大数据学习计划模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇大数据学习计划，它们将为您的写作提供全新的视角，我们衷心期待您的阅读，并希望这些内容能为您提供灵感和参考。

篇1

不过，随着新年将至，数字营销者关注点将由大数据转移至“更高质量的”数据和洞察力。通过分析顾客的在线行为真正深入地了解顾客，在帮助品牌提升知名度和影响力的同时，也可帮助营销者通过运用更具有实际意义的数据打造更加个性化的购物体验。

那么，在与数以百万计的顾客交流时，究竟应该如何运用大数据打造让顾客难以忘怀的个性化购物体验呢？

解决这一难题，首先需要依靠大数据来填补商家和消费者之间的鸿沟，这也将成为2016年营销界的热点话题。

大数据助力营销者深入了解客户

市场营销活动直接接触到顾客，并有机会将顾客转化，所以分析、评估和执行这些营销活动尤为重要，商家须不断收集顾客的详细信息。大数据和数据分析相结合，创建顾客资料库能够帮助商家：

深入了解顾客购买行为；

预测顾客购买决定；

向顾客推荐其感兴趣的商品；

最终升顾客线上购物体验。

只有互动才能让商家更多地接触顾客，而与顾客互动的唯一途径便是充分运用大数据。

今年，商家曾遭遇大数据泛滥的困境。商家接收到了海量、各类型的数据，由于处理不当，甚至根本没有能力处理这些数据，而被淹没在了数据洪流之中。因此，今年商家的热议话题之一就是利用顾客智能实现个性化。

而这也是我们能够帮助客户提升他们的顾客的个性化体验的另一方面 ——机器学习。

篇2

二、国内外研究现状

学生评价是以学生个体为对象的，对学生的优秀程度进行价值判断的一种评价模式。作为高等教育比较发达的国家，美国对学生的评价有着比较成熟的观点和经验。美国学生评价研究专家SerbreniaJ.Sims曾在研究中指出：“自高校学生评价产生以来，在有关学生评价的研究文献中，学生评价的发展历史这个主题很少引起学者的关注。”[1]很多学者分析认为没有得到重视的原因是至今没有很好的方法来准确测量学生在学校取得的成就。然而，另一学者Pace质疑了这种说法，他在1984年发表的《学生评价的历史性瞻望：评价发展的未来》一文中指，在过去的几十年中，高校已经形成和发展了很多学生评价方法。能够准确地评价学生在高校中获得了什么[2]。事实上，早在1977年，美国高等教育管理中心的Lenning根据工作中积累的经验指出，在美国，已有80多种试图测量学生成就的评价方法[3]。20世纪50年代以来，美国先后出现了泰勒评价模式[4]、综合测验模式[5]、价值增值法[6]、教育目标分类学[7]、核心技能评价。

20世纪80年代后，学生评价在美国受到了广泛的关注，检验“高校学生究竟学到了什么”已经成为美国高等教育领域的一个重要话题。美国高校广泛应用的学生评价方法有档案袋评价、课堂评估、对具体技能的评价、价值增值法、毕业生追踪调查。

（1）档案袋评价（portfolio evalua- tion）方法用来记录学生的成长历程与发展进步。这种评定技术旨在提高学生学习的实际水平，重视发展的过程，从多角度、多侧面来判断每个学生的优点和可能性[8]。尽管档案袋评价具有无可比拟的优越性，但是也存在一些不足，收集的过程耗时长，给教师增加了学习任务，班级的规模不能太大，20人左右为最佳，缺乏评价的标准，导致材料之间可比性差，属于形成性评价与总结性评价的结合。

（2）课堂评估是一种以学科为基础，组织教学的教师为确定学生在其课堂上的学习情况而持续进行的小规模评估。具体分为3种类型：评估学习者与课程有关的知识与技能；评估学习者的态度、价值观和自我意识；评估学习者对教学的反应。课堂评估的主要目的是提高教学的有效性，具有简便、易操作的特点，但需要耗费教师较多的精力和时间，属于形成性评价[9]。

（3）具体技能评价是评价学生在校学习和进入社会工作时必须具备的技能，包括交流能力、解决能力和批判思维等。主要方式是通过“交流、口试、论文写作、实习日记、海报制作、评论写作、报告、角色扮演”等实现对学生具体技能评价。具体技能评价能使学生更好地适应专业学习和今后的社会工作，但是同样需要老师付出更多的时间，而且能力的评价标准难以量化，可比性也不是很高，属于形成性评价与总结。

（4）价值增值法是一种评价学生在校期间发生变化情况的方法。价值增值是指学生在完成学业后与学生入学初时之间在知识、能力等方面发生的变化。该方法能较好地评定学校的成果和学校质量。但学术界对其提出质疑，该方法对高校有着巨大的挑战，花费高昂，程序设计复杂，属于总结性评价。

（5）毕业生追踪调查法。利用毕业生反馈的信息改M教学。它的主要优点是与毕业生保持联系，有目的地改进教学，缺点是学生参与积极性不高，导致反馈效率低，属于形成性评价。

近年来，中国大学对学生的学业成就评价已经取得了很大进展，特别是对考试和测验的改革进一步加强。高校的考分等级得到了很大的转变，试题库建设以及考试科学性方面也积累了许多科学经验。但是依然存在一些问题。①学生评价功能单一，主要表现在高校通常只重视发挥学生学业评价的管理功能，单纯地依据考试成绩来评定学生的综合素质，忽视了学生学业评价中的其他功能的发挥。②形式虚化的形成性评价，大部分高校的教师缺乏学生形成性评价的专业培训和指导，缺乏对形成性评价知识的了解，不能正确地实施学生的形成性评价，导致形成性评价在实际运用中被简单化。③忽视学生的个性化，过分关注学生的共性发展，忽视了千差万别的个性差别，教育的结果是千人一面，培养的学生是工业产品式的学生，导致学生缺乏创造性。④学生在评价过程中缺乏主动性。当今高校在学生学业评价中，学生充当被评价者，学生处在被动的地位上，产生很多不利学生发展的消极因素，评价者与评价对象容易产生对立情绪。

虽然也有学者呼吁加强学生在评价体系中的参与性和主动性，增加相应的学生互评和自评，但是由于这种评价在整个学业中占有的比重很小，且评价标准具有随意性，不能充分调动学生相互学习的积极性，不能使其对自身的学习和发展进行反思。

三、基于大数据分析的个性化学生评价模式探讨

根据目前国内高校学生评价中存在的问题，可以采用大数据分析技术手段分析学生信息。大数据分析技术要构建海量、多样化学生信息模型，采用这种高新技术能够充分展现学生多维度信息的特征，能够为数据评价提供更全面、更完整、更科学的数据基础，有利于建立科学、有效的评价模式，是一种研究技术手段的创新。

学生管理大数据的来源种类繁多，渠道多样，如学生使用的微博、微信、QQ等网络中产生的记录、浏览信息；高校的师资、学生资料；学生的专业背景、家庭条件、生源地；学生的社交、消费、情感等资料等，这些形成学生评价信息的多维度结构数据，采用大数据分析技术能提出科学的个性化评价机制模式、自我评价机制等。

（1）探索和研究以学生为主体的个性化的多维评价模式，学生作为评价对象，必须成为评价过程的主体，让学生最大限度地接受评价结果。因为评价的目的不应该只是对评价对象作出评价，更应该是主动根据评价结果作出改进从而获得发展，因此必须让被评价者心悦诚服地认同评价结果。而要做到这点，必须根据大学生的个体实际特点和个人的实际需要来评价学生，使不同层次、不同阶段的大学生都能找到适合自己的成长标准。同时，评价标准不能单一化，要多角度、多维度、多层次化，让不同风格和个性的学生都得到认可、被赏识的机会。评价必须关注学生的主体性和个性化。以学生为中心主体，只有这样才能让学生主动接受评价，获得健康和持续发展。

（2）基于大数据技术分析个性化多维学生评价机制，大数据技术是在基于掌握了庞大数据量的基础上对多元化数据进行专业加工。构建海量、高增长和多样化的学生信息模型，能使评价模式更加科学、完整。学生管理大数据的来源种类繁多，渠道多样，如网络使用中的产生的记录、浏览信息；高校的师资、学生资料；学生的专业背景、家庭条件、生源地；学生的社交、消费、情感等资料等，这些数据具有海量性、多维性，它们往往是传统的评价模式或体系中被忽视的数据。通过大数据综合分析，可以描绘出学生鲜明的个体特性、角度更全面，可以为高校的个性化、多维度评价模式提供强大基础。

（3）大学生自我评价体系和管理机制，强调学生为评价的主体地位，让评价从外部转化为内在主动模式，真正激励学生自我良性发展，有必要建立合理、完善的大学生自我评价体系。而自我评价方式是否有效需要有效地管理机制，如何对自我评价进行管理，不至于让学生的自我评价流于形式，必须合理地建设符合学生个性化发展要求的自我评价激励和管理机制。

四、结语

随着信息化时代的到来，在掌握了大的学生管理数据的基础上，采用大数据分析方法可以比较全面地分析学生信息，可以对多样化的学生管理信息进行深度分析，从而可以构建多角度、多维度、个性化的学生评价机制。与传统方法相比，采用个性化评价模式能够提高被评价者的认可程度、参与的积极性，避免了传统评价方式中的学生处于被动地位，侧重于成绩，无视学生个性化特点的较为单一的评价模式带来的有失公允的问题。

参考文献：

[1]SerbreniaJ.Sims.Student Outcomes Assessment：A Historical Review and Guide to Program Development[J].Accountability，1992：168.

[2]Pace， C.R.Historical perspectives on student outcomes： Assessment with implicaitons for the Future[J].Naspa Journal，1984（22）.

[3]Lenning，Q.T.Previous Attempts to Structure Educational Outcomes and outcomes Related conceptc： A Compilation and Review of the Literature[J].Classification，1976：266.

[4]瞿葆奎.教育学文集（第16卷）：教育评价[M].北京：人民教育出版社，1989.

[5]HD prehensive examinations in a program of general education [J].American Journal of Education，1952.

[6]MeClain，Krueger.Using outcomes assessment：A case study In institutional change[J].New Directions for institiond Research，1985.

篇3

[3]任友群，郑旭东，吴F瑜.深度推进信息技术与教育的融合创新――《教育信息化“十三五”规划》（2016）解读[J].现代远程教育研究，2016（5）：3-9.

[4]杨现民，唐斯斯，李冀红.发展教育大数据：内涵、价值和挑战[J].现代远程教育研究，2016（1）：50-61.

[5]余鹏，李艳，吕鹏.高等院校大数据挖掘与决策分析体系的应用研究[J].现代教育技术，2016，26（8）：102-108.

[6]朱汉民.中国传统文化导论[M].长沙：湖南大学出版社，2010.

[7]欧阳剑波.中国传统文化、、西方文化碰撞的当代审视[J].青海社会科学，2011（6）：17-21.

[8]杨玲.从网络流行语看大众文化特征[D].武汉：华中师范大学，2006.

[9]郭志刚.社会统计分析方法：SPSS软件应用[M].北京：中国人民大学出版社，1999.

[10]安兴茹.我国词频分析法的方法论研究（I）――统计分析要素的界定、分类及问题[J].情报杂志，2016，35（2）：75-80.

[11]程树铭，吕亚萍.试论语义特征分析法[J].江苏理工学院学报， 2015（3）：25-30.

[12]张敏.数据挖掘技术及应用[J].信息技术，2010，34（8）：167-169.

[13]齐英艳，李建国.当代西方思想文化对中国青年知识分子的影响[J].中国青年研究，2008（9）：25-30.

篇4

1.大数据背景的概念分析

大数据是指涉及到的资料数量非常之多，规模之巨大，整理后可以帮助企业分析当前现状以及预测未来的数字信息，它可以来自各个方面，具有体积大、多样性、价值密度低以及速度快的特点，打破了传统数据的局限性，是能够未来社会发展的重要内容，同样，电力企业的发展也离不开大数据的支持。

2.电力企业营销管理存在的问题分析

从现阶段来看，我国电力企业的营销系统已经暴露出很多问题，首当其冲的就是由于我国目前的电力企业多数营销系统和生产之间的关系薄弱，导致两者之间的协同效果极差，从而营销精细化和科学化开展困难；第二点就在于使用的营销系统已经不符合现代社会的发展，必须引进更为科学化的系统来帮助营销的进行，除此之外还存在营销思维陈旧、故障维修效率低下、运行效益差等诸多问题。

二、电力系统营销管理创新机制要求分析

1.精细化营销管理的要求分析

要想实现电力系统营销管理创新机制的精细化，需要系统分析电力系统现存的业务大数据，找到问题的根源，从分析结果存在的最多的问题出发，正确认识大数据，细化经营管理的操作，不断优化营销的手段，重新思考营销的需求，找到最佳解决方案。

2.科学化营销管理的要求分析

科学化的营销管理首先需要先进的营销系统作为支撑，保证最佳的运行效率和先进的营销理念，以优质的服务帮助客户保持完美的体验，这就需要专业型人才的引进，以采集的大数据为中心，结合其他行业大数据的应用先例，参考国内外此方面的经验，积极整合现代数据的支撑，以高质量来要求营销管理系统，根据先前的经验不断探索，运用现代多媒体技术达到科学化营销管理的目标。

三、电力企业营销管理创新的具体思路

1.实现电力营销服务系统的精细化管理

实现电力营销服务系统的精细化管理要以大数据为参考背景，通过新的模式实现生产系统和营销的联动化，信息的相互交流有利于彼此间业务的开展，进一步提升服务的质量水平，整合大数据下建立新的营销系统精细化模块，具体到每一个区每一个用户，解决电力系统服务效率低下的问题，营造良好的电力服务系统以吸引更多的顾客进行电力消费，同时也需要对营销服务成本精细化，可以降低整个营销系统的成本，对未来电力营销前景进行展望，积极调整营销策略。

2.积极引进先进的科学化营销管理系统

数据大背景的好处就在于能帮电力系统通过分析国内外同水平的营销系统的效益找到最佳的科学化营销系统，以互联网科技为根基，依托实际电力公司的经验，持续推进智能营销系统的构建，抓住大数据的四大特点，以多元化为主要发展方向，探索大数据与营销系统的适应和处理问题的过程和方法，让电力营销服务系统的水平得以不断提高，通过科学的手段切实提高管理的效率，同时也能借助现代通讯媒介帮助业务的开展，实现创新性的发展营销系统。

3.构建正常运行的大数据控制电力营销系统

篇5

0引言

本科院校计算机教学中，知识点分布较为分散，再加上课程多、学时少，使得推行传统教学方式将难以满足当今社会追求个性化的大学生学习发展需求。大数据环境下，将大数据技术应用于本科院校计算机教学中，可有助于提升教学质量，推动教学改革[1]。由此可见，对大数据环境下提升本科院校计算机教学质量以及开展研究，有着十分重要的现实意义。

1大数据时代环境概述

相较于传统数据，大数据具备数据量庞大、非结构化、分布式化以及可视化展现等显著特征，这一系列特征可很好地契合当今社会个性化教学的需求。尤其是在大数据不断推进互联网融合背景下，计算机行业实现了迅猛的发展，各式各样的企业、组织在互联网方面得以不断发展进步。传统本科院校计算机教学往往是教师开展计算机理论知识教授结合学生的上机训练，教师仅需依据教学要求实行课程计划，学生也仅需被动地获取理论知识，再接受相关考核，这种教学模式显然不利于学生综合能力的培养。大数据环境下，基于大数据技术推进本科院校计算机教学，可有助于教学、学生转变思维观念，并且教师使用的教材、教学模式同样可实现改革，进而促进本科院校计算机教学质量的有效提升。

2大数据环境下本科院校计算机教学策略

本科院校在大数据环境下，要紧随社会发展步伐，强化改革创新，在先进理念、成功发展经验的支持下逐步推进计算机教学改革，如何进一步促进本科院校计算机教学工作有序开展可以从以下相关策略着手。

2.1依托大数据技术，推进计算机教学模式改革创新

大数据环境下本科院校计算机教学，首先应当将教学模式划分成2方面内容，即实践学习、虚拟学习。在实践学习过程中，推行教师面对面教授、教师与学生相互间、学生与学生相互间点对点的交流模式，开展计算机理论知识学习的同时，还应当强化计算机工作实践技能的训练。依托点对点交流，将课堂教学内容化成学生自身技能，这种个体与个体相互间的交流，知识信息传递存在碎片特征，因此需要开展优化整合，帮助学生建立系统的知识结构[2]。实践学习模式，如图1所示。在此学习环节，教师应当开展适用的计算机教学案例准备，健全计算机技能操作训练，并鼓励学生彼此进行有效的沟通交流，第一时间采集反馈信息，促进课堂教学有序开展。在虚拟学习过程中，学生依托有效的学习系统展开学习，诸如文章案例、图书导读、在线课件等。在此学习环节，应当注重结合学生实际情况，依据学生实际需求获取知识，提高计算机专业技能。通过对互联网提供的庞大数据信息开展有效利用，一方面可对课程知识发挥良好的补充作用，另一方面可有助于学生对自身学习水平形成有效认识，进而为学生指引明确的学习发展方向。通过对大数据技术的应用，可有助于教师更全面地掌握学生学习实际情况，基于此，教师要为学生制定科学的学习计划，凸显个性化，关注学生在学习环节的主体性。此外，大数据环境下，教师还应当调动学生计算机学习的主观能动性，激励学生不断发展，培养他们对数据的分析、处理能力[3]。

2.2依托大数据技术，扩充计算机教学资源及评价方式

单凭课堂理论教学往往会造成信息不公平性的问题，需要明确的是，本科院校计算机教学质量受学生进入大学前其具备的计算机知识水平很大程度影响。由此可见，依托大数据技术，强化教学资源建设及扩充教学互动的多元形式尤为重要。现阶段，国际知名的MOOC运营平台、国内大量资源研发机构、区域性的产学研结合均已建立起分布式数据库或者运用分布式资源服务器，由此很大程度上拓宽了计算机课程资源的存储空间。另一方面，数字化的教学环境聚集了大量的教学信息，这些教学信息能够科学凸显学生的计算机技术专业水平及发展潜力。然而这些信息尚未得到充分开发利用，仅用以简单的记录、查询，未能提炼出隐藏在这些信息中的教学规律、学习计算机水平的差异性等。依托大数据技术，通过对这些信息开展分析处理，以挖掘信息中有价值的模式及规则过程，并将其应用于计算机教学评价中，促进教学评价管理的有序开展。依托大数据技术，推进本科院校计算机课程不断改革创新，突出学生的主体性，转变教师作为单一的评价主体地位。丰富计算机教学评价主体和评价方式，提升本科院校计算机教学质量。

3结束语

总而言之，大数据环境下，本科院校计算机教学应当推行个性化教学改革，指引学生结合自身实际情况制定学习计划，进一步提升教学质量。鉴于此，相关人员务必要不断钻研、总结经验，清楚认识大数据时代内涵，全面分析现阶段本科院校教学中存在的主要问题，结合学生实际情况，“依托大数据技术，推进计算机教学模式改革创新”“依托大数据技术，扩充计算机教学资源及评价方式”等，积极促进本科院校计算机教学工作的有序开展。

参考文献：

［1］蒋日华，傅文博．提升大数据时代应用型本科院校计算机实践教学管理水平的思考［J］．洛阳师范学院学报，2016，35（11）：62-65．

篇6

大数据是一个抽象的概念，它不是产品，也不是技术，它代表着人类认知的不断进步，是人类无法通过传统数据库软件获取内容和数据处理的一个集合。在百度中对大数据是这样陈述的：大数据又叫做巨量资料，其囊括的资料是当前软件工具无法进行适当管理和整理的一类信息。也有科学家对其这样定义：大数据是所有计算机处理能力都不能处理的海量数据量，有着数量性、多样性、速度性、价值性、真实性的特点。

二、大数据在教育领域的作用

（一）大数据对教学的作用

在大数据环境下，进行课程考核的时候，可以结合大数据分析结果使得学校的考核方式得以改善，推进其更好地发展。同时，也可以对学习的课程进行全面的评估，在相关分析数据下，教师的教学质量也可以得到大大的改善。因而，可以说在大数据的大环境下，可以带来更多的新鲜事物，让学生面对更多的新知识以及新课程，使得学生的知识面获得较大的扩展。如此，不仅有利于提升学生的学习兴趣，还能及时让学生的培养和社会需求结合起来。而就学生而言，基于大数据的相关分析，还可以结合自身情况制定合理的学习计划，如此也更有利于自身的学习和发展。

（二）大数据对信息技术教育教学的作用

当前，大数据在信息技术教育领域中也有着一定的应用，部分城市开始充分利用大数据的分析功能来分析学生的学习效果，有部分学校还针对大数据中的云计算开发了相应的学习实验室。就高中信息技术教育这门学科而言，也有不少学校通过大数据来提高教师的教学质量，并且为学生提供一个创新的教学氛围，使得学生学习这门学科的积极性得到了及时的推进，进而学习效率也得到了相应的保障。因而可以说，大数据是一个较好的创新辅助教学模式，而将大数据充分应用于高中信息技术教育这门学科中，也是信息化教育的一个大创新发展。

三、大数据运用于高中信息技术教育教学中的效果

（一）相关教学设备的配置及维护成本得到了较好的控制

当前，很多高中为了提高自身硬件，投入大量资金进行了计算机以及网络设备的配置，如此，在之后的工作中，就要对这些设备进行及时维护、更新以及升级，这样才能保证这些设备在教学过程中的正常运转，使得它们更好地服务于教学需求和技术网络的相应变化。而在大数据下，可以采用其中的云计算技术对教学进行辅助，而就相关的教学计算任务而言，也可以通过云端服务器加以处理，如此，就解决了大量数据占用学校电脑诸多内存的问题。同时，还可以充分利用云端服务器管理学校的网络云端资源，而进行数据交换的时候，一般配置的计算机就可以完成，如此，不仅为学校节省了大量的资源，也较好地控制了学校配置教学设备以及维护教学设备的成本。

（二）使得相关教学应用软件成本得到了较好的控制

将大数据应用于信息技术教育教学中，可以采用一些免费的教学应用软件，如此就不用担心一些软件到期而被禁止使用的问题发生，这样也就为学校省去了一批购买以及升级收费应用软件的费用。另外，在大数据时代下，还可以帮助学校提供一些管理学生学分、学籍等方面的软件，这样学校就可以在支付较少服务费用的情况下充分利用在线的应用软件。就高中信息技术这门学科的教学工作而言，教师也可以充分利用大数据将班级账户建立起来，结合学生实际进行个性化管理，学生可以通过平台将自身课业完成，教师可以将这个平台作为教学平台，也可以作为展示学习资源的平台，从而及时为学生补充学习内容，帮助学生修订作业，对记分进行评估等等。这样不仅使得教师的教学效率和效果大大提高，也及时为学生的进步提供了相应的信息平台。

篇7

1.利用大数据的规模性了解学生差异。

每个学生都是不同的个体，有着鲜明的个性，因此，作为教师，首先要做的就是深入了解学生，这样的教学才有针对性。大数据的特征之一就是规模性，规模性指的是巨大的数据量以及数据规模的完整性。因而，教师完全可以凭借数据库中巨大、完整的数据了解学生诸如家庭背景、努力程度、学习态度、智力水平、认知水平等数据。教师只有真正了解了学生的发展情况，才能制定合适的学习计划，学生才会对学习产生兴趣，才会进步。

2.利用大数据的高速性营造和谐氛围。

美国心理学家罗杰斯曾说过：“成功的教学依赖于一种真诚的尊重和信任的师生关系，依赖于一种和谐安全的课堂氛围。”课堂上，让思维的火花翻新，让智慧的结晶生辉，让课堂百花齐放，形成师生互相尊重与信任的氛围，这应该是最理想的课堂状态。大数据的特征之二就是高速性，高速性指的是数据流和大数据的移动性，现实中则体现在对“实时性”的需求上，即能在第一时间抓住重要事件的发生信息。课堂上，教师可以利用大数据的这一特征，时时关注学生多样性学习动态，包括学生不同的表达方式、不同的解题思路、不同的探究结果，对有独到见解的要实时鼓励，对有误解偏差的要实时纠正，对有需要完善的要实时补充，如此，学生才能积极主动、充满自信地学习。

3.利用大数据的多样性选择学习方式。

个性化教学的落脚点是实现个性化的学习，教师应鼓励学生选择自己喜欢的学习方式。学习方式是学习者一贯表现出来的具有个性特点的学习策略、学习倾向的总和。选择自己喜欢或习惯的学习方式，对学习者而言能达到事半功倍的效果。大数据的多样性，指的是有多种途径来源的关系型和非关系型数据。互联网时代，各种设备通过网络连成一个整体，这意味着数据的种类变得繁多，除了简单的文本信息外，还可以对传感器数据、音频、视频、日志文件进行点击，获取可用的信息。这个时候，教师鼓励学生选择自己喜欢的方式，自己感兴趣的数据，个人或小组均可，开始或自主或合作的探究学习，完成学习目标，提高综合学习能力。

4.利用大数据的价值性落下点“睛”之笔。

任何学生的学习活动终究离不开教师的点拨与引导，唯有这样，方能醍醐灌顶，学有大成。互联网女皇marrymeeker在2012年论及互联网发展趋势中，用生动的图像来描述大数据的价值性：一幅是整整齐齐的稻草堆，另一幅是稻草堆中一根缝衣针的特写。寓意是通过大数据的帮助，可以在稻草堆中找到你所需要的东西，哪怕是一根小小的缝衣针，这就是大数据的价值性。那么，在课堂上，教师可以利用大数据的价值性，呈现出不同层次的难点予以解决，对不同层次的学生状况予以评价、对不同层次的学习能力予以拓展。

二、个性化教学应注意的几个问题

1.忌从数据化回到数字化。

数据化和数字化的区别在于，通过数据我们可以了解并理解一个学生，而通过数字我们只能看到一个学生的表象，这对学生的发展是绝对没有好处的。我们不得不承认在实施素质教育的今天，仍有一部分教师注重应试教育，看分识人，唯分对人，不习惯、也不喜欢看数据评价，这便与大数据时代下个性化教学相悖了。

篇8

从时间维度来看，在未来社会，教育与学习将不再是人生某个阶段的专利，而是贯穿整个人生的终身需求，是未来社会生活的重要组成部分。随着新技术与教育的深度融合，终身学习将使未来教育发生根本变革。每个社会成员在人生的各个阶段，都可以通过参与社会化活动，开展个性化学习，随时随地接受适当的教育，更好地实现个体的全面发展。

从空间维度来看，在未来社会，教育将不仅仅是学校和教育部门的事情，而是整个社会成员参与其中的全民化教育。未来社会将依托互联网、大数据等信息技术，实现教育资源共享。学习活动将超越学校空间，通过在线教育、在家上学、社会化学习网络、学习共同体等新的形式，把更多更好的教育资源送到学校、社区和家庭的每个角落，呈现处处可以学习、时时可以学习的教育图景。

二、重视核心素养与综合技能的提升

以互网、人工智能、大数据等融合技术为背景，未来社会将朝着智能化（人类-机器）、虚拟化（现实-虚拟）、超链接（人类-人类）等方向发展。未来社会发展必然会对公民素质提出新的要求，进而引起教育目标的变化。

未来社会的教育将把提升人的核心素养与综合技能作为基本目标，进而实现教育与社会发展的互动与融合。一方面，个体适应社会发展的能力，包括学习能力、信息管理能力以及创新思维能力，是未来社会的核心能力。注重培养个体的社会角色、责任意识和适应未来能力，提升个体适应社会、理解自身、把握变革及角色定位、把课堂学习转化为未来责任的综合素养，将是未来教育的重要目标。另一方面，人的综合技能将是未来社会的“通用货币”，包含认知与非认知在内的综合技能将在未来社会和个体发展中扮演越来越重要的角色。因而，从传统教育的碎片化知识传授转向更为深层、复杂的综合技能培养，是未来教育变革的重要目标。

三、以学习者为中心的个性化课程

未来社会的学习者将更倾向于使用新技术来处理信息、开展社交和学习活动。促进个性化学习是未来教育变革的核心价值。

课程多样化。教育课程将从强调学习者的知识积累走向知识的发现和创造，跨学科和综合化的内容将成为未来教育课程的主流内容。信息技术的应用，可以使教师更好地根据学生的兴趣爱好，来设计个性化的学习计划，增加学生选择的机会，以满足不同年龄、不同背景学习者的需求。

课程定制化。随着移动网络和大数据技术的应用，未来教育将会构建以“学习者为中心”的课程体系，课程内容将呈现个性化和定制化的特征，以适合学生本人的知识结构和潜能发展。同时，课程也将成为学生与别人交往及分享的“空间”。

课程模块化。未来的课程将像“搭积木”一样，由学生选择装配，从而产生许多新奇的功能，具有开放性和灵活性的特征。信息、思维、沟通、生活环境、人与社会、个人能力发展等课程将是未来教育的基本课程模块。未来社会的交互网络可以集中熟知科学逻辑、了解学科趋势、掌握学科生长点的专家，来组成课程开发团队，研发专题课程软件，供学生随时选择学习。

四、基于多媒体技术的多元化学习方式

信息技术深刻改变着人们的生产方式和生活方式。基于互联网技术构建的人与电脑间的学习沟通方式，能够把个体的智能联系起来，形成人类共有大脑，彻底改变人们的学习方式。

随着技术与教育的融合，人们获取知识的渠道将越来越多。人类学习将打破教室与学校的围墙，在线学习将成为未来学习的基本方式。手机、平板电脑、移动PC、可穿戴设备等将成为学习的工具。许多学习活动会在大自然、社区、工厂中进行，学习者将成为真正的“主人”。在未来社会，课堂学习、家庭学习和宿舍学习会融合在一起，学生什么时候开始学习、什么时候学完、什么时候毕业，都会有个性化的安排。

五、基于学习共同体的学校变革

在未来社会中，社会教育、家庭教育和学校教育将融合在终身教育体系中，基于信息技术的正式学习与非正式学习的融合，是未来学习方式变革的趋势。未来学校将是一个以课堂为中心、与社区充分融合的开放交流网络和基于学习共同体的活动体验中心，研讨会、网络化小班学习是基本的学习组织形式，学生们可以在一名经验丰富的教师指导下交流想法。鼓励学生发现问题、在同伴互助的过程中探索和解决问题，将是未来课堂学习的基本过程。同时，未来课堂还是一个个性化的课堂，学生们可以按照自己的节奏，通过智能终端方便地查询和阅读资料，完成各自的学习任务。教师的主要任务是针对具体问题答疑解惑，而不是面向全体满堂灌式地讲解。

六、为学习服务的教师角色

在未来社会，教师并不会消失，但教师角色将发生转变。传授知识仅仅是未来教师工作的很小一部分，教师将成为学习活动的组织者、指导者和协调者。教师的任务是为学生营造学习环境，指导学生正确选择信息、处理信息，帮助学生设计个性化学习计划。同时，未来的教师还要引导学生适应未来社会的角色要求，帮助学生解决发展中的疑难问题，对学生的学习方式、处世方式、时间管理等做出指导。

七、基于大数据的教育评价

未来教育评价的标准将是多元化和个性化的。教育的评价将会从分数的评价过渡到以大数据为基础的过程评价，从考试评价转向成果展示。对学生的评价也不再局限于同一标准，而是根据学生的课程选择，用与之相应的标准来评判。基于大数据技术的学生学习、生活过程的所有记录如出勤率、热门课程、最受欢迎教师等，都会成为学习评价的基本依据。在未来，学生之间的成绩比较没有太大的意义，而学生自己在一段学习中的表现才更加重要。

篇9

中图分类号：G424 文献标识码：A 文章编号：1009-3044（2014）09-1853-01

2012年，联合国大数据政务白皮书，提出了各国政府（包括联合国在内）的一个历史性机遇：利用丰富的大数据对社会经济做出具体的分析，帮助政府更好的运行经济服务社会。同年，奥巴马在美国白宫宣布将“大数据战略”上升为国家意志，将大数据定义为“未来的新石油”并加大投资拉动相关产业。2013年12月5日-5日，由中国计算机学会主办，中国CCF大数据专家委员会承办的主题为“应用驱动的架构与技术”的中国大数据技术大会，这次大会成为大数据技术与应用深度结合的新起点，成为产业界、科技界与政府部门密切合作的新平台，进一步推动我国大数据的产学研。2014年3月1日，在北京举行的贵州・北京大数据产业推介会上，贵州共获投730.2亿元用于大数据产业的发展，这一伟大的壮举将全面推动贵州互联网，网络营销发展进而影响贵州经济发展。百年大计，教育为本，在贵州“后发赶超，跨越发展”的过程中，教育的改善提升成了社会发展步伐是否稳健的重心，随着大数据的到来，贵州的教育正张开腾飞的羽翼迎接新一轮的跨越赶超，贵州在全国率先完成中小学生学习信息管理系统，学生学籍信息入库。为加快推进职业人才培养体系建设，促进经济工作稳定快速发展，省教育厅、人社厅等多家单位携手并进，联合出台了加快职业人才教育培养的实施方案，以贵阳为中心，打造职业教育核心发展区，规划高职办学规模达到25万人，为贵州大数据产业发展提供充足的人才保障，建成具有贵州特色的现代职业教育体系。在大数据背景的前提下，贵州的职业教育发展将踏上更加非凡和精彩的跨越之旅。

1 大数据、云计算简介

麦肯锡公司在2011年了一个前沿领域的研究：大数据。虽然到现在为止没有一个明确的定义，但是，大数据不是海量数据的表面理解，具有数据体量巨大，数据类型繁多，价值密度低，处理速度快等特点。 “云计算是通过网络提供可伸缩的廉价的分布式计算能力”。云计算代表了以虚拟化技术为核心、以低成本为目标的动态可扩展网络应用基础设施，是近几年来最有代表性的网络计算技术与模式。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

2 高职院校大数据条件下云计算的应用

云计算的应用使得高校在信息工具化的时代能够脱离原始的“信息孤岛”现象，集中了原本分散的国内及世界的教育资源，让社会与学校，学校与教师，教师与学生之间有了更深的互动和相互带动，把社会各行各业对教育有利的资源通过计算机与网络终端带动教育的发展。高职教育与传统的本科教育不同，重点是培养学生的实际操作能力，通过资源库的分析和选取并优化应用，可以提高高职教育的目标性。

2.1 依据社会人才需求信息，调整专业设置

目前的社会公开招聘信息都是通过互联网至少在全国范围内进行公开招考的，近几年，百度等各大网站都可以轻易的分析出

招聘的条件和专业。各大中型企业招聘的专业类型等都可以通过数据提取，数据分析得到各专业的需求状况，通过这些计算、分析这些大数据，可以适当迅速的调整专业设置和专业学习计划，以适应信息瞬息万变的时代需求。

2.2 利用数据库优秀教育资源，提高教学效果

近年来，各大高校，职院都在进行重点专业的课改工作，很多优秀的课程教学视频和配套资源等上网，通过相关网站对教育资源的数据进行搜索，在相应的学院，教研室，进行数据的分析和研讨，经过相应的更改后可以直接应用我们的教学和管理中，可以充分吸取网络教育资源的精华，变成自己教学工作进步的工具。

2.3 充分利用电子图书馆，扩展“校企合作”的形式

贵州是教育相对落后的地区，首先，经济基础决定上层建筑，资金配套的硬件措施是制

约学校教学工作前进的桥梁，近几年，国家的西部发展计划和贵州省对教育尤其是职业教育的大力支持，使得，学校的教学环境有了很大的改善，很多学校都配套修建了电子图书馆和电子信息实训室。“校企合作”首先在发达地区开展，在贵州，合作项目近三年才开始试行，以贵州职业技术学院为例，2012年，由政府搭台的“中兴网络学院”项目达成协议，中兴在贵州职院第一次投入一千万元建立实训室并开始招生，除了学校教学计划必须完成的课程外，中兴选派有实战经验的一线老师加强学生实训的教学和指导，让学生更深入的练习自己的职业技能，除了学习学校扎实的基础理论，更吸收了中兴企业信息化的优势。

3 高职教改的新方向

篇10

大数据（big data），又名巨量资料、海量资料。麦肯锡全球研究院报告《大数据：创新、竞争和生产力的下一个前沿》对大数据所做定义如下：大数据是指数据量大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群。大数据必定具备四个特征：容量大（Volume），指数据的存储容量单位已经由GB、TB上升到EB、ZB、YB，甚至更高的级别;速度快（Velocity），指海量数据的创建、传输和分析速度快，一般要求响应时间要控制在秒级单位内;类型多（Variety），指数据类型多样，除了结构化的事务数据，还包括半结构化的网页数据、非结构化的视频和音频数据;价值高（Value），指数据价值密度低，但海量数据综合价值总量很高。

大数据时代的来临对各行业都产生了深刻的影响，教育领域也不例外。学员的学习行为、思维方式，教员的授课理念、教学方法，学校的教育管理、教学评价无一例外都受到大数据的影响。教育领域必定会在大数据技术的推动下发生深层次的、多元化的创新与变革。

一、大数据对教育领域的影响

1.教育理念与教学评价被迫革新。教育作为社会子系统的重要组成部分深受社会形态影响，现代的教育体系几乎是伴随着工业社会发展同步发展的。市场的扩大与提高，对劳动者劳动技术与经验的要求远远高于个体层面的文化修养，合格劳动力的衡量标志是能不能解决问题。这一实用主义特点对教育领域的影响是巨大的。传统的教学评价不论对学员还是对教员，总是依赖能力测试，通过考试分数的数理统计分析来评价学员与教员。在大数据时代，则是跟踪记录教员与学员教与学的长期行为并对之进行分析，采用过程性、归纳式、多元化的方式进行评价。

2.个性化教学得以真正实现。运用大数据技术，在线平台能实时记录每一位学员的学习行为，教员获得全面丰富的数据内容后利用数据挖掘技术加以整合分析，不但能掌握学员个体的学习状态、知识接受水平，还能了解哪种教学方法对该学员最有效，以及该学员具体的薄弱点。教员根据这些数据就可以针对学员个体因材施教，制定个性化的教学方案、教学活动和学习计划，教学工作真正从共性化的群体教学转向了个性化的个体教学。个性化教学的实现能大幅提高教员的教学质量和学员的学习效果。

二、大数据在教育领域的应用模式

大数据在教育领域的应用模式本质上就是数据的生命周期，即数据获取（学员使用在线教育系统）、数据存储（系统将学员的在线学习行为记录下来存入数据库）、查找与分析（进行数据挖掘，预测学员的各项表现）、可视化（对数据挖掘和预测结果进行可视化处理）、决策（教员与教学管理人员给予学员指导与支持）。

1.教育者角度的应用，即教学领域知识模型构建。大数据教育系统对现有的教学内容建模后通过数据挖掘、学习分析和在线决策各子系统，研究各专业学员所必须掌握的教学知识点、教学单元与教学课程之间的逻辑关系，最终重新构建领域知识结构，对现有的教学内容与方法进行改革，达到提高学员学习效果和教员教学效率的目的。

2.学习者角度的应用。（1）个性化课程分析。大数据教育系统首先获取某个学员以前的学习表现，从已毕业学员的成绩库中匹配与之相似的学员，分析已获得的成绩和待选课程表现之间的相关性;然后通过学习满意度调查问卷分析评估学员个人情况;再结合专业课程的重要性，为学生列举课程清单。并向其推荐有可能取得优秀成绩的课程。（2）辍学行为预警。大数据教育系统可以记录所有学员的课程学习信息，进行教学情况实时监测。当旷课、违纪、课堂表现等与辍学行为相关的关键因素发生变化时，系统会及时对学员行为做出评估，并在风险达到一定阈值时向教育管理方发出预警，使教育管理方有足够的时间在辍学行为发生前进行提前干涉。（3）助学需求预测。大数据教育系统可以通过收集校园卡的生活与消费记录，以一日三餐为主要权重指标对生活必要开销进行计算评估，当发现某学员的消费明显低于预警线时，会主动通知学校相关管理方，由相关部门与学员进一步沟通，并进行相应调查，判断该学员是否需要助学帮助。

3.其他应用。当大数据教育系统与其他领域的大数据系统互联互通后能发挥的作用不可估量。比如，与社保、医疗、金融、公安、政府等大数据实现安全共享后，教育系统内所有学校与学区内的情况可以从各个角度可视化地展现在出来。大数据系统既能帮助学员从选择学习合作小组到职业规划的制定等各个方面进行辅助指导，也能帮助国家层面的教育管理者制定宏观教育政策、调整教育改革方向、分配教育资源。

总而言之，大数据在教育领域的应用惠及该系统内学员、教员、教育管理者、教育研究者等所有人员，它是未来教育发展的必然趋势。但作为新生事物，大数据具体的应用还不成熟，需要在实践探索中不断改进完善。