大数据教育课堂（精选9篇）
大数据教育课堂 篇1
一、课堂中的大数据应用
课堂中生成的大数据：
1.教师教学行为数据：教师教学行为的数据主要是教师在授课过程中的言行。
2.学生学习行为数据：学生学习行为的数据主要是学生在课堂中的反应、作业完成情况以及对知识点的掌握情况。
课堂大数据的用途
1.分析和评价教师教学行为，促进教师教学行为的改善 2.为学习分析提供依据，促进教学干预和个性化学习3.发现教育教学问题，为学校和管理部门提供决策依据
随着平板电脑等移动终端设备在课堂中的应用，采用智能手段获取学生学习的数据也成为可能。典型的应用是收集学生对知识点的掌握情况，如将课 堂练习与教学知识点相关联，在移动终端上做课堂练习时，运用软件实现课堂 练习的智能分析，自动获得学生对教学知识点掌握情况的数据。
二、关注学生课堂数据，挖掘信息课堂亮点
教师要敢于直面自己的课堂，看看录像，听听录音，及时反思自己的课堂，优化教学引导，课堂教学的时间观念就会强很多，课堂效率也会提高不少。
三、基于 PADClass 模型的数字化课堂学习过程数据挖掘与分析研究 信息的单向性和数据的不可跟踪性使得课堂学习过程只能依靠教师的经验进行分析，在学习过程中的多维信息交互数据不能得到即时处理与分析，导致个性化学习缺乏实际基础。
一方面，通过数据挖掘和数据分析以及可视化等技术可以实现对课堂上教师和学生的教学行为和随堂测试数据信息的采集、处理、存储以及可视化呈现;另一方面，通过基于数据的教学策略优化，可以减轻教师教学负担，激发学生学习兴趣，实现教育资源合理配置，促进信息技术与教学过程的深度融合。可以把课堂数据分析分为四个方而，即教师分析、学生分析、活动分析和资源分析。其整体分析结构如图。
其中教师分析根据教师的课前备课、课上授课和课后评价等行为分为备课分析、导学分析、互动分析、评价分析、教学目标分析和课后分析;学生分析根据学生课上行为和作业测试情况分为互动分析、评价分析、作业分析、测试分析和学习结果分析;活动分析根据活动的类型和时长分为活动类型分析和活动时长分析;资源分析根据资源的类型、大小和使用情况可分为资料分析和使用频率分析。它们为分析教师与学生的行为和教学目标的完成情况提供了科学精确的数据依据。
可以把数据分为单节课和阶段性两个维度来分析。单节课就是在某一节特定的课上，对教师和学生的交互信息和学生的测试成绩进行精确的处理，并最终用图形化的形式展示出来。阶段性就是在某一阶段内，对某个班级或某个学生进行阶段性分析.用图像化的形式直观展示。
图4为测试时题目正确率及交卷人数实时状态，该图由两部分组成:左侧为“题目正确率统计图”，显示当前已交卷学生的单个题目的答题正确率;右侧为阳寸序图”，显示当前已交卷学生的人数。
图5为测试时每个学生实时作答情况，答对的选项填充为绿色，答错填充为灰色，未选为空白。S-P表用来实时显示学生的正确率及每个题目的作答情况。
图6为单日随堂考成绩分析，是该教师某天在某班的某门课上进行随堂考试成 绩的分析。图7为单日作业提交率分析.是该教师所教的某一班级某天提交某门课的作业情况分析。教师通过“实时分析图”能够了解每个题目的正确率和学生的交卷情况。
第一，教师通过“举手”能够及时了解学生对知识的掌握情况。
第二，教师通过“实时分析图”能够了解每个题目的正确率和学生的交卷情况。第三，教师通过S-P表能够详细的了解每个学生的学习情况。
第四，教师通过“单题选项分布统计图”能够了解每个题目学生整体的掌握情况。
第五，教师通过“成绩等级分布图”能够了解学生成绩等级的分布情况。
第六，教师通过“过程分析图”能够“看到”学生的过程分析图给教师呈现了学生做每个题目做题过程。
四、面向课堂教育信息的数据挖掘研究
维度二学生信息的挖掘“(1)参与状态:一是观察学生是否全员参与学，二是看有的学生是否参与教，把教与学的角色集于一身。没有学生积极参与的课堂教学，是谈不上开发学生潜能的。(2)交往状态:一看课堂上是否有多边、丰富、多样的信息联系与信息反馈，二看课堂上的人际交往是否有良好的合作氛围。
(3)思维状态:看学生是否对教师的提问，提示信息作出积极的反馈;学生是否主动提出问题、发表见解。
(4)情绪状态:一看学生是否有适度的紧张感和愉悦感，二看学生能否自我控制与调节学习情绪。有时课堂会突然爆出笑声又嘎然而止，会从激烈的争论转人专注的聆听，就是一种自发并能自控的良好情绪状态。
(5)生成状态:一看学生是否都各尽所能，感到踏实和满足，二看学生是否对后继的学习更有信心，感到轻松。
维度三教师、学生课堂交互信息的挖掘：
五、课堂数据可视化的价值与教学应用
基于网络智能设备的课堂数据可视化，一方面继承了数据可视化“一图胜千言”的表达优势，另一方面又通过技术将已构建教学关联的课堂数据，以即时反馈、全局展示、动态累积、趣味呈现的方式应用于课堂教学各环节和活动中，在支持课堂管理的同时，着重突出“可视化”的教学互动及教学的动态生成，促进了教学过程的不断改进。
课堂数据可视化的内涵：数据可视化借助图表、图像形象地呈现数据，支持用户直观了解数据本身，分析蕴含在数据背后的信息与数量关系，其主要目标在于“通过图形化的手段清晰有效地传达信息”，帮助人们“揭示趋势、探索来源、获取新知”。研究表明，大脑要处理的信息多跟视觉有关，超过 80%的大脑细胞是处理视觉信息的，人们在加工视觉信息时认知负荷很低，所需努力极其微小（Sibbet，2010）。数据可视化充分应用“一图胜千言”的可视化表达方式，具有显著的沟通力、呈现力与吸引力，在课堂教学中常被用于呈现教学信息，通过图形图像的方式增进学生对教学内容的理解与认知，支持学生学习过程中的认知建构，或是对已记录的教学数据加以可视化，便于后期的比较与分析。
其应用主要包括获取课堂表现数据、呈示可视化结果、自主调整反馈三个基本流程。各流程间顺序并不固定，可根据教学实际灵活调整，通过这些流程的不断应用促成教学改进的良性循环，如图
其中“获取课堂表现数据”，通常指通过应用智能设备获取学生课堂表现数据，主要有行为表现、认知表现和情感表现三类。
1.课堂数据可视化应用带来课堂形态的新变革
首先，课堂数据可视化的应用使课堂交互真正得以“实时实地”。如使用课堂应答工具Socrative可即时了解学生对某一知识点的掌握情况，从而减少师生间反馈所需的时间，促使课堂交互真正实现“实时实地”。
其次，课堂数据可视化应用可自主设置课堂交互的透明度，在充分尊重学生的同时增进课堂交互的自由度。如 Socrative 可在不同测试题型如简答题中设置是否匿名，为课堂中的学生创设毫无压力的表达空间，使其更愿意且更真实地表达自己。
第三，课堂数据可视化应用可使课堂交互充分面向个体和全体学生。如 Class Dojo 将全体学生行为表现信息置于单一界面中，教师可以通过这种可视化的方式即时了解个体和全体学生的行为表现情况。
2.课堂数据可视化应用是教师数据素养发展的重要内容 课堂数据可视化一方面将数据应用渗透于教师教学与沟通交流的各环节和各层面，另一方面在技术应用上简化了教师数据统计与分析的工作，使教师能够切实关注基于数据的教学发展而非数据本身。
3.课堂数据可视化应用推进教师技术应用的优化变革
课堂数据可视化应用实则是基于数据的技术应用，这种基于数据的技术应用在教学整合的“相对优越性”、教师教学的“兼容性”、教学效果的“可观察性”上均较传统的技术应用更能激发教师应用技术的积极性与主动性。一是数据与教学切实关联，二是数据具有动态性特征，三是数据具有一定的指示作用。
课堂数据可视化教学应用案例 1.Class Dojo简介
Class Dojo是一款免费的基于学生行为数据可视化的课堂行为管理网络工具，旨在帮助教师管理课堂和改进学生行为表现。这项功能主要通过四个环节实现：（1）量化学生行为，（2）评估学生行为，（3）呈示学生行为得分，（4）生成学生“行为报告”。
3.基于Class Dojo的课堂数据可视化教学应用（1）激发全员共同参与（2）创设游戏化课堂 可将学生课堂行为管理作为游戏机制，通过将数据应用和趣味呈示的色彩、声音、时间乃至学生个人形象相关联，从个性化形象设置、评估过程到竞争机制、互动反馈等方面。具体可从以下三方面考虑：一是为所有学生设置独特的卡通人物形象。二是重视学生行为评估过程的游戏化。三是充分应用 Class Dojo 所提供的随机抽取、计时器和倒计时等功能，开展各种各样的趣味活动，有效提高学生的课堂参与。
（3）展开即时、全面、自主的教学互动（4）增进教育利益相关者间的协作交流 Class Dojo 除了在课堂教学中作为学生行为的即时评价与管理工具外，还会对学生的行为表现加以记录和存储，并以“行为报告单”的方式动态呈现出“整个班级”或单个学生在某一段时间内的发展变化情况。Class Dojo根据教师、家长和学生的应用特征为各自提供了不同的应用界面，方便教师、家长和学生即时查看学生的行为表现。
六、学习仪表盘：大数据时代的新型学习支持工具
学习仪表盘基于信息跟踪技术和镜像技术，对学习者的学习行为、习惯、情绪、兴趣等信息进行记录和追踪，通过分析与可视化、个性化的显示，为在线教育的学习者、教师、研究者、教育管理者等提供多层次的学习支持，帮助学习者实现自我认知、学习反思以及意义建构，促进学习新方法或模式的产生。
应用案例
（1）可汗学院学习仪表盘 在这一学习仪表盘中，要学的知识被精细切割为上百个知识点并可视化为由
549 个小格组成的“任务进度”图，其中每个小格代表并链接一个知识点要完成的学习任务，其颜色深浅表示了学习者对该知识点的掌握程度。学习者可以设计个性化 的学习路径并自由选择想要学习的知识点，还可以通过练习或测试提升对某一知识点的掌握程度
（2）“快乐学”学习仪表盘
学生入口的仪表盘页面能够显示学生在练习过程中的错题类型与数量，并通过分析学生在学习中的弱点与盲点生成个性化练习题，帮助学生强化和提高。教师入口的仪表盘页面既能够支持师生间一对一的交互，又能基于对学习者的数据分析辅助教师生成个性化试卷，从而实现个性化教学。家长入口的仪表盘页面在可视化子女总体学习指数（如图4所示）的同时，还可以显示某类知识点的具体学习情况
多对象学习支持
学习者。学习仪表盘可以追踪学习者的学习过程与结果并提供多种反馈信息，包括对课程参与情况的反馈，如学习材料使用情况、在线活动参与度、论坛参与率、在线测试成绩、作业及考试成绩等;学习者在学习共同体内的学习情况反馈，如学习进度的比较与推荐、学习策略建议等;学习者学业进步的总体反馈，包括学习情况总结、参与各种学习活动及使用各种信息技术工具的情况总结等。
教学者。学习仪表盘具有可定制性与可扩展性，可以满足教师多方面的教学需求。(Siemens et al.,2011)首先，教师可以通过学习仪表盘更深刻地了解学习者个体与群体的学习情况，如学生对于个人进步的感知、学习中的情绪情感体验、话题讨论的参与程度、实时学习检测情况以及与检测内容相对应的在线学习活动参与情况等，使教师可以获取学习情境中更为全面但却不太有形(Less Tangible)的信息，从而追踪并掌握影响学习者持续学习参与度(Sustained Learner Engagement)的因素。其次，学习仪表盘提供了一些便捷的插件，可以让教师选择和定制对信息和数据的分析角度，从而帮助教师及时发现和预测“处于危险状态”的学生并进行干预，如个性化谈话、学习方法建议、学习材料补充等。另外，学习仪表盘具有良好的开放性，教师可以方便地与同校或外校的教师共享信息资源。
大数据教育课堂 篇2
1.教师教学行为数据
教师教学行为的数据主要是教师在授课过程中的言行, 具体如表1所示。教师的教学行为反映了教师的教育信念、知识储备、对学情的把握以及备课的充分程度等情况, 这些数据为教师教学行为的改进提供了参考和依据。
2.学生学习行为数据
学生学习行为的数据主要是学生在课堂中的反应、作业完成情况以及对知识点的掌握情况, 如表2所示。学生的学习行为反映了学生的学习习惯和思维深度, 如问题多的学生往往思考较深入, 与他人互动多的学生往往更善于从别人身上学习。
●课堂大数据的用途
1.分析和评价教师教学行为, 促进教师教学行为的改善
分析教师教学行为, 可以对某一个维度的教学行为数据进行归类、统计, 再结合具体的教学目标和教学内容, 判断教学行为的有效性。例如, 初中数学关于三角形全等的复习课上, 对于问题类型维度的统计是:“是什么”类的问题占80%以上, “为什么”、“怎么样”和“如果……则……”的问题总共不到20%, 说明教师提的问题缺乏有效性, 因为该部分的教学目标重在发展学生应用知识解决问题的能力, 且复习课的认知目标应更多定位在应用、分析的层次上。另外, 也可对多个维度的教师行为进行综合、比较, 进而分析出教师教学行为背后隐含的教学信念。通过对教学行为的评价, 教师重新反思和完善自己的教学, 从而促进实践能力的提高。
2.为学习分析提供依据, 促进教学干预和个性化学习
学习分析是近年来大数据在教育领域较为典型的应用, 新媒体联盟将学习分析定义为:利用松散耦合的数据收集工具和分析技术, 研究分析学习者学习参与、学习表现和学习过程的相关数据, 进而对课程、教学和评价进行实时修正。通过对课堂中学生的学习行为和掌握知识点的相关数据进行统计, 可将特定阶段内学生的学习过程可视化。学生可据此了解自己的优势和不足, 认识自我, 并制定自主学习的计划;教师也可根据结果及时修正教学安排, 帮助学生制订个性化的学习方案, 或者与家长就学生学习问题进行交流。
3.发现教育教学问题, 为学校和管理部门提供决策依据
学校对所有教师的教学行为进行整体分析, 了解教师对学科、教学理论、教学实践性知识的把握情况, 从而有针对性地制定教师专业发展的决策。通过对学生学习行为的分析, 学校可发现学生的学习偏好和学习模式, 从而制定相关制度。
此外, 教育研究部门可通过对区域范围内教师教学和学生学习的行为进行分析, 发现教学规律及存在的问题, 为教育管理部门提供基于数据的教育决策。
●课堂中大数据的收集方法
在大数据的教育应用中, 数据收集是核心问题, 也是难度最大的问题。目前课堂教学中的数据主要采用人工方法, 即由教师或研究者依据一定的模型或量表, 采用课堂观察或分析授课视频的方法收集数据。这种方法需要每个研究者同时观察记录1~2个维度, 成本高又费时, 但准确度较高, 如首都师范大学王陆教授带领的COP教师在线实践社区团队主要使用这种方法, 经过多年的积累, 已在北京、山东、广西、深圳等地区构建了常模数据。
随着平板电脑等移动终端设备在课堂中的应用, 采用智能手段获取学生学习的数据也成为可能。典型的应用是收集学生对知识点的掌握情况, 如将课堂练习与教学知识点相关联, 在移动终端上做课堂练习时, 运用软件实现课堂练习的智能分析, 自动获得学生对教学知识点掌握情况的数据。
●课堂大数据的分析步骤
1.熟悉相关理论知识
分析课堂大数据的目的是为了诊断课堂, 完善教学和学习行为。因此, 教育研究者要熟悉相关的理论, 包括有效教学和学习的理论、教学目标理论、教学策略和方法以及新课改的相关理念等。这些理论是研究者对数据进行分类、比较、鉴别和发现的指导依据。
2.掌握相关数据分析技术
大数据分析过程通常需要经过复杂的运算才能完成, 因此, 教育研究者需要掌握和了解相关的数据分析技术, 如数据建模、统计分析、数据检验、相关分析与预测、聚类以及数据挖掘等。这些技术大多通过软件来自动完成, 如Microsoft Excel、IBM SPSS、SAS等。
3.确定要分析的问题
运用大数据研究课堂教学时, 有时只需就某一方面的问题或某一类的数据进行分析, 有时则需对全部数据进行分析, 以便对课堂进行全面的诊断。因此, 教育研究者首先要根据研究的需要, 明确要分析的问题和目的, 如判断课堂中教师的提问是否有效, 判断课堂是否体现以学生为主体, 诊断课堂中有哪些问题等。
4.处理数据, 做出分析和判断
首先, 教育研究者根据确定要分析的问题, 选择数据。例如, 如果要分析的问题是“判断课堂中教师的提问是否有效”, 则主要选择教师教学行为中“有效性提问”维度的数据;如果问题是“判断课堂是否体现以学生为主体”, 则选择教师行为的“对话深度”、“教师回应”以及学生学习行为中的“互动”和“自主”等维度的数据;如果采集的数据的结构不符合分析的需要, 则要对数据进行重新建模、数据表合并等操作后再进行分析。
需要注意的是, 选择数据时, 应尽量做到数据的“同质”, 即分析同一问题的数据是对相同科目、相同课型、相同年级的学生收集的数据, 同时数据样本尽量大, 以保证统计结论的可靠性。
摘要：课堂教学研究中, 大数据的定量研究方法比定性方法更科学、准确。本文通过对教师教和学生学两类行为进行分析, 介绍了课堂中产生的大数据的用途、收集和分析方法, 以期为研究者提供一种新的课堂教学研究视角。
关键词：大数据,教学行为,学习行为,学习分析
参考文献
[1]王陆, 张敏霞:课堂观察方法与技术[M].北京:北京师范大学出版社, 2012.
[2]崔允漷, 沈毅:走向专业的听评课[M].上海:华东师范大学出版社, 2013.
大数据教育课堂 篇3
【关键词】大数据 中职教育 学前教育 课堂教学
【中图分类号】G71 【文献标识码】A 【文章编号】2095-3089（2015）05-0048-01
引言
中职教育的主要目的就是培养学生的职业能力，如何实现这一目标，是众多办学者的夙愿。尤其伴随着时代的不断发展，大数据时代的到来，让很多问题都需要与时代接轨并且不断地完善个人能力和知识储备才能够与时俱进，跟进时代。改革是任何时代都要进行的事情，只有不断改革才能够跟进时代的步伐。尤其孩子是世界的未来，承载着一切希望，既是家庭的，又是社会的，不容得一点小视。
一、课堂教学改革的开展
1.跟进时代的步伐 伴随着知识经济和信息化时代的到来，世界各国为适应时代发展的需要，在上世纪末和本世纪初纷纷开展了旨在培养21世纪所需要的具有全球竞争力人才的教育改革。[2] 随着时代的发展，从事职业教育的教师要不断更新自己的知识以及技能储备，只有这样，才能够为学生呈现出更多的知识。而对于中职学前教育而言，还要重点关注学生的心理健康教育。心理健康教育包括多种心理课程其中就有通过他人的一举一动而分析其心理的想法以及相关的心理暗示，这对于管理幼儿有非常重要的意义。顺应时代的发展潮流，只有德、智、体、美全面发展的人才才是社会需求的，所以如何进行相关问题的培养，学校应该给予重视。
2.情商的培养 现如今的社会，只有拥有足够的情商，才能够被单位认可和被社会接纳，情商薄弱的人无法被社会所包容，到处碰壁而头破血流，而当前的学生独生子女数目之多，学生们对于为人处事的问题很少去思考，这就需要学校加强这方面问题的思考和教学安排，在期末考核的时候，单纯的靠一张试卷已经无法对学生进行全面的考核，还要进行全面的考核，包含口试和应急问题应答等，只有这样才能够更加全面的对同学们进行培养以满足社会的需求。
3.针对性 不同行业的学习宗旨就有所不同，针对中职教育的学前教育，就应该针对幼儿的教学问题和幼儿开发进行教学，针对幼儿心理等一系列问题，首先要得到幼儿的心，让幼儿在心理接纳这个老师，这样才能够进行后续的问题，否则后续问题很难处理。幼儿是处于发育的最关键阶段，所以针对幼儿的膳食管理也要进行系统的学习，如何饮食才能够让幼儿处于最佳的发育状态，如何为幼儿设计幼儿游戏以及相关的集体活动等等，要从幼儿抓起的团队意识，发现那些在角落里不爱说话或不爱参与集体活动的孩子时应如何处理等，这都是非常关键的。为幼儿安排适当的体育活动，会对幼儿的发育起到非常好的作用，而且还可以让幼儿在体育活动中身心健康。
二、大数据下的中职学前教育
1.学校设施的改进 大数据，或者称之为巨量资料，随着目前的数据越来越多，随着时代的不断发展，学校的教学环境也要相应的进行改善，教学设施等一定要跟上步伐才能够教育出更好素质的人才，及时为学生将数据更新，让学生更全面的掌握知识。运用现代教学设施可以更加生动和具体的进行教学环节的设计和呈现，而且提高了学生们的积极性，让学生在轻松的环境下就学会了不少知识，并且不断的产生兴趣。只有在兴趣的激励之下才能够更好的对所学习的知识进行牢固的掌握。
2.与相关单位合作 校企合作已经不是新鲜事，尤其是在当今的大数据时代背景之下，如何能够为学生提供更加实战型的场所对学生而言是一件好事，学生们可以在实践课程中对幼儿加以了解，平时学生接触幼儿的机会并不多，所以借此机会就应该多多对幼儿及时观察，并在实践结束之后让学生同学们及时抒发感悟。教师们对学生的感悟进行总结，最终对一些问题进行探讨和分析，并且提出解决方案。
3.学前教育的特殊性 学前教育是基础教育的基础，如果这一阶段的教育缺失，就会导致以后继续学习与发展的断层。学前教育对于人的社会性、人格品质的发展以及人的认知的发展都具有重要的作用;并且对整个教育事业的发展以及家庭和社会都具有重要的价值。[3]幼儿教育是人生教育的开端，所以也需要非常的关注，每个孩子都是家庭的希望，为孩子的起点奠定一个好的基础是学前教育的宗旨，每个家长都希望孩子们赢在起跑线上，但是世事并不一定如人意，所以学生们要具备发现的双眼，及时开发幼儿们的心智，对善于创作和创新的孩子要加以帮助，做到启蒙和循序善诱的效果。
四、结语
随着职业教育新一轮教育教学改革的推进，学前教育专业课程滞后的问题显现出来，如：课程结构不合理，缺乏综合性、前瞻性;缺乏课程开发和整合的能力;课程内容脱离幼儿园教育实际;课程设置未形成标准化的课程体制等等。针对教师教育的发展趋势和当前学前教育专业课程存在的问题，面对不断改进中发现的问题及时进行改进并不断完善。随着近年来学校之间的竞争力的不断增大，如何提升学校的知名度并且为社会提供真正具备社会能力的人才这就需要学校进行不断的努力。
参考文献：
[1]黄雪梅;幼儿园教育中幼师的角色定位探讨[J];时代教育.教育教学;2012年06期.
[2]李泽宇;我国基础教育课程改革的适切性研究[D];东北师范大学;2010年.
大数据教育课堂 篇4
随着科学技术的发展，现代社会已经进入一个“信息化”时代，而信息的主要载体是数据，在当今信息化社会中扮演着非常重要的角色。任何行业的各个领域都存在着海量数据，这种新的力量正在兴起并逐步影响我们每个人的生存生活方式和价值理念，那就是“大数据时代”。作为传道授业解惑者，面对大数据的冲击，教师应该理性审视新形势下的时代需求，在竞争中提升自己。
“数据分析”是信息与计算科学等专业的必修课，是一门实用性很强的学科，它最大的特点就是“让数据说话”。因此，在教学中，要结合具体学科的特点，强化基本思想、基本步骤的教学，增加实际案例，注重培养学生建立数学思维能力，增强学生的数据分析意识，才能不断提高教学质量，具体优点有以下几个方面：
一、优化教学内容，强化基础理论和基本方法的教学
“数据分析”的理论与方法内容丰富，涉及面广，应用范围大。在课堂教学中，让学生掌握数据分析的基本方法，优化课堂教学内容，将会对教师的上课效率与学生的学习效果产生极大的影响。例如：整数、小数和分数加减法则，表面上看，有很大差异，整数加减法则强调相同数位对齐，小数加减法则强调小数点对齐，分数加减法则强调分数单位要统一。虽然这三个法则分散在几个年级段里的不同章节之中，教学时间间隔较大，但倘若忽视三者之间的比较，让学生孤立地学习掌握，则不利于提高能力，不利于学生掌握知识。因此，我们在 教学中要求同存异，对它们的异同进行分析，学生才能更好地掌握内容。
二、加强案例教学，提高学生学习兴趣
兴趣是学生最好的老师，只有学生对“数据分析”课程有了学习的兴趣与动力，学生才能学好该课程，才能将其理论知识用于实际问题的解决。而案例教学是一种以学生为中心，对现实问题或某一特定事实进行探索的过程，能够有效提高学生的学习积极性，提高学习效率。因而，在课堂教学中，我们应该从实际问题出发，精选具有充分代表性、源于实际问题的典型例题与案例，让学生对案例中的问题进行思考、分析、总结，选择适当的数据分析方法对问题进行分析，并结合数学方式进行计算，最后对计算过程和结果进行讨论，形成最后的总结。例如：我们在学习统计与概率的时候，可以让学生统计体育课上11名男同学在1分钟之类跳绳的数量，这样可以计算出平均数、中位数，同学们就会很快地掌握统计的知识，而概率可以让学生感受数据的随机性，让学生从一个装有红、白、黑三种颜色的小球袋子里随机拿出一个，抽到白球的概率是多少？这个问题的设计可以让学生体会到概率的随机性。因此，在实际教学中，不但要在课堂上利用案例教学，还要根据实际情况布置案例作业，让学生在实际中体会数据分析的作用。
三、建立合理的课程考核体系，确保教学效果
教育大数据分析领域竞品分析 篇5
中国的教育永远没有解决学生如何独立思考、自由精神和人格平等的问题，永远没有让学生提出疑问、不找标准答案，没有解决如何锻炼他们的创造能力的问题。——俞敏洪
【中国互联网教育整体趋势】
纵观中国教育互联网产业，截止到2015年11月31日，通过数据显示，记录在案的互联网教育公司共有1487家，在整体互联网企业中占比约7%，比例在其他诸行业中较为靠前。在细分方向上，在线教育创业的四大龙头分别K12、儿童早教、职业教育、语言学习，它们总共囊括65%互联网教育市场份额。这个行业的创业在产品模式和参与者背景上都出现了一些新变化，家教O2O在创业项目中变着越来越频繁。数据显示教育+O2O项目中，有超过60%的产品都2014年之后才成立的，而且在2015年的上半年又一波较为集中的获投热潮。越来越多传统教育的从业者甚至是传统教育机构的创办者，也出现在了互联网教育的创业市场中，比较典型的有疯狂老师、轻轻家教、跟谁学等。其中很多公司都获得了投融资的支持：
对于互联网教育，BAT在2015年都有不同程度的加码布局。百度在今年上半年最主要的动作，是在今年6月时拆分旗下的作业帮，成立独立新公司——小船出海教育科技（北京）有限公司，并且在9月时引入红杉和君联资本的投资。这是百度对自身业务的又一次“精兵简政”，也是百度“航母计划”的试水和实践，有助于进一步提升和完善百度在O2O和K12教育上的市场布局。阿里巴巴在今年5月份把淘宝同学升级为淘宝教育，并表示将展开更多与线下教育机构的合作，帮助优质的线下机构向线上机构转型。而在就在刚刚过去的一周，阿里还推出了在线直播客产品，并针对农村等教育资源匮乏地区，联合第三方服务商筹备建立云识别技术平台，打造K12在线教育内容库，建设乡村的云端课堂。腾讯在今年除了进一步发展自身的腾讯课堂业务之外，也对在线教育的创业公司（疯狂老师和易题库）进行了金额不低的投资，从家教O2O和K12智能题库两个细分领域进行布局。
【中国互联网教育“教育大数据分析”行业趋势】
在通过对中国互联网教育的整体趋势分析中，我们可看出在线教育创业的四大龙头分别为K12、儿童早教、职业教育、语言学习，而在我们将“教育大数据分析”应用深入的12K教育当中，真正涉及到“大数据分析”的公司确是屈指可数。
“中国教育大数据研究院”2015年9月19日成立。我国已有不少学校和机构开始了数据挖掘的探索，但仍处于实验阶段，并且多数只应用于本校学生不对外互联。
另外，通过对互联网产品知名门户网站“36氪”、“虎嗅”、“人人都是产品经理”“品图网”等的搜索发现，现国内知名度较大的一家互联网教育企业“深圳远景同程”，拥有 “阅卷易” 与 “码上学” 两大在线教育平台，功能包括：
1)“阅卷易”，主要服务于一线的初中教师，为其提供智能组卷、联考和混考阅卷、作业布置、统计分析等服务； 2)“码上学”，App 是与 “阅卷易” 相配合的初中学生客户端，拥有测练诊断报告、个性化分层作业、智能错题本、同城名校名卷、巩固练习等功能。
这两个平台的主要作用是为教师减轻教学负担、收集数据进行教学参考；为学生和家长提供常态化、贯穿学业全过程的考试和练习评价系统，提供符合学生实际能力的个性化学习方案。
除“深圳远景同程”外，更多的互联网教育公司并没有涉足“教育大数据分析”行列，当然也不排除仍有很多处在理论实践阶段中的小型创业公司。所以，目前看来“教育大数据分析”拥有巨大的市场空间，而我们也具备了厚积薄发的能力。
【我们在“教育大数据分析”中的行业优势】
在“教育大数据分析”工作中，我们已积累了多年的实践经验
1)核心技术已攻克并在实践中得以验证。
2)对教育理念深刻理解，熟识整个教学、教务流程。
3)初步建立了科学的，得到教育权威机构认同的评测数学模型。4)稳定团结，精干的研发团队。
云计算和大数据下在线教育研究 篇6
1.引言
当前云计算和大数据技术的出现，面对在线教育交互中产生的大量复杂数据，可以实现识别、分析、挖掘并组织隐含在学习者交互过程中的结构化、非结构化数据信息，开发交互过程数据的价值，发现其隐性诉求并预测学习支持服务趋势，并以其为导向改进和拓宽在线教育服务，达到在线教育服务与学习者需求的双向平衡。本文就是立足于对在线教育的交互瓶颈和需求分析，构建基于大数据和云计算支持的在线教育交互平台模型。重点研究交互平台功能实现，使在线的学习者和教师可以实现完美的在线交互活动，并且对交互的数据进行深入挖掘分析，解决目前在线教育所面临的弊端。
2.在线教育交互平台现状分析
在线教育交互分为个别化交互和社会性交互，前者是学习者和学习资料之问的交互，后者是学习者和教师或者学习者之问的交互，社会性交互是提高在线教育交互水平的关键因素。随着在线教育的交互信息资源增加，在线学习者和在线教师的需求不断发展和提高，在线教育出现了许多问题。
针对服务应用。目前在线教育的交互平台缺乏统一身份认证体系，需要进行身份重复验证，给用户造成不便同时给系统增加安全隐患；缺乏统一的应用展现，用户信息分散在各个应用中，且服务功能重复，堆砌浪费；使用方法、界面和质量不统一，给平台使用和维护管理造成不便。在线学习时间的碎片化趋势对学习者的终端设备要求很高，造成学习质量下降；缺乏跨终端的资源共享系统，影响学习效率和满意度，改变终端学习，增加数据丢失、病毒入侵等安全问题。
针对信息资源的存储和分析挖掘。随着在线学习者和在线教师的服务需求日益个性化和专业化，对于服务质量也越来越看重，在线教育交互平台必须根据在线学习者和在线教师的需求作出相应的策略改变，以适应服务需求的不断改变和提高。由于在线教育是基于互联网的学习方式，学生和学习资源、教师与学生、学生与学生之间的交流是通过网络全方位进行，所以需要通过对学习交流的分析挖掘出在线学习者和教师的需求。在线教育的信息资源总量日益增大，主要的数据资源包括结构化和非结构化信息，以及在线教育平台内部以异构化数据为主的相关信息，且每天以大量的非结构化数据和异构性数据资源为主。但是目前对于这些异构性数据和非结构化数据的记录、存储和统计技术，完全不能满足在线教育交互平台的数据需求。因此对平台产生的结构化、非结构化、异构性大量数据进行分析和深度挖掘潜在价值成为必然，为在线学习者和教师反馈快速、及时、高效、安全的信息分析结果。3.在线教育交互平台应用云计算和大数据
3.1 云计算和大数据与在线教育交互平台
云计算是通过互联网络庞大的计算处理能力，将待处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统经搜寻、计算和分析，最后将处理结果回传给用户。大数据技术是数据分析的前沿技术，需要从各种各样类型的数据中，快速获得有价值信息的能力，是需要新处理模式才能实现更强的决策力、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。云计算强调的是动态计算能力，大数据注重的是静态的计算对象。云计算弥补了目前大数据的存储和运行的最大问题，就是提供了运算平台，而大数据则运用分布式处理手段应用于这个平台之上，两者是相辅相成的关系。
云计算与大数据结合应用，前者强调计算能力，后者看重存储能力。大数据需要处理大量复杂数据的能力，包括数据获取、整理、转换、统计，即强大的计算能力，而云计算需要大量数据作为运算的基础，所以两者的结合是必然趋势。实际应用中，云计算的出现和兴起促进了大数据的广泛应用，而大数据和云计算的结合应用更是出现在许多领域，现已扩展到公共问题领域。但是目前还没有进入在线教育行业。
借助云计算的优势，在线教育交互平台上的用户无需考虑在线学习时终端设备的运算、存储和负载能力的问题，可以更好的实现教育资源共享和教育网络协同工作，大幅度提高教育资源的利用率和运行效率。云存储屏蔽了数据丢失、病毒入侵等问题，保障了数据安全和用户信息私密，是在线教育交互平台最安全可靠的数据存储中心。用户使用终端设备访问教育资源进行在线学习和交流，都会产生并积累大量结构化和非结构化数据，不仅体量大而且增长速度很快。其中非结构化数据已占数据总量的八成以上，但目前的数据分析处理算法和软件不能达到对非结构化数据的处理要求。大数据技术的应用却可以高速实时处理在线教育平台产生的复杂海量数据，为在线教育平台实时洞察学习者的变化、把握学习者的需求、提高教育质量提供支持。对在线教育平台上大量的不相关信息，进行深度复杂分析，为未来教育需求趋势提供预测分析，这是应用大数据的在线教育与传统在线教育本质的不同。
3.2 基于云计算和大数据的在线教育交互平台应用模型分析
根据上述分析，随着在线教育日益同质化，在线教育机构需要在保障教育资源丰富和高质量的同时，更好的分析在线学习者和教师的偏好，为平台的每个用户提供有针对性的个性化服务。下面将利用云计算和大数据的优势构建符合学习者和教师需求的高质量在线教育交互平台模型，如图1所示。
应用云计算和大数据技术的在线教育交互平台主要分为用户应用服务层、数据资源处理层、基础设施硬件层三部分，依次分析三部分功能实现。
3.2.1用户服务应用层
在线教育交互平台的用户主要为两类，即在线教师和在线学习者。针对不同的用户，访问的授权和界面不同，尽可能为用户提供个性化的精准服务，主要表现为属于用户自己的展现网页。服务应用内容主要分为四类，包括在线教学内容、教学管理、交流互动和学习管理，如图2所示。
服务应用层是资源对外交互的窗口，是用户使用资源的桥梁，与用户体验的便捷性有很大关系。因此应用服务层是根据用户需求，对信息资源请求重构和提供，实现信息资源的服务分类，用户享受个性化的服务资源。
平台对每个用户展现的内容是不相同的。针对教师，平台实时反馈在线学习者的情况和分析结果，尤其是对学习者的学习风格和偏好的分析，实时跟踪学生在课前、课中和课后的情况，完成课程反馈，对学生在平台上的行为、学习记录智能跟踪记录分析。针对学习者，构成学习、答疑、测评、互动四位一体的学习模式，运用丰富的学习资源，根据后台的数据挖掘。提供学习进度安排和个性化的学习方案。实现以学生为中心的在线教育方式。实现自主个性化学习、个性化即时笔记、针对性课程复习和测评，多方式在线交互的方式。
在线教育交互平台的用户看到的是良好的服务交互界面，无需知道后台数据资源整合过程，完全由平台的数据资源处理层完成，所以拥有更好的用户体验。平台是所有教学资源的集散地，整合资源方便统一管理和使用，同一份资源，只需保存一份，通过资源关联，可以在任意系统中快速调用。同时避免数据库急剧增长，极大地减轻网络负荷，减少用户和平台的工作时间，维持资源唯一性，资源发生更改时所有使用该资源的应用均自动更新。
3.2.2数据资源处理层
中问层是数据资源处理层，主要为三部分。第一部分是对数据进行标准化处理，第二部分是进行数据挖掘分析整合。第三部分是数据库。中问层的核心是第二部分，也是在线教育交互平台的核心。如图3所示。
面对迅速增加的复杂数据，在线教育交互平台利用云计算和大数据进行现代数据管理，支持所有数据类型，如文件、图片、视频、博客、点击流和地理空问数据等，并以“云存储”持久存储于数据中心，保持数据实时更新，实现数据共享、分析、发现、整合和优化数据，提升数据价值。
利用负载平衡优势，有效透明地扩展网络设备和服务器的带宽、增加在线教育交互平台的吞叶量、加强平台网络数据处理能力、提高服务的灵活性和可用性。面对用户大量的并发访问或数据流量，可以分担到多台设备上处理，减少教师和学习者的等待响应的时间；同时做并行处理，处理结果汇总返回到在线交互平台，平台系统处理能力得到大幅度提高。
离线数据是用户访问的各种数据库中的信息资源，是从服务器端、客户端、代理服务器端中采集的用户访问信息和行为信息。利用大数据技术进行数据处理，清除不需要的数据，用聚类、分类等算法对处理之后的数据进行模式分析，成立样本数据资源为数据流挖掘分析作准备。在线数据是由于数据流的动态性和流量大的特点，在实现数据流挖掘时，对流入的数据流，利用云计算做到占用内存少，处理速度快，实现关联规则、分类和聚类的挖掘。
整合数据是将离线数据作为样本库的参考，对在线数据进行分析，及时有效的反馈结果，并且随着时间的推移和用户对信息资源的需求改变，及时更新资源分析结果。通过数据挖掘过程，对数据过滤、分析和整合，建立多资源分类结果，按照用户的不同需求进行决策，形成索引为用户访问和使用服务提供便利。整合数据主要是为整合用户做准备，将用户的信息资源进行相似度分析，对于类似的用户归类，进行同类信息资源的分配。根据在线学习者的基本信息、学习风格、学习满意度和学习感知四维度的服务需求，可实现用户的定制服务、个性化服务、精准服务，便于用户方便提取自己需要的资源。最后将用户需要的资源根据授权不同。做统一标准化处理。上传至服务应用层，展现于用户的界面。
4.基于云计算和大数据的在线教育交互平台应用优势
云计算和大数据结合对在线教育的发展具有巨大的促进作用，不仅是针对提供的服务，更是对教育发展的促进，增强在线教育的核心竞争力，保持在线教育的健康发展。4.1实现针对不同用户的个性化精准服务
在从以资源为核心的在线教育平台建设到以用户为核心的个性化在线教育平台建设过程中，最主要的变化的就是针对不同用户提供不同的个性化服务。而云计算和大数据的应用就在于加强对在线教育的平台用户研究与交互数据的分析利用。并基于分析结果。改善服务内容，提升个性化服务的质量，完成平台对用户的跟踪服务、精准服务、知识关联服务和宣传推广服务。面对平台快速增长的数据，从中提取有价值的信息，实时分析反馈，建立不同类别的用户模型，达到针对不同用户提供针对性服务、增强用户体验、提高服务质量的目标。即使分析的数据源相同，但是由于提供对象不同，分析结果会不同，提供的服务也不同，做到精准服务。即使是同类用户，针对不同的个体，分析数据源不同，结果不同，提供的服务也不尽相同，做到个性化服务。
4.2提供教育发展动向以及热点的变化
通过大数据和云计算技术，改变了被动更新教学资源的情况，变成根据在线学习者的需求主动更新资源，提升了在线教育平台的作用。不仅为在线学习者提供了需要的学习资源，也为在线教师提供更有质量的教学资源和研究依据。在线教育交互平台通过对用户数据的收集、整理、分析、深度挖掘和汇总，在宏观上分析相关教育领域的发展动向和热点变化，更快地洞察最新的学习者兴趣走向，以及相关领域的内容进展，更新在线平台的学习资源，并且保证学习内容的实时性和前沿性。同时通过汇总结果有效评估在线学习者对各种教学资源的使用情况，并且根据热点分析和目前已有教学资源交叉对比，可以有效评估教学资源的质量，利于在线教育交互平台持久发展。4.3提供无限量的数据存储能力和更可靠的数据安全性
随着在线教育交互的发展，信息数据量迅猛增长，产生出大量的半结构化、非结构化信息数据，对存储的要求愈加严格。云计算的出现使得海量数据的存储与运算得到了解决，分布式存储的方式可以持续收集大量数据，不会造成存储空问的不足。在线教育交互平台应用“云存储”方式，保证存储数据的可靠性，并能够实时更新，有效解决海量数据资源的查询、管理等问题。云计算使用数据多副本容错、设备同构可互换等手段来保障平台的数据存储安全。数据存储到“云”中，不会受到计算机病毒或硬盘损坏造成的数据丢失。同时解放了用户对终端设备能力的要求。4.4提高在线教育交互平台管理能力
应用云计算和大数据的在线教育交互平台，能够面向具体应用的数据需求，做到快速、及时和有效地响应。根据需求的变化和增长，平台具有很好的性能扩展空问和扩容时稳定和可靠的支持，高效处理多种类型数据。在线教育机构以此平台为基础利用云计算技术和大数据的优势，充分挖掘自身数据价值，实现数据资产从成本中心到利润中心的转变。通过整合数据资产，对数据资产进行标准化，形成灵活可扩展、易于更新、可管控的、可隔离、绿色环保的高效分析型数据管理交互平台，实现支持标准开发、用户自服务、多元化开发多种应用支持模式，形成松祸合、可异构的基础数据和应用数据两级数据管理层次。同时，在线教育机构可以驾驭自身数据资产，全面提升平台的数据信息管理能力，尽力获取对在线学习者和在线教师的洞察，以数据驱动在线教育的发展。
5.结论
教育大数据的未来 篇7
啤酒和尿布是顾客群完全不同的商品, 但沃尔玛一年内数据挖掘的结果显示, 在居民区中尿布卖得好的店面, 啤酒也卖得很好。原因其实很简单, 一般太太让先生下楼买尿布的时候, 先生们一般都会犒劳自己两听啤酒。这个故事被公认是商业领域数据挖掘的诞生。在健身馆里, 教练可以根据你的年龄、性别、体质等要素, 制订符合你要求的个性化健身方案, 依此锻炼, 会更有效。
那么, 我们的课堂教学能够如此吗?根据每个学生的水平、接受能力, 有针对性地做个性化解决方案, 岂不是更有利于提高学习效率、减轻学习负担, 进而提高成绩吗?以平板电脑为载体, 收录课本内容和课后习题, 对学生做题习惯、计算能力和速度, 甚至是学生的性别等数据进行个性化分析, 在课前、课中、课后、考前、考后, 为学生提供适合其本人综合素质的个性化学习方案, 从而帮助教师找到教学侧重点, 提高教学质量。这就是浙江浩浪科技集团CEO俞乃博先生日前在上海参加“2012长三角地区中小学电子书包创新教学应用研讨会”期间描绘的美好愿景。
目前, 这样的教学模式已在杭州二中实验多年, 教学效果不错。“未来校园”也叫“智慧校园”, 是一款专为学习设计的软件, 功能很多。学生做作业, 比如选择题, 填写答案提交后, 系统能立即判断对错。错题信息同时录入后台系统, 成为理科生最常用的电子“错题集”。经过一段时间的做题, 系统会分析出全班学生常犯错的地方, 以及不同学生的差异等细致数据, 教师就能进行有针对性的教学。系统也会根据学生做作业时常犯的错误, 给每位学生“量身”布置作业。这样的智能软件竟然出自一位85后董事长领导的团队。
俞乃博, 浙江浩浪科技集团董事长兼CEO, 19岁就成为计算机高级工程师, 2011年夏季达沃斯论坛荣获全球杰出青年称号, 首任杭州高新区 (滨江) 青年创俱乐部主席, 首个获得YBI (青年创业国际计划) “年度企业家奖”的中国人。YBI赛区, 30多个国家200多位优秀青年带着各自的梦想和计划聚首伦敦, 俞乃博以其出众的商业计划和创新的商业模式, 毫无悬念地夺得了年度企业家大奖, 他得到了巴克莱投行首席执行官瑞克瑞慈的高度评价, “在传统教育上的创新与发展让他与众不同”, 使他最后征服了评委的心。
俞乃博认为, 当下中国教育面临的主要问题是有太多没用的资源, 而缺乏的是优质资源, 如精品微课程。好老师少而集中, 且培养成本高, 优质资源在各校间的不共享也影响了教学质量的提升;而效率低则是教育的另一根软肋。俞乃博在“2012长三角地区中小学电子书包创新教学应用研讨会”的发言中还说, 现在的学生和家长除了找好老师好学校, 还在苦恼着如何能够“少学一两个钟头”, 这是现在低下的学习效率所导致的。所以, 创业者应该通过现象去了解问题, 并且思考解决方法, 考虑用户需要才能创造出受欢迎的产品, 并且提高社会生产力。
迎接大数据时代的教育 篇8
今天，“大数据时代”正大步向我们走来，这种基于获取和解释数据的决策对社会生产生活带来了广泛的影响。但是，在教育领域却还相对滞后，除了“月考分析”“高考分析”这些为应试而展开的“分分计较”的所谓数据“分”析以外，我们依然沿袭着传统的教育范式，主要依靠经验对学生的学习行为进行判断并制定教学决策。
MOOCs一度被誉为继火的发现之后最重要的创新，我们有个别学校给予了关注，多数学校无动于衷。如果说，MOOCs主要还只是课程层面，那么，“大数据时代”给教育带来的改变将是多方位的。随着全社会移动终端的普及、云计算服务的发展、大数据分析技术的突破，这股浪潮最终将席卷大中小学，没有哪家教育机构能置身事外。我们的学校当未雨绸缪，及时应对。
大数据的反馈功能——“展示那些以前不可能观察到的学习层面，实现学生学业表现的提升”。在过去的教育中，反馈也是存在的，比如，从课堂参与、家庭作业、测验中获得信息，但相比较而言，这些都只是“小数据”而已，且它指向学习结果，而非学习过程。当学习发生在数字环境之中时，就可以收集到很多过去无法获得的数据，学生每一次与系统发生的交互都会被记录下来，这些数据可用于向学生、教师提供学习进程的实时报告。还可以“基于每个学生的答题准确率运行一个统计模型，用以判断学生是否精通某个学科领域”。比如，学生阅读纸质课本，什么地方学得轻松，什么地方觉得苦涩，教师很难了解。但在计算机上，学生什么地方“快进”“暂停”“中止”“回看”，系统都有记录，并能据此分析学生的学习质量。单从“回看”来看，如果在课程进行了数周之后，很多学生会跳回到前面的某个章节去复习，说明了什么？可能是前面的基础没打牢。这样，教师就该知道如何去调整他的教学进度和重难点。而且，系统还可以通过追踪分析学生的“衰减曲线”，提醒学生何时该进行复习，以提高记忆保留的概率。“学生可能会收到一则消息，告知他如果在测验前两天的晚上——不是前一天晚上，也不是测验当天早上——观看复习视频，那么他将有85%的概率记住复习内容，并在测验中作出正确解答”。
大数据教育课堂 篇9
暑假期间参加了学校组织的读书活动，有幸读了《与大数据同行学习和教育的未来》这部佳作。正如书名中提到的，我们的生活、工作与思维都在大数据时代中经历着重大的变革。书中指出，当下大数据正悄悄影响到教育体系的每个层面，对于全世界的学习与教育活动，都会产生极为深远的影响。大数据领域公认权威、百万级超级畅销书《大数据时代》作者、牛津大学互联网研究所迈尔-舍恩伯格教授以浅显易懂的语言讲述了最前沿的理念--大数据将如何改变教育。他举出MOOC、可汗学院、多邻国语言学习网站等案例，告诉我们，蓬勃发展的在线教育领域产生了大数据，教育不只是“你讲我听”、考试评分或是选修科目更多而已。历史上第一次，我们拥有了强大、具有实证效果的工具，能够空前的看到学习的过程，破解过去不可能发现的重重学习阻碍，让教育可以实现“私人定制”,改善学习的成效。教师的工作不但不会被网络视频所代替，还会变得的更高效，更有趣，学校和政府部门也能用更低的成本提供更多的教育机会。在这一刻，我们可以清晰地看到：一个全新的教育时代正在到来！与大数据通行的学习就是未来的教育。
大数据为我们提供了用之不竭的信息，生活、学习、工作终于到难题只要输入关键字就会有比较明了的答案。为我们的生活学习工作带来了意想不到的便捷。大数据使教育成为大众化；大数据为学生量身定制教育，为每一个学生的发展提供最有利的途径；大数据为学习带来了三大变革：收集对过去而言，既不现实也不可能集聚起来的反
馈数据；实现迎合学生的个体需求定制个性化学习；通过概率预测优化学习内容、学习时间和学习方式。大数据从根本上改变了教育，不是去学什么而是去学会如何学习。
当然所有的事物都有其两面性，大数据在给我们工作、学习和生活带来便捷的同时也带来了很多的不便。
显然在这个变革的时代我们很多的教育工作者还没有做好充分的准备，就如我一样，虽然自己已经身陷与大数据变革的洪流当中，但是自己对“大数据”这一名词却很陌生。会“回话”的电子教科书已经问世，它实现了信息传递的双向性，相关信息不仅可用于既有教学内容的重新设计，还可以通过实时分析，自动在某一时刻显示出适合学生特定需求的学习内容。这种技术被称为适应性学习，它正在引领教育进入一个高度个性化的新时代。而“电子书”这一事物对我而言却是从没有接触过的新生事物。书中提到大数据时代我们已经拥有根据个人喜好和需求定制事物的技术，不再需要服从过去的同质性了，我认为这是狂妄的构想，但它却是实实在在的实现了。初读《与大数据同行教育和学习的未来》这部作品我感到困惑和迷茫。在大数据时代我迷失了自己，找不到合适的定位？
接下来的阅读让我更是感到了担忧和恐惧。亚马逊开始基于数据实现高精确度的个性化推荐服务，并借此实现了独特的购物体验之后击败了巴诺书店；MOOCs等其他的新兴教育机构将对教育界的实体机构——大众高校造成巨大的压力。其中某些机构要素可能会瓦解顶尖大学，这些学校可能会以不同的方式被重组、或是受到永久的孤立，大数据浪潮来袭，中小学无一幸免。看到这里我有些担忧和恐惧，大数据时代竟然可以撼动几千年传承下来的学校这一教育机构，而身处这一教育机构中的工作者——一线老师，是否也存有了职业危机感呢？
大数据是许多国家都过早地将学生分配到不同的学习轨道之上，中国亦是如此，很多省份中考中没有升入普通高中的学生全部进入职业学校或是进入社会，这部分人在青春期还没结束的时候就被早早地按规定的人生轨迹前进，他们甚至还没有真正的明白“奋斗”的含义。