教育大數據的實際應用及部分數據處理過程

1、教育大數據的實際應用及部分數據處理過程（1）MOOC的蓬勃發(fā)展。MOOC是Massive（大規(guī)模的）、Open（開放的）、Online（在線的）、Course（課程）四個英文單詞的首字縮寫，意為大規(guī)模網絡開放課程。2006年，薩爾曼可汗（SalmanKhan）創(chuàng)辦了利用在線視頻進行免費授課的可汗學院，現有關于數學、歷史、金融、物理、化學、生物、天文學等科目的3400多段視頻，注冊用戶超過了1000萬人。2011年，斯坦福大學的一門人工智

2、能網上課程吸引了190多個國家的16萬名學生參加學習，該課程的講授者塞巴斯蒂安特倫（SebastianThrun）教授創(chuàng)辦了在線教育網站Udacity。2012年，盈利性在線大學教育平臺Coursera上線，和普林斯頓大學、斯坦福大學、密歇根大學和賓夕法尼亞大學等83所大學協(xié)同提供課程，目前在全球擁有380萬的注冊用戶。同年，哈佛大學與麻省理工學院宣布結成非營利性合作伙伴關系，聯合發(fā)起了名為“edX”的網上課程系統(tǒng)，聯手提供免費的在線課

3、程，搭建共同教育平臺，包括清華大學、北京大學在內的其他26所全球名校也相繼加入了這一平臺?；ヂ摼W技術的發(fā)展帶動了教育的網絡化和國際化，MOOC更將傳統(tǒng)的遠程教育推向了新的高度和廣度，催動了網絡學習時代的到來。在教育活動中，相對于通過師生面對面的接觸獲取教育數據的途徑而言，基于大型網絡課程平臺進行數據挖掘的方式顯然有效得多：學習行為的數據將自動留存，更易于后期的學習行為評價和評估；教師只需通過分析整合學習行為就能得到學習過程中的規(guī)律；利用

4、數據挖掘的關聯分析和演變分析等功能，在學生管理數據庫中挖掘有價值的數據，分析學生的日常行為，可得知各種行為活動之間的內在聯系，并提出相應的對策。（2）個性化課程分析。佛羅里達州立大學利用eAdvis程序為學生推薦課程和跟蹤其課業(yè)表現。奧斯汀佩伊州立大學的“學位羅盤（DegreeCompass）”系統(tǒng)在學生注冊課程前，通過機器人顧問評估個人情況，并向其推薦他們可能取得優(yōu)秀學業(yè)表現的課程。系統(tǒng)首先獲取某個學生以前（高中或大學）的學業(yè)表現，然

5、后從已畢業(yè)學生的成績庫中找到與之成績相似的學生，分析以前的成績和待選課程表現之間的相關性、結合某專業(yè)的要求和學生能夠完成的課程進行分析、利用這些信息預測學生未來在課程中可能取得的成績，最后綜合考量預測的學生成績和各門課程的重要性，為學生推薦一個專業(yè)課程的清單。（7）教育數據挖掘。早期的教育數據挖掘主要是網站日志數據的挖掘，現在新的計算機技術支持的交互式學習方法和工具（智能輔導系統(tǒng)、仿真、游戲），為量化和收集學生行為數據帶來了新的機會。特

6、別是更加集成、更加模塊化和更加復雜化的在線學習系統(tǒng)提供了更多類型的數據，其中包含了數據挖掘算法需要的許多變量。教育數據挖掘能發(fā)現這些數據中的模式和規(guī)律，探索建立預測模型，讓我們重新發(fā)現和預測學生如何學習。例如，過去對在線課程的評價主要通過課程結束時的學生問卷來評價，HungJ.L.等（2012）開發(fā)了一種在線課程評價方法，通過分析一個學生K12在線課程的學生學習日志，一共有7539名學生在883門注冊課程中23854527份學習日志，結

7、合學生人口特征數據、課程結束時對學生開展的課程評價問卷調查，對學生進行分類，發(fā)現高危學生和高表現的特征，預測學生的成績，并研究學生表現和對課程滿意度的關系。（8）學習分析主要涉及學業(yè)分析、行為分析和預測分析的研究和應用?！逗喗椤凡杉{了Johnsonetal（2011）對學習分析的定義，指的是對學生學習過程中產生的大量數據進行解釋，目的是評估學業(yè)進步、預測未來表現、發(fā)現潛在問題。數據來自學生的顯性行為，如完成作業(yè)和參加考試；還有學生的隱性

8、行為，如在線社交，課外活動，論壇發(fā)帖，以及其他一些不直接作為學生教育進步評價的活動。學習分析模型處理和顯示的數據幫助教師和學校更好地理解教與學。學習分析的目標是使教師和學校創(chuàng)造適合每個學生需要和能力的教育機會。學習分析技術對于學生、教師、管理人員、研究人員以及技術開發(fā)人員均具有重要價值。對于學生而言，可以從學習者行為角度了解學習過程的發(fā)生機制，并用來優(yōu)化學習，以基于學習行為數據的分析為學習者推薦學習軌跡，開展適應性學習、自我導向學習。對