教育大数据的实际应用及部分数据处理过程VIP免费

教育大数据的实际应用及部分数据处理过程（1）MOOC的蓬勃发展。MOOC是Massive（大规模的）、Open（开放的）、Online（在线的）、Course（课程）四个英文单词的首字缩写，意为大规模网络开放课程。2006年，萨尔曼·可汗（SalmanKhan）创办了利用在线视频进行免费授课的可汗学院，现有关于数学、历史、金融、物理、化学、生物、天文学等科目的3400多段视频，注册用户超过了1000万人。2011年，斯坦福大学的一门人工智能网上课程吸引了190多个国家的16万名学生参加学习，该课程的讲授者塞巴斯蒂安·特伦（SebastianThrun）教授创办了在线教育网站Udacity。2012年，盈利性在线大学教育平台Coursera上线，和普林斯顿大学、斯坦福大学、密歇根大学和宾夕法尼亚大学等83所大学协同提供课程，目前在全球拥有380万的注册用户。同年，哈佛大学与麻省理工学院宣布结成非营利性合作伙伴关系，联合发起了名为“edX”的网上课程系统，联手提供免费的在线课程，搭建共同教育平台，包括清华大学、北京大学在内的其他26所全球名校也相继加入了这一平台。互联网技术的发展带动了教育的网络化和国际化，MOOC更将传统的远程教育推向了新的高度和广度，催动了网络学习时代的到来。在教育活动中，相对于通过师生面对面的接触获取教育数据的途径而言，基于大型网络课程平台进行数据挖掘的方式显然有效得多：学习行为的数据将自动留存，更易于后期的学习行为评价和评估；教师只需通过分析整合学习行为就能得到学习过程中的规律；利用数据挖掘的关联分析和演变分析等功能，在学生管理数据库中挖掘有价值的数据，分析学生的日常行为，可得知各种行为活动之间的内在联系，并提出相应的对策。（2）个性化课程分析。佛罗里达州立大学利用eAdvisor程序为学生推荐课程和跟踪其课业表现。奥斯汀佩伊州立大学的“学位罗盘（DegreeCompass）”系统在学生注册课程前，通过机器人顾问评估个人情况，并向其推荐他们可能取得优秀学业表现的课程。系统首先获取某个学生以前（高中或大学）的学业表现，然后从已毕业学生的成绩库中找到与之成绩相似的学生，分析以前的成绩和待选课程表现之间的相关性、结合某专业的要求和学生能够完成的课程进行分析、利用这些信息预测学生未来在课程中可能取得的成绩，最后综合考量预测的学生成绩和各门课程的重要性，为学生推荐一个专业课程的清单。（3）辍学行为的预测。美国西部州际高等教育委员会（WesternInterstateCommissionforHigherEducation，简称WICHE）以凤凰城大学和里奥萨拉多学院等6所学校的64万名学生为对象，建立了一个教育数据库。该数据库可以记录3百万条课程信息，进行33个针对在线课程的变量分析。当一些与辍学行为有关的关键因素（如旷课、纪律问题、课堂表现）发生变化时，系统会向校方发出预警。里奥萨拉多学院有43000名接受在线学习的学生，学院的预警系统允许教师看到代表学生行为的红、黄、绿色指示灯，并根据学生的在线互动行为评估其表现，如阅读教科书和回应教师要求的频率。（4）助学需求的预测。华东师范大学的“家庭经济困难学生预警系统”通过收集校园卡的记录进行分析测算，向可能存在经济困难的学生发送询问短信。系统具体的做法是：跟踪学生的校园卡，对全校本科生周一到周四的中、晚餐消费值进行统计，分别计算出男女同学的平均消费值，乘以0.6的系数，得出预警消费线。如经系统筛选发现就餐消费明显偏低，学校勤工助学中心在对比分析学生入学时填写的资料后，会主动向学生发出短信以征询情况，同时也会通过院系教师做进一步了解，以判定学生是否真的面临家庭困难，需要帮助。（5）学术研究趋势的把握。斯坦福大学的文学实验室正在进行一项研究，尝试以通过谷歌图书计划放置在互联网上的海量书籍为平台，进行数据挖掘和分析，把握和预测文学作品和学术研究的发展趋势。斯坦福的英语教授马修·L·乔卡斯（MatthewL.Jockers）在一堂课上布置了内容涵盖1200篇小说的作业。学生要完成的并不是逐篇阅读，而是通过计算机程序来研究文学风格、观点、语言和文化的演变。人文学科，无论是历史、文学还是语言研究，只要是聚焦于书本的，都可以用这个思维来进行研...