大數據在教育領域的應用大數據在教育領域中的應用2024/1/7大數據在教育領域中的應用，主要指的是在線決策、學習分析、數據挖掘三大要素，其主要作用是進行預測分析、行為分析、學業分析等的應用和研究，大數據含義指的是對學生學習過程中產生的大量數據（數據來源包括兩方面，即顯性行為和隱性行為，其中隱性行為包括論壇發帖、課外活動、在線社交等不直接作為教育評價的活動，顯性行為包括考試成績、作業完成狀況以及課堂表現等）進行分析，大數據模型以及顯示的數據能夠為學校和教師的教學提供參考，及時、準確的評估學生的學業狀況，發現學生潛在存在的問題，進而預測學生未來可能的表現。1）構建學習者經驗模型收集學習者的學習滿意調查問卷課程學習中的存留數據、表現、行為、選擇等，構建學習者的經驗模型構建學習者體驗模型，進行線上課程評估2）建立學習者行為模型收集學習者在學校情景中學習行為變化的情況學習者完成課程學習的狀況學習者在網絡系統中花費的學習時間以及學習者的考試成績等數據3）構建學習者知識模型學習者請求幫助的性質和數量學習者回答問題花費的實踐學習者回答錯誤的重復率學習者回答的正確率等通過數據挖掘和學習分析構建的學習者知識模型4）構建領域知識模型對現有的領域知識進行重新建模研究學習者與知識點、學習單元、課程等學習內容之間的關系采集和處理學習者的相關數據，畫出學習者的學習曲線5）構建學習者檔案收集學習者的基本學習信息，建立基本信息數據通過數據挖掘、學習分析和機器學習算法，根據學習者的學習特征，將相同學習特征的學習者進行分組和聚類6）教學策略分析收集的學習者的信息進行分析，探索學習系統中各種組件的功能分析學習者學習結果與教學策略之間的關系，然后對教學策略進行分析和總結7）其他應用大數據在教育領域的運用還包括個性化學習、自適應學習系統、以及趨勢分析等方面通過大數據的收集、分析與處理，為學習者提供個性化學習、與自適應學習的環境國外教育大數據公司介紹2024/1/7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》（NoChildLiftBehind，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”（CivitasLearning）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”（StudentSuccessSystem）。“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”（Desire2Learn）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（adaptivelearning）系統。在2012年國際消費電子展的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，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⑴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⑵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⑶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⑷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⑸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⑹關系挖掘在信息領域當中發展最快的技術數據的高維特征并不是傳統數據分析方法可以輕易解決的⑺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、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2024/1/7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2024/1/7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，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2024/1/7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2024/1/7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: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2024/1/7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數如表2所示。什么是xAPI呢？它是新一代的學習技術規格，破除了過去eLearning標準SCORM只能記錄課件閱讀過程的局限，新的標準目的在捕捉并記錄不同學習活動中的學習者行為，包含移動學習、模擬、虛擬世界、嚴肅游戲、真實世界中的活動、體驗式學習、社會化學習與協作式學習等不同類型的學習活動。這也解決了我們過去在學習記錄與分析上的缺口，因為學習不只是閱讀課件，學習發生在與他人或內容的互動過程中，這些過程都可以透過xAPI記錄下來。當需要記錄一項學習活動時，xAPI協議就會發出以”主詞＋動詞＋受詞”的表示格式給學習記錄庫LRS(LearningRecordStore)，學習記錄庫記錄并儲存所有發生的表述，學習記錄庫能夠跟其它的學習記錄庫分享這些數據，并且學習倉儲能獨立存在或者存在于學習管理系統里。什么是xAPIxAPI的優勢在于其彈性，這些彈性讓xAPI有許多應用的可能性:表述的彈性:使用”主詞＋動詞＋受詞”的表述上的彈性，可以讓你記錄幾乎任何一種學習活動與行為，并且可以與SCORM標準兼容。xAPI是如何運作的2024/1/71、人們藉由與其他人或內容互動過程來學習，這些學習活動可以透過xAPI記錄下來。不管這些學習活動是在哪里發生的，xAPI都可以把它們記錄儲存下來。2、當一項活動需要被記錄下來時，xAPI就會送出以”主詞，動詞，受詞”(Noun，Verb，Object)或者"我做了這件事"(Ididthis)格式的報告到學習記錄儲存區(LRS，LearningRecordStore)。3、LRS記錄所有的活動報告，這些報告資料可以被傳送給其他LRS、LMS或是報告工具(ReportingTool)。LRS可以單獨存在，或是存在一個學習管理系統(LMS)內。xAPI與SCORM區別2024/1/7作為新一代的學習技術規格，XAPI破除了過去eLearning標準SCORM只能記錄課件閱讀過程的局限，新的標準目的在捕捉并記錄不同學習活動中的學習者行為，包含移動學習、模擬、虛擬世界、嚴肅游戲、真實世界中的活動、體驗式學習、社會化學習與協作式學習等不同類型的學習活動。這也解決了我們過去在學習記錄與分析上的缺口，因為學習不只是閱讀課件，學習發生在與他人或內容的互動過程中，這些過程都可以透過XAPI記錄下來。透過XAPI能讓不同工具間相互分享與接受各種各樣的數據(包含連線或離線學習)。當更清楚的知道學習者完成了哪些活動后，便能提供學習者更多合適的建議，這也大幅拓展了學習的生態圈。不管學習在哪發生，都可以透過XAPI記錄下來。并將報告傳送給LRS。學習者甚至可以在一臺電腦上啟動學習活動，然后在行動裝置上完成它，完全不會有銜接上的問題。這讓隨時隨處可學習的理念得以實現。xAPI與教育大數據2024/1/7xAPI與學習經歷數據（1）利用活動流描述學習經歷（2）利用Statement記錄學習經歷數據（3）xAPI規范中語義的定義基于LRS的學習經歷數據的獲取與共享（1）LRS概述（2）LRS的數據獲取（3）LRS與教育大數據共享（4）企業級LRS框架學習經歷數據的獲取2024/1/7在傳統學習情境下，對學習經歷的獲取被稱為是一種監測活動，即教師通過持續地跟蹤學生的學習以便進行教學決策和對學生的學習進度進行反饋。監測學生的學習被認為是高質量教學的核心，同時也是區別學校、教師是否高效的主要因素之一。監測同樣可以應用于在線學習。一個良好的在線教學系統應能夠定期監測學習者的學習進程以及測試學習者對知識技能的掌握程度，通過評估和測量學習者的學習經歷使教師能夠度量學生的響應、反饋以及進度，以幫助教師從社交、行為、認知的層面感知到遠程學習者。這種方式在一定程度上彌補了在線學習中因缺乏正常的人際交流而對學習者造成的妨害。1獲取學習經歷的意義大數據在教育領域的具體應用主要有學習分析和教育數據挖掘。由于學習是學生與學習內容、學習環境、學習伙伴和教師之間復雜的交互過程，因而教育數據挖掘和學習分析這兩個方面應用的基礎數據都應是基于學習過程的數據，既包括學生、學習內容、學習環境、學習伙伴和教師的數據，還包括學生對各種客觀資源的操作數據以及這些因素之間的關系數據2教育大數據背景下學習經歷數據的價值當前大數據在社會經濟學中的應用，多表現為通過現實生活中的數據挖掘檢測復雜的社會系統，如借助移動終端（包括傳感器、GPS定位儀、智能手機等）收集數據，識別社會情境下用戶的日常活動，并將實時數據與歷史數據進行關聯，推測其人際關系。學習經歷數據的獲取方式更類似于這種“實時數據流與歷史數據的關聯”，這種數據會以“數據流”的形式高頻次地產生，在獲取、記錄數據流的同時還需要關聯整合歷史環境信息，以實現環境化、個人化的信息空間。3獲取學習經歷數據的研究現狀xAPI在移動學習中的應用模式一、輔助傳統課程的升級二、移動學習的行為跟蹤三、記錄非正式學習活動四、輔助工作和學習更好地結合五、更有效的學習結果評估六、離線環境下的在線學習七、學習不再局限于瀏覽器或LMS八、更逼真的虛擬環境設計九、更多的績效支持選擇SCORM標準是目前國際上應用較多的標準，但SCORM標準是基于有限需求而提出的，與云計算和服務型的架構有代替的可能。雖然SCORM標準為LMS內部的互操作性和便攜性提供了技術上的支持，但是由于它與LMS捆綁，只記錄了基于瀏覽器內部發生的有限學習活動，使得系統只能記錄學習者通過登錄LMS學習時的學習記錄。為了支持追蹤更詳細的網絡學習行為，ADL提出了TLA(Training&LearningArchitecture)架構及其運行時的接口規范——xAPI（ExperienceAPI）。xAPI允許將學習內容與平臺解耦，能夠為學習者記錄并提供其自身學習經驗與元數據，可讓任何被許可的參與者存儲和檢索可擴展的學習記錄、學習者信息和學習經歷檔案，而且其過程與平臺無關。XAPI在學習項目中的應用12024/1/7考慮你現有的產品是否支持移動端的學習？是否需要有更多的數據來評估學習計劃對業務成果的影響？是否需要在工作流程中創造學習機會讓工作與學習結合？1思考XAPI如何服務于組織的學習策略XAPI的實施首先要使用與企業學習戰略相一致的決策標準，你最需要在移動設備上的什么內容？你需要哪些業務指標作用于你的學習計劃？你需要哪些數據來衡量任務完成量和業績間的關系？哪些工作流程與你學習的績效目標相關？其中哪些流程是基于XAPI設計的，哪些將來可以這樣設計?2定義使用XAPI的應用標準研究和學習這個工具，以幫助你的組織實施XAPI，目前在線學習市場上有很多好的工具可以創建移動學習，可以用于企業應用的XAPI連接，譬如微軟sharePoint、Salesforce.com,WordPress,SMStextmessaging以及其他平臺。你可以邀請IT部門幫你進行評估，他們有豐富的平臺技術評估經驗，可以幫你實現最后的平臺對接。3研究和學習這個工具，以幫助你的組織實施XAPIXAPI在學習項目中的應用2為了讓員工能夠很好地使用基于XAPI的相關工具，你可以邀請供應商或者第三方提供相關的培訓。另外，XAPI可以讓你得到任務完成量和成績測試方面的更多信息，你可以邀請供應商方面的專業人員完成XAPI設計建模，并對員工進行指導，你也可以讓教學設計者及專家參與進來，共同創建XAPI產品。4邀請供應商為員工普及知識技能你可以詢問領導，也可以組織管理層小組討論，篩選