大数据时代来临
教育行业三大特点：
非透明化: 大脑是黑盒子
非标准化: 人不能是产品（人是目的本身）
非即时化: 面向未来的行业
在教育学习领域，五种主要的大数据技术应用：
预测：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。
聚类：发现自然集中起来的数据点。这对于把有相同学习状况、兴趣的学生分在一组很有用。
模型：使用通过大数据分析开发出学习模型。
关联：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。
决策：建立可视的教学管理的决策参考。
大数据和教育相交集的六个领域：
【课堂】生成性教学课堂即时反馈
【教学】个性化学习智能数据处理
【教师】教师发展与评测
【管理】智慧校园教育管理
【决策】学业与职业抉择辅助
大数据分析在教育中的十五个应用案例
（一）反馈
1. 实现由“预设性教学”向“生成性教学”的转变
2016年12月3日上午，北京中科院附属实验学校英语老师孟欣在中南大学铁道学院大礼堂作了中学英语创新课例示范，孟欣展示了自己利用智能化同步教学平台对学生学习情况的数据统计分析结果，参考智能作文批改工具提供的作文修改建议，针对学生预习和作业当中出现的薄弱环节，有针对性地改进课程设计。
平台能对教师的教学结果和学生的学习行为进行记录、存储、统计、分析和预测；教师可以根据所得数据调整教学思路、教学设计以及教学方法，准确的数据分析可以极大节省教师时间，学生在智能平台上的学习结果，可以得到及时反馈，教师也可以及时发现学生在学习中普遍存在的问题，改进下一步教学。让课堂教学从“预设性教学”向“生成性教学”转变。
在持续反馈和不断调整的过程中，教师可以对学生进行连续测评，分析学生学习行为及学习方式的变化，为教师后续教学提供课程设计参考，使课堂教学管理从经验型向数据型、智能型、科学型转变，从以课堂和教材为中心实现以学生完成教育目标任务为中心转变，从统一教学标准的工厂化模式向基于学生能力的个性化教学转变。
2. 实时分析课堂数据辅助教学
广州市第一中学初中部将“小班化教学试验”与“教学数据化试验”结合起来的新尝试。
学生人手一台上课“神器”，随时可以把上课状态用数据“晒”出来。每位学生的桌前都放着一个“神器”。老师提问时，学生可以按下“神器”按钮示意可以作答，这时“神器”便充当起“抢答器”；有学生回答了，同伴之间可以对回答进行评分，这时“神器”又成了“评价器”；有学生回答问题，“神器”自动录入答案，算出学生的回答正确率，便成了“打分器”。
要求每一位学生都参与到评价同学的回答，这就要求学生时刻留心别人的答案。否则，学生随便打分，老师就能看穿“你可能走神了”。
随堂的大数据系统记录并呈现学生的课堂练习结果、快速检测预习效果、主动发言的愿望、发言质量的评价、主动反映听课效果、准确检测学生课堂关注度、准确统计老师问题的回答结果、调查统计学生的学习效果、辅助教师记录统计学生课堂的批评表扬表现情况。通过这些课堂实时数据的呈现，可以快速帮助老师随时调整教学进度，充分关注每一位同学的课堂表现。“收集课上所有数据信息并上传到数据云端，通过数据反映出学生的真实学习状态和学习习惯。”
据悉，这些实时课堂信息积累成“数据云”后，学校、老师、家长和学生都可以在系统后台查看。家长会上，老师对学生在校表现的反馈，也将以更直观的数据呈现。“当家长疑惑自己的小孩为何在某些科目上成绩不错，而在某些科目上又有大的起伏时，我们完全可以调出学生在各个科目上课时的表现，如课堂参与度，回答问题的积极度、正确率等等，用数据去分析原因了。”一位老师如是说。
3. 数据化测评判断老师成长
KickUp 是一个专注教师测评的标准化 SaaS 工具，测评数据来自教师的自查报告及学年内的各项教学结果的反馈，这些数据可以纵向记录教师的成长历程，提出有待改善的地方。KickUp 根据学生和老师的数量、按地区进行收费，目前全美有超过 50 个地区的学校在使用这款测评工具。
4. 择优录取学生
据PBS教学，伊萨卡学院（Ithaca College）自2007年开始收集学生的社交网络数据。该学院为申请者设立了一个类似Facebook的网站IC PEERS，让申请者得以通过网站联系学院教师和彼此。
伊萨卡使用IBM统计分析系统来收集IC PEERS上产生的数据，研究拥有怎样的网络行为的学生更有可能选择就读伊萨卡。收集的数据包括申请者上传了多少张账户照片、拥有多少名IC PEERS好友。研究人员认为，这能反映出申请者对这所学院有多感兴趣。
5. 发现需要学生关怀的对象
电子科大曾做过一个课题——寻找校园中最孤独的人。他们从3万名在校生中，采集到了2亿多条行为数据，数据来自学生选课记录、进出图书馆、寝室，以及食堂用餐、超市购物等数据。通过对不同的校园一卡通“一前一后刷卡”的记录进行分析，可以发现一个学生在学校有多少亲密朋友，比如恋人、闺蜜。
最后，通过这个课题找到了800多个校园中最孤独的人，他们平均在校两年半时间，一个知心朋友都没有。这些人中的17%可能产生心理疾病，剩下的则可能用意志力暂时战胜了症状，但需要学校和家长重点予以关爱。
6. 为学生资助提供依据
每个月在食堂吃饭超过60顿、一个月总消费不足420元的，被列为受资助对象。据教学，南京理工大学教育基金会通过数据分析，每个月在食堂吃饭超过60顿、一个月总消费不足420元的，被列为受资助对象。南京理工大学还采取直接将补贴款打入学生饭卡的方式，学生无需填表申请，不用审核。
（二）个性化
小虎是上海闵行区某小学四年级的学生。他早晨上学是从哪个校门进的，中午吃了什么，选了那些兴趣课，有没有去图书馆，他喜欢看哪些课外书？这些情况，小虎妈妈从家里的IPTV数字电视中都能看到。如果她打开电脑，登录学生电子档案的个人门户网站，孩子的成长信息更一览无余。
这一切得益于闵行区教育局依托大数据所进行的数字化校园建设。全面客观地记录学生成长轨迹，沉淀和积累多维度的学生成长数据，让反映学生发展状态的数据完整显示出来，才能推进教育质量观的转变，引导学生培养模式和教育质量管理方式的科学发展。
闵行区学生电子成长档案的内容包括身心健康、学业进步、成长体验、个性技能4个维度，围绕4个维度，设立了14个一级、38个二级、53个三级数据采集指标。在多元化的考核体系下，学校不再仅仅注重学生的学业成绩，而是让学校认识到在促进学生全面发展某些方面的管理“缺位”。
通过基于客观数据的科学分析，改变了以往传统以资料检查、调查访谈和印象评分为主的教育评价，让数据告诉学校管理者自己在某些方面的‘缺位’。闵行区基于数字化的教育评价体系探索，将重点放在学生的全面发展、教师专业发展、学校特色发展等方面。当十几张量化的数据统计表摆在教育管理者面前时，精细化管理、绩效量化将不再是传说。
2. 全程实时分析在线学习进度（培生）
以培生集团最新出版的全球少儿美语旗舰课程Big English为例，这套课程引入了首款应用于少儿英语学习领域的MyEnglishLab在线学习辅导系统（以下简称MEL），应用大数据技术全程实时分析学生个体和班级整体的学习进度、学情反馈和阶段性成果，从而及时找到问题所在对症下药，实现对学习过程和结果的动态管理。
Big English的大数据分析系统以学生为中心，按照教、学、测三个环节组织线上学习内容与学习过程，将学生、教师、家长、机构四类用户群有机整合在MEL学习管理系统中，各司其责，相互作用，实现了个性化的课堂教学、家庭辅导和自主学习管理环境。
3. 实现真正的翻转课堂
学校教育无法将翻转课堂实施好的时候，K12个性化教辅机构们却给出了新的解决方案。以学大的个性化小组课为例，学生不仅可以享用e学大的免费教学视频资源，还能在线下接受N对1教育小组老师的优秀线下小组课，在时间、空间、心理三方面帮助了学生，也解放了学生，凸显了翻转课堂理念的本质价值和意义。
据了解，个性化小组课由3至6名学生，课堂完全实现“以学生为中心”，通过前期学生在线上的自我学习，老师在线下的教学中会充分安排与学生互动的时间，实现知识点释疑、盲点解读等。同时由于小组的科学合理划分，学生们的相互交流、互动、提问等问题都明显加强，起到了“三人行，必有我师”的相互问答、相互学习的效果，从而避免了国内翻转课堂中遇到的学生呆滞和孤独的糟糕场景。
大数据将大量学生的学习素材、学习过程、提问过程、解决问题过程、测试、反馈等整个学习链条的信息结构化、数据化、模型化，让翻转课堂变成真正的一门具有科学实证特色的项目。
4.帮助学生提高成绩
国内教育科技公司开发的极课系统目前可以做到批改，分析，并形成错题本、诊断报告、个性化学习包、学业信息档案、学科内容评价报告单等。依此为基础，形成学习和行为相关增值方案，为学生的个性化学习提供依据。极课系统基于自主研发的图像算法和数据分析模型，可以做到极速批改，极致分析，极便响应。
通过”图像模式识别”“云计算”与”大数据分析”，对科学教学模型进行常态化应用、整合、智能管理，实现科学解放教育生产力。运用“极课大数据”，可以对海量的学生试卷及练习题进行专业常态化处理，快速形成计分电子表格、错题本、诊断报告、个性化学习包、学业信息档案、学科内容评价报告单等，并基于数据的分层、关系和行为进一步形成相关增值方案。有效助力老师精巧教学，学生灵巧学习，家校互助无间。
5. 大数据学业诊断助力精准教学
（衢州教育局）传统的学业诊断方法存在以下三个弊端：一是画“正”字虽然是一种简单的劳动，但耗费了教师大量的时间；二是诊断的精准度低，教师虽然统计出做错题学生的人数，但一般不会记录是哪些学生出错；三是诊断的跟踪性差，画“正”字统计是点状诊断，缺乏对学生个体的线状跟踪分析，诊断的教学价值因此大大降低。
大数据学业诊断给出一次考试中每个选择题的正确答案、错题人数、高频错误选项，填空题错误人数，计算题得分率等。教师可以快速、精准定位讲评重点，提升讲评效率和讲评质量。
大数据学业诊断可以提供最新的学业成绩单，从高分到低分排序，从低分到高分排序等，教师可以快速查找学业困难学生，判定是否实施个性化辅导及针对性的辅导方案。
（三）预测
1. 预测学生是否能顺利完成课业
纽约州波基普西市玛丽斯特学院（Marist College）与运营数据分析公司Pentaho合作发起开源学术分析计划（The Open Academic Analytics Initiative），旨在一门新课程开始的两周内预测哪些学生可能会无法顺利完成课程。
该计划基于Pentaho的开源运营分析平台（Business Analytics Platform）开发了一个分析模型，通过收集分析学生的学习习惯——例如点击线上阅读材料、是否在网上论坛中发言、完成作业的时长——来预测学生的学业情况、及时干预帮助问题学生，从而提升毕业率。
“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。Civitas Learning提供了一套应用程序，学生和老师可以在其中规划自己的课程和安排。“希维塔斯学习”各种基于云的智能手机第三方应用程序（APP）都是用户友好型的，能够根据高校的需要个性化。这意味着高校能聚焦于各自不同的对象，相互不同地用这家公司的分析工具开展大数据工作。
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。通过使用100多万名学生的相关记录和700万个课程记录，这家公司的软件能够让用户探测性地知道导致辍学和学习成绩表现不良的警告性信号。此外，还允许用户发现那些导致无谓消耗的特定课程，并且看出哪些资源和干预是最成功的。
2.辅助学校专业设置等复杂决策
大数据可以帮助大学院校更好地预测产业是如何变化的，这样他们可以据此调整学院的信息技术课程和其他项目。使用预测性数据分析来设置新的学位或证书计划，以此扩大就业的机会。
美国国家教育改革实验室拥有一些重量级专家成员来协助工作，该中心主席Gordon Freedman认为，通过构建数据库，采集雇主对技能需求和学院人才供给的最新数据，然后运用人工智能以预测何时某些地区或技能就业需求会扩大。他把这种方法称为“就业机会管理”。
IanRoark，亚利桑那州皮邓社区学院职业发展副部长，一直就期望这样的“就职机会管理”系统出现。他解释说，当学校开始设计新的课程方案，需要时间来开发新的课程，还要通过认证机构无休止的审核。“有时候等拿到应有的资格或证书，该雇佣市场已转向或雇主搬往他处，”罗克说。“现在的情况是，高校已非常在意规避开发新课程风险，但因为时间的问题，投资回报还是有巨大的不确定性。”
3.辅助教育管理决策
美国教育分析机构BrightBytes以专家意见为基础，结合具体地方和学校的数据，提供可操作的工具Clarity，让用户能了解某一决策对学生的影响，并找出更好的方案，从而提高学生成绩。
Clarity是一个基于SaaS的数据分析产品，根据数据进行图表式呈现，把复杂的数据和前沿研究转化成简明、易懂，可操作的路线图。在政府、学校、机构做出或打算做出某一决策时，Clarity会给出主要利益相关者报告，预估这一决策的影响。在决策实施之后，还能够追踪效果。
Clarity按用户不同（政府、服务机构、地区、学校）分为4种版本，不同用户不同需求，不同需求不同呈现。政府版，主要是衡量联邦或州政府的方案和倡议对学生带来的影响，提高财政教育支出的效率。服务机构版，衡量服务对学生的影响，判断学校需要什么，促进学校与学生之间的关系。地区版，即时获取报告数据，为区域措施提供支撑。学校版则是，分析发起的项目或投入的资源对学生学习的直接影响，衡量学校提议对家长等其他主要利益相关者的影响。
4. 职业大数据帮助选择心中的大学
以美国的著名高校卡内基梅隆大学和普渡大学为例：对这两所高校，领英都收集了60000多名毕业生的职业生涯数据。数据量之庞大，足以在其中看出清晰的规律。输入“MIT”，你很快就会看到这所高校的毕业生一般会在谷歌、IBM和甲骨文公司找到工作。输入“普渡”，你会发现礼莱、康明斯和波音是毕业生的首选。
这类信息对于中学的高年级生和低年级学生都是一座金矿，因为大多数中学生对将来的职业都只有模糊的想法。运用领英的这个工具，对太阳能、编剧、或者医疗器械感兴趣的学生，就可以挑选那些毕业生最容易进入相关领域的大学报考了。
