高校教育大数据的分析挖掘与利用.docx

《高校教育大数据的分析挖掘与利用.docx》由会员分享，可在线阅读，更多相关《高校教育大数据的分析挖掘与利用.docx（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、高校教育大数据的分析挖掘与利用 高校教化大数据的分析挖掘与利用 摘 要,本文从高校教化大数据的汇聚融合与挖掘应用的角度,分析了如何运用教化大数据技术推动高校管理和人才培育的创新改革的思路和方法。首先,分析了教化大数据对高校现代化、精细化、规范化管理的4个价值,其次,给出了高等教化大数据技术平台的基本技术架构,第三,结合教化大数据实际应用,介绍了陕西省高等教化质量监管大数据中心、MOOC中国、西安交通高校教学质量综合监控与评价三个典型案例,最终,提出了教化大数据分析挖掘中的3项基础性关键技术 关键词,高等教化,大数据,分析,挖掘 一、教化大数据分析挖掘的价值 高校大数据分析挖掘至少有四个典型价值

2、, 一是使得高校的管理更加精准高效,可以朝着才智治理、分类管理、过程监控、趋势预料、风险预警的方向发展,真正实现基于大数据分析规律的精准治理,变更管理的模糊性, 二是可以更加精确地分析评价课堂教学的质量,过去我们对课堂、对老师的评价是定性和模糊的,而在大数据才智课堂的模式下,可以真正实现采集样本的长久化,采集方式 的多元化,挖掘手段的多样化,分析技术多维度,通过这些方式可以提高课堂教学的质量, 三是使得教和学更加才智,更加有效。对学生来说,老师可以了解学生学习的进展状况,发觉学习爱好点,以及对老师讲的哪些内容理解或者不理解,学习路径分析及课程举荐等等。对老师而言,不仅可以跨校跨地域共享他人的优

3、秀课程,而且可以对学习者进行精准分类,进行特性化指导, 四是资源服务的特性化、精准化举荐与服务,学习绩效的特性化评价,以及特性化教学管理,特性化手机内容推送等等,这些功能将有效提升教与学的效率和质量 二、教化大数据技术平台的总体设计 首先,我们对高等教化大数据技术平台有一个总体的顶层设计,如图1所示。这不仅是学校自己要有一个大数据的管理平台或者是数据中心,而且也是面对区域乃至全国的平台。教化部评估中心正在努力建立国家级高等教化教学质量监控大数据中心,陕西省也是这样考虑的。数据来自高校、教化管理部门以及行业、第三方、企业用人单位等等各方面采集的数据,该数据平台既有高校的业务数据、课程资源,也有政

4、府部门的统计数据,还有学生网上学习的日志数据,用户产生的UGC数据,比如微信、微博、论坛等等的数据,基于大数据平台,开展面对学习者、面对高等教化管理机构、老师、高校等供应服务,并和教化部评估中心、主管部门等 进行数据交换与对接 明显,这样一个大数据平台必需是一个高性能的计算平台,没有这样的基础设施一切无从谈起,所以去年我们学校花了很大的力气做了两件事,一个是把校内二级单位原来小的集群计算进行整合,形成学校统一的高性能云计算平台,既面对校内的科学探讨、人才培育供应服务,其实也可以为社会供应合作共建共享模式。目前,我们已建立了一种自我造血机制,四两拨千斤,以这个平台吸引更多的外部资源,努力扩展平台

5、的性能和应用 三、教化大数据分析挖掘的典型应用案例 目前,我校的高性能平台除了应用于材料、航天、能动、信息等大型科学计算之外,还开展了以下三项典型的大数据应用 案例1,陕西省高等教化质量监控与评估大数据应用 图2所示的是陕西省高等教化的整体架构。其数据基础是来自陕西省100多所高校的各种办学状态数据,有将近700个表格,以及陕西省教化厅各个职能部处的各种各样的管理数据,此外还有行业第三方供应的数据,包括招生、就业数据等等,这个平台上我们开展预料预警、查询在线分析、信息发布、统计决策等等,主要是为省级教化管理部门、评估机构、教化管理机构供应各种各样的办学状况的分析、统计、关联分析 建设全省高等教

6、化大数据服务平台,实时采集各高校的办学状态数据,其根本目的是为了汇聚全省各高校的办学状态数据,打破数据孤岛,融合各方数据,实现横向关联比较、纵向历史分析,供应精准服务,支持科学决策 首先,该平台面对省教化厅供应了11项功能,从根本上解决了原来各处室间的数据孤岛的问题,实现了数据融合,横向关联,纵向融通,这个数据和各个高校是实时融通的,为省教化厅领导和职能部处供应了领导仪表盘、各职能处室的专项服务、81张高基表及年报年鉴表格的自动生成、绩效分析、招生就业及办学指标计算、教化评估等功能,从根本上解决了数据碎片化及其治理问题 其次,面对全省高校协助决策,为高校领导以及校内各个职能部处供应了系列功能,

7、包括办学状况综合分析和在线查询,专业结构分析比较,校级的教学质量监控评测体系,老师管理等等,这些功能特别好用,这是高校实现精细化、规范化、现代化管理的必备基础。以我校为例,我们过去老师的数据可能在人事处、教务处、科研院等学校的职能部门,实行本平台以后,把老师有关的全部数据都进行了融合,打通了全部原来割裂的数据。从去年起先,我们学校的职称评聘,年度考核全部基于这一平台,全部在大数据里,建立健全了基于数据驱动的精准化服务,解决了数据碎片化历史遗留问题,实现了从管理信息化向服务信息化的根本转变 第三,为本科教化教学评估及专业认证供应技术支撑。鉴于本平台能供应比较全面的高校办学状态数据,便于专家在进校

8、之前全面系统地驾驭学校办学的状况,找到问题,精准查看验证,提高效率,给高等教化评估供应了重要支持。基于本平台,我们成立了中国西部高等教化评估中心,接受陕西省教化厅指派的省属本科高校的审核评估和专业论证。假如没有这一高等教化大数据平台的支撑,工作量和难度是极其巨大的,甚至难以实现 案例2,MOOC中国技术平台 MOOC中国成立于2022年1月,到目前为止已经有121所高校加入,理事单位40家,会员单位80家。该平台的宗旨是,做政府想做的,做社会情愿做的,做单一高校做不了的事情。例如,真正解决校际资源共享、学分互认等,开拓远程教化国际化等将来发展的难题。 图3给出了MOOC中国的技术框架。其核心是

9、互联网+教化,实现互联网教化从1.0到2.0的升级。基于这一平台,既要开展网络教化业务的国际化,比如我们牵头成立的“丝路高校联盟”,其目的之一是借助MOOC中国平台,实现网络教化业务的国际化,通过MOOC中国平台,面对“一带一路”国家开绽开放教化和技能培训 到目前为止,MOOC中国已经有了9911门课程,用户将近600万,其中光IT培训的有500多万,学历教化在读 学生50多万 案例3,西安交大教化教学大数据分析挖掘与应用 学校特别重视教化信息化技术融入和应用到教化教学之中,去年一次性建成了80个智能教室,把物联网技术、云计算技术应用于智能教室和教学一线,基于物联网技术实现教室设备的集中管理、

10、智能限制,同时,将互联网技术深度融入到教室的管理当中,除了多媒体的直播录制功能以外,还供应了学生考勤和专家的精准督导,通过云平台来集中管理各个教室,比如说开投影机、关电源、关多媒体设备等等,都可以通过后端的云平台集中管控,真正实现教室管理的数字化、智能化、精细化,提升了教学保障的实力,也大大提高了教室管理的效率。更重要的是,这些教学的过程数据可以全程采集下来,获得数据,有了这些数据,就可以做精准化分析服务,建立西安交大教学质量大数据监测中心 目前,我校的教学大数据主要包括两大部分,一是老师在授课过程中的全程录制的课堂实况,二是学生在学习过程中产生的大量日志数据。基于这个平台,我们可以开展教化教

11、学的大数据关联分析,开展课堂教学质量的综合评价,实现正面激励、负面惩戒、精准督导,实现教学评价从模糊宏观到量化精准、从每学期制到持续常态、从部分随机到全面覆盖、从事后评价到实时动态的根本转变。通过评价激励老师敬畏课堂,评比精品课堂、示范课堂,在全校内进行正面 表彰,另外也作为教学质量评价的重要依据,包括老师的职称晋升,评比最宠爱的老师等等 此外,本系统还为学院领导和管理部门供应了针对性的信息服务与决策支持,以数据说话,量化分析,变更了以前我们的模糊评价,实行多维度、全覆盖、持续化、精细化的过程评价与监控 四、教化大数据分析挖掘的若干关键技术 首先,介绍一下大数据人工智能的基本原理。前段时间,A

12、lphaGo战胜世界围棋冠军这一故事炒得很热。这对我们的教化科研工作者提出了一个重要的课题,究竟人工智能会不会战胜人类的智能,将来老师存在的主要价值是否还有必要,863安排正在探讨一个项目,到2022年,人工智能软件参与高考得分要超过一本线,这就是说,计算机教出来的机器软件参与高考都能达到一本线以上。这就引起我们的思索,这是一个深层次的方向性问题。当然我们今日不是谈这个问题,而是我们要看看AlphaGO的原理,其核心是价值计算函数,用收益函数来推断围棋下一步该落子到哪里其收益是最大的,其中采纳了人工智能深度学习方法。AlphaGO并非天生聪慧,其实他的才智是分三步完成的, 第一步,给Alpha

13、GO输入了3000万个人类围棋高手的棋谱和走法,任何一个人是不行能记住3000万个棋局的,只有人工智能才能记住 其次步,AlphaGO自己和自己对弈,在对弈过程中找到自己的薄弱点,进而改进和完善,这其实和人的学习原理类似 第三步,才是人机对弈,从职业选手到世界围棋冠军,通过这样不断的对弈完善算法,校正学习,使得AlphaGO具有强大的智能计算实力。AlphaGO的难点在哪,其关键在于在一个巨大的落子空间选一个最大的收益点,或者落子点,称之为MovePicker,函数,这个空间很大,有10170次方,在如此浩大的计算空间中选择最优函数,只能依靠高性能计算平台 AlphaGo为我们探讨大数据问题供

14、应了思路和启发。我们在探讨教化大数据问题中须要着力攻克以下理论与技术难题 第一,大数据造成了严峻的认知碎片化问题。比如,大家在百度搜糖尿病会检索出4440万个数据源,谁也看不过来,并且里面还有一大堆真假难辩的数据。所以,碎片化学问的聚合是一个特别基础的难题,高度的碎片化降低了学问的可用性,造成了分布性、动态化、低质化、无序化等典型的问题 一方面是学问的碎片化,另一方面是每个人的爱好和需求还不一样。所以,资源的碎片化整合以及特性化举荐是今后人工智能中的关键问题。我们的思路是,一方面,我们要 从资源的角度把无序、分散、低质的资源进一步重组以后形成学问点,形成有序的学问地图,另一方面,要对学习过程进

15、行跟踪,实现爱好、特性、情感等方面的动态分析与挖掘,两者结合起来,建立基于用户爱好和特性的资源举荐,最终实现特性化精准过滤,通过学问地图面对用户供应导航学习,从而缓碎片化学问的问题。开展这一探讨也要建立浩大的基础数据,就像刚才讲的AlphaGO,光靠智能软件确定不行能那么聪慧,须要建立浩大的学问地图、学问图谱,并将其放到了国际开源社区和开放数据平台之上 其次,碎片化学问的聚合问题。其目的是解决“既见树木,又见森林”的问题,破解“学习迷航”、“认知过载”的问题。我们正在担当国家自然科学基金重点项目,探讨如何将多源、片面、无序的碎片化学问聚合成符合人类认知的学问森林,找出主题与主题之间的认知关系,

16、最终形成一个学问森林,其中须要解决主题分面树的生成、碎片化学问的装配、学问森林生成、学习路径选择与导航等有关学问地图、学问图谱构建与应用等很多基础性关键技术 第三,学习行为的分析和挖掘技术。网上学习最大的好处我们可以把老师和学生全部的教与学的行为记录下来,探讨、作业、习题、笔记及进度记录下来,有了这些数据,我们可以进行后续分析,开展学习行为的特征识别和规律发觉等等,既可以跟踪挖掘某个个体的学习规律,也可以找出一 个群体、一个小组的特征和规律。针对不同的课程,开展课程点击率、学习人群、学问关注点、学习时间等的分析与跟踪,刻画一个学生学习的过程,从时间、空间和课程学问导航的角度,甚至围绕某个学问点

17、,探讨学习者的特征、行为、交互等相互之间的关系,为老师深化课程改革、探究以学生为中心的教学设计具有特别重要的意义 教化是全人类、全社会发展的基础性事业,随着互联网+技术全面渗透和深度融入教化教学,不仅产生了大量的课程资源和学习内容,而且还产生了巨量的教化教学管理数据、行为数据、服务数据,隐藏着巨大的价值,亟需我们开展深化探讨,可谓前景广袤,挑战巨大， ,编辑,王晓明, 高校教化大数据的分析挖掘与利用 大数据自动分析与数据挖掘探讨的论文优秀 利用大数据分析绩效 大数据时代下数据挖掘技术与应用 C02 利用Python实现大数据分析与数据挖掘技术培训(5天) A31 大数据分析与数据挖掘实力提升实战(5天) 大数据时代下数据挖掘技术的应用 精准营销下的大数据分析利用 大数据建模与数据挖掘培训心得体会 征信数据征信大数据的挖掘与风控应用 本文来源：网络收集与整理，如有侵权，请联系作者删除，谢谢！第12页 共12页第 12 页 共 12 页第 12 页 共 12 页第 12 页 共 12 页第 12 页 共 12 页第 12 页 共 12 页第 12 页 共 12 页第 12 页 共 12 页第 12 页 共 12 页第 12 页 共 12 页第 12 页 共 12 页