长三角基于大数据的区域教育评价变革论文（17篇）

长三角基于大数据的区域教育评价变革论文（17篇）长三角基于大数据的区域教育评价变革论文　　龙源期刊网http://www.qikan.com.cn　　基于大数据分析的教学评价体系建立与实践　　作者：龙浩霍娜来源：《电脑知识下面是小编为大家整理的长三角基于大数据的区域教育评价变革论文（17篇）,供大家参考。

篇一：长三角基于大数据的区域教育评价变革论文

　　龙源期刊网http://www.qikan.com.cn

　　基于大数据分析的教学评价体系建立与实践

　　作者：龙浩霍娜来源：《电脑知识与技术》2019年第15期

　　龙源期刊网http://www.qikan.com.cn

　　龙源期刊网http://www.qikan.com.cn

　　摘要：针对目前高水平建设中高职院校教学改革而言，课程教学评价是衡量课堂教学质量的重要手段，也是检验课程改革效果的重要依据。通过教学评价指标体系的构建，核心指标设置为学生的参与度，认可度和满意度，分别构建了三级评价体系，分别为课程微观评价指标体系，二级学院综合评价体系和学校宏观评价指标体系。以徐州工业职业技术学院为研究对象，利用教学质量测评获取评价数据，基于大数据分析的视角，研究课改项目对课堂教学质量的影响，评估二级学院教学水平状况，分析制约教学质量提升的因素，探索适用于不同学科的教学评价体系，从而提高高职院校教育质量。

　　关键词：大数据分析;教学评价;指标体系;质量测评

　　中图分类号：TP3;;;文献标识码：A

　　文章编号：1009-3044（2019）15-0019-02

　　现代信息技术驱动学校改革发展，教育数据分析促进教育改革的信息化大数据时代已经到来。利用教育大数据挖掘和数据分析技术构建教育领域的相关模型，探索教育变量之间的相关性，为教育教学改革提供有效支持，将是现代信息技术未来教学的必然趋势。课堂教学质量评估是教学质量评估的重要组成部分，教学评估是教学活动中不可或缺的一部分。现有的教学评估结果往往是整体和宏观的，如果没有定量，微观，易学和操作的评估模型，教学管理和教学工作将很难开展。本文结合教学历史评价数据，研究相应的知识发现方法，分析教学评价指标体系，以学生参与度、认可度与满意度为核心指标，基于大数据分析的视角，研究课改项目对课堂教学质量的影响，评估二级学院教学水平状况，分析制约教学质量提升的因素，寻求不同学科的普适教学评估体系，探索提高教学质量的有效方法，为教学管理人员管理教学提供参考。

　　目前，各高校有很多教学评估方法，但大多数评估结果只是有限条件定量计算后的数值结果。例如，学生评估活动通常由学校在学期开始时或者学期结束时使用教育管理系统进行组织。学校根据系统的教学要求设置了几个教学评估指标，并根据教学评估指标的重要性进行分配。通过教学管理系统中的学生对教师评价，系统最终利用学生对教师进行评分，加权总结，得出教师最终的学生教学评价结果。教学评估结果只能部分反映教师的教学情况。教学管理人员和教师只能获得“优秀，良好，合格”的结果。直接從这些数据中找到全面系统的结果是不可能的。因此，很难为教学管理者的决策提供更有效的支持。利用数据挖掘技术深入探索教学评估数据，就能有效的解决这些问题。数据挖掘技术可以从大量数据中提取人眼无法直接观察到的隐藏知识。因此，研究相应的数据挖掘方法，进一步探索教学评估数据，充分利用教学管理系统中的大量教学评估数据，对提高教学质量具重要的作用。

　　1教学评价体系建立和实践的思路

　　学生的教学评估数据是学生根据教师的课堂情况和教师对教学因素的主观评价得到的数据。学生测评教师，一定程度上具有主观性，其评价数据可以反映学生的主观特征，学生评价

　　龙源期刊网http://www.qikan.com.cn

　　数据也可以反映教师在各种教学因素中的表现。本文的主要内容是基于课堂教学评估数据和研究相应的知识发现方法，用于帮助教师从教学评价数据建立评价指标体系，获得各教学评价指标之间的关联情况，分析教师教学过程中的主要影响因素。本文具体研究思路如下：

　　1）文献研究。系统梳理国内外与教育大数据分析、教学评价指标、教学评价方法等相关的研究文献，为本课题研究提供全面的理论支撑;

　　2）课程教学评价指标分析。深入分析目前教育教学评价指标现状及存在问题的基础上，提出并构建课程教学评价指标观察点;

　　3）课程教学评价模型建立与分析。依据课程教学评价指标体系，借助大数据算法分析指标数据，构建既综合全面又能从微观进行量化评价的可操作评价模型;

　　4）基于大数据的可视化分析。首先我们将教学评估数据进行分类有序的梳理，并对教学评估数据进行分析，然后构建教学评估数据相关表的关系结构图，最后将评估分析数据的相关图表图形进行可视化，从而建立长期有效的反馈机制。

　　5）基于大数据分析的教学课程评价建设效果实证分析。基于以上研究结果，以二级学院为试点，对基于大数据分析的教学课程评价方法建设实践效果进行分析，以便为本课题的研究提供反馈。

　　2教学评价体系建立内容

　　论文首先研究建立教学评价指标观察点，设置两级指标，如图1所示，探索和创新灵活的教学评估指标，以适应新的课程改革，并适应不同的专业课程变化的需要。

　　其次研究建立既全面又能微观量化的可操作课程教学评价模型，探究课堂教学评价形式的有效性，通过构建课程评价指标体系、二级学院评价体系和学校教学评价指标体系，采用近三年的教学评价值，有关教学改革的课题和指导学生或个人获奖等大数据，从中可以研究教学模式改革在提高教学质量中的有效作用，分析教学评价结果，教学模式改革，高校教学质量之间存在双赢关系，探索一般适用的教学评价模式，寻求有效的方法来提高教学质量。具体指标如图2所示。

　　再次探究基于大数据分析的教学评价数据的图形图表可视化研究，形成能够反哺教学的长效反馈机制。

　　最后探究基于大数据分析的教学评价体系的实践。以二级学院为试点，对基于大数据分析的教学课程评价方法进行实践，以便为本课题的研究提供反馈，为课题成果的推广提供宝贵的经验。

　　3结论

　　龙源期刊网http://www.qikan.com.cn

　　论文提出通过教育大数据分析，建立教学评价指标体系将成为课程教学改革和师资队伍建设的推动剂，为教学质量的提升提供了保障。形成三级教学评估体系，建立行之有效的评价指标体系，然后通过对相关数据进行大数据分析，建立普适性的教学评价体系，对目前高职院校高水平专业建设有着非常重要的意义。

篇二：长三角基于大数据的区域教育评价变革论文

　　在大数据时代基于海量校园大数据收集剖析与挖掘让高校教育教学管理从宏观群体走向微观个体让跟踪每一个学生个人学习行为数据与教师个人教学行为数据成为可能可以从微观层面来剖析个体学生学习情况与教师教学状况为无论是高校教学管理部门还是校长教师以及学生与家长都可以提供一份独特具有不同数据粒度与视角个性化剖析报告让参与教学与教学管理过程每一个角色都能够及时准确地了解当前状况为其下一步决策提供数据支持

　　龙源期刊网http://www.qikan.com.cn

　　大数据背景下的高校教学评价

　　作者：韩成勇来源：《电脑知识与技术》2017年第17期

　　摘要：传统的教学评价存在评价主体单一、评价数据采集不完整、数据分析能力弱和评价结果反馈不及时等问题，不利于做出科学合理的教学管理决策。文章阐述了基于大数据的教学评价优势，即多方参与教学评价更顺畅，采集到的评价数据更全面、更真实，数据处理和分析能力更强，评价结果反馈更及时、更具体，教学管理决策更趋于合理，并立足高校教学管理工作实际，提出基于大数据的教学评价过程主要包括数据采集、数据挖掘与分析、结果反馈和结果应用等几个阶段。

　　关键词：大数据；教学评价；数据采集；数据分析；教学管理

　　中图分类号：G45文献标识码：A文章编号：1009-3044（2017）17-0159-03

　　在移动互联网、云计算、物联网等现代信息技术的广泛应用背景下，大数据应运而生，大数据泛指巨量的数据集，因可从中挖掘出有价值的信息而受到重视。教育逐渐被认为是大数据可以大有作为的重要应用领域，越来越多的教育机构与教育工作人员以及研究者开始关注大数据在教育教学改革与发展尤其是教育评价中的应用价值。在《促进大数据发展行动纲要》中明确提出要发展教育文化大数据，探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用。如何在大数据背景下开展高校教学评价，使高校教学管理者能够基于数据来提升决策质量和管理效率，教师能够基于数据来改进教学、提升教学质量，学生能够基于数据能够更清楚地掌握自身的学习和成长轨迹，是高校亟待解决的问题之一。

　　1传统教学评价存在的问题

　　教学评价是高校教育教学工作的重要内容之一，关乎学校的教学质量、学生成才和学校教育事业的发展。教学评价指的是在系统、科学、全面地搜集、整理、处理和分析教育教学信息的基础上，对教育教学的价值做出判断的过程。教学评价一直以来在掌握学生的成长和学习情况、评估教师的教学质量、促进高校进行教育教学改革等方面具有发挥重要作用。在国家《国家中长期教育改革和发展规划纲要（2010-2020年）》指出：“要改进教育教学评价，根据培养目标和人才理念，建立科学、多样的评价标准。开展由政府、学校、家长及社会各方面参与的教育质量评价活动。做好学生成长记录，完善综合素质评价，探索促进学生发展的多种评价方式。”

　　传统的教学评价主体较为单一，主要是高校内部的教学管理部门和相关人员来进行评价，评价重“总结性评价”轻“过程性评价”，评价时多采用“经验主义”，“人情分”时有发生，主观程度较高。导致这一现象，很大一部分的原因是受客观条件的限制，比如无法及时、持续地收集

　　龙源期刊网http://www.qikan.com.cn

　　来自各方的评价数据，无法科学合理地对数据进行筛选、整合、分析和反馈，更谈不上对数据进行深层次的挖掘、发现隐藏在其背后的有价值的信息。

　　1.1评价主体单一

　　教学评价是一项系统工程，是由多个部门、多个评价主体参与的一项综合性工作。目前大多数高校都建立了较完善的评价体系，实行学生、同行、督导和社会评价相结合的方式进行评价。但在具体实践中，评价工作主要由学校相关部门主导完成，而且在各种评价数据整合过程中存在诸如评价标准不统一、评价体系难协调等问题，导致高校的教学评价体系较为封闭、评价数据难以整合。而当前强调教学过程的质量监控，教学评价须贯穿整个教学过程，覆盖教学的方方面面，必然要求开展教学评价时须基于多种来源、结构不同的数据，来分析教师的课堂教学和学生的学习情况，并通过数据的不断积累，逐步提高分析的精确性和针对性。

　　1.2数据采集不完整

　　通过教学评价可以更好地了解学生的学习和教师的教学过程，从而更好地提升教学质量和教学效果。在以往的教学环境下，在采集教学评价数据时，存在数据难以采集、采集数据的准确度不高、过程数据不全或无法采集以及不同来源之间的数据难以整合等多种弊端，导致采集到的数据不完整、持续性差和数据之间隐含的关联性不高，而建立在这样的数据上所得到的分析结果，缺乏综合性和有效性。例如任课教师的普通话水平对学生的课程学习兴趣影响分析，学生的课堂学习行为和任课教师的课堂教学组织之间所存在关系的挖掘等等都难以实现。

　　1.3数据分析能力弱

　　在高校数字化校园和教育教学信息化程度越来越高的环境下，每个一学生、每一个教师、每一个教学管理人员，每一个学习行为、每一个教学过程、每一个管理环节，都是一个个鲜活的数据源，每时每刻都在产生各种各样的过程数据和结果数据，与此同时，各种数据在各种系统、各个业务环节中交替流动，汇聚成海量的校园大数据。在大数据之前，如何及时、动态地整合和分析这些数据，持续不断地形成教学质量评价报告，是一项几乎无法完成的工作，蕴含在数据中的规律和其他有用信息就无法发挥作用。

　　1.4结果反馈不及时

　　现代高校越来越倾向于基于数据进行教学管理决策，这就对数据分析结果反馈的时效性提出了更高的要求。传统的终结性教学评价的主要目的是为了对学生或教师一段时间的表现由分数或等次来作出评判，然而形成性和适应性评价是使学生的学习状态和需求数据实时地为学生每一步的学习内容、进度和方法提供参考。在教学管理决策方面，要求采集到的评价数据能够及时反映各个教学环节的运行情况以及可能存在的问题，从而可以提升教学过程管理效率，提升教学质量。同时，在向各级教学管理部门和教师反馈信息时，不能仅仅只反馈所采集到的原

　　龙源期刊网http://www.qikan.com.cn

　　始数据细节，这不利于实际问题的解决，而是要采用合适的形式，使得反馈信息具有可视性、可读性和可理解性。但这些，在传统的教学评价中，都难以实现，导致教学评价结果反馈严重滞后，无法为教学管理决策提供数据支持。

　　2基于大数据的教学评价

　　大数据技术和基于大数据的管理思想的兴起，为高校在收集、整理、挖掘分析以及利用教学评价数据等方面，提供了全新的思维和方式，为开展教学评价提供了很好的解决思路，为克服现有教学评价中的不足提供了有效的解决方案。大数据以其复杂的计，算结构构筑了庞大的数据存储能力、综合数据处理能力、复杂模型建构能力和高速精准的运算能力等信息技术高价值能力，为高校的教学评价和教学管理提供了更适切的信息平台。

　　2.1多方参与教学评价更顺畅

　　实践中，高校的教学大数据直接产生于各种教育教学环节和活动，包括教学过程、管理环节、教科研活动、社团活动、校园创新创业活动、企业实习环节等，数据覆盖范围广、数据采集周期短、频次高、数据量巨大、数据类型众多、数据开放程度高。在大数据环境下，教育教学过程中的每一个参与者既是大数据的生产者同时也是大数据的使用者，基于开放性大数据的教学评价活动，为那些能够掌握和提供教师和学生在不同情境下的教学和学习数据的相关主体共同参与评价架设了桥梁。

　　运用大数据技术和互联网+的开放思维，吸引越来越多的教学评价参与者，每个参与者都有发言权，评价立场、层次、角度各不相同，一方面有利于提升评价数据的透明性、真实性、立体性和完整性，另一方面也有利于促成教学评价指标的自我更新和完善，及时淘汰不适合的评价指标、增加新的评价指标。这些有利于真正发挥教学评价工作的价值，使其在高校的教学管理、课堂教学指导、教学创新、学生学习管理、专业发展等方面起到实效。

　　2.2教学评价数据采集更全面、更真实

　　在大数据环境下，采集到的教学评价数据越来越多元化、多层化和非结构化，能够更加全面真实地反映教与学的情况和教学效果。基于大数据的教学评价数据，一方面能覆盖教育教学过程中各个层面有可能与教学有关的各种因素，另一方面也可以从巨量的数据中挖掘到前所未知的知识和信息。此外，大数据背景下，教学评价数据的采集渠道和采集方式越来越多样化，同时可以采集到大量的非结构化的数据，比如音频、视频、图像、文本等信息形式，这些非结构化的数据为教学评价提供了更多的细节和方面，更生动、真实地记录了教与学的过程，其中蕴含了丰富的有价值的信息。

　　2.3数据处理和分析能力更强

　　龙源期刊网http://www.qikan.com.cn

　　在大数据时代，综合运用物联网、互联网+、云计算、智慧校园等新的技术手段和系统，可以实现对海量的教学数据进行收集、存储，进行动态分析和处理，挖掘隐藏在数据背后的知识，提高决策水平，优化教学过程，解决教与学过程的新情况和新问题。例如，在课堂教学过程中，学生可以手机等设备及时回答一些关于课堂学习情况的问题，教师可以在课下根据学生的回答情况，进行有针对性的回复和互动，帮助学生解决在学习中碰到的问题，并据此及时调整课堂教学内容和节奏，以保证课堂教学质量。对于教学管理部门而言，可以通过类似的方式，可以较容易地收集到大量与教学相关的数据，从而可以为教学管理决策提供强大的数据支撑。

　　2.4结果反馈更及时、更具体

　　大数据具有数据流速快，处理速度快和时效性强的特点，从而可以很好地适应现代高校管理对教学评价数据的时效性的要求，及时有效地利用校园大数据为改进教学和教学管理服务。在大数据时代，基于海量校园大数据的收集、分析和挖掘，让高校的教育教学管理从宏观群体走向微观个体，让跟踪每一个学生个人的学习行为数据和教师个人的教学行为数据成为可能，可以从微观层面来分析个体的学生学习情况和教师的教学状况，为无论是高校的教学管理部门，还是校长、教师，以及学生和家长，都可以提供一份独特的、具有不同数据粒度和视角的个性化分析报告，让参与教学和教学管理过程的每一个角色都能够及时、准确地了解当前的状况，为其下一步的决策提供数据支持。

　　2.5教学管理决策更趋于合理

　　用数据说话，用数据来决策，基于数据不断改进教育教学，在科学数据分析基础之上进行课程教学、管理评价和教学指导，是现代高校教育教学管理的必然趋势和要求。相对于根据经验和直觉作出的决策而言，基于数据的决策更为科学、合理，可以更好地提升教学管理效能。同时，基于数据的教育决策更具说服力和公信力。美国普渡大学的“课程信号灯”（CourseSignals）项目是国际知名的大数据诊断学生、提供教育决策的典型案例之一。

　　3基于大数据的教学评价过程

　　3.1数据采集

　　有效的教学评价依赖于全面、可靠和多元化的教学评价数据，在大数据时代下，既要充分采集尽可能多的教学评价数据，保证数据的多样性和完整性，但同时也要避免盲目采集，而降低数据的可靠性。

　　在高校的教育教学过程中，在教师的教学和学生的学习过程中会产生海量的数据，这些数据大致可以分为两类，即静态数据和动态数据。静态数据也可称为结果数据，反映一个阶段、一种状态或一种结果信息，例如班级成绩分析数据、通过评教系统采集到的学生评价老师的授

　　龙源期刊网http://www.qikan.com.cn

　　课情况数据等。动态数据也可称为过程数据，反映某一个时间点、一个瞬间的状态信息，处在不断变化之中，例如学生在课堂上参与的教学情况、任课教师在讲台上授课状态等信息。静态数据和动态数据，往往也是一个事物的两个不同侧面，可以互相印证，让数据更具有说服力。例如，某一门课程考核成绩整体不理想，其原因可能是该门课程任课教师的课堂教学存在这样那样的问题，而这些可以在学生的听课、教师的教学过程数据中发现端倪。

　　针对不同类型的数据，采取不同的策略和技术手段进行数据采集、分析和处理。静态数据往往数据量大、涉及面广、数据结构规范、来源相对单一、可信程度高，需要长期保存，可以通过各种经典业务系统进行收集、分析和存储。而动态数据一般比较灵活、数据结构多样、来源广泛、数据冗余大，并需要进行及时过滤、分析和响应，达到及时改进或纠偏的目的，就需要结合实际，综合运用多种技术手段和技术方案，设计、开发新的信息系统来进行收集和处理，同时要积极拓展平板电脑、智能手机等移动终端的应用，更好地解决过程数据的采集难题。

　　3.2数据挖掘与分析

　　采集巨量的教学评价数据以后，应当根据需要综合运用多种方法对数据进行提炼、萃取和加工，而不是仅仅只做简单的统计，从而可以从中获取更多的规律和知识，真正做到用数据说话，基于数据做决策，同时也能充分体现出教学评价工作的价值和意义。

　　教育大数据主要是通过两大类方法来得以分析并应用于教学决策和实践的——教育数据挖掘和学习分析。教育数据挖掘使用预测、聚类、关系挖掘、数据提炼、基于模型发现等经典的数据挖掘方法，从巨量教学评价数据中发觉隐藏在其背后的教学管理和教学规律，从而更好地为教育教学决策提供科学依据。学习分析需要综合运用计算机科学、教育学等相关学科的理念和方法，使教育教学更好地适应个体学生的需求和能力水平。

　　经典的数据挖掘和分析方法对于结构化数据非常有效，却难以构建出非结构化数据内部的正式关系。在大数据环境下，需要引入新的数据分析技术和手段，呈现教育大数据中隐含的信息和知识，例如使用信息可视化分析技术以可视化图形方式呈现隐含在其中的信息和规律。

　　3.3结果反馈

　　如何将评价结果，包括其中蕴含的知识、规律以及可以公开的数据细节，及时、有效地进行反馈，是教学评价工作能否真正发挥作用的关键一环。在大数据条件下，可以采取多种方式公布评价结果，变被动公布为主动推送，变单一的数据结果为包括统计、对比图形等多种形式的数据可视化结果，让包括校长、各级教学管理部门负责任人、任课教师和学生能够享受到高质量的信息服务，同时可以改变教学评价给人以刻板、枯燥的印象，从而提升各方参与和关注教学评价的积极性。在实际当中，高校教学管理部门可以在采取传统的信息系统发布评价结

　　龙源期刊网http://www.qikan.com.cn

　　果，同时加入基于手机等移动端的信息推送系统、微信公众号等及时性、灵活性很强的公布方式和渠道，确保评价结果在最短时间内推送给每一个相关人手上。

　　3.4结果应用

　　教学评价结果对了解和预测学生的个人学习行为、程度和态度、分析任课教师教学情况、指导教师及时调整教学内容和方法、帮助教学管理部门实时调整或出台相关教学管理规定等方面都会起到积极作用。

　　利用评价结果，教师可以依据学生信息大数据，分析和了解学生的基础知识储备、学习能力、学习态度等情况，制订独一无二且适合的教学计划，并向学生推荐一些可取的学习策略。教学管理部门可以通过评价结果数据，及时发现日常教学过程中难以发现的深层次问题，实时调整教学管理策略，使得教学管理更具有针对性，提高教学管理效率，提升教学管理决策水平。例如可以对得分较低的评价指标所反映的问题，进行实地调查了解，提出进一步的改进措施或有针对性的指导意见。

　　4结束语

　　在大数据环境下，高校可以更好地利用信息技术和大数据思想，开展教学评价，吸引多方参与评价，采集多层次、多样化、多元化的全过程教学评价数据，并综合运用多种数据挖掘和分析技术对教学评价数据进行挖掘和分析、并及时进行反馈。能够让关心教学和参与的教学的各方，及时准确地观察和了解教师教学与学生学习和成长情况，帮助管理者用数据来进行管理决策、提升决策水平和效率，帮助教师有效改进教学、提高教学质量，同时能够帮助学生清楚地了解自身的成长过程。

篇三：长三角基于大数据的区域教育评价变革论文

　　大数据驱动教育变革与创新

　　当前，教育大数据研究和应用已经引起我国政府的高度重视。国务院《促进大数据发展行动纲要》提出“探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”，《教育信息化“十三五”规划》强调积极发挥教育大数据在教育管理平台建设和学习空间应用等方面的重要作用。“十三五”期间，大数据与教育的深度融合已成为必然趋势。可以预见，在今后一段时间我国教育大数据研究和应用将获得更快发展。

　　大数据给教育行业带来重大影响大数据技术是21世纪最具时代标志的技术之一。国务院发布的《促进大数据发展行动纲要》中提出“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合”。大数据给教育行业带来了重大影响。基于大数据的精确学情诊断、个性化学习分析和智能决策支持，大大提升了教育品质，对促进教育公平、提高教育质量、优化教育治理都具有重要作用，已成为实现教育现代化必不可少的重要支撑。教育大数据的主要作用突出体现在：第一，有利于促进个性化学习。基于大数据，可以精细刻画学生特点、洞察学生学习需求、引导学生学习过程、诊断学生学习结果。通过对学习者学习背景和过程相关的各种数据测量、收集和分析，从海量学生相关的数据中归纳分析各自的学习风格和学习行为，进而提

　　供个性化的学习支持。例如美国亚利桑那州立大学运用Knewton在线教育服务系统来提高学生的数学水平，系统通过数据分析区分出每个学生的优缺点并提供有针对性指导，全校2000名学生使用该系统两学期之后，毕业率从64%升高到75%，学生成绩也获得大幅增长。

　　第二，有利于实现差异化教学。大数据可以在保障教育规模的情况下实现差异化，一方面可以因材施教，教师可以根据学生的不同需求推荐合适的学习资源，另一方面可以达成更大的教育规模。比如，MOOC（慕课）平台突破了传统教育中实体教室的限制，课程受众面极广，能同时满足数十万学习者学习需求。在教学过程中，MOOC平台可依托大数据构建学习者体验模型对其线上课程进行评估，进行线上课程的再设计、改变课程学习顺序、优化教学策略，为每一个学习者提供不同的教学服务，从而实现规模化下的多样化、个性化教学。

　　第三，有利于实施精细化管理。传统教育环境下，教育管理部门或决策制定者依据的数据是受限的，一般是静态的、局部的、零散的、滞后的数据，或是逐级申报、过滤加工后的数据。很多时候只能凭经验在做管理、决策。大数据根据社会各方面的综合数据来源，可实现实时精确观察和分析，对于推进教育管理从经验型、粗放型、封闭型向精细化、智能化、可视化转变具有重要意义。以学校课程设计为例，美国加州马鞍山学院所开发的SHERPA（高等教育个性化服务建议助理系统），能根据学生的喜好为他们的课程、时段和可选节次作出推荐，帮助学校课程设计咨询专家解决学生所面临的选课难题。此外，

　　该系统还通过智能分析为教师和课程设计者提供反馈，使他们能有的放矢改进教材。

　　第四，有利于提供智能化服务。大数据可以采集分析管理者、家长、教师、学生的各方面行为记录，全面提升服务质量，为学习者、教师、家长等提供更好的服务。对教育大数据的全面收集、准确分析、合理利用，已成为学校提升服务能力，形成用数据说话、用数据决策、用数据管理，利用数据开展精准服务的驱动力。如在择校服务方面，运用大数据智能分析技术可助力破解教育择校感性化难题，推进理性择校。美国教育科学院推出的“高校导航（collegenavigator）”项目，该项目通过对全美7000多所高校各类资源指标（如所在地区、学费、奖学金资助、入学率和毕业率等）进行大数据分析并对所有大学进行排序和筛选，进而帮助家长和学生找到理想中的大学。

　　我国教育大数据开发利用面临难题我国教育大数据开发利用已经具备一定基础，但还面临不少问题。自《教育信息化十年发展规划（2011-2020年）》颁布实施以来，通过建设教育资源公共服务平台和教育管理公共服务平台积累了教育教学和教育管理两方面大量数据；同时，我国在基于大规模在线开放课程的数据汇聚方面也已初具规模，这都为开展教育大数据研究和应用提供了一定基础。然而，还存在以下不足：第一，数据类型比较单一。不是实时采集，很多是结果性数据，而并不是及时的、过程性数据。

　　第二，数据规模还很不够，目前通过“两平台”和第三方服务机构积累的数据量相比于我国庞大教育规模而言还较为有限，难以满足深度挖掘分析的需求。

　　第三，缺乏对教育数据的深度分析、挖掘、利用。对海量教育数据的挖掘分析具有很强的专业性，缺乏有效的技术、工具、产品、服务。

　　第四，跨界数据的整合不够。教育行业的很多应用需求不是光靠教育系统内部的数据能分析的，还需进行跨界数据整合，比如人口数据、地理数据等对于提升教育治理水平就具有重要价值。

　　第五，对大数据研究和开发的支持力度不足、队伍不强。我国虽已发布大数据的国家发展计划，但对于教育大数据的各项研究还需要更多关注，不仅需要尽快考虑在教育大数据研究专项等方面进行布局，还需要一批既懂技术又懂教育的专业机构和人员，目前我们在力量准备上有所不足。

　　第六，教育大数据标准与安全问题面临挑战。对教育大数据的准确、规范、统一使用和管理缺乏相应法律法规和技术标准支持，在教育大数据共享、开放、交换、交易、安全等方面的有效监管和规范还不太到位，制约教育大数据的健康发展。

　　如何积极稳妥发展我国教育大数据为积极稳妥发展我国教育大数据，笔者认为应注意以下问题：第一，制定大数据教育应用的宏观规划和行动计划。基于国家大数据驱动战略，尽快编制我国教育行业大数据研究、开发、应用的宏

　　观规划和行动计划方案，指导各级教育管理部门、教育机构推进教育大数据开发和应用。

　　第二，加强我国教育大数据基础建设。依托现有国家教育资源公共服务平台、中小学生学籍系统等基础数据库，建立覆盖全国的教育大数据基础平台和管理体系，一方面有利于充分挖掘利用，另一方面有利于合理监管。

篇四：长三角基于大数据的区域教育评价变革论文

　　为学科教研提供学校班级学生个体的多维度发展性的评价分析数据同时将现有的教研数据与区域的教研数据进行对比分析使教师得到完整全面的信息实现由经验重复转向数据实证的常态方法转型打通校本教研的创新路径逐步构建大数据共享交流挖掘建模和分析的研究与运用平台使教研成果更加清晰显性有效推动教研管理的变革

　　基于大数据的智慧教育云平台赋能区域智慧教育发展

　　1.方案背景随着教育信息化发展的不断深入，信息技术已渗透到教育的各个

　　领域，教师针对性教学与学生个性化学习越来越成为学校教育信息化关注的焦点，然而在实际教学应用过程中，面临很多实际需要解决的问题。

　　数据及其价值的流失。在传统教学过程中，教师为了检测日常学习效果，常常会布置随堂练习和课后作业，随时统计这些数据需要耗费教师大量的时间和精力，这些数据就留在学生的练习册或者周测试卷里。每一次考试的数据，数据分析仅限于基于数据统计的分析，没有关联学生的学习行为以及其他维度，没有充分挖掘数据的价值。

　　对于教师而言，教师的教学过程未能实现精准化，教师以一人之力难以从预习、听课、复习、自学、作业、考试等各类场景应用中，观察并掌握全班所有学生的个性特点、学习行为与学业成果，更不能精准地指导每位学生的学习。

　　对于学生而言，学生的学习过程未能实现个性化，学生不能充分了解自己，教师又难以关注到每个学生，因此在课堂内外，即便有信息化应用的支持，也只能获得标准化的学习内容和学习策略指导。

　　对于教育管理部门而言，全校乃至全区域历次考试学情分析报告不能及时掌握，只能掌握高利害的成绩报告，没有过程性的分析，不利于教学监管。

　　基于此，通过全过程伴随式的数据采集，全面进行数据的分析，最后形成面向各个维度的学情分析报告，从而指导教师进行精准教学，学生进行个性化提升的项目显得尤为重要。国务院在《关于印发国家教育事业发展“十三五”规划的通知》中指出：“鼓励学校利用大数据技术开展对教育教学活动和学生行为数据的收集、分析和反馈，为推动个性化学习和针对性教学提供支持”。

　　学生学业质量也是教育教学的重要成果之一，建立中小学学业质量分析，是对教学过程和质量进行指导管理的基础性建设，是提高教学质量和效能的有效平台，也是学校教育能力建设的重要组成部分。

　　2.方案目标基于大数据的智慧教育云平台赋能区域智慧教育发展，按照国家、

　　省、市教育信息化发展规划要求，在智能化信息生态环境中构建以学习者为中心的教学新模式，开展以大数据为基础的发展性评价、学习分析和个性化学习资源推荐，从传统的教、学、考、评、管等环节单点系统的垂直建设，向各系统相互协同的一体化建设转移；从单点系统应用向以大数据、云计算、移动互联为手段，以各级教育部门与学校互联互通、教与学大数据动态汇聚流转为基础的信息化方向发展；通过教学大数据收集、智能分析和预测帮助教师针对性的安排教学进

　　度和内容，根据学生知识掌握程度和综合素质发展情况开展个性化学习，增强学生在网络环境下提出问题、分析问题和解决问题的能力，切实提高教学效率和管理水平、减轻师生负担，推动教育跨越式发展。

　　为教育主管部门提供区域教学质量分析报告，同时可以随时查看各级各类学校的教学规划、教学质量和教学趋势，辅助科学决策。

　　为学校管理者提供智能化、精细化的学情分析报告，掌握学校整体教学运行状况，综合评判考试质量，对各个任课老师及学生掌握情况有综合全面的了解，有效帮助学校做好教学方面的调控和决策。

　　帮助老师准确更好把握学生现状，做学生成绩的历史追踪，给学生个性化的诊断报告，更可针对性的布置作业，做到个性化辅导全方位的学情分析报告；同时利用每次学情分析，进行有针对性的教学反思，改进教学行为。

　　为每一位学生提供个性化诊断报告，包括知识点掌握现状、能力定位、错题本、学习结果变化等多方位，大样本数据信息，更精细化地展示学生的学业水平和细节。帮助学生进行自适应针对性练习，提高学习效率。

　　为家长提供可以与学校实时沟通，及时获取学生在校情况，学校教育情况和活动信息的平台，协助学校共同教育学生成长。

　　3.总体设计系统设计和实现以用户需求为导向、以目标达成为宗旨、以任务

　　实现为要点，以“高内聚、低耦合”的软件设计理念，满足应用及服

　　务的扩展与集成，在保持各系统相对独立的同时，促使系统的相互统一、数据共享与互通操作。

　　利用云计算技术、虚拟化的架构部署，其总体框架由硬件支撑、数据存储、服务层业务应用层组成，总体架构图如下：

　　4.功能设计4.1教学测评系统

　　教学测评系统根据一定的教育价值和教育目标，运用可操作的科学手段，通过系统地搜集信息、数据、资料，进行分析整理，对教育过程和教育结果进行价值判断，完善自我和为教育决策提供可靠信息。

　　教学测评系统包括测评工具、学生成长档案、多层次反馈系统、实时干预系统，全面支持小学语文、数学、英语。

　　1）测评工具针对学校教育影响下学生各方面的发展，侧重量的规定性上予以确定和描述的过程，是对教育活动中的某一现象给予数量化的描述。2）学生成长档案通过分析学生成绩、过往学习数据、其他考试数据、学习进度，得到学生个体能力发展情况、学生个体监禁发站内的学习指引、地区学校群体变化情况、成绩等级比率、学业舆情监测与预警、试题分析与命题指引、学科能力与学习行为指标关系等数据指标。不仅关注学生学科知识掌握情况，还关注学生核心素养；既关注学生学业成长，又关注学生全面发展。3）多层次反馈系统通过考试、测评数据，建立从市级、区级、街道、校长、老师、学生的多层次维度反馈，形成报告推送到不同的角色。关注个体发展，同时也关注群体表现。4）实时干预系统会在讲、练、测环节逐步进行，为学生建立诊断测评、干预分析、再次测评与评估的学习闭环诊断测评：在日常练习环节内，给出实时的练习诊断。干预分析：对练习错因进行分析、即时纠错，同步讲解。再次测评与评估：平行题、类题推送再测，对再测结果的纠错率进行分析，为学生学习改进提供支持。4.2区域学情数据平台

　　的区域学情数据平台，是分析学生学习情况、监管老师教学情况的教学决策平台。通过充分的学情分析，能准确把握学生实际水平，制定出明确的教学目标和教学内容，全面了解学生，找准教学起点，帮助区域教育主管部门实现高效教学管理、教学决策。

　　区域学情平台是市级、区级教育管理者的数据分析、监管平台，对接教学测评系统的多层次反馈系统，分析和监管市、区权限范围内的学校、老师、学生日常使用。

　　区域学情数据平台包括学生和老师使用数据查看、学情分析、测评分析与趣味活动分析。云端数据分析“作业情况”、“学习情况”、“模考统测情况”、“趣味活动情况”，生成图表简洁易懂，便捷、实时、高效。

　　1）学生和老师使用数据查看概览区域内老师学生的本月使用人数、本月新增人数，区域内老师布置作业情况、活跃学校和活跃老师。2）学情分析包括学情展示和学情报告两部分，从教育主管部门的角度出发，展示和分析市、区内区域、学校的学生使用、学生学科能力维度和知识板块掌握程度，通过“多层次反馈系统”得到学情报告，方便教育主管部门了解区域学生的整体学科能力情况。3）测评报告

　　结合区域模考统测，通过“多层次反馈系统”得到区域测评报告，帮助区域教育决策人员掌握学生整体与个人成长表现，针对测评结论给出区域性专项能力测评改进方案。

　　4）趣味活动趣味活动是在核心素养的时代背景下应运而生的线上活动工具，用以发起、承接小学阶段各省、市、区、校级别的学科类趣味活动。这些趣味活动能考察学生各方面思维能力，活动分析结果可帮助教育主管部门从侧面分析学生学情。4.3校级数据监管平台校级数据监管平台是掌握校内老师教学情况、学生学习情况的分析平台。是校内数据行为的监管平台，校长可对学生、老师的作业历史及详情进行查看，对学科、年级、班级维度的学生学科能力评估、知识点板块掌握程度评估。校级数据平台包括校内数据行为监管平台和教学分析平台。1）AI智能教育数据监管平台可视化的数据监管平台，从“监管、分析、统计”环节，为校内用户使用、教学行为、能力分析等监管工作提供有效的支撑。数据监管平台包括班级、老师、学生活跃监控，使用数据监管、实时动态展示、学生学科能力养成图谱和知识板块掌握图谱。2）数据平台校内数据平台为学校管理者提供校内学生学情、测评、趣味活动分析、校内老师布置作业分析和排行，帮助学校管理者掌握学校整体

　　教学运行状况，综合评判考试质量，对各个任课老师及学生掌握情况有综合全面的了解，有效帮助学校做好教学方面的调控和决策。

　　数据平台包括总体概览、学情分析、测评报告和趣味活动分析。总体概览：老师、学生使用情况，练习情况分析，班级练习排行、老师布置排行。学情分析：按时间、年级、学科、班级维度的学生单元训练情况分析、学科能力养成对比、知识板块掌握度对比。测评分析：结合模考统测，通过“多层次反馈系统”得到校内测评报告，帮助学校管理者掌握学生整体与个人成长表现、针对测评结论给出针对校内学生的专项能力测评改进方案。趣味活动：是在核心素养的时代背景下应运而生的线上活动工具，用以发起、承接小学阶段各省、市、区、校级别的学科类趣味活动。这些趣味活动能考察学生各方面思维能力，校内趣味活动分析结果可帮助学校管理者从侧面分析学生学情。

　　4.4校内智能教学系统教学五环节融合，建立结合丰富的素质教育内容和智能诊断、智

　　能推荐等人工智能技术，构建的以知识点掌握为开始，以学科能力为过程，最终实现掌握举一反三的跨学科综合能力的智能学习系统。该方法将为老师日常教学中的备、讲、练、辅、测五个环节提供相应的数据和资源支持，帮助老师形成完整且科学的教学闭环。

　　1）备课

　　在老师备课阶段，根据所选章节，在课件或教学内容里引入相匹配的随堂练习内容，用以提升课堂授课效果。同时结合往期练习及测验的数据结果，分析是否存在与本次课程相关知识点的共性薄弱环节，并提供与之相对应的重难点讲解资源及类题推荐，帮助学生更好的掌握消化课堂内容。

　　2）讲解在课堂讲解环节，教师可根据课堂讲授情况，从推荐类题中选择适合本班学生掌握情况的题目进行随堂检测。随堂测验报告实时输出，老师根据报告内容评估当前是否已准确反映学生课堂学习的学习效果。然后可根据学生掌握新知识的能力差异，并进行题目难度及数量的调整修正。3）练习课后的针对性练习可以很好的检测课堂内容学生的真实掌握情况，消除机械记忆的影响，能够比较准确的评估学生知识、能力掌握水平。暴露出的班级共性问题，可以在后续的课堂场景做针对性讲解，完成课后练习和课堂讲解的闭环。课前预习模块所产生的学习数据，反应了学生对新知识的掌握程度及个体差异，可以指导老师在课堂讲解及随堂练习中适时调整内容进行侧重性讲解，提升课堂讲解效果。4）辅导针对课后练习环节所暴漏的问题，在课堂上对共性问题安排统一讲解。而对于学生个性化的错因，老师可根据自身情况提供一对一面

　　授指导。学生也可以通过在线错因诊断系统推荐的个性化学习内容（形式可包括视频课程、交互式应用或者直播辅导）进行自助化学习。然后老师可通过布置系统推荐的后测练习，进行后向检测，评估辅导的错题纠正效率。

　　5）测试以月或半学期、学期为单位，根据教学目标里涉及的知识点及学段学科能力的掌握要求，匹配测试试卷，采用线下或者线上测试的模式，对学习效果进行检测，相关测试结果数据会为后续教学环节提供一定的参考。五环节融合，从操作层面，是根据本地化教材和教学目标，通过的产品，为老师提供课件、教案及随堂练习内容包、课后练习内容包，为课后练习内容包匹配讲、练、测同步辅导内容，为老师提供月考等考试的题库及组卷工具；从数据层面，采用信息化的手段进行这些环节的数据采集，用以形成数据闭环来调整其他教学环节。结合的产品，推动线下作业产品的数据收集和提升在线作业使用校的覆盖范围，打通线下作业数据及在线作业数据，收集练习环节数据，结合测评及辅导数据进行分析。同时推动智慧课堂产品的使用，推动课堂讲解产品的常态化使用，进行数据闭环的分析。4.5家校学习系统

　　通过家庭学习的两种模式，由家长使用App辅导孩子学习或辅导老师量身为孩子定做课程及讲解，在校内数据的支持下，减少无关测试、避免低效练习与无效讲解。

　　家庭学习场景两种模式：一是由家长使用APP，系统会结合孩子校内学习情况，给家长推荐适合自己孩子的学习建议，家长可结合自身情况给孩子制定学习计划，辅助孩子学习；二是辅导老师或网校的老师，结合校内学生学习数据，为孩子量身定做适合的课程及讲解。两种模式在校内数据的支持下，都可以很好的做到减少无关测试和避免低效练习与无效讲解。4.6精准教学系统（中学）精准教学系统通过全面的学生学业数据的采集，形成学业诊断报告（包括学生个人报告、班级报告、年级报告、区域报告），并建立学生的成长档案和教师的发展档案，同时实现数据的实时报送，分析结果完成后，推送到区域学生家长老师以及领导手机上，根据决策需要进行多维度的数据挖掘和分析，切实提高行政能力和决策能力。为学科教研提供学校、班级、学生个体的多维度、发展性的评价分析数据，同时将现有的教研数据与区域的教研数据进行对比分析，使教师得到完整、全面的信息，实现由经验重复转向数据实证的常态方法转型,打通校本教研的创新路径，逐步构建大数据共享、交流、挖掘、建模和分析的研究与运用平台，使教研成果更加清晰、显性、

　　有效，推动教研管理的变革。精准教学系统包括智能阅卷与数据采集系统、云数据分析系统和

　　数据监管平台。1）智能阅卷与数据采集系统智能阅卷与数据采集系统满足市、区、联盟校、学校的各级各类

　　考试数据采集应用需求，兼容市面上流通的主流扫描仪型号，支持多种考试组织形式，满足区县统一联考、联盟校联考、学校期中期末考试及周测、日常测验等各种应用场景需要。

　　系统包括答题卡制作、答题卡扫描、主观题阅卷、考试流程管理和考试统计分析。

　　2）云数据分析系统云数据分析系统与智能阅卷和数据采集系统完成数据打通，可实现数据用户统一，数据共享通信，无需手动同步。提供多级、多角色、多场景的考试分析报告，满足管理者通过数据分析把脉整体教学的需求；满足教师通过数据指导进行差异化教学的需求；满足学生通过数据记录自身成长的需求，满足家长通过数据推送进行家校互通的需求。从应用层级上可以分为市（区）教育局级应用与学校级应用。3）可视化数据监管平台通过基础信息分析提供区域整体学生、教师、学校所有基础信息情况。能够让教育管理者了区域所有学生、教师、学校等教育资源配置的整体情况；教育管理者能够按需要获取相关数据；能够为教育管理和规划提供数据支持。

　　监管平台包括：学生数据分析，教师数据分析，学校数据分析，应用轨迹可视化监测，精准教学大数据决策服务地图，精准教学大数据用户使用情况，精准教学大数据用户使用情况。

篇五：长三角基于大数据的区域教育评价变革论文

　　探讨大数据时代的教育管理变革

　　摘要：从当前我国社会发展情况来看，大数据时代已经全面到来，在当前的时代背景之下，教育管理改革也已经进入到了一个新的阶段，并且开始逐渐体现出自身的发展特性。在科技不断发展的今天，教育管理模式的创新不能仅仅局限于技术方面的创新，还应该注意运用实践手段，对当前教育管理工作中的难点、困境进行明确，以此为基础构建起更加具有专项性、数据信息化特色的教育管理平台。基于此，本文也尝试对大数据时代的教育管理变革路径进行了分析。

　　关键词：大数据教育管理问题变革路径

　　1.当前大数据时代教育管理存在的问题分析

　　1.教育事业信息化培训目标设定不明确

　　在当前的大数据时代背景之下，很多教育单位在实际运转过程中依然运用传统的工作理念以及用人模式，这也使得很大一部分工作人员往往自身不具备扎实的信息化技术操作能力，因此，对其进行培训非常重要。但是目前来看，我国很多地区虽然都建立起了相应的信息化技术培训体制，但是在实际展开培训工作的过程中往往存在培训目标设定不清晰的现象，也正是因为这种情况的存在，使得培训工作经常会出现较为混乱的局面，很难实现对培训资源的有效利用。

　　1.教育事业缺乏专业、系统的规划

　　随着大数据技术在我国教育事业发展中的应用越来越广泛，其所涉及到的呃逆荣也越来越丰富，想要有效促进我国教育事业的长久进步，应该注意将其向专业化的方向进行调整，进而确定具体的规划措施。但是目前来看，我国很多地区在展开教育管理工作的时候，往往在理念上还处于初级阶段，经常会出现一些环

　　节设定、安排不恰当的现象，主要体现为投资阶段的管理较为盲目以及规划方案不够具体等等方面，这也为教育管理工作的正常开展产生了较大阻碍。根据当前的调查统计数据可以看出，我国教育管理部门在展开相关管理工作的时候并没有建立起完善的管理制度，这也使得很多管理环节的开展存在一定盲目性以及随意性，这也势必会对我国教育事业的整体发展产生一定负面影响。

　　1.大数据时代教育管理变革的路径分析

　　1.制定完善的教育事业管理发展规划体系

　　目前来看，我国很多地区的教育管理模式正在发生变革，主要是由于我国社会进入到了一个新的发展阶段，原有的管理模式在实际落实应用的过程中往往针对性较差。在当前的教育环境之下，教育管理模式的改革往往也促进了各个管理部门的改革，使得管理部门之间的关系被重新定义。需要教育管理模式改革工作在实际展开的过程中积极适应当前我国教育行业发展的大趋势，这样才能更好的促进我国教育事业的整体发展。随着现阶段我国教育行业的市场竞争逐渐激烈，教育管理信息化的趋势也越来越明显，但是与此同时，这也给教育事业今后的发展带来了一定风险，主要体现为可能会导致教育事业内部体制出现漏洞、教育给管理人员自身适应能力无法满足要求等等，因此，要根据当前大数据技术在教育管理工作中的融入情况来确定信息化发展规划方向。

　　1.明确教育事业信息化培训目标

　　对于教育管理工作来说，想要促进其有效改革，应该注意对以往的教育管理工作人员的工作状态以及精神面貌进行革新，这就需要提高相关教育管理人员自身基本素质，这样才能使其更好的适应我国教育事业发展对于人才的需求。在对教育管理人员进行培训的时候，应该保证培训质量，因此，在正式展开培训工作之前应该注意对培训内容进行合理分类，要保证培训内容以及培训方式的多样性，这样才能使培训出的工作人员更好的满足工作岗位的实际要求。同时，还应该注

　　意将培训制度与当前人力资源观的绩效制度进行紧密连接，这样更容易保证培训的有效性，同时也在很大程度上提升了教育事业内部相关工作开展的效率。

　　1.构建起适应大数据的管理系统

　　在大数据背景之下，想要使教育管理工作的开展取得理想效果，应该注意构建起与之相适应的管理系统，要对教职工作者以及实践教学资源导向情况进行深入分析，以此为基础来确定多元化层级联动的方式，这也使得教育管理工作在实际展开的过程中获得了多元化的层级联动，进而提升了管理工作效率。今后应该注意开发“云”导向的教学管理系统，进一步提升对云技术的实践应用力度，通过这种方式可以实现对多种教育信息的优化处理，同时也使得教职工作者与学生在课堂上的交流沟通关系更为融洽，使得个性化教育服务得以开展。同时，在进行大数据管理系统构建的时候，还应该注意对当前的教学资源进行合理分配，通过这种方式来促进教育事业的整体科学化发展。

　　结束语

　　总之，在当前的大数据时代背景之下，在展开教育管理变革时，应该注意紧贴时代以及教育事业发展脉搏，通过这种方式来实现对教育管理工作模式的重新定义。目前来看，教育管理工作的开展获得了一定优势，但是与此同时也面临着一定挑战，其主要包括教育管理制度的转型设定以及教育管理系统平台建设等等，要对这些困境进行深入探究，运用灵活的应变方式，使得信息化技术可以在教育管理体系构建中得到有效运用，这也使得当代教育管理工作在实际展开的过程中发展方向更为明确，可以与大数据技术建立起互为引导的关系，从而更好的促进我国教育事业顺势发展。

　　参考文献：

　　[1]陈文镰.大数据时代的教育管理变革探究[J].滁州职业技术学院学报,2019,18(4):19-22.DOI:10.3969/j.issn.1671-5993.2019.04.007.

　　[2]史素梅.大数据时代的教育管理变革[J].现代职业教育,2016(30):68.DOI:10.3969/j.issn.2096-0603.2016.30.036.

　　[3]张学林.大数据时代的教育管理变革[J].课程教育研究,2017(3):120.DOI:10.3969/j.issn.2095-3089.2017.03.114.

　　[4]王薇娜.大数据时代的教育管理变革[J].教师,2016(32):109-110.DOI:10.3969/j.issn.1674-120X.2016.32.060.

　　[5]詹斯涵.大数据时代的教育管理变革之我见[J].中国科技投资,2018(2):375.DOI:10.3969/j.issn.1673-5811.2018.02.350.

篇六：长三角基于大数据的区域教育评价变革论文

　　在大数据理念和科学技术迅速发展的当下教育质量监测与评价也正经历着一系列的发展与变一教育大数据给教育质量监测与评价带来的机遇与挑战一教育大数据的特点及其在教育质量监测与评价中的应用现状大数据不是一个单纯描述数据数量之巨大的概念其意味着数据来源的多样化数据类型的多元化以及在数据处理与分析层面的大容量与高速度

　　大数据理念下教育质量监测评价的变革与发展

　　2011年5月，世界著名的麦肯锡全球研究院（McKinseyGlobalInstitute）发布了一篇题为《大数据：创新，竞争和生产力的下一个前沿》（BigData:TheNextFrontierforInnovation,Competition,andProductivity）的报告，宣告了“大数据时代的到来”。大数据时代的到来对整个社会都产生了重要的影响，教育也不例外。大数据在教育领域中的应用不仅可以实现对学生的量体裁衣式的教育，而且可以让家长了解到更为详细的教育信息，更加能够为教师的教学提供客观全面的教学反馈信息，而教育管理也能从中获取信息和依据，更好地组织教育资源、制定教育改革发展的措施，从而实现“以学生为中心”的人本主义教育。其达到上述理想效用有赖于教育质量监测与评价对大数据的利用与挖掘。教育大数据给教育质量监测与评价带来机遇的同时，也给其带来了挑战。在大数据理念和科学技术迅速发展的当下，教育质量监测与评价也正经历着一系列的发展与变革。一、教育大数据给教育质量监测与评价带来的机遇与挑战（一）教育大数据的特点及其在教育质量监测与评价中的应用现状“大数据”不是一个单纯描述数据数量之巨大的概念，其意味着数据来源的多样化、数据类型的多元化以及在数据处理与分析层面的大容量与高速度。更为重要的是，“大数据”立足于对大量数据的深度挖掘与科学分析，寻求数据背后的隐含关系与价值，使得人们可以从基于小样本数据的推测或基于感性的偏好性选择转向基于数据__分析与理性证据的决策。可见，“大数据”在本质上已经转化为一种新的思维方式、一种新的问题解决方法。由于教育具有成长性、学习性以及受到天生遗传及后天成长环境等诸多因素的影响，所以，教育大数据除了具有数据容量大、多元多样的一般特点，还具有其自身的特点。教育作为以“人”为对象的社会活动，其核心是学生。教育大数据实现了对学生数据的全方位、全过程采集，横向数据覆盖了学生学业、知识技能、身心健康等各个方面，纵向数据贯穿了学生从幼儿园到高中的发展全过程。这些都为对教育展开系统、全面、可持续性、以人为本的教育监测与评价奠定了基础。但是由于数据本身特点的条件限制以及相关教育工作者缺乏专业的统计测量知识，目前对教育大数据的挖掘与利用远远不够。为了解教育大数据的特点，便于教育大数据服务于教育改革与教育的评价应用，将教育大数据的特点总结如下：1.数据来源多样，不利于不同区域数据间的比较从数据来源来看，教育大数据汇聚了来自不同区域、不同学校的数据。这些数据又包含了学生不同学科的学业测评成绩以及学生身心发展等不同方面及类型的数据。不同来源的数据往往缺乏统一的标准，从而给数据间的比较带来了困难。2.数据类型多元但不具有一致性，不利于数据的整合

　　教育数据可划分四种基本类型，类别数据、等级数据、等距数据和等比数据。类别数据如学生的性别，等级数据如学生的排名，等距数据如气温，等比数据如学生的跑步速度。这些不同类型数据给考试分数和问卷数据的解释与评价带来了不便，不同学科、不同年级、不同时段的数据需进行转换、归类、整合，然后才可以比较。目前，教育行业对不同类型数据的整合不足，对学生分数及各种指标数据的解释与评价有待完善。3.数据收集缺乏时间延续性，对纵向数据搜集及分析不足目前，教育监测与评价注重对横断面数据的应用分析，对数据进行横向比较，较少进行纵向的追踪与比较。这一方面是因为纵向数据不易收集，并且在收集的过程中容易出现流失。另一方面，纵向数据的比较与分析从方法上来说也比横向数据的分析复杂得多。这些都是导致目前纵向数据收集与分析不足的重要原因。4.数据容量大但深层挖掘不够，对数据的利用不够充分教育大数据虽然庞大，但是目前对其挖掘与利用尚且不足，尤其是数据背后深层次的隐性信息的挖掘。在当前的教育监测与评价实践中，对学生往往只凭借一个“分”，对学校只凭借一个“率”。同样的一个“分”和“率”，所代表的能力和层次可能大有不同，背后还有很多的信息可挖掘。由于目前数据的收集缺乏规划，因此不够细致和到位，相关的教育工作者缺乏测量方面的专业知识，不懂得对数据进行深度挖掘与分析。由此可见，尽管教育大数据对学生的数据进行了横向和纵向的全方位采集，但在实际的教育质量监测与评价实践中，对这些大数据的挖掘和利用还需要下大功夫。教育大数据给教育质量监测与评价既带来了机遇，也带来了挑战。（二）教育大数据给教育质量监测与评价带来的机遇与挑战1.教育大数据丰富了教育质量监测与评价的内涵，测评从碎片化走向系统化（1）测评主体趋向多元化在教育实践活动中，不同省市、区县、学校以及学生个体都希望能够获得自身表现与发展的反馈信息。教育大数据为满足这些不同层面的测评主体需求提供了数据基础。目前，只给区域提供一个“分”和一个“率”，给学校提供一个“分”，给学生个体提供一个“分”，这些远不能满足不同测评主体的需求。单纯的一个“分”或“率”不能实现对不同区域与不同学校的科学、公正评估，需要根据不同层面主体的需求，提供不同的服务与质量监测评价报告。（2）测评结果趋向细致化随着教育的发展，不同测评主体对教育反馈信息的需求已经不满足于一个简单、笼统的分数。他们不但要求获得学生知识掌握、能力发展的反馈信息，也希望进一步了解学生知识与能力的相互作用以及学习方法、习惯、兴趣、人格等因素对知识掌握和能力提升的影响。教育监测评价结果需要根据新的教育形势与客观需求，运用新型测量理论和现代科学技术实现对整体层面的诊断与评估，同时要能够细化到课程的具体章节、单元及具体的单项能力。（3）测评形式趋向多样化

　　随着计算机与信息技术的发展，测验从过去单一的纸笔形式发展到以计算机为载体的在线测试等多种测试形式，同时出现了基于经典测量理论（ClassicalTestTheory,CTT）的传统测验形式和基于项目反应理论（ItemResponseTheory,IRT）的自适应测验。而计算机技术与现代测试理论相互结合，又出现了计算机化的自适应测验（CAT）形式。2.教育大数据扩展了教育质量监测与评价的维度，测评从横向研究走向纵向研究传统的教育质量监测与评价局限于同一时间段的横向比较与分析，无法提供学生个体纵向发展的信息反馈，而教育大数据为教育质量监测与评价的纵向追踪研究提供了数据基础，从而能够对学生的发展进行追踪，为学生的发展提供更为全面的信息。同时，其能为学生自我对比提供机会，使教育评价更为科学、合理。3.教育大数据扩大了教育质量监测与评价的深度，测评从宏观走向微观传统的教育质量监测与评价只提供一个笼统的考试分数或能力分数，而对于是什么因素导致学生试题做错及知识掌握情况等信息则无法获取。随着教育的深入发展，各测评主体都已不满足于给学生一个简单的考试分数或能力分数，他们更希望考试能够提供诊断信息，能够报告学生掌握了哪些知识点，哪些知识点未掌握而需要补救。在大数据与信息时代下，教育质量监测与评既有必要也完全能够从宏观走向微观。4.教育大数据加大了教育质量监测与评价的难度，测评理论和技术从传统走向创新教育的发展对教育质量监测与评价提出了更高的要求。学生个体不仅仅需要一个整体的“分”，还需要“分”层面的分析，并能够实现因人而测，因材施教。这不仅对测验命题提出了更高要求，也迫切需要测评与信息技术、计算机技术结合起来，发展出新的测验理论与测验方法，对教育大数据进行更为充分、更加深入的挖掘与分析，提供更加细致、科学的评价结果报告。5.教育大数据改变了教育质量监测与评价的价值取向，测评从工具主义走向人本主义教育大数据是关乎“人”的数据，其宗旨始终是为学生的发展服务。基于互联网技术的教育大数据采集模式也应遵循“以人为本”的基本原则，坚持以人为中心，以互联网为辅助手段，树立“互联网+”的理念。在教育领域贯彻落实以人为本的科学发展观，就是要确立人在教育中的主体性，以每一个学生的健康成长和终身幸福为本。在教育大数据的形势下，教育质量监测与评价的功能应更多地从“选拔工具”转向“诊断工具”，给出个性化评价结果。这种面向每一个学生的个性化的教育测评，既是新形势下人本主义教育价值观的要求，也是“以学生为中心”的教育思想的体现。二、大数据理念下教育质量监测与评价理论方法的变革与发展随着计算机技术的发展和教育大数据时代的来临，教育测评理论和方法有了新的发展，从传统的经典测量理论（CTT）到现代的项目反应理论（IRT），再到新一代的认知诊断理论（CDT）。

　　（一）经典测评理论与方法的回顾与评述经典测评理论又称真分数理论，是心理和教育测量学发展历史中最早实现数学形式化的测量理论。CTT经过几十年的发展，形成了一套以真分数理论作为基础的较为完善的测验理论体系，其核心是经典的信度理论。CTT认为测验作为间接测量，要使测量与评价可靠，编制有恰当难度、区分度的题目和控制测量误差是提高测量信度、效度的有效手段。CTT以弱假设为基础，这些弱假设条件容易被绝大多数测验数据资料所满足。因此CTT在实际中有着很广泛的应用。同时其对题目和测验作统计分析的方法在计算上较为简单，意义上也明了直观，易于教育工作者理解和掌握，这也使得CTT的应用较具普遍性。但是CTT的缺陷与不足也是非常明显的：用CTT方法所求得的题目参数会受到不同考生样本组能力水平的影响，对考生能力的估计也会因测验的不同而不同。由CTT关于信度公式的分析推导中可知，CTT的信度值只是低限估计，故只能假定测验误差对所有考生都一样。因而在某种意义上说，CTT难以提供考生得到分数的精确信息，也就是说，难以实施与考生实际能力水平相当的考试，故而以“选拔”及突显“专长”为导向的测试难以实施。（二）现代项目反应理论及其优势1963年发展的项目反应理论是针对CTT的不足加以改进的方法。IRT的最大特点就是它找到了一条题目特征曲线（ItemCharacteristicCurve,ICC），并且以多种数学表达式（或称数学模型）来描述它和逼近它。题目特征曲线的数学模型一般包含两个方面的参数：题目参数和考生能力参数。从理论上说，IRT有效地解决了CTT中无法建立考生得分与测验题目参数之间函数关系的问题，题目参数不受考生样本影响，考生能力不因测验改变而改变。在题目分析和估计考生能力的同时，IRT可以得到题目信息函数和测验信息函数这两个统计量。这两个测验信息量为精确估计每个考生的能力水平提供了标准，也为自适应测验的实施提供了必要的条件。IRT虽然具有这些优势，但仍只有一个分数（只不过这个分数变成了能力水平）来评价考试结果，无法回答在考试中学生哪方面能力或知识的缺失造成了失分，学生存在哪些不足及应如何补救。（三）新一代认知诊断理论及其优势通常把对个体知识结构、加工技能或认知过程（均简称为“attribute”）的诊断评估称为认知诊断评估或认知诊断（CognitiveDiagnosisAssessment/CognitiveDiagnosis）。可以说，认知诊断理论弥补了CTT和IRT只能提供一个测验分数（或能力参数）的不足，实现了对学生更为精细的诊断与区分。认知诊断理论把认知过程与测量手段结合起来，不仅能对考生的整体水平做出评估，同时将考生的认知结构模式化，利用合适的测量模型对不同的认知结构模式进行诊断，从而定量地考查考生的认知结构和个体差异，实现因人而测，并

　　对不同的考生给出不同的评价结果。因此认知诊断的结果更微观、详细、精确，除了估计每位考生的能力值，还可以诊断考生的学习优势或劣势，为提升或补救教学提供确切的依据。新一代认知诊断理论具有广阔的应用前景。三、三种测量理论与方法的比较、分析及其在大数据理念下的应用建议经典测量理论（CTT）、项目反应理论（IRT）和认知诊断理论（CDT）各有优势与不足。通过上面的分析，我们可以对这三种理论的优势与不足总结如下：经典测量理论（CTT）的优势在于它便于理解和操作，团体可共用一份试卷，因此测验成本较低，在实际中的应用也比较广泛和成熟。其不足在于被试的能力水平与测验相关、题目参数与测验样本相关，被试能力与题目参数不在同一量尺上，同时CTT只提供一个信度值，测量误差估计笼统、不精确，测验结果的准确性与推广性相矛盾。项目反应理论（IRT）克服了经典测量理论（CTT）“测验相关”“样本相关”等不足，对被试能力的估计比经典测量理论更为精确，同时它也克服了经典测量中所有被试完成同一份测验的弊端，实现了“因材施测”“因人而测”的目标。其不足在于测验理论较为复杂，需要由具备统计测量学知识的专家进行操作，对计算机的要求较高，测验样本容量相对也较大，因此测验成本较高。此外，它对被试能力的定义还只是通过单一的能力值，未能进一步考查被试的认知结构。认知诊断理论（CDT）继承了IRT的优良特性，不但可以因人而测，还可以对不同的人给出不同的评价结果，做到可以不用“统考”也可以分析收集数据，给出教学质量的评价。它能够精确地测量、诊断被试的认知属性结构，能够为提升或补救教学提供确切的依据，为教学质量的改进与提高指明方向。其不足在于测验理论较为复杂，尤其是命题要求很高，需要由统计测量专家与认知心理学专家、学科专家通力合作进行。同时其对认知属性的划分较为困难，需要根据所测认知领域的特点结合专门技术进行，因此初始测验的成本也较高。随着计算机技术的普及和教育大数据的获得，三大测量理论在教育实践中都有条件得以实现。除了CTT得到广泛应用之外，IRT和CDT也在国内外大型测验中得到了应用。因此，本文对三大测量理论在教育大数据下的应用给出如下建议。CTT可以普遍使用，同时要将其相关的理论与知识进行普及，使其成为每个教师除教育学、心理学、教学法以外应该掌握的基本技能。IRT可以在学校、市、省级区域应用，适用于会考、能力水平考试，以降低大规模考试的各种压力。CDT可以在学校、行政区层面应用，也可以在高考改革及教育质量监测中应用，为实现“因材施教”的个性化教学奠定了基础，应用前景广阔。在教育大数据的理念下，基于新一代测量理论与方法的教育质量监测与评价将在教育活动中发挥更大作用。

篇七：长三角基于大数据的区域教育评价变革论文

　　大数据下的教育变革

　　近年来,随着国内各地智慧教育实践探索的推进,教育大数据在推动教育创新发展与科学变革上的核心价值逐步凸显。教学过程与结果数据的持续采集,动态汇聚成教学大数据,通过对教学大数据的深度挖掘与多元分析,能够将数据背后反映的教学意义与价值清晰地呈现出来,进而辅助教师进行更精准的“教”、指导学生进行更精益的“学”。

　　教学大数据的应用模式

　　大数据与教育已经呈现出深度融合的趋势,作为教育教学的主阵地,学校、课堂都是产生教学数据的重要来源,也是深化教育改革质量的落脚点。目前,教学大数据主要有四种典型应用模式,分别为高效互动教学、适应性学习、智能化诊断与评价以及个性化练习与辅导。

　　第一,高效互动教学。课堂是学校教育教学改革的主阵地,也是落实学生核心素养发展的关键。课堂教学大数据构建的高效互动课堂具有数据把脉、全向互动、精准反馈以及轻负高质等特征,能够实现“低耗高效、轻负高质”的教学目标,破解“课堂效率低一学生掌握差一课后拼命补”的教育怪圈。课前,教师通过学生预习情况精准定位教学目标与重难点;课中,教师根据课堂数据的实时反馈掌握学生学习轨迹,及时调整并改进教学内容与教学方法;课后,教师根据每位学生的课堂表现,给予针对性的点拨与指导,布置相对应的课后任务。

　　第二,适应性学习。随着移动互联网、智慧教育的快速发展,适应性学习将成为以大数据为基础的教育技术新范式。教师通过分析在线学习行为大数据,可以发现学生的认知能力、学习风格等个体特征,判断学生的学习需求,从而有针对性地向学生推荐学习资源,满足学习者个性化的学习需要,帮助学生固强补弱,提高学习效果。

　　第三,智能化诊断与评价。智能化诊断与评价以多种教学情景为背景,通过不断获取、整合和分析学生学习过程中的学习行为、认知建构、情感体验以及思维变化等多模态数据,制定学习改进方案,形成有效学习的新形态。课堂教学大数据可以实现对学生即时、动态的诊断分析及评价信息反馈,教师根据反馈结果动态实时调整教学策略,提高学生的课堂学习效果。此外,课外辅导教师可以依据校外辅导大数据对学生校外学习效果进行诊断分析,灵活调整教学方案,使课外辅导培训更具针对性与个性化。

　　第四,个性化练习与辅导。传统课堂教学的课后练习是统一布置的,批改反馈是滞后的,作业讲评大多也只是讲共性问题。而教学大数据的建设与应用完全改变了这一状况,教师基于课堂教学大数据能够更好地诊断、评价学生的课堂学习效果,作业内容不再是千篇一律,而是根据每位学生的学习效果有针对性地布置课后作业。同时,通过课堂教学大数据和校外辅导大数据间的融通共享,课外辅导教师可

　　以根据学生的课堂表现和学习效果等数据,有针对性地进行课后辅导,使校外辅导更具针对性、持续性,促进学生的个性化成长。

　　走向数据驱动的精准教学

　　教学大数据建设与应用的实践导向是实现数据驱动的精准教学。随着大数据技术在教育领域应用探索的快速推进,数据驱动逐步成为大数据时代主流的教学范式,并呈现出科学化、精准化、智能化及个性化四大核心特征。

　　数据驱动的精准教学要求教师利用数据挖掘和学习分析技术将课堂教学与在线学习生成的数据“翻译”成有价值的信息,如学困生的识别、知识缺陷的发现、教学目标的达成等,从而为教师的“教”和学生的“学”提供更准确、及时、全面的支持。

　　随着大数据理念与技术在各级各类教育中的推广,教学大数据的重要性日益凸显,将成为教育信息化2.0时代课堂教学模式变革与创新的“助推器”。

　　教学大数据面临的挑战

　　但是,大数据技术与教学业务深度融合的过程必然不是一蹴而就的,教学大数据的发展仍面临以下几方面的挑战:

　　第一,数据处理能力不足,难以对教学数据进行多元分析与准确的结果解读。当前,中小学教师的数据分析、数据解读及数据交流的能力还存在明显不足:一是无法熟练应用EXCEL、SPSS等工具进行基本的教学数据分析与处理;二是在教学中缺乏对过程数据和结果数据深入、准确的解读,难以形成正向的教学反馈流,指导教学实践的改进;三是缺乏应用数据与家长、同事及领导开展交流对话的能力,难以在家校之间、师生之间、教师之间架构起支撑家校共育的“数据桥梁”。

　　教育行政部门应加强教师队伍数据素养教育,通过开展教育大数据专题培训、智慧课堂观摩研讨、网络协作教研等多种活动,从意识态度、基础知识、核心技能及思维方法四个层面全面提高教师、校长及管理人员的数据素养,并制定教师数据素养评估标准与考核办法,以评价和考核为抓手,促进教师数据素养提升。

　　第二,线下学习过程性数据的采集仍是难点,该部分数据的缺失直接影响学习诊断与预测预警的准确性及综合评价的科学性。在线下学习仍占据主导地位的今天,很多线下的学习活动数据,尤其是过程性学习数据及学习情绪数据,由于技术、环境、个性差异等诸多因素的限制,无法得到有效全面的采集。线下学习数据的缺失,就好比架在空中的半截“浮桥”,难以支撑完整“学习链条”的构建,直接影响到学习诊断与预测预警的准确性及综合素质评价的科学性。

　　教育大数据服务商应加大力度研发线下学习数据的采集技术和产品,提高线下学习过程性数据采集的准确性与全面性。随着教学数据的日渐丰富与复杂,学生的过程性数据将变得更具价值,企业研发的教学产品应重点收集学生学习行为数

　　据、情感数据等,完善丰富教学数据体系。此外,教师需要培养自身的数据意识,有意识地收集、整理学生的线下学习数据,进一步丰富完善教学大数据,从而为学生学习诊断和预测预警的准确性和科学性提供全面的数据支撑。

　　第三,校企合作机制与规约机制仍不清晰,管理上存在较大的数据安全风险。教育行政部门应尝试建立教育大数据产品准入机制,从数据安全、技术水平、维护能力等多个方面加强对企业大数据产品的鉴定与评估,选择信誉良好、技术先进的教育大数据产品提供商作为合作伙伴,既为学校采购教育大数据服务提供保障,也有利于区域层面的教育教学大数据的融通共享,确保大数据产品在学校教育教学应用中的数据安全。

　　第四,多家企业大数据产品在学校独立运行,直接造成学校教育数据的割裂,影响教育数据的融通共享及更大数据价值的发挥。一线学校由于缺少教育大数据项目的顶层设计和统筹规划,往往出现一所学校内多个企业教育大数据产品独立运行的现象,直接造成数据壁垒。

　　教育大数据服务提供商应遵循教育信息化行业相关技术标准,秉承“开放互联”的基本原则,提供标准化的数据访问接口,便于在不同大数据产品之间及与学校现有业务系统之间实现数据的无缝对接与共享,这也将成为教育大数据相关技术平台的重要发展趋势。对于学校而言,应在进行教育大数据项目规划时,从整体出发,实现各个部门数据的一体化建设,打破“数据壁垒”,从根本上实现数据的互联互通,从而真正发挥教育大数据的价值。

　　第五,数据分析模型的科学性和准确性仍是教育大数据的突出短板,制约了大数据技术在教育教学领域的推广应用。当前很多企业在研发教育大数据产品过程中,往往难以摆脱IT思维,由于缺少对学校实际教育教学业务的深度理解,在数据源的选择、指标权重设计等方面往往不符合或脱离教育规律,构建的数据分析模型的准确性和有效性都亟待提升,这直接影响了基础教育大数据应用实践的推进。

篇八：长三角基于大数据的区域教育评价变革论文

　　基于大数据的学业评价与教学

　　作者：斯巍巍来源：《教育·综合视线》2020年第09期

　　新课程背景下，科学素养的提出赋予了教学行为新的价值内涵，对初中科学学业诊断与评价提出了新的要求。互联网的发展，大数据技术的广泛普及，驱动了信息技术在教育领域尤其是学业诊断与评价中的应用。借浙江省绍兴市“品质课堂”深化行动的契机，笔者提出以大数据、云计算为支撑，构建基于信息技术的学业评价模式。

　　基于大数据的学业诊断与评价

　　如今，“一分钟完成一个班的作业诊断”的新闻，屡见不鲜。应用大数据、云计算等信息技术手段对学生的学业情况进行统计分析，通过查看系统生成的多维度多方面的图表，获取不同学生对科学知识的掌握程度。这大大减轻了教师在学业诊断与评价的工作压力，也为教师对学生进行客观公正和个性化的学业评价提供了新的思路，初步解决了学业诊断和评价数据采集不足、采集负担过重、评价结果缺乏科学性的问题。云计算、大数据等信息技术，是支撑新课标背景下学业评价的关键技术。结合各项技术的优点，博采众长，才能完成信息技术下基于科学核心素养的学业评价。

　　指标数据的采集与存储大量采集学生学习的过程化数据，是为了保证评价数据来源的科学有效，从而减少人为主观因素对评价结果的干扰，同时也能减轻教师评价负担。笔者学校科学组将大数据+云计算的学业评价系统整合到了整个学年的作业和测试的教学活动中，使之常态化，最终通过扫描进入大数据系统。

　　网评技术网评网阅技术以图像识别技术为基础，将试卷、作业通过专业的扫描设备进行扫描和处理，实现试卷的网络评阅，有效提高阅卷效率。现行可以支持网评网阅的系统众多，例如笔者学校使用的诸暨市精准教学大数据系统。

　　大数据分析利用大數据精准教学系统，通过采集海量的学生科学课学习过程数据，得出了包括科学知识、能力、过程等因素的学生科学素养评价报告。学生评价不再是简单的分数，也不是简单的ABCD等级，而是一份含有多个参数的报表，将学生的学科素养水平、科学能力层级、行为状态等可视化地展现出来。

　　对于学校管理来说，系统可以生成年级、班级、学生的分析报告，为教研组长、班主任、学科教师提供丰富的教学和管理的参考素材。如果将区块链技术与这些数据相融合，就能解决综合素质评价可信度问题，相信会对未来中考、高考等考试评价会产生深远影响。

　　大数据评价驱动下的精准教学

　　实现自动生成个性化错题集重做错题，克服学习障碍，修补知识漏洞，是一种很好的学习方法，但每一个学生的错题集都是个性化的。因为世界上没有两张完全相同的树叶，每个学生都是不同的个体，我们要尊重学生的个体差异。由于不同学生的学习习惯、学习能力不同，对同一知识点的掌握程度、学习障碍和知识漏洞也不同。诸暨市大数据精准教学系统，自动记录了每个学生的知识漏洞，并且可以自动生成个性化的错题集，同时最大程度地节约学生整理错题的时间。

　　实现个性化学习资料推送我们可以预测未来学习资源的发展趋势是生成性、适应性、智能性、进化发展等，即学习元模型。通俗地讲，就是实现真正意义上的因材施教。大数据+云计算系统，已经可以初步实现根据学生作业作答数据，分析学生科学学习中的障碍点，并根据学生学习的历史数据，建立认知模型，给学生推荐相应的知识以及相应的服务，实现因人而异的个性化学习方案，进而实现精准诊断、智能推荐。

　　实现教师精准纠错传统课堂的教师纠错行为一般分为两种：一是按照题号进行作业讲评;二是按照教师的教学经验对易错知识点进行讲评，总的来说，效率十分低下。诸暨市精准教学大数据系统，能成为学习障碍自动诊断与及时反馈分析师。通过对学生科学课程学习过程中的作业和测验的数据收集与分析，发现学生学习中隐含的问题，并及时给予反馈，这是教师很难做到的。更可贵的是，系统通过对学生的试题作答数据进行分析，仿真出学生对科学知识点的掌握程度，教师可以根据系统的报表实现精准纠错，从而达到因材施教。

　　实现教师精准辅导要实现教师的精准辅导，首先要解决的问题是明确谁需要辅导，哪部分知识点需要辅导。想要精准获得这两个问题的答案，在传统科学课堂教学中几乎是不可能的，但是利用诸暨市大数据精准教学系统可以轻松解决上述问题。每个学生的每一次作业，每一次考试，都被系统完整地保存下来，教师通过查看系统数据，班级学生的答题情况一目了然。例如，关于人体呼吸运动的题目的班级作答情况，以及学生选择A、B、C、D四个选项的名单，都可以一键查看，进而实现精准辅导。

　　实现校本题库的建设当下学校都在积极开展校本研究，如校本课程、校本作业、校本题库等。但真正应用自己学校校本题库的并不多，最终还是依赖教辅资料。通过大数据精准教学系统，学生的每一份作业和每一次考试都被纳入题库系统。不用额外增加教师编写题库的工作负担，在日常教学中就完成了校本题库的建设与完善。鉴于系统的功能，每个题目都会附上分值和相关知识点，由于都是学生测试过的题目，所以每个题目都会自带难度和区分度等数据，这更有本校特色，符合校本题库建设的初衷。最终校本题库可实现自动出题，部分作业自动批阅，在教学中扮演了助教的角色。帮助教师对不同能力的学生自动生成不同的试题，基于各种情景模板和情景素材自动生成各类试题，并对作业、试卷等实现自动化批改。

　　结束语

　　信息技术的革新为教育领域带来了发展性变革，为教学评价产生了深远的影响。将大数据+云计算服务嵌入学业诊断与评价中，符合区域品质课堂深化行动的内涵，这也是教育发展的必然趋势。

　　【本文系2019年绍兴市“品质课堂”深化行动研究项目“基于信息技术的初中科学课堂多元评价实践研究”成果之一】

　　（作者单位：浙江省诸暨市店口镇湄池初级中学）

篇九：长三角基于大数据的区域教育评价变革论文

　　区域教育大数据平台的整体架构与核心功能设计

　　在大数据时代，教育数据有望成为推动教育系统创新与变革的重要力量，教育发展与改革正在走向“数据驱动”模式，建设区域教育大数据平台，有效管理区域教育数据成为了当下亟需解决的问题。本文将以鹿城区教育大数据平台为例，介绍区域教育大数据平台的整体架构与核心功能设计，期望能够为各区域教育大数据中心平台的建设提供一定的参考。

　　一、教育大数据平台整体架构区域教育大数据平台是在智慧教育理念的指导下，全面支撑区域智慧教育业务开展，采用一体化架构、可灵活扩展的信息化系统。鹿城区教育大数据平台采用1库+1平台+1屏+N应用的整体架构。

　　鹿城区教育大数据平台架构图1库，即以1个区域数据中心库为核心，建立教育管理信息标准、编码规范与统一数据交换中心。汇聚国家、省、市、区、校级教育应用及城市大脑等相关数据，实现数据清洗、数据转换，建立支持多种异构的基础数据。

　　1个平台，即以1个系统平台为依托，实现规范、统一、精简的大数据能力平台架构。充分考虑系统建设的扩展性要求，采用开放式架构，开发组件模块化，为第三方软件提供各类相关平台接口、开发规范、数据字典，为其他单位提供二次开发的接口规范，形成数据汇聚融合体系。

　　1屏，即以1块可视决策屏为展现，建立以重点指标驱动的区域教育“数字驾驶舱”。集综合指挥、动态展示、综合应用等功能的教育决策辅助可视屏可以帮助教育者实现教育感知智能化、态势监测可视化、事件预警可控化、应急处置高效化。

　　N应用，即以N个功能应用为手段，提高教育信息化应用管理质量。以实际教育教学功能需求为导向，大数据库为基础，根据基础应用、特色应用建设思路，加强各类应用策略分析，逐步完善业务系统建设，深化教育领域“最多跑一次”改革，更好地服务学校、学生、教师。

　　二、教育大数据平台核心功能设计

　　（一）数据仓库设计

　　1.前置层（ODS）

　　前置层是用于统一采集来自于各委办局的数据，用于后续数据加工使用。前置层数据的数据结构与数据源保持一致，并额外添加增量标识、采集时间戳、数据来源标识等元数据信息。

　　2.中心层（DW）

　　中心层是指将前置层的数据按照数据治理标准进行过滤、去重、校验、格式转换、编码转换等清洗和标准化操作之后，按照业务数据模型结构进行数据中心，数据结构和业务模型保持一致，但实现历史记录的保存，确保数据可以按照使用要求，重现任意时点的数据现场。

　　3.应用主题层（DM）

　　在中心层之上根据领域建模的成果建立主题层。按照不同应用业务场景的需求形成相应的数据宽表。应用主题层数据模型的建设将有助于提高业务指标或特征的开发效率，以适应不用的应用场景需求。

　　（二）数据融合集成

　　用于汇聚多方来源数据，并对数据进行抽取，清洗，入库等操作。同时也能够在平台中进行定时任务作业的设置，以及作业日志的查看。支持适配各种主流数据库，包括但不限于Oracle、MySQL、SQLServer等数据采集方式；支持基于api服务接口方式进行数据采集，接口方式支持http、https；支持excel上传相关数据。

　　（三）数据资源管理

　　提供数字资产盘点和管理服务，可以将分散的、多数据源的数据进行统一登记、汇集、标准化等操作处理，实现对数据的分布和动态变更情况的追踪，监控和提升数据质量。支撑对数据进行全面的业务化、规范化，并保证数据在各个处理和使用环节的安全可控。结合组织架构形成不同角色人员之间的协作，帮助客户建立数据管控的长效机制，持续不断提高数据治理能力，为数据的价值挖掘打下基础

　　（四）任务调度

　　负责大数据平台中计算模型、分析算法、服务接口等业务的定时执行工作。任务调度平台主要由调度模块和执行模块组成。

　　执行模块：负责接收调度请求并执行任务逻辑，该模块主要提供分析算法、接口业务等脚本和代码开发的相关功能，并与调度模块相关联，供用户进行定时计算或调用。

　　调度模块：负责管理调度信息，按照调度配置发出调度请求，自身不承担业务代码。支持可视化、简单且动态的管理调度信息，同时支持监控调度结果以及执行日志。

　　（五）智能分析

　　智能分析是可视化系统的服务引擎和支持系统，依托数据平台的数据处理、计算能力，提供教育不同维度的教育数据分析统计报表。数据分析报告需支持报告格式的自定义排版，并支持图表、表格、动态数据、文本格式。平台支持用户自行将数据分析图表或数据表格，通过可视化拖拽的方式，生成分析报告和分析大屏。

　　（六）研运监控

　　主要监控数据仓库、数据开放、数据共享的数据交互、数据异常、数据报警等情况，让用户高效、直观地掌握数据中台的运行情况，更直观地展示所有接入平台的交互情况，异常监控和服务监控方便运维人员维护各个项目。

　　（七）数据开放共享

　　通过对开放的数据接口和第三方应用进行统一的管理，为第三方应用服务商提供一站式、规范的、标准化的服务。同时实现从API服务和应用的创建注册、审核、上架、授权的全生命周期管理。第三方应用服务商可以调用平台提供的服务去开发、优化自己的应用，通过统一的发布渠道将应用上架到平台中，供教育管理机构、学校使用。

　　（八）数据挖掘应用

　　平台将有效集成数据挖掘领域常用的数据挖掘与分析方法（如关联分析法、聚类分析法、分类分析法、朴素贝叶斯算法等），一方面便于对各业务系统的数据进行常规的数据挖掘，另一方面可以在此基础上构建多种更具针对性的分析模型（如教师招聘预警模型、教育资源调配模型、学生成长画像模型、教师发展画像模型等）。

　　区域教育大数据平台架构为区域教育大数据的发展提供了整体工作思路和系统性规划框架，避免重蹈信息化系统建设中经常出现的“缺乏顶层设计”、“重建设轻使用”等覆辙，使区域在发展教育大数据的过程中不仅关注系统的建设与

　　改进，更关注数据规律的探索与研究，把区域教育大数据真正打造成为教育变革的“利器”。

　　此论文为浙江省教育信息化课题专项课题《基于可感知校园技术的区域教育大数据建设实践研究》（课题立项号2020ETC064）研究成果

篇十：长三角基于大数据的区域教育评价变革论文

　　基于大数据背景下的教育检测与评价方式的探索与研究

　　有学者们生活在一个数据时代，可以说世界就是一个大数据库，随着大数据、云计算、互联网+等新兴技术的兴起，数据已经广泛的应用于各行各业的检测中，成为一种重要的生产要素，尤其对海量各类数据的分析和应运，充分挖掘其蕴含的巨大价值，发展产生巨大的促进和深刻的影响，特别在教育检测和评价的体系的变革中。提升了教育检测和评价质量，通过对学生“德智体美”等数据长期采集和检测，形成大量的数据，来综合评价学生，来发掘学生的优势和缺点，分析后针对这些优势因才施教加以发扬，针对出些的一些学科成绩、价值观念等对症举措。一、当下教育检测与评价的现状

　　教育教学检测与评价在有学者国发展较晚，从2002年以来教育部相续发布《关于积极推进中小学教育评价与考试制度的通知》、《教育部关于推进中小学教育质量综合评价改革

　　的意见》、《国家义务教育质量监测方案》等相关文件，最近又出台了《中国高考评价体系》和《中国高考评价体系说明》，从这一系列的意见、措施的出台，标志有学者国教育检测与评价的快速发展,然而教育检测与评价也存在一些问题。

　　（一）教育检测与评价体制与机制有待完善。虽然各级教育机构在教育检测评价与评价建设方面做了大量的工作，付出了大量的人力、财力，由于没有体制保障，制度规范、标准引领，致使教育检测与评价工作层次不齐、标准不一，随着社会、经济快速发展人民对教育质量的要求也在不断提升，新技术在教育发展中的应运，越来越多的教育行政管理者开始认识到教育检测与评价在教育中的重要作用，有的地方开始建立专门的检测与评价机构，从体制方面保障教育检测与评价工作，体制建设是基础，制度建设是保障。

　　（二）教育检测与评价体系因地制宜。虽然国家制定了义务教育阶段学校办学质量和学生发展质量评价标准，教育部印发了《中国教育监测与评价统计指标体系》,但是由于各学段学生不同的性质和特点，各地区经济、教育水平发展不一，对学生发展质量评价标准没有细化完善，应该在国家标准的基础上，建立从幼儿园到高中的检测评价体系，从思想品质发展、身心健康发展、学业水平发展、爱好特长发展等方面建立综合的检测体系。

　　（三）教育检测与评价技术滞后。各级教育行政机构、高校科研单位建立了教育检测与评价技术机构，但是在测评方式方法、数据处理能力、评价的技术角度而言，有学者国与一

　　些发达国家技术水平上还有一定差距。主要表现在教育数据采集、数据分析技术、数据处理、数据反馈，专业技术人才稀缺等方面。二、大数据在教育教学检测与评价中的作用

　　大数据是指是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。具有数据量巨大、非结构化、分布式，大量采用可视化展现的特点,研究证明大数据拥有变革教育方式与学习方式的能力；有学者认为，大数据技术可以改变人类的思维方式,提高思维的能力与效率,大数据的发展前景是非常广阔和具有深远意义的。大数据在教育检测与评价领域将发挥巨大的作用，在以大数据为检测技术和评价方式的教育变革中，必将迎来新的发展机遇。

　　从离散数据收集到集成化数据再对教育数据挖掘和数据分析技术，大数据挖掘就是对学习行为、学习过程、学习结果进行汇总分析；通过利用统计学、数据挖掘等方法来分析教育教学过程中所产生的各类数据。数据分析技术，就是对学生的思想品质、身心健康、学习状况、学业成绩，教师的教学过程等所有的数据进行日常检测、收集和分析；来检测学生思想行为及身心健康状况，优化学习过程和学习环境，特别是通过对教育大数据的分析，整理构建出学生的学习行为、身心发展等特征、然后以此为基础，教师制定教育教学总体目标和个性化发展的具体措施，在大数据基础上，充分发挥数据挖掘和数据分析的作用，可以帮助教师改进教

　　学方法方式，提高课堂教学质量，帮助教师对学生作出全面、正确的评价。

　　数据的检测与评价包含数据采集、数据分析、数据评价、数据反馈。

　　教学数据采集，借助智慧教育云平台，建立统一标准的大数据采集、分析、挖掘、评价、反馈系统，采集日常教学活动中产生的大量的数据，这些数据，包含文本、数字、图形、图像、音频、视频、有结构化数据，也有半结构化，还有非结构化数据。通过大数据技术，对这些信息进行“实录”采集，这些数据涉及学生思想品质、身心健康、学业水平，爱好特长等方面，数据收集应该具有持续性、系统性、有效性，如从小学一年级开始连续、系统的收集包括学业成绩、兴趣爱好、思想品德等方面数据，直到高三毕业，这些数据不仅给数据分析奠定了基础，而且对学生、教师、学校的未来发展都具有意义和价值。

　　教学数据分析是大数据检测与评价的核心环节，基于对海量教育教学数据的深度挖掘与分析，发现这些数据中隐含的各种逻辑关系与价值联系，从中推理并进行整理分析，从而发现其中问题，并立即反馈给老师，同时反馈给学生。根据反馈信息，老师可调整教学计划和教学方法，学生可调整自己的学习方法和学习状态，教育管理者可以调整管理政策。

　　数据评价用于常态、大规模监测评价，从对学生日常各项数据的采集、数据的管理、数据的分析、数据结果的呈现、

　　综合测量评价标准以及采集过程的管理等内容。实时监测评价进展，抽样过程，实现报告自动化。将教育监测与评价的所有环节、程序、步骤信息化，实现检测数据和评价功能的统一，提高教育监测的质量和效益。

　　数据反馈教育教学检测与评价中的作用是通过大数据透视教育背后存在的问题，并把问题反馈回来进行改进,服务于教育决策才是教育监测与评价的目的。在课堂教学进行中，学生可以对教学效果进行及时反馈，通过数据汇聚、分析、自动统计并呈现统计结果反馈老师，教师利用反馈的数据，在备课时根据反馈情况深入研究教材，再根据学生情况、调整教学内容、重点、难点。在学业负担反馈方面，可以根据学习时间、作业难度等关键性指标分析、反馈，从而减轻学生课业负担，提高作业有效性。教师根据每位学生学习情况的及时反馈，及时调整教学模式、方法和教学进程，从而依据数据反馈更好地因材施教。这样不仅提高了学生的学习积极性，而且实现了“要有学者学”到“有学者要学”模式转变。也为教师教学工作的形成性评价，提供有效的数据支持。数据反馈不但可以分析每位学生在课堂中的个体对知识点的掌握情况还可以反馈全班学生对知识点的整体掌握情况。便于教师在本节课后进行归纳总结，便于教师对教学过程进行形成性评价，为教学教研提供准确的科学数据。教师通过反馈系统对自己的教学过程进行反思，认识到存在的教学问题→改正教学方案→再尝试教学方案。在这个循环往复的过程中进而提高教学质量。

篇十一：长三角基于大数据的区域教育评价变革论文

P>　　信息大数据时代的教育改革

　　摘要：大数据时代下，各行各业都与网络交织在一起，通过变革来适应社会要求，对于教育行业而言，尤其是对于信息技术学科而言，更应当围绕信息大数据时代下对于教育行业的进一步要求，从教学思维到教学形式多维度进行教学改革，确保教学质量，提升教学效果。本文以此为出发点，围绕思维、方式与形式三个方面，探讨信息技术学科在大数据时代下的教育改革。

　　关键词：教育改革；信息技术学科；大数据

　　引言：

　　对于信息技术学科而言，相对于其他教育学科，所受到的信息化冲击更大，一方面，对于教学内容而言，信息大数据时代对于信息技术学科的教学内容提出了更多的要求，教学改革成为了必要步骤。另一方面，对于教学本身而言，信息技术促使学生能够自主的通过互联网接收到海量的讯息，教师如何帮助学生理解与消化这部分讯息，并基于正确的引导，转化为学生自主学习的能力成为教学的一个关键。因此，信息技术学科的教学改革显得尤为必要。

　　一、转变思维

　　教育改革不仅仅是对于现有教学形式、课程内容的改革，最重要的是教师自身要从思维上进行转变，接受教育改革观念，理解信息大数据时代所带来的利与弊，将有益的一面深入挖掘扩大，形成可视的教育形式。

　　具体到实际中，应当从两个方面入手，其一是教师对于个性化教学的思维转变，在过于传统的教育理念当中，“因材施教”是理想化的教育模式，但实际操作存在很多问题，教师很难面面俱到的照顾到所有学生，整体的教学进度也受到一定的影响，而通过信息技术本身，教师可以重新将个体教育作为教育形式的重点，引入课程教学当中[1]，围绕教学内容，以“微课”、“网课”或其他教学形

　　式，对于学生的实际情况展开具体的教学操作，进而真正意义上的达到“因材施教”的目的。

　　其二是对于教学质量的思维转变，传统教师对于教学质量有着固定的思维逻辑，认为考核成绩是教学质量的直接体现，实际上，考核成绩仅仅只能作为教学质量的一个参考选项，影响学生考核成绩的因素有很多，教学内容难度大、教学形式不适应、教学进度过快、学生个体差异导致的接受能力较差等等，都会影响学生所呈现出的成绩，教师应当开放思维，运用更加多元化的角度来思考教学质量的考核方式和其意义，理性的、多角度的看待学生，如通过学生的课堂表现、作业完成情况、对于课堂问题的反应与解答思路等等，综合评定学生的成绩，既能够更加综合的反映实际的教学质量，又能够通过多维度进一步了解学生，更好地围绕每一个学生开展个性化教学。

　　二、教学方式

　　教学方式的变革在上文中也有提及，信息技术进入课堂，为教育事业的发展提供了极大的便捷，也为教师教学开拓了许多的新思路，如何运用这些新思路，更好的服务课堂，才是关键，即将教学本质重新强调与体现，实现对于学生的个性化教学，确保学生能够个性化的成长和进步。

　　具体到实际中，信息技术学科的主要教学内容分为两个板块，一部分是理论知识，而这部分内容的学习，学生能够发挥的主观能动性较小，更多时候依赖于教师对于知识点的讲解，因此，教师可以制作“微课”，或在课堂教学中，进行“时间管理”，如将一节课的教学内容分为若干个知识点，对于每一个知识点的耗时与学生的接受程度进行随堂记录，围绕记录所反馈出的教学情况，对于重难点进行进一步的深入讲解，帮助学生更好的理解。而另一部分则是实操，实际操作过程中，由于个体差异的不同，学生的表现也不同，教师也要围绕学生的实际表现，记录数据，可以通过课后推送给不同学生不同的学科书籍，来帮助学生进步。

　　三、评价方式

　　教学评价不仅仅是通过考试成绩对于学生的能力与学习情况进行评价，在教育改革过程中，应当充分认识到教学评价体系对于整个教学体系的重要性，通过对于评价体系的三段拆分，来更好的实现教学评价的方式。

　　其一是学生对学生的评价，教师可以通过引导学生互相之间展开评价，来了解学生在课堂中的实际表现，其二是学生对教师的评价，引导学生提出教学过程中存在的一些问题，进一步改正，提升教学质量，最后是教师对于学生的评价，即通过多维度考核，来实现教师对于学生个人的评价，帮助学生找到问题，更好的进步[2]。

　　教学评价的形式多样化既能够帮助教师更好的理解课堂中学生对于知识的接受程度，又能够帮助教师更好的了解每一个学生，因此教师应当对于教学评价给予高度重视，不单一以成绩来评定每一个学生，这既是教学体系的重点，也是教育改革的重点之一。

　　四、结束语

　　综上所述，无论对于教师还是对于学生而言，信息技术进入教育行业，推动行业的发展与进步是事实，如何围绕信息技术的发展，来完善信息技术课堂，对于现有教育模式进行改革，以期获得更高的教学质量是关键。本文仅从三个方面简要阐述了信息大数据时代下信息技术学科的教育改革方向，望广大相关教育工作者能够继续深入探究，提出更多的解决方案，促进我国教育教学事业的进步与发展。

　　参考文献：

　　[1]毕玉.大数据时代信息技术的机遇与挑战探析[J].科技风,2019(03):6565.

　　[2]黄海明.教育云平台推动信息技术学科变革的思考[J].西部素质教育,2019(04):124+126.

篇十二：长三角基于大数据的区域教育评价变革论文

P>　　浅谈大数据时代下高等教育评估特征

　　作者：刘贺来源：《大经贸》2019年第12期

　　刘贺湘潭大学

　　【摘要】当今社会被大数据影响着，大数据改变着人们的工作、生活和思维方式。当前教育领域的大数据也逐渐形成，教育大数据与传统意义上的教育数据和其他领域的大数据有着不一样的特征，教育者和被教育者必将受大数据的影响发生变化，从而驱动教育领域进行变革与发展。因此，本文基于教育大数据特征，根据大数据对教育评估的影响，对大数据驱动下教育评估的主要特征进行研究，以便为更好地适应大数据时代而开展教育评估研究提供参考。

　　【关键词】教育评估大数据教育人工智能（EAI）

　　2011年6月，麦肯锡全球研究所发布研究报告——《大数据的下一个前沿：创新、竞争和生产力》，第一次提出“大数据时代”来临，认为“数据”已经渗透到当今每一个行业和业务职能领域”。信息科技时代快速发展，大数据极有可能成为改变世界的一种战略资源。事实上，在大数据时代下，大数据影响已经深入到政治、经济、教育、医疗等人类生活的方方面面，为社会带来前所未有的‘大利润’‘大科技’和‘大知识’等发展机遇，进而影响着人们的“知识体系、价值体系和生活方式”。

　　1.教育大数据的特征

　　大数据是相对于小数据的一个相对概念，大数据并不是大批量的数据简单地累加而形成，它有交叉性、融合性、流动性和跨领域等特征。教育大数据就是在教育过程中产生的数据或者是在教育领域与教育相关的活动所产生的数据。

　　1.1教育大数据的特征。（1）准确性。传统教育数据一般教育评估都需要大量的数据作支撑，以往的情况下都是依靠人工采集。比如，评估者会根据需要，设计出相应的方案或是调查问卷，在大家都知情的情况下进行采集，这种采集方式所获得的数据一定程度上往往带有评估者的主观刻意性和被评估者的非意愿性。（2）更具有客观性，从而使教育评估结果更具准确性。传统的教育数据都是人工方式进行进行采集，而且基本局限于某一阶段，并不能根据需要随时采集到数据，这主要还是与技术受限有关。互联网云计算的发展促进了大数据的发展，同时也发展了数据采集技术，这就使得我们即时采集数据成为可能。（3）连续性。教育大数据在每天的教育活动中不间断地产生着，由此产生的数据本身就具有连续性，但在传统的教育数据采集过程中，局限于技术手段，我们只能间断性地采集一部分数据。大数据时代，我们能利用移动终端、云计算等现代技术手段，在不影响教学活动的情况下快速、持续不间断地采集到更多微观层面的过程性数据。(4)复杂性。数据具有广泛性的特点，给我们带来数据收集便利的同时又带来了一些潜在的问题。教育活动是人类社会中较为特殊的一种实践方式，主体和客体的复杂，教与学的同时进行，而且教育模式本身就是复杂的而且没有任何所谓标准样板的，这些教育的本性就造成了教育数据的复杂性，再加上大数据本身的鱼龙混杂的特性，就使教育大数据更具有复杂性。

　　2.基于大数据的高等教育评估特征

　　教育大数据的上述特征对我们的观念和处理方式将产生巨大的转变。这对教育的影响是必然的，无论是宏观上讲的教育教学理念、教育管理和决策，还是具体到微观上的教学过程与评价等方面，都将会因为大数据而发生变革。牛津大学互联网研究所教授、数据科学家维克

　　托·迈尔-舍恩伯格指出，大数据将重塑教育，并提出大数据改善学习的三大核心要素：反馈、个性化和概率预测。我认为这些核心要素将为教育评估开辟出新的思路。

　　2.1评估内容综合化。在国内，高等教育评估种类主要分为院校评估、专业评估认证以及各类专项评估、评价等。院校评估是对学校整体办学水平的评估；专业评估认证是对具有专业职业特征的专业人员的教育教学情况进行认证和评价的过程。如“临床医学”和“基础教育”的评价和认证;特殊评价分为很多种，对某一时期的建设需要有专门的评价，如促进双类学科的特别评价;在特定情况下进行的评估，例如就业调查和评估，以了解学生就业情况;以及对学生学习和教师素质的评估。无论是哪一种评价，一般来说，在理论的指导下，构建相应的评价指标体系，然后根据每一种指标类型收集相关数据，根据所得到的数据分析一个或多个结论，这就是“一对一”或“一对多”的评估模型。例如，我们在进行专业评估时，往往只通过对课程、教材、实验室、实践基地、教改项目、师资队伍、培训质量等方面的考核来得出专业建设的利弊与建议。这种基于职业本身单一因素的评价，得出的结论也是单一的。

　　2.2评估方式过程化。传统的高等教育评估基本是富有成效的一次性评估，是基于现有数据对目标实现情况的总结评估。即使在教育活动的过程中，形成性评价问题的及时识别、改进工作，实际上也是阶段性的总结评价。在教育活动过程中，对学生进行直接评价是传统评价方法难以做到的。首先，传统的评价虽然开始使用计算机信息技术，由于技术受限，不能很好地处理一些非常复杂的数据，尤其是一些非结构化的数据，如图像和音频。其次，在数据采集方面，仍然有些困难。由于数据壁垒的存在，缺乏数据保存意识，就不能在任何时间进行采集，传统的评价者只能采集一次。如上所述，教育大数据是以平台或载体为基础，综合应用各种数字设备，与研究对象相关的教育活动相关的所有数据都是我们直接或间接用于研究和分析的。使评价者在不增加技术使用难度的情况下，了解评价者在整个过程中的表现，进而利用基于大数据的程序性评估来指导教育活动的及时调整和改进。

　　2.3评估手段智能化。从技术层面来说，评估手段主要是指评估信息的收集，处理和分析。目前，我国教育领域的大数据正在形成，与课程教学，教学管理，学习信息，数字校园等方面相关的数据日益增多。如何处理这种看似混乱的大型数据需要更智能的技术。我们必须从杂乱无序的数据中找到有用的数据，然后仔细地分析和总结它们，以在评估系统中形成数据结构。这需要数据挖掘，这是通过使用计算机辅助系统和数学算法通过机器学习探索隐藏在大数据中的未知信息的过程。

　　3.结论

　　今天，教育人工智能（EAI）等新技术的快速发展与渗透赋予了高等教育、高等教育评估诸多新的理念、内涵和特点。大数据的兴起与应用，一方面，为高等教育评估提供了丰富的数据资源；更加客观全面的评估结果，更加科学合理的评估手段等，另一方面，如何合理利用大数据技术为教育评估提供新的方法和手段是我们面临的新课题。

篇十三：长三角基于大数据的区域教育评价变革论文

P>　　教育大数据扩展了教育质量监测与评价的维度测评从横向研究走向纵向研究传统的教育质量监测与评价局限于同一时间段的横向比较与分析无法提供学生个体纵向发展的信息反馈而教育大数据为教育质量监测与评价的纵向追踪研究提供了数据基础从而能够对学生的发展进行追踪为学生的发展提供更为全面的信息

　　大数据理念下教育质量监测评价的变革与发展

　　2011年5月，世界著名的麦肯锡全球研究院（McKinseyGlobalInstitute）发布了一篇题为《大数据：创新，竞争和生产力的下一个前沿》（BigData:TheNextFrontierforInnovation,Competition,andProductivity）的报告，宣告了“大数据时代的到来”。大数据时代的到来对整个社会都产生了重要的影响，教育也不例外。大数据在教育领域中的应用不仅可以实现对学生的量体裁衣式的教育，而且可以让家长了解到更为详细的教育信息，更加能够为教师的教学提供客观全面的教学反馈信息，而教育管理也能从中获取信息和依据，更好地组织教育资源、制定教育改革发展的措施，从而实现“以学生为中心”的人本主义教育。其达到上述理想效用有赖于教育质量监测与评价对大数据的利用与挖掘。教育大数据给教育质量监测与评价带来机遇的同时，也给其带来了挑战。在大数据理念和科学技术迅速发展的当下，教育质量监测与评价也正经历着一系列的发展与变革。一、教育大数据给教育质量监测与评价带来的机遇与挑战（一）教育大数据的特点及其在教育质量监测与评价中的应用现状“大数据”不是一个单纯描述数据数量之巨大的概念，其意味着数据来源的多样化、数据类型的多元化以及在数据处理与分析层面的大容量与高速度。更为重要的是，“大数据”立足于对大量数据的深度挖掘与科学分析，寻求数据背后的隐含关系与价值，使得人们可以从基于小样本数据的推测或基于感性的偏好性选择转向基于数据__分析与理性证据的决策。可见，“大数据”在本质上已经转化为一种新的思维方式、一种新的问题解决方法。由于教育具有成长性、学习性以及受到天生遗传及后天成长环境等诸多因素的影响，所以，教育大数据除了具有数据容量大、多元多样的一般特点，还具有其自身的特点。教育作为以“人”为对象的社会活动，其核心是学生。教育大数据实现了对学生数据的全方位、全过程采集，横向数据覆盖了学生学业、知识技能、身心健康等各个方面，纵向数据贯穿了学生从幼儿园到高中的发展全过程。这些都为对教育展开系统、全面、可持续性、以人为本的教育监测与评价奠定了基础。但是由于数据本身特点的条件限制以及相关教育工作者缺乏专业的统计测量知识，目前对教育大数据的挖掘与利用远远不够。为了解教育大数据的特点，便于教育大数据服务于教育改革与教育的评价应用，将教育大数据的特点总结如下：1.数据来源多样，不利于不同区域数据间的比较从数据来源来看，教育大数据汇聚了来自不同区域、不同学校的数据。这些数据又包含了学生不同学科的学业测评成绩以及学生身心发展等不同方面及类型的数据。不同来源的数据往往缺乏统一的标准，从而给数据间的比较带来了困难。2.数据类型多元但不具有一致性，不利于数据的整合

　　教育数据可划分四种基本类型，类别数据、等级数据、等距数据和等比数据。类别数据如学生的性别，等级数据如学生的排名，等距数据如气温，等比数据如学生的跑步速度。这些不同类型数据给考试分数和问卷数据的解释与评价带来了不便，不同学科、不同年级、不同时段的数据需进行转换、归类、整合，然后才可以比较。目前，教育行业对不同类型数据的整合不足，对学生分数及各种指标数据的解释与评价有待完善。3.数据收集缺乏时间延续性，对纵向数据搜集及分析不足目前，教育监测与评价注重对横断面数据的应用分析，对数据进行横向比较，较少进行纵向的追踪与比较。这一方面是因为纵向数据不易收集，并且在收集的过程中容易出现流失。另一方面，纵向数据的比较与分析从方法上来说也比横向数据的分析复杂得多。这些都是导致目前纵向数据收集与分析不足的重要原因。4.数据容量大但深层挖掘不够，对数据的利用不够充分教育大数据虽然庞大，但是目前对其挖掘与利用尚且不足，尤其是数据背后深层次的隐性信息的挖掘。在当前的教育监测与评价实践中，对学生往往只凭借一个“分”，对学校只凭借一个“率”。同样的一个“分”和“率”，所代表的能力和层次可能大有不同，背后还有很多的信息可挖掘。由于目前数据的收集缺乏规划，因此不够细致和到位，相关的教育工作者缺乏测量方面的专业知识，不懂得对数据进行深度挖掘与分析。由此可见，尽管教育大数据对学生的数据进行了横向和纵向的全方位采集，但在实际的教育质量监测与评价实践中，对这些大数据的挖掘和利用还需要下大功夫。教育大数据给教育质量监测与评价既带来了机遇，也带来了挑战。（二）教育大数据给教育质量监测与评价带来的机遇与挑战1.教育大数据丰富了教育质量监测与评价的内涵，测评从碎片化走向系统化（1）测评主体趋向多元化在教育实践活动中，不同省市、区县、学校以及学生个体都希望能够获得自身表现与发展的反馈信息。教育大数据为满足这些不同层面的测评主体需求提供了数据基础。目前，只给区域提供一个“分”和一个“率”，给学校提供一个“分”，给学生个体提供一个“分”，这些远不能满足不同测评主体的需求。单纯的一个“分”或“率”不能实现对不同区域与不同学校的科学、公正评估，需要根据不同层面主体的需求，提供不同的服务与质量监测评价报告。（2）测评结果趋向细致化随着教育的发展，不同测评主体对教育反馈信息的需求已经不满足于一个简单、笼统的分数。他们不但要求获得学生知识掌握、能力发展的反馈信息，也希望进一步了解学生知识与能力的相互作用以及学习方法、习惯、兴趣、人格等因素对知识掌握和能力提升的影响。教育监测评价结果需要根据新的教育形势与客观需求，运用新型测量理论和现代科学技术实现对整体层面的诊断与评估，同时要能够细化到课程的具体章节、单元及具体的单项能力。（3）测评形式趋向多样化

　　随着计算机与信息技术的发展，测验从过去单一的纸笔形式发展到以计算机为载体的在线测试等多种测试形式，同时出现了基于经典测量理论（ClassicalTestTheory,CTT）的传统测验形式和基于项目反应理论（ItemResponseTheory,IRT）的自适应测验。而计算机技术与现代测试理论相互结合，又出现了计算机化的自适应测验（CAT）形式。2.教育大数据扩展了教育质量监测与评价的维度，测评从横向研究走向纵向研究传统的教育质量监测与评价局限于同一时间段的横向比较与分析，无法提供学生个体纵向发展的信息反馈，而教育大数据为教育质量监测与评价的纵向追踪研究提供了数据基础，从而能够对学生的发展进行追踪，为学生的发展提供更为全面的信息。同时，其能为学生自我对比提供机会，使教育评价更为科学、合理。3.教育大数据扩大了教育质量监测与评价的深度，测评从宏观走向微观传统的教育质量监测与评价只提供一个笼统的考试分数或能力分数，而对于是什么因素导致学生试题做错及知识掌握情况等信息则无法获取。随着教育的深入发展，各测评主体都已不满足于给学生一个简单的考试分数或能力分数，他们更希望考试能够提供诊断信息，能够报告学生掌握了哪些知识点，哪些知识点未掌握而需要补救。在大数据与信息时代下，教育质量监测与评既有必要也完全能够从宏观走向微观。4.教育大数据加大了教育质量监测与评价的难度，测评理论和技术从传统走向创新教育的发展对教育质量监测与评价提出了更高的要求。学生个体不仅仅需要一个整体的“分”，还需要“分”层面的分析，并能够实现因人而测，因材施教。这不仅对测验命题提出了更高要求，也迫切需要测评与信息技术、计算机技术结合起来，发展出新的测验理论与测验方法，对教育大数据进行更为充分、更加深入的挖掘与分析，提供更加细致、科学的评价结果报告。5.教育大数据改变了教育质量监测与评价的价值取向，测评从工具主义走向人本主义教育大数据是关乎“人”的数据，其宗旨始终是为学生的发展服务。基于互联网技术的教育大数据采集模式也应遵循“以人为本”的基本原则，坚持以人为中心，以互联网为辅助手段，树立“互联网+”的理念。在教育领域贯彻落实以人为本的科学发展观，就是要确立人在教育中的主体性，以每一个学生的健康成长和终身幸福为本。在教育大数据的形势下，教育质量监测与评价的功能应更多地从“选拔工具”转向“诊断工具”，给出个性化评价结果。这种面向每一个学生的个性化的教育测评，既是新形势下人本主义教育价值观的要求，也是“以学生为中心”的教育思想的体现。二、大数据理念下教育质量监测与评价理论方法的变革与发展随着计算机技术的发展和教育大数据时代的来临，教育测评理论和方法有了新的发展，从传统的经典测量理论（CTT）到现代的项目反应理论（IRT），再到新一代的认知诊断理论（CDT）。

　　（一）经典测评理论与方法的回顾与评述经典测评理论又称真分数理论，是心理和教育测量学发展历史中最早实现数学形式化的测量理论。CTT经过几十年的发展，形成了一套以真分数理论作为基础的较为完善的测验理论体系，其核心是经典的信度理论。CTT认为测验作为间接测量，要使测量与评价可靠，编制有恰当难度、区分度的题目和控制测量误差是提高测量信度、效度的有效手段。CTT以弱假设为基础，这些弱假设条件容易被绝大多数测验数据资料所满足。因此CTT在实际中有着很广泛的应用。同时其对题目和测验作统计分析的方法在计算上较为简单，意义上也明了直观，易于教育工作者理解和掌握，这也使得CTT的应用较具普遍性。但是CTT的缺陷与不足也是非常明显的：用CTT方法所求得的题目参数会受到不同考生样本组能力水平的影响，对考生能力的估计也会因测验的不同而不同。由CTT关于信度公式的分析推导中可知，CTT的信度值只是低限估计，故只能假定测验误差对所有考生都一样。因而在某种意义上说，CTT难以提供考生得到分数的精确信息，也就是说，难以实施与考生实际能力水平相当的考试，故而以“选拔”及突显“专长”为导向的测试难以实施。（二）现代项目反应理论及其优势1963年发展的项目反应理论是针对CTT的不足加以改进的方法。IRT的最大特点就是它找到了一条题目特征曲线（ItemCharacteristicCurve,ICC），并且以多种数学表达式（或称数学模型）来描述它和逼近它。题目特征曲线的数学模型一般包含两个方面的参数：题目参数和考生能力参数。从理论上说，IRT有效地解决了CTT中无法建立考生得分与测验题目参数之间函数关系的问题，题目参数不受考生样本影响，考生能力不因测验改变而改变。在题目分析和估计考生能力的同时，IRT可以得到题目信息函数和测验信息函数这两个统计量。这两个测验信息量为精确估计每个考生的能力水平提供了标准，也为自适应测验的实施提供了必要的条件。IRT虽然具有这些优势，但仍只有一个分数（只不过这个分数变成了能力水平）来评价考试结果，无法回答在考试中学生哪方面能力或知识的缺失造成了失分，学生存在哪些不足及应如何补救。（三）新一代认知诊断理论及其优势通常把对个体知识结构、加工技能或认知过程（均简称为“attribute”）的诊断评估称为认知诊断评估或认知诊断（CognitiveDiagnosisAssessment/CognitiveDiagnosis）。可以说，认知诊断理论弥补了CTT和IRT只能提供一个测验分数（或能力参数）的不足，实现了对学生更为精细的诊断与区分。认知诊断理论把认知过程与测量手段结合起来，不仅能对考生的整体水平做出评估，同时将考生的认知结构模式化，利用合适的测量模型对不同的认知结构模式进行诊断，从而定量地考查考生的认知结构和个体差异，实现因人而测，并

　　对不同的考生给出不同的评价结果。因此认知诊断的结果更微观、详细、精确，除了估计每位考生的能力值，还可以诊断考生的学习优势或劣势，为提升或补救教学提供确切的依据。新一代认知诊断理论具有广阔的应用前景。三、三种测量理论与方法的比较、分析及其在大数据理念下的应用建议经典测量理论（CTT）、项目反应理论（IRT）和认知诊断理论（CDT）各有优势与不足。通过上面的分析，我们可以对这三种理论的优势与不足总结如下：经典测量理论（CTT）的优势在于它便于理解和操作，团体可共用一份试卷，因此测验成本较低，在实际中的应用也比较广泛和成熟。其不足在于被试的能力水平与测验相关、题目参数与测验样本相关，被试能力与题目参数不在同一量尺上，同时CTT只提供一个信度值，测量误差估计笼统、不精确，测验结果的准确性与推广性相矛盾。项目反应理论（IRT）克服了经典测量理论（CTT）“测验相关”“样本相关”等不足，对被试能力的估计比经典测量理论更为精确，同时它也克服了经典测量中所有被试完成同一份测验的弊端，实现了“因材施测”“因人而测”的目标。其不足在于测验理论较为复杂，需要由具备统计测量学知识的专家进行操作，对计算机的要求较高，测验样本容量相对也较大，因此测验成本较高。此外，它对被试能力的定义还只是通过单一的能力值，未能进一步考查被试的认知结构。认知诊断理论（CDT）继承了IRT的优良特性，不但可以因人而测，还可以对不同的人给出不同的评价结果，做到可以不用“统考”也可以分析收集数据，给出教学质量的评价。它能够精确地测量、诊断被试的认知属性结构，能够为提升或补救教学提供确切的依据，为教学质量的改进与提高指明方向。其不足在于测验理论较为复杂，尤其是命题要求很高，需要由统计测量专家与认知心理学专家、学科专家通力合作进行。同时其对认知属性的划分较为困难，需要根据所测认知领域的特点结合专门技术进行，因此初始测验的成本也较高。随着计算机技术的普及和教育大数据的获得，三大测量理论在教育实践中都有条件得以实现。除了CTT得到广泛应用之外，IRT和CDT也在国内外大型测验中得到了应用。因此，本文对三大测量理论在教育大数据下的应用给出如下建议。CTT可以普遍使用，同时要将其相关的理论与知识进行普及，使其成为每个教师除教育学、心理学、教学法以外应该掌握的基本技能。IRT可以在学校、市、省级区域应用，适用于会考、能力水平考试，以降低大规模考试的各种压力。CDT可以在学校、行政区层面应用，也可以在高考改革及教育质量监测中应用，为实现“因材施教”的个性化教学奠定了基础，应用前景广阔。在教育大数据的理念下，基于新一代测量理论与方法的教育质量监测与评价将在教育活动中发挥更大作用。

篇十四：长三角基于大数据的区域教育评价变革论文

P>　　大数据下的教育变革

　　近年来，随着国内各地智慧教育实践探索的推进，教育大数据在推动教育创新发展与科学变革上的核心价值逐步凸显。教学过程与结果数据的持续采集，动态汇聚成教学大数据，通过对教学大数据的深度挖掘与多元分析，能够将数据背后反映的教学意义与价值清晰地呈现出来，进而辅助教师进行更精准的教”、指导学生进行更精益的学”。

　　教学大数据的应用模式

　　大数据与教育已经呈现出深度融合的趋势，作为教育教学的主阵地，学校、课堂都是产生教学数据的重要来源，也是深化教育改革质量的落脚点。目前，教学大数据主要有四种典型应用模式，分别为高效互动教学、适应性学习、智能化诊断与评价以及个性化练习与辅导。

　　第一，高效互动教学。课堂是学校教育教学改革的主阵地，也是落实学生核心素养发展的关键。课堂教学大数据构建的高效互动课堂具有数据把脉、全向互动、精准反馈以及轻负高质等特征，能够实现低耗高效、轻负高质”的教学目标，破解课堂效率低一学生掌握差一课后拼命补”的教育怪圈。课前，教师通过学生预习情况精准定位教学目标与重难点；课中，教师根据课堂数据的实时反馈掌握学生学习轨迹，及时调整并改进教学内容与教学方法；课后，教师根据每位学生的课堂表现，给予针对性的点拨与指导，布置相对应的课后任务。

　　第二，适应性学习。随着移动互联网、智慧教育的快速发展，适应性学习将成为以大数据为基础的教育技术新范式。教师通过分析在线学习行为大数据，可以发现学生的认知能力、学习风格等个体特征，判断学生的学习需求，从而有针对性地向学生推荐学习资源，满足学习者个性化的学习需要，帮助学生周强补弱，提高学习效果。

　　第三，智能化诊断与评价。智能化诊断与评价以多种教学情景为背景，通过不断获取、整合和分析学生学习过程中的学习行为、认知建构、情感体验以及思维变化等多模态数据，制定学习改进方案，形成有效学习的新形态。课堂教学大数据可以实现对学生即时、动态的诊断分析及评价信息反馈，教师根据反馈结果动态实时调整教学策略提高学生的课堂学习效果。此外，课外辅导教师可以依据校外辅导大数据对学生校外学习效果进行诊断分析，灵活调整教学方案，使课外辅导培训更具针对性与个性化。

　　第四，个性化练习与辅导。传统课堂教学的课后练习是统一布置的，批改反馈是滞后的，作业讲评大多也只是讲共性问题。而教学大数据的建设与应用完全改变了这一状况，教师基于课堂教学大数据能够更好地诊断、评价学生的课堂学习效果作业内容不再是千篇一律，而是根据每位学生的学习效果有针对性地布置课后作业。同时，通过课堂教学大数据和校外辅导大数据间的融通共享，课外辅导教师可

　　以根据学生的课堂表现和学习效果等数据，有针对性地进行课后辅导，使校外辅导更具针对性、持续性，促进学生的个性化成长。

　　走向数据驱动的精准教学

　　教学大数据建设与应用的实践导向是实现数据驱动的精准教学。随着大数据技术在教育领域应用探索的快速推进，数据驱动逐步成为大数据时代主流的教学范式，并呈现出科学化、精准化、智能化及个性化四大核心特征。

　　数据驱动的精准教学要求教师利用数据挖掘和学习分析技术将课堂教学与在线学习生成的数据翻译”成有价值的信息，如学困生的识别、知识缺陷的发现、教学目标的达成等，从而为教师的教”和学生的学”提供更准确、及时、全面的支持。

　　随着大数据理念与技术在各级各类教育中的推广，教学大数据的重要性日益凸显，将成为教育信息化2.0时代课堂教学模式变革与创新的助推器”。

　　教学大数据面临的挑战

　　但是，大数据技术与教学业务深度融合的过程必然不是一蹴而就的，教学大数据的发展仍面临以下几方面的挑战：

　　第一，数据处理能力不足，难以对教学数据进行多元分析与准确的结果解读。当前,中小学教师的数据分析、数据解读及数据交流的能力还存在明显不足：一是无法熟练应用EXCELSPS野工具进行基本的教学数据分析与处理；二是在教学中缺乏对过程数据和结果数据深入、准确的解读，难以形成正向白^教学反馈流，指导教学实践的改进；三是缺乏应用数据与家长、同事及领导开展交流对话的能力，难以在家校之间、师生之间、教师之间架构起支撑家校共育的数据桥梁教育行政部门应加强教师队伍数据素养教育，通过开展教育大数据专题培训、智慧课堂观摩研讨、网络协作教研等多种活动，从意识态度、基础知识、核心技能及思维方法四个层面全面提高教师、校长及管理人员的数据素养，并制定教师数据素养评估标准与考核办法，以评价和考核为抓手，促进教师数据素养提升。

　　第二，线下学习过程性数据的采集仍是难点，该部分数据的缺失直接影响学习诊断与预测预警的准确性及综合评价的科学性。在线下学习仍占据主导地位的今天,很多线下的学习活动数据，尤其是过程性学习数据及学习情绪数据，由于技术、环境、个性差异等诸多因素的限制，无法得到有效全面的采集。线下学习数据的缺失，就好比架在空中的半截浮桥”难以支撑完整学习链条”的构建,直接影响到学习诊断与预测预警的准确性及综合素质评价的科学性。

　　教育大数据服务商应加大力度研发线下学习数据的采集技术和产品，提高线下学习过程性数据采集的准确性与全面性。随着教学数据的日渐丰富与复杂，学生的过程性数据将变得更具价值，企业研发的教学产品应重点收集学生学习行为数

　　据、情感数据等，完善丰富教学数据体系。此外，教师需要培养自身的数据意识，有意识地收集、整理学生的线下学习数据，进一步丰富完善教学大数据，从而为学生学习诊断和预测预警的准确性和科学性提供全面的数据支撑。

　　第三,校企合作机制与规约机制仍不清晰，管理上存在较大的数据安全风险。教育行政部门应尝试建立教育大数据产品准入机制，从数据安全、技术水平、维护能力等多个方面加强对企业大数据产品的鉴定与评估，选择信誉良好、技术先进的教育大数据产品提供商作为合作伙伴，既为学校采购教育大数据服务提供保障，也有利于区域层面的教育教学大数据的融通共享，确保大数据产品在学校教育教学应用中的数据安全。

　　第四，多家企业大数据产品在学校独立运行，直接造成学校教育数据的割裂，影响教育数据的融通共享及更大数据价值的发挥。一线学校由于缺少教育大数据项目的顶层设计和统筹规划，往往出现一所学校内多个企业教育大数据产品独立运行的现象，直接造成数据壁垒。

篇十五：长三角基于大数据的区域教育评价变革论文

P>　　大数据网络教育论文

　　一、基于大数据的网络教育研究现状分析

　　“大数据”成为互联网热门词汇大约从2009年开始，到了2013年，大数据对各领域都产生了巨大的变革力量，2013年被称为“大数据元年”。[1]大数据时代势不可挡，与媒体密切相连的特性使得参与网络教育的人员会通过更多的移动设备接入到网络中，数据的数量会大大增加，增长速度会大幅加快，大数据对于网络教育的影响不仅仅在具体方法上，也体现在思想上。对于文献的检索，我们通过高级检索，分别以主题为“大数据”包含“网络教育”、“在线教育”、“远程教育”为关键词在中国知网（CNKI）中进行检索，共检索到相关期刊文献64篇，手工去除不符合要求的通知或者征稿等无关信息，剩余18篇文章。文献发表时间分布于2013年至2014年，数量也从4篇迅速增长到了14篇。文献的主题也多种多样，主要集中在平台建设发展、学科建设、师生关系、学习工具等方面，研究者主要关注大数据技术的发展和应用对传统的网络教育产生的深远的影响，帮助网络教育摆脱发展瓶颈，找寻到一条符合国内现状的发展道路。可见由于大数据的迅速发展，对教育领域特别是网络教育产生了巨大的影响。

　　二、我国基于大数据的网络教育研究的内容分析

　　大数据技术在网络教育的应用，对于传统平台的更新建设，推动学习者个性化学习，促进师生交流、生生合作都具有非常重大的意义。另外，对于平台中课程点击量、浏览量的记录和分析，也能动态地设置学习内容，教学组织形式，满足学习者多样的学习需求。

　　（一）通过对大数据的梳理，分析网络教育

　　平台发展困境，有针对性地寻找解决方法，以促进平台的建设张辉[2]指出：移动学习绝不是简单的网络学习移动版，需要更深层次的探索和研究。在大数据的支持下，研究者可以得到全文本的数据进行分析。通过对发展模式、受众对象、学习资源、支撑环境等数据的分析，我们发现网络平台发展的现实困境，理论研究深度不足、学习资源针对性不强、即时通信反馈手段落后，这些问题制约了学习者平台学习的动力。根据问题有针对性地作出切合实际的需求分析，进行个性化的信息建设，加强实时反馈提高学习效率，从而建立全方位覆盖社区居民学习需求的学台，有效落实建设学习型社会的要求。翟霞[3]指出：大多数干部网络教育平台的考评采用“学时制”和“学分制”，即以学习时间作为学习的考核标准之一，这样的方式即使学习者只是播放学习课程而没有进行学习，平台也无法得到相关数据和反馈。大数据技术可以为其提供学习过程的监管，对学习者学习提供有效的进度控制和实时反馈，为学习者提供根据随课程内容和学习者反馈而变化的帮助。网络教育平台学习者每一次学习的数据的收集和分析，能够为平台发展建设提供有价值的参考，帮助平台优化学习者的学习环境。基于大数据的分析调查比以往基于抽样的问卷或者电话调查的方法都更加全面有说服力。

　　（二）教学和考核方式的创新推动学习者学习的个性化发展

　　大数据时代，学习者在学习过程中留下很多数据碎片，通过分析这些数据碎片能够分析出学习者的学习模式，为学习者提供个性化发展的环境。马星宇[4]指出，新兴在线教育在教学以及考核方式上较以往的开放式教育有所创新，以MOOCs（MassiveOpenOnlineCourses）为代表的新兴在线教学模式的特点就是让任何人在任何时间都可以学到任何知识，这必然会改变传统的以传授单一课本知识为基础的教学模式。对于教师来说，科学技术的进步，能够使学生的反馈更加细化帮助教师有效评估每位学习者的学习情况，为学习者提供符合他们学习需求的进度和强度。对于学习者而言，学习者通过对自己学习数据的分析也能够进入“自主进度式学习”，数据分析结果让学习者根据自己的进度使用视频进行学习，学习者根据自己的进度在掌握不好的章节进行反复学习，直到达到100%精通。对于学习内容的构建，在线教育就是一种基于标准算法和数据挖掘为基础的个性化学习服务。只有不断根据目标学生的需求和社会的需求来不断完善教学内容，才能满足学习者获得知识的需求。张辉[2]指出，依靠“大数据”的分析能够建设用户参与资源的个性化配置和推送，自动生成每个学习者感兴趣的教学资源。在线平台要收集学习者在平台上依据自己的兴趣点和关注点进行主动地点播学习内容的“点击流”数据，根据一定的规则给予每个学习者适当地资源推送。从而满足每个学生学习的个性化需求，促进学习者的个性化发展。

　　（三）大数据环境实现网络教育完美的在线交互活动

　　为了平衡资源分配的不均衡，中国早期的在线教育只是简单的把传统课堂中的课程的学习内容和学习材料照搬到网络上，使网络成为知识流动的通道。刘涛指出，这样的在线教育与传统教育相比，唯一的区别就是学习材料的数字化和学习界面的网络化，缺乏“个性化”的在线课程导致在线教育的学习效果大打折扣，效率比传统教育显得低下。这种困境应该通过大数据环境推动在线服务的个性化，促进新型师徒关系的产生，即在线教育的数据库根据每个学习者的不同个人情况提供完全“个性化”的学习内容，包括具有针对性的学习材料，通过在线测验发现每个学习者的知识弱点，针对这些弱点进行相对应的重点训练，基于记忆规律的复习提醒机制。这种就形成了师生的新型“师徒关系”。这种模式能够让教师完全了解每一个学习者的水平和学习能力，显然是学习的最有效的方式。邢丘丹等指出，在线教育交互分为个别化交互和社会化交互，前者是学习者和学习资料之间的交互，后者是学习者和教师或者学习者之间的交互，社会性交互是提高在线教育交互水平的关键因素。在线交互平台身份认证体系的建立，针对信息资源的存储和分析，服务器等硬件设施的架构都能够推动在线教育交互活动的顺利进行。

　　（四）大数据时代推动新型学习支持工具的发展

　　张振虹等[8]指出，学习仪表盘是随着在线教育蓬勃发展和大数据时代来临而产生的一种新型的学习工具，基于信息跟踪技术和镜像技术，对学习者的学习行为、学习习惯、兴趣等信息进行有效的记录和追踪，通过科学化的分析，达到可视化和个性化的显示，为在线学习的学习者、教师、教育管理者和研究者提供多方面的学习信息，也帮助学习者进行有效的自我认知，帮助自我实现个性化学习。新型学习支持工具的出现和发展为学习者在网络平台进行学习提供了高效的学习

　　支持。

　　三、研究的发展趋势

　　通过上述的梳理和分析，我们发现大数据技术的应用大大促进了网络教育的发展，将贯穿网络教育实践的每一个阶段，帮助学习者根据自身的需求合理选课，学习具有针对性的学习方法；指导教师针对学习者的不同特点应用适当的教学方法因材施教；更能够大大减少网络教育管理人员的工作负担，利用计算机技术事半功倍地完成对学习资源的建设，对教师和学习者的管理；更为重要的是，用人单位能够利用大数据了解学习者的学习过程，全面地匹配应聘员工与职位的吻合度，这些必将是网络教育未来发展趋势。目前研究者的研究大都集中在理论阶段，具体实践较少，研究的内容集中于平台的教学内容建设，师生交互关系等内容，对于大数据的发展对于平台建设效率的提高及数据安全等方面涉及甚少。在未来基于大数据的网络教育的研究中，应该多吸取国内外研究的先进成果，在实践中不断发展深入。随着云计算、物联网、移动互联网的发展的不断成熟，大数据技术将不断地在网络教育中得到应用和推广。

篇十六：长三角基于大数据的区域教育评价变革论文

P>　　教育大数据论文摘要：当学生与与教学内容进行互动时，他们将会留下“数据碎片”，这些数据碎片能提供有关学生学习过程的线索。我们现在可以通过学习管理系统、社交网络和其他媒体收集和追踪这些数据，并以此考量学生关于课程内容是如何解释、考虑、并得出相关结论的。这些信息亦被称为大数据。它在一定程度上将会颠覆现存的学生与老师之间的互动方式。好处在于，它也许能创造出教学史上的新奇迹，比如真正的实现个性化教学，尤其是在互联网学习产业。坏处在于，大数据时代的兴起带来了许多风险和道德困境。关键词：大数据，教育，互联网学习，预测，隐私，个人信息一、什么是大数据大数据是指大量的信息通过各种途径（通常是网络），每分每秒都在不断流动的数据。它的数据量过于庞大、结构异常复杂、而且时刻都在动态变化，因此任何传统的工具均难以对其进行采集和管理。人类存储信息量的增长速度比世界经济增长速度快4倍，而计算机数据处理能力的增长速度比世界经济增长速度快9倍[1]。因此许多专家试图找到更快、更具扩展性的解决方案来存储和处理这些巨大的数据。那什么是教育领域的大数据？我想它的“大”在于其规模和意义，在于其基于大量数据的分析和预测，在于所有的教育资源。比如：在关于学生的各种统计测量中，学生的个人背景、学习方式、生活方式、思维方式、学习成绩、环境因素等，这些都是教育中的

　　大数据，并以数据的方式保存，并加以分析利用。二、教育中的大数据包括三个方面：数量、速度和种类1.数量：大数据可以是数千名学员参加同一课程所产生各种的数

　　据，可以是数千名教师教授相同课程的教学经验。产生的这些数据无论对错都可以利用，因为大数据允许错误存在[1]。随着时间的推移，它还可以揭示出与单个学生相关的多个数据点。

　　2.速度：基于互联网、移动互联网的快速发展所带来的巨大便利，在教育大数据下学生和组织机构能实现实时快速访问数据。想象一下，一个学生在一场综合性的评估考试中进入到一个不可逆转的错误模式下，由于大数据的快速反应和强大的分析能力，将会迅速为他提供基于他过去的学习模式和从其他成千上万的学生也未能完美回答这个问题时所实施的成功的战略补救方案和丰富的选项。对学生使用过程的快速分析，教师也会迅速地对评价体系做出相应的调整，实现真正的客观公正。

　　3.种类：大数据将不同背景的学生连接起来，编织出更加广泛的数据网络。这样我们就能看到学生的表现与所处环境之间的关系，以及与学生教育具有相关性的所有信息，实现真正的综合性评价。

　　三、大数据时代下有望解决教育问题的几个方法1.反馈：学生、教师、学校、社会等反馈出的一切与教育教学有关的信息数据，都是我们走出下一步的数据支撑。比如对于学生或者研究者而言，经常有人可能会在一个研究课题上失败，但他不知道为什么失败。当他可以用大数据中提供的资料来纠正自己的错

　　误，以便他能再次取得成功。利用自己产生的数据判断自身算法和参数的选择的有效性，并实时调整，持续改进自身表现。

　　2.动机：如果你以一个全面的方式实现大数据，学生可能更加热衷于参与到生产数据的过程，即学生主观上更加积极主动的参与到教学活动中。因为无论他们做法是否正确，其产生的结果都会成为数据的一部分，而不是毫无用处。

　　3.个性化：现今互联网学习方式就是开发人员简单的根据学习者的个人需要开发出一套个性化课程供他们学习。大数据将进一步完善这种学习方式。更加高效、个性化和出色的互联网学习模式将会诞生。

　　4.协作：通常情况下，来自多个部门的专家必须凑在一起，不断完善教育数据，才能让教育管理系统处于正常运作状态。但是在大数据时代，人人都是数据，实现一个真正的无组织的组织，实现真正的全民协作、思维的大碰撞，形成变革未来的力量[2]。

　　但是在赞赏大数据给教育带来的好处时，我们必须要诚实地相信它存在的风险，在某些情况下它带来的危害可能会大于它带来的好处。

　　四、互联网学习模式下的大数据带来的挑战教育是最廉价的国防，足以说明如果一个国家的教育出现安全问题，那带来的影响是多么的大。在坏人或对手手中，大数将会带来更大的伤害。下面是一些涉及教育大数据的风险和发展障碍：1.隐私：斯洛登事件后人们对自身隐私越来越重视。像谷歌这样

　　的网络巨头公司已经将他们的网络服务扩展到电子邮件、文档存储和处理、新闻，网页浏览、定位，照片共享、语音邮件、社交网络、学术搜索和其他任何能引起用户兴趣的服务。他们几乎能获取用户所用的个人信息，他们将这些信息收集、存储和交叉引用。即使在某一个网站暴露一方面的个人信息，基于互联网的大数据就会从不同的数据来源将单方面的个人信息组装成一个全面的个人信息。因此，教育领域的大数据必须保留部分空间，允许按照人的愿望进行塑造。否则大数据将会扭曲教育最本质的东西，即理性思维和自由选择。

　　2.非人性化：大数据是一个充斥着运算法则和机器的冰冷世界，因此在人类发展历程上，人类仍需要扮演重要角色。人类独有的弱点、错觉、错误都是十分有必要的，因为这些特性的另一头就是人类的创造力、直觉和天赋。大脑混乱运作带来的屈辱和固执，偶尔也能带来成功，或在偶然间促成我们的伟大。

　　3.相关性与因果关系：大数据强调数据之间的相关性，而不是因果关系，有时候甚至会忽略因果关系。但是人类历史以来正是追求因果关系才能有今天的成就，如果大数据导致我们只关注相关性，而不注重因果关系，这也许是一个灾难。教育培养的是人才，而不是只懂程序式操作的机器。

　　由于教育中的大数据是不断发展的，因此很难定性的指出它各方面的问题。技术彻底改变了当今的教育方式和工作方式。充分利用大数据在教育领域带来的机遇，这是我们进军教育强国的机会，我

　　们应该牢牢把握。现在我们可以从无数的教育管理系统中获得大量的数据，但是我们应该明白这些数据能给我们带来什么，能告诉我们什么，我们都应该要有一个清醒的认识。展望未来，大数据可能会给一个国家的教育带来机遇与挑战并存的情况，因此，在教育领域我们不能一味的对大数据高歌赞扬，还应该冷静地听听那些窃窃私语。

　　参考文献[1][英]维克托·迈克-舍恩伯格，肯尼思·库克耶著。盛杨燕，周涛译。大数据时代[M]。浙江：浙江人民出版社，2013[2][美]克莱·舍基著。胡泳，沈满琳译。未来是湿的：无组织的组织力量[M]。北京：中国人民大学出版社，2009：44-45

篇十七：长三角基于大数据的区域教育评价变革论文

P>　　本文分析了大数据技术的概念及时代背景阐述了大数据具有规模巨大类型多样产生速度快价值密度低存储要求高管理复杂等特点在教育领域应用大数据技术有利于革新教育理念和教育思维实现个性化教育重新构建教学评价方式加强学校基于数据的管理促进教育信息化深入发展

　　龙源期刊网http://www.qikan.com.cn

　　大数据技术及其在教育领域的应用

　　作者：赵姝淳孙曙辉来源：《中小学信息技术教育》2014年第03期

　　【摘要】互联网时代的数据正在迅速地膨胀，大数据成为信息技术发展的新热点。本文分析了大数据技术的概念及时代背景，阐述了大数据具有规模巨大、类型多样、产生速度快、价值密度低、存储要求高、管理复杂等特点，在教育领域应用大数据技术有利于革新教育理念和教育思维，实现个性化教育，重新构建教学评价方式，加强学校基于数据的管理，促进教育信息化深入发展。

　　【关键词】教育信息化；大数据技术；应用

　　【中图分类号】G434【文献标识码】A

　　【论文编号】1671-7384（2014）03-0064-03

　　随着网络信息技术的加速发展和应用，物联网、移动互联、社交网络等大大拓展了互联网的疆界和应用领域，数据正以前所未有的速度在不断地增长和累积，大数据时代的大幕已经开启。大数据在社会经济、政治、文化、生活等各方面产生深远的影响，将给各行各业的发展模式和决策带来前所未有的革新与挑战。教育行业也不例外，教育管理、思维方式、学习行为、教学评估等，无不受到大数据的影响。

　　大数据的概念及时代背景

　　大数据是一个正在发展中的概念。到目前为止，学术界对于“大数据”一词还没有准确、统一的定义。著名学者涂子沛在《大数据》一书中指出：“大数据（BigData）是指那些大小已经超出了传统意义上的尺度，一般的软件工具难以捕捉、管理和分析的大容量数据，一般以‘以太节’为单位。大数据之大，并不仅仅在于容量之大，更大的意义在于通过对海量数据的交换、整合和分析，发现新的知识，创造新的价值，带来‘大知识’、‘大科技’、‘大利润’和‘大发展’。”最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡。麦肯锡全球研究院报告《大数据：创新、竞争和生产力的下一个前沿》则对“大数据”定义如下：大数据是指大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群。麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”可见，大数据就是指蕴涵着巨大价值的、可有效利用的、多样化的海量数据集。

　　进入2012年以来，世界各国大数据的关注度与日俱增。在2012年1月份的达沃斯世界经济论坛上，大数据是主题之一，并特别针对大数据发布了报告BigData，BigImpact：New

　　龙源期刊网http://www.qikan.com.cn

　　PossibilitiesforInternationalDevelopment，探讨了新的数据产生方式下，如何更好地利用数据来产生良好的社会效益。2012年3月，美国奥巴马政府投资2亿美元，正式启动“大数据发展计划”，这一计划是美国政府继信息高速公路计划之后在信息科学领域的又一重大举措。同时，联合国一个名为GlobalPulse的倡议项目在2012年5月发布报告《大数据发展：挑战与机遇》，阐述大数据时代各国特别是发展中国家在面临数据洪流时的机遇与挑战，并对大数据的应用进行了初步的解读。目前，一些发达国家、著名研究机构以及大集团公司已将大数据作为获取有效信息和知识的重要来源、调整和部署战略决策的重要依据，大数据技术则成为信息挖掘、整理和分析的重要工具。

　　大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间。互联网时代的数据正在迅速膨胀，它决定着组织的未来发展，随着时间的推移，人们将越来越意识到数据对组织的重要性。对于企业组织来讲，大数据的价值体现在两个方面：分析使用和二次开发。对大数据进行分析能揭示隐藏其中的知识信息，对大数据的二次开发则是通过大数据创造出新产品和服务。例如，Facebook通过结合大量用户信息，定制出高度个性化的用户体验，并创造出一种新的广告模式。大数据这股汹涌浪潮正在兴起，将给各行各业的发展模式和决策带来前所未有的革新与挑战，教育领域同样不可避免，面临新的挑战和机遇。

　　大数据的主要特点

　　大数据时代的数据存在着以下几个主要特点。

　　规模巨大。个人和组织面临着数据量的大规模增长，呈现为海量数据。典型个人计算机硬盘的容量为TB量级，一些大企业的数据量已经接近EB量级。而根据麦肯锡全球研究院（MGI）估计，全球企业2010年在硬盘上存储了超过7EB（1EB等于10亿GB）的新数据。2015年全球移动终端产生的数据量将达到6300PB。目前，大数据的规模尚是一个不断变化的指标，单一数据集的规模范围从几十TB到数PB不等。此外，各种意想不到的来源都能产生数据。

　　类型多样。数据来自多种渠道，如网络日志、社交媒体、互联网搜索、手机通话记录及传感器网等，内容包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等。这些实际是多视角的，不仅有正规的数据、媒体新闻数据、时效性的数据，还有带有个人情感的数据。而这些数据又打破了之前限定的结构化数据范畴，包含着结构化、半结构化以及非结构化的数据，并且半结构化和非结构化数据所占份额越来越大。

　　产生速度快。即数据被创建和移动的速度快，时效性要求高，这是大数据区别于传统数据挖掘最显著的特征。在高速网络时代，通过基于实现软件性能优化的高速电脑处理器和服务器，快速创建实时数据流已成为流行趋势。如一天之内谷歌公司处理几十PB的数据，

　　龙源期刊网http://www.qikan.com.cn

　　Facebook新产生约10亿张照片、300TB以上的日志，淘宝网进行数千万笔交易、产生20TB以上的数据，新浪微博的约3亿用户可产生上亿条微博。

　　价值密度低。随着物联网的广泛应用，信息感知无处不在，数据信息海量，但其价值密度较低。价值密度的高低与数据总量的大小成反比，大数据中单条数据可能无价值，无用数据多，但综合价值大。例如，视频数据中，1小时的视频中有用的数据可能仅有一两秒钟，其余的可能是无用的数据，价值密度相对较低。因此，如何通过强大的数据挖掘算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

　　存储要求高。种类多样的数据源，既提供了大量的数据，又带来了科学存储的问题。大数据通常可达到PB级的数据规模，因此，海量数据存储系统也一定要有相应等级的扩展能力。当前互联网中的数据向着异质异构、无结构趋势发展，新数据类型不断涌现，用户需求呈现出多样性。目前的存储架构难以解决数据的异质异构、爆炸性增长带来的存储问题，静态的存储方案满足不了数据的动态演化所带来的挑战。因而在海量分布式存储和查询方面仍然需要进一步研究。

　　管理复杂。大数据的规模和复杂结构是传统IT架构所面临的直接挑战，使得传统的数据管理技术不适合处理海量异构数据。许多公司已经拥有大量的存档数据，却没有能力来处理它。传统的关系数据库无法处理大数据的规模，目前可选择的方法包括大规模并行处理架构、数据仓库，或类似Greenplum的数据库以及ApacheHadoop解决方案等。

　　大数据在教育领域中的主要应用

　　1.革新教育理念和教育思维

　　随着大数据时代的来临，教育大数据深刻改变着教育理念、教育思维方式。新的时代，教育领域充满了大数据，诸如学生、教师的一言一行，学校里的一切事物，都可以转化为数据。当每个在校学生都能用计算机终端学习时，包括上课、读书、写笔记、做作业、发微博、进行实验、讨论问题、参加各种活动等，这些都将成为教育大数据的来源。大数据比起传统的数字具有深刻的含义和价值。例如，对于一张试卷、一次考试，考试得分为90分，它可以是简简单单的一个传统的数字，但如果换一个角度来分析，把它作为一个数据来看待，就可以得到其背后所隐含的许多充满想象力的数据信息：可以是每一大题的得分，每一小题的得分，每一题选择了什么选项，每一题花了多少时间，是否修改过选项，做题的顺序有没有跳跃，什么时候翻卷子，有没有时间进行检查，检查了哪些题目，修改了哪些题目，等等，这些信息远远比一个90分要有价值得多。不单是考试，课堂、课程、师生互动的各个环节都渗透了这些大数据。教育将不再是靠理念和经验来传承的社会科学，大数据时代的教育将步入实证时代，变成一门实实在在的基于数据的实证科学。大数据使得教育者的思维方式发生了深刻变化，传统的教育大多是教育主管部门和教育者通过教学经验的学习、总结和继承来展开的，但是有些经验是不具有科学性的，常识有时会影响人们的判断。大数据时代将可以通过对教育数据的分析，

　　龙源期刊网http://www.qikan.com.cn

　　挖掘出教学、学习、评估等符合学生实际与教学实际的情况，这样就可以有的放矢地制定、执行教育政策，制定出更符合实际的教育教学策略。

　　2.实现个性化教育

　　大数据带来的一个变化在于实施个性化教育具有了可能性，真正实现从群体教育的方式转向个体教育。利用大数据技术，我们可以去关注每一个学生个体的微观表现，比如，他在什么时候翻开书，在听到什么话的时候微笑点头，在一道题上逗留了多久，在不同学科的课堂上提问多少次，开小差的次数分别为多少，会向多少同班同学发起主动交流，等等。这些数据的产生完全是过程性的，包括课堂的过程、作业的过程、师生或生生互动的过程，等等，是对即时性的行为与现象的记录。通过这些数据的整合能够诠释教学过程中学生个体的学习状态、表现和水平。而且这些数据完全是在学生不自知的情况下被观察、收集的，只需要一定的观测技术与设备的辅助，而不影响学生任何的日常学习与生活，因此其采集非常自然、真实，可以获得学生的真实表现。大数据技术将给教师提供最为真实、最为个性化的学生特点信息，教师在教学过程中可以有针对性地进行因材施教。比如，在课堂学习过程中，哪些学生注意基础部分，哪些学生注意实践内容，哪些学生完成某一练习，哪些学生可以阅读推荐书目，等等。不仅如此，当学生在完成教师布置的作业时，也能通过数据分析强化学习。比如，通过电子设备做作业时，某一类型的题目有几次全对，就可以把类似的题目跳过；如果某个类型的题目犯错，系统则可进行多次强化，这样不仅提高了学习效率，也减轻了学生的学习负担。

　　3.重新构建教学评价方式

　　在教学评价中利用大数据分析，可以通过技术层面来评价、分析，进而提升教学活动，从依靠经验评价转向基于数据评价。教学评价的方式不再是经验式的，而是可以通过大量数据的“归纳”，找出教学活动的规律，更好地优化、改进教学过程。比如新一代的在线学习平台，具有行为记录和学习诱导的功能。通过记录学习者鼠标的点击，可以研究学习者的活动轨迹，发现不同的人对不同知识点有何不同反应，用了多长时间，以及哪些知识点需要重复，哪些知识点需要深化等。对于学习活动来说，学习的效果体现在日常行为中，哪些知识没有掌握、哪类问题最易犯错等成为分析每个学生个体行为的直接依据。通过大数据分析，还可以发现学生思想、心态与行为的变化情况，可以分析出每个学生的特点，从而发现优点，规避缺点，矫正不良思想行为。此外，大数据通过技术手段，记录教育教学的过程，实现了从结果评价转向过程性评价。例如，基于网络学习平台或电子课本，能记录下学生完成作业情况、课堂言行、师生互动、同学交往等数据，教师在期末时将这些数据汇集起来，有了更加丰富的素材与数据依据，可以发现学生学习成长过程的特点，能对学生的发展提出建议。同时，这些数据也可以促使教师进行教学反思，自己在哪些方面需要改进，从而促进和优化教学实施过程。

　　4.加强学校基于数据的管理

　　龙源期刊网http://www.qikan.com.cn

　　大数据对于学校管理具有重要的价值，有利于实现学校管理的精确化、科学化。学校管理离不开信息，学校是培养各类专门人才、传授知识和创造知识的场所，拥有众多的专业学科，与国内外联系广泛，每天进行着各种教学、科研及其管理活动，蕴藏着十分丰富的信息资源。学校管理中的各种决策和控制活动，如培养目标的确定、教学计划的制定、教学组织指挥、教学质量控制、教学评估、教师管理、学生管理等，都是以大量的数据为基础的，并不断产生各种新的数据，大数据的处理和挖掘对于学校管理具有关键作用。利用大数据技术，着眼于管理决策、管理活动、管理过程控制，全面归集学校管理大数据。比如，针对教务管理、行政管理、科研管理、人事管理、财务管理、后勤管理等各类领域，进行全校系统的规划、梳理，具体细化数据收集标准规范，及时归集，形成全校管理大数据。同时，针对重要管理对象的数据，由多个源头、从不同方向对同一个对象进行数据记录，数据之间可以互相印证，形成多源的管理对象大数据。此外，利用大数据分析技术，为学校网络信息安全管理也提供了重要的手段。比如，利用大数据帮助分析学校信息网络运行日志数据，据此学校信息安全管理人员能够审计网络环境，并观察到故障点的位置，然后生成报告，帮助他们升级或安装防病毒解决方案，进行程序修补，或采取其他安全措施，提升学校的信息安全防护能力。

　　注：本文为全国教育信息技术研究“十二五”规划重点课题《面向服务的数字化校园理念、策略及平台构建研究》研究成果（项目编号：136121252）。

　　（作者单位：江苏南京陆军指挥学院实验中心安徽讯飞皆成信息科技有限公司）

　　参考文献

　　涂子沛.大数据[M].广西：广西师范大学出版社，2012.7.

　　严霄凤，张德馨.大数据研究[J].计算机技术与发展，2013（4）.

　　安晖等.大数据：下一个创新、竞争和生产力的前沿[J].赛迪译丛，2012（25）.

　　[英]维克托·迈尔-舍恩伯格，肯尼思·库克耶著，盛杨燕，周涛译.大数据时代[M].杭州：浙江人民出版社，2013.1.

推荐访问:长三角基于大数据的区域教育评价变革论文 变革 区域 评价