課堂大數據分析

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇課堂大數據分析范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

課堂大數據分析范文第1篇

大數據必將給教育帶來巨大的改變，曾經依靠經驗和靈感的授課過程，將被以數據分析為主的決策分析所代替。而計算機教學既是大數據技術的傳播載體，更是最應率先應用大數據技術的課程。無論如何，大數據已經就在我們眼前，已經悄然改變著教學過程，也必將深度改變學校的計算機教育模式。

（一）計算機教學內容的變化

隨著大數據技術的發展和大數據分析的成熟，大數據技術及應用必然會成為各高校重要課程。現在，美國的學校已經開設相關課程，比如，大數據分析統計基礎、大數據分布式計算、大數據挖掘與機器學習等。國內一些高校也正在嘗試開設大數據課程，幫助學生了解大數據，學數據分析。下一步，大數據基礎、大數據分析、大數據處理的核心技術等等，必將成為計算機專業的必學內容，也會成為高校重要的基礎課程。另外，計算機智能教學系統和教育測評軟件將更多地使用在教學中，以記錄學生的學習軌跡。而計算機專業的教師也必須熟練掌握大數據技術和分析方法。

（二）計算機教學思維的變化

原來的計算機教學基本是灌輸式教學，老師教授的是計算機基礎知識、C語言編程的模式、數據庫的基本架構，等等。大數據和互聯網的發展必然會改變這種授課方式，使知識的接受方式呈現多元化傾向。隨著移動互聯的發展，學生可以隨時隨地通過互聯網更便捷的獲取學習內容。而課堂上單純的照本宣科、按部就班將不能吸引學生的注意力。因此，教師必須轉變教學思維，以更多的案例和互動式教學，引導學生去尋找解決問題的辦法，尋找“芝麻開門”的鑰匙，只有如此才能讓學生有興趣待在課堂。同時，大數據帶來的將是對海量教學案例的數據分析，讓教師對計算機教學的難點及教授方法優劣有了更加清晰的認識，不必依靠教學經驗去判斷教學效果，完全可以駕輕就熟地進行互動教學，啟發學生尋找最優解決方案，將是大數據時代下計算機教學的突出特點，這是對計算機專業教學思維帶來的革命性變化。

（三）計算機教學模式的變化

目前，計算機教學主要模式是備課—教授—上機—測試，教師主要的精力放在了課前備課。而大數據技術的應用，將會讓教師把更多的精力放在課后分析上，形成“備課—教授—上機—測試—數據分析—改進”的模式。在這個模式中，課后的數據分析將是整個教學過程的關鍵環節。通過大數據分析，可以對一個班的學生進行整體學習行為評價，可以對學生上機測試情況進行細化分析，可以對每個學生的學習習慣進行學習評估，分析學生的學習中偏好、難點以及共同點等，從而得出學習過程中的規律，改進教學方式，提高教學質量。

（四）個性化教學的深入開展

大數據技術的發展，使建立覆蓋學生學習全過程、全要素的信息庫成為可能，學生大量的試卷、課堂表現留存，學生的學習經歷及成長軌跡，學生的家庭情況等等，都將被涵蓋在大數據分析中。另外，前述的計算機智能教學系統和教育測評軟件，將詳細記錄學生每次答題的背景、過程和結果。這些信息讓教學分析變得更加容易，教師可以利用數據挖掘的關聯分析和演變分析等功能，依靠學生的某些學習特征，比如答題持續時間，具體回答步驟和內容（可以細化到每次擊鍵和每個筆劃），答對的要素和答錯的要素等等，在學生管理數據庫中挖掘有價值的數據，并分析學生的日常行為，研究各種行為的內在聯系，來據此形成針對學生個性化的教學策略，以幫助學生在學習方面取得更大的突破。

二、小結

課堂大數據分析范文第2篇

關鍵詞:民辦院校;法學教學改革;機遇

一、“大數據”簡介

大數據給法學教學帶來了對于如何分析學生學習情況的全新認知方式。

二、大數據為民辦院校法學教學改革帶來的新的發展機遇

民辦院校的教師師資力量弱，學苗差，學生考研率低，就業率低。長春財經學院在法學教學改革中，引入翻轉課堂教學模式。而大數據作為一種新的研究方式，可以為翻轉課堂提供更好的數據分析。(一)輔助提升法學學情分析。利用大數據可以從海量的數據分析中，提供教學需要的學生學習情況的信息。促進教師進行教學改革，提升教學效率。1．大數據對學習過程進行監控大數據則可以通過對學生線上學習過程進行監控，為教師提供數據幫助教師掌握學生學習情況。如為了防止學生觀看視頻的學習過程中有偷懶行為，保證學生學習的效果以及成績的真實性，超星等網絡平臺也采用了許多新的手段。2．大數據對學生學習效果提供統計數據大數據可以幫助教師對學習效果進行統計。如，提供隨堂測驗的統計數據等。在教學實踐中，如何對學生的學習效果進行合理的評價，仍是一個需要進一步改革的問題，尤其是采用翻轉課堂教學模式下。(二)輔助配置教學資源。大數據可以輔助教學資源的優化配置。在當前的教學改革工作中，要注重大數據的分析，特別是對于學情的分析，確保教學改革取得應有的效果。通過利用大數據對學生學習情況進行分析，查找規律，輔助教師評估每個學生的學習質量、效果及學習的困難點，從而合理分配教學資源。(三)促進教師和學生的良性互動。在網絡信息時代，學生對于知識的需求量越來越大，社會對于學生的能力的要求也越來越高，要求上崗即能上手，因此，學生需要真正能夠利用所學知識解決問題。而大數據可以更好的促進二者關系的良性互動。

三、大數據時代民辦院校法學教學改革面臨的主要挑戰

在大數據時代，法學教學改革迎來了新的問題。當前，法學教學改革中面臨著許多與大數據時代相關的挑戰，其中較為典型的問題包括如下幾個方面:(一)大數據對真實學情的掌控上，仍需完善。目前，超星爾雅平臺已經建立起了教學互動平臺，利用大數據對學生的網絡學習過程及效果，及時進行統計分析。然而，在實踐中，依然存在大數據無法掌控的問題，如不能真實的反映學生的學習效果。(二)如何運用大數據分析學情，仍需論證。目前，大多數的教師認為，目前大數據可以作為學情分析的參考，如分析學生的學習習慣，但不能以此作為認定學情分析的標準。綜上，在不斷的深入法學研究的方方面面，大數據為法學研究提供數據參考，也為我們法學教學提供數據分析，為法學教學的現代化提供有益的輔助支持。我們要提升重視現代化科技力量的運用。利用大數據對海量數據分析、整合，從而發現學生學情的新規律，提升法學教學水平，在運用大數據時，需要注意數據固有的局限性，對數據分析進行恰當合理的利用。

［參考文獻］

［1］JohnGantzandDavidReinsel，“ExtractingValuefromChaos”，IDCiView［J］，(Jun．，2011)，pp．1－12．

課堂大數據分析范文第3篇

關鍵詞 泛在學習 學習生態 有效學習 英語學習 大數據

近年來，移動互聯網、大數據等信息技術發展日新月異，已經成為推動教育變革的重要力量。移動通信終端的普及為學生營造了泛在英語學習環境，大數據技術開啟了個性化智能教育時代，翻轉課堂、MOOC、微課等新型教學模式層出不窮，雖然它們不能取代傳統教學模式，但英語教師必須與時俱進，重視信息技術對傳統英語課堂的改造和提升，以全新的視角思考英語教學的變革方向。

一、研究理論概述

1.泛在學習理論

泛在學習是指任何人在任何時間和任何地點都可以通過泛在網絡實現任何知識內容的學習。泛在網絡和泛在計算技術為人類實現隨時隨地的泛在學習提供了技術保障，信息技術和教育技術的融合發展正深刻改變著知識的傳播方式和學生的學習方式，不斷重構著教育和學習的生態環境。一方面，移動通信終端的多元化發展解除了傳統英語學習對地點的約束，翻轉課堂、MOOC等新型教學模式使學生可以自由地選擇學習時間、進度、內容和學習方式。另一方面，傳統教學設備正在向數字教學設備變遷，教育領域信息基礎設施建設有效地推動跨區域教學資源整合，海量的多媒體教學內容必須和學生的碎片化時間有效結合，教師需要針對不同學情的學生進行精準施策和差異化施策。

2.學習生態理論

學習生態是由學習群體及其所處的環境共同構成的生態系統。系統由信息技術、多媒體教學設施等支撐，通過以合作、交流、共享、互動為特征的教育實踐，實現知識信息傳遞和有效學習，從而促進系統的不斷優化。學生與學習環境、學生和學習群體之間密切聯系、相互作用，通過知識的吸納、內化、創新、外化、反饋等過程實現有效學習[1]。在泛在學習的背景下，學習生態研究的是教育信息、學習主體、教師、教育信息環境之間相互作用的生態系統，需要從教育信息化建設和應用的視角研究各個生態系統成員之間的相互作用規律，維護生態系統的平衡發展。

3.有效學習理論

有效學習是指學生在教師的指導下，針對學習內容采取適合自己的學習策略，積極主動地參與到學習過程中，高效率地完成知識建構，從而實現學習目標并優化自身知識結構的學習行為。有效學習是對學習內容、學習方法、學習過程、學習結果的價值追求[2]，學生可以實現對知識的深層次理解和靈活應用。學習內容的優化在大數據背景下表現為對海量學習內容的篩選、清洗與轉化[3]，使之滿足學生的學習需要。學習方法調整是建立在對學生學習情況進行多元評價的基礎上，根據學生個人學習偏好、認知習慣、學習方式、情感態度因素、學習內容的變化而動態進行的。學習過程的積極參與是指學生能夠積極主動地學習，充分和師生進行合作、交流，善于提出問題、分析問題和解決問題。學習評價是學生改變學習計劃、優化學習方法的重要手段，對學生學習可以起到引導、激勵、啟示和教育作用。

二、當前英語泛在學習模式存在的主要問題

1.傳統課堂教學和線上教學環節缺乏有效銜接

首先，魍晨翁媒萄Ш拖呱轄萄г誚萄Ы謐唷⒅識范圍上沒有有效銜接。例如，學生不知道如何在線上學習課堂上沒有掌握的知識點，或者在線上環節重復學習課堂中已經掌握的知識點。其次，缺乏對課堂英語學習和個性化英語自主學習的融合創新設計。在傳統課堂教學中，整齊劃一的教學標準無法滿足英語學習分層分級的差異化教學要求。不同學情的學生對學習時間、空間、內容、方式的需求不盡相同，教師在教學中沒能和學生線上學習的大數據分析結果進行有效的融合對接，僅根據自身的教學經驗和主觀判斷作為實施因材施教的依據，因此其決策缺乏精準性和穩定性。

2.泛在學習缺乏生態性系統設計，學生英語泛在學習的用戶黏性不高

當前泛在學習過程特別是在線學習過程缺乏師生互動性、社交互動性、線上線下互動性。泛在學習僅停留在將文字、圖像、視頻等教學資料數字化、網絡化、集成化和泛在化的階段，這在某種程度上增加了學生英語學習的選擇性和便利性，但缺乏針對不同學生的學習黏性設計，因此泛在學習效果并不理想。

3.英語泛在學習體系缺乏具有“參與感”和“現場感”的語言學習環境

建構主義理論認為，知識的獲得是在學習環境的特定情境作用下，借助教師的幫助與學習伙伴的協作，通過意義的建構過程實現的。因此在英語泛在學習過程中，必須增強學生在特定情境下的溝通和交際活動的參與性[4]。例如，如果在英語課程設計和在線學習設計環節，鼓勵學生廣泛參與學習內容、學習方法、學習偏好的設計，就會讓學生感受到教師對學生的愛與尊重，從而增強學生學習的主動性和積極性，使不同學情的學生都能在學習過程中體驗自我實現感，實現自主學習。另外，教師缺乏對學生多元需求的感知和把握，缺乏語言鍛煉的“現場感”設計，使學生無法在接近真實生活情境的語言環境中得到語言交際鍛煉。

三、基于大數據分析的英語泛在學習生態系統

移動通信和大數據分析技術的發展為有效解決當前英語泛在學習模式存在的問題提供新的方式和途徑。基于大數據分析的英語泛在學習生態系統以學生的英語學習需求、特征、習慣、喜好等大數據挖掘為切入點，聯合學校、互聯網教育機構、教材編寫人員、教師、信息化支撐機構、教育管理機構、在校學生和在職學員等生態系統成員共同把泛在學習落實到教學環境、模式設計、資源開發、評價機制和管理機制等工作中，不僅僅是教育內容資源和信息的共享空間，而且是實施素質教育和個性化學習的公共服務平臺。因此，本文構建了基于大數據分析的英語泛在學習生態系統，主要包括大數據采集、大數據存儲、大數據分析、大數據應用四個子系統，并構建了系統體系結構模型（圖1）。

1.大數據采集子系統

首先，大數據采集子系統要實現數據、文字、圖像、音頻、視頻、多媒體等結構化數據和非結構化數據采集，實現跨區域、跨機構、跨教學環節的數據互聯互通和數據采集功能，解決教育數據資源配置效率不高的問題。其次，實現英語教學設計、教學實施、課程內容建設、網絡學習內容資源建設、語料庫建設、學生學習認知過程監控、學生學習情感態度監控和學習評價等全教學鏈條的數據采集功能，為生態系統成員之間的共生發展提供良好的數據資源基礎。

英語教學設計數據主要采集教師按照教學大綱和教學目標要求對不同學生制定的學習內容、學習進度、學習路徑等數據，厘清學生在課堂上和網絡上分別學什么、在哪學、怎么學的問題。教學過程數據主要采集教師在教學中幫助學生解決英語學習問題的經驗、做法和策略，包括情感態度、認知因素的調控、語言情境的構建、師生的有效互動等。課程內容數據主要是采集教師、學校、互聯網教育機構課程教學內容數據，包括教材內容、課件、題庫、案例等授課內容資料，以及以上資料經過碎片化處理的數據資料。

網絡資源數據庫主要采集互聯網、校園網上英語學習方面的相關資料。英語語料庫數據主要采集中國學習者英語語料庫、美國當代英語語料庫等語料庫內容，以及英語教材、英美小說、散文、演說詞、電影劇本、新聞稿等英文自然語料。學習行為數據庫主要采集學生課堂學習行為和線上學習行為數據。課堂學習行為包括是否預習、復習等，線上學習行為數據采集學習日志、學習習慣、學習時長和學習路徑等。學習評價數據主要采集教師或者在線學習系統對學生的學習能力、學習方法、學習策略運用、學習過程和學習結果的評價數據。學習情感態度數據主要是通過問卷、訪談等方式采集影響學生英語語言習得的動機、態度、焦慮、自信等指標。

2.大數據存儲子系統

大數據存儲子系統主要實現對大數據采集子系統采集的海量結構化、非結構化數據進行數據清理、歸檔、壓縮，實現一體化數據存儲。可以實現跨區域、跨系統的英語泛在學習數據的融合，解決不同教學機構、數據結構、操作系統帶來的信息孤島問題。英語學習數據倉庫是指集成了大數據分析子系統和應用子系統決策分析所需的泛在學習數據，這些數據是按照一定的英語學習主題進行組織，是在對原有分散的各類英語泛在學習數據庫數據進行加工、匯總和整理后得到的，有效地消除了各類源數據中的不一致性，所以英語學習數據倉庫的信息均是關于學生英語泛在學習全局情況的一致性信息。數據倉庫的這些全局性信息同r通過網絡云平臺實現英語泛在學習數據的云端存儲，可以直接由大數據應用子系統調用。

3.大數據分析子系統

認知因素和情感因素是影響英語習得效果的兩個重要方面。大數據分析子系統首先結合學生應該達到的學習目標對學生個體的英語學習認知行為和學習的情感態度進行數據挖掘，分析學生的動機、態度、焦慮、自信、興趣等情感因素，以及學習毅力、能力、習慣、方法、英語水平和常犯錯誤等認知行為因素，對數據挖掘結果進行聚類運算和分類處理，根據學生的學習認知行為和學習態度情況將學生細分，以識別不同學生之間相似的泛在學習需求，以及某個學生個體在不同學習階段泛在學習需求的差異性。同時，大數據分析子系統會對學生的學習過程和學習結果進行動態綜合評價，并根據學習評價結果判斷學習方案的優劣，有針對性地進行線上和線下學習方案的調整。

4.大數據應用子系統

大數據應用子系統包括學習信息推送系統、學習信息定制系統、在線互動學習系統、語言情境仿真系統、知識關聯推薦系統、知識精準搜索系統、知識樹形管理系統和娛樂在線學習系統等應用。學生可以通過學習終端連接到相關應用系統進行英語語言知識的有效學習。學習信息推薦系統自動推薦給學生的學習信息是學生應掌握而目前未掌握的英語知識。學習信息定制系統可以滿足學生根據自身學習需求而定制某類主題的學習信息。學生一方面通過在線互動學習系統可以和輔導教師進行交流互動，解決學習中遇到的問題，另一方面可以通過社交軟件實現和其他學習者的溝通和交流，共享英語學習經驗。

語言情境仿真系統可以實現某類主題的英語學習情境的在線仿真，讓學生在接近真實環境的英語語言情境中進行英語交際鍛煉。知識關聯推薦系統是根據學生所學知識點，自動關聯推薦對應的拓展知識點。知識精準搜索系統可以幫助學生快速實現英語知識的精準有效搜索，從而進行有針對性的學習。知識樹形管理系統可以實現學生已掌握知識和未掌握知識的樹形目錄管理，實現線上學習和課堂學習知識管理的無縫鏈接。

基于大數據分析的英語泛在學習生態系統有利于充分發揮信息技術對傳統英語教育的改造提升作用，可以有效促進信息技術與教學過程、內容、方法和教學評價體系的深度融合。在生態系統的價值取向上注重以促進學生全面健康發展為中心，注重需求導向的個性化學生培養模式。在學生習得效果評價體系上注重加強學習過程評估，強調過程評估和結果評估相結合。系統注重充分挖掘學生的個體差異，充分挖掘學生的學習潛能，圍繞學生英語學習習慣的形成和學習情感態度的培養，以現代信息技術為輔助手段，將英語語言知識進行碎片化、情境化、可視化處理，通過采取教育信息推送、關聯推薦和定制化相結合的方式實現知識的在線傳播，給學生提供個性化、定制化的英語學習信息服務，帶給學生全新的英語泛在學習體驗。

參考文獻

[1] 張豪鋒，卜彩麗.略論學習生態系統[J].中國遠程教育，2007（4）.

[2] 曹貞.以有效學習為目標的大學課堂教學[J].教育與職業，2007（26）.

[3] 陳明選，陳舒.論信息化環境下大學生的有效學習[J].高等教育研究，2013（9）.

課堂大數據分析范文第4篇

課堂教學優化研究是高校教學改革中一個亟待解決的熱點問題，它直接關系到教學改革成功與否。大數據環境下教學模式的創新與改革是時展的必然要求，如何構建智慧學習環境、實現新的教學形態和學習模式是新形勢下教學模式改革的重要內容。一方面，是時展的必然要求。大數據是教育未來的根基，沒有數據的留存和深度挖掘，教育信息化只能流于形式，每一次技術的革命都革新了教育的一個時代。另一方面，提高教學創新與改革的成效。大數據環境下課堂教學已經發展成為新形?菹陸萄Ц母锏慕萄?模式。

1 大數據給課堂教學模式帶來的影響和挑戰

1.1 “大數據”提供新的教育平臺

自2011年開始美國教育領域率先掀起了在線教育的改革浪潮，智能學習平臺在全球逐漸興起，如Coursera等。全球多所高校通過在線教育平臺免費開放課程，實現了教育資源的共享和交流。這種在線學習平臺改變了傳統的面對面教學模式，必將給現代教學改革帶來深刻的影響。

1.2 “大數據”發展新的教學模式

大數據時代線上學習逐漸成為學習知識的主要途徑，并且能輕而易舉獲取最優秀的教學資源。除此之外，它還能對學習者的學習行為自動進行提示、誘導和評價，進而彌補了缺乏面對面交流指導的不足。通過智能分析、整合大量的在線學習行為，它能很輕易地掌握學習規律和特征，然后針對具體學習者提供有針對性的輔導，最終實現在線學習和即時交流學習心得，以及實現學習互動。

1.3 “大數據”重建教學評價方式

傳統教學評價活動主要是學生根據任課教師的授課表現進行評價，以及教師依據學生考試成績和平時成績等對學生進行評價。但是，傳統教學評價活動往往缺乏溝通的及時性和互動性，教學評價結果無法實現即時反饋。比如教師無法明確知道哪些教學方式是最受學生歡迎和接受的。而大數據技術通過分析師生長期教學行為，得出具有個性化的教學行為和規律。“大數據”評價方式從技術層面以更科學的方式歸納總結教學活動規律，它實現了過程導向評價而非結果導向評價。

2 大數據環境下教學模式創新的動力機制分析

近年來隨著技術的不斷成熟發展，“大數據”為傳統教學模式的創新和改革注入了新的活力和動力。“大數據”環境下教學模式的創新，主要通過三個層面的三種轉變來實現：一是教師層面從經驗式教學向數據分析式教學轉變；二是學生層面從依賴課堂和教師向分析自身學習行為轉變；三是媒介層面從簡單、單一的工具向多樣、復雜的多媒體介質轉變。

2.1 教師層面：從傳統教學經驗轉向海量數據理性分析

傳統教育領域主張，由富有教學經驗的幾十年老教師通過傳、幫、帶年輕教師的方式發展教師隊伍。這一主張在今日仍然被廣泛應用。這主要是因為，老教師經過多年教學實踐形成和積累了豐富的教學經驗，而這種教學經驗的多少、優劣與教師的教學質量緊密相關。歸根結底，教學經驗的積累和運用仍然是屬于有限理性范疇。在大數據時代，計算機會對存儲的海量教學記錄進行分析，并且能及時為有需要的教師提供相應的教學解決方案，此種教學解決方案是建立在理性的數據分析基礎上的。因此，在大數據時代教師的授課方式也將迎來全新的轉變，教學經驗在教學活動中的優勢地位將得以改變，逐漸向教學案例理性分析轉變。

2.2 學生層面：從依賴于課堂和教師轉向對自身學習過程的數據分析

如今的教學授課方式仍然是“一對多”的教學模式，這種“大鍋飯”式集體授課方式在有限的時空范圍內無法真正實現“因材施教”。在傳統課堂教學中，授課教師無法照顧到每個個體差異而提供相應的教學措施，教師對課堂教學節奏的把握仍然是基于教師的經驗判斷，教學過程仍然是按部就班地開展。在大數據環境下實現對個體學習數據的分析是完全可能的，也就是數字化學習過程，而通過現代媒介工具則是完全可以實現數字化學習過程的。比如，通過測試題庫的完成時間和答題準確率等學習記錄數據，計算機針對數據進行分析，進而發現個體學生需要重新掌握哪些知識點，哪些知識點又是需要進一步鞏固的，這樣，學生的學習行為與知識點建立了聯系，而大數據又能因人而異提供有效的指導，使每個個體能夠有的放矢。

2.3 媒介層面：從簡單、單一的工具轉向豐富、多樣的多媒體介質

傳統教學模式下教材是主要的學習資源，而板書、PPT展示是主要的授課手段，這些學習載體和工具都是單向溝通的，知識接收者的信息反饋并不暢通，更別提挖掘和分析知識接收者的學習行為了。隨著信息技術的發展，數據量、數據處理能力都得以質的發展，這都是依靠現代豐富的、多樣的媒介工具和分析工具而實現的。通過這些工具和媒介，知識傳播者和知識接收者之間的界限被打破，兩者可以實現即時的溝通和交流，能更貼近接收者，理解接收者的需求。

3 “大數據”教學模式的特征分析

3.1 注重教學的預測性判斷

“大數據”對傳統教學活動和教學過程進行了改良，一方面“大數據”通過大量數據分析會對教學活動出現的新情況進行調整；另一方面，新知識點和新教學法隨時會被挖掘出來，教學內容和知識更具有前瞻性。“大數據”的重要功能，是在復雜的教學過程中根據海量數據進行分析，進而歸納總結出具有預測性的內容。比如個體學生采用什么樣的方式鞏固知識和活學活用更為有效，何種教學方式與當前學生學習特征更為匹配等等。此外，通過對教學數據的分析，可以總結出學生的學習行為特征和傾向，以有效預防教學過程中不適行為的出現。

3.2 教師的專業知識與數據分析能力并重

教師的專業知識不僅是影響教學活動重要因素之一，而且還是學生衡量教師教學能力的重要標準之一。教師的專業知識要求在任何時候都是占有重要地位的，但是在大數據時代下教師還需掌握教學數據分析的能力。如何在海量數據中挖掘出具有教學意義和教學價值的知識和內容，是教師在今后教學活動和教學過程中必須掌握的一項技巧和任務。通過對教學數據的挖掘、分析和解讀，對與授課對象相關的數據分析，以及如何有效利用有用數據應用到具體教學活動中，促進學生可持續發展，是極其重要的。

3.3 個性化教學成為主流，真正實現因材施教

就技術層面而言，“大數據”可以實現對學習行為特征、學習興趣愛好，甚至學習態度的統計分析。從這個角度而言，未來的教學必將是精準化的個性化教學，對個體學生的教學活動和教學過程都可以建立在過去數據的分析基礎上。教師可以通過大數據輕而易舉地掌握個體學生的學習特征，了解到個體學生的特長與短處，真正從細節上掌握學生學習規律，進而真正實現因材施教。

課堂大數據分析范文第5篇

[關鍵詞]大數據 大學生 個性化就業指導

[作者簡介]張家明（1976- ），男，湖北武漢人，武漢理工大學信息工程學院，副教授，碩士，研究方向為高教管理和大學生思想政治教育。（湖北 武漢 430070）

[中圖分類號]G647 [文獻標識碼]A [文章編號]1004-3985（2014）24-0098-02

20世紀60年代初，美國麻省理工學院的氣象學家愛德華?洛侖茲在研究時發現，當系統產生隨機行為時，系統的初始條件取值稍有變化，所求的結果隨時間的推移，前后兩者就會相差越來越大，即產生隨機行為的系統具有對系統初始條件的敏感依賴性。這就是“西雙版納的蝴蝶扇扇翅膀，日本就可能刮起颶風”。

西雙版納與日本相距萬里，但僅僅是蝴蝶展翅這樣微小的動作，也能夠造成日本颶風這樣巨大的影響。它所表達的理念是，耗散結構的運作，對于起始狀態極為敏感，絕不能等閑視之。這就是“蝴蝶效應”，即初始條件的細微變化導致系統未來長期行為巨大差異的系統特征。因此，沒有任何東西能夠比蝴蝶效應更完美地表達出信息時代的“大數據資產”的高校教育管理戰略思想，所有重大的變化，都只不過是一系列數據積累的結果，而這一系列數據最原始的出發點，就是蝴蝶效應中蝴蝶擺動的那幾次小小的動作。

一、大數據技術應用于大學生個性化就業指導的重要性

隨著因特網、物聯網、云計算、移動互聯網、手機、平板電腦等數據來源和數據承載方式的飛速發展，全球數據量出現爆炸式增長，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據時代已經來臨，2013年也被稱為中國的大數據元年。高等學校作為人才最密集、思維最活躍、網絡技術知識運用廣泛的前沿陣地，高校的教育、管理和服務模式以及師生的思維方式、行為觀念、學習習慣等必將受到大數據浪潮的深刻影響。

據統計2013年高校畢業生總數達699萬人，目前國內整體就業形勢仍然不容樂觀。如何做到查明畢業生情況、了解就業市場趨勢，是高校開展大學生就業服務工作的難點之一。本文以大數據時代為背景，通過大數據分析技術創新高校大學生就業工作，實現就業指導從共到個性化服務，從粗放服務到精準服務的轉變。

當前，學校就業管理部門通過歷年就業白皮書掌握畢業生資源基本信息、用人單位與招聘需求信息、畢業生流向、畢業生求職意向和擇業行為調查、畢業生對就業工作意見等海量數據；另外，高校學工部、教務處、校園一卡通中心、相關學院部門等具有完備的學生基本信息、成績、校園卡消費、圖書館借閱以及學生日常表現、性格特點、興趣愛好、獎懲情況、與家長溝通等個性信息。此外，互聯網上的微博、微信、QQ空間、QQ群、人人網、飛信以及校內外各類BBS貼吧和搜索引擎也蘊含著學生大量的思想狀況、情緒波動、交友擇業等動態信息。本文在分析上述大學生海量數據基礎上，完善針對大學生個性化就業指導的大數據模型及相應分析算法，為大學生個性化就業指導提供更加客觀、科學、準確的數據、算法和模型支撐。通過大數據技術預測學生的就業行為趨勢，對其提供更有針對性的就業指導服務。

二、高校大學生個性化就業指導大數據分析

1.多樣數據的定義和獲取。多樣數據應首先包含傳統就業數據，即就業形勢分析、就業政策、求職技巧、就業推薦信息、就業講座信息、招聘單位、招聘會信息等；其次，個性化就業指導是根據學生的個性化信息進行“靶向”指導，需要了解學生的基本信息，包括主修專業、學習成績、興趣愛好、培訓經歷、就業意向等盡可能全面的個人信息；再次，多樣數據應包括已畢業、就業學生的個人基本信息、就業去向、當前發展以及就業行業、崗位數據，囊括崗位性質、基本要求、素質要求、發展前景、成長路徑等信息；最后，多樣數據應包含獲取的網絡海量，此類信息將作為數據分析參照，為學生個性化就業提供相關性參考。

大數據的基礎是海量信息數據，要進一步拓展多樣數據的采集途徑，并且使采集來的存儲數據易于提取，能夠被按照一定的條件搜索出來。另外整合學校不同部門的資源信息，同時將收集網絡海量信息以期達到最大效果。

2.面向大學生個性化就業指導的大數據模型及分析方法。獲取大量個性化就業指導多樣數據后，便可以開始進行就業指導“大數據”分析操作，即建立分析模型、構造數據算法進行數據分析。面向就業指導的大數據分析模型應具有全面性，盡可能掌握限定范圍內的“全樣”而非“抽樣”；分析模型更加注重效率，注重分析結果的時效性和動態變化而非精確性；對學生進行個性化就業指導更注重相關性而非確定指向性或因果性。

3.大數據分析原型系統的設計開發。通過原型系統的大數據分析，指出當前大學生的就業需求和趨向，分析學生就業單位的普遍水準和質量，為就業管理部門協調組織用人單位來校招聘提供重要參考；同時對學生個性化信息的分析，可以幫助就業指導人員實施個性化就業指導，增強就業指導的針對性和有效性。原型系統設計和測試初期以電子信息類大學生為例，“全樣”采集電子信息類在校學生和畢業兩年內學生的基本信息，收集學生的個性信息及相關網絡數據，整理歷年來電子信息類用人單位信息，進行大數據分析實測。

4.加強就業指導中的思想政治教育工作。當前就業單位對大學畢業生的就業能力和職業素養要求越來越高，大學生思想觀念不斷變化，大學生就業指導工作已由單純的就業指導轉為世界觀、價值觀、人生觀和職業道德的思想政治教育。個性化就業指導首先是對學生擇業觀念的教育引導，幫助大學生樹立正確就業觀念，避免盲目跟風、隨波逐流、人云亦云的就業思想，同時提高對數據信息的敏感性，主動收集、整理并認真分析。

三、大學生個性化就業指導大數據分析應注意的問題及建議

1.大數據分析應防止“三脫鉤”問題。首先，防止大數據與大學生個體脫鉤。隨著互聯網的發展，大數據時代的到來，誰掌握了大數據分析，誰就掌握了主動權，將大數據分析應用到大學生就業指導，就是掌握了信息化時代對大學生就業指導的主動權，實現更高效、更準確、更個性的就業指導。但是，面對大數據的浪潮，我們應該保持冷靜，大數據的載體是大學生，不能只見數據而不見人，防止變大數據分析這一手段為目的，本末倒置。明確認識到大數據的背后是大學生的思想行為，涉及的是大學生的思維方式、行為習慣。大數據分析的最終目的不是數據的積累和模型的建立，核心價值在于引導大學生樹立正確的世界觀、人生觀和價值觀，促進大學生健康成長、成才。

其次，防止大數據與真實性脫鉤。大數據時代，大學生獲取信息量大、速度快，但是信息的價值密度低，大學生自身的價值體系并沒完全成熟，無法準確理性判斷信息的真偽，這直接影響大學生在互聯網上各種平臺如微博、QQ、人人網等即興發表的言論的真實性。海量信息必然影響信息的質量，當我們將大數據分析應用于大學生個性化服務和指導時，也應注意分析搜集到的大學生信息的準確性，如果大數據本身存在偏差，必然使大數據分析的價值效應大大降低。

最后，防止大數據分析與社會實際脫鉤。大數據分析的價值在于現實應用，即通過大學生全方位信息的掌握，全面認識大學生個體的優勢與劣勢，了解社會發展趨勢及就業市場人才需求，更加科學地指導大學生實現適合自身特點的和諧性就業，實現學生、學校和社會的多方共贏。我們應該注意，大數據分析不能脫離社會實際，尤其是高校的大數據分析不能忽視學生個體的特殊性和本校、本地以及就業市場的現實條件，在避免抹殺大學生個性的同時，要更加注重防止大學生的成長成才與社會需求脫鉤。

2.大學生個性化就業指導的大數據分析要努力增強科學性。高校中的大數據分析應用無疑能引發高校的“蝴蝶效應”，產生一系列翻天覆地的變革，變革意味著創新，而在創新過程中，由于新事物自身還不完善，對新事物的了解不透徹，容易迷失在信息的海洋，出現如上所述各種問題。鑒于此，大數據分析在大學生個性化就業指導中的應用如下：

首先，應該增強大數據分析的針對性。增強現實針對性，就是要將大數據分析及各種系統與模型的建立與大學生的需要結合起來。大數據分析是將高校的大學生就業指導與大學生需求緊密聯系起來的橋梁，是為大學生成長成才服務的，我們不能一味追求大數據的“大”，而應該根據大數據分析和模型，了解大學生的現狀，滿足大學生的需求，實現學校與大學生的良性互動，指導大學生樹立正確的就業觀和成才觀，從而使大學生走出校門后，能與社會所需人才崗位無縫對接，并在工作中體現自身的人生價值。

其次，要增強大數據分析的準確性。信息化時代，大學生思想活躍，對大學生的指導和教育難度必然加大，應組織各類別專業力量找準入口，拓寬渠道，搜集、甄選數據。充分利用輔導員長期在一線獲得的大量實際信息以及學工部、教務處等記錄的學生信息，通過與網絡信息對比結合，準確提煉，分析加工各種信息，篩選出有價值的數據，提高大數據分析的準確性和客觀性。此外，還需要培養一支專業隊伍，為大學生個性化就業指導提供專業的數據分析和智力支持。

最后，要增強大數據分析的系統性。當前大學生就業難成為社會一大難題，這一問題使得高校就業指導必須進行調整，大數據分析的應用無疑為就業指導提供了新的技術和方法。但大數據分析尚處于初步發展階段，我們應該建立一套有序、動態、系統的運行管理機制，隨時根據大學生和外界的變化，對數據系統進行合理調整。大數據分析的應用還要設立一套嚴格的標準，這樣才能保證大數據的分析應用不脫離客觀現實，提高大數據分析對大學生個性化就業指導的科學化水平。數據分析模型建立后，還要注意與社會各類系統的信息共享，建立完善反饋機制，不斷為數據分析模型增添新鮮血液，保持數據分析模型的持續生命力。

四、結束語

“大數據的核心就是預測。”大數據的主要功能就是通過數據算法分析海量數據，預測出事情發生的可能性，但目前大數據應用于大學生個性化就業指導方面還存在一些問題，筆者下一步加強和改進的計劃包括：拓展多樣數據采集途徑和完善大數據分析模型及算法，結合大數據技術建立主動學習的“就業云課堂”，為大學生個性化就業指導提供更加客觀、科學、準確的數據、算法和模型支撐，最終預測學生就業行為趨勢，實現大學生的個性化服務就業指導服務。

[參考文獻]

[1]胡逸.運用大數據技術促進大學生就業[N].中國組織人事報，2013-09-04.

[2]梁家峰.適應與創新：大數據時代的高校思想政治教育工作[J].思想教育研究，2013（6）.

[3]桑慶兵.大數據在高校的應用與思考[J].南通紡織職業技術學院學報，2013（2）.