教育大數據進化史

小U說

大數據教育，是以數據采集分析技術為重要輔助手段的現代化教育變革方法。目前對大數據的定義有三種，分別從數據體量、復雜性程度、價值這三個角度來界定,反映了大數據三個最主要的特性。而當前大數據在教育領域的主要應用是教育數據挖掘和學習分析。大數據正演變為一種“人人產生數據、人人共享數據、人人熱愛數據、人人管理數據”的社會變化。

一、國際教育大數據發展

2012年4月，歐盟委員會發起歐洲數字化議程，致力于利用數字技術刺激歐洲經濟增長，幫助公眾和企業最大程度利用數據技術。

2012年3月，美國政府投資2億美元啟動“大數據研究和發展計劃”，國防部積極部署開展大數據行動，利用海量數據挖掘高價值情報，提高快速響應能力，實現決策自動化。

2013年6月，日本安倍內閣正式公布“創建最尖端IT國家宣言”，提出建設 “世界最高水準的運用信息產業技術方法的社會”。

2013年8月，韓國建立特需大數據中心。

二、國內教育大數據發展

1996年5月，國家教委發布《國家教委關于進一步提高教育統計數據質量的意見》；

2002年9月，教育部科技司發布《教育信息化“十五”發展規劃（綱要）》；

2005年6月，教育部印發《教育部科技基礎資源數據平臺建設管理辦法》；

2012年3月，教育部印發《教育信息化十年發展規劃（2011-2020年）》；

2013年1月，中國工信部發布《關于數據中心建設布局的指導意見》；6月，工信部發布《電信和互聯網用戶個人信息保護規定》；7月，“金橋產業技術創新會議”在滬召開；

2014年2月，貴州省印發《關于加快大數據產業發展應用若干政策的意見》和《貴州省大數據產業發展應用規劃綱要（2014-2020年）》；12月，廣東省公布《廣東省大數據發展規劃（2015-2020年）》；

2015年4月，國家發改委在部委中首家專門成立了大數據分析中心；7月，國務院印發《關于運用大數據加強對市場主體服務和監管的若干意見》；9月，國務院發布《促進大數據發展行動綱要》，提出建設教育文化大數據，教育大數據已經上升到國家戰略層面；10月，第十八屆中央委員會通過《中共中央關于制定國民經濟和社會發展第十三個五年規劃的建議》；

2016年1月，貴州省通過《貴州省大數據發展應用促進條例（法案）》；2月，教育部辦公廳發布《2016年教育信息化工作要點》。

三、大數據在教育中的深遠影響

為了更好地指導現階段教育大數據的實踐應用，構建了七大教育數據分析模型。

1、學習者檔案模型

通過對學習者基本學習信息的采集，建立基本信息數據庫。運用數據挖掘、學習分析、機器學習算法等手段，根據不同維度，如學習者的學習特征等，將具有相同學習特征的個體進行分組、聚類，建立學習者檔案。

1）解決的問題：學習者聚類分組

2）用于分析的數據

學習者正確的、不正確的和部分正確的應用數據；學習者做出應答花費的時間；幫助請求數據；犯錯和重復數據。

2、學習者知識模型

通過采集學習者與在線學習系統的交互數據，包括：學習者請求幫助的性質和數量、學習者回答問題花費的時間、學習者回答錯誤的重復率、學習者回答問題的正確率等，通過數據挖掘和學習分析構建的學習者知識模型，能夠將學習單元層面、課程層面、知識點層面的數據信息，通過人工反饋或是自動反饋，選擇適合的方式，充分的考慮學習者的時間，為學習者提供合適的學習內容。

1）解決的問題：學習者掌握了哪些知識（例如：概念、技能）過程性知識和高級思維技能等）

2）用于分析的數據

（1）學習者正確的、不正確的和部分正確的應用數據；學習者做出應答花費的時間；幫助請求數據；犯錯和錯誤重復數據。

（2）學習者的技能練習數據（內容和持續時間）。

（3）學習者的測試（形成性和總結性）結果數據。

3、學習者行為模型

通過對學習者在學校情景中學習行為變化的情況、學習者完成課程學習的狀況、學習者在網絡系統中花費的學習時間以及學習者的考試成績等信息數據的采集，研究學習者的學習行為與教學成果之間的關系，形成學習者行為模型。

1）解決的問題：學習者不同的學習行為范式與學習者的學習結果的相關關系

2）用于分析的數據

（1）學習者正確的、不正確的和部分正確的應用數據；學習者做出應答花費的時間；幫助請求數據；犯錯和重復錯誤數據。

（2）學習者學習情境相關數據；

4、學習者經歷模型

根據學習者在線課程學習中的選擇、學習軌跡、表現、行為等，構建學習者經驗模型。如通過模型，進行線上課程評估，信息反饋后再進行課程的設計等。

1）解決的問題：學習者對于自己的學習經歷的滿意度

2）用于分析的數據

（1）滿意度調查問卷和量表測試數據。

（2）在后續學習中學習者對于學習單元或課程的選擇和表現數據

5、領域知識模型

構建領域知識模型，深入研究學習者與知識點、課程、學習單元等學習內容之間的關系，采集、整合、分析學習者相關學習數據，畫出學習者的學習曲線。

1）解決的問題：學習內容的難度級別、呈現順序與學習者學習結果的相應關系

2）用于分析的數據

（1）學習者正確的、不正確的和部分正確的應該數據；學習者在不用難度學習模塊中的表現情況數據。

（2）領域知識分類數據。

（3）技能和問題解決的關聯性數據。

6、教學戰略分析模型

通過對收集的學習者的信息進行分析，探索學習系統中各種組件的功能，分析學習者學習結果與教學策略之間的關系，然后對教學策略進行分析和總結，為教育領域提供更多、更有效的教學策略。

1）解決的問題：在學習系統中學習組件的功能、在線教學策略與學習者學習結果的相關關系

2）用于分析的數據

（1）學習者正確的、不正確的和部分正確的應該數據；學習者在不用難度學習模塊中的表現情況數據。

（2）領域知識分類數據。

（3）技能和問題解決的關聯性數據。

7、趨勢分析模型

通過對已采集、分析的學習者相關數據進行進一步的整合、分析，探索學習者在學習過程中的學習結果變化趨勢，探索學前行為與未來結果之間的關系，預測未來學習的趨勢和結果。

1）解決的問題：學習者當前學習行為和未來學習結果的相關關系

2）用于分析的數據

（1）在線學習系統中學習者學習行為相關的橫向和縱向數據。

（2）學生信息管理系統中，持續一段時間且相對穩定的學習者基本信息數據。

優學云測評基于對學生素質測評與作業考試情況的大數據分析，為學生、家長、教師、學校提供不同層次的素質測評報告、學情分析報告和教學評估報告，讓教師快速了解學生情況，針對性授課，提升教學質量。

圖片來源：網絡

內容來源：中國教育信息化

精

彩

推

薦

1. 優學云測評推出培訓機構個性化教學解決方案

2. 優學云測評推出中小學校個性化教學解決方案

3. 優學云測評推出招生平臺流量提升方案

4. 優學云測評推出企業人才發展平臺解決方案——人才庫管理

5. 優學云測評幫助個性化教育成為現實

優學云測評精選的每一篇文章都會注明來源和作者（除非找不到），文章版權歸原作者所有，若有侵犯權益，請聯系我們刪除。本文所述內容僅代表作者觀點，不代表優學云測評立場。對于本文以及其中全部或者部分內容、文字的真實性、完整性、準確性和合法性本公眾號不作任何保證或承諾。