教育大数据之潜力学生的挖掘

教育大数据能够对学习者的所有信息进行系统的整理和分析，例如：可以运用大数据设计教育环境，完善教学的场景，配置教育试验场景等，这些都能够充分的调动学生群体在学习领域中的主动性和积极性，对教育领域的发展有不可估量的作用。

1、适应性教学支持

适应性教与学是教学的最优化状态。适应性教学中的内容、方法和过程都可以根据学习者的状况来进行定制，让每个学习者都有可能获得适合自己的最大程度的发展。适应性教学的实现，需要基于学习者的个体特征和学习状况的全面分析。大数据为了追踪和整合这些数据，对学生进行个性化支持提供了可能。

基于大数据独特性质，可以精细刻画学生特点、洞察学生学习需求、引导学生学习过程、诊断学生学习结果。通过对学习者学习背景和过程相关的各种数据测量、收集和分析，从海量学生相关的数据中归纳分析各自的学习风格和学习行为，进而提供个性化的学习支持。

2、教学规律发现

在大数据的驱动下，教育研究将出现不同的态势，通过挖掘、分析教育大数据，研究者可以量化学习过程，展现学习状态，发现影响因素，找到干预策略，从更深的层次挖掘教育规律。诚然，规律发现并非易事。但可以肯定的是，在多来源、大体量数据的基础上，通过技术手段进行数据汇集和共享，组织研究者进行群体协作，开展大量能够进行标准化具有对比意义的研究，最终更易发现真实的教育规律。

大数据在教育领域中主要作用就是进行预测、行为分析、学院分析等，大数据在学生学习过程中产生各种的大量数据进行分析，大数据显示的数据可以为学校和老师做个参考，能够及时准确的评估学生的学习状况，发现学生潜在的学习问题，进而来预测学生未来的发展与表现。更能提高学习者的的学习行为和教师的教学效率，对症下药。

3、信息化校园管理

大数据时代，信息传递的速度超乎我们的想象，各类学校都需要及时掌控跟自身相关联的教育资讯，洞察网络舆情发展，对于各大高校来说，借助大数据技术来实现信息化管理是大数据时代的必然。

多维度细颗粒度数据对比分析

以一个学生的成绩分析为例，从分数排名错题知识点，横向的纵向的整体分析。

成绩统计分析

主观题评卷完成，系统将按照设定的统计项目、科目及指标进行统计分析，并生成各类统计分析报告。

4、数据挖掘找出潜力学生

（1）采集学生的学习数据，

每次检测后，各班各学科任课教师将学生成绩输入进校园网成绩管理系统。系统自动完成以下功能。

1、班级各学科平均分。

2、学科班级优秀率（单科全校前160名且总分全校前240）。

3、学校班级总分段：每个班总分各分数段人数统计

4、班级单科分数段。

5、历次考试全校各班前160、180、200名人数对比。

6、全校前160名成绩册

7、全校各班成绩册

通过以上分析了解学校的教学情况，通过人数的对比了解整个学期阶段的变化。横向纵向的分析使全校师生都有一个清晰的认识。

（2）通过分类任务来进行学生成绩评估

按照知识点的表现情况（得分率）进行分类任务的成绩评估。

找出学生的知识漏洞，进行及时的补救措施。

（3）利用聚类技术。

进一步的识别成绩的浮动，并且可以发现数据之间的关系、属性总体的分布格局。

（4）挖掘数据。

学生表现是由内部评价和期末考试确定，基于学生在教学活动中的课堂测试、作业、考试成绩来进行深度的挖掘。

（5）学生的追踪分析应用

例如：有360名学生在各次检测中的情况，对其分析；或某次考试进入全校前240名的学生，在以前各次检测中的表现，关注其以后的表现，发现其潜力。

▼