课堂大数据分析汇总十篇

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐十篇课堂大数据分析范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

篇（1）

一、引言

在大数据的影响之下，我们的传统的教育教学方式正在发生着剧烈的改变，大数据分析在教学中的应用也越来越明显，特别是在高中数学中的应用，未来的大数据分析必然会对教学产生巨大的作用，因此，研究大数据分析是一件至关重要的事。

二、大数据分析的概念

对于数据的本身来说，是用来记录信息的，但是随着计算机和互联网技术的发展，我们在生产和生活中的各个领域都有了突飞猛进的进步，这相应地带来的是各种数据的处理方式更加的复杂，数据的数量以及涉及的规模也在不断地扩大。大数据的特点可以和经济学的观点一样，从微观和宏观两个方面来理解，但是目前大多数对大数据有研究的专家来说他们都是从宏观的角度来分析大数据的定义的。大数据处理的数据数量很多，即使新数据也能很快地进行处理，这些数据的类型也是多种多样涉及很多的领域，而且处理的数据具有真实性。大数据分析的重点在于分析，就是利用大数据技术对收集到的数据进行全方位的分析，大数据分析的优势明显，哪怕你的数据量非常大，但是分析也能快速地完成，并且还能保证数据的真实性。大数据分析的目的是通过对历史数据的分析和解决，进行科学的总结，发现其规律性和模式，同时结合稳定的动态流数据预测事物发展的未来趋势。

三、高中数学课堂教学策略的大数据分析

（一）更新高中数学教学思想，以此构建数据分析的概念。很多的老师因为受传统的教学观念的影响，思维方式和教学方法都已经模式化了，并没有树立数据分析的教学观念，俗话说，物质决定意识，意识是物质的反映。如果老师的教学观念还没有及时更新的话，那么，教学行为在这些思想的影响下还是不会出现根本性的变化，为了解决这一难题，在国家新的课程改革中明确提出了“数据分析”这一概念，这一概念的提出标着在大数据的时代背景下我们的国家也越来越重视数据分析在教学中的实际运用，各位老师应该牢牢把握住数据分析的观念，在实际教学中，帮助学生构建数据分析的知识框架。（二）勇于探索，在数学教学中尝试分层教学。现在的高中数学教学的过程中，采用的还是以班级为单位的固定的教学方法，这种教学方法已经是一种既定的模式，对知识接受不同程度的学生他们上课的内容是相同的，这样接受能力强的学生的潜能得不到发挥，接受新知识能力弱的学生跟不上老师讲解的内容，打击了他们学习的积极性和主动性。早在几千年之前，我们的大教育家孔子在教学的过程中就提出了因材施教的教育理念，要求老师在课堂教学中准确地把握每一个学生的性格特点，来进行知识的传授，不错过任何学生的潜力，同时进行不同类型的教育。在高中数学课堂教学中，教师可以分层次地教学生。一班上有不少学生，学生与学生之间存在个人和个人之间的差异，不同学生的不同类型的教学可以有效地促进教学课堂。个人差异和个体差异明显的小学生，也可以尝试不同的教学方法，尝试新的教学模式，面对个人差异，分不同层次的分析教学给他们，这有助于促进学生更好地学习数学，也充分挖掘学生在数学上的潜力。（三）学习分类和重视数学知识的积累。高中数学是一个强大的抽象性和逻辑性的学科，需要有更大的知识量，这就要求学生学会分类，分类各种数学知识，这有助于学生加深对数学知识的理解，也可以帮助学生理清数学知识的静脉，学生进入下一阶段的数学学习会学得更好。另外，还要强调数学知识的积累。

作者:冯雄德 单位:武威第七中学

参考文献：

［1］宋显微．高中数学课堂教学研究［J］．亚太教育，2016（14）．

篇（2）

随着大数据时代的来临，教育事业发生了重大的变革，大数据技术已经被广泛运用在高校教育评价、课堂教学、教育模式等各个方面。课堂教学是高校教育中最为有效的教育途径，在大数据时代背景下的高效课堂教学发展趋势，值得广大教育者重点关注研究，这可以加强大数据技术在课堂教学中的应用，提高教学质量。

一、大数据相关概述

大数据主要指在高速发展的网络信息技术下，所呈现的巨量数据信息以及随之而产生的相关处理技术。大数据具有庞大的数据量，涉及的数据类型多种多样，数据价值的密度相对较低，并且对数据的时效性要求较高。其技术能够将复杂信息中有价值的数据筛选出来，为人们的工作生活带来了极大的便利，其广泛运用到生活中的各个领域，将会推动新技术的快速发展。

二、大数据时代对高校课堂教学的影响

高校的学科发展越来越复杂，尤其是交叉学科，需要教师不仅能够掌握本学科的相关知识，还要时刻关注其他学科的发展动态，并不断学习相关联的学科知识。大数据时代的到来使教师能够通过多重技术手段获取需要的信息数据，并利用信息的共享性，不断挖掘学科前沿信息，预测其发展动态，从而提升自身的教学水平。

在课堂教学中，融入大数据技术，利用与教学内容相符的视频等资源，可以使学生深入了解理论知识。或是利用大数据技术演示具有危险性的实验，避免危险实验对学生的人身安全造成威胁，通过生动形象的画面让学生充分了解实验步骤和注意事项，并利用回放功能加深学生印象，使学生既避免了实验的危险性，又提升了学习的兴趣，同时也为学校减少了一笔昂贵的实验经费。

很多学校的学生课堂行为都会被摄像系统记录，大数据时代的技术能够帮助教师对学生的学习行为等进行整理分析，使教师充分了解学生的学习情况，根据学生的差异性实施不同的教学方法。

三、大数据时代背景下高校课堂教学的发展趋势

1.增加预测性判断

教育过程具有计划性，教师与学生通常是按照教学计划进行教学活动的。大数据时代的到来，将会为教师的课堂教学提供依据。利用大数据技术对学生的学习情况和日常行为进行整理分析，教师可以充分了解适合学生的教学方法、学习时间、学习方式、理论实践方法等，进而对课堂教学的方法、内容和时间进行相应调整。大数据技术还可以预测学生思想、行为的发展倾向，帮助教师在课堂教学中对学生的不良行为进行有效预防。

大数据时代背景下的高校课堂教学，将会增加预测性判断，提升教师的教育主动权，约束学生行为，提高学习效果，培养学生成为身心健康的综合型人才。

2.发挥教师数据分析能力

大数据时代，高校教师不仅要具备丰富的专业知识，还需要一定的数据分析能力来适应数据支持的决策文化。教师的专业知识水平对课堂教学质量有着直接影响，是教师专业性和教学水平的重要衡量标准。随着大数据时代的到来，教师对教育数据的分析能力，也逐渐成为教学质量的重要影响因素。教师需要在复杂的数据中，找到与学生相关联的、有价值的信息，并运用在课堂教学中，有效地提高学生的学习效果，维护学生的身心健康。因此，其数据分析能力在高校课堂教学中的地位至关重要，在高校课堂教学中充分发挥教师的数据分析能力，已成为高校课堂教学的必然发展趋势。

为了应对这一趋势，高校应适应市场需求，转变传统观念，增加开设数据分析课程，积极培养专业性强并且数据分析能力高的复合型教师人才。

3.个性化教育

大数据技术能够将学生在互联网上留下的所有信息进行总结，对学生过去的行为数据进行分析，教师可以通过分析结果，对学生的兴趣爱好、心理特征、行为特点等进行了解，并具体问题具体分析，明确学生的差异性，适当调整课堂教学的内容、方式及时间安排，对学生因材施教。

大数据时代的来临使教师能够更深入地了解学生，以制订更加科学合理的教学方法。高校课堂教学也将趋于个性化教育发展，更加尊重学生的差异性，不断调整教学策略，以提高学生的学习质量和教师的教学效果。

大数据时代的到来，对社会上各个领域都产生了一定影响，高校课堂教学也深受大数据时代的影响，开始广泛运用大数据技术，以提升教师的教学质量和学生学习效果。增加预测性判断、提高教师数据分析能力、个性化教育已经成为大数据时代背景下高校课堂教学的必然趋势，广大教育工作者应更加深入研究，加强大数据时代高校课堂教学的有效性，推动高校教育的健康、快速发展。

篇（3）

1国内外研究开发现状和发展趋势

1．1现状与趋势

在当今大数据、云计算、物联网和移动互联网等新思路、新技术快速发展的又一历史时期，高等教育面临着前所未有的发展机遇，在经历了网络化、数字化、信息化管理阶段之后，“智慧校园”将是在“互联网＋教育”趋势下最重要的发展思路。随着计算机技术的不断发展，各种系统结构化和非结构化数据以前所未有的惊人速度迅猛增长，“大数据”时代已经到来。大数据是指数据结构比较复杂、数据规模大的数据集合。其数据量已经远远超出了一般数据管理工具可以承受的处理时间以及数据处理及存储管理能力。在当今大数据环境下，高校管理系统的数据结构及数据量发生了巨大的变化。在数据存储、数据管理、数据分析及数据挖掘等方面面临着巨大的机遇和挑战。为了有效地利用大数据为高校决策分析提供更好的服务，必须基于大数据建立相应的数据分析系统。

1．2国内外研究与开发综述

随着大数据的发展和教育信息化的不断深入，基于大数据开展的高校校园数据分析与应用逐步受到重视。对大数据的定义始终没有形成统一的意见。维基百科对大数据（Bigdata）的定义是：所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息。麦肯锡全球研究院将大数据定义为：无法在一定时间内使用传统数据库软件工具对其内容进行获取、管理和处理的数据集合。加特纳（Gartner）于2012年修改了对大数据的定义：大数据是大量、高速、多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与优化处理。而在高校学生数据的分析应用方面，国内外高校均有开展相关的研究。纽约州波基普西市玛丽斯特学院（MaristCollege）与商业数据分析公司Pentaho合作发起开源学术分析计划，旨在一门新课程开始的两周内预测哪些学生可能会无法顺利完成课程，它基于商业分析平台开发了一个分析模型，通过收集分析学生的学习习惯，包括线上阅读材料、论坛发言、完成作业时长等数据信息，来预测学生的学业情况，及时干预帮助问题学生，从而提升毕业率。上海财经大学基于校园信息化数据基础，开发了校务决策支持系统，面向人才培养、内部管理、科学研究和师生服务等方面开展决策分析；华东师范大学利用校园信息化基础数据，开展了校车人数与载客分布分析，提升了校车使用率；利用一卡通数据开展了贫困生的特征确定、潜在贫困生分析、后续跟踪验证，有效提升了帮困扶贫的工作效率。

2需求分析

结合西安欧亚学院信息化建设基础与海量的数据积累，建立“智慧校园”数据分析系统，通过此平台的建设和应用，运用数据挖掘和知识发现，从而在大数据中获取数据之间内在的相互联系，以及其中可能存在的某种规律，从而有效提升校园管理的决策效率，提升教学科研与管理服务的综合水平。通过调查走访各部门，了解教师、学生与行政管理人员的相关需求。主要包括四个方面：一是教学数据分析需求。包括各分院、招生办、教务处等部门对于招生、学生学习行为、教学质量、学科建设与学生就业等方面的分析。二是生活服务数据分析需求。包括图书馆、后勤等部门对于学生的消费行为即图书借阅、网络行为、资源利用等项目的分析。三是财务、人事、宣传等部门对于全校的资产、师资力量、宣传效果等项目的分析。四是研究发展部门对于全校科研项目与成果完成情况的分析（见图1）。

3系统方案设计

3．1框架设计

结合需求情况，开展系统的总体框架设计，初步将系统分为三大板块，包括数据监测、决策支持和查询定制（见图2）。

3．2系统方案

系统总体架构包括四个层次，分别是数据引擎、数据挖掘、数据库解决方案和交互平台。数据引擎部分将集成校园WIFI、固网、一卡通、教务系统等各类信息系统的数据，形成数据源，数据挖掘将通过分布式计算架构和数据分析平台对潜在数据进行分析与建模，通过数据库建立本系统的分析数据库，最终通过PC、手机等客户端向用户进行呈现（见图3）。

3．3典型应用研究内容

3．3．1教学质量评估教学质量评估属于高校定期必须完成的任务，教学评估的主要目的是更好地发掘出教学过程中存在的一些问题，从而及时地对教学方法进行调整，最终实现教学质量的提升。将大数据运用到高校教学评估系统之中，不但能够在很大程度上提高高校教学管理的科学性，同时还可以提高信息化教学的实用性。把基于大数据挖掘的算法运用在教学评估工作之中，找出教学效果、信息技术在教学中的应用、师生之间的沟通互动等因素之间的联系，从而给高校的教学部门带来非常科学的决策信息，同时让教师可以更加有效地开展教学工作，提高教学质量。

3．3．2教师教学能力分析以往的教学缺乏大量数据支撑，教学的质量高低主要靠教师自我度的把握。现在，可以通过在线课堂等技术，搜集大量课堂情况信息，比如学生对知识点的理解程度、教师课堂测试的成绩、学生课堂纪律等。通过这些数据的分析，了解教师熟悉教案的程度、课堂氛围等，改善教学水平。也可以通过深度分析学生在教学过程中教师的课堂表现，从而发现课程的闪光点以及不足，从而让教师能够进一步地对课程教学进行改善，提升教学质量。

3．3．3个性化课程分析个性化学习是高校教学改革的目标，过去的班级制教学中无法很好达到这一点，通过把大数据挖掘技术和学习内容结合起来，指导学习者规划学习发展方向，制订学习规划，实现个性化学习功能。通过评估个人情况，根据分析结果推荐可能取得优秀成绩的课程方案。首先获取学生以往的学习表现，然后从已毕业学生的成绩库中找到与之成绩相似的学生信息，分析前期成绩和待选课程结果之间的相关性，结合专业要求和学生能力进行分析，预测学生选择的课程中可能取得的成绩，最后综合权衡预测学生成绩和各门课程的重要性，为学生推荐一份专业课程清单。

3．3．4学习行为分析通过一卡通门禁信息、网络信息、课程信息、在线教育系统等相关数据，可以把学生到课堂时间、上课表现、作业完成情况、自习情况等学习信息记录下来，进行变量分析。当一些与学习行为有关的因素（如旷课、纪律问题、课堂表现）发生变化时，对学生提示并进行分析。通过这种系统分析，可以很好地规划学生的学习时间，提高学习效率。

4技术创新点

4．1大数据环境下提升数据挖掘范围

相比于传统常规环境下的数据获取渠道，大数据环境下，校园数据的获取更为广泛和准确。常规环境下的数据主要以经费收支、课程建设、问卷、访谈、课堂观察等来源，而在大数据环境下，通过对事件数据、舆情数据、一卡通、日志搜索等数据的抓取与分析，更能够准确地反映实际校情。

4．2可视化技术展现数据分析结果

利用大数据分析的数据挖掘与可视化分析，能够直观地呈现大数据特点，同时能够非常容易被使用者所接受，就如同看图说话一样简单明了。智慧校园中，结合学生学习、生活消费的各类数据，通过系统分析与图表展现，让用户只管了解数据分析的结果。

4．3数据质量管理提供重要支持

篇（4）

关键词：

大数据;人才培养模式;教学模式

2015年9月5日，我国政府公开《国务院关于印发促进大数据发展行动纲要的通知》，大数据逐步走上我国经济社会发展的大舞台，在社会各个领域中发挥着巨大的促进作用。高等教育作为我国培养高素质人才的主要阵地，避免不了受到大数据的冲击和影响。有效利用大数据是化解冲击并促进高等教育改革的明智之举。高等教育改革的关键是改革人才培养模式，将大数据融入人才培养模式改革的各个环节会达到事半功倍的效果。

一、大数据引领统计学专业人才培养模式的改革方向

1.大数据引领培养目标的改革方向。随着大数据的迅猛发展，大数据分析公司不断涌现，传统的调查公司、数据分析公司纷纷转型，社会急需大量的大数据分析人才。统计学专业按以往培养目标培养的数据分析人才已经不能满足社会需要，因此必须对人才培养目标进行改革，培养目标应从培养专门的统计人才转换为培养精通统计学知识、计算机技术（大数据分析技术），了解相关行业背景的复合型统计人才，保障统计学专业能够为社会经济发展输送高质量的大数据分析人才。2.大数据引领课程设置的改革方向。课程设置是实现培养目标的关键环节，为实现培养大数据分析人才的目标，课程设置应该与培养目标相配套。课程设置的核心课程中应该引入大数据技术相关的计算机软件、语言及算法课程，选修课程中应该增设一些辅助大数据分析的数据挖掘类相关课程及不同行业的相关专业背景课程。3.大数据引领实践教学的改革方向。实践教学环节设计的基本原则是能够有效检验理论教学环节的学习效果，同时锻炼学生的分析问题，解决问题的能力。因此，相应于培养目标和课程设置的改革，实践教学环节的改革应注重学生大数据分析能力的检验和锻炼，积极为学生创造丰富的大数据分析实践机会。例如，在调查分析课程中引导学生改变传统的调查方法，尽量通过数据挖掘揭示某一类现象背后的发展规律，积极开展与大数据分析公司或者相关行业的企业的合作，为学生进行大数据分析实践提供数据及技术支持。4.大数据引领教学方法和手段的改革方向。MOOC、翻转课堂和大量的在线资源的出现为统计学专业教学方法和手段的改革提供了丰富的资源基础，有效构建充分利用各种资源的混合教学模式将成为统计学专业人才培养模式改革的一个重要组成部分。5.大数据引领评价方法的改革方向。传统的评价方法主要注重期末时的总结性评价，忽略过程评价，因此应广泛和合理利用教学各个环节留下的痕迹，即形式各样的数据，创新教育教学评价方法，以此达到对学生、教师及教学效果的科学评价。

二、大数据融入统计学专业人才培养模式的构建

1.大数据融入人才培养目标的制定。人才培养目标的制定一方面要适应经济社会发展的需要，另一方面要从生源质量，办学条件出发，不能盲目追求高目标，因此适当对本校统计学专业历届生源质量和办学软硬件条件等相关数据进行挖掘和分析，有利于制定切实可行的人才培养目标。当然这需要人才培养目标制定者有一定的数据挖掘和分析的能力，需要学校各个相关部门的配合，实际操作起来存在一定困难。2.大数据融入教学方法和手段的选择。教学方法和手段的选择一方面依靠丰富的资源，打破传统的大客厅式的封闭教学模式，另一方面要注重以学生为本和因材施教，这就需要对每个学生的基本素质有客观的把握，仅靠教师的力量很难做到这一点，因此应适当引入相关技术和设备帮助收集课堂教学，课后作业等教学各个环节的实时数据，利用大数据技术全方位综合考量每一位学生的基本素质，为教学方法和手段的选择提供客观的依据，真正意义上做到因材施教。对于一些利用计算机或其他电子设备完成的环节，收集数据的同时，应适当建立针对不同学生的教学策略，以此实现个性化教育。3.大数据融入实践教学环节的设置。统计学专业的实践环节设置应充分考虑利用学习分析和数据挖掘技术分析学生的学习心理，学习行为及学习能力，充分了解学生的前期学习情况，分析教师课堂教学水平和教学能力，充分挖掘教师的特长，以此为基础打造实践教学环节师生的完美匹配，不再拘泥于一个班级或一个专业的学生同时进行相同的实践项目，可以有效提高实践教学的水平和学生的实践能力。4.大数据融入教学评价体系的完善。传统的教学评价体系不能够客观评价人才培养的各个环节的效果，通常是对结果的评价。因此，学校需要利用大数据技术全面分析和挖掘每一个环节的相关数据，包括学生的学习过程，教师的教学过程等，有效利用数据说话，避免对学习效果及教学效果的片面评价，完善统计学专业的教学评价体系。大数据为统计学专业人才培养模式的构建带来了机遇的同时也提出了挑战，我们不能盲目跟风，应认真结合统计学专业学科特点及各方面的条件，合理利用大数据，构建切实可行的人才培养模式。

参考文献：

篇（5）

一、大数据的内涵与特点

目前，对大数据还没有统一的定义。基于大数据的特点，行业内普遍从大数据的规模性、多样性以及高速性、价值性四个方面阐述其内涵。首先，大数据能够帮助对现有事物有感知作用。“面向领域或主题的历史数据与当前数据的融合，是对潜在线索与模式的挖掘、对事件群体与社会发展状态的感知。”[1]其次，大数据能够对未来发展有预测作用。通过数据，整理、提炼出事物发展的未来趋势，为工作提供一定的可靠材料。最后，大数据发挥出服务作用。利用大数据，提高社会服务的效率是其所要实现的目标。

二、MOOC与大数据

MOOC（Massive open online course）即大规模开放式在线课程。“大规模”“开放”“在线”突出表达了MOOC的特点。MOOC的兴起与互联网技术、传统教育模式、高等教育成本有直接的关系。互联网技术将人们带入了前所未有的科技世界中。互联网技术直接改变了人们的生活方式、工作形式。互联网技术为MOOC的兴起提供了最直接的技术支持。20世纪初，美国教育家杜威提出“新三中心”，即“以儿童为中心，以活动为中心，以经验为中心”。他的教育思想是对传统教育模式的有力反击。对于滞后的传统教育模式，MOOC教育同样对出相应的变革；高等教育成本是每一所高校不可回避的问题。“在世界范围内，高等教育成本的大幅攀升使得低成本的教育解决方案在广泛的人群中拥有庞大的需求，美国大学生一年大学学习的平均花费为27，435美元，这意味着一名学生获得学士学位需要花费超过10万美元。”[3]MOOC教育的免费政策正是该项高教难题解决的办法之一。

MOOC与大数据之间关系紧密。首先，MOOC本身依赖于互联网技术，是科学技术的体重体现。其次，MOOC产生大量待分析的数据。在MOOC教育平台上，从参加课程的学生名单到教师授课内容的统计等，产生了庞大的待分析数据。最后，MOOC在教学体系中运用大数据分析技术。良好的数据分析将会大大提高MOOC对实际数据的利用能力。通过对数据的挖掘，MOOC能够获取第一手有价值的教学信息，结合数据反馈的信息，在教学体系构建中利用起来。

大数据背景下，MOOC对于高等教育领域的影响在于，它借助于大数据分析手段在教学内容、教学方式、教学成果评价和教学文化四个方面为学生、教师、学校重新构建了一个全新的教学体系。

三、大数据有助于MOOC重构大学教学体系

“技术向来都是教育的附属品。技术通过促进一个人人平等的知识狂潮而发挥着核心作用，在这个知识狂潮中，学习即是开放的，也是不受班级与课表的限制。”[3]教学内容、教学方式、教学成果评价以及教学文化共同构成了教学体系。大数据分析手段帮助MOOC教育重新塑造大学教学体系。

1.大数据中的MOOC教学内容

MOOC教育在大数据分析手段的影响下，教学内容将有重大的变革。根据我国互联网信息中心统计数据显示，“截至2010年12月，中国青少年网民规模为2.12亿。青少年互联网渗透率较高，60.1%的青少年都是网民，超出全国平均水平25.8个百分点。”[4]现代大学生是真正意义上的“数字土著”。“数字土著”是“美国北卡罗来纳大学著名学习软件设计家Marc Prensky提出了‘数字原住民’（Digital Natives）和‘数字移民’（Digital Immigrants）的概念，用以表征父辈与子辈在数字化技术方面的巨大差异。”[5]

在传统大学教育体系中，教学内容的确定有一定的滞后性、呆板性。教材知识内容更新缓慢，不顾知识发展的规律，重复使用，对于学生来说弊端较多。同时，教学内容缺乏灵活性。呆板的教学内容调动不起来学生的积极性。通过高端的大数据分析技术，MOOC将大量的、丰富的教学内容提供给学习者。“MOOC在当今社会之所以形成强大浪潮，引起人们广泛关注，根本原因在于它为人类的知识创造提供了一个崭新平台。”[6]MOOC优质的课程资源搬到网络上，变革了传统的教学内容。例如，Coursera是免费的大型的公开在线课程项目，该平台上的课程总数已达124门。MOOC平台上，学生可以任意选取自己感兴趣的课程，感受名校教授讲课的魅力，体验不同教授对知识的多样见解。数据显示，“来自世界各地的160000人注册了斯坦福大学Sebastian Thrun与Peter Norvig联合开出的一门《人工智能导论》的免费课程。”[7]在此基础上，MOOC教育提供者能够获取学生选择课程的具体信息。从这些信息中，研究人员将受到学生欢迎的课程罗列出来，供教育研究人员、教师参考。大数据分析成功的将学生感兴趣的教学内容呈现出来，方便教师及时调整课程的上线数量。无形中，大数据分析改变了传统教学内容。全新的教学内容将得到更多学生的喜爱。

2.大数据背景下的MOOC教学方式

教学方式是指教师在要求学生获取知识，提高能力，获取学习方法的过程中所采用的方式。MOOC教育中，数字化的教学方式逐步渗透到高等教育当中。由于MOOC教育中知识的学习通过视频与网络传播，教师的教学方式必须做出相应的转变。MOOC数字化的教学方式是循序渐进的过程，电脑化的教学方式也将被学生、教师逐渐适应。亚利桑那州立大学的执行副教务长菲尔?莱杰尔认为“我想大部分的教师会认为这是一个好的转变。另外，3年后80%的教师都会熟悉数字化的教学方法了。”[8]除去数字化的教学方式，MOOC平台上的课程教师还将多种教学方式结合起来。通过一段时间的检验，一些课程通过数据分析，教师还根据数据反映出的不足改进自己的教学方式。MOOC促进了师生之间围绕知识进行更多的互动。利用大数据分析手段，教师可以将课堂上的时间空出来，利用课堂时间将关键的问题罗列出来，引导学生进行讨论。在此基础上，大数据分析催生了多种教学方式的综合运用。

3.大数据分析中的MOOC教学成果评价

MOOC利用大数据的优势变革了传统教学评价方式。一般来讲，教学成果评价表现在两个方面，一是教师评价改进自身课程，提高课程质量。二是学生学习成果的评价。以往的教学成果评价的弊端在于只有等到考试的时候，教师才第一次了解到学生是否真正掌握了知识。然而，MOOC平台上，通过对大数据的分析与处理，教师可以迅速的改进课程。“由于MOOC课程参与人数极多，机器学习机制能够对大量数据进行分析，从一个人看过多少次视频，到一个题目有多少人答对。”[9]教师通过平台后的数据库，能够分析数以千计的学生学习成功与失败的关键原因，找到课程需要相应作出调整的地方。更值得注意的是，MOOC的实时性。MOOC可以使教师在任意时间内都能够获取到这样的数据加并以分析和利用。教师获取这些数据后，既可以改进课程，又可以给学生更好的建议，帮助他们改变学习方式，提高学习成绩。对于学生来说，MOOC平台上，学生学习成果评价在“具体评价方式与课程认证两个方面对传统模式进行了革新。”[10]大数据为MOOC平台的学生提供更新颖的评价内容。首先，MOOC教育中采取了软件机器评分与同学互评相结合的方式。MOOC对于理工科学生的学习成果多采用软件或机器的评分方式。利用软件或机器的优势在于它们能够更为精确的批复出学生作业或测试中的错误。

4.大数据影响下的MOOC教学文化

从现有教学文化内涵研究来看，不同学科的研究者提出了不同的阐述内容。一般认为，教学文化“基本结构分为三个方面即教学的有效性、学生的参与性以及学习的主动性。”[11]大数据分析方式对教学文化的影响是出乎意料的。首先，大数据分析手段帮助MOOC教育增强了其教学的有效性。以往部分教师在教学内容的选择、设计上没有下功夫，知识更新速度慢。MOOC平台上，教师为学生提供的是高质量的教学内容。MOOC上的课程都是经过精心筛选，出自世界名校教师之手。这些课程教授过程中，教师采取了多样的教学方式，教学语言多样化，适应不同学习需求的学生。频繁的互动，将有助于避免学生注意力分散情况的发生，进一步提升了教学的有效性。MOOC课程不仅能够实现在课堂上师生之间的交流，同时，还有助于在课堂上形成师生、生生之间的沟通与交流。其次，大数据分析手段帮助MOOC教育提升了其学生的参与性。通过MOOC数据统计显示，在以往在线教育过程中“每学期只有5%-10%的学生能做到经常在教室里或课堂上参与深入讨论，其余学生的态度则是相当消极的。”[12]因此，高等教育教学必须将学生的参与性调动起来，这样才能更好的实现教学目标。MOOC教育实现了提升学生学习精力投入的目标。

篇（6）

中图分类号：G434 文献标志码：B 文章编号：1673-8454（2016）06-0031-03

近二十年来教育领域发生了许多重要的变化，包括教学内容的多元化、教学方法的现代化，这些变化得益于计算机、互联网等信息技术的长足发展。目前，信息技术的另一个制高点――大数据应用领域已经取得了突破性的进展，一个大规模生产、分享和应用海量数据的时代正在开启。

如何有效利用这些数据，使其服务于教育领域，优化教学过程，是教育工作者们亟待解决的问题。本文阐述了数据分析在英语翻转课堂教学中的应用，将标准化学习为主的教学方式转变为以学生为主体的个性化教学。

一、数据分析的概念

本文应用的数据分析技术包括数据挖掘和数据呈现两个方面。

数据挖掘，是数据库知识发现中的一个步骤。一般指对收集来的大量数据进行分析，提取有用信息和形成结论，并对数据加以详细研究和概括总结的过程。

数据呈现，是指经过数据挖掘以后形成的复杂信息，通过技术手段，以直观、清晰的方式呈现给用户，近年来数据可视化是数据呈现的一大热点。

数据可视化技术通过计算机图形图像和数据技术，将数据中隐藏的信息，以交互方式形象生动地展示给用户，辅助用户分析数据，发现数据中隐藏的特征、关系和模式，进而发现其中蕴含的规律。

在本文中，数据分析的对象主要包括：在翻转课堂教学过程中，教师的学习资源内容和组成成分、学生的个体学习特征库和整体学习特征库，以及学生在学习过程中产生的状态数据库。

二、英语翻转课堂的特点

“翻转课堂”源于美国的“Flipped Classroom”，是指重新调整课堂内和课堂外的教学模式。传统教学模式是课堂上教师讲授，课后学生通过练习消化；而翻转课堂则以学生为主体翻转过来，其模式是课前学生自主学习，课堂上教师引导学生内化知识。

翻转课堂将学习的主动权从教师转移给学生。学生在课外时间完成自主学习知识，而教师不会利用课堂的时间讲授知识。教师采用任务驱动法和协作法，引导学生学习的兴趣，让学生通过实践获得更牢固的知识和自主的学习能力。

英语教学与翻转课堂的完美融合，主要表现为以下几个方面：

1.课前自主学习环节

互联网为翻转课堂的课前教学提供了大量的优质教学资源。教师根据教学大纲和学生的学习水平确定知识目标、能力目标和素质目标，然后通过对互联网教学资源进行筛选形成课程学习资源库，之后在教学平台上，同时鼓励学生自主查阅资料。

学生学习资源后，通过教师的系统化知识自测题，了解自己对知识的掌握程度，检测自主学习的情况，教师也能获得学生整体的课前学习状态情况。

2.课上内化环节

教师对学生群体具有的共性问题进行讲解，课上侧重学生的语言实践，利用团队协作、分组对抗等生动灵活的教学方式，促进学生在课上活学活用，对知识内化。

3.课后拓展环节

教师根据课程要求和学生学习情况设计符合素质目标的课程作业，目的是让学生把所学知识和语言练习融会贯通，巩固学习效果。

三、基于数据分析技术的英语翻转课堂教学

1.可用工具：Excel、Infogr 与大数据魔镜

Excel作为常用的分析工具，可以实现基本的数据分析工作，包括数据排列、分类筛选等。同时Excel能够完成基础的数据可视化工作，特别是其擅长通过曲线图、雷达图、散点图等多种直观的分析图来呈现数据中蕴含的信息。

Infogr就是信息（information）和图像（graphic）的有机融合。在其官方网站infogr.am，教师可实现通过图像让繁琐并且令人无法直接获得结论的数据生成色彩丰富、形式直观的信息图，其不仅使用门槛低，而且能够使教师和学生在短时间内获得有效的学习状态信息。

在本文中，主要使用Excel和infogr来制作和呈现学生个体学习特征库，并给予个性化指导与建议。学生在阅读自己的图像档案时，会用一种欣赏的态度观看，通过仔细咀嚼启动脑中图像分析的成份，对自己的优点和缺点理解更深刻。

大数据魔镜是集数据挖掘和数据呈现于一体的综合性数据分析服务站点，主要提供数据整合、探索、挖掘、分享、控制多个角度的数据服务。教师可以利用魔镜站点通过整合多种数据，将不同数据联动分析出结果。通过一个直观的拖放界面就可创造交互式的图表和数据挖掘模型。在本文中，使用大数据魔镜来分析教师资源的内容和组成成分，以及以时间轴为基准的学生学习行为数据库。

篇（7）

关键词

泛在学习；学习生态；有效学习；英语学习；大数据

近年来，移动互联网、大数据等信息技术发展日新月异，已经成为推动教育变革的重要力量。移动通信终端的普及为学生营造了泛在英语学习环境，大数据技术开启了个性化智能教育时代，翻转课堂、MOOC、微课等新型教学模式层出不穷，虽然它们不能取代传统教学模式，但英语教师必须与时俱进，重视信息技术对传统英语课堂的改造和提升，以全新的视角思考英语教学的变革方向。

一、研究理论概述

1.泛在学习理论

泛在学习是指任何人在任何时间和任何地点都可以通过泛在网络实现任何知识内容的学习。泛在网络和泛在计算技术为人类实现随时随地的泛在学习提供了技术保障，信息技术和教育技术的融合发展正深刻改变着知识的传播方式和学生的学习方式，不断重构着教育和学习的生态环境。一方面，移动通信终端的多元化发展解除了传统英语学习对地点的约束，翻转课堂、MOOC等新型教学模式使学生可以自由地选择学习时间、进度、内容和学习方式。另一方面，传统教学设备正在向数字教学设备变迁，教育领域信息基础设施建设有效地推动跨区域教学资源整合，海量的多媒体教学内容必须和学生的碎片化时间有效结合，教师需要针对不同学情的学生进行精准施策和差异化施策。

2.学习生态理论

学习生态是由学习群体及其所处的环境共同构成的生态系统。系统由信息技术、多媒体教学设施等支撑，通过以合作、交流、共享、互动为特征的教育实践，实现知识信息传递和有效学习，从而促进系统的不断优化。学生与学习环境、学生和学习群体之间密切联系、相互作用，通过知识的吸纳、内化、创新、外化、反馈等过程实现有效学习[1]。在泛在学习的背景下，学习生态研究的是教育信息、学习主体、教师、教育信息环境之间相互作用的生态系统，需要从教育信息化建设和应用的视角研究各个生态系统成员之间的相互作用规律，维护生态系统的平衡发展。

3.有效学习理论

有效学习是指学生在教师的指导下，针对学习内容采取适合自己的学习策略，积极主动地参与到学习过程中，高效率地完成知识建构，从而实现学习目标并优化自身知识结构的学习行为。有效学习是对学习内容、学习方法、学习过程、学习结果的价值追求[2]，学生可以实现对知识的深层次理解和灵活应用。学习内容的优化在大数据背景下表现为对海量学习内容的筛选、清洗与转化[3]，使之满足学生的学习需要。学习方法调整是建立在对学生学习情况进行多元评价的基础上，根据学生个人学习偏好、认知习惯、学习方式、情感态度因素、学习内容的变化而动态进行的。学习过程的积极参与是指学生能够积极主动地学习，充分和师生进行合作、交流，善于提出问题、分析问题和解决问题。学习评价是学生改变学习计划、优化学习方法的重要手段，对学生学习可以起到引导、激励、启示和教育作用。

二、当前英语泛在学习模式存在的主要问题

1.传统课堂教学和线上教学环节缺乏有效衔接

首先，传统课堂教学和线上教学在教学节奏、知识范围上没有有效衔接。例如，学生不知道如何在线上学习课堂上没有掌握的知识点，或者在线上环节重复学习课堂中已经掌握的知识点。其次，缺乏对课堂英语学习和个性化英语自主学习的融合创新设计。在传统课堂教学中，整齐划一的教学标准无法满足英语学习分层分级的差异化教学要求。不同学情的学生对学习时间、空间、内容、方式的需求不尽相同，教师在教学中没能和学生线上学习的大数据分析结果进行有效的融合对接，仅根据自身的教学经验和主观判断作为实施因材施教的依据，因此其决策缺乏精准性和稳定性。

2.泛在学习缺乏生态性系统设计，学生英语泛

在学习的用户黏性不高当前泛在学习过程特别是在线学习过程缺乏师生互动性、社交互动性、线上线下互动性。泛在学习仅停留在将文字、图像、视频等教学资料数字化、网络化、集成化和泛在化的阶段，这在某种程度上增加了学生英语学习的选择性和便利性，但缺乏针对不同学生的学习黏性设计，因此泛在学习效果并不理想。

3.英语泛在学习体系缺乏具有“参与感”和“现场感”的语言学习环境

建构主义理论认为，知识的获得是在学习环境的特定情境作用下，借助教师的帮助与学习伙伴的协作，通过意义的建构过程实现的。因此在英语泛在学习过程中，必须增强学生在特定情境下的沟通和交际活动的参与性[4]。例如，如果在英语课程设计和在线学习设计环节，鼓励学生广泛参与学习内容、学习方法、学习偏好的设计，就会让学生感受到教师对学生的爱与尊重，从而增强学生学习的主动性和积极性，使不同学情的学生都能在学习过程中体验自我实现感，实现自主学习。另外，教师缺乏对学生多元需求的感知和把握，缺乏语言锻炼的“现场感”设计，使学生无法在接近真实生活情境的语言环境中得到语言交际锻炼。

三、基于大数据分析的英语泛在学习生态系统

移动通信和大数据分析技术的发展为有效解决当前英语泛在学习模式存在的问题提供新的方式和途径。基于大数据分析的英语泛在学习生态系统以学生的英语学习需求、特征、习惯、喜好等大数据挖掘为切入点，联合学校、互联网教育机构、教材编写人员、教师、信息化支撑机构、教育管理机构、在校学生和在职学员等生态系统成员共同把泛在学习落实到教学环境、模式设计、资源开发、评价机制和管理机制等工作中，不仅仅是教育内容资源和信息的共享空间，而且是实施素质教育和个性化学习的公共服务平台。因此，本文构建了基于大数据分析的英语泛在学习生态系统，主要包括大数据采集、大数据存储、大数据分析、大数据应用四个子系统，并构建了系统体系结构模型。

1.大数据采集子系统

首先，大数据采集子系统要实现数据、文字、图像、音频、视频、多媒体等结构化数据和非结构化数据采集，实现跨区域、跨机构、跨教学环节的数据互联互通和数据采集功能，解决教育数据资源配置效率不高的问题。其次，实现英语教学设计、教学实施、课程内容建设、网络学习内容资源建设、语料库建设、学生学习认知过程监控、学生学习情感态度监控和学习评价等全教学链条的数据采集功能，为生态系统成员之间的共生发展提供良好的数据资源基础。英语教学设计数据主要采集教师按照教学大纲和教学目标要求对不同学生制定的学习内容、学习进度、学习路径等数据，厘清学生在课堂上和网络上分别学什么、在哪学、怎么学的问题。教学过程数据主要采集教师在教学中帮助学生解决英语学习问题的经验、做法和策略，包括情感态度、认知因素的调控、语言情境的构建、师生的有效互动等。课程内容数据主要是采集教师、学校、互联网教育机构课程教学内容数据，包括教材内容、课件、题库、案例等授课内容资料，以及以上资料经过碎片化处理的数据资料。网络资源数据库主要采集互联网、校园网上英语学习方面的相关资料。英语语料库数据主要采集中国学习者英语语料库、美国当代英语语料库等语料库内容，以及英语教材、英美小说、散文、演说词、电影剧本、新闻稿等英文自然语料。学习行为数据库主要采集学生课堂学习行为和线上学习行为数据。课堂学习行为包括是否预习、复习等，线上学习行为数据采集学习日志、学习习惯、学习时长和学习路径等。学习评价数据主要采集教师或者在线学习系统对学生的学习能力、学习方法、学习策略运用、学习过程和学习结果的评价数据。学习情感态度数据主要是通过问卷、访谈等方式采集影响学生英语语言习得的动机、态度、焦虑、自信等指标。

2.大数据存储子系统

大数据存储子系统主要实现对大数据采集子系统采集的海量结构化、非结构化数据进行数据清理、归档、压缩，实现一体化数据存储。可以实现跨区域、跨系统的英语泛在学习数据的融合，解决不同教学机构、数据结构、操作系统带来的信息孤岛问题。英语学习数据仓库是指集成了大数据分析子系统和应用子系统决策分析所需的泛在学习数据，这些数据是按照一定的英语学习主题进行组织，是在对原有分散的各类英语泛在学习数据库数据进行加工、汇总和整理后得到的，有效地消除了各类源数据中的不一致性，所以英语学习数据仓库的信息均是关于学生英语泛在学习全局情况的一致性信息。数据仓库的这些全局性信息同时通过网络云平台实现英语泛在学习数据的云端存储，可以直接由大数据应用子系统调用。

3.大数据分析子系统

认知因素和情感因素是影响英语习得效果的两个重要方面。大数据分析子系统首先结合学生应该达到的学习目标对学生个体的英语学习认知行为和学习的情感态度进行数据挖掘，分析学生的动机、态度、焦虑、自信、兴趣等情感因素，以及学习毅力、能力、习惯、方法、英语水平和常犯错误等认知行为因素，对数据挖掘结果进行聚类运算和分类处理，根据学生的学习认知行为和学习态度情况将学生细分，以识别不同学生之间相似的泛在学习需求，以及某个学生个体在不同学习阶段泛在学习需求的差异性。同时，大数据分析子系统会对学生的学习过程和学习结果进行动态综合评价，并根据学习评价结果判断学习方案的优劣，有针对性地进行线上和线下学习方案的调整。

4.大数据应用子系统

大数据应用子系统包括学习信息推送系统、学习信息定制系统、在线互动学习系统、语言情境仿真系统、知识关联推荐系统、知识精准搜索系统、知识树形管理系统和娱乐在线学习系统等应用。学生可以通过学习终端连接到相关应用系统进行英语语言知识的有效学习。学习信息推荐系统自动推荐给学生的学习信息是学生应掌握而目前未掌握的英语知识。学习信息定制系统可以满足学生根据自身学习需求而定制某类主题的学习信息。学生一方面通过在线互动学习系统可以和辅导教师进行交流互动，解决学习中遇到的问题，另一方面可以通过社交软件实现和其他学习者的沟通和交流，共享英语学习经验。语言情境仿真系统可以实现某类主题的英语学习情境的在线仿真，让学生在接近真实环境的英语语言情境中进行英语交际锻炼。知识关联推荐系统是根据学生所学知识点，自动关联推荐对应的拓展知识点。知识精准搜索系统可以帮助学生快速实现英语知识的精准有效搜索，从而进行有针对性的学习。知识树形管理系统可以实现学生已掌握知识和未掌握知识的树形目录管理，实现线上学习和课堂学习知识管理的无缝链接。基于大数据分析的英语泛在学习生态系统有利于充分发挥信息技术对传统英语教育的改造提升作用，可以有效促进信息技术与教学过程、内容、方法和教学评价体系的深度融合。在生态系统的价值取向上注重以促进学生全面健康发展为中心，注重需求导向的个性化学生培养模式。在学生习得效果评价体系上注重加强学习过程评估，强调过程评估和结果评估相结合。系统注重充分挖掘学生的个体差异，充分挖掘学生的学习潜能，围绕学生英语学习习惯的形成和学习情感态度的培养，以现代信息技术为辅助手段，将英语语言知识进行碎片化、情境化、可视化处理，通过采取教育信息推送、关联推荐和定制化相结合的方式实现知识的在线传播，给学生提供个性化、定制化的英语学习信息服务，带给学生全新的英语泛在学习体验。

作者：张慧丹 单位：中国音乐学院社科部

参考文献

[1]张豪锋，卜彩丽.略论学习生态系统[J].中国远程教育，2007（4）.

篇（8）

中图分类号：G632 文献标识码：A 论文编号：1674-2117（2015）13/14-0112-04

从基于物联网技术构建的智慧教室，到利用电子书包开展智慧学习，以及基于云计算和网络技术搭建的智慧课堂，信息技术增强了课堂互动交流，提升了课堂教学效率。大数据时代，开展基于大数据技术的动态学习评价，建立基于学习数据分析的智慧课堂，为现代学校智慧课堂的构建与应用提供了新的思路。

智慧课堂的定义

目前对智慧课堂的定义总体上有两类：一类是从“智慧”的语义学上定义，与“智慧课堂”对立的是“知识课堂”；另一类是从信息化视角定义的。本文的定义是基于后者。从信息化的视角来看，随着信息技术不断发展及其在学校教育教学中的应用，信息技术从早期的辅助手段向与学科教学的深度融合发展，传统课堂向信息化、智能化课堂发展，对智慧课堂的认识也在不断深化。

目前基于信息化视角对智慧课堂概念的定义有三种。一是基于物联网技术应用的。这一定义强调基于物联网的“智能化”感知特点。二是基于电子书包应用的。这一定义强调基于电子书包的“移动化”智能终端特点。三是基于云计算和网络技术应用的。这一定义强调课堂中的“个性化”学习应用特点。

这里我们结合实际开发应用，提出基于动态学习数据分析的智慧课堂概念。即智慧课堂是指利用大数据、云计算、物联网等新一代信息技术打造的智能、高效的课堂，是基于动态学习数据分析和“云+端”的运用，实现评价反馈即时化、交流互动立体化、资源推送智能化，全面变革课堂教学的形式和内容，构建大数据时代的信息化课堂教学模式。

智慧课堂的主要特点

基于动态学习数据分析和“云+端”运用的智慧课堂，与传统课堂相比，在技术和教学应用上具有重要的特色和创新价值。主要特点有：

①基于数据的课堂：一切靠数据说话，依据学生学习行为大数据挖掘分析与决策，用直观的数据了解学生对知识掌握的水平，精准地掌握来自学生的第一手学情资料。

②高效互动的课堂：利用智能化的移动学习工具和应用支撑平台，教师与学生、学生与学生之间的沟通与交流更加立体化，能无障碍地进行即时交流和互动。

③动态开放的课堂：借助于新兴信息技术及各种智能终端，课堂系统超越了时空限制，实现更为开放的教室、更为开放的课堂活动，让课前、课中、课后融为一体。

④合作探究的课堂：采取小组协商讨论、合作探究的学习方式，协作群组服务能够帮助有相同学习需求和兴趣的学习者自动形成学习共同体，教师可以通过平台对小组合作进行实时的数字化评价和及时的反馈。

⑤个性化学习的课堂：通过课前预习测评分析和课中随堂测验即时分析，实现对学生的个性化学习能力的评估，有针对性地制定教学方案和辅导策略，真正实现“一对一”的个性化教学。

⑥教学机智的课堂：教师基于动态学习数据分析和即时反馈，采取机智性行动，及时调整课前的教学设计，优化和改进课堂教学进程，充分体现教师的教学智慧和教学艺术。

智慧课堂的信息化环境

智慧课堂常态化应用的前提是具有先进、方便、实用的工具手段，为此，需要构建基于学习动态数据分析和“云+端”应用的智慧课堂信息化环境。智慧课堂信息化环境的基本架构如图1所示。

智慧课堂信息化环境的总体架构包括三大部分，其主要功能是：

①微云服务器：提供本地网络、存储和计算服务，可以方便、直接地将即时录制的当堂课程进行本地化存储；构建无线局域网，教师和学生可以通过多种移动设备，在无需互联网的状态下，实现任意点对点的通讯与交互，节省大量互联网资源的占用；当连接互联网时，可以实现教室的跨越空间的直播。

②端应用工具：包括教师端和学生端。教师端实现微课制作、授课、交流和评价工具，导入PPT并实现动画及视频的插入，电子白板式任意书写，实现任务、批改作业、解答问答等。学生端可以接收并管理任务（作业），直接完成作业，进行师生交互、生生交互。

③云平台：提供云基础设施、支撑平台、资源服务、教学服务等，如构建完整的教学资源管理平台，可以进行结构化与非结构数据的各种教育教学资源管理，支持各种教育教学资源的二次开发与利用，实现多种教育教学资源综合应用。

智慧课堂的教学流程

在教学实践运用中，智慧课堂的教学流程为“3+10”模式，即由3个阶段和10个环节组成。这些阶段和环节包括了教师“教”和学生“学”的共同活动以及它们的互动关系。智慧课堂的教学流程如下页图2所示。

1.课前环节

学情分析：教师通过智慧课堂信息化平台提供的学生作业成绩分析，精确地掌握来自学生的第一手学情资料，预设本节课的教学目标，并向学生推送微课或富媒体预习及检测的内容。

预习测评：学生预习教师推送的富媒体内容，完成和提交预习题目，并可在论坛或平台上进行相关讨论，提出疑问或见解，记录在预习过程中的问题。

教学设计：教师根据学情分析结果和学生预习检测统计反馈的情况，以学定教，确定教学目标、内容、方法等，优化教学方案设计。

2.课中环节

课题导入：教师采取多种方法导入新课内容，主要通过预习反馈、测评练习和创设情境等方式导入新课程，学生展现课前自学成果，围绕新课导入进行演讲展示、分享观点。

探究学习：教师下达新的学习探究任务和成果要求，学生开展协作探究学习，主要包括小组合作探究、游戏教学等方式。教师设计活动，为学生分组，进行互动讨论，学生开展小组协作后提交成果并展示。

实时测评：学生完成学习探究任务后，教师将随堂测验题目推送到每个学生终端上。学生完成随堂测验练习并及时提交，教师进行实时诊断和反馈。

总结提升：教师根据实时测评反馈结果对知识点、难点进行总结和点评，对薄弱环节补充讲解，重点进行问题辨析。学生针对教师布置的弹性分层作业和任务，对所学习的新内容进行运用巩固、拓展提升。

3.课后环节

课后作业：教师利用平台个性化的课后作业，学生完成课后作业并及时提交，得到客观题即时反馈。

微课辅导：教师依据学生课堂的学习情况，结合批改作业，录制、讲解微课并有针对性地推送给学生，进行个性化辅导。

反思评价：学生在线观看教师所录解题微课，总结所学内容，在平台或论坛上感想与疑问，与教师、同学在线讨论交流，进行反思评价。

智慧课堂教学应用实例

我们研究与开发的“基于动态学习数据分析的智慧课堂”，已经在全国各地许多学校进行实际应用并取得良好成效。2015年1月10日，由蚌埠市教育局主办的“蚌埠首届智慧课堂观摩研讨会”在蚌埠二中举行，来自安徽、上海、江苏、深圳、武汉等省市的1000多名中小学教师前来观摩6节课，《中国教育报》专题报道了这次观摩活动。在观摩会上，蚌埠第二实验学校基于“智慧课堂信息化平台”开展了一堂教学实践课“认识三角形”。该堂课利用信息技术的优势，使学生课前学习微课；课堂上根据学生的认知特点，创设“金字塔闯关”的游戏情境，并进行实时测评和资源推送，结合任务驱动教学法展开深入的探究活动。

1.观摩课名称

认识三角形。

2.课程描述

“认识三角形”是苏教版《数学》第八册的教学内容。

3.教学目标

①利用生活经验，通过观察、操作等学习活动，认识三角形的基本特征，了解三角形两边之和大于第三边。

②在认识三角形的活动中，体会认识多边形特征的基本方法，培养观察、比较、抽象、概括能力。

③体验并掌握自主学习的形式和方法，培养学习兴趣，培养合作交流的意识和创新精神。

4.教学模式

（1）课前环节

发放资源：在微课平台发放学习资源，学生在家自主学习三角形的相关知识，并完成教师在作业平台发放的作业包。

微课学习内容：①三角形的基本特征；②三角形的三边关系。

（2）课中环节

集体分享：利用平台观看学生作业平台中的“生活中的三角形”。

游戏教学：利用三角形的相关知识，与同学合作探究，巩固深化学习内容。

①自主创造。学生可以自己独立创造一个三角形，或与同学合作，创造一个三角形拍照并上传。教师展示学生作品并点评。

②分组探究。小组合作，从4根小棒中任意选3根，围成一个三角形，写出所有选法。教师巡视指导并展示学生上传的数据记录，进行分析，使学生进一步理解“三角形两条边的和大于第三条边”。

③自主学习。学生完成作业平台中的测评练习。教师借助数据分析平台提供实时反馈图，针对问题展开讨论。

④巩固练习。依据所学内容，教师提出问题（把20厘米长的吸管截成3段，每段长是整厘米数，围成一个三角形，思考：最长的一条边最多是多少厘米？）和要求，学生先独立思考，再动手操作。

（3）课后环节

总结讨论，教师提出课后任务：通过今天的学习活动，你有什么感受？

5.效果评价

这是一节充分展示“智慧课堂”技术与教学深度融合的课。教师在没有“刻意”应用“技术”的痕迹下，以极其自然的方式，通过大数据分析、小组协作以及“云+端”设备的应用，实现了“探究学习、主动学习、游戏化学习”等一系列传统课堂难以实现的教学理念和方法。这是一节形式与内容均发生了深刻变化的高效课堂，充分展现了教师基于动态信息反馈的教学机智。

参考文献：

[1]王盛之，毛沛勇.基于数字化教学案的智慧课堂互动教学系统实践研究[J].教学月刊（教学管理）中学版，2014（4）.

篇（9）

中图分类号：G64 文献标识码：A 文章编号：1673-9132（2016）34-0040-03

DOI：10.16657/ki.issn1673-9132.2016.34.020

一、引言

随着大数据时代的到来，数据分析在各行业的重要性日益凸显出来。大数据时代要求人才具有极强的“数据视野”、“数据意识”和“数据能力”，即对所处行业数据的形式种类详尽把握，对数据的作用深刻理解，对数据分析方法和分析软件熟练运用。其中“数据能力”是前两者的基础，是实现大数据所有思想和理念的根本保证，是现代经济管理人才的重要基本素养和技能。

我国的财经类院校肩负着为社会培养经济管理类高级专业人才的重任，在大数据时代，社会对于经济管理类高级人才在数据分析方面的要求极大增加，现代经济管理理论的发展趋势也体现出越来越重视数据分析的特点。这要求人才既有深厚的经济管理理论功底，又能够熟练使用数据分析工具对业务数据进行分析，并得到结论。特别是在研究生教育层面，对数据分析能力培养更加重要。

然而，目前在研究生数据分析能力的培养方面各财经类院校均存在着较多的不足。首先是覆盖面小，除各院校的统计学院（或类似学科的学院和专业）外，强调这方面能力的培养的学院和专业较少，导致研究生对数据的运用和分析能力不足；其次是形式单一，主要以课堂教学为主，完全忽视了数据分析的实践性，教学效果不好；再次是教学所用软件平台薄弱，多数使用SPSS，极少数专业学习SAS，对于在学术界和业界非常流行R语言、python等平台则少有涉及。因此，合理设计数据分析类型课程，提高经济管理类研究生在数据分析方面的理论水平与实践能力，是广大财经类高校不得不面对的迫切问题。本文讲就财经类高校数据分析类课程的特点、建设思路和建设方案，结合笔者在教学实践中的一些心得谈一谈自己的看法。

二、财经类高校数据分析课程的特征

数据分析的目的就是从数据中提取有价值的信息，进而形成知识。因此在绝大多数专业领域均有大量的数据分析需求，对人才的数据分析能力均有较高的需求。从财经类高校的专业分布看，可以把对数据分析能力的需求分成三个不同的类型。

第一类是以统计学院、信息学院（或类似学科的学院和专业）。这两类专业的教学主要突出理论性、基础性和方法性，立足于对学生的“数据视野”、“数据意识”和“数据能力”进行全面训练，使学生能够在毕业后在任意领域迅速承担起高级数据分析的任务。

第二类是经济学门类的相关学科。这类学科对于数据分析教学的要求偏重应用，即学生的“数据视野”、“数据意识”，但由于部分专业（如数量经济学）对数据分析能力要求较高，因此对于“数据能力”的培养也需要兼顾。

第三类是管理学门类的相关学科。当前的管理学实践离不开数据，对数据分析教学主要是应用层面的。要求学生具有良好的学生的“数据视野”和“数据意识”，而对于学生的“数据能力”的培养则并没有太高要求。

三、财经类高校数据分析课程建设的思路

基于上述分析，研究生数据分析课程建设应当采取分层设课的原则，基于不同的教学需求，设置不同的课程群。

对于上述第一类专业，需要在专业核心课程群的基础上，重点建设大数据相关课程。如分布式计算、非结构化数据分析、R语言、python语言等。在教学中，案例化教学和上机实操应当成为教学的主要形式，尤其软件类课程应当在机房进行，保证学生有足够时间熟悉操作并能随时与教师互动。

对于上述第二类专业，需要以一门基础课程为先导（如统计学导论），在配合若干专业课与软件课的组合，如计量经济学、时间序列分析、纵向数据分析与Eviews、SAS和R语言的配合。在教学时，理论与实操并重，在实操方面突出学生的软件使用能力训练，SPSS类型的软件不应当成为此类专业的主要数据分析平台（学生应当在学习专业课程时自主学习使用）。

对于上述第三类专业，可以考虑以一门数据分析课程为基础，配合合适的软件平台，同时在其他专业课程教学中突出各个课程的数据分析教学内容和实践环节，既可以基本达到教学目的。这类课程教学的重点在于对数据分析方法模型的理解，切忌死记硬背，同时辅以一定的案例和上机实操。在软件平台使用上，以SPSS这类拥有完善的GUI环境，所见即所得的平台为主，也可以使用R语言强大的图形能力作为演示工具，在演示的同时潜移默化地使学生了解R系统，进而为其进一步学习建立基层。

四、财经类高校数据分析课程建设方案――以R语言课程为例

在上述三类专业的数据分析课程建设中，R语言均扮演了重要角色。因此本部分将以R语言课程为例介绍建设方案。

（一）R语言的优势

R语言作为功能全面地数据分析平台，在国际学术界和业界得到了广泛的认同，是应用最普遍的数据分析软件之一。与其他统计分析平台（如SAS、SPSS、S-PLUS等）相比，R语言具有若干明显的优势：

第一，完全免费，完全开源。与SAS多达几十万元的价格相比，R语言是一个完全免费的平台，且功能同样强大。

第二，安装简便，更新迅速，功能完善。R语言的安装对于硬件的需求很低，且拥有Windows、Mac、Linux等多个平台的版本。并且R通过其大量的程序包实现了功能的扩展，用户总是能通过下载功能包获得最新的分析模块。

第三，R语言是被国际学术界广泛认可，绝大多数国际知名高校都将R作为基本的教学和科研工具。

第四，R语言既是编程语言，又是高度功能化的数据分析平台，同时具有编程语言的灵活性和功能化数据分析软件的易用性。

（二）开展研究生R语言教学的必要性

首先，作为一种编程语言，R语言的教学可以训练学生抽象思维、逻辑思维能力，同时作为一种数据分析平台，R语言可以训练学生数据分析模型的应用能力和实际操作能力，这一功能是其他非语言类软件系统无法实现的。

其次，在研究生教学中开设R语言课程，可以极大提升学生在求职就业、考博和出国深造方面的竞争力。由于R语言在国内外学术界和业界有着巨大的影响，因此熟练掌握R语言无疑会使我们的研究生更加具备竞争力。

（三）研究生R语言教学的现状及改革的迫切性

从当前的教学现状来看，R语言仅仅是少数专业才有的课程。但是基于本人这几年的教学和指导研究生的经验来看，当前我国财经类高校研究生的动手能力较弱。其根本原因之一是缺少数据分析能力的训练。若要在不过分增加研究生课程量的前提下迅速提高研究生这方面能力，R语言这种将抽象思维、逻辑思维、数据分析模型和数据分析实操紧密集合的平台是最好的选择。

（四）R语言教学的内容划分

R语言集合了计算机语言与数据分析系统的特点，既能像SPSS那样通过简单操作即得到结果，又能够项C语言那样进行新功能的开发，尤其是其强大的图形能力，更为数据分析人员提供了强大的数据可视化平台。为了能够为学生全面地讲授上述内容，需要对课时进行合理分配，辅以合理的教学模式和考核模式。下面本文将以48学时的研究生课程为例，介绍R语言课程的基本内容和结构。

1.教学内容和学时分配

第一部分，R语言简介（2学时），介绍R语言的历史、基本操作环境、相关网站、系统本身和软件包的安装方法以及参考书籍等。

第二部分，R语言的数据结构（12学时），介绍向量、因子、索引、数组和矩阵、数据框、列表等概念和相关算法。这部分是后面教学的基础，同时也是R语言区别于其他编程语言的重要方面，在教学时要突出对因子、索引（以及利用索引实现筛选等功能）、数据框等数据结构与数据分析的关系的介绍。

第三部分，R语言的编程结构（12学时），介绍成组、选择和循环三种结构。在这部分教学中，重点在不能按照传统程序设计语言的模式进行教学，要突出数据分析的特征，可以考虑使用R语言自己编制景点统计方法的代码，如最小二乘法、距离判别、快速聚类等。

第四部分，R语言的绘图功能（12学时），介绍高级绘图语句、低级绘图语句、交互绘图语句以及ggplot2软件包等。绘图是R语言的优势，允许使用者自由的定义图形，尤其是ggplot2软件包的出现，更是将R的绘图功能推上了新的高度。这部分不但是上述第一类、第二类专业研究生所需要掌握的内容，也是第三类专业研究生应当了解的内容。

第五部分，R语言的基本统计功能（10学时），经过前述四个部分的教学，学生已经对R语言具有了较为深入的了解，并应该具有独立编制代码的能力。在此基础上，可以进行本部分的教学，即对于使用R语言实现诸如回归分析、多元统计分析、时间序列分析的方法进行介绍。由于这一部分功能均有对应的软件包和函数，因此在软件操作方面非常简单，如果跳过前面几个步骤直接进行这部分的教学会使学生对R语言一知半解，缺少对R语言核心知识的理解。

2.教学及考核方式

由于R语言是一个操作性非常强的语言平台，传统的课堂教学+上机的教学模式会使得理论与实践脱节。因此建议该课程全程在机房进行，这种教学方法的优势有三个方面：

第一，教师讲解更到位。编程类课程重要的是思考过程而不是结果，因此传统的课堂上听讲，上机课练习的模式会使得思考过程与结果脱节。而在机房上课则可以使学生跟随教师的讲解随时练习和实验，使得教学效果更好。

第二，师生互动更容易。学习编程的过程就是不断试错的过程，学生需要不断地从发现错误――解决错误的过程中提高能力，而在这个过程中教师与学生的互动非常重要。

第三，课堂练习更直接。课堂练习在学习编程过程中具有非常高的重要性，传统授课模式下，无法做到当天的学习内容当天联系，是知识技能的掌握不牢，效率低下。

在考核方面，建议采取开卷上机考核的方式。由于R语言的教学具有极大的实践性，因此“会用”才是最终的目的。同时，由于R语言极强的可扩充性，因此单纯地考查学生对于R语言中一些功能代码的记忆没有任何意义，采取开卷的方式，重点考查学生解决数据分析问题的能力的上级考试才能够实现对学生R语言学习水平的测度目的。

五、结论

当今社会已进入大数据时代，任何财经类专业人才的培养脱离了数据分析类教学内容都是不能适应社会需求的。而数据分析课程的理论与实践并重的特点，要求在教学过程中既重视数据分析理论模型的讲解，又重视数据分析平台的训练。只有这样，才能使得财经类人才的培养跟上市场对于人才需求内容的转变，培养出符合市场需要的人才。

篇（10）

【中图分类号】G642 【文献标识码】A 【文章编号】2095-3089（2015）18-0006-02

随着信息技术的进步和社会的发展，硬软件信息系统在各行业和领域快速增长。这些ICT系统采集、处理、积累的数据量越来越大，数据增速也越来越快，以至用所谓爆炸性增长等词汇已无法形容数据的增长速度。在大数据时代，让科学研究及教育领域能够凭借信息技术的发展从宏观群体走向微观个体，让跟踪每一个教授与被教授者的数据成为了可能，从而让全方位研究“教学互动双方的行为”成为了可能。特别对于我们教育工作者来说，我们将比任何时代都更接近认识真正的学生。

2011年知名咨询公司麦肯锡全球研究院了一份题为《Big data： The next frontier for innovation， competition and productivity》的报告。报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于大数据的运用预示着新一波生产率增长和消费者盈余浪潮的到来。第二年美国政府通过网站了《Big Data is a Big Deal》，表示将投资2亿美元启动“大数据研究和发展计划”， 在这一倡议同时，6个美国联邦部门和机构承诺，这些资金将用于大大改善从海量数据信息获得、组织和收集知识所必需的工具和技能，并透露多项正在进行中的联邦政府计划，以应对大数据时代以及大数据革命带来的机遇和挑战。

那么我们如何通过大数据分析来实现认识真正的学生，了解学习行为数据背后的原因，从而真正读懂我们的学生？期末考试的一张英语试卷，它带给我们的数据是什么？是简简单单的一个90分？如果我们了解正确的技术与方法，充分利用IT系统的计算能力，我们可以得到许多隐藏在试卷背后的数据：可以是每一大题的分数分布，每一小题的得分，客观题选择了什么选项，每一题的平均用时，检查了哪些题目，修改了哪些答案，亦或者不同专业分数的差异分布……等等，这些远远比简简单单的分数所透露的信息要有价值得多。其实除了考试，课堂面授、远程辅导、课外活动的各个环节都渗透了这些大数据。

在《国家中长期教育改革和发展规划纲要（2010-2020年）》别强调：强化信息技术应用。教师应该提高信息技术水平，更新教学观念，改进教学方法，提高教学效果；应该鼓励学生利用信息手段主动学习、自主学习；应该增强运用信息技术分析解决问题的能力。

（一）什么是大数据和数据分析？

纵观人类历史，每一次划时代的变革都是以新工具的出现和应用为标志的。蒸汽机把人们从农业时代带入了工业时代，计算机和互联网把人们从工业时代带入了信息时代，而如今大数据时代已经到来，它源自信息时代，又是信息时代全方位的深化应用与延伸。大数据时代的生产原材料是数据，生产工具则是大数据技术，是对信息时代所产生的海量数据的挖掘和分析，从而快速地获取有价值信息的技术和应用。

业界（IBM 最早定义）将大数据的特征归纳为4个“V”（量Volume，多样Variety，价值Value，速Velocity），或者说特点有四个层面：第一，数据体量巨大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；第二，数据类型繁多。比如，网络日志、视频、图片、地理位置信息等等。第三，价值密度低，商业价值高。第四，处理速度快。最后这一点也是和传统的数据分析有着本质的不同。

几位行业领军任务的观点也更鲜明的揭示了大数据思维的本质。“今天的数据不是大，真正有意思的是数据变得在线了，这个恰恰是互联网的特点。” “非互联网时期的产品，功能一定是它的价值，今天互联网的产品，数据一定是它的价值。” “你千万不要想着拿数据去改进一个业务，这不是大数据。你一定是去做了一件以前做不了的事情。”所以说，探求数据价值取决于把握数据的人，关键是人的数据思维；与其说是大数据创造了价值，不如说是大数据思维触发了新的价值增长。

数据分析，又称为知识发现（Knowledge Discovery），是通过分析每个数据，从大量数据中寻找其规律的技术。知识发现过程通常由数据准备、规律寻找和规律表示3个阶段组成。数据准备是从数据中心存储的数据中选取所需数据并整合成用于数据分析的数据集；规律寻找是用某种方法将数据集所含规律找出来；规律表示则是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。如果能够对这些数据进行分析，探寻其数据模式及特征，进而发现某个群体或组织的兴趣和行为规律，专业人员就可以预测到未来可能发生的变化趋势。这样的数据分析过程，将对工作有很多帮助。

维克托・迈尔-舍恩伯格在《大数据时代》一书中举了百般例证，都是为了说明一个道理：在大数据时代已经到来的时候要用大数据思维去发掘大数据的潜在价值。书中，作者提及最多的是Google如何利用人们的搜索记录挖掘数据二次利用价值，比如预测某地流感爆发的趋势；Amazon如何利用用户的购买和浏览历史数据进行有针对性的书籍购买推荐，以此有效提升销售量；Forecast如何利用过去十年所有的航线机票价格打折数据，来预测用户购买机票的时机是否合适等。

（二）英语教学中的大数据策略

新东方无疑是传统精英面授教学的最强者，通过网罗优秀教师、强化记忆方法、研究考试要点等创造了英语教学的中国合伙人神话，这里无意讨论新东方的成功之处，仅就互联网时代在线英语教育市场对它的冲击探讨未来高校英语教学者利用大数据策略的必然。

2013年的在线教育市场风起云涌，无论是新创业公司还是老牌互联网公司都盯上了在线教育市场，这说明在线教育将迎来市场的爆发阶段。

由于信息时代的来临，在线教育无处不在，对高校英语教学也产生了深远的影响。 首先，传统的教学模式受到了严峻的挑战。信息时代的今天，学生们对于手机和电脑的操作已经非常熟练，任何感兴趣的内容通过网络，视频，微信“扫一扫”等功能都能快速的查询到。学生已经非常习惯于这种信息获取渠道的即时性与便捷性，教师的角色定位经历了几次变化，由教学的主体变成了现在的主导者。而在大数据时代，教师的作用更是会发生翻天覆地的变化。教师将很有可能成为课堂的组织者，以及学习方法的授予者。

中国高校英语写作教学协会同创新联盟通过在线形式在一个月的时间里搜集到近30万篇英语作文，在较短的时间里获得数量如此庞大的英语作文电子数据，这在过去没有相应技术支持的情况下是难以想象的。《中国学生英语写作能力调查蓝皮书》对海量数据进行分析，获取有助于英语作文评判的数据标准，同时对提高学生英语写作能力提供有针对性的建议。

另一个典型的例子是批改网，上线半年累计批改英语作文近3000万篇。我们非常想了解批改网的评分标准，对此充满兴趣，据了解批改网总共有192个判断维度，包括平时我们所熟悉的拼写、语法、词汇、搭配错误等，这192个维度正是批改网的大数据技术核心。一组实验数据：把老师批改过的作文让批改网再重新批改，其中人工评分和机器评分的基本一致率达到92.03%。现在，积累的数据足以对每一个用户的英语能力做出评价，而这个评价又会在用户下一层次的学习中起到分类作用，方便用户定制个性化的英语学习课程。

在高校英语教学实践中可以利用大数据分析工具开展以下方法：

第一，对学生的发展进行多元评估，实现教学过程评估，发现学生的常态，改造课堂的流程。如果有一个课堂交互APP，通过对学生在课堂中点滴微观行为的捕捉，帮助我们了解学生对知识的掌握程度以及感兴趣程度，进而反思我们的教学是否满足了学生的需求。

第二，大数据实现了学生课外在线学习的积累，可以通过后台数据库统计一个学校、一个区域的整体情况，获得有价值的数据报告。

第三，分析和发掘作业和考试背后的有效数据，通过数据的归类与分析，能够帮助我们了解每一个学生的需求，实现个性化教育。

总之，大数据分析是顺应潮流，大势所趋，它将改变英语教学的未来。

参考文献：