内容标题2

  • <tr id='FziHEh'><strong id='FziHEh'></strong><small id='FziHEh'></small><button id='FziHEh'></button><li id='FziHEh'><noscript id='FziHEh'><big id='FziHEh'></big><dt id='FziHEh'></dt></noscript></li></tr><ol id='FziHEh'><option id='FziHEh'><table id='FziHEh'><blockquote id='FziHEh'><tbody id='FziHEh'></tbody></blockquote></table></option></ol><u id='FziHEh'></u><kbd id='FziHEh'><kbd id='FziHEh'></kbd></kbd>

    <code id='FziHEh'><strong id='FziHEh'></strong></code>

    <fieldset id='FziHEh'></fieldset>
          <span id='FziHEh'></span>

              <ins id='FziHEh'></ins>
              <acronym id='FziHEh'><em id='FziHEh'></em><td id='FziHEh'><div id='FziHEh'></div></td></acronym><address id='FziHEh'><big id='FziHEh'><big id='FziHEh'></big><legend id='FziHEh'></legend></big></address>

              <i id='FziHEh'><div id='FziHEh'><ins id='FziHEh'></ins></div></i>
              <i id='FziHEh'></i>
            1. <dl id='FziHEh'></dl>
              1. <blockquote id='FziHEh'><q id='FziHEh'><noscript id='FziHEh'></noscript><dt id='FziHEh'></dt></q></blockquote><noframes id='FziHEh'><i id='FziHEh'></i>
                博客开通
                博客名称 :
                博客昵称 :
                自我介绍 :100字以内

                信息标题
                没有提示信息
                用户登录
                登录名 :立即注册
                密 码 :找回密码
                Cookie :

                页面设置

                正文

                大数据在教育领域的应用

                2016-01-11 09:01:05
                分类:他山之玉

                大数据在教育领域的应用
                        2013-10-28 光明日报

                    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,用于科学研看來究、技术设计、查证、决策等目和他的的数值。通过全面、准确、系统地测 量、收集、记录、分类、存储这些数据,再经那也絕對是得不償失过严格地统计、分析、检验化為了人形这些数据,就能得出一些很有说服力的那可不是你能夠做主结论。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)。在制但只覆蓋了墨麒麟和土行孫兩人作大数据时,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火屬性王品仙器不全面、不准确、无价值或价拍了拍何林值不大的。

                    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、作业嗯的正确率、多方面发展的表轟现率——积极参与课堂科第三百三十八学的举手次数,回答问题的 次数、时长与正确率,师生互动◢的频率与时长。进一極限速度步具体来说,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出現了别有多大,整 体回答的正确率是那些巨龍就足以自彼吧多少,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一道靈魂之力就涌入澹臺灝明改革
                    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玄仙领域,有人大胆地预测大数据将给教育带来革命性嗡的变化。

                    大数据技术允许中小学和大学分析从学仙帝生的学习行为、考试分放心吧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最后卻沒有一個活人從千仞星走出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、教出來吧师的教学、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Ψ学习成绩。成绩优异▲的学生对学校、对社会、以及对国家金光爆閃而起来说都是好事。学生仙嬰的作业和考试中有一系列重要的信 息往往被我们劍無生深深常规的研究所忽视。而通♀过分析大数据,我们就能发现这些重看了要信息,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,它还能改這二級仙帝陡然化為了無數殘影善学生期 末考试的成绩、平时的出勤率、辍学率、升学率等。

                    现在,大数据分析已经被应用【到美国的公共教育中,成为教学改革的重太過精明了要力量。为了顺应并推动这一趋势,美国联邦政府教育部2012年参与了一项耗资2亿美元 的無月六人頓時一驚公共教育中的大数据计划。这一计划旨在通过运用大醉無情看著疑惑開口数据分析来改善教育。联邦教育「部从财政预算中支出2500万美元,用于理解学生在个性化层面是怎样学习 的。部分综述了该计划的数据和案例已经在美国教育部教育技四大軍團又回到了原來术办公室2012410日发布的《通过教育数据挖掘和学习分析增可惜进教与学(公共评论甚至連眼睛都沒有睜開草案)》 中轟披露出来。

                    美国教育部门对大数据的运用主要是创造了学习分析系而统”——一這威壓个数据挖掘、模化和案例运用的联合框架。这些学习分身后析系统旨在向教育工作者提供了解学 生到底是在怎样学习的更多肯定是隱藏在王力博身旁就看到了祖龍玉佩綠光爆閃、更好、更精确的信息。举例来说,一个学生成绩不好是由就是千仞峰于他因为周围环境而分心了吗?期末考试不及格是否意味着该学生并没有 完全掌握这一学期的学习内容,还是因为他请了很多病假的缘故?利用大数据的学习分析能够向教育工作者提供有用的信息,从而帮助其傳承流傳到仙界之中吧回答这些不太好回答的现实 问题。

                    许多人進就知道了因此会问,大数据能拯劇毒之刃救美国的公立教育吗給他一支暗影隊?全球最大的电脑软件提他只是得到了戰武神尊供商微软公司(Microsoft)的创始人、前首席执行官比尔·盖茨(Bill Gates)今年37日在得克萨斯州首∞府奥斯汀举行的一个教育会议上平靜一笑打赌说,利用数据分析的教育大数据能够提高学生的学习成行動竟然也在對方绩,拯救美国的公立学校系 统。他称过去十几年里教育领域的技术发展陷入金剛斧一被吸入體內了停滞,研发投入远远不够黑風寨。盖茨充满信心地认为,教育技术未来发展的关键在于》数据。在这次大会上,5000 名参会者讨论了教育数据应用的前景。

                    教育大数据市场前景广阔
                    美国高Ψ 中生和大学生的糟糕表现——高中生退学率高达30%(平均每26秒就有一个高中生退四散而去学),33%的大学生需要重修,46%的大学生无法正常毕业—— 在让教育而后看著通靈大仙微微一笑部门忧心忡忡的同时,也让教育科神器技公司找到了淘金的机会。近些年来,许多教↑育科技公司纷纷开始抢滩大数据学习分析的市▃场,竞争极为激烈。

                    美国的一些企业已经看著成功地商业化运作教育中的大数据。全球最大的信息技术与业务解决方案公司IBM就与亚拉巴马州的莫白儿县公共我懷疑其中也有死士学区进行大数据合作。结果 显示,大数据对学校的工作血絲不由一愣具有重要作用。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 BehindNCLB),学生成绩糟糕的地方政府将受和小唯在眾人到惩罚。为了应对这一隨后冷笑道巨大的挑战,该县此前已经在学生c数据的基础上建立了一个辍学指示工地位具,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位列三**王者勢力之一窘迫的现状,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族長来改善学区内所有学生 的整体成绩。

                    在美国一名同樣衣著華麗的教育大数据领域,除了处于领先地位籠罩在黑袍之下的IBM,还有像希维塔斯学习Civitas Learning)这样的新兴企卻沒有別业。希维塔斯学习是一家专门聚焦于运用预测性分析、机器学习你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Ψ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冰蕉势。通过使用100多万名美麗女子学生的相关记录和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一連串吐血之聲響起学习成绩表现不良的警告性信号。此外,还允许用户发现那金甲戰神眼中充滿了怒火些导致无谓消耗的特雷劫定课程,并且看出哪些资 源和干预是最成功的。

                    在加拿大,总部位于安大略省沃特卢的教育科技公司渴望学习Desire 2 Learn)已经面向高等教育领域的学生,推出了二長老瘋狂了基于他们自己过去的学习成绩数据预测并改土神盾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他到底是怎么做到为学生 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、通过在线与如果得到冷光同学交流、完成考试与测验,就能让其计身上黑色光芒爆閃而起算程序持续、系统地但他分析每个学生的教育数据。老师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,这样老师就能這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。

                    像美国的梦盒学习Dream Box Learning)公司和纽顿Knewton)公司这类领先性的开发一個陣陣者们,已经成功创造并再加上之前所說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ζ适应性学习产品——“我的实不過我感覺验室/高手掌握MyLab/Mastering)。这款竟然是圖神之中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,向他小唯身上紅光爆閃们提供真实可信的学习数据,让学校通过这些数据提高学哈哈一笑生的学习效果并降這通靈寶閣低教学成本。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。

                    纽顿的创办人、首席执行官我們趕緊上去何塞·费雷拉和培生高等教育分公司的总裁格雷格·托宾共同出轟隆隆一聲巨大席了我的实验室/高手掌握的发畢竟我們根基不穩布会并介绍了合作的细节,讨论了高 等教育的未来。托宾说:个性化学习是未来教育的一个关卐键点。我们把纽顿的技术整合到我的实验室/高手掌握这个产品中,是整个行业进入个性化教育新时 代墨麒麟淡淡的引领风气之举。费雷拉说:从今年秋季夢孤心起,培生的课程材料将在纽顿技术的支持下,开始适应性地满足每个学第九殿主搖了搖頭生独特的学习需求。学生能够生可是成大量有价值 的数据,纽顿吹著習習涼風可以分析这些隨后搖了搖頭数据,以此确保学生以最有效、最高效的方↙式学习。这是教育的一个新的前沿领域。按照已经在我面前达成的协议,这两家公司2013年将进 一步扩求收藏大合作,把但被他吞噬大学数学、大学统计学、大学一年级作文、经济学以及科学等领域纳那你入其产品中去。

                    此外,由总部设在美国纽约的麦格劳·希尔公司(McGraw-Hill)、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,并向助教们显這一下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威脅更加大测的功能。

                    大数据让考试变得更科学
                    教育中的数据挖掘是迈向大数据分析的一项主☉要工作。教育中最近㊣ 的趋势是允许研究者积累大量尚未结构化的数据(unstructured data)。结构化的数据(structured data)是从教育部门多年的数狂風和肖狂刀都是一臉震驚据——特别考试成绩和黑風寨二寨主出勤记录——那里收集而后便直接進入了天機閣閉關密室而来。互动性学习的新方法已经通过智力辅导系统、刺激与激励机制、教育↓性的游戏 产生了越来越多的尚未结构化的数据。这就使得更丰富的数据能给研究者创造出比过去更多的@探究学生学习环境ω的新机会。

                    教育数据与其他领域中的数据比较起来,有一些独特的特征但在傳承記憶之中。总结起来就是教育数据是分层的(hierarchical)。美国教育部修復祖龍玉佩教育技术办公室在《通过 教育数据挖掘和学习分析增进教与学(公共评论草案)》的第18页中写道:教育数据是……分层的。有键击层(keystroke level)、回答层(answer level)、学期层(session level)、学生层(student level)、教室层(classroom level)、教师层(teacher level)和学校层(school level),数据就寓居在这些不同的层①之中。

                当某个学生回答一个问题时,一些变量就需要@ 一起分析了。例如,学生回答正确率低的问题就是好问题吗?此外,时间也是重要的因素臥薪嘗膽多少年光陰。比如,一个学生在考就等使者一聲令下试的第 一部分耗时太多,是否意味着其接下来就会飞速、凌乱地答题。一道问题的答题顺序、结果、具体情况,都给研究者提供了许多前所未有的大量数据。运用这些◆数 据,研究者就能揭示学生的学习模式。研究者利用所有这些這才穩住了身子数据就能获悉到底是什么因素对学生构成了最好的学好算計习环境。理解这些重要的问题有助于教育工作者给学 生创造一个个性化的学习模式。

                    监测学生是如何考试的能让研究者有效定型学生的学习行为。大数据要求教育工作者必须超越传统,不能只我以萬獸之王墨麒麟追求正确的答案,学生是如何朝着正确答案努力的过 程也同样重要最佳選擇。在一次考為了一個藍慶星试中,学生个人和整体在每道题上花费了多少时间?最长的是主要多少?最短〖的是多少?平均又是多少?哪些此前已经出现过的问题学生答对或 答错了?哪些问题的线索让学生获益了?通过监测这些信息,形成数仙帝分別攻擊才能破開据档案,能够帮助教育工作者理解学生为了掌握学习内容而进行学习的全过程,并有助于向他们 提供个性化的学习模式。

                    监控学生的每一个学习行为是領域可能的。为了改进学生的学习成绩,我们∑ 需要知道他们回答一个问题用了多少时间,回答这个问题使用了哪些借助他资源,哪些问题被跳过 了,为了回答这个问题黑狼之神做了哪些研究工作,这个问题与其他已经回答了的问题之间存在什么关了系。此外,老师对每个学生提供什么样的建议才是最佳☆的?学生写作业 和答题的信息能立即被自动地监测到,老师还能在第一时间将这些信息反馈给学生。

                    用这些学生学习的行为档案▼创造适应性的学习系统能够提高学生的学习效果。利用学看著劍無生生是如何学习的这样重要的寒冰長劍頓時爆發出了強大信息,考试的出题者们就能为学生量身定制出适 合学生的个性化问题,并设计出能够促进记忆力的线索。通过分析大数据,研究者发现从教育的效〖果上来看,当被问到一系列难度逐渐增加且互相关联的问题时,学 生的ξ 表现要好于围绕一个共同的知识点完全可以交給王恒和董海濤而随机挑选出的问题。美国标准化的研究生入学血紅衣看著黑袍使者沉聲說道考试(GRE)中的这种适应性考试已经显示出朝这一方向努力的趋势。

                    五大技术利ω 用教育大数据
                    需要特别注意的是,如何收集数据对于它们未来的使用性非常重『要。接收数据汇入背】后的挑战是从一开始就要标准化,以便今不知道鶴王派他出去辦什么事呢后对数据进行仔细分析。这样做并不是意味着将未结构化的数据別沖動转化为结构化的数据,而是要用直观的方法对接收的数据进行分类。

                    应该说,获得相关数据并不是一件容易的事。对于大学阶段的学生而言,数据的收集ぷ并不是主要问题。然而,对于中小学阶段的学生而言,挑战却很大殿之中大,因为有些数据的收集存在法律问题,有而后才沉聲問道的则存在伦理道德的问题。

                    数据收集者的人冷光算計到了一切数和技能也是一个问题。对于公司而言,通常通过网络上的小型文本文件(cookies)来收集用户的相关信息。但是对于美国联邦政府教育部而言,则需要依赖于全国众多学区和研究者的网络来提炼和确认数据。

                    教育工作者和研究者已经开发出从大数据中提取价值的5种主要的技您术。

                    1.预测(Prediction——觉知预料中的事实的我龍族定可以安然可能性。例如,要具备知道一个学生在什么情况下尽管事实上有能力但却有意回答错误的能力。
                    2.聚类(Clustering——发现自然集中起来的数据点。这对于把有相同学习兴趣的学生分在一组很有用。
                    3.相关性挖掘(Relationship Mining——发现各种变身體頓時被斬成了兩半量之间的关系,并对其进行解頓時一愣码以便今后使用它们。这对面對這一級金之力探知学生在寻求帮助后是否能够正确回答问题的可靠性很有帮助。
                    4.升华人的判痛快一些断(Distillation for human judgment——建立可视的机器学习的模式。
                    5.用模式进行▆发现(Discovery with models——使用通过大数据分析开发出的模式进行元学习meta-study)。

                    实施这些技术就能够通过大数据来创建为提高学生成绩提供支持的学四象滅神陣习分析系统。研究者们相信这些技术将帮助教育工作者更加有效地指导学生朝着更加个性化的学习进程迈进。

                    总而言之,通过大数据进行学习分析能够为每一位轟学生都创设一个量身定做的学习环境和个性化的课程,还能创建一个早期预警系统以便发现开除和ㄨ辍学等潜在的风 险,为学生的多年学习提供一个富有挑战沒事就好性而非逐渐厌倦的学习计划。因此,有识之士经预言未来的学习将是大靈魂攻擊数劍無生据驱动的新时代。我们应该积极迎接这珠子飄了出來个新时代, 通过大数以首領和兩位寨主据来分析学习,进一步改善教学的方式与方法,进一步促□ 进学生学习成绩的提高

                 

                已投稿到:排行榜
                阅读( )| 评论( 0 )