深度学习丨教育大数据的应用模型和政策建议

/ enpproperty->

作者简介: 杨献民（1982-），男，河北邢台人普适计算模式，江苏师范大学教育信息技术研究中心副教授，主要从事智慧教育，移动和无处不在的学习研究，电子邮件: yangxianmin8888 ＠ 163.com;王留辉，江苏师范大学教育信息技术研究中心，江苏徐州221116；唐斯，国家信息中心，北京100045

摘要: 大数据是促进教育创新发展的科学力量. 教育大数据是在整个教育活动中生成的数据集合普适计算模式，并根据教育对教育发展的需求而收集，可以创造巨大的潜在价值. 与传统的教育数据相比，教育大数据的收集更加实时，连贯，全面，自然. 分析和处理更加复杂和多样化，应用也更加多样化和深入. 教育大数据的五层体系结构包括个人级别的数据，课程级别的数据，学校级别的数据，区域级别的数据和国家级别的数据，并从下到上汇总了各种教育数据. 自1970年代以来，教育数据的应用普遍经历了起步阶段，关键探索阶段和快速发展阶段，而这三个阶段的教育数据应用规模和水平都在不断提高. 教育大数据的应用主要体现在: 推动国家科学教育政策的制定；推动区域教育的均衡发展；推动学校教育质量的提高；推动课程体系和教学效果的优化；推动个人的个性化发展. 最后，针对我国教育大数据发展中存在的问题和挑战，提出了六项政策建议: 发布了《教育大数据应用与发展指导意见》，《教育大数据》. 制定了《教育大数据的安全性》，成立了国家教育大数据研究院，建立了国家教育大数据治理机构，颁发了“教育数据运营商”许可证，加快了教育大数据产业基地的建设

关键词: 教育大数据，教育数据，教育发展，应用模型，政策建议

标题: 江苏大学高等学科建设项目资助项目“江苏师范大学教育部高等学科建设”（苏政办发[2014] 37号）；全国大学生实践创新培训计划项目“学习行为记录和发展评估应用的大数据支持研究”（项目编号: 201410320029Z）.

技术转型教育时代已经到来，信息化带动的教育现代化已成为国家战略. [1] [2]当前，中国的教育发展面临许多问题（减轻负担，公平，质量提高，平衡发展等），云计算，大数据，学习分析，物联网，移动通信等信息技术正在为解决教育问题和促进教育领域的全面改革发展提供重要的机遇和巨大的可能性. 其中，大数据技术无疑是促进教育创新发展的科学力量. 近年来，大数据继续对社会各个领域产生深远影响，并且正在实现人类工作，生活和思想的重大变化. 同样，它的“力量”也极大地影响了整个教育系统，并正在成为促进教育系统创新和改革的破坏力.

教育大数据是大数据的子集，尤其是教育领域的大数据，它是在整个教育活动过程中生成的，并根据教育需要收集的，全部用于教育发展，可以创造巨大的潜在价值. 数据收集. 教育大数据的“大”不仅是指标的数量，而且更着重于“价值”的价值，即可以发现相关性，诊断存在的问题，从复杂的教育数据中预测发展趋势并加以利用. 教育大数据的改进在教育质量，促进教育公平，实现个性化学习，优化教育资源分配以及协助教育科学决策方面发挥着重要作用. 当前，大数据吸引了教育研究人员，管理人员，决策者和从业人员的注意力. 一些学者从教育模式的转变，[3]教育的可能变化，[4]教育研究的新范式，[5]学习方法的变化[6]和教育模式的变化等方面讨论了大数据对教育发展的影响. 以此类推. 其他学者从技术角度讨论了学习分析和教育数据挖掘的方法和应用. [7] [8]但是，仍然缺乏对教育大数据的数据类别和应用模型的系统分类和分析.

基于此，本文旨在讨论四个方面: 教育大数据的特征是什么，包括哪些数据类型？教育数据申请过程的哪些阶段？教育大数据在教育领域的应用价值是什么模型？教育大数据的发展面临哪些问题以及如何解决？

首先，教育大数据的特征和结构

与传统的教育数据相比，教育大数据的收集更加实时，连贯，全面和自然，分析和处理更加复杂多样，应用也更加多样化和深入. 传统教育数据的收集通常是分阶段进行的，大部分是在用户的知识（非自然状态）下进行的，而分析方法则大多使用简单的汇总统计和比较分析，着重于受教育者和国家的群体特征，总体状况. 不同地区和学校不同层次的教育发展情况. 在大数据时代，移动通信，云计算，传感器和无处不在的计算等新技术将逐渐融入整个教育过程. 在不影响教师和学生的教学活动的情况下，可以连续不断地收集更多的微型教学和学习过程数据，例如学生的学习轨迹，每次作业所花费的时间，老师在课堂上提问和微笑的数量. 教室教育大数据的数据结构更加混杂. 常规的结构化数据（例如成绩，学校记录，就业率，出勤记录等）仍然很重要，但是非结构化数据（例如图片，视频，教学计划，教学软件，学习游戏等）将变得越来越多更具统治力.

图1教育大数据的“冰山模型”

每时每刻都会生成教育数据，但是教育领域包含哪些数据？需要收集什么数据？利用人力资源领域的人才冰质量模型，可以构建教育大数据的冰山模型（如图1所示）. 该模型将教育数据分为两个主要部分，即冰上暴露的数据多年以来，该国收集的教育数据主要是管理，结构化和基于结果的数据，这些数据位于“冰面”上方，并且具有以下特征: 易于衡量和明确，它们着眼于宏观水平的教育发展大局，在一定的历史时期，它对制定教育政策和促进中国的教育发展起了积极的作用，但是，随着时代的到来在大数据方面，国际社会越来越认识到并重视教育大数据战略资产的地位，并对educa进行全面收集和深度挖掘分析国家数据变得越来越重要. 教育数据收集的重点将转向非结构化的程序数据. 这样的数据主要位于“冰面”之下，并且具有难以测量和隐含的特征. 这些数据在数量，增长率和潜在价值方面将远远超过传统的教育数据.

教育数据是客观的，其价值取决于操纵和应用数据的人. 因此，冰上数据和冰下数据都是教育大数据的重要组成部分. 仅从当前教育数据的收集和应用的角度出发，就应着重在冰雪下加强一些教育数据的收集和深度挖掘，同时加强教育中大数据与其他教育中大数据的整合. 领域（医学，交通，经济，社会保障等）以及相关分析，以进一步增强教育决策的科学性. 为了更清楚地了解教育大数据的概述，根据教育数据的来源和范围，将其分为五层架构（如图2所示），并从下至上汇总各种教育数据.

图2教育大数据的分层架构

个人级教育数据: 包括国家收集的有关教职员工和学生的基本信息，以及各种用户行为数据（例如学生随时随地的学习行为记录，管理人员的各种操作行为记录，以及教师的教学行为记录等）和用户状态描述数据（例如学习兴趣，动机，健康状况等）.

1 2 3 ...

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-265371-1.html