近年(nián)來，随著(zhe)大數據成爲互聯網信息技(jì)術行業的流行詞彙，教育逐漸被認爲是大數據可以大有作爲的一(yī)個重要應用領域，有人大膽地預測大數據将給教育帶來革命性的變化。大數據技(jì)術允許中小(xiǎo)學和大學分析從學生(shēng)的學習行爲、考試分數到(dào)職業規劃等所有重要的信息。許多(duō)這樣的數據已經被諸如美國國家教育統計中心之類的政府機構儲存起來用于統計和分析。盤點近年(nián)來大數據應用于教育行業的十大案例。
國内:
一(yī)、華中科技(jì)大學近兩年(nián)個性化大數據的實踐，通(tōng)過數據理出學生(shēng)在校期間生(shēng)活和學習的主線，并放(fàng)在一(yī)個故事(shì)化的場景裏來叙述，引起了衆多(duō)畢業生(shēng)的共鳴。
6月(yuè)8日，一(yī)封名叫《光(guāng)陰的故事(shì)一(yī)緻某某》的電子信件(jiàn)和截圖在華中科技(jì)大學畢業生(shēng)的微信朋友(yǒu)圈廣爲流傳。每一(yī)位即将離校的學子隻要打開鏈接，輸入自(zì)己的校園賬号就(jiù)能(néng)獲取在校期間的學習，讀書，餐飲等各方面數據和收獲。
該校網絡與信息化辦公室副主任王士賢介紹，《畢業生(shēng)大數據--光(guāng)陰的故事(shì)》由華中科技(jì)大學網絡與信息 化中心在2015年(nián)第一(yī)次推出，今年(nián)在教務類數據的基礎上(shàng)還增加了畢業生(shēng)的借書、進出圖書館，黨員組織 發展，校園卡刷卡，計算(suàn)機等考等相(xiàng)關數據。
二、由廈大圖書館設計的一(yī)個名爲“圕（tuan）·時光(guāng)”的網站(zhàn)， 收集整理了畢業生(shēng)大學時代的閱讀記錄、進館次數等， 被畢業生(shēng)視爲大學生(shēng)涯的圖書館記憶。今年(nián)，這個網站(zhàn)還特别增加了畢業生(shēng)在食堂的消費記錄，如打了多(duō)少份免費米飯。也就(jiù)是說，這是一(yī)份物(wù)質食糧和精神食糧的雙重記憶。
由于今年(nián)的“圕·時光(guāng)”，新增了學生(shēng)們在食堂的消費記錄，畢業生(shēng)登錄後，不僅能(néng)看(kàn)到(dào)自(zì)己最愛去的餐 廳、超市(shì)、消費的金額，還能(néng)看(kàn)到(dào)自(zì)己在大學期間，打了多(duō)少份米飯。廈大圖書館表示，這是根據學生(shēng)一(yī)卡通(tōng)的大數據統計出來的，隻提供給學生(shēng)本人。
三、每個月(yuè)在食堂吃(chī)飯超過60頓、一(yī)個月(yuè)總消費不足420元的，被列爲受資助對象。
據報道，南(nán)京理工(gōng)大學教育基金會通(tōng)過數據分析，每個月(yuè)在食堂吃(chī)飯超過60頓、一(yī)個月(yuè)總消費不足420元 的，被列爲受資助對象。南(nán)京理工(gōng)大學還采取直接将補貼款打入學生(shēng)飯卡的方式，學生(shēng)無需填表申請，不用審核。
四、電子科大曾做過一(yī)個課題——尋找校園中最孤獨的人。 他們從3萬名在校生(shēng)中，采集到(dào)了2億多(duō)條行爲數據，
數據來自(zì)學生(shēng)選課記錄、進出圖書館、寝室，以及食堂用餐、超市(shì)購物(wù)等數據。通(tōng)過對不同的校園一(yī)卡通(tōng) 前一(yī)後刷卡”的記錄進行分析，可以發現一(yī)個學生(shēng)在學校有多(duō)少親密朋友(yǒu)，比如戀人、閨蜜。
最後，通(tōng)過這個課題找到(dào)了800多(duō)個校園中最孤獨的人，他們平均在校兩年(nián)半時間，一(yī)個知心朋友(yǒu)都沒有。 這些人中的17%可能(néng)産生(shēng)心理疾病，剩下(xià)的則可能(néng)用意志(zhì)力暫時戰勝了症狀，但需要學校和家長重點予以關愛。
國外：
五、紐約州波基普西(xī)市(shì)瑪麗斯特學院(Marist College)與商業數據分析公司Pentaho合作發起開源學術分析計劃 (The Open Academic Analytics Initiative),旨在一(yī) 門新課程開始的兩周内預測哪些學生(shēng)可能(néng)會無法順利完成課程。
該計劃基于Pentaho的開源商業分析平台(Business Analytics Platform)開發了一(yī)個分析模型，通(tōng)過收集分析學生(shēng)的學習習慣——例如點擊線上(shàng)閱讀材料、是否在網上(shàng)論壇中發言、完成作業的時長——來預測學生(shēng)的學業情況、及時幹預幫助問題學生(shēng)，從而提升畢業率。
六、KickUp是一(yī)個專注教師測評的标準化SaaS工(gōng)具，測評數據來自(zì)教師的自(zì)查報告及學年(nián)内的各項教學結果的反饋，這些數據可以縱向記錄教師的成長曆程，提出有待改善的地方。KickUp根據學生(shēng)和老師的數量、 按地區進行收費，目前全美有超過50個地區的學校在使用這款測評工(gōng)具。
七、以美國的著名高(gāo)校卡内基梅隆大學和普渡大學爲例： 對這兩所高(gāo)校，領英都收集了60000多(duō)名畢業生(shēng)的職業生(shēng)涯數據。數據量之龐大，足以在其中看(kàn)出清晰的規律。輸入“MIT”，你很快就(jiù)會看(kàn)到(dào)這所高(gāo)校的畢業生(shēng)一(yī)般會在谷歌(gē)、IBM和甲骨文公司找到(dào)工(gōng)作。輸入“普渡”，你會發現禮菜、康明斯和波音(yīn)是畢業生(shēng)的首選。
這類信息對于中學的高(gāo)年(nián)級生(shēng)和低(dī)年(nián)級學生(shēng)都是一(yī)座金礦，因爲大多(duō)數中學生(shēng)對将來的職業都隻有模糊的想法。運用領英的這個工(gōng)具，對太陽能(néng)、編劇、或者醫療器(qì)械感興趣的學生(shēng)，就(jiù)可以挑選那些畢業生(shēng)最容易進入相(xiàng)關領域的大學拫考了
八、據PBS報道，伊薩卡學院(Ithaca College)自(zì)2007年(nián)開始收集學生(shēng)的社交網絡數據。該學院爲申請者設立了一(yī)個類似Facebook的網站(zhàn)IC PEERS,讓申請者得 以通(tōng)過網站(zhàn)聯系學院教師和彼此。
伊薩卡使用舊M統計分析系統來收集IC PEERS上(shàng)産生(shēng)的數據，研究擁有怎樣的網絡行爲的學生(shēng)更有可能(néng)選擇就(jiù)讀伊薩卡。收集的數據包括申請者上(shàng)傳了多(duō)少張賬戶照(zhào)片、擁有多(duō)少名IC PEERS好友(yǒu)。研究人員認爲, 這能(néng)反映出申請者對這所學院有多(duō)感興趣。
九、“希維塔斯學習”是一(yī)家專門聚焦于運用預測性分析、 機器(qì)學習從而提高(gāo)學生(shēng)成績的年(nián)輕公司。Civitas Learning提供了一(yī)套應用程序，學生(shēng)和老師可以在其中規劃自(zì)己的課程和安排。“希維塔斯學習’’各種基于雲的智能(néng)手機第三方應用程序(APP)都是用戶友(yǒu)好型的，能(néng)夠根據高(gāo)校的需要個性化。這意味著(zhe)高(gāo)校能(néng)聚焦于各自(zì)不同的對象，相(xiàng)互不同地用這家公司的分析工(gōng)具開展大數據工(gōng)作。
該公司在高(gāo)等教育領域建立起最大的跨校學習數據庫。 通(tōng)過這些海量數據，能(néng)夠看(kàn)到(dào)學生(shēng)的分數、出勤率、 辍學率和保留率的主要趨勢。通(tōng)過使用100多(duō)萬名學生(shēng)的相(xiàng)關記錄和700萬個課程記錄，這家公司的軟件(jiàn)能(néng)夠讓用戶探測性地知道導緻辍學和學習成績表現不良的警告性信号。此外，還允許用戶發現那些導緻無謂消耗的特定課程，并且看(kàn)出哪些資源和幹預是最成功的。
十、一(yī)家名爲Knewton的大數據公司開發了一(yī)個數字平台， 該平台分析了幾百萬學生(shēng)(從幼兒園到(dào)大學)的學習過 程，并基于這一(yī)分析來設計更加合理的測試題目和更加個性化課程目标。該公司與Houghton Mifflin Harcourt建立了合作關系，開發出了 K-12階段的個性化數學課程，同時還與法國創業公司Gutenberg Technology—道，開發了智能(néng)數字教科書。
簡單來說，這些課程和教科書能(néng)夠适應每個學生(shēng)的差異。學生(shēng)可以按照(zhào)自(zì)己的節奏來控制學習進度，而不會受到(dào)周圍其他學生(shēng)的行爲的影響。然後，系統會給教師一(yī)個反饋，告知哪個學生(shēng)在哪個方面有困難，同時給出全班學生(shēng)的表現的整體分析數據。
在教育學習領域，大數據中提取價值的5種主要的技(jì)術如下(xià)：
1.預測(Prediction)——覺知預料中的事(shì)實的可能(néng)性。例如，要具備知道一(yī)個學生(shēng)在什麽情況下(xià)盡管事(shì)實上(shàng)有能(néng)力但卻有意回答錯誤的能(néng)力。
2.聚類(Clustering)——發現自(zì)然集中起來的數據點。這對于把有相(xiàng)同學習興趣的學生(shēng)分在一(yī)組很有用。
3.相(xiàng)關性挖掘(Relationship Mining)——發現各種變量之間的關系，并對其進行解碼以便今後使用它們。這對探知學生(shēng)在尋求幫助後是否能(néng)夠正确回答問題的可靠性很有幫助。
4.升華人的判斷(Distillation for human judgment)——建立可視的機器(qì)學習的模式。
5.用模式進行發現(Discovery with models)——使用通(tōng)過大數據分析開發出的模式進行“元學習”(meta-study)。一(yī)家名爲Knewton的大數據公司開發了一(yī)個數字平台， 該平台分析了幾百萬學生(shēng)(從幼兒園到(dào)大學)的學習過 程，并基于這一(yī)分析來設計更加合理的測試題目和更加個性化課程目标。該公司與Houghton Mifflin Harcourt建立了合作關系，開發出了 K-12階段的個性化數學課程，同時還與法國創業公司Gutenberg Technology—道，開發了智能(néng)數字教科書。