您的位置首页  教育新闻  行业

教育大数据的核心技术、应用现状与发展趋势

教育大数据的核心技术、应用现状与发展趋势  大数据领域近年来蓬勃发展,作为大数据的细分领域,教育大数据具有推动教育变革的巨大潜力…

原标题:教育大数据的核心技术、应用现状与发展趋势

  大数据领域近年来蓬勃发展,作为大数据的细分领域,教育大数据具有推动教育变革的巨大潜力。

  关键词:教育大数据;大数据技术;数据湖;雾计算;人工智能;适应性学习;精准管理

  依照不同层级的主体和教育教学活动的各项内容,教育大数据可以分为四个层次和六大类型。四个层次包括个体、学校、区域和国家;六大类型包括基础数据、教学数据、科研数据、管理数据、服务数据和舆情数据。其中,基础数据包括以人口学为代表的学习者基本信息数据;教学数据包括教学过程中涉及的过程、内容和结果数据;科研数据包括各类教育教学实验与科研项目当中所获得的数据;管理数据包括各类教育管理系统当中所记录下来的数据,如,学生的学籍数据、档案数据和各类统计数据等等;服务数据包括各类与教育教学相关的服务系统当中记录的数据,如,各类师生生活服务、图书档案服务等等;舆情数据包括各类公开中与教育相关的数据,如,各类教育新闻数据、微博等社会网络系统中教育相关数据等。

  从特征的角度看,大数据的特点往往被概括为4V,包括海量规模(Volume)、快速流转(Velocity)、多样构成(Variety)和巨大价值(Value)。教育大数据的特征与4V既有重合又有不同:首先,从规模上看,教育大数据的体量尚未达到零售业、电信业等领域的规模,但已经超出了传统数据工具的处理能力。其次,从流动速度的角度,教育大数据流转速度相对较慢,并不像交易数据、搜索数据或通讯数据具有快速流转的特性。相应地,教育教学的周期性决定了教育大数据具有典型的周期性。进而从数据构成方面看,教育大数据中非结构化数据,特别是音视频数据占很大比重。这些数据来自课堂、教学资源等,不同于传统数据库记录的数据,具有一定的分析复杂性。同时与电商等领域中步骤清晰、结果明确、周期较短的交易活动不同,教育教学活动具有更高的过程复杂性。通过教育大数据分析发现规律也就更为困难。可见教育大数据的特征可以概括为强周期性、高复杂性和巨大价值。

  综上所述,我们可以把教育大数据定义为:服务教育主体和教育过程,具有强周期性和巨大教育价值的高复杂性数据集合,具体如图2所示。

  对于教育大数据的应用,研究者从不同的角度提出了各自的思考。祝智庭教授从研究范式的角度,提出了大数据对教育技术研究方法的,并着重强调了数据支持下的自适应学习。郑燕林和柳海民认为,教育大数据的应用主要是对教育评价和教育教学决策的支持[19]。胡弼成和王祖霖将大数据应用总结为通过评价和预测促进教学有效性,基于变化的教育形式和复杂关系推动教育决策的科学性,完整、全面、动态的质量体系[20]。杨现民等研究者认为,教育大数据应用可以分为政策科学化、区域教育均衡、学校教育质量提升、课程体系与教学效果最优化、个体的个性化发展等层面[21]。

  大数据对教育领域的冲击是全面性的。它能够改变个体学习者的学习状况、对教育规律的认识深度、教育政策的制定方式,乃至整个教育系统的结构。从需求的角度,教育大数据的应用可以概括为五个层次,即学习、教学、研究、管理与政策。学习层与教学层需求着眼于适应性学习;研究层需求着眼于发现教育教学规律;管理层需求着眼于精细管理和科学决策;政策层需求来自获得机制设计依据,如图3所示。

  针对不同层次的需求,教育大数据应用形成了各种产品和服务。从适应性教学到动态测评,从管理模型构建到数据共享门户,各种类型的应用勾勒出了大数据影响教育领域的整体图景。

  我们不妨通过国际范围内典型的技术、产品和服务,从适应性教学、教育规律发现和精准管理支持三个方面,对有较大影响的教育大数据国际应用进行分析,以期对我国教育大数据发展应用提供借鉴。

免责声明:本站所有信息均搜集自互联网,并不代表本站观点,本站不对其真实合法性负责。如有信息侵犯了您的权益,请告知,本站将立刻处理。联系QQ:1640731186
友荐云推荐