数据驱动教育改进论文（19篇）

数据驱动教育改进论文（19篇）数据驱动教育改进论文　　数据驱动背景下小学语文教育教学改进策略　　Summary：大数据技术的发展，想要做好语文教学，数据驱动背景之下的语文教学时间探索就不下面是小编为大家整理的数据驱动教育改进论文（19篇）,供大家参考。

篇一：数据驱动教育改进论文

　　数据驱动背景下小学语文教育教学改进策略

　　Summary：大数据技术的发展，想要做好语文教学，数据驱动背景之下的语文教学时间探索就不断发展起来。本文探究的就是在传统语文教学方法的不足之上，确切强调起大数据背景之下的精确教学才是我国未来教学的一大发展新方向，并且积极探索适配的数据驱动背景下的语文教学策略，进而提升小学语文教学质量。

　　Keys：数据驱动；小学语文；教学策略随着科技的发展，人类也经由信息时代转为大数据时代。整个大数据时代里，怎样让网络创新成果和教学实践有机结合，慢慢的互联网+教学成为了研究热点。小学语文教学怎样展开理性分析和主动应对好互联网+教育变革呢？又如何充分利用网络技术，坚持以数据分析为依托，完成分层教学，提升教学质量呢？这些都是值得思考的问题，也是下文探究的内容。笔者结合多年的教学经

　　验，针对数据驱动背景下小学语文教育教学改进策略进行深入地分析和总结，现综述如下。

　　一、数据驱动背景下小学语文教学设计的内涵数据驱动背景下的教学设计，实际是仁者见仁智者见智。大体而言，数据驱动背景下的教学设计要求遵照新课改要求，运用大数据优势资源和技术，让教学计划能够科学安排好，同时注重步骤。循序渐进之下，可以让学生掌握住学到的知识，同时完成既定的教学目标。整个小学语文教学里，怎样培养好学生的理性思维极为重要，代入数据驱动，可以让学生具备良好思维处理好课堂难题。小学语文充满想象力和创造力，大数据等技术应用下的多媒体介入之后，能够让课堂变得较为直观且形象。总结小学生自身的特性，可以让数据驱动下的技术应用发挥实效。在整个大数据技术等制成的课件应用中。仍需要思考小学语文教学的目的，使得小学生可以提升自己的文化素养和语文学习能力。与此同时，需要关注应用大数据等多媒体技术，扬长避短，合理优化教学成效。二、当前数据驱动背景下小学语文教育教学存在的问题大数据技术的应用更多的是对数据的整合和利用，这点应用到语文教学帮助极大。但是在具体技术应用和语文教学上仍旧存在许多问题，主要问题一方面在技术应用上，一方面在教学老师本身的认知和业务能力上。（一）教学老师自身对数据驱动下的教学设计认知不足整个教学过程里，教学老师发挥的是引领效用。他们负责的是整体规划，拟定适配的教学设计。教学老师其在教学中发挥的也是统领课堂效用。但是，

　　小学语文教学老师在思维上仍旧是原本的形式，并没有完完全全的适应数据驱动下的教学。乃至于无法较好的完成教育教学，也无法在整个教学全过程里切实做到融会贯通。

　　（二）教学老师对于数据驱动下的教学设计业务能力不充分整个小学语文教学中，大数据技术等需要深深融入其中。许多的新媒体策略也需要应用在其中。只不过小学语文教学老师更多的仍是喜欢应用粉笔和黑板扎展开语文教学。教学老师自身具备的业务技能不够完备，也无法应用到位现代技术，让学生充分感受到大数据的魅力所在。除此之外，仍有部分小学语文教学老师是掌握住了现代化实操策略，不过因为自身业务不够熟练，使得课件展示不够迅速，使得课堂在节奏上有所拖延，乃至于会有小学生秉持着观望态度，使得教学本身的计划无法达成，进而无法全方位展现课堂教学内容。（三）信息驱动下的教学设计在资源上十分有限在新课改要求中，强调了信息化设计改革，只不过现阶段我国软件设施应用仍处于初始阶段，电子和软件并未能完全齐备。当前教学设计更多的仍是在研究和提高之上，并没有适配的参考依据，所以教学成效也不显著。除此之外，学校在硬件设施这块，因为使用年限过长，维护起来较为吃力，有时甚至是破损比较严重，种种这些都让大数据技术应用无法有效落实应用。三、数据驱动背景下小学语文教育教学改进策略建议（一）数据驱动创新，充分激发学生兴趣一般的小学语文教学里，教学老师更多的是以传统教学形式，如口头讲解等为主，这样的方式太过原始。教学老师可以在课堂之上融入大数据技术，利

　　用网络渗透和课文有关的内容佐助教学。如此就能够让教学质量提升，同时也可以以此种新形式激发学生的学习主动性。

　　比如教学《孔子拜师》内容的时候，教学老师可以运用大数据技术查找有关孔子的资料，包括图片和文献等，转而在多媒体上呈现给学生。与此同时教学老师也需要引导学生对孔子的生活回顾，总结当时阶段除了孔子之外，世界上还有哪些思想家出现。可能学生会提到亚里士多德和柏拉图、释迦摩尼等等。这些都可以利用数据技术查找和整合到。运用此类介绍，可以让学生加深对与孔子所处时代的了解，让其获知更为全面。编制教学多媒体的时候，教学老师需要将孔子的思想罗列出来，也可以适当延展，利用数据技术和当时时代其他的思想家们作对比，比如老子。如此就可以让学生加深记忆。足以见得，在小学语文教学中利用数据技术，能够让枯燥无味的语文知识增添许多趣味性，进而整体提升小学生语文课堂的学习成效。

　　过去是条件限制了教学，现在数据驱动之下，教学老师能够运用的教育教学手段不断增多，学生们对于课堂学习的兴趣问题也会显著提升，大数据等先进技术让小学语文课堂变得越发精彩万分。

　　（二）信息技术融合，促进改进教学教法大数据技术应用之下，信息技术自身能够提升学生学习兴趣，这点毋庸置

　　疑。同时它也能够助力教学老师改进教学教法。因为数据技术本身呈现在课堂可以呈现的信息量很大，所以既能够替代板书，也可以替代讲授，如此省去许多时间。在课堂教学中，教学老师能够以师生互动等形式，引导学生思考，让其恢复课堂主导地位，进而成为课堂主体。

　　比如教学《和时间赛跑》内容的时候，教学老师可以以大数据和多媒体等技术，运用多种新式教学策略，促进教学教法的多样性。在本课，教学老师可以利用动态演示法、合作学习法以及探索式学习等方式让学生对于课文的全脉络有个清晰的认识。与此同时，也可以启迪学生，让其对于学习策略有新的认识。运用多媒体和大数据等技术，能够让许多理论知识转为直观、形象化的教学内容反馈到学生的脑海中，让学生从中掌握更多有价值的信息，学生自身的想象力、思维等都有所增进。

篇二：数据驱动教育改进论文

　　数据驱动教学改进总结

　　数据驱动教学改进总结

　　荥阳市城关乡初级中学

　　多年以来，从教研室下发的历次学生学业水平测试成绩、中招成绩、以及其他各方面考评成绩来看，我校学生学业水平及综合素质都好于其他兄弟学校。一份北京师范大学的反馈报告，使我们认识到我校教学工作方面存在的不足，结合报告中反馈的数据，我们从以下几个方面对教育教学进行了改进。

　　一、有效激发学生学习动机

　　报告中数据信息显示，我校大部分学生不是为了学习知识而学习，而是为了不被批评而学习。

　　当学生为了掌握知识而学习时，学生参与学习行为的动机在于提升自身的竞争力，学习始于学生内在的兴趣，学生的注意力是投入到学习任务当中去的。

　　当学生为了避免批评而学习时，学生参与学习行为的动机在于避免显示自己的无能。学生的注意力也是放在自我表现上。

　　为了激发学生良好的学习动机，为了能更好地更有效地激发学生的学习动机，教师课堂上加强学习目的的教育，启发激发学生的学习热情；向学生阐述知识的意义和价值，激发学生的求知欲；创设问题情境，激发学生探讨的兴趣；客观公正地进行教学评价，强化学习动机。

　　当他们意识到自己所学的东西是很有意义的，或者他们在学习的过程中得到教师的支持和尊重时，自然会以很高的热情投入学习。

　　二、增设心理健康课，加强对学生心理疏导

　　以九年级2015-2016末考情况为例分析：

　　从总分情况看，我校九年级考试人数187人，九年级前500名进入8人，上线率4.27%，前1000名24人，上线率为12.83%，前1500名36人，上线率为19.25%，前2000名55人，上线率为29.41%，前2500名72人，上线率为38.50%，前3000名92人，上线率为49.19%，前4000名140人，上线率为74.86%，前5000名179人，上线率为95.72%，整体情况仍有8名学生被抛在前5000名，培优补差仍是我们的教学重点，特别是前1000名学生是我们培优的中心工作，在作业的分层布置上及辅导方面要下大功夫，重点抓好前20名学生和前20—40名的荥高跨线生。抓两头，促中间，工作的好坏直接关系到2016年中招成绩的好坏。

　　2、从学科情况看，语文前500名上线率6.4%，前1000名上线率15.5%，数学：前500名上线率为3.7%，前1000名上线率为10.7%,英语学科前500名上线率1.6%，前1000名上线率8.02%，英语学科重点工作仍是培优补差，在抓优等生提高及格率方面需下大功夫，个别辅导，大面积提高质量是该学科的中心工作，如何改变其薄弱，需好好反思。

　　历史学科仍然属我校的优势学科,前500名上线率和前1000名上线率政治、化学略低，需认真分析原因，从整体情况看，薄弱学科是英语，数学,物理,优势学科是历史、语文。在辅导上仍需要加强数学、英语、物理的相关学科的辅导和补差力度，力争缩小差距大面积提高质量。

　　3、从各学科平均分看，总分357.35分，语文74..52分，数学57.21分，英语44.15分，政治56.28分，历史44.95分，物理40.07分，化学40.18分，只有历史,语文学科略高于全市平均分,其余学科都低于全市平均分,英语差距最大，其次是数学、物理。

　　4、全市前211名我校进入1人，前360名我校进入3人，前450名我校进入6人（荥高统招生人数），前500名我校进入8人.

　　5、从四个班的平均分情况看，人均最高的是九二，人均366.29分，其次是九四，人均363.59分，第三是九三，人均354.11，第四是九一，人均345.93分，和九二相比人均相差20.36分，九三和九一低于全市总分平均分,所以九一和九三要认真进行总结和分析。

　　问题分析

　　1、我校部分教师课程改革意识不强，教学理念陈旧,基于标准的教学与实践落实不到位，一节课没有明确的目标,没有真正落实学生的主体地位,课堂替代现象还比较严重,课堂教学的有效性不高，课下备课不充分，上课随意性不强，特别是复习课和讲评课，把备课写教案看成是累赘，课程纲要编写不结合校情，教学目标不清，缺乏对教学策略的研究，学法指导不够，不能最大限度的调动学生学习的积极性。

　　2、检查落实不到位，说得多，检查的少，措施不到位，有点犯经验主义的错误，平时抓的不够，训练不到位，影响了成绩的提高。

　　3、自主参与校本教研的意识不强

　　我校部分教师在日常工作中缺乏问题意识和反思意识,教研内容开展的比较肤浅,深入研讨的比较少,基于课堂教学问题实践跟进式的研究欠缺,校本教研氛围不足,研究质量在低层次徘徊,缺乏发现问

　　题-----分析问题-----解决问题的教研机制和途径,教研活动缺乏有效的专业引领,

　　4、作业的设计和批改不到位

　　相当一部分教师对作业建设重视不够，对作业的设计和布置做不到分层次，批改不及时，达不到精选，对作业的设计和统计分析上远远做不到，个别教师还在搞题海战术，轻视和忽视了作业“激发学生学习兴趣”的功能，作业练习的目标意识缺乏，缺少针对性，机械的、低水平的重复类作业比例高，批改方式欠佳，（仍停留在传统方法上）消耗了精力，削弱了学生的学习兴趣。

　　今后措施1、组织教师认真研读课标，研究学生，认真研究中招模拟试卷

　　和<<说明检测>>，把握应考方向,狠抓过程督查.

　　2、认真抓好教研工作，“以课促研”，抓好集体备课研课工作的落实和督导工作，坚持推门听课评课；

　　3、指导教师带领学生回归教材，夯实四基，精选习题，做好作业建设,重视作业对学生学习的评价,不搞题海战术；

　　4、面向全体，做好培优补差（抓两头，促中间），认真做好每次的考后评卷和质量分析工作，搞好学情调查，重点关注后四分之一

　　的学生进步工作，重点关注学困生，帮助其树立学习信心，对学困生一要想法使其逐渐有学习兴趣，采取低起点、低要求，作业分层指导，使其获得成功经验，逐渐树立学习信心。二要交给学习方法，逐渐养成良好的学习习惯，使其想学、会学、能学，力求使作业分层布置和分层辅导；

篇三：数据驱动教育改进论文

　　信息时代,数据驱动教学的创新学习

　　信息时代，数据驱动教学的创新学习教育或教育类产品若想提升效果，是靠延长教与学的时间（线上或线下）来实现吗？这并不是教育最应呈现的形态。因为在教育中，互联网有着最不可替代的能力――数据分析能力。本文用现实案例为囿于此问题的教师们提供可值得借鉴的经验。近年来，在教育行业，我们不断听到几乎要成为K-12教育产品标配的“自适应”“O2O”“机器学习”等概念。但是没有改变的一个事实是：教育或教育类产品若想提升效果，多数仍靠延长线上或线下的学习时间来实现。我们都明白，随着时间的延长,效果递减，这不是教育最应呈现的形态。因为在教育中，互联网有着最不可替代的能力――数据分析能力。我们尝试用“机器”做服务教学的“最强大脑”，支持教与学过程变得清晰、及时，把复杂繁冗的题海，简化为精准有效的学习。什么是数据驱动的教学？数据驱动的教学就是利用互联网的数据分析能力来驱动传统教学。1.BYOD，第一入口BYOD，即每一位学生都能够使用自带设备进入互联网教育时代的个性化学习。BYOD，连起了课堂内外，形成了开放、互动、共享、有效的大课堂观，使常态化学习成为可能。它体现了4个特征：内容碎片化、渠道移动化、体验游戏化、关系社区化。让学习真正的发生，其核心是要创设一种平等的供需关系，更加关注每位学生如何拥有学习知识的方法，更加关注通过什么途径支持学生建构起个人知识体系。从管理者和教师的角度看入口，面向学生建立数字化校园系统是常用的途径。从学生的角度看，学生手中的信息终端设备是他们进入互联网教育的入口。如果学生没有自己个性化使用的终端，学生就不能够充分利用互联网教育创造的学习环境随时随地学习，不能帮助学生发现和创造专属于自己的学习方式，以适应未来的社会生活。2.流程再造，变革教与学教学的时间、空间打通后，数据和交流贯通，借鉴

　　混合教学、翻转教学的实践经验，我们对传统的专注于课堂45分钟的教学流程进行再造，变革教与学方式。如上图，在教的流程中，增加学情调查环节，通过课前的学情检测数据，教师可以更加明确课堂内的教学目标，从而有针对性地整合资源设计教与学活动；学的流程中，学生学会解读自己的数据，做到强化巩固、利用数据开展互评互学，拓展探究。如上图，教与学的流程发生改变后，课堂也发生相应的变化。教学环节的变化。增加了课前数据的反馈，更多地专注探究新知，关注重难点；增加随堂数据检测，根据数据组织学习活动、分组，评价标准前置、实时评价。时间分配的变化。增加了交流、练习的时间。三级数据驱动，创造不一样的学习支撑教学的基础平台各有优势：Pad有移动、拍、摄、录、播、练一体，

　　操作体验佳的特点；PC有高效编辑、适合固定场所学习的特点；Phone有轻便、适合分享、传播的特点。这些特点都适应不同的对象、时间和地点的教与学。教学过程中，数据分为结果性数据和过程性数据，而我们往往关注的是结果性数据，例如，这次测验考得如何？有多少人不及格？放在平台上的视频学生看了没看？并把结果性数据作为主导参考标准，导致大量的过程性数据被忽视。例如：测验中，学生在哪道题上停留时间最多，过程中修改了几次答案？学生对哪些内容主题感兴趣？什么教学内容是学生多次观看的？学生一般在什么时段看？在看的过程中参与互动的情况是怎样的等，这些过程性数据对于教学依然十分重要。在教学中，如若我们只关注结果性的数据，而不关注对过程性数据的分析和利用，就不会对教学目标有一个准确的把握，也不会对教学研究和改进提出任何的指导性意见。如果在教学活动中能把这些过程性的数据考虑进去，并进行采集、破译和呈现。如上图，会让教学的效果得到巨大的提升。利用数据有哪三级驱动呢？1.一级驱动，用常态化数据驱动日常教学阅读、解析各种常态化数据，例如，创课数据、检测数据、交互数据、学生自发学习行为数据等，已经成为嘉定区实验小学教师和学生在每天的学习过程中不可或缺的一个环节。教师和学生学会利用数据来掌握学情，利

　　用数据驱动课前、课中和课后的预习、讲授、复习等环节，提高效率。我们主要利用两种工具采集作为一级驱动

　　的常态化数据。第一种工具指向的是线上教学内容的载体任何教学过程都需要内容的载体，线下教学的内容载体是纸质的书本、试卷，是黑板。数字化教学的内容载体是数字化的内容，例如电子文档（Word/PDF/PPT）、数字化的图片和文字、音频（MP3）、视频（微视频）以及网络上丰富的共享资源（百度百科、维基百科）。教学场景是多样的，不同学科有不同的特点(语数外物化音体美)、不同老师有不同的侧重（系列课程的、进行某个知识点传授的、引导和启发学生思考与研究的）、不同的作业有不同的要求（日常的、主题的、探究的、拓展的）、不同阶段要培养学生不同的能力（知识采集、知识归纳、理解与表达），单一的数字化载体如何满足复杂的教学需求？我们不能锁定教师和学生必须按照一个套路完成教学，那么既要能够满足复杂的教学需求，又要满足各类数字化内容聚合的需求，简单实用，翼学院创课工具诞生了（见下图）。不同学科的教师围绕“创课”这种载体在各种不同场景下，组织形态多样的日常教学内容，有用于课堂展示的，也有用于学生课前课后学习的。学生也可在教师引导下制作或自发创作内容，因为创课工具操作简单实用的特点，所以一年级的孩子也都能够很快地掌握。从2021年7月至今，嘉定区实验小学数字化学习班级从2021年2个发展到2021年的25个，

　　学生从93名到1060名，教师从6人到55人，并带领上海、江苏、陕西、黑龙江、浙江、四川、北京等地58所学校开展数字化学习。共建创课累计超过22万，互动讨论超过130万，学习视频超过3万，学习音频超过80万，图片超过30万；师生创作比例：2：98。校长的工作也从布置、检查、反馈变为用数据驱动变革、评估。教师掌握学情的？教师发布创课挑战给学生后，可以实时查看学生学习创课的数据反馈。数据反馈既包括结果数据（看没看），还包括过程性数据（看的过程中发生的行为，各种标签点击了几次，看了多长时间等）；数据还分成整体数据和个体数据两个角度，帮助教师了解

篇四：数据驱动教育改进论文

　　龙源期刊网http://www.qikan.com.cn

　　数据驱动的精准教学研究

　　作者：沈志斌王玉家来源：《中国教育信息化·高教职教》2019年第12期

　　摘;;要：文章通过学情数据的常态化有痕采集，依据一定算法对学生画像;通过大数据技术来驱动教师实施精准教学、驱动学生实现个性化学习、驱动学校实现精准管理;同时化解了班级授课制与因材施教之间的矛盾，有效提升了学科的教学质量。

　　关键词：常态化;有痕;大数据;精准教学中图分类号：G434文献标志码：B文章编号：1673-8454（2019）23-0074-03一、问题的提出2000多年前，孔子提出了因材施教。他认识到“知”人的重要，因此十分重视“知”学生，认真分析学生个性，充分了解学生之材，近乎完美地实现了因材施教。因材施教成为现代教育的基本原则，这也是历史上精准教学的雏形。我国最早在1862年实行班级授课制。班级授课制是为了适应社会化大生产的需要，为培养各种各样的产业工人而产生的，它强调的是统一、齐步走。相比于孔子年代的私塾制教学，班级授课制环境下教师很难照顾到学生的个别差异。有学者这样评价当前的学校教学，一个年级就像工厂的一条流水线，不同的学生，被传授同样的教学内容，经历着同样的进度和难度，面对着同样的检测，期望得到同样的结果，受教学者的个性差异被严重忽视。2016年《人民教育》杂志刊登了文章《论因材施教》，该文通过大量分析论证后指出，在当今班级授课制条件下，要实现因材施教，简直是天方夜谭。为了实现班级授课制环境下的因材施教，使教学更加精准有效。一种改良的路径是尝试小班化教学、分层教学、自主选科、跑班上课等形式;另一种改良的路径则是从技术与教学深度融合出发，运用数据驱动的教学范式。舍恩伯格与库克耶合著的《大数据时代：生活、工作与思维的大变革》被认为是大数据研究的开创之作。数据驱动教学有望超越计算机辅助教学，逐

　　龙源期刊网http://www.qikan.com.cn

　　步成为大数据时代的主流教学范式。随着大数据技术在教育领域应用探索的快速推进，数据驱动教学范式呈现出四特征：科学化、精准化、智能化和个性化。大数据技术为班级授课制环境下的因材施教奠定了基础，使数据驱动的精准教学成为可能。

　　二、问题变课题

　　为了较好地实现班级授课制环境下的因材施教，走向数据驱动的精准教学，实现教学质量的有效提升。笔者申报了江苏省“十二五”立项课题“高中生学业成就诊断与评价改革的行动研究”（2011-2015年）。明确了课题研究的路径：学情诊断、读懂学生、因材施教、精准教学、提升质量。考虑到考试（终结性学情诊断）环节已有网上阅卷系统，其数据采集和分析功能相对比较成熟，但由于相邻两次测试的时间间隔较长、没有批改痕迹、数据频度小，不利于对教学的及时干预。唯有常态化的学情数据采集，才能确保教师及时对教学中存在的问题及时干预。因此，笔者从教学五环节中的作业环节（过程性学情诊断）切入，采集每次作业的数据，通过数据分析和数据跟踪，开展数据驱动的精准教学。

　　然而，单靠一所学校的技术力量，要实现上述目标是很难的事。在课题研究过程初期，数据分析的软件已经相对成熟。2011年，我校邀请北京教育考试院张警鹏研究员做课题辅导，张研究员团队推荐了一个很成熟的数据分析软件，将考试的数据导入后能够提供丰富多彩的可视化分析报表，但没有解决数据的采集问题。后来，笔者与校友合作，通过校企联合，学校提出需求和实验环境，企业负责技术攻关，共同开发出“极课大数据精准教学”（以下简称极课）系统，实现了学业数据的常态化有痕采集，并完成了一轮精准教学的实验，成功实现了教学质量的有效提升，目前项目成果已辐射到全国三千多所基础教学学校。

　　三、数据驱动的精准教学实践成果

　　1.实现学情数据常態化有痕采集

　　没有学情大数据就没有精准教学，智慧教学没有大数据就智慧不起来。实现常态化学业数据有痕采集是开展数据驱动的精准教学的前提。传统学情数据采集采用人工“画正”统计方式，耗时低效，一般教师不能坚持;网上阅卷系统可以快速采集数据，但缺少批改痕迹，对教学带来不便。为了使学情数据有痕采集走入常态化，我们设计了“先纸质批改后扫描录入”的方案，这样既遵循传统又提高效率。具体的做法是，教师登录“极课教师端”、编制一份作业或测试卷、赋分值、选择题赋答案、赋题目的知识点、生成PDF文件、打印文稿、油印讲义、学生作答、教师批改、扫描采集数据、计算并上传云端保存。实践表明，一个班的作业或试卷，一分钟左右就可以完成数据采集上传，完成传统约四十分钟的人工统计工作，极大地提高了数据采集的效率，为常态化有痕学情数据采集奠定了基础。

　　2.实现数据驱动的精准教学

　　龙源期刊网http://www.qikan.com.cn

　　教师端可以看到多维度的数据分析报表：学情报告、成绩单、作业逐题分析、详细分析报表（班级学情、试题详情、年级对比等）、学生跟踪等。

　　（1）实现数据驱动的精准纠错

　　课堂教学的常态是教师必须对上一堂课作业中暴露出的问题进行补救性教学，通俗地讲就是作业讲评。目前有三种讲评形态存在：第一种是没有重点，按题号顺序讲评;第二种是教师凭作业批改时的印象选择性评讲;第三种是基于采集数据精准评讲。作业讲评是课堂教学常态化的事件，通过数据驱动的精准评讲，极大地提升了讲评的精准程度，减少讲评时间，保障新课教学时间，从而整体提升课堂教学的效率。

　　（2）实现数据驱动的滚动教学

　　每个学科都有经典的知识难点。通常教师会形成思维定势，即我们这样的生源，这个难点知识只能有这样的得分率。突破难点，需要教师有智慧地组织教学。在一轮精准教学实验中，我们就物理学科某个难点知识（系统匀加速运动中的变力问题）构成的综合问题，开展数据驱动的滚动教学实验，先后组织三次变式教学，时间跨度半年有余。实验数据如图1所示，实现了量变到质变的教学效果。实验表明，对于知识难点，教师不能指望一次性教学就能达到理想的效果，依据艾宾浩斯遗忘曲线，教师必须有课程意识，适时进行滚动教学、变式练习，一般三轮教学就可以达到较好效果。基于上述实验结论，我们将其应用到日常教学中，周末学习任务就选择一周内的高频错题进行变式作业。

篇五：数据驱动教育改进论文

　　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。

篇六：数据驱动教育改进论文

　　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。

篇七：数据驱动教育改进论文

　　教育大数据驱动下的初中历史智慧课堂

　　构建

　　摘要：现阶段的学生教育就传统的课堂设计而言，已经发生了巨大的变革，技术的应用使得原本枯燥的历史课堂变得更加生动，气氛更为活跃。信息技术融入课堂可以创新教师的教学方式，将历史人物以动态的形式展现在学生眼前，激发学生的课堂积极性。尤其是历史这门学科，内涵丰富的传统历史知识，以及我国的发展历史，学习历史可以加强学生对国家的敬慕和爱护之情，将技术应用到历史课堂可以让学生不再死记硬背，在多个故事情节中掌握基本的历史事实，提高学生对知识的掌握。

　　关键词：教育大数据；初中历史；智慧课堂

　　引言

　　随着“互联网+”时代的到来，即使是具有“传统固化性”的教育领域，每天都在产生海量的教育数据，这种互联网+教育的革命性变革，可称之为“教育大数据”时代。将大数据技术和云计算运用到教育领域中，可助推教育变革。在此背景下，教育被重新定义，课堂出现革命性的重构，数据驱动的教育生态圈正在形成。

　　1教育大数据驱动下智慧课堂建设的重新认知

　　教育大数据是以互联网环境为依托，以海量数据资源为基础，以云计算为信息处理方式，为学习者提供适合的数据信息，满足学生对学习资源数据信息多元化需要的面向教育全过程时空的多种样式的数据集合[1]。教育大数据不仅包括网络教学资源在课堂的即时引进与应用，还包括教学和学习过程中搭建的包括电子学习资源、学程分析在内的海量数字数据平台，实质上是一种由网络资源、教师、学生、计算机共同构成的四位一体的互联共享学习生态圈。以初中历史课堂为例，传统模式下的初中历史课堂主要以教师的说教为传授方式。历史教材是学

　　生获取历史知识的主要载体，历史教师个人的知识储备和学识修养决定着学生在历史课堂上学习效率的高低，教师的个人魅力和授课技巧决定了学生的学习成绩，这种传统课堂模式受教师能力、教材容量限制，不容易拓展。而现代教育技术在历史课堂中的应用和网络海量资源的引用将会从根本上改变传统历史课堂模式。

　　2初中历史智慧课堂的教学应用意义

　　2.1对原有的教学理念进行优化

　　每个历史事件中都会涉及很多的历史人物和事件，课程中包含的内容非常多，学生非常容易出现混淆的问题，导致了很多学生都难以进行历史知识点的有效记忆与掌握，从而影响到初中历史的教学效果。智慧课堂教学理念的应用，将历史教学和信息技术很好地融合在一起，促使教师能够对现有的教学观念进行改进，还可根据不同学生的学习基础和学习能力，设置出不同层次的教学课程内容，使每一位学生都能够对历史课程知识点有效地进行掌握，并能够促使学生对于历史这一学科的学习积极性得到增强，从而满足素质教育理念下对于初中历史课程的实际教学需求。

　　2.2利用技术教学，获得更多史实资料

　　历史课本中包含学生所需要掌握的基本知识，很多史实资料单凭教材的讲解是不够的，初中生需要对基本的史料进行了解，但学生处于身心发展的特殊期，并不能让学生花费大量的时间在网上。因此，就需要教师通过多种方法搜集资料，为学生推荐阅读的书目，以及相关的纪录片来观看。在历史课堂中，教师需要将搜集好的视频资料进行整理和分类，再讲解具体的内容为学生展示，让学生了解课本之外的重要史实。信息技术的使用可以让历史课堂更加活跃，跟随新教育改革的步伐进行教学方式变革，只有学生对基本资料掌握清楚才能便捷的理解知识。

　　2.3教育大数据助推教师因材施教

　　教育大数据驱动下的历史课堂上，人的智力和数据分析将会深度融合。利用大数据的精准获取对接课堂学生的学习信息，并进行智能化分析，精准导航教师的教与学生的学。通过课前预习、课中参与、课后巩固等学程数据生成与分析勾

　　勒详尽、真实的学生个人课程学习数据画像，能让教师更清晰地了解学生的学习状态，进行对接课堂与中心课堂的学情匹配，适配中心课堂，为学生制订个性化辅导方案，推送有针对性的学习资源，使学习更具针对性，实现因材施教。

　　2.4对传统教学模式进行转变优化

　　较之于传统的课堂教学模式，智慧课堂的本质是一种基于信息技术的教学模式，其能够在海量动态学习数据依据下，充分发挥出学生的课堂主体作用，构建以学生为主体的初中历史课堂教学模式。因此智慧课堂的应用，能够使传统初中历史教学模式发生转变与优化，借此满足初中学生多样化的学习需求。智慧课堂对于初中历史教学模式的转变，主要体现在两个方面：第一，进行教学情境的构建。在初中历史课堂教学过程中，教师还可在基于信息技术基础上，通过影视、音频、图画等多种形式的教学资源来进行教学情境的合理创设，这样才能够为学生带来多种感官刺激，让学生能够通过不同的方式进行初中历史课程的了解与掌握。通过教学情境的创建，也能够引导学生对历史中的事件与人物有更加深刻的感受，帮助学生进行历史知识点的熟练掌握。第二，构建“线上+线下”的教学形式。在初中历史课堂中应用智慧课堂，能够对现有的教学模式达到良好的转变与改善效果。在智慧课堂理念下，教师们能够通过信息资源开发以及教学资源库设计等多种方式，来进行多样化教学资源的获取工作，从而满足线上的实际教学需求。在完成课堂教学工作之后，教师们还可直接将教学资源分享给学生，满足学生课前预习以及课后复习工作的具体需求。因此说智慧课堂的应用，能够帮助初中历史教师形成一种“线上+线下”的教学模式，使历史课程教学不再受到时间与空间的限制，从而获得良好的课程教学效果。

　　3教育大数据驱动下的初中历史智慧课堂构建

　　3.1丰富信息技术资源，提高教学质量

　　在历史课堂中开展信息技术教学首先需要满足技术设备的购置，从实际情况来看，很多学校内都配置了相应的计算机和投影仪，但是不同的学校资源配置的条件不同，如果教学条件不佳，那么即使开展多媒体教学也会达不到初始的教学要求。由此可以看出学校应该重视资源的配置，购买高质量的器械，满足教学的

　　需求，但是并不是购买了资源就可达到效果，教师应该重视信息技术应用的重要性，而且很多教师针对历史这种文史类的科目，觉得没必要采取多媒体课件，导致很多学校虽然有高质量的设备，但是却造成资源的浪费。

　　3.2课后作业与微课辅导

　　在完成了初中历史课程教学工作之后，教师们还要基于信息技术基础上进行探究性课后作业的设计工作，从而激发学生的学习思维。学生在完成作业的过程中不仅只是进行课程知识的巩固，也是进行知识的扩展与延伸的过程。因此教师在进行课后作业的布置过程中，要求课后问题能够具有一定的探究性。学生在问题引导下，在结合了教材内容以及网络基础上所采用的素材，再基于个人理解基础上进行深入的探究与分析。学生在进行课后习题的学习过程中，还可借助于互联网技术来进行大量史料的阅读，这样也能够让学生的个人智慧充分发挥出来，帮助学生进行各种课程内容的有效学习。

　　结语

　　初中阶段的学习会为学生以后的学习打好基础，由于历史学科的特殊性，教师需要利用信息技术资源丰富课堂中的知识，将人物形象表现得更加有特点，提高学生对历史故事的了解。教学实践证明，透过信息技术的运用，初中历史课堂更具活力，学生对于历史课程的学习也更加投入，大大促进了学生历史学科核心素养的形成。

　　参考文献

　　［1］肖君．教育大数据［M］．上海：上海科学技术出版社，2020．

　　［2］王发成，张强．智慧课堂教育模式分析［J］．教育实践与研究，2018（6）．

　　注：此文为广西梧州市“十四五”规划2022年度专项课题《基于大数据的精准备课研究--以藤县第三中学为例》项目编号：2022ZJZ045的研究成果

篇八：数据驱动教育改进论文

　　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。

篇九：数据驱动教育改进论文

　　基于育人目标和核心素养采集全样本全过程数据运用多种分析方法从认知行为情感三个维度分析学习结果学习过程和成长发展相关因素全面识别学生的学习现状与发展趋势判断学生的优势与不足从而为后续发挥优势和改善不足提出合理建议

　　龙源期刊网http://www.qikan.com.cn

　　教育大数据驱动学业诊断的思考与探索

　　作者：孙佳李维王菲菲魏旭盛叶娟来源：《中国教育信息化·高教职教》2019年第08期

　　摘;;要：本文基于教育大数据建设和应用的视角，探讨教育大数据驱动学业诊断发展的相关问题。文章认为，教育大数据驱动了学业诊断的精准化、普及化和常态化发展，指出教育大数据要实现对学业诊断发展的驱动，需要解决好三方面问题：数据采集的全面性，包括学习结果数据、学习过程数据和学生发展数据;数据分析方法的多样性，深入分析结构化数据，并突破非结构化数据分析的难点;数据应用的便捷性和针对性，滿足不同教育主体对学业诊断的数据分析需求。本文还基于实践，介绍了教育大数据驱动学业诊断在促进业态升级、学校教育发展和学生成长方面已取得的现实进展，做到了减负增效，促进了学生全面而个性化的发展。

　　关键词：教育大数据;学业诊断;学习分析

　　中图分类号：G40-058.1文献标志码：A文章编号：1673-8454（2019）15-0048-05

　　随着基础教育课程改革的全面深化和新高考改革的推进，发展学生核心素养和实现“立德树人”育人目标备受全社会关注，促使教育实践领域愈加重视“学业诊断”。近年来教育大数据的迅猛发展，为学业诊断注入新思路、新动力、新引擎。本文探讨了教育大数据驱动学业诊断的现实意义，提出其中需要把握的关键问题，并且介绍了相关实践进展。

　　一、教育大数据为学业诊断发展提供机遇与实践推广的可能性

　　1.教育大数据驱动学业诊断实践走向精准化

　　学业诊断是医学领域的“舶来品”。由于教育教学和医学都面临复杂的、不确定的情境，有学者提出教学向医学学习，为学生开出“化验单”、“报告单”和“诊断书”。传统学业诊断如同大多数教育决策判断一样，由于数据范围有限、分析方法有限，更多依靠经验判断，精准程度仍有很大提升空间。[1]

　　教育大数据丰富了学业诊断的数据类型，为其提供了更多的科学分析方法的应用空间，能从多角色的角度更客观地描述实际情况：通过海量的学习数据，精准分析每位学习者的知识能力结构、个性倾向、思维特征、学习路径和学科素养发展状况。[2]学业诊断突破原有技术条件限制，形成新样态：基于育人目标和核心素养，采集全样本、全过程数据，运用多种分析方法，从认知、行为、情感三个维度分析学习结果、学习过程和成长发展相关因素，全面识别学生的学习现状与发展趋势、判断学生的优势与不足，从而为后续发挥优势和改善不足提出合理建议。以学年诊断为例，越来越多的学校不仅看重学生期末考试数据，还融合过程性评价数据，如笔记、日常作业、课堂表现、单元测试、专题测评、项目学习等，使学业诊断更加客观、连贯、精准。

　　龙源期刊网http://www.qikan.com.cn

　　2.教育大数据驱动学业诊断实践走向普及化

　　传统学业诊断方法的应用受到多种因素阻碍，比如理论模型比较复杂、技术实现过程困难，通常需要评估机构、教育测量学专家、心理测量学专家与学科专家协作。因此，以往学业诊断更多停留在研究领域或小规模应用，学校实践领域的专业化学业诊断往往由学校聘请专家对重点年级或班级进行诊断。

　　随着教育大数据不断发展，“互联网+教育”的平台和工具不断完善。通过系统建构一定的参数和模型，学业诊断的门槛降低，教师利用平台和工具进行高质量诊断成为可能。学业诊断的主体逐渐从专家拓展到学校、教师和学生个体。越来越多的学校借助诊断系统，实现教师主导诊断、学生自我诊断。以“好分数”测评分析系统为例，已经有3万所学校、150万教师、3000万学生利用教育大数据实现学情诊断。同时突破校际的统考、联考活动也越来越频繁，既有区域联考、盟校联考，也有跨省市数百所学校的诊断性联考。

　　3.教育大数据驱动学业诊断实践走向常态化

　　在传统教学模式中，教师很难实现面向学生个体的动态学业诊断。在课堂上，教师通过观察、互动，课后通过作业和试卷，或通过与学生对话进行学情诊断，但是这些往往都属于经验性的、瞬时性的信息收集、点状诊断，很难持续收集学生的信息进而形成动态诊断。

　　教育大数据正逐步实现对学习全程实时的数据采集、诊断评估和指导反馈。随着智慧校园的建设，信息化平台在校内大范围、高频率的应用，学生信息的收集与记录做到了实时，为学业诊断提供了连续的证据，使常态化的诊断得以实现。比如，学生在在线课堂的学习路径会被自动记录。以云课堂为例，系统能够自动记录学生选择的学习资源类型、观看微课的时长、浏览学案的完成度、课后作业准确率、小组协作的成果等，通过对学生学习结果和过程的常态化追踪、分析，识别学生的学业水平、学习行为与能力发展。

　　二、教育大数据驱动学业诊断需要解决好三方面问题

　　1.数据采集问题

　　确保大数据的可用性必须从源头抓起。[3]数据采集决定学业诊断的全面性与科学性。因此，用于学业诊断的教育大数据应当是子集丰富的数据集。然而，在当前教育实践中，数据采集过于关注学生考试测评等结果数据，学习过程数据缺失，学生个性特征、发展目标等数据不足。因此，学业诊断的证据不充分，影响诊断结果的准确性，对学生发展的预测力不足，需要对数据采集、分析的范围进行限定，详见图1。

　　全面的学业数据包括三类：第一类是学习结果数据。学习结果数据指的是终结性评价数据，来源于期中考试、期末考试和大型测评。数据集包括期中、期末考试成绩和统考、联考成绩。第二类是学习过程数据。学习过程数据指的是形成性评价数据，来源于传统课堂、在线课堂和综合实践。数据集包括考勤数据、课堂交流数据（口头回答、口头汇报，在线文字交

　　龙源期刊网http://www.qikan.com.cn

　　流）、阶段测评数据（随堂作业、课后作业、小测验等）和操作表演类数据（如实验、小制作、角色扮演等）。[4]第三类是学生发展数据。学生发展数据指的是学习规划及相关因素的数据，来源于排选课、生涯规划和学校教务管理。数据集包括选课选科数据、生涯测评数据和成长档案数据。

　　2.数据分析问题

　　在学校学业诊断中，教师和教学管理者大多使用统计分析法，针对学业成绩、知识点、能力结构等结构化数据，进行初步的描述性分析。同时，在传统教学中，师生的言语数据、行为数据丰富，但对这些非结构化数据的分析能力不足，多数教师无法从中深度解读出学业信息。随着大数据技术发展，更多数据分析方法进入诊断领域。研究指出，未来学校学习中，将有超过80%的数据是非结构化数据。[5][6]因此，学业诊断应综合应用各种分析方法，深入分析结构化数据，并突破非结构化数据分析的难点，对收集到的学习结果数据、学习过程数据、学习发展数据进行描述性和预测性分析。

　　因此，教育大数据驱动的学业诊断可以借助测评分析系统，综合分析全过程学习数据。使用统计分析法，整合经典测量理论、项目反应理论和认知诊断理论优势，分析学习结果和学习过程中的结构化数据。借助研究者的实践经验，采用先进的分析方法破解非结构化数据分析难的问题，挖掘学习过程数据和学生发展数据的教育价值。比如利用文本分析法、话语分析法，提取师生交流、生生交流中隐藏的关键信息，实时跟进学习者的意见和想法。利用社会网络分析法，通过在线行为的分析，发现学生社会网络特征变化的特点，以及学生社会网络位置与学习成效之间的相关性。[7]

　　3.数据应用问题

　　在学业诊断过程中，采集、存储、分析数据，目的是应用数据、读懂学生、服务教学提升。因此要重视数据应用的便捷性和面向不同教育主体的针对性。只有把数据应用和教学深度融合，才能提升干预的有效性。然而，在学校教育实践中，有些学校学业诊断系统形同虚设，或者教学应用与数据采集、分析脱节;有些学校混用多套测评分析系统，无法保证数据全面且持续;有的诊断系统采用数值化、表格化、堆积式等方式呈现诊断结果，可读性较差。[8]只有将学业诊断建议转化成教学提升行动，学习反馈才更及时，学习干预也更精准。

　　因此，要想利用教育大数据驱动学业诊断，不仅要改善诊断结果呈现的方式，借助图像、图形、多元素关联图表等，使各个使用者一目了然，快速理解诊断信息。更要重视诊断结果的针对性，满足学生、教师、教学管理者差异化的需求，使学业诊断服务学生自我反思、自主学习、自主规划;服务教师干预学习、教学反思、教学改进;服务教学管理者完善教学支持、提升决策质量、改善评价方式。

　　三、教育大数据驱动学业诊断的实践探索

　　龙源期刊网http://www.qikan.com.cn

　　1.行业实践探索

　　随着大数据发展，行业从业者积极探索，与高校、中小学、科研机构深度合作，全面理解、深度挖掘业务需求，从教育教学视角思考教育大数据产品的体系框架与流程设计。[9]学业诊断在单一场景的应用和多场景综合应用方面都取得了进展，促进了业态升级。比如在线口语考场，通过人机对话，诊断学生的语言能力;阅卷与测评分析系统，采集分析学生考试数据，诊断学生的知识结构和能力发展情况。也有平台通过全过程数据采集、分析，实现动态化、个性化的综合性学习分析，引导学生开展个性化学习。

　　以爱云校为例，研发中心与北京师范大学脑与学习科学研究中心、北京十一学校、烟台市教科院、青岛黄岛区及全国多所中学合作，开发“全过程学业数据采集与分析诊断云平台”。云平台整合智能组卷系统、测评分析系统、过程性评价系统、在线课堂系统、排选课系统、生涯规划系统和教务管理系统，追踪和分析学生学习结果、学习过程和学习发展数据。利用全过程数据，构建动态、完整、个性化的学生画像。并根据学生个性特征差异，匹配适宜的知识路径，为教师、学生、管理者提供数据参考和决策建议。

　　借助“全过程学业数据采集与分析诊断云平台”支持，数据采集和分析流程如图2所示。首先，通过阅卷系统自动生成考试数据分析，由此了解学生学科知识点掌握情况、能力发展情况、学科均衡性以及成绩动态变化等学业信息。然后，通过过程性评价、在线课堂，掌握学生学习行为表现（学习时长、使用资源类型、学习进度及结果等），作业完成度（正答率、薄弱知识点等）以及师生、生生交流情况等。最后，借助排选课系统、生涯规划系统等，结合学生选课选科结果、生涯测评结果和成长档案，对每一位学生的优势和不足做出综合性的反馈。

　　2.学校教育的应用实践

　　在学校教育中，基于教育大数据的学业诊断已经渗透到教学全过程。针对测评数据，系统越来越自动化、智能化，科学性和便捷性也显著提升。比如，学校借助“好分数”测评分析系统，实现了数据采集智能化、数据分析自动化。（见图3）一方面，学生手写内容的智能识别已经取得突破性进展，比如考试测评、日常作业、学生作品中的部分手写内容已经能通过机器自动识别，完整保留了学生的答题痕迹，也在不改变教师使用习惯的前提下，减轻教师手动处理的工作量。另一方面，依托知识图谱，系统智能识别测评内容对应知识点和能力维度，自动生成学科整体情况、班级整体情况、临界生分析、优劣势学科、命题质量、历史对比分析等多维度分析报告，帮助教师快速了解教学中的关键问题。

　　与此同时，针对学习过程数据不易追踪、分析的状况，学校实践也有突破。比如S学校借助在线课堂系统分析学生线上学习过程。采用文本分析和社会网络分析相结合的方法，分析课堂讨论区学习数据：基于教师提供的多个开放性问题，通过分析学生问题选择的偏好、回帖次数、回复内容的思考深度，探究学生的学习态度、认知水平、思维方式。通过查看师生和生生交互频次、点赞次数等分析学生课堂参与、小组合作贡献度等多项重要信息，识别学生的合作与交流素养等。再如，学校借助过程性评价系统分析学生在传统课堂的学习过程。L学校按照

　　龙源期刊网http://www.qikan.com.cn

　　出勤和行为规范、合作学习、课堂表现、家庭作业和测验，设定多维度指标体系，并且进行赋分，如图4所示。而N学校则关注学业发展、互动合作、公民素養，由此将笔记及任务完成情况、学科参与（师生互动、生生互动）、考勤纪律等设定为校本指标。

　　3.学生发展的应用实践

　　教育大数据驱动的学业诊断，让学生参与到诊断过程中，更清晰地认识自己、唤醒自己、自主规划、发挥学习主体的作用。通过查看全过程学业分析报告，学生能更准确地获取和分析自身的学习进度、学习习惯、学习偏好以及个性特征等信息，突破以往以成绩作为单一维度自我评价的模式，引导关注成长历程中的自我对比、正视不足、肯定进步、发现优势与潜能、激发成长内动力、整合促进自身成长的资源。

　　在教育实践中，已经出现利用大数据改进学业诊断以助力学生全面而个性化发展的实例。比如，W同学借助“好分数”学业诊断系统，把学习现状、发展趋势、个人特质与升学目标结合起来。（见图5、图6、图7）借助系统，W同学能了解自己的薄弱知识点、学业成绩动态变化和学科优劣势。利用系统自动推送的匹配练习，结合教师的差异化指导，查缺补漏、精准提升。借助过程性评价和在线课堂相关数据，看见自己学习方式偏好、识别交流模式，透过同伴和教师的评价，加深自我认知，改善人际交往模式。借助生涯规划系统，评估兴趣、性格、能力与学业的匹配程度，确定选课选科与成长规划，唤醒自主意识、提升学习的积极性和主动性。

　　四、结束语

　　在数据驱动教学的背景下，学业诊断在减负增效、促进学生全面而个性化发展方面发挥越来越重要的作用。基于教育大数据的学业诊断正在建构以“学习者为中心”的减负增效新模式：全过程、全方位了解学生的学习进程，精准识别优势和不足，及时发现显性和隐性问题;通过教学干预帮助学生调整学习状态，规划合理学习路径，助力学生“自主减负”、“科学增效”。由于教育过程的复杂性和多样性，基于教育大数据的学业诊断仍然面临许多挑战。然而，随着5G技术、物联网、人工智能的进一步发展以及教学实践的不断推进，学业诊断的数据采集及分析方法将会进一步丰富，数据应用会继续揭开学习过程的黑匣子、为学生发展创造新的教育价值。教育大数据在赋能学业诊断的同时，也将会被学业诊断重新塑造。

　　参考文献：

　　[1]刘凤娟.大数据的教育应用研究综述[J].现代教育技术，2014（8）：13-19.

　　[2]余胜泉.大数据时代的未来教育[J].中国民族教育，2017（Z1）：8-11.

　　[3]杨现民，唐斯斯，李冀红.教育大数据的技术体系框架与发展趋势——“教育大数据研究与实践专栏”之整体框架篇[J].现代教育技术，2016（1）：5-12.

　　龙源期刊网http://www.qikan.com.cn

　　[4]崔允漷.学校课程实施过程质量评估[M].上海：华东师范大学出版社，2017.8：206.

　　[5]SteveKearns.SixReasonsBusinessesNeedtoPayAttentiontoUnstructuredData[EB/OL].http：//www.itbusinessedge.com/slideshows/six-reasons-businesses-need-to-pay-attention-tounstructured-data-05.html.

　　[6]YuejinXu，NoahReynolds.UsingTextMiningTechniquestoAnalyzeStudents’WrittenResponsestoATeacherLeadershipDilemma[A].Proceedingsofthe20114thIEEEInternationalConferenceonComputerScienceandInformationTechnology[C].NewYork：ACM

　　[7]石月凤，刘三<D：＼2019年＼教育信息化＼教育信息化2019-8＼TP＼牙.tif>，刘智，韩继辉，彭晛.基于社会网络分析的在線学习行为分析实证研究[J].中国教育信息化，2019（1）：5-10.

　　[8]刘三<D：＼2019年＼教育信息化＼教育信息化2019-8＼TP＼牙.tif>，周东波，李浩，孙建文，于杰.基于地图的教育大数据可视分析方法探讨[J].电化教育研究，2018（7）：49-56.

　　[9]杨现民，田雪松.中国基础教育大数据2016-2017：走向数据驱动的精准教学[M].北京：科学出版社，2018.3：224.

　　[10]罗照盛.认知诊断评价理论基础[M].北京：北京师范大学出版社，2019.2：3.

　　[11]付志慧.多维项目反应模型应用理论[M].北京：科学出版社，2017.3：3.

　　[12]张琪编著.学习分析技术与方法[M].北京：科学出版社，2018.12：6-7.

　　[13]刘月霞，郭华主编.深度学习——走向核心素养[M].北京：教育科学出版社，2018.11：6-7.

　　[14]刘三<D：＼2019年＼教育信息化＼教育信息化2019-8＼TP＼牙.tif>，杨宗凯.量化学习——数据驱动下的学习行为分析[M].北京：科学出版社，2016.6：85.

　　[15]祝智庭，孙妍妍，彭红超.解读教育大数据的文化意蕴[J].电化教育研究，2017（1）：29.

　　[16]孔兴隆.运用学业质量检测数据，诊断与改进学生的学习[J].考试研究，2016（3）：63.

　　（编辑：王天鹏）

篇十：数据驱动教育改进论文

　　数据驱动教学改进总结

　　荥阳市城关乡初级中学多年以来，从教研室下发的历次学生学业水平测试成绩、中招成绩、以及其他各方面考评成绩来看，我校学生学业水平及综合素质都好于其他兄弟学校。一份北京师范大学的反馈报告，使我们认识到我校教学工作方面存在的不足，结合报告中反馈的数据，我们从以下几个方面对教育教学进行了改进。一、有效激发学生学习动机报告中数据信息显示，我校大部分学生不是为了学习知识而学习，而是为了不被批评而学习。

　　当学生为了掌握知识而学习时，学生参与学习行为的动机在于提升自身的竞争力，学习始于学生内在的兴趣，学生的注意力是投入到学习任务当中去的。

　　当学生为了避免批评而学习时，学生参与学习行为的动机在于避免显示自己的无能。学生的注意力也是放在自我表现上。

　　为了激发学生良好的学习动机，为了能更好地更有效地激发学生的学习动机，教师课堂上加强学习目的的教育，启发激发学生的学习热情；向学生阐述知识的意义和价值，激发学生的求知欲；创设问题情境，激发学生探讨的兴趣；客观公正地进行教学评价，强化学习动机。

　　当他们意识到自己所学的东西是很有意义的，或者他们在学习的过程中得到教师的支持和尊重时，自然会以很高的热情投入学习。

　　二、增设心理健康课，加强对学生心理疏导

　　报告中指出：在心理素质和心理健康方面，本校学生自尊水平偏低，抗挫折能力有待提高，幸福感偏低，但是好在抑郁情绪也比较低。学生的心理素质和心理健康也是本校值得关注和改进的方面。

　　初中孩子正处于青春叛逆期，问题多多，比如：网瘾、厌学、早恋、抑郁、社交恐惧症等等。

　　针对报告中反映出的问题，学校高度重视，增开心理健康课，加强对问题学生群体的心理疏导。没有师资，学校鼓励年轻骨干教师参加心理咨询师考级，组织教师参与各类心理辅导培训班，培养了一批心理咨询与心理疏导专家型教师；开设心理健康课，每班每周一节，让有资质的心理健康教师上课，对特殊学生加强心理疏导，为学生打开一扇心灵之窗，让他们看到光明与希望，看到一切美好的事物。正确面对生活中的坎坎坷坷，走好自己的人生之路。

　　三、合理利用”班班通“，打造高效课堂

　　数据报告显示：在学业成绩方面，本校学生学业成绩相对教低，值得重视。

　　学业成绩整体水平明显低于全体样本学生，学生两极分化严重，学校整合教育资源，打造高效课堂。

　　以九年级2015-2016末考情况为例分析：

　　从总分情况看，我校九年级考试人数187人，九年级前500名进入8人，上线率%，前1000名24人，上线率为%，前1500名36人，上线率为%，前2000名55人，上线率为%，前2500名72人，上线率为%，前3000名92人，上线率为%，前4000名140人，上线率为%，前5000名179人，上线率为%，整体情况仍有8名学生被抛在前5000名，培优补差仍是我们的教学重点，特别是前1000名学生是我们培优的中心工作，在作业的分层布置上及辅导方面要下大功夫，重点抓好前20名学生和前20—40名的荥高跨线生。抓两头，促中间，工作的好坏直接关系到2016年中招成绩的好坏。

　　2、从学科情况看，语文前500名上线率%，前1000名上线率%，数学：前500名上线率为%，前1000名上线率为%,英语学科前500名上线率%，前1000名上线率%，英语学科重点工作仍是培优补差，在抓优等生提高及格率方面需下大功夫，个别辅导，大面积提高质量是该学科的中心工作，如何改变其薄弱，需好好反思。

　　历史学科仍然属我校的优势学科,前500名上线率和前1000名上线率

　　政治、化学略低，需认真分析原因，从整体情况看，薄弱学科是英语，数学,物理,优势学科是历史、语文。在辅导上仍需要加强数学、英语、物理的相关学科的辅导和补差力度，力争缩小差距大面积提高质量。

　　3、从各学科平均分看，总分分，语文74..52分，数学分，英语分，政治分，历史分，物理分，化学分，只有历史,语文学科略高于全市平均分,其余学科都低于全市平均分,英语差距最大，其次是数学、物理。

　　4、全市前211名我校进入1人，前360名我校进入3人，前450名我校进入6人（荥高统招生人数），前500名我校进入8人.

　　5、从四个班的平均分情况看，人均最高的是九二，人均分，其次是九四，人均分，第三是九三，人均，第四是九一，人均分，和九二相比人均相差分，九三和九一低于全市总分平均分,所以九一和九三要认真进行总结和分析。

　　问题分析

　　1、我校部分教师课程改革意识不强，教学理念陈旧,基于标准的教学与实践落实不到位，一节课没有明确的目标,没有真正落实学生的主体地位,课堂替代现象还比较严重,课堂教学的有效性不高，课下备课不充分，上课随意性不强，特别是复习课和讲评课，把备课写教案看成是累赘，课程纲要编写不结合校情，教学目标不清，缺乏对教学策略的研究，学法指导不够，不能最大限度的调动学生学习的积极性。

　　2、检查落实不到位，说得多，检查的少，措施不到位，有点犯经验主义的错误，平时抓的不够，训练不到位，影响了成绩的提高。

　　3、自主参与校本教研的意识不强

　　我校部分教师在日常工作中缺乏问题意识和反思意识,教研内容开展的比较肤浅,深入研讨的比较少,基于课堂教学问题实践跟进式的研究欠缺,校

　　本教研氛围不足,研究质量在低层次徘徊,缺乏发现问题-----分析问题解决问题的教研机制和途径,教研活动缺乏有效的专业引领,

　　4、作业的设计和批改不到位相当一部分教师对作业建设重视不够，对作业的设计和布置做不到分层次，批改不及时，达不到精选，对作业的设计和统计分析上远远做不到，个别教师还在搞题海战术，轻视和忽视了作业“激发学生学习兴趣”的功能，作业练习的目标意识缺乏，缺少针对性，机械的、低水平的重复类作业比例高，批改方式欠佳，（仍停留在传统方法上）消耗了精力，削弱了学生的学习兴趣。

篇十一：数据驱动教育改进论文

P>　　国外数据素养教育启发-素养教育论文-教育论文

　　——文章均为WORD文档，下载后可直接编辑使用亦可打印——

　　[摘要]在大数据背景下，数据作为一种信息资源，其作用和影响越来越重要，数据素养已成为人们必备的素质。在分析数据素养概念的基础上，对美国青少年数据素养教育项目、高等院校数据素养教育实践等典型案例进行介绍，并对我国开展数据素养教育提出了建议。

　　[关键词]数据素养；信息素养；图书馆

　　随着信息技术和数字信息资源的快速发展，科学研究活动正发生改变，第四科研范式———数据密集型科研时代已经来临，科学研究数据呈现几何级增长的态势，人类整个科研活动所产生的数据总量已经达到每年数百EB(1EB=1ExaByte=1024PB=1024*1024*1024*1024MB)的规模。由此可见，一个数据类型多样、数量庞大、价值巨大的数据时代已悄然来临。“数据驱动科学发展，科学就是数据，数据就是科学”[1]，对数据的获取、分析和利用能力成为人们必备的技能素养之一。2010年在哥德堡召开的第76届国际图会上，数据素养被作为一个重要的议题予以讨论[2]，2012年美国博物馆与图书馆服务协会

　　（InstituteOfMuseumAndLibraryServices，IMLS）资助了美国的数据素养项目，以探索培养科研人员数据搜集、整理及运用的能力[3]，这说明数据素养问题已引起国外图书馆界的普遍关注。本文在阐释数据素养概念内涵的基础上，通过对国外数据素养教育实践的分析，以期探寻国内数据素养教育的模式和对策。

　　1数据素养及相关概念

　　1.1数据素养的提出

　　数据素养的出现是大数据时代的必然要求，“大数据由巨型数据集组成，这些数据集大小常超出人类在可接受时间下的收集、管理和处理能力，大数据必须借由计算机对数据进行统计、比对、解析方能得出客观结果”[4]。2008年《自然》杂志出版的大数据专刊，全面探讨了科学领域大数据的应用问题，2011年《科学》杂志针对大数据的搜集、整理、利用刊载了系列文章。在大数据时代，数据作为一种信息资源，其作用和影响力越来越大，数据是创新的前提，个人生活、科学研究乃至社会管理都需要依靠数据进行决策，数据素养的重要意义和价值日益凸显，并迅速引起学界关注。

　　1.2数据素养的概念

　　数据素养是由数据和素养两个词语组合而成，素养指通过训练和实践而获得的技巧或能力，数据的字面理解是数值或数量，但并不只有各种统计数字才是数据，从形式上说，数据包括各种数字、文字、影像视频形式的文本或信息甚至信号，因此数据可以是相当广义的指称。国内外学者从不同的角度，对数据素养概念有不同的表述。国外关于数据素养代表性的概念有：美国的秦健博士认为数据素养是能够理解、使用和管理科学数据的能力[5]；瓦伊等人认为数据背景、数据表征、数据分析和数据说理是数据素养的重要内容，核心是进行数据转换和根据数据进行说理；卡尔森提出数据素养不仅要从数据使用者的角度考虑，也要从数据生产者的角度去思考，包括一些更深层的能力：数据发现与采集、数据管理与利用、数据分析与增值等等[6]。国内关于数据素养概念代表性的观点有：张静波认为数据素养通常指的是研究者在工作中对科学数据的采集、组织管理、处理分析、共享等过程中应具备的能力，还应包括研究者在数据生命周期中普遍遵循的道德与行为规范[7]；金兼斌从新闻记者的角度出发，认为数据素养包括数据意识、数据获取能力、分析和理解数据的能力、运用数据进行决策的能力、批判和反思精神等五个方面[8]；孟祥保认为数据素养包括三个层次：数据意识、数据基本知识与技能、数据利用能力等。综合已有研究，可以将数据素养表述为：公众应具备的基本素质、学者的研究素养以及专业人员的分析技能，它由数据检索、分析、整理、使用等技能组成，是多种有关数据的能力的统一体。

　　1.3数据素养与相关概念辨析

　　1.3.1数据素养与量化素养、统计素养

　　数据素养作为新出现的概念，人们正在逐渐接受和认识它，本质上，数据素养和量化素养及统计素养有密切的关联，也正是这些概念为今日数据素养的发展奠定了理论基础。欧美等国家的量化素养教育起源于20世纪80年代末，统计素养是量化素养的一个重要组成部分。学者斯蒂尔、沃尔曼认为数据素养等同于量化素养、统计素养，这几个概念的共同点都是批判性思维，但学者希尔德认为数据素养主要涉及对数据访问、评估、处理、总结和表达的能力，而统计素养则强调批判性地解读统计结果的能力[9]。

　　1.3.2数据素养与信息素养

　　在美国高校与研究图书馆协会（ACRL）的高等教育信息素养标准中，信息素养被定义为个体识别信息需求并发现、评价、有效利用信息的能力集合，数据信息素养更加注重从数据和信息的生产与消费即数据活动的多元利益相关者的视角界定成功完成数据活动所需技能、知识和习惯。2011年10月英国研究信息网在《科研管理者在信息素养中的角色》报告中指出，数据是特殊的信息，对信息素养的理解要相应地予以扩展，以便适应大数据环境下的需要。英国高校与国家图书馆

　　协会（SCONUL）对信息素养赋予了新的含义，指出“信息素养是一个总称，它包括数字化、可视化和媒体素养以及学术素养、信息处理、信息技术、数据监护和数据管理这些概念”。由此可见，数据素养与信息素养概念密切相关。目前数据素养研究主要建立在信息素养模型基础之上，或言之，数据信息素养是信息素养的深化与拓展。

　　2国外数据素养教育理论与实践

　　目前，在欧美有20多所大学图书馆开展各具特色的数据素养教育，国外开展数据素养教育的理念和实践，对我国开展数据素养教育具有启发和借鉴意义。

　　2.1美国的青少年数据素养教育实践

　　2014年美国麻省理工学院学者迪赫尔从社会和文化的角度阐释了对数据素养的理解，她指出：大数据背景下应该关注和提高青年人的数据素养，数据素养能够激发参与和意识，培养终身学习能力，同时还能为知识经济、竞争力和选择能力提供支持。她主张，数据素养教育应该从青年人抓起，应该鼓励广大青少年和教育者参与到数据素养教育中来。2013年纽约公立中学开展了名为“数字城市中的彩票调查”项目[10]，在该项目实施过程中，分别对彩票销售人员和彩票购买人员进行采访，调查了各彩票站的销售量、彩民的购买习惯及社区居民

篇十二：数据驱动教育改进论文

P>　　数据驱动教学改进评价力促教学方案

　　数据驱动教学改进评价力促教学方案时光在流逝，从不停歇，我们的教学工作又将抒写新的篇章，

　　该写为自己下阶段的教学工作做一个教学方案了，以使教学工作顺利有序的进展，提高自己的教学质量，下面是收集的数据驱动教学改进评价力促教学方案，欢迎阅读与收藏。

　　在前几次郑州市组织的小学生绿色质量测评中，我所在的年级连续两年都参与其中。与以往不同的是，以往考试都是只将学生的考试成绩告知，而这次绿色评价，那么是更有针对性的对学生每道试题进展分析，总结，比照，提出建议。例如，学生在填空题得分情况，正确率将会和所在班级、所在年级、全区这个年级的的得分情况以及正确率进展比照，得出最准确的数据分析。供教师参考，进展经历总结和改革评价。

　　我们从汉语拼音与识字写字、阅读理解、口语交际、习作、综合性学习、学习习惯六个方面来综合评价学生一学期的语文学习情况。从表中数据来看，依然还存在一些问题，通过一学期在教学中踏实的钻研，我们用数据分析问题，在教学中认真解读领悟。

　　通过对数据分析，我们发现以下较为普遍的问题：1、识字写字学生掌握较好。对于六年级学生来说，每节课的生难字已不在话下，学生已有自学的能力。2、阅读量不够。从数据看，学生对于课内的'阅读尚可以较好完成，而课外阅读的理解还较差，说明学生自学课文的能力不好，或者说课外阅读量根本不够。

　　3、好词佳句积累过少。学生不懂得积累好的词句，在遇到口语交际、习作的时候，只会运用最简单的甚至口语化的句子来进展交流或写作，更不懂得运用修辞。

　　4、学生更乐于综合性学习。对于成长资料袋、手抄报、阅读卡这些综合性学习的内容，学生比较乐意完成，因为这些资料可以更好的展示自身的长处，弥补知识储藏量的缺乏。

　　结合数据给出的建议，针对反映出的问题，我们对教学做出了及时的调整，通过一学期在教学中的实践，我们解读出了好的做法和经历：

　　1、培养学生的阅读兴趣，引导学生看各类书籍，从中体味书本是甜的，读书是甜的，学习语文的滋味也是甘甜的。增加学生的阅读量，除了课上的学习外，提倡学生一学期至少读两本名著，在阅读课上对自己读的好的书籍进展读书分享交流，并统计班级每个孩子手中的图书目录，让孩子们学会图书分享。

　　2、在写作教学中，注重培养观察、思考，积累一定的第一手写作资料和语言资料，做好前期的写作功课，然后给学生时间进展生生交流，资料共享。其次，在指导写作中，要求学生说真话、实话，不说假话，空话。为学生的自主写作提供有利条件和广阔空间，减少对学生写作的束缚，鼓励自由表达和有创意的表达。并加强心理描写、对话描写等写作技巧的训练。再次，注重作文讲评，推敲用词写句，力求简洁、准确根底上的详细和生动。只有层层把关，我们的作文教学才能见实效。

　　3、虽然从数据看，学生的识字写字已掌握最正确，但让学生到达错误率为零还有一定间隔，所以我们这学期更加重视字词教学，夯实语文根底，尤其是对学困生要加强根底练习，课上及课下的听

　　写，并进展自评、生生评价、家长评价、老师评价来催促孩子的书写，以此掌握好根底知识。

篇十三：数据驱动教育改进论文

P>　　大数据助力因材施教—数据驱动的精准教学

　　沈志斌;王玉家

　　【期刊名称】《创新时代》

　　【年(卷),期】2017(000)009

　　【总页数】2页(P56-57)

　　【作者】沈志斌;王玉家

　　【作者单位】江苏省无锡市辅仁高级中学;江苏省无锡市辅仁高级中学

　　【正文语种】中文

　　教育大师怀特海《教育的目的》一书中指出：“人最有价值的发展应该是自我发展。”教育应该根据人的天分和可能性来促进其发展，人是一个个不同的生命体，即使是同一年龄阶段的人，也有着天分、认知和能力上的差异。沿用至今的班级授课制产生于16世纪的中欧，最早是由捷克大教育家夸美纽斯提倡和组织实施的。“把一切事物教给一切人们的全部艺术”在一定程度上也因此而得以实现。为了实现自己的“教一切人”的理想，夸美纽斯经过不断探索并且找到了使这种教育切实可行的教育制度—分班上课制度，此后该制度逐步发展完善，推行遍及欧美乃至全球，成为今天家喻户晓的班级授课制。我国最早使用班级授课制是1862年，班级授课制是适应社会化大生产的需要，为培养各种各样的产业工人而产生的。班级授课制虽然有利地促进了教育的普及化，但自身也存在难以克服的缺陷：教学活动多由教师做主，学生学习的主动性和独立性受到一定程度的限制；学生主要接受现成的知识成果，其探索性、创造性不易发挥；学生动手机会较少，教学的实践性不强，不利于培养学生的实际操作能力；班级授课制下授课的时间、

　　内容和进程都固定化、形式化，不能够容纳和适应更多的教学内容和方法；它以“课”为活动单元，而“课”又有时间限制，因而往往将某些完整的教学内容和教学活动人为地分割以适应“课”的要求；它强调的是统一，齐步走，难以照顾学生的个别差异等，不利于因材施教。1.数据驱动的精准评讲数据采集后，系统提供一份诊断报告，如图1为高三物理一轮复习阶段性检测的诊断报告。该报告给出了每个选择题的正确答案、错误人数、高频错误选项；填空题的错误人数；解答题的得分率。传统评讲作业或试卷，有些教师从头讲到尾，没有重点，而且往往时间不够，评讲质量低。有了诊断报告，教师可以快速、精准定位评讲重点，提升评讲质量。教师依据一定的质量标准，以50人样本为例，得分率临界值为70%，那么选择题、填空题错误超过15人的应该评讲，解答题得分率低于70%的应评讲。依据这样的标准，对诊断报告进行检索，教师很快找到符合标准的共有13处（如图1中方框标注所示）,这就是课堂评讲的重点。选择题评讲时，首先要评讲的是高频错误选项，如图1中三角标注处，双击该处可以查看是哪些学生出错了，这一功能在传统手工统计诊断时几乎是不可能实现的。2.数据驱动的精准辅导系统强大的数据挖掘功能，可以提供最新的学业成绩单，可以按照学号排序、从高分到低分排序、从低分到高分排序，教师可以快速查找学业困难学生，判定是否实施数据驱动的个性化辅导。从长时段来看，学生个体接受教师个性化辅导的机会并不多，因此，教师在实施个性化辅导前应充分备课，主要包括：（1）查看学业困难学生作答情况，分析作答错误的成因，系统数据采集过程中能够自动保存作答错误的图片（如图2所示），使得这一工作变得非常简便。（2）查看学业困难学生学业档案，实施动态跟踪，有些学生在新课教学时未掌握

　　概念或方法，因此在综合练习或考试时容易出错，实施个性化辅导时必须帮助学生回到教学的原点，方能收到较好的效果。（3）查看学业困难学生学业作业动态跟踪图线、考试跟踪图线，分析两种图线的差异性。有些学生作业质量不断上升，而考试成绩不断下降，这很有可能是平时作业缺乏独立思考引起的。（4）查看学业困难学生知识点掌握情况，如图2所示，通过常态化采集作业、考试数据，系统自动生成学生较薄弱的知识点或方法图表，然后通过数据驱动，指导学生加强对薄弱知识点或解题方法的学习。3.数据驱动的教学资源推送系统通过大数据分析，可以为教师的教学提供资源的精准推送。例如，一节课结束后，教师需要提供课后作业，以巩固新授课的知识点、方法等。传统教学需要教师凭借自己的专业眼光命题八个练习，而利用大数据系统的推送功能，则只需要教师命题五个练习，其余的三个练习由系统推送生成。而且，这三个练习具有极强的针对性，是针对这个班级中学生掌握程度不高的知识点或解题方法的，通过这样的滚动与推送，提升训练的针对性和有效性。同样的原理，可以让系统为每个班级推送复习资源，为班级命制考试卷等，相比于传统教师的命题，既节省了时间，又提高了针对性。4.数据驱动的校本题库在日常教学中，几乎所有的学科都需要配置一本同步练习，以强化学生对知识的训练。教学实践中不难发现，很多学校使用同样的同步练习，这就造成了不同认知水平的学生做同样的练习，练习的针对性较差。为了改变这种局面，部分学校着手建设适合本校学情的题库。通常的做法是购置一个题库软件，教师逐步将“看中”的题目添加在题库软件中，从而形成校本题库，这种题库的质量依赖于教师的专业眼光，是经验型的题库，或者说是一个题堆。通过系统，教师采集作业或试卷，将题

　　库建设工作与教师日常教学结合起来，经过一轮的教学实践，校本题库自然建成，同时这种题库带有属性，如每份作业、试卷、每个题目的难度、区分度等。在新一轮教学中，教师可以查看上一轮训练的相关信息，作取舍或修补，从而进一步提升教学的针对性。1.一键导出错题，学会知识管理每个学生都是一个鲜活的个体，不同的学生经历着不同的学习过程，有着不同的学习体验。随着学习经验的不断积累，每个人的知识结构也不相同，尤其是知识和学习方法上的缺陷也各不相同。通过大数据技术，常态化采集学生的学业数据后，系统自动记录每个学生学习上的缺陷。依据艾宾浩斯遗忘理论，为了与遗忘做斗争，及时复习十分重要。每周或每月，学生通过极课大数据系统下载自己的错题本并订正，学会知识管理，就是一种很好的个性化学习方式，错题重做的习惯即是一种很好的学习能力。2.个性化学习资源精准推送系统记录的学生个体学业知识点掌握程度分布图，根据一定的算法，可以实现：一类：在学校日常教学中，学生过程性评价练习，通过数据采集和诊断，在学生实施学业纠错时，针对相应的知识点，系统自动推送相应教学资源，为学生学业纠错提供帮助和支持；同时推送等位题库的等位练习供学生巩固和拓展，起到举一反三巩固知识点的作用。二类：在终结性评价实施之前的复习时段，通过数据采集和诊断，针对一个阶段学生的学业情况，系统从等位题库中自动挑选资源组成学生的个性化学习资源，供学生复习巩固使用。三类：在暑假和寒假前夕，通过一个学期的学业数据采集和诊断报告，系统从等位题库中自动挑选资源组成学生的个性化假期学习资源，实现假期作业的个性化。四类：在假期学生自主学习时，学生先自学教材，然后借助等位题库频实施机器学

　　习，系统将自动记录学生的认知能力及水平，并形成相关数据报告，供学生和教师参考。这类学习形式新颖，学生如玩游戏一样轻松地学，具有很大的吸引力，特别适用于对学科竞赛有兴趣的学生，可以极大提升学生的自主学习能力。沈志斌，现任江苏省无锡市辅仁高中副校长，中学物理特级教师、教授级高级教师，江苏省首批人民教育家培养对象、江苏省333工程培养对象、苏州大学硕士生导师、江南大学特级教师后备班导师。他率先在江苏省开展数字化物理实验研究，曾参与九五、十五、十一五信息技术与学科教育融合的课题研究，撰写、发表《中学物理教学问题探讨》等教学论文五十余篇。近年来致力于教学大数据采集与应用研究，参与极课大数据实验项目，任极课研究院教学顾问，应邀在国家教育行政学院、北京师范大学、福建师范大学、苏州大学等院校作学术报告多场。王玉家，极课大数据创始人，极课研究院院长，现任江苏省无锡市梅村高级中学信息技术教师，主要负责学校十五、十一五信息技术课题研究。

篇十四：数据驱动教育改进论文

P>　　大数据驱动教育变革与创新摘要国务院《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。

　　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。

　　第三，积极开展教育大数据的应用创新和示范。以教育机构、企事业单位为依托，在全国建立若干教育大数据应用示范区、示范点，在个性化学习服务、教育管理决策等方面开展有针对性的应用创新示范，为后续推广积累经验。

　　第四，大幅提升我国教育大数据服务创新能力。成立教育大数据联盟，组建专业团队，启动专项工程，针对教育大数据基本理论、关键技术和应用模式开展研究，聚焦学生核心素养、高考改革等教育热点问题，开展应用示范。

　　第五，加快推进我国教育大数据标准规范和法律法规建设。积极制定教育大数据采集、交易等相关法律法规，尽快启动教育大数据相关标准规范研究制定工作，保障教育大数据的安全、规范获取和及时、有效利用。

篇十五：数据驱动教育改进论文

P>　　大数据驱动模式计算机基础的研究分析论文

　　大数据驱动模式计算机基础的研究分析论文1计算机基础教育面临的问题

　　目前，国内高等院校的计算机基础教育更多地沿用了传统计算机教育的方法，只注重讲授计算机的理论知识和操作要领，未考虑学生学习的效果。这导致学生只是记住一些概念和理论，能做基本的操作，却很难用所学的知识灵活地解决实际问题。当前大学计算机基础教育面临以下4个问题：

　　（1）学生的计算机应用能力差异大高等院校的学生来自全国各地，而不同地区的中小学计算机教育水平参差不齐。单一的课堂教学已无法保证所有的学生学得会、学得好，这给教学带来了问题。（2）教学和实验的学时严重不足目前，各个高校都在减少课时，教师只能在课堂上和实验中加大讲授的知识量，加快教学进度。当一个教师面对几十个学生时，基础较差的学生往往得不到教师足够的指导和练习时间，这给辅导答疑带来了问题。（3）学习的结果与过程未被记录下来学生可以利用丰富的网络资源巩固课堂内容，扩大知识面，加深对知识的理解。在传统教学中，教师往往忽视了学生的课后学习，没有记录学习结果与过程，这给教育过程的改进带来了问题。（4）目前的网络教学系统很少区分学习个体网络教学系统能够提供大量的多媒体教学资源，帮助教师进行课后辅导答疑，却很少区分学习个体，导致缺乏个体相关的数据，从

　　而难以提供个性化的指导，这给网络教学系统的智能化带来了问题。这些问题归根结底是数据的问题，是数据没有被有效地规划和整合的问题。我们把与学习过程相关的大量数据收集起来，对这些数据进行分析，挖掘出有价值的信息，最后传递给学习者，这是一种解决计算机基础教育所面临问题的可行方法。

　　2面向计算机基础教育的大数据

　　在当前知识大爆炸的时代，人们获取知识的途径不仅仅局限于课堂，更多的是网络资源。当代的大学生接受新生事物更快，更愿意在特定的学习情境下去主动构建知识。因此，大学计算机基础教育需要改革现有的教育模式，将大数据技术融入到大学计算机基础教育中，建立与时俱进的大数据驱动的教育模式可以有效解决上述问题。在大数据时代涌现出大量的网络教学系统，随着这些网络教学系统的推广和普遍应用，使用者数量急剧增加，产生了大量的数据。数据之间可能存在某种联系，对这些联系进行分析和挖掘可能会找到有价值的信息。将有价值的信息展现出来，能够帮助我们做出正确的决策。在人类社会的发展已经由动力驱动转变为数据驱动的背景下，教育正在发生着一场新的变革，大学计算机基础教育也面临着类似的机遇和挑战。通过网络教学系统，可以更加方便地获取和利用大学计算机基础教育相关的各种数据

　　。大学计算机基础教育涉及的数据主要有以下几种：

　　（1）课件。课件是文字、声音、图像、动画等素材的集合，帮助教师更加生动地讲解课程内容，主要使用PPT和Flash两种文件。

　　（2）视频。视频是将教师在课堂上的授课内容录制下来，为学生提供课后学习的方式。学生可以在教学系统中下载或在线学习视频内容。

　　（3）题目。题目主要用于测试学习效果，包括判断题、填空题、选择题、问答题、程序设计题等各种题型。

　　（4）问题。学生在学习过程中遇到的问题，通过教学系统提交给教师。这些问题反映了学习的难点，是教师在课堂上需要详细讲解的教学内容。

　　（5）代码。代码是学生做程序设计类题目时所编写的'程序代码。学生编写代码的质量可以由教师评判，也可以由系统自动评判。

　　（6）行为。行为用来记录学生的学习活动，如课件下载行为、视频点播行为、作业浏览行为、编程行为等。这些行为能够反映出学生的学习情况。

　　（8）过程。过程是指在教学过程中收集到的一些宏观数据，如课件学习过程、视频学习过程、测试过程等。这些过程能够反映出学生学习的个体差异。

　　3大数据驱动的新模式

　　1）在线课程系统是课堂教学的延伸

　　大型开放式网络课程MOOC是国际上流行的教学平台。自2013年5月以来，北京大学、清华大学、复旦大学、上海交通大学等国内一流高校纷纷宣布加入MOOC，向全球提供免费的在线课程。MOOC采用云计算架构，提供大量的视频学习资源和人机交互功能。学生提交作业后，系统能自动评判作业的质量，以评估学习效果。MOOC的出现给计算机基础教育带来巨大影响。MOOC解决了学生计算机应用能力差异大的问题，学生不管基础如何，都能找到与之相应的学习内容；MOOC弥补了课堂教学学时不足的问题，学生能在课后随时随地找到学习资源；MOOC能够记录学习的结果与过程以及作业中的错误等，这些对于改进教学方式和调整教学重点等都有意义。

　　2）在线编程系统是实验环节的补充

　　随着SaaS技术(软件即服务)的不断成熟，出现了许多功能强大的在线编程系统。这给大学计算机基础教育中的程序设计类课程的实验教学

　　带来了巨大的帮助。使用在线编程系统进行实验的好处有以下几点：

　　（1）教师不用在实验室的每台计算机中安装软件，学生通过浏览器就可以编写程序；

　　（2）学生编写的代码都存储在云端，能上网的地方就能练习编程，并且随时可以修改代码，解决了实验教学学时不足的问题；

　　（3）在线编程系统主要记录代码和代码编写的过程，能够收集实验过程中与学习相关的数据。国外在线编程系统CodeCademy提供了一种学习编程的新方式。它的用户群是零基础的学习者，所以CodeCademy创设趣味性的学习环境，手把手帮助学习者了解编程的过程。它的在线编辑器能让学习者不用寻找、下载和安装编程环境就可以在网络上编程。在线编程系统不仅为实验教学提供了方便的实验环境，还能收集大量的程序代码和学生的编程行为，有助于分析学生的学习特点与习惯，区分学习个体，为制订个性化学习路线提供有价值的数据。

　　3）在线答疑系统是课后辅导的平台

　　4结语

　　移动通信技术专业人才培养模式分析论文

　　移动通信技术专业人才培养模式分析论文

　　1高职移动通信技术专业的特点与不足

　　1.1高职移动通信技术专业的特点

　　从专业特性谈起：移动通信技术专业，是针对我国移动通信事业发展，对人才需求量增多而新增的专业。不属于传统专业。因为移动通信相关专业人才需求量大，比如移动手机软件开发人才、移动设备维护人才、移动通信的相关企业需要的人才等。所以，学生在毕业后的就业前景广阔。但是有利必然有弊，弊端是，迅猛发展的移动产业，使得技术更新换代的速度变快。一些主流技术在3，4年后，可能就会很少使用，甚至被淘汰。这对学校的教学内容发起了极大的挑战。

篇十六：数据驱动教育改进论文

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：数据驱动教育改进论文

P>　　大数据给予我们更全面更精细的视角让我们看清世界的复杂性和当然教育作为始终无法量化的行业不要过于迷信数据以及数据过于复杂从而迷失在数据里偏离教育的本真也是值得高度重视的

　　通过此次培训，使我认识到大数据对学校语文教学的重要性，页深深体会到自己对大数据认识的严重不足。通过查阅资料，我初步了解大数据。

　　一、大数据时代下的语文课程更加符合学生的个性化需求，大数据下的语文课程，与当下的相比，优势更加突出。

　　当下的小学语文课程，还不是充分个性化的语文课程，教师还不能真正实施个性化的语文教学。

　　而大数据时代的语文课程，其教材是可以“回声”的教材，学生、教师都要参与完善工作，而不全然由语文专家独断。由于是电子课本，更新不可能几年一换，而是适时进行。

　　大数据时代的语文课程，可由学生的需求定制为个性化的课程；教师也可以作出较自由的调整与改变。由于是电子课程，这一切都容易得多。

　　总而言之，大数据可以让我们语文教师对知识的传递进行个性化处理，使之更好地适应学生特定的学习环境、偏好和能力。

　　这样的符合学生个性化的语文课程，自然可促进学生理解并提高成绩

　　二、大数据时代下的语文教师要懂得数据使用、分析与管理，要懂得信息搜集、反馈与保护。大数据时代下的语文，其教材、课堂、教学都呈现为数据平台。

　　作为语文教师，不仅要会智慧地使用数据，还要懂得数据分析，尤其是学生语文学习层面的数据的分析。

　　在语文课程大数据中，要通过分析判断什么可行、什么不可行；还可观察到那些以前不可能展示的学习层面。这样的话，我们就可确定最有效的语文教学方式，一方面实现学生学业表现的提升，另一方面提高工作的效率和趣味性。

　　作为语文教师，要注意语文信息的搜集，特别是来自于学生与家长方面的信息还要适时反馈。对于学生的个人教育信息要在尊重的基础上使用。

　　作为语文教师，我们既要对概率预测充满信心，又要科学地对待，认识到局限性，去除潜在危胁。

　　三、大数据时代下的语文教师和学生都要注意改变学习方式，要学会如何去学习

　　作为学生，面对适应性学习，可以按不一样的顺序和步调进行。也就是选择个性化的有效学习方式。

　　作为语文教师，我们要懂得“让数据说话”，全面而深入地搜集数据，不仅要做语文课程数据的管理者，还要做课程数据的分析者，注意促进学生语文学习的改善。

　　作为语文教师，我们要弃除学生排名离散且静止的评价方式，要注意与学生立体化沟通交流的方式。在语文大数据时代。不管是学生，还是教师，都要学会如何去学习。大数据时代将改变教育，也将改变语文，其巨大潜力在于推进个性化学习、改善教材和教学，并最终提高学生成绩。大数据给予我们更全面、更精细的视角，让我们看清世界的复杂性和我们身处其中的位置。

　　当然，教育作为始终无法量化的行业，不要过于迷信数据，以及数据过于复杂，从而迷失在数据里，偏离教育的本真也是值得高度重视的。

篇十八：数据驱动教育改进论文

P>　　数据驱动体育精准教学促进学生个性发展

　　摘要：文章以大数据为支撑点，探索了在其驱动下的精准教学对推进课程改革步伐、提高教师专业水平、促进学生全面发展以及提高区域内学校教育整体质量产生的价值与意义。数据驱动精准教学的区域内稳步推进是基于教育大数据来实现精准教学的，首先要进行学习行为的精准评估；其次要依托教育大数据支持下的精准教学实践探究，针对数据进行整理和分析，在充分掌握学情的前提下，开展高效、智慧的课堂教学继而产生课堂教学方式的根本转变。

　　关键词：教育大数据；数据驱动；精准教学；创新实践“精准教学”这一概念是Lindsley[1]于20世纪60年代根据斯金纳的行为主义学习理论而提出，主张学习即操作性条件反射，以流畅度作为衡量学习发展的指标。国外的精准教学研究虽然已历经半个多世纪，但是我国的精准教学研究起步较晚，不过我国基础教育领域已经出现了优秀成果，比如梁美凤[2]从确定目标、选择教学内容、进行学习行为的精准评估来探索精准教学的实践操作；何晓红[3]等通过对大数据的挖掘与分析，记录学生学习数学的能力发展趋势，并在一定程度上预测学生的发展潜能。从现有的研究成果中不难发现，大数据驱动下的精准教学研究并不多，并且缺乏在精准教学中对教师专业水平的要求，因此探索在大数据驱动下的精准教学对推进课程改革步伐、提高教师专业水平、促进学生全面发展以及提高区域内学校教育整体质量的意义重大。一、大数据为区域教学质量提升带来新机遇教育大数据是指整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合。在当前国际形势下，教育大数据从战略高度应定位为推动教育变革的新型战略资产、推进教育领域综合改革的科学力量以及发展智慧教育的基石。教育大数据的最终价值应体现在与教育主流业务的深度融合以及持续推动教育系统的智慧化变革上，具体表现在教育管理科学化、教学模式改革、学习个性化、教育评价体系重构、驱动科学研究范式转型、驱动教育服务更具人性化。然而由于教育系统自身更强的独特性和复杂性，我国教育大数据的发展也面临应用落地、数据安全、数据治理与运营等诸多挑战。只有正视并深入研究这些问题，才能推动我国教育大数据持续健康发展。二、数据驱动精准教学的内涵与特征在大数据驱动精准教学的时代背景下，教学范式正在从经验模仿和计算辅助教学走向数据驱动的教学。美国Menachem教育基金会提出了“数据驱动教学”模式，该模式能够采集学生的学习、测试及定期评估等数据。因此，数据驱动精准教学在区域内推进必须明晰其内涵、特征与发展脉络。三、数据驱动精准教学的区域实践框架（一）创新应用渠道，促进教与学方式的转变智慧课堂、基于项目的学习空间（智学网）、学情备授课系统转变了教师的教学方式，改善和提升了工作效率，实现了减负增效，使教师备课、授课操作便捷化。教师备课时，运用智学网的选题组卷功能可直接从当前窗口选取各类试题资源，在试题栏完成初步备课，提高了教师备课的效率。教师备课后，教学资源会保存到智学网云平台。通过大数据分析，可以精准地为学生指明学科知识点薄弱情况。大数据系统可以自动生成学生个体的错题本，通过我的卷库、校本题库建设、微课讲解，利用精准的推荐机制，可以为每个学生提供个性化的作业和辅导。教师利用教学大

　　数据，分析出学生学业特长，为学生撰写个性化的学科评语，提高学生自适应学习能力。

　　（二）利用数据实现资源的个性化推送资源生态建设方面，依托国家、省教育资源公共服务平台、中小学数字教材服务平台等提供的题库、备授课资源，精选优质教学实录、微课等资源，利用数据构建符合教学实际需求的个性化教与学环境，实现资源的个性化推送。教师对获取的资源再次加工为每道试题提供解析、知识考查点、题型标引。同时，建立学校自己的校本资源库，全学科教师不断上传、补充校本资源为我所有、为我所用，建立从“人找资源”到“资源找人”的资源共享新模式。四、数据驱动精准教学的区域推进路径（一）加强区域教育大数据基础建设依托现有国家、省教育资源公共服务平台、第三方教育资源服务商等基础数据库，建立覆盖全市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。（二）构建区域优质教育资源共享模式在教育大数据的支撑下，基于基础教育大数据精准教学创新实践的案例研究日益深化，实验学校师生享有高效精准的教学服务。正如“互联网+”的方式，不论学生在学校或者在家里，打破了围栏学习模式，通过互联网，可与教育发达地区的学生一样，共享优质教育资源，真正实现优质教育资源共享，促进教育均衡与公平。五、数据驱动精准教学带来的反思（一）教师对数据处理的能力要与数据多元化的节奏相匹配随着各种数据采集技术的快速发展及其在学校教育中的普及应用，教师可以获取的数据越来越丰富。但是，拥有数据不等于具备数据处理能力。这就需要通过开展教育大数据专题培训、网络协作教研等活动，提升教师的数据处理素养。（二）实施过程中的挑战与困难学生学习方式的转变不能成为形而上学的空谈。当前的学习方式不论是微课、慕课还是翻转课堂，都必须有精准的数据分析做依据，了解学生在学习当中所遇到的问题，实现课堂精准教学的过程才是“以学生为中心”。而目前的现状是很多学校拒绝教学信息化手段在教学中实施及家校合理翻转，也有相当一部分教师凭借经验主义，不去主动拥抱技术在教学中的应用。因此，依托大数据进行精准教学，服务师生也就难以推行。但当前的教学主流是互联网+教育形势下，势在必行的技术与教学的深度融合，已经形成系统的理论依据和实践基础，不少区域教师能够精准地安排教学进度和教学内容，实现分层教学，真正实现因材施教，同时实现学生自主学习、合作学习，全面提高学生综合素养，培育有个性、具备创新意识的时代需要的学生。参考文献：[1]LindsleyOR.Precisionteaching：Discoveriesandeffects[J].JournalofAppliedBehaviorAnalysis，1992，（1）：51-57.[2]梁美凤.“精准教学”探析[J].福建基础教育研究，2016，（6）：4-7.[3]何晓红，王敏军.依托数据分析落实精准教学——基于大数据的小学数学精准教学的操作与实施[J].浙江教育技术，2016，（4）.

篇十九：数据驱动教育改进论文

P>　　这个过程不仅能实现教学管理决策从认识模糊到把握清晰从基于经验到着眼证据从盲目武断到科学诊断的转变实现教学的精细化管理也能够促使教师主动去寻找反馈改进方案形成数据采集数据分析精准诊断教学改进反馈修正的良性循环保证在线教学与线下课堂教学质量实质等效

　　数据驱动在线教学质量评价探析

　　摘要：特殊时期的在线教学给教师和学生带来了新的体验，在线教学如何做到与线下教学“实质等效”成了学校、教师、学生和家长共同关心的话题。利用数据进行在线教学质量评价，开展质量监控工作，助推在线教学质量的提升，是保障在线教学质量的有效途径。

　　关键词：数据驱动在线教学教学质量评价

　　“停课不停学”改变了一直以来的固定场所和时间、固定教师和学生人数的班级上课形式，让师生以“网友”的身份，依托网络开展无固定场所、时间、教师与学生人数的数字化教学，全新的教学方式给教师和学生带来了新的体验。保障了教学的顺利进行，也暴露了一些问题，尤其是教学质量问题。在线教学如何做到与线下教学“实质等效”成了学校、教师、学生和家长共同关心的话题。

　　一、目前在线教学评价的问题和不足目前在线教学评价主要采用常规教学评价方法。常规教学评价以督导评教和学生评教为主，着眼于教师的教学和学生的知识掌握情况，前者往往通过教师少数几节课的情况做出判断，不能够全面反应教学情况；后者从学生的视角出发，对教师的课堂关注更全面，但带有较大的主观性。这种评价在数据采集方面，存在样本不全，范围受限，层次不深等缺陷，采集的数据往往比较片面，处理方式比较单一，参考价值不足,而且缺乏时效性，不能够有效地进行教学评价。在线教学的一大便利是能将网上教与学活动所留下的痕迹以数字化的形式保存起来，形成在线教学的大数据。因而，利用数据进行在线教学质量评价，开展质量监控工作，助推在线教学质量的提升，是保障在线教学质量的有效途径。二、数据驱动教学质量提升的意义进行在线教学质量评价的数据包括网评网阅、考试成绩数据、作业练习数据、在线管理数据、互动交流数据等。这些数据可以通过在线教学录播系统、在线教学评测系统、在线网络课程监测、人工智能语音识别等途径获取。利用数据驱动在线教学，无论对教师教学、学生学习，还是教学质量的提升，都有促进作用。1、数据驱动下的在线教学，有利于推动学生高效学习。在线学习过程中得到的评价和反馈数据，主要有以下三方面的作用：（1）监督学生参与学习，数据这个“隐形同伴”可以督促学生遵守在线教学的课堂纪律和考试纪律要求，帮助学生更好地自我约束、自我管理，增强学习的自主性、独立性，是在线教学中学生日常管理不可或缺的方式。（2）衡量学生在线的学习水平，学生可以通过数据直观检查自己知识点的掌握情况，更好的去查漏补缺，

　　1

　　尤其是在毕业年级的复习备考中，其重要性更加突出。（3）感受学生在线学习的成就，增强其在线学习的动力。有了数据的直观比对，学生在线学习不再只是盲目跟着老师的脚步走，而是有了更大的自主性和针对性，有利于提高学习效率。

　　2、数据驱动下的在线教学，有利于推动教师精准教学。如果教师只是自己在线讲课，不能获取学生学习成效的反馈性数据，会越来越感到心里没底。利用在线教学数据进行质量评价，有利于推动教师精准教学。（1）数据有助于把握学生课程的学习状态，对在线教学来说，尤其是大班教学，教师很难监测所有学生，往往是通过点名、提问、讨论等方式抽查学生的上课情况，无法做到全覆盖。数据监测可以实现全方位监控，加强对学生的指导，规范在线学习纪律，使其尽快适应在线教学的特点。（2）有利于了解课程教学的实施进展和实施水平，教师根据反馈数据进行课堂教学的调整，设计精细丰富的教学方案，梳理出课堂内讲授和课堂外自学的教学内容，使之互为补充。调整讲授与讨论环节时间的分配，以学生为中心，激发学生学习兴趣，提高课堂参与度。（3）数据可以反映课程目标的达标状况。通过互动、作业、测试的统计数据，能够判断学生的学习效果，根据学生的实际情况检测课程目标达标情况，及时进行教学调整，对学生进行个性化跟踪指导。3、数据驱动下的在线教学，有利于推动教学质量提升。在线教学的数据在学校教学管理中有重要的实践价值。通过数据采集、分析，可以监测教师在线教学的课程实施效果，能够反映学生在线学习的学习进展水平，诊断学生在线课程的学习薄弱环节，能够折射学校在线课程的过程管理成效。教务管理部门可以组织专家评价团队对数据进行分析，对教师的课堂教学进行精准诊断，提出教学改进意见，反馈给教师进行修正。这个过程不仅能实现教学管理决策从认识模糊到把握清晰，从基于经验到着眼证据，从盲目武断到科学诊断的转变，实现教学的精细化管理，也能够促使教师主动去寻找反馈改进方案，形成数据采集、数据分析、精准诊断、教学改进、反馈修正的良性循环，保证在线教学与线下课堂教学质量“实质等效”。三、数据驱动教学质量评价的需注意的问题1、数据驱动在线教学质量评价坚持三个原则。（1）坚持定性与定量结合。定性分析主要凭分析者的直觉经验进行判断分析，用语言文字进行描述，带有一定的主观性；定量分析依据统计数据进行解释和分析，用数学语言进行描述，比较客观，但也会忽略一些难以量化或者不能量化的因素，二者都有一定的局限性。利用数据进行在线教学质量评价时，需要将二者结合才能达成较好的效果。将收集到的在线教学的数据进行分析，评价领导小组在此基础上再进行定性评价，做到有理有据。

　　2

　　（2）自评与他评结合。评价主体单一容易影响评价结果的可信度和有效性，在线教学评价的主体应当应当采用多元化评价主体，包括校长、教学督导、教师同行、学生及家长、教师本人等。教师的自我评价与自我反省、自我监控和自我促进有着密切的联系，他评是以自评为基础，站在更客观的角度，对教师的教学行为进行评价，全面客观的他评可以作为自评的印证。自评他评相结合，可以帮助被评价教师客观地认识自己,发现被定势和习惯掩盖的问题,促进自我反思，及时改进课堂教学行为，提高课堂教学效能。

　　（3）形成性评价与表现性评价相结合。表现性评价是注重过程的评价，让学生更清楚“我要去哪里”，“我现在在哪里”，“我是学习的主人”。形成性评价注重在探究知识的过程和努力的过程、重在促进学生的发展。形成性评价与表现性评价相结合是从只关注结果的、面向“过去”的评价转向关注过程的、面向“未来”的评价，评价驱动的教学始终关注学习目标的实现，用教材教而非单纯教教材，以学生为中心开展自主探究学习，能促进教与学并能提高学生的学习。

　　2、全方位、多角度、深层次选取数据全方位、多角度、深层次选取数据进行分析，才能更全面准确对线上教学质量进行评价。（1）采集在线教学的前置性数据，给学生提出学习要求，让学生带着目标，按照自己的理解准备素材。基于学生学习需求了解的数据，能够帮助老师确定教学的起点和内容；（2）关注了解在线教学的基础性数据，关注师生关于“线上学习平台使用”“授课方式及学习资源使用”“师生互动效果”“学生自我管理”的数据，能够判断教学各环节运行的情况（3）捕捉教师在线教学过程中的生成性数据，课堂生成性数据，具有不确定性和多样性。教师利用好这些生成性问题，将其转变成新的教学资源，转变成课堂教学的新亮点，会使教学活动更加精彩，对师生的成长产生积极的价值。（4）把握在线课程目标达成的反馈性数据，基于阶段教学测评形成的数据，有利于总结教学的阶段成效，发现教学的薄弱环节，便于教师及时进行调整。3、利用数据形成多维的教学运行监控体系。利用数据形成校领导线上听课，督导专家线上巡课，课程平台后台监控，教师教学情况调查，学生满意度调查反馈的监控体系。（1）利用问卷调查数据优化在线教学。在没有做好准备又不得不迎接挑战的形势下，很多教师只是顺势而为，缺乏在线教学必要的心理准备和知识技术储备。很多线下教学被直接搬上了屏幕变成直播，甚至有以微课、视频展播等形式代替教学的情况。一些教师沉迷于自身的“主播”状态，几乎忽略了学生，和学生交流不足，对学生的掌握情况不清楚，反馈不及时不充分，谈不上教学的精准，

　　3

　　更谈不上对学生进行个性化跟踪指导。学校可以根据实际情况，对在线教学体验、教学组织、课堂节奏、师生互动、教师指导反馈、学生自我管理、学习资源使用等情况展开问卷调查，根据调查数据进行在线教学优化。

　　（2）确保常规教学检查正常运行。学校成立线上教学督导工作组，加强教学过程督导。通过平台查课、线上听课、师生交流、数据监测、质量评测等多种手段，结合课程平台后台监控，线上教学实时数据，对教师线上教学全过程进行督查，及时收集和回应师生在线上教学中遇到的各类实际问题，形成了“检查—反馈—整改”质量闭环。督导专家在线上巡课中，要注重针对教学经验不足的青年教师展开帮扶工作，使青年教师们更加明确今后努力的方向，有效提升青年教师线上教学能力。

　　（3）利用线上测试数据查漏补缺。利用相关平台，通过对学生在线测试情况数据的分析，生成数据分析报告，进行横向、纵向对比，检测教学质量并反馈，授课教师可以根据反馈及时调整课程进度及教学方法，学生通过数据比对可以发现自己的弱项，增强学习的目标性，激发自主学习的动力。学校也能时时掌握线上教学整体效果。及时发现问题、及时解决问题，紧紧围绕“质量”，保证线上和线下教学的实质等效，为提升在线教学质量保驾护航。

　　在线教育是未来教育的重要方式，疫情期间，各学校不断探索适合校情的在线教学方式，这场超大规模的教育实践，一定会为在线教学积累丰富的经验和案例。教学质量决定在线教育的生命力，利用数据驱动教学质量评价，助推教学质量提升，一定会为在线教学的发展提供强大动力。助推教育教学加大改革，更好地适应时代的要求，进一步提升质量。

　　参考文献：［１］付卫东，周洪宇．新冠肺炎疫情给我国在线教育带来的挑战及应对策略［Ｊ］．河北师范大学学报：教育科学版，２０２０（２）［2］崔裕静，马宗兵，马凡．网络直播作为慕课学习支持服务的模式及应用［Ｊ］．现代教育技术，２０１９（１２）［3］曲茜美，曾嘉灵，尚俊杰.疫情期间如何有效开展在线教学［Ｊ］．教师教育理论，2020（4）

　　4

推荐访问:数据驱动教育改进论文 改进 驱动 数据