随着信息量的增长,许多国家的教育系统无法正确处理和分析信息。结果,教育水平也受到影响。学生通常无法应付分配的任务量,无法在线购买大学论文,或者在考试中作弊。同时,教师和教授没有时间和机会手动检查数据流。
实际上,教育系统始终会生成大数据。唯一的问题是如何在系统级别开始使用这些数据:分析信息并根据接收到的数据做出决策。
在教育领域中,有五种主要的数据类型:
个人资料
有关学生与电子学习系统(电子教科书,在线课程)互动的数据
有关学习材料有效性的数据
管理(系统范围)数据
投影数据
以下是大数据在教育领域的优势:
1.选择未来的职业
南卡罗来纳州的六所科技大学制定了一项新计划,以获取称为SC ACCELERATE的新职业。它的重点是25岁以上的人和退伍军人。数据分析使参与者可以选择最适合其经验和个人素质的教育和职业。CareerChoice GPS程序进行预测性数据分析,并有助于确定职业选择。该服务检查学生的性格特征,他的学业成绩,以前的工作经验。候选人可以申请最合适的大学,而后者只能从中受益。对于员工来说,这是有利可图的,因为他们会得到训练有素的随时可以工作的专业人员。
2.个性化教育
个性化学习的一种流行策略是为落后的学生提供额外的在线课程。当参与者回答问题时,该平台将能够预测学生对新主题的准备情况。例如,亚利桑那州的先进技术大学需要开发一门新的数学课程,因为学生必须为整个一年的考试做准备。在使用了基于Knewton平台的其他课程后,大约一半的学生至少一个月前能够参加考试。
预测建模是大数据应用的另一个领域。美国的大学将他们的求职信发送给准学生,邀请他们就读特定的院校。每所大学都力图邀请最有前途的有可能申请的学生。为了方便招生委员会的工作,来自ForecastPlus的分析师收集并分析了几种类型的学生数据:种族,在多个学科中的表现,期末论文和年级。ForecastPlus预测建模已在美国一百多个校园中证明了其有效性。因此,内布拉斯加州的克赖顿大学能够排除35,000名不是最有前途的学生,并且不给他们寄信。这样可以节省超过3万美元。
3.提高教学质量
越来越多的学校开始使用技术,产生大量数据。在旧金山附近的罗斯福小学,教师在分配阅读作业时使用名为DIBELS的软件。该计划有助于识别落后的学生,并为他们提供帮助。这使教师可以快速准备和调整课程以适应学生的需求。用测试评估教学质量并不能真正有效:最后,老师只是简单地对学生进行某种特定类型的活动的培训。通过分析有关学习过程的数据,学校管理可以更好地评估教师并在必要时进行更改。
4.大数据与经济
据统计,每年有40万学生被美国大学开除。许多学生借贷来接受高等教育。对于他们来说,辍学不仅是债务失败的巨大风险,而且整个信用历史的严重恶化。学生辍学对学校本身也有负面影响:学生退学越多,他们获利越少,获得的政府财政支持也越少。
5.机器学习项目垃圾邮件检测器
除经济因素外,升入下一门课程的一年级学生的百分比还会影响该大学在国家评分中的位置。
为了解决这个问题,弗吉尼亚联邦大学与一家名为“教育顾问委员会”的研究公司共同进行了一项调查,以识别有风险的学生并为他们提供帮助。开始缺课或成绩不佳的学生最有可能离开教育机构。为大学创建了一个平台,可汇总所有学生的成绩并查找问题。员工可以单独与他们合作。例如,老师可以提供学生,辅导员或其他帮助。在一个学期内,完成课程的学生人数增加了16%,而进入下一门课程的学生人数增加了8%。