教育教學數據分析

㈠ 如何通過抓取教育大數據來深化課堂教學改革

現代信息技術的發展為大數據的收集和分析提供了無限的可能，大數據時代的這一趨勢也對教育產生了巨大的影響：一方面，在科技理性的指導下，通過多維度收集學生行為的數據並進行模型建構，可以對學生的學習行為進行預測;另一方面，大數據時代的人文主義轉向使人們更關注教學活動的適應性，教育大數據的挖掘和利用可以更好地實現適應個人需求的定製化教學。

國際數據公司(IDC)認為大數據時代數據有4大特點——數據的規模大、價值大、數據流轉速度快以及數據類型多。大數據的挖掘和利用對教育——特別是課堂教學——產生著深遠的影響。學習科學家索耶認為：越來越多的學習將經過計算機中介發生, 並產生越來越多的數據,我們有必要運用這些數據分析什麼時候有效的學習正在發生。所以數據挖掘可以用於探究行為與學習之間的關系,如學習者的個體差異與學習行為之間有何關系,不同行為又會導致何種不同的學習結果等。2012年美國發布《通過教育數據挖掘和學習分析促進教與學》(Enhancing Teaching and Learning through Ecational Data Miningand Learning Analytics)提出大數據時代教育數據的特點：具有層級性、時序性和情境性，其中數據的層級性指，既收集教師層面的數據也收集學生層面的數據，既收集課堂數據也收集活動數據，為後期模型的建立提供了多維度的資源;數據的時序性是指，數據是實時的、連續的，為材料的前沿性提供了保障;而數據的情境性是指，數據是基於真實情境脈的，保證了模型的信度。

大數據技術能夠促進以學生為本的學習，數據不僅僅是科技理性指導下收集數據和擬合成模型，並針對學生的群體行為做出預測判斷，還可能在固有模型的基礎上，通過診斷學生在課堂中的行為表現，對固有模型進行修改，使課程內容更加適合學生的長尾需求，實現個性化教學。大數據的利用可以支持對教育活動行為的建模預測，還可能支持教育實踐中的適應性教學。前者是後者的基礎，後者是前者的深化。

建模與預測導向的大數據應用

大數據時代數據促進教育變革的方法之一是收集和分析處理數據，並進行預測。現如今，由於數據記錄、存儲與運算的便捷性，海量的、多層次的數據可以便捷地加以收集，由隨機抽樣帶來的誤差因此減小，建模和預測可以基於全數據和真實數據，因而就更為精確。大數據時代通過探求海量數據的相關關系獲得盈利的最成功的案例是亞馬遜的市場營銷，亞馬遜收集讀者網上查閱行為和購買行為數據，建立讀者偏愛閱讀模型，預測讀者購買的群體行為，實現書籍的推薦。近幾年，教育研究的對象逐漸關注學生的學習行為，其背後是一種學習觀的轉變，學習被視為一種識知的過程(knowing about)，識知是一個活動，而不是將知識作為一個物品加以傳遞。識知總是境脈化的，而不是抽象的和脫離於具體情境的。識知是在個體與環境的互動中交互建構的，而不是客觀准確的，也不是主觀創造的。所以，學生的行為活動數據被認為是可以反映學生在學習過程這一情境化的動態變化進程中的情況。海量、多層次、連續的行為數據在收集後被擬合成模型，實現預測，如學習管理系統(LMS)的運用。然而，由於建模和預測依賴的基本原理為數理統計，其預判對象主要是學生的群體行為。

1.案例分析

學習管理系統(Learning Manage System)簡稱LMS，是基於網路的管理系統平台，用於監控學生學習活動行為，識別和預測學困生(student at-risk)，並為其提供相應的幫助。大多數LMS包括5個部分：有和課程相關的學習資料、用於確保學生提交作業與完成測試的評價工具、用於溝通的交流工具(如郵件、聊天室等)、用於確保教師記錄和存儲學生的學習活動並發布活動截止日期的課程管理工具、用於幫助學生學習回顧和跟蹤學習進程的學習管理工具。在高校大量使用的BB(Blackboard)平台就是一個常見的學習管理系統。系統記錄了學生參與選修的網上課程的種類、在線時長、閱讀和瀏覽的文章數量，反映學習者的學習行為。2008年，Leah P.Macfadyen和Shane Dawson教授在加拿大不列顛哥倫比亞大學通過分析5個本科班級使用BB平台選修生物課的數據，建立了預測模型。平台記錄了學生課程材料的使用情況、參與學業交流情況和完成作業提交和考試情況。大數據時代教育數據記錄的層級性在這裏充分顯現，課程材料的使用包括記錄在線時長、郵件的閱讀時間、郵件的發送時間、討論信息的閱讀時間等。參與學業交流記錄了發布新討論的時間、回復討論的時間、使用搜索工具所花的時間、訪問個人信息的時間、文件的瀏覽時間、瀏覽誰同時在線的時間、瀏覽網頁連結的時間等等。評價模塊記錄了評價的閱讀時長和提交評價的時間等。通過應用統計工具描述散點圖，發現了在LMS記錄下學生在線時長和學業表現呈相關關系。在進行多元回歸時，研究者發現，學業成就處在後四分之一的學生在線時間略長於平均時間，而學業成就處於前四分之一的學生的在線學習時間低於平均水平。緊接著，研究人員為了作出預測，利用邏輯斯特回歸生成了一個預測模型，通過收集學生的新的行為數據，預測學生是否處於真正參與了學習活動，並得出如下結論：討論舉行的次數、郵件信息發送量和測評的完成情況這三個維度構成的模型可以預測學生的學業水平情況。

大數據時代，通過探求學生行為與學業水平之間的相關關系，建立模型，實現預測，能夠對課堂教學產生重要影響。然而，數據建模過程中，為了保證模型的效度與信度，極端個別數據被處理，使模型只能實現群體行為的預測，不能針對學習者個體實現定製化和個性化。

2.建模與預測的不足

數據建模與預測的背後充分體現了實證主義的思想和方法。19世紀上半葉，以孔德為代表的社會學家提出了實證主義的基本信條：利用觀察、分類，探求彼此的關系，得到科學定律。實證主義的哲學思潮到20世紀60年代，演變成一種科技理性，實踐知識逐漸染上了工具性的色彩，專業活動存在於工具性的解決問題之中，所有的專業活動都被視為釐定目標、套用已知的方法解決問題的過程。這一期間，大量的學科被系統地整合發展，甚至包括教育學和社會學這樣的「軟科學」。用證據解決未知的問題，用數據預測未來一時成為潮流。

學生活動行為數據的建模尤其側重體驗實證主義的思想，模型注重成功教學行為的共性，忽視教師與學生群體的獨特性需求時，科技理性的主導有可能使課堂教學被視為獨立於真實境脈的模塊，只要教學行為取得成功，就會被數據抽象化，形成模型，對學生群體行為產生預測。科技理性有賴於人們認同的共有目標，教學實踐目標的釐定極其復雜，包含巨大的不確定性和獨特性，甚至，由於社會角色的不同，還會帶來價值沖突。一個穩定的、為所有人所認同的目標不復存在，依據科技理性精神和方法推理預測的行為模式並不可能滿足每一個人的需求，教育變革在大數據時代下出現新的取向。

從數據模型到支持適應性學習

在數據建模的基礎上實現教學的適應性是大數據時代促進教育變革的另一成果。數據建模及行為預測依舊屬於科技理性指導下的行為模式，可能會造成忽視學生個性需求的現象，而個性化需求正是知識社會的重要特徵，個性化的教育也受到教育研究者、政策制定者和教育實踐者越來越多的關注。教育系統設計專家賴格盧斯認為，教育投入沒有達到效果的一個很重要的原因是忽視了社會的轉型。「社會已經從工業社會步入了資訊時代，勞動力市場對人才的要求不再是工業時代在流水線上操作的工人，而是具有創新性思維、決斷力強的知識性人才。」教學面臨從產生清一色的勞工轉向產生有判斷力和適應性能力的人群。2010年，OECD的報告《The Nature Of Learning》中指出，適應性能力(adaptive competence)是21世紀核心競爭力，包括在真實的境脈中靈活並有創造力地使用有意義的知識和技能。吳剛在《大數據時代的個性化教育：策略與實踐》中提出了個性化教育的必要性和必然性，指出「只有利用信息技術所提供的強大支持，才有可能真正實現個性化學習」。大數據時代的來臨，正是個性化教育發展的一個良好契機。2012年，美國頒布了《通過教育數據挖掘和學習分析促進教與學》，提出大數據時代，通過收集在線學習數據，對數據進行分類和探尋數據之間關聯的方式挖掘數據，形成數據模型。通過學生行為和模型的互動，形成適應性學習系統。概言之，我們可以以對行為數據的充分利用為基礎，改變教學的內容和進度，構建適應性評價和教學系統，充分實現教育的定製化，滿足學生的長尾需求。

1.案例分析：
適應性教學系統又稱適應性學習系統，(Adaptive Learning Support System)，簡稱ALSS系統，強調基於資源的主動學習，認為學習不是知識的傳遞，而是學習者的自我建構。自上世紀90年代以來，研究者開發了不少適應性學習系統，如1998年De Bra開發的AHA系統，2003年，Brandsford和Smith開發的針對任務型學習的MLtutor系統，以及近幾年頗受關注的翻轉課堂(Flipped Classroom Model)簡稱FCM系統。

• 內容傳遞模塊：傳遞相關知識與信息支持學生的學習。
  

• 學習者資料庫：存儲學生在參與教學活動中的相關行為。

• 預測模塊：包括學生信息和學生行為數據，跟蹤學生的學習，並做出預判。

• 顯示模塊：為學生生成行為報告。

• 自適應模塊：根據學生行為生成的報告，反饋到預置模型，為模型做出相應的改變，使之更符合學生。

• 干預模塊：使教師、系統管理者和領導可以在系統運行時實施人為干涉。

學習者學習相關學科內容時，學習行為被記錄跟蹤下來，學生的學習行為數據被傳送到後台，記錄在學習者資料庫內，作用於預測模塊。預測模塊通過改變內容傳遞模塊，再次作用於學習者。在整個過程中，教師、教學管理者起干涉作用。

適應性學習系統是一個交互的動態系統，系統往往會提供給學生一些學習行為建議。奧地利針對學生的問題解決的過程設計了一個適應性學習系統。適應性學習系統的第一步是教育數據挖掘(ecational data mining)，簡稱EDM。數據挖掘的過程包括數據收集、數據預處理、應用數據的挖掘和詮釋評價發展結果。Moodle提出了CMS數據挖掘系統(Course Management System)。研究者先使用原始數據進行建模，第一步是原始數據的收集，原始數據大約包含2007年73名用戶產生的28000活動例子，2008年97名用戶產生的265000份解決問題的案例和2009年45名用戶產生的115000個活動案例。除了記錄學生解答問題時產生的數據，原始數據還收集了學生的信息、問題的信息和解決問題的步驟;在對數據進行分類後，歸納出問題解決的類型，利用很擅長擬合連續數據的Markvo Models(MMs)的一個子模型DMMs擬合了如上的連續性數據，通過添加判斷學生學習行為的結果模型和一系列監控和調節模塊，構成了整個面向問題解決的適應性系統。當學生使用這個模型時，模型會根據學生的行為數據為學生提供他們所偏愛的解決問題的過程與方法。

除了適應性教學系統，還有適應性評測系統。LON-CAPA(Learning Online Network with Computer-Assisted Personalized Approach)是一個計算機輔助的個性化網路學習測評平台，平台不提供課程設計和課程目標，而是一個教學工具。CAPA通過後台記錄學生的基本資料，學生參與的互動交流、學業情況，針對學業課程中的疑難點，提供個性化的考試資源。

2.適應性轉向的意義

在大數據時代，科技理性指導下的模型預判在面對結構不良的問題時顯得應對能力不足。科技理性指導下的數據建模忽視學習的真實境脈，只能支持群體行為的預判，模型的推廣可能會使人們忽視其實踐成功背後的個體經驗與具體情境，從而導致科技理性與哲學思辨對抗。然而，完全依靠哲學思辨和經驗進行教學不僅不利於教育學科系統理論性的發展，也不利於課堂實踐的管理與教師的培訓。唐納德·A.舍恩提出了一種適應性思維模式。他指出：「如果科技理性的模式在面對『多樣』的情境時，是無法勝任、不完整的，甚至更遭的話，那麼，讓我們重新尋找替代的、較符合實踐的、富有藝術性及直覺性的實踐認識。」適應性學習是在系統理論知識的指導下，針對個體差異，使學習內容和活動高度個性化的學習方式。

適應性平衡了理性與經驗的兩難，英國學者Hargreaves(1996)首次提出基於證據的教育研究向醫療診斷學靠攏。臨床診斷學和教育的相似之處在於，他們都要面對變動不居、極其復雜的環境，在這樣一個結構不良的系統中，充分意識到客體(患者或者學生)的獨特性與共性，利用系統的專業知識解決問題。

Ralf St. Clair教授在參考醫學臨床實踐研究的三要素後提出基於證據的教育研究的三要素——研究的證據、教育工作者的經驗、學習者的環境與特點。其中，行為預測關注的是研究的證據，而適應性學習系統的建設則關注的是教育工作者的經驗和學習者的環境與特點。

從預測行為到支持適應性教學的轉向，是一種人文主義的轉向，教育研究的重點從關注研究的證據走向關注教育工作者的經驗與學習環境特點，關注以證據支持個性化學習的實踐變革。證據不再是其在科技理性時代所處的指導決策的角色，而是被視作一種資源，教育工作者在大量的基於證據的課堂教學決策中找尋最適合自己特點和學生特點的方式，推進課堂教學流程。也就是說，大數據的更重要價值在於支持適應性學習，滿足個性化學習和個性化發展的時代需要。數據的預測功能依賴於大數據收集數據的全面性與處理數據的便捷性，根據統計學原理對群體行為做出預測，一定程度上弱化了個體特徵和具體情境。其主要指向行為預判。而適應性是在模型與客體的交互作用上改變模型，如圖3所示，數據的適應性運轉模型比預測模型多了一個循環(loop until)系統，使其更加契合個人需求，其主要指向實踐改進。預測是支持個性化學習的基礎，而支持個性化學習是預測功能的深化和轉化——從整體人群到個體學習者、從理論模型到實踐策略的轉化。

分析與啟示

大數據時代由於數據量大，數據收集與攜帶便捷，使海量學生行為數據被挖掘、收集，通過數據建模對學習者行為的分析變得比前大數據時代更為全面和可靠。數據時代在數據的挖掘和預測上固然潛力十足，但是大數據時代更多的價值是滿足學習者的適應性長尾需求，在預測行為的基礎上，修改教學模式，使之個性化與定製化。從數據建模走向支持適應性教學，支持對象從群體轉向了個人，對教育活動的影響從對行為的認識轉向了教育活動的實踐，從科技理性指導下的去境脈轉向了基於真實情境的教學活動。

走向適應性，不僅改變人類行為方式，更重要的是改變了認知方式。前大數據時代人們在科技理性的指導下完全被數據證據左右(driven by the data)，教師和學生、教育決策者和學校形成傳統社會契約關系，當事人把自己百分之百地交給專業工作人員，而專業工作人員遵守契約，對當事人全心全意地負責，從而使專業工作人員享受至高無上的壟斷性地位。大數據時代，教師不再是知識的控制者，他通過參與學生的學習活動，根據學生的先擁知識和認知特點、個性需求，不斷地調整教學步驟、教學進度和難度。學生不用完全將自己有如病人交付給醫生一般完全託付給教師。在學習的過程中，通過與教師的互動交流，在教師的協助下，成為自己學習的主體，控制並對自己的學習負責。由於教師精力有限，大數據時代下網路計算機輔助學習系統可以為教師和學生提供輔助指導的機會。

盡管如此，一方面，我們要擁抱大數據給我們帶來的便捷的生活和高質量的教育，另一方面，我們需要保持警惕和防止因果關系和相關關系的誤用，並且維護數據安全。

在推理方面，教育工作者需要警惕將相關關系和因果關系誤用，以Leah P.Macfadyen教授的前述案例為例，BB平台在線時間的長短和學生的學業成就有相關關系，而非因果關系，成績優異的學生在線時間低於平均在線時間，但不能說低於平均在線時間的學習導致學生成績優異而要求學生減少在線學習時間。

此外，在信息安全方面，學生和教師的大量信息被收集和使用，在使用的過程中，必須制定相關私隱保護法，保證信息的安全，警惕數據濫用。學生的行為數據也不可以作為教師教學評優的依據，讓大數據真正成為支持教學變革、提升教學效能、促進學生發展的手段，而不是控制教師和學生的工具。

㈡ 你手中擁有什麼樣的教育教學數據如果有,打算做何種分析。

當然有用，您可以知道行業動向，看別人店一對比就知道自己差到哪裡。分析對手策略和手段，好做相應的措施進行應對。很多時候還可以看到意想不到的東西。

㈢ 想報考湖北文理學院教育學專升本，目前正在實習，哪裡可以得到歷年報考數據分析呢

你可以直接去學校咨詢下，學校招生辦會詳細給你介紹，抽空去看看吧，應該有收獲

㈣ 教育行動研究的數據分析方法有哪些

網上直接搜索 結合實例談談運用行動研究反思教學的過程. 一、涵義行動研究就是實踐者為了改進工作質量,將研究者和實踐者、研究過程與實踐過程結合起來,在現實情境中通過自主的反思性探索,解決實際問題的一種研究活動. 二、基本特徵1、為行動而研究； 2、在行動中研究； 3、由行動者研究編輯本段二、教育行動研究的內涵教育行動研究是在實際情景中,由實際工作者和專家共同合作,針對實際問題提出改進計劃,通過在實踐中實施、驗證、修正而得到研究結果的一種研究方法. 主要特點1、實踐導向 2、協同研究 3、反省思考編輯本段三、教育行動研究的意義（1）有利於解決教育教學實際問題,提高教育教學的質量； （2）有利於促進教育研究模式的變革,推動教育科學的發展； （3）有利於提高教師的專業素質,促進教師專業的發展； （4）有利於提高教師自我意識,增強教師職業的樂趣與尊嚴. 編輯本段四、教育行動研究的過程作為行動研究的一個完整單元來講,無論哪一種對行動研究過程的理解, ,「問題」、「計劃」、「行動」、「反思」四個環節是必不可少的. 一、問題「問題」階段主要完成的是明確問題與分析問題兩個方面的事情. （一）明確問題 1．明確問題的方式 (1)教育實踐中面臨的問題. (2)理論學習受到的啟發. (3)他人成功經驗的啟示. (4）通過社會調查發現問題. 2．確定問題的原則 (1)實踐性. (2)可行性. (3)科學性. （二）分析問題 分析問題是對被確定為研究課題的向題,用自我追問的方式從不同層面、不同方面進行把握,要盡可能地明確這個問題的種類、范圍、性質、形成過程及可能影響,使要研究的課題變得更具體、更清晰. 二、計劃計劃就是擬研究問題的可能策略. 總體的計劃應包含以下幾個方面的內容和要求： （一）計劃的內容 1．計劃實施後預期達到的研究目的； 2．行動的步驟與時間的安排； 3．行動研究涉及的人 ； 4．准備將要使用的問卷或其他收集數據的工具 ； 5．對課程實施改變的因素以及如何觀察或監控這些因素； 6．如何實施已修改的策略 （二）計劃的要求 1．計劃要具有可行性 ； 2．計劃要明確具體； 3．計劃要具有靈活性三、行動行動環節是指行動者在獲得了關於背景和行動本身的信息,經過思考並有一定程度的理解後,有目的、負責任、按計劃採取的步驟.把計劃付諸行動是行動研究的核心步驟.行動階段包括兩個方面：行動及對行動的考察. （一）行動 這是教育行動研究最關鍵最核心的環節.行動研究的根本目的就是要解決實踐（行動）的問題,改善實踐（行動）的質量.行動是不斷調整的、靈活的、能動的,包含著行動者的認識和決策. （二）考察 考察主要指對行動過程、結果、背景以及行動者特點的考察. 1．考察的方法 (1)觀察法 (2)訪談法. (3)問卷法.(4）文獻分析法 (5)三角分析法. (6）日誌法. (7)個案描寫法. 2．考察的要求 在考察中,要注意按計劃,但不滿足於先定的構想,也不要過多地受到執行中可能遇到的問題的困難的干擾,隨時注意觀察、改善和解決問題的變化情況,及時記錄各種新 情況、新問題和新感想.如果遇到問題,也要隨時做到具體分析. 四、反思反思是對行動過程及行動結果的思考. （一）評價 評價即對行動的過程和結果作出判斷評價,對有關現象和原因作出分析解釋,找出 計劃與結果的不了致性,從而形成基本設想,總結計劃和下一步行動計劃是否需要修正,需作哪些修正的判斷和構想. （二）總結 主要工作是整理和描述,即在評價的基礎上對觀察到的、感受到的與制定計劃、實施計劃有關的各種現象加以歸納整理,描述出研究的循環過程與結果. 總之,教師的整個教育行動研究過程是不斷通過教師的實踐、反思、調整,直到使教育教學活動有新的改進.因此,教育行動研究是一個開放的循環的過程,是一個從不會間斷的過程. 編輯本段五、教育研究的途徑一、問題研究根據問題研究的水平,問題研究有三種： （一）直覺型問題研究 （二）探索型問題研究 （三）理論型問題研究二、合作研究根據合作的形式,合作研究的模式有如下三種： （一）教師與專家之間的合作研究 （二）校內教師之間的合作研究 （三）協作型的合作研究三、敘事研究按照教師參與和改進的程度,敘事研究可以分為三類： （一）經驗敘事 （二）反思敘事 （三）自傳敘事四、反思研究根據教學的過程,反思研究有三種模式： （一）教學前反思 （二）教學中反思 （三）教學後反思

㈤ 中國教育提分平台有什麼優勢

中國教育提分平台（簡稱CISC）是河北南昊集團傾心打造出的一款以「讓天下師生減負提分」為願景，在倪光南院士和董雲庭教授的指導下，以公司硬體技術優勢和市場優勢為基礎，以教育教學需求為導向，運用先進的人工智慧和大數據分析技術構建起的平台。
該平台通過自身十二類終端系統，將學生考試數據及平時測堂數據整理上傳到自身雲平台。再通過收集上來的數據，整理、計算、分析，可以針對用戶產生以下五個產品。即1：學生、老師、教管、學校、教育廳個性化教學質量分析報告本；2：學生、班級、年級分類錯題本；3：學生個人考試糾錯本；4：學生個人假期作業本；5：學生個人升級復習本。
1：學生、老師、教管、學校、教育廳個性化教學質量分析報告本
通過南昊教育測評硬體入口，採集日常學生考試、作業、課堂訓練等全過程數據，通過大數據分析計算，利用先進的評價分析方法從不同的角度分析和反饋教育教學質量情況，引導教師改進教學方法，提高學生分數。
2：學生、班級、年級分類錯題本
分為個人錯題本、班級錯題本、年級錯題本，分別匯集了學生、班級、年級在考試、作業、訓練中出現的錯題，按照順序歸納整理，分析代表的知識點和題型，統計正答率，得出高頻錯題。題乾和答題情況分類顯示，一目瞭然，方便練習鞏固。
3：學生個人考試糾錯本
針對學生月考、期中期末考試、模擬考試、中考、高考等大中型考試中出現的錯題糾錯改正，杜絕同類題丟分的需求，通過智能測評分析、生成每個學生專屬的提分報告，依據最優學習路徑，結合學生對知識點掌握程度差異，按照認知、基礎、鞏固和提升四個階段，定製出個性化提分練習題集。
使用該本，可以讓學生對薄弱知識點強化訓練，糾正錯誤，舉一反三，徹底打破題海戰術，實現精準提分平均幅度在10分以上。
4：學生個人假期作業本
針對學會個人暑（寒）假通過作業達到提高成績的需求，通過對整學期考試、作業數據的統計分析，得出知識點掌握情況，按照提分模型、精準編排的個性化假期作業題集。
使用該本，可以讓學生做不同的作業、做自己的作業、做提分的作業，讓好學生更快提高，讓稍差的學生利用假期對前面學過的知識進行查漏補缺，系統鞏固，彌補不足，把學習趕上來，輕松應對後面新學期。據樣板學校試用統計，有效提升成績25.6%以上。
5：學生個人升級復習本
針對學生個人在升級階段復習的需求，通過統計分析整學年考試、作業數據，得出的知識點掌握情況，按照提分模型精準推出的個性化復習強化訓練題集。
停用該本可以讓學生復習有目標，做到有的放矢，不漏過一個細節，總結前面失分原因，有效提高升級、升學考試成績。
中國教育提分平台CISC大數據採集、挖掘，實現了對每個學生的每個學科知識點的動態分析，系統全部收錄每個學生每個知識點掌握情況，每次測驗錯題本全部跟蹤記錄。通過及時自送推送、隨意查詢、下載列印三項服務，為學生、家長、老師、教管及教育廳提供個性服務。

㈥ 小學各個學科教學目標之間有什麼聯系

課堂教學目標設計主要依據布魯姆的目標分類知識和加涅的學習分類理論。加涅的學習分類理論把學習結果分為三類認知、態度、動作技能,其中認知又分為言語信息、智慧技能、認知策略三方面。根據學習結果的特點,他把教學目標分成了五種類型言語信息、智慧技能、認知策略、動作技能、態度。

結合具體的語文教學而言,研究者指出學生的語文素養可以用加涅的五類學習結果予以教完美的解釋。言語信息在語文課程中主要表現為語文知識,主要指「語修邏文」方面的知識課文內容知識,指文章所陳述或蘊含的道理課文背景知識,指有關課文時代背景、作者生平與寫作意圖的知識。語文智慧技能是運用語言文字正確表述自己的思想的技能,主要體現在字詞句篇的掌握之中,學生通過字詞學習、句子學習、篇章學習獲得字詞句的積累,語感,識字寫字,口語交際能力等。

語文認知策略是一套如何學習語文的程序,主要指語文學習的方法和習慣,如識字、閱讀、寫作的方法等。語文動作技能主要包括發音技能和書寫技能。語文情感與態度主要指教材中的課文蘊含了許多情感態度方面的內容,包括道德和審美等。

加涅的學習分類結果主要對認知領域目標水平進行了劃分,而布魯姆等人則將教育目標按照預期學生學習之後所發生變化的行為分三個領域認知、情感、心因動作。

【借鑒布魯姆的理論,結合我國的教育實際,新課程改革確立了「知識與能力、過程與方法、情感態度與價值觀」的三維目標。其中「知識與能力」的「知識」目標分為了解、理解、應用三種水平,「能力」目標分為模仿、獨立操作、遷移三種水平「情感態度與價值觀」分為經歷感受、反應認同、領悟內化三種水平「過程與方法」指運用相關的認知策略在達到知識、技能、情感態度價值觀各教學目標水平的過程中獲得的能力。

㈦ 「互聯網+教育」時代來了，教育和老師將會迎來哪些顛覆

就教師專業發展而言，新技術、新理念短時間內撲面而來，教師們猶應接不暇。面向「互聯網+」時代，教育需要如何適應社會和時代的發展?教師又將如何面對教育的改變呢?
「互聯網+教育」在於其包容性更強。它集通信技術、計算機技術、移動技術、網路技術於一體，強調把線上和線下的活動聚合起來，為教育創建新的設計、開發、利用、管理和評價的形態。而「互聯網+』』對於教師專業發展，更多是教師線上成長渠道再造和重組，加的是在實踐中與互聯網等新技術相結合的教學創新。
教師發展新渠道的再造和重組
「互聯網+」時代的創新型教師發展，不必都要白手起家，從零起步。在已有優秀理念、方法基礎上，對適合自身教學發展渠道的改造和重組，也可以體現「互聯網+」的創新特色。這種創新因為有互聯網的參與，有多種混合技術的幫助，給教學專業發展帶來新的思路和體驗。
1、線上與線下的混合式發展
教師線上與線下相結合的成長渠道，是一個已存在多年的概念，那就是混合學習。根據ASTD(美國發展與培訓協會)2002年的界定，混合學習是指把不同情境下的學習活動，如面授學習、在線學習、自定步調學習等相結合的學習解決方案。何克抗教授是國內論述混合學習時間較早，且獲得較高引用率的學者。2004年何教授提出，「混合式學習(即blending learning)就是要把傳統學習方式的優勢和E-learning數字化或網路化學習優勢結合起來，既要發揮教師引導、啟發、監控教學過程的主導作用，又要充分體現學生作為學習過程主體的主動性、積極性和創造性」。這些概念是從學生的角度來闡述混合學習的，其實同樣適用於教師專業發展。
近十年來，因為信息技術的發展，教師的混合式專業發展渠道得到了極大的擴充，微課、MOOC、移動公開課等形式都成為其渠道再造和重組的表現形式。混合學習是優勢互補，是差距消彌，是效率提高，是效果改善;它追求的是一加一大於二的迭加，它利用的是四兩拔千斤的巧妙。教師通過混合式的專業發展渠道，用社交網路、在線平台、移動工具為專業成長搭建平台，建立起以個人成長目標為中心的專業發展圈。
2、參與或創建可深度參與的專業成長圈
到底什麼樣的專業成長圈才是符合「互聯網+」時代的混合式專業成長圈呢?虛擬教研也好，區域博客也罷，微信企業號、伴行3618智慧校園平台移動社群也行，都可歸結為專業發展的外在表現形式。「互聯網+」時代的出發點，是通過線上與線下的混合，能夠以較小的成本，伴隨著較高的效率，產出有創新性的優秀成果，帶來較大的領域影響力。
對於教師專業發展來說，就是要把線上的成長圈與線上的教學實踐相結合。用線上交流所獲得的新思考、新體驗，來改善線上的實際教學，更新舊理念，解決新問題，創建新環境。前幾年博客盛行，曾出現了「李克東難題」(為什麼教師博客有著豐富多彩的博客文字，但缺少深度互動的思想碰撞?為什麼教師博客發表了近萬篇博文，卻不能夠說出解決了哪些教學問題)，究其原因，那就是線上線下兩張皮。因為技術驅動的教師專業發展，會追逐流行的技術，如博客、微博、微信，但是很難走得深人。只有回歸到教育理念驅動的專業發展，用線上的交流思路來優化教學理念，改善教學實踐，那麼線上的交流活動就會自然地融人到教師的日常生活中。
我訂閱的微信公眾號中，有一個叫做「羅輯思維」。除了每天早上六點半准時的六十秒「語音早報」以外，「羅輯思維」發起了一系列的線上、實體的活動來建立媒體圈。他們舉行全國巡迴講座，招募同行，在公眾號上做圖書首發、微商等。訂閱數量超過五百萬的這個公眾號，在「互聯網+』』的時代里，成為特定人群中頗具影響的傳播渠道。

在今天的教育領域里，如果能有更多的具備「互聯網+」時代意識和能力的團隊，再配合各級行政部門的推廣舉措，那麼教師專業發展圈會得到新的重組和再造的機遇。資深教師可以在這個渠道中推廣自己的特色課，新手教師可以在這樣的渠道里訂閱到滿足自身需求的課程，教育類的優秀圖書、資源、工具、活動、社群都可以在這種線上渠道進行發布，那麼這樣的渠道就是一個「互聯網+』，時代的思想流通之道，優秀作品共享之路。
教育實踐中的創新應用與深入
「互聯網+」時代的教師專業發展，除了要有線上專業成長圈的融合，更要有線下教學實踐的創新。與以教師教學能力、個人經驗、主觀感受、教學傳承為主的傳統教學實踐方式不同，「互聯網+」時代的教學實踐要更多地體現基於技術參與的教學過程、基於數據分析的教學優化、基於實證分析的教研合作、基於個性張揚的教研自由。
1、基於技術參與的教學過程
21世紀初，從「校校通工程」「農遠工程」開始，我國基礎教育信息化的系列項目，就把中國多個省份的中小學帶人了數字化發展的方向。在已聯網的機房裡，學生們可以登錄網路學習平台;在有Wi-Fi的教室里，學生們可以使用掌上學習機、平板電腦等教學類軟體;在戶外真實情境下，學生們使用移動學習終端或穿戴式設備進行探究式學習等。越來越多的學習情境是有技術參與其中的，這是「互聯網+」時代下教學的發展趨勢，也是教師必須面對的新挑戰。前「互聯網+」時代，教師專業發展的重點在於掌握技術，學習如何實現技術與課程整合，來輔助講授、促進協作、幫助探究，創設技術型的學習環境;而進人「互聯網+」時代，教師專業發展的重點在於讓技術無縫地「編織」進教學，利用技術支持的教學過程中所留下的動態生成性資源、過程性數據、學習痕跡等數據進行再利用，來實現教學優化。
2、基於數據分析的教學優化
在英國學者維克托邁爾一舍恩伯格和肯尼思庫克耶合著的《與大數據同行:學習和教育的未來》(learningwith big data; The future of ecation)一書中，作者提到了基於數據分析的教學優化，即雙迴路學習(Double-loop learning)。目前大多數的學習路線是單迴路學習 (Single-loop learning)，即在學習中犯了錯誤以後再去努力糾正。例如，學校只有在期末考試結束後，才發現哪些課程對於學生來說太難或太簡單，然後在下學期的教學中進行調整。雙迴路學習則不然。它會隨時用數據糾正自身的錯誤，同時利用反饋迴路中獲得的大量數據來做其他很重要的事情。以可汗學院為例，不僅有超過5000個多學科的視頻課程，它更有價值的地方在於積累學生如何學習的數據，並實時反饋給教師和學生。例如，基於每位學生做題的准確率運行一個統計模型，用以判斷學生是否很好地掌握了某個知識點，幫學生提供適合他們的學習路徑和步調;還會給教師提供整個班級和每位學生的學習表現圖，根據回答問題的數量、准確率等指標顯示學習實時狀況。
雙迴路學習把反饋、個性化學習、預測與干預結合在一起，為教學優化提供了寶貴的數據。因此，處於專業發展初級階段的新手教師們，可以做到用技術獲得數據，用圖示工具來理解數據，處於專業發展高級階段的資深教師們，就可以在此基礎上，用分析工具來解讀數據，用研究工具來預測、干預、優化教學。也就是說，研究型教師，依然是「互聯網+』，時代教師發展的高級階段，而且有.數據支持的實證分析，會給中小學教學實踐和改革提供更加堅實的基礎。
3、基於實證分析的教研合作
教師做研究也是老生常談的話題了。多年前陶行知先生在《教學合一》這篇文章中就提到，教師不僅要掌握教法、學法，更要把教學和研究相結合。因為教師不是小販，不能把別人的知識直接搬過來販賣給學生，如果只是照搬教材，或者把別人比較成熟的經驗和方法直接拿過來進行教學，而不根據學生特點進行適當改造，或者很少結合自己的教學思考與實踐，提出有獨創性的教學方法等，變成了知識的販賣者。這樣的教師很難有進步，學生就更難有突破和創新了。
那麼教師如何做研究呢?記得今年年初，《彎頂之下》紀錄片的發布獲得了極高的關注度。不僅因為選題直擊時弊，切合每個人生命健康，更是由於該片作者具有一定的調查分析能力，目標明確，資料翔實，層次遞進，自成邏輯。其實教育研究與新聞調查也有頗多相似之處:找准方向，提出問題，實地探查，多角度了解，相互驗證，深人分析，發布結論。有影響力的新聞節目與有價值的教育研究也有頗多共同點:選題針貶時弊，聚焦社會熱點和發展趨勢;提出問題簡潔但直擊要害;實地探查不遺餘力，長時間地紮根生活，得到鮮活富有生命力的典型例證;用科學的研究方法，對真實、大量、多角度來源數據進行科學分析。

「互聯網+」能使教師獲得更為豐富的過程性數據，讓他們更方便地使用數據分析的工具，也帶來了開展高水平利一研合作的機會。如果說互聯網時代，教育研究的數據來源多是需要主動收集，來支持小規模的常規化研究，而進人「互聯網+」時代，由技術支持的教學過程會自然而然產生出數據尾氣(dataexhaust )，即指學生與網路進行互動時衍生的副產品，如登錄信息、學習痕跡、交互對象、評價習慣等。這些數據存留於網路平台上，手機終端等智能設備里，教師可以與學校同事、線上成長圈的夥伴，甚至高校或利一研院所的專業研究人員合作，對這些數據進行深人的、大規模的、時間跨度較長的實證研究，從大數據的視角重新審視教學，發現新的研究問題。
4、基於個性張揚的教研自由
技術參與的教學過程，數據分析的教學優化，實證研究的教研合作，都是「互聯網+」時代教師專業發展的獨特性，然而技術、實證、數據、分析等不會自動地產生高水平的教師專業發展，歸根到底還是需要教師保持極富個人特色的獨立思考。
我曾經參加過美國密歇根州LATT工CE國際教師教研組織。記得有一次來LATTICE演講的是該州年度優秀教師瑪婷娜，一所高中的社會課教師。這位「當地名師」沒花很多時間去介紹她的教學理念、教學模式等，更多的是從國家的教育機制、學校存在的根本意義、當前教學的現狀與改革方法等與大家進行對話。印象最深的就是她帶領所有與會者思考:
「學校的根本作用到底是什麼，學生應該從一所理想的學校里獲得什麼，如何成長，你的思考或做法」等。教師們圍坐在一起，結合這個切人點寫關鍵詞，畫流程圖，分享好的做法。那次的教研活動給我很深的印象，高水平的教師專業發展活動不等於一言堂的名師講座或示範性樣板課，教學交流其實就是一場場不用達成共識的思想碰撞。
經驗分享或學習榜樣帶來的多是模仿，數據收集實證分析多是規范，而自由思考和滿懷熱情，才有可能帶來創造。齊白石寄語學畫者:「學我者生，似我者死」。任何時代下的教師專業發展，都是一項充滿了變數的馬拉松長跑，它需要教師持續的熱情，發自內心的渴望，以及和學生共同成長的成就感，是一個充滿個性化創造的過程。
「互聯網+」時代已到來，滲透，融合，重組，質變。教師專業成長是個永恆的話題，唯願保持獨立的個性和思考，共適應，共成長。

㈧ 有在大數匠教育學數據分析的嗎後期好找工作嗎

不是說課程學習完了就能從事這方面的工作，是要看你技術學的程序。

㈨ 統計學怎麼運用在教育中

統計是以數據表達事實，統計學是研究搜集、整理、顯示和分析數據的科學，以數據為研究對象，以統計圖表或報表分析報告為研究結果，目的是尋找統計數據內在規律性，從而認識客觀事物。自1969年諾貝爾經濟學獎設立開始至今，約有三分之二獲獎與統計有關，說明統計學在經濟學中佔有非常重要的地位。隨著科學技術的發展，人們越來越認識到不僅要觀察到事物的表面現象，而且要根據數據去分析這些現象的本質，找出內在規律，這就是統計分析的作用。「金融就是數據」，經濟分析很大部分也是對數據的處理，因此《統計學》是財經類專業的一門核心課程。在統計學教學過程中，一方面要將統計學的理論知識傳授給學生，另外一方面教同學如何分析遇到的財經問題，應用統計知識分析問題，並利用統計軟體來解決這些問題。
當然統計學和其他學科的教學一樣，有很多種教學方式，如課堂提問方式，這種方式是教師在適當的地方設置一些問題，讓學生參與討論和回答，能夠抓住學生的注意力，要求學生能夠認真專心聽老師講課，積極參與回答教師所提的問題，如果問題設置得當，能夠取得非常好的教學效果；還有項目教學法，該方法是以項目為中心，學生根據項目提出的要求進行學習，合作完成項目規定的目標和任務，並能夠應用統計知識解決具體的經濟問題和現象，該方式能夠極大地提高同學的積極性；還有實踐性教學，該教學方式將同學融入到社會實踐中，例如參觀實地教學基地，工廠等，給學生一個具體的實踐教學環境，加強同學的實踐意識，提高解決實際問題的能力，如參觀統計局，上海證券交易所等。但在統計學的教學過程中，根據統計學課程的特點，案例教學方式還是一種比較實用的方法。本文主要探討在財經類《統計學》教學過程中採用案例教學法並舉例說明，同時指出在應用案例教學中應注意的問題。

㈩ 教育教學中可以開展哪些教育數據分析對教育教學有何實際價值

我覺得教育復教制學中可以對以下教育數據進行分析並從中得到改善提高的點！

1、對全班學生每次的考試成績數據進行統計分析，分析得到的結果在以後的教育教學中可以作為彌補弱勢科目的依據！通過成績甚至每道考試題目的分析，可以看出學生的弱勢科目是哪一科、弱勢題型是哪一種，以後教學中可以相應加大對該科目該題型的時間、題量投入，查缺補漏，爭取在下次考試中不再犯同樣的錯誤，能取得好成績！

教育教學中可分析的教育數據還很多，希望謝謝對你有所幫助！