前言：中文期刊网精心挑选了课堂大数据分析范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
课堂大数据分析范文1
关键词：大数据时代；预测性；数据分析能力
随着大数据时代的来临，教育事业发生了重大的变革，大数据技术已经被广泛运用在高校教育评价、课堂教学、教育模式等各个方面。课堂教学是高校教育中最为有效的教育途径，在大数据时代背景下的高效课堂教学发展趋势，值得广大教育者重点关注研究，这可以加强大数据技术在课堂教学中的应用，提高教学质量。
一、大数据相关概述
大数据主要指在高速发展的网络信息技术下，所呈现的巨量数据信息以及随之而产生的相关处理技术。大数据具有庞大的数据量，涉及的数据类型多种多样，数据价值的密度相对较低，并且对数据的时效性要求较高。其技术能够将复杂信息中有价值的数据筛选出来，为人们的工作生活带来了极大的便利，其广泛运用到生活中的各个领域，将会推动新技术的快速发展。
二、大数据时代对高校课堂教学的影响
高校的学科发展越来越复杂，尤其是交叉学科，需要教师不仅能够掌握本学科的相关知识，还要时刻关注其他学科的发展动态，并不断学习相关联的学科知识。大数据时代的到来使教师能够通过多重技术手段获取需要的信息数据，并利用信息的共享性，不断挖掘学科前沿信息，预测其发展动态，从而提升自身的教学水平。
在课堂教学中，融入大数据技术，利用与教学内容相符的视频等资源，可以使学生深入了解理论知识。或是利用大数据技术演示具有危险性的实验，避免危险实验对学生的人身安全造成威胁，通过生动形象的画面让学生充分了解实验步骤和注意事项，并利用回放功能加深学生印象，使学生既避免了实验的危险性，又提升了学习的兴趣，同时也为学校减少了一笔昂贵的实验经费。
很多学校的学生课堂行为都会被摄像系统记录，大数据时代的技术能够帮助教师对学生的学习行为等进行整理分析，使教师充分了解学生的学习情况，根据学生的差异性实施不同的教学方法。
三、大数据时代背景下高校课堂教学的发展趋势
1.增加预测性判断
教育过程具有计划性，教师与学生通常是按照教学计划进行教学活动的。大数据时代的到来，将会为教师的课堂教学提供依据。利用大数据技术对学生的学习情况和日常行为进行整理分析，教师可以充分了解适合学生的教学方法、学习时间、学习方式、理论实践方法等，进而对课堂教学的方法、内容和时间进行相应调整。大数据技术还可以预测学生思想、行为的发展倾向，帮助教师在课堂教学中对学生的不良行为进行有效预防。
大数据时代背景下的高校课堂教学，将会增加预测性判断，提升教师的教育主动权，约束学生行为，提高学习效果，培养学生成为身心健康的综合型人才。
2.发挥教师数据分析能力
大数据时代，高校教师不仅要具备丰富的专业知识，还需要一定的数据分析能力来适应数据支持的决策文化。教师的专业知识水平对课堂教学质量有着直接影响，是教师专业性和教学水平的重要衡量标准。随着大数据时代的到来，教师对教育数据的分析能力，也逐渐成为教学质量的重要影响因素。教师需要在复杂的数据中，找到与学生相关联的、有价值的信息，并运用在课堂教学中，有效地提高学生的学习效果，维护学生的身心健康。因此，其数据分析能力在高校课堂教学中的地位至关重要，在高校课堂教学中充分发挥教师的数据分析能力，已成为高校课堂教学的必然发展趋势。
为了应对这一趋势，高校应适应市场需求，转变传统观念，增加开设数据分析课程，积极培养专业性强并且数据分析能力高的复合型教师人才。
3.个性化教育
大数据技术能够将学生在互联网上留下的所有信息进行总结，对学生过去的行为数据进行分析，教师可以通过分析结果，对学生的兴趣爱好、心理特征、行为特点等进行了解，并具体问题具体分析，明确学生的差异性，适当调整课堂教学的内容、方式及时间安排，对学生因材施教。
大数据时代的来临使教师能够更深入地了解学生，以制订更加科学合理的教学方法。高校课堂教学也将趋于个性化教育发展，更加尊重学生的差异性，不断调整教学策略，以提高学生的学习质量和教师的教学效果。
大数据时代的到来，对社会上各个领域都产生了一定影响，高校课堂教学也深受大数据时代的影响，开始广泛运用大数据技术，以提升教师的教学质量和学生学习效果。增加预测性判断、提高教师数据分析能力、个性化教育已经成为大数据时代背景下高校课堂教学的必然趋势，广大教育工作者应更加深入研究，加强大数据时代高校课堂教学的有效性，推动高校教育的健康、快速发展。
参考文献：
课堂大数据分析范文2
“大数据”是2012年以来信息技术领域中最为炙手可热的词汇。社会发展已经进入对大数据处理的抢夺战中。MOOC教育在大数据的影响下，突破了传统教学体系中存在的各类阻碍，不仅变革了传统的教学体系，还催生了全新的教与学文化。现代大学教学体系一方面需要变革传统教学中的种种弊端，例如，教学内容陈旧、教学方式僵化、教学成果评价单一、教学文化缺乏活力；另一方面需要面对科技快速发展提出的挑战。大数据环境下，MOOC不断实现突破和创新，一个处于科技前沿的全新大学教学体系正在其影响下悄然形成。
一、大数据的内涵与特点
目前，对大数据还没有统一的定义。基于大数据的特点，行业内普遍从大数据的规模性、多样性以及高速性、价值性四个方面阐述其内涵。首先，大数据能够帮助对现有事物有感知作用。“面向领域或主题的历史数据与当前数据的融合，是对潜在线索与模式的挖掘、对事件群体与社会发展状态的感知。”[1]其次，大数据能够对未来发展有预测作用。通过数据，整理、提炼出事物发展的未来趋势，为工作提供一定的可靠材料。最后，大数据发挥出服务作用。利用大数据，提高社会服务的效率是其所要实现的目标。
二、MOOC与大数据
MOOC（Massive open online course）即大规模开放式在线课程。“大规模”“开放”“在线”突出表达了MOOC的特点。MOOC的兴起与互联网技术、传统教育模式、高等教育成本有直接的关系。互联网技术将人们带入了前所未有的科技世界中。互联网技术直接改变了人们的生活方式、工作形式。互联网技术为MOOC的兴起提供了最直接的技术支持。20世纪初，美国教育家杜威提出“新三中心”，即“以儿童为中心，以活动为中心，以经验为中心”。他的教育思想是对传统教育模式的有力反击。对于滞后的传统教育模式，MOOC教育同样对出相应的变革；高等教育成本是每一所高校不可回避的问题。“在世界范围内，高等教育成本的大幅攀升使得低成本的教育解决方案在广泛的人群中拥有庞大的需求，美国大学生一年大学学习的平均花费为27，435美元，这意味着一名学生获得学士学位需要花费超过10万美元。”[3]MOOC教育的免费政策正是该项高教难题解决的办法之一。
MOOC与大数据之间关系紧密。首先，MOOC本身依赖于互联网技术，是科学技术的体重体现。其次，MOOC产生大量待分析的数据。在MOOC教育平台上，从参加课程的学生名单到教师授课内容的统计等，产生了庞大的待分析数据。最后，MOOC在教学体系中运用大数据分析技术。良好的数据分析将会大大提高MOOC对实际数据的利用能力。通过对数据的挖掘，MOOC能够获取第一手有价值的教学信息，结合数据反馈的信息，在教学体系构建中利用起来。
大数据背景下，MOOC对于高等教育领域的影响在于，它借助于大数据分析手段在教学内容、教学方式、教学成果评价和教学文化四个方面为学生、教师、学校重新构建了一个全新的教学体系。
三、大数据有助于MOOC重构大学教学体系
“技术向来都是教育的附属品。技术通过促进一个人人平等的知识狂潮而发挥着核心作用，在这个知识狂潮中，学习即是开放的，也是不受班级与课表的限制。”[3]教学内容、教学方式、教学成果评价以及教学文化共同构成了教学体系。大数据分析手段帮助MOOC教育重新塑造大学教学体系。
1.大数据中的MOOC教学内容
MOOC教育在大数据分析手段的影响下，教学内容将有重大的变革。根据我国互联网信息中心统计数据显示，“截至2010年12月，中国青少年网民规模为2.12亿。青少年互联网渗透率较高，60.1%的青少年都是网民，超出全国平均水平25.8个百分点。”[4]现代大学生是真正意义上的“数字土著”。“数字土著”是“美国北卡罗来纳大学著名学习软件设计家Marc Prensky提出了‘数字原住民’（Digital Natives）和‘数字移民’（Digital Immigrants）的概念，用以表征父辈与子辈在数字化技术方面的巨大差异。”[5]
在传统大学教育体系中，教学内容的确定有一定的滞后性、呆板性。教材知识内容更新缓慢，不顾知识发展的规律，重复使用，对于学生来说弊端较多。同时，教学内容缺乏灵活性。呆板的教学内容调动不起来学生的积极性。通过高端的大数据分析技术，MOOC将大量的、丰富的教学内容提供给学习者。“MOOC在当今社会之所以形成强大浪潮，引起人们广泛关注，根本原因在于它为人类的知识创造提供了一个崭新平台。”[6]MOOC优质的课程资源搬到网络上，变革了传统的教学内容。例如，Coursera是免费的大型的公开在线课程项目，该平台上的课程总数已达124门。MOOC平台上，学生可以任意选取自己感兴趣的课程，感受名校教授讲课的魅力，体验不同教授对知识的多样见解。数据显示，“来自世界各地的160000人注册了斯坦福大学Sebastian Thrun与Peter Norvig联合开出的一门《人工智能导论》的免费课程。”[7]在此基础上，MOOC教育提供者能够获取学生选择课程的具体信息。从这些信息中，研究人员将受到学生欢迎的课程罗列出来，供教育研究人员、教师参考。大数据分析成功的将学生感兴趣的教学内容呈现出来，方便教师及时调整课程的上线数量。无形中，大数据分析改变了传统教学内容。全新的教学内容将得到更多学生的喜爱。
2.大数据背景下的MOOC教学方式
教学方式是指教师在要求学生获取知识，提高能力，获取学习方法的过程中所采用的方式。MOOC教育中，数字化的教学方式逐步渗透到高等教育当中。由于MOOC教育中知识的学习通过视频与网络传播，教师的教学方式必须做出相应的转变。MOOC数字化的教学方式是循序渐进的过程，电脑化的教学方式也将被学生、教师逐渐适应。亚利桑那州立大学的执行副教务长菲尔?莱杰尔认为“我想大部分的教师会认为这是一个好的转变。另外，3年后80%的教师都会熟悉数字化的教学方法了。”[8]除去数字化的教学方式，MOOC平台上的课程教师还将多种教学方式结合起来。通过一段时间的检验，一些课程通过数据分析，教师还根据数据反映出的不足改进自己的教学方式。MOOC促进了师生之间围绕知识进行更多的互动。利用大数据分析手段，教师可以将课堂上的时间空出来，利用课堂时间将关键的问题罗列出来，引导学生进行讨论。在此基础上，大数据分析催生了多种教学方式的综合运用。
3.大数据分析中的MOOC教学成果评价
MOOC利用大数据的优势变革了传统教学评价方式。一般来讲，教学成果评价表现在两个方面，一是教师评价改进自身课程，提高课程质量。二是学生学习成果的评价。以往的教学成果评价的弊端在于只有等到考试的时候，教师才第一次了解到学生是否真正掌握了知识。然而，MOOC平台上，通过对大数据的分析与处理，教师可以迅速的改进课程。“由于MOOC课程参与人数极多，机器学习机制能够对大量数据进行分析，从一个人看过多少次视频，到一个题目有多少人答对。”[9]教师通过平台后的数据库，能够分析数以千计的学生学习成功与失败的关键原因，找到课程需要相应作出调整的地方。更值得注意的是，MOOC的实时性。MOOC可以使教师在任意时间内都能够获取到这样的数据加并以分析和利用。教师获取这些数据后，既可以改进课程，又可以给学生更好的建议，帮助他们改变学习方式，提高学习成绩。对于学生来说，MOOC平台上，学生学习成果评价在“具体评价方式与课程认证两个方面对传统模式进行了革新。”[10]大数据为MOOC平台的学生提供更新颖的评价内容。首先，MOOC教育中采取了软件机器评分与同学互评相结合的方式。MOOC对于理工科学生的学习成果多采用软件或机器的评分方式。利用软件或机器的优势在于它们能够更为精确的批复出学生作业或测试中的错误。
4.大数据影响下的MOOC教学文化
从现有教学文化内涵研究来看，不同学科的研究者提出了不同的阐述内容。一般认为，教学文化“基本结构分为三个方面即教学的有效性、学生的参与性以及学习的主动性。”[11]大数据分析方式对教学文化的影响是出乎意料的。首先，大数据分析手段帮助MOOC教育增强了其教学的有效性。以往部分教师在教学内容的选择、设计上没有下功夫，知识更新速度慢。MOOC平台上，教师为学生提供的是高质量的教学内容。MOOC上的课程都是经过精心筛选，出自世界名校教师之手。这些课程教授过程中，教师采取了多样的教学方式，教学语言多样化，适应不同学习需求的学生。频繁的互动，将有助于避免学生注意力分散情况的发生，进一步提升了教学的有效性。MOOC课程不仅能够实现在课堂上师生之间的交流，同时，还有助于在课堂上形成师生、生生之间的沟通与交流。其次，大数据分析手段帮助MOOC教育提升了其学生的参与性。通过MOOC数据统计显示，在以往在线教育过程中“每学期只有5%-10%的学生能做到经常在教室里或课堂上参与深入讨论，其余学生的态度则是相当消极的。”[12]因此，高等教育教学必须将学生的参与性调动起来，这样才能更好的实现教学目标。MOOC教育实现了提升学生学习精力投入的目标。
MOOC教育对高等教育国际化同样做出巨大贡献。现代教育的主要特征在于它的国际性和融合性。突破国界和地域限制，MOOC教育正是践行知识世界融合的目标。在大数据技术的支持下，MOOC不仅将课程提供者的价值观念、思想意识快速的在世界范围内传播，同时，MOOC还使学习者更加直接的面对不同理念、价值、文化潜在的影响。
课堂大数据分析范文3
关键词： 智慧课堂；大数据分析；结构性变革
中图分类号：G632 文献标识码：A 论文编号：1674-2117（2015）13/14-0112-04
从基于物联网技术构建的智慧教室，到利用电子书包开展智慧学习，以及基于云计算和网络技术搭建的智慧课堂，信息技术增强了课堂互动交流，提升了课堂教学效率。大数据时代，开展基于大数据技术的动态学习评价，建立基于学习数据分析的智慧课堂，为现代学校智慧课堂的构建与应用提供了新的思路。
智慧课堂的定义
目前对智慧课堂的定义总体上有两类：一类是从“智慧”的语义学上定义，与“智慧课堂”对立的是“知识课堂”；另一类是从信息化视角定义的。本文的定义是基于后者。从信息化的视角来看，随着信息技术不断发展及其在学校教育教学中的应用，信息技术从早期的辅助手段向与学科教学的深度融合发展，传统课堂向信息化、智能化课堂发展，对智慧课堂的认识也在不断深化。
目前基于信息化视角对智慧课堂概念的定义有三种。一是基于物联网技术应用的。这一定义强调基于物联网的“智能化”感知特点。二是基于电子书包应用的。这一定义强调基于电子书包的“移动化”智能终端特点。三是基于云计算和网络技术应用的。这一定义强调课堂中的“个性化”学习应用特点。
这里我们结合实际开发应用，提出基于动态学习数据分析的智慧课堂概念。即智慧课堂是指利用大数据、云计算、物联网等新一代信息技术打造的智能、高效的课堂，是基于动态学习数据分析和“云+端”的运用，实现评价反馈即时化、交流互动立体化、资源推送智能化，全面变革课堂教学的形式和内容，构建大数据时代的信息化课堂教学模式。
智慧课堂的主要特点
基于动态学习数据分析和“云+端”运用的智慧课堂，与传统课堂相比，在技术和教学应用上具有重要的特色和创新价值。主要特点有：
①基于数据的课堂：一切靠数据说话，依据学生学习行为大数据挖掘分析与决策，用直观的数据了解学生对知识掌握的水平，精准地掌握来自学生的第一手学情资料。
②高效互动的课堂：利用智能化的移动学习工具和应用支撑平台，教师与学生、学生与学生之间的沟通与交流更加立体化，能无障碍地进行即时交流和互动。
③动态开放的课堂：借助于新兴信息技术及各种智能终端，课堂系统超越了时空限制，实现更为开放的教室、更为开放的课堂活动，让课前、课中、课后融为一体。
④合作探究的课堂：采取小组协商讨论、合作探究的学习方式，协作群组服务能够帮助有相同学习需求和兴趣的学习者自动形成学习共同体，教师可以通过平台对小组合作进行实时的数字化评价和及时的反馈。
⑤个性化学习的课堂：通过课前预习测评分析和课中随堂测验即时分析，实现对学生的个性化学习能力的评估，有针对性地制定教学方案和辅导策略，真正实现“一对一”的个性化教学。
⑥教学机智的课堂：教师基于动态学习数据分析和即时反馈，采取机智性行动，及时调整课前的教学设计，优化和改进课堂教学进程，充分体现教师的教学智慧和教学艺术。
智慧课堂的信息化环境
智慧课堂常态化应用的前提是具有先进、方便、实用的工具手段，为此，需要构建基于学习动态数据分析和“云+端”应用的智慧课堂信息化环境。智慧课堂信息化环境的基本架构如图1所示。
智慧课堂信息化环境的总体架构包括三大部分，其主要功能是：
①微云服务器：提供本地网络、存储和计算服务，可以方便、直接地将即时录制的当堂课程进行本地化存储；构建无线局域网，教师和学生可以通过多种移动设备，在无需互联网的状态下，实现任意点对点的通讯与交互，节省大量互联网资源的占用；当连接互联网时，可以实现教室的跨越空间的直播。
②端应用工具：包括教师端和学生端。教师端实现微课制作、授课、交流和评价工具，导入PPT并实现动画及视频的插入，电子白板式任意书写，实现任务、批改作业、解答问答等。学生端可以接收并管理任务（作业），直接完成作业，进行师生交互、生生交互。
③云平台：提供云基础设施、支撑平台、资源服务、教学服务等，如构建完整的教学资源管理平台，可以进行结构化与非结构数据的各种教育教学资源管理，支持各种教育教学资源的二次开发与利用，实现多种教育教学资源综合应用。
智慧课堂的教学流程
在教学实践运用中，智慧课堂的教学流程为“3+10”模式，即由3个阶段和10个环节组成。这些阶段和环节包括了教师“教”和学生“学”的共同活动以及它们的互动关系。智慧课堂的教学流程如下页图2所示。
1.课前环节
学情分析：教师通过智慧课堂信息化平台提供的学生作业成绩分析，精确地掌握来自学生的第一手学情资料，预设本节课的教学目标，并向学生推送微课或富媒体预习及检测的内容。
预习测评：学生预习教师推送的富媒体内容，完成和提交预习题目，并可在论坛或平台上进行相关讨论，提出疑问或见解，记录在预习过程中的问题。
教学设计：教师根据学情分析结果和学生预习检测统计反馈的情况，以学定教，确定教学目标、内容、方法等，优化教学方案设计。
2.课中环节
课题导入：教师采取多种方法导入新课内容，主要通过预习反馈、测评练习和创设情境等方式导入新课程，学生展现课前自学成果，围绕新课导入进行演讲展示、分享观点。
探究学习：教师下达新的学习探究任务和成果要求，学生开展协作探究学习，主要包括小组合作探究、游戏教学等方式。教师设计活动，为学生分组，进行互动讨论，学生开展小组协作后提交成果并展示。
实时测评：学生完成学习探究任务后，教师将随堂测验题目推送到每个学生终端上。学生完成随堂测验练习并及时提交，教师进行实时诊断和反馈。
总结提升：教师根据实时测评反馈结果对知识点、难点进行总结和点评，对薄弱环节补充讲解，重点进行问题辨析。学生针对教师布置的弹性分层作业和任务，对所学习的新内容进行运用巩固、拓展提升。
3.课后环节
课后作业：教师利用平台个性化的课后作业，学生完成课后作业并及时提交，得到客观题即时反馈。
微课辅导：教师依据学生课堂的学习情况，结合批改作业，录制、讲解微课并有针对性地推送给学生，进行个性化辅导。
反思评价：学生在线观看教师所录解题微课，总结所学内容，在平台或论坛上感想与疑问，与教师、同学在线讨论交流，进行反思评价。
智慧课堂教学应用实例
我们研究与开发的“基于动态学习数据分析的智慧课堂”，已经在全国各地许多学校进行实际应用并取得良好成效。2015年1月10日，由蚌埠市教育局主办的“蚌埠首届智慧课堂观摩研讨会”在蚌埠二中举行，来自安徽、上海、江苏、深圳、武汉等省市的1000多名中小学教师前来观摩6节课，《中国教育报》专题报道了这次观摩活动。在观摩会上，蚌埠第二实验学校基于“智慧课堂信息化平台”开展了一堂教学实践课“认识三角形”。该堂课利用信息技术的优势，使学生课前学习微课；课堂上根据学生的认知特点，创设“金字塔闯关”的游戏情境，并进行实时测评和资源推送，结合任务驱动教学法展开深入的探究活动。
1.观摩课名称
认识三角形。
2.课程描述
“认识三角形”是苏教版《数学》第八册的教学内容。
3.教学目标
①利用生活经验，通过观察、操作等学习活动，认识三角形的基本特征，了解三角形两边之和大于第三边。
②在认识三角形的活动中，体会认识多边形特征的基本方法，培养观察、比较、抽象、概括能力。
③体验并掌握自主学习的形式和方法，培养学习兴趣，培养合作交流的意识和创新精神。
4.教学模式
（1）课前环节
发放资源：在微课平台发放学习资源，学生在家自主学习三角形的相关知识，并完成教师在作业平台发放的作业包。
微课学习内容：①三角形的基本特征；②三角形的三边关系。
（2）课中环节
集体分享：利用平台观看学生作业平台中的“生活中的三角形”。
游戏教学：利用三角形的相关知识，与同学合作探究，巩固深化学习内容。
①自主创造。学生可以自己独立创造一个三角形，或与同学合作，创造一个三角形拍照并上传。教师展示学生作品并点评。
②分组探究。小组合作，从4根小棒中任意选3根，围成一个三角形，写出所有选法。教师巡视指导并展示学生上传的数据记录，进行分析，使学生进一步理解“三角形两条边的和大于第三条边”。
③自主学习。学生完成作业平台中的测评练习。教师借助数据分析平台提供实时反馈图，针对问题展开讨论。
④巩固练习。依据所学内容，教师提出问题（把20厘米长的吸管截成3段，每段长是整厘米数，围成一个三角形，思考：最长的一条边最多是多少厘米？）和要求，学生先独立思考，再动手操作。
（3）课后环节
总结讨论，教师提出课后任务：通过今天的学习活动，你有什么感受？
5.效果评价
这是一节充分展示“智慧课堂”技术与教学深度融合的课。教师在没有“刻意”应用“技术”的痕迹下，以极其自然的方式，通过大数据分析、小组协作以及“云+端”设备的应用，实现了“探究学习、主动学习、游戏化学习”等一系列传统课堂难以实现的教学理念和方法。这是一节形式与内容均发生了深刻变化的高效课堂，充分展现了教师基于动态信息反馈的教学机智。
参考文献：
[1]王盛之，毛沛勇.基于数字化教学案的智慧课堂互动教学系统实践研究[J].教学月刊（教学管理）中学版，2014（4）.
[2]林利尧.中小学智慧课堂建设与应用研究[J].中国现代教育装备，2013（10）.
课堂大数据分析范文4
【关键词】大数据；思想政治教育；现代化
一、大数据的定义及特点
研究机构Gartner定义“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。然而，在各国提倡下、各行业创新发展过程中，目前所说的“大数据”不仅指巨量数据本身，也包括采集数据的工具、平台和数据分析系统。维克托・迈尔-舍恩伯格及肯尼斯・库克耶编写的《大数据时代》中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。大数据的4V特点：Volume（大量）、Variety（多样）、Value（价值）、Velocity（高速），具体表述即为数据体量巨大、数据类型繁多、总价值巨大但有效价值密度低、处理速度快。由此可见，想要在创新中发展，必然要优化利用大数据。
二、大数据时代的机遇与挑战
在传统的高校思想政治教育工作中，核心是政治，最为显著的教学方式是课堂授课式灌输思想，教育成功的决定性因素是教育工作者的道德素质和理论水平。而现代化的思想政治教育的本质是为人民服务，确立以人为本的发展性教育理念，要以科学发展观指导大学生思想政治教育现代化建设，保证教育工作的主客体同步现代化及教育内容和教学方式的现代化。
收集并整理符合时展要求的教育内容是思想政治教育工作的核心型任务。在互联网和电子科技迅捷发展的过程中，大量的文字信息或是图片视频资料几乎全部以电子数据方式进行传播、留存。根据大数据的4V特点，巨量的不同存储类型的思想政治教育内容能够轻而易举地被数据处理系统统一收集并使用大数据技术进行处理。大数据技术意味着从单一领域所包含的各种各样类型的巨量数据集合中，快速获得有价值信息，即符合现代化教育要求的内容。由此可见，大数据时代运筹帷幄的关键核心在于合理应用大数据技术，做到节约大量人力物力的资金成本，同时短时高效地完成数据处理过程并获取最终成果。
对思想政治教育工作者而言，能够从大数据中快速获取大量现代化教学内容是令人振奋的。然而，如何从大数据中发掘出适用于当代大学生思想政治教育专题活动的具体内容和教学方式则是一个不容忽视的现实的挑战。这就要求高校思想教育工作者脚踏实地地进行设计一套全新的、现代化的、对大学生思想政治觉悟和思维辩证能力具有深远影响的解决方案。
三、现代化高校思想政治教育工作的创新
（一）树立大数据意识，建立教学资源库
高校的思想政治教育工作者和大学生群体作为教育改革创新中的主客体，被时代赋予了不可推卸的重任。90后的高校大学生从小便熟知计算机应用及互联网的发展历程，因而对于科技新生产物接受程度极高，与此同时，作为网络和新媒体的主要应用者，大学生群体习惯于在生活及学习中借用电子科技处理问题或获取知识。在先进的思想氛围烘托下，高校思想政治教育工作者在教学过程中提倡树立大数据意识有基本立足点。实践是检验真理的唯一标准，因此，建立网络教学资源库作为必不可少的教育创新之举，能够弥补传统的“填鸭式”教学模式中的缺陷，为学生自主学习思想政治内容提供了科技便利，实现资源共享。
（二）提高数据分析能力，补充数据核心内涵
大数据分析的五个基本方面，在不同领域的数据分析应用中会有不同的参考方向。教学资源的数据分析中需要采用的是语义引擎（即在大数据分析广泛应用于网络数据挖掘的过程中，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和内容匹配），及数据质量和数据管理（即大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实性和价值性）。建立网络教学资源库的根本是语义引擎的设置，需要将文本、图片或视频资源与教学内容的标签关键词信息一一对应。在保证数据信息内容一致性的同时，更为重要的是数据质量和数据管理，不能忽略教育资源中文本、图片或视频资源中的隐含信息，在信息处理过程中要补充数据核心内涵。
（三）补充教育实践活动，实现思教创新改革
现代化的高校思想政治教育是指在全球化进程和我国社会主义社会建设过程中，人们的生活方式和思想观念发生了根本的变化，因此思想政治教育需要结合新时代的变化进行改革，要以理论观点结合创新实践活动实现从传统思想政治教育活动到现代化的理论与实践相结合的转型。高校思想政治教育工作者可以使用微信、微博等新媒体在日常工作中对学生进行潜移默化的思想引导，同时借助新媒体后台的数据统计分析学生们在思想政治学习过程中期待的教学内容及实践活动，或是开放网络教学资源库，让学生们自主参与“DIY红色经典路线”、“学生自主课堂展示教学”等专题活动，使网络资源与实践活动取长补短，完善现代化思想政治教育的创新。
作者简介：高志远（1986-），男，籍贯：辽宁省营口人，研究方向：大学生思想政治教育。
参考文献：
[1]张海滨，郭霞n.论大数据时代背景下的高校思想政治教育.教育教学论坛.2014（12）.48-49
[2]孙长虹.大数据时代高校思想政治教育面临的挑战与对策.重庆理工大学学报（社会科学），2014（9）.143-145.
课堂大数据分析范文5
关键词：财务分析；大数据；教学改革
作者简介：王晖（1973-），女，黑龙江鸡西人，北京信息科技大学经济管理学院，讲师；段文军（1969-），女，山东蓬莱人，北京信息科技大学经济管理学院，副教授。（北京 100192）
基金项目：本文系北京信息科技大学教学提高-专业建设项目（项目编号：5028023501）的研究成果。
中图分类号：G642.0 文献标识码：A 文章编号：1007-0079（2013）25-0111-02
当今时代不断涌现各种新型信息方式，例如博客、社交网络等；不断兴起各种新技术，例如云计算、物联网等。数据的产生不受任何的限制，数据以前所未有的速度不断增长和累积，大数据时代已经来到。[1]《华尔街日报》认为大数据时代是引领未来繁荣的三大技术变革之一。麦肯锡公司在一份报告中提出数据是一种生产资料。企业每天面对海量的财务数据，如超市的销售记录、银行的交易记录、淘宝网站数千万笔交易记录（产生量超过50TB，存储量40PB①）。企业如能利用这些巨大的数据集挖掘出有价值的信息，那么企业就能掌控下一个创新、竞争和生产力提高的关键。大数据时代，尤其是财务大数据时代，呼唤创新型人才。[2]呼唤具备综合财务分析能力的人才，利用财务大数据为企业创造财富。
如何培养财务分析人才？在财经类高校本科，一般都开设“财务分析”课程，该课程教学目的是培养学生对真实企业进行综合财务分析，并能独立撰写财务分析报告的能力。[3]本文以北京信息科技大学（以下简称“我校”）为例，探讨大数据时代下财务分析人才的需求特点，对高校“财务分析”课程设置的影响，并提出改进“财务分析”课程教学的建议。
一、大数据时代下财务分析人才需求特点
相较于其他类型数据，财务数据更大、更复杂，蕴藏着更多宝贵信息。麦肯锡公司2011年报告推测，利用大数据分析，零售商可增加运营利润60%，制造业设备装配成本会减少50%。[2]在财务大数据环境下，如何整理与统计这些杂乱无章的数据？如何让财务数据开口说话为企业管理者经营决策提供科学依据？朱东华（2013）认为，大数据时代下，传统的数据分析方法已经不再适应当前的数据环境，同时，各种企业对数据的依赖与日俱增，甚至定量分析方法将逐步取代定性分析方法。[4]财务大数据和大量的财务数据分析需求助长了企业对统计和数学背景的人才需求。
可见，大数据时代下财务分析人才应该具备扎实的统计学和数学功底，能够熟练运用定量分析方法分析数据以获取信息，撰写分析报告为企业相关利益人决策提供依据。
二、“财务分析”课程教学现状
张先治（2007）认为，财务分析是财务分析主体为实现财务分析目标，以财务信息及其他相关信息为基础，运用财务分析技术，对分析对象的财务活动的可靠性和有效性进行分析，为经营决策、管理控制及监督管理提供依据的一门具有独立性、边缘性、综合性的经济应用学科。[5]财务分析课程是为我校经济管理学院财务管理专业本科三年级开设的一门专业必修课。学生前期已经学过数学、经济学、会计学、财务管理、统计学等课程。财务分析课程正是在学生掌握前期所学各门课程的基础上，培养学生综合运用所学专业知识，分析判断企业的财务状况，并根据数据分析结果找出企业存在的问题，提出解决方案。[6]为了更好地实现“财务分析”课程教学目的，课程组的老师们经过讨论，决定修改2008级财务管理专业教学计划，将原来课堂教学的方式改为1/2的学时用于课堂教授基本理论，1/2学时用于实践教学。笔者自2011年开始，按照新的教学计划给三届学生讲授了“财务分析”课程。
1.理论教学部分
教材选用东北财经大学出版社出版，张先治和陈友邦主编的《财务分析》（第五版）。该教材体系完整，内容丰富，全书以一家虚拟的ZTE公司为例，演示财务报告分析、财务效率分析和财务综合分析。每章设有案例和复习思考题，该书还有配套的习题集。在课堂教学中，以教材为主线，突出介绍各种财务分析方法的使用，以及根据分析结果得出结论，提出解决方案。
2.实践教学部分
一人一企，边学边分析。每位学生选择一家上市公司作为分析对象，利用学校购买的金融数据库以及相应网络资源，结合所学财务分析理论知识进行上机实验，在Excel内完成数据分析，并将分析结果形成财务分析报告。学生分析判断和决策能力在实战中得以锻炼，教学效果得到改善。
但是，随着大数据时代的来临，外部环境对数据分析能力要求的提升，仅仅学会利用Excel进行水平分析、垂直分析、趋势分析、比率分析和因素分析，已经远远不能满足市场对财务分析人才的需求，学生就业的竞争力无从谈起。结合前面大数据时代下财务分析人才需求特点，我校学生财务分析能力的培养存在着以下问题：
1.学生数据收集、整理和分析能力弱
定量分析方法应用的基础是数据，财务分析人员必须学会从海量的网络资源中搜集并筛选与自己的分析对象和分析目的相关性较强的资料信息，[7]这些资料信息可能是结构化数据，例如金融数据库等；也可能是非结构化数据，例如网页等。从实践教学环节反映出学生数据收集和整理能力弱，分析其原因主要是：
（1）学生不熟悉对财务分析有帮助的网络资源。搜集有价值的数据需要一定的技巧，其中最为重要的是熟悉一些重要的网站，知道相应的数据应该在哪里找到的概率比较大，做到有的放矢。
（2）学生无法将非结构数据快速地转换成所需的数据形式。类似金融数据库这样的结构数据，学生基本能够筛选出所需信息。但是，对于类似网页这样的非结构数据，他们就只能运用最原始的复制粘贴的方法提炼数据信息，耗时且耗力。2013年2月1日，人保财险执行副总裁王和在中国第七届“保险业管理信息化高峰论坛”上指出，在过去的两三年里，结构和非结构数据发生了本质性的逆转。过去就整个社会来讲，绝大多数的数据是结构数据，而现在非结构数据正呈快速增长的趋势，现在以及未来，非结构数据将占到95%，甚至更多。
“财务分析”课程讲授的基本方法主要是比率分析和因素分析法等。目前，无论是学术界还是业界，研究人员大量使用统计模型进行财务数据分析，例如聚类分析、多元回归、因子分析、时间序列预测法等。因而，我校学生数据分析能力急需加强，尤其是统计学和数学的基础要扎实。
2.学生财务分析报告撰写水平有待提高
财务分析的结果是以财务分析报告的形式展示给企业利益相关人，为其进行财务预测、财务决策、财务控制和财务评价等提供可靠信息。财务分析报告是对企业经营状况、资金运作的综合概括和高度反映。李宝智（2012）认为，报告应具备八要素：准确、完整、可比、用户导向、相关、问题的解决方案、及时和易用。[8]从我校学生提交的财务分析报告看，与上述要求还有很大差距。
三、“财务分析”课程教学改革建议
1.培训网络资源使用
重点介绍几个数据库的使用：
（1）金融数据库。我校购买了两款金融数据库，北京聚源锐思数据科技有限公司金融数据库（http：//）和深圳市国泰安信息技术有限公司CSMAR财经系列研究数据库（http：//）。登陆金融数据库后，输入查询条件即可下载上市公司财务数据，速度快且数据量大，数据格式可以任意选择。
（2）中国资讯行（国际）有限公司高校财经数据库（http：//），INFOBANK于1995年在香港成立，是一家专门收集、处理及传播中国商业、经济信息的香港高科技企业，信息范围涵盖19个领域、197个行业。
（3）国务院发展研究中心信息网（国研网）（http：//.cn）。国研网已建成了内容丰富、检索便捷、功能齐全的大型经济信息数据库集群，包括：六十几个文献类数据库、四十多个统计类数据库等。
网站资源：中国证券监督管理委员会（http：//）、上海证券交易所（http：//.cn）、深圳证券交易所网站（http：//）、巨潮资讯网（http：//.cn）和相关协会网站等。
2.培养数据预处理和建模能力
收集到数据之后，需要对数据进行预处理，利用统计学的理论和方法将数据转换成一个分析模型。[9]学生在统计学、计量经济学课程中，已经完成基本模型理论、SPSS或者Eviews三分析软件的学习。但是，若想实现对大数据的整理和分析，应该掌握R或者Matlab统计分析软件，同时，还要掌握一种编程语言，例如C++、JAVA、C#等。利用编程语言调用统计分析软件，从而实现大数据的分析。另外，建议学生了解Perl语言编程，该语言擅长处理非结构数据。
3.培养文献阅读及财务分析报告撰写能力
数据分析之后，需要撰写财务分析报告，为各方利益相关者的决策提供依据。不同财务分析的目的，形成的财务分析报告具体要求会有所差异，但是撰写财务分析报告的基本步骤相同。首先查阅文献，阅读相关学术文章、财务分析师分析报告、评级机构报告等；其次，模仿写作，组织财务分析结果，形成报告。此中没有捷径，需多看、多写。
注释：
①1TB 等于1000GB，1PB 等于1000TB。
参考文献：
[1]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，（1）.
[2]邬贺铨.大数据时代的机遇与挑战[J].求是，2013，（4）.
[3]张肖飞.财经类高校《财务分析》课程案例教学改革研究[J].商业会计，2013，（1）.
[4]朱东华，张嶷，汪雪锋，等.大数据环境下技术创新管理方法研究[J].科学学与科学技术管理，2013，（4）.
[5]张先治.财务分析理论发展与定位研究[J].财经问题研究，
2007，（4）.
[6]陈卫军，徐文学，陈平.基于上市公司网上资源的《财务分析》实训教学探讨[J].财会通讯，2012，（2）.
[7]王桢.网络环境下财务分析案例教学方法的改进[J].中国教育信息化，2012，（1）.
课堂大数据分析范文6
（一）大数据思维的内涵
对于大数据思维的诠释有多种说法，《大数据时代》的作者维克托•迈尔-舍恩伯格认为：所谓大数据思维，是指一种意识，认为公开的数据一旦处理得当就能为千百万人急需解决的问题提供答案[1]。王建华认为：大数据思维，指的是用大数据思想文化去思考解决问题的一种方法。大数据思想文化也就是用大数据去反映事物发展过程的环节、要素等，在此基础上通过建立多种模型模式加以控制，以达到精准解决各类问题的目的[2]。黄欣荣认为：人们迅速地以数据的眼光来观察世界和理解、解释这个纷繁复杂的世界，就是所谓的大数据思维[3]。不管哪一种诠释，都包含两层意思：数据可以反映问题、数据可以指导问题的解决。借助大数据思维，开放教育教学工作者能够进一步靠近并挖掘教育教学的潜在现实，有机会深入探索教育教学的变革与发展。
（二）大数据思维的特征
维克托•迈尔-舍恩伯格从数据本身出发，认为大数据有三个主要特点，分别是全体、混杂和相关关系。全体，指的是收集和分析更多数据，通过这种方式可以看到很多随机抽样得不到的细节。混杂，指的是接受混杂，大数据时代追求的，是在宏观上失去精确性，在微观上获得准确性。相关关系，则是指应该关注“是什么”，而非“为什么”[4]。黄欣荣将大数据思维与小数据思维相比较，从数据的增长速率、使用范围考虑，认为大数据思维具有整体性、多样性、平等性、开放性、相关性和生长性等六大特征[5]。周世佳从数据产生的状态、处理的模式、结果的呈现样式出发，认为大数据思维的特征是：整体性与涌现性、多样性与非线性、相关性与不确定性、并行性与实时性[6]。大数据思维是大数据时代形成的特定思维方式，与传统的数据思维有所差别。本文从数据对象、关注点、数据处理方式、支撑技术等方面总结归纳了大数据思维与传统数据思维的差异，如表1所示。
（三）大数据思维的教育应用
大数据思维在商业、金融、通讯、经济、医疗等行业的应用已有较长时间，近期伴随着移动互联网、云计算、物联网的发展而引起国内外广泛关注[7]。然而大数据在教育领域的应用并不深入，“教学应用大数据分析处于起步阶段，还需要几年才能成熟。”[8]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》的报告，宣告了“数据驱动学校，分析变革教育”的教育大数据时代已经来临，掀起人类教与学的又一次变革[9]。目前，大数据分析已应用到美国公共教育领域，成为教学改革的重要力量[10]。美国教育部门创造了“学习分析系统”——一个数据挖掘、模化和案例运用的联合框架，旨在向教育工作者提供更多、更好、更精确的信息，从而了解学生到底是“怎样”学习的[11]。美国的新兴企业“希维塔斯学习”（CivitasLearning）运用预测性分析、机器学习来提高学生成绩。加拿大“渴望学习”（Desire2Learn）教育科技公司的“学生成功系统”（StudentSuccessSystem）通过监控学生阅读电子化课程材料、提交电子版作业、在线与同学交流、完成考试与测验，让其计算程序持续、系统地分析每个学生的教育数据[12]。2013年是中国的大数据元年，也是我国大数据在教育领域应用研究的起步阶段[13]。国内教育技术领域掀起了基于大数据技术促进教育改革和创新发展相关研究的热潮，大数据的教育应用研究迅速发展起来。部分高校开始实践对教育数据的挖掘与利用。清华大学的“大规模在线教育研究中心”，通过大数据技术对众多学习者在平台留下的学习行为数据进行分析，得出学习者对哪些知识点比较感兴趣、哪些学习工具和学习资料使用频率最高等规律[14]，进而打造更具适应性的智能学习平台。华东师范大学对校园网站数据进行分析，从而改善用户体验[15]。浙江大学通过对资产的归纳、整理，最终形成权威、全面的资产数据，并基于资产数据提供数据查询和分析服务[16]，帮助教务处更好地利用教室、实验室等资源。
二、开放教育领域教育教学数据应用现状
（一）开放教育领域教育教学数据类型
随着互联网技术的发展与应用，远程开放教育领域部署了众多学习管理系统，比如三级“电大在线”远程教学平台、形成性测评系统、国家开放大学学习网，除此以外，还有招生、教务、考试报名等信息管理系统，这些系统经过多年的教育实践，不但存储着海量学习者信息及学习过程数据，还存储着大量的管理数据。2012年，葛道凯等人根据教育活动中技术手段的差异，将教育数据来源划分为传统教育数据和远程教育数据。根据业务活动的不同，将教育数据挖掘的数据来源划分为教学数据、管理数据、科研数据三大类。[17]1.教学数据挖掘远程教学数据主要来源于各类数字化学习环境，既可以是保存在服务器和客户端上的日志数据[18]，还可以是图片信息、动画、视频、地理位置信息等，前者多为结构化数据，后者多为半结构化或非结构化数据。随着智慧课堂等信息化项目的建设，各种电子教具、智能设备逐渐进入课堂，课堂教学过程也会产生并保存丰富的数据。对教学数据进行挖掘，对学习过程中产生的各类信息进行深度分析，能够实时洞察学习者的行为，从而预测和把握每一个学习者的学习需求、学习风格、学习态度乃至学习模式，学校、教师可以为不同学习者提供合适的学习内容与指导，实现真正意义上的个性化教育。2.管理数据挖掘管理数据主要来自于教育机构、部门使用数字化管理系统过程中录入、保存和管理的数据，主要表现为结构良好的报表形式。比如人事管理、招生管理、学籍管理、教务管理、师资管理等常见系统。在现今管理中，学校决策很多时候仍然主要依赖领导的经验和直觉，而非基于客观的数据。大数据思维可以重构决策路径。挖掘并分析管理数据，能够为教育管理人员提供参考，实现对管理对象（学生、教职工）及各种业务流程的更好理解，并据此优化各项管理工作。3.科研数据挖掘目前许多与科学研究有关的信息资料已被转换为数字形式，存于数据库中，并可通过各类检索系统检索使用。科研数据结构良好，非常适合进行数据挖掘。将科研数据库，如文献数据库、政策数据库、语料库等的原始数据转换为有用信息，可提高研究效率，优化研究成果的呈现方式，实现全面、快速、准确地了解某一研究领域的现状，并预测未来的发展方向。比如，基于CNKI期刊论文数据库的“终身教育与远程教育”之关系的文献研究[19]。
（二）开放教育领域教育教学数据应用现状
尽管开放教育领域早已形成了“大数据仓库”，但学校缺乏对数据的集中管理与有效利用，对数据的应用相当有限，绝大部分数据只是沉寂在数据库中，很难从中发现规律和有价值的信息，这种情况主要表现为以下几方面：1.业务部门难以提出数据的准确需求学校的业务部门对数据的采集、整理、分析主要出于业务驱动，业务流程结束后，数据也随之沉睡，数据分析处于被动状态。此外，很多业务部门不了解大数据及其应用场景和价值，尚未形成大数据思维来指导各项工作的开展，在实际工作中难以提出大数据的准确需求：要优化某项业务，到底需要哪些数据？这些数据应当如何获取？采集的数据要按什么标准进行整理、挖掘和分析？数据的可视化处理应做到什么程度？2.对数据的应用受制于平台和技术学校各级各类学习系统、信息管理系统的数据产量很大，但对数据的保存和利用率总体偏低。就数据的存储和处理来说，存在数据类型多样化、数据读写瓶颈、存储压力、系统性能瓶颈、数据分析效率低、数据安全等问题。比如开放教育的教务管理系统，庞大的学生成绩数据已超出传统系统的存储和分析能力，导致对成绩数据的处理停留在简单的查询、统计、打印和报表阶段，未能对数据进行深入分析，获得有利于教学工作的信息[20]。3.现存的数据分析是零散的、割裂的大数据时代，强调形成机构内部各模块数据、数据库网、多媒体数据、各类平台数据、各类信息载体数据之间的互联，力求最大限度地利用数据。但现有的教育数据存在机构化、部门化问题，数据呈现割裂、零散状态，数据分析也较少关注数据之间的相关性。比如，教务处会有意识地整理每学期的在籍生人数、各专业人数、开设课程明细、学期选课人次、学生到课率、按期毕业率、学位获取率、退学率、终结性考试及格率等数据，但却很少挖掘这些数据之间的相关性和影响关系，更不用说不同部门数据之间的联动关系。4.缺乏专门的数据分析岗位及人才大数据时代带来很多新的理念和技术，拥有与过去完全不同的数据存储和处理模式，但现有的系统管理员、数据库管理员仍然习惯使用传统关系数据库管理系统，短期内很难具备面向未来的数据分析技能。究其原因，一方面在于学校对数据分析相关岗位和人才的需求态度尚未明朗，另一方面，新技术应用门槛较高，许多大数据技术在成熟度和可访问性方面暂时不及传统数据库和数据管理套件，可用于帮助系统管理员熟悉这些环境的补充分析工具也非常有限。
三、大数据思维对开放教育数据挖掘的若干启示
（一）自上而下，形成教育教学管理的数据思维
随着广播电视大学向开放大学的转型，成人院校在办学种类、办学规模、专业结构和数量、师生来源、甚至所处环境都会发生变化。对开放教育数据进行挖掘与分析，有助于成人院校找准办学定位，提高教育、教学、管理的科学性，也为学校改进和加强宏观管理提供了有益的检测模式和评估技术。大数据思维的推广应用，需要学校的管理方式、架构、技术均与大数据时代相适配。因而有必要在区域或学校层面形成整体的大数据战略，并将此作为学校的重要任务，通过大数据思维将信息化教学、信息化管理、远程教育支持服务与学校日常工作相整合，通过协调化方式，所有部门共同培养和提高收集、存储、管理、分析和共享海量数据所需的思维与技术，逐步实现数据管理的常规化、即时化、网络化、公开化。
（二）从智慧校园建设入手，为数据挖掘与分析创造充分条件
随着云计算和物联网的出现，校园信息化建设应尽快从数字校园向智慧校园过渡。智慧校园建设通过把传感器嵌入到校园的各种系统中，将校园管理的众多软件系统平台融入到校园云，实现云、物联网、互联网的串通联接，由此可实现校园实时数据的获取、存储和加工分析，从而为学校发展和教学应用提供有效的决策依据，智慧校园作为教育信息化建设的一个实体，对实践大数据的价值提纯有重要的现实意义[21]。此外，智慧校园还包括大数据的标准体系、校园数字化生态环境以及相应的信息化组织管理体系等方面的建设[22]。从基础设施建设着手，逐步开展基于云计算的大数据应用，实现对教师网络教学行为、学生远程学习行为、学生个性特征等的分析和预测，为促进学生身心发展提供适时引导和帮助，提供学校运转的实时动态数据，助力教学管理科学化、智能化。
（三）脚踏实地，充分挖掘和分析现有数据
大数据时代，数据类型丰富，除结构化数据以外，还混杂着大量的半结构化和非结构化数据。掌握分析半结构化和非结构化数据的能力对大多数学校来说是一个持续的挑战。学校应将结构化数据挖掘作为大数据思维应用的切入点，注重收集和存储用户信息和行为数据，为将来各项应用做好充分准备；与此同时，借助已有的数据分析手段和研究方法，借助数据指导开放教育的发展。在初级应用阶段，可以考虑从教学数据、管理数据两方面进行教育数据挖掘：1.基于网络教学平台的数据挖掘（1）学习者特征识别：识别学习者特征，特别是学习者群体的特征，并依据某些关键特征对学习者群体加以细分，有助于做好前期的教学设计，并为个性化学习的实施提供依据。比如“学生数量统计与趋势预测”和“学生特征分类与相关分析”。（2）学习者在线学习行为分析：基于网络教学平台中师生学习过程的数据，针对教师和学生的行为方式，如登录、浏览资源、发帖、练习等行为和行为发生时间，以及各类资源、课程模块的使用情况进行统计、可视化和挖掘。比如“学生登录行为分析”、“学生资源浏览模式分析”、“师生交互论坛分析”和“学生行为影响因素分析”等。（3）师生交互分析：对网络教学平台交互论坛中的数据进行分析，帮助教师诊断学生对教学目标的掌握程度，以便给学生提供及时的反馈和指导。2.基于教育管理信息系统的数据挖掘（1）教职工管理：从人事信息数据库、后勤信息系统、师资管理和测评系统挖掘现有数据，对学校在人才引进、教师绩效评价、教师发展、职业规划、后勤管理、教育决策支持系统等方面提供快速、准确的决策帮助。（2）学生管理：基于学籍数据库、招生数据库开展数据挖掘，优化学生管理工作，为学校的招生决策、就业指导、毕业生追踪、课程设置等提供有益帮助。比如挖掘学生修业结果数据，开展毕业生（辍学学生）特征分析、毕业（辍学）结果影响因素和毕业（辍学）时间影响因素分析，进行毕业（辍学）结果预测规则和毕业（辍学）时间预测规则等。
（四）着眼未来，做好数据型人才储备
大数据时代，学校的管理决策、课堂的教学决策和对成人学习者的学习支持服务决策都将依赖于海量数据的分析结果，数据分析与挖掘将逐渐成为学校的常规工作，除了注重提升各部门人员的数据分析能力外，成人院校还需有意识地培养和储备以下人才：1.大数据管理人才在大数据教育应用的萌芽阶段，学校对大数据管理人才需求的迫切性要远超对技术人才的需求。信息技术发展日新月异，过去的教学、管理经验甚至可能成为现在的束缚。为了应对新时代的挑战，除设立专门的数据管理岗位外，管理者必须要有意识地转变思维方式，学会用数据思考、说话和管理；必须学会用大数据的方法，去寻找合适的解决方案。2.大数据技术人才[23]要想对教育教学数据进行充分挖掘，成人院校无疑需要一批懂得大数据，且善于研究大数据、深挖大数据的专家。这部分人才要综合掌握数学、统计学、数据分析、机器学习和自然语言处理等多方面知识。（1）数据科学家：具有数据分析能力，精通各类算法，能够直接处理数据的人。（2）数据架构师：精通开放教育各项业务，了解业务需求和业务系统架构，能够把数据和业务进行对接的人。（3）数据工程师：能够搭建数据存储、管理以及处理的平台，并支撑数据科学家提出的数学模型或算法的运行。
四、小结
