教育教学数据分析

㈠ 如何通过抓取教育大数据来深化课堂教学改革

现代信息技术的发展为大数据的收集和分析提供了无限的可能，大数据时代的这一趋势也对教育产生了巨大的影响：一方面，在科技理性的指导下，通过多维度收集学生行为的数据并进行模型建构，可以对学生的学习行为进行预测;另一方面，大数据时代的人文主义转向使人们更关注教学活动的适应性，教育大数据的挖掘和利用可以更好地实现适应个人需求的定制化教学。

国际数据公司(IDC)认为大数据时代数据有4大特点——数据的规模大、价值大、数据流转速度快以及数据类型多。大数据的挖掘和利用对教育——特别是课堂教学——产生着深远的影响。学习科学家索耶认为：越来越多的学习将经过计算机中介发生, 并产生越来越多的数据,我们有必要运用这些数据分析什麼时候有效的学习正在发生。所以数据挖掘可以用於探究行为与学习之间的关系,如学习者的个体差异与学习行为之间有何关系,不同行为又会导致何种不同的学习结果等。2012年美国发布《通过教育数据挖掘和学习分析促进教与学》(Enhancing Teaching and Learning through Ecational Data Miningand Learning Analytics)提出大数据时代教育数据的特点：具有层级性、时序性和情境性，其中数据的层级性指，既收集教师层面的数据也收集学生层面的数据，既收集课堂数据也收集活动数据，为後期模型的建立提供了多维度的资源;数据的时序性是指，数据是实时的、连续的，为材料的前沿性提供了保障;而数据的情境性是指，数据是基於真实情境脉的，保证了模型的信度。

大数据技术能够促进以学生为本的学习，数据不仅仅是科技理性指导下收集数据和拟合成模型，并针对学生的群体行为做出预测判断，还可能在固有模型的基础上，通过诊断学生在课堂中的行为表现，对固有模型进行修改，使课程内容更加适合学生的长尾需求，实现个性化教学。大数据的利用可以支持对教育活动行为的建模预测，还可能支持教育实践中的适应性教学。前者是後者的基础，後者是前者的深化。

建模与预测导向的大数据应用

大数据时代数据促进教育变革的方法之一是收集和分析处理数据，并进行预测。现如今，由於数据记录、存储与运算的便捷性，海量的、多层次的数据可以便捷地加以收集，由随机抽样带来的误差因此减小，建模和预测可以基於全数据和真实数据，因而就更为精确。大数据时代通过探求海量数据的相关关系获得盈利的最成功的案例是亚马逊的市场营销，亚马逊收集读者网上查阅行为和购买行为数据，建立读者偏爱阅读模型，预测读者购买的群体行为，实现书籍的推荐。近几年，教育研究的对象逐渐关注学生的学习行为，其背後是一种学习观的转变，学习被视为一种识知的过程(knowing about)，识知是一个活动，而不是将知识作为一个物品加以传递。识知总是境脉化的，而不是抽象的和脱离於具体情境的。识知是在个体与环境的互动中交互建构的，而不是客观准确的，也不是主观创造的。所以，学生的行为活动数据被认为是可以反映学生在学习过程这一情境化的动态变化进程中的情况。海量、多层次、连续的行为数据在收集後被拟合成模型，实现预测，如学习管理系统(LMS)的运用。然而，由於建模和预测依赖的基本原理为数理统计，其预判对象主要是学生的群体行为。

1.案例分析

学习管理系统(Learning Manage System)简称LMS，是基於网络的管理系统平台，用於监控学生学习活动行为，识别和预测学困生(student at-risk)，并为其提供相应的帮助。大多数LMS包括5个部分：有和课程相关的学习资料、用於确保学生提交作业与完成测试的评价工具、用於沟通的交流工具(如邮件、聊天室等)、用於确保教师记录和存储学生的学习活动并发布活动截止日期的课程管理工具、用於帮助学生学习回顾和跟踪学习进程的学习管理工具。在高校大量使用的BB(Blackboard)平台就是一个常见的学习管理系统。系统记录了学生参与选修的网上课程的种类、在线时长、阅读和浏览的文章数量，反映学习者的学习行为。2008年，Leah P.Macfadyen和Shane Dawson教授在加拿大不列颠哥伦比亚大学通过分析5个本科班级使用BB平台选修生物课的数据，建立了预测模型。平台记录了学生课程材料的使用情况、参与学业交流情况和完成作业提交和考试情况。大数据时代教育数据记录的层级性在这裏充分显现，课程材料的使用包括记录在线时长、邮件的阅读时间、邮件的发送时间、讨论信息的阅读时间等。参与学业交流记录了发布新讨论的时间、回复讨论的时间、使用搜索工具所花的时间、访问个人信息的时间、文件的浏览时间、浏览谁同时在线的时间、浏览网页连结的时间等等。评价模块记录了评价的阅读时长和提交评价的时间等。通过应用统计工具描述散点图，发现了在LMS记录下学生在线时长和学业表现呈相关关系。在进行多元回归时，研究者发现，学业成就处在後四分之一的学生在线时间略长於平均时间，而学业成就处於前四分之一的学生的在线学习时间低於平均水平。紧接着，研究人员为了作出预测，利用逻辑斯特回归生成了一个预测模型，通过收集学生的新的行为数据，预测学生是否处於真正参与了学习活动，并得出如下结论：讨论举行的次数、邮件信息发送量和测评的完成情况这三个维度构成的模型可以预测学生的学业水平情况。

大数据时代，通过探求学生行为与学业水平之间的相关关系，建立模型，实现预测，能够对课堂教学产生重要影响。然而，数据建模过程中，为了保证模型的效度与信度，极端个别数据被处理，使模型只能实现群体行为的预测，不能针对学习者个体实现定制化和个性化。

2.建模与预测的不足

数据建模与预测的背後充分体现了实证主义的思想和方法。19世纪上半叶，以孔德为代表的社会学家提出了实证主义的基本信条：利用观察、分类，探求彼此的关系，得到科学定律。实证主义的哲学思潮到20世纪60年代，演变成一种科技理性，实践知识逐渐染上了工具性的色彩，专业活动存在於工具性的解决问题之中，所有的专业活动都被视为厘定目标、套用已知的方法解决问题的过程。这一期间，大量的学科被系统地整合发展，甚至包括教育学和社会学这样的「软科学」。用证据解决未知的问题，用数据预测未来一时成为潮流。

学生活动行为数据的建模尤其侧重体验实证主义的思想，模型注重成功教学行为的共性，忽视教师与学生群体的独特性需求时，科技理性的主导有可能使课堂教学被视为独立於真实境脉的模块，只要教学行为取得成功，就会被数据抽象化，形成模型，对学生群体行为产生预测。科技理性有赖於人们认同的共有目标，教学实践目标的厘定极其复杂，包含巨大的不确定性和独特性，甚至，由於社会角色的不同，还会带来价值冲突。一个稳定的、为所有人所认同的目标不复存在，依据科技理性精神和方法推理预测的行为模式并不可能满足每一个人的需求，教育变革在大数据时代下出现新的取向。

从数据模型到支持适应性学习

在数据建模的基础上实现教学的适应性是大数据时代促进教育变革的另一成果。数据建模及行为预测依旧属於科技理性指导下的行为模式，可能会造成忽视学生个性需求的现象，而个性化需求正是知识社会的重要特徵，个性化的教育也受到教育研究者、政策制定者和教育实践者越来越多的关注。教育系统设计专家赖格卢斯认为，教育投入没有达到效果的一个很重要的原因是忽视了社会的转型。「社会已经从工业社会步入了资讯时代，劳动力市场对人才的要求不再是工业时代在流水线上操作的工人，而是具有创新性思维、决断力强的知识性人才。」教学面临从产生清一色的劳工转向产生有判断力和适应性能力的人群。2010年，OECD的报告《The Nature Of Learning》中指出，适应性能力(adaptive competence)是21世纪核心竞争力，包括在真实的境脉中灵活并有创造力地使用有意义的知识和技能。吴刚在《大数据时代的个性化教育：策略与实践》中提出了个性化教育的必要性和必然性，指出「只有利用信息技术所提供的强大支持，才有可能真正实现个性化学习」。大数据时代的来临，正是个性化教育发展的一个良好契机。2012年，美国颁布了《通过教育数据挖掘和学习分析促进教与学》，提出大数据时代，通过收集在线学习数据，对数据进行分类和探寻数据之间关联的方式挖掘数据，形成数据模型。通过学生行为和模型的互动，形成适应性学习系统。概言之，我们可以以对行为数据的充分利用为基础，改变教学的内容和进度，构建适应性评价和教学系统，充分实现教育的定制化，满足学生的长尾需求。

1.案例分析：
适应性教学系统又称适应性学习系统，(Adaptive Learning Support System)，简称ALSS系统，强调基於资源的主动学习，认为学习不是知识的传递，而是学习者的自我建构。自上世纪90年代以来，研究者开发了不少适应性学习系统，如1998年De Bra开发的AHA系统，2003年，Brandsford和Smith开发的针对任务型学习的MLtutor系统，以及近几年颇受关注的翻转课堂(Flipped Classroom Model)简称FCM系统。

• 内容传递模块：传递相关知识与信息支持学生的学习。
  

• 学习者数据库：存储学生在参与教学活动中的相关行为。

• 预测模块：包括学生信息和学生行为数据，跟踪学生的学习，并做出预判。

• 显示模块：为学生生成行为报告。

• 自适应模块：根据学生行为生成的报告，反馈到预置模型，为模型做出相应的改变，使之更符合学生。

• 干预模块：使教师、系统管理者和领导可以在系统运行时实施人为干涉。

学习者学习相关学科内容时，学习行为被记录跟踪下来，学生的学习行为数据被传送到後台，记录在学习者数据库内，作用於预测模块。预测模块通过改变内容传递模块，再次作用於学习者。在整个过程中，教师、教学管理者起干涉作用。

适应性学习系统是一个交互的动态系统，系统往往会提供给学生一些学习行为建议。奥地利针对学生的问题解决的过程设计了一个适应性学习系统。适应性学习系统的第一步是教育数据挖掘(ecational data mining)，简称EDM。数据挖掘的过程包括数据收集、数据预处理、应用数据的挖掘和诠释评价发展结果。Moodle提出了CMS数据挖掘系统(Course Management System)。研究者先使用原始数据进行建模，第一步是原始数据的收集，原始数据大约包含2007年73名用户产生的28000活动例子，2008年97名用户产生的265000份解决问题的案例和2009年45名用户产生的115000个活动案例。除了记录学生解答问题时产生的数据，原始数据还收集了学生的信息、问题的信息和解决问题的步骤;在对数据进行分类後，归纳出问题解决的类型，利用很擅长拟合连续数据的Markvo Models(MMs)的一个子模型DMMs拟合了如上的连续性数据，通过添加判断学生学习行为的结果模型和一系列监控和调节模块，构成了整个面向问题解决的适应性系统。当学生使用这个模型时，模型会根据学生的行为数据为学生提供他们所偏爱的解决问题的过程与方法。

除了适应性教学系统，还有适应性评测系统。LON-CAPA(Learning Online Network with Computer-Assisted Personalized Approach)是一个计算机辅助的个性化网络学习测评平台，平台不提供课程设计和课程目标，而是一个教学工具。CAPA通过後台记录学生的基本资料，学生参与的互动交流、学业情况，针对学业课程中的疑难点，提供个性化的考试资源。

2.适应性转向的意义

在大数据时代，科技理性指导下的模型预判在面对结构不良的问题时显得应对能力不足。科技理性指导下的数据建模忽视学习的真实境脉，只能支持群体行为的预判，模型的推广可能会使人们忽视其实践成功背後的个体经验与具体情境，从而导致科技理性与哲学思辨对抗。然而，完全依靠哲学思辨和经验进行教学不仅不利於教育学科系统理论性的发展，也不利於课堂实践的管理与教师的培训。唐纳德·A.舍恩提出了一种适应性思维模式。他指出：「如果科技理性的模式在面对『多样』的情境时，是无法胜任、不完整的，甚至更遭的话，那麼，让我们重新寻找替代的、较符合实践的、富有艺术性及直觉性的实践认识。」适应性学习是在系统理论知识的指导下，针对个体差异，使学习内容和活动高度个性化的学习方式。

适应性平衡了理性与经验的两难，英国学者Hargreaves(1996)首次提出基於证据的教育研究向医疗诊断学靠拢。临床诊断学和教育的相似之处在於，他们都要面对变动不居、极其复杂的环境，在这样一个结构不良的系统中，充分意识到客体(患者或者学生)的独特性与共性，利用系统的专业知识解决问题。

Ralf St. Clair教授在参考医学临床实践研究的三要素後提出基於证据的教育研究的三要素——研究的证据、教育工作者的经验、学习者的环境与特点。其中，行为预测关注的是研究的证据，而适应性学习系统的建设则关注的是教育工作者的经验和学习者的环境与特点。

从预测行为到支持适应性教学的转向，是一种人文主义的转向，教育研究的重点从关注研究的证据走向关注教育工作者的经验与学习环境特点，关注以证据支持个性化学习的实践变革。证据不再是其在科技理性时代所处的指导决策的角色，而是被视作一种资源，教育工作者在大量的基於证据的课堂教学决策中找寻最适合自己特点和学生特点的方式，推进课堂教学流程。也就是说，大数据的更重要价值在於支持适应性学习，满足个性化学习和个性化发展的时代需要。数据的预测功能依赖於大数据收集数据的全面性与处理数据的便捷性，根据统计学原理对群体行为做出预测，一定程度上弱化了个体特徵和具体情境。其主要指向行为预判。而适应性是在模型与客体的交互作用上改变模型，如图3所示，数据的适应性运转模型比预测模型多了一个循环(loop until)系统，使其更加契合个人需求，其主要指向实践改进。预测是支持个性化学习的基础，而支持个性化学习是预测功能的深化和转化——从整体人群到个体学习者、从理论模型到实践策略的转化。

分析与启示

大数据时代由於数据量大，数据收集与携带便捷，使海量学生行为数据被挖掘、收集，通过数据建模对学习者行为的分析变得比前大数据时代更为全面和可靠。数据时代在数据的挖掘和预测上固然潜力十足，但是大数据时代更多的价值是满足学习者的适应性长尾需求，在预测行为的基础上，修改教学模式，使之个性化与定制化。从数据建模走向支持适应性教学，支持对象从群体转向了个人，对教育活动的影响从对行为的认识转向了教育活动的实践，从科技理性指导下的去境脉转向了基於真实情境的教学活动。

走向适应性，不仅改变人类行为方式，更重要的是改变了认知方式。前大数据时代人们在科技理性的指导下完全被数据证据左右(driven by the data)，教师和学生、教育决策者和学校形成传统社会契约关系，当事人把自己百分之百地交给专业工作人员，而专业工作人员遵守契约，对当事人全心全意地负责，从而使专业工作人员享受至高无上的垄断性地位。大数据时代，教师不再是知识的控制者，他通过参与学生的学习活动，根据学生的先拥知识和认知特点、个性需求，不断地调整教学步骤、教学进度和难度。学生不用完全将自己有如病人交付给医生一般完全托付给教师。在学习的过程中，通过与教师的互动交流，在教师的协助下，成为自己学习的主体，控制并对自己的学习负责。由於教师精力有限，大数据时代下网络计算机辅助学习系统可以为教师和学生提供辅助指导的机会。

尽管如此，一方面，我们要拥抱大数据给我们带来的便捷的生活和高质量的教育，另一方面，我们需要保持警惕和防止因果关系和相关关系的误用，并且维护数据安全。

在推理方面，教育工作者需要警惕将相关关系和因果关系误用，以Leah P.Macfadyen教授的前述案例为例，BB平台在线时间的长短和学生的学业成就有相关关系，而非因果关系，成绩优异的学生在线时间低於平均在线时间，但不能说低於平均在线时间的学习导致学生成绩优异而要求学生减少在线学习时间。

此外，在信息安全方面，学生和教师的大量信息被收集和使用，在使用的过程中，必须制定相关私隐保护法，保证信息的安全，警惕数据滥用。学生的行为数据也不可以作为教师教学评优的依据，让大数据真正成为支持教学变革、提升教学效能、促进学生发展的手段，而不是控制教师和学生的工具。

㈡ 你手中拥有什么样的教育教学数据如果有,打算做何种分析。

当然有用，您可以知道行业动向，看别人店一对比就知道自己差到哪里。分析对手策略和手段，好做相应的措施进行应对。很多时候还可以看到意想不到的东西。

㈢ 想报考湖北文理学院教育学专升本，目前正在实习，哪里可以得到历年报考数据分析呢

你可以直接去学校咨询下，学校招生办会详细给你介绍，抽空去看看吧，应该有收获

㈣ 教育行动研究的数据分析方法有哪些

网上直接搜索 结合实例谈谈运用行动研究反思教学的过程. 一、涵义行动研究就是实践者为了改进工作质量,将研究者和实践者、研究过程与实践过程结合起来,在现实情境中通过自主的反思性探索,解决实际问题的一种研究活动. 二、基本特征1、为行动而研究； 2、在行动中研究； 3、由行动者研究编辑本段二、教育行动研究的内涵教育行动研究是在实际情景中,由实际工作者和专家共同合作,针对实际问题提出改进计划,通过在实践中实施、验证、修正而得到研究结果的一种研究方法. 主要特点1、实践导向 2、协同研究 3、反省思考编辑本段三、教育行动研究的意义（1）有利于解决教育教学实际问题,提高教育教学的质量； （2）有利于促进教育研究模式的变革,推动教育科学的发展； （3）有利于提高教师的专业素质,促进教师专业的发展； （4）有利于提高教师自我意识,增强教师职业的乐趣与尊严. 编辑本段四、教育行动研究的过程作为行动研究的一个完整单元来讲,无论哪一种对行动研究过程的理解, ,“问题”、“计划”、“行动”、“反思”四个环节是必不可少的. 一、问题“问题”阶段主要完成的是明确问题与分析问题两个方面的事情. （一）明确问题 1．明确问题的方式 (1)教育实践中面临的问题. (2)理论学习受到的启发. (3)他人成功经验的启示. (4）通过社会调查发现问题. 2．确定问题的原则 (1)实践性. (2)可行性. (3)科学性. （二）分析问题 分析问题是对被确定为研究课题的向题,用自我追问的方式从不同层面、不同方面进行把握,要尽可能地明确这个问题的种类、范围、性质、形成过程及可能影响,使要研究的课题变得更具体、更清晰. 二、计划计划就是拟研究问题的可能策略. 总体的计划应包含以下几个方面的内容和要求： （一）计划的内容 1．计划实施后预期达到的研究目的； 2．行动的步骤与时间的安排； 3．行动研究涉及的人 ； 4．准备将要使用的问卷或其他收集数据的工具 ； 5．对课程实施改变的因素以及如何观察或监控这些因素； 6．如何实施已修改的策略 （二）计划的要求 1．计划要具有可行性 ； 2．计划要明确具体； 3．计划要具有灵活性三、行动行动环节是指行动者在获得了关于背景和行动本身的信息,经过思考并有一定程度的理解后,有目的、负责任、按计划采取的步骤.把计划付诸行动是行动研究的核心步骤.行动阶段包括两个方面：行动及对行动的考察. （一）行动 这是教育行动研究最关键最核心的环节.行动研究的根本目的就是要解决实践（行动）的问题,改善实践（行动）的质量.行动是不断调整的、灵活的、能动的,包含着行动者的认识和决策. （二）考察 考察主要指对行动过程、结果、背景以及行动者特点的考察. 1．考察的方法 (1)观察法 (2)访谈法. (3)问卷法.(4）文献分析法 (5)三角分析法. (6）日志法. (7)个案描写法. 2．考察的要求 在考察中,要注意按计划,但不满足于先定的构想,也不要过多地受到执行中可能遇到的问题的困难的干扰,随时注意观察、改善和解决问题的变化情况,及时记录各种新 情况、新问题和新感想.如果遇到问题,也要随时做到具体分析. 四、反思反思是对行动过程及行动结果的思考. （一）评价 评价即对行动的过程和结果作出判断评价,对有关现象和原因作出分析解释,找出 计划与结果的不了致性,从而形成基本设想,总结计划和下一步行动计划是否需要修正,需作哪些修正的判断和构想. （二）总结 主要工作是整理和描述,即在评价的基础上对观察到的、感受到的与制定计划、实施计划有关的各种现象加以归纳整理,描述出研究的循环过程与结果. 总之,教师的整个教育行动研究过程是不断通过教师的实践、反思、调整,直到使教育教学活动有新的改进.因此,教育行动研究是一个开放的循环的过程,是一个从不会间断的过程. 编辑本段五、教育研究的途径一、问题研究根据问题研究的水平,问题研究有三种： （一）直觉型问题研究 （二）探索型问题研究 （三）理论型问题研究二、合作研究根据合作的形式,合作研究的模式有如下三种： （一）教师与专家之间的合作研究 （二）校内教师之间的合作研究 （三）协作型的合作研究三、叙事研究按照教师参与和改进的程度,叙事研究可以分为三类： （一）经验叙事 （二）反思叙事 （三）自传叙事四、反思研究根据教学的过程,反思研究有三种模式： （一）教学前反思 （二）教学中反思 （三）教学后反思

㈤ 中国教育提分平台有什么优势

中国教育提分平台（简称CISC）是河北南昊集团倾心打造出的一款以“让天下师生减负提分”为愿景，在倪光南院士和董云庭教授的指导下，以公司硬件技术优势和市场优势为基础，以教育教学需求为导向，运用先进的人工智能和大数据分析技术构建起的平台。
该平台通过自身十二类终端系统，将学生考试数据及平时测堂数据整理上传到自身云平台。再通过收集上来的数据，整理、计算、分析，可以针对用户产生以下五个产品。即1：学生、老师、教管、学校、教育厅个性化教学质量分析报告本；2：学生、班级、年级分类错题本；3：学生个人考试纠错本；4：学生个人假期作业本；5：学生个人升级复习本。
1：学生、老师、教管、学校、教育厅个性化教学质量分析报告本
通过南昊教育测评硬件入口，采集日常学生考试、作业、课堂训练等全过程数据，通过大数据分析计算，利用先进的评价分析方法从不同的角度分析和反馈教育教学质量情况，引导教师改进教学方法，提高学生分数。
2：学生、班级、年级分类错题本
分为个人错题本、班级错题本、年级错题本，分别汇集了学生、班级、年级在考试、作业、训练中出现的错题，按照顺序归纳整理，分析代表的知识点和题型，统计正答率，得出高频错题。题干和答题情况分类显示，一目了然，方便练习巩固。
3：学生个人考试纠错本
针对学生月考、期中期末考试、模拟考试、中考、高考等大中型考试中出现的错题纠错改正，杜绝同类题丢分的需求，通过智能测评分析、生成每个学生专属的提分报告，依据最优学习路径，结合学生对知识点掌握程度差异，按照认知、基础、巩固和提升四个阶段，定制出个性化提分练习题集。
使用该本，可以让学生对薄弱知识点强化训练，纠正错误，举一反三，彻底打破题海战术，实现精准提分平均幅度在10分以上。
4：学生个人假期作业本
针对学会个人暑（寒）假通过作业达到提高成绩的需求，通过对整学期考试、作业数据的统计分析，得出知识点掌握情况，按照提分模型、精准编排的个性化假期作业题集。
使用该本，可以让学生做不同的作业、做自己的作业、做提分的作业，让好学生更快提高，让稍差的学生利用假期对前面学过的知识进行查漏补缺，系统巩固，弥补不足，把学习赶上来，轻松应对后面新学期。据样板学校试用统计，有效提升成绩25.6%以上。
5：学生个人升级复习本
针对学生个人在升级阶段复习的需求，通过统计分析整学年考试、作业数据，得出的知识点掌握情况，按照提分模型精准推出的个性化复习强化训练题集。
停用该本可以让学生复习有目标，做到有的放矢，不漏过一个细节，总结前面失分原因，有效提高升级、升学考试成绩。
中国教育提分平台CISC大数据采集、挖掘，实现了对每个学生的每个学科知识点的动态分析，系统全部收录每个学生每个知识点掌握情况，每次测验错题本全部跟踪记录。通过及时自送推送、随意查询、下载打印三项服务，为学生、家长、老师、教管及教育厅提供个性服务。

㈥ 小学各个学科教学目标之间有什么联系

课堂教学目标设计主要依据布鲁姆的目标分类知识和加涅的学习分类理论。加涅的学习分类理论把学习结果分为三类认知、态度、动作技能,其中认知又分为言语信息、智慧技能、认知策略三方面。根据学习结果的特点,他把教学目标分成了五种类型言语信息、智慧技能、认知策略、动作技能、态度。

结合具体的语文教学而言,研究者指出学生的语文素养可以用加涅的五类学习结果予以教完美的解释。言语信息在语文课程中主要表现为语文知识,主要指“语修逻文”方面的知识课文内容知识,指文章所陈述或蕴含的道理课文背景知识,指有关课文时代背景、作者生平与写作意图的知识。语文智慧技能是运用语言文字正确表述自己的思想的技能,主要体现在字词句篇的掌握之中,学生通过字词学习、句子学习、篇章学习获得字词句的积累,语感,识字写字,口语交际能力等。

语文认知策略是一套如何学习语文的程序,主要指语文学习的方法和习惯,如识字、阅读、写作的方法等。语文动作技能主要包括发音技能和书写技能。语文情感与态度主要指教材中的课文蕴含了许多情感态度方面的内容,包括道德和审美等。

加涅的学习分类结果主要对认知领域目标水平进行了划分,而布鲁姆等人则将教育目标按照预期学生学习之后所发生变化的行为分三个领域认知、情感、心因动作。

【借鉴布鲁姆的理论,结合我国的教育实际,新课程改革确立了“知识与能力、过程与方法、情感态度与价值观”的三维目标。其中“知识与能力”的“知识”目标分为了解、理解、应用三种水平,“能力”目标分为模仿、独立操作、迁移三种水平“情感态度与价值观”分为经历感受、反应认同、领悟内化三种水平“过程与方法”指运用相关的认知策略在达到知识、技能、情感态度价值观各教学目标水平的过程中获得的能力。

㈦ “互联网+教育”时代来了，教育和老师将会迎来哪些颠覆

就教师专业发展而言，新技术、新理念短时间内扑面而来，教师们犹应接不暇。面向“互联网+”时代，教育需要如何适应社会和时代的发展?教师又将如何面对教育的改变呢?
“互联网+教育”在于其包容性更强。它集通信技术、计算机技术、移动技术、网络技术于一体，强调把线上和线下的活动聚合起来，为教育创建新的设计、开发、利用、管理和评价的形态。而“互联网+’’对于教师专业发展，更多是教师线上成长渠道再造和重组，加的是在实践中与互联网等新技术相结合的教学创新。
教师发展新渠道的再造和重组
“互联网+”时代的创新型教师发展，不必都要白手起家，从零起步。在已有优秀理念、方法基础上，对适合自身教学发展渠道的改造和重组，也可以体现“互联网+”的创新特色。这种创新因为有互联网的参与，有多种混合技术的帮助，给教学专业发展带来新的思路和体验。
1、线上与线下的混合式发展
教师线上与线下相结合的成长渠道，是一个已存在多年的概念，那就是混合学习。根据ASTD(美国发展与培训协会)2002年的界定，混合学习是指把不同情境下的学习活动，如面授学习、在线学习、自定步调学习等相结合的学习解决方案。何克抗教授是国内论述混合学习时间较早，且获得较高引用率的学者。2004年何教授提出，“混合式学习(即blending learning)就是要把传统学习方式的优势和E-learning数字化或网络化学习优势结合起来，既要发挥教师引导、启发、监控教学过程的主导作用，又要充分体现学生作为学习过程主体的主动性、积极性和创造性”。这些概念是从学生的角度来阐述混合学习的，其实同样适用于教师专业发展。
近十年来，因为信息技术的发展，教师的混合式专业发展渠道得到了极大的扩充，微课、MOOC、移动公开课等形式都成为其渠道再造和重组的表现形式。混合学习是优势互补，是差距消弥，是效率提高，是效果改善;它追求的是一加一大于二的迭加，它利用的是四两拔千斤的巧妙。教师通过混合式的专业发展渠道，用社交网络、在线平台、移动工具为专业成长搭建平台，建立起以个人成长目标为中心的专业发展圈。
2、参与或创建可深度参与的专业成长圈
到底什么样的专业成长圈才是符合“互联网+”时代的混合式专业成长圈呢?虚拟教研也好，区域博客也罢，微信企业号、伴行3618智慧校园平台移动社群也行，都可归结为专业发展的外在表现形式。“互联网+”时代的出发点，是通过线上与线下的混合，能够以较小的成本，伴随着较高的效率，产出有创新性的优秀成果，带来较大的领域影响力。
对于教师专业发展来说，就是要把线上的成长圈与线上的教学实践相结合。用线上交流所获得的新思考、新体验，来改善线上的实际教学，更新旧理念，解决新问题，创建新环境。前几年博客盛行，曾出现了“李克东难题”(为什么教师博客有着丰富多彩的博客文字，但缺少深度互动的思想碰撞?为什么教师博客发表了近万篇博文，却不能够说出解决了哪些教学问题)，究其原因，那就是线上线下两张皮。因为技术驱动的教师专业发展，会追逐流行的技术，如博客、微博、微信，但是很难走得深人。只有回归到教育理念驱动的专业发展，用线上的交流思路来优化教学理念，改善教学实践，那么线上的交流活动就会自然地融人到教师的日常生活中。
我订阅的微信公众号中，有一个叫做“罗辑思维”。除了每天早上六点半准时的六十秒“语音早报”以外，“罗辑思维”发起了一系列的线上、实体的活动来建立媒体圈。他们举行全国巡回讲座，招募同行，在公众号上做图书首发、微商等。订阅数量超过五百万的这个公众号，在“互联网+’’的时代里，成为特定人群中颇具影响的传播渠道。

在今天的教育领域里，如果能有更多的具备“互联网+”时代意识和能力的团队，再配合各级行政部门的推广举措，那么教师专业发展圈会得到新的重组和再造的机遇。资深教师可以在这个渠道中推广自己的特色课，新手教师可以在这样的渠道里订阅到满足自身需求的课程，教育类的优秀图书、资源、工具、活动、社群都可以在这种线上渠道进行发布，那么这样的渠道就是一个“互联网+’，时代的思想流通之道，优秀作品共享之路。
教育实践中的创新应用与深入
“互联网+”时代的教师专业发展，除了要有线上专业成长圈的融合，更要有线下教学实践的创新。与以教师教学能力、个人经验、主观感受、教学传承为主的传统教学实践方式不同，“互联网+”时代的教学实践要更多地体现基于技术参与的教学过程、基于数据分析的教学优化、基于实证分析的教研合作、基于个性张扬的教研自由。
1、基于技术参与的教学过程
21世纪初，从“校校通工程”“农远工程”开始，我国基础教育信息化的系列项目，就把中国多个省份的中小学带人了数字化发展的方向。在已联网的机房里，学生们可以登录网络学习平台;在有Wi-Fi的教室里，学生们可以使用掌上学习机、平板电脑等教学类软件;在户外真实情境下，学生们使用移动学习终端或穿戴式设备进行探究式学习等。越来越多的学习情境是有技术参与其中的，这是“互联网+”时代下教学的发展趋势，也是教师必须面对的新挑战。前“互联网+”时代，教师专业发展的重点在于掌握技术，学习如何实现技术与课程整合，来辅助讲授、促进协作、帮助探究，创设技术型的学习环境;而进人“互联网+”时代，教师专业发展的重点在于让技术无缝地“编织”进教学，利用技术支持的教学过程中所留下的动态生成性资源、过程性数据、学习痕迹等数据进行再利用，来实现教学优化。
2、基于数据分析的教学优化
在英国学者维克托迈尔一舍恩伯格和肯尼思库克耶合著的《与大数据同行:学习和教育的未来》(learningwith big data; The future of ecation)一书中，作者提到了基于数据分析的教学优化，即双回路学习(Double-loop learning)。目前大多数的学习路线是单回路学习 (Single-loop learning)，即在学习中犯了错误以后再去努力纠正。例如，学校只有在期末考试结束后，才发现哪些课程对于学生来说太难或太简单，然后在下学期的教学中进行调整。双回路学习则不然。它会随时用数据纠正自身的错误，同时利用反馈回路中获得的大量数据来做其他很重要的事情。以可汗学院为例，不仅有超过5000个多学科的视频课程，它更有价值的地方在于积累学生如何学习的数据，并实时反馈给教师和学生。例如，基于每位学生做题的准确率运行一个统计模型，用以判断学生是否很好地掌握了某个知识点，帮学生提供适合他们的学习路径和步调;还会给教师提供整个班级和每位学生的学习表现图，根据回答问题的数量、准确率等指标显示学习实时状况。
双回路学习把反馈、个性化学习、预测与干预结合在一起，为教学优化提供了宝贵的数据。因此，处于专业发展初级阶段的新手教师们，可以做到用技术获得数据，用图示工具来理解数据，处于专业发展高级阶段的资深教师们，就可以在此基础上，用分析工具来解读数据，用研究工具来预测、干预、优化教学。也就是说，研究型教师，依然是“互联网+’，时代教师发展的高级阶段，而且有.数据支持的实证分析，会给中小学教学实践和改革提供更加坚实的基础。
3、基于实证分析的教研合作
教师做研究也是老生常谈的话题了。多年前陶行知先生在《教学合一》这篇文章中就提到，教师不仅要掌握教法、学法，更要把教学和研究相结合。因为教师不是小贩，不能把别人的知识直接搬过来贩卖给学生，如果只是照搬教材，或者把别人比较成熟的经验和方法直接拿过来进行教学，而不根据学生特点进行适当改造，或者很少结合自己的教学思考与实践，提出有独创性的教学方法等，变成了知识的贩卖者。这样的教师很难有进步，学生就更难有突破和创新了。
那么教师如何做研究呢?记得今年年初，《弯顶之下》纪录片的发布获得了极高的关注度。不仅因为选题直击时弊，切合每个人生命健康，更是由于该片作者具有一定的调查分析能力，目标明确，资料翔实，层次递进，自成逻辑。其实教育研究与新闻调查也有颇多相似之处:找准方向，提出问题，实地探查，多角度了解，相互验证，深人分析，发布结论。有影响力的新闻节目与有价值的教育研究也有颇多共同点:选题针贬时弊，聚焦社会热点和发展趋势;提出问题简洁但直击要害;实地探查不遗余力，长时间地扎根生活，得到鲜活富有生命力的典型例证;用科学的研究方法，对真实、大量、多角度来源数据进行科学分析。

“互联网+”能使教师获得更为丰富的过程性数据，让他们更方便地使用数据分析的工具，也带来了开展高水平利一研合作的机会。如果说互联网时代，教育研究的数据来源多是需要主动收集，来支持小规模的常规化研究，而进人“互联网+”时代，由技术支持的教学过程会自然而然产生出数据尾气(dataexhaust )，即指学生与网络进行互动时衍生的副产品，如登录信息、学习痕迹、交互对象、评价习惯等。这些数据存留于网络平台上，手机终端等智能设备里，教师可以与学校同事、线上成长圈的伙伴，甚至高校或利一研院所的专业研究人员合作，对这些数据进行深人的、大规模的、时间跨度较长的实证研究，从大数据的视角重新审视教学，发现新的研究问题。
4、基于个性张扬的教研自由
技术参与的教学过程，数据分析的教学优化，实证研究的教研合作，都是“互联网+”时代教师专业发展的独特性，然而技术、实证、数据、分析等不会自动地产生高水平的教师专业发展，归根到底还是需要教师保持极富个人特色的独立思考。
我曾经参加过美国密歇根州LATT工CE国际教师教研组织。记得有一次来LATTICE演讲的是该州年度优秀教师玛婷娜，一所高中的社会课教师。这位“当地名师”没花很多时间去介绍她的教学理念、教学模式等，更多的是从国家的教育机制、学校存在的根本意义、当前教学的现状与改革方法等与大家进行对话。印象最深的就是她带领所有与会者思考:
“学校的根本作用到底是什么，学生应该从一所理想的学校里获得什么，如何成长，你的思考或做法”等。教师们围坐在一起，结合这个切人点写关键词，画流程图，分享好的做法。那次的教研活动给我很深的印象，高水平的教师专业发展活动不等于一言堂的名师讲座或示范性样板课，教学交流其实就是一场场不用达成共识的思想碰撞。
经验分享或学习榜样带来的多是模仿，数据收集实证分析多是规范，而自由思考和满怀热情，才有可能带来创造。齐白石寄语学画者:“学我者生，似我者死”。任何时代下的教师专业发展，都是一项充满了变数的马拉松长跑，它需要教师持续的热情，发自内心的渴望，以及和学生共同成长的成就感，是一个充满个性化创造的过程。
“互联网+”时代已到来，渗透，融合，重组，质变。教师专业成长是个永恒的话题，唯愿保持独立的个性和思考，共适应，共成长。

㈧ 有在大数匠教育学数据分析的吗后期好找工作吗

不是说课程学习完了就能从事这方面的工作，是要看你技术学的程序。

㈨ 统计学怎么运用在教育中

统计是以数据表达事实，统计学是研究搜集、整理、显示和分析数据的科学，以数据为研究对象，以统计图表或报表分析报告为研究结果，目的是寻找统计数据内在规律性，从而认识客观事物。自1969年诺贝尔经济学奖设立开始至今，约有三分之二获奖与统计有关，说明统计学在经济学中占有非常重要的地位。随着科学技术的发展，人们越来越认识到不仅要观察到事物的表面现象，而且要根据数据去分析这些现象的本质，找出内在规律，这就是统计分析的作用。“金融就是数据”，经济分析很大部分也是对数据的处理，因此《统计学》是财经类专业的一门核心课程。在统计学教学过程中，一方面要将统计学的理论知识传授给学生，另外一方面教同学如何分析遇到的财经问题，应用统计知识分析问题，并利用统计软件来解决这些问题。
当然统计学和其他学科的教学一样，有很多种教学方式，如课堂提问方式，这种方式是教师在适当的地方设置一些问题，让学生参与讨论和回答，能够抓住学生的注意力，要求学生能够认真专心听老师讲课，积极参与回答教师所提的问题，如果问题设置得当，能够取得非常好的教学效果；还有项目教学法，该方法是以项目为中心，学生根据项目提出的要求进行学习，合作完成项目规定的目标和任务，并能够应用统计知识解决具体的经济问题和现象，该方式能够极大地提高同学的积极性；还有实践性教学，该教学方式将同学融入到社会实践中，例如参观实地教学基地，工厂等，给学生一个具体的实践教学环境，加强同学的实践意识，提高解决实际问题的能力，如参观统计局，上海证券交易所等。但在统计学的教学过程中，根据统计学课程的特点，案例教学方式还是一种比较实用的方法。本文主要探讨在财经类《统计学》教学过程中采用案例教学法并举例说明，同时指出在应用案例教学中应注意的问题。

㈩ 教育教学中可以开展哪些教育数据分析对教育教学有何实际价值

我觉得教育复教制学中可以对以下教育数据进行分析并从中得到改善提高的点！

1、对全班学生每次的考试成绩数据进行统计分析，分析得到的结果在以后的教育教学中可以作为弥补弱势科目的依据！通过成绩甚至每道考试题目的分析，可以看出学生的弱势科目是哪一科、弱势题型是哪一种，以后教学中可以相应加大对该科目该题型的时间、题量投入，查缺补漏，争取在下次考试中不再犯同样的错误，能取得好成绩！

教育教学中可分析的教育数据还很多，希望谢谢对你有所帮助！