1、大數據實訓解決方案平臺生態發展分析大數據在教育領域中的應用國外教育大數據公司介紹2022/7/16 當IBM剛剛開始與這一學區合作時，除了學生成績不好之外，該縣還面臨著輟學率已增加到48%的嚴峻情況。根據聯邦政府的不讓一個孩子掉隊法（No Child Lift Behind，NCLB），學生成績糟糕的地方政府將受到懲罰。為了應對這一巨大的挑戰，該縣此前已經在學生數據的基礎上建立了一個輟學指示工具，并將其用于全縣層面的決策。但IBM認為這仍不足以改善莫白兒縣窘迫的現狀，需要借助IBM的技術支持重新建立大數據，進而利用大數據分析來改善學區內所有學生的整體成績1IBM“希維塔斯學習”是一家專門聚焦于

2、運用預測性分析、機器學習從而提高學生成績的年輕公司。該公司在高等教育領域建立起最大的跨校學習數據庫。通過這些海量數據，能夠看到學生的分數、出勤率、輟學率和保留率的主要趨勢。通過使用100多萬名學生的相關記錄和700萬個課程記錄，這家公司的軟件能夠讓用戶探測性地知道導致輟學和學習成績表現不良的警告性信號。此外，還允許用戶發現那些導致無謂消耗的特定課程，并且看出哪些資源和干預是最成功的。2希維塔斯學習”（Civitas Learning）推出了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。這家公司的新產品名為“學生成功系統”（Student Success System）

3、。“渴望學習”聲稱加拿大和美國的1000多萬名高校學生正在使用其學習管理系統技術。“渴望學習”的產品通過監控學生閱讀電子化的課程材料、提交電子版的作業、通過在線與同學交流、完成考試與測驗，就能讓其計算程序持續、系統地分析每個學生的教育數據。老師得到的不再是過去那種只展示學生分數與作業的結果，而是像閱讀材料的時間長短等這樣更為詳細的重要信息，這樣老師就能及時診斷問題的所在，提出改進的建議，并預測學生的期末考試成績3渴望學習”（Desire 2 Learn）國外教育大數據應用案例成功創造并發布了各自版本的利用大數據的適應性學習（adaptive learning）系統。在2012年國際消費電子展的

4、高等教育技術峰會上，世界最大的教育出版公司培生集團（Pearson）與適應性學習領域里的先行者紐頓公司共同發布了主要由培生集團開發的適應性學習產品“我的實驗室/高手掌握”（MyLab/Mastering）。這款產品在將全球范圍內向數百萬名學生提供個性化的學習服務，向他們提供真實可信的學習數據，讓學校通過這些數據提高學生的學習效果并降低教學成本。首款產品將在美國的數十萬名學生中使用，包括數學、英語，以及寫作等技能開發課4“紐頓”（Knewton）總部設在英國倫敦的培生集團和其他出版公司共同開發的“課程精靈”系統（CourseSmart），也允許教授們通過讓學生使用電子教科書來跟蹤他們的學業進展，

5、并向助教們顯示學生的學習參與度和學習成績等大量的數據信息，只是這一系統尚不具備預測的功能。5培生集團學習分析關鍵技術與主要工具 內容分析法是一種對文獻內容作客觀系統的定量分析的專門方法是弄清或測驗文獻中本質性的事實和趨勢建立有意義的類目分解交流內容 話語分析利用話語的生產模式來行使權力是權力的替代品掌握話語權的人掌握社會規范 社會網絡分析來分析其他類型數據對關系數據的影響數據主要分為兩類，屬性數據和關系數據 聚類是在“物以類聚”這一理念之上專門針對大量的樣品，按各自的特性進行相對合理的分類 預測根據已有數據或信息對整體或個體數據發展態勢做出合理預測 關系挖掘在信息領域當中發展最快的技術數據的高

6、維特征并不是傳統數據分析方法可以輕易解決的 文本挖掘文本數據中抽取有價值的信息和知識的計算機處理技術文本數據挖掘是數據挖掘的一個分支1. 從學生方面來說，學習分析技術在了解學生學習現狀之后，通過分析學生數據，找出相關問題，對學生學習過程進行優化，幫助學生培養良好學習習慣，從而達到學生自我學習的目的。2. 從教師以及管理人員方面來說，學習分析技術可以評估教學課程和相關機構，幫助同步改善學校既定考核方式，深入分析教學數據，為教師幫助學生解決實際問題指明教學不足和更優方法。3. 從研究人員方面來說，學習分析技術是一種研究學生和網絡學習的有效工具。4. 從技術開發人員方面來說，學習分析技術管理系統各模

7、塊各不相同的使用頻次和路徑能有效指導系統界面的相關優化設計，并可以完善系統日志相關管理功能。數據挖掘在教育信息化中的具體應用空間學習者特征由學習者的知識結構和學習風格組成。知識結構說明了學習者對正在或將要學習知識的掌握情況，主要包括學習者初始技能、當前技能和目標技能。學習風格包括學習者的生理特征、心理特征和社會特征三個方面1學習者特征分析學校教學管理數據庫中記錄著各屆學生與教師的學習、工作、社會活動、獎勵、處罰等情況，利用數據挖掘的關聯分析與演變分析等功能，尋找師生各種行為活動之間的內在聯系。如“當存在A，B時可以推出C”這樣的規則，即當有A行為和B行為發生時，還會有C行為。在實際情境中，如果

8、發現學生或教師已有A，B行為時，馬上可以分析其產生C行為的可能性，及時制定策略促進或制止C行為的發生2干預師生行為利用學校教學數據庫中存放的歷屆學生各門學科的考試成績，結合數據挖掘的關聯分析與時間序列分析等相關功能，就能從這些海量數據中挖掘出有用的信息，幫助分析這些數據之間的相關性、回歸性等性質，得出一些具有價值的規則和信息，最終找到影響學生成績的原因。3合理設置課程在教學科研網絡普遍建立的今天，利用數據挖掘工具，對學生的學習成績數據庫、行為記錄數據庫、獎勵處罰數據庫等進行分析處理，可以即時得到學生的評價結果，對學生出現的不良學習行為進行及時指正。另外，這種系統還能夠克服教師主觀評價的不公正、

9、不客觀的弱點，減輕教師的工作量。4學習評價自適應學習系統中教育大數據應用2022/7/16基于大數據的自適應學習系統運行流程圖第一步，學習者生成學習行為數據，經過內容傳遞模塊，數據將被標記上時間戳；第二步，數據按照預先定義的結構存入學習者數據庫；第三步，預測模塊從學習者數據庫和學生信息系統中采集數據，根據不同的分析目的，調用不同的分析工具和模型對數據進行分析；第四步，自適應模塊根據預測模塊中數據挖掘和分析的結果，通過內容傳遞模塊為學習者提供合適的學習指導和學習策略；第五步，預測模塊中數據挖掘和分析的結果同時被傳遞給顯示模塊，供教師和教學管理者使用；最后，教師和教學管理者根據分析結果，通過干預模

10、塊對系統進行人為干預自適應學習系統包含六大模塊：（1內容傳遞模塊。管理、維護、傳遞個性化的學習內容與評價給學習者，以支持學習者的學習行為。（2)學習者數據庫。存儲學習者在學習系統中的時間戳標記的學習者輸人和學習行為數據。（3)預測模塊。整合系統外部學習者信息系統中的數據和系統內部學習者學習行為數據，通過對數據的處理和分析，對學習者未來的學習行為和結果進行預測。（4)顯示模塊。將預測模塊中的運行結果以可視化的方式顯示給各類使用者。（5)自適應模塊。根據預測模塊的運行結果，觸發內容傳遞模塊，再根據學習者的學習水平和興趣，推送合適的學習內容給學習者。（6)干預模塊。允許教師、教學管理者和系統開發人員

11、根據預測模塊的運行結果，對自適應系統實施人為干預教育數據挖掘和學習分析的區別2022/7/16教育數據挖掘學習分析技術常用技術是分類、 聚類、 貝葉斯模型、 關系挖掘和用模型來發現數據中有意義的信息常用技術是統計、可視化、 系統網絡架構、 情緒分析、 影響分析、話語分析，概念分析和意義建構模型起源源于教育軟件、學生建模和預測課程的結果源于語義網絡、 智能課程和系統干預重點重視對所采用的數據挖掘技術的描述和比較重視對數據和結果的描述發現 自動化的發現是關鍵， 利用人類判斷是用來完成這個目標的工具利用人類判斷的是關鍵， 自動化的發現是用于實現這一目標的工具早期的教育數據挖掘主要是網站日志數據的挖掘

12、，現在新的計算機技術支持的交互式學習方法和工具 （智能輔導系統、 仿真、 游戲） ， 為量化和收集學生行為數據帶來了新的機會。 特別是更加集成、 更加模塊化和更加復雜化的在線學習系統提供了更多類型的數據，其中包含了數據挖掘算法需要的許多變量。 教育數據挖掘能發現這些數據中的模式和規律，探索建立預測模型，讓我們重新發現和預測學生如何學習。1教育數據挖掘對學習分析的定義，指的是對學生學習過程中產生的大量數據進行解釋，目的是評估學業進步、預測未來表現、發現潛在問題。數據來自學生的顯性行為，如完成作業和參加考試；還有學生的隱性行為， 如在線社交，課外活動，論壇發帖，以及其他一些不直接作為學生教育進步評

13、價的活動。學習分析模型處理和顯示的數據幫助教師和學校更好地理解教與學。學習分析的目標是使教師和學校創造適合每個學生需要和能力的教育機會。2學習分析教育數據挖掘和學習分析典型應用詳細應用領域情況教育數據挖掘和學習分析應用領域主要包括：學習者的知識、行為和經歷建模；學習者建檔；領域知識建模；趨勢分析學習分析應用領域1.學習者知識建模2.學習者行為建模3.學習者經歷建模4.學習者建檔5.領域知識建模6.學習組件分析和教學策略分析7.趨勢分析8.自適應學習系統和個性化學習數字化學習的發展性評價系統的特征分析支持學習過程的全數據采集與存儲支持測試類型的多樣化支持知識增長的可視化支持學習過程的及時督導支持

14、評價的個性化已有研究認為，基于發展性評價的數字化學習評價系統，如網絡教學中的學習評價系統應支持過程信息的全面采集、支持自評與互評、支持多種反饋形式等，結合大數據及數字化學習的特征，大數據背景下的數字化學習發展性評價系統應具備如下特征：數字化學習發展性評價系統設計系統模型設計教師學生干預/評價課程學習活動討論互動學習契約課前測試過程測試章節測試同學互評期末測試教師評價隨堂記錄卡評測功能子系統數據采集數據清理數據轉化混合存儲系統教育數據挖掘社會網絡分析語義分析對比分析對比分析結果數據庫分析結果大數據分析子系統采集與存儲子系統儀表盤及時反饋診斷性評價過程性評價終結性評價反饋子系統可視化數據在對現存問

15、題及系統特征分析的基礎上，構建了大數據理念下的數字化學習發展性評價系統模型。該系統由測評功能子系統、采集與存儲子系統、分析子系統和反饋子系統構成數字化學習發展性評價系統工作流程2022/7/16數字化學習的發展性評價系統的工作流程如圖所示。下面將結合學習者在課前、課中和課后三個階段的學習過程進行分析說明。系統工作流程多維度的網絡學習行為模型2022/7/16從學習行為多樣性的角度, 可以將網絡學習過程中學習者的網絡學習行為模型如圖 所示：自解釋學習目標收集信息加工整理信息發布信息交流使用信息（問題解決） Internet 及其他學習資源檢測評價反饋調控網絡學習行為多維度模型網絡學習交流行為I

16、: 點對點地實時交流, 如用 QQ 、 MSN 等工具請教教師、專家等。II : 點對點地異步交流, 如用 E- mail 請教教師、專家、登錄教師、專家的 Blog 等。III : 多對多地實時交流, 如聊天室等。IV : 多對多地異步交流, 如 BBS 等。在網絡環境下的學習行為體系包括如下方面的內容：( 1 )信息檢索學習行為( 2 ) 信息加工學習行為( 3 ) 信息發布學習行為( 4 )人際溝通、 交流的行為( 5 )基于問題解決的學習行為 多層次的網絡學習行為模型2022/7/16從縱向的角度考察網絡學習行為, 可以將網絡學習行為分為高級、 中級和低級三個不同的層次。 所謂低級網絡

17、學習行為主要是指學習者在網絡學習過程中對于不同的媒體刺激( 如聲、 光, 文本、 圖形圖像、 視頻等), 所做出的一次性操作行為反應。 中級網絡學習行為是指學習者個體在學習過程中與承載教學內容的教學媒體、學習團體以及學習環境所作的交流、 交互行為。 高級網絡學習行為則指的是學習者借助網絡學習環境進行的面向問題解決的協作、 探究等行為。 層次化的網絡學習行為模型如表 1 所示網絡學習行為層次的劃分, 有助于對網絡學習行為實質的理解, 更有助于針對網絡學習者的行為特征, 設計出合理的學習系統和學習資源。 在對網絡學習行為進行分析的過程中, 需要清楚了解行為的屬性特征。幾種常見的網絡學習行為的屬性參

18、數如表 2 所示。利用數據平臺來整合全校內外的業務例如：與子院系將科研數據放入平臺處理與學生,家長,校友共享學校數據將數據嵌入到學校日常業務工作流程例如：根據學生的日常表現的大數據分析結果來評估獎學金的發放標準通過數據輔助決策,提供預警例如：學生的成績預警老師的KPI預警 準確、及時、完整看到數據例如：校領導的管理駕駛艙教師績效統計報表平臺數據進入學校管理指標預警,決策支持報告績效,快速查詢數據服務輔助決策報告績效教育大數據價值金字塔金融分析實訓環保分析實訓交通分析實訓統計學應用實訓課程實訓層虛擬桌面接入平臺用戶管理實驗管理教學層實訓教室云平臺實訓教室支撐平臺基礎設施層創客實驗室產學研一體化實

19、訓實驗教室東軟為中國眾多大學提供數字化校園平臺、學生一體化應用系統、BI主題應用系統、人力資源系統、數字媒體播放系統等全面解決方案和產品，以幫助高校建立多層次、創新型、開放式的數字化校園，提高高校辦學的質量和效益，提升學校核心競爭力。主要客戶包括：華東師范大學、中國人民大學、北京郵電大學、上海外國語大學、中國政法大學等。東軟： RealRec數據科學平臺南京云創大數據科技股份有限公司成立于2011年3月，是專業從事大數據、云計算、云存儲技術領域研發及產品銷售的高新技術企業，注冊資本3000萬元。公司依托革命性的技術創新迅猛發展，被選為中國云計算創新基地理事長單位，在江蘇省第二批科技型中小企業中

20、排名前列。公司于2015年12月28日在新三板掛牌。云創大數據以知識產權為核心戰略，目前已申請專利、著作權、商標近百項，通過了ISO9001質量管理體系認證，并與Intel、聯想、神州數碼、曙光、浪潮等多家知名企業開展了深入的合作。目前云創大數據的產品已經在環保、地震、公安、教育、廣電等10多個領域建立了200多個成功案例。南京云創大數據科技股份有限公司： BDRack大數據實驗一體機大數據教學一體機是為高校定制的大數據教學科研平臺，是供學生完成大數據與云計算實驗的集成環境，還提供了配套的資源服務教材、PPT、實驗手冊、項目案例手冊、配套的教學視頻和案例視頻等提供一站式服務，有助于高校更好地滿

21、足課程設計、上機實驗、實習實訓、科研訓練等多方面需求，緩解大數據師資不足的問題。普開數據：大數據教學一體機經過大量的前期調查，比較和分析準備工作，北大重點實驗室最后選擇了華為基于高性能服務器RH5885 V2的HANA數據處理平臺。HANA提供的對大量實時業務數據進行快速查詢和分析以及實時數據計算等功能，在很大程度上得益于華為RH5885 V2服務器的高可靠、高性能和高可用性的支撐。 華為RH5885 V2是新一代四路/八路機架服務器，采用Intel Xeon E7-8800/4800系列處理器，支持6核、8核及10核CPU類型，最高頻率2.66GHz，最大30MB L3緩存空間，完全能滿足大數據分析、挖掘對服務器提出的具備強大處理性能的要求；支持兩個高性能GPU，這就在很大程度上提升了系統圖形處理與浮點計算能力，恰好滿足了大數據分析中圖形展示對服務器提出的高性能GPU要求。RH5885 V2其他的特點還包括：可靈活擴展，八路服務器支持128條內存，最大容量4TB；可靠性高，支持多達35項容錯特性；維護簡單，支持免開箱維護和綠色環保等。這些特點都為HANA提供了強大的硬件支撐，讓HANA能夠順暢地進行大數據的各種應用。華為：北大重點實驗室IT架構解決