教育大数据

BIGDATA4321教育管理信息标准不完善，孤岛依旧智能化程度较低，处于“人管、电控”的管理阶段数据缺乏系统化、精细化管理，难以支持及时精准的教育决策教育监督系统不到位，难以进行动态监管面临“问题”认识教育大数据大数据内涵需要拓展大数据不仅是一种技术大数据还是一种能力大数据更是一种思维方式大数据正在慢慢演变为一种文化！010203谈的比较多的领域大数据电商大数据交通大数据金融大数据工业大数据BIGDATA什么是教育大数据？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。教学活动中产生教育管理过程产生两大数据产生渠道•阶段性、部分采集•非自然状态、事后采集•简单统计汇总、结构性数据•关注宏观发展、区域比较传统教育数据•持续、全面采集•自然状态、动态实时•深度多元分析、多样化数据•宏观+中观+微观、预测+预警教育大数据教育大数据的采集呈现高度的复杂性不仅注重相关关系，也要强调因果关系教育大数据的应用需要高度的创造性独特性价值体现教育大数据是一种教育战略资产教育大数据是教育领域综合改革的科学力量教育大数据是发展智慧教育的基石01推动教育转变教育过程教育决策教育模式教育管理教育评价“非量化”“可量化”“经验化”“数据化”“大众化”“个性化”“不可见”“可视化”“单一化”“综合化”数据层次数据采集方式数据应用场景基础层人工采集、数据交换宏观掌控教育发展现状、科学制定教育政策、合理配置教育资源、完善教育体系等状态层人工记录、传感器感知教育装备的智能管理、教育环境的智能优化、教育业务的实时监控等资源层专门建设、动态生成各种形式的教学与培训，如课堂教学、教师培训、网络探究学习、移动学习、协作学习等行为层日志记录个性化学习、发展性评价、学习路径推送、教学行为预测等学习行为学习动机、兴趣安全监控校园生活家庭学习管理行为教学录像作业过程统计信息教务学籍办公科研人事设备招生教室环境教学行为情境状态课堂互动学生进出校校园能耗财…务...家校沟通…...社会学习…...…...结构化、显性化教育数据为主非结构化、隐性化教育数据为主学习软件图1教育大数据的“冰山模型”教育大数据的作用教育发展水平评估教育资源均衡配置教育舆情监测与剖析数据驱动的教育决策即时学习诊断与预警学生的发展性评价基于大数据的科学研究特征与框架业务全数字化智能运维管理安全预警智慧决策远程督导业务协同与优化个性化智能服务BIGDATA利用可视化与自动化技术，使管理工作更轻松高教育业务全面数字化，实现信息无缝整合与共享实时监控教育运行状况，预警教育危机深度挖掘教育数据，提高管理与决策的科学性发挥信息技术优势，开展全面及时的远程教育督导全面感知工作与学习情境，提供个性化的智能服务大规模的实时沟通与业务协同，重构管理业务流程教育大数据处理一般流程通信网互联网物联网监控教学过程学习过程资源设备科研动态校园安全记录采集管理数据进行数据挖掘技术智能分析与预测可视化方式呈现分结析果预测形成智慧决策发布管理调度指令管理指令过程实施智慧管理云平台监控记录采集图书馆管理设备管理人员管理安全管理环境管理教育管理过程中数据采集建设思路教学管理师生服务科研虚拟网元学生管理教务管理多媒体课堂移动教学身份管理移动化融合架构大数据分析云计算平台精细管理四步走管理模式1监控教育过程，记录、采集和管理数据可视化呈现分析预测结果，形成智慧决策23通过数据挖掘，进行智能分析与预测4发布管理调度指令，分层实施指令调度过程采用Splunk软件（基于MapReduce架构）案例一：校园IT安全索引来自网站，应用程序，服务器，网络和移动设备产生的数据监控用户帐户的行为异常，检测、定位、系统受损、IT使用情况等案例二：课程学习预警CourseSignals可汗学院的学习仪表盘eAdvisor™StarfishEarlyAlertsystem学生成功系统预警方式红绿灯电子邮件短信仪表盘电子邮件电子邮件小红旗短信电子邮件课程获得成功的影响因素总览图预警内容成绩/分数、努力程度、先验知识、学生特征知识点学习路径努力程度课程成绩影响学生成功学习每门课程的因素（出席率、完成情况、参与度和社会学习）预警效果辍学率降低学生成绩提高节省管理所需的时间和金钱直观了解对学过知识点的掌握情况及时得知自身哪方面的技能有所欠缺向学习者推荐适合其下一步学习的相关内容推荐适合的专业课程，并为其制定相应的学习路径为他们安排课程计划，并帮助他们能够按时毕业尽早的了解学生降低辍学率降低辍学率预测学业危险提供适当干预方便管理者管理技术/算法/工具预测学生的成功算法（studentsuccessalgorithm,简称SSA）数据挖掘和分析工具信息跟踪技术和镜像（Mirroring）技术学习分析个性化的eAdvisor™点播工具学习分析大数据分布式计算自矫正系统学习分析语义分解整体预测建模法学习分析数据可视化技术优点可视化可视化、个性化推荐个性化制定学习路径偏离学习路径无法继续学习发出预警后提供取得成功的学习路径个性化预警数据可视化设置预测的准确性较高缺点不够个性化提供过量相同的干预不提供诊断信息，难以提供有效的补救措施普适性较低应用学科有限，目前只有数学课程只预警知识点的掌握情况仅使用电子邮件预警不够及时准确普适性较低普适性较低非技术人员不能够很好地解释决策和行动所预测的结果案例三：困难学生餐饮预警案例四：学生发展预警案例五：校园安全预警案例六：美国马鞍峰社区学院个性化服务助理全面记录学生在校期间各种信息，系统分析提出时间管理、课程选择等方面的个性化建议。SHERPA（Service-OrientedHigherEducationRecommendationPersonalizationAssistant）案例七：百度大数据辅助智慧择校选学校分数预测选专业选职业如何构建立体化教育数据网络04030201以学校公共服务平台为核心打通各层、各类教育数据系统实现教育数据的纵向贯通&横向互联持续、动态、标准化采集如何保障教育数据质量与安全诸多因素影响教育数据质量采集技术、管理规范、隐私保护感谢大家的聆听！