摘要： 随着信息技术的快速发展，以云计算、数据挖掘、移动互联网等为基础的大数据技术的出现，为教育研究带来了数据获取、存储、分析和决策等方面的支持。笔者通过对大数据的简单介绍，重点探讨其在教育中的应用，以期为大数据在教育领域的应用与发展提供一定程度上的借鉴和参考。

关键词： 大数据；技术；教育领域

【中图分类号】G424.1

【文献标识码】B

【文章编号】2236-1879（2017）08-0025-01

当前将大数据应用到教育领域已是大势所趋，大数据技术能够在一定程度上促进教育行为变革、为师生提供便捷服务、促进学校创新发展。因此，将大数据技术应用到教育领域具有十分重要的实践意义。

1大数据

大数据最早的提出，是采用所有数据进行分析，随后大数据技术迅速发展，逐渐被应用到各行各业，对经济、科技创新、信息化等领域产生了深刻的影响。目前普遍认可的界定为：是指所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。

2大数据在教育领域的应用

2.1教育数据挖掘。

教育数据挖掘是综合运用数学统计、机器学习和数据挖掘的技术和方法，对教育大数据进行处理和分析，通过数据建模发现学习者学习结果与学习内容、学习资源和教学行为等变量的相关关系，预测学习者未来的学习趋势。

在《通过教育数据挖掘和学习分析改进教与学：问题简介》中，通过对教育数据挖掘领域专家进行访谈，列出了教育数据挖掘的四个研究目标：通过整合学习者知识、动机、元认知和态度等详细信息进行学习者模型的构建，预测学习者未来学习发展趋势；探索和改进佳教学内容和教学顺序的领域模型；研究各种学习软件所提供的教学支持的有效性；通过构建学习者模型、领域模型和教育软件教学策略的数据计算模型，促进学习者有效学习的发生。

同时《简介》针对以上对教育数据挖掘提出的四个目标，指出了研究者主要采用的以下五类技术方法：预测，建立一个能够从整合多个预测变量推断单一被预测变量的模式；聚类，根据数据特性，将一个完整的数据集分成不同的子集；关系挖掘，探索数据集中各变量之间的相关关系，并将相关关系作为一条规则进行编码；人类判断过程简化。用一种便于人类理解的方式描述数据，以便人们能够快速地判断和区分数据特征；模型构建，通过对数据集的聚类、相关关系挖掘等过程，构建供未来分析的有效现象解释模型。

2.2学习行为分析。

关于学习分析的定义，不同学者、不同机构给出了不同的定义，但其内涵和本质基本一致：学生及其学习环境是学习分析的对象，教与学过程的数据是学习分析的依据，预测、评估、优化教学是学习分析的目标。在这里，笔者将学习分析定义为：采集学习者相关数据并进行处理和分析，以此预测及评估教与学，并优化教学的过程。

学习行为分析主要对学生、教师和管理人员发挥了很好的作用。对学生而言，以基于学习行为数据的分析为学习者推荐学习轨迹，开展适应性学习、自我导向学习；对于教师和管理人员而言，用来评估课程和机构，以改善现有的学校考核方式，并提供更为深入的教学分析。

2.3教育数据挖掘和学习行为分析的应用领域。

当前教育数据挖掘和学习分析应用领域，主要包括以下几个方面：

2.3.1学习者知识建模。

采集学习者与在线学习系统的交互数据，可以是课程、学习单元或知识点层面的，并对数据挖掘和分析，构建学习者知识模型，然后为学习者提供个性化学习规划。

2.3.2学习者行为建模。

采集学习者在网络学习系统中的学习时间、课程完成情况、学习行为变化情况、考试成绩等数据，探索学习者的学习行为与学习结果的相关关系，最终构建学习者学习行为模型。

2.3.3学习者经历建模。

采集学习者的学习满意度调查问卷数据，及其在后续单元或课程学习中的选择、行为、表现和留存率数据，构建学习者体验模型，利用该模型对在线学习系统中的课程和功能进行评估。

2.3.4学习者建档。

采集学习者在线学习系统中相关数据及线下基本信息数据，通过数据挖掘和机器学习算法，构建学习者个人学习档案、分析学习者的学习特征，对相同学习特征的学习者聚类和分组，最终为不同类型的学习者提供个性化的学习环境，促进学习者有效学习的发生。

2.3.5领域知识建模。

通过对教育大数据的挖掘和学习分析，对现有领域知识模型进行重构，探索课程、学习单元和知识点的学习内容组织方式与学习者学习结果之间的相关关系。

2.3.6学习组件分析和教学策略分析。

对学习者在在线学习系统中的学习相关数据进行采集和分析，探索系统中学习组件功能、在线教学策略与学习者学习结果的相关关系，进而对在线学习系统评估。

2.3.7趋势分析。

对大量学习者一段时间内的学习相关数据采集和分析，探索学习者该阶段学习结果的改变，发现学习者当前学习行为和未来学习结果的相关关系，预测其学习趋势和结果。

2.3.8自适应学习系统和个性化学习。

教育大数据相关研究的终极目标，属于高级应用，通过对教育大数据的采集、处理和分析，最终实现学习者自适应和个性化学习环境的构建。

3总结

将大数据应用到教育决策、方案执行及评价等领域，能使教师、管理者更好地掌握学生动态，更深入了解学生，从而优化教育决策，使教育资源配置更合理、公平。但由于大数据技术教育应用尚处于起步阶段，从起步走向成熟需要一个漫长的过程，可从制度、组织、技术等方面采取有力措施，为大数据教育应用保驾护航。

参考文献

[1]胡水星.大数据及其关键技术的教育应用实证分析[J].远程教育杂志，2015，（05）：46-53.

[2]赵丽，徐芳，陈莉.用大数据助力教育改革的一点思考[J].电脑知识与技术，2015，（15）：115-117.

[3]刘艳华，徐鹏.大数据教育应用研究综述及其典型案例解析——以美国普渡大学课程信号项目为例[J].软件导刊（教育技术），2014，（12）：47-51.