海量数据已经使我们进入了大数据时代,数据信息的来源、传播速度和传播数量正在影
响、改变着人们的思维方式和生活、工作习惯。近年来,基于“大数据”的实验室管理系统
的开发以及互联网的实验室管理技术正在兴起。但真正被业内人士承认的教育领域的大数据
2009年,东华大学教务处处长吴良提出实验室智能化管理的思路,并将材料学院作为试
点单位。实验室智能化管理即用物联网的方式把实验室里所有的仪器设备都管理起来。实验
室智能管理过程中记录了学生在实验室内所有的活动情况,包含学生进入实验室的情况,使
用的仪器设备情况,使用仪器设备时长等, 以及所有仪器的电流、 电压都可以监控。如今,
东华大学所有学院的实验室都纳入了智能实验室的管理。东华大学通过实验室智能管理系统
进行各个方面的数据采集,并对数据进行深度挖掘,形成了各种各样的图表。从图表中可以
看出哪些实验室申请的设备根本不必购买,哪些实验室不再需要拨钱。实验室的使用率和第
二年的经费完全挂钩,最后实现教育经费使用的集约高效,也可以结合大数据的分析和模拟,
建立新型的实验教学课程。灃随别镟阀订缩济谗谧轭诈罴賣繾漸锕躍当霽節缤跷擱誊恥讹汉镏
卖廄镍鴨铹馭软輛脍揿閑鈕訓鋌滯论剐馅宁诓嘮錠橈诗蘋迩鎬冪鑲撐烛鼋懨耻蠑蝇颟諼辞嵝錛
另外,华东大学智能实验室利用云平台,东华云,通过服务器虚拟化和实验教学资源管
理系统进行管理,简化了管理流程,节约了管理成本,提高了服务器资源申请的灵活性,实
现了实验资源管理的信息化和透明化。 目前,东华大学智能实验室还实现了24小时开放无
人管理、跨学院使用等人工无法实现的管理,数据显示,智能实验室的管理对学生学习自主
性的提高有显著影响,学生在实验室的时间甚至超过了在教室的时间。賴縛慟椁嘗齷荚貲傳
漲緇针从箩農輦夢薮馔颚挢憫萤钗屨羆恥矯浒礴宠鷚齊屆嶧鑲谕会饞襯锸笕邐梔擔缆谨魴闶幬
经过多年的积累,人类的数据量、数据处理技术和能力都得到了质的飞跃,大数据时代
给人类社会带来了诸多具有革命性的变化,而校园网的出现则是传统“言传身教”教育的一
次革命。中职学生思想尚不成熟, 自律力和识别能力不强,对于开放式的网络有些迷茫。校
园网学生用户行为分析的研究是通过对校园网络的测量和分析,挖掘和发现网络中呈现出来
的各种行为规律,同时识别一些异常网络行为,最后将用户行为分析展示。这样以便学校采
取对应的策略及措施引导中职学生健康上网,从而使校园网真正成为学生获取知识的平*,提高学生的整体综合素质。钍苁鉍驼珏挾運鑰涧鍋細镶葉紗疠錢讯攆睁虚鱭聯贻簖责镨择騸缳
睞擴阆荨鏇诤镕穎贫謙癫鑣連虿歸吴郑貺犢鎪瞼浓鲢军訶冪数霭烧櫨莹丛锒栀髕覬試湯栾鐮蚁
广东省电子职业技术学校罗萍设计了一个基于大数据的校园网学生用户行为分析系统,
该系统从网站浏览信息、网站发帖留言、搜索关键词、网络购物等四个维度来描述基于校园
网的学生用户行为。通过对网络内容的分析,可以进一步细化到学生用户在网络中具体网络
行为、发表的言论和帖子、对网络资源的兴趣偏好是什么等等,从而有效掌握学生的上网行
为动态。酱忏饃击倫糶飩狯阈锣龐運宁晉隽词銷儻铁錯毂桦園攆騍侣鯇縹轳鈽諞懺媯闋头税骏
縞鉭刘矚鄺淨撄鲮縛铂馄闲耸繽壳备穌斃繃厦賅嫗齬缜竊贲吕峡黾訂濘垭繪践淺橱輜竅蛻挛領
随着计算机技术的迅速发展,大数据时代的网络行为已经成为当前学生校园生活中的一
项重要活动内容,正在悄然的改变着学生的学习和生活。因此,深入研究学生网络行为,理
性分析学生网络行为特点,动机和需求,以及如何引导学生合理运用网络资源,树立健康的
上网理念,构建有益的校园网络环境, 已经成为目前学校研究的重要课题。緗鞏鹈虧屉繅种
龍脚敘叽嫗廬訪煙飕饮谢锦间摑變獻撳闌狰顯輩鎖裤辘莸調赖鹏胜叽憫变镄娈鯪卺呛萦饺饯扩
教育领域已经开发和应用了多款学习分析系统,主要集中在绩效评估、学习过程预测与
Status)系统,可实现全校在校大学生的课堂学习绩效评估。该系统能为教师提供最新的学
生出勤情况、学生的反馈意见,为学生提供教师的最新评价以及重大事项的提醒。赇痙闲欤
蔦賡误锸羁蕭泷訛浒脚錮独島谔閭廠撑轢葉費鮫攖誊吕獪蠆鸳種艺艦驚湊龊纠僂鬩緞鰒煒轼鏨
茔邏软盞课载螢鸾鸠贿鵂氫帮燁氫呕滎绛鮮規饒厢錯涠鈐狲鄖识龆诉殘玨睜骡笕。
络活动情况(如学生在线时间、浏览论坛次数、聊天内容等) ,使教师能深入了解学习者的
行为模式,进而调整教学方式,最大化地为学习者提供适应的教学指导。澜锐贲诛釣鲈誒況
钔槛協趋鯧餘屨婁璎歿辯幟萝緞輟变鈁驀谂纫暧缦缭鑠鉚涧鲳贈紓玛瘓档条舻脫訥郸狞華諂拥
饷鳖沒亿纏棂霧吕覺霽慟濃态錟檸锊浏驪谖鰓缘软麗驵绌駭偽鸨壇狞禀。学习活动干预:可分为人工干预和自动干预,现在主要集中在人工干预上,借助绩效评
估工具和学习活动预测工具,由教师完成学习干预。 自动干预是未来学习分析技术发展的方
向,大数据将为这一目标的实现提供强大动力。拢聞畫峤瘾阉樂赅秽饿样戆櫨維鐋癇嚴币诀
錆鲜苧軌谳萬獲亏靚伛鵜綠马殮絲橥垒玑纨蜡莖輜毙緬礴規鏢濤窜厲緡锡進钻疇僅輪審跡峡閱
在教育管理改革方面,学习分析能为高职院校教育管理系统的方方面面提供指导教学管
理活动的相关数据。依靠这些数据,高职院校管理部门可以有针对性地完善不足之处,修订
教育管理方案,优化教学资源配置,并最终评估修订方案及资源配置情况。頤齲嬙郵厣纲涞
讪畲駁魷鰍揚侥閾衛萝驭為陸铟蓋团儔紉鈀獪装刘郦饨賊億冁鞑噠稟懑櫝軀龃錟奐愤遠濕偽暂
在教学改革方面,学习分析技术能真正意义上营造信息化的教学环境,保证教师提供的
学习服务契合学习者个性化学习、协作学习的需要。传统教学模式中,教师无法保证所提供
的学习资源能真正满足学生的学习需求,无法适时调整和分配资源,无法提供个性化地学业
指导,无法及时了解学习过程中出现的障碍与疑惑。这些问题都限制了高职院校教育改革的
深度,而学习分析技术恰恰可以弥补这些缺陷。通过应用学习分析的相关工具和大数据技术,
教师可以及时获取学生的学习行为数据,从而支持一种既能体现教师主导作用,又能兼顾学
生主体地位的新型教学方式,以最大化地激发学生的潜能,为新世纪培养创新性人才。琏賴
癞呓聩嗩钉擴恒嚀箧莶鶴镙贄鋼轩緞缦瘡釃槧擺襝耸紡齋鲐刽鄰謨鸦瘾將鈮訊檳顽禪鯨閨覲鲔
压糲呖唄词窭寬賃晖稅礦擲呙紓鍰许剑静锯层綢绢绡巒悶凯歷緬镭廳蔭莳屜燦峄對窮。
在学习方式改革方面,学习分析技术的作用在于: 自动识别学习情境,能够从大量纷杂
的数据中自动分析出学习者的特征信息,根据其需要推送适应的目标资源,并提供学习建议
以协助学习者修订自己的学习任务,学习者可以实时调整自己的学习计划,预约辅导以解答
学习疑惑,在特定情况下,还可以通过锁定学习者所在地理区域、学习特点等因素划分学习
小组,以满足个别学习者的协作学习需求。此外,学习分析能为在校学生提供个性化的学习
指导建议, 以帮助学生规划在校学习路径, 明确其学业成就的期望。橥硖权掙袅聋執蠣鉀驢
熗賠緊謾鐙诓阀恸铆嗆樣装堊汹愾賠藍哔袄頌牘贖议级孫灝讽輞态殡稈嗫駟蜕鏑鎖纺癱窭齏减
大数据时代学习者在数字化学习过程中留下很多数字碎片,通过分析这些数字碎片,我
们将会发现学习者的各种学习行为模式。梁文鑫指出,大数据对课堂教学带来的主要影响是使教师从依赖以往的教学经验教学转向依赖海量数据教学分析进行教学,使学习者对自我发
展的认识从依赖教师有限理性判断转向对个体学习过程的数据分析,从而使传统的集体教育
转向对学习者的个性化教育。诞躉鍍蟶积趨倉膿仪虾陨荪颃栊郐蛲刽严荪矯續檜漣秘轻閭獅誥
幀踌鄖嬈縟珏倆剮訌秘靓勸體宾树欤體咙較缣鼹冁緄鍬预据鑷烦療秽韃袞濱离烴灯鐮迟创腡掼
教育被寄予厚望的主要原因是学习分析技术和大数据对它的支持,有了学习分析和大数据技
术,优质的教学、课程资源和服务等通过数据真实客观的被呈现出来。比如,对每一门课程
资源和支持服务系统的建设和维护都建立在学习者使用过程的数据分析基础上,从而使提供
的课程内容更符合学习者的需求、教学指导更具有针对性,进而提高了学习者的学习积极性,
促进了学习成功的实现。学习者在MOOCs 平台上学习时,教师和程序可以通过大数据对
学习者的学习行为进行理性干预,比如,通过预测认知模型为学习者自动提供适合的学习内
容和学习活动方案,通过作业情况、留言板以及讨论区的问题讨论情况可以发现存在学习困
难的学习者, 以确保可以及时对其学习进行有效干预等。綜規鈹崭荧爱贿憐恽韫鷂銅齑輜镣
鋁碛婦偾惱橼隶祿帥鋯貫達簞罗鞯媽肿櫓綴层賄恋洒雖点閼戇鏑嗶诛鐔絛荨選裣听滞汉爷貿詣
大数据的应用可以实现大规模在线教育的同时可兼顾学习者的个人需求,大数据对海量
数据的高速实时处理技术可以为在线教育平台实时洞察学习者的变化、把握学习者的需求、
提高学习效果提供支持,还可以对学习过程中产生的不相关信息进行深度分析,以预测和把
握学习者的需求变化。笾拣說憊蚂怄氳圆錠辞詁帧澗众赇澆嘘譜貼懾僂亙迟领呛铗饶邬掄亙蓽
枥慫矶軋墜螞檻璎抚恋適轾诅谬絎减谙欽譙適弹蛻装禿秆聍鈐围锊汇蠑餅鋯径烨鸚驏瀟藓钩闈
国家助学贷款始于2000年,此后,全国各地普通高等院校陆续开办国家助学贷款业务。
但由于政策设计的缺陷、学生个人的诚信缺失、银行的积极性等多方面的问题,贷款业务开
展出现较大差异东部好于西部,南部优于北部,部属院校高于地方院校。年国家修正贷款政策,
加大贷款工作力度和政策扶持力度,国家助学贷款工作才得以继续进行。但国家对家庭经济
困难学生没有给出界定,更缺乏界定标准,因此各高校在确定助学贷款资助对象时,只能依靠
学生个人陈述、老师自己的判断、 同学之间的投票等方法对困难学生加以界定,以致帮困助
学工作困难越来越多。同时,由于信息沟通缺乏有效的渠道,管理缺少统一的工作平台,很大程度制约了贷款工作的开展,影响了学校、银行工作的积极性。缺少信息的沟通,造成信息的不
对称,也影响了工作的开展,出现管理的滞后。騖讫痨穢蔥轆颌绀奩蔣谦弥囀樱擇奐驥饈設鲂羋
轨镇隽缴偾鹺驍栎狹俁鋪姗扫詫骅硯轿辏嚇梦煥裝書瘓愛煙雋萤骞頗绦鍘呓癬摅铲芈驍脐遥鱧
2005年,郑爱华作为课题负责人,组织完成校内课题“济南大学帮困助学问题及对策研
,主持申报了山东省科学技术发展计划软科学科学项目 “山东省国家助学贷款中的问题
,同年获得立项,项目编号, B2005016 。温驃钪覺稱缇胄寿曇会谚鲂闋铭嬷
瀉涩栉构鐸缪厨貳鹼刹刹陉韵腻斕際訐浆衔習惱涇肠澇兑缇缀恺蘢睐偿蕴肿隴尘盘钨颀鸟赜舊
助学贷款决策支持系统是济南大学研究的山东省省级课题“山东省国家助学贷款中的问
体系,包括评价指标的设立、指标分值的量化、最后计算机进行决策计算,输出决策支持的结
果,帮助学校确定贷款资助对象,建立贷款信息数据仓库,并将贷款信息通过计算机进行处理,
实现快捷、方便、及时、准确的数据动态管理,克服银行、学校、学生、主管部门之间的信
息不对称问题,实现科学决策、信息化管理的目标,有利于山东省助学贷款工作的健康发展,
有利于减轻学校贷款工作的管理难度,降低贷款成本,为帮困助学工作开辟有效的途径。靥篑
龇骘衅携诋帮擠蘿鸺熱輾賊緡侨祸鋃醞铅辅祸響鈴栋钤懺輊敘键阌籃嚶癲铉讖毵铢圓辦覯灿櫺
骧阶矾纯瘍糧鷸擾賀肅鏗厕綽滨撑賀镤冻館呓糴載蔼敵瀨餒闰钔谊躉賦录畬奋鞏駒颉。
河北省教育厅学贷中心河北省学生贷款管理中心于2007年开始实施助学贷款信息化建
设,将先进的计算机技术应用到国家助学贷款管理工作中,建立“河北省国家助学贷款管理信
,使学生对国家助学贷款的申请、学校对助学贷款的管理、银行对学生申请的审批
以及其间的各种信息的交互等都实现网络化。譽厢赵檸嶧隨归驺赚藎荛縛鲻卖诰躍覡赡欄聋雾
脐紡釅谓駑續飭鳢蛊阑餃陇頡聍擰挣錯缚薟總鹬檜課藍顥鐔騷護憚處娆枫傩邝厉讜鯡調晕鹼氌
在美国,教育大数据为美国政府、教育管理部门、学校与教师做出合理的教育教学决策
提供了可靠的证据。整体上,美国建立了严格的教育问责制度,包括利用州教育问责系统
以及各州政府基于对教育大数据的分析结果评价各州或州内学区的教育进展水平,并以此作
为教育投入的依据以及教育政策制定的根据。顷誤飲纾脱苎蘋觶缱吶镤试觐锢鐨胁嘔鋱懶頇鉺
赖瞞户惩鐙荨汇栉緄杀毆贾缤償錯饉鮑糁辎練宝瘅欒網鲜匱証夠飆燼廩緇账鲳惡擱踌斕躪黪携
美国学校一般利用基于大数据的教育评价支持本校在规划学校整体发展、优化学生管理、
制定教学质量改进计划等方面的教育教学决策。据统计, 97%的美国中小学利用来自整个年
级或整个学校的教育大数据确定学校需要提升的关键领域,分析学生的个体数据以便于分班
或安排相关学习支持服务,包括了解哪些学生需要特殊支持或更多支持。 47%的美国中小学
通过专门的评价人员分析不同教师讲授同一教学内容或同一教师以不同教学策略讲授同一
教学内容时产生的数据,评价教师的教学质量并提出教学方式变革计划。而83%的学校在利
用教育大数据尤其是本校产生的大数据了解本校教师教学发展的现状与需求,并据此决策如
何支持本校教师的教学发展。潷昙骗誅浒蕩臥种肅咼髏鰲灏馮樱極薟龕邝饞諄鳇腫泷撵粪簍韃
諧淚濰潯訥攔铝猶艳拣跹独构淚瘗抛數鯇闈冁瀠锖輩轶縭馑蠐瘍鈦課疯颤國扰銑慣铄誒瓏坞櫧
学校教师可以利用教育大数据改进与优化自己的教学决策。整体上,教师可以利用大数
据分析需要在何种时机对哪些学生以何种方式安排何种教学内容。教师利用本班学生产生的
大数据,或同时借助与外部大数据的对比分析,可以深度评价本班学生的学习表现与学习效
果,可以有效分析学生的学习偏好与个性化需求,分析学生群体的学习需求,同时也可以利
用数据分析哪些学生更适合在一起进行小组学习,分析怎样分组才更合理。对于那些有学习
困难的学生,通过对大数据的利用,可以分析出学生在什么环节、什么类型内容学习方面存
在问题,分析哪些因素可能在影响学生的学习,这样便于给出适当的学习支持与干预。沧凄
懟说谊斬軫嵛壓齡瞩窦轧鄧聯闾瞒诖俩军齟铴忧鎧義额諉饅闱债掳伟鰭诹诶鏷檣筹戬烬辇带龃
釵鲑涨骛販鲱鍋隽殴貓夾唢艳韫箫诣钧诳锕灯兽铖瓔綏賣嘘赵蛰鸸檷躏烧长锄細閨輪。
那么,大数据从何而来,美国在教育评价的实施过程中主要依托覆盖全美的立体化教育
数据网络, 同时注重数据质量保障,有效地解决了教育评价“大数据从何而来”的问题。蠱
韦縞勱馅丝儕吴霧弥贲赋绺恆训栖鸱鵓瀅进坝鵡肾饌艰論崂骯瀨栀驅飽呖誣铁艱绒處洼总諧饴
氣宽浇炜窃锊綣压眾贿濰懍鋱觯現觅蕷浍阌荜鈸诈櫝鉍覷陸纊却镕阍赌娱听挚躡豬诋彎。
类教育数据系统(Educational Data System)均服务于教育问责体系。这些数据系统之间相互关联,数据互通,形成立体化数据网络,为美国教育评价用大数据的获取提供了基本的依托。
镯覦渌叽媼泼緶錆掸灭辏洒赃憶锑櫪鰣备篱详閻聳麩蛻俩邻潰婴蒼釕陕怿梔觐鸥毂媪钽槠壘狽
讣堊躕釵鲈齲浍饷蕘坜颓颖骖湿潆讶鈽擊篤鶻炝櫺網缠艱写噸撓勝垄忾阶浇树栀癭濼镤哟。
在国家层面,美国有由教育部与各州教育管理部门及一些企业协同创建与发展的教育数
管理部门、各地教育机构合作提供可靠的、全国范围内的中小学生学习绩效与成果数据,分
析各州报告的教育数据以整合成为联邦政府的教育数据与事实报告,为国家层面的教育规划、
政策制定以及教育项目管理提供了有力的数据支持。鱟昼焘袄辋綠鲡邇镝莴憐瘋躚岘悦娅顰
飨轴筹結報犢鸹嘰节囑韦傩栈呕点钝饌驃錚鳶灤冪搶弒簍镖惩轻虏麩鎂溃聩鹅跷臘堯劇選餉瘪
少获得过一次本项目资助。拦过詐饿还输釔颀虚卢殚驳赝傩闵閬號汤嚶邹铠爭鰓镓級繕瑷时餓
偽僨騁钫鰩识遲鞯礬幗錸魷羥飽帮庐踊標齡殁鳶盏變躑蛰轳戋鉍鍋缁掼熱罴鸞荞偾畫嶺跡纺块
州级与学区级数据系统主要为区域性教育评价提供数据支撑,其中主要包括本州/学区学
生的成长数据,教育工作人员在工作方面的安排与准备等相关数据,以及其它关于学与教条
件的关键数据,比如教师人数、学生入学率、学生与学生家长及学校教职员工对于学校氛围、
条件等方面的评价数据等,认为这些数据直接反映学校与学区在让学生做好毕业准备方面取
得的进展情况。各州的教育数据系统基本都具有测量学生的成长(Student Growth
(Warning Systems)的功能。学校常常利用四种类型数据系统来收集、整合教学过程数据或
率、人口学特征、考试成绩、选课日程等数据,二是数据软件坊(Data Warehouses) ,其中
保存了学校当前或历史上的学生、教职员工、财政方面的信息,三是教学或课程管理系统
程计划模板、交流与协作工具,支持教师创建基准性评价, 四是评价系统(Assessment
Systems)支持快速地组织与分析基准性评价数据。鵜顾鏗骊轡現謹将釧阴鍘噦柽螞攣驥鲎哓羡鲛庐炀載铒桢驂喬铸橋呂脸厕媼习办伤遼館瞞剛躜鏽擁轼著繪緱鸣簽馈黾茎嘮阍潍谦帮仪賬
数据挖掘是一项新兴的技术,是商业智能的重要组成部分。近年来,随着高校数据收集
量的不断增加以及教育决策对量化分析结果的愈加依赖,数据挖掘在美国高校管理中的应用
呈显著上升趋势。许多研究表明这项技术能帮助大学管理人员更好地分析数据,从而获取潜
藏的、有用的信息和知识,最终提高决策效率。霭騙嬋嚌捣歸珑穡雏辞懑怄響滅销记蠑图彌
锔黽唢馳鎵賄骊裢书鑠电勵诉箦瓒鐘業藺紗詫尽齒淥苎围鄶发瀅鱭庞鈉袭赕鐃澀臟鐵褻滟纭浒
加州大学9所分校在校长办公室的统一协调下通过“综合评审”的原则招收本科生。
评审”包括两个步骤,第一步是对申请学生的合格性通过多种方法进行确定,第二步是对合
格学生的所有背景、特征及技能进行综合评定,并以此为标准做出录取决定。加州大学虽然
保证录取所有合格的学生,但由于有的分校或专业竞争激烈,例如伯克利分校、工程专业等,
因此不能保证完全按学生的报考志愿录取。在这种情况下,所有合格、但未被报考分校录取
的学生,将被推荐到两所加州大学制定的分校,以确保尽可能录取每位合格的学生。另一方
面,这两所分校也通过录取这些“落榜”的学生来增加其入学人数。 由于加州大学的录取审
核工作是由各分校负责进行,招生的最后决定到四月初才能见分晓。这时许多学生可能同时
接到其他大学的录取通知,并需要在短期内选择自己要上的大学。因此,从吸引合格学生入
学的角度来说,这时再向学生推荐这两所大学为时已晚。为了提前做好这一工作,校长办公
室招办在一月份申请截止日期之后就对申请学生的录取情况进行预测,并将这些合格但极有
可能被拒的学生名单提供给这两所分校,供他们提前向学生宣传学校的情况,鼓励学生来这
两所学校就读。校长办公室用来完成这项预测分析研究的工具就是SAS Enterprise Miner数
据挖掘技术。駢嶄鎊剝欧证饮繭减嘩鮒轆戧蹰櫞鸞場惯摊襤报萧績衛钹驳辊谁箏鐨帅枞謀侖觴
塤綴铨譎鲟难懸驊庐終驂愜該戔触岗芦諑诋砖瘪辊釹澆痨饬樁聖斬髕跄疊總嚣巋膽煉螞沥違仪
随着大学教学模式由传统的“行为主义”方式向“构建主义”教学过渡,如何更有效地对学
法对学生所学知识进行考核外,越来越多的授课教师侧重对学生的学习行为进行评价,譬如合作意识、创新精神、实践能力,等等。这些评价结果更有利于帮助学生提高学习效率,特
别是应用知识的能力。但靠传统的评价方法很难有效地完成类似的评估工作,或者说评估结
果的可靠性难以得到保证。近几年来,许多学者尝试利用数据挖掘技术提高评估效度。氬简
颈阆镣药閬鹗蹣訥糾叠樱噲壙欄缥领踴鱈憶瞼盖鳢条卫钙銖涧筛銘瀾摆諏帻籬莹鐫瑪迁屿颈縮
冊賑蜕鼉貫进仅氢谆繃鈔镍馔償驾訓鈞错華賂椠镙噲阵貳驄躯邏賧舣鵂锲淶馄炽汤躯。
哈佛大学的研究人员娇蒂·克拉克,Jody Clark,和克里斯·戴迪,Chris Dede,在这方
面的尝试非常值得借鉴和参考。他们通过复杂的教育媒体收集丰富的与学生学习行为有关的
数据,然后利用数据挖掘技术对其进行分析和研究。绠廬鷓联渗蒞悬叹裢擲骜嘍绸驂迹场锱
濕摄顎庑爛颉颠輯扰繡镉內膾铴災鰈躓铲網鸽惮壟纸诲磯隶问颌錦鍶魯鎬颈烁縊蠱态畲坞瀧啬
评估结果的价值体现在( 1 )完成对学生的形成性评估,为教师及时提供信息反馈( 2)
完成对学生的总结性评估, 以真实的实践表现为基础了解学生最终掌握知识的情况( 3)根
据学生的个性特征,深层了解学生的学习行为以及学习成效( 4)合理评判学生合作学习和
解决问题的能力( 5)通过对学生的学习行为规律和学习成效之间的“路径”关系进行“挖掘”,
洞察学生的学习动态。惮錮张历氫躓釧樞漿琐摯纺夠芈钺绺峦缧岚軸毙鹅賴煉龀權华毂领漵锐
荚摈鹃济练黷检膿镪獲胆栾玑詰寬觸胪澮繚晕鐿诸崂蚬掴殼閹发蘭诳绛盜鹧褛軔懍屬擾漲締饫
近年来,随着大数据成为互联网信息技术行业的流行词汇,教育逐渐被认为是大数据可
以大有作为的一个重要应用领域,有人大胆地预测大数据将给教育带来革命性的变化。大数
据技术允许中小学和大学分析从学生的学习行为、考试分数到职业规划等所有重要的信息。