大數據教育改革
㈠ 應對大數據教師當有「轉化」思維
應對大數據教師當有「轉化」思維
教育信息化帶來了教與學方式的深刻變革，大數據等新技術已經與教師教育產生深度融合，在促進教師專業發展、助推教師教育教學全方位變革與創新發展過程中的巨大潛力也取得了教育界的共識。很多學校將課堂作為推動學校內涵發展的主陣地，通過信息化手段對教師進行課堂觀察、數據採集和分析，得出測評結果，然後制定相應的提升措施，不斷促進教師教學水平的提升。教師要有大數據轉化的主動自覺目前，以大數據技術為核心的課堂觀察方法與技術改變了以往單純憑借個人價值觀和個人經驗的聽評課方式，實現了基於數據證據鏈的課堂教學行為大數據的診斷與分析：這種方法首先對教師的教學模式、講授、提問、理答方式、師生對話等課堂教學的關鍵環節和關鍵因素進行觀察，通過信息化手段進行大數據採集和記錄，然後進行基於大數據證據鏈的綜合分析與評價，指出本次課堂教學的特徵、優缺點等，或者會給教師一份課堂大數據分析報告作為反饋。對於教師而言，閱讀一份課堂觀察大數據報告的文本不難，而真正發揮大數據的作用，將從中抽離出的結論反向「落地」，使之進入課堂教學的操作層面，實現大數據與教學實踐之間的融通，從而將大數據變成教師反思教學行為的依據、開展課堂變革的線索、改進和提升教學水平的抓手，為學校內涵發展提供源源不斷的內生性資源，則需要教師建立起數據「轉化」的思維。目前，信息化手段被廣泛應用於學校的管理、教育教學等領域，對大數據的轉化、把握和利用已是無可迴避的大趨勢。面對這一挑戰，教師要在大數據轉化的三個環節形成自覺：首先是大數據輸入的自覺，即教師需要有一定的「數商」，即能對大數據敏感，並能進行大數據收集、分析等輸入的自覺；其次是大數據加工的自覺，即在大數據輸入之後，教師需要有意識地培養自己將大數據與教學實踐進行有效勾連，並將大數據轉化為教學方法、教學設計等的自覺；最後是大數據輸出的自覺，即在教學經驗、成果等的表達、推廣層面，教師需要自覺形成有數據、有依據、有證據地進行表達的習慣，使數據化表達成為教師教育教學生活的常態。教師要有大數據轉化的行動邏輯和實踐載體無論是從大數據到教學實踐還是從教學實踐到大數據的轉化，都暗含著各自的轉化邏輯。如，課堂教學觀察大數據是以一定的教學、評價等理論模型作為依據和行動邏輯，將教師直觀的、具體的、生動的、感性的課堂教學行為以一種高度抽象、概括和理性的形式呈現出來。同理，教師要充分挖掘和利用大數據，也需要按照一定的邏輯，依託教學領域的各種理論或實踐智慧，生成關於教學模式、講解、提問、理答方式、師生對話等大數據的轉化策略、方式、效果及評價。教師需要一定的載體，才有可能將從大數據中提取到的信息轉化落地。從一個教學過程的全景來看，大數據轉化有三個載體：教學設計。對大數據進行轉化的一度解讀在教學設計階段。即教師在進行教學行動之前，根據從大數據中提取到的信息、自身教學風格和學情進行教學設計，通過大數據精準地定位一個教學設計的優勢、短板主要困難和障礙以及和沒有大數據做依據的教學設計之間的差異，從而規劃好下一步行動的「藍圖」。教學過程。對大數據進行轉化的二度解讀在教學過程階段。即教師按照教學設計進行教學的過程中，有意識地通過一定的策略、方法將從大數據中提取到的信息與教學實踐過程中的導入、講解、提問、理答、對話等環節相互作用，從而實現預期的教學目標。此外，教師也需要在教學過程中對課堂現場生成的大數據加以識別和提取，並能夠在此基礎上進行利用和創造，將其轉化為新的大數據。教學反思。對大數據進行轉化的三度解讀在教學反思階段。即教師要對自己基於大數據的課堂教學進行反思，即通過前後數值的對比，分析自身的教學行為、課堂教學效果等通過大數據的引領所產生的變化，對哪些是預期變化，哪些是生成性變化進行判斷；對哪些因素和細節通過大數據的幫助由抽象變得具體、由模糊變得清晰、由不準確變得准確等進行記錄。反思之後，教師還要能夠帶著這樣的反思和改進措施進入下一個教學設計和教學過程中，形成不斷依靠大數據來提升課堂教學品質的循環。教師要有大數據轉化的理性判斷使用信息化手段對課堂教學進行大數據收集和分析處理，是教育通過與技術的結合來推動自身改革和創新的進步表現。可以預測，這種半智能化技術手段在教育領域的應用范圍還會持續擴大和深入。但是，事物都有兩面性，教師在擁抱這種技術手段的時候，也要對其保持理性，保持批判，盡量做到有「理」有「限」有「度」。大數據使用的「理」。「理」就是不單就數據談數據，而是同時注重把握大數據背後的原理或理念。每一套大數據的產生，都建基於一定的原理或理念模型，而這些模型產生的背景、條件和核心要素等，有可能和當下的應用環境有所差異。因此，教師在使用大數據的時候，要努力追求做到不但知其「術」——能讀懂大數據，更知其「道」——能把握大數據背後的原理和理念，從而更加智慧和靈活地使用大數據。大數據使用的「限」。「限」就是為大數據的使用范疇劃定邊界。任何一種工具的開發都是針對某一種特定的對象，因此，每一種工具的適用性都是有限的，教師需要對測評方法與測評對象的適切性保持清醒的認知。大數據作為一種測評方法，適合何種性質的學科、何種類型的教學都需要教師進行審慎的判斷。大數據使用的「度」。「度」就是理性看待大數據手段的工具價值，不過度倚重數據。以大數據為代表的量化測評方法只是眾多教學測評手段中的一種。盡管這種方法因其精準性、直觀性等優勢在當前學校課堂中得到相當廣泛的應用，但因為教學過程是一個涉及教學技術、教育價值、師生心理變化等顯性、隱性要素交相作用的過程，教師依然要重視傳統質性測評方法的價值和作用，使二者有機結合，共同促進教學品質的提升。
㈡ 如何通過大數據在教育管理中充分
一、現代教育理論和思想的學習是課堂教學改革的靈魂在教學活動中，教師是教育者、影響者、變革者和促進學
㈢ 大數據時代背景下的教育該如何走
「大數據」是當今最熱的概念之一，有人宣稱掌握大數據的人可以像上帝一樣俯瞰整個世界。進入2012年，大數據一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，並命名與之相關的技術發展與創新。
大數據(big data)，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。大數據的創新沿著從數據到大數據，再到分析和挖掘，最後是發現和預測的方向發展。隨著雲時代的來臨，大數據也吸引了越來越多的人關注。各行各業更加意識到，誰能率先實現大數據，誰對大數據的挖掘更為深刻，誰就將搶占未來先機。
教育行業也不例外，2013年對於教育來說是傳統育研究走向科學實證的重大機遇。值得我們思考的是，大數據將給教育帶來什麼?如何通過大數據更好的教育學生?大數據對於教育是福還是禍?
翻轉課堂、MOOC和微課程是大數據變革教育的第一波浪潮
翻轉課堂、MOOC和微課程的出現，改變了傳統教育模式，從課堂老師滔滔不絕的講解，到現在「視頻再教育」。學生可以根據個人情況自主制定學習進度，老師可以根據學生在網上做題的情況，有針對性的了解學生學習上遇到的問題。傳統課堂不再講解新課，而成為學生當堂做作業、講解問題或做實驗的場所。
如果說翻轉課堂只是一個觸角的話，那MOOC的出現就是升華的翻轉課堂。「視頻再教育」得到進一步的提升，MOOC大規模開放在線課程，面對全球性的MOOC浪潮，中國的大學也開始行動。2013年，上海市率先引入中國式MOOC，推出了「上海高校課程源共享平台」。
MOOC的興起，使「用視頻再造教育」的學習模式迅速推廣到高等教育，而且進展到可以通過選修MOOC獲得學分、進入正軌教育的程度。清華大學、北京大學也相繼開放了在線教育課程。
而微課程是對翻轉課堂的回應，是學生自主學習不可或缺的資源。微課程是教學視頻濃縮精華的微型課，主要用於學生的前期學習，目前，微課程已開始影響我國中小學信息化教學實踐。微課程實踐的積累，將導致微課程群的形成，微課程群的應用又會形成新的應用數據，將有利於大數據分析與挖掘、發現與預測的創新應用。可以說，教育領域的改革，首當其沖的就是大數據變革信息化教學。
大數據時代對於教育是福還是禍?
人們還沒有來得及搞清楚信息時代是什麼，數據時代己悄然來臨。在大數據理念面前，大家各抒所見，有些人認為，大數據時代可以讓教育者真正讀懂學生。
相對於傳統數據宏觀的教育情況，大數據主要體現在微觀層面。大數據使「經驗式」教學模式變為「數據服務」教育模式。老師可以根據數據關注每個個體學生的微觀表現，通過學生相關數據的分析，有針對性的調整教育方案，從而實現個性化教育。
一些支持大數據教育的人認為，大數據時代的教育將推動傳統以「教師為中心」的教學方式向「學生為中心」教學方法的轉變，推動「演員型」教師向「導演型」教師轉型，從宏觀群體走向微觀個體，對於教育研究者來說，利用數據可以發現真正的學生。
而另一群人認為大數據是「換湯不換葯」，實際上就是用大數據、雲計算作為概念來包裝以前的東西。雖然在線教育來勢洶洶，卻有「叫好不叫座」之態。以新東方為例，公開數據顯示2012年底新東方在線網站於個人注冊用戶已逾1000萬，而據新東方在線副總裁潘欣介紹，用戶願意付費的額度不高，在2012年新東方付費用戶為20萬，佔比僅為2%。
目前主流的在線教育產品只是將線下的課程錄制好搬到線上，這種模式實際上只是線下學習方式的簡單復制，這樣的學習方法還衍生了一些教育上的新問題：如何保證學習過程不會被中斷、怎樣確定是學生本人登錄學習等。對於在線教育，只有學習主動性和控制力比較好的學生才能利用在線學習取得好的學習效果，而這些方面較弱的人將難以長期堅持，學習效果也可想而知。
㈣ 大數據引發了教育評價的哪些變革
在考試中，兩個同樣得了90分的考生，他們的能力完全一樣嗎？
課堂上，老師告訴同學們，「完成第一題到第十題」。可是，真的是所有學生都有必要完成這10道題嗎？
教學過程中，如何更好地啟發學生、如何更好地課堂互動，一節課的時長究竟是40分鍾合適，還是45分鍾合適。這些問題，老師們是「憑經驗」，還是靠科學分析？
如果你對以上問題有思考，那麼，你就會對大數據對教育形態的改變持開放的心態。
大數據時代悄然來臨，過去無法收集與分析的數據都被新的技術手段賦予了可能性。誰能對大數據的挖掘更為深刻，誰就會在行業發展中搶佔先機，教育領域也是如此。
就在幾天前，慧科教育宣布在原來「開課吧」的基礎上正式上線「找座兒吧」，即在原來在線教育平台的基礎上，又推出垂直的招聘平台。從學習者職業性向的分析，到適合崗位的推薦，再到個性化設計的課程，經過考核、認證，最終推送到匹配的招聘崗位，完成了學習者從學習到求職的一整套完整路徑。這樣一套同以往學校教育截然不同的教育模式，引發了業內的熱議，而這，正是基於對學習者個性化的數據分析完成的。
兩個同樣考90分的考生，能力水平完全一樣嗎？
大數據讓教育真正面對每一個獨立的個體
「不得不承認，對於學生，我們知道得太少。」這是卡耐基·梅隆大學教育學院的一句經典的口號，同時也是美國十大教育類年會關注度最高的議題。類似的思考在我們國家的教育領域同樣存在。
「我們真的了解孩子嗎？」「每一個孩子都是獨特的，都是與眾不同的，但是我們能針對他們進行真正個性化、差異化的教學嗎？」
舉個簡單的例子，兩個同樣在數學考試中取得90分的考生，他們的能力完全一樣嗎？根據傳統的教學模式，我們會認為，成績相同的學生，能力大體相仿。但如果借用大數據的分析手段，學生的差異性就會清晰展現。根據對同為兩個90分的考生進行分析，我們發現，第一個學生更多的是依靠出色的邏輯思維，而另一名同學邏輯推理能力相對薄弱，是依靠出色的記憶力而獲得較好的成績。
因此，大數據能夠讓我們更全面地看待學生的發展，發現以往考試成績所反映不了的深層次問題。當然，如果老師能對這一情況及時掌握，就能對兩位同學開展不同的教學方式和方向。
比如，通常老師布置作業的方式是，「請同學們完成第一題到第十題。」「請同學們在假期讀完這10本書」。把同樣的書目和同樣的題目布置給不同的學生，在傳統教育模式下無可厚非，但如果新技術已經幫助我們對每一個學生的個性和特點都有了充分的了解，就會有針對性地布置作業，進而實現那個綿延2000多年的夢想——因材施教。
如A同學做對了第二題，系統馬上可以告訴他，他可以跳過第四題和第八題，這是因為，二、四、八三道題目在考查同樣的知識點，如果都做則是簡單重復。如果B同學做錯了第三題，那麼系統就會提示他強化式練習第六題和第九題，這是因為基於大數據的分析，第三題做錯的同學很有可能在第六題和第九題也出現錯誤。而有針對性地反復訓練，是十分必要的。
這樣的模式我們其實已經並不陌生，一些網站會根據此前你的購買習慣，有針對性地推送一些產品，以及微博運營者根據你此前已經關注了哪些人來判斷有可能會對哪些人感興趣，都是基於這個原理，即大數據的分析。
如果商業網站都已經越來越了解學生，為什麼我們的老師不能越來越了解學生呢？
大數據手段和新技術可以取代教師嗎？
優化傳統教學模式，讓課堂減少灌輸，增加互動
近一段時間，「幕課」是教育領域當之無愧的「熱詞」，繼北京大學、清華大學、復旦大學、上海交通大學紛紛加入由國外高校牽頭組建的幕課聯盟之後，日前，深圳大學聯合國內40所大學組建「全國高校UOOC聯盟」，旨在打造屬於中國大學自己的幕課聯盟。
這一消息再一次讓基於新技術手段打造的「大規模在線開放課程」成為社會和教育領域關注的熱點。在討論新技術對於傳統教學模式帶來的沖擊之餘，人們自然而然地發出了這樣的思考：大數據手段與幕課會取代傳統教學模式，最終讓教師們失去飯碗嗎？
答案應該是否定的。
「新技術並不能取代老師，而是重新定義了教育。」上海海事大學經濟管理學院副教授魏忠認為，「翻轉課堂、信息技術下的教育可以不要老師嗎？恰恰相反，你看網路課程的視頻，越來越標准化。但學生是個性化的，這就需要我們老師學會高效利用高新技術、利用教育信息資源，有針對性、更個性地指導學生成長、進步。」
為什麼這么說？
比爾·蓋茨曾預言，「5年以後，你將可以在網上免費獲取世界上最好的課程，而且這些課程比任何一個單獨的大學提供的課程都要好。」是的，未來，學生們可以沒有門檻、沒有圍牆地獲取任何一所大學、任何一位老師的課程，跨越國家、跨越民族。這就會帶來一種可能，線上學習越來越成為學習知識的主要途徑，而學生們學習行為的數據將自動留存，更易於後期的學習行為評價和評估，教師不再基於自己的教學經驗來分析學生的共同點、在學習中的偏好、遇到的難題等，只要通過分析整合學習的行為記錄，就能輕而易舉得到學習過程中的規律。
那線下呢？傳統的課堂將實現功能上的轉變，成為交流學習成果和釋疑解惑的場所，成為線上學習的必要補充。
對此，慧科教育集團創始人方業昌給出了支持的觀點，「經過相當長時間在線教育的探索，我們發現線上教育不能完全取代線下教育，或許未來一門課程，全國的學生，甚至全世界的學生都通過互聯網來聽一位老師講授，但學生依然需要大量同樣教授這門課程的老師承擔起線下的輔學、導學、答疑、互動、評價等功能。新技術會解放一些老師，他們中的一部分從傳統的教學崗轉為輔學崗，而還有一部分則從傳統的教學崗轉為致力於新的教學內容和方式的創新。這些都是線上教育不能完成的，是不可或缺的。」
對此，魏忠認為：「信息技術解放了一些具有創新精神的老師，使他們拋棄了大量重復的勞動而將精力集中在教師的核心功能，這就是技術的解放力量。」
說到這兒，我們會發現，大數據其實並不神秘，大數據對於教育的改變將會是補充，而不是顛覆。正如上海思來氏信息咨詢有限公司創始人張韞所說，「大數據時代的到來，讓社會科學領域的發展和研究從宏觀群體逐漸走向微觀個體，讓追蹤每一個人的數據成為可能，從而讓研究每一個個體成為可能。對於教育研究者來說，我們將比任何時候都更接近發現真正的學生。」而這，正是教育的進步。
㈤ 大數據時代語文教學將如何改革
情境是一堂課抄的「小天地」，它是教師用生動形象、親切感人的語言，或描述意趣橫生的同教學內容緊密相關的人物、事件與景物，或演示形象逼真的與教學內容有關的動作畫面，並藉助一定的媒介創造出來的，教師在教學中創造性地設計好一定的情境，讓學生戲劇般地進入角色，就能喚起他們的情感體驗，點燃其思維的火花，產生強烈的共鳴。這樣，也就能極大地調動學生的興趣，從而收到良好的教學效果。
㈥ 大數據在教學管理中的運用
大數據在教學管理中的運用
隨著大數據時代的崛起，雲數據時代的來臨，大數據給各行各業的發展模式和決策帶來前所未有的革新與挑戰，教育行業同樣不可避免。大數據的發展給困境中的教育變革提出了新的挑戰。進入大數據時代，依靠言傳身教的古代精英式教學和注重快速實效的現代大眾式教學正在有效結合，基於數據分析的共享式精準教學不再遙遠，按需學習、因材施教將真正成為可能。
一、對「大數據」的理解《自然》雜志在2008年9月推出了名為「大數據」的封面專欄，講述了數據在數學、物理、生物、工程及社會經濟等多個學科扮演了愈加重要的角色。加里?金說：「這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。」大數據也稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、處理、並整理成為幫助企業更好經營決策的各種資訊，同時與大數據相關的數據存儲、數據安全、數據分析等領域也都屬於大數據范疇。簡言之，從各種各樣類型的數據中，快速獲得有價值信息的能力，就是大數據技術。「大數據」具有數據體量巨大，數據類型繁多，價值密度低，處理速度快的特點。二、「大數據」對教學的影響 法家思想的集大成者韓非子也有「世異則事異，事異則備變」的觀點，足見教育是需要根據現實變化的。 在教育領域中，「大數據」除體現傳統數據的所有宏觀功能外，還能收集分析詳盡的微觀個性化數據，大數據的優勢立顯。傳統數據詮釋宏觀、整體的教育狀況；大數據用於調整教育行為與實現個性化教育；傳統數據來源於階段性的，針對性的評估，其采樣過程可能有系統誤差；大數據來源於過程性的，以第三方、技術型的觀察采樣的方式誤差較小。傳統數據分析所需要的人才、專業技能以及設施設備都較為普通，易獲得；大數據挖掘需要的人才，專業技能以及設施設備要求較高，並且從業者需要有創新意識與挖掘數據的靈感而不是按部就班者。 大數據帶來新一輪教育信息化的浪潮已然隨著硬體的高速革新和軟體的高度智能無法抗拒地推到了我們面前。作為新時期的教育管理者，唯有掌握良好的「大數據」技術，轉變教育思想，及時利用「大數據」服務學校管理、改革教育教學，提高辦學質量。 三、大數據教學管理模式 隨著時代的發展，科技的日新月異，以往的教學管理模式正在慢慢退出歷史舞台。這種以現代信息技術為支撐，「大數據」為載體的新型管理模式極大地實現了教育資源的共享與充分利用，促進了工作效率的提升，轉變了工作效能，讓工作更加具有時效性，科學性，及時性。1、大數據管理的模型 正如2014年全國教育工作會議提出的，今後一個時期我國教育管理的目標是「加快推進教育治理體系和治理能力現代化」，我國的教育管理模式將發生質的變革，大數據管理模型應運而生。 大數據支撐的教育管理模型：以「主體、對象、資源、目標」為核心要素，建立多級連通共享的教育雲，構建教育管理復雜系統，利用雲技術處理教育雲端大數據，為教育公共服務機構、教師和學生提供全天候多終端個性化需求的教育資源服務、專業發展服務和綜合素質發展服務，提升教育資源配置的合理性和公平性，提升教育決策科學化水平。 在教育管理中，人的因素是重要的教育數據，是一切教育數據的來源。教育資源的配置，首先要進行科學合理的資源基本分類：人才資源、財物資源、知識資源；教育內容、教育理論、教育方法、教育經驗等，是教育資源配置中的隱性資源，卻是根本資源；技術資源是大數據教育管理的生產力資源，教育技術尤其是教育信息技術、大數據、雲技術的應用，是管理主體滿足教育服務需要，合理配置教育資源的應用型資源。 2、大數據管理的運行策略 教育大數據管理是一個長遠的偉大工程，從當前的教育信息化建設水平和面臨的挑戰綜合考慮，還有相當長的路程要走。我們需要在思想上、理論上和實踐上全面推進，迫切需要制訂正確而長遠的行動路線圖如又圖所示。 這是三個層級的運行策略：底層是大數據教育管理的基礎建設教育雲的建設，各區域應遵循國家教育數據標准，建設分布式教育數據中心（雲）資源庫+資料庫+數據關系邏輯的建構，為雲端教育教學資源配置提供基礎硬體支撐，進而建設三層智慧平台智慧校園、智慧學堂（課堂）和智慧終端（尤其是移動終端）應用平台建設，同樣作為基礎層級的是教育資源的大數據挖掘對教育過程所產生的數據進行統計、分析、建模等處理，為教育管理決策提供數據應用；位於高層的是教育大數據管理的操作系統，從公共服務到學生個體發展，利用大數據進行教育資源的公平配置和個性化供給，推進教育發展與改革，使人人享有優質恰當的教育資源，促進教育的優質可持續發展，推進教育品牌建設和創新提升，形成高效綠色的教育文化。 四、大數據教學管理的優越性 用數據說話、用數據決策、用數據管理、用數據創新的數據文化正在成形，大數據時代已經來臨。順應大數據時代的發展，教育變革已經進入了一個新的階段，教育領域將迎來一場前所未有的大變革。
大數據的發展給困境中的教育變革提出了新的挑戰。進入大數據時代，依靠言傳身教的古代精英式教學和注重快速實效的現代大眾式教學正在有效結合，基於數據分析的共享式精準教學不再遙遠，按需學習、因材施教將真正成為可能。大數據帶來的一系列變革，對新型創新人才的培養提出了更為迫切和現實的要求：日益強大的互聯網、多媒體及概念軟體、開源軟體等為師生提供了更加自由、靈活的學習和探索空間，求知的視野被極大拓寬；日益頻繁的師生活動及社會互動被大數據予以記錄、分析和共享，教育環境的時空界限和信息隔閡得以打破，長期以來潛伏於數據之下的教育理論和規律將日益凸顯和明朗，人才培養將更具靈活性和多樣性；學習與生活、教育與社會不再被孤立，學生、學校與現實生活的體驗更為接近，學生學習興趣、學校辦學動力將被大大激發
㈦ 大數據助力教育督導科學化
大數據助力教育督導科學化_時分析師考試
「收集數據，把數據融入易懂的形式中，讓數據講故事，並且把故事講給別人聽。」這描述的是當下一種時髦的職業，大數據工程師。
「大數據」，當下當仁不讓的「熱詞」。隨著移動互聯網、物聯網的蓬勃發展，大數據時代的信息風暴席捲各個行業領域，深刻影響著人們的思維、生活和工作方式。與傳統數據相比，大數據具有數據體量巨大、數據類型繁多、處理速度快、數據可重復利用、價值回報高等特點，為我們看待世界提供了一種全新的方法，即各種決策和行為將日益基於數據分析做出，而不是像過去更多憑借經驗做出。
大數據的運用，為教育改革和發展，尤其是教育督導的開展，提供了更為科學的依據。
通過運用大數據技術，對海量數據的快速收集與挖掘、及時研判與共享，積累過去、分析現在、預測未來，推動督導決策制定更加科學。通過運用大數據思維，從事件問題的個性中找到共性和關聯，透過現象找到問題的症結，有針對性、有重點地開展督導，並通過教育督導各類共享平台、公開系統的建立，推動督導工作開展更加高效。通過運用大數據思維，創新教育督導方式，可改變督導手段單一、督導效率低下、對被督導對象造成不必要的負擔等現狀，推動督導手段更加豐富。通過教育督導結果公開的常態化，形成倒逼機制，使社會公眾對各級政府履行教育職責、學校規范辦學和提高教育質量等工作的監督有力有為，推動結果運用更加有效。
以開展義務教育均衡發展督導評估認定為例，通過運用大數據手段，我們對申報縣（市、區）的各類報送數據進行對比分析，並運用統計學對學校生均教學及輔助用房面積、儀器設備、師生比等8項指標，科學計算出小學、初中綜合差異系數。2014年本科教學質量評估時，利用網路公開資源對大量數據進行搜集、整理和匯總，客觀分析全國本科教學質量現狀，為有針對性地開展評估工作奠定了基礎。
應當注意的是，從大數據到實際應用，其間要經歷一系列知識轉換、科學分析。因此，如何利用大數據來服務教育督導，將大數據信息轉化成工作成果，推進教育督導科學化，依然面臨挑戰。
充分利用大數據創新教育督導理念與制度，提高督導決策的前瞻性，增強督導機制的科學性是當務之急。大數據背景下，教育督導各項工作變得零散、即時、多元、高效，業務量巨大，如果無視現實情況而只是由決策者憑自己有限的理解、假想、推測「拍腦瓜」決策，或者還是依賴於傳統的調研、座談、聽匯報等長周期且受限於行政程序的方式開展督導工作，效率與有效性將受到質疑。因此教育督導必須運用大數據創新工作理念、推動教育督導適應信息時代形勢，進一步強化「用數據說話」的思維習慣和工作理念，提高教育督導的前瞻性。同時，要從制度框架方面推動督導大數據平台的建設，建立資料庫資源的共享和開放利用機制，打破數字鴻溝、信息孤島等壁壘，形成各級各類教育、各級教育督導部門都能共享的教育督導大數據中心。
充分利用大數據創新教育督導手段和督導結果使用，推動督導方式的現代化、強化督導問責的精準度，是重中之重。教育督導要大膽運用信息技術創新督導方式方法，推動督導手段多元化、現代化。應不斷拓寬督導信息報送渠道，採集更多數量、更多形式、更多角度的督導信息。同時，應充分運用信息技術對各類教育督導報告的項目、結果進行整合分析，形成客觀全面、更具說服力的教育督導結果大數據，准確判斷各級政府在履行教育職責、各類學校在規范辦學行為和提高教育質量方面存在的真實問題，實現有效問責，增強教育督導結果使用的權威性和准確性。
技術的變革，會讓原本難以推動的事情變得簡單易行，大數據的誕生正是如此。期待在大數據的助力下，未來的教育督導工作更現代、更科學！
以上是小編為大家分享的關於大數據助力教育督導科學化的相關內容，更多信息可以關注環球青藤分享更多干貨
㈧ 如何利用大數據推進教學變革，改革教育教學方式和方法
一、現代教育理論和思想的學習是課堂教學改革的靈魂
在教學活動中，教師是教育者、影響者、變革者和促進學生發展的實踐者，是教的活動的主體，同時，教師的教又要以學生為出發點，教師的作用及其發揮的程度，必然地要以學生的原有水平為基礎，在教的活動和學的活動中，都有一系列科學的理論知識和方法，因此，教師隊伍的現代教育理論和思想的認識水平，直接影響著新的教育理念在課堂教學改革實踐中的應用，有計劃組織教師學習一些學習理論、教學理論和傳播理論的知識，不僅可以提高教師實施教育工作的理論水平，更有助於教師從「教書匠」向「教育家」的轉化。有了深厚的教育理論基礎，就能夠促使教師在組織教學的活動中，站在現代教育理論發展的前沿來看待、評價、設計自己的教的活動，還能夠把自己「教」的工作從科學研究的認識高度開展理性思考，在長期的實踐中逐步內化為自己的思想和觀念，從中體現出教育大眾化、終身化、個性化、國際化、信息化的現代教育技術環境下的先進教育思想，比如一堂課上，從表面上只是反映了教師與學生的教與學的互動過程，在知識的傳遞過程中，教師的思想、方法和他的教育理論水平，會在知識的呈現過程中隨時滲透的，只有具有一定現代教育理論水平的教師才能在他的講、畫、演、做的過程中靈活啟迪學生的思維、保持知識記憶、促進遷移運用，從而使學生真正獲得知識，已達成推進課堂教學改革的目的。
㈨ 「大數據」背景下貴州教育的思考
核心提示：教育行業也不例外，2013年對於教育來說是傳統育研究走向科學實證的重大機遇。值得我們思考的是，大數據將給教育帶來什麼?如何通過大數據更好的教育學生?大數據對於教育是福還是禍?
「大數據」是當今最熱的概念之一，有人宣稱掌握大數據的人可以像上帝一樣俯瞰整個世界。進入2012年，大數據一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，並命名與之相關的技術發展與創新。
大數據(big data)，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。大數據的創新沿著從數據到大數據，再到分析和挖掘，最後是發現和預測的方向發展。隨著雲時代的來臨，大數據也吸引了越來越多的人關注。各行各業更加意識到，誰能率先實現大數據，誰對大數據的挖掘更為深刻，誰就將搶占未來先機。
教育行業也不例外，2013年對於教育來說是傳統育研究走向科學實證的重大機遇。值得我們思考的是，大數據將給教育帶來什麼?如何通過大數據更好的教育學生?大數據對於教育是福還是禍?
翻轉課堂、MOOC和微課程是大數據變革教育的第一波浪潮
翻轉課堂、MOOC和微課程的出現，改變了傳統教育模式，從課堂老師滔滔不絕的講解，到現在「視頻再教育」。學生可以根據個人情況自主制定學習進度，老師可以根據學生在網上做題的情況，有針對性的了解學生學習上遇到的問題。傳統課堂不再講解新課，而成為學生當堂做作業、講解問題或做實驗的場所。
如果說翻轉課堂只是一個觸角的話，那MOOC的出現就是升華的翻轉課堂。「視頻再教育」得到進一步的提升，MOOC大規模開放在線課程，面對全球性的MOOC浪潮，中國的大學也開始行動。2013年，上海市率先引入中國式MOOC，推出了「上海高校課程源共享平台」。
MOOC的興起，使「用視頻再造教育」的學習模式迅速推廣到高等教育，而且進展到可以通過選修MOOC獲得學分、進入正軌教育的程度。清華大學、北京大學也相繼開放了在線教育課程。
而微課程是對翻轉課堂的回應，是學生自主學習不可或缺的資源。微課程是教學視頻濃縮精華的微型課，主要用於學生的前期學習，目前，微課程已開始影響我國中小學信息化教學實踐。微課程實踐的積累，將導致微課程群的形成，微課程群的應用又會形成新的應用數據，將有利於大數據分析與挖掘、發現與預測的創新應用。可以說，教育領域的改革，首當其沖的就是大數據變革信息化教學。
大數據時代對於教育是福還是禍?
人們還沒有來得及搞清楚信息時代是什麼，數據時代己悄然來臨。在大數據理念面前，大家各抒所見，有些人認為，大數據時代可以讓教育者真正讀懂學生。
相對於傳統數據宏觀的教育情況，大數據主要體現在微觀層面。大數據使「經驗式」教學模式變為「數據服務」教育模式。老師可以根據數據關注每個個體學生的微觀表現，通過學生相關數據的分析，有針對性的調整教育方案，從而實現個性化教育。
一些支持大數據教育的人認為，大數據時代的教育將推動傳統以「教師為中心」的教學方式向「學生為中心」教學方法的轉變，推動「演員型」教師向「導演型」教師轉型，從宏觀群體走向微觀個體，對於教育研究者來說，利用數據可以發現真正的學生。
而另一群人認為大數據是「換湯不換葯」，實際上就是用大數據、雲計算作為概念來包裝以前的東西。雖然在線教育來勢洶洶，卻有「叫好不叫座」之態。以新東方為例，公開數據顯示2012年底新東方在線網站於個人注冊用戶已逾1000萬，而據新東方在線副總裁潘欣介紹，用戶願意付費的額度不高，在2012年新東方付費用戶為20萬，佔比僅為2%。
目前主流的在線教育產品只是將線下的課程錄制好搬到線上，這種模式實際上只是線下學習方式的簡單復制，這樣的學習方法還衍生了一些教育上的新問題：如何保證學習過程不會被中斷、怎樣確定是學生本人登錄學習等。對於在線教育，只有學習主動性和控制力比較好的學生才能利用在線學習取得好的學習效果，而這些方面較弱的人將難以長期堅持，學習效果也可想而知。
㈩ 如何通過抓取教育大數據來深化課堂教學改革
現代信息技術的發展為大數據的收集和分析提供了無限的可能，大數據時代的這一趨勢也對教育產生了巨大的影響：一方面，在科技理性的指導下，通過多維度收集學生行為的數據並進行模型建構，可以對學生的學習行為進行預測;另一方面，大數據時代的人文主義轉向使人們更關注教學活動的適應性，教育大數據的挖掘和利用可以更好地實現適應個人需求的定製化教學。
國際數據公司(IDC)認為大數據時代數據有4大特點——數據的規模大、價值大、數據流轉速度快以及數據類型多。大數據的挖掘和利用對教育——特別是課堂教學——產生著深遠的影響。學習科學家索耶認為：越來越多的學習將經過計算機中介發生, 並產生越來越多的數據,我們有必要運用這些數據分析什麼時候有效的學習正在發生。所以數據挖掘可以用於探究行為與學習之間的關系,如學習者的個體差異與學習行為之間有何關系,不同行為又會導致何種不同的學習結果等。2012年美國發布《通過教育數據挖掘和學習分析促進教與學》(Enhancing Teaching and Learning through Ecational Data Miningand Learning Analytics)提出大數據時代教育數據的特點：具有層級性、時序性和情境性，其中數據的層級性指，既收集教師層面的數據也收集學生層面的數據，既收集課堂數據也收集活動數據，為後期模型的建立提供了多維度的資源;數據的時序性是指，數據是實時的、連續的，為材料的前沿性提供了保障;而數據的情境性是指，數據是基於真實情境脈的，保證了模型的信度。
大數據技術能夠促進以學生為本的學習，數據不僅僅是科技理性指導下收集數據和擬合成模型，並針對學生的群體行為做出預測判斷，還可能在固有模型的基礎上，通過診斷學生在課堂中的行為表現，對固有模型進行修改，使課程內容更加適合學生的長尾需求，實現個性化教學。大數據的利用可以支持對教育活動行為的建模預測，還可能支持教育實踐中的適應性教學。前者是後者的基礎，後者是前者的深化。
建模與預測導向的大數據應用
大數據時代數據促進教育變革的方法之一是收集和分析處理數據，並進行預測。現如今，由於數據記錄、存儲與運算的便捷性，海量的、多層次的數據可以便捷地加以收集，由隨機抽樣帶來的誤差因此減小，建模和預測可以基於全數據和真實數據，因而就更為精確。大數據時代通過探求海量數據的相關關系獲得盈利的最成功的案例是亞馬遜的市場營銷，亞馬遜收集讀者網上查閱行為和購買行為數據，建立讀者偏愛閱讀模型，預測讀者購買的群體行為，實現書籍的推薦。近幾年，教育研究的對象逐漸關注學生的學習行為，其背後是一種學習觀的轉變，學習被視為一種識知的過程(knowing about)，識知是一個活動，而不是將知識作為一個物品加以傳遞。識知總是境脈化的，而不是抽象的和脫離於具體情境的。識知是在個體與環境的互動中交互建構的，而不是客觀准確的，也不是主觀創造的。所以，學生的行為活動數據被認為是可以反映學生在學習過程這一情境化的動態變化進程中的情況。海量、多層次、連續的行為數據在收集後被擬合成模型，實現預測，如學習管理系統(LMS)的運用。然而，由於建模和預測依賴的基本原理為數理統計，其預判對象主要是學生的群體行為。
1.案例分析
學習管理系統(Learning Manage System)簡稱LMS，是基於網路的管理系統平台，用於監控學生學習活動行為，識別和預測學困生(student at-risk)，並為其提供相應的幫助。大多數LMS包括5個部分：有和課程相關的學習資料、用於確保學生提交作業與完成測試的評價工具、用於溝通的交流工具(如郵件、聊天室等)、用於確保教師記錄和存儲學生的學習活動並發布活動截止日期的課程管理工具、用於幫助學生學習回顧和跟蹤學習進程的學習管理工具。在高校大量使用的BB(Blackboard)平台就是一個常見的學習管理系統。系統記錄了學生參與選修的網上課程的種類、在線時長、閱讀和瀏覽的文章數量，反映學習者的學習行為。2008年，Leah P.Macfadyen和Shane Dawson教授在加拿大不列顛哥倫比亞大學通過分析5個本科班級使用BB平台選修生物課的數據，建立了預測模型。平台記錄了學生課程材料的使用情況、參與學業交流情況和完成作業提交和考試情況。大數據時代教育數據記錄的層級性在這裏充分顯現，課程材料的使用包括記錄在線時長、郵件的閱讀時間、郵件的發送時間、討論信息的閱讀時間等。參與學業交流記錄了發布新討論的時間、回復討論的時間、使用搜索工具所花的時間、訪問個人信息的時間、文件的瀏覽時間、瀏覽誰同時在線的時間、瀏覽網頁連結的時間等等。評價模塊記錄了評價的閱讀時長和提交評價的時間等。通過應用統計工具描述散點圖，發現了在LMS記錄下學生在線時長和學業表現呈相關關系。在進行多元回歸時，研究者發現，學業成就處在後四分之一的學生在線時間略長於平均時間，而學業成就處於前四分之一的學生的在線學習時間低於平均水平。緊接著，研究人員為了作出預測，利用邏輯斯特回歸生成了一個預測模型，通過收集學生的新的行為數據，預測學生是否處於真正參與了學習活動，並得出如下結論：討論舉行的次數、郵件信息發送量和測評的完成情況這三個維度構成的模型可以預測學生的學業水平情況。
大數據時代，通過探求學生行為與學業水平之間的相關關系，建立模型，實現預測，能夠對課堂教學產生重要影響。然而，數據建模過程中，為了保證模型的效度與信度，極端個別數據被處理，使模型只能實現群體行為的預測，不能針對學習者個體實現定製化和個性化。
2.建模與預測的不足
數據建模與預測的背後充分體現了實證主義的思想和方法。19世紀上半葉，以孔德為代表的社會學家提出了實證主義的基本信條：利用觀察、分類，探求彼此的關系，得到科學定律。實證主義的哲學思潮到20世紀60年代，演變成一種科技理性，實踐知識逐漸染上了工具性的色彩，專業活動存在於工具性的解決問題之中，所有的專業活動都被視為釐定目標、套用已知的方法解決問題的過程。這一期間，大量的學科被系統地整合發展，甚至包括教育學和社會學這樣的「軟科學」。用證據解決未知的問題，用數據預測未來一時成為潮流。
學生活動行為數據的建模尤其側重體驗實證主義的思想，模型注重成功教學行為的共性，忽視教師與學生群體的獨特性需求時，科技理性的主導有可能使課堂教學被視為獨立於真實境脈的模塊，只要教學行為取得成功，就會被數據抽象化，形成模型，對學生群體行為產生預測。科技理性有賴於人們認同的共有目標，教學實踐目標的釐定極其復雜，包含巨大的不確定性和獨特性，甚至，由於社會角色的不同，還會帶來價值沖突。一個穩定的、為所有人所認同的目標不復存在，依據科技理性精神和方法推理預測的行為模式並不可能滿足每一個人的需求，教育變革在大數據時代下出現新的取向。
從數據模型到支持適應性學習
在數據建模的基礎上實現教學的適應性是大數據時代促進教育變革的另一成果。數據建模及行為預測依舊屬於科技理性指導下的行為模式，可能會造成忽視學生個性需求的現象，而個性化需求正是知識社會的重要特徵，個性化的教育也受到教育研究者、政策制定者和教育實踐者越來越多的關注。教育系統設計專家賴格盧斯認為，教育投入沒有達到效果的一個很重要的原因是忽視了社會的轉型。「社會已經從工業社會步入了資訊時代，勞動力市場對人才的要求不再是工業時代在流水線上操作的工人，而是具有創新性思維、決斷力強的知識性人才。」教學面臨從產生清一色的勞工轉向產生有判斷力和適應性能力的人群。2010年，OECD的報告《The Nature Of Learning》中指出，適應性能力(adaptive competence)是21世紀核心競爭力，包括在真實的境脈中靈活並有創造力地使用有意義的知識和技能。吳剛在《大數據時代的個性化教育：策略與實踐》中提出了個性化教育的必要性和必然性，指出「只有利用信息技術所提供的強大支持，才有可能真正實現個性化學習」。大數據時代的來臨，正是個性化教育發展的一個良好契機。2012年，美國頒布了《通過教育數據挖掘和學習分析促進教與學》，提出大數據時代，通過收集在線學習數據，對數據進行分類和探尋數據之間關聯的方式挖掘數據，形成數據模型。通過學生行為和模型的互動，形成適應性學習系統。概言之，我們可以以對行為數據的充分利用為基礎，改變教學的內容和進度，構建適應性評價和教學系統，充分實現教育的定製化，滿足學生的長尾需求。
1.案例分析：
適應性教學系統又稱適應性學習系統，(Adaptive Learning Support System)，簡稱ALSS系統，強調基於資源的主動學習，認為學習不是知識的傳遞，而是學習者的自我建構。自上世紀90年代以來，研究者開發了不少適應性學習系統，如1998年De Bra開發的AHA系統，2003年，Brandsford和Smith開發的針對任務型學習的MLtutor系統，以及近幾年頗受關注的翻轉課堂(Flipped Classroom Model)簡稱FCM系統。
內容傳遞模塊：傳遞相關知識與信息支持學生的學習。
學習者資料庫：存儲學生在參與教學活動中的相關行為。
預測模塊：包括學生信息和學生行為數據，跟蹤學生的學習，並做出預判。
顯示模塊：為學生生成行為報告。
自適應模塊：根據學生行為生成的報告，反饋到預置模型，為模型做出相應的改變，使之更符合學生。
干預模塊：使教師、系統管理者和領導可以在系統運行時實施人為干涉。
學習者學習相關學科內容時，學習行為被記錄跟蹤下來，學生的學習行為數據被傳送到後台，記錄在學習者資料庫內，作用於預測模塊。預測模塊通過改變內容傳遞模塊，再次作用於學習者。在整個過程中，教師、教學管理者起干涉作用。
適應性學習系統是一個交互的動態系統，系統往往會提供給學生一些學習行為建議。奧地利針對學生的問題解決的過程設計了一個適應性學習系統。適應性學習系統的第一步是教育數據挖掘(ecational data mining)，簡稱EDM。數據挖掘的過程包括數據收集、數據預處理、應用數據的挖掘和詮釋評價發展結果。Moodle提出了CMS數據挖掘系統(Course Management System)。研究者先使用原始數據進行建模，第一步是原始數據的收集，原始數據大約包含2007年73名用戶產生的28000活動例子，2008年97名用戶產生的265000份解決問題的案例和2009年45名用戶產生的115000個活動案例。除了記錄學生解答問題時產生的數據，原始數據還收集了學生的信息、問題的信息和解決問題的步驟;在對數據進行分類後，歸納出問題解決的類型，利用很擅長擬合連續數據的Markvo Models(MMs)的一個子模型DMMs擬合了如上的連續性數據，通過添加判斷學生學習行為的結果模型和一系列監控和調節模塊，構成了整個面向問題解決的適應性系統。當學生使用這個模型時，模型會根據學生的行為數據為學生提供他們所偏愛的解決問題的過程與方法。
除了適應性教學系統，還有適應性評測系統。LON-CAPA(Learning Online Network with Computer-Assisted Personalized Approach)是一個計算機輔助的個性化網路學習測評平台，平台不提供課程設計和課程目標，而是一個教學工具。CAPA通過後台記錄學生的基本資料，學生參與的互動交流、學業情況，針對學業課程中的疑難點，提供個性化的考試資源。
2.適應性轉向的意義
在大數據時代，科技理性指導下的模型預判在面對結構不良的問題時顯得應對能力不足。科技理性指導下的數據建模忽視學習的真實境脈，只能支持群體行為的預判，模型的推廣可能會使人們忽視其實踐成功背後的個體經驗與具體情境，從而導致科技理性與哲學思辨對抗。然而，完全依靠哲學思辨和經驗進行教學不僅不利於教育學科系統理論性的發展，也不利於課堂實踐的管理與教師的培訓。唐納德·A.舍恩提出了一種適應性思維模式。他指出：「如果科技理性的模式在面對『多樣』的情境時，是無法勝任、不完整的，甚至更遭的話，那麼，讓我們重新尋找替代的、較符合實踐的、富有藝術性及直覺性的實踐認識。」適應性學習是在系統理論知識的指導下，針對個體差異，使學習內容和活動高度個性化的學習方式。
適應性平衡了理性與經驗的兩難，英國學者Hargreaves(1996)首次提出基於證據的教育研究向醫療診斷學靠攏。臨床診斷學和教育的相似之處在於，他們都要面對變動不居、極其復雜的環境，在這樣一個結構不良的系統中，充分意識到客體(患者或者學生)的獨特性與共性，利用系統的專業知識解決問題。
Ralf St. Clair教授在參考醫學臨床實踐研究的三要素後提出基於證據的教育研究的三要素——研究的證據、教育工作者的經驗、學習者的環境與特點。其中，行為預測關注的是研究的證據，而適應性學習系統的建設則關注的是教育工作者的經驗和學習者的環境與特點。
從預測行為到支持適應性教學的轉向，是一種人文主義的轉向，教育研究的重點從關注研究的證據走向關注教育工作者的經驗與學習環境特點，關注以證據支持個性化學習的實踐變革。證據不再是其在科技理性時代所處的指導決策的角色，而是被視作一種資源，教育工作者在大量的基於證據的課堂教學決策中找尋最適合自己特點和學生特點的方式，推進課堂教學流程。也就是說，大數據的更重要價值在於支持適應性學習，滿足個性化學習和個性化發展的時代需要。數據的預測功能依賴於大數據收集數據的全面性與處理數據的便捷性，根據統計學原理對群體行為做出預測，一定程度上弱化了個體特徵和具體情境。其主要指向行為預判。而適應性是在模型與客體的交互作用上改變模型，如圖3所示，數據的適應性運轉模型比預測模型多了一個循環(loop until)系統，使其更加契合個人需求，其主要指向實踐改進。預測是支持個性化學習的基礎，而支持個性化學習是預測功能的深化和轉化——從整體人群到個體學習者、從理論模型到實踐策略的轉化。
分析與啟示
大數據時代由於數據量大，數據收集與攜帶便捷，使海量學生行為數據被挖掘、收集，通過數據建模對學習者行為的分析變得比前大數據時代更為全面和可靠。數據時代在數據的挖掘和預測上固然潛力十足，但是大數據時代更多的價值是滿足學習者的適應性長尾需求，在預測行為的基礎上，修改教學模式，使之個性化與定製化。從數據建模走向支持適應性教學，支持對象從群體轉向了個人，對教育活動的影響從對行為的認識轉向了教育活動的實踐，從科技理性指導下的去境脈轉向了基於真實情境的教學活動。
走向適應性，不僅改變人類行為方式，更重要的是改變了認知方式。前大數據時代人們在科技理性的指導下完全被數據證據左右(driven by the data)，教師和學生、教育決策者和學校形成傳統社會契約關系，當事人把自己百分之百地交給專業工作人員，而專業工作人員遵守契約，對當事人全心全意地負責，從而使專業工作人員享受至高無上的壟斷性地位。大數據時代，教師不再是知識的控制者，他通過參與學生的學習活動，根據學生的先擁知識和認知特點、個性需求，不斷地調整教學步驟、教學進度和難度。學生不用完全將自己有如病人交付給醫生一般完全託付給教師。在學習的過程中，通過與教師的互動交流，在教師的協助下，成為自己學習的主體，控制並對自己的學習負責。由於教師精力有限，大數據時代下網路計算機輔助學習系統可以為教師和學生提供輔助指導的機會。
盡管如此，一方面，我們要擁抱大數據給我們帶來的便捷的生活和高質量的教育，另一方面，我們需要保持警惕和防止因果關系和相關關系的誤用，並且維護數據安全。
在推理方面，教育工作者需要警惕將相關關系和因果關系誤用，以Leah P.Macfadyen教授的前述案例為例，BB平台在線時間的長短和學生的學業成就有相關關系，而非因果關系，成績優異的學生在線時間低於平均在線時間，但不能說低於平均在線時間的學習導致學生成績優異而要求學生減少在線學習時間。
此外，在信息安全方面，學生和教師的大量信息被收集和使用，在使用的過程中，必須制定相關私隱保護法，保證信息的安全，警惕數據濫用。學生的行為數據也不可以作為教師教學評優的依據，讓大數據真正成為支持教學變革、提升教學效能、促進學生發展的手段，而不是控制教師和學生的工具。