大数据与智慧酒店管理

大数据与智慧酒店管理（共12篇）

大数据与智慧酒店管理 篇1

摘要：在大数据时代背景下, 智慧景区的管理与服务, 成为当前我国旅游业改革创新的重要途径之一, 促进着我国旅游业的现代化与可持续化发展。本文结合笔者的相关工作经验, 简单的对大数据时代的智慧景区的管理与服务作出以下几点探讨, 以供参考研究。

关键词：大数据时代,智慧景区,发展规划

智慧景区将景区内的规划、管理以及发展等通过互联网等空间传感技术, 对景区内部的技术设施建立、风险规避、环境整合等进行信息化的精细管理。在科学技术快速发展的当下, 社会中的各行各业对于利用网络技术, 将日常生产运营中产生的信息资源进行整合利用, 以此提高行业规划的准确性和可靠性, 智慧景区的建设是社会现代化发展的必然趋势, 同时也是各地旅游景区发展的必然途径, 通过智慧景区的构建, 促进着我国景区服务质量不断的提高, 也使得游客的体验得到一定的增加, 推动我国景区的可持续发展。

一、智慧景区的概述

1. 制定智慧景区的发展规划

信息化建设的建立, 规划先行。首先, 要求各地景区构建出一个详细合理的发展规划, 要依据当地景区的实际发展情况, 景区内部的环境、地理、工作人员、技术设施、服务设施以及游客活动等, 通过互联网的整合, 使得其信息更加透明, 容易迅速的得到感知。其次, 要利用互联网, 将景区信息以及政府信息、社会信息紧密的联系起来, 使得景区的信息交流更加广泛以及互联。最后, 要让景区管理更加的智能化, 使得数据检索更加快捷方便, 同时问题监管更加严苛。

2. 完善景区信息基础网络设施

信息基础设施的构建, 是推动智慧景区构建的基础, 因此, 在传统有线光缆、电缆基础上增强无线WIFI网络, 使得游客在景区的各个地方都可以利用手中的便捷设备, 进行景区服务信息的接收, 满足现代化背景下, 游客对于信息传播迅速的需求。同时要时刻的管理和更新网络基础设备, 以此维护无线网络的稳定运行。

3. 构建景区智慧应用体系

首先要构建自然资源智慧应用体系, 要充分涵盖该地景区中的地质信息, 同时要建立相应的自然资源风险防御体系, 以便于及时的规避和处理森林火灾等自然资源风险。其次, 要对景区内部构建全面的业务管理智慧应用体系, 包括对景区的停车位、门禁、水电等, 促进景区管理现代化。再次, 要对景区的服务进行相关智慧应用体系的建立, 包括景区基础服务设施、旅游信息等。最后, 要建立景区应急系统, 在靠近山地等多发泥石流的自然灾害的景区, 要构建地质灾害监管系统, 对靠近水库、海边等地的景区, 要相应的构建灾害预警系统等。

二、智慧景区时空大数据分析

1. 景区时空大数据的内涵

智慧景区中的大数据涵盖着景区的方方面面, 无论是景区内部的地质信息或是景区游客的浏览信息等都与大数据密不可分。而景区的时空大数据, 则不单一的对景区的建筑、历史进行涵盖, 还对景区的游客浏览、实时游客统计、游客网络应用等数据进行涵盖, 使得智慧景区时空大数据具备一定的时效性以及空间性, 更便于景区的精准化管理。

2. 景区时空大数据的类型

智慧景区的时空大数据类型多种多样, 具体包含四大类, 空间数据、属性数据、静态数据、动态数据等, 从多方面包括景区的环境监测、网络数据、自然资源数据、刷卡数据、人口数据等对景区进行智慧管理, 提高了景区的管理效率和质量。

3. 景区时空大数据的特征

首先景区时空大数据具备一定的多源性, 无论是从景区的哪方面来看, 其数据信息的来源具备多样化, 具体如本文大数据类型可以看出。其次, 具备着一定的客观性, 因为数据信息的来源是统计景区内外数据实时信息而来的, 未经过人为的加工。再次, 具有一定的时效性, 数据可以随时的反映出实时的景区情况, 包括安全状况、游客流量等, 使得景区的管理可以及时而准确。

三、大数据在智慧景区应用

1. 景区资源保护的精细化

首先充分的展现出大数据的优势特点, 利用大数据将景区内的管理以及信息整合进行系统化的建立, 使得有效的信息资源可以及时的通过大数据的分析, 提供给景区的管理工作人员, 推动景区的可持续发展。要在景区信息平台构建云计算大数据分析, 使得景区的有效信息资源时刻处在科学的分析管理中, 同时要依据景区不同数据类型, 构建不同的管理系统, 使得资源保护精细化。

2. 景区业务管理的精益化

现代化的景区发展, 使得其自身的业务管理不再局限于景区资源的管理, 而是对景区的全面业务发展进行管理, 这其中包括对景区资源、人员、交通、服务等。面对庞大复杂的景区业务管理内容, 要积极构建景区业务信息管理系统, 通过依托景区构建的大数据平台, 使得景区的业务管理更加精益化。

3. 景区大众服务的精准化

景区大众服务不再是单一的面向进入景区的游客, 而是包括对景区的潜在游客进行服务, 但是就目前来看, 景区对外的宣传工作过于单一, 效率较为缓慢, 但是随着智慧景区的建立, 大数据的利用, 可以有效的将进入景区的游客与潜在游客进行划分, 并通过大数据平台, 及时的分析出二者之间的需求差异, 使得景区可以提供更加精准化的信息服务。

四、结束语

综上所述, 智慧景区的建立是社会现代化发展的产物, 在大数据时代背景下, 通过构建景区时空数据应用平台, 运用景区智慧应用体系分析总结景区时空大数据的优势特征, 使得景区的服务以及管理更加精细, 对推动智慧景区的可持续发展有着重要的意义。

参考文献

党安荣, 张丹明, 马琦伟等.大数据时代的智慧景区管理与服务探讨[J].西部人居环境学刊, 2016, (04) :8~13.

大数据与智慧酒店管理 篇2

——赴江苏学习活动简述

龚启成

智慧教育是当前教育领域改革的热点话题。为了跟踪热点，更好的站在教育改革发展的前沿，经领导批准，我于11月18日-11月22日参加了由北京师范大学课程与教学研究中心主办的“大数据+智慧教育融合发展基础教育高峰论坛中小学教育质量测评与精准教学指导教研专场”。

2017年11月18日的徐州已经是寒气逼人，但是丝毫没能够挡住来自全国各地学习者的热情。在徐州市高级中学的学术报告厅，来自江苏师范大学智慧教育学院副院长杨现民老师给我们做了有关教育大数据的报告——《大数据支持下的智慧教育管理创新》。杨院长指出:大数据的内涵是需要拓展的，我们应该不仅仅把他看成一种技术还应该看成一种能力，尤其在信息时代，他是一种能够从纷繁复杂的事物当中寻找到其中关联的一种能力，也是一种预测的能力，同时大数据更是一种思维的方式。同时，大数据目前正在慢慢的演变成一种文化，其中必不可少的一项就是教育大数据。

那究竟什么是教育大数据？专家给了我们一个详细的界定，教育大数据是指在整个教育活动过程中产生的、根据教育需要采集到的、用于教育发展并可创造巨大潜在价值的数据集合。教育大数据绝对不仅仅是教育课堂的数据、分数的数据，还要涉及到学生的家庭背景、经济状况等等各方面的信息数据，强调数据的关联性和交叉性。从这里，我们应该感受到，教育大数据要害在于“联系”上，重在相关性，找出各类数据代表的教育行为的的互相影响。而这种相关性需要我们给予数据深入分析。

关于教育大数据主要有两个产生渠道，一种来源于教学活动，另外一种来源于教育的管理活动。那教育应该怎么做？教育的目的是什么？有专家说教育的目的是创新创造，那我们怎么用大数据服务于学生的创新创造能力，所以教育大数据的应用要有高度的创造性。其他领域的大数据更多的关注的是相关，而教育大数据不仅仅要了解相关，更要了解他的因果。为什么用这种方法，就会导致学生创新创造能力的提升，就会导致学生学习兴趣的提高，为什么？教育大数据还他独特的价值，主要体现在三个方面，一是战略资产，二是目前教育大数据是教育领域综合改革的科学力量，三是教育大数据是发展智慧教育的基石。

大数据怎么推动教育的转变呢？首先从教育过程上来说，大数据让我们实现了非量化到量化的转变。第二就是教育决策正从经验化走向数据驱动的科学化；第三是教育的模式正在从大众走向真正的个性化；教育的管理正在从不可见、纯经验式的走向一种可视化的、数据驱动的；教育评价从单一化的评价走向综合性的评价，随着创客、智慧教育的发展，整个教育综合改革的推进，教育评价一定会起到一个导向综合性评价作用。

徐州市教科院主任高青的报告——《学讲行动——地级市整体推进课堂教学改革的徐州经验》则聚焦于区域课堂改革，借助信息技术手段体改整体效益。“学讲方式”是以学生自主学习作为主要学习方式，以合作学习作为主要教学组织形式，以“学进去”、“讲出来”作为学生学习方式的导向和学习目标达成的基本要求的课堂教学方式。这种教学方式直指学生的核心素养和全面发展。“区域”推进对我区课程建设和课堂教学变革借鉴性意义。

温州市教育评估院王旭东提出了如下的基础教育治理结构图

他提出：数据处理和分析能力是大数据时代教师的基本技能之一。数据可以帮助班级教学各有侧重。集体备课要扬教师之长，学科组团队建设必须差异互补教师 个人学科专业扬长避短。这一点和我们的看法非常一致。双流区通过近几年的努力，特别是结合学业水平评价结果开展的连续两届解读大赛，较大的提升了全区教师的“数据意识”和“数据能力”。同时，也使我们的教学、教研、管理更趋于科学化、精准化。尤其是基于数据的教学研究实例，再一次打开了我们的眼界。

智慧教育与大数据治理 篇3

唐斯斯，国家信息中心研究员，同时也是一名三年级学生的母亲，对于教育信息化和智慧教育，有着更直观认识。她在演讲一开始就抛出了自己一直在思考的问题：“随着我国教育体制的改革，该怎样去立体地、智慧化地评价一个孩子？孩子不是平面的，不是血型、成绩就能代表他的好与坏，更不能就此打上标签。而是应该从他的创新能力、人格品质等方面去立体评价，这就需要很多的数据支撑，从健康数据到行为数据，到实践项目、创客教育等，归纳、分析一系列的数据，才有可能还原或者相对准确地体现一个孩子特征与潜质。”

智慧教育的生态体系

每个人对智慧教育都有着不同的理解，在唐斯斯看来，智慧教育应该要实现泛在的、随时、按需的学习，要能实现教育资源的无缝衔接，要实现多层次个性化的教学，要能实现智能化的管理，要实现智能化的决策等。“也许每个人理想的智慧教育都不一样，但不管是怎么样的，背后一定需要保障系统和很多的技术去支持。”她解释说，这些技术的核心要素包括云计算、物联网、虚拟现实、增强现实，以及教育云平台、教育产品、智慧校园等。

唐斯斯认为，大数据对教育最大的好处，是可以加速智慧教育生态系统的构建：“什么样的智慧教育才是理想中的发展方向？我认为，大数据的评价体系能起到引导、抛砖引玉的作用，引领我们去发展。大数据对教育的影响，在理念、发展以及融合创新层面，都有着不同的促进作用。同时，就现有的效益层面来讲，大数据可以实现教育资源的整合、降噪、倍增效益，还具有破除效应，能够破除教育的不均衡，而最重要的，是能够加速智慧教育生态系统的构建。我理想中的智慧教育生态体系，应该是一个能够实现教育自循环和可持续发展、多元互动的环境体系，包括多元教育体系、完善的教育机制和成熟的教育产业基础，缺一不可。”

具体而言，智慧教育生态体系要以教师、家长、学生、公众和管理者等五大教育主体为基础，搭建一个以大数据为支持的平台体系，同时具备良好的智慧教育环境、完善的智慧教育机制、成熟的智慧教育产业链，以及完备的运行机制，包括管理机制、激励机制和反馈机制等，从而保障生态体系的良好运行，实现数据到服务，服务到数据的转换模式，最终能够实现一个良性互动。通过这一完善的体系，用其中的大数据去更好更快地修正不佳的教学行为、市场环境、政策环境和社会氛围等。

唐斯斯说：“目前，我国正在从国家、省级到市级全方位地部署大数据战略，这为智慧教育生态体系做一个很好的铺垫，我们可以通过对从学习、管理、教育、科研各方面数据的采集来丰富智慧教育的大数据资源，从而丰富教育产品和服务，构建成大的服务体系，最终能服务于教师、家长、学生者、公众和管理者等五大教育主体，实现‘人人可学，覆盖全人群的大教育的愿景。”

教育大数据解决三大问题

起初的大数据，是为了使各种各样的数据变得可用，消除数据割据、数据孤岛和数据碎片化现象，从而提升数据的质量、可用性、安全性。发展教育大数据的意义在于解决现存的三大问题。

一是信息资源不匹配。唐斯斯说，现阶段，社会上都广泛关注着互联网教育，但是政府推行的“三通两平台”、“数字校园”、原题库等教育信息化措施往往是在校内进行，与广受关注的互联网教育相脱节。同时，存在互联网技术人员懂IT不懂教育，教师懂教育不懂IT的现象，使信息资源不能匹配。

二是行业规范不健全。我国目前尚未出台智慧教育行业的统一标准，从而产生数据不兼容、系统不兼容，以及规范欠缺等问题。

三是资源融合不足。既然要立体地评价学生，就不能局限于学习本身，还需要跟其他行业、领域的资源整合，包括学校与学校之间、区域与区域之间的融合等，目前这些领域的融合仍显不足。同时，从国家到省市到县村的总体大数据体系尚未完全打通，也是资源融合不足的原因。

唐斯斯归纳说：“我们希望通过教育大数据策略的实施，能够很好地对教育数据做科学的分类和管理，同时对教育数据做全流程的管理，促进教育质量的提升以及加强安全管理，从而提升教育服务水平，加强教育管理能力以及科学制定教育发展的政策。”

如何发展智慧教育

在我国经济进入新常态的同时，教育也正进入新常态。教育法律的修订，高考等教育体制的变革，民众需求的变化、信息技术的渗透，使改革、融合、创新成为了教育新常态。目前，智慧教育发展面临着严峻的挑战，我国各地的智慧教育发展呈现不均衡的现象。在经济发达、信息化基础较好的地区，智慧教育正从数字化走向均等化、智能化和精准化，但在经济欠发达、信息化基础较弱的地区，智慧教育仍停留在数字化阶段。唐斯斯分析说：“在教育新常态下，我们要用新的方式并行发展，从普惠到个性，从数字到智慧同步发展，这既是机遇，也是一个非常大的挑战。”

唐斯斯认为，智慧教育发展的重点应从以下三方面着手。

首先，要充分利用互联网技术和思维。利用大数据开放、共享、融合、创新的特点，整合、运营全国的智慧教育云平台。同时，将各类信息技术的应用进一步融合，使之能够更好地为老师所用，使学生接受。

第二，要从数字化向智能化转变。例如，编写、采用互动教材，更好地衔接校内外的教育子云，以及更好地让教育大数据落地。同时，还要思考如何使老师更好地适应教学模式的变化，怎样借智慧教育发展去更好地培育创新性人才。

第三，将智慧教育深度融入到智慧城市的建设中去。要促进教育数据的开放、共享，加强智慧教育发展研究，丰富智慧教育产品服务，加强智慧教育人才培养，同时要强化智慧教育统筹发展，通过对浙江省宁波市智慧教育试点进行总结、归纳，给全国更多的城市做智慧教育起到示范作用。同时，要健全管理机制，建立协同机制，完善评价标准等。

大数据与智慧酒店管理 篇4

在“2016年天翼智能终端交易博览会”期间,由中国电信集团公司、中国智慧家庭产业联盟、中国企业大数据联盟共同组织的“智慧家庭与大数据发展论坛”于7月16日在广州举办。

本次论坛以“畅享智慧互联,共赢数据时代”为主题,中国电信集团公司市场部吕品副总经理做了“中国电信智慧家庭及大数据发展策略”的主题演讲,他表示中国电信将依托高速“光宽”,深化与芯片、终端、应用、渠道等产业链伙伴的合作,推进基于e-Link协议的智慧家庭开放平台建设,通过天翼网关、天翼高清智能机顶盒、家庭云等为其4.3亿家庭用户提供丰富的智慧家庭与大数据新业务。

据吕品透露,近期中国电信将启动千万级的天翼网关等终端设备的部署与集采,并投入亿级销售补贴,推动智慧家庭及大数据新战略的实施。

同时,中国电信首次创新性发布智慧家庭指数。中国电信智慧家庭指数由连接指数、应用指数和设备指数三大指数体系构成,据中国电信公布的中国智慧家庭指数显示,全国智慧家庭指数达到62.1,其中智能连接指数达到73.0,智能设备指数达到53.9,而智能应用指数为63.2。

连接指数显示,中国宽带提速效果显著,手机上网跨入G时代;设备指数显示智能电视用户覆盖率超过35%;应用指数显示APP男女有别,男人偏向于理财、旅游,女人更爱购物,享受生活。

数据显示,中国电信已聚集了接入总量达25PB的自有数据与外部数据,日均处理数据超过10万亿条,并推出了风险防控、精准营销、区域洞察、咨询报告和大数据云的“4+1”产品体系。这表明过去散落的、庞杂的、非结构化的数据正汇聚到一起,并在未来的智能化领域发挥作用。

会上,Zigbee联盟主席Tobin Richardson还分享了Zigbee无线技术在智慧家庭中的应用,另有来自Qualcomm、东方明珠/百视通、Gf K、杜比、FICO、未来媒体网络协同创新中心、驭势科技、阿里巴巴集团的专家先后发表了精彩演讲,通过鲜活的案例分享对智慧家庭与大数据的理解与实践,希望通过凝聚产业链合力,合作共赢,共同推动智慧家庭与大数据产业的健康蓬勃发展。

为顺应产业发展趋势,中国电信积极实施转型升级新战略,致力于“做领先的综合智能信息服务运营商”,推进网络智能化、运营智慧化、业务生态化、合作联盟化,智慧家庭与大数据已成为中国电信“2+5”发展战略的重要组成部分,由中国电信倡导成立的中国智慧家庭产业联盟与中国企业大数据联盟成为中国电信与产业界携手同行的桥梁与基础。

其中,中国智慧家庭产业联盟致力于打造智慧家庭开放体系、搭建产品和技术交流平台,已发布系列智慧家庭技术标准规范、业务规范,设计和发布中国智慧家庭指数、智能家居平台与e-Link快连协议及天翼网关3.0软件开发规范和工具。

中国企业大数据联盟致力于建立行业自律规范及标准,助力企业健康发展,构建有影响力的中国大数据产业生态,全面提升参与各方大数据应用的整体水平和产业竞争力。

大智慧超赢数据分析 篇5

大智慧一直注重于对行情和交易数据的分析，从早期的散户线、龙虎看盘到Level-2的DDE决策系统、TopView(赢富)的席位综合分析等等，这些分析方法都是通过对行情和交易数据的挖掘，揭示市场的内部影响因素，预测未来的市场趋势，每次的开发都带给投资者惊喜和收获，掀起技术分析巨大冲击波。

时至，在当前的特殊行情背景之下，大智慧研究员潜心研究一年之久的SuperView(超赢)数据分析系统(T+0)正式发布[查股网 chaguwang.cn]，实现了两个重要突破：1、大大提高主力资金跟踪的准确性，克服了TopView数据对主力分仓无法准确统计的缺陷!2、盘中实时刷新，克服了TopView数据延迟两个交易日的缺陷，避免主力打时间差使投资者操受损失!

SuperView(超赢)数据分析系统(T+0)包括：

SVZL(主力资金持仓分析)

SVSH(散户线模型)

SVFL(持仓分类统计)

SVZJ(资金流向决策分析)等。

其中，SVZL的分析思路延续TopView的机构持仓、大户持仓线分析模型，从我们对历史数据的统计测算来看，它与现有的TopView 数据的吻合度几乎达到了95%，并且实现了T+0，而我们知道TopView数据是延迟两个交易日的。SuperView(超赢)数据分析系统(T+0)达到了行情和交易数据分析的又一个高度。如下图

二、SVZL(主力资金持仓分析)

该指标通过跟踪市场主力的持仓变化，描述市场主力的每天买卖动态。我们知道，每一只股票都有不同的主力在跟踪在做庄，或基金或私募，这股主要力量的动向往往影响了股票的涨跌。SVZL目的就是跟踪这股主力资金的动态，让投资者看的清晰，实时的追踪解决了赢富数据T+1的缺陷。

举例，11月10日至12月，中央连续的大力措施促进经济的背景下，A股出现了一波反弹行情。在出台4万亿的刺激内需政策之前，部分受益股票却早已开始了大量的建仓。SVZL监控能够准确监控到这股主要力量的动向。

三、SVSH(散户线模型)

SVSH反映散户进出动态，散户线可以说是市场的第三只眼睛，散户数的减少说明市场筹码的聚集，侧面反映了市场的趋势。超赢数据的SVSH精准的计算了散户的帐户变化和持仓变化情况。

如案例中所示，散户数连续的大幅度减少，事实已经明显提示了市场筹码的移动方向，

该股后期涨幅超过80%。

四 SVZJ(资金流向决策分析)

该指标跟踪活跃资金的进出情况，计算活跃资金的对每只股票的买卖金额数据。活跃资金不同与主力，他们的操作习惯是中短线，活跃资金的敏感度比一般市场主力要强，如果嗅到市场风声的转变，他们会快速卖出现在的股票。所以，跟踪活跃资金操作我们需要注意投资风险之外，更重要的是要跟的“紧”。

活跃资金一进入，资金流指标就会立即提示。如下图该股12月4日活跃资金进入后一周涨幅超过20%。活跃资金什么出逃，这就需要投资者用资金流指标实时监控。

五 SVFL(持仓分类统计)

持仓分类统计统计了散户、中户、大户、超大户的持仓变动。做到跑在市场前面，我们需要把握市场各参与者的一举一动，特别是机构投资者，了解了各分类用户的持仓分布，更能够做出正确判断。SVFL同时能够把握行情的转折点，在一段上涨或者下跌行情到了快要结束的时候，往往各类市场参与者之间的持仓变动会变得非常明显。

比较如下两幅图，是同一只股票12月5日和12月8日相邻两个交易日的走势和SVFL持仓数据情况。两个交易日成交量和走势情况非常接近，传统分析方法根本分辨不出其中的区别。SVFL能够挖掘出其中的区别，12月8日散户中户的持仓大量的转移到了大户和超大的手上，之后行情出现了转折。

一.“超赢1号”股票池简介

“SuperView超赢”是大智慧专门针对投资决策领域的服务品牌，以提高客户的盈利能力为目标，提供内容丰富，具有深度、广度、精确、高质量的权威数据和超强的分析技术、决策工具及模型。

相信在大智慧超赢股票池推出之前，没有人真正使用过产品化的投资决策工具。传统的证券软件禁锢了我们的思维，我们虽然使用了先进的电脑，能够实时浏览到大量的数据和资讯，但决策的过程却像使用算盘，由于工具的落后，我们每天都在辛苦地做体力活，一遍遍的条件选股、组合选股，看大量资讯把基本面好的、评级调高的股票然后加入到自选股，然后在每天盯着市场的表现，寻找热点，选择交易的时机。

你有没有梦想过，有很多个分析师，每天替你做这些工作?而你能够把精力放在更高级的分析方法和交易策略的研究上?

大智慧超赢股票池就是这样一个工具，它就像很多分析师在协同工作，每位分析师严格按照你设定好的程序，专门负责一方面的工作，并把选出来的股票送到下一位分析师做另一方面的分析。这种分析流程不一定是单一线程，他可以有分支和交并。各个分析模块按照你事先设定好的方式运行，比分析师更及时、更高效、更准确!

所有股票都会被打上标记，以表明他目前已经通过了某个模块的鉴定，可以查询所有股票在股票池中的状态。

我们可以设定一些关键的股票池，作为买入池，并把他直接输出到监控窗口。

系统还会从收益率、波动性和流动性三个方面对股票池进行评价，你可以根据评价的结果修改各个池的筛选条件，提高股票池的质量。

大智慧会事先做好的一些股票池，你可以直接利用这些池，也可以在这些池的基础上做进一步的延伸。

二.“超赢2号”股票池简介

大智慧“超赢一号股票池”推出之后，深受用户好评，很多用户认为，超赢一号股票池的股票风险小，短线爆发力强，例如000025特立A 5月26日进入超赢一号池，之后短短6个交易日涨幅超过50%。更为重要的是，股票池的五步选股和股票流转迁移机制让用户深受启发，用户的控制风险能力和盈利能力大大提高，这也正是大智慧股票池的最终目的。

部分用户反馈，希望增加适合中线投资的股票池，为此，大智慧研发了“超赢二号股票池”。

三.SuperView(超赢)数据分析系统(T+0)概述

大智慧一直注重于对行情和交易数据的分析，从早期的散户线、龙虎看盘到Level-2的DDE决策系统、TopView(赢富)的席位综合分析等等，这些分析方法都是通过对行情和交易数据的挖掘，揭示市场的内部影响因素，预测未来的市场趋势，每次的开发都带给投资者惊喜和收获，掀起技术分析巨大冲击波。

时至20，在当前的特殊行情背景之下，大智慧研究员潜心研究一年之久的SuperView(超赢)数据分析系统(T+0)正式发布，实现了两个重要突破：

1、大大提高主力资金跟踪的准确性，克服了TopView数据对主力分仓无法准确统计的缺陷!

2、盘中实时刷新，克服了TopView数据延迟两个交易日的缺陷，避免主力打时间差使投资者操受损失!

SuperView(超赢)数据分析系统(T+0)包括：

SVZL(主力资金持仓分析)

SVSH(散户线模型)

SVFL(持仓分类统计)

SVZJ(资金流向决策分析)等。

其中，SVZL的分析思路延续TopView的机构持仓、大户持仓线分析模型，从我们对历史数据的统计测算来看，它与现有的TopView 数据的吻合度几乎达到了95%，并且实现了T+0，而我们知道TopView数据是延迟两个交易日的。SuperView(超赢)数据分析系统(T+0)达到了行情和交易数据分析的又一个高度。

四.SVZL(主力资金持仓分析)

该指标通过跟踪市场主力的持仓变化，描述市场主力的每天买卖动态。我们知道，每一只股票都有不同的主力在跟踪在做庄，或基金或私募，这股主要力量的动向往往影响了股票的涨跌。SVZL目的就是跟踪这股主力资金的动态，让投资者看的清晰，实时的追踪解决了赢富数据T+1的缺陷。

举例，08年11月10日至12月，中央连续的大力措施促进经济的背景下，A股出现了一波反弹行情。在出台4万亿的刺激内需政策之前，部分受益股票却早已开始了大量的建仓。SVZL监控能够准确监控到这股主要力量的动向。

五.SVSH(散户线模型)

SVSH反映散户进出动态，散户线可以说是市场的第三只眼睛，散户数的减少说明市场筹码的聚集，侧面反映了市场的趋势。超赢数据的SVSH精准的计算了散户的帐户变化和持仓变化情况。

如案例中所示，散户数连续的大幅度减少，事实已经明显提示了市场筹码的移动方向，该股后期涨幅超过80%。

六.SVZJ(资金流向决策分析)

该指标跟踪活跃资金的进出情况，计算活跃资金的对每只股票的买卖金额数据。活跃资金不同与主力，他们的操作习惯是中短线，活跃资金的敏感度比一般市场主力要强，如果嗅到市场风声的转变，他们会快速卖出现在的股票。所以，跟踪活跃资金操作我们需要注意投资风险之外，更重要的是要跟的“紧”。

活跃资金一进入，资金流指标就会立即提示。如下图该股12月4日活跃资金进入后一周涨幅超过20%。活跃资金什么出逃，这就需要投资者用资金流指标实时监控。

七.SVFL(持仓分类统计)

持仓分类统计统计了散户、中户、大户、超大户的持仓变动。做到跑在市场前面，我们需要把握市场各参与者的一举一动，特别是机构投资者，了解了各分类用户的持仓分布，更能够做出正确判断。SVFL同时能够把握行情的转折点，在一段上涨或者下跌行情到了快要结束的时候，往往各类市场参与者之间的持仓变动会变得非常明显。

比较如下两幅图，是同一只股票12月5日和12月8日相邻两个交易日的走势和SVFL持仓数据情况。两个交易日成交量和走势情况非常接近，传统分析方法根本分辨不出其中的区别。SVFL能够挖掘出其中的区别，12月8日散户中户的持仓大量的转移到了大户和超大的手上，之后行情出现了转折。

八.资讯分析系统概述

对行情和交易数据的挖掘是揭示市场的内部影响因素。内因是变化的根据，任何变化都要通过内因方能达成，市场变化的内因是投资者的交易行为，但市场走向何处，是否与人的愿望或发展目标相吻合，则不是单纯内因能够决定的，它取决于内外因的互动，并且因此也给外因的作用留出很大一块空间。内因提供了市场变化的可能性，而外因是市场变化的触发点，正确分析外因就能够恰到好处地跑在市场前面。譬如：从10月至10月期间，上证指数跌幅超过70%，市场做空能量逐步衰竭，市场转折可能性大大增加，11月10日国务院出台了扩大内需、促进经济增长的十项措施，成为了市场转折的触发点，事实上在此之前，宏观经济政策的转向信号已经非常明显，如果用户能够关注大智慧的每日财经要闻和宏观经济预测栏目就能够提前预知市场很快会反转。

市场变化的外因是什么?公司绩效、行业景气、宏观经济、社会活动、突发事件、科技创新、消费习惯、时尚娱乐等等。可以说人类社会经济活动方方面面，从宏观到微观，都直接或间接地影响着市场，都是市场变化的外因。

面对如此纷繁复杂的因素我们应该如何分析?大智慧能够为用户带来怎样的理念和方法吗?

为用户提供何种工具?

1、全面系统

既然外因包含了类社会经济活动方方面面，那么我们就没有理由只做财经类资讯，我们成立了庞大的专业资讯采集团队，关注社会经济生活的方方面面，而同时对资讯的分类和编辑又是清晰和系统的。

2、影响力分级

按照资讯对市场可能的影响力度对资讯分级，影响力大的重点揭示，特别重要的会重复播发。

3、争分夺秒

我们建立了高效率的资讯采集和传送系统，我们的目标是比别人快1秒，从资讯的提交到前端揭示仅需要5秒钟。

4、专家评述

对于重要新闻，我们有专家作出摘要和简评，帮助投资者正确把握可能带来的市场影响。

5、突出热点

市场关注最多的资讯无疑是对投资者心理影响最大的资讯，我们会每5分钟做一次新闻浏览量和浏览量增长最快的资讯排行。

6、行情与资讯相结合

用户在浏览行情的同时，我们会快速的把最新的资讯推送给投资者，在行情界面下同样可以浏览资讯。

九.全面资讯体系

变大数据为智慧数据 篇6

首先是英雄主义文化。在英雄主义文化里，员工响应需求，执行额外任务。7-11便利店30年来一直是日本最赚钱的零售商，其店员会为顾客寻找货架上没有的商品。对顾客来说，这种店员是个英雄，但事实可能是，货架上没有的商品能通过在线购买方式获得。罗斯指出，这种文化在小企业运行很好，因为员工可以掌握所有的渠道。

其次是强调严谨流程的文化。这种文化利用通用的流程、呈现给顾客的统一形象等元素来强调数据。始终如一地遵守标准程序，对许多员工可能都是一项挑战。但没有这种连贯性，企业将很难利用ERP或CRM获得好处。

第三是智慧数据的文化。想用例行公事但不乏智慧的方式地处理数据需要循证式管理。这种管理建立在严谨流程的文化基础上，不过相对于中央集权式的管理，决策权被分派给了每个职员。想让这种文化发挥作用，企业需要考虑几个关键实践。

建立单一信息源 人们必须知道自己被期待做什么，如何被考核。这听起来很简单，但可能是难以捉摸的。罗斯举例说，在美国安泰保险赔钱的业务上，每家相关部门却有显示本部门赚钱的电子数据表。他们都定义了自己的财务真相，但这种定义无法掩盖公司失利的事实。

使用计分卡 在安泰的情境中，一位新总裁带领IT部门开发了一个显示每日绩效的计分卡，记录普通的数据，但计分工作是卓有成效的，并不仅仅是因为各部门主管提交了更好的数据。每日计分卡可以全面地激发员工，但不要用太多测量维度迷惑员工。

定义商业规则 好事达保险公司规定，车主必须等待30天才能获得失窃车辆的赔款。该公司意识到这可能使顾客对公司失去好感，并且支付很多租车费用。好事达修改了自己的商业规则，在车主报告车辆失窃后24小时内，好事达即启动免除保险检查的自动流程。做出这种改动的前提是，公司知道商业规则背后的流程，并且能够制定新规则。

培养人才 企业必须培养人才，训练他们有效率地利用数据工作，定期给他们反馈。做到这一点的关键是管理者像教练那样工作，坚持不懈地用一对一的互动帮助每个员工做得更好。

在运营中贯穿这些文化与实践，企业将能更智慧地运用数据。这并不是把嫦娥送上月球的高深科学，但需要公司建立一种全面的利用数据辅助工作的文化。 （来源：http：//sloanreview.mit.edu/ 作者：Michael Fitzgerald 编译：闫敏）

大数据与智慧酒店管理 篇7

我国在高校研究大数据中有着得天独厚的条件,根据教育部2016年4月7日发布的数据显示,2015年我国大学生在校人数达到3700万,全世界第一。全国各类高校达到2852所,位居世界第二。在高校里,学生在校园学习生活的各项活动都会产生大量的数据,教师教学、科研等各项数据,以及高校各项日常教务管理等等,日积月累。特别是近年来倡导和建设的智慧校园,使得高校师生日常学习生活以及教务管理产生了海量的数据。对这些数据运用大数据技术,进一步分析和挖掘,就会对“智慧校园”的发展建设提供更为深远的智能决策。

1 高校智慧型校园的建设和发展

1.1“智慧校园”的概念

“智慧校园”是校园信息数字化建设结合物联网、云计算、大数据技术等计算机技术而产生的校园建设的新概念。它以物联网为基础、以云计算、大数据为核心打造的集高校工作管理、教育教学、学习科研、校园生活服务等等综合型智慧校园环境,这个一体化环境以各种应用服务系统为载体,将教学、科研、管理和校园生活进行充分融合[2]。在智慧校园里,可以通过手机、电脑等现代化工具,结合校园网络,能极其方便地进行学习、教学、科研、管理、生活、服务等活动,实现校园生活学习的全面信息化,达到丰富校园生活,提高教育、教学、管理效率的目的。

1.2 智慧校园的总体框架

智慧校园建设是将智能化传感器植入和安装到教室、实验室、会议室、图书馆、餐厅和宿舍等地方。并对它们进行一定方式的连接,形成“物联网”,通过服务器和云计算服务中心将“物联网”和“软件系统管理平台”整合,实现全面的信息化智能化,并且采用科学的管理方式对这些信息资源进行处理,为校园师生、工作管理人员提供全方位的数字信息生活环境和方便快捷的办公服务平台。

1.3 现阶段智慧校园建设的不足[3]

智慧校园从概念的产生就受到了国家政策的大力支持,以及各大企业的技术支持,但由于高校本身管理的复杂性,以及各部门之间的通信困难,导致尽管在智慧校园高速发展的今天,也在建设上存在一定的困难和不足。主要表现为:

第一、高校信息的复杂性,使得学校和师生之间的即时信息沟通能力不强。由于高校信息的种类繁多以及学生的自律性等等问题,以致目前绝大多数高校和学生之间的信息沟通还没有全面实现互联网化,甚至还有许多学校仍然通过布告栏或者辅导员、班长通知的传统方式,而且通过移动互联网传递的即时信息也面临信息数量等限制,无法对不同类型学生进行精准发送等诸多问题,造成沟通效率低下。

第二、高校部分机构繁多,信息相对闭塞,智慧管理难。高校机构庞大,部门繁多。各个学院和行政管理部门有各自的网站,甚至有不同软件公司开发的管理系统,难以统一管理。使用不同的平台,导致各类信息资源存储在不同的数据库中,形成诸多“信息孤岛”,数据格式和标准无法统一,从而造成系统中存有大量冗余数据、垃圾数据。第三、大数据缺乏进一步分析和挖掘。由于数据的庞大和复杂性,缺乏有效的系统针对这类数据进行分析和挖掘,例如、学生的图书借阅信息无法跟个性化教学进行关联,学生的消费数据很难跟助学金以及助学贷款进行关联,学生的日常生活行为不能跟毕业方向进行统一分析等等。

2 高校智慧校园的大数据

2.1 大数据的概念

所谓大数据(big data),是指在所涉及的数据资料量规模庞大,无法在响应时间内用人工甚至以往计算机软件进行获取、存储和分析处理的数据集。根据麦肯锡研究所给出的定义是:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合[4],。通俗来说"大数据"是一个数据体量(Volume)巨大,一般要超过10TB,数据类别特别庞多(Variety),并且要求处理数据速度(Velocity)在合理的响应时间范围内,并且数据的真实性要高(Veracity)的数据集合

2.2 大数据分析

大数据分析的不是简单对大量数据信息进行传统式数据处理,而是要深度挖掘和关联潜藏在这些数据里更深层次的信息进行专业性的分析。从技术上来说,大数据分析与云计算技术是相辅相成的。大数据无法依托单独的处理平台进行处理,必须采用分布式架构。利用分布式系统对数据进行数据挖掘。故它必须依赖云计算技术对数据进行存储、分析和处理。

2.3 高校的大数据

高校是一个时刻都会产生大量信息的地方。特别是智慧校园的建设和普及,使得海量的数据被记录和保存。比如人事处、教务处、财务处等部门管理的基本业务数据,网络教学教案、课件和视频,学校师生查阅资料、上网、论坛留言、微博发文、微信等产生的网络行为数据,校园内通过无线网络而感知的位置数据,学校师生日常的校园消费、活动等日常生活产生的行为数据等等。随着高校智慧校园的建设程度不断的深入和加强,比以往更多的庞大数据信息被存储下来。这对高校来说是一笔庞大宝贵的财富。这些海量的数据信息不仅仅是简单的数据记录,通过分析和挖掘其潜在的价值,会对高校智慧校园的建设产生更为积极重要的作用。例如,通过对“生活行为、课堂成绩、就业”等数据的深入分析,就可以在一定程度上对学校课程的开设,毕业生培养的方向给予指导和建议;通过对学生的图书借阅历史、选课信息以及网上查询资料信息等信息进行综合判断,分析学生的兴趣爱好,从而进行个性化授课定制服务等等。大数据技术的应用将会在高校智慧校园建设中起到举足轻重的作用,使得智慧校园做到更个性化、更智能化。

3 基于大数据的高校智慧校园

3.1 大数据智慧校园的需求分析

现阶段高校在传统智慧校园建设方面已经取得了一定的成就,比如教学方面有了更多的教学手段以及远程教育资源。学生管理方面有了校园一卡通、校园监控等等,提高了学生管理的能力。教务管理方面各部门的信息数据也基本打破“信息孤岛”,实现基本的信息互通。随着联接实体的不断增多,采集数据的不断扩大,传统的数据架构远远达不到相应的处理要求,大数据更能实现对各类数据进行快速而有效的数据分析,通过深入挖掘数据价值,得出对教育发展方向更有价值的分析结果,更能充分体现校园的智慧特色[5]。

3.2 大数据智慧校园的总体设计

为了更完善智慧校园的智能建设,针对传统的数字化建设,引入大数据分析系统,对智能识别、智能监测收集的数据进行清洗、统一存储管理、深度分析挖掘,为高校各类学习、管理、生活服务提供智慧型应用,打造校园智能学习生活一体化信息平台。引入大数据和云计算后,高校智慧型校园体系结构整体设计框架如下图所示,具体说明如下。

1)基础设施:安装大量感应识别、监测设备,覆盖校园生活各个区域,对高校师生日常活动产生的信息数据进行收集,通过通信网络上传云存储层,实现对在校师生教学、学习与生活的全面感知,为智慧校园采集数据提供硬件基础。

2)智能信息采集与云存储层:采用云存储技术对通过基础设施采集的海量数据采用分布式存储,通过虚拟化技术解决存储空间的浪费,提高存储空间的利用率,并对所有存储资源数据统一整合,实现数据存储的自动化和智能化。

3)智能数据管理与云计算层:从存储在云服务端的资源中获取数据并加以管理,并对数据进行清洗、计算,为数据分析提供更有意义的数据信息。

4)智慧应用支撑平台:对大数据进行深入挖掘和分析,为各种智慧型校园信息化业务提供数据支持,是智慧校园发挥作用的关键,也是智慧校园建设的重点。

4 结束语

为促进新形势下教育理念和教育模式的转变,高校“智慧校园”已经取得各方面的一致的认同。大数据技术通过对高校数据进行深入分析,挖掘数据潜在价值,让系统有智能决策的能力,是“智慧校园”建设的核心,也是“智慧校园”中“智慧”的体现。尽管大数据也面临着许多技术性难题,但我们期望随着大数据技术的发展,其必将真正地融入“智慧校园”中,为广大师生提供更为个性化、人性化、智能化的服务。

参考文献

[1]维克托·迈尔-舍恩伯格.大数据时代[M].杭州:浙江人民出版社,2012.

[2]武汉星讯科技.星讯科技如何实现智慧校园[EB/OL].(2014-05-22).

[3]互联网+时代,智慧校园四大痛点怎么破?[EB/OL].中国教育新闻网.(2015-09-30).

[4]大数据时代要有大数据思维[EB/OL].中国大数据.(2015-11-3).

大数据与智慧酒店管理 篇8

关键词：大数据,智慧教育,云平台

引言

随着大数据对教育界的深入, 智能手机、平板电脑等移动终端的普及, 以及翻转课堂、MOOC等新型教学模式的出现, 技术驱动下的教学模式的改变, 颠覆了传统的教学模式, 是对信息技术时代的传统教学模式的一次新的挑战。如何有效地利用海量智慧资源和云计算, 搭建一个大数据环境下的智慧教育云平台, 克服学习障碍, 实现智慧学习, 是当前很多学者关注的热点问题。智慧教育云平台能为学习者提供很好的智慧学习环境和个性化的学习体验。通过运用系统分析法, 并在梳理国内外智慧教育研究的基础上, 提出了大数据背景下的智慧教育云平台设计的原则, 对大数据环境下智慧教育云平台进行设计, 设计并实现了智慧教育云平台, 对大数据背景下的智慧教育云平台进行了的应用和测试, 以其能为未来大数据环境下的智慧教育的建设提供参考。

一、大数据与智慧教育概述

1大数据概述

大数据这个术语最早的引用可追溯到Apache的开源项目Nutch, 当时, 是被用来描述更新网络搜索引擎需要同时进行批量处理或分析的大量数据集, 同时, 也是当前学术界和IT界研究的热点, 已经成为时下最火热、最流行的IT词汇, 引领着各个应用领域的新一轮创新浪潮, 跟随大数据而来的数据仓库、数据安全、数据分析、数据挖掘、数据可视化等已经成为各行各业人们争相追捧的焦点[1]。大数据是指无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合[2]。关于大数据的定义, 麦肯锡、IDC、维基百科等都有各自的表述, 但这些表述都不够全面, 缺少一定的说服力, 目前, 还未出现一个权威的统一的定义。综合多个表述, 大数据可以表述为:大数据, 其英文全称为BIG DATA, 是指海量数据, 既包括结构化、半结构化数据, 还包括非结构化的数据, 具有种类繁多的信息价值, 无法用目前的主流软件工具, 在一定的时间内, 去采取、分析处理及管理, 高速海量的信息资产。

利用大数据技术可以构建复杂的模型来表征数据和解释数据, 利用基于大数据的知识计算, 可从大数据中抽取有价值的知识, 构建成可支持查询、分析和计算的知识库。知识计算的前提是首先构建好知识库, 其次是多元知识的融合, 此外还有知识库的更新。大数据可利用数据挖掘技术对存储在数据中心的数据 (包括结构化和非结构化的数据) 进行分析与挖掘, 及时掌握学习者的学习动态数据, 对学习的效果、技能水平等进行评估, 便于及时对出现的问题进行智能诊断, 将信息智能推送到用户端。

2智慧教育

黄荣怀教授提出[3]智慧教育是一种由学校、区域或国家提供的高学习体验、高内容适配性和高教学效率的教育行为, 它能利用现代科学技术为学生、教师和家长等提供一系列差异化的支持和按需服务, 能全面采集并利用参与者群体的状态数据和教育教学过程数据来促进公平、持续改进绩效并孕育教育的卓越。智慧教育可培养出智慧型和创新型的人才, 智慧教育的核心技术为大数据、云计算、物联网、增强现实、移动通信和定位技术。祝智庭教授提出了构建理解智慧教育的基本图式, 描述了智慧教育、智慧环境和智慧教学三者之间的关联性, 认为智慧教育要以智慧学习环境为技术支撑, 以智慧教学法为催化促导, 以智慧学习为根本基石[4]。杨现民博士提出了智慧教育体系架构, 并概括为“一个中心、两类环境、三个内容库、四种技术、五类用户、六种业务”, 即一个智慧云中心、两类智慧环境、三个智慧内容库、四种智慧技术、五类服务用户和六种智慧业务[5]。从上述多位专家和学者对智慧教育的表述可得出, 智慧教育是整合利用多种先进的技术, 诸如增强现实技术、物联网以及移动网络等, 来构建智慧化的学习环境, 获得多种智慧的一种智能教育。

二、智慧教育云平台

教育云, 可以被理解为云计算在教育中的应用, 作为一种新的服务模式, 教育云服务受到了热捧, 《教育信息化十年发展规划 (2011-2020) 》中明确提出了建设中国教育信息化云服务平台的任务和行动计划[6]。智慧教育云平台是基于云计算技术、虚拟化技术、分布式存储等技术架构的一个智能化, 且能为不同用户提供租用或免费云服务的操作平台, 该平台可实现智慧教学、智慧学习、智慧管理、智慧科研、智慧评价等服务, 可有效地解决教育资源不平等以及教育资源浪费等诸多问题, 真真实现了将教育资源提供给哪些最需要资源的用户, 充分实现了资源的按需使用, 实现了资源的有效共享。利用数据挖掘技术和学习分析技术来构建智慧教育云平台, 学习分析指的是对学生生成的海量数据进行解释和分析, 以评估学生学业进展, 预测未来表现, 并发现潜在问题[7]。智慧教育云平台是一个为师生和家长提供智慧云服务的平台, 利用识别技术、情景感知技术、人工智能技术、机器学习以及知识工程等可轻松实现用户的终端和状态信息以及环境信息的识别, 实现信息的智能化处理, 实现智能化的信息检索和可视化的信息检索, 实现以师生和家长为主的互联模型, 实现信息资源的智能推送, 为个性化学习提供了帮助和支持。

三、大数据背景下智慧教育云平台的设计与实现

大数据背景下, 翻转课堂、翻转学习、创客教育等新型的教学模式和学习方式不断涌现以及MOOCs的逐渐流行, 教师的教学模式和学习者的学习方式不在仅仅局限于传统的模式和方式, 而是趋向于多元化。在新型的教学模式和学习方式下, 大数据背景下的智慧教育云平台可为教师提供整个平台的数据可视化, 数据可视化可使用标签云图、生动形象的统计图表来呈现学习者的地理位置分布、性别和年级情况分布、作业和讨论情况分布等, 为教师的教学提供帮助。

1智慧教育云平台的设计原则

智慧教育能够给予学生更丰富的交流展示平台, 开放学习过程, 引导学生深入思考、相互借鉴、彼此评价、相互帮助、共同反思。这一平台有利于差异化学习的开展, 更能满足不同层次学生学习的需求, 课堂教学更注重个性化的学习, 保障和落实学习者的主体地位和中心地位。同时, 这一平台给予学生更多自主学习的空间, 有利于学生对知识能力的应用实践和智慧训练。

智慧教育云平台, 以云服务为支撑, 构建一个优质资源整合、共享、应用为中心, 以智慧学习、智慧学习环境、智慧教学法为基石, 以增强学习者的知识建构, 以提升学习者的协作学习水平, 以促进学习者的智慧发展为根本目的, 是对未来教育模式的一次新的尝试。因此, 设计好一个易操作且安全性较高的智慧教育云平台很重要, 但一个好的平台设计需要遵循一定的设计原则, 好的设计原则, 对设计者来说很重要。设计一个先进性、功能完善且安全的智慧教育云平台需遵循以下六个原则。

(1) 可行性与实用性原则

设计智慧教育云平台, 首先必须要考虑的是该平台的设计是否可行, 需要用到的主要有哪些关键技术, 设计出来的平台是否实用, 用户在登录平台后能不能使用该平台进行资源获取以及互动学习等功能, 同时, 还要能够为教师和学生以及家长提供友好交互的界面。

(2) 先进性与科学性原则

智慧教育云平台的设计要采用先进的设计理念, 利用先进成熟的技术, 科学的方法, 使系统平台具有良好的性能和稳定性, 以满足用户的需求。

(3) 综合性与整体性原则

智慧教育云平台是为教师和学生以及家长提供智慧云服务的, 平台的设计需要从不同的角度和层面来考虑用户的多方面的需求, 要综合考虑, 才能设计出比较完善的平台, 平台的设计既要考虑到教师和学生的教学和学习需求, 还需要考虑到家长对数据信息的需求, 要全面整体考虑, 不能只考虑到某个用户的需求, 因此, 要遵循整体性原则。

(4) 易操作性原则

对于设计出来的智慧教育云平台要容易操作, 不能太复杂, 太复杂就会影响学习和教学以及互动效果, 影响学习和教学的进度, 不利于智慧教学和智慧学习, 因此, 设计平台时要遵循易于操作性的原则。

(5) 可扩展性原则

一个良好的智慧教育云平台系统要具备可扩展性, 关键是要按照需求进行部署, 并对动态资源的可重构性、智慧管控以及自动部署及时予以解决, 要以云计算机、大数据以及虚拟化技术、人工智能技术、知识工程、并行计算和云存储等为基础, 设计出一个具有可扩展性的云平台。

(6) 安全性原则

安全性是智慧教育云平台所必须具备的, 要对不同用户的权限进行明确的区分, 确保不会造成用户冲突, 做好安全防护, 以防计算机病毒及黑客的恶意攻击, 对于重要的信息要进行加密和认证, 要保证重要数据信息的完整性、安全性, 使智慧教育云平台具有很好的安全性。

2. 登录界面设计

智慧教育云平台是一个专门为教师和学生以及家长提供智慧云服务的平台, 用户在进入智慧教育云平台之前需要进行注册, 注册完成, 经过认证后才可以登录该平台, 并进入该平台, 平台界面图如下图1所示。

智慧教育云平台是一个进行翻转学习、优质资源共享、智慧学习以及交流和互动的最佳平台。海量的学习资源、优质高效的互动式学习空间, 为学生进行个性化学习提供了帮助, 体现了以学生为本的服务理念, 开放式、共享式的海量教学资源库可为教师提供优质的教学教辅教育素材, 互动式的学习空间可为家长、教师和学生提供实时在线互动式交流。

3. 实现效果

大数据背景下, 智慧教育云平台可在移动智能终端或PC机进行登录, 无论采用哪一种都可登录该平台, 该平台的应用效果如图2所示。

大数据环境下, 富有表现力的可视化、易于使用、交互活动、支持可视化思考、实现任何存储位置的数据可视化, 学生家长与老师利用云学校平台可及时的进行在线的实时交流和沟通, 对学生的学习动态情况进行实时的了解和掌握, 充分实现了家校、家师的互动交流。

四、结束语

智慧教育云平台助力大数据环境下的教育信息化建设, 对于建设大数据环境下, 教育信息化全新教育教学环境, 实现智慧教学, 智慧互动课堂提供了很好的条件, 是教育信息化的未来趋势, 智启教育的新未来。本文可为大数据背景下的智慧教育研究具有一定的参考价值, 随着大数据分析与处理技术、可视化技术的发展, 会有越来越多的学者和组织参与到大数据与智慧教育的研究中来, 从而实现大数据背景下的智慧教学, 智慧互动课堂、智慧学习、智慧管理, 促进教育信息化的飞速发展。

参考文献

[1]杨旭.数据科学导论[M].北京:北京理工大学出版社, 2014.

[2]代亮, 陈婷.大数据测试技术研究[J].计算机应用研究, 2014, 6 (31) :1606-1611.

[3]黄荣怀.智慧教育的三重境界:从环境、模式到体制[J].现代远程教育研究, 2014, (6) :3-11.

[4]祝智庭, 贺斌.智慧教育:教育信息化的新境界[J].电化教育研究, 2012, (12) :5-13.

[5]杨现民, 余胜泉.智慧教育体系架构与关键支撑技术[J].中国电化教育, 2015, (1) :77-84.

[6]张进宝, 黄荣怀.智慧教育云服务:教育信息化服务新模式[J].开放教育研究, 2012, 18 (3) :26-26.

大数据智慧时代开启 篇9

英特尔与Apache Hadoop社区开展协作，支持系统管理员尽可能地实现其Apache Hadoop集群的高性能，同时保证复杂度处于低限度。英特尔开发了HiTune性能分析器和Hi Bench基准测试套件，用它们来降低Apache Hadoop性能调优的复杂性，用户可以在更短的时间内更有信心地设计和实现Apache Hadoop解决方案。

HiTune性能分析器

Apache Hadoop的主要优势之一就是比传统数据仓库更容易部署和使用。然而，由于分布式环境的硬件与软件之间存在复杂的交互，因此，要优化Apache Hadoop集群和工作负载以提高性能会面临重重挑战。为了应对这样的挑战，英特尔开发了HiTune，为开发人员提供了开发高度可伸缩型应用程序的简单工具。

典型的Apache Hadoop查询是使用直观、高级的数据流模型编写的。这对于程序员而言非常理想，因为数据分区、任务分发、负载平衡、容错和节点通信等所有繁杂的细节都由Apache Hadoop运行时环境来处理。然而，隐藏这种低级复杂性也会导致性能调优成为一项繁琐的挑战。因为工程师对于硬件与软件之间的低级交互知之甚少，甚至毫不知晓，而这种认识却是理解和优化性能所必不可少的前提。工程师们通常只能依靠漫长而又耗时的试错法，而结果往往也只是能得到次优的性能。

H iTu ne将监视Apa che Ha do op集群中各服务器的关键性能指标，随后汇总这些低级指标，将这些指标与高级数据流模型相关联。这样，工程师就可以获得不同任务与阶段之间动态交互的深入了解，并迅速查明拖慢性能的性能瓶颈、应用程序热点和硬件问题。HiTune简化和加速性能调优;跨数千台服务器扩展分析;逐渐获得更高的价值。

HiBench基准测试套件

利用HiBench基准测试套件，您可以跨不同的工作负载准确而又一致地度量、验证和对比Apache Hadoop集群的性能，为客户提供更出色的信息和信心。HiBench提供了对10种易于使用的Apache Hadoop工作负载的便捷访问，这些工作负载经过扩展、配置和定制，能够反映典型的部署。可以为特定的通用任务度量性能，例如排序和文字计数，或者为更加复杂的实际应用度量性能，这些应用包括Web搜索、机器学习和数据分析。不同的工作负载具有不同的特征，使您能够建立测试矩阵，体现特定环境的资源需求。

英特尔将继续扩展和改进Hi Bench，还会与领先供应商和标准实体联手协作，开发针对Apache Hadoop的行业标准性能基准测试。建立这些基准测试之后，您就具备了理解架构问题、度量和验证Apache Hadoop解决方案性能的更好基础。

构建一个经过验证的基础

设计全面优化的Apache Hadoop集群需要深入理解整个解决方案体系。可能要投入数月的时间来探索Apache Hadoop工作负载特征，并了解如何与底层硬件和软件交互。还可以利用英特尔多年来与目前运行某些全球规模大、成功的Apache Hadoop实现的企业之间，共同研究和协同使用所得到的专业经验。

英特尔将这种专业经验构造成为参考架构、调优指南和实践建议，可以将它们用作设计和部署Apache Hadoop集群的起点。利用从硬件规范直至完整软件架构的明确指南，可以更迅速、更经济地设计、构建和配置适宜的解决方案。

大数据驱动智慧城市建设 篇10

大数据浪潮不仅仅是信息技术领域的革命, 更是在全球范围启动透明政府、加速企业创新的利器。基于社会化网络的平台和应用, 让数以百亿计的机器、企业、个人随时随地都会获取和产生新的数据。对于帮助政府相关部门准确判断经济形势、有针对性地制定政策、合理调配资源具有非常重要的参考作用。

大数据时代的到来, 正悄然改变我们的生活。互联网搜索引擎是大数据最为典型的应用之一, 得力于计算机对海量数据的存储、分析以及处理, 我们能够并且可以运用大数据实现原来遥不可及的梦想。随着社交网络的逐渐成熟、移动带宽迅速提升, 更多的传感设备、移动终端接入网络, 产生的数据及其增长速度比历史上任何时期都要多, 互联网上的数据流量正在迅猛增长。在云计算、物联网等技术的带动下, 中国的移动互联网已经步入“大数据”时代。继云计算后, 大数据成为信息技术领域最为热门的概念之一。

在IT业界, 有人把大数据产业定义为建立在对互联网、物联网等渠道广泛大量数据资源收集基础上的数据存储、价值提炼、智能处理和分发的信息服务业, 又或者是致力于让所有用户能够从几乎任何数据中获得可转换为业务执行的洞察力, 包括之前隐藏在非结构化数据中的洞察力。

据了解, 在工信部发布的物联网十二五规划中, 信息处理技术作为四项关键技术创新工程之一, 其中包括海量数据存储、数据挖掘、图像视频智能分析, 这些都是大数据的重要组成部分。大数据的出现, 正在引发全球范围内深刻的技术与商业变革。在技术上, 大数据使从数据当中提取信息的常规方式发生了变化。

事实上, 全球互联网巨头都已意识到了“大数据”的重要性。包括惠普、IBM、微软在内的全球IT巨头, 纷纷通过收购“大数据”相关厂商来实现技术整合。专家预测, 未来5年内, 大数据所创造的价值将会达到530亿美元, 同时产生10万个工作岗位, 还会产生文化、社会、政治等方面的影响, 所谓“三分技术、七分数据”, 得数据者得天下。

而国内一些领先的互联网企业, 包括新浪、腾讯、阿里巴巴等, 也已开始实质性的探索。作为中国最大的电子商务平台, 淘宝有海量的商业数据, 现今淘宝面临数据量大、内容多样、维度丰富、源数据质量不高等问题。对于淘宝面临的挑战, 分布式存储计算、实时计算、实时流处理、基于云计算的数据挖掘、数据可视化和数据产品实践等是应对大数据浪潮的关键技术。尽管国内企业在数据库、数据仓库、商业智能等领域基础薄弱, 但是若找准行业与切入点, 大数据则能够发挥其积极的作用。

信息技术的发展推动人与自然之间的信息沟通方式的发展, 我们生活的环境将越来越具备“智慧”特征, 我们也将能更“智慧”地利用信息, 对世界和他人作出更加“智慧”的判断与回应。而智慧城市的发展是城市信息化发展的新阶段, 只有确立了“智慧来自大数据”的核心共识, 推进智慧城市建设才能“四两拨千斤”。

大数据下的“智慧”电商 篇11

去年12月，亚马逊获得了一项名为“预测式发货”的新专利，可以通过对用户数据的分析，在他们还没有下单购物前，提前发出包裹。“亚马逊似乎在充分利用他们庞大的数据。”美国市场研究公司Forrester Research分析師苏查里塔·穆尔普鲁（Sucharita Mulpuru）说，“根据他们对用户的种种了解，他们便可依据多种因素来预测需求。”

没错，这就是大数据的贡献。如今，在互联网时代，随着电子商务的高速发展，大数据在其领域的重要性越发凸显，也可以说，大数据的存在，让电商变得更加智慧。《互联网周刊》记者与中酒集团常务副总裁王泽旭，YOHO！有货总裁钮丛笑进行了互动，深入了解电商与大数据背后的故事。

大数据让消费更加个性化

在电商领域中，用户行为的信息量十分庞大，根据专注于电商行业用户行为分析的公司的不完全统计，一个用户在选择一个产品之前，平均要浏览 5 个网站、36 个页面，在社会化媒体和搜索引擎上的交互行为也多达数十次。不经过大数据分析，如何将如此庞杂的数据归纳总结，进行统计分析简直是难以想象。

与此同时，大数据也让电商更具个性化。钮丛笑说道：“大数据的本质，从营销层面理解是实现产品的一对一营销，这也是营销的最高境界——专门为一个人定制的产品。此前，我们是一个产品对应一类人，千人千面，随着大数据的不断发展，最理想的状态将是一个产品只对应一个人。”他举了一个例子，在营销过程中，电商企业经常纠结一个事情，例如北方已经到了冬季，南方还在穿着短袖，那么网站页面到底该推什么商品？最好的解决方案就是一边出现冬季页面，一边出现夏季页面。“大数据的核心本质最终就是要解决一对一营销，纯研究数据并没有太大的意义。”

王泽旭则谈到，电商网站每日都会收集大量的数据，由于有了大数据的协助，让中酒的线下经营业更具有特点，例如在门店商品的选择上，酒品有2000多个种类，门店是无法放下的，经过大数据的分析，每个门店的商品陈列、陈列主次、销售结构都是不一样的，这样的经营方式大大提高了商品的转化率。另外，根据网络销售得出的区域用户行为节奏分布，对店面的选址也有帮助，可以知道选址周围人们的喜好分布，得出的促销侧重点也不同。

网络用户的“用户行为信息”（User Behavior Information）是指用户在网站上发生的所有行为，如搜索、浏览、打分、点评、加入购物筐、取出购物筐、加入期待列表（Wish List）、购买、使用减价券和退货等；甚至包括在第三方网站上的相关行为，如比价、看相关评测、参与讨论、社交媒体上的交流、与好友互动等。而个性化的推荐则会提高用户的购买率，降低无用信息的推荐，避免了无用广告的滥用骚扰，无形中就提高了用户体验。

大数据让营销更精准

互联网时代更多的是以用户为中心，大数据的存在则让这种以用户为中心的服务有了更为准确的依据。

钮丛笑谈到，不管什么行业，都会有一个标签，都需要精细化整理自己顾客的属性标签以及商品属性标签，而且在大数据到来之后，这些标签必须能够细化到单个顾客和单个商品。

在电商、零售等行业，成本控制是将利益最大化的关键因素，大数据则为成本控制和精准营销提供了依据。

钮丛笑提到了一个词：计划经济。他谈到，有货上面的销售量都是计划好的，虽然计划经济不如市场经济的调节作用好，但是为了避免销量溢出过度浪费，就可以进行宏观调控。而在大数据帮助下的数据调控也变得更有依据。

去年7月底，有货在上海举办了YO’HOOD潮流新品C2B预售会。新品预售会仅两天，线上线下预购金额就超过了2000万元。“不仅对上新有极高要求的潮流电商需要避免库存风险而尝试C2B模式，其他定位于大众平台的电商有更加迫切的供应链变革要求。”钮丛笑表示，“根据消费者的预购情况，按需生产、限量发布，可以让品牌商直接与消费需求对接，一方面可以有效控制库存周转；另一方面，可以预先抢占下一季度的市场。”

C2B模式虽然能够很好的将需求与企业的供应有机的结合起来，极大的节约成本，但若无数据支持，将造成供应链的极大供给短缺，大数据很好的解决了这个问题。

王泽旭在谈话中也表露了类似的观点，他表示，从IT角度讲，根据对数据的细分可以做到区域经营碎片化，让各地区经营策略不一样，价格选品，都不一样。例如搜索淘宝指数时，会有性别、年龄、星座等等区分的指数，而有意思的是，处女座的消费特征确实有所区别。王泽旭还介绍，中酒网的内部大数据叫做中酒云，每个人都可以在上面检索，其中包括四十多个维度，并且对不同维度进行组合来满足经营需要：比如大学附近销售德国啤酒，老年人比较多的地区销售黄金酒之类。

体验是用户忠诚度保持的关键

在众多电商快速崛起的今天，如何保持用户黏性，增加重复购买率成为了关键。

“我们做的不是一锤子买卖。用打价格战的方式拉拢客户，这样的客户可能会购买一次商品，但是未必会买第二次。”钮丛笑明确表示不会盲目跟风低价，“对于分众电商而言，最重要的不是要卖什么，而是知道不能卖什么。”比如有货虽然出售阿迪达斯品牌商品，但仅限于个别潮流产品线。这就是大数据告诉了企业，应该向什么方向发展，应该做什么样的决策，大数据也让电商更具智慧。

为了更具象的展示如何保持用户活跃，王泽旭展示了其APP产品：当买酒时候，发送自己的位置信息，APP会显示出附近最近的门店，进行下单，很快就能送到。王泽旭认为，即时性消费用户不看促销，常规性消费在意活动促销。销售过程中工具影响了消费，工具时代不是拉新，是守护老客户，一定要避免那些暴力促销。他举了一个例子，“例如我们的微信号名字当中带有酒字，这个微信号平时在朋友圈，发一些他平时生活的动态，并不进行硬推，当某个时段你需要买酒了，也许就会突然想到朋友圈中还有这样一个人。”他表示，大数据更多的应该是一种工具，企业使用这个工具，辅以经验和一些营销的小手段，就能够大大的提高用户体验。

谈大数据驱动教育智慧化 篇12

大数据是一场革命, 其正在深刻改变我们的生活、工作和思维方式。大数据技术的发展与应用, 不仅推动了教学模式的创新, 对教育管理及决策工作也将产生深远影响。

在国外, 大数据分析已经被广泛应用于公共教育, 成为教学改革的重要力量。为了顺应并推动这一趋势, 美国联邦政府教育部实施了一项耗资2亿美元的公共教育中的大数据计划, 计划旨在通过运用大数据分析来改善教育。美国教育部门使用大数据技术创造了“学习分析系统”。应用该系统, 可研究一个学员成绩不好是否由于因为其周围环境而导致分心;期末考试不及格是否意味着该学员并没有完全掌握这一学期的学习内容, 还是因为请了很多病假的缘故。利用大数据的学习分析能够向教育工作者提供有用的信息, 从而帮助其回答这些实用但难以回答的现实问题。

我国的教育模式正经历巨大变革, 呈现出资源大集中, 教育网络化的特点, 并开展了两大国家级教育信息公共平台的建设。国家教育资源公共服务平台, 采用资源征集、资源汇聚、资源共建、资源捐赠等方式, 实现教育教学资源数据的汇聚;国家教育管理公共服务平台, 则采用学员和教师“一人一号”、学校“一校一码”的思路, 支持全面准确地汇聚全国学员、教师及学校办学条件的动态数据。这些大数据成为我们观察、监测教育系统的“显微镜与仪表盘”, 成为智能化教育分析与决策的基石。

二大数据驱动教育智慧化

在教育领域信息化程度不断提升的同时, 该领域的数据呈爆发式增长, 形成教育大数据。认识教育大数据, 可从“资源汇聚、分析技术、智慧应用”三个层次进行把握。数据汇聚是智慧分析和应用的基础;分析大数据需采用新型计算架构和智能算法等新技术;大数据的应用强调以新的理念应用于发现新知识、辅助决策, 更强调闭环的业务流程优化。

(一) 教育大数据资源的汇聚

教育大数据广泛存在于教育机构、管理部门、网络教育平台等处, 类型涉及教师教学、学员学习等多个维度。

随着教育信息化水平的提高, 学校等教育机构正在从传统纸质记录方式向信息化演进, 学生的成绩等记录已逐步实现信息化存储;依托于多媒体等信息化工具, 许多教育机构累积了包括视频、音频等海量多媒体教学资源;借助网络教学平台, 教育工作者能够大量采集学员在线学习过程中产生的过程数据, 包括学习轨迹, 电子成绩等。此外, 教育局等管理部门存储了入学率、辍学率、升学率等宏观教育数据, 这些数据能够有效地支撑相关管理决策。

通过面向教育机构、网络课堂、管理部门等组织, 采集教育相关数据, 形成教育大数据的汇聚, 为后续的分析和应用提供基础条件。

(二) 教育大数据分析涉及的关键技术

1. 基于元数据的资源管理体系

建立基于元数据的教育资源管理体系, 是实现教育大数据汇聚及共享的基础。元数据是描述数据的数据, 非结构化数据的存储管理必须支持归类或者检索;例如, 借助图像识别技术和身份认证信息, 可将图像中的事件、任务、主题进行识别并作为元数据进行记录。

伴随教育信息化的普及, 音频、图形、视频等多媒体教学资料呈爆发式增长, 其多为非结构化数据, 元数据相关标准是实现存储以及共享的关键。我国已于2014年底成立工作小组, 正在构建国家标准“非结构化数据管理系统参考模型”。各级教育机构及网络平台, 需依据国家统一的元数据管理规范, 对多媒体教育资源进行统筹管理, 使其支持精确的检索。

2. 海量数据的存储机制

为实现优质教育资源的共享, 需建设信息化系统, 支持海量教育资源的存储。同时, 众多教育机构已开始探索互动性学习的新方法, 智力辅导系统、微博论坛互动、及教育性的游戏等教育载体产生了越来越多的非结构化的数据。

基于大数据技术的分布式文件系统HDFS, 支持对非结构化数据资源的统一存储管理, 其具备高度容错性, 可部署在廉价的设备资源池上;同时, 其提供高吞吐量的数据访问, 为教育大数据的存储提供了有效的解决方案。

3. 分析型数据模型的建立

为支持大数据分析, 需基于学员的考勤、考试、日常表现等主题, 建立统一的数据模型, 存储于信息化系统, 以支持存储和分析。另外, 需根据教学反馈需要, 加强对教学过程数据的采集和录入, 支持从概念能力、普通能力、技巧能力、习惯能力等维度建模, 以支持教学过程和效果分析。

4. 数据挖掘技术的应用

数据挖掘技术是教育大数据和智慧教育之间的桥梁。经过多年的探索, 众多教育工作者和研究者通过研究, 已经开发出5种从大数据中提取价值的技术:包括预测、聚类、相关性挖掘、辅助判断、探索发现。

实施这些技术就能够使用大数据, 来创建为提高学员成绩提供支持的学习分析系统, 帮助教育工作者更加有效地指导学员, 使其朝着更加适合自身的学习方向迈进。

(三) 智慧应用驱动教育模式变革

教育大数据的融合和共享, 支持全民自主持续学习, 辅助政府部门管理决策, 教学者优化教学设计, 驱动教育领域在多层次持续优化, 最终实现智慧教育的建设目标。

1. 基于智能推荐的个性化学习

我国的职业培训需求旺盛, 学员的知识水平参差不齐, 需根据学员的不同要求, 指定针对性的个性化培训计划, 学习效果方能事半功倍, 然而师资教育有限, 教育大数据可有效地解决该矛盾。

依托教育大数据汇聚, 学员可根据平台智能推荐, 充分利用碎片化时间, 以知识点为单位进行学习, 提升社会竞争力。此种学习模式契合上班族学习时间碎片化的特点, 使全民能够持续接受教育, 终生学习, 提升国民素质。此外, 学员还能够借助大数据系统, 自主地进行多维度可视化的分析, 了解自身知识的掌握程度, 快速查找并定位优势教学资源进行补缺补漏。

2. 优化教学设计, 提升教学水平

在学习过程信息化的同时, 大量学生的学习相关行为都会被自动记录下来, 汇集成“学习大数据”。

基于教育大数据的应用, 教育工作者可通过参考学员的学习经历等基本信息, 分析学员的学习路径、测试情况, 随时掌握每个学员的学习状况, 为每一位学员都创设一个量身定做的学习环境和个性化的课程, 提供针对性的课程推荐, 并及时进行教学反馈;另外, 可基于分析, 设计持续改进课程教学内容和教学环节, 籍以实现“因材施教”式的个性化服务。

3. 辅助政府部门管理及决策

教育管理部门可对传统及在线教育机构的数据进行收集和统计, 分析当前社会上过热学科以及学员分布情况, 为相关政策制定、学科设立及教育资源合理分配等决策行为提供可靠的依据。同时, 教育管理部门可利用各类历史数据、现有数据以及即将产生的数据, 分析并预测教育形势、教学质量、教育需求及未来发展趋势等, 持续优化管理决策体系。

三教育大数据的建设要点

我国正在建设两大国家级教育公共平台, 其目标是汇聚教育管理、教学支持领域的海量信息, 形成有效支持教育教学过程、教育管理的教育大数据。

在建设教育大数据过程中, 需要着重关注以下要点:

1.加强教育领域的信息化建设和数据收集

当前我国发展智慧教育, 需加强利用信息化技术, 采集学员在线学习时产生的过程数据, 为分析和反馈提供基础;同时, 需注重数据质量, 并制定相关规范。传统教育机构可借助于信息化水平的不断提升, 加强对学员学习过程中产生的数据进行监控和收集, 以实现教育过程中的有效反馈及持续改进机制, 对于线下记录的有效数据应及时进行信息化录入, 对于优质的教学资源应及时进行录入并转为多媒体资料进行网络共享。在线学习课堂则可不断通过分析, 持续改进在线学习数据采集的指标, 优化分析模型, 以提升分析能力和推荐能力

2.强化数据分析技术的研究及应用

基于大数据的学习分析技术是实现智慧教育的基石。根据Johnson等学者对学习分析技术 (Learning Analytics) 的定义, 学习分析指的是对学员生成的海量数据进行解释和分析, 以评估学员的学业进展, 并预测未来表现, 并发现潜在问题。数据可以来自学员的显性或隐性学习行为, 如完成作业、参加考试、参与课外活动、论坛发帖等。

目前学习分析技术已引起全球教育界的关注, 美国教育部教育技术办公室通过研究, 提出了应用数据挖掘和学习分析技术解决教学实际问题的一些基本途径, 明确了学习过程八大领域问题的解决途径:学习者知识模型、学习者行为建模、学习者学习体验建模、学习者学习档案、知识领域建模、学习要素和设计原则分析、趋势分析、适应性和个性化分析等等。

3.探索新型教学模式

支持课程建设团队与合作院校开展联合性的教学活动, 进行网上教学、混合式教学模式和教学方法探索与实践, 并探索建立跨校学分认定制度, 促进高校间优质课程资源共享, 推进教育教学质量的提升;

需充分利用已有的教育信息化建设成果, 尝试等新兴教学模式, 探索符合国情的教学创新模式, 将大数据建模和分析融入传统的教学中, 实现教学者对学员的即时反馈, 摆脱传统在线教育模式中单向提供学习材料和灌输式学习的局限, 鼓励和引导学员更加积极地学习与思考。

四教育大数据发展面临的挑战

教育大数据作为新兴概念, 在其发展过程中, 面临着标准制定、法律风险、技能培养、机构重组等方面的挑战。

1.教育数据商业化可能引发法律风险

对于学员数据的收集, 由其是针对未成年人数据的收集, 可能引起触犯用户隐私的风险, 甚至触犯法律。在美国, 包括纽约、弗吉尼亚和肯塔基在内的八个州通过立法, 限制或禁止将学员数据出售或分享给营销公司或第三方机构;此外还有十多个州有类似的立法待决。我国正在制定一系列与隐私保护相关的法律规范, 商业机构在收集、分析、应用教育大数据的过程中, 需严守法规, 保护用户隐私, 切实利用教育大数据造福于民。

2.缺乏统一的数据标准

统一的数据标准, 为从不同平台或渠道获取数据, 进而进行统一分析提供了可能。如各组织结构存储记录数据的标准存在巨大差异, 则很难支持大数据的建模和分析。

3.教育工作者信息化技能亟需提升

提高教育信息化水平, 实现智慧教育, 需要建设高素质的教育工作人员队伍, 面临的挑战主要包括:教育工作者资源匮乏, 分配不平均;需要投入大量资源, 不断通过培训, 提升工作人员的信息化修养, 包括可视化教学、视音频技术等技能。

五总结

应用大数据思维和技术, 推动教育数据的汇聚、存储与处理, 形成教育大平台与大数据, 是实现智慧教育的必经之路。我国需基于国情、积极探索实践, 主动迎接大数据时代, 需发挥教育信息化及教育大数据的优势, 驱动教育资源共享, 教学模式的创新, 最终实现智慧教育的宏伟目标。

参考文献

[1]IEEE 1484.1 (2003) .IEEE Standard for Learning Technology-Learning Technology Systems Architechture (LTSA) [S]

[2]教育部教育信息化技术标准委员会 (2003) .中国现代教育技术标准体系[EB/OL].[2013]

[3]柯清超.《信息技术支持的项目学习》.人民教育出版社.2010

[4]梁乐明, 曹俏俏, 张宝辉.《微课程设计模式研究》.开放教育研究.2013