一、大数据给教育行业带来的重大影响
关键词:精确学情诊断 智能决策支持
大数据的突出作用:
1、有利于促进个性化学习:精细刻画、洞察需求,归纳分析学习风格和学习行为。
2、有利于实现差异化教学:一方面教师因材施教推荐合适的学习资源;另一方面,更大程度上扩大教育规模。
3、有利于实施精细化管理:实时精确观察和分析,推进教育管理经验型、粗放型、封闭型向精细化、智能化、可视化转变。
4、有利于提高智能化服务:采集分析管理者、家长、教师、学生的各方面行为记录。
二、基于大数据的学习分析研究综述(郭炯 2017)
关键词:
预测、可量化、
智能导师系统(ITS)、
国际教育数据挖掘协会、
学习分析研究协会、
CiteSpace Histsite(某个对文章关键词分析的软件?)、
实证性研究较少(什么是实证性研究?)、
关键词:预测、可量化、智能导师系统(ITS)、国际教育数据挖掘协会、学习分析研究协会、CiteSpace Histsite(某个对文章关键词分析的软件?)、实证性研究较少(什么是实证性研究?)、学生成就??LOCO- Analyst SNAPP(Social Networks Adapting Pedagogical Practice) LMS 国内的“快乐学”教学系统 xAPI(Experience Application Programming Interface)
关键语句:
大数据的核心是预测,它将为人类的生活创造前所未有的可量化的维度。
在教育中两个特定的领域会用到大数据:教育数据挖掘和学习分析。(这两者有什么关系和区别?)
学习分析的定义
技术范畴:
George Siemens认为学习分析通过应用智能化数据、学习者数据与分析模型,实现对信息与社会性连接的发掘,并为学习提供预测与建议。
SoLAR(学习分析研究协会)的成员在第一届学习分析与知识大会之前开设了一门MOOC——学习与知识分析在课程介绍中将学习分析定义为“为了理解和优化学习与学习发生的环境,对学习者及其所处境的数据进行的测量、收集、分析与报告”
Slade和Prinsloo认为学习分析是对学习者生成的、可提供行为参考的数据进行收集、分析、利用与传播,从而为学习者提供适当且有效的认知、管理支持。
学习科学方法集:
学习分析通过开发工具与技术实现对学习过程与学习结果数据的抓取、存储,基于大量数据发现模式,以生成性和可利用的形式呈现这些数据,并将数据与智能化工具整合以实现学习环境的个性化与优化。
学习分析模型研究
过程模型
过程模式
持续提升循环模型
循环模型
生命周期模型
框架模型
六维关键因素设计框架
学习分析的方法
1、商务智能、网站分析、学业分析与行动分析
2、教育数据挖掘
3、统计与数学方法
4、文本分析与语义分析
5、可视化技术
6、社会网络分析
7、定性分析
学习分析工具
1、支持教师教学的学习分析工具:LOCO-Analyst SNAPP
2、支持学生学习的学习分析工具:学习仪表盘
3、支持教育决策的学习分析工具:学校数据仪表盘、The Learning Curve
学习分析应用研究
1、建立预测模型,导向学习干预措施
2、提供学习分析报告,促进反思与策略调整
学习分析发展的挑战与展望
1、受到相关数据采集与处理技术的局限
(1)数据存储、处理与分析技术受到硬件发展水平和计算能力的限制
(2)数据采集与分析技术仍在发展
(3)数据兼容问题,使数据的跨平台操作与数据共享很难实现
(4)数据收集具有局限性,难以更准确的预测学生的学业成绩
2、隐私与伦理问题
3、学习分析标准的研究与制定
4、学习分析论体系的建立与完善
三、国内近五年学习分析研究现状的可视化综述(张家华)
关键词:
可视化
含义:可视化又称为可视思考/视觉化思考。可视化分析是指将计算机进行科学计算的中间数据和结果数据,以某种容易理解的视觉方式展示出来的方法。它涉及到计算机图形学、图像处理、计算机视觉、计算机辅助设计等多个领域,成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。
类型:可