大数据学习计划精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的大数据学习计划主题范文，仅供参考，欢迎阅读并收藏。

第1篇：大数据学习计划范文

大学生评价是高等教育学领域的重要课题，是整个高校系统的一个关键环节。总体来说，我国高校采用的学生评价方法单一，更新速度慢。各高校自主建立学生评价系统，使用的方法多以综合素质测评为主。自1985年来，各高校为了迎接评估，需要从多方面来突显实力；此外我国高校启动课程改革，学生评价也要作出调整；为了获得更多的政府资助，各高校需要提高综合水平，因此从多方面分析，我国高等教育需要引入新的卓有成效的学生评价方法。

二、国内外研究现状

学生评价是以学生个体为对象的，对学生的优秀程度进行价值判断的一种评价模式。作为高等教育比较发达的国家，美国对学生的评价有着比较成熟的观点和经验。美国学生评价研究专家SerbreniaJ.Sims曾在研究中指出：“自高校学生评价产生以来，在有关学生评价的研究文献中，学生评价的发展历史这个主题很少引起学者的关注。”[1]很多学者分析认为没有得到重视的原因是至今没有很好的方法来准确测量学生在学校取得的成就。然而，另一学者Pace质疑了这种说法，他在1984年发表的《学生评价的历史性瞻望：评价发展的未来》一文中指，在过去的几十年中，高校已经形成和发展了很多学生评价方法。能够准确地评价学生在高校中获得了什么[2]。事实上，早在1977年，美国高等教育管理中心的Lenning根据工作中积累的经验指出，在美国，已有80多种试图测量学生成就的评价方法[3]。20世纪50年代以来，美国先后出现了泰勒评价模式[4]、综合测验模式[5]、价值增值法[6]、教育目标分类学[7]、核心技能评价。

20世纪80年代后，学生评价在美国受到了广泛的关注，检验“高校学生究竟学到了什么”已经成为美国高等教育领域的一个重要话题。美国高校广泛应用的学生评价方法有档案袋评价、课堂评估、对具体技能的评价、价值增值法、毕业生追踪调查。

（1）档案袋评价（portfolio evalua- tion）方法用来记录学生的成长历程与发展进步。这种评定技术旨在提高学生学习的实际水平，重视发展的过程，从多角度、多侧面来判断每个学生的优点和可能性[8]。尽管档案袋评价具有无可比拟的优越性，但是也存在一些不足，收集的过程耗时长，给教师增加了学习任务，班级的规模不能太大，20人左右为最佳，缺乏评价的标准，导致材料之间可比性差，属于形成性评价与总结性评价的结合。

（2）课堂评估是一种以学科为基础，组织教学的教师为确定学生在其课堂上的学习情况而持续进行的小规模评估。具体分为3种类型：评估学习者与课程有关的知识与技能；评估学习者的态度、价值观和自我意识；评估学习者对教学的反应。课堂评估的主要目的是提高教学的有效性，具有简便、易操作的特点，但需要耗费教师较多的精力和时间，属于形成性评价[9]。

（3）具体技能评价是评价学生在校学习和进入社会工作时必须具备的技能，包括交流能力、解决能力和批判思维等。主要方式是通过“交流、口试、论文写作、实习日记、海报制作、评论写作、报告、角色扮演”等实现对学生具体技能评价。具体技能评价能使学生更好地适应专业学习和今后的社会工作，但是同样需要老师付出更多的时间，而且能力的评价标准难以量化，可比性也不是很高，属于形成性评价与总结。

（4）价值增值法是一种评价学生在校期间发生变化情况的方法。价值增值是指学生在完成学业后与学生入学初时之间在知识、能力等方面发生的变化。该方法能较好地评定学校的成果和学校质量。但学术界对其提出质疑，该方法对高校有着巨大的挑战，花费高昂，程序设计复杂，属于总结性评价。

（5）毕业生追踪调查法。利用毕业生反馈的信息改M教学。它的主要优点是与毕业生保持联系，有目的地改进教学，缺点是学生参与积极性不高，导致反馈效率低，属于形成性评价。

近年来，中国大学对学生的学业成就评价已经取得了很大进展，特别是对考试和测验的改革进一步加强。高校的考分等级得到了很大的转变，试题库建设以及考试科学性方面也积累了许多科学经验。但是依然存在一些问题。①学生评价功能单一，主要表现在高校通常只重视发挥学生学业评价的管理功能，单纯地依据考试成绩来评定学生的综合素质，忽视了学生学业评价中的其他功能的发挥。②形式虚化的形成性评价，大部分高校的教师缺乏学生形成性评价的专业培训和指导，缺乏对形成性评价知识的了解，不能正确地实施学生的形成性评价，导致形成性评价在实际运用中被简单化。③忽视学生的个性化，过分关注学生的共性发展，忽视了千差万别的个性差别，教育的结果是千人一面，培养的学生是工业产品式的学生，导致学生缺乏创造性。④学生在评价过程中缺乏主动性。当今高校在学生学业评价中，学生充当被评价者，学生处在被动的地位上，产生很多不利学生发展的消极因素，评价者与评价对象容易产生对立情绪。

虽然也有学者呼吁加强学生在评价体系中的参与性和主动性，增加相应的学生互评和自评，但是由于这种评价在整个学业中占有的比重很小，且评价标准具有随意性，不能充分调动学生相互学习的积极性，不能使其对自身的学习和发展进行反思。

三、基于大数据分析的个性化学生评价模式探讨

根据目前国内高校学生评价中存在的问题，可以采用大数据分析技术手段分析学生信息。大数据分析技术要构建海量、多样化学生信息模型，采用这种高新技术能够充分展现学生多维度信息的特征，能够为数据评价提供更全面、更完整、更科学的数据基础，有利于建立科学、有效的评价模式，是一种研究技术手段的创新。

学生管理大数据的来源种类繁多，渠道多样，如学生使用的微博、微信、QQ等网络中产生的记录、浏览信息；高校的师资、学生资料；学生的专业背景、家庭条件、生源地；学生的社交、消费、情感等资料等，这些形成学生评价信息的多维度结构数据，采用大数据分析技术能提出科学的个性化评价机制模式、自我评价机制等。

（1）探索和研究以学生为主体的个性化的多维评价模式，学生作为评价对象，必须成为评价过程的主体，让学生最大限度地接受评价结果。因为评价的目的不应该只是对评价对象作出评价，更应该是主动根据评价结果作出改进从而获得发展，因此必须让被评价者心悦诚服地认同评价结果。而要做到这点，必须根据大学生的个体实际特点和个人的实际需要来评价学生，使不同层次、不同阶段的大学生都能找到适合自己的成长标准。同时，评价标准不能单一化，要多角度、多维度、多层次化，让不同风格和个性的学生都得到认可、被赏识的机会。评价必须关注学生的主体性和个性化。以学生为中心主体，只有这样才能让学生主动接受评价，获得健康和持续发展。

（2）基于大数据技术分析个性化多维学生评价机制，大数据技术是在基于掌握了庞大数据量的基础上对多元化数据进行专业加工。构建海量、高增长和多样化的学生信息模型，能使评价模式更加科学、完整。学生管理大数据的来源种类繁多，渠道多样，如网络使用中的产生的记录、浏览信息；高校的师资、学生资料；学生的专业背景、家庭条件、生源地；学生的社交、消费、情感等资料等，这些数据具有海量性、多维性，它们往往是传统的评价模式或体系中被忽视的数据。通过大数据综合分析，可以描绘出学生鲜明的个体特性、角度更全面，可以为高校的个性化、多维度评价模式提供强大基础。

（3）大学生自我评价体系和管理机制，强调学生为评价的主体地位，让评价从外部转化为内在主动模式，真正激励学生自我良性发展，有必要建立合理、完善的大学生自我评价体系。而自我评价方式是否有效需要有效地管理机制，如何对自我评价进行管理，不至于让学生的自我评价流于形式，必须合理地建设符合学生个性化发展要求的自我评价激励和管理机制。

四、结语

随着信息化时代的到来，在掌握了大的学生管理数据的基础上，采用大数据分析方法可以比较全面地分析学生信息，可以对多样化的学生管理信息进行深度分析，从而可以构建多角度、多维度、个性化的学生评价机制。与传统方法相比，采用个性化评价模式能够提高被评价者的认可程度、参与的积极性，避免了传统评价方式中的学生处于被动地位，侧重于成绩，无视学生个性化特点的较为单一的评价模式带来的有失公允的问题。

参考文献：

[1]SerbreniaJ.Sims.Student Outcomes Assessment：A Historical Review and Guide to Program Development[J].Accountability，1992：168.

[2]Pace， C.R.Historical perspectives on student outcomes： Assessment with implicaitons for the Future[J].Naspa Journal，1984（22）.

[3]Lenning，Q.T.Previous Attempts to Structure Educational Outcomes and outcomes Related conceptc： A Compilation and Review of the Literature[J].Classification，1976：266.

[4]瞿葆奎.教育学文集（第16卷）：教育评价[M].北京：人民教育出版社，1989.

[5]HD prehensive examinations in a program of general education [J].American Journal of Education，1952.

[6]MeClain，Krueger.Using outcomes assessment：A case study In institutional change[J].New Directions for institiond Research，1985.

[7]（美）布卢姆.教育目标分类学（第一分册）：认知领域[M].上海：华东师范大学出版社，1986：191- 200.

第2篇：大数据学习计划范文

关键词：大数据；本科院校；计算机教学

0引言

本科院校计算机教学中，知识点分布较为分散，再加上课程多、学时少，使得推行传统教学方式将难以满足当今社会追求个性化的大学生学习发展需求。大数据环境下，将大数据技术应用于本科院校计算机教学中，可有助于提升教学质量，推动教学改革[1]。由此可见，对大数据环境下提升本科院校计算机教学质量以及开展研究，有着十分重要的现实意义。

1大数据时代环境概述

相较于传统数据，大数据具备数据量庞大、非结构化、分布式化以及可视化展现等显著特征，这一系列特征可很好地契合当今社会个性化教学的需求。尤其是在大数据不断推进互联网融合背景下，计算机行业实现了迅猛的发展，各式各样的企业、组织在互联网方面得以不断发展进步。传统本科院校计算机教学往往是教师开展计算机理论知识教授结合学生的上机训练，教师仅需依据教学要求实行课程计划，学生也仅需被动地获取理论知识，再接受相关考核，这种教学模式显然不利于学生综合能力的培养。大数据环境下，基于大数据技术推进本科院校计算机教学，可有助于教学、学生转变思维观念，并且教师使用的教材、教学模式同样可实现改革，进而促进本科院校计算机教学质量的有效提升。

2大数据环境下本科院校计算机教学策略

本科院校在大数据环境下，要紧随社会发展步伐，强化改革创新，在先进理念、成功发展经验的支持下逐步推进计算机教学改革，如何进一步促进本科院校计算机教学工作有序开展可以从以下相关策略着手。

2.1依托大数据技术，推进计算机教学模式改革创新

大数据环境下本科院校计算机教学，首先应当将教学模式划分成2方面内容，即实践学习、虚拟学习。在实践学习过程中，推行教师面对面教授、教师与学生相互间、学生与学生相互间点对点的交流模式，开展计算机理论知识学习的同时，还应当强化计算机工作实践技能的训练。依托点对点交流，将课堂教学内容化成学生自身技能，这种个体与个体相互间的交流，知识信息传递存在碎片特征，因此需要开展优化整合，帮助学生建立系统的知识结构[2]。实践学习模式，如图1所示。在此学习环节，教师应当开展适用的计算机教学案例准备，健全计算机技能操作训练，并鼓励学生彼此进行有效的沟通交流，第一时间采集反馈信息，促进课堂教学有序开展。在虚拟学习过程中，学生依托有效的学习系统展开学习，诸如文章案例、图书导读、在线课件等。在此学习环节，应当注重结合学生实际情况，依据学生实际需求获取知识，提高计算机专业技能。通过对互联网提供的庞大数据信息开展有效利用，一方面可对课程知识发挥良好的补充作用，另一方面可有助于学生对自身学习水平形成有效认识，进而为学生指引明确的学习发展方向。通过对大数据技术的应用，可有助于教师更全面地掌握学生学习实际情况，基于此，教师要为学生制定科学的学习计划，凸显个性化，关注学生在学习环节的主体性。此外，大数据环境下，教师还应当调动学生计算机学习的主观能动性，激励学生不断发展，培养他们对数据的分析、处理能力[3]。

2.2依托大数据技术，扩充计算机教学资源及评价方式

单凭课堂理论教学往往会造成信息不公平性的问题，需要明确的是，本科院校计算机教学质量受学生进入大学前其具备的计算机知识水平很大程度影响。由此可见，依托大数据技术，强化教学资源建设及扩充教学互动的多元形式尤为重要。现阶段，国际知名的MOOC运营平台、国内大量资源研发机构、区域性的产学研结合均已建立起分布式数据库或者运用分布式资源服务器，由此很大程度上拓宽了计算机课程资源的存储空间。另一方面，数字化的教学环境聚集了大量的教学信息，这些教学信息能够科学凸显学生的计算机技术专业水平及发展潜力。然而这些信息尚未得到充分开发利用，仅用以简单的记录、查询，未能提炼出隐藏在这些信息中的教学规律、学习计算机水平的差异性等。依托大数据技术，通过对这些信息开展分析处理，以挖掘信息中有价值的模式及规则过程，并将其应用于计算机教学评价中，促进教学评价管理的有序开展。依托大数据技术，推进本科院校计算机课程不断改革创新，突出学生的主体性，转变教师作为单一的评价主体地位。丰富计算机教学评价主体和评价方式，提升本科院校计算机教学质量。

3结束语

总而言之，大数据环境下，本科院校计算机教学应当推行个性化教学改革，指引学生结合自身实际情况制定学习计划，进一步提升教学质量。鉴于此，相关人员务必要不断钻研、总结经验，清楚认识大数据时代内涵，全面分析现阶段本科院校教学中存在的主要问题，结合学生实际情况，“依托大数据技术，推进计算机教学模式改革创新”“依托大数据技术，扩充计算机教学资源及评价方式”等，积极促进本科院校计算机教学工作的有序开展。

参考文献：

［1］蒋日华，傅文博．提升大数据时代应用型本科院校计算机实践教学管理水平的思考［J］．洛阳师范学院学报，2016，35（11）：62-65．

［2］胡蓉．基于大数据背景下的高校计算机教学研究［J］．科技展望，2016，26（24）：162-163．

第3篇：大数据学习计划范文

一、教育的时空维度进一步拓展

从时间维度来看，在未来社会，教育与学习将不再是人生某个阶段的专利，而是贯穿整个人生的终身需求，是未来社会生活的重要组成部分。随着新技术与教育的深度融合，终身学习将使未来教育发生根本变革。每个社会成员在人生的各个阶段，都可以通过参与社会化活动，开展个性化学习，随时随地接受适当的教育，更好地实现个体的全面发展。

从空间维度来看，在未来社会，教育将不仅仅是学校和教育部门的事情，而是整个社会成员参与其中的全民化教育。未来社会将依托互联网、大数据等信息技术，实现教育资源共享。学习活动将超越学校空间，通过在线教育、在家上学、社会化学习网络、学习共同体等新的形式，把更多更好的教育资源送到学校、社区和家庭的每个角落，呈现处处可以学习、时时可以学习的教育图景。

二、重视核心素养与综合技能的提升

以互网、人工智能、大数据等融合技术为背景，未来社会将朝着智能化（人类-机器）、虚拟化（现实-虚拟）、超链接（人类-人类）等方向发展。未来社会发展必然会对公民素质提出新的要求，进而引起教育目标的变化。

未来社会的教育将把提升人的核心素养与综合技能作为基本目标，进而实现教育与社会发展的互动与融合。一方面，个体适应社会发展的能力，包括学习能力、信息管理能力以及创新思维能力，是未来社会的核心能力。注重培养个体的社会角色、责任意识和适应未来能力，提升个体适应社会、理解自身、把握变革及角色定位、把课堂学习转化为未来责任的综合素养，将是未来教育的重要目标。另一方面，人的综合技能将是未来社会的“通用货币”，包含认知与非认知在内的综合技能将在未来社会和个体发展中扮演越来越重要的角色。因而，从传统教育的碎片化知识传授转向更为深层、复杂的综合技能培养，是未来教育变革的重要目标。

三、以学习者为中心的个性化课程

未来社会的学习者将更倾向于使用新技术来处理信息、开展社交和学习活动。促进个性化学习是未来教育变革的核心价值。

课程多样化。教育课程将从强调学习者的知识积累走向知识的发现和创造，跨学科和综合化的内容将成为未来教育课程的主流内容。信息技术的应用，可以使教师更好地根据学生的兴趣爱好，来设计个性化的学习计划，增加学生选择的机会，以满足不同年龄、不同背景学习者的需求。

课程定制化。随着移动网络和大数据技术的应用，未来教育将会构建以“学习者为中心”的课程体系，课程内容将呈现个性化和定制化的特征，以适合学生本人的知识结构和潜能发展。同时，课程也将成为学生与别人交往及分享的“空间”。

课程模块化。未来的课程将像“搭积木”一样，由学生选择装配，从而产生许多新奇的功能，具有开放性和灵活性的特征。信息、思维、沟通、生活环境、人与社会、个人能力发展等课程将是未来教育的基本课程模块。未来社会的交互网络可以集中熟知科学逻辑、了解学科趋势、掌握学科生长点的专家，来组成课程开发团队，研发专题课程软件，供学生随时选择学习。

四、基于多媒体技术的多元化学习方式

信息技术深刻改变着人们的生产方式和生活方式。基于互联网技术构建的人与电脑间的学习沟通方式，能够把个体的智能联系起来，形成人类共有大脑，彻底改变人们的学习方式。

随着技术与教育的融合，人们获取知识的渠道将越来越多。人类学习将打破教室与学校的围墙，在线学习将成为未来学习的基本方式。手机、平板电脑、移动PC、可穿戴设备等将成为学习的工具。许多学习活动会在大自然、社区、工厂中进行，学习者将成为真正的“主人”。在未来社会，课堂学习、家庭学习和宿舍学习会融合在一起，学生什么时候开始学习、什么时候学完、什么时候毕业，都会有个性化的安排。

五、基于学习共同体的学校变革

在未来社会中，社会教育、家庭教育和学校教育将融合在终身教育体系中，基于信息技术的正式学习与非正式学习的融合，是未来学习方式变革的趋势。未来学校将是一个以课堂为中心、与社区充分融合的开放交流网络和基于学习共同体的活动体验中心，研讨会、网络化小班学习是基本的学习组织形式，学生们可以在一名经验丰富的教师指导下交流想法。鼓励学生发现问题、在同伴互助的过程中探索和解决问题，将是未来课堂学习的基本过程。同时，未来课堂还是一个个性化的课堂，学生们可以按照自己的节奏，通过智能终端方便地查询和阅读资料，完成各自的学习任务。教师的主要任务是针对具体问题答疑解惑，而不是面向全体满堂灌式地讲解。

六、为学习服务的教师角色

在未来社会，教师并不会消失，但教师角色将发生转变。传授知识仅仅是未来教师工作的很小一部分，教师将成为学习活动的组织者、指导者和协调者。教师的任务是为学生营造学习环境，指导学生正确选择信息、处理信息，帮助学生设计个性化学习计划。同时，未来的教师还要引导学生适应未来社会的角色要求，帮助学生解决发展中的疑难问题，对学生的学习方式、处世方式、时间管理等做出指导。

七、基于大数据的教育评价

未来教育评价的标准将是多元化和个性化的。教育的评价将会从分数的评价过渡到以大数据为基础的过程评价，从考试评价转向成果展示。对学生的评价也不再局限于同一标准，而是根据学生的课程选择，用与之相应的标准来评判。基于大数据技术的学生学习、生活过程的所有记录如出勤率、热门课程、最受欢迎教师等，都会成为学习评价的基本依据。在未来，学生之间的成绩比较没有太大的意义，而学生自己在一段学习中的表现才更加重要。

总之，在未来社会中，人类教育的各个方面都会发生深刻的变革，这些变革中有一个不变的主题――教育要为社会培养人才。只有认真了解未来教育发展，才有助于我们深刻理解当下的教育改革。

第4篇：大数据学习计划范文

帮助学生有效总结的这4大步骤，快来看看吧！

第一步从一对一的谈心谈话开始

期中，是阶段性分析总结，发现问题快速提高，向期末冲刺的好时机。

考完和学生好好聊一聊，一定要坦诚，和学生谈心的6大技巧你知道吗？

1.谈话前要有准备

做任何事情切忌盲目，谈心也是这样。没有目的性的谈心不利于了解学生。在谈心前，首先要摸清学生最近的学习状态，在此此次考试中暴露出来具体问题，要谈哪些内容、准备怎么谈；其次，谈心时不一定直奔主题，可以先给他们生活的关照，拉近双方的心理距离。

2.要因人而异，因事而异

每一个学生性格不同，思想感情不同。如果教师不了解这些，会影响对学生的说服效果。外向型性格的学生，教师不妨较直接告知他的缺点和不足；对内向型性格的学生，就要迂回。如果某位学生初次犯错并认识错误，就不必太较真。与成绩好的学生谈心，在肯定的同时，也要指出今后努力的方向，不要一味说好；对成绩较差的学生要给与更多鼓励，让他看到希望。

3.选择适合的时机、地点

合适的时机、地点的选择也会很大程度上影响谈心效果。如果学生因为某次考试成绩不理想而情绪低落，不妨抽空找个安静的地方与他边走边谈心，营造一种轻松的氛围，以缓解他精神上的压力。适时的给与足够的鼓励，让他看淡目前所遇到的困难。

4.谈心的形式要灵活多样

个别性问题，就单独找学生谈心；普遍性问题，就要面对全班同学谈心，集中处理。如果学生有心理话向老师倾诉但是不便直说，可以让学生通过写短书信告知老师，老师及时回信，效果不错。针对全体同学存在的思想困惑，老师可以向全班发一封公开信。

5.做个忠实的倾听者

很多谈心效果差是因为老师“单向式的传递”，学生仅是被动接受者。学生真正需要解决的问题被掩盖了，学生真实的想法没有向老师表露。教师应该改变这种“自上而下”的沟通方式，要让学生充分说出学习生活中的苦恼与困惑。

第二步帮学生分析试卷，制定个人计划

考试结束了，学生拿着自己的卷子纠正错误时，老师们就该出场了！

分析试题的趋向、难易程度、类型，学生答题失分的原因，分析本人教学在理解和传授是否存在问题等等。

最终的目的是，帮助学生自我审查分析，制定个性化的考后成长计划！

1.总体把握——了解考试的整体情况

反思出现一片式错误的问题，是否是教学过程中没能让学生充分吸收知识点，如果是教学问题，就要及时调整自己的教学方法和进度；老师也应当对每位同学的试卷进行分析统计，只有关照到了每个同学，才能对症下药，让大家齐头共进。

2.重新订正——生成考试错题集

让学生将卷面上出错的试题重新订正，分析自己在考试过程中出错的原因。争取能自主做出该错题，写出解题的思路或过程；学生无法自助解决的题目，标记出来，待老师细讲。

将错题统计到错题本上，有利于学生以后的审查，对自我的学习发展有一个长期系统的认识。

3.统计得失分率——减少非智力因素的丢分

学生分析本人卷面的得失分情况，并做出相应的调整和对策；比如哪些错误是因为粗心大意，哪些错误是因为记忆模糊，哪些错误是因为真的不会，分别占比多少，以此数据为依据，对自我的学情有一个掌握。从而做到日后的认真审题，解题过程中的细心仔细，解题后检查的一丝不苟等等，最大限度减少因非智力因素而丢分。

4.对症下药——制定个性化学习计划

针对不同学生，是思想方面的问题就订出思想教育方面的改进措施，是学习习惯方面的问题就订出培养良好学习习惯的措施，是后进生多就提出如何转化后进生的措施。

制定计划，不要脱离学习实际，要符合自己现在的学习压力和水平。有些同学制定计划时，满腔热情，计划得非常完美，可执行起来却寸步难行。

5.“云校+阅卷”分析——大数据更懂教育，更懂你

分析来分析去，是不是觉得上面这4大分析模块做下来，其实也挺费劲的，而且效果不一定好？

北京云校CEO、大数据专家林仕鼎说过，传统的考试分析，依赖于老师经验性的主观判断，而无法做到全面性和深入性。考试信息的价值得不到充分的挖掘，更不要说给每个学生个性化的提升方案了，毕竟个体的力量实在太有限了！

在线教育的发展改变了传统的教育模式，其中云校推出的“云校+阅卷”可以帮助你实现智能的多维度考试分析，无论是总体考情，还是自动生成错题本，无论是细节分析，还是形成个性化的诊断报告，它都可以做到。

“云校+阅卷”首先通过高扫描仪将试卷信息录入“云端”，完成线上的自动核分阅卷工作，大大减轻老师的批改负担，接下来云端搜集的考试数据库会提供个性化的分析报告，过去那种考试总结工作量大，效率不高，针对性不强的问题都解决啦！

第三步开一场有趣儿又深刻的主题班会

一次考试结束后，班里总会出现浮躁的气象。帮助学生发现了自己的问题，学生也已经制定了学习计划，那么接下来就开一场有趣儿又深刻的班会，给大家后半学期的学习鼓鼓劲，造造势吧！

实例：“学习是否只为考试”的思辨大讨论

方老师最近办了一场别致的班会——学生辩论会。在期中考试后的班会上，同学们就“学习是否只为考试”论题进行了激烈的辩论。她带领学生们进行了一周的精心准备，搜集了各种资料，也让两方的队员根据自己的想法写出新得。这次的辩论会让全班学生心血澎湃，直到班会课结束都在积极讨论。让学生自己发表见解，全班同学都卯足了劲，准备即将到来的期末考试。

第四步最后不妨和家长交流交流

面对学生的考试成绩，老师做的不只是和学生谈话交流。除此之外，学生家庭的作用也不可忽视，家长们也应当积极配合学校工作，做孩子学习道路上的辅导者。

1.特殊情况单独交流

老师可以单独找家长交流，一个电话、一条信息都能告知家长孩子的学习状况，不论表扬或提醒，都能让学生感受到来自家庭的注视；如果有必要，也可以约家长单独来学校深入交流，充分告知学生的学校状况，不仅能得到家长的全力配合，也能与家长一起为学生制定学习计划。

第5篇：大数据学习计划范文

2013年被某些媒体称为“大数据元年”。大数据之“大”不仅仅在于其“容量之大”，还在于数据的收集、保存、维护以及共享等极具挑战性的任务赋予了大数据之“大”更多的意义：人类可以分析和使用的数据在大量增加，通过对这些数据的交换、整合和分析，人类可以发现新的知识，创造新的价值，带来“大知识”、“大科技”、“大利润”和“大发展”[1]。

而对高校的数字教学资源进行整合，既是在大数据时代提高资源系统自身竞争力的必经之路，又是提高资源管理质量与服务质量的有效途径，也是高校教育信息化进一步发展的关键。

1 高校数字教学资源整合的意义

1.1 有利于适应高校数字教学资源用户需求多元化的趋势

当前多数高校的数字教学资源虽然数量巨大，但是由于使用界面不统一，或者本身具有局限性，而无法很好地满足高校数字教学资源用户多元化的需求。如今大数据时代，互联网中的资源数量巨大，而某些价值不高的资源的存在，更是加大了用户在搜索、筛选资源过程中的难度。相对于纷繁复杂的互联网，这将使高校师生更青睐校内的资源库。

1.2 有利于有效评价高校数字教学资源并提高资源本身的竞争力

通过对高校数字教学资源的整合，可以对各种类型的资源做出有效的评价，并更好地指导高校合理、准确、有效地开展对资源的利用，通过协调和优化信息服务在对既有优势做出巩固的基础上，对服务质量的提高进行创新，从而确保高校相关部门职能的发挥以及高校数字教学资源系统的进一步发展。

1.3 有利于过滤信息资源，提高数字教学资源的整体使用效率

高校相关工作人员依照数字教学资源的评价标准[2]甄选、下载优秀的数字教学资源，然后将其整合到资源库中，这将保证所有的资源都是内容正规、制作精良、符合社会道德规范的，从而可以提高数字教学资源的整体使用效率。

1.4 有利于实现资源有序化

当前部分高校所收集的数字教学资源，特别是通过网络下载的信息资料等大部分都没有进行分类和整理等工作，甚至会有毫无价值的信息资源掺杂其中，而这对提高资源有序化程度，以及高校数字教学资源用户查询这些资料的便利性具有重要的意义。

1.5 有利于数字教学资源的管理

高校内多种系统、平台、标准等现状，不仅给管理人员带来很大的麻烦，还造成人力、物力的巨大浪费。通过资源整合使它们具有相同的结构功能，管理员也只需管理主系统就可以把各种数据库提供给用户，也便于数据的更新、维护和扩充。

1.6 有利于实现数字教学资源系统的个性化推送服务

在高校的数字教学资源系统中，存在着用户海量的搜索、阅读、下载等历史信息。此外，大数据分析技术还能根据历史信息，及时筛选出学习进度较慢的学生，主动发送提醒信息，督促这些学生跟上整体的教学进度。

2 高校数字教学资源整合的对象

2.1 高校自身的各种资源

经过多年的建设与积累，各个学院、系、部和相关处室都拥有大量的信息资源，对已有的资源进行收集整理，分门别类的上传或链接。对已有的模拟、纸质信息资源进行有效、标准的数字化，进行手工录入。

2.2 网上资源整合

充分利用互联网上的共享资源。互联网上有众多的教育网站，许多网站对于某门或某几门学科的资料收集比较全面，并作了整理和分类，资源也具有高度的可用性，然后加入到资源库中。

2.3 采用征订、引进、购买、对外交换等方式建设资源

通过对学科门类和已有资源的分析，采用引进、征订、购买、对外交换等方式补充资源。另外可以从教育科普类的电子出版物、网络课程、多媒体课件等，引进一些适合本校需要的资源。

2.4 网络课程、精品课程建设

自1999年教育部实施《面向21世纪教育振兴行动计划》以来，上至国家，下至学校，均非常重视和鼓励网络课程、精品课程建设，目前已建成了一大批的优质课程资源。

2.5 各类音像制品和电子书籍

各类公开发行的教育光盘是由各出版社出版的正式电子出版物，如教育论文、多媒体课件、网络课程、素材库等，品种较多，而且比较权威。筛选、整理优秀的素材，可以直接收集到资源库中。

3 高校数字教学资源整合的策略

3.1 充分运用先进的网络技术和多媒体技术

云计算既是先进的信息技术与网络技术，又是一种新的信息服务模式。充分运用云计算既是高校数字教学资源整合得以实现的基础，又可以解决高校教育信息化所需的硬件计算资源的难题。

3.2 充分发挥教师建设数字教学资源的积极性

为了提高本校数字教学资源的创新性，必须充分发挥教师们建设资源的积极性。学校应该制定相关的激励政策，鼓励教师们制作各类优秀的教学资源，并上传到学校的数字教学资源系统中。

3.3 充分发挥用户的积极性，提高数字教学资源的使用效率

数字教学资源整合的主要服务对象是高校内的所有师生，为了提高资源的使用效率，必须从师生的实际需要出发，充分考虑师生的各类需求。

3.4 高校数字教学资源整合的相关工作人员需要不断提高知识水平与工作效率

在资源整合的过程中，需要相关工作人员有敏锐的判断能力，高效率地甄别、挑选出互联网上优秀的资源。这就要求相关工作部门，如教育技术中心，建立部门内部的集体学习和个人学习制度，制定详细的学习计划，并确定学习的专题。工作人员在学习中提高自身素质、扩大知识面的同时，提高服务水平和工作效率。

第6篇：大数据学习计划范文

关键词大数据时代；学习分析；高职院校教育改革

大数据，从广义上来说，是指对海量信息进行收集、处理、分析等一系列的手段、方法、工具的集合。狭义上来说，大数据是指庞大的数据量。随着科学技术的不断发展，大数据理念逐渐渗透到现实生活的各个领域，教育领域也不另外。在教育实践中，运用好大数据理念，既能帮助高校掌握学生的个人学习行为和学习程度，根据学生的特点，为学生设计相应的教学内容和教学方式。同时，在教育数据信息管理层面上，运用大数据理念，有助于高校对于教育资源、教育信息的管理。

1学习分析技术的概念和原理

学习分析技术是测量、收集、分析和报告有关环境的数据，用于理解和优化学习及其学生学习环境的一种技术。学习分析技术的作用是对学生生成的海量信息进行解释和分析，用于评估学生的学习状况，预判学生未来的表现并发现潜在的问题，从而针对性地提出解决方案。学习分析技术主要有数据采集、数据储存、数据分析、数据表示、应用服务五个部分组成，各个部分依次递进，相互影响，相互作用，形成一个循环系统。数据采集是对学习者相关的数据和学习资源数据两方面进行采集，学习者的相关数据是指学习者在学习过程中各种动态数据和静态的总称，例如学习方式、学习态度、师生关系等；学习资源数据是指学习者在学习过程中能够使用的一切学习资源的相关数据，其内容包含课程相关数据、学期信息数据、教学指导数据、学习管理数据。数据分析，是指对收集而来的数据进行分类处理，对学习者相关数据和学习资源相关数据进行分析和解读，从中寻找出问题的所在和一般规律，以便针对性地采取措施。数据表示，是将数据分析的各种结果运用文字、图表等形式表现出来，以便直观认识和了解学习者的学习的实际情况。应用服务，是指根据分析的数据结果，在教学实践中针对性的采取措施，使数据结果物尽其用，可以运用于绩效评估、活动干预、过程预测等方面。

2大数据和学习分析技术的关系

学习分析技术是以数据作为依托，运用数据处理的方式方法，从而完善教学内容和教学方式，以达到提高教学质量的效果。随着信息技术的不断发展和教育改革的不断推进，带动教育技术和教学资源不断更新和完善，多媒体教育、远程教学、数字化教学等现代化教学方式在教学实践已经屡见不鲜。学生学习的载体从纸质教材扩充到电子版教材、教学视频等新型的教学资源中，学习载体更加广泛、丰富。教学工具从黑板、粉笔、直尺等传统教学器具扩充到投影仪、教学视频等现代化的教学工具中，使得教学方式更加现代化。学生的学习环境也逐渐向数字化环境转变。但是，在实践教学中，教学活动并没有真正改变知识传递的创痛方式，只是简单地将纸质教学知识数字化，不注重实质化的知识内容的输送，过多地依赖于多媒体、网络视频等形式化的教学工具，使得灌输式的教学方式仍遗留在教学实践中。可见，我国教育教学改革还处于初级阶段，学生的认知目标还是处于“会议、理解和运用”传统教学环境中，主要是因为学生的学习环境只是改变形式，而没有改变内容，自然还无法让学生达到“分析、评价和创造”的高级认知目标。所以，在教学实践中，应该充分考虑学生学习环境重构的作用和效果，以满足大数据时代中的现代化的教学要求。

要改变学生的学习环境，应该注重科学技术在教学领域中的运用，帮助学生重构思维模式，将科学技术作为教学活动中的一部分。在大数据时代，科学技术便是教学活动中的重要组成部分，有助于学生快速吸收新知识，扩充学生在课堂之外的知识，改变学生学习生活中的学习观、知识观和能力观。教学观念也从“教师为主”转变成“学生为主”。在数字化的教学实践中，要达到现代化的教育改革的目的，就应该注重学生的个性化差异，为学生营造良好的自主学习环境，使学生的学习方式呈现出多样化的形态。可以说，个性化教育是当代教育改革的重要标志，是传统教育发展的必然趋势。在高校改革的过程中，大数据的运用主要体F在教育数据挖掘和学习分析技术两个方面。学习分析技术是大数据时代中高校教育改革的标志，能够为高校的个性化教育改革提供强有力的支撑，有助于实现学生的个性化学习，为学生自主学习的环境，从而实现现代化的教学目标。

3运用学习分析技术，推动高职院校教育教学改革

学习分析技术作为教学研究的一种方式方法，既注重学生层面上的信息分析，也注重教学层面的信息分析。在高职院校教育改革中，运用学习分析技术，能够优化教学方式，增加多样性与便捷性的教学手段与教学评估，挖掘学习管理中的海量信息，分析教学中的问题学生并主动进行干预，从而提升学习管理的质量和效果。同时，学习分析技术能够有效地避免教师在教学过程中的盲目性，使得教师能够针对性对学生进行教学，减少教师的工作量，丰富学生的学习体验。同时，学习分析技术也有助于学生进行自我管理、自我监督和自我激励，帮助学生建立良好的学习习惯。学习分析技术对教学评估也比较全面、系统有效地提升高职院校教育管理的决策效率和优化分配高职院校的教育资源。

学习分析是以教育大数据为分析对象，根据大数据不断升级，融合人工智能、教师领域等方面的知识，为教学和学习提供服务，完成监督和跟踪教学和学习过程、评估教学和学习效果，从而促进教育改革。学习分析技术在高职院校教育改革中，能够改变以往的高职院校的教学管理方式，能够改变以往的学生的学习活动，能够改变教师的教学方式，能够改变以往的教师、学生、教学资源之间的关系。在教育改革运用上，主要体现在绩效评估、活动干预和过程预测3个方面。绩效评估，能够为教师提供课堂学习绩效评估，让教师了解最新的学生在课堂教学中的出勤情况、学生的反馈意见。同时，也让学生能够及时接受教师的评价和重大事项的提醒，便于学生不断地完善自我。过程预测，是指根据学生的学习活动的实际情况，让教师真实深入了解学生的行为模式，进而调整教学模式和教学方法，为学生提供最为有效地教学指导，从而提升学生的学习效果。活动干预，根据学习分析技术的相关数据，发现教学实践中所存在的问题，主动对这些问题进行处理，从而提升教学效果。

在教育管理改革方面，学习分析技术能够为高职院校教育管理提供全方位的相关数据，便于高职院校找出管理中的缺陷并加以完善，根据教学事情调整教育管理方案，优化教学资源配置。在教学改革方面，学习分析技术能够转变以往的教学观念和教学方式，为学生和教师提供良好的信息化教学环境，尊重学生的个性化差异，合理配置教学资源，从而了解学习过程中出现的障碍与疑惑，进而进行个性化地学业指导，从而实现“以学生作为教学主体，以教师作为教学指导”的现代化教学方式，将学生打造成现代化的创新型人才。在学习方式上，学习分析技术能够快速地分析学生的学习特点，依据学生的学习需求提供相应的学习资源，同时，帮助学生根据自身的学习情况调整学习计划和学习方式。另外，学习分析技术能够根据学生的地理区域、学习方式等个性化特点，规划相应的学习小组，从而为学生提供个性化的学习指导，激发学生的学习兴趣，提升学生的学习效果。

第7篇：大数据学习计划范文

关键词：大数据技术；计算机应用；基础课程；教学创新

1公共教学环境的营造

在计算机应用基础课程教学阶段，可以明显发现大数据技术对其教学工作的影响。教师备课可选的资源更多，学生接收最新信息的速度更快。可见，大数据时代，对计算机基础课程的教学产生了非常大的冲击。为了确保该课程的教学质量，教师必须与时俱进抓住大数据时代的发展机遇，对该课程的教学进行合理改革创新，为师生构建良好的公共教学环境，激发学生的计算机创新思维。在科学技术的快速发展下，网络学习资源已经成为人们学习进步的重要途径。学生在学习该门课程时，不在局限于课堂教材内容的学习，可以充分利用网络学习资源弥补自己的专业学习不足，提高自己的综合学习效果[1]。在开展教学改革工作时，教师需要根据该门课程的教学特点和教学大纲的基本要求，合理变通教学方式和教学内容。将最新的计算机知识融入教学方案，并在良好的公共教学环境下引导学生生成更多的学习问题，如计算机技术应用问题、计算机教学问题以及计算机制造问题等。在学生提出不同问题后，需要师生共同查询相关资料，通过沟通交流解决对应的学习问题与教学问题。在学生学习提高的过程中，需不断提升教师的综合教学实力[2]。在营造良好的公共教学环境时，教师需要采取平等民主的教育原则，引导学生主动学习相关的课程内容。为了保证有效提高每一位学生的计算机综合学习效果，教师需要基于学生的实际学习情况，为学生设计编制个性化的学习计划，充分调动学生的学习主动积极性，培养学生的自主学习习惯，提升学生计算机专业课程的学习效果。在现代化教育思想的指导下，教育工作不在单一呆板，学生的思维创造力得到了很好释放，教师的教学压力得到了很好缓解，学生独立思考的时间更多。在这样的教学环境下，可以培育更多有创新思维的计算机人才。为了保障学生可以扎实掌握计算机应用基础知识，教师可以采取“翻转课堂”的教学策略，即将学习的主动性完全交给学生，让学生根据网络教育资源和教材内容，快速学习掌握计算机基础知识[3]。翻转课堂与常规教学相比，常规的教学课堂无法充分释放学生的学习潜能，只能对学生的学习起到一定的辅助作用。翻转课堂教学时，学生可以根据自己的学习习惯和学习基础，找出最佳的学习方案。同时，翻转课堂给予了学生足够的学习自由，很好地释放了学生天性，使得学生可以收集学习更多的计算机应用基础知识，提升学生的知识储备和学生的知识视野。在翻转课堂教学下，很好地提高了学生的学习效率。教师通过计算机系统对学生的学习时长、学习质量、学习问题进行快速收集整理。通过分析相关的数据信息，可以找到学生的学习规律，进而根据教学大纲的要求，给予学生中肯的学习建议，让学生主动改正自己的学习不足，提高学生的综合学习质量与效率。在公共教学环境中，教师对学生的点评与指导至关重要，可以及时帮助学生纠正错误，提高学生的计算机创新能力。为了确保教师对学生点评的客观性与真实性，教师可以利用大数据技术分析学生各个学习状态之间的相互关系，进而挖掘各个学习因素之间的内在联系，并将其总结为学生的学习报告上交给教务处，为教学管理部门提供准确可靠的数据，确保教学各项决策工作的可行性，充分发挥院校的教育优势，提升教师的综合教学效率，推动我国计算机专业人才的培育发展

2教学理念的改变

教师的教学理念直接影响课程的教学质量。若是教师仍旧保持传统的教学理念，对学生开展说教引导，则会严重耽误学生的计算机知识学习。在大数据时代的发展环境下，现代教育理念已经渗透到了教育的方方面面，因此教师必须对自己的教学理念进行改变[4]。在实际教学过程中不束缚学生的思维，而是让学生在大数据教育资源的引导下，进行高质量的自主学习。教师在实际教学过程开展时，同样需要合理利用大数据技术提高自己的教学质量。例如，分析历史教学效果和问题档案。通常，教师无法通过档案的查阅归纳教学的不足和不同教学策略的效果，但大数据技术可以快速分析不同教学策略产生的教育效果以及在不同时期教师教学过程中出现的问题。教师通过对大数据分析的数据结果进行深入研究分析，可以认真审视自己的教学理念和教学创新过程中出现的具体问题。随着大数据分析准确性的不断提高，教师可以不断修正自己的教学理念和教学方式，寻找最佳的教学策略搭配方案，进而更好地提高计算机应用基础课程的教学质量。在大数据技术的支持下，教师可以量化分析学生的自主学习行为。将学生一些特殊的学习行为进行量化统计后，可以通过大数据技术更加准确地分析出学生的学习特点与不足，进而对学生给予针对性的教学指导，从而有效克服学生的学习弱点[5]。在计算机应用基础课程教学时，教材内容包含了大量的理论基础知识。这些理论基础知识是学生今后计算机专业课程学习的重要基石。若学生的理论基础不牢固，则无法保障后续计算机尖端专业知识的学习效果。计算机专业知识涉及到诸多学科，如人工智能、脑学科、生物基因、神经网络计算机、航天工程、智慧城市以及环境监测等。若是学生的基础应用知识不扎实，就好比沙子上建高楼，即使学生进入到高楼的顶层，但是由于基础不稳，时刻有崩塌的危险。为了确保学生计算机应用基础课程理论知识的学习效果，可以利用大数据技术对学生的考评成绩、错题类型进行针对性分析，进而给学生推送对应的计算机基础内容，并结合一些新闻事件加深学生的记忆效果，快速提升学生的计算机基础理论综合学习质量。在计算机应用基础课程教学设计编制时，可以让学生代表参与课程编制工作，通过师生的相互沟通交流，设计最佳的教学课程表和教学方案，并合理利用大数据技术，确保学生可以主动参与教学过程，且教师可以学到更多的教学技巧，推动学生与教师的共同学习成长[6]。在进行教学改革时，为了保障教学创新的效果，需要合理突出学生的学习主体性，不在对学生的学习场地和学习时间进行约束，而是给予学生充分的自由，避免学生受到传统应试教学的负面影响，利用现代大数据技术进行主动学习，更好地激发学生的学习热情与动力。在计算机专业教学改革时，教师需要准确把握计算机专业的未来发展前景，根据学生的实际学习情况，为学生设计相应的教学方案，保障教学方案适应学生的学习规律，循序渐进地提升学生的计算机专业学习实力，为我国计算机领域培育高精尖人才，从而推动我国高新技术产业的快速发展。

3教材内容的革新

在大数据时代的发展下，计算机应用基础课程的教材内容必须要进行合理革新，因为传统的课程教材内容已经落后于时代科技的发展，而编写新教材的时间和周期远不及计算机科技的更迭速度。为此，计算机专业的教师需要主动调整改进教材内容，确保学生学习到最新、最前沿的计算机知识。在教材内容革新过程中，需要合理分配教材的教学板块，如过去的教学内容侧重于理论讲授。现代化的计算机教学理念明确指出，为了提高学生的计算机综合学习素养，需要确保理论与实践教学的同步开展。为此，需要在教材内容中适当增加计算机实践教学内容，让学生通过具体的实践课题学习掌握相关计算机内容，提高学生的计算机核心素养[7]。在教材内容设计时，需要增加一些发散性问题和探讨性问题，让学生可以打破思维定势，通过发散思维的想象解决相关问题，通过小组合作讨论解决相关问题。学生在解决相关问题的过程中提出自己的问题，在处理学生提出的问题时需要师生共同参与，体现出团结合作的学习意识，有助于培养学生的团队精神，让学生在探索问题的过程中形成正确的科学精神和对知识的求知欲望。

第8篇：大数据学习计划范文

关键词：学习分析；教育大数据；可视化技术；学习行为；CMI；DDDM

一、引言

互联网、云计算和大数据等技术的发展推动着教育信息化的发展。在基础教育领域，国家提出了基础教育资源公共平台的具体落实措施，以实现优质资源共建共享、优质资源班班通，最终通过信息化的手段促成教育的公平。2011年，高等教育领域出现的了一种新型的MOOC课程模式[1-2]。随后，这种模式成为许多大学认真研究的新事物，无论是在校学习者还是社会公众，都可以获得各类开放式的网络优质课程资源。由此可见，在线教育正在逐步掀起一股新的革命的浪潮，成为一种必然和必要的学习模式。同时，在线教育资源产生的海量数据也为学习分析和教育数据挖掘研究提供了基础，引发我们对教育更深层次的研究和思考。

二、概述

2.1 教育大数据现状2.1.1 国内现状分析。2012年，国内开始有相关论文开始研究教育大数据。至今，大数据在教育领域的应用研究进入了起步阶段。随着我国社会在近几年的快速发展，信息技术与教育领域已经开始融合，教育事业的发展势必是离不开信息技术的，信息技术同时也能够促进教育事业的不断改革。早在2013年，国内掀起了基于大数据技术促进教育改革和创新的研究热潮。同时将信息技术应用于教育事业中也是广大教育者的期望，在2014年的3月，我国的教育部办公厅就印发了《2014年教育信息化工作要点》中指出了要加强信息技术在教育事业中的应用，我国也自此加强了对于教育大数据的研究，不断地发现数据、挖掘数据、利用数据，为的就是将信息技术更好的应用于教育事业。2.1.2 国外现状分析。在国外，已经出现一些企业成功的教育大数据进行了成功的商业化。在美国，IBM联合一所学校进行了大数据合作。以及专门运用预测性分析帮助提高学习成绩的公司、“梦盒学习公司”、“纽顿”公司也已经成功的利用教育大数据成功的了属于自己公司的利用大数据的适应性学习的系统。不仅是在美国，在加拿大的“渴望学习”也已经推出了信息的大数据的服务项目。由以上的国外的研究中就可以看出，大数据教育在国外的研究较于国内相比还是比较领先的，所以我国应该不断地汲取在国外的这些研究经验，进而不断地提高国内的研究水平。2.2 学习分析的历史。利用数据考核、分析和评估教学和和学习存在的历史已经非常的悠久了，另外学习分析技术在CMI等计算机网络等技术领域同时也是存在了很长的时间。由此就可以看出来，学习分析技术也可以看成是DDDM以及CMI的一种继承、延伸和发展。（一）CMI。CM可以说是第一代教育数据应用系统，CMI是为个别化教学程序所提供支持的管理信息系统，它最为显著的功能就是确定和满足为学习者在学习过程中所产生的各种各样的学习需求，并且为学习者提供个性化的符合学习者需求的学习资料，更加方便与学习者的学习。在Brudner（1968）的报告中，认为CMI系统中所存储的数据共计六类，分别是：（1）学生的学术记录、考试成绩集的个性记录；（2）学生每日的活动记录；（3）学生的学习目标及学习程序；（4）测试答案文档及测试文档；（5）教学目录及学习指南；（6）有关的预测及分析数据。（二）DDDM。DDDM就是利用计算机的计算能力从而进行数据的分析，并且提供决策的支持的思想，随着社会的不断发展，计算机的计算能力也越来越强。根据Wayman（2005）的观点，在目前的学校领域中，一般来说提供数据的信息系统大致应该有三个种类，即学生信息系统、学习评估系统、数据仓库系统这三种，这三类的功能各有所侧重，向学生信息系统就是记录学生在日常的学习过程中的出勤率、等情况；学习评估系统就是根据学习者的学习情况、出勤率等方面对学生进行学习评估和分析；数据仓库系统就是为学生和教师访问各种类型的历史数据提供接口，方面学生和教师查阅资料。2.3 学习分析的概念。学习分析技术就是对学生生成的海量的学习数据加以解释和分析，并且评估学生的学术进展情况，以发现学习者潜在的学习问题，加以改正。一般来说学习分析技术分为五大环节，即数据采集、数据存储、数据分析、数据表示、服务应用。数据采集就是对学习者的相关数据以及学习资源数据进行采集；数据存储、分析、表示就是将采集到的学习者的数据进行存储、分析；服务应用就是将学习者的学习数据进行评估，对未来的进展情况进行预测。学习分析是大范围收集学习者的学习数据并加以分析，从而评价学习者的当前学习情况、预测其未来的学习表现，并查找潜在问题。数据来源包括学习者的显，包括学习课程、完成作业和测试的情况，也包括其它隐性表现，包括网络社交行为和其它不作为学习表现直接评估的活动。2.4 学习分析必要性。在大数据背景下的在线学习，将产生大量的过程性和结果性的数据，学习分析成为一种必要，主要体现在以下三个方面：2.4.1管理者的角度。即实现管理者大规模的管理需求。在线学习的大规模性主要体现为资源多、用户多、互动交流多、数据巨大。如何充分发掘和利用这些数据，使数据的价值最大性发挥？如何进行大规模的评估评价？如何进行大规模的趋势预判？这些都是管理者所面临的问题，通过开展在线学习深入分析，能够让管理者做到心中有数。2.4.2教师的角度。即教师获得教学反馈的需要。在线学习模式下，教师与学习者的互动性显得更加容易，学习者可以在线对课程进行评价，向教师提问题、考试和作业。基于在线学习平台对学习过程的记录，教师可以准确了解学习者在学习过程中普遍存在的问题，并通过教学反思以不断改进教学方法。2.4.3学习者的角度。即学习者学习个性化的需求。在线学习为每个学习者提供灵活的学习环境，无限制的空间和无限制的时间。每个学习者都在创造自己的大数据。在学习分析的支撑下，平台可以了解学习者成长的轨迹，学习的现状，学习者的学习规律， 可实现学习资源的个性化推送、学习质量分析，利于学习能力的提高、学习兴趣的培养、提供个性化的服务。

三、学习分析的实现

3.1 学习分析关键技术3.1.1 大数据分析。大数据分析技术将隐藏于海量学习数据中的信息和知识挖掘出来，以图形化的方式直观展现出来，根据分析结果还可以做出前瞻性的判断。大数据分析利用回归分析(多元回归、自回归等)、判别分析(贝叶斯判别、费歇尔判别、非参数判别等)、聚类分析(系统聚类、动态聚类等)、探索性分析(主元分析法、相关分析法等)，多种分析的方法来确定能够对学习者的交互行为以及成绩等因素产生的影响并且构建架构模型［3］。大数据分析利用数据网络挖掘、特异群组挖掘、对象连接、相似性连接等挖掘和融合技术，实现学习者兴趣分析、网络行为分析、情感语义分析等,提炼出有价值信息。3.1.2 可视化技术。可视化技术是将数据转换为图形图像的处理技术，它涉及到计算机辅助设计、视觉和人机交互技术。应用可视化技术，可以在大量高位的学习信息中发现数据中所隐含的内在规律。数据可视化技术一般过程可划分为数据预处理、映射、绘制和显示。数据预处理涉及数据格式标准化、数据变换和数据压缩／解压缩。映射完成数据建模，是核心。绘制完成几何数据转换成图像的过程。显示模块按照用户的指令进行图像输出，实现人机交互［4］。3.1.3 个性化推送。个性化推送顾名思义就是根学习者的学习特点以及学习的方式自主的进行推送能够满足学习者需求和个性化需求的学习资源和路径。大数据可以通过分析学习者的学习数据、分析过学习者更加适合哪一种课程和知识，从而向学习者推荐相关的课程和知识，使得学习者能够提高对于学习的兴趣，进而提高学习者学习的效率。3.2 学习分析典型应用。对于学习分析来说，它的对象就是学习者及其学习的环境，最终的目的就是要发现问题并解决问题，进而优化学习者的学习［5］。可以是全部学习者的整体分析，也可以是针对某个学习者的个体分析。3.2.1 整体分析3.2.1.1 人群特征分析。从学习者的地域分布（国家、地区等）、学历（博士、硕士、本科、中学、中学以下等）、性别（男、女）、年龄等多个方面进行统计分析，从而获得各种维度类型的学习者的数量、比率和差异分析。3.2.1.2 用户类型分析。采集学习者注册后的学习数据，将从未进行任何课程学习、考试、在线交流等学习活动的学习者定义为注册者。将仅注册课程并未完成任意课程的学习者定义为一般学习者。将注册课程并完成任意课程的学习者，或取得任意课程考试成绩证书的学习者定义为积极学习者。3.2.1.3 课程质量分析。通过课程通过率、学习者的评价数据、课程访问次数、课程访问实效性等多方面的综合分析，评估课程的质量，便于课程的及时修订、教学策略调整和教学过程优化。同时，便于及时地了解到学习者对于哪一些学习资源的关注程度更高，对于哪一种学习资源的关注程度比较少，进而有利于对于学习资源的优化，通过这样对于学习者关注的学习资源进行加深，对于学习者关注程度较低的学习资源可以适当的减少。3.2.2 个体分析3.2.2.1 知识结构分析。采集学习者与资源平台的交互数据，如课程完成度、测试成绩、课程访问次数等，构造学习者的知识结构图，如某个知识点已通过测试可以判定该知识点已掌握，某个知识点还未学习完成、多次访问并未通过测试，说明学习者可能还未完全消化这个知识点［6］。3.2.2.2 学习行为分析。根据学习者的注册时间、最后登录时间、登录频率、注册课程的数量、课程视频和课件的访问次数、测试次数、获得证书数量、交流互动次数、下载的课程、标注的课程等数据，对学习者的学习行为进行分析，比如可以分析学习者的兴趣爱好、学习态度等，同时可针对学习者提供相应的合适学习资源，提高学习者的学习效率和学习兴趣。3.2.2.3 学习路径分析过。通过对于学习者的课程浏览情况分析以及学习路径的分析可以充分的了解到学习者在学习的过程中的各种静态以及动态的信息。另外通过其他的角度对于学习者的学习路径，及学习者在学习过程中浏览课程页面中所产生的一些数据信息进行分析[7]。3.2.2.4 学习效果分析。通过学习者的测试考试结果，再结合学习者知识结构和学习行为的分析，建立个性化的诊断。比如，某个学习者成绩低于所有学习者成绩的平均水平，可以借助数据分析，是因为知识结构的欠缺，还是因为学习行为不积极而造成的。如果是知识结构的问题，可以向学习者推送薄弱知识点内容。如果是学习不积极，可以推送学习提醒，对学习者进行个性化的指导。

四、总结

大数据时代的教育资源学习分析，能够充分地尊重学生之间的差异性，根据不同学生不同的特点以及学习需求，帮助学生制定个性化的学习计划，并且对于学习者的各种的学习行为以及学习的额特点进行记录和跟踪，最终通过数据的比对和分析，预测学习者的未来成绩。同样，学习分析作为教育领域的一个兴新的研究方向，需要解决的问题还很多，但是笔者相信学习分析的前景是非常的美好的，随着我国对于学习分析的研究深入以及问题的不断解决，关注学习分析问题的社会大众也会越来越多，所以，学习分析在不久的将来一定会得到良好的发展以及广泛的应用。

参考文献

[1]李曼丽,张羽,叶赋桂,等.解码MOOC[M].北京:清华大学出版社,2013:85-99.

[2]杨劲松,谢双媛,朱伟文,方小楠.MOOC:高校知识资源整合与共享新模式[J].高等工程教育研究,2014(2):85.

[3]李艳燕,马韶茜,黄荣怀.学习分析技术:服务学习过程设计和优化[J].开放教育研究,2012(5):18-24.

[4]陈为.数据可视化[M].北京:电子工业出版社,2013:124-399.

[5]李凤英,齐宇歆,薛庆水.大数据视域下的虚拟学习社区安全研究[J].远程教育杂志,2013(4):76-82.

[6]曹梅.知识发现在网络教学系统中的应用研究进展[J].开放教育研究,2008(12):89-93.

第9篇：大数据学习计划范文

2013年注定是不平凡的一年，现将一年来工作学习情况总结如下：

一、主要工作情况

（一）完成新版网站系统初始化工作，会同办公室组织实施新版网站系统全员培训，顺利推行新版网站系统上线运行。

（二）协助完成行业内网防火墙的安装调试工作，提升了行业内网的安全性和可靠性。

（三）参与实施了7楼会议室的改造，加装了投影仪、幕布，改善了会议室的功能条件。

（四）参与办公楼感应雷防雷工程，协调防雷工程顺利施工完成，进一步确保办公楼内电子设备安全。

（五）协助配合做好营改增相关信息技术服务工作。

（六）顺利完成金税三期工程网络项目初验测试工作。

（七）定期清理电脑实名制、桌面安全管理系统和瑞星防病毒软件的注册情况，确保注册率达到100%。

（八）配合完成高清视频会议系统建设。

（九）完成笔记本和新购打印机的配发工作。

（十）协助完成行业内网入侵检测系统安装调试工作。

（十一）完成ODPS历史业务数据备份和综合办公信息系统权限维护工作，配合完成综合办公信息系统全员培训工作。

（十二）配合实施电子政务外网和行权平台建设，并参与综合治税信息系统建设。

二、主要做法

（一）第一时间响应机制。信息中心作为信息技术服务科室，服务是第一位的。接到故障和维护电话，都会立即放下手头非紧急重要的工作，第一时间响应，能处理的，当场处理，暂时处理不了的，多方协调，积极寻求解决方案。

（二）坚持打破砂锅问到底的探索精神。在工作和学习中，遇到问题，遇到难题，记在笔记本上，记在心里，积极探索专研，不弄清楚不罢休。

三、存在问题

（一）信息化建设投入相对不足。信息化建设人员、经费保障与工作需求存在差距。

（二）岗位专业技能与新的征管要求存在差距。在大数据时代，为信息管税、科技管税、智慧征管工作要求提供信息技术支持服务能力不足，需要加强学习，进一步增强。

四、下步工作打算

（一）加强学习，提高专业技能水平，增强信息中心保障服务能力。制定学习计划注重贴近岗位实际，以计算机网络技术、数据库技术为重点，辅助以财税知识的学习，努力提高自身综合能力和水平。