导图社区 教育大数据基础知识概念图
- 相似推荐
- 大纲
教育大数据基础知识
教育大数据的战略与内涵
大数据时代与国家大数据战略
核心应用价值：分析和预测
本质：核心价值的再挖掘
优势：挖掘规律、预测趋势、进行干预
核心思想
数据价值远胜算法技术
承认数据的混杂多元
从因果转向相关
从抽样转向全样本
交叉融合和流动生长
强调数据的即时分析
教育大数据的内涵与独特性
内涵：整个教育活动过程中产生及根据教育采集到的，一切用于教育发现并可创造巨大潜在价值的数据集合
大数据四大来源
教学活动
教育管理
校园生活
科学研究
大教育观
全员
全程
全方位
大数据助力破解六大难题
教育发展不均衡难题，实现教育普惠化
教育信息隐形化难题，促进教育可量化
教育决策粗放化难题，提升决策科学化
教育就业盲目化难题，指导择业合理化
教育方式单调化难题，助推教育个性化
教育择校感性化难题，推进选择理性化
独特性
与传统教育比较
数据采集
传统教育数据：阶段性
教育大数据：实时、持续微观数据
数据分析
传统教育数据：描述性分析
教育大数据：诊断性、预测性分析
数据应用
传统教育数据：关注群体特征和教育发展整体情况
教育大数据：更加多元化、深入
其他领域大数据
教育大数据的采集呈现高度的复杂性
教育大数据的应用需要高度的创造性
教育大数据不仅注重相关关系，也要强调因果关系
教育大数据三问
有与无
大与小
美与丑
教育大数据采集
教育大数据的来源与结构
来源
人：老师、学生、家长、管理者
物：服务器、信息系统、校园网站、多媒体设备
结构
洋葱模型：
行为层：教育相关用户，老师、学生、教研员等行为数据（日志记录）
资源层：教学过程与建设、教与学过程中生成各种教育教学资源（专门建设、动态生成）
状态层：存储各种教育装备教育环境及教育业务运行状态数据（人工记录、传感器告知）
基础层：国家教育基础性数据（人工采集、数据交换）
冰山模型
结构化数据
非（半）结构化数据：
教育大数据的采集技术
教育大数据的采集技术
物联感知技术
视频录制技术
图像识别技术
平台采集技术
点阵数码笔技术
保存书写过程和结果数据
书写数据采集工具
可穿戴设备技术
记录学生身体信息
记录学生学习信息
智能录播技术
教育大数据采集注意事项
手动到自动
教育大数据的数据体系
提前规划设计
有清晰的边界
保持连续性和规范性
采集粒度尽可能小
符合伦理道德
教育大数据分析
教育大数据分析框架
分类：描述性分析、诊断性分析、预测性分析、处方性分析
三类对象：教育管理者
四项功能：描述、评价、预测、干预
教育大数据分析模型
教育决策支持模型
三转变
模糊➡️清晰
猜测➡️证据
冒险➡️保险
国家教育科学决策服务系统
数据多维度比较分析与呈现
基于科学预测的教育规划发展
用数据模型监测教育目标和指标进展状况
教育舆情监测模型
适应性学习模型
学习预警模型
深度学习分析模型
学业评价模型
学生画像模型
三种分析法
描述性分析
预测性分析
诊断性分析
走向数据驱动的教学
教学范式包含教学模式
三代教学范式发展
经验模仿教学范式
计算辅助教学范式
数据驱动教学范式