前言:中文期刊网精心挑选了大数据学习计划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。
大数据学习计划范文1
关键词 教育大数据 个性化学习 学习路径
教育部2015年工作要点中提出:将进一步推进《教育信息化十年发展规划》中的“三通两平台”建设与应用,力争实现学校互联网全覆盖[1]。教育信息化的推进以及教育基础设施的建设,为大数据技术在教育领域的应用奠定了良好的基础。
大数据技术正在对社会生产生活产生深刻的影响,过去无法收集和分析的数据被大数据技术赋予了新的可能性,其中关于人们行为和喜好的数据挖掘,使大数据成为了教育变革与创新的重要推动力。传统的教育决策通常建立在个人教学经验和简单的数据分析基础之上,无法提供给每个学生最有效的教学方式。而大数据技术对海量教育数据的留存和深度挖掘,能帮助教师更深入地了解学生知识的掌握情况以及学习偏好,有助于教育机构和教育工作者弥补或改变现行教育中的不足,将推动传统以“教师为中心”的教学方式向以“学生为中心”教学方式的转变,真正做到以人为本、因材施教。
一、教育大数据的概念和特征
教育大数据作为大数据在教育领域中的应用,至今国内外还没有教育机构给出明确且统一的定义。教育大数据可以被理解为所涉及的教育数据规模巨大且种类繁多,以至于传统的处理工具无法进行有效的撷取和处理的教育数据集。教育大数据主要有以下几个特征。
1.海量性
麦肯锡对大数据的定义是指那些规模大到传统的数据库软件工具无法进行采集、存储和分析的数据集[2]。因此,数据量大也是教育大数据的首要特征。随着信息化的发展,大部分学校都采用先进的信息管理系统进行教学管理,教学管理与教学资源的全面整合会产生和记录大量的教学信息。另外,越来越多的学习行为在网络上发生,也导致在线学习平台所生成的教育数据量呈爆发性增长的趋势。
2.多样性
德勤公司专家罗伯特指出:“规模并不是常规数据和大数据之间最主要的区别,大数据的重要属性应该是复杂性和多样性。”[3]传统的教育数据具有明显的结构化特征,但随着教学手段和教学工具的飞速发展,教育数据的品种不断增加,数据结构变得更加复杂,形成了多样且异质的教育大数据,如教学视频、音频、日志、邮件等,这些非结构化的数据背后隐藏着大量的信息,比如学生的学习态度、能力和偏好。大数据时代的教育工作者要学会利用和分析这些不同类型的教育数据,以还原学生学习情况的完整性和真实性。
3.动态性
传统的教育数据更专注于静态记录学生的考试成绩,而教育大数据有能力跟踪和掌握学生的学习动态,比如学生注意力集中时间、回答问题次数等。这些数据是动态且高速变化的,教师不仅可以根据实时的教学数据监测,动态地评价学生的学习成绩和学习效果;还可以根据变化的学习数据随时调整教学方案。斯坦福大学吴恩达教授跟踪学生观看视频讲座的行为发现:如果学生中途点击了关闭或快播键,暗示了讲座内容晦涩难懂或学生不感兴趣,教师可以据此对视频内容进行调整,以期通过改善教学内容来提高学生的理解力和兴趣度[4]。
4.价值性
维克托在《大数据时代》中指出:“大数据时代最重要的是从大数据中挖掘价值。”[5]目前学校所产生的教学数据都是由很多学生行为片段组成且处于分散状态,需要使用大数据技术对这些数据进行整合和利用,通过对这些被锁在“数据孤岛”上的海量数据进行处理,获得具有重大价值的学生行为分析结果,并利用它们为改善学生的成绩提供个性化的服务。教育大数据对学生、家长和教师都具有很高的价值,它可以帮助学生提高学习成绩、帮助家长理解学生的学习行为、帮助教师改进教学方案,以确保每个学生获得有效且高效的定制教育。
5.真实性
教育大数据注重提高数据分析的真实性和可靠性,传统的教育数据由于学校为了排名、教师为了业绩等原因可能被修改或粉饰,这样得到的不真实数据就失去了对学生学习情况判断的准确性。而教育大数据由于基数巨大,不是凭借某一个数据对学生进行评价,而是依靠海量的全息数据对学生进行整体评定,即使某些被修改过的错误信息存在,也不会影响对学生的最终评价结果。
二、基于教育大数据的个性化学习模式构建
个性化的学习模式强调“一个尺寸适合一个人”的教学方式,通过大数据技术来实现个性化教学,使知识的传授能够适应特定的教学环境、学习偏好和学生能力。个性化学习模式由以下几个部分组成。
1.学生学习数据库
个性化学习模式强调“大数据驱动”,由学习数据库记录和存储大量实时、可靠的学生学习行为数据,例如学习路径、日志、讨论、作业等。大数据技术的优势就体现在可以对各种非结构化的数据进行采集和存储,课堂教学、在线学习、辅助教学工具都可以作为数据收集的平台,每次学生的点击、讨论版的互动、博客的进入或任何微小的活动都会被记录下来,生成每生每课的数以万计的学习数据,并纵向传递到分析系统,成为下一步个性化学习分析的重要基础资源。
2.学生基础数据库
学生基础数据库包含了学生的各种基本信息(姓名、年龄、专业、爱好等)、学生的历史学习信息(成绩、先导课程、问卷调查等)。要确保为学习者制定最适合的学习路径,不能仅靠学生的学习行为数据,还要参照历史学习数据,这些数据会综合反映学生的知识储备、学习偏好、努力程度等信息,会形成更加立体的学生学习影像。
3.分析系统
分析系统是对学习数据库中跟踪学生学习轨迹所存储的大量数据进行处理和分析。分析的内容主要包括:学生学习表现、课程与教材选择是否正确、教学方法是否合适等。分析过程首先要对原始学习数据进行归纳和整理,去除无关或难以识别的冗余数据,数据的真实性和时效性是保证最终得出准确分析结论的关键。然后通过大数据方法将数据转化成可以被洞察和操作的模式,获取数据当中潜在的、有效的、规律性的、可以被理解的信息,并形成可视化分析报告。
4.自适应系统
自适应系统主要通过分析系统得出的反馈对学习过程进行自我调整和管理,学生基于数据收集和分析的可视化结论来调整学习路径,比如更换选修课程和学习材料。由于学生的个体情况有很大差异,自适应系统会利用人工智能软件根据学生对学习内容的接受程度,自动对学生的学习行为作出响应,帮助学生调整学习方案。在自适应学习系统中,学习不是被动地接受知识的过程,而是在更正学习过程中发现感兴趣和擅长的知识的过程。自适应系统增加了学生学习的主动性,调节了学生的学习状态和独立思考能力,改变了传统学习的被动局面。
5.个性化干预
个性化的学习干预是通过对学习者基础数据库和系统内学习数据库的数据进行整合,基于分析系统得出的可视化分析结论,结合教师的教学经验,对学习者的学习轨迹进行修订和改善的干预服务。对于学习效果较差的学生要通过互动平台及时给予帮助和干预,其目的在于通过修订教学方案和个性化资源推送来提高学习者的学习效率,并对学习者未来的学习行为进行智能化预测。个性化的教学干预摒弃了传统的“合格-不合格”的评价系统,强调通过数据分析来评估学习者的学习情况并掌握学习者思考和解决问题的方式,以便为其提供必要的引导和帮助,最终得到学习者更全面且精准的评价。
由图1可知,个性化学习模式的流程为:由学生学习数据库收集原始学习轨迹数据传递到分析系统;分析系统通过数据预处理、数据分析功能,利用各种大数据技术生成可视化的学生学习行为分析报告;自适应系统通过数据挖掘和学习分析等工具分析出来的报告,评估学生的学习过程,发现潜在的问题并进行智能干预,引导学生对学习内容进行适应性修正;教师整合基础数据库数据和分析系统得出的结论,结合多年的教学经验,通过干预系统对学生的学习路径进行人为的教学干预,对教学方案进行调整和修订,对学生未来的学习情况进行预测,将传统的同质教育演化成适应每位学生个性化需求的定制教育。
三、基于教育大数据的个性化学习模式面临的挑战
大数据技术运用于教育领域,为传统的“批量生产”式的教育模式带来了巨大变革,将引领教育进入全新的高度个性化的时代。但是,个性化学习模式中所有系统相互作用的前提条件是教学数据提供的准确性和及时性,只有在各系统之间保持快速、及时和准确的信息传递的情况下,大数据分析对教学的作用才能凸现出来。但现在许多学校的教学仍然以传统的面对面课堂教学为主,数据的传递、转换和分析可能出现滞后的情况,会影响最终干预系统分析结果的有效性。因此,大数据技术要在教学领域发挥其应有的作用,还需要学校大力推进教育信息化的建设,提高教学数据处理和分析的能力,才能充分发挥个性化学习模式的作用,真正实现教育的个性化培养。
对学生学习轨迹进行跟踪、记录和挖掘,不可避免地涉及到学生信息的保护问题,尤其在现有个人隐私的法律法规不够健全的情况下,教育大数据领域隐私规则的制定变得迫在眉睫。教育管理者要意识到大数据的使用将涉及到来自道德和法律的双重挑战,学生是教育大数据的创造者和所有者,在对教育数据进行采集和分析的时候,应取得学生和家长的认同和信任,同时制定有关学生隐私保护的法律法规,以保证所有收集到的学生数据都应用于改善教学。
参考文献
[1] 教育信息化十年发展规划(2011~2020年)[EB/OL].[2015-10-20].http:///web/content.php?id=6853.
[2] Big data:“The next frontier for innovation competition and productivity”[EB/OL].[2015-09-08].http:///news/2011/06/BigData.
[3] 陆Z.大数据及其在教育中的应用[J].上海教育科研,2013(9).
[4] Viktor Mayer-Sch?nberger.Learning With Big Data[M].Create Space Independent Publishing,2014.
大数据学习计划范文2
关键词:大数据;信息化教学;变革
人类已经进入到激情澎湃的信息多元化发展时期,大量新数据无时不刻不在涌现。大数据在教育中发挥至关重要的作用。假如说大数据技术在世界范围内刮起了数据分析的龙卷风,那么大数据技术就可以在其资源观、教学观、教师发展观等方面都将发生翻天覆地变革。
1大数据时代的特点
1.1数字数据急剧增长
谷歌公司每天要处理超过24PB数据,相当于104万8千多个GB,其数据处理量是美国国家图书馆所有纸质出版物所含数据量的上千倍。Facebook公司每天更新照片超过1000万张,每天人们在网站上点击“喜欢”(Like)按钮或者写评论大约有30亿次。You Tube公司每月接待多达8亿的访客,平均每一秒钟就会有一段长度在一小时以上的视频上传。Twit-ter上的信息量几乎每年翻一番,截至2012年,每天都会超过4亿条微博等。这种极速发展表明,大数据时代不以人们意志为转移地到来了。
1.2思维方式和工作方式重大变革
在信息处理能力受限的时代,人们只能随机抽样采集数据开展研究。其目的在于,用最少的数据得到最多的信息。但是,这种“最多的信息”有着很大的局限性,它只能从采样数据中得出事先设计好的问题的结果,而不能适用于一切情况。到了大数据时代,获得海量数据已经非常容易。因此,小数据时代的随机抽样已经失去了原有的意义。谷歌公司之所以能比国家疾病控制和预防中心更早地准确预测H1N1流感趋势,不是依靠随机抽样分而是分析了整个美国几十亿条互联网检索记录,分析整个数据库,因而能够提高微观层面分析的准确性,推测出某个地区的流感状况,从而采取相应的防范措施。这样的分析不是小样本抽样所能胜任的。这种“样本=总体”的全数据模式,被称之为“让数据发声”。
1.3相关关系分析预测未来
在大数据背景下,找到关联物,就能通过关联物之间的相关关系预测未来。相关关系的核心是量化两个数据之间的数理关系。美国知名的计算机科学家奥伦・埃齐奥尼,根据自己买飞机票的经历开发了一款可以帮助人们预测飞机票价格的预测系统Farecast。这个预测系统是建立在对41天内机票价格波动产生的12000个价格样本基础上的,而这些价格信息都是从各大机票网站上搜集到的。截止到2012年,Farecast系统用了将近十万亿条记录来帮助预测美国国内航班的票价。Farecast预测的准确度高达75%,使用该系统的旅客平均每张票将节省50美元。
1.4大数据最终利用价值就是使用和创新
大数据背景下,数据在很大程度上可以被看作是奇特的矿石资源,在其重要价值被发现之后,可以产生新的价值,实现数据的再次创新。这种创新为信息化教学变革提供了保障和动力。
2大数据促进信息化教学变革
大数据时代的特点,为信息化教学变革提供了便利条件。全新的资源观念、教学理念以及教师发展观念,以及全新化的大数据利用形式的明显特点都是信息化教学发展和实践相结合的典型。在这样的发展背景下,全新的资源观念、教学理念以及教师发展进步观念都在大数据信息化发展中产生。
2.1新资源观:实现传者和受者资源转变
在传统意义上的资源构建中积累了大量教育资源,然而依然未能满足主要教学工作,主要因素并不是资源不足,而是资源遴选的具体化。因为老师针对教学内容的个性化解读,技术爱好和审美艺术的差异化,教学特征和特点存在差异,同时资源使用状况和选择也存在差异,这就形成了资源选择的具体化烙印。烙印形成是造成教师不同教学方式的直接表现。于是,没有企业或者机构足够实力雄厚可以给全部教师实行适当企业资源。然而最重大的症结就是这些资源从整体上来说,隶属于为老师教学准备的课堂资源,主要形式就是以老师为核心的传统意义上教学方式服务的,不利于创新性人才培养。从大数据角度审视,用户逐渐拓宽的资源才能成为有潜力的资源形式。在信息化教学的背景下,学生才是无限延伸用户的主导型人才。翻转课堂等不同教学形式的利用,为信息化教学开拓了新的领域,同时也预示着在大数据不断发展的背景下,传统意义上以传者为核心的教学形式应该转变为以学生自主学习为主要方式的个性化学习方式。新资源理念是对传统意义上资源理念的再次改变。首先,微课堂理念主要的用户就是学生,从大数据资源审视,微课堂资源具备学习和商业领域的潜在价值,从而保证其良性循环发展。其次,微课堂一般意义上都是以学生为核心,可以加强学生个性化学习和自主学习的能力,培养学生兴趣;最后,微课堂最初开发者是老师,老师实现资源的有效利用,才能最大化实现资源的有效利用。数据化时展的基础是与资源,云资源和大数据强强联合,大数据背景下的全新资源理念青睐于云资源,海量信息量都储存在“云端”。毋庸置疑,不管是视频、音频、文本抑或是图像,只要输入关键字,都可以实现轻松搜索。
2.2新教学观:信息化教学前移
2.2.1信息化教学前移
主要就是老师对学生进行一对一的教学,在这样的教学手段中,教师和学生之间感情坚固,学生学习态度诚恳,注意力集中,因此在“一对一”教学中学习效率较高。在翻转课堂以及微课堂等全新教学的明显特点就是“人机智能一对一”,有趣性和显著性是微课堂的明显特征,个性化的学习方式可以引起学生的兴趣,学生学习效率较高,效果明@。信息化教学前移理论是以视频再造的云时代学习手段为前提,信息化的学习手段都是以个性化学习为前提,可以根据学生的具体情况制定个性化学习计划,在学习中遇到有困难的地方,可以回头查看教学情况视频,让不同状况的学生可以利用不同碎片化时间在原来的基础上实现学习目标,假如学习上遇到难题,教师能够及时实行有效性指导,从而助力于学生有效学习,实现学习效率和质量提升。
2.2.2信息化教学前移在实践中也具有重要作用
自主性学习可以迅速实现有效果的学习,从而为教学创造和创新性发挥创造出创造空间。在江苏地区苏州市的教学实践中,老师可以提前根据不同阶段的特征给学生设计学生在整个课堂中的自主学习任务清单,设定和学生的学习能力和学习计划相适应的学习计划,从而实现自主性学习目标性和动力性。
2.3新教师发展观:新素养、新“微格”、新职能一转型呼之欲出
2.3.1发展教学新素养
信息化教学的主要形式就是微课堂,微课堂主要就是将原本的课堂教学方式根据学生的能力和学习计划分解成不同目标和步骤的任务、方式和手法。在整体操作实践中,教师应该按照学生的自主化学习方式和计划实现学生学习的自主发展,同时也可以根据自主学习任务利用适当的电子化教学资源,从而实现学生主导型学习。于是,提出传统意义上的教学基本技能之外,老师还需要在信息化、可视化以及技术化、艺术培养方面中具备修养。传统意义上的教学技能和信息化背景下的新教养相互融合,构建最佳职能的教学途径,从而可以拓宽老师教学的视野,强化教师的理论技能和时间基础。
2.3.2培养“新微格”常态化思维方式
信息化教学中还要求教师在视频学习中应该实行独立设计的视频方案,很多教师在制作视频以后,都会仔细检查,校对视频对错。这就是制作和自我审视的程度,和利用微格教师录快课程、反思和研究不同过程具有相似特征。利用一台电子设备,一副耳机就可以实现信息化教学,这被称之为“新微格”,其主要特点就是实现从贵族式教学到平民化教学的转变,从而促进教学的专业化发展。
2.3.3教师的新职能呼之欲出
在信息化教学的背景下,教师的职能在一定程度上发生转变,教师可以脱离传统意义上的教案,更关注提前设计好的学生自主学习清单,为学生的自主能力培养视频献计献策,设计以学生为核心的课堂创新手段,在学生知识点模糊的情况下可以提供帮助,拓宽学生知识内容。
大数据学习计划范文3
所谓大数据,主要是指伴随着信息爆炸而产生出来的大量数据的集合,它并非一个确切的概念,而是用来表征与传统数据量相区别的新的数据量尺度――一种巨大量的数据体。在研究学者眼里,可以用4个V来描述大数据的特征,即海量数据(Volume)、高速处理(Velocity)、数据多样(Variety)、真实性(Veracity)。简单来说,人类世界中的一切活动都会留下痕迹,在信息技术高速发展的今天,这些不可计量、储存、分析和共享的痕迹被数据化,在人们面前展现出一个量化的世界。数据爆炸后所展现出的量化世界是庞杂的,但其中却蕴含有丰富的价值。总体上说,大数据对思想政治教育研究最为核心的意义在于大数据分析可以及时、真实地反映人的精神需要和思想倾向。具体到实际研究领域,考虑到现今的数据共享度和可利用程度,当前,大数据至少可以在以下方面对思想政治教育研究产生有益影响。
首先,大数据分析对大学生思想政治教育研究有较强的实际价值。从目前的数据共享程度来看,互联网络数据是最易于得到的数据源之一。大学生作为高知群体,网络生活度强,使用网络频率和其他人群相比也相对较高。同时,在当前终端设备普及的情况下,大学生网络使用通常处于特定的网络体内,即大多数大学生在上网时一般是通过校园网络接口接入互联网的。因此,对大学生网络数据的收集较为便捷。从技术手段来说,根据网络IP地址段出口限定,可以比较容易地收集到某一具体地区、或者某一高校大学生上网所产生的数据痕迹,通过进一步分析,就可以从中了解到其关注的问题热点、思想需求等信息,能够比较直观地反映他们的思想特点。这种直观的反映可以直接为思想政治教育方案的设定、教育方法的选择、教育内容的优化等提供数据支持。
其次,大数据分析能为思想政治教育个性化方案研究提供数据支撑。思想政治教育的个性化趋势缘自教育对象主体性的确认,个体需求的不同决定了其对教育内容内化程度的不同。契合个体需求、兴趣和思维习惯的教育方案能更好地抓住教育对象的视线。通过大数据分析,个体的思想个性特点以及学习倾向和习惯能够得以显现,从而构建个性化分析报告。根据个性化分析报告,思想政治教育可以有的放矢,针对不同情况,强化教育过程中的个性意识,调整课程结构、课程内容,研究个性化教育方案。此外,还可以吸取MOOC(大型开放网络课程)在适应个性化教育应用上的经验,不断进行课程开发和改进。
最后,大数据分析能融入思想政治教育效果评估工作中。长期以来,思想政治教育效果评估困境重重,这主要是由于人的思想变化存在一定的潜伏期,有着内隐性的特征,使得思想政治教育效果评估结构复杂难控。现如今,多重因素影响下形成的庞杂数据更是突破原有的量化评估方式,为思想政治教育效果评估造成困难。而大数据思维的一个基本理念是:研究数据不关注精确,而强调混杂,而且繁杂的数据越多越好。这是传统样本分析所不可企及的。广泛数据所带来的是传统分析中无法被关注到的细节和一些可能错过的变化,这对于思想政治教育效果的综合评估十分有益。当然,大数据对思想政治教育研究所产生的影响不限于此,仍有很多方面有待持续的开发。
思想政治教育研究中的大数据应用
依据目前开放的百度指数大数据平台 ,以“两学一做”为主题,挖掘(Data Mining)大数据平台中2016年2月到2016年7月期间,人们对“两学一做”相关问题的关注。可以得知,社会成员对“两学一做”的关注内容(按检索量排序)主要集中在三个主要方面:一是对“两学一做”的心得体会,二是“两学一做”的讲稿及PPT,三是“两学一做”的学习计划。其中,关于“两学一做”心得体会问题的检索居于检索首位。根据数据需求图谱进行统计,围绕核心词汇“两学一做”,人们重点检索从“心得体会”到“讲稿”再到“学习计划”等,并且呈现需求度变弱的趋势。
根据以上数据对“两学一做”关键词检索的状描和呈现,分析结论,我们可以为后期“两学一做”学习教育提供以下的参考改进意见:一是加强宣讲,印发材料,明确在“两学一做”学习教育中的知识教育,使其入脑、入心;二是推动“两学一做”学习教育的网站建设,对“两学一做”学习教育活动方案给予指导意见,思想政治教育研究者们应积极研究教育活动形式的创新;三是避免教育活动形式化,对“心得体会”等要求,要真正落到实处,如在学习中穿插讨论,避免学习后为完成任务而进行的抄袭。
大数据时代思想政治教育研究的应有转向
大数据时代的确已经为思想政治教育研究提出了许多新的课题。因此,应积极回应大数据时代,完善当前思想政治教育研究,推动大数据时代下研究的转向。
一方面,强化思想政治教育研究的多学科协同意识。大数据分析需要庞大的数据处理,从学科来看,至少需要统计学、计算机信息学、情报学等学科专业知识,这是现有的思想政治教育研究者知识结构的短板。虽然思想政治教育研究者综合研究能力的培养不可忽视,但术业有专攻,因此在大数据时代,仅依靠思想政治教育学科内部的研究力量显然是不够的,要建立思想政治教育研究的多学科协同机制,强化协同意识。首先要加强与其他学科间交流,将研究所需要的数据方向告知相关学科领域的研究者,使其了解需要收集、挖掘、分析的数据内容,打造多学科研究团队,协助思想政治教育研究;同时还要发挥本学科研究优势,在数据挖掘的基础上,结合专业知识进行充分分析,与哲学、教育学、社会学等多学科协同研究,做到物尽其用,人尽其才。
另一方面,逐步推进思想政治教育研究的市场化。掌握大数据源的机构是不同的,在当前,数据已显然具备了价值的属性。数据间交换已经形成市场,大数据交易中心正在筹划建立。思想政治教育研究要掌握大数据,就要走出原有封闭的象牙塔,走向市场。思想政治教育研究市场化首先需要的便是投入的加大,因为市场本身具有利益性质诉求,市场是利益交换的载体,通过投入,思想政治教育研究能更便捷地获取到所需要的数据源,还可以与专业的数据分析公司洽谈,外包数据收集和挖掘任务,提高研究的实效性。此外,思想政治教育研究可以在市场化中寻求合作。如,对于高校数据信息的收集,部分企业有在高校或者针对大学生、青年群体进行产品推广、产品开发的需求,他们与思想政治教育研究一样,同样需要了解高校大学生通过网络生活所产生的数据,作为掌握高校数据信息资源的学校思想政治教育管理部门而言,可以通过合作,从有需求的企业那里获得资金和技术支持,共同收集、挖掘有用数据,从庞杂的数据体中找到思想政治教育研究所需要的信息。
需要注意的是,将大数据思维应用思想政治教育研究之中,一定要避免技术至上主义的倾向。在大数据时代,思想政治教育研究要以审慎的态度融入数据的洪流之中,避免被数据洪流淹没的境遇,在保持应有理性的同时,积极利用大数据给我们带来的价值,张扬求知过程的智慧之美,让数据发出生动而鲜活的声音。我们在研究中必须明确,“大数据为我们提供的不是最终答案,只是参考答案”。
(作者为北京市社会科学院科学社会主义研究所助理研究员)
【参考文献】
① [英] 维克托・迈尔-舍恩伯格、肯尼思・库克耶著,盛杨燕、周涛译:《大数据时代:生活、工作与思维的大变革》,杭州:浙江人民出版社,2013年。
大数据学习计划范文4
“大数据”如何为教育决策提供支持?“大数据”会改变我们的学习方式吗?“大数据”背景下,课堂教学改革会有怎样的趋势?
早在上个世纪70年代,美国著名未来学家阿尔文·托夫勒在其著作《未来的冲击》一书中就预测,未来社会中大量的“人工编码信息”将代替自然信息,充斥人们的生活。如今看来,托夫勒所描述的这个时代已悄然到来。2012年,涂子沛先生的《大数据》和维克托·迈尔·舍恩伯格先生的《大数据时代》相继在中国大陆出版,让很多人接受了一次彻底的思想洗礼。从商业、科技到医疗、政府、经济、人文以及社会的各个领域,“大数据”正在悄然改变着世界的方方面面,改变着我们传统的思维方式和行为方式。
“大数据”(Big Data)也称“海量数据”,其特点可以概括为4个“V”:第一,数据体量巨大(Volume),从TB跃升到PB;第二,数据类型繁多(Variety),包括网络日志、视频、图片、地理位置信息等各种数据类型;第三,价值密度低,商业价值高(Value),以视频为例,连续不间断监控过程中,可能有用的数据仅有一两秒;第四,处理速度快(Velocity)。与传统数据不同,“大数据”采集的样本量更为庞大,采集方式更为灵活,采集手段更为多样,采集速度更为迅速,采集人员更为大众。更为重要的是,在互联网技术的支撑下,“大数据”的丰富内容可以开放共享,“大数据”的潜在价值可以不断分析、挖掘和预测。除了可汗学院、MOOC等这些在线教育变革外,“大数据”又将如何改变我们传统的教育世界呢?美国是一个有着“数据信赖”传统的国家。或许,我们可以从美国基础教育的发展状态中找到答案。
为教育宏观决策提供信息基础
事实上,早在上个世纪60年代,美国就意识到数据在教育决策中的重要地位。1968年,美国联邦教育部成立了“全美教育数据统计中心”。经过34年的长期摸索与反复试错,该中心形成了一套完整的教育数据处理的方法论,并在2002年通过了《教育科学改革法》,明确了数据在教育决策中的决定性地位,即所有教育政策的制定都必须由实证数据进行支持。同年,美国教育研究所与全美教育数据统计中心合并重组后成立了教育科学研究院(IES,Institute of Educational Science),成为全美最重要的教育决策咨询机构。
数据在美国联邦教育决策中发挥了极为重要的作用。其中最为典型的一个例子就是全国教育进展测评(National Assessment of Educational Progress,简称NAEP)。NAEP产生于1969年,是由美国国会授权的唯一一个全国性中小学学生学业成绩测评体系。其目的是监测美国中小学生学业成就现状和发展趋势,提高美国基础教育质量。40多年来,NAEP已对美国中小学的阅读、数学、写作、科学、历史、地理、公民教育等学科进行了全面测评,其测评结果已成为美国联邦政府及各州衡量教育发展、分配教育资源、改革教育实践的重要依据。
NAEP产生近半个世纪以来形成了自己独有的运作模式。2001年,美国政府颁布的《不让一个孩子落伍》法案更为详细地规定了NAEP的实施模式,共包括以下四个方面:首先,NAEP全国测评和州测评至少每两年对4、8年级的阅读和数学进行测试。NAEP全国测评(州测评)必须定期对12年级的阅读和数学进行测评。在条件允许的情况下,NAEP全国测评还要定期对4、8、12年级的写作、科学、历史、地理、公民教育、经济学、外语、艺术进行长期趋势测评。其次,所有希望接受I号资助(Title I grant)的州自2002-2003学年起必须每两年参加针对4、8年级阅读和数学科目的NAEP州测评,而对州测评中其他学科的测量则奉行自愿原则。NAEP州测评的资金由联邦政府负责,NAEP州测评并不能取代各州对4、8年级学生阅读、数学科目学习效果的评估。其三,NAEP将继续对9、13、17岁的学生进行阅读和数学科目的测评。基于技术因素的考虑,科学和写作不再作为测评科目。
NAEP由两部分组成:第一部分是通过具体的评估框架对学生某具体科目的学业水平进行测试。测试形式通常为多项选择题和书面自由回答题;第二部分是背景信息,即通过对学生、教师、学校管理人员进行问卷调查或其他来源获取有关人口统计学特征和教育过程的描述性信息。
NAEP通过一系列图表把各科目、各年级的成绩呈现出来,使读者直观地看到美国当前基础教育的整体状况、不同群体的成绩和群体之间的成绩差距、学生成绩的发展过程和变化趋势。数据结果直接反映了美国当前教育发展的基本趋势,为国家宏观决策提供信息基础,决策者也可以利用这些结果评估当前教育改革政策的实施效果。此外,NAEP的测评结果还被大量研究者深入挖掘和分析,开展诸如家庭、社区和学校对学生成绩影响的研究,资源差异、系统化的改革措施、不同的学习机会及教育政策对学生学业成绩影响的研究。研究成果对美国联邦教育决策产生了间接、广泛的影响。教育管理与服务的个性化成为可能
大数据给教育带来的一个重要变化在于它使教育管理和服务更加个性化。美国科罗拉多州正是运用“大数据”系统改进了本州的教育管理与服务。2009年,科罗拉多州教育当局开始实施“教育信息系统计划(Relevant Information to Strengthen Education,简称RISE)”,收集学生、教师和学校的所有信息,以帮助学校改进教学,旨在帮助学生获得学业上的成功。迄今为止,该计划已成功实施4年。
该计划共包括4个战略环节:采集、连接、提供和执行。每个战略环节又是通过一系列项目来完成的。首先,要采集科罗拉多州每个学生和教育者的重要信息,包括早期教育背景、学习长项、需要更多关注的领域、测验分数、等级等在内的一系列重要教育信息,教育者信息则包括教育者的特点、准备和发展;第二,用最先进的数据系统将收集到的数据和学生、教育者的数据内容与相关国家机构的记录连接起来;第三,通过“了解学校”(Sehoolview)的门户网站,为家长、学生、教育者、政策制定者和研究者提供及时的、以学生为中心的信息服务;第四,运用数据,设计个性化的教学实践活动、创新性学习计划和教师专业发展法案,以提高学生学业成绩。该计划数据应用的方式也灵活多样。例如,一个学生转到新学区后,其信息记录也随之迁移。教师可立刻获取该生的所有相关信息,以提前做好准备,帮助其平稳过渡到新的学习中。再如,学校或教师通过数据研究,找出对提高学生学业成绩最有效的教学方法,或者学校应该加强的资源建设和为学生提供的支持。
由此可见,教师、学生、教育管理者、社会管理者等都可以从该计划中获益。教师能够获取更加全面、丰富的数据信息,能够了解何种教育方法对学生最有效,学生可能在哪些方面需要额外帮助。在数据的基础上,教师能够根据不同孩子的需求和学习风格来设计个性化的教学,将学习变成个性化行为,更好地满足每个学生的需求,促进每个学生的学习。学生则可以得到教师更好的指导和支持,进而提高学业成绩。对于管理者来说,这一计划大大提高了他们的工作效率,他们只需要通过互联网就能很快地获取学生和教师记录,从而更快、更有效地与新学生建立联系,帮助新教师适应新的教学环境。而对于社会管理的研究者和政策制定者来说,他们则能够通过该计划了解到学生的学习趋势和结果,从而形成对科罗拉多州学校教育的共识,最终达到改进公共政策、增加政策透明度的目的。
驱动教学质量的大幅提升
如果将大数据运用到学校教育和课堂教学中,学校的办学质量有可能大幅度提升。美国肯尼迪小学就是—个鲜活的例子。肯尼迪小学是坐落在美国威斯康星州简斯维尔市最年轻的—所小学,成立仅14周年,但却是美国“蓝带学校”殊荣的获得者。在全美所有公立和私立学校中仅有3%的学校能获此殊荣,获奖学校不仅要求学生学业成绩连续3年高于国家平均水平,而且要有40%以上的学生来自贫困家庭。那么,是什么原因使这么一所年轻的学校获此殊荣呢?
2012年6月,学校校长艾里逊·德格拉夫(Alton DeGmaf)在北京举行的“小学教育国际会议”上揭示了其中的奥秘。她指出,高质量的教学和评价机制是学校成功的重要秘诀之一。而高质量的教学建立在数据研究基础之上,也被称之为“数据驱动型教学”(Data Driven Insmacfion)。因为威斯康星州每年都举行“知识和概念考试”(Wisconsin Knowledge and Concepts Examination,简称WKCE),教师每年必须参加3次“数据挖掘”(Data Retrests)的活动,深入分析每个学生的WKCE数据,找到学生学习的弱点,然后不同教师协商合作,共同设计全班的课程、小组活动以及差异化的教学方案,其目的就在于提高课堂教学的针对性,进而提高学生的学业成绩。此外,同一年级的教师每周定期召开一次教学研讨会,分析常用的基于课程的评价机制,并根据这些评价工具采集的数据,确定具体的教学策略和教学活动,以满足学生的个性化需求。
肯尼迪小学特别重视学生阅读能力的培养,他们在全校范围内开展了“指导阅读教学法”活动。为监测活动开展情况,学校利用“发展性阅读评价”(Developmental Reading Assessment,简称DRAs)工具,每年3次采集所有学生的阅读能力发展数据。在数据分析的基础上,根据学生不断发展的阅读需求,定期重新组织学生的阅读小组。这一系列的事实都表明,肯尼迪小学课堂教学效率的提高不仅仅是基于经验,更为重要的是基于数据,基于每一个学生在学习过程中所呈现出的数据状态,基于本校与全国、全州的对比数据。这当然对教师的专业素养提出了更高的要求,要求教师遵循“循证”逻辑,具备研究素养,这想必也是大数据时代课堂教学改革的必然趋势。
大数据学习计划范文5
大数据在基础教育领域的应用形式
《2016新媒体联盟中国基础教育技术展望:地平线项目区域报告》指出:中国的基础教育展现出越来越多的学校开始采集与学习活动相关的数据来实时调整教学内容和教学方法的趋势[2],这说明大数据在基础教育领域的应用越来越普及。
教育大数据可分为四个层面,分别是基础层、状态层、资源层、行为层。基础层存储的是基础性的国家教育数据,状态层存储的是各种教育环境、教育装备以及教育业务的运行状态信息,资源层存储的是各种状态的教学资源,行为层存储的是广大教育用户的行为数据[3]。
基础教育的教与学中,主要有基础层、资源层和行为层三种数据。基础层中,存储着国家规定采集的教职工与学生的年龄、性别、籍贯等一些基础信息;资源层中,存储着包括教师教案和教材在内的课程资源以及包括试卷、课下作业在内的课业测试与作业;行为层中,存储着学生的学习行为、管理人员的操作行为、教师的教学行为以及学生的兴趣、动机、消费情况等其他描述。
实际上,国外已经开始了基础教育领域的大数据的实践活动。美国的一些企业,如IBM、“希维塔斯学习”(Civitas Learning)、“梦盒学习”(Dream Box Learning)和“纽顿”(Knewton)公司等等,已经与学校展开了大数据方面的合作;另外,总部位于加拿大安大略省沃特卢的教育科技公司“渴望学习”(Desire 2 Learn)已经推出了名为“学生成功系统”(Student Success System)的新产品,这项产品是基于他们自己过去的学习成绩数据预测并改善其未来学习成绩的大数据服务项目。
大数据在基础教育领域的应用成效
自全球知名的麦肯锡咨询公司提出“大数据”的概念以来[4],大数据已经逐渐火热起来。在互联网技术的支撑下,大数据的潜在价值被不断挖掘,过去基础教育领域教与学过程中很多难以破解的问题也有了解决方案,这大大便利了基础教育领域中的教师与学生,教师的教学理念与学生的学习方法也随之产生变化。
1. 转变教师教育思维,提高教师的工作效率
在每天的教学活动中,都会产生大量的数据,教师每天都要花很长的时间去处理这些数据。大数据的产生,可以帮助教师自动收集分析数据,无需再特定收集。此外,数据驱动的滚动式教学,可以方便教师随时查阅学生的相关信息,并通过数据支撑找到重难点和学生的薄弱环节[5]。这样一来,不仅信息的准确率上去了,教师的工作效率也得到了提升。
教师通过学习分析工具将大数据中重要、有价值的资源和数据整理出来,可为教育教学改革提供客观的建议和帮助[6],这可以促进师生的个性化发展。特定的资源被整合出来,从而挖掘出每位学生的个性化特点,设计出针对每一位学生的个性化教学方案,更好地满足学生的个性化需求。
在大数据的支持下,教师能够很快地掌握每位学习者的学习数据,这些数据记录着学生的学习行为。分析这些学习行为数据,可以了解学习者的学习状况、预测其学习结果、诊断其学习需求与问题,从而开展个性化学习方案。教师逐步由教学者转变为帮助每位学生个性化学习与发展的指导者[7]。
数据的筛选工作和个性化教学方案的定制要求教师转变自身的教学思维,提升自己的知识储备能力,提高自身的专业素养和文化素养[8],这样才能应对大数据的挑战。通过大数据技术的支持,教师能够认识最真实的自我,彰显教学个性和智慧,开展灵活多样的个性化教学,最终实现个体的个性化专业发展[9]。所以可以预见的是,重视大数据其实也是一次思维方式的变革[10]。
2. 减轻学生的学业负担,促进个性化学习
伴随着大数据时代的来临,各种学习支持工具也更加火热。QQ、微信、微博等社交媒体的兴起和移动APP学习软件的兴起,不仅可以有效帮助学生学习,还可以减少无效的重复训练,提高学习效率。这样一来,学生的学习负担一下子减轻了许多。
大数据在教育领域中的应用给教育教学带来一个新的发展,即实现个性化教育,从真正意义上实现群体教育向个体教育的转变[11]。大数据提供了真实有效且极具个性化的信息,学生们可以通过大数据找寻自己学习中的问题,从而对自己的学习行为进行优化;通过大数据,学生还可以找出自己的薄弱环节,从而得到教师更好的指导和支持,进而提高学业成绩[12]。
大数据能够全面记录学习者的学习行为,通过科学地分析,学习者能够更加了解自己的学习情况,得到科学的学习建议,帮助学习者全面地制定学习计划,从而达到提高学习成绩的目的。此外,大数据技术对学习者的学业评价数据(如考试成绩、平时作业完成情况等)还可以分阶段、有步骤地定期评估学生的阶段性发展状况,并适时地为学习者提供发展建议。
3. 促进学校教育质量的提升
教师通过对学生学习行为的深入分析,可以挖掘到学生学习的弱点,通过与不同教师的协商合作,设计出全班课程教案、学生课堂活动和具有针对性的教学方案,分步骤、有目的地进行教学,从而达到提高学生学业成绩的目的。
此外,大数据支持下的评价工具所采集的数据,大大改变了评价机制,也为教学改革带来机遇。各种智慧教学与管理平台的不断涌现,为数据的采集和深度挖掘工作提供了有利的条件,彰显了大数据在完善教育评价手段上的独特优势。在教学评价中利用大数据分析,可以通过技术层面来评价、分析,进而提升教学活动,从依靠经验评价转向基于数据评价[13]。
大数据通过技术手段,记录教育教学的过程,实现了从结果评价转向过程性评价[14]。通过这些数据,可以根据学生的学习需求的变化不断改变教学策略和教学活动,定期更新教学方案,实现对教学效果的动态监测。同时,教师也可以通过这些数据,反思自己的教学行为,从而改善自身的教学,提升自身的素质。
大数据在我国正处于起步阶段,但是大数据时代的到来也对人类的数据驾驭能力提出了新的挑战[15],如何利用大数据来处理当前基础教育中的难题依旧困扰着我们,而大数据带来的挑战也需要人们提出更多的解决方案。当前在大数据时代基础教育领域中出现的难题,不仅需要教师提升自身的素质,同样也需要国家的政策支持。
参考文献
《中国基础教育大数据发展蓝皮书(2015)》[EB/OL].[2016-4-22].http:///content/16/0422/09/32369802_552775022.shtml.
《2016新媒体联盟中国基础教育技术展望:地平线项目区域报告》[EB/OL].[2016-1-15]http:///news/n2/n20160115_31276.shtml.
李馨.高等教育大数据分析:机遇与挑战[J].开放教育研究,2016,(04):52-58.
百度百科.大数据时代[EB/OL].[2016-7-2].http:///link?url=-ratWHJ3E7aUvJ2PzLfxFUXjuBlOS9fooS5ijS9JI_Wgi-pfrqFBqaMyc2aCAaNx0eiUh0Nk9vNWVHP8OJzSV0d5n3hFtvfjAnPvS5Dz8Wq.
当基础教育遇上大数据.[EB/OL].[2016-7-27].http:///20160727/n461484015.shtml
王时雨.高等教育领域的大数据应用研究述评[J].煤炭高等教育,2016,(02):51-54.
杨现民,王榴卉,唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究,2015(09)54-69.
刘英杰.大数据在高校教育中的应用及高校教师的应对策略[J].考试周刊,2015,71:132.
张进良,何高大.学习分析:助推大数据时代高校教师在线专业发展[J].远程教育杂志,2014,32(01):56-62.
严霄风,张德馨.大数据研究[J]计算机技术与发展,2013(4):168-172.
林森,姜珊,杨亮星.大数据在教育中的应用探析[J].教育现代化,2016(05):196-221.
滕B,朱晓玲.大数据在美国基础教育中的运用[J].人民教育,2014(1):74-76.
大数据学习计划范文6
知乎Live、得到等知识付费平台要充分利用大数据技术,根据用户的浏览历史,向用户推送定制化内容,满足用户对知识的个性化需求。此外,知识付费平台还应利用大数据技术,将用户分为免费用户与付费用户。一方面,未来的知识付费平台将主要以免费知识为主,进一步缩小知识鸿沟,留住用户,巩固用户群;另一方面,知识付费平台专注知识付费的细分领域,为付费用户提供更加全面的个性化增值服务,如针对用户的薄弱知识进行辅导,为用户制订学习计划等。商业知识协作分享平台“笔记侠”,在分享笔记之外,还为会员提供了内部笔记分享、资源对接等服务。
无底线网络营销频频出现,根本原因是目前我国相关法律监管的缺位,治理企业“无底线营销”行为是一项系统性工程,需要国家、社会、企业、公众多方联动才能达到最佳效果。
法律法规在引领和规范网络行为方面发挥着重要作用。面对互联网行业发展的新情况、新变化,国家需要完善针对互联网营销等方面的法律法规,明确商业营销行为的边界。
对那些屡屡突破道德、法律底线,开展虚假营销、恶意营销、低俗营销的企业和个人,各级互联网信息办、公安机关应及时依法依规处理,并把相关企业和个人纳入诚信黑名单。
知识付费平台要履行好自身所肩负的社会责任。平台为追逐商业利益,采取适当的营销方式无可厚非,但营销人要坚守职业素养,把握分寸,要在法律和道德允许的范围内。
此外,整治无底线网络营销,公众也有义不容辞的责任。对于无底线的网络营销,公众也应积极向公安部门、工商管理部门举报。公众应该保持客观的评价和正确的价值观,不为哗众取宠的恶意制造买单。
互联网改变了人们获取知识的方式,同时快速变化的外部环境对人们解决问题的能力提出更高的要求,驱使人们不得不保持学习才能跟上社会发展的步伐,促使在线知识获取成为长期、持续伴随人们的刚需。目前,知识付费的核心力量是大城市的中产阶级及中产阶级预备军,知识付费要扩展市场,必须开拓三四线城市市场。与一、二线城市比,三、四线城市人群的生活节奏相对缓慢,焦虑程度较轻,但随着消费升级与碎片化阅读对三、四线城市的推动,三、四线城市消费者对知识付费产品的需求将提升;三、四线城市人群的获取知识的侧重点与一、二线城市相比存在差异,长期来看,三四线城市的居民一般学历不高,拥有充裕的时间,贴近其生活服务、应用门槛较低的知识产品将成为其关注较高的领域。三、四线城市人群作为互联网用户的主体,其基数大、生活场景丰富等特征为相关知识付费产品的发展提供了巨大的潜力空间。未来,知识付费平台应重点关注三、四线城市人群的知识需求,设计相关知识产品,从而实现下沉式发展。