序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇課堂大數據分析范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

一、引言

在大數據的影響之下，我們的傳統的教育教學方式正在發生著劇烈的改變，大數據分析在教學中的應用也越來越明顯，特別是在高中數學中的應用，未來的大數據分析必然會對教學產生巨大的作用，因此，研究大數據分析是一件至關重要的事。

二、大數據分析的概念

對于數據的本身來說，是用來記錄信息的，但是隨著計算機和互聯網技術的發展，我們在生產和生活中的各個領域都有了突飛猛進的進步，這相應地帶來的是各種數據的處理方式更加的復雜，數據的數量以及涉及的規模也在不斷地擴大。大數據的特點可以和經濟學的觀點一樣，從微觀和宏觀兩個方面來理解，但是目前大多數對大數據有研究的專家來說他們都是從宏觀的角度來分析大數據的定義的。大數據處理的數據數量很多，即使新數據也能很快地進行處理，這些數據的類型也是多種多樣涉及很多的領域，而且處理的數據具有真實性。大數據分析的重點在于分析，就是利用大數據技術對收集到的數據進行全方位的分析，大數據分析的優勢明顯，哪怕你的數據量非常大，但是分析也能快速地完成，并且還能保證數據的真實性。大數據分析的目的是通過對歷史數據的分析和解決，進行科學的總結，發現其規律性和模式，同時結合穩定的動態流數據預測事物發展的未來趨勢。

三、高中數學課堂教學策略的大數據分析

（一）更新高中數學教學思想，以此構建數據分析的概念。很多的老師因為受傳統的教學觀念的影響，思維方式和教學方法都已經模式化了，并沒有樹立數據分析的教學觀念，俗話說，物質決定意識，意識是物質的反映。如果老師的教學觀念還沒有及時更新的話，那么，教學行為在這些思想的影響下還是不會出現根本性的變化，為了解決這一難題，在國家新的課程改革中明確提出了“數據分析”這一概念，這一概念的提出標著在大數據的時代背景下我們的國家也越來越重視數據分析在教學中的實際運用，各位老師應該牢牢把握住數據分析的觀念，在實際教學中，幫助學生構建數據分析的知識框架。（二）勇于探索，在數學教學中嘗試分層教學。現在的高中數學教學的過程中，采用的還是以班級為單位的固定的教學方法，這種教學方法已經是一種既定的模式，對知識接受不同程度的學生他們上課的內容是相同的，這樣接受能力強的學生的潛能得不到發揮，接受新知識能力弱的學生跟不上老師講解的內容，打擊了他們學習的積極性和主動性。早在幾千年之前，我們的大教育家孔子在教學的過程中就提出了因材施教的教育理念，要求老師在課堂教學中準確地把握每一個學生的性格特點，來進行知識的傳授，不錯過任何學生的潛力，同時進行不同類型的教育。在高中數學課堂教學中，教師可以分層次地教學生。一班上有不少學生，學生與學生之間存在個人和個人之間的差異，不同學生的不同類型的教學可以有效地促進教學課堂。個人差異和個體差異明顯的小學生，也可以嘗試不同的教學方法，嘗試新的教學模式，面對個人差異，分不同層次的分析教學給他們，這有助于促進學生更好地學習數學，也充分挖掘學生在數學上的潛力。（三）學習分類和重視數學知識的積累。高中數學是一個強大的抽象性和邏輯性的學科，需要有更大的知識量，這就要求學生學會分類，分類各種數學知識，這有助于學生加深對數學知識的理解，也可以幫助學生理清數學知識的靜脈，學生進入下一階段的數學學習會學得更好。另外，還要強調數學知識的積累。

作者:馮雄德 單位:武威第七中學

參考文獻：

［1］宋顯微．高中數學課堂教學研究［J］．亞太教育，2016（14）．

篇（2）

隨著大數據時代的來臨，教育事業發生了重大的變革，大數據技術已經被廣泛運用在高校教育評價、課堂教學、教育模式等各個方面。課堂教學是高校教育中最為有效的教育途徑，在大數據時代背景下的高效課堂教學發展趨勢，值得廣大教育者重點關注研究，這可以加強大數據技術在課堂教學中的應用，提高教學質量。

一、大數據相關概述

大數據主要指在高速發展的網絡信息技術下，所呈現的巨量數據信息以及隨之而產生的相關處理技術。大數據具有龐大的數據量，涉及的數據類型多種多樣，數據價值的密度相對較低，并且對數據的時效性要求較高。其技術能夠將復雜信息中有價值的數據篩選出來，為人們的工作生活帶來了極大的便利，其廣泛運用到生活中的各個領域，將會推動新技術的快速發展。

二、大數據時代對高校課堂教學的影響

高校的學科發展越來越復雜，尤其是交叉學科，需要教師不僅能夠掌握本學科的相關知識，還要時刻關注其他學科的發展動態，并不斷學習相關聯的學科知識。大數據時代的到來使教師能夠通過多重技術手段獲取需要的信息數據，并利用信息的共享性，不斷挖掘學科前沿信息，預測其發展動態，從而提升自身的教學水平。

在課堂教學中，融入大數據技術，利用與教學內容相符的視頻等資源，可以使學生深入了解理論知識。或是利用大數據技術演示具有危險性的實驗，避免危險實驗對學生的人身安全造成威脅，通過生動形象的畫面讓學生充分了解實驗步驟和注意事項，并利用回放功能加深學生印象，使學生既避免了實驗的危險性，又提升了學習的興趣，同時也為學校減少了一筆昂貴的實驗經費。

很多學校的學生課堂行為都會被攝像系統記錄，大數據時代的技術能夠幫助教師對學生的學習行為等進行整理分析，使教師充分了解學生的學習情況，根據學生的差異性實施不同的教學方法。

三、大數據時代背景下高校課堂教學的發展趨勢

1.增加預測性判斷

教育過程具有計劃性，教師與學生通常是按照教學計劃進行教學活動的。大數據時代的到來，將會為教師的課堂教學提供依據。利用大數據技術對學生的學習情況和日常行為進行整理分析，教師可以充分了解適合學生的教學方法、學習時間、學習方式、理論實踐方法等，進而對課堂教學的方法、內容和時間進行相應調整。大數據技術還可以預測學生思想、行為的發展傾向，幫助教師在課堂教學中對學生的不良行為進行有效預防。

大數據時代背景下的高校課堂教學，將會增加預測性判斷，提升教師的教育主動權，約束學生行為，提高學習效果，培養學生成為身心健康的綜合型人才。

2.發揮教師數據分析能力

大數據時代，高校教師不僅要具備豐富的專業知識，還需要一定的數據分析能力來適應數據支持的決策文化。教師的專業知識水平對課堂教學質量有著直接影響，是教師專業性和教學水平的重要衡量標準。隨著大數據時代的到來，教師對教育數據的分析能力，也逐漸成為教學質量的重要影響因素。教師需要在復雜的數據中，找到與學生相關聯的、有價值的信息，并運用在課堂教學中，有效地提高學生的學習效果，維護學生的身心健康。因此，其數據分析能力在高校課堂教學中的地位至關重要，在高校課堂教學中充分發揮教師的數據分析能力，已成為高校課堂教學的必然發展趨勢。

為了應對這一趨勢，高校應適應市場需求，轉變傳統觀念，增加開設數據分析課程，積極培養專業性強并且數據分析能力高的復合型教師人才。

3.個性化教育

大數據技術能夠將學生在互聯網上留下的所有信息進行總結，對學生過去的行為數據進行分析，教師可以通過分析結果，對學生的興趣愛好、心理特征、行為特點等進行了解，并具體問題具體分析，明確學生的差異性，適當調整課堂教學的內容、方式及時間安排，對學生因材施教。

大數據時代的來臨使教師能夠更深入地了解學生，以制訂更加科學合理的教學方法。高校課堂教學也將趨于個性化教育發展，更加尊重學生的差異性，不斷調整教學策略，以提高學生的學習質量和教師的教學效果。

大數據時代的到來，對社會上各個領域都產生了一定影響，高校課堂教學也深受大數據時代的影響，開始廣泛運用大數據技術，以提升教師的教學質量和學生學習效果。增加預測性判斷、提高教師數據分析能力、個性化教育已經成為大數據時代背景下高校課堂教學的必然趨勢，廣大教育工作者應更加深入研究，加強大數據時代高校課堂教學的有效性，推動高校教育的健康、快速發展。

篇（3）

1國內外研究開發現狀和發展趨勢

1．1現狀與趨勢

在當今大數據、云計算、物聯網和移動互聯網等新思路、新技術快速發展的又一歷史時期，高等教育面臨著前所未有的發展機遇，在經歷了網絡化、數字化、信息化管理階段之后，“智慧校園”將是在“互聯網＋教育”趨勢下最重要的發展思路。隨著計算機技術的不斷發展，各種系統結構化和非結構化數據以前所未有的驚人速度迅猛增長，“大數據”時代已經到來。大數據是指數據結構比較復雜、數據規模大的數據集合。其數據量已經遠遠超出了一般數據管理工具可以承受的處理時間以及數據處理及存儲管理能力。在當今大數據環境下，高校管理系統的數據結構及數據量發生了巨大的變化。在數據存儲、數據管理、數據分析及數據挖掘等方面面臨著巨大的機遇和挑戰。為了有效地利用大數據為高校決策分析提供更好的服務，必須基于大數據建立相應的數據分析系統。

1．2國內外研究與開發綜述

隨著大數據的發展和教育信息化的不斷深入，基于大數據開展的高校校園數據分析與應用逐步受到重視。對大數據的定義始終沒有形成統一的意見。維基百科對大數據（Bigdata）的定義是：所涉及的數據量規模巨大到無法通過人工，在合理時間內達到截取、管理、處理并整理成為人類所能解讀的信息。麥肯錫全球研究院將大數據定義為：無法在一定時間內使用傳統數據庫軟件工具對其內容進行獲取、管理和處理的數據集合。加特納（Gartner）于2012年修改了對大數據的定義：大數據是大量、高速、多變的信息資產，它需要新型的處理方式去促成更強的決策能力、洞察力與優化處理。而在高校學生數據的分析應用方面，國內外高校均有開展相關的研究。紐約州波基普西市瑪麗斯特學院（MaristCollege）與商業數據分析公司Pentaho合作發起開源學術分析計劃，旨在一門新課程開始的兩周內預測哪些學生可能會無法順利完成課程，它基于商業分析平臺開發了一個分析模型，通過收集分析學生的學習習慣，包括線上閱讀材料、論壇發言、完成作業時長等數據信息，來預測學生的學業情況，及時干預幫助問題學生，從而提升畢業率。上海財經大學基于校園信息化數據基礎，開發了校務決策支持系統，面向人才培養、內部管理、科學研究和師生服務等方面開展決策分析；華東師范大學利用校園信息化基礎數據，開展了校車人數與載客分布分析，提升了校車使用率；利用一卡通數據開展了貧困生的特征確定、潛在貧困生分析、后續跟蹤驗證，有效提升了幫困扶貧的工作效率。

2需求分析

結合西安歐亞學院信息化建設基礎與海量的數據積累，建立“智慧校園”數據分析系統，通過此平臺的建設和應用，運用數據挖掘和知識發現，從而在大數據中獲取數據之間內在的相互聯系，以及其中可能存在的某種規律，從而有效提升校園管理的決策效率，提升教學科研與管理服務的綜合水平。通過調查走訪各部門，了解教師、學生與行政管理人員的相關需求。主要包括四個方面：一是教學數據分析需求。包括各分院、招生辦、教務處等部門對于招生、學生學習行為、教學質量、學科建設與學生就業等方面的分析。二是生活服務數據分析需求。包括圖書館、后勤等部門對于學生的消費行為即圖書借閱、網絡行為、資源利用等項目的分析。三是財務、人事、宣傳等部門對于全校的資產、師資力量、宣傳效果等項目的分析。四是研究發展部門對于全校科研項目與成果完成情況的分析（見圖1）。

3系統方案設計

3．1框架設計

結合需求情況，開展系統的總體框架設計，初步將系統分為三大板塊，包括數據監測、決策支持和查詢定制（見圖2）。

3．2系統方案

系統總體架構包括四個層次，分別是數據引擎、數據挖掘、數據庫解決方案和交互平臺。數據引擎部分將集成校園WIFI、固網、一卡通、教務系統等各類信息系統的數據，形成數據源，數據挖掘將通過分布式計算架構和數據分析平臺對潛在數據進行分析與建模，通過數據庫建立本系統的分析數據庫，最終通過PC、手機等客戶端向用戶進行呈現（見圖3）。

3．3典型應用研究內容

3．3．1教學質量評估教學質量評估屬于高校定期必須完成的任務，教學評估的主要目的是更好地發掘出教學過程中存在的一些問題，從而及時地對教學方法進行調整，最終實現教學質量的提升。將大數據運用到高校教學評估系統之中，不但能夠在很大程度上提高高校教學管理的科學性，同時還可以提高信息化教學的實用性。把基于大數據挖掘的算法運用在教學評估工作之中，找出教學效果、信息技術在教學中的應用、師生之間的溝通互動等因素之間的聯系，從而給高校的教學部門帶來非常科學的決策信息，同時讓教師可以更加有效地開展教學工作，提高教學質量。

3．3．2教師教學能力分析以往的教學缺乏大量數據支撐，教學的質量高低主要靠教師自我度的把握。現在，可以通過在線課堂等技術，搜集大量課堂情況信息，比如學生對知識點的理解程度、教師課堂測試的成績、學生課堂紀律等。通過這些數據的分析，了解教師熟悉教案的程度、課堂氛圍等，改善教學水平。也可以通過深度分析學生在教學過程中教師的課堂表現，從而發現課程的閃光點以及不足，從而讓教師能夠進一步地對課程教學進行改善，提升教學質量。

3．3．3個性化課程分析個性化學習是高校教學改革的目標，過去的班級制教學中無法很好達到這一點，通過把大數據挖掘技術和學習內容結合起來，指導學習者規劃學習發展方向，制訂學習規劃，實現個性化學習功能。通過評估個人情況，根據分析結果推薦可能取得優秀成績的課程方案。首先獲取學生以往的學習表現，然后從已畢業學生的成績庫中找到與之成績相似的學生信息，分析前期成績和待選課程結果之間的相關性，結合專業要求和學生能力進行分析，預測學生選擇的課程中可能取得的成績，最后綜合權衡預測學生成績和各門課程的重要性，為學生推薦一份專業課程清單。

3．3．4學習行為分析通過一卡通門禁信息、網絡信息、課程信息、在線教育系統等相關數據，可以把學生到課堂時間、上課表現、作業完成情況、自習情況等學習信息記錄下來，進行變量分析。當一些與學習行為有關的因素（如曠課、紀律問題、課堂表現）發生變化時，對學生提示并進行分析。通過這種系統分析，可以很好地規劃學生的學習時間，提高學習效率。

4技術創新點

4．1大數據環境下提升數據挖掘范圍

相比于傳統常規環境下的數據獲取渠道，大數據環境下，校園數據的獲取更為廣泛和準確。常規環境下的數據主要以經費收支、課程建設、問卷、訪談、課堂觀察等來源，而在大數據環境下，通過對事件數據、輿情數據、一卡通、日志搜索等數據的抓取與分析，更能夠準確地反映實際校情。

4．2可視化技術展現數據分析結果

利用大數據分析的數據挖掘與可視化分析，能夠直觀地呈現大數據特點，同時能夠非常容易被使用者所接受，就如同看圖說話一樣簡單明了。智慧校園中，結合學生學習、生活消費的各類數據，通過系統分析與圖表展現，讓用戶只管了解數據分析的結果。

4．3數據質量管理提供重要支持

篇（4）

關鍵詞：

大數據;人才培養模式;教學模式

2015年9月5日，我國政府公開《國務院關于印發促進大數據發展行動綱要的通知》，大數據逐步走上我國經濟社會發展的大舞臺，在社會各個領域中發揮著巨大的促進作用。高等教育作為我國培養高素質人才的主要陣地，避免不了受到大數據的沖擊和影響。有效利用大數據是化解沖擊并促進高等教育改革的明智之舉。高等教育改革的關鍵是改革人才培養模式，將大數據融入人才培養模式改革的各個環節會達到事半功倍的效果。

一、大數據引領統計學專業人才培養模式的改革方向

1.大數據引領培養目標的改革方向。隨著大數據的迅猛發展，大數據分析公司不斷涌現，傳統的調查公司、數據分析公司紛紛轉型，社會急需大量的大數據分析人才。統計學專業按以往培養目標培養的數據分析人才已經不能滿足社會需要，因此必須對人才培養目標進行改革，培養目標應從培養專門的統計人才轉換為培養精通統計學知識、計算機技術（大數據分析技術），了解相關行業背景的復合型統計人才，保障統計學專業能夠為社會經濟發展輸送高質量的大數據分析人才。2.大數據引領課程設置的改革方向。課程設置是實現培養目標的關鍵環節，為實現培養大數據分析人才的目標，課程設置應該與培養目標相配套。課程設置的核心課程中應該引入大數據技術相關的計算機軟件、語言及算法課程，選修課程中應該增設一些輔助大數據分析的數據挖掘類相關課程及不同行業的相關專業背景課程。3.大數據引領實踐教學的改革方向。實踐教學環節設計的基本原則是能夠有效檢驗理論教學環節的學習效果，同時鍛煉學生的分析問題，解決問題的能力。因此，相應于培養目標和課程設置的改革，實踐教學環節的改革應注重學生大數據分析能力的檢驗和鍛煉，積極為學生創造豐富的大數據分析實踐機會。例如，在調查分析課程中引導學生改變傳統的調查方法，盡量通過數據挖掘揭示某一類現象背后的發展規律，積極開展與大數據分析公司或者相關行業的企業的合作，為學生進行大數據分析實踐提供數據及技術支持。4.大數據引領教學方法和手段的改革方向。MOOC、翻轉課堂和大量的在線資源的出現為統計學專業教學方法和手段的改革提供了豐富的資源基礎，有效構建充分利用各種資源的混合教學模式將成為統計學專業人才培養模式改革的一個重要組成部分。5.大數據引領評價方法的改革方向。傳統的評價方法主要注重期末時的總結性評價，忽略過程評價，因此應廣泛和合理利用教學各個環節留下的痕跡，即形式各樣的數據，創新教育教學評價方法，以此達到對學生、教師及教學效果的科學評價。

二、大數據融入統計學專業人才培養模式的構建

1.大數據融入人才培養目標的制定。人才培養目標的制定一方面要適應經濟社會發展的需要，另一方面要從生源質量，辦學條件出發，不能盲目追求高目標，因此適當對本校統計學專業歷屆生源質量和辦學軟硬件條件等相關數據進行挖掘和分析，有利于制定切實可行的人才培養目標。當然這需要人才培養目標制定者有一定的數據挖掘和分析的能力，需要學校各個相關部門的配合，實際操作起來存在一定困難。2.大數據融入教學方法和手段的選擇。教學方法和手段的選擇一方面依靠豐富的資源，打破傳統的大客廳式的封閉教學模式，另一方面要注重以學生為本和因材施教，這就需要對每個學生的基本素質有客觀的把握，僅靠教師的力量很難做到這一點，因此應適當引入相關技術和設備幫助收集課堂教學，課后作業等教學各個環節的實時數據，利用大數據技術全方位綜合考量每一位學生的基本素質，為教學方法和手段的選擇提供客觀的依據，真正意義上做到因材施教。對于一些利用計算機或其他電子設備完成的環節，收集數據的同時，應適當建立針對不同學生的教學策略，以此實現個性化教育。3.大數據融入實踐教學環節的設置。統計學專業的實踐環節設置應充分考慮利用學習分析和數據挖掘技術分析學生的學習心理，學習行為及學習能力，充分了解學生的前期學習情況，分析教師課堂教學水平和教學能力，充分挖掘教師的特長，以此為基礎打造實踐教學環節師生的完美匹配，不再拘泥于一個班級或一個專業的學生同時進行相同的實踐項目，可以有效提高實踐教學的水平和學生的實踐能力。4.大數據融入教學評價體系的完善。傳統的教學評價體系不能夠客觀評價人才培養的各個環節的效果，通常是對結果的評價。因此，學校需要利用大數據技術全面分析和挖掘每一個環節的相關數據，包括學生的學習過程，教師的教學過程等，有效利用數據說話，避免對學習效果及教學效果的片面評價，完善統計學專業的教學評價體系。大數據為統計學專業人才培養模式的構建帶來了機遇的同時也提出了挑戰，我們不能盲目跟風，應認真結合統計學專業學科特點及各方面的條件，合理利用大數據，構建切實可行的人才培養模式。

參考文獻：

篇（5）

一、大數據的內涵與特點

目前，對大數據還沒有統一的定義。基于大數據的特點，行業內普遍從大數據的規模性、多樣性以及高速性、價值性四個方面闡述其內涵。首先，大數據能夠幫助對現有事物有感知作用。“面向領域或主題的歷史數據與當前數據的融合，是對潛在線索與模式的挖掘、對事件群體與社會發展狀態的感知。”[1]其次，大數據能夠對未來發展有預測作用。通過數據，整理、提煉出事物發展的未來趨勢，為工作提供一定的可靠材料。最后，大數據發揮出服務作用。利用大數據，提高社會服務的效率是其所要實現的目標。

二、MOOC與大數據

MOOC（Massive open online course）即大規模開放式在線課程。“大規模”“開放”“在線”突出表達了MOOC的特點。MOOC的興起與互聯網技術、傳統教育模式、高等教育成本有直接的關系。互聯網技術將人們帶入了前所未有的科技世界中。互聯網技術直接改變了人們的生活方式、工作形式。互聯網技術為MOOC的興起提供了最直接的技術支持。20世紀初，美國教育家杜威提出“新三中心”，即“以兒童為中心，以活動為中心，以經驗為中心”。他的教育思想是對傳統教育模式的有力反擊。對于滯后的傳統教育模式，MOOC教育同樣對出相應的變革；高等教育成本是每一所高校不可回避的問題。“在世界范圍內，高等教育成本的大幅攀升使得低成本的教育解決方案在廣泛的人群中擁有龐大的需求，美國大學生一年大學學習的平均花費為27，435美元，這意味著一名學生獲得學士學位需要花費超過10萬美元。”[3]MOOC教育的免費政策正是該項高教難題解決的辦法之一。

MOOC與大數據之間關系緊密。首先，MOOC本身依賴于互聯網技術，是科學技術的體重體現。其次，MOOC產生大量待分析的數據。在MOOC教育平臺上，從參加課程的學生名單到教師授課內容的統計等，產生了龐大的待分析數據。最后，MOOC在教學體系中運用大數據分析技術。良好的數據分析將會大大提高MOOC對實際數據的利用能力。通過對數據的挖掘，MOOC能夠獲取第一手有價值的教學信息，結合數據反饋的信息，在教學體系構建中利用起來。

大數據背景下，MOOC對于高等教育領域的影響在于，它借助于大數據分析手段在教學內容、教學方式、教學成果評價和教學文化四個方面為學生、教師、學校重新構建了一個全新的教學體系。

三、大數據有助于MOOC重構大學教學體系

“技術向來都是教育的附屬品。技術通過促進一個人人平等的知識狂潮而發揮著核心作用，在這個知識狂潮中，學習即是開放的，也是不受班級與課表的限制。”[3]教學內容、教學方式、教學成果評價以及教學文化共同構成了教學體系。大數據分析手段幫助MOOC教育重新塑造大學教學體系。

1.大數據中的MOOC教學內容

MOOC教育在大數據分析手段的影響下，教學內容將有重大的變革。根據我國互聯網信息中心統計數據顯示，“截至2010年12月，中國青少年網民規模為2.12億。青少年互聯網滲透率較高，60.1%的青少年都是網民，超出全國平均水平25.8個百分點。”[4]現代大學生是真正意義上的“數字土著”。“數字土著”是“美國北卡羅來納大學著名學習軟件設計家Marc Prensky提出了‘數字原住民’（Digital Natives）和‘數字移民’（Digital Immigrants）的概念，用以表征父輩與子輩在數字化技術方面的巨大差異。”[5]

在傳統大學教育體系中，教學內容的確定有一定的滯后性、呆板性。教材知識內容更新緩慢，不顧知識發展的規律，重復使用，對于學生來說弊端較多。同時，教學內容缺乏靈活性。呆板的教學內容調動不起來學生的積極性。通過高端的大數據分析技術，MOOC將大量的、豐富的教學內容提供給學習者。“MOOC在當今社會之所以形成強大浪潮，引起人們廣泛關注，根本原因在于它為人類的知識創造提供了一個嶄新平臺。”[6]MOOC優質的課程資源搬到網絡上，變革了傳統的教學內容。例如，Coursera是免費的大型的公開在線課程項目，該平臺上的課程總數已達124門。MOOC平臺上，學生可以任意選取自己感興趣的課程，感受名校教授講課的魅力，體驗不同教授對知識的多樣見解。數據顯示，“來自世界各地的160000人注冊了斯坦福大學Sebastian Thrun與Peter Norvig聯合開出的一門《人工智能導論》的免費課程。”[7]在此基礎上，MOOC教育提供者能夠獲取學生選擇課程的具體信息。從這些信息中，研究人員將受到學生歡迎的課程羅列出來，供教育研究人員、教師參考。大數據分析成功的將學生感興趣的教學內容呈現出來，方便教師及時調整課程的上線數量。無形中，大數據分析改變了傳統教學內容。全新的教學內容將得到更多學生的喜愛。

2.大數據背景下的MOOC教學方式

教學方式是指教師在要求學生獲取知識，提高能力，獲取學習方法的過程中所采用的方式。MOOC教育中，數字化的教學方式逐步滲透到高等教育當中。由于MOOC教育中知識的學習通過視頻與網絡傳播，教師的教學方式必須做出相應的轉變。MOOC數字化的教學方式是循序漸進的過程，電腦化的教學方式也將被學生、教師逐漸適應。亞利桑那州立大學的執行副教務長菲爾?萊杰爾認為“我想大部分的教師會認為這是一個好的轉變。另外，3年后80%的教師都會熟悉數字化的教學方法了。”[8]除去數字化的教學方式，MOOC平臺上的課程教師還將多種教學方式結合起來。通過一段時間的檢驗，一些課程通過數據分析，教師還根據數據反映出的不足改進自己的教學方式。MOOC促進了師生之間圍繞知識進行更多的互動。利用大數據分析手段，教師可以將課堂上的時間空出來，利用課堂時間將關鍵的問題羅列出來，引導學生進行討論。在此基礎上，大數據分析催生了多種教學方式的綜合運用。

3.大數據分析中的MOOC教學成果評價

MOOC利用大數據的優勢變革了傳統教學評價方式。一般來講，教學成果評價表現在兩個方面，一是教師評價改進自身課程，提高課程質量。二是學生學習成果的評價。以往的教學成果評價的弊端在于只有等到考試的時候，教師才第一次了解到學生是否真正掌握了知識。然而，MOOC平臺上，通過對大數據的分析與處理，教師可以迅速的改進課程。“由于MOOC課程參與人數極多，機器學習機制能夠對大量數據進行分析，從一個人看過多少次視頻，到一個題目有多少人答對。”[9]教師通過平臺后的數據庫，能夠分析數以千計的學生學習成功與失敗的關鍵原因，找到課程需要相應作出調整的地方。更值得注意的是，MOOC的實時性。MOOC可以使教師在任意時間內都能夠獲取到這樣的數據加并以分析和利用。教師獲取這些數據后，既可以改進課程，又可以給學生更好的建議，幫助他們改變學習方式，提高學習成績。對于學生來說，MOOC平臺上，學生學習成果評價在“具體評價方式與課程認證兩個方面對傳統模式進行了革新。”[10]大數據為MOOC平臺的學生提供更新穎的評價內容。首先，MOOC教育中采取了軟件機器評分與同學互評相結合的方式。MOOC對于理工科學生的學習成果多采用軟件或機器的評分方式。利用軟件或機器的優勢在于它們能夠更為精確的批復出學生作業或測試中的錯誤。

4.大數據影響下的MOOC教學文化

從現有教學文化內涵研究來看，不同學科的研究者提出了不同的闡述內容。一般認為，教學文化“基本結構分為三個方面即教學的有效性、學生的參與性以及學習的主動性。”[11]大數據分析方式對教學文化的影響是出乎意料的。首先，大數據分析手段幫助MOOC教育增強了其教學的有效性。以往部分教師在教學內容的選擇、設計上沒有下功夫，知識更新速度慢。MOOC平臺上，教師為學生提供的是高質量的教學內容。MOOC上的課程都是經過精心篩選，出自世界名校教師之手。這些課程教授過程中，教師采取了多樣的教學方式，教學語言多樣化，適應不同學習需求的學生。頻繁的互動，將有助于避免學生注意力分散情況的發生，進一步提升了教學的有效性。MOOC課程不僅能夠實現在課堂上師生之間的交流，同時，還有助于在課堂上形成師生、生生之間的溝通與交流。其次，大數據分析手段幫助MOOC教育提升了其學生的參與性。通過MOOC數據統計顯示，在以往在線教育過程中“每學期只有5%-10%的學生能做到經常在教室里或課堂上參與深入討論，其余學生的態度則是相當消極的。”[12]因此，高等教育教學必須將學生的參與性調動起來，這樣才能更好的實現教學目標。MOOC教育實現了提升學生學習精力投入的目標。

篇（6）

中圖分類號：G434 文獻標志碼：B 文章編號：1673-8454（2016）06-0031-03

近二十年來教育領域發生了許多重要的變化，包括教學內容的多元化、教學方法的現代化，這些變化得益于計算機、互聯網等信息技術的長足發展。目前，信息技術的另一個制高點――大數據應用領域已經取得了突破性的進展，一個大規模生產、分享和應用海量數據的時代正在開啟。

如何有效利用這些數據，使其服務于教育領域，優化教學過程，是教育工作者們亟待解決的問題。本文闡述了數據分析在英語翻轉課堂教學中的應用，將標準化學習為主的教學方式轉變為以學生為主體的個性化教學。

一、數據分析的概念

本文應用的數據分析技術包括數據挖掘和數據呈現兩個方面。

數據挖掘，是數據庫知識發現中的一個步驟。一般指對收集來的大量數據進行分析，提取有用信息和形成結論，并對數據加以詳細研究和概括總結的過程。

數據呈現，是指經過數據挖掘以后形成的復雜信息，通過技術手段，以直觀、清晰的方式呈現給用戶，近年來數據可視化是數據呈現的一大熱點。

數據可視化技術通過計算機圖形圖像和數據技術，將數據中隱藏的信息，以交互方式形象生動地展示給用戶，輔助用戶分析數據，發現數據中隱藏的特征、關系和模式，進而發現其中蘊含的規律。

在本文中，數據分析的對象主要包括：在翻轉課堂教學過程中，教師的學習資源內容和組成成分、學生的個體學習特征庫和整體學習特征庫，以及學生在學習過程中產生的狀態數據庫。

二、英語翻轉課堂的特點

“翻轉課堂”源于美國的“Flipped Classroom”，是指重新調整課堂內和課堂外的教學模式。傳統教學模式是課堂上教師講授，課后學生通過練習消化；而翻轉課堂則以學生為主體翻轉過來，其模式是課前學生自主學習，課堂上教師引導學生內化知識。

翻轉課堂將學習的主動權從教師轉移給學生。學生在課外時間完成自主學習知識，而教師不會利用課堂的時間講授知識。教師采用任務驅動法和協作法，引導學生學習的興趣，讓學生通過實踐獲得更牢固的知識和自主的學習能力。

英語教學與翻轉課堂的完美融合，主要表現為以下幾個方面：

1.課前自主學習環節

互聯網為翻轉課堂的課前教學提供了大量的優質教學資源。教師根據教學大綱和學生的學習水平確定知識目標、能力目標和素質目標，然后通過對互聯網教學資源進行篩選形成課程學習資源庫，之后在教學平臺上，同時鼓勵學生自主查閱資料。

學生學習資源后，通過教師的系統化知識自測題，了解自己對知識的掌握程度，檢測自主學習的情況，教師也能獲得學生整體的課前學習狀態情況。

2.課上內化環節

教師對學生群體具有的共性問題進行講解，課上側重學生的語言實踐，利用團隊協作、分組對抗等生動靈活的教學方式，促進學生在課上活學活用，對知識內化。

3.課后拓展環節

教師根據課程要求和學生學習情況設計符合素質目標的課程作業，目的是讓學生把所學知識和語言練習融會貫通，鞏固學習效果。

三、基于數據分析技術的英語翻轉課堂教學

1.可用工具：Excel、Infogr 與大數據魔鏡

Excel作為常用的分析工具，可以實現基本的數據分析工作，包括數據排列、分類篩選等。同時Excel能夠完成基礎的數據可視化工作，特別是其擅長通過曲線圖、雷達圖、散點圖等多種直觀的分析圖來呈現數據中蘊含的信息。

Infogr就是信息（information）和圖像（graphic）的有機融合。在其官方網站infogr.am，教師可實現通過圖像讓繁瑣并且令人無法直接獲得結論的數據生成色彩豐富、形式直觀的信息圖，其不僅使用門檻低，而且能夠使教師和學生在短時間內獲得有效的學習狀態信息。

在本文中，主要使用Excel和infogr來制作和呈現學生個體學習特征庫，并給予個性化指導與建議。學生在閱讀自己的圖像檔案時，會用一種欣賞的態度觀看，通過仔細咀嚼啟動腦中圖像分析的成份，對自己的優點和缺點理解更深刻。

大數據魔鏡是集數據挖掘和數據呈現于一體的綜合性數據分析服務站點，主要提供數據整合、探索、挖掘、分享、控制多個角度的數據服務。教師可以利用魔鏡站點通過整合多種數據，將不同數據聯動分析出結果。通過一個直觀的拖放界面就可創造交互式的圖表和數據挖掘模型。在本文中，使用大數據魔鏡來分析教師資源的內容和組成成分，以及以時間軸為基準的學生學習行為數據庫。

篇（7）

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，傳統課堂教學和線上教學在教學節奏、知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。

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時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。

作者：張慧丹 單位：中國音樂學院社科部

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）.

篇（8）

中圖分類號：G632 文獻標識碼：A 論文編號：1674-2117（2015）13/14-0112-04

從基于物聯網技術構建的智慧教室，到利用電子書包開展智慧學習，以及基于云計算和網絡技術搭建的智慧課堂，信息技術增強了課堂互動交流，提升了課堂教學效率。大數據時代，開展基于大數據技術的動態學習評價，建立基于學習數據分析的智慧課堂，為現代學校智慧課堂的構建與應用提供了新的思路。

智慧課堂的定義

目前對智慧課堂的定義總體上有兩類：一類是從“智慧”的語義學上定義，與“智慧課堂”對立的是“知識課堂”；另一類是從信息化視角定義的。本文的定義是基于后者。從信息化的視角來看，隨著信息技術不斷發展及其在學校教育教學中的應用，信息技術從早期的輔助手段向與學科教學的深度融合發展，傳統課堂向信息化、智能化課堂發展，對智慧課堂的認識也在不斷深化。

目前基于信息化視角對智慧課堂概念的定義有三種。一是基于物聯網技術應用的。這一定義強調基于物聯網的“智能化”感知特點。二是基于電子書包應用的。這一定義強調基于電子書包的“移動化”智能終端特點。三是基于云計算和網絡技術應用的。這一定義強調課堂中的“個性化”學習應用特點。

這里我們結合實際開發應用，提出基于動態學習數據分析的智慧課堂概念。即智慧課堂是指利用大數據、云計算、物聯網等新一代信息技術打造的智能、高效的課堂，是基于動態學習數據分析和“云+端”的運用，實現評價反饋即時化、交流互動立體化、資源推送智能化，全面變革課堂教學的形式和內容，構建大數據時代的信息化課堂教學模式。

智慧課堂的主要特點

基于動態學習數據分析和“云+端”運用的智慧課堂，與傳統課堂相比，在技術和教學應用上具有重要的特色和創新價值。主要特點有：

①基于數據的課堂：一切靠數據說話，依據學生學習行為大數據挖掘分析與決策，用直觀的數據了解學生對知識掌握的水平，精準地掌握來自學生的第一手學情資料。

②高效互動的課堂：利用智能化的移動學習工具和應用支撐平臺，教師與學生、學生與學生之間的溝通與交流更加立體化，能無障礙地進行即時交流和互動。

③動態開放的課堂：借助于新興信息技術及各種智能終端，課堂系統超越了時空限制，實現更為開放的教室、更為開放的課堂活動，讓課前、課中、課后融為一體。

④合作探究的課堂：采取小組協商討論、合作探究的學習方式，協作群組服務能夠幫助有相同學習需求和興趣的學習者自動形成學習共同體，教師可以通過平臺對小組合作進行實時的數字化評價和及時的反饋。

⑤個性化學習的課堂：通過課前預習測評分析和課中隨堂測驗即時分析，實現對學生的個性化學習能力的評估，有針對性地制定教學方案和輔導策略，真正實現“一對一”的個性化教學。

⑥教學機智的課堂：教師基于動態學習數據分析和即時反饋，采取機智性行動，及時調整課前的教學設計，優化和改進課堂教學進程，充分體現教師的教學智慧和教學藝術。

智慧課堂的信息化環境

智慧課堂常態化應用的前提是具有先進、方便、實用的工具手段，為此，需要構建基于學習動態數據分析和“云+端”應用的智慧課堂信息化環境。智慧課堂信息化環境的基本架構如圖1所示。

智慧課堂信息化環境的總體架構包括三大部分，其主要功能是：

①微云服務器：提供本地網絡、存儲和計算服務，可以方便、直接地將即時錄制的當堂課程進行本地化存儲；構建無線局域網，教師和學生可以通過多種移動設備，在無需互聯網的狀態下，實現任意點對點的通訊與交互，節省大量互聯網資源的占用；當連接互聯網時，可以實現教室的跨越空間的直播。

②端應用工具：包括教師端和學生端。教師端實現微課制作、授課、交流和評價工具，導入PPT并實現動畫及視頻的插入，電子白板式任意書寫，實現任務、批改作業、解答問答等。學生端可以接收并管理任務（作業），直接完成作業，進行師生交互、生生交互。

③云平臺：提供云基礎設施、支撐平臺、資源服務、教學服務等，如構建完整的教學資源管理平臺，可以進行結構化與非結構數據的各種教育教學資源管理，支持各種教育教學資源的二次開發與利用，實現多種教育教學資源綜合應用。

智慧課堂的教學流程

在教學實踐運用中，智慧課堂的教學流程為“3+10”模式，即由3個階段和10個環節組成。這些階段和環節包括了教師“教”和學生“學”的共同活動以及它們的互動關系。智慧課堂的教學流程如下頁圖2所示。

1.課前環節

學情分析：教師通過智慧課堂信息化平臺提供的學生作業成績分析，精確地掌握來自學生的第一手學情資料，預設本節課的教學目標，并向學生推送微課或富媒體預習及檢測的內容。

預習測評：學生預習教師推送的富媒體內容，完成和提交預習題目，并可在論壇或平臺上進行相關討論，提出疑問或見解，記錄在預習過程中的問題。

教學設計：教師根據學情分析結果和學生預習檢測統計反饋的情況，以學定教，確定教學目標、內容、方法等，優化教學方案設計。

2.課中環節

課題導入：教師采取多種方法導入新課內容，主要通過預習反饋、測評練習和創設情境等方式導入新課程，學生展現課前自學成果，圍繞新課導入進行演講展示、分享觀點。

探究學習：教師下達新的學習探究任務和成果要求，學生開展協作探究學習，主要包括小組合作探究、游戲教學等方式。教師設計活動，為學生分組，進行互動討論，學生開展小組協作后提交成果并展示。

實時測評：學生完成學習探究任務后，教師將隨堂測驗題目推送到每個學生終端上。學生完成隨堂測驗練習并及時提交，教師進行實時診斷和反饋。

總結提升：教師根據實時測評反饋結果對知識點、難點進行總結和點評，對薄弱環節補充講解，重點進行問題辨析。學生針對教師布置的彈性分層作業和任務，對所學習的新內容進行運用鞏固、拓展提升。

3.課后環節

課后作業：教師利用平臺個性化的課后作業，學生完成課后作業并及時提交，得到客觀題即時反饋。

微課輔導：教師依據學生課堂的學習情況，結合批改作業，錄制、講解微課并有針對性地推送給學生，進行個性化輔導。

反思評價：學生在線觀看教師所錄解題微課，總結所學內容，在平臺或論壇上感想與疑問，與教師、同學在線討論交流，進行反思評價。

智慧課堂教學應用實例

我們研究與開發的“基于動態學習數據分析的智慧課堂”，已經在全國各地許多學校進行實際應用并取得良好成效。2015年1月10日，由蚌埠市教育局主辦的“蚌埠首屆智慧課堂觀摩研討會”在蚌埠二中舉行，來自安徽、上海、江蘇、深圳、武漢等省市的1000多名中小學教師前來觀摩6節課，《中國教育報》專題報道了這次觀摩活動。在觀摩會上，蚌埠第二實驗學校基于“智慧課堂信息化平臺”開展了一堂教學實踐課“認識三角形”。該堂課利用信息技術的優勢，使學生課前學習微課；課堂上根據學生的認知特點，創設“金字塔闖關”的游戲情境，并進行實時測評和資源推送，結合任務驅動教學法展開深入的探究活動。

1.觀摩課名稱

認識三角形。

2.課程描述

“認識三角形”是蘇教版《數學》第八冊的教學內容。

3.教學目標

①利用生活經驗，通過觀察、操作等學習活動，認識三角形的基本特征，了解三角形兩邊之和大于第三邊。

②在認識三角形的活動中，體會認識多邊形特征的基本方法，培養觀察、比較、抽象、概括能力。

③體驗并掌握自主學習的形式和方法，培養學習興趣，培養合作交流的意識和創新精神。

4.教學模式

（1）課前環節

發放資源：在微課平臺發放學習資源，學生在家自主學習三角形的相關知識，并完成教師在作業平臺發放的作業包。

微課學習內容：①三角形的基本特征；②三角形的三邊關系。

（2）課中環節

集體分享：利用平臺觀看學生作業平臺中的“生活中的三角形”。

游戲教學：利用三角形的相關知識，與同學合作探究，鞏固深化學習內容。

①自主創造。學生可以自己獨立創造一個三角形，或與同學合作，創造一個三角形拍照并上傳。教師展示學生作品并點評。

②分組探究。小組合作，從4根小棒中任意選3根，圍成一個三角形，寫出所有選法。教師巡視指導并展示學生上傳的數據記錄，進行分析，使學生進一步理解“三角形兩條邊的和大于第三條邊”。

③自主學習。學生完成作業平臺中的測評練習。教師借助數據分析平臺提供實時反饋圖，針對問題展開討論。

④鞏固練習。依據所學內容，教師提出問題（把20厘米長的吸管截成3段，每段長是整厘米數，圍成一個三角形，思考：最長的一條邊最多是多少厘米？）和要求，學生先獨立思考，再動手操作。

（3）課后環節

總結討論，教師提出課后任務：通過今天的學習活動，你有什么感受？

5.效果評價

這是一節充分展示“智慧課堂”技術與教學深度融合的課。教師在沒有“刻意”應用“技術”的痕跡下，以極其自然的方式，通過大數據分析、小組協作以及“云+端”設備的應用，實現了“探究學習、主動學習、游戲化學習”等一系列傳統課堂難以實現的教學理念和方法。這是一節形式與內容均發生了深刻變化的高效課堂，充分展現了教師基于動態信息反饋的教學機智。

參考文獻：

[1]王盛之，毛沛勇.基于數字化教學案的智慧課堂互動教學系統實踐研究[J].教學月刊（教學管理）中學版，2014（4）.

篇（9）

中圖分類號：G64 文獻標識碼：A 文章編號：1673-9132（2016）34-0040-03

DOI：10.16657/ki.issn1673-9132.2016.34.020

一、引言

隨著大數據時代的到來，數據分析在各行業的重要性日益凸顯出來。大數據時代要求人才具有極強的“數據視野”、“數據意識”和“數據能力”，即對所處行業數據的形式種類詳盡把握，對數據的作用深刻理解，對數據分析方法和分析軟件熟練運用。其中“數據能力”是前兩者的基礎，是實現大數據所有思想和理念的根本保證，是現代經濟管理人才的重要基本素養和技能。

我國的財經類院校肩負著為社會培養經濟管理類高級專業人才的重任，在大數據時代，社會對于經濟管理類高級人才在數據分析方面的要求極大增加，現代經濟管理理論的發展趨勢也體現出越來越重視數據分析的特點。這要求人才既有深厚的經濟管理理論功底，又能夠熟練使用數據分析工具對業務數據進行分析，并得到結論。特別是在研究生教育層面，對數據分析能力培養更加重要。

然而，目前在研究生數據分析能力的培養方面各財經類院校均存在著較多的不足。首先是覆蓋面小，除各院校的統計學院（或類似學科的學院和專業）外，強調這方面能力的培養的學院和專業較少，導致研究生對數據的運用和分析能力不足；其次是形式單一，主要以課堂教學為主，完全忽視了數據分析的實踐性，教學效果不好；再次是教學所用軟件平臺薄弱，多數使用SPSS，極少數專業學習SAS，對于在學術界和業界非常流行R語言、python等平臺則少有涉及。因此，合理設計數據分析類型課程，提高經濟管理類研究生在數據分析方面的理論水平與實踐能力，是廣大財經類高校不得不面對的迫切問題。本文講就財經類高校數據分析類課程的特點、建設思路和建設方案，結合筆者在教學實踐中的一些心得談一談自己的看法。

二、財經類高校數據分析課程的特征

數據分析的目的就是從數據中提取有價值的信息，進而形成知識。因此在絕大多數專業領域均有大量的數據分析需求，對人才的數據分析能力均有較高的需求。從財經類高校的專業分布看，可以把對數據分析能力的需求分成三個不同的類型。

第一類是以統計學院、信息學院（或類似學科的學院和專業）。這兩類專業的教學主要突出理論性、基礎性和方法性，立足于對學生的“數據視野”、“數據意識”和“數據能力”進行全面訓練，使學生能夠在畢業后在任意領域迅速承擔起高級數據分析的任務。

第二類是經濟學門類的相關學科。這類學科對于數據分析教學的要求偏重應用，即學生的“數據視野”、“數據意識”，但由于部分專業（如數量經濟學）對數據分析能力要求較高，因此對于“數據能力”的培養也需要兼顧。

第三類是管理學門類的相關學科。當前的管理學實踐離不開數據，對數據分析教學主要是應用層面的。要求學生具有良好的學生的“數據視野”和“數據意識”，而對于學生的“數據能力”的培養則并沒有太高要求。

三、財經類高校數據分析課程建設的思路

基于上述分析，研究生數據分析課程建設應當采取分層設課的原則，基于不同的教學需求，設置不同的課程群。

對于上述第一類專業，需要在專業核心課程群的基礎上，重點建設大數據相關課程。如分布式計算、非結構化數據分析、R語言、python語言等。在教學中，案例化教學和上機實操應當成為教學的主要形式，尤其軟件類課程應當在機房進行，保證學生有足夠時間熟悉操作并能隨時與教師互動。

對于上述第二類專業，需要以一門基礎課程為先導（如統計學導論），在配合若干專業課與軟件課的組合，如計量經濟學、時間序列分析、縱向數據分析與Eviews、SAS和R語言的配合。在教學時，理論與實操并重，在實操方面突出學生的軟件使用能力訓練，SPSS類型的軟件不應當成為此類專業的主要數據分析平臺（學生應當在學習專業課程時自主學習使用）。

對于上述第三類專業，可以考慮以一門數據分析課程為基礎，配合合適的軟件平臺，同時在其他專業課程教學中突出各個課程的數據分析教學內容和實踐環節，既可以基本達到教學目的。這類課程教學的重點在于對數據分析方法模型的理解，切忌死記硬背，同時輔以一定的案例和上機實操。在軟件平臺使用上，以SPSS這類擁有完善的GUI環境，所見即所得的平臺為主，也可以使用R語言強大的圖形能力作為演示工具，在演示的同時潛移默化地使學生了解R系統，進而為其進一步學習建立基層。

四、財經類高校數據分析課程建設方案――以R語言課程為例

在上述三類專業的數據分析課程建設中，R語言均扮演了重要角色。因此本部分將以R語言課程為例介紹建設方案。

（一）R語言的優勢

R語言作為功能全面地數據分析平臺，在國際學術界和業界得到了廣泛的認同，是應用最普遍的數據分析軟件之一。與其他統計分析平臺（如SAS、SPSS、S-PLUS等）相比，R語言具有若干明顯的優勢：

第一，完全免費，完全開源。與SAS多達幾十萬元的價格相比，R語言是一個完全免費的平臺，且功能同樣強大。

第二，安裝簡便，更新迅速，功能完善。R語言的安裝對于硬件的需求很低，且擁有Windows、Mac、Linux等多個平臺的版本。并且R通過其大量的程序包實現了功能的擴展，用戶總是能通過下載功能包獲得最新的分析模塊。

第三，R語言是被國際學術界廣泛認可，絕大多數國際知名高校都將R作為基本的教學和科研工具。

第四，R語言既是編程語言，又是高度功能化的數據分析平臺，同時具有編程語言的靈活性和功能化數據分析軟件的易用性。

（二）開展研究生R語言教學的必要性

首先，作為一種編程語言，R語言的教學可以訓練學生抽象思維、邏輯思維能力，同時作為一種數據分析平臺，R語言可以訓練學生數據分析模型的應用能力和實際操作能力，這一功能是其他非語言類軟件系統無法實現的。

其次，在研究生教學中開設R語言課程，可以極大提升學生在求職就業、考博和出國深造方面的競爭力。由于R語言在國內外學術界和業界有著巨大的影響，因此熟練掌握R語言無疑會使我們的研究生更加具備競爭力。

（三）研究生R語言教學的現狀及改革的迫切性

從當前的教學現狀來看，R語言僅僅是少數專業才有的課程。但是基于本人這幾年的教學和指導研究生的經驗來看，當前我國財經類高校研究生的動手能力較弱。其根本原因之一是缺少數據分析能力的訓練。若要在不過分增加研究生課程量的前提下迅速提高研究生這方面能力，R語言這種將抽象思維、邏輯思維、數據分析模型和數據分析實操緊密集合的平臺是最好的選擇。

（四）R語言教學的內容劃分

R語言集合了計算機語言與數據分析系統的特點，既能像SPSS那樣通過簡單操作即得到結果，又能夠項C語言那樣進行新功能的開發，尤其是其強大的圖形能力，更為數據分析人員提供了強大的數據可視化平臺。為了能夠為學生全面地講授上述內容，需要對課時進行合理分配，輔以合理的教學模式和考核模式。下面本文將以48學時的研究生課程為例，介紹R語言課程的基本內容和結構。

1.教學內容和學時分配

第一部分，R語言簡介（2學時），介紹R語言的歷史、基本操作環境、相關網站、系統本身和軟件包的安裝方法以及參考書籍等。

第二部分，R語言的數據結構（12學時），介紹向量、因子、索引、數組和矩陣、數據框、列表等概念和相關算法。這部分是后面教學的基礎，同時也是R語言區別于其他編程語言的重要方面，在教學時要突出對因子、索引（以及利用索引實現篩選等功能）、數據框等數據結構與數據分析的關系的介紹。

第三部分，R語言的編程結構（12學時），介紹成組、選擇和循環三種結構。在這部分教學中，重點在不能按照傳統程序設計語言的模式進行教學，要突出數據分析的特征，可以考慮使用R語言自己編制景點統計方法的代碼，如最小二乘法、距離判別、快速聚類等。

第四部分，R語言的繪圖功能（12學時），介紹高級繪圖語句、低級繪圖語句、交互繪圖語句以及ggplot2軟件包等。繪圖是R語言的優勢，允許使用者自由的定義圖形，尤其是ggplot2軟件包的出現，更是將R的繪圖功能推上了新的高度。這部分不但是上述第一類、第二類專業研究生所需要掌握的內容，也是第三類專業研究生應當了解的內容。

第五部分，R語言的基本統計功能（10學時），經過前述四個部分的教學，學生已經對R語言具有了較為深入的了解，并應該具有獨立編制代碼的能力。在此基礎上，可以進行本部分的教學，即對于使用R語言實現諸如回歸分析、多元統計分析、時間序列分析的方法進行介紹。由于這一部分功能均有對應的軟件包和函數，因此在軟件操作方面非常簡單，如果跳過前面幾個步驟直接進行這部分的教學會使學生對R語言一知半解，缺少對R語言核心知識的理解。

2.教學及考核方式

由于R語言是一個操作性非常強的語言平臺，傳統的課堂教學+上機的教學模式會使得理論與實踐脫節。因此建議該課程全程在機房進行，這種教學方法的優勢有三個方面：

第一，教師講解更到位。編程類課程重要的是思考過程而不是結果，因此傳統的課堂上聽講，上機課練習的模式會使得思考過程與結果脫節。而在機房上課則可以使學生跟隨教師的講解隨時練習和實驗，使得教學效果更好。

第二，師生互動更容易。學習編程的過程就是不斷試錯的過程，學生需要不斷地從發現錯誤――解決錯誤的過程中提高能力，而在這個過程中教師與學生的互動非常重要。

第三，課堂練習更直接。課堂練習在學習編程過程中具有非常高的重要性，傳統授課模式下，無法做到當天的學習內容當天聯系，是知識技能的掌握不牢，效率低下。

在考核方面，建議采取開卷上機考核的方式。由于R語言的教學具有極大的實踐性，因此“會用”才是最終的目的。同時，由于R語言極強的可擴充性，因此單純地考查學生對于R語言中一些功能代碼的記憶沒有任何意義，采取開卷的方式，重點考查學生解決數據分析問題的能力的上級考試才能夠實現對學生R語言學習水平的測度目的。

五、結論

當今社會已進入大數據時代，任何財經類專業人才的培養脫離了數據分析類教學內容都是不能適應社會需求的。而數據分析課程的理論與實踐并重的特點，要求在教學過程中既重視數據分析理論模型的講解，又重視數據分析平臺的訓練。只有這樣，才能使得財經類人才的培養跟上市場對于人才需求內容的轉變，培養出符合市場需要的人才。

篇（10）

【中圖分類號】G642 【文獻標識碼】A 【文章編號】2095-3089（2015）18-0006-02

隨著信息技術的進步和社會的發展，硬軟件信息系統在各行業和領域快速增長。這些ICT系統采集、處理、積累的數據量越來越大，數據增速也越來越快，以至用所謂爆炸性增長等詞匯已無法形容數據的增長速度。在大數據時代，讓科學研究及教育領域能夠憑借信息技術的發展從宏觀群體走向微觀個體，讓跟蹤每一個教授與被教授者的數據成為了可能，從而讓全方位研究“教學互動雙方的行為”成為了可能。特別對于我們教育工作者來說，我們將比任何時代都更接近認識真正的學生。

2011年知名咨詢公司麥肯錫全球研究院了一份題為《Big data： The next frontier for innovation， competition and productivity》的報告。報告中指出，數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素；而人們對于大數據的運用預示著新一波生產率增長和消費者盈余浪潮的到來。第二年美國政府通過網站了《Big Data is a Big Deal》，表示將投資2億美元啟動“大數據研究和發展計劃”， 在這一倡議同時，6個美國聯邦部門和機構承諾，這些資金將用于大大改善從海量數據信息獲得、組織和收集知識所必需的工具和技能，并透露多項正在進行中的聯邦政府計劃，以應對大數據時代以及大數據革命帶來的機遇和挑戰。

那么我們如何通過大數據分析來實現認識真正的學生，了解學習行為數據背后的原因，從而真正讀懂我們的學生？期末考試的一張英語試卷，它帶給我們的數據是什么？是簡簡單單的一個90分？如果我們了解正確的技術與方法，充分利用IT系統的計算能力，我們可以得到許多隱藏在試卷背后的數據：可以是每一大題的分數分布，每一小題的得分，客觀題選擇了什么選項，每一題的平均用時，檢查了哪些題目，修改了哪些答案，亦或者不同專業分數的差異分布……等等，這些遠遠比簡簡單單的分數所透露的信息要有價值得多。其實除了考試，課堂面授、遠程輔導、課外活動的各個環節都滲透了這些大數據。

在《國家中長期教育改革和發展規劃綱要（2010-2020年）》別強調：強化信息技術應用。教師應該提高信息技術水平，更新教學觀念，改進教學方法，提高教學效果；應該鼓勵學生利用信息手段主動學習、自主學習；應該增強運用信息技術分析解決問題的能力。

（一）什么是大數據和數據分析？

縱觀人類歷史，每一次劃時代的變革都是以新工具的出現和應用為標志的。蒸汽機把人們從農業時代帶入了工業時代，計算機和互聯網把人們從工業時代帶入了信息時代，而如今大數據時代已經到來，它源自信息時代，又是信息時代全方位的深化應用與延伸。大數據時代的生產原材料是數據，生產工具則是大數據技術，是對信息時代所產生的海量數據的挖掘和分析，從而快速地獲取有價值信息的技術和應用。

業界（IBM 最早定義）將大數據的特征歸納為4個“V”（量Volume，多樣Variety，價值Value，速Velocity），或者說特點有四個層面：第一，數據體量巨大。大數據的起始計量單位至少是P（1000個T）、E（100萬個T）或Z（10億個T）；第二，數據類型繁多。比如，網絡日志、視頻、圖片、地理位置信息等等。第三，價值密度低，商業價值高。第四，處理速度快。最后這一點也是和傳統的數據分析有著本質的不同。

幾位行業領軍任務的觀點也更鮮明的揭示了大數據思維的本質。“今天的數據不是大，真正有意思的是數據變得在線了，這個恰恰是互聯網的特點。” “非互聯網時期的產品，功能一定是它的價值，今天互聯網的產品，數據一定是它的價值。” “你千萬不要想著拿數據去改進一個業務，這不是大數據。你一定是去做了一件以前做不了的事情。”所以說，探求數據價值取決于把握數據的人，關鍵是人的數據思維；與其說是大數據創造了價值，不如說是大數據思維觸發了新的價值增長。

數據分析，又稱為知識發現（Knowledge Discovery），是通過分析每個數據，從大量數據中尋找其規律的技術。知識發現過程通常由數據準備、規律尋找和規律表示3個階段組成。數據準備是從數據中心存儲的數據中選取所需數據并整合成用于數據分析的數據集；規律尋找是用某種方法將數據集所含規律找出來；規律表示則是盡可能以用戶可理解的方式（如可視化）將找出的規律表示出來。如果能夠對這些數據進行分析，探尋其數據模式及特征，進而發現某個群體或組織的興趣和行為規律，專業人員就可以預測到未來可能發生的變化趨勢。這樣的數據分析過程，將對工作有很多幫助。

維克托?邁爾-舍恩伯格在《大數據時代》一書中舉了百般例證，都是為了說明一個道理：在大數據時代已經到來的時候要用大數據思維去發掘大數據的潛在價值。書中，作者提及最多的是Google如何利用人們的搜索記錄挖掘數據二次利用價值，比如預測某地流感爆發的趨勢；Amazon如何利用用戶的購買和瀏覽歷史數據進行有針對性的書籍購買推薦，以此有效提升銷售量；Forecast如何利用過去十年所有的航線機票價格打折數據，來預測用戶購買機票的時機是否合適等。

（二）英語教學中的大數據策略

新東方無疑是傳統精英面授教學的最強者，通過網羅優秀教師、強化記憶方法、研究考試要點等創造了英語教學的中國合伙人神話，這里無意討論新東方的成功之處，僅就互聯網時代在線英語教育市場對它的沖擊探討未來高校英語教學者利用大數據策略的必然。

2013年的在線教育市場風起云涌，無論是新創業公司還是老牌互聯網公司都盯上了在線教育市場，這說明在線教育將迎來市場的爆發階段。

由于信息時代的來臨，在線教育無處不在，對高校英語教學也產生了深遠的影響。 首先，傳統的教學模式受到了嚴峻的挑戰。信息時代的今天，學生們對于手機和電腦的操作已經非常熟練，任何感興趣的內容通過網絡，視頻，微信“掃一掃”等功能都能快速的查詢到。學生已經非常習慣于這種信息獲取渠道的即時性與便捷性，教師的角色定位經歷了幾次變化，由教學的主體變成了現在的主導者。而在大數據時代，教師的作用更是會發生翻天覆地的變化。教師將很有可能成為課堂的組織者，以及學習方法的授予者。

中國高校英語寫作教學協會同創新聯盟通過在線形式在一個月的時間里搜集到近30萬篇英語作文，在較短的時間里獲得數量如此龐大的英語作文電子數據，這在過去沒有相應技術支持的情況下是難以想象的。《中國學生英語寫作能力調查藍皮書》對海量數據進行分析，獲取有助于英語作文評判的數據標準，同時對提高學生英語寫作能力提供有針對性的建議。

另一個典型的例子是批改網，上線半年累計批改英語作文近3000萬篇。我們非常想了解批改網的評分標準，對此充滿興趣，據了解批改網總共有192個判斷維度，包括平時我們所熟悉的拼寫、語法、詞匯、搭配錯誤等，這192個維度正是批改網的大數據技術核心。一組實驗數據：把老師批改過的作文讓批改網再重新批改，其中人工評分和機器評分的基本一致率達到92.03%。現在，積累的數據足以對每一個用戶的英語能力做出評價，而這個評價又會在用戶下一層次的學習中起到分類作用，方便用戶定制個性化的英語學習課程。

在高校英語教學實踐中可以利用大數據分析工具開展以下方法：

第一，對學生的發展進行多元評估，實現教學過程評估，發現學生的常態，改造課堂的流程。如果有一個課堂交互APP，通過對學生在課堂中點滴微觀行為的捕捉，幫助我們了解學生對知識的掌握程度以及感興趣程度，進而反思我們的教學是否滿足了學生的需求。

第二，大數據實現了學生課外在線學習的積累，可以通過后臺數據庫統計一個學校、一個區域的整體情況，獲得有價值的數據報告。

第三，分析和發掘作業和考試背后的有效數據，通過數據的歸類與分析，能夠幫助我們了解每一個學生的需求，實現個性化教育。

總之，大數據分析是順應潮流，大勢所趨，它將改變英語教學的未來。

參考文獻：