大數據影響著我們的生活 段偉剛 在未來的教育中最有用的和最能影響教育變革的技術應該是“大數據。”一、大數據究竟是什么提到大數據，每個人都好像覺得知道一點，那就是“數據大”。一些專業的研究機構把“大數據”歸納為4個“V”,即數據體量(volumes)大，數據類別(variety)大，數據處理速度（Velocity）快，數據真實性（Veracity）高。其實“大數據”的概念遠不止大量的數據和處理大量數據的技術，或者所謂的4個V之類的簡單概念，而是涵蓋了人們在大規模數據的基礎上可以做的事情，而這些事情在小規模數據的基礎上是無法實現的。近些年，世界各國尤其是西方發達國家已經在社會生活的各個領域來利用“大數據”。我國在“十三五規劃”中也提出了“實施國家大數據戰略，推進數據資源開放共享。” 1、大數據的數據從哪里來在現代生活中，大數據的來源無處不在。比如我們最常用的各種手機APP、公交卡、網上訂餐、京東購物等。我們在進行網上購物時所進行的點評和形成的銷量都構成了大數據的來源。我們的手機經常會收到一些“電商”發布的廣告，所推薦的商品往往還是你感興趣的；我們打開“今日頭條”查看新聞時，手機提供給你的恰恰是你感興趣的內容。這些都是你以往的活動所留下的數據。不管你是否愿意接受大數據,大數據都在覆蓋著你、影響著你，你都一直被數據著。我們生活在一個充滿“數據”的時代，我們打電話、用微博、刷微信，我們閱讀、購物、看病、旅游都會不斷產生新數據,“堆砌”著數據大廈，大數據已經與我們的工作生活息息相關。2、大數據應用舉例電商 不僅是沃爾瑪等國外大型超市運用大數據，國內的一些購物平臺在大數據應用方面做得也非常好。比如淘寶、京東等電商近幾年發展的特別快，就是因為他們利用了大數據進行分析。什么地方的顧客需要什么樣的商品，什么時候應準備什么樣的商品，什么樣的商品適合什么樣的人群。哪些顧客曾經購買過什么商品，通過大數據的分析得出你喜歡的商品然后推薦給你，從而實現了“精準營銷”。（故事“大數據賣披薩”）QQ、微信、百度等軟件 比如你在用百度搜索時，你所輸入的關鍵詞就被記錄下來成為數據。你在利用QQ、微信聊天時，這些聊天記錄或者是你在注冊時所透露的信息也會成為數據。比如騰訊公司曾經通過對QQ進行分析來評選出了“辦公室勞模”。足球也會用到大數據大數據會讓各足球隊變得更加智慧和高效率，足球上的傳感器、武裝在球員身上的球衣、球鞋等穿戴設備、球場上的攝像頭、新聞媒體的直播、社交媒體的話題等一切可采集到的復雜、海量的信息都會形成數據，通過精準的分析，這些大數據會轉化為教練準確的用人和明智的戰術安排、球員發達的肌肉和清晰的頭腦、裁判明亮的雙眼以及公正的執法。以前數據分析只是運用在角球、任意球、紅、黃牌的次數，而現在每場比賽記錄的數據都多達1500項，球員單場跑了多少米、移動軌跡還有速度都一目了然。大數據對于一個足球隊的作用有時會起到決定性作用。現在好多大足球隊都有專門的大數據分析人員，比如英超曼城隊擁有11名大數據分析師。 在教育領域，我們可不可以應用大數據來輔助我們的教育教學呢？答案是肯定的。我們可以把學生、教師所有獲取的相關數據已信息關聯起來，從這些關聯的數據中去分析，給出學生學習與生活的建議，給出教師教學與研究的建議與指導。例如現在很多學生通過一些在線課程進行學習（比如慕課等）。教師可以通過數據了解到學生在觀看哪些課程時進行了反復的觀看從而確定學生的學習困難點，從而改進教學方法或加強相應的訓練。二、教育“數據”的認識（1）什么是教育大數據教育大數據泛指所有來源于日常教育活動中人類的行為數據，包括教師大數據和學生大數據。我們應該如何來認識教育中的數字呢？比如一次考試，一個學生數學得了78分，78只是一個數字，如果把這78分背后的因素考慮進去：家庭背景、努力程度、智力水平等，把它們和78分聯系在一起，這就成了“數據”。（2）大數據和傳統數據的區別傳統數據是在階段性的評估中獲得，在學生知情的情況下獲得的，通過考試或量表調查等形式會給學生帶來很大的壓力。大數據的產生完全是過程性的，在學生不自知的情況下，一定的觀測技術與設備輔助采集非常的自然、真實。（3）大數據如何影響教育使教師或研究者獲取真實信息通過傳統的量表或問卷等形式統計數據時，學生會很容易認為這些量表或問卷是用來評判自己的，從而更傾向于演示自己的真實想法。而迅速普及的互聯網或移動設備，悄然為記錄人的行為數據提供了最為便利、持久的載體。更重要的是，在這些強大的數據收集終端面前人們沒有了掩飾的意圖，從而創造者過去無法收集與分析的海量數據，這讓跟蹤每一個人的數據成為了可能。大數據可以使教育個性化生活中大數據的應用可以使你將得到個性化服務。例如：你經常進行網上購物的話，你會發現，他們對你的推薦越來越靠譜，你買過奶粉，它就會向你推薦嬰兒車。 這就是通過數據分析的歸類于分析來預測“出現某種行為”的人還可能出現另一種行為。大數據也可以使教育個性化，例如，對于同學A ：如果他能作對第4題，那么第7、9題就不用再給他做了。（因為通過前些年的分析，能夠作對第4題的同學幾乎不可能做錯7、9題，再做就毫無意義） 對于同學B：如果做錯了第5題，應該讓他繼續練習第6、8題（數據顯示，做錯第5題的同學很可能做錯第6、8題）這樣就可以布置個性化的作業，是個性化的、高效率的。2012年10月美國教育部發布了題為通過教育數據挖掘和學習分析促進教與學的報告教育數據挖掘學習分析教育大數據應用對學習行為和學習過程進行量化分析和建模利用已有的模型來認識、理解新的學習行為和過程教育數據挖掘關注和回答的問題有五個方面：1、什么樣的教學順序對不同特點學生最有效2、什么樣的行為與更好的教學成績相關3、什么樣的學生行為指標預示了學生的滿意程度、參與度和學習進步4、什么樣的在線學習環境能導致更好的學習成績5、什么因素能夠預測學生取得成功通過分析以上幾點找到學習的規律,哪些因素與學習效果有關、與成績有關。學習分析關注和回答的五個方面1、什么時候學生可以進行下一個學習主題2、什么時候學生可能在某一門課程中落后3、什么時候某個學生可能存在完成不了一門課的風險4、如果沒有干預補救措施，學生可能得到什么樣的成績