跨区域的要求，打破部门分割、层级制约和地域限制，并对共建共享者给予经济、物质和技术上的鼓励与支持，以确保资源建设的可持续发展。各个资源建设主体必须明确意识到，大数据不仅是技术问题，更是理念问题。当前，某些公务员继续教育资源建设主体拥有大量数据却缺乏资源共享理念，导致信息不完整或重复投资，因此必须打破数据割据的局面。公务员继续教育资源不是一次性产品，建立一套可持续性的资源支持体系，给予资源建设主体持续不断的资金、人才、技术支持，促进公务员继续教育资源共建共享既是政府的责任，也是资源建设者和资源接收者的权利。公务员继续教育资源的共建共享不仅有利于提升公务员队伍素质，增强公务员培训和继续教育实效，降低培训成本，还有利于营造学习创新氛围。因此，大数据背景下的公务员继续教育资源共建共享不仅是新一轮信息技术变革的题中应有之义，还将深刻影响到公务员行政行为的方方面面。

参考文献：

［1］张弛．大数据思维范畴探究［J］．华中科技大学学报，2015，（2）：120．

［2］徐美珠．我国公务员培训制度的困境及出路［J］．理论与改革，2008，（4）：66．

［3］李德毅．在实践中研究大数据和你在一起［EB／OL］．科技资讯网，2013－06－05．

［4］展望2015网络安全十大趋势［N］．中国信息化周报，2015－03－20．

［5］邬贺铨．大数据思维［J］．社会与科学，2014，（3）．

大数据实习体会篇9

在计算机技术和互联网技术普遍应用的今天，大数据技术为行业发展和进步起到了积极的作用。就教育行业的发展来讲，有了大数据技术的利用，教育的针对性、专业性和市场化特征表现的更加明显，教育实效性效果有了显著提升。总结分析大数据在中职计算机技术教学中的应用，其产生了三方面的突出价值。

1.1大数据为中职计算机技术教学的课程设置提供了参考

计算机技术的发展日新月异，所以很多职业院校的计算机课程实际上是与社会脱节的，这对于职业院校的价值体现十分不利。中职计算机技术教学实践积极的利用大数据技术分析当前社会计算机的应用需求现状，可以为更加合理的设置计算机技术课程提供参考。简言之，大数据技术能够准确的分析技术发展以及应用趋势，可以为中职计算机技术教学的实践提供参考，使院校在课程设置的时候做到充分的与社会接轨，这样，职业教育的价值发挥会更加的显著。

1.2利用大数据技术可以为计算机技术教学的创新提供依据

传统的教学模式显然已经不能适应当前的教育需要，尤其是职业教育，传统教育模式对其的限制表现的越来月明显，所以教育模式、教育方法需要做创新。大数据技术的利用一方面能够掌握未来计算机人才需要的基本方向，另一方面可以了解到各种计算机教学方法的利用实效，基于人才发展方向和教学方法的具体分析，中职计算机技术教学可以选择更符合人才发展方向的教学模式，这对于教学促进来讲也是有积极意义的。

1.3大数据技术的利用能够为中职计算机技术教学的优化提供帮助

在教学实践中总会遇到各种各样的问题，利用大数据技术做教学问题的总结和分析，职业院校以及老师会更加清楚的掌握到教学中比较容易犯得错误，基于数据结果进行错误发生的研究和分析，能够有效的帮助中职计算机技术教学实现优化和进步。

2大数据背景下中职计算机技术教学存在的问题

2.1教学目标设定不科学

中职院校在对计算机应用技术进行教学时，对于一些非专业性的学生的教学目标，只是让学生们掌握住计算机的基本知识以及相关的操作技巧，帮助学生们通过全国计算机的考试，而对于一些非专业的学生只要考试及格，就可以满足就业要求。在这种教学目标之下，很多的学生们往往是为了提高自己的过关率，而对于一些考试内容进行学习，忽视了对其他计算机以及网络应用技术的了解和认识，很多学生的学习目标也出现了偏差。

2.2基础教材与现实需要的差距较大

经过对当下中职院校学生们的计算机基础教材以及大纲进行调查研究，可以发现其中包括了计算机的基本知识、计算机的操作系统、办公自动化的基础，以及计算机网络基础的内容，教师们在对教材进行讲解时往往注重于理论的灌输，忽视了学生们对于一些实践应用的培养，这样会造成考试和需求之间的相分离。在对学生进行教学时往往注重学生们对于一些应用模块题型的练习，而忽视了对相关内容的讲解，导致学生们知识为了应付考试，对于一些常见的常考的函数有所了解，但是对于多级列表设置等模块仍是相对存在着一定的偏差，由于中职院校计算机基础教材的内容不能够满足考试所需，很难真正的提高学生们的专业技术水平以及计算机应用技术。

2.3教学方法较为单一

在对计算机进行教学时往往以理论灌输为主，教师在课堂中居于主体，学生们只是被动的接受，参与热情不高，也无法提高自身的主观学习能动性。当下部分中职院校在进行计算机应用技术教学时依然是把课堂的实际任务操作演练或者是借助多媒体教学作为重点内容，帮助学生们对基本理论知识进行理解，尽管这样能够让学生们了解教材的重点内容，但是学生们实践能力相对较差，这种理论教学和实际教学相分离的教学模式，让学生们对于计算机应用技术的学习，日益的丧失兴趣，尤其是缺乏主动性和积极性，很难真正的解决实际的问题。

2.4教学实践与理论的脱节表现较为明显

中职院校开展计算机应用技术教学学生们的地位较为被动，教师们不注意和学生之间的互动，这样不仅让学生们的积极性下降，而且不能够及时的发现学生们在学习的过程当中存在的问题和不足，教师在讲解中也缺乏重点和针对性，这样不仅导致学生们对计算机教学较为反感，而且也不利于提高自己的主观学习性，最终让学生们在大数据时代的背景之下，对于计算机应用技术的掌握程度依然有限，无法满足社会对计算机专业人才的需求，也不利于提高中职院校学生们综合素质的提升，影响到学生们的未来就业。

3基于大数据背景下中职院校计算机技术移动教学措施分析

3.1改变传统的教学模式，提升教学的灵活性

传统的教学模式固定性比较强，学生学习的时间和地点比较的固定，这对于移动学习来讲十分不利，所以在大数据背景下要积极的进行教学模式的改变，提升教学的灵活性。就教学模式的改变来看，主要有两点：（1）针对大数据分析的结果总结教学实践中的重点问题，然后由老师基于重点做教学视频的制作。一般来讲，遵循“一个问题一段视频”的原则，这不仅对具体的问题进行了针对性的阐述，而且有效的区分了问题的解答，缩短的视频的实践。在生活和学习中，学生能够利用移动设备和网络进行灵活的在线学习，比如业余时候进行短视频的观看。（2）采用平台联系模式做移动学习。平台联系模式主要指的是老师利用大数据分析的结构构建具体问题的分析平台，学生能够在移动设备中随时随地的访问平台进行询问和探讨问题，进而解决相应的疑惑。总之，利用大数据分析技术做“问题教学”模式的构建，并积极的利用当前生活中的数据交流平台和移动网络设备，学生的移动学习效率会有进一步的提升，学习的灵活性和有效性得到显著的加强。

3.2创新教学方法，强化移动教学实践的加强

教学方法对具体的教学效果提升有重要的影响，因此在中职计算机技术教学实践中基于大数据分析创新教学方法，强化移动教学实践的加强现实意义显著。就具体的方法创新来讲，目标表现比较抢眼的方法有两个：

3.2.1采用碎片教育法

所谓的碎片教育法和系统教育法是相对的，这种教育方法的实施目的是让学生能够灵活的利用课余时间做小知识的学习和掌握。从具体的分析来看，系统的知识量比较大，需要的学习周期也比较长，所以学生很难在教学中实现移动学习。碎片教育法将系统性的知识进行肢解，将其拆解为零散的知识点，学生在生活实践中可以利用移动设备等进行细小知识点的存储，这样，其可以在生活休息中实现移动学习，掌握相关知识。

3.2.2翻转教学法、面对面教学以及在线教学等方法

在网络时代之下，可以借助于网络教学的平台开展计算机应用教学。比如教师可以通过进行翻转课堂教学模式，调动学生的主动参与热情，激发学生的主观能动性，通过对教学内容进行模块化的设计，并且制定出不同的任务，让学生们真正的在做中学、学中做，因此教师可以依托于现有的网络教学平台，采取面对面教学或者是在线教学等教学模式。通过构建这种计算机网络教学的平台，可以让学生们享受到更加优质的教学资源，也进一步增强了教师和学生之间的互动。

3.3构建网络教学平台，为移动教学提供资源

在大数据背景下，构建网络教育平台为移动教学提供资源，这于中职院校计算机技术的教学提升来讲现实意义显著。就网络教育平台的具体构建来看，主要分为两部分内容：（1）构建在线学习平台，此平台突破了传统教学模式的时间、空间限制，老师可以在平台上进行学习资料的共享，学生能够通过平台观看和学习老师共享的资源，这样，学生在课堂之余又多了一个学习的平台与渠道。通过平台的利用，学生与老师实现了从课上到课下的对话，知识领悟会更加的深刻，所以学生无论是理论记忆还是技术感受都会有明显的提升。（2）实现了对课程资源的有效补充。从具体的分析来看，虽然利用大数据分析结果能够实现针对性的课程设置，但是毕竟课程的执行周期较长，所以一些新技术、新内容无法在教材当中另做补充。网络教学平台可以作为信息资源补充站，老师以及学校将相关专业的最新消息在平台上，由老师和学生做在线的共享学习和交流，这不仅提升了老师的知识范围，学生也能够接触到最新的技术发展信息。简言之，通过网络教学平台的构建，中职院校的计算机技术教学有效的实现了课上和课下的联动，实现了课本资源和网络资源的相互补充，这对于最终的教学成果提升有显著的价值和意义。

3.4基于移动学习目标做评价和考核

大数据实习体会篇10

 

《数据库基础》是高职院校计算机及相关专业的一门重要主干课程。通过对课程学习，让学兵学会Oracle 9i的安装与卸载，能说出数据库的有关概念和基本原理，会使用SQL语句对表的数据进行查询、增加、修改、删除等操作，培养学兵对Oracle 9i数据库系统的应用和管理技能，为后续学习和将来工作打下良好基础。

学兵学历大部分为高中或初中，他们的信息技术起点水平及个性存在差异。如何通过60学时的教学，充分挖掘学兵的潜力，实现学兵个性化发展，使学兵理解数据库的有关概念和基本原理，学会Oracle 9i的基本操作使用方法，面临很大的挑战。因此通过该课程的实际教学，针对学兵特点，重新思考教学内容、教学方法和手段、考核方式等方面的内容具有十分重要的意义。本文将结合笔者担任四期《数据库基础》课程教学的经历，讨论如何上好学兵《数据库基础》课程的几个思路。

1.课程兴趣培养

兴趣是最好的老师，是激发学兵学习积极性的动力。有了兴趣，学习就能保持良好的情绪和注意力，变被动为主动，变厌学为乐学；有了兴趣学兵就会喜欢和教员交流、沟通，和同学探讨、钻研，学得轻松，学习效果好，而且形成良性循环。经过四期的《数据库基础》课程教学教学手段，我发现学兵在开始学习数据库时，由于好奇心所致，大多学习热情、积极性很高，都想学、爱学，但在学习了一段时间后，往往出现怨学、厌学。我们该如何给学兵一个良好的教学氛围，激发和保持它们学习数据库的兴趣呢？

1.1掌握学兵的心理特点，激发学兵学习兴趣

新课的导入，是课堂教学中的一个重要环节。教员正确、巧妙地导入新课，可以激发学兵强烈的求知欲望，引起他们的深厚兴趣，在学兵注意力最集中的时间里突出教学的重点与难点[1]。例如在进行数据库入门教学，我引入了超市购物和网上购物。针对大家熟悉的超市购物管理系统，提出一系列问题：收款机是如何知道那么多商品的价格？商品调价期间，如何保证每台收款机收取同种商品时价格一致？仓库出库员如何知道超市中的某些物品快销售完了，需要及时补充？接着，以在淘宝网上购物为例，利用图例展示网上购物的一般流程，让学兵思考：如何在网上查找我们需要的商品？如果购买许多商品，如何查看每一件商品的具体情况？商品的质量有保证吗？有没有售后服务？网站是如何存储、管理顾客和商品信息的？这样一系列的疑问让学兵感到神奇：数据库是什么？为什么能使用数据库来存储、管理信息？怎样使用数据库方便、快捷的查询统计信息呢？所有一系列的问题就会在学兵的脑海中冒出来。要想解决上面的问题，我们首先要认识数据库。这样我们课堂内容的引出就顺其自然。

有了上面的引入，学兵的脑子里惦记的肯定就是“超市购物管理系统”、“网上购物管理系统”，这时候我们就可以恰到好处的向学兵讲明这两个系统的共性，为什么这些地方会用到数据库，以此为出发点，让学兵结合自身的生活环境，从自己的生活中找出类似的数据库系统。这样，就让学兵意识到：原来我们身边这么多地方都用到了数据库系统会计毕业论文范文。

1.2活跃课堂气氛，发挥学兵的主体作用

数据库基础是一门理论与实践紧密结合的专业课，既要让学兵熟悉一些基本理论，同时又要学会Orale 9i数据库的操作与使用。课堂上不仅要向学兵传授知识，更重要是向学兵传授学习的方法。教学中我们以教员为主导、学兵为主体，采取多种教学方法，发挥学兵的学习主动性，着力培养它们勤动手、勤动口、勤观察、勤思考的良好习惯，把感知与思维结合起来，使学兵全身心投入学习。例如，在Oracle 9i创建表的教学中，教员先做一个自我介绍，让学兵通过教员的表述和自己的观察，提炼出教员相关的属性。接着教员提出一个实际问题：“新学期已有一批学兵报到，需要入学登记，请设计一个学兵登记表，这个表应该包含哪些字段（需要登记学兵的哪些相关信息）？在数据库中是如何创建表示的呢？”通过这个实例，采用“问题——思考——点拨”的形式，使学兵始终处于积极思维状态教学手段，体验发现问题到解决问题的过程。在一个活跃的课堂氛围中，学兵既学会了相关知识，又在参与知识形成的过程中学到了探究知识的方法，培养了自主学习的意识。

2.教学内容的分析与筛选

数据库技术涉及的内容非常广泛，结合学兵教学的特点，数据库基础的教学目标是要求学兵在学习数据库基本理论的基础上学会基本的操作技能。因此，在数据库基础的教学中会争议这样一个问题：如何分配理论和实践两部分内容的教学时间？

传统教学模式是先对数据库基本原理、理论进行讲解学习，然后通过例子对其应用进行学习。由于课程相关数据库基本原理较为抽象、枯燥、不易理解，因而这种教学模式会造成：一方面学兵在理论知识学习阶段对本课程的学习兴趣降低，听课时会感到被动乏味；另一方面学兵在实践阶段又会发现与理论之间脱节，由于理论基础不扎实，没有理论指导，实践无从下手[2]。认识到传统教学模式的弊端，我们在这门课程上做了一些改革，结合与专业相关的例子来讲解和阐述数据库的基本原理，力求以更科学合理的方式讲授这门课程，使学兵在学习过程中不会觉得学习数据库理论过于抽象和难懂。

对学兵来说，教学内容要面向实际应用，要与工作岗位零距离对接。我们根据学兵工作的实际需要，精心提炼和组织教学内容，把整个数据库课程教学内容分为三部分：数据库原理、SQL语言和Oracle数据库系统管理。数据库原理包括数据库基础知识、Oracle 9i的安装配置与基本操作，通过这些内容的学习，使学兵明确数据库的基本概念，对Oracle 9i先有感性认识。SQL语言包括表的创建和删除、单表查询、多表查询和数据更新，重点讲述创建表的结构和数据约束以及使用SQL语句对表的数据进行查询、增加、修改、删除等操作，从而锻炼学兵开发、设计数据库的能力。Oracle数据库系统管理包括Oracle 9i的常用管理工具、Oracle 9i数据库的安全性和Oracle 9i的备份和恢复，通过这些知识的学习，培养学兵对具体数据库系统的应用和管理技能。

3.采用多种教学方法和手段

教学过程中教学方法和手段的运用对于提高教学质量十分重要。在日常教学中，总的思想是由易到难，深入浅出，循序渐进，理论联系实际，面向应用，同时注意知识的前后联系。

3.1教学方法

笔者认为，针对学兵的数据库基础教学，可以合理采用以下教学方法。

（1）启发式教学。不能够孤立地讲理论和原理，而是通过启发式教学，针对数据库的实际应用去探索理论和原理与实际的结合，进而明确怎样利用理论和原理解决一些实际问题。例如教员从“学兵登记表”出发，启发学兵思考怎样便捷、有效地管理学兵的相关数据，由浅入深，从学兵字段的设定，到常用数据类型的用法，再到构建数据表，逐步引申，学兵就能将这些知识连贯起来教学手段，体会利用数据库管理信息的基本思想。

（2）任务驱动教学。教员通过巧妙设计，将要传授的知识和技能蕴含于任务之中，使学兵在完成任务过程中掌握所学知识与技能，其核心思想是“以任务为主线，教员为主导，学兵为主体”。任务驱动教学法的基本过程可分为提出任务、分析任务、学兵自主学习、交流讨论、解决问题及总结经验等几个阶段。在此过程中，学兵始终处于主体地位，教员是学兵学习的组织者、服务者和导航者。其结果是学兵既学到了知识，又培养了分析问题、解决问题的能力。

（3）案例式教学。在数据库教学中引入案例教学，运用案例教学手段，进行示范教学，实现边讲边练，工学结合，大大缩短教学情境与实际环境的差距，有利于引导学生在理论与实际结合中理解知识，有利于培养学生分析问题、解决实际问题的能力，提高学生的实践能力和综合应用能力[3]。在教学过程中，从身边最常见的学兵档案管理、考务管理、图书管理系统等入手去认识数据库系统的操作。这样学兵在学习的时候不会感到抽象，因为所接触到的都是他们自己常见到的丰富的数据信息，从而对学习数据库知识产生亲切感，调动他们的积极性和探索精神，培养学习的主动性，提高实践能力。

其实，授课方法远不止这三种。还有讲授法、讨论法、演示法、图示法等等。总之，教有良法，但无定法，教员应从实际出发，选用各种适当的方法。

3.2教学手段

在教学中充分利用现代教育媒体，将各种电教、网络设备的功能充分应用于教学。这些媒体的表现力各有特色，也都有其侧重面会计毕业论文范文。教学过程中，不同教学内容按需要选取恰当的教学手段。下面将不同教学情况下所采取的教学手段归纳如下：

（1）采用多媒体课件。在讲授基本知识时，教员根据教学内容需要配合多媒体课件，减少板书时间以增加信息量的传授；同样，对于课程中抽象性较强和难以理解的内容，如表的连接等，借助多媒体演示可以对抽象内容进行动态演示，有利于学兵对知识的理解。

（2）利用计算机辅助教学软件。教员采用主控端，统一进行教学演示，这样学兵随后进行操作时，就会得心应手。这样不但能最大限度地发挥计算机的作用，还能在学习的同时掌握教学内容。

（3）播放教学资料片。在学习过程中，给学兵播放与Oracle 9i相关的一些视频，教员在一旁稍作提示，既让学兵感到生动直观，又拓宽了学兵的知识面。

（4）实践教学。实践教学是提高本课程教学时效性的重要教学手段。在实践课的教学中，要注意两个问题：首先教学手段，“任务驱动”，让学兵明确目的和任务；其次，在上机过程中，随时答疑解惑，并给予指导。

（5）网络课程教学。利用网络课程方式与学兵交流，解答疑难，这种不受时空限制的方式把教学扩展到了课后，充分利用网络的时空优势和技术手段，营造师生间互动和学兵间互动的环境。

4.采用多种考核方式

考试是检查教学效果、评价教学质量、衡量是否达到教学目的的重要途径之一。《数据库基础》课程在考核形式上，应改变以一份试卷定学兵优劣的做法，可采用多种考核形式，以加强对学兵平时学习的考核与督促。应增加平时成绩在总成绩中所占的比重，将学兵的平时成绩计入课程总成绩。平时的考核可以采用作业（书面作业和上机操作）、课堂提问、讨论以及阶段性测验等多种形式，在平时适当给学兵一些压力，引起学兵对这门课的重视，有利于考查学兵在每个阶段掌握知识的实际水平，全方位、多角度地反映出学兵的真实成绩和综合能力。

5.结束语

总之，在我看来，要达到《数据库基础》课程的培养目标，首先要明确课程的教学目标，了解学兵特点，设计课程内容、制定授课计划、选择教学方法，以实现培养面向部队、紧贴岗位的总目标。同时学兵通过系统的学习和实践学会实用的知识和技能，为以后的学习和工作打好坚实的基础。

参考文献

[1]叶碧苹.计算机教学中学习兴趣的培养[J].中国信息技术教育，2010(12)：17.

[2]廖定安，刘子明.高职院校《数据库原理与应用》教学浅谈[J].科技资讯，2008(24)：142.

大数据实习体会篇11

甚至可以这样说，几乎每天早上，我们都会“量化自我”一次。

什么是量化自我？

所谓量化自我（Quantified Self，有时简称QS），是指运用各种带有传感器的简单仪器，测试、量化和记录个人身体状况及各项健康指标，再通过蓝牙或网络将这些数据及时传输到用户手机、电脑或互联网上，以方便用户即时查看、记录、跟踪或进行分析数据的一种“新运动”和“新潮流”。

量化自我有时也被称作“自我跟踪”（Self-tracking）、“生理信息”（Body Data）或者“生活数据化骇客”（Life Hacking），等等。

最初，它是由美国《连线》（WIRED）杂志的编辑Gary Wolf和Kevin Kelly发起的，当时，量化自我被称之为“通过自我追踪进行自我认知的工具开发者和用户兴趣小组”，2011年5月在美国加州召开了第一次全球性的量化自我大会。

为什么要量化自我？

随着科技的发展，人们能够方便地借助可穿戴设备、移动APP以及云服务，实时追踪自己日常生活中的各种数据。目前，“量化自我”设备所量化的数据主要是个人的身体状态数据，常见的包括心跳、体温、血压、心理状态、每天吃的食物、睡眠品质和时间等。

这些数据非常有价值，也非常有意思，它们除了可以用来帮助用户养成健康的饮食习惯、保持良好的睡眠周期、积极主动地改善自己的健康和体能状态，还可以在疾病发生时，帮助用户或医疗人员提早有所警觉，甚至回头追踪出致病的源头。随着越来越多的人依靠移动设备来监控他们的日常活动，个人数据正在成为日常生活的一大组成部分。因此，在运动与健身、保健与形体训练、临床医疗等诸多领域，无论是个人数据，还是量化自我，在未来都有着广阔而深远的应用前景。

如何量化自我？

量化生活的主要方法就是数据收集、数据可视化、交叉引用分析和数据相关性的探索。数据收集主要是依赖各种类型的传感器技术，数据传输常见的是使用蓝牙和无线网络，借助智能手机及其他移动终端或APP的硬件化，实现所采集的数据可视化、交叉引用分析以及其他的数据相关性探索。借助移动终端的各种移动应用程序，可以很方便地为用户提供易于阅读的可视化数据表。而帮助用户和消费者采集（量化）、查看（可视化）和分析（意义化）他们的个人指标，构成了量化自我的核心。

随着现代科技的发展，传感器、移动设备、无线连接和电池续航等相关技术都有了大幅度的发展，并且价格越来越低廉，可供用户选择和使用的量化自我的硬件产品也越来越多。在市场上，目前已经出现了许多可穿戴式设备，如手表、手环、项链、体重秤等，这些设备都被设计成可自动收集数据，以帮助人们管理自己的健康、睡眠、生理周期和饮食习惯等。

与此同时，也涌现出了大量的、各式各样的量化自我的软件。现在，已经有很多基于IOS或者Android的应用供我们选择来量化自我了！比如，Google眼镜、智能脂肪测量仪、血压和心率设备等，以及Runkeeper和乐疯跑之类的跑步APP、Runtanstic所提供的15种健身APP，等等。

量化自我与学习

量化自我使得现在越来越多的人依靠这些技术，改善他们的生活方式和健康状况，量化自我在帮助我们养成良好、健康的生活方式方面已经取得了很好的成果，那么，在学习方面它有哪些应用前景？

在2014年《地平线报告》中，科技预测家们指出，量化自我将会在未来4～5年在高等教育领域内广泛应用。

那么，量化自我到底会有哪些教育教学应用前景呢？它对于学习有哪些实际的意义？我们不妨进行一次大胆的设想：

1.量化自我本身就是一种学习的测量和监控。

对于一个正在减肥的人来说，通过“智能脂肪测量仪”和与之配套的“乐心健康”的APP，每天清晨，在运动完之后，只要站在这款“智能脂肪测量仪”上，体重和脂肪数据就立刻被“量化”，并通过蓝牙或网络传输到放置在不远处的智能手机上的“乐心健康”的APP上，这个用户的体重数据以及变化趋势、脂肪率及其变化数据，就会一目了然。

对于试图通过运动减轻自己体重和脂肪率的人来说，每天坚持运动，每天坚持量化自我，这本身就是一项测量。不仅如此，这些测量的数据可以作为用户制定健身方案的依据和参考。此外，通过自己的努力，不断地改变自己，这本身就是学习的内在要义之一。

2.量化自我帮助学习者不断地自我意识与自我超越。

在论及“学习究竟是什么”的时候，南京大学的桑新民教授曾经指出“学习的本质是人类个体和人类整体的自我意识与自我超越。”的确，人和动物的一个重要区别，就在于人能够不断地自我意识，不断地自我超越。而这就是人的学习，就是最好的教育形式，即自我教育。

在日常生活实践中，我们需要不断地自我意识和自我超越。比如，我非常清楚地知道，吸烟是有害健康的，我应该戒掉香烟。可是，长期的习惯、对香烟的生理依赖和心理依赖，使得戒烟变成了一件极为困难的事情。但是，我终究是要改变这个习惯的，而改变习惯本身也是学习。

事实上，我已经通过一款名为QuitNow的APP，以及借助这款APP上的伪“量化自我”（数据是估计的，而不是科学测量的），成功地戒掉了香烟。

3.量化自我能为学习者提供个性化服务。

经常使用“亚马逊”、“淘宝”、“京东”的朋友一定深有感触，因为这些电子商务平台似乎总能“知道”我们想买什么、我们对什么感兴趣。这是种基于用户习惯和感兴趣的数据而提供的个性化推送，设想一下，如果这种服务应用在教育上呢？那么，学习者的个性化服务将会指日可待！

借助量化自我工具，教育工作者可以收集与学习者生活方式、学习方式或者外部学习环境相关的数据，然后借助学习分析、收集与学习者学习结果有关的数据，这些数据无疑有助于教育工作者了解学习者的问题解决策略以及认知风格，从而帮助教育工作者制定有针对性的、个性化的学习辅导。

大数据实习体会篇12

伴随着互联网技术的发展，中国大数据时代已经到来，对影视产业带来了颠覆性的影响。

一、影视艺术教育实践方法革新的背景

（1）影视作品创作类型多元化。“互联网＋影视”背景下，影视作品不再局限于传统的院线电影、电视作品，网络电影、微电影、短视频、自制剧等类型作品层出不穷。（2）影视作品的创作内容多元化，传播渠道多样化日益明显。（3）影视作品创作主体多元化。除了院线电影制作公司、电视台为领军的创作主体外，一些社会组织、行业协会、影视传媒公司和草根制作团队（非专业制作团队）也逐步成为创作主体。（4）影视作品创作模式的转变。大数据背景下产生了一种全新的电影操作模式，即通过数据信息深入分析受众的需求，对市场进行充分预估，再以市场为目标生产和推广电影，进行衍生开发，实现产业价值。

二、大数据时代影视艺术人才需求特征

（一）具有敏锐的市场洞察能力时代在不断的发展和进步，如果影视行业的从业人员不能够根据时代变化的特征来不断地扩充自己，难免会在时展的洪流之中销声匿迹，同样的影视艺术行业的也应该积极展开双创工作，并围绕科技创新和自主创新这两个方面展开，制定符合大数据时代特色，且更具有创新性的学科教育及实践创作体系，提高艺术创作人才对经济市场和影视行业市场变动的感知能力，提高对影视艺术元素捕捉的敏感度，推动影视行业创新和发展的内力。

（二）具有敏感的数据分析能力时下对于影视艺术人才的培养，不仅仅局限于对影视艺术学科专业能力的培养，更要体现时代背景。被大数据充斥的影视行业，需要具有大数据概念、理念的新型专业人才。夯实专业基础的同时，应具备敏感的数据感知及分析能力。通过大数据的智能化分析，获取受众观影内容喜好与需求、受众观影心理、观影趣味、观影行为等多方面的信息数据，保证创作的针对性。从传播角度而言，对于数据信息的掌握是有效扩大受众面，占领观影市场的有效手段。

（三）具有多元化的知识体系众所周知，影视艺术是融合性艺术，影视艺术创作者，应是具备多元化知识体系的“杂家”。影视艺术创作是集体创作，是多种学科、行业的交叉融合，创作者多元化知识体系的构建，多重能力的并行塑造，可以使创作者从大数据中汲取有效信息，并将其在作品中合理化呈现。此举不仅能够促进影视艺术行业的正向发展，还能够有效促进学生对影视行业快速发展的适应。

三、影视艺术教育实践的“大数据化”革新举措