前言：中文期刊網精心挑選了大數據學習計劃范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
大數據學習計劃范文1
關鍵詞 教育大數據 個性化學習 學習路徑
教育部2015年工作要點中提出：將進一步推進《教育信息化十年發展規劃》中的“三通兩平臺”建設與應用，力爭實現學?；ヂ摼W全覆蓋[1]。教育信息化的推進以及教育基礎設施的建設，為大數據技術在教育領域的應用奠定了良好的基礎。
大數據技術正在對社會生產生活產生深刻的影響，過去無法收集和分析的數據被大數據技術賦予了新的可能性，其中關于人們行為和喜好的數據挖掘，使大數據成為了教育變革與創新的重要推動力。傳統的教育決策通常建立在個人教學經驗和簡單的數據分析基礎之上，無法提供給每個學生最有效的教學方式。而大數據技術對海量教育數據的留存和深度挖掘，能幫助教師更深入地了解學生知識的掌握情況以及學習偏好，有助于教育機構和教育工作者彌補或改變現行教育中的不足，將推動傳統以“教師為中心”的教學方式向以“學生為中心”教學方式的轉變，真正做到以人為本、因材施教。
一、教育大數據的概念和特征
教育大數據作為大數據在教育領域中的應用，至今國內外還沒有教育機構給出明確且統一的定義。教育大數據可以被理解為所涉及的教育數據規模巨大且種類繁多，以至于傳統的處理工具無法進行有效的擷取和處理的教育數據集。教育大數據主要有以下幾個特征。
1.海量性
麥肯錫對大數據的定義是指那些規模大到傳統的數據庫軟件工具無法進行采集、存儲和分析的數據集[2]。因此，數據量大也是教育大數據的首要特征。隨著信息化的發展，大部分學校都采用先進的信息管理系統進行教學管理，教學管理與教學資源的全面整合會產生和記錄大量的教學信息。另外，越來越多的學習行為在網絡上發生，也導致在線學習平臺所生成的教育數據量呈爆發性增長的趨勢。
2.多樣性
德勤公司專家羅伯特指出：“規模并不是常規數據和大數據之間最主要的區別，大數據的重要屬性應該是復雜性和多樣性。”[3]傳統的教育數據具有明顯的結構化特征，但隨著教學手段和教學工具的飛速發展，教育數據的品種不斷增加，數據結構變得更加復雜，形成了多樣且異質的教育大數據，如教學視頻、音頻、日志、郵件等，這些非結構化的數據背后隱藏著大量的信息，比如學生的學習態度、能力和偏好。大數據時代的教育工作者要學會利用和分析這些不同類型的教育數據，以還原學生學習情況的完整性和真實性。
3.動態性
傳統的教育數據更專注于靜態記錄學生的考試成績，而教育大數據有能力跟蹤和掌握學生的學習動態，比如學生注意力集中時間、回答問題次數等。這些數據是動態且高速變化的，教師不僅可以根據實時的教學數據監測，動態地評價學生的學習成績和學習效果；還可以根據變化的學習數據隨時調整教學方案。斯坦福大學吳恩達教授跟蹤學生觀看視頻講座的行為發現：如果學生中途點擊了關閉或快播鍵，暗示了講座內容晦澀難懂或學生不感興趣，教師可以據此對視頻內容進行調整，以期通過改善教學內容來提高學生的理解力和興趣度[4]。
4.價值性
維克托在《大數據時代》中指出：“大數據時代最重要的是從大數據中挖掘價值。”[5]目前學校所產生的教學數據都是由很多學生行為片段組成且處于分散狀態，需要使用大數據技術對這些數據進行整合和利用，通過對這些被鎖在“數據孤島”上的海量數據進行處理，獲得具有重大價值的學生行為分析結果，并利用它們為改善學生的成績提供個性化的服務。教育大數據對學生、家長和教師都具有很高的價值，它可以幫助學生提高學習成績、幫助家長理解學生的學習行為、幫助教師改進教學方案，以確保每個學生獲得有效且高效的定制教育。
5.真實性
教育大數據注重提高數據分析的真實性和可靠性，傳統的教育數據由于學校為了排名、教師為了業績等原因可能被修改或粉飾，這樣得到的不真實數據就失去了對學生學習情況判斷的準確性。而教育大數據由于基數巨大，不是憑借某一個數據對學生進行評價，而是依靠海量的全息數據對學生進行整體評定，即使某些被修改過的錯誤信息存在，也不會影響對學生的最終評價結果。
二、基于教育大數據的個性化學習模式構建
個性化的學習模式強調“一個尺寸適合一個人”的教學方式，通過大數據技術來實現個性化教學，使知識的傳授能夠適應特定的教學環境、學習偏好和學生能力。個性化學習模式由以下幾個部分組成。
1.學生學習數據庫
個性化學習模式強調“大數據驅動”，由學習數據庫記錄和存儲大量實時、可靠的學生學習行為數據，例如學習路徑、日志、討論、作業等。大數據技術的優勢就體現在可以對各種非結構化的數據進行采集和存儲，課堂教學、在線學習、輔助教學工具都可以作為數據收集的平臺，每次學生的點擊、討論版的互動、博客的進入或任何微小的活動都會被記錄下來，生成每生每課的數以萬計的學習數據，并縱向傳遞到分析系統，成為下一步個性化學習分析的重要基礎資源。
2.學生基礎數據庫
學生基礎數據庫包含了學生的各種基本信息（姓名、年齡、專業、愛好等）、學生的歷史學習信息（成績、先導課程、問卷調查等）。要確保為學習者制定最適合的學習路徑，不能僅靠學生的學習行為數據，還要參照歷史學習數據，這些數據會綜合反映學生的知識儲備、學習偏好、努力程度等信息，會形成更加立體的學生學習影像。
3.分析系統
分析系統是對學習數據庫中跟蹤學生學習軌跡所存儲的大量數據進行處理和分析。分析的內容主要包括：學生學習表現、課程與教材選擇是否正確、教學方法是否合適等。分析過程首先要對原始學習數據進行歸納和整理，去除無關或難以識別的冗余數據，數據的真實性和時效性是保證最終得出準確分析結論的關鍵。然后通過大數據方法將數據轉化成可以被洞察和操作的模式，獲取數據當中潛在的、有效的、規律性的、可以被理解的信息，并形成可視化分析報告。
4.自適應系統
自適應系統主要通過分析系統得出的反饋對學習過程進行自我調整和管理，學生基于數據收集和分析的可視化結論來調整學習路徑，比如更換選修課程和學習材料。由于學生的個體情況有很大差異，自適應系統會利用人工智能軟件根據學生對學習內容的接受程度，自動對學生的學習行為作出響應，幫助學生調整學習方案。在自適應學習系統中，學習不是被動地接受知識的過程，而是在更正學習過程中發現感興趣和擅長的知識的過程。自適應系統增加了學生學習的主動性，調節了學生的學習狀態和獨立思考能力，改變了傳統學習的被動局面。
5.個性化干預
個性化的學習干預是通過對學習者基礎數據庫和系統內學習數據庫的數據進行整合，基于分析系統得出的可視化分析結論，結合教師的教學經驗，對學習者的學習軌跡進行修訂和改善的干預服務。對于學習效果較差的學生要通過互動平臺及時給予幫助和干預，其目的在于通過修訂教學方案和個性化資源推送來提高學習者的學習效率，并對學習者未來的學習行為進行智能化預測。個性化的教學干預摒棄了傳統的“合格-不合格”的評價系統，強調通過數據分析來評估學習者的學習情況并掌握學習者思考和解決問題的方式，以便為其提供必要的引導和幫助，最終得到學習者更全面且精準的評價。
由圖1可知，個性化學習模式的流程為：由學生學習數據庫收集原始學習軌跡數據傳遞到分析系統；分析系統通過數據預處理、數據分析功能，利用各種大數據技術生成可視化的學生學習行為分析報告；自適應系統通過數據挖掘和學習分析等工具分析出來的報告，評估學生的學習過程，發現潛在的問題并進行智能干預，引導學生對學習內容進行適應性修正；教師整合基礎數據庫數據和分析系統得出的結論，結合多年的教學經驗，通過干預系統對學生的學習路徑進行人為的教學干預，對教學方案進行調整和修訂，對學生未來的學習情況進行預測，將傳統的同質教育演化成適應每位學生個性化需求的定制教育。
三、基于教育大數據的個性化學習模式面臨的挑戰
大數據技術運用于教育領域，為傳統的“批量生產”式的教育模式帶來了巨大變革，將引領教育進入全新的高度個性化的時代。但是，個性化學習模式中所有系統相互作用的前提條件是教學數據提供的準確性和及時性，只有在各系統之間保持快速、及時和準確的信息傳遞的情況下，大數據分析對教學的作用才能凸現出來。但現在許多學校的教學仍然以傳統的面對面課堂教學為主，數據的傳遞、轉換和分析可能出現滯后的情況，會影響最終干預系統分析結果的有效性。因此，大數據技術要在教學領域發揮其應有的作用，還需要學校大力推進教育信息化的建設，提高教學數據處理和分析的能力，才能充分發揮個性化學習模式的作用，真正實現教育的個性化培養。
對學生學習軌跡進行跟蹤、記錄和挖掘，不可避免地涉及到學生信息的保護問題，尤其在現有個人隱私的法律法規不夠健全的情況下，教育大數據領域隱私規則的制定變得迫在眉睫。教育管理者要意識到大數據的使用將涉及到來自道德和法律的雙重挑戰，學生是教育大數據的創造者和所有者，在對教育數據進行采集和分析的時候，應取得學生和家長的認同和信任，同時制定有關學生隱私保護的法律法規，以保證所有收集到的學生數據都應用于改善教學。
參考文獻
[1] 教育信息化十年發展規劃（2011～2020年）[EB/OL].[2015-10-20].http：///web/content.php？id=6853.
[2] Big data：“The next frontier for innovation competition and productivity”[EB/OL].[2015-09-08].http：///news/2011/06/BigData.
[3] 陸Z.大數據及其在教育中的應用[J].上海教育科研，2013（9）.
[4] Viktor Mayer-Sch？nberger.Learning With Big Data[M].Create Space Independent Publishing，2014.
大數據學習計劃范文2
關鍵詞：大數據；信息化教學；變革
人類已經進入到激情澎湃的信息多元化發展時期，大量新數據無時不刻不在涌現。大數據在教育中發揮至關重要的作用。假如說大數據技術在世界范圍內刮起了數據分析的龍卷風，那么大數據技術就可以在其資源觀、教學觀、教師發展觀等方面都將發生翻天覆地變革。
1大數據時代的特點
1.1數字數據急劇增長
谷歌公司每天要處理超過24PB數據，相當于104萬8千多個GB，其數據處理量是美國國家圖書館所有紙質出版物所含數據量的上千倍。Facebook公司每天更新照片超過1000萬張，每天人們在網站上點擊“喜歡”（Like）按鈕或者寫評論大約有30億次。You Tube公司每月接待多達8億的訪客，平均每一秒鐘就會有一段長度在一小時以上的視頻上傳。Twit-ter上的信息量幾乎每年翻一番，截至2012年，每天都會超過4億條微博等。這種極速發展表明，大數據時代不以人們意志為轉移地到來了。
1.2思維方式和工作方式重大變革
在信息處理能力受限的時代，人們只能隨機抽樣采集數據開展研究。其目的在于，用最少的數據得到最多的信息。但是，這種“最多的信息”有著很大的局限性，它只能從采樣數據中得出事先設計好的問題的結果，而不能適用于一切情況。到了大數據時代，獲得海量數據已經非常容易。因此，小數據時代的隨機抽樣已經失去了原有的意義。谷歌公司之所以能比國家疾病控制和預防中心更早地準確預測H1N1流感趨勢，不是依靠隨機抽樣分而是分析了整個美國幾十億條互聯網檢索記錄，分析整個數據庫，因而能夠提高微觀層面分析的準確性，推測出某個地區的流感狀況，從而采取相應的防范措施。這樣的分析不是小樣本抽樣所能勝任的。這種“樣本=總體”的全數據模式，被稱之為“讓數據發聲”。
1.3相關關系分析預測未來
在大數據背景下，找到關聯物，就能通過關聯物之間的相關關系預測未來。相關關系的核心是量化兩個數據之間的數理關系。美國知名的計算機科學家奧倫?埃齊奧尼，根據自己買飛機票的經歷開發了一款可以幫助人們預測飛機票價格的預測系統Farecast。這個預測系統是建立在對41天內機票價格波動產生的12000個價格樣本基礎上的，而這些價格信息都是從各大機票網站上搜集到的。截止到2012年，Farecast系統用了將近十萬億條記錄來幫助預測美國國內航班的票價。Farecast預測的準確度高達75%，使用該系統的旅客平均每張票將節省50美元。
1.4大數據最終利用價值就是使用和創新
大數據背景下，數據在很大程度上可以被看作是奇特的礦石資源，在其重要價值被發現之后，可以產生新的價值，實現數據的再次創新。這種創新為信息化教學變革提供了保障和動力。
2大數據促進信息化教學變革
大數據時代的特點，為信息化教學變革提供了便利條件。全新的資源觀念、教學理念以及教師發展觀念，以及全新化的大數據利用形式的明顯特點都是信息化教學發展和實踐相結合的典型。在這樣的發展背景下，全新的資源觀念、教學理念以及教師發展進步觀念都在大數據信息化發展中產生。
2.1新資源觀：實現傳者和受者資源轉變
在傳統意義上的資源構建中積累了大量教育資源，然而依然未能滿足主要教學工作，主要因素并不是資源不足，而是資源遴選的具體化。因為老師針對教學內容的個性化解讀，技術愛好和審美藝術的差異化，教學特征和特點存在差異，同時資源使用狀況和選擇也存在差異，這就形成了資源選擇的具體化烙印。烙印形成是造成教師不同教學方式的直接表現。于是，沒有企業或者機構足夠實力雄厚可以給全部教師實行適當企業資源。然而最重大的癥結就是這些資源從整體上來說，隸屬于為老師教學準備的課堂資源，主要形式就是以老師為核心的傳統意義上教學方式服務的，不利于創新性人才培養。從大數據角度審視，用戶逐漸拓寬的資源才能成為有潛力的資源形式。在信息化教學的背景下，學生才是無限延伸用戶的主導型人才。翻轉課堂等不同教學形式的利用，為信息化教學開拓了新的領域，同時也預示著在大數據不斷發展的背景下，傳統意義上以傳者為核心的教學形式應該轉變為以學生自主學習為主要方式的個性化學習方式。新資源理念是對傳統意義上資源理念的再次改變。首先，微課堂理念主要的用戶就是學生，從大數據資源審視，微課堂資源具備學習和商業領域的潛在價值，從而保證其良性循環發展。其次，微課堂一般意義上都是以學生為核心，可以加強學生個性化學習和自主學習的能力，培養學生興趣；最后，微課堂最初開發者是老師，老師實現資源的有效利用，才能最大化實現資源的有效利用。數據化時展的基礎是與資源，云資源和大數據強強聯合，大數據背景下的全新資源理念青睞于云資源，海量信息量都儲存在“云端”。毋庸置疑，不管是視頻、音頻、文本抑或是圖像，只要輸入關鍵字，都可以實現輕松搜索。
2.2新教學觀：信息化教學前移
2.2.1信息化教學前移
主要就是老師對學生進行一對一的教學，在這樣的教學手段中，教師和學生之間感情堅固，學生學習態度誠懇，注意力集中，因此在“一對一”教學中學習效率較高。在翻轉課堂以及微課堂等全新教學的明顯特點就是“人機智能一對一”，有趣性和顯著性是微課堂的明顯特征，個性化的學習方式可以引起學生的興趣，學生學習效率較高，效果明@。信息化教學前移理論是以視頻再造的云時代學習手段為前提，信息化的學習手段都是以個性化學習為前提，可以根據學生的具體情況制定個性化學習計劃，在學習中遇到有困難的地方，可以回頭查看教學情況視頻，讓不同狀況的學生可以利用不同碎片化時間在原來的基礎上實現學習目標，假如學習上遇到難題，教師能夠及時實行有效性指導，從而助力于學生有效學習，實現學習效率和質量提升。
2.2.2信息化教學前移在實踐中也具有重要作用
自主性學習可以迅速實現有效果的學習，從而為教學創造和創新性發揮創造出創造空間。在江蘇地區蘇州市的教學實踐中，老師可以提前根據不同階段的特征給學生設計學生在整個課堂中的自主學習任務清單，設定和學生的學習能力和學習計劃相適應的學習計劃，從而實現自主性學習目標性和動力性。
2.3新教師發展觀：新素養、新“微格”、新職能一轉型呼之欲出
2.3.1發展教學新素養
信息化教學的主要形式就是微課堂，微課堂主要就是將原本的課堂教學方式根據學生的能力和學習計劃分解成不同目標和步驟的任務、方式和手法。在整體操作實踐中，教師應該按照學生的自主化學習方式和計劃實現學生學習的自主發展，同時也可以根據自主學習任務利用適當的電子化教學資源，從而實現學生主導型學習。于是，提出傳統意義上的教學基本技能之外，老師還需要在信息化、可視化以及技術化、藝術培養方面中具備修養。傳統意義上的教學技能和信息化背景下的新教養相互融合，構建最佳職能的教學途徑，從而可以拓寬老師教學的視野，強化教師的理論技能和時間基礎。
2.3.2培養“新微格”常態化思維方式
信息化教學中還要求教師在視頻學習中應該實行獨立設計的視頻方案，很多教師在制作視頻以后，都會仔細檢查，校對視頻對錯。這就是制作和自我審視的程度，和利用微格教師錄快課程、反思和研究不同過程具有相似特征。利用一臺電子設備，一副耳機就可以實現信息化教學，這被稱之為“新微格”，其主要特點就是實現從貴族式教學到平民化教學的轉變，從而促進教學的專業化發展。
2.3.3教師的新職能呼之欲出
在信息化教學的背景下，教師的職能在一定程度上發生轉變，教師可以脫離傳統意義上的教案，更關注提前設計好的學生自主學習清單，為學生的自主能力培養視頻獻計獻策，設計以學生為核心的課堂創新手段，在學生知識點模糊的情況下可以提供幫助，拓寬學生知識內容。
大數據學習計劃范文3
所謂大數據，主要是指伴隨著信息爆炸而產生出來的大量數據的集合，它并非一個確切的概念，而是用來表征與傳統數據量相區別的新的數據量尺度――一種巨大量的數據體。在研究學者眼里，可以用4個V來描述大數據的特征，即海量數據（Volume）、高速處理（Velocity）、數據多樣（Variety）、真實性（Veracity）。簡單來說，人類世界中的一切活動都會留下痕跡，在信息技術高速發展的今天，這些不可計量、儲存、分析和共享的痕跡被數據化，在人們面前展現出一個量化的世界。數據爆炸后所展現出的量化世界是龐雜的，但其中卻蘊含有豐富的價值?？傮w上說，大數據對思想政治教育研究最為核心的意義在于大數據分析可以及時、真實地反映人的精神需要和思想傾向。具體到實際研究領域，考慮到現今的數據共享度和可利用程度，當前，大數據至少可以在以下方面對思想政治教育研究產生有益影響。
首先，大數據分析對大學生思想政治教育研究有較強的實際價值。從目前的數據共享程度來看，互聯網絡數據是最易于得到的數據源之一。大學生作為高知群體，網絡生活度強，使用網絡頻率和其他人群相比也相對較高。同時，在當前終端設備普及的情況下，大學生網絡使用通常處于特定的網絡體內，即大多數大學生在上網時一般是通過校園網絡接口接入互聯網的。因此，對大學生網絡數據的收集較為便捷。從技術手段來說，根據網絡IP地址段出口限定，可以比較容易地收集到某一具體地區、或者某一高校大學生上網所產生的數據痕跡，通過進一步分析，就可以從中了解到其關注的問題熱點、思想需求等信息，能夠比較直觀地反映他們的思想特點。這種直觀的反映可以直接為思想政治教育方案的設定、教育方法的選擇、教育內容的優化等提供數據支持。
其次，大數據分析能為思想政治教育個性化方案研究提供數據支撐。思想政治教育的個性化趨勢緣自教育對象主體性的確認，個體需求的不同決定了其對教育內容內化程度的不同。契合個體需求、興趣和思維習慣的教育方案能更好地抓住教育對象的視線。通過大數據分析，個體的思想個性特點以及學習傾向和習慣能夠得以顯現，從而構建個性化分析報告。根據個性化分析報告，思想政治教育可以有的放矢，針對不同情況，強化教育過程中的個性意識，調整課程結構、課程內容，研究個性化教育方案。此外，還可以吸取MOOC（大型開放網絡課程）在適應個性化教育應用上的經驗，不斷進行課程開發和改進。
最后，大數據分析能融入思想政治教育效果評估工作中。長期以來，思想政治教育效果評估困境重重，這主要是由于人的思想變化存在一定的潛伏期，有著內隱性的特征，使得思想政治教育效果評估結構復雜難控?，F如今，多重因素影響下形成的龐雜數據更是突破原有的量化評估方式，為思想政治教育效果評估造成困難。而大數據思維的一個基本理念是：研究數據不關注精確，而強調混雜，而且繁雜的數據越多越好。這是傳統樣本分析所不可企及的。廣泛數據所帶來的是傳統分析中無法被關注到的細節和一些可能錯過的變化，這對于思想政治教育效果的綜合評估十分有益。當然，大數據對思想政治教育研究所產生的影響不限于此，仍有很多方面有待持續的開發。
思想政治教育研究中的大數據應用
依據目前開放的百度指數大數據平臺 ，以“兩學一做”為主題，挖掘（Data Mining）大數據平臺中2016年2月到2016年7月期間，人們對“兩學一做”相關問題的關注。可以得知，社會成員對“兩學一做”的關注內容（按檢索量排序）主要集中在三個主要方面：一是對“兩學一做”的心得體會，二是“兩學一做”的講稿及PPT，三是“兩學一做”的學習計劃。其中，關于“兩學一做”心得體會問題的檢索居于檢索首位。根據數據需求圖譜進行統計，圍繞核心詞匯“兩學一做”，人們重點檢索從“心得體會”到“講稿”再到“學習計劃”等，并且呈現需求度變弱的趨勢。
根據以上數據對“兩學一做”關鍵詞檢索的狀描和呈現，分析結論，我們可以為后期“兩學一做”學習教育提供以下的參考改進意見：一是加強宣講，印發材料，明確在“兩學一做”學習教育中的知識教育，使其入腦、入心；二是推動“兩學一做”學習教育的網站建設，對“兩學一做”學習教育活動方案給予指導意見，思想政治教育研究者們應積極研究教育活動形式的創新；三是避免教育活動形式化，對“心得體會”等要求，要真正落到實處，如在學習中穿插討論，避免學習后為完成任務而進行的抄襲。
大數據時代思想政治教育研究的應有轉向
大數據時代的確已經為思想政治教育研究提出了許多新的課題。因此，應積極回應大數據時代，完善當前思想政治教育研究，推動大數據時代下研究的轉向。
一方面，強化思想政治教育研究的多學科協同意識。大數據分析需要龐大的數據處理，從學科來看，至少需要統計學、計算機信息學、情報學等學科專業知識，這是現有的思想政治教育研究者知識結構的短板。雖然思想政治教育研究者綜合研究能力的培養不可忽視，但術業有專攻，因此在大數據時代，僅依靠思想政治教育學科內部的研究力量顯然是不夠的，要建立思想政治教育研究的多學科協同機制，強化協同意識。首先要加強與其他學科間交流，將研究所需要的數據方向告知相關學科領域的研究者，使其了解需要收集、挖掘、分析的數據內容，打造多學科研究團隊，協助思想政治教育研究；同時還要發揮本學科研究優勢，在數據挖掘的基礎上，結合專業知識進行充分分析，與哲學、教育學、社會學等多學科協同研究，做到物盡其用，人盡其才。
另一方面，逐步推進思想政治教育研究的市場化。掌握大數據源的機構是不同的，在當前，數據已顯然具備了價值的屬性。數據間交換已經形成市場，大數據交易中心正在籌劃建立。思想政治教育研究要掌握大數據，就要走出原有封閉的象牙塔，走向市場。思想政治教育研究市場化首先需要的便是投入的加大，因為市場本身具有利益性質訴求，市場是利益交換的載體，通過投入，思想政治教育研究能更便捷地獲取到所需要的數據源，還可以與專業的數據分析公司洽談，外包數據收集和挖掘任務，提高研究的實效性。此外，思想政治教育研究可以在市場化中尋求合作。如，對于高校數據信息的收集，部分企業有在高?；蛘哚槍Υ髮W生、青年群體進行產品推廣、產品開發的需求，他們與思想政治教育研究一樣，同樣需要了解高校大學生通過網絡生活所產生的數據，作為掌握高校數據信息資源的學校思想政治教育管理部門而言，可以通過合作，從有需求的企業那里獲得資金和技術支持，共同收集、挖掘有用數據，從龐雜的數據體中找到思想政治教育研究所需要的信息。
需要注意的是，將大數據思維應用思想政治教育研究之中，一定要避免技術至上主義的傾向。在大數據時代，思想政治教育研究要以審慎的態度融入數據的洪流之中，避免被數據洪流淹沒的境遇，在保持應有理性的同時，積極利用大數據給我們帶來的價值，張揚求知過程的智慧之美，讓數據發出生動而鮮活的聲音。我們在研究中必須明確，“大數據為我們提供的不是最終答案，只是參考答案”。
（作者為北京市社會科學院科學社會主義研究所助理研究員）
【參考文獻】
① [英] 維克托?邁爾-舍恩伯格、肯尼思?庫克耶著，盛楊燕、周濤譯：《大數據時代：生活、工作與思維的大變革》，杭州：浙江人民出版社，2013年。
大數據學習計劃范文4
“大數據”如何為教育決策提供支持？“大數據”會改變我們的學習方式嗎？“大數據”背景下，課堂教學改革會有怎樣的趨勢？
早在上個世紀70年代，美國著名未來學家阿爾文·托夫勒在其著作《未來的沖擊》一書中就預測，未來社會中大量的“人工編碼信息”將代替自然信息，充斥人們的生活。如今看來，托夫勒所描述的這個時代已悄然到來。2012年，涂子沛先生的《大數據》和維克托·邁爾·舍恩伯格先生的《大數據時代》相繼在中國大陸出版，讓很多人接受了一次徹底的思想洗禮。從商業、科技到醫療、政府、經濟、人文以及社會的各個領域，“大數據”正在悄然改變著世界的方方面面，改變著我們傳統的思維方式和行為方式。
“大數據”（Big Data）也稱“海量數據”，其特點可以概括為4個“V”：第一，數據體量巨大（Volume），從TB躍升到PB；第二，數據類型繁多（Variety），包括網絡日志、視頻、圖片、地理位置信息等各種數據類型；第三，價值密度低，商業價值高（Value），以視頻為例，連續不間斷監控過程中，可能有用的數據僅有一兩秒；第四，處理速度快（Velocity）。與傳統數據不同，“大數據”采集的樣本量更為龐大，采集方式更為靈活，采集手段更為多樣，采集速度更為迅速，采集人員更為大眾。更為重要的是，在互聯網技術的支撐下，“大數據”的豐富內容可以開放共享，“大數據”的潛在價值可以不斷分析、挖掘和預測。除了可汗學院、MOOC等這些在線教育變革外，“大數據”又將如何改變我們傳統的教育世界呢？美國是一個有著“數據信賴”傳統的國家?；蛟S，我們可以從美國基礎教育的發展狀態中找到答案。
為教育宏觀決策提供信息基礎
事實上，早在上個世紀60年代，美國就意識到數據在教育決策中的重要地位。1968年，美國聯邦教育部成立了“全美教育數據統計中心”。經過34年的長期摸索與反復試錯，該中心形成了一套完整的教育數據處理的方法論，并在2002年通過了《教育科學改革法》，明確了數據在教育決策中的決定性地位，即所有教育政策的制定都必須由實證數據進行支持。同年，美國教育研究所與全美教育數據統計中心合并重組后成立了教育科學研究院（IES，Institute of Educational Science），成為全美最重要的教育決策咨詢機構。
數據在美國聯邦教育決策中發揮了極為重要的作用。其中最為典型的一個例子就是全國教育進展測評（National Assessment of Educational Progress，簡稱NAEP）。NAEP產生于1969年，是由美國國會授權的唯一一個全國性中小學學生學業成績測評體系。其目的是監測美國中小學生學業成就現狀和發展趨勢，提高美國基礎教育質量。40多年來，NAEP已對美國中小學的閱讀、數學、寫作、科學、歷史、地理、公民教育等學科進行了全面測評，其測評結果已成為美國聯邦政府及各州衡量教育發展、分配教育資源、改革教育實踐的重要依據。
NAEP產生近半個世紀以來形成了自己獨有的運作模式。2001年，美國政府頒布的《不讓一個孩子落伍》法案更為詳細地規定了NAEP的實施模式，共包括以下四個方面：首先，NAEP全國測評和州測評至少每兩年對4、8年級的閱讀和數學進行測試。NAEP全國測評（州測評）必須定期對12年級的閱讀和數學進行測評。在條件允許的情況下，NAEP全國測評還要定期對4、8、12年級的寫作、科學、歷史、地理、公民教育、經濟學、外語、藝術進行長期趨勢測評。其次，所有希望接受I號資助（Title I grant）的州自2002-2003學年起必須每兩年參加針對4、8年級閱讀和數學科目的NAEP州測評，而對州測評中其他學科的測量則奉行自愿原則。NAEP州測評的資金由聯邦政府負責，NAEP州測評并不能取代各州對4、8年級學生閱讀、數學科目學習效果的評估。其三，NAEP將繼續對9、13、17歲的學生進行閱讀和數學科目的測評。基于技術因素的考慮，科學和寫作不再作為測評科目。
NAEP由兩部分組成：第一部分是通過具體的評估框架對學生某具體科目的學業水平進行測試。測試形式通常為多項選擇題和書面自由回答題；第二部分是背景信息，即通過對學生、教師、學校管理人員進行問卷調查或其他來源獲取有關人口統計學特征和教育過程的描述性信息。
NAEP通過一系列圖表把各科目、各年級的成績呈現出來，使讀者直觀地看到美國當前基礎教育的整體狀況、不同群體的成績和群體之間的成績差距、學生成績的發展過程和變化趨勢。數據結果直接反映了美國當前教育發展的基本趨勢，為國家宏觀決策提供信息基礎，決策者也可以利用這些結果評估當前教育改革政策的實施效果。此外，NAEP的測評結果還被大量研究者深入挖掘和分析，開展諸如家庭、社區和學校對學生成績影響的研究，資源差異、系統化的改革措施、不同的學習機會及教育政策對學生學業成績影響的研究。研究成果對美國聯邦教育決策產生了間接、廣泛的影響。教育管理與服務的個性化成為可能
大數據給教育帶來的一個重要變化在于它使教育管理和服務更加個性化。美國科羅拉多州正是運用“大數據”系統改進了本州的教育管理與服務。2009年，科羅拉多州教育當局開始實施“教育信息系統計劃（Relevant Information to Strengthen Education，簡稱RISE）”，收集學生、教師和學校的所有信息，以幫助學校改進教學，旨在幫助學生獲得學業上的成功。迄今為止，該計劃已成功實施4年。
該計劃共包括4個戰略環節：采集、連接、提供和執行。每個戰略環節又是通過一系列項目來完成的。首先，要采集科羅拉多州每個學生和教育者的重要信息，包括早期教育背景、學習長項、需要更多關注的領域、測驗分數、等級等在內的一系列重要教育信息，教育者信息則包括教育者的特點、準備和發展；第二，用最先進的數據系統將收集到的數據和學生、教育者的數據內容與相關國家機構的記錄連接起來；第三，通過“了解學校”（Sehoolview）的門戶網站，為家長、學生、教育者、政策制定者和研究者提供及時的、以學生為中心的信息服務；第四，運用數據，設計個性化的教學實踐活動、創新性學習計劃和教師專業發展法案，以提高學生學業成績。該計劃數據應用的方式也靈活多樣。例如，一個學生轉到新學區后，其信息記錄也隨之遷移。教師可立刻獲取該生的所有相關信息，以提前做好準備，幫助其平穩過渡到新的學習中。再如，學?；蚪處熗ㄟ^數據研究，找出對提高學生學業成績最有效的教學方法，或者學校應該加強的資源建設和為學生提供的支持。
由此可見，教師、學生、教育管理者、社會管理者等都可以從該計劃中獲益。教師能夠獲取更加全面、豐富的數據信息，能夠了解何種教育方法對學生最有效，學生可能在哪些方面需要額外幫助。在數據的基礎上，教師能夠根據不同孩子的需求和學習風格來設計個性化的教學，將學習變成個性化行為，更好地滿足每個學生的需求，促進每個學生的學習。學生則可以得到教師更好的指導和支持，進而提高學業成績。對于管理者來說，這一計劃大大提高了他們的工作效率，他們只需要通過互聯網就能很快地獲取學生和教師記錄，從而更快、更有效地與新學生建立聯系，幫助新教師適應新的教學環境。而對于社會管理的研究者和政策制定者來說，他們則能夠通過該計劃了解到學生的學習趨勢和結果，從而形成對科羅拉多州學校教育的共識，最終達到改進公共政策、增加政策透明度的目的。
驅動教學質量的大幅提升
如果將大數據運用到學校教育和課堂教學中，學校的辦學質量有可能大幅度提升。美國肯尼迪小學就是—個鮮活的例子?？夏岬闲W是坐落在美國威斯康星州簡斯維爾市最年輕的—所小學，成立僅14周年，但卻是美國“藍帶學?！笔鈽s的獲得者。在全美所有公立和私立學校中僅有3%的學校能獲此殊榮，獲獎學校不僅要求學生學業成績連續3年高于國家平均水平，而且要有40%以上的學生來自貧困家庭。那么，是什么原因使這么一所年輕的學校獲此殊榮呢？
2012年6月，學校校長艾里遜·德格拉夫（Alton DeGmaf）在北京舉行的“小學教育國際會議”上揭示了其中的奧秘。她指出，高質量的教學和評價機制是學校成功的重要秘訣之一。而高質量的教學建立在數據研究基礎之上，也被稱之為“數據驅動型教學”（Data Driven Insmacfion）。因為威斯康星州每年都舉行“知識和概念考試”（Wisconsin Knowledge and Concepts Examination，簡稱WKCE），教師每年必須參加3次“數據挖掘”（Data Retrests）的活動，深入分析每個學生的WKCE數據，找到學生學習的弱點，然后不同教師協商合作，共同設計全班的課程、小組活動以及差異化的教學方案，其目的就在于提高課堂教學的針對性，進而提高學生的學業成績。此外，同一年級的教師每周定期召開一次教學研討會，分析常用的基于課程的評價機制，并根據這些評價工具采集的數據，確定具體的教學策略和教學活動，以滿足學生的個性化需求。
肯尼迪小學特別重視學生閱讀能力的培養，他們在全校范圍內開展了“指導閱讀教學法”活動。為監測活動開展情況，學校利用“發展性閱讀評價”（Developmental Reading Assessment，簡稱DRAs）工具，每年3次采集所有學生的閱讀能力發展數據。在數據分析的基礎上，根據學生不斷發展的閱讀需求，定期重新組織學生的閱讀小組。這一系列的事實都表明，肯尼迪小學課堂教學效率的提高不僅僅是基于經驗，更為重要的是基于數據，基于每一個學生在學習過程中所呈現出的數據狀態，基于本校與全國、全州的對比數據。這當然對教師的專業素養提出了更高的要求，要求教師遵循“循證”邏輯，具備研究素養，這想必也是大數據時代課堂教學改革的必然趨勢。
大數據學習計劃范文5
大數據在基礎教育領域的應用形式
《2016新媒體聯盟中國基礎教育技術展望：地平線項目區域報告》指出：中國的基礎教育展現出越來越多的學校開始采集與學習活動相關的數據來實時調整教學內容和教學方法的趨勢[2]，這說明大數據在基礎教育領域的應用越來越普及。
教育大數據可分為四個層面，分別是基礎層、狀態層、資源層、行為層。基礎層存儲的是基礎性的國家教育數據，狀態層存儲的是各種教育環境、教育裝備以及教育業務的運行狀態信息，資源層存儲的是各種狀態的教學資源，行為層存儲的是廣大教育用戶的行為數據[3]。
基礎教育的教與學中，主要有基礎層、資源層和行為層三種數據。基礎層中，存儲著國家規定采集的教職工與學生的年齡、性別、籍貫等一些基礎信息；資源層中，存儲著包括教師教案和教材在內的課程資源以及包括試卷、課下作業在內的課業測試與作業；行為層中，存儲著學生的學習行為、管理人員的操作行為、教師的教學行為以及學生的興趣、動機、消費情況等其他描述。
實際上，國外已經開始了基礎教育領域的大數據的實踐活動。美國的一些企業，如IBM、“希維塔斯學習”（Civitas Learning）、“夢盒學習”（Dream Box Learning）和“紐頓”（Knewton）公司等等，已經與學校展開了大數據方面的合作；另外，總部位于加拿大安大略省沃特盧的教育科技公司“渴望學習”（Desire 2 Learn）已經推出了名為“學生成功系統”（Student Success System）的新產品，這項產品是基于他們自己過去的學習成績數據預測并改善其未來學習成績的大數據服務項目。
大數據在基礎教育領域的應用成效
自全球知名的麥肯錫咨詢公司提出“大數據”的概念以來[4]，大數據已經逐漸火熱起來。在互聯網技術的支撐下，大數據的潛在價值被不斷挖掘，過去基礎教育領域教與學過程中很多難以破解的問題也有了解決方案，這大大便利了基礎教育領域中的教師與學生，教師的教學理念與學生的學習方法也隨之產生變化。
1. 轉變教師教育思維，提高教師的工作效率
在每天的教學活動中，都會產生大量的數據，教師每天都要花很長的時間去處理這些數據。大數據的產生，可以幫助教師自動收集分析數據，無需再特定收集。此外，數據驅動的滾動式教學，可以方便教師隨時查閱學生的相關信息，并通過數據支撐找到重難點和學生的薄弱環節[5]。這樣一來，不僅信息的準確率上去了，教師的工作效率也得到了提升。
教師通過學習分析工具將大數據中重要、有價值的資源和數據整理出來，可為教育教學改革提供客觀的建議和幫助[6]，這可以促進師生的個性化發展。特定的資源被整合出來，從而挖掘出每位學生的個性化特點，設計出針對每一位學生的個性化教學方案，更好地滿足學生的個性化需求。
在大數據的支持下，教師能夠很快地掌握每位學習者的學習數據，這些數據記錄著學生的學習行為。分析這些學習行為數據，可以了解學習者的學習狀況、預測其學習結果、診斷其學習需求與問題，從而開展個性化學習方案。教師逐步由教學者轉變為幫助每位學生個性化學習與發展的指導者[7]。
數據的篩選工作和個性化教學方案的定制要求教師轉變自身的教學思維，提升自己的知識儲備能力，提高自身的專業素養和文化素養[8]，這樣才能應對大數據的挑戰。通過大數據技術的支持，教師能夠認識最真實的自我，彰顯教學個性和智慧，開展靈活多樣的個性化教學，最終實現個體的個性化專業發展[9]。所以可以預見的是，重視大數據其實也是一次思維方式的變革[10]。
2. 減輕學生的學業負擔，促進個性化學習
伴隨著大數據時代的來臨，各種學習支持工具也更加火熱。QQ、微信、微博等社交媒體的興起和移動APP學習軟件的興起，不僅可以有效幫助學生學習，還可以減少無效的重復訓練，提高學習效率。這樣一來，學生的學習負擔一下子減輕了許多。
大數據在教育領域中的應用給教育教學帶來一個新的發展，即實現個性化教育，從真正意義上實現群體教育向個體教育的轉變[11]。大數據提供了真實有效且極具個性化的信息，學生們可以通過大數據找尋自己學習中的問題，從而對自己的學習行為進行優化；通過大數據，學生還可以找出自己的薄弱環節，從而得到教師更好的指導和支持，進而提高學業成績[12]。
大數據能夠全面記錄學習者的學習行為，通過科學地分析，學習者能夠更加了解自己的學習情況，得到科學的學習建議，幫助學習者全面地制定學習計劃，從而達到提高學習成績的目的。此外，大數據技術對學習者的學業評價數據（如考試成績、平時作業完成情況等）還可以分階段、有步驟地定期評估學生的階段性發展狀況，并適時地為學習者提供發展建議。
3. 促進學校教育質量的提升
教師通過對學生學習行為的深入分析，可以挖掘到學生學習的弱點，通過與不同教師的協商合作，設計出全班課程教案、學生課堂活動和具有針對性的教學方案，分步驟、有目的地進行教學，從而達到提高學生學業成績的目的。
此外，大數據支持下的評價工具所采集的數據，大大改變了評價機制，也為教學改革帶來機遇。各種智慧教學與管理平臺的不斷涌現，為數據的采集和深度挖掘工作提供了有利的條件，彰顯了大數據在完善教育評價手段上的獨特優勢。在教學評價中利用大數據分析，可以通過技術層面來評價、分析，進而提升教學活動，從依靠經驗評價轉向基于數據評價[13]。
大數據通過技術手段，記錄教育教學的過程，實現了從結果評價轉向過程性評價[14]。通過這些數據，可以根據學生的學習需求的變化不斷改變教學策略和教學活動，定期更新教學方案，實現對教學效果的動態監測。同時，教師也可以通過這些數據，反思自己的教學行為，從而改善自身的教學，提升自身的素質。
大數據在我國正處于起步階段，但是大數據時代的到來也對人類的數據駕馭能力提出了新的挑戰[15]，如何利用大數據來處理當前基礎教育中的難題依舊困擾著我們，而大數據帶來的挑戰也需要人們提出更多的解決方案。當前在大數據時代基礎教育領域中出現的難題，不僅需要教師提升自身的素質，同樣也需要國家的政策支持。
參考文獻
《中國基礎教育大數據發展藍皮書（2015）》[EB/OL].[2016-4-22].http：///content/16/0422/09/32369802_552775022.shtml.
《2016新媒體聯盟中國基礎教育技術展望：地平線項目區域報告》[EB/OL].[2016-1-15]http：///news/n2/n20160115_31276.shtml.
李馨.高等教育大數據分析：機遇與挑戰[J].開放教育研究，2016，（04）：52-58.
百度百科.大數據時代[EB/OL].[2016-7-2].http：///link？url=-ratWHJ3E7aUvJ2PzLfxFUXjuBlOS9fooS5ijS9JI_Wgi-pfrqFBqaMyc2aCAaNx0eiUh0Nk9vNWVHP8OJzSV0d5n3hFtvfjAnPvS5Dz8Wq.
當基礎教育遇上大數據.[EB/OL].[2016-7-27].http：///20160727/n461484015.shtml
王時雨.高等教育領域的大數據應用研究述評[J].煤炭高等教育，2016，（02）：51-54.
楊現民，王榴卉，唐斯斯.教育大數據的應用模式與政策建議[J].電化教育研究，2015（09）54-69.
劉英杰.大數據在高校教育中的應用及高校教師的應對策略[J].考試周刊，2015，71：132.
張進良，何高大.學習分析：助推大數據時代高校教師在線專業發展[J].遠程教育雜志，2014，32（01）：56-62.
嚴霄風，張德馨.大數據研究[J]計算機技術與發展，2013（4）：168-172.
林森，姜珊，楊亮星.大數據在教育中的應用探析[J].教育現代化，2016（05）：196-221.
滕B，朱曉玲.大數據在美國基礎教育中的運用[J].人民教育，2014（1）：74-76.
大數據學習計劃范文6
知乎Live、得到等知識付費平臺要充分利用大數據技術，根據用戶的瀏覽歷史，向用戶推送定制化內容，滿足用戶對知識的個性化需求。此外，知識付費平臺還應利用大數據技術，將用戶分為免費用戶與付費用戶。一方面，未來的知識付費平臺將主要以免費知識為主，進一步縮小知識鴻溝，留住用戶，鞏固用戶群；另一方面，知識付費平臺專注知識付費的細分領域，為付費用戶提供更加全面的個性化增值服務，如針對用戶的薄弱知識進行輔導，為用戶制訂學習計劃等。商業知識協作分享平臺“筆記俠”，在分享筆記之外，還為會員提供了內部筆記分享、資源對接等服務。
無底線網絡營銷頻頻出現，根本原因是目前我國相關法律監管的缺位，治理企業“無底線營銷”行為是一項系統性工程，需要國家、社會、企業、公眾多方聯動才能達到最佳效果。
法律法規在引領和規范網絡行為方面發揮著重要作用。面對互聯網行業發展的新情況、新變化，國家需要完善針對互聯網營銷等方面的法律法規，明確商業營銷行為的邊界。
對那些屢屢突破道德、法律底線，開展虛假營銷、惡意營銷、低俗營銷的企業和個人，各級互聯網信息辦、公安機關應及時依法依規處理，并把相關企業和個人納入誠信黑名單。
知識付費平臺要履行好自身所肩負的社會責任。平臺為追逐商業利益，采取適當的營銷方式無可厚非，但營銷人要堅守職業素養，把握分寸，要在法律和道德允許的范圍內。
此外，整治無底線網絡營銷，公眾也有義不容辭的責任。對于無底線的網絡營銷，公眾也應積極向公安部門、工商管理部門舉報。公眾應該保持客觀的評價和正確的價值觀，不為嘩眾取寵的惡意制造買單。
互聯網改變了人們獲取知識的方式，同時快速變化的外部環境對人們解決問題的能力提出更高的要求，驅使人們不得不保持學習才能跟上社會發展的步伐，促使在線知識獲取成為長期、持續伴隨人們的剛需。目前，知識付費的核心力量是大城市的中產階級及中產階級預備軍，知識付費要擴展市場，必須開拓三四線城市市場。與一、二線城市比，三、四線城市人群的生活節奏相對緩慢，焦慮程度較輕，但隨著消費升級與碎片化閱讀對三、四線城市的推動，三、四線城市消費者對知識付費產品的需求將提升；三、四線城市人群的獲取知識的側重點與一、二線城市相比存在差異，長期來看，三四線城市的居民一般學歷不高，擁有充裕的時間，貼近其生活服務、應用門檻較低的知識產品將成為其關注較高的領域。三、四線城市人群作為互聯網用戶的主體，其基數大、生活場景豐富等特征為相關知識付費產品的發展提供了巨大的潛力空間。未來，知識付費平臺應重點關注三、四線城市人群的知識需求，設計相關知識產品，從而實現下沉式發展。
