大数据教育改革
㈠ 应对大数据教师当有“转化”思维
应对大数据教师当有“转化”思维
教育信息化带来了教与学方式的深刻变革，大数据等新技术已经与教师教育产生深度融合，在促进教师专业发展、助推教师教育教学全方位变革与创新发展过程中的巨大潜力也取得了教育界的共识。很多学校将课堂作为推动学校内涵发展的主阵地，通过信息化手段对教师进行课堂观察、数据采集和分析，得出测评结果，然后制定相应的提升措施，不断促进教师教学水平的提升。教师要有大数据转化的主动自觉目前，以大数据技术为核心的课堂观察方法与技术改变了以往单纯凭借个人价值观和个人经验的听评课方式，实现了基于数据证据链的课堂教学行为大数据的诊断与分析：这种方法首先对教师的教学模式、讲授、提问、理答方式、师生对话等课堂教学的关键环节和关键因素进行观察，通过信息化手段进行大数据采集和记录，然后进行基于大数据证据链的综合分析与评价，指出本次课堂教学的特征、优缺点等，或者会给教师一份课堂大数据分析报告作为反馈。对于教师而言，阅读一份课堂观察大数据报告的文本不难，而真正发挥大数据的作用，将从中抽离出的结论反向“落地”，使之进入课堂教学的操作层面，实现大数据与教学实践之间的融通，从而将大数据变成教师反思教学行为的依据、开展课堂变革的线索、改进和提升教学水平的抓手，为学校内涵发展提供源源不断的内生性资源，则需要教师建立起数据“转化”的思维。目前，信息化手段被广泛应用于学校的管理、教育教学等领域，对大数据的转化、把握和利用已是无可回避的大趋势。面对这一挑战，教师要在大数据转化的三个环节形成自觉：首先是大数据输入的自觉，即教师需要有一定的“数商”，即能对大数据敏感，并能进行大数据收集、分析等输入的自觉；其次是大数据加工的自觉，即在大数据输入之后，教师需要有意识地培养自己将大数据与教学实践进行有效勾连，并将大数据转化为教学方法、教学设计等的自觉；最后是大数据输出的自觉，即在教学经验、成果等的表达、推广层面，教师需要自觉形成有数据、有依据、有证据地进行表达的习惯，使数据化表达成为教师教育教学生活的常态。教师要有大数据转化的行动逻辑和实践载体无论是从大数据到教学实践还是从教学实践到大数据的转化，都暗含着各自的转化逻辑。如，课堂教学观察大数据是以一定的教学、评价等理论模型作为依据和行动逻辑，将教师直观的、具体的、生动的、感性的课堂教学行为以一种高度抽象、概括和理性的形式呈现出来。同理，教师要充分挖掘和利用大数据，也需要按照一定的逻辑，依托教学领域的各种理论或实践智慧，生成关于教学模式、讲解、提问、理答方式、师生对话等大数据的转化策略、方式、效果及评价。教师需要一定的载体，才有可能将从大数据中提取到的信息转化落地。从一个教学过程的全景来看，大数据转化有三个载体：教学设计。对大数据进行转化的一度解读在教学设计阶段。即教师在进行教学行动之前，根据从大数据中提取到的信息、自身教学风格和学情进行教学设计，通过大数据精准地定位一个教学设计的优势、短板主要困难和障碍以及和没有大数据做依据的教学设计之间的差异，从而规划好下一步行动的“蓝图”。教学过程。对大数据进行转化的二度解读在教学过程阶段。即教师按照教学设计进行教学的过程中，有意识地通过一定的策略、方法将从大数据中提取到的信息与教学实践过程中的导入、讲解、提问、理答、对话等环节相互作用，从而实现预期的教学目标。此外，教师也需要在教学过程中对课堂现场生成的大数据加以识别和提取，并能够在此基础上进行利用和创造，将其转化为新的大数据。教学反思。对大数据进行转化的三度解读在教学反思阶段。即教师要对自己基于大数据的课堂教学进行反思，即通过前后数值的对比，分析自身的教学行为、课堂教学效果等通过大数据的引领所产生的变化，对哪些是预期变化，哪些是生成性变化进行判断；对哪些因素和细节通过大数据的帮助由抽象变得具体、由模糊变得清晰、由不准确变得准确等进行记录。反思之后，教师还要能够带着这样的反思和改进措施进入下一个教学设计和教学过程中，形成不断依靠大数据来提升课堂教学品质的循环。教师要有大数据转化的理性判断使用信息化手段对课堂教学进行大数据收集和分析处理，是教育通过与技术的结合来推动自身改革和创新的进步表现。可以预测，这种半智能化技术手段在教育领域的应用范围还会持续扩大和深入。但是，事物都有两面性，教师在拥抱这种技术手段的时候，也要对其保持理性，保持批判，尽量做到有“理”有“限”有“度”。大数据使用的“理”。“理”就是不单就数据谈数据，而是同时注重把握大数据背后的原理或理念。每一套大数据的产生，都建基于一定的原理或理念模型，而这些模型产生的背景、条件和核心要素等，有可能和当下的应用环境有所差异。因此，教师在使用大数据的时候，要努力追求做到不但知其“术”——能读懂大数据，更知其“道”——能把握大数据背后的原理和理念，从而更加智慧和灵活地使用大数据。大数据使用的“限”。“限”就是为大数据的使用范畴划定边界。任何一种工具的开发都是针对某一种特定的对象，因此，每一种工具的适用性都是有限的，教师需要对测评方法与测评对象的适切性保持清醒的认知。大数据作为一种测评方法，适合何种性质的学科、何种类型的教学都需要教师进行审慎的判断。大数据使用的“度”。“度”就是理性看待大数据手段的工具价值，不过度倚重数据。以大数据为代表的量化测评方法只是众多教学测评手段中的一种。尽管这种方法因其精准性、直观性等优势在当前学校课堂中得到相当广泛的应用，但因为教学过程是一个涉及教学技术、教育价值、师生心理变化等显性、隐性要素交相作用的过程，教师依然要重视传统质性测评方法的价值和作用，使二者有机结合，共同促进教学品质的提升。
㈡ 如何通过大数据在教育管理中充分
一、现代教育理论和思想的学习是课堂教学改革的灵魂在教学活动中，教师是教育者、影响者、变革者和促进学
㈢ 大数据时代背景下的教育该如何走
“大数据”是当今最热的概念之一，有人宣称掌握大数据的人可以像上帝一样俯瞰整个世界。进入2012年，大数据一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。
大数据(big data)，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的创新沿着从数据到大数据，再到分析和挖掘，最后是发现和预测的方向发展。随着云时代的来临，大数据也吸引了越来越多的人关注。各行各业更加意识到，谁能率先实现大数据，谁对大数据的挖掘更为深刻，谁就将抢占未来先机。
教育行业也不例外，2013年对于教育来说是传统育研究走向科学实证的重大机遇。值得我们思考的是，大数据将给教育带来什么?如何通过大数据更好的教育学生?大数据对于教育是福还是祸?
翻转课堂、MOOC和微课程是大数据变革教育的第一波浪潮
翻转课堂、MOOC和微课程的出现，改变了传统教育模式，从课堂老师滔滔不绝的讲解，到现在“视频再教育”。学生可以根据个人情况自主制定学习进度，老师可以根据学生在网上做题的情况，有针对性的了解学生学习上遇到的问题。传统课堂不再讲解新课，而成为学生当堂做作业、讲解问题或做实验的场所。
如果说翻转课堂只是一个触角的话，那MOOC的出现就是升华的翻转课堂。“视频再教育”得到进一步的提升，MOOC大规模开放在线课程，面对全球性的MOOC浪潮，中国的大学也开始行动。2013年，上海市率先引入中国式MOOC，推出了“上海高校课程源共享平台”。
MOOC的兴起，使“用视频再造教育”的学习模式迅速推广到高等教育，而且进展到可以通过选修MOOC获得学分、进入正轨教育的程度。清华大学、北京大学也相继开放了在线教育课程。
而微课程是对翻转课堂的回应，是学生自主学习不可或缺的资源。微课程是教学视频浓缩精华的微型课，主要用于学生的前期学习，目前，微课程已开始影响我国中小学信息化教学实践。微课程实践的积累，将导致微课程群的形成，微课程群的应用又会形成新的应用数据，将有利于大数据分析与挖掘、发现与预测的创新应用。可以说，教育领域的改革，首当其冲的就是大数据变革信息化教学。
大数据时代对于教育是福还是祸?
人们还没有来得及搞清楚信息时代是什么，数据时代己悄然来临。在大数据理念面前，大家各抒所见，有些人认为，大数据时代可以让教育者真正读懂学生。
相对于传统数据宏观的教育情况，大数据主要体现在微观层面。大数据使“经验式”教学模式变为“数据服务”教育模式。老师可以根据数据关注每个个体学生的微观表现，通过学生相关数据的分析，有针对性的调整教育方案，从而实现个性化教育。
一些支持大数据教育的人认为，大数据时代的教育将推动传统以“教师为中心”的教学方式向“学生为中心”教学方法的转变，推动“演员型”教师向“导演型”教师转型，从宏观群体走向微观个体，对于教育研究者来说，利用数据可以发现真正的学生。
而另一群人认为大数据是“换汤不换药”，实际上就是用大数据、云计算作为概念来包装以前的东西。虽然在线教育来势汹汹，却有“叫好不叫座”之态。以新东方为例，公开数据显示2012年底新东方在线网站于个人注册用户已逾1000万，而据新东方在线副总裁潘欣介绍，用户愿意付费的额度不高，在2012年新东方付费用户为20万，占比仅为2%。
目前主流的在线教育产品只是将线下的课程录制好搬到线上，这种模式实际上只是线下学习方式的简单复制，这样的学习方法还衍生了一些教育上的新问题：如何保证学习过程不会被中断、怎样确定是学生本人登录学习等。对于在线教育，只有学习主动性和控制力比较好的学生才能利用在线学习取得好的学习效果，而这些方面较弱的人将难以长期坚持，学习效果也可想而知。
㈣ 大数据引发了教育评价的哪些变革
在考试中，两个同样得了90分的考生，他们的能力完全一样吗？
课堂上，老师告诉同学们，“完成第一题到第十题”。可是，真的是所有学生都有必要完成这10道题吗？
教学过程中，如何更好地启发学生、如何更好地课堂互动，一节课的时长究竟是40分钟合适，还是45分钟合适。这些问题，老师们是“凭经验”，还是靠科学分析？
如果你对以上问题有思考，那么，你就会对大数据对教育形态的改变持开放的心态。
大数据时代悄然来临，过去无法收集与分析的数据都被新的技术手段赋予了可能性。谁能对大数据的挖掘更为深刻，谁就会在行业发展中抢占先机，教育领域也是如此。
就在几天前，慧科教育宣布在原来“开课吧”的基础上正式上线“找座儿吧”，即在原来在线教育平台的基础上，又推出垂直的招聘平台。从学习者职业性向的分析，到适合岗位的推荐，再到个性化设计的课程，经过考核、认证，最终推送到匹配的招聘岗位，完成了学习者从学习到求职的一整套完整路径。这样一套同以往学校教育截然不同的教育模式，引发了业内的热议，而这，正是基于对学习者个性化的数据分析完成的。
两个同样考90分的考生，能力水平完全一样吗？
大数据让教育真正面对每一个独立的个体
“不得不承认，对于学生，我们知道得太少。”这是卡耐基·梅隆大学教育学院的一句经典的口号，同时也是美国十大教育类年会关注度最高的议题。类似的思考在我们国家的教育领域同样存在。
“我们真的了解孩子吗？”“每一个孩子都是独特的，都是与众不同的，但是我们能针对他们进行真正个性化、差异化的教学吗？”
举个简单的例子，两个同样在数学考试中取得90分的考生，他们的能力完全一样吗？根据传统的教学模式，我们会认为，成绩相同的学生，能力大体相仿。但如果借用大数据的分析手段，学生的差异性就会清晰展现。根据对同为两个90分的考生进行分析，我们发现，第一个学生更多的是依靠出色的逻辑思维，而另一名同学逻辑推理能力相对薄弱，是依靠出色的记忆力而获得较好的成绩。
因此，大数据能够让我们更全面地看待学生的发展，发现以往考试成绩所反映不了的深层次问题。当然，如果老师能对这一情况及时掌握，就能对两位同学开展不同的教学方式和方向。
比如，通常老师布置作业的方式是，“请同学们完成第一题到第十题。”“请同学们在假期读完这10本书”。把同样的书目和同样的题目布置给不同的学生，在传统教育模式下无可厚非，但如果新技术已经帮助我们对每一个学生的个性和特点都有了充分的了解，就会有针对性地布置作业，进而实现那个绵延2000多年的梦想——因材施教。
如A同学做对了第二题，系统马上可以告诉他，他可以跳过第四题和第八题，这是因为，二、四、八三道题目在考查同样的知识点，如果都做则是简单重复。如果B同学做错了第三题，那么系统就会提示他强化式练习第六题和第九题，这是因为基于大数据的分析，第三题做错的同学很有可能在第六题和第九题也出现错误。而有针对性地反复训练，是十分必要的。
这样的模式我们其实已经并不陌生，一些网站会根据此前你的购买习惯，有针对性地推送一些产品，以及微博运营者根据你此前已经关注了哪些人来判断有可能会对哪些人感兴趣，都是基于这个原理，即大数据的分析。
如果商业网站都已经越来越了解学生，为什么我们的老师不能越来越了解学生呢？
大数据手段和新技术可以取代教师吗？
优化传统教学模式，让课堂减少灌输，增加互动
近一段时间，“幕课”是教育领域当之无愧的“热词”，继北京大学、清华大学、复旦大学、上海交通大学纷纷加入由国外高校牵头组建的幕课联盟之后，日前，深圳大学联合国内40所大学组建“全国高校UOOC联盟”，旨在打造属于中国大学自己的幕课联盟。
这一消息再一次让基于新技术手段打造的“大规模在线开放课程”成为社会和教育领域关注的热点。在讨论新技术对于传统教学模式带来的冲击之余，人们自然而然地发出了这样的思考：大数据手段与幕课会取代传统教学模式，最终让教师们失去饭碗吗？
答案应该是否定的。
“新技术并不能取代老师，而是重新定义了教育。”上海海事大学经济管理学院副教授魏忠认为，“翻转课堂、信息技术下的教育可以不要老师吗？恰恰相反，你看网络课程的视频，越来越标准化。但学生是个性化的，这就需要我们老师学会高效利用高新技术、利用教育信息资源，有针对性、更个性地指导学生成长、进步。”
为什么这么说？
比尔·盖茨曾预言，“5年以后，你将可以在网上免费获取世界上最好的课程，而且这些课程比任何一个单独的大学提供的课程都要好。”是的，未来，学生们可以没有门槛、没有围墙地获取任何一所大学、任何一位老师的课程，跨越国家、跨越民族。这就会带来一种可能，线上学习越来越成为学习知识的主要途径，而学生们学习行为的数据将自动留存，更易于后期的学习行为评价和评估，教师不再基于自己的教学经验来分析学生的共同点、在学习中的偏好、遇到的难题等，只要通过分析整合学习的行为记录，就能轻而易举得到学习过程中的规律。
那线下呢？传统的课堂将实现功能上的转变，成为交流学习成果和释疑解惑的场所，成为线上学习的必要补充。
对此，慧科教育集团创始人方业昌给出了支持的观点，“经过相当长时间在线教育的探索，我们发现线上教育不能完全取代线下教育，或许未来一门课程，全国的学生，甚至全世界的学生都通过互联网来听一位老师讲授，但学生依然需要大量同样教授这门课程的老师承担起线下的辅学、导学、答疑、互动、评价等功能。新技术会解放一些老师，他们中的一部分从传统的教学岗转为辅学岗，而还有一部分则从传统的教学岗转为致力于新的教学内容和方式的创新。这些都是线上教育不能完成的，是不可或缺的。”
对此，魏忠认为：“信息技术解放了一些具有创新精神的老师，使他们抛弃了大量重复的劳动而将精力集中在教师的核心功能，这就是技术的解放力量。”
说到这儿，我们会发现，大数据其实并不神秘，大数据对于教育的改变将会是补充，而不是颠覆。正如上海思来氏信息咨询有限公司创始人张韫所说，“大数据时代的到来，让社会科学领域的发展和研究从宏观群体逐渐走向微观个体，让追踪每一个人的数据成为可能，从而让研究每一个个体成为可能。对于教育研究者来说，我们将比任何时候都更接近发现真正的学生。”而这，正是教育的进步。
㈤ 大数据时代语文教学将如何改革
情境是一堂课抄的“小天地”，它是教师用生动形象、亲切感人的语言，或描述意趣横生的同教学内容紧密相关的人物、事件与景物，或演示形象逼真的与教学内容有关的动作画面，并借助一定的媒介创造出来的，教师在教学中创造性地设计好一定的情境，让学生戏剧般地进入角色，就能唤起他们的情感体验，点燃其思维的火花，产生强烈的共鸣。这样，也就能极大地调动学生的兴趣，从而收到良好的教学效果。
㈥ 大数据在教学管理中的运用
大数据在教学管理中的运用
随着大数据时代的崛起，云数据时代的来临，大数据给各行各业的发展模式和决策带来前所未有的革新与挑战，教育行业同样不可避免。大数据的发展给困境中的教育变革提出了新的挑战。进入大数据时代，依靠言传身教的古代精英式教学和注重快速实效的现代大众式教学正在有效结合，基于数据分析的共享式精准教学不再遥远，按需学习、因材施教将真正成为可能。
一、对“大数据”的理解《自然》杂志在2008年9月推出了名为“大数据”的封面专栏，讲述了数据在数学、物理、生物、工程及社会经济等多个学科扮演了愈加重要的角色。加里?金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”大数据也称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、处理、并整理成为帮助企业更好经营决策的各种资讯，同时与大数据相关的数据存储、数据安全、数据分析等领域也都属于大数据范畴。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。“大数据”具有数据体量巨大，数据类型繁多，价值密度低，处理速度快的特点。二、“大数据”对教学的影响 法家思想的集大成者韩非子也有“世异则事异，事异则备变”的观点，足见教育是需要根据现实变化的。 在教育领域中，“大数据”除体现传统数据的所有宏观功能外，还能收集分析详尽的微观个性化数据，大数据的优势立显。传统数据诠释宏观、整体的教育状况；大数据用于调整教育行为与实现个性化教育；传统数据来源于阶段性的，针对性的评估，其采样过程可能有系统误差；大数据来源于过程性的，以第三方、技术型的观察采样的方式误差较小。传统数据分析所需要的人才、专业技能以及设施设备都较为普通，易获得；大数据挖掘需要的人才，专业技能以及设施设备要求较高，并且从业者需要有创新意识与挖掘数据的灵感而不是按部就班者。 大数据带来新一轮教育信息化的浪潮已然随着硬件的高速革新和软件的高度智能无法抗拒地推到了我们面前。作为新时期的教育管理者，唯有掌握良好的“大数据”技术，转变教育思想，及时利用“大数据”服务学校管理、改革教育教学，提高办学质量。 三、大数据教学管理模式 随着时代的发展，科技的日新月异，以往的教学管理模式正在慢慢退出历史舞台。这种以现代信息技术为支撑，“大数据”为载体的新型管理模式极大地实现了教育资源的共享与充分利用，促进了工作效率的提升，转变了工作效能，让工作更加具有时效性，科学性，及时性。1、大数据管理的模型 正如2014年全国教育工作会议提出的，今后一个时期我国教育管理的目标是“加快推进教育治理体系和治理能力现代化”，我国的教育管理模式将发生质的变革，大数据管理模型应运而生。 大数据支撑的教育管理模型：以“主体、对象、资源、目标”为核心要素，建立多级连通共享的教育云，构建教育管理复杂系统，利用云技术处理教育云端大数据，为教育公共服务机构、教师和学生提供全天候多终端个性化需求的教育资源服务、专业发展服务和综合素质发展服务，提升教育资源配置的合理性和公平性，提升教育决策科学化水平。 在教育管理中，人的因素是重要的教育数据，是一切教育数据的来源。教育资源的配置，首先要进行科学合理的资源基本分类：人才资源、财物资源、知识资源；教育内容、教育理论、教育方法、教育经验等，是教育资源配置中的隐性资源，却是根本资源；技术资源是大数据教育管理的生产力资源，教育技术尤其是教育信息技术、大数据、云技术的应用，是管理主体满足教育服务需要，合理配置教育资源的应用型资源。 2、大数据管理的运行策略 教育大数据管理是一个长远的伟大工程，从当前的教育信息化建设水平和面临的挑战综合考虑，还有相当长的路程要走。我们需要在思想上、理论上和实践上全面推进，迫切需要制订正确而长远的行动路线图如又图所示。 这是三个层级的运行策略：底层是大数据教育管理的基础建设教育云的建设，各区域应遵循国家教育数据标准，建设分布式教育数据中心（云）资源库+数据库+数据关系逻辑的建构，为云端教育教学资源配置提供基础硬件支撑，进而建设三层智慧平台智慧校园、智慧学堂（课堂）和智慧终端（尤其是移动终端）应用平台建设，同样作为基础层级的是教育资源的大数据挖掘对教育过程所产生的数据进行统计、分析、建模等处理，为教育管理决策提供数据应用；位于高层的是教育大数据管理的操作系统，从公共服务到学生个体发展，利用大数据进行教育资源的公平配置和个性化供给，推进教育发展与改革，使人人享有优质恰当的教育资源，促进教育的优质可持续发展，推进教育品牌建设和创新提升，形成高效绿色的教育文化。 四、大数据教学管理的优越性 用数据说话、用数据决策、用数据管理、用数据创新的数据文化正在成形，大数据时代已经来临。顺应大数据时代的发展，教育变革已经进入了一个新的阶段，教育领域将迎来一场前所未有的大变革。
大数据的发展给困境中的教育变革提出了新的挑战。进入大数据时代，依靠言传身教的古代精英式教学和注重快速实效的现代大众式教学正在有效结合，基于数据分析的共享式精准教学不再遥远，按需学习、因材施教将真正成为可能。大数据带来的一系列变革，对新型创新人才的培养提出了更为迫切和现实的要求：日益强大的互联网、多媒体及概念软件、开源软件等为师生提供了更加自由、灵活的学习和探索空间，求知的视野被极大拓宽；日益频繁的师生活动及社会互动被大数据予以记录、分析和共享，教育环境的时空界限和信息隔阂得以打破，长期以来潜伏于数据之下的教育理论和规律将日益凸显和明朗，人才培养将更具灵活性和多样性；学习与生活、教育与社会不再被孤立，学生、学校与现实生活的体验更为接近，学生学习兴趣、学校办学动力将被大大激发
㈦ 大数据助力教育督导科学化
大数据助力教育督导科学化_时分析师考试
“收集数据，把数据融入易懂的形式中，让数据讲故事，并且把故事讲给别人听。”这描述的是当下一种时髦的职业，大数据工程师。
“大数据”，当下当仁不让的“热词”。随着移动互联网、物联网的蓬勃发展，大数据时代的信息风暴席卷各个行业领域，深刻影响着人们的思维、生活和工作方式。与传统数据相比，大数据具有数据体量巨大、数据类型繁多、处理速度快、数据可重复利用、价值回报高等特点，为我们看待世界提供了一种全新的方法，即各种决策和行为将日益基于数据分析做出，而不是像过去更多凭借经验做出。
大数据的运用，为教育改革和发展，尤其是教育督导的开展，提供了更为科学的依据。
通过运用大数据技术，对海量数据的快速收集与挖掘、及时研判与共享，积累过去、分析现在、预测未来，推动督导决策制定更加科学。通过运用大数据思维，从事件问题的个性中找到共性和关联，透过现象找到问题的症结，有针对性、有重点地开展督导，并通过教育督导各类共享平台、公开系统的建立，推动督导工作开展更加高效。通过运用大数据思维，创新教育督导方式，可改变督导手段单一、督导效率低下、对被督导对象造成不必要的负担等现状，推动督导手段更加丰富。通过教育督导结果公开的常态化，形成倒逼机制，使社会公众对各级政府履行教育职责、学校规范办学和提高教育质量等工作的监督有力有为，推动结果运用更加有效。
以开展义务教育均衡发展督导评估认定为例，通过运用大数据手段，我们对申报县（市、区）的各类报送数据进行对比分析，并运用统计学对学校生均教学及辅助用房面积、仪器设备、师生比等8项指标，科学计算出小学、初中综合差异系数。2014年本科教学质量评估时，利用网络公开资源对大量数据进行搜集、整理和汇总，客观分析全国本科教学质量现状，为有针对性地开展评估工作奠定了基础。
应当注意的是，从大数据到实际应用，其间要经历一系列知识转换、科学分析。因此，如何利用大数据来服务教育督导，将大数据信息转化成工作成果，推进教育督导科学化，依然面临挑战。
充分利用大数据创新教育督导理念与制度，提高督导决策的前瞻性，增强督导机制的科学性是当务之急。大数据背景下，教育督导各项工作变得零散、即时、多元、高效，业务量巨大，如果无视现实情况而只是由决策者凭自己有限的理解、假想、推测“拍脑瓜”决策，或者还是依赖于传统的调研、座谈、听汇报等长周期且受限于行政程序的方式开展督导工作，效率与有效性将受到质疑。因此教育督导必须运用大数据创新工作理念、推动教育督导适应信息时代形势，进一步强化“用数据说话”的思维习惯和工作理念，提高教育督导的前瞻性。同时，要从制度框架方面推动督导大数据平台的建设，建立数据库资源的共享和开放利用机制，打破数字鸿沟、信息孤岛等壁垒，形成各级各类教育、各级教育督导部门都能共享的教育督导大数据中心。
充分利用大数据创新教育督导手段和督导结果使用，推动督导方式的现代化、强化督导问责的精准度，是重中之重。教育督导要大胆运用信息技术创新督导方式方法，推动督导手段多元化、现代化。应不断拓宽督导信息报送渠道，采集更多数量、更多形式、更多角度的督导信息。同时，应充分运用信息技术对各类教育督导报告的项目、结果进行整合分析，形成客观全面、更具说服力的教育督导结果大数据，准确判断各级政府在履行教育职责、各类学校在规范办学行为和提高教育质量方面存在的真实问题，实现有效问责，增强教育督导结果使用的权威性和准确性。
技术的变革，会让原本难以推动的事情变得简单易行，大数据的诞生正是如此。期待在大数据的助力下，未来的教育督导工作更现代、更科学！
以上是小编为大家分享的关于大数据助力教育督导科学化的相关内容，更多信息可以关注环球青藤分享更多干货
㈧ 如何利用大数据推进教学变革，改革教育教学方式和方法
一、现代教育理论和思想的学习是课堂教学改革的灵魂
在教学活动中，教师是教育者、影响者、变革者和促进学生发展的实践者，是教的活动的主体，同时，教师的教又要以学生为出发点，教师的作用及其发挥的程度，必然地要以学生的原有水平为基础，在教的活动和学的活动中，都有一系列科学的理论知识和方法，因此，教师队伍的现代教育理论和思想的认识水平，直接影响着新的教育理念在课堂教学改革实践中的应用，有计划组织教师学习一些学习理论、教学理论和传播理论的知识，不仅可以提高教师实施教育工作的理论水平，更有助于教师从“教书匠”向“教育家”的转化。有了深厚的教育理论基础，就能够促使教师在组织教学的活动中，站在现代教育理论发展的前沿来看待、评价、设计自己的教的活动，还能够把自己“教”的工作从科学研究的认识高度开展理性思考，在长期的实践中逐步内化为自己的思想和观念，从中体现出教育大众化、终身化、个性化、国际化、信息化的现代教育技术环境下的先进教育思想，比如一堂课上，从表面上只是反映了教师与学生的教与学的互动过程，在知识的传递过程中，教师的思想、方法和他的教育理论水平，会在知识的呈现过程中随时渗透的，只有具有一定现代教育理论水平的教师才能在他的讲、画、演、做的过程中灵活启迪学生的思维、保持知识记忆、促进迁移运用，从而使学生真正获得知识，已达成推进课堂教学改革的目的。
㈨ “大数据”背景下贵州教育的思考
核心提示：教育行业也不例外，2013年对于教育来说是传统育研究走向科学实证的重大机遇。值得我们思考的是，大数据将给教育带来什么?如何通过大数据更好的教育学生?大数据对于教育是福还是祸?
“大数据”是当今最热的概念之一，有人宣称掌握大数据的人可以像上帝一样俯瞰整个世界。进入2012年，大数据一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。
大数据(big data)，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的创新沿着从数据到大数据，再到分析和挖掘，最后是发现和预测的方向发展。随着云时代的来临，大数据也吸引了越来越多的人关注。各行各业更加意识到，谁能率先实现大数据，谁对大数据的挖掘更为深刻，谁就将抢占未来先机。
教育行业也不例外，2013年对于教育来说是传统育研究走向科学实证的重大机遇。值得我们思考的是，大数据将给教育带来什么?如何通过大数据更好的教育学生?大数据对于教育是福还是祸?
翻转课堂、MOOC和微课程是大数据变革教育的第一波浪潮
翻转课堂、MOOC和微课程的出现，改变了传统教育模式，从课堂老师滔滔不绝的讲解，到现在“视频再教育”。学生可以根据个人情况自主制定学习进度，老师可以根据学生在网上做题的情况，有针对性的了解学生学习上遇到的问题。传统课堂不再讲解新课，而成为学生当堂做作业、讲解问题或做实验的场所。
如果说翻转课堂只是一个触角的话，那MOOC的出现就是升华的翻转课堂。“视频再教育”得到进一步的提升，MOOC大规模开放在线课程，面对全球性的MOOC浪潮，中国的大学也开始行动。2013年，上海市率先引入中国式MOOC，推出了“上海高校课程源共享平台”。
MOOC的兴起，使“用视频再造教育”的学习模式迅速推广到高等教育，而且进展到可以通过选修MOOC获得学分、进入正轨教育的程度。清华大学、北京大学也相继开放了在线教育课程。
而微课程是对翻转课堂的回应，是学生自主学习不可或缺的资源。微课程是教学视频浓缩精华的微型课，主要用于学生的前期学习，目前，微课程已开始影响我国中小学信息化教学实践。微课程实践的积累，将导致微课程群的形成，微课程群的应用又会形成新的应用数据，将有利于大数据分析与挖掘、发现与预测的创新应用。可以说，教育领域的改革，首当其冲的就是大数据变革信息化教学。
大数据时代对于教育是福还是祸?
人们还没有来得及搞清楚信息时代是什么，数据时代己悄然来临。在大数据理念面前，大家各抒所见，有些人认为，大数据时代可以让教育者真正读懂学生。
相对于传统数据宏观的教育情况，大数据主要体现在微观层面。大数据使“经验式”教学模式变为“数据服务”教育模式。老师可以根据数据关注每个个体学生的微观表现，通过学生相关数据的分析，有针对性的调整教育方案，从而实现个性化教育。
一些支持大数据教育的人认为，大数据时代的教育将推动传统以“教师为中心”的教学方式向“学生为中心”教学方法的转变，推动“演员型”教师向“导演型”教师转型，从宏观群体走向微观个体，对于教育研究者来说，利用数据可以发现真正的学生。
而另一群人认为大数据是“换汤不换药”，实际上就是用大数据、云计算作为概念来包装以前的东西。虽然在线教育来势汹汹，却有“叫好不叫座”之态。以新东方为例，公开数据显示2012年底新东方在线网站于个人注册用户已逾1000万，而据新东方在线副总裁潘欣介绍，用户愿意付费的额度不高，在2012年新东方付费用户为20万，占比仅为2%。
目前主流的在线教育产品只是将线下的课程录制好搬到线上，这种模式实际上只是线下学习方式的简单复制，这样的学习方法还衍生了一些教育上的新问题：如何保证学习过程不会被中断、怎样确定是学生本人登录学习等。对于在线教育，只有学习主动性和控制力比较好的学生才能利用在线学习取得好的学习效果，而这些方面较弱的人将难以长期坚持，学习效果也可想而知。
㈩ 如何通过抓取教育大数据来深化课堂教学改革
现代信息技术的发展为大数据的收集和分析提供了无限的可能，大数据时代的这一趋势也对教育产生了巨大的影响：一方面，在科技理性的指导下，通过多维度收集学生行为的数据并进行模型建构，可以对学生的学习行为进行预测;另一方面，大数据时代的人文主义转向使人们更关注教学活动的适应性，教育大数据的挖掘和利用可以更好地实现适应个人需求的定制化教学。
国际数据公司(IDC)认为大数据时代数据有4大特点——数据的规模大、价值大、数据流转速度快以及数据类型多。大数据的挖掘和利用对教育——特别是课堂教学——产生着深远的影响。学习科学家索耶认为：越来越多的学习将经过计算机中介发生, 并产生越来越多的数据,我们有必要运用这些数据分析什麼时候有效的学习正在发生。所以数据挖掘可以用於探究行为与学习之间的关系,如学习者的个体差异与学习行为之间有何关系,不同行为又会导致何种不同的学习结果等。2012年美国发布《通过教育数据挖掘和学习分析促进教与学》(Enhancing Teaching and Learning through Ecational Data Miningand Learning Analytics)提出大数据时代教育数据的特点：具有层级性、时序性和情境性，其中数据的层级性指，既收集教师层面的数据也收集学生层面的数据，既收集课堂数据也收集活动数据，为後期模型的建立提供了多维度的资源;数据的时序性是指，数据是实时的、连续的，为材料的前沿性提供了保障;而数据的情境性是指，数据是基於真实情境脉的，保证了模型的信度。
大数据技术能够促进以学生为本的学习，数据不仅仅是科技理性指导下收集数据和拟合成模型，并针对学生的群体行为做出预测判断，还可能在固有模型的基础上，通过诊断学生在课堂中的行为表现，对固有模型进行修改，使课程内容更加适合学生的长尾需求，实现个性化教学。大数据的利用可以支持对教育活动行为的建模预测，还可能支持教育实践中的适应性教学。前者是後者的基础，後者是前者的深化。
建模与预测导向的大数据应用
大数据时代数据促进教育变革的方法之一是收集和分析处理数据，并进行预测。现如今，由於数据记录、存储与运算的便捷性，海量的、多层次的数据可以便捷地加以收集，由随机抽样带来的误差因此减小，建模和预测可以基於全数据和真实数据，因而就更为精确。大数据时代通过探求海量数据的相关关系获得盈利的最成功的案例是亚马逊的市场营销，亚马逊收集读者网上查阅行为和购买行为数据，建立读者偏爱阅读模型，预测读者购买的群体行为，实现书籍的推荐。近几年，教育研究的对象逐渐关注学生的学习行为，其背後是一种学习观的转变，学习被视为一种识知的过程(knowing about)，识知是一个活动，而不是将知识作为一个物品加以传递。识知总是境脉化的，而不是抽象的和脱离於具体情境的。识知是在个体与环境的互动中交互建构的，而不是客观准确的，也不是主观创造的。所以，学生的行为活动数据被认为是可以反映学生在学习过程这一情境化的动态变化进程中的情况。海量、多层次、连续的行为数据在收集後被拟合成模型，实现预测，如学习管理系统(LMS)的运用。然而，由於建模和预测依赖的基本原理为数理统计，其预判对象主要是学生的群体行为。
1.案例分析
学习管理系统(Learning Manage System)简称LMS，是基於网络的管理系统平台，用於监控学生学习活动行为，识别和预测学困生(student at-risk)，并为其提供相应的帮助。大多数LMS包括5个部分：有和课程相关的学习资料、用於确保学生提交作业与完成测试的评价工具、用於沟通的交流工具(如邮件、聊天室等)、用於确保教师记录和存储学生的学习活动并发布活动截止日期的课程管理工具、用於帮助学生学习回顾和跟踪学习进程的学习管理工具。在高校大量使用的BB(Blackboard)平台就是一个常见的学习管理系统。系统记录了学生参与选修的网上课程的种类、在线时长、阅读和浏览的文章数量，反映学习者的学习行为。2008年，Leah P.Macfadyen和Shane Dawson教授在加拿大不列颠哥伦比亚大学通过分析5个本科班级使用BB平台选修生物课的数据，建立了预测模型。平台记录了学生课程材料的使用情况、参与学业交流情况和完成作业提交和考试情况。大数据时代教育数据记录的层级性在这裏充分显现，课程材料的使用包括记录在线时长、邮件的阅读时间、邮件的发送时间、讨论信息的阅读时间等。参与学业交流记录了发布新讨论的时间、回复讨论的时间、使用搜索工具所花的时间、访问个人信息的时间、文件的浏览时间、浏览谁同时在线的时间、浏览网页连结的时间等等。评价模块记录了评价的阅读时长和提交评价的时间等。通过应用统计工具描述散点图，发现了在LMS记录下学生在线时长和学业表现呈相关关系。在进行多元回归时，研究者发现，学业成就处在後四分之一的学生在线时间略长於平均时间，而学业成就处於前四分之一的学生的在线学习时间低於平均水平。紧接着，研究人员为了作出预测，利用逻辑斯特回归生成了一个预测模型，通过收集学生的新的行为数据，预测学生是否处於真正参与了学习活动，并得出如下结论：讨论举行的次数、邮件信息发送量和测评的完成情况这三个维度构成的模型可以预测学生的学业水平情况。
大数据时代，通过探求学生行为与学业水平之间的相关关系，建立模型，实现预测，能够对课堂教学产生重要影响。然而，数据建模过程中，为了保证模型的效度与信度，极端个别数据被处理，使模型只能实现群体行为的预测，不能针对学习者个体实现定制化和个性化。
2.建模与预测的不足
数据建模与预测的背後充分体现了实证主义的思想和方法。19世纪上半叶，以孔德为代表的社会学家提出了实证主义的基本信条：利用观察、分类，探求彼此的关系，得到科学定律。实证主义的哲学思潮到20世纪60年代，演变成一种科技理性，实践知识逐渐染上了工具性的色彩，专业活动存在於工具性的解决问题之中，所有的专业活动都被视为厘定目标、套用已知的方法解决问题的过程。这一期间，大量的学科被系统地整合发展，甚至包括教育学和社会学这样的「软科学」。用证据解决未知的问题，用数据预测未来一时成为潮流。
学生活动行为数据的建模尤其侧重体验实证主义的思想，模型注重成功教学行为的共性，忽视教师与学生群体的独特性需求时，科技理性的主导有可能使课堂教学被视为独立於真实境脉的模块，只要教学行为取得成功，就会被数据抽象化，形成模型，对学生群体行为产生预测。科技理性有赖於人们认同的共有目标，教学实践目标的厘定极其复杂，包含巨大的不确定性和独特性，甚至，由於社会角色的不同，还会带来价值冲突。一个稳定的、为所有人所认同的目标不复存在，依据科技理性精神和方法推理预测的行为模式并不可能满足每一个人的需求，教育变革在大数据时代下出现新的取向。
从数据模型到支持适应性学习
在数据建模的基础上实现教学的适应性是大数据时代促进教育变革的另一成果。数据建模及行为预测依旧属於科技理性指导下的行为模式，可能会造成忽视学生个性需求的现象，而个性化需求正是知识社会的重要特徵，个性化的教育也受到教育研究者、政策制定者和教育实践者越来越多的关注。教育系统设计专家赖格卢斯认为，教育投入没有达到效果的一个很重要的原因是忽视了社会的转型。「社会已经从工业社会步入了资讯时代，劳动力市场对人才的要求不再是工业时代在流水线上操作的工人，而是具有创新性思维、决断力强的知识性人才。」教学面临从产生清一色的劳工转向产生有判断力和适应性能力的人群。2010年，OECD的报告《The Nature Of Learning》中指出，适应性能力(adaptive competence)是21世纪核心竞争力，包括在真实的境脉中灵活并有创造力地使用有意义的知识和技能。吴刚在《大数据时代的个性化教育：策略与实践》中提出了个性化教育的必要性和必然性，指出「只有利用信息技术所提供的强大支持，才有可能真正实现个性化学习」。大数据时代的来临，正是个性化教育发展的一个良好契机。2012年，美国颁布了《通过教育数据挖掘和学习分析促进教与学》，提出大数据时代，通过收集在线学习数据，对数据进行分类和探寻数据之间关联的方式挖掘数据，形成数据模型。通过学生行为和模型的互动，形成适应性学习系统。概言之，我们可以以对行为数据的充分利用为基础，改变教学的内容和进度，构建适应性评价和教学系统，充分实现教育的定制化，满足学生的长尾需求。
1.案例分析：
适应性教学系统又称适应性学习系统，(Adaptive Learning Support System)，简称ALSS系统，强调基於资源的主动学习，认为学习不是知识的传递，而是学习者的自我建构。自上世纪90年代以来，研究者开发了不少适应性学习系统，如1998年De Bra开发的AHA系统，2003年，Brandsford和Smith开发的针对任务型学习的MLtutor系统，以及近几年颇受关注的翻转课堂(Flipped Classroom Model)简称FCM系统。
内容传递模块：传递相关知识与信息支持学生的学习。
学习者数据库：存储学生在参与教学活动中的相关行为。
预测模块：包括学生信息和学生行为数据，跟踪学生的学习，并做出预判。
显示模块：为学生生成行为报告。
自适应模块：根据学生行为生成的报告，反馈到预置模型，为模型做出相应的改变，使之更符合学生。
干预模块：使教师、系统管理者和领导可以在系统运行时实施人为干涉。
学习者学习相关学科内容时，学习行为被记录跟踪下来，学生的学习行为数据被传送到後台，记录在学习者数据库内，作用於预测模块。预测模块通过改变内容传递模块，再次作用於学习者。在整个过程中，教师、教学管理者起干涉作用。
适应性学习系统是一个交互的动态系统，系统往往会提供给学生一些学习行为建议。奥地利针对学生的问题解决的过程设计了一个适应性学习系统。适应性学习系统的第一步是教育数据挖掘(ecational data mining)，简称EDM。数据挖掘的过程包括数据收集、数据预处理、应用数据的挖掘和诠释评价发展结果。Moodle提出了CMS数据挖掘系统(Course Management System)。研究者先使用原始数据进行建模，第一步是原始数据的收集，原始数据大约包含2007年73名用户产生的28000活动例子，2008年97名用户产生的265000份解决问题的案例和2009年45名用户产生的115000个活动案例。除了记录学生解答问题时产生的数据，原始数据还收集了学生的信息、问题的信息和解决问题的步骤;在对数据进行分类後，归纳出问题解决的类型，利用很擅长拟合连续数据的Markvo Models(MMs)的一个子模型DMMs拟合了如上的连续性数据，通过添加判断学生学习行为的结果模型和一系列监控和调节模块，构成了整个面向问题解决的适应性系统。当学生使用这个模型时，模型会根据学生的行为数据为学生提供他们所偏爱的解决问题的过程与方法。
除了适应性教学系统，还有适应性评测系统。LON-CAPA(Learning Online Network with Computer-Assisted Personalized Approach)是一个计算机辅助的个性化网络学习测评平台，平台不提供课程设计和课程目标，而是一个教学工具。CAPA通过後台记录学生的基本资料，学生参与的互动交流、学业情况，针对学业课程中的疑难点，提供个性化的考试资源。
2.适应性转向的意义
在大数据时代，科技理性指导下的模型预判在面对结构不良的问题时显得应对能力不足。科技理性指导下的数据建模忽视学习的真实境脉，只能支持群体行为的预判，模型的推广可能会使人们忽视其实践成功背後的个体经验与具体情境，从而导致科技理性与哲学思辨对抗。然而，完全依靠哲学思辨和经验进行教学不仅不利於教育学科系统理论性的发展，也不利於课堂实践的管理与教师的培训。唐纳德·A.舍恩提出了一种适应性思维模式。他指出：「如果科技理性的模式在面对『多样』的情境时，是无法胜任、不完整的，甚至更遭的话，那麼，让我们重新寻找替代的、较符合实践的、富有艺术性及直觉性的实践认识。」适应性学习是在系统理论知识的指导下，针对个体差异，使学习内容和活动高度个性化的学习方式。
适应性平衡了理性与经验的两难，英国学者Hargreaves(1996)首次提出基於证据的教育研究向医疗诊断学靠拢。临床诊断学和教育的相似之处在於，他们都要面对变动不居、极其复杂的环境，在这样一个结构不良的系统中，充分意识到客体(患者或者学生)的独特性与共性，利用系统的专业知识解决问题。
Ralf St. Clair教授在参考医学临床实践研究的三要素後提出基於证据的教育研究的三要素——研究的证据、教育工作者的经验、学习者的环境与特点。其中，行为预测关注的是研究的证据，而适应性学习系统的建设则关注的是教育工作者的经验和学习者的环境与特点。
从预测行为到支持适应性教学的转向，是一种人文主义的转向，教育研究的重点从关注研究的证据走向关注教育工作者的经验与学习环境特点，关注以证据支持个性化学习的实践变革。证据不再是其在科技理性时代所处的指导决策的角色，而是被视作一种资源，教育工作者在大量的基於证据的课堂教学决策中找寻最适合自己特点和学生特点的方式，推进课堂教学流程。也就是说，大数据的更重要价值在於支持适应性学习，满足个性化学习和个性化发展的时代需要。数据的预测功能依赖於大数据收集数据的全面性与处理数据的便捷性，根据统计学原理对群体行为做出预测，一定程度上弱化了个体特徵和具体情境。其主要指向行为预判。而适应性是在模型与客体的交互作用上改变模型，如图3所示，数据的适应性运转模型比预测模型多了一个循环(loop until)系统，使其更加契合个人需求，其主要指向实践改进。预测是支持个性化学习的基础，而支持个性化学习是预测功能的深化和转化——从整体人群到个体学习者、从理论模型到实践策略的转化。
分析与启示
大数据时代由於数据量大，数据收集与携带便捷，使海量学生行为数据被挖掘、收集，通过数据建模对学习者行为的分析变得比前大数据时代更为全面和可靠。数据时代在数据的挖掘和预测上固然潜力十足，但是大数据时代更多的价值是满足学习者的适应性长尾需求，在预测行为的基础上，修改教学模式，使之个性化与定制化。从数据建模走向支持适应性教学，支持对象从群体转向了个人，对教育活动的影响从对行为的认识转向了教育活动的实践，从科技理性指导下的去境脉转向了基於真实情境的教学活动。
走向适应性，不仅改变人类行为方式，更重要的是改变了认知方式。前大数据时代人们在科技理性的指导下完全被数据证据左右(driven by the data)，教师和学生、教育决策者和学校形成传统社会契约关系，当事人把自己百分之百地交给专业工作人员，而专业工作人员遵守契约，对当事人全心全意地负责，从而使专业工作人员享受至高无上的垄断性地位。大数据时代，教师不再是知识的控制者，他通过参与学生的学习活动，根据学生的先拥知识和认知特点、个性需求，不断地调整教学步骤、教学进度和难度。学生不用完全将自己有如病人交付给医生一般完全托付给教师。在学习的过程中，通过与教师的互动交流，在教师的协助下，成为自己学习的主体，控制并对自己的学习负责。由於教师精力有限，大数据时代下网络计算机辅助学习系统可以为教师和学生提供辅助指导的机会。
尽管如此，一方面，我们要拥抱大数据给我们带来的便捷的生活和高质量的教育，另一方面，我们需要保持警惕和防止因果关系和相关关系的误用，并且维护数据安全。
在推理方面，教育工作者需要警惕将相关关系和因果关系误用，以Leah P.Macfadyen教授的前述案例为例，BB平台在线时间的长短和学生的学业成就有相关关系，而非因果关系，成绩优异的学生在线时间低於平均在线时间，但不能说低於平均在线时间的学习导致学生成绩优异而要求学生减少在线学习时间。
此外，在信息安全方面，学生和教师的大量信息被收集和使用，在使用的过程中，必须制定相关私隐保护法，保证信息的安全，警惕数据滥用。学生的行为数据也不可以作为教师教学评优的依据，让大数据真正成为支持教学变革、提升教学效能、促进学生发展的手段，而不是控制教师和学生的工具。