【摘 要】随着时代的发展,教育领域也发生了许多变革,尤其是大数据概念的引入,能够对学习者的所有信息进行系统的整理和分析,然后构建教育模型,引导学生不断的学习,例如通过设计教育环境、完善教学场景、布置教育实验场景、配置教育时空,能够充分的调动学生群体学习的主动性和积极性,对教育领域具有相当重要的作用。文章分析了大数据的概况以及大数据在教育领域中的作用,探析了大数据在教育领域中的典型应用,旨在为教育领域的大数据研究人员提供一定的参考。
【关键词】大数据;教育领域;运用;教育职称论文
数据在教育领域的运用,显著的提升了教育服务经济社会的能力,具有很高的综合价值,教育零序必须适应大数据时代的新状况,构建大数据教育平台,制定大数据战略决策,不断的提升自身服务社会的能力。
1 大数据的概况
大数据,也称之为巨量资料,这一概念来源与生物学、物理学、天文学等学科,其目的是用于描述目标数据量的规模,其处理的信息量远远超过了普通电脑的处理能力。根据相关研究表明,人类储存信息量的速度为经济增长速度的五倍,并且这些信息中95%以上都是以数字数据的形式存在的。为了结局数据信息量过大的问题,相关的技术研究人员探索和开发了大数据处理技术,例如基于云技术的分布式系统基础数据处理平台“Hadoop”和大型数据分析框架“Map Reduce”等,其显著的提高了系统处理的数据量,并且显著的提升了数据的处理速度。
2 大数据在教育领域中的作用
大数据技术对于技术开发人员、研究人员、管理人员、教师、学生等都具有重要的作用:对于研究人员来说,大数据可以作为研究网络学习过程的工具和研究学生个性化学习的工具;对于管理人员和教师来说,其能够改善现有的学校考核方式,用来评估课程和机构,并提供更多的教学分析数据,方便教师在分析数据的基础上,为学生提供更多、更有针对性的教学干预;对于技术开发人员来说,其可以为学习管理系统的开发提供更多参考数据;对于学生来说,基于学习行为数据的分析,通过大数据分析,让学生以学习者的角度了解学习过程发生的机制,以此来优化学习,并展开自我导向学习和适应性学习。
3 大数据在教育领域的运用
大数据在教育领域中的应用,主要指的是在线决策、学习分析、数据挖掘三大要素,其主要作用是进行预测分析、行为分析、学业分析等的应用和研究,大数据含义指的是对学生学习过程中产生的大量数据(数据来源包括两方面,即显性行为和隐性行为,其中隐性行为包括论坛发帖、课外活动、在线社交等不直接作为教育评价的活动,显性行为包括考试成绩、作业完成状况以及课堂表现等)进行分析,大数据模型以及显示的数据能够为学校和教师的教学提供参考,及时、准确的评估学生的学业状况,发现学生潜在存在的问题,进而预测学生未来可能的表现。
1)构建学习者经验模型。通过收集学习者的学习满意调查问卷,或者是分析量表数据,再根据其在课程学习中的存留数据、表现、行为、选择等,构建学习者的经验模型,通过分析这种模型对学习系统中的课程进行评估,例如通过构建学习者体验模型,进行线上课程评估,然后再进行课程设计,这种改变课程教学顺序的大数据模型,显著的提高了学习者的学习成绩和教师的教学效率。
2)建立学习者行为模型。通过收集学习者在学校情景中学习行为变化的情况、学习者完成课程学习的状况、学习者在网络系统中花费的学习时间以及学习者的考试成绩等数据,研究学习者的学习行为与教学成果之间的关系,最终形成学习者的学习行为模型,通过构建大数据学习平台,构建学习者行为模型,能够预测学习者的学习失败可能,其预测正确率高达75%以上。
3)构建学习者知识模型。通过收集学习者在大数据在线系统的交互数据,其包括的内容有:学习者请求帮助的性质和数量、学习者回答问题花费的实践、学习者回答错误的重复率、学习者回答的正确率等,通过数据挖掘和学习分析构建的学习者知识模型,能够将学习单元层面、课程层面、知识点层面的数据信息,通过人工反馈或者自动反馈,选择适合的方式,充分的考虑学习者的时间,为学习者提供合适的学习内容,这种通过手机每一个所有知识点的详细数据,再通过在线决策、学习分析和数据挖掘,为学习者提供详细的学习意见和学习反馈。
4)构建领域知识模型。通过对教育大数据的在线决策、数据挖掘和学习分析,对现有的领域知识进行重新建模,研究学习者与知识点、学习单元、课程等学习内容之间的关系,通过构建领域知识模型,采集和处理学习者的相关数据,画出学习者的学习曲线,再通过对这些学习曲线进行数据分析,能够显著的提高学习者的学习成绩和教师的教学效率。
5)构建学习者档案。通过收集学习者的基本学习信息,建立基本信息数据,通过数据挖掘、学习分析和机器学习算法,根据学习者的学习特征,将相同学习特征的学习者进行分组和聚类,建立学习者档案,这种能够为不同类型学习者提供个性化的学习环境,能够激发学习者的学习积极性和主动性,例如通过数据挖掘技术对学习者在线学习平台的学习日志进行分析,这样能够掌握不同学习者的不同学习特点和交互类型,然后构建学习者档案,充分的激发了学习主动性,显著的提高了学习者的学习效率。
6)教学策略分析。大数据在教育领域的运用,其最终的目的是帮助教育者制定教学策略,通过对收集的学习者的信息进行分析,探索学习系统中各种组件的功能,分析学习者学习结果与教学策略之间的关系,然后对教学策略进行分析和总结,这样能够为教育领域提供更多、更有效的教学策略,例如Ritter等人研究的“Cognitive Tour”的智能导学系统,通过数据挖掘、学习分析和在线决策,为该智能教学系统提供了长达15年的细粒度、动态的系统评价,优化了该系统的教学策略,显著的提高了学习者的学习效率。
7)其他应用。大数据在教育领域的运用还包括个性化学习、自适应学习系统、以及趋势分析等方面,其中个性化学习与自适应学习系统是大数据应用的终极目标,通过大数据的收集、分析与处理,为学习者提供个性化学习、与自适应学习的环境;趋势分析时通过对大数据的分析,探索学习者在学习过程中的学习结果的变化趋势,探索学前行为与未来结果之间的关系,预测未来学习的趋势和结果,例如加州高等教育协会创建的在线趋势分析工具,允许用户自定义检索条件,为用户提供教育趋势预测结果,帮助学习者构建学习模型,最终推动学习者主动的学习。
4 结束语
综上所述,大数据在教育领域的运用惠及学生、教师、研究人员、技术人员等众多方面,并且大数据的应用给教育带来了巨大的机遇和启发,但是其作为新鲜事物,仍需在实践中不断的探索和完善,文章探析的大数据在教育领域的应用,希望能够为相关的研究人员提供一定的帮助。
【参考文献】
[1]张植卿,程鲜彩.大数据对教育领域产生的革命性影响[J].经济研究导刊,2014(5):232-233.
[2]徐鹏,王以宁,刘艳华,张海.大数据视角分析学习变革《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志,2013(6):11-17.
[3]陆璟.大数据及其在教育中的应用[J].上海教育科研,2013(9):6-22.
[4]张燕南,胡继岳.关于大数据应用于教育的思考[J].中国电力教育,