大数据在教育方面的应用研究综述笔记.docx

大数据在教育方面的应用
《大数据视角分析学习变革》，远程教育杂志
大数据概念界定
国际数据公司(IDC)认为,大数据是符合4V特征的数据集，即海量的数据规模(Volume)、快速的数据流转和动态的数据体系(Velocity)、多样的数如，教师和学校根据学习分析的结果，调整教学内容、对有学习失败风险的学生进行干预等。学习分析一般包括数据采集%数据存储、数据分析、数据表示和应用服务五个环节。
基于大数据的自适应学习系统组成及运行流程
教育数据挖掘和学习分析典型应用
学习者知识建模
采集学习者与在线学习系统的交互数据(正确率、花费时间、请求帮助的数量和性质
错误应答的重复率)，这些存在于课程、学习单元或者知识点层面，Onsophic公司的在线学台学习者的详细数据，建立学习知识模型，由此提供反馈和建议。
学习者行为建模
采集学习者花费时间、学习者完成课业情况、在课堂或学校中学习行为变化情况、学习者线上或线下考试成绩等数据，探究学习行为与学习结果的相关关系,构建学习者行为模型麦克费登和道森通过跟踪采集Blackboard在线学台上学台中学习者的学习失败可能。
学习者经历建模
采集学习者的学习满意调查文件或量表数据，以及后续单元或课程学习中的选择、行为、表现和留存率数据，构建学习者体验模型,对在线学习系统中的课程和功能进行评估。可汗学院通过构建这种模型，评估课程，进行课程再设计，改变课程学习顺序，提高了教师的教学效率和学习者的学习成绩。
学习者个人学习建档
采集学习者学习中的基本数据，通过数据挖掘和机器学习算法,构建学习者个人学习档案，分析学习者的学习特征，对学习者群体进行类聚和分组，为不同学习者提供个性化的学习。卡丹和克纳蒂利用数据挖掘技术对学台的交互旦志进行分析，进行学习者分类，提供学习支持和交互支持。
(SamadKardan,CristinaConati)
领域知识建模
通过数据挖掘和学习分析，对现有领域知识模型进行重构，探索课程、学习单元和知识点的学习内容组织方式与学习者学习结果之间的相关关系。通过处理数据，构建学习曲线，重构领域知识模型。
学习组件分析和教学策略分析
Ritter等人通过对"CongitiveTour”的数学教学智能导学系统中的数据的挖掘和分析，提供15年的动态、细粒度的系统评价，优化系统组成模块和线上教学策略。
7•趋势分析通过数据采集分析，发现学习者当前学习行为和未来学习结果的相关关系，利用这种关系，预测未来学习趋势和结果。加州高等教育协会为州内高等教育机构提供在线趋势分析工具，该工具允许用户检索加州高等教育数据库，自定义检索条件，生成个性化的教育趋势预测结果。
《大数据：正在到来的数据革命》
大数据之所以产生，是因为今天无处不在的传感器和微处理器。我们正在迈进普适计算的时代。其实，所有的机械或电子设备都可以留下数据痕迹，这些痕迹表明了它的性能、位置或状态。这些设备和使用它的人，通过互联网互相交流，又形成了另外一个庞大的数据源。当这些数据和来自其他媒体、无线或有线电话、有线电视、卫星等等来源的数据相结合的时候，更加显得庞大无比。
王震一:所以说，教育大数据的现状是流失。其实，教师和学生的所有的教育