教育信息技术课题：大数据环境下教学数据采集与利用研究

大数据环境下教学数据采集与利用研究

学科分类：教育信息技术

课题类别：一般课题

关键词：大数据 过程数据采集 大数据利用

预期研究成果：电脑软件

课题设计论证

一.

一、问题的提出卡耐基·梅隆大学教育学院介绍中有一句自白，“不得不承认，对于学生，我们知道得太少”。这个问题是美国十大教育类年会中出镜率最高的核心议题，同样，这个问题也适用中国教育者在教学实践过程中时刻扪心自问。在当前应试教育环境下，对教学结果和教学质量考查的通用方式就是考试，考试带给我的结果和数据是分数，但这个分数是否能真实反映学习和教学过程，答案显然是否定的。如果我们有足够的技术与耐心，我们是可以得到相对更多和更加客观的数据的，课堂、课程、师生互动等教学的各个环节都渗透着这些大数据。二. 课题界定对课题“大数据环境下教学数据采集与利用”做如下界定：教学主体：主要指高等学校的教师和学生，要求具有信息化实施的条件。实施范围：不涉及大规模服务器集群部署、负载均衡和网络安全保障。三. 国内外研究现状述评随着信息技术迅猛发展，人类在收集、存储、分析、使用数据的能力方面实现了巨大跨越，人们可以运用大数据揭示世界运行规律。人类在收集、存储、分析和使用数据能力方面实现

了巨大跨越，人们可以运用大数据解释世界运行规律。1)教育信息资源分布分散和利用率不高教育信息资源分布分散和利用率不高已制约了我国教育信息化的发展，教育部相继发布了《教育信息化十年发展规划(2010-2020)》、《教育管理信息化标准》等相关政策方针，对教育信息资源共享提供指导和规范，整合教育资源。2)教学的微观行为数据化重视程度并不高当前，教育信息化得到了业界的高度重视和大力发展，如慕课、翻转课堂、微课和教育云等，有条件的学校也部署了相关的教学辅助管理软件。但是，在进行教育信息化研究和实践过程中，我们更多的是关注教学内容的生产、教学行为的控制和教学结果的考评，对教学环节，特别是教学的微观行为数据化重视程度并不高。四. 选题意义与研究价值大数据与传统数据的区别在于 “数据”的定义更加广泛，数据的包容性更强，传统“数据”领域里我们没有重视的，或者缺乏技术与方法去收集的信息，现在都可以作为“数据”进行记录与分析。大数据应用到教学环节中，我们在关注教学过程和教学结果的基础上，我们更多的去关注教学过程中的微观数据。同时，这些数据的产生完全是过程性的，教师课堂教学的过程，学生完成作业的过程，师生或学生与学生之间的互动过程……每时每刻发生的动作与现象都是我们关注的数据。课题研究的主要价值和意义体现在以下几个方面：1)对学生的发展进行多元评估，发现学业成绩背后的原因改变传统单一的课程成绩评估方式，透过课程教学成绩，利用教学过程微观数据对学生的学习行为进行多元化评估，一方面我们可以分析评估学生学习行为和考试结果的因果关系，同时可以使评价的结果更加科学和多元化。2)大数据实现过程性评估，发现学生学习行为特点，提高教师教学水平教学是教师教和学生学的双向互动过程，影响学生对知识掌握程度的原因也是双向的，在对学生学习行为评价的过程中，教师应该更多地反思自己的教学方式方法，提高教学质量。教学过程微观数据所形成的大数据能够为我们提供可靠的数据支撑和科学依据。3)大数据让教育由模糊走向精确化和科学化利用大数据技术收集教师教学和学生学习全过程数据，把教学行为进行数字化存储和处理，为教学研究和教学评估提供科学依据。大数据时代我们比任何时候都更接近发现真实的学生，让教育工作者读懂学生思维，让教学评价由“结果性评价”变为“过程性评价”。教育管理者可以通过分析大数据，加强教学引导，调整发展策略，

教育由原来的粗犷的管理模式走向更加精细化、科学化管理道路。4)构建以学生为主体的个性化和智慧学习利用大数据技术，不仅可以实现教育的“广播”，也可以根据学生不同的需求实施个性化的教育“窄播”，让每名学生根据自身特点，体验个性化优质教学服务。5)更好地了解和预测学生的个人学习行为、程度和态度大数据有助于更好地了解和预测学生的个人学习行为、程度和态度，并有针对性的提供向适应的个性化教学内容、支持和干预。6)让大数据更好的为我国教育服务思考所收集的教育数据不断在广度和深度上得以拓展，对数据进行管理和分析的实力不断提升，让这些数据成为规划、管理、实施、评估和改进教育的不可或缺的依据。五. 课题理论依据“大数据”概念第一次创造出来是在2008年9月4日，谷歌成立l0年前际，《自然》推出了大数据专辑，包括8篇大数据专题文章加上1篇编者按。虽然该专辑并没有直接提出大数据的定义，但是从互联网技术、网络经济学、超级计算、环境科学、生物医药等多个方面介绍了海量数据带来的挑战。大数据=海量数据+复杂类型数据。用传统的算法和数据库系统可以处理的海量数据不算大数据。1)异构数据异构数据库系统是相关的多个数据库系统的集合，可以实现数据的共享和透明访问。异构数据库的各个组成部分具有自身的自治性，实现数据共享的同时，每个数据库系统仍保有自己的应用特性、完整性控制和安全性控制。2)大数据（巨量数据集合）大数据颠覆了人类探索和认知世界的方式，为教育打开了一扇大门。大数据技术可以“数据化”教师和学生的行为表现，深入挖掘学生成长规律，让学生思维“透明” 。近几年，大数据技术高速发展，形成了很多优秀的开源大数据框架，这些框架已经被广泛应用到大规模实际生产中。目前主流的大数据框架如下：HadoopHadoop实现了一个分布式文件系统（Hadoop Distributed File System），简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上，而且它提供高吞吐量（high throughput）来访问应用程序的数据。Apache StormStorm是一个分布式的、容错的实时计算系统。Storm为分布式实时计算提供了一组通用原语，可被用于“流处理”之中，实时处理消息并更新数据库。Apache SparkApache Spark是一个围绕速度、易用性和复杂分析构建的大数据处理框架。六. 研究目标在各学校和整体教育系统内倡导和强化数据文化保教育数据收集标准化，以

便于跨时间比较数据提高反馈数据分析结果的有效性、可视性和可读性，及时有效地改进教学服务。通过创建把学生的知识、动机、元认知和态度结合在一起的学生模型来预测学生未来的学习行为。发现或改进学科领域的模型，这些模型能够概括要学习的内容特点和优化的教学步骤。研究学习软件能够提供的对不同教学法支持的效果。通过建立综合了学生模型、领域模型和软件教学模型的计算模型，推进关于学习和学生的科学知识。七. 研究内容1)研究教学微观数据收集的技术手段如何客观、全面和便捷地收集教学活动微观数据是课题研究的出发点和核心内容，教学过程中收集的微观数据越细致，数据的来源越可靠，数据的真实性越高，数据利用的准确性就越好，数据的参考价值就越大，对教学决策和教学研究的指导价值就越高。2)制定数据收集范围和数据集为了规范数据收集范围和元数据属性集合，需要制定教学数据的收集范围和数据集，指导教学数据的收集工作。3)建立大数据模型和制定数据存储规范教学过程数据来源多样，类型复杂，如何实现数据的标准化存储，方便数据利用，需要设计数据存储的模型和制定数据存储的规范。4)制定数据利用接口规范和接口调用技术手段存储的大数据最终用来服务教学，为教学决策和教学过程提供数据支撑材料，所以需要提供数据利用的接口规范和接口调用的技术手段，以SAAS的方式向教育工作者提供数据服务。八. 创新之处1)提出了教学微观数据的概念课题研究教学过程行为数据采集和利用方法，和传统的教学信息化软件相比，课题侧重于通过教学过程中的行为细节发现教学规律。2)规范数据收集范围，制定数据收集数据集传统的数据存储是结构化的关系数据的存储，为了更全面、可持续的收集教学微数据，课题采用异构数据结构存储数据，为了规范异构数据的存储，制定了相应的数据收集范围和数据集。3)SAAS在教学大数据中的应用为降低数据利用的技术难度，扩大数据服务范围和提高数据利用效率，课题提出以SAAS（软件既服务）的模式提供数据利用的手段。九. 研究思路本课题研究以教学实践为基础，在教学过程信息化的基础上，归纳总结教学过程数据产生的场景和范围，制定完善的数据收集范围和数据集，完善相应的教学管理软件，并在教学实践中检验已形成的技术成果，以迭代和循序渐进的方式完善项目研究内容。通过广泛的学术交流，密切关注信息技术发展趋势，吸收国内外先进的研究成果，最终形成完善的课

题研究成果。十. 研究方法图十一. 技术路线图十二. 实施步骤表1 课题实施步骤第一阶段2016.7-2016.12准备阶段1)查阅国内外文献，确定研究计划和目标2)编写研究大纲和计划细分进度表3)整理已有教学数据，评估数据范围和格式第二阶段2017.1-2017.12研究阶段1)撰写数据范围和数据集2)完善教学信息软件，收集教学过程数据3)制定数据利用规范，实现数据访问接口4)制定数据访问规范和定义访问接口5)总结已有资料，撰写发表论文第三阶段2018.1-2018.6结题阶段1)撰写研究报告2)总结课题成果3)课题验收结题

课题编号：1532