大数据在教育领域中的应用，主要是在线决策、学习分析、数据挖掘三大要素，主要作用是进行预测分析、行为分析、学业分析等的应用和研究。教育领域的大数据含义指的是对学生学习过程中产生的大量数据（数据来源包括两方面，即显性行为和隐性行为，其中隐性行为包括论坛发帖、课外活动、在线社交等不直接作为教育评价的活动；显性行为包括考试成绩、作业完成状况以及课堂表现等）进行分析，发现学生潜在的学习方面存在的问题，进而预测学生未来可能的表现。主要应用体现在以下方面：

1）构建学习者经验模型。通过收集学习者的学习满意调查问卷，或者分析学习者在课程学习中的存留数据、表现、行为、选择等，构建学习者的经验模型。

2）建立学习者行为模型。通过收集学习者在学校情景中学习行为变化的情况、学习者完成课程学习的状况、学习者在网络系统中花费的学习时间以及学习者的考试成绩等数据，最终形成学习者的学习行为模型，预测未来学习的趋势和结果。

3）构建学习者知识模型。通过收集学习者在大数据在线系统的交互数据：学习者请求帮助的性质和数量、学习者回答问题花费的时间、学习者错误的重复率、学习者的正确率等，通过数据挖掘和学习分析构建的学习者知识模型，通过人工反馈或者自动反馈，为学习者提供合适的学习内容、学习意见和学习反馈。

4）构建领域知识模型。通过对教育大数据现有领域知识进行重新建模，研究学习者与知识点、学习单元、课程等学习内容之间的关系，通过构建领域知识模型，采集和处理学习者的相关数据，画出学习者的学习曲线，再通过对这些学习曲线进行数据分析，能够显著的提高学习者的学习成绩和教师的教学效率。

5）构建学习者档案。通过收集学习者的基本学习信息，建立基本信息数据，通过数据挖掘、学习分析和机器学习算法，建立学习者档案，为不同类型学习者提供个性化的学习环境，激发学习者的学习积极性和主动性。

6）教学策略分析。通过对学习者的信息进行分析，探索学习系统中各种组件的功能，分析学习者学习结果与教学策略之间的关系，为教育领域提供更多、更有效的教学策略。

 7）其他应用。大数据在教育领域的运用还包括个性化学习、自适应学习系统、以及趋势分析等方面，帮助学习者构建学习模型，最终推动学习者主动的学习。

                                                     选编自《科技视界》

上一篇： 习近平出席第二届世界互联网大会开幕式并发表主旨演讲

下一篇： 2015国际远程教育发展论坛在京召开