静态数据和动态数据,往往也是一个事物的两个不同侧面,可以互相印证,让数据更具有说服力。例如,某一门课程考核成绩整体不理想,其原因可能是该门课程任课教师的课堂教学存在这样那样的问题,而这些可以在学生的听课、教师的教学过程数据中发现端倪。Р 针对不同类型的数据,采取不同的策略和技术手段进行数据采集、分析和处理。静态数据往往数据量大、涉及面广、数据结构规范、来源相对单一、可信程度高,需要长期保存,可以通过各种经典业务系统进行收集、分析和存储。而动态数据一般比较灵活、数据结构多样、来源广泛、数据冗余大,并需要进行及时过滤、分析和响应,达到及时改进或纠偏的目的,就需要结合实际,综合运用多种技术手段和技术方案,设计、开发新的信息系统来进行收集和处理,同时要积极拓展平板电脑、智能手机等移动终端的应用,更好地解决过程数据的采集难题。Р 3.2数据挖掘与分析Р 采集巨量的教学评价数据以后,应当根据需要综合运用多种方法对数据进行提炼、萃取和加工,而不是仅仅只做简单的统计,从而可以从中获取更多的规律和知识,真正做到用数据说话,基于数据做决策,同时也能充分体现出教学评价工作的价值和意义。Р 教育大数据主要是通过两大类方法来得以分析并应用于教学决策和实践的――教育数据挖掘和学习分析。教育数据挖掘使用预测、聚类、关系挖掘、数据提炼、基于模型发现等经典的数据挖掘方法,从巨量教学评价数据中发觉隐藏在其背后的教学管理和教学规律,从而更好地为教育教学决策提供科学依据。学习分析需要综合运用计算机科学、教育学等相关学科的理念和方法,使教育教学更好地适应个体学生的需求和能力水平。经典的数据挖掘和分析方法对于结构化数据非常有效,却难以构建出非结构化数据内部的正式关系。在大数据环境下,需要引入新的数据分析技术和手段,呈现教育大数据中隐含的信息和知识,例如使用信息可视化分析技术以可视化图形方式呈现隐含在其中的信息和规律。
全文预览
