前言：寻找写作灵感？中文期刊网用心挑选的大数据时代中网络教育论文，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
1数据教育是网络教育的发展理路
1．1数据教育的内涵
什么是数据教育？目前尚无定论。笔者认为，在整合用户资源的基础上，数据教育可以通过数据分析与管理实现拉长数据产业价值链，改善网络教育的结构和模式，是以大数据为核心整合网络教育资源所进行的信息、产品与服务的交易活动。大数据正在重构很多传统行业。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是收集、整理生活中大量的相关数据对其进行分析挖掘，从中获得有价值的数据信息而演化出更有使用价值的新的商业模式。规模经济和范围经济是行业战略扩张的本质动因。网络教育向数据教育发展，本质是依托规模经济和范围经济来强化网络教育的影响力、延展网络教育经济规模、降低生产成本、提高社会效益和经济效益。数据教育的主要对象的是网络教育的使用者，具体为学习者和教学者。利用数据教育使用者在学习中产生的大量数据，建构数据分析模型来发现社会关系和有价值的数据信息，进而预测学习者的学习情况并提供个性化建议。因此，数据教育的范式中首先应测量、收集、分析和报告有关网络教育使用者及其学习环境的数据，然后进行理解和优化产生的学习环境。网络教育教育平台的使用会产生积累大量系统化、结构化的学习结果和学习行为数据。网络教育将这些数据提取出有意义的信息，并利用这些信息为教育者、学习者、管理者、教育软件开发者和教育研究者等提供服务是大数据时代网络教育的必然趋势。
1．2数据教育的发展理路
网络教育与数据的融合是网络教育扩张的战略选择。目前网络教育的融合转型中没有成功先例，原因是大家都把科技对网络教育的作用看成是渐进使用过程，而没有看到它实际上对整个教学内容从生产一直到传播、到效应的发生，全都是一种革命性的改变。若能认识到这一点，就可以在全世界的网络教育发展过程当中占领、占用这样一个产业的制高点。用互联网的思维、用互联网所代表的最好的技术、最好的文化形态，再加上相应的政策支持，就能够全面开启数据教育。由于数据教育本质上归属于信息传播与网络教育融合的服务产业，因此，它们之间具有众多邻接点，网络教育的传播力、公信力和影响力等无形资产以及信息生产、传播途径等资源和能力便于转移到数据教育过程中，从而形成独特的数据教育运营模式。以物联网、云计算等综合技术的成熟为基础，在用户在线学习的数据库中挖掘出有价值的深数据，然后进行过程性和综合性的考量，找到学习者的学习行为、学习习惯以及学习兴趣等之间的内在联系，考量背后的逻辑关系，并作出恰当的教学决策，是数据教育的发展理路。作为网络教育的高级应用和发展路径，数据教育可以分析学习者的一些静态数据和动态数据，静态数据如过去的成绩和学习行为，动态数据如在线登陆方式，讨论发帖量之类，通过分析这些数据追踪分析学习者的类型，把学习者进行分类，诸如高成就、比较危险、社会型学习者等不同的类型。在分类的基础上对不同的学习者进行实时干预，对高成就类型可以提供具有挑战性和具有一定难度的学习任务，对处于危险状态的学生，给予特别关注和一些学习上的帮助，对社会型的学生，给予社交上的一些支持。在学习开始时做一个学习能力测验对于期末考试成绩预测最可靠的方法。设计更复杂的数据驱动预测模型，则必须在此基础上进行改善，这一改善需要进一步的数据分析。数据分析的目的是确定能够准确预测哪些变量。目前，Purdue大学的CourseSignalsoftware已经部分实现了这一技术。Sig－nals在学生的学习过程设置了红色、黄色、绿色等信号，这些不同的信号可以帮助使用者了解目前的学习状态。CourseSignalsoftware的评估报告显示，参与CourseSignal项目可以使学生获得更高的平均分，并快速地寻找所需要的资源。
2数据教育的理念分析
通过数据教育的内涵和发展理路的分析和梳理，数据教育包涵以下几种核心理念，即用户为中心、巧用慢数据、借力数据思维和构建数据产业链。
2．1数据教育的核心理念仍是用户为中心
新的科技出现之后，网络教育用户的需求不但是量的增加，还是层次的增加，过去人们对共性的东西有需求，现在对个性的东西也有需求，过去对理性的东西有需求，现在对涉及到人们的情感、情绪等过去在主流网络教育中所占比重很少的东西也有很大需求。如用户对网络教育的游戏化，反转式的趋向，数据教育让这些趋向变成了现实。网络教育的竞争是各种教学法的精细化准确化，并且在呈现给学习者的用户前端界面上进行优化，增强前端界面与学习者之间的黏合度，如整个网络教育教学的链条才会不断下移，才会更加符合学习者个体的特点。数据教育是一个更加了解并最大化满足用户需求的方式，借助多样化的科技实现了用户之间差异化学习与学习模式的无缝对接。数据教育能够检测数据中的模式，因为这一教育模式是建立在数据分析和人工智能方法的基础之上的。类似技术可用于智能教学系统，以动态的方式对学生进行有针对性的分类而不是进行诸如人口统计的简单分类，也可以利用协同过滤技术对特定的资源建立模型。如隐含的人与人在论坛上的互动和外显的人与人、朋友或者关注对象之间的关系，这些分析用于数据教育的学习分析中来探索网络集群、影响力网络、参与及不参与状况。数据教育可以用来对所提供的数据进行意义建构，数据教育的价值在于对大量数据进行分析和处理，进而形成教育模式为网络教育提供帮助。相比传统的网络教育，数据教育能够提供更加细致和有效的反馈，如学习者掌握熟悉和了解概念到何种程度，根据数据自动呈现以后的学习内容或者不呈现影响学习者掌握后来学习内容的材料。
2．2数据教育要巧用慢数据
2014年5月29日，第九届百度联盟峰会上百度董事长兼CEO李彦宏预测了未来5年有非常大发展的两大产业机会，这两大产业是百度、阿里巴巴、腾讯三者都不大可能涉足的领域：第一是新型企业级软件，这些软件可以解决企业从内部到外部链接的问题；第二就是挖掘新的有价值的慢数据，发掘具有个性化针对性的预测信息，为用户寻找真正有价值且能产生效率的慢数据。李彦宏的这一分析和预测不但权威而且有说服力。目前，互联网企业在网络用户规模不断扩大、流量激增的情况下，面临着新的尴尬，即搜集到的数据真正有价值的很少，无价值的增多。很多的数据根本没法分析更谈不上运用。因此，李彦宏建议搜集慢数据来获取真正有价值的数据，找准并挖掘能真正帮助用户解决问题的新数据。另一个与之印证的观点是，阿里巴巴集团执行副总裁曾鸣分析说，大数据最重要的特征不在大小，而在死活。数据的死活决定一切，从数据的管理到数据的运用，数据必须能活起来，开始跑通迭代，才能产生持续价值。网络教育和其它领域一样，在利用大数据方面基本处在同一起跑线上。数据教育的特点在于能够为网络教育平台提供实时数据，通过利用这些实时数据，达到为网络教育者提供帮助的目的。数据教育可以通过分析学生的诸如课程材料等学习资源来追踪学生的学习轨迹，通过设计和优化教学模式和统计方法来实现教学效果最优化的目标。对数据教育来说，抓住机遇去挖掘应用好慢数据和活数据，让大数据成为网络教育改革的一大新的增长点，是网络教育工作者亟需解决的问题，通过数据共享、交叉复用后获取最大的数据价值是数据教育对待大数据应有的态度。
2．3数据教育需借力数据思维
好的数据教育需要有好的教学内容点、技术支撑以及用户洞察。目前的网络教育都没有占齐这三点。互联网不但对这个社会重新组织、重新结构与自己革命性改变的声音，而且已经成为教育领域的中枢操作系统和底层的操作架构，数据教育必须要和它的规则去接轨对接，在这种及ID那个规则的框架中来决定资源配置和运作方式。在这个层面上讲，大数据时代数据教育的核心竞争力就在于互联网数据思维的竞争。没有可循环利用的数据，就无法提供数据教育的开发。用好数据思维，首先要注重数据积累的长期性和动态性，避免数据库的短期化行为；其次要注重数据的完整性和统一性。完整性即数据的精确性和可靠性，统一性即一致性，是数据之间的逻辑关系是否正确和完整。统一性保障了完整性。数据的缺失和不精确，将会带来分析的偏移，因此在这种分析上进行的一系列开发也没有针对性甚至是徒劳。因此，在采集和管理数据的时候要设计和完善多种数据维度，有助于数据仓库中设置更多更有效的细分标签。保证收集到的数据精确、可靠，用以分析的数据形式统一，才能确保通过大量数据分析得出的用户行为习惯是有效的。最后要注重数据挖掘和利用。用户数据的积累和挖掘是一个长期、动态、循环的过程，如果把数据枢纽中心比喻成一个大型的水利枢纽工程，那么数据教育要利用枢纽对水进行过滤和引导，让它长期保持动态和循环使用，在这个数据的枢纽中心，要不停地激活用户数据，积累用户的消费行为和消费习惯，让大数据在这个枢纽型中转站得到动态的循环。
2．4数据教育应建构数据产业链
从价值链和传统网络教育的角度分析，网络教育即使在用户数据的采集、处理、储存、分析等各方面完全数字化后，即使数据量再大也不可能去做基于数据本身的公司。因为与很多互联网入口企业相比、与真正生成大数据的公司相比，这些数据量的量仍旧是非常单薄远远不够大的。因此，相对理性和可行的选择是数据教育的运用着力点应放在以下三个方面。
（1）借力数据资产中介。
在互联网上，任何主动收集庞大数据的行为，其成本都难以想象。目前我国已有不少学校开始了数据挖掘的探索。如东华大学的智能实验室项目、浙江大学的资产数据项目、复旦大学的学生数据分析和清华大学一些学生成长类的数据分析。总体来看，开始进行数据挖掘的高校共同特点是信息化做得好且规模较大并拥有有充足的数据量。建立网络教育数据的资产中介，专门进行数据的挖掘使用和分析，是数据教育的可行之道。对不具备大规模数据资源的机构来说，数据资产中介是有效的可行之道。
（2）进行数据资产管理，实现学习内容深加工、学习行为分析和监测，是网络教育应用大数据重点挖掘的项目。
全球复杂网络研究权威艾伯特•拉斯洛•巴拉巴西曾指出，在大数据背景下，人类的很多行为都是可被预测的。但海量的数据沉淀在网上，没有精准而靠谱的分析和应用，就没有价值。用户期待网络教育提供的，不是大而全的教学资源，而是满足自己需求的教学内容范围更广的信息类产品。数据教育不是单纯的资源集大成者，而要从数据库中深度发掘有用信息，进行趋势分析。数据教育显然是大数据时代网络教育一展身手的方向。通过使用各种集合的综合技术，平台上可以自动留存用户关于学习行为的各种数据，如学习一个知识点花多长时间、学习的顺序是否有断点、是否会反复重新学习等等，但需要注意的是，仅仅是远程教育和在线课程，这些信息只能称之为数字并不是数据。在媒体领域，我国媒体拟与甲骨文公司展开了多样化的数据库营销合作，并且建立有效的数据库体系，目的是实现数据库营销方面的收入拓展。数据教育可以借鉴这一模式对海量数据进行挖掘，以及数据的分析。
（3）做好数据驱动的解决方案，量身打造个性化资讯内容，私人定制、精准推送内容。
传统网络教育把所有网络教育的内容向所有人传播，缺乏针对性、精确度，这是粗放型的教育模式。目前网络教育之间的同质化非常严重。数据教育在充分利用大数据和关系链，为用户筛选、推荐最适合的内容并提供私人订制的教育内容的同时，还应使他们体验网络学习的新感受。大数据时代，基于用户兴趣生产和传播是重要趋势，根据用户上网的习惯、浏览的痕迹、参与的话题以及讨论的内容，对其较长时间的浏览数据进行分析，便可得知其上网习惯以及浏览喜好等的数据。根据这些数据，选取合适的时间应用恰当的方式向用户提供其需要并且感兴趣的学习内容和信息，在此基础上就可以定制学习内容。理论上网络上的每一个用户都有自己的一幅网络肖像以及一个属于自己的UID（UserIdentification用户识别）号。个人的兴趣图谱就是数据教育的基础。基于用户识别特征和兴趣图谱建构的数据教育不但目标明确，可以强化与用户的黏度，而且有利于整合网络教学资源，甚至达到自动生成匹配高效精准教学模式的效果。要做到这一点，就必须借助大数据技术和相关分析软件，建立可挖掘、可分析的用户资源数据库，通过对数据的整合和分析，针对不同的用户需求，推出满足用户个性化和专业化需求的各类内容产品。
3结语
大数据正在重构很多传统行业。数据教育为未来网络教育内容打开充满想像的空间。对数据进行分析与过滤，数据教育解放了传统网络教育的思维方式，创新了传统网络教育的学习形式。数据可以帮助用户选择适合自己学习水平和学习习惯，满足自己学习需求的学习模式。在某种程度上讲，网络教育的未来就是分析数据。因此，数据教育是网络教育以后发展的一个重要方向。大数据时代，基于数据教育的的发展潜力，数据教育会越来越显示出其的重要性和不可替代性。哈佛大学社会学教授加里•金指出，庞大的数据资源使得包括学术界、商界以及政府在内的所有领域都开始了量化进程。因此，借助大数据发力，做优质的网络教育模式，期待数据教育给出答案。
作者：孙华 单位：四川广播电视大学
