在教育行业，特别是学校教育中，教学改进的主要指标是数据。一般来说，数据指的是学生的考试成绩，除此之外，还包括了学生的入学率、出勤率、辍学率以及升学率等等。对于教学来讲，数据只教学成果最直观的表现形式，比如：作业的正确率、回答问题的次数、作业完成时间等。我们通过不同的维度对数据进行收集、分类、统计以及分析最终就形成了大数据。

大数据促进教学改革

大数据近年来成为了各个行业的重要分析依据，教育领域被认为是大数据可以有一番作为的重要领域，很多人都预测大数据的发展可以给教育带来翻天覆地的变化。

在线教育近年来发展迅速，很多开放式网络课程纷纷亮相，使得大数据可以获得更加广阔的应用空间。大数据将改变教育行业，比如学生的学习方式、老师的教学方式以及教育政策的指定。

对于教育领域来说，大数据分析的最终目的是为了改善学生的学习成绩，没有大数据分析很难对学生做出针对性的指导。通过大数据分析，可以从不同的角度发现学生的学习问题，并且利用分析出的问题为改善学生的成绩提供个性化服务，提高学习成绩。

教育大数据市场前景广阔

在美国，高中生和大学生的在校表现十分糟糕——高中生退学率高达33%，31%的大学生需要重修，40%的大学生无法正常毕业——在让教育部门忧心忡忡的同时，也让教育科技公司找到了淘金的机会。许多教育科技公司纷纷开始抢占大数据学习分析的市场，竞争极为激烈。一些企业已经成功地商业化运作教育领域的大数据。例如：全球最大的信息技术与业务解决方案公司IBM就与亚拉巴马州的莫白儿县公共学区进行大数据合作。结果显示，大数据对学校的工作具有重要作用。在美国的教育大数据领域，除了处于领先地位的IBM，还有像“希维塔斯学习”（Civitas Learning）这样的新兴企业。“希维塔斯学习”是一家专门聚焦于运用预测性分析、机器学习从而提高学生成绩的年轻公司。该公司在高等教育领域建立起最大的跨校学习数据库。通过这些海量数据，能够看到学生的分数、出勤率、辍学率和保留率的主要趋势。

大数据改变考试

教育向大数据发展，主要是要依靠数据的挖掘。教育数据和一些其他领域的数据相比较会有一些不同。总的来说教育数据是分层的（hierarchical）。美国教育部教育技术办公室在《通过教育数据挖掘和学习分析增进教与学（公共评论草案）》的第18页中写道：“教育数据是……分层的。有键击层（keystroke level）、回答层（answer level）、学期层（session level）、学生层（student level）、教室层（classroom level）、教师层（teacher level）和学校层（school level），数据就寓居在这些不同的层之中。”所在在数据的时候就需要从多个不同的层去分析数据。

教育大数据的使用

需要特别注意的是，数据的收集的方式对于未来的使用有很大的影响。接收数据一开始就应该将数据标准化，以便今后对数据进行仔细分析。这样做并不是意味着将未结构化的数据转化为结构化的数据，而是要用直观的方法对接收的数据进行分类。

教育工作者和研究者已经开发出从大数据中提取价值的5种主要的技术。

1.预测（Prediction）——觉知预料中的事实的可能性。例如，要具备知道一个学生在什么情况下尽管事实上有能力但却有意回答错误的能力。
2.聚类（Clustering）——发现自然集中起来的数据点。这对于把有相同学习兴趣的学生分在一组很有用。
3.相关性挖掘（Relationship Mining）——发现各种变量之间的关系，并对其进行解码以便今后使用它们。这对探知学生在寻求帮助后是否能够正确回答问题的可靠性很有帮助。
4.升华人的判断（Distillation for human judgment）——建立可视的机器学习的模式。
5.用模式进行发现（Discovery with models）——使用通过大数据分析开发出的模式进行“元学习”（meta-study）。

实施这些技术就能够通过大数据来创建为提高学生成绩提供支持的学习分析系统。研究者们相信这些技术将帮助教育工作者更加有效地指导学生朝着更加个性化的学习进程迈进。

总而言之，通过大数据进行学习分析能够为每一位学生都创设一个量身定做的学习环境和个性化的课程，还能创建一个早期预警系统以便发现开除和辍学等潜在的风险，为学生的多年学习提供一个富有挑战性而非逐渐厌倦的学习计划。因此，有识之士经预言未来的学习将是大数据驱动的新时代。我们应该积极迎接这个新时代，通过大数据来分析学习，进一步改善教学的方式与方法，进一步促进学生学习成绩的提高。

联系我们
官网：www.cswzsoft.com
咨询电话（400）：4008-365-590
咨询邮箱：sales@cswzsoft.com