大数据助力学生可持续发展

教育信息化的时代已经悄然而至,身处这个大数据的时代中,我们只有适应,并把握住时代的潮流,我们才能够不断的完善自我,不被淘汰。而在教育学习层面,只有学会使用,灵活使用大数据系统,才能在学生竞争日趋激烈的环境里,不断成长,并最终走向成功。

一、大数据丰富学业评价的内涵与功能

学业评价是教育教学中的重要组成部分,有效的学业评价对于了解学生的学习情况、发现教育教学中存在的问题、寻求教学改进与优化策略、提升教育教学质量具有重要意义。

传统的学业评价往往评价维度片面(常常只注重对学生学科学习成绩的评价)、评价主体单一(多关注教师评价)、评价方式有限(多通过考试方式进行),过于关注对学习结果的评价而缺乏对学习过程的评价。大数据支持的学业评价则是对学生学习过程与结果进行全方位、全程式、多元化的跟踪与评价。

依托大数据技术,教师可以动态地收集、整合、处理并分析学生的学习过程信息、课业与学业表现信息、个性特征信息(例如:性格特征、学习风格、学习态度等)、身心健康信息、社会交往信息、学习环境信息等发展性数据,而这些数据可以来自技术设备的自然采集,也可以来自教师、学习同伴、学生自己、家长或社区的评价

大数据可以全方位分析、呈现学生个体的发展与成长情况,发现学生间的发展差异及每个学生所需要的学习支持和发展路径。可见,基于大数据的学业评价有助于教育者了解学生的真实学习状态与发展过程中面对的困难,为优化教育教学环境、提供适宜的学习资源与有效的学习支持提供依据,以便最终促进每一个学生实现知、情、意全人化发展。

二、大数据实现个性化学习和因材施教

苏霍姆林斯基在《给教师的建议》中提出的第一条建议即是“请记住:没有也不可能有抽象的学生!”。分析学生的学习特点与个性化特征,了解学生的个性化学习需求,为学生提供个性化的支持是有效教学的起点。然而,以往教师对学生的了解主要依赖于考试成绩、作业等信息以及日常的教学观察。

客观上,一位教师在面对数十名学生时,难以保证有精力去充分了解每一位学生的个性化特征与需求,致使教师不得不把对学生的关注主要聚焦于学业成绩,把有限的精力放在学习成绩极好或极不好的两类学生身上,教学中的“学情分析”常常流于形式,停留在浅表化的、泛泛的分析层面,对于实际的教学没有实质性的帮助。缺乏教书育人经验的教师更是容易忽视学情分析而仅仅依据片面的判断做出失当的教学决策。由此,绝大多数学生在事实上成为了“隐形人”,并没有得到个性化的学习支持。

大数据技术的介入让教师不但有机会收集到每个学生全面的学习过程与成果信息,也可以收集学生所处的学习环境与资源信息,为教师全面分析学生的学习需求、深入剖析影响学生学习过程与效果的因素提供依据。教师可以通过大数据了解每个学生的特征与学习需求,分析学生学习中存在的共性问题与个性问题,反思教学得失,理性决策下一步教学行为,从而实现因材施教,为学生的个性化发展提供支持。

三、大数据促进协同合作,支持学生的全人化发展

基于大数据,可以实现对多维教育数据的深度分析,可以满足不同教育参与者的需要。除了教师能够通过大数据分析学生学习过程与结果调整自己的教学行为以满足学生的全人化、个性化发展需求外,家长可以通过大数据了解学生的学习表现、学习需求、学习环境等;学校则能通过大数据了解学校学生的学业现状、本校学生发展与外校学生发展之间的差别、学校教育教学资源配置的合理性等;教育管理部门可通过大数据分析教育教学资源建设与应用的适切性、教育政策的有效性等

大数据,让学校、家庭、社区与教育管理部门既可以全面了解、客观分析学生的发展现状及存在的问题,又可以反思是否因自身的支持不够而影响了学生的发展,并探析自身还需要为学生的发展提供何种支持。大数据的引入可以整合学校、家庭、社区与教育管理部门的协同努力支持每个学生的发展。

四、大数据促进终身学习和可持续发展

一方面,技术的介入、多样化学习设备的出现使得人类学习进入目标微型化、时间碎片化、地点泛在化的时代,学习可以随时随地发生。尤其是随着移动学习、电子书包、翻转课堂、慕课(MOOC)、创客教育等基于信息技术支持的新型教育教学模式的出现,更需要有效整合大样本数据支持更系统、全面、科学的学习分析与教学评价,根据新型学与教方式的实际情境与需求重新考虑学习分析与教学评价的实施方式、过程与时机,为学生的泛在学习与终身学习提供支持;另一方面,大数据的应用可以整合学生在不同学习阶段产生的数据,数据分析结果可以为学生未来学习、工作、生活提供预测与建议,有助于学生的终身学习与可持续发展

可见,大数据的介入使得我们不再拘囿于对学生个体的单一化信息的经验性判断,而是可以基于对大样本学生的全方位数据的分析,让教育教学决策不再依赖于对局部数据的抽样;让我们不再拘泥于对片断化、短期性数据的精确度追求,可以在更宏观的层面洞察问题的本质,不再单纯地追求因果关系而是可以进行更为系统的相关性分析;可以实现对教育数据的全方位、全程性跟踪,挖掘出更多的隐性数据及数据之间的关联性,从而有效提升教育教学预测与决策以便及时地、科学地予以干预,有助于教育教学效果的优化与教育教学质量的提升,并最终保障学生实现全人化、个性化成长。

本文来自企鹅号 - 互联网教育风向标媒体

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

量子计算机商业化6大赛道:人工智能、分子模拟、粒子物理等

【新智元导读】人工智能、分子模拟、密码学、金融建模、天气预报、粒子物理学,本文介绍了量子计算机在6大领域的应用。 计算机并非存在于真空中。计算机用于解决问题,而...

380110
来自专栏人工智能头条

【CCAI 2016专访】今日头条李磊:研发不能只靠有监督学习 知识表示框架是未来AI核心

26170
来自专栏机器学习算法与Python学习

为什么说自然语言处理是人工智能的核心

关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第一 【Python】:排名第三 【算法】:排名第四 如果一台计算机能够欺骗人类,让人相信...

71960
来自专栏量子位

张一鸣倡议AI发展要讲责任,马维英谈头条AI现状和未来 | 实录

李根 假装发自 诺金酒店 量子位 报道 | 公众号 QbitAI ? △ 今日头条创始人、CEO张一鸣 “作为人工智能的企业,应该永远恪守一条原则:必须对整个...

36250
来自专栏人工智能头条

IBM苏中:认知时代 计算系统需要左脑和右脑的结合

19060
来自专栏量子位

AI如何变革阿里电商?iDST首席科学家任小枫首次公开演讲

李根 发自 云栖小镇 量子位 报道 | 公众号 QbitAI 2017云栖大会,与马云同时开启演讲的技术专家,是iDST首席科学家兼副院长任小枫。 这是他今年...

36860
来自专栏AI科技评论

学界 | Jeff Dean撰文:谷歌大脑是如何完成科研使命的?

AI科技评论按:如果说起谷歌,想必你一定不会忽略Google Brain(谷歌大脑团队)。谷歌大脑在2011年初由吴恩达、Jeff Dean牵头组成,并在后来相...

38580
来自专栏IT技术大会

2018全球机器学习技术大会40位大神即将开讲!

​​​"Can Machine Think?" 1936年阿兰· 图灵提出「图灵机」以及机器具备「思维」的可能性。历经82年,以机器学习为代表的人工智能经过近几...

19260
来自专栏全栈数据化营销

专注数据化营销圈子,讲3个数据挖掘案例,送经典营销资料

“营销生财”小密圈专注数据化营销,通过数据采集、数据分析、数据挖掘,寻找出营销机会和渠道,为营销建立科学的分析、推广、监测体系,也会涉及广告、文案、生意项目分析...

65490
来自专栏新智元

云知声黄伟:AI 从感知、认知向通用智能演进,深度学习技术落地秘笈

【新智元导读】云知声 CEO 黄伟在 世界人工智能大会 AI WORLD 2016 发表演讲《AI 已来,未来已来》,分享了云知声在技术、产品、商业上的思考。黄...

54550

扫码关注云+社区

领取腾讯云代金券