第一篇：大數據在教育行業中的應用

1.大數據在實驗室管理方面的應用

海量數據已經使我們進入了大數據時代，數據信息的來源、傳播速度和傳播數量正在影響、改變著人們的思維方式和生活、工作習慣。近年來，基于“大數據”的實驗室管理系統的開發以及互聯網的實驗室管理技術正在興起。但真正被業內人士承認的教育領域的大數據應用卻為數不多，其中被公認的當數東華大學的智能實驗室項目。

2009年，東華大學教務處處長吳良提出實驗室智能化管理的思路，并將材料學院作為試點單位。實驗室智能化管理即用物聯網的方式把實驗室里所有的儀器設備都管理起來。實驗室智能管理過程中記錄了學生在實驗室內所有的活動情況，包含學生進入實驗室的情況，使用的儀器設備情況，使用儀器設備時長等，以及所有儀器的電流、電壓都可以監控。如今，東華大學所有學院的實驗室都納入了智能實驗室的管理。東華大學通過實驗室智能管理系統進行各個方面的數據采集，并對數據進行深度挖掘，形成了各種各樣的圖表。從圖表中可以看出哪些實驗室申請的設備根本不必購買，哪些實驗室不再需要撥錢。實驗室的使用率和第二年的經費完全掛鉤，最后實現教育經費使用的集約高效；也可以結合大數據的分析和模擬，建立新型的實驗教學課程。

另外，華東大學智能實驗室利用云平臺（東華云）通過服務器虛擬化和實驗教學資源管理系統進行管理，簡化了管理流程, 節約了管理成本, 提高了服務器資源申請的靈活性，實現了實驗資源管理的信息化和透明化。目前，東華大學智能實驗室還實現了24小時開放無人管理、跨學院使用等人工無法實現的管理，數據顯示，智能實驗室的管理對學生學習自主性的提高有顯著影響，學生在實驗室的時間甚至超過了在教室的時間。

2.大數據在校園網用戶行為分析方面的應用

經過多年的積累，人類的數據量、數據處理技術和能力都得到了質的飛躍，大數據時代給人類社會帶來了諸多具有革命性的變化，而校園網的出現則是傳統“言傳身教”教育的一次革命。中職學生思想尚不成熟，自律力和識別能力不強，對于開放式的網絡有些迷茫。校園網學生用戶行為分析的研究是通過對校園網絡的測量和分析，挖掘和發現網絡中呈現出來的各種行為規律，同時識別一些異常網絡行為，最后將用戶行為分析展示。這樣以便學校采取對應的策略及措施引導中職學生健康上網，從而使校園網真正成為學生獲取知識的平臺，提高學生的整體綜合素質。

廣東省電子職業技術學校羅萍設計了一個基于大數據的校園網學生用戶行為分析系統，該系統從網站瀏覽信息、網站發帖留言、搜索關鍵詞、網絡購物等四個維度來描述基于校園網的學生用戶行為。通過對網絡內容的分析，可以進一步細化到學生用戶在網絡中具體網絡行為、發表的言論和帖子、對網絡資源的興趣偏好是什么等等，從而有效掌握學生的上網行為動態。

隨著計算機技術的迅速發展，大數據時代的網絡行為已經成為當前學生校園生活中的一項重要活動內容，正在悄然的改變著學生的學習和生活。因此，深入研究學生網絡行為，理性分析學生網絡行為特點，動機和需求，以及如何引導學生合理運用網絡資源，樹立健康的上網理念，構建有益的校園網絡環境，已經成為目前學校研究的重要課題。

3.數據挖掘在學習分析及干預中的應用

教育領域已經開發和應用了多款學習分析系統，主要集中在績效評估、學習過程預測與學習活動干預三個方面。

績效評估: 如美國 Northern Arizona University 研發的 GPS(Grade Performance Status)系統，可實現全校在校大學生的課堂學習績效評估。該系統能為教師提供最新的學生出勤情況、學生的反饋意見，為學生提供教師的最新評價以及重大事項的提醒。

學習過程預測: 如澳大利亞 University of Wol-longong 研發的 Snapp(Social Networks Adapting Ped-agogical Practice)系統。該系統可以記載和分析在線學習者的網絡活動情況(如學生在線時間、瀏覽論壇次數、聊天內容等)，使教師能深入了解學習者的行為模式，進而調整教學方式，最大化地為學習者提供適應的教學指導。

學習活動干預: 可分為人工干預和自動干預，現在主要集中在人工干預上，借助績效評估工具和學習活動預測工具，由教師完成學習干預。自動干預是未來學習分析技術發展的方向，大數據將為這一目標的實現提供強大動力。

在教育管理改革方面，學習分析能為高職院校教育管理系統的方方面面提供指導教學管理活動的相關數據。依靠這些數據，高職院校管理部門可以有針對性地完善不足之處，修訂教育管理方案，優化教學資源配置，并最終評估修訂方案及資源配置情況。

在教學改革方面，學習分析技術能真正意義上營造信息化的教學環境，保證教師提供的學習服務契合學習者個性化學習、協作學習的需要。傳統教學模式中，教師無法保證所提供的學習資源能真正滿足學生的學習需求，無法適時調整和分配資源，無法提供個性化地學業指導，無法及時了解學習過程中出現的障礙與疑惑。這些問題都限制了高職院校教育改革的深度，而學習分析技術恰恰可以彌補這些缺陷。通過應用學習分析的相關工具和大數據技術，教師可以及時獲取學生的學習行為數據，從而支持一種既能體現教師主導作用，又能兼顧學生主體地位的新型教學方式，以最大化地激發學生的潛能，為新世紀培養創新性人才。

在學習方式改革方面，學習分析技術的作用在于: 自動識別學習情境，能夠從大量紛雜的數據中自動分析出學習者的特征信息，根據其需要推送適應的目標資源，并提供學習建議以協助學習者修訂自己的學習任務；學習者可以實時調整自己的學習計劃，預約輔導以解答學習疑惑；在特定情況下，還可以通過鎖定學習者所在地理區域、學習特點等因素劃分學習小組，以滿足個別學習者的協作學習需求。此外，學習分析能為在校學生提供個性化的學習指導建議，以幫助學生規劃在校學習路徑，明確其學業成就的期望。

4.大數據在課程建設方面的應用

大數據時代學習者在數字化學習過程中留下很多數字碎片，通過分析這些數字碎片，我們將會發現學習者的各種學習行為模式。梁文鑫指出：大數據對課堂教學帶來的主要影響是使教師從依賴以往的教學經驗教學轉向依賴海量數據教學分析進行教學，使學習者對自我發展的認識從依賴教師有限理性判斷轉向對個體學習過程的數據分析，從而使傳統的集體教育轉向對學習者的個性化教育。

目前流行的大規模在線開放課程（Massive Open Online Course，MOOCs）教育，MOOCs 教育被寄予厚望的主要原因是學習分析技術和大數據對它的支持，有了學習分析和大數據技術，優質的教學、課程資源和服務等通過數據真實客觀的被呈現出來。比如：對每一門課程資源和支持服務系統的建設和維護都建立在學習者使用過程的數據分析基礎上，從而使提供的課程內容更符合學習者的需求、教學指導更具有針對性，進而提高了學習者的學習積極性，促進了學習成功的實現。學習者在 MOOCs平臺上學習時，教師和程序可以通過大數據對學習者的學習行為進行理性干預，比如：通過預測認知模型為學習者自動提供適合的學習內容和學習活動方案，通過作業情況、留言板以及討論區的問題討論情況可以發現存在學習困難的學習者，以確保可以及時對其學習進行有效干預等。

大數據的應用可以實現大規模在線教育的同時可兼顧學習者的個人需求，大數據對海量數據的高速實時處理技術可以為在線教育平臺實時洞察學習者的變化、把握學習者的需求、提高學習效果提供支持，還可以對學習過程中產生的不相關信息進行深度分析，以預測和把握學習者的需求變化。

5.大數據在助學貸款方面的應用

國家助學貸款始于2000年，此后,全國各地普通高等院校陸續開辦國家助學貸款業務。但由于政策設計的缺陷、學生個人的誠信缺失、銀行的積極性等多方面的問題,貸款業務開展出現較大差異東部好于西部,南部優于北部,部屬院校高于地方院校。年國家修正貸款政策,加大貸款工作力度和政策扶持力度,國家助學貸款工作才得以繼續進行。但國家對家庭經濟困難學生沒有給出界定,更缺乏界定標準,因此各高校在確定助學貸款資助對象時,只能依靠學生個人陳述、老師自己的判斷、同學之間的投票等方法對困難學生加以界定,以致幫困助學工作困難越來越多。同時,由于信息溝通缺乏有效的渠道,管理缺少統一的工作平臺,很大程度制約了貸款工作的開展,影響了學校、銀行工作的積極性。缺少信息的溝通,造成信息的不對稱,也影響了工作的開展,出現管理的滯后。

2005年，鄭愛華作為課題負責人,組織完成校內課題“濟南大學幫困助學問題及對策研究”,主持申報了山東省科學技術發展計劃軟科學科學項目“山東省國家助學貸款中的問題成因及對策研究”,同年獲得立項,項目編號：B2005016。

助學貸款決策支持系統是濟南大學研究的山東省省級課題“山東省國家助學貸款中的問題成因及對策研究”的子課題之一。目的在于通過該系統,建立家庭經濟困難狀況指標評價體系,包括評價指標的設立、指標分值的量化、最后計算機進行決策計算,輸出決策支持的結果,幫助學校確定貸款資助對象,建立貸款信息數據倉庫，并將貸款信息通過計算機進行處理,實現快捷、方便、及時、準確的數據動態管理,克服銀行、學校、學生、主管部門之間的信息不對稱問題，實現科學決策、信息化管理的目標，有利于山東省助學貸款工作的健康發展,有利于減輕學校貸款工作的管理難度,降低貸款成本,為幫困助學工作開辟有效的途徑。

河北省教育廳學貸中心河北省學生貸款管理中心于2007年開始實施助學貸款信息化建設,將先進的計算機技術應用到國家助學貸款管理工作中,建立“河北省國家助學貸款管理信息系統”,使學生對國家助學貸款的申請、學校對助學貸款的管理、銀行對學生申請的審批以及其間的各種信息的交互等都實現網絡化。6.基于大數據證據的教育教學決策

在美國，教育大數據為美國政府、教育管理部門、學校與教師做出合理的教育教學決策提供了可靠的證據。整體上，美國建立了嚴格的教育問責制度，包括利用州教育問責系統(State Accountability Systems)對各州教育發展情況進行全方位評價，借助于學區級評價系統(District-level Evaluation Systems)評價各學區、各學校的整體教育質量，并要求學校與學區要對后進生進行基于數據的支持性學習干預(Data-driven Interventions)。美國聯邦政府以及各州政府基于對教育大數據的分析結果評價各州或州內學區的教育進展水平，并以此作為教育投入的依據以及教育政策制定的根據。

美國學校一般利用基于大數據的教育評價支持本校在規劃學校整體發展、優化學生管理、制定教學質量改進計劃等方面的教育教學決策。據統計，97%的美國中小學利用來自整個年級或整個學校的教育大數據確定學校需要提升的關鍵領域；分析學生的個體數據以便于分班或安排相關學習支持服務，包括了解哪些學生需要特殊支持或更多支持。47%的美國中小學通過專門的評價人員分析不同教師講授同一教學內容或同一教師以不同教學策略講授同一教學內容時產生的數據，評價教師的教學質量并提出教學方式變革計劃。而83%的學校在利用教育大數據尤其是本校產生的大數據了解本校教師教學發展的現狀與需求，并據此決策如何支持本校教師的教學發展。

學校教師可以利用教育大數據改進與優化自己的教學決策。整體上，教師可以利用大數據分析需要在何種時機對哪些學生以何種方式安排何種教學內容。教師利用本班學生產生的大數據，或同時借助與外部大數據的對比分析，可以深度評價本班學生的學習表現與學習效果，可以有效分析學生的學習偏好與個性化需求，分析學生群體的學習需求，同時也可以利用數據分析哪些學生更適合在一起進行小組學習，分析怎樣分組才更合理。對于那些有學習困難的學生，通過對大數據的利用，可以分析出學生在什么環節、什么類型內容學習方面存在問題，分析哪些因素可能在影響學生的學習，這樣便于給出適當的學習支持與干預。

那么，大數據從何而來？美國在教育評價的實施過程中主要依托覆蓋全美的立體化教育數據網絡，同時注重數據質量保障，有效地解決了教育評價“大數據從何而來”的問題。

國家級、州級(State-level)、學區級(District-level)以及校級(School-level)在內的各級各類教育數據系統(Educational Data System)均服務于教育問責體系。這些數據系統之間相互關聯，數據互通，形成立體化數據網絡，為美國教育評價用大數據的獲取提供了基本的依托。

在國家層面，美國有由教育部與各州教育管理部門及一些企業協同創建與發展的教育數據機構EDFacts，建設了“教育數據快線(ED Data Express)”，還有美國國家教育統計中心(National Center for Education Statistics)，主要任務在于與教育部內部各機構、各州教育管理部門、各地教育機構合作提供可靠的、全國范圍內的中小學生學習績效與成果數據，分析各州報告的教育數據以整合成為聯邦政府的教育數據與事實報告，為國家層面的教育規劃、政策制定以及教育項目管理提供了有力的數據支持。

2005年，美國教育部啟動了“州級縱向數據系統項目(The Statewide Longitudinal Data Systems(SLDS)Program)”，旨在幫助全美各州“設計、開發與利用州級縱向數據系統以便有效地、準確地管理、分析、分類處理與利用每一位學生的數據”，至今全美有47個州至少獲得過一次本項目資助。

州級與學區級數據系統主要為區域性教育評價提供數據支撐，其中主要包括本州/學區學生的成長數據，教育工作人員在工作方面的安排與準備等相關數據，以及其它關于學與教條件的關鍵數據，比如教師人數、學生入學率、學生與學生家長及學校教職員工對于學校氛圍、條件等方面的評價數據等，認為這些數據直接反映學校與學區在讓學生做好畢業準備方面取得的進展情況。各州的教育數據系統基本都具有測量學生的成長(Student Growth Measures)、提供高中學習反饋報告(High School Feedback Reports)、實施學業預警(Warning Systems)的功能。學校常常利用四種類型數據系統來收集、整合教學過程數據或評價數據：一是在校學生的實時信息系統(Student Information System)，其中包括學生出勤率、人口學特征、考試成績、選課日程等數據；二是數據軟件坊(Data Warehouses)，其中保存了學校當前或歷史上的學生、教職員工、財政方面的信息；三是教學或課程管理系統(Instructional or Curriculum Management Systems)，支持學校教師接入教學設計工具、課程計劃模板、交流與協作工具，支持教師創建基準性評價；四是評價系統(Assessment Systems)支持快速地組織與分析基準性評價數據。7.大數據在招生方面的應用

數據挖掘是一項新興的技術，是商業智能的重要組成部分。近年來，隨著高校數據收集量的不斷增加以及教育決策對量化分析結果的愈加依賴，數據挖掘在美國高校管理中的應用呈顯著上升趨勢。許多研究表明這項技術能幫助大學管理人員更好地分析數據，從而獲取潛藏的、有用的信息和知識，最終提高決策效率。

加州大學9所分校在校長辦公室的統一協調下通過“綜合評審”的原則招收本科生。“綜合評審”包括兩個步驟：第一步是對申請學生的合格性通過多種方法進行確定；第二步是對合格學生的所有背景、特征及技能進行綜合評定，并以此為標準做出錄取決定。加州大學雖然保證錄取所有合格的學生，但由于有的分校或專業競爭激烈，例如伯克利分校、工程專業等，因此不能保證完全按學生的報考志愿錄取。在這種情況下，所有合格、但未被報考分校錄取的學生，將被推薦到兩所加州大學制定的分校，以確保盡可能錄取每位合格的學生。另一方面，這兩所分校也通過 錄取這些“落榜”的學生來增加其入學人數。由于加州大學的錄取審核工作是由各分校負責進行，招生的最后決定到四月初才能見分曉。這時許多學生可能同時接到其他大學的錄取通知，并需要在短期內選擇自己要上的大學。因此，從吸引合格學生入學的角度來說，這時再向學生推薦這兩所大學為時已晚。為了提前做好這一工作，校長辦公室招辦在一月份申請截止日期之后就對申請學生的錄取情況進行預測，并將這些合格但極有可能被拒的學生名單提供給這兩所分校，供他們提前向學生宣傳學校的情況，鼓勵學生來這兩所學校就讀。校長辦公室用來完成這項預測分析研究的工具就是SAS Enterprise Miner數據挖掘技術。

通過這項數據挖掘技術，加州大學可以更有效的招收合格的學生。8.大數據在學習成果評估方面的應用

隨著大學教學模式由傳統的“行為主義”方式向“構建主義”教學過渡，如何更有效地對學生成績進行評估也成為廣大教師和評估工作人員面臨的挑戰之 一。除了利用傳統的考試方法對學生所學知識進行考核外，越來越多的授課教師側重對學生的學習行為進行評價，譬如合作意識、創新精神、實踐能力，等等。這些評價結果更有利于幫助學生提高學習效率，特別是應用知識的能力。但靠傳統的評價方法很難有效地完成類似的評估工作，或者說評估結果的可靠性難以得到保證。近幾年來，許多學者嘗試利用數據挖掘技術提高評估效度。

哈佛大學的研究人員嬌蒂·克拉克（Jody Clark）和克里斯·戴迪（Chris Dede）在這方面的嘗試非常值得借鑒和參考。他們通過復雜的教育媒體收集豐富的與學生學習行為有關的數據，然后利用數據挖掘技術對其進行分析和研究。

評估結果的價值體現在：1）完成對學生的形成性評估，為教師及時提供信息反饋；2）完成對學生的總結性評估，以真實的實踐表現為基礎了解學生最終掌握知識的情況；3）根據學生的個性特征，深層了解學生的學習行為以及學習成效；4）合理評判學生合作學習和解決問題的能力；5）通過對學生的學習行為規律和學習成效之間的“路徑”關系進行“挖掘”，洞察學生的學習動態。

9.衢州市柯城區依托大數據為學生“私人定制”成績單

近年來，隨著大數據成為互聯網信息技術行業的流行詞匯，教育逐漸被認為是大數據可以大有作為的一個重要應用領域，有人大膽地預測大數據將給教育帶來革命性的變化。大數據技術允許中小學和大學分析從學生的學習行為、考試分數到職業規劃等所有重要的信息。衢州市柯城區以大數據為依托，為學生“私人訂制”成績單。

2015年開始，衢州市柯城區啟動教學質量診斷系統項目，采用CC教學測評系統對每個學生進行數據分析，為學生出具“學業診斷分析報告單”。“學業診斷分析報告單”基于對學生一個學期以來成績的大數據分析，通過“單科成績對比圖”、知識點掌握情況分析表、知識點的個人掌握率和班級平均做對比表，將學生考試各科目考察的每一個知識點的掌握程度作出相應的分析，從數據中分析學生對知識點的掌握程度，對個人能力如識記能力、運用能力做出綜合評價，為學生的學業作出一份細致全面的“體檢診斷報告”。“學業診斷分析報告單”為學生提供了知識、能力掌握上的優勢和不足信息，學生可通過分析原因，提高學習的針對性和有效性，減少重復的試題訓練，進而有效減輕學習負擔。教師可通過分析了解學生在知識、能力掌握方面存在的優勢和缺陷信息，實施補教性教學，從而提高教學質量，促進學校教學、學生學習方式的改革和發展。10.大數據在學生扶貧方面的應用案列

西安交通大學學生處立足大學生資助工作實際，按照教育部“教育扶貧，十三五期間實現‘精準資助’”的要求，結合陜西省教育廳關于教育精準扶貧的工作思路，扎實開展了一系列“綠色通道”迎新工作：利用大數據完成學生貧困程度的精準識別，通過實地家訪將綠色通道延伸到新生家中，開展“知心工程”讓資助教育沁入學生心中，建立七位一體的資助系統讓學生沒有任何后顧之憂。西安交通大學提供給每個貧困生的，不僅是金錢的資助，更是被尊重及自信積極的人生態度。

資助大數據實現精確認定。在新生來校報到之前，通過“西安交通大學家庭經濟困難學生綜合認定系統”挖掘學生家庭經濟困難指數，認定家庭經濟困難學生情況，并以此為依據，主動引導特困新生在家中即可通過網上申請“綠色通道”并順利入學，消除特困生家庭的后顧之憂，在此基礎上與各書院共同主動開展有針對性的幫扶工作。

資助全覆蓋實現精準幫扶。學校為每一位通過“綠色通道”入學的學生發放全套床上用品“愛心大禮包”，體現學校的關愛。新生入學后學校將陸續通過“獎、助、貸、補、勤、免、償”七位一體的資助體系給予學生持續資助，確保每一位學生不會因為經濟困難而影響學業。學工系統還通過“知心工程”工作體系，全面跟蹤家庭經濟困難學生情況，建立建全貧困生信息庫。今年學校還將特別為建檔立卡戶新生每人發放一學期的生活費。11.希維塔斯學習”（Civitas Learning）利用大數據幫助學生提高成績

在教育特別是在學校教育中，數據成為教學改進最為顯著的指標。通常，這些數據主要是指考試成績。當然，也可以包括入學率、出勤率、輟學率、升學率等。對于具體的課堂教學來說，數據應該是能說明教學效果的，比如學生識字的準確率、作業的正確率、多方面發展的表現率——積極參與課堂科學的舉手次數，回答問題的次數、時長與正確率，師生互動的頻率與時長。進一步具體來說，例如每個學生回答一個問題所用的時間是多長，不同學生在同一問題上所用時長的區別有多大，整體回答的正確率是多少，這些具體的數據經過專門的收集、分類、整理、統計、分析就成為大數據。

現在，大數據分析已經被應用到美國的公共教育中，成為教學改革的重要力量。為了順應并推動這一趨勢，美國聯邦政府教育部2012年參與了一項耗資2億美元的公共教育中的大數據計劃。這一計劃旨在通過運用大數據分析來改善教育。聯邦教育部從財政預算中支出2500萬美元，用于理解學生在個性化層面是怎樣學習的。其中，“希維塔斯學習”建立了高等教育領域最大的跨學校數據庫。

“希維塔斯學習”是一家專門聚焦于運用預測性分析、機器學習從而提高學生成績的年輕公司。Civitas Learning提供了一套應用程序，學生和老師可以在其中規劃自己的課程和安排。“希維塔斯學習”各種基于云的智能手機第三方應用程序（APP）都是用戶友好型的，能夠根據高校的需要個性化。這意味著高校能聚焦于各自不同的對象，相互不同地用這家公司的分析工具開展大數據工作。

該公司在高等教育領域建立起最大的跨校學習數據庫。通過這些海量數據，能夠看到學生的分數、出勤率、輟學率和保留率的主要趨勢。通過使用100多萬名學生的相關記錄和700萬個課程記錄，這家公司的軟件能夠讓用戶探測性地知道導致輟學和學習成績表現不良的警告性信號。此外，還允許用戶發現那些導致無謂消耗的特定課程，并且看出哪些資源和干預是最成功的。

12.電子科大利用大數據尋找校園中最孤獨的人

從硅谷到成都，大數據，這個新鮮的話題正在全球同步熱傳。一場關乎每個人生活、工作和思維的大變革正在悄然發生，大數據時代迎面襲來。

到底什么是大數據？大數據”是“數據化”趨勢下的必然產物。數據化的核心理念是：一切都被記錄，一切都被數字化。電子科大的周濤解釋到，“大數據要求數據能充分發揮其外部性并通過與某些相關數據交叉融合產生遠大于簡單加和的巨大價值。”比如，國家電網智能電表的數據可以用于估計房屋空置率，淘寶銷售數據可以用來判斷經濟走勢，移動通訊基站定位數據可以用于優化城市交通設計，微博上的關注關系和內容信息可以利用于購物推薦和廣告推送??

他們做過一個有意義的課題——尋找校園中最孤獨的人。他們從3萬名在校生中，采集到了2億多條行為數據，數據來自學生選課記錄、進出圖書館、寢室，以及食堂用餐、超市購物等數據。通過對不同的校園一卡通“一前一后刷卡”的記錄進行分析，可以發現一個學生在學校有多少親密朋友，比如戀人、閨蜜。

最后，通過這個課題找到了800多個校園中最孤獨的人，他們平均在校兩年半時間，一個知心朋友都沒有。這些人中的17%可能產生心理疾病，剩下的則可能用意志力暫時戰勝了癥狀，但需要學校和家長重點予以關愛。

第二篇：淺談大數據在教育管理中的應用

淺談大數據在教育管理中的應用

大數據的發展給困境中的教育變革提出了新的挑戰。大數據越來越廣泛應用于教學，通過在線測試、實時調查等方式獲取學生的基本情況、了解學生的學習潛能等，從而使教師更容易針對問題，因材施教。

學校已有的信息采集設備對我們的數據收集具有重大意義。例如：網上閱卷系統，高考、中考閱卷早已采用網上閱卷。可能很多老師知道網上閱卷的優點，如評卷的公正性、準確性、高效性。其實網上閱卷系統更是一個數據的采集系統，采用網上閱卷系統對數據的采集、統計和分析的深度還是廣度都大大地超越人工所能及的范圍。

如10月中我校進行了本學期第一次統考，語文試題主觀題共設了22個采分點，評卷系統采集了22個得分點的數據，很容易發現各知識點的得分情況。教學過程中的成功之處和薄弱點得到了極其詳細的反映。網上閱卷的統計分析結果還能對試卷的質量如難度、信度、區分度、效度等指標進行科學的分析，使命題中存在的問題也得以全面地反映。由此可見，玩轉當前的 “小數據”對現實的教學有益，也是迎接大數據時代到來的一種準備。

大數據時代教師需具備的三種基本能力：第一種能力是獲取及整合學生、學校數據的能力，第二是探索數據背后價值和制定精確教育教學行動計劃的能力，第三是把這些計劃快速實時地應用于教育教學工作中的能力，應用于課堂的能力。要實現這些能力的提升一方面有賴于學校及教育主管部門對教師的培訓，另一方面當然依靠我們老師自身與時俱進的學習。日益強大的互聯網、多媒體及概念軟件、開源軟件等為師生提供了更加自由、靈活的學習和探索空間，求知的視野被極大拓寬。學習與生活、教育與社會不再被孤立，學生、學校與現實生活的體驗更為接近，學生學習興趣、學校辦學動力將被大大激發。

大數據的應用在教學管理方面，較之傳統的教學，更加高效、開放和多元，教學活動參與者之間的溝通更加通暢，互動更加深入，教師的備課、作業批改、教學評價等更加智能化。大數據時代的到來，可以通過技術層面來評價、分析并進而提升教學活動。

第三篇：大數據在教育管理中的應用

“大數據前沿技術及應用”專題研修活動

大數據技術是“互聯網+”時代的利器之一，它可以幫助我們從不同角度和層面來剖析教學，探索教育教學的新規律，大數據的全樣本特征解決了教育管理中局部數據或抽樣數據的片面性問題，使得教育需求的把握更加整體化。請結合實際，談談大數據在教育管理中的應用。（考核要求：內容充實，原創，800字以上；提交得20分，輔導教師評分20分，滿分40分。）

最近幾年，在我們的教育界中，有那個幾個關鍵詞是那么的火，例如翻轉課堂、微課、慕課，當然還有大數據，這些都是我們現在甚至將來的教育趨勢。翻轉課堂、微課、慕課現在我們正如火如荼地進行著，大數據在一些地區和學校也開始試點應用。我個人認為大數據在我們的教育管理應用中發揮著重要作用，主要體現在哪？下面就結合實際情況，談談自己的一些粗淺想法：

1、現在社會進入互聯網時代，學生在學校的每一次考試，在哪方面有特長、曾經獲得過哪些獎勵、參加過哪些社會活動等，其實在電子檔案中就可以一目了然，再加上現在的學生都會有微博、微信、QQ 等網絡社交工具，這些社交平臺中會會留下大量的信息，學生的成長軌跡也可以說是非常清晰的。只要把這些信息過程數據化，教師的教育教學工作可以有更明確的指向性，學生也可以更好地了解自己，以后自己的努力方向在哪，這對學生更為重要。

2、在我們的教育領域，有著很多的數據，比如平均分、升學率、就學率等。使用大數據來分析問題，要比傳統數據來得更科學，更方便，更有價值，能很好地幫助信息收集方獲取精準材料，從而做出更準確的教學分析。如教師可以通過平臺統計出學生的普遍的答題情況，大數據可以讓教師清楚知道哪道題學生錯得最多，哪道題學生掌握得最好，從而在上課時強化訓練，這樣得出的課程教學模式、師生評估方法等就更具針對性、可行性，得出的結論也更科學、更精確。

3、其實利用大數據也可以開發一些智能數字教科書。簡單來說，就是學生可以按照自己的節奏來控制學習進度，而不會受到周圍其他學生的行為的影響。然后，系統會給教師一個反饋，告知哪個學生在哪個方面有困難，同時給出全班學生的表現的整體分析數據。

所以，我認為當進入大數據時代后,我們的教育管理和運行會迎來了更多的發展機遇。更多的大數據的預測、分析將逐步融入我們的教育管理和決策中去，從而幫助我們更好地做好教育發展的規劃,改變我們的教育教學評價體系,甚至還有更深遠的影響，就讓我們以積極的態度迎接大數據時代的來臨吧！

開展智慧課堂研究，探索智慧課堂建設 探索智慧課堂教學如何更有效地激發學生學習興趣，發展學生數學思維

1.全體教師認真學習有關智慧課堂的網絡培訓視頻，發表感想評論； 2.集體備課，然后每位教師根據自己對智慧課堂的感悟上交一篇數學教學設計； 3.上傳教學優質課例，開展聽課研討活動。

科程名稱：張齊華講座《數學課堂的新“常態”》 活動時間：2017-09-30 至2017-11-15 學段/學科

小學

數學

選用教材：人教版五年級《用數對確定位置》、六年級《圓的認識》和一年級《認識1-5》

觀摩要求：請各位教師在觀看過程中認真做好筆記，把自己的一些感受體會記錄下來并實踐用于自己的教學當中去。

第四篇：大數據在制造業中的應用

大數據在制造企業中的應用

近年來出現的人力短缺、工資上漲、產品交付期短和市場需求變動大等問題，使得制造業正面臨新一波轉型挑戰。如何在控制生產成本的同時，還能提高生產力與效率，則是轉型的主要目的。在這樣的背景下，德國、美國等制造業發達國家無不積極推動“工業4.0”。“工業4.0”本質上是通過信息物理系統實現工廠的設備傳感和控制層的數據與企業信息系統融合，使得生產大數據傳到云計算數據中心進行存儲、分析，形成決策并反過來指導生產[1]。大數據的作用不僅局限于此，它可以滲透到制造業的各個環節發揮作用，如產品設計、原料采購、產品制造、倉儲運輸、訂單處理、批發經營和終端零售。大數據使得訂單處理方式有了質的變化

大數據的核心作用在于預測。大數據可以快速精準地預測市場趨勢和客戶需求，并對客戶進行細分，為其提供量身定制的合適服務。企業通過大數據的預測結果，便可以得到潛在訂單的數量，然后直接進入產品的設計和制造以及后續環節[2]。即企業可以通過大數據技術，在客戶下單之前進行訂單處理。而傳統企業通過市場調研與分析，得到粗略的客戶需求量，然后開始生產加工產品，等到客戶下單后，才開始訂單處理。這大大延長了產品的生產周期。如海爾集團于2013年1月構建了SCRM（社交化客戶關系管理）會員大數據平臺。銷售人員可進行大數據分析，精準預測出個體消費者的需求，實現了在客戶下單之前進行訂單處理。大數據使得倉儲運輸和批發經營不復存在

由于大數據能夠精準預測出個體消費者的需求以及消費者對于產品價格的期望值，企業在產品設計制造之后，可直接派送到消費者手中。雖然此時消費者還沒有下單，但是消費者最終接受產品是一個大概率事件。這使得企業不存在庫存過剩的問題，也就沒有必要進行倉儲運輸和批發經營。大數據使原料采購更加科學

大數據技術可以從數據分析中獲得知識并推測趨勢，可以對企業的原料采購的供求信息進行更大范圍的歸并、匹配，效率更高。大數據通過高度整合的方式，將相對獨立的企業各部門信息匯集起來，打破了原有的信息壁壘，實現了集約化管理，可以根據輕重緩急，更加科學合理地安排企業的財政支出。其次，利用大數據的海量存儲與快速數據處理功能，可以對采購的原料的附帶屬性（節能、節水、環保等）進行更加精細化的描述與標準認證，通過分類標簽與關聯分析，可以更好地評估企業采購資金的支出效果。此外，大數據能預測原材料的價格以及原材料品質的好壞。這使制造業企業更加科學地采購原材料成為可能，企業可以采購到質優價低的原材料。大數據使得產品設計制造更加優化

借助大數據技術，人們可以對原物料的品質進行監控，發現潛在問題立即做出預警，以便能及早解決問題從而維持產品品質[3]。大數據技術還能監控并預測加工設備未來的故障幾率，以便讓工程師即時執行最適決策。大數據技術還能應用于精準預測零件的生命周期，在需要更換的最佳時機提出建議，幫助制造業者達到品質成本雙贏[3]。例如，日本汽車公司Honda將大數據分析技術應用于電動車電池上。由于電動車不像汽車或油電混合車一樣，可以使用汽油作為動力來源，其唯一的動力就是電池，所以Honda希望進一步了解電池在什么情況下，績效表現最好、使用壽命最長。Honda公司通過大數據技術，可以搜集并分析車輛在行駛中的一些資訊，如：道路狀況、車主的開車行為、開車時的環境狀態等，這些資訊一方面可以幫助汽車制造公司預測電池目前的壽命還剩下多長，以便即時提醒車主做更換，一方面也可以提供給研發部門，做為未來設計電池的參考。

再如BMW公司應用大數據分析，在短短的12周時間內降低80%的零件報廢率。一臺汽車需要的零件有很多種，其中一個是與引擎結合的引擎上蓋。以前，BMW要等到最終引擎組裝階段，將引擎上蓋組裝完成后才知道到這個零件能否使用，如果不能使用就只好將整個引擎報廢。而通過大數據技術，BMW公司在引擎生產線上可以做即時的檢測與分析，倘若品管沒有問題則直接進到最后的組裝程序，但若零件品質不好且無法修補則直接報廢，或者零件品質不好但能經過其他方式修補，則在修補后再度進行品管測試，借此提高生產效率并降低報廢率。大數據使得終端零售暢通無阻

通過大數據技術，企業可以了解整個供應鏈中需求和供應的變化，從而促進了產品的終端零售。如沃爾瑪的零售鏈平臺提供的大數據工具，將每家店的賣貨和庫存情況大數據成果向各公司相關部門和每個供應商定期分享。供應商可以實現提前自動補貨，這不僅減少門店斷貨的現象，而且大規模減少了沃爾瑪整體供應鏈的總庫存水平，提高了整個供應鏈條和零售生態系統的投入回報率，創造了非常好的商業價值。

當今，世界各國始終致力于以技術創新引領產業升級，而大數據的利用使得資源節約、環境友好、可持續發展，智能化、綠色化的發展趨勢得以實現[4]。因此，大數據背景下的制造業領域將具備廣闊的市場空間和前景，這是制造業企業的莫大機遇。

第五篇：證券行業大數據應用

證券大數據應用

一、可能獲得的數據源

1.投資者信息（實名認證信息、聯系方式、證券賬戶、理財賬戶等）2.投資者個人交易數據（股票交易、基金交易、互聯網證券交易等）3.投資者個人行為數據

4.股市交易數據/實時行情等

5.上市公司/準備上市公司數據（基本資料、財報等）6.宏觀經濟數據 7.政策法規

8.行業投資案例庫 9.行業分析報告

10.互聯網金融相關媒體數據

11.互聯網金融垂直社區數據（例如雪球投資組合）12.各行業垂直門戶網站數據

13.社會化媒體數據（微博、微信公眾號、論壇、新聞資訊門戶等）14.各行業電力運行數據

以上數據有些可直接由券商系統（門店數據、終端APP等）即可獲取，有些需要從合作機構獲取，有些只能通過垂直爬蟲爬取聚合。

二、有了大數據能干什么 對投資者（2C）：

投資建議：例如券商官方推薦，類雪球投資組合、京東財謎的去中心化推薦 投資社區：雪球、天厚投資社交等 在線證券交易 在線投資理財 財富管理 量化投資分析

對公司（2B）： 公司投資理財 公司投資并購 股權眾籌

公司輿情監控分析 競爭分析/競爭情報 行業分析報告

對券商本身：

用戶獲取/盤活：大券商盤活存量用戶、中小券商獲取增量用戶

用戶賬戶的建立與持續運營：通過有粘性的服務（例如雪球投資組合），引導用戶綁定互聯網證券理財賬戶、證券賬戶，打通用戶賬戶體系，持續運營。綜合金融服務：股票、投資、理財、眾籌、投行、財富管理 投資報告：行業分析報告、投資建議平臺基礎設施： 大數據風控等 線上線下渠道一體化 客戶流失跟蹤 潛在客戶挖掘

三、運營體系

目標用戶群分析（2B、2C，線上目標用戶群、線下目標用戶群）建立有粘性的互聯網產品及服務 線上+線下獲取用戶/盤活用戶

基于大數據，持續完善產品、持續運營用戶

《數據挖掘技術在證券行業中的應用》 姚毓才 1.客戶關系管理

用客戶交易數據統計出每個客戶的交易情況，根據客戶行為進行聚類。建立數據倉庫來存放對全體客戶、預定義客戶群、某個客戶的信息和交易數據，并通過對這些數據進行挖掘和關聯分析，實現面向主題的信息抽取。對客戶的需求模式和盈利價值進行分類，找出最有價值和盈利潛力的客戶群，以及他們最需要的服務，更好地配置資源，改進服務，牢牢抓住最有價值的客戶。通過對客戶資源信息進行多角度挖掘，了解客戶各項指標（如資產貢獻、忠誠度、盈利率、持倉比率等），掌握客戶投訴、客戶流失等信息，通過對客戶數據聚類，將客戶進行分群，考察每類客戶對證券公司的貢獻情況，這樣可以根據客戶的產生類別的交易行為等其他特點知道該類用戶是否對公司具有價值，并且證券公司根據客戶行為的特點對貢獻度大的客戶類采取相應的政策照顧，并且還能吸引某些行為類似的貢獻度較低類的客戶發展為較高貢獻的客戶。2.股市基本分析

任何金融資產的“真實”價值等于這項資產的所有者的所有預期收益流量的現值。具體地說，分析家不僅需要預測折現率，而且還必須預測這種證券的每股平均收益和派息率。證券的真實價值一經確定，就可以用來與這種證券的市場價格進行比較，從而鑒別這種證券的定價是否恰當。如果真實價值低于市場當前價格，那么該證券價值是被高估了，應該賣出；如果證券的真實價值高于市場當前價格，那么該證券價值是被低估了，應該買進。具體的分析策略包括宏觀經濟信息、產業分析、區域分析和公司分析幾類。3.股市技術分析

利用時間序列預測股票價格。數據挖掘是對大量的歷史數據進行處理和分析，提煉出有價值的信息（表現為規則、模型等模式信息），其中的時間序列模型，可以用于股票價格的預測。4.經營狀況分析

通過數據挖掘，可以及時了解營業狀況、資金情況、利潤情況、客戶群分布等重要的信息。并結合大盤走勢，提供不同行情條件下的最大收益經營方式。同時，通過對各營業部經營情況的橫向比較，以及對本營業部歷史數據的縱向比較，對營業部的經營狀況做出分析，提出經營建議。5.咨詢服務

根據采集行情和交易數據，結合行情分析，預測未來大盤走勢，發現交易情況隨著大盤變化的規律，并根據這些規律做出趨勢分析，對客戶針對性進行咨詢。6.風險防范

通過對資金數據的分析，可以控制營業風險，同時可以改變公司總部原來的資金控制模式，并通過橫向比較及時了解資金情況，起到風險預警的作用。