教育大數(shù)據(jù)解決方案

教育大數(shù)據(jù)解決方案目錄教育大數(shù)據(jù)分析方法教育大數(shù)據(jù)分析結果項目情況介紹—背景簡介智慧教育行業(yè)的市場規(guī)模爆發(fā)三年來，國內智慧教育行業(yè)市場規(guī)模呈現(xiàn)

出爆發(fā)式增長態(tài)勢，在經(jīng)濟增速“換擋”的“新常態(tài)”下，智慧教育行業(yè)一枝獨秀，已經(jīng)成為我國整體經(jīng)濟體系內，市

場規(guī)模增長最穩(wěn)定、市場潛力最大的行業(yè)之一風投推動下新興公司高速成長2013年開始，教育成為風投追捧的新熱點，在資本推動下，基于互聯(lián)網(wǎng)、大數(shù)據(jù)等新優(yōu)勢的新興公司成批量地快速起步，如51Talk、滬江英語、超星、大頭課堂等都在短期內跨越規(guī)模效應門檻，逐漸開始引領行業(yè)發(fā)展國內智慧教育行業(yè)市場規(guī)模保持高速增長*項目情況介紹—需求簡介項目需求智慧教育大數(shù)據(jù)需求分析和應用前景①

教育行業(yè)現(xiàn)狀和發(fā)展趨勢分析：簡要分析教育行業(yè)發(fā)展現(xiàn)狀和趨勢，以及教育行業(yè)未來發(fā)展方向②

智慧教育大數(shù)據(jù)應用現(xiàn)狀和發(fā)展趨勢：分析大數(shù)據(jù)在智慧教育領域中的應用現(xiàn)狀和未來潛力③

智慧教育大數(shù)據(jù)產(chǎn)業(yè)鏈分析：研究分析智慧教育產(chǎn)業(yè)鏈格局，分析智慧教育大數(shù)據(jù)生態(tài)圈智慧教育大數(shù)據(jù)解決方案①

智慧教育大數(shù)據(jù)需求分析：研究分析教育行業(yè)各個細分市場的大數(shù)據(jù)需求②

智慧教育應用場景分析：組織典型的智慧教育應用場景，覆蓋上述需求，具現(xiàn)化大數(shù)據(jù)在教育行業(yè)的作用③

中國智慧教育大數(shù)據(jù)解決方案：基于中國能力與第三方平臺合作，構建中國大數(shù)據(jù)解決方案④

智慧教育大數(shù)據(jù)應用案例：通過應用案例，說明教育行業(yè)應用大數(shù)據(jù)能夠為不同角色帶來的益處項目主要模塊報告一：智慧教育大數(shù)據(jù)需求分析和應用報告二：智慧教育大數(shù)據(jù)解決方案智慧教育行業(yè)現(xiàn)狀及趨勢智慧教育大數(shù)據(jù)產(chǎn)業(yè)鏈分析智慧教育大數(shù)據(jù)應用現(xiàn)狀與趨勢智慧教育大數(shù)據(jù)需求分析智慧教育大數(shù)據(jù)應用場景分析中國智慧教育大數(shù)據(jù)解決方案智慧教育

大數(shù)據(jù)應用案例大數(shù)據(jù)在教育領域中的應用，主要指的是在線決策、學習分析、數(shù)據(jù)挖掘三大要素，其主要作用是進行預測分析、行為分析、學業(yè)分析等的應用和研究，大數(shù)據(jù)含義指的是對學生學習過程中產(chǎn)生的大量數(shù)據(jù)（數(shù)據(jù)來源包括兩方面，即顯性行為和隱性行為，其中隱性行為包括論壇發(fā)帖、課外活動、在線社交等不直接作為教育評價的活動，顯性行為包括考試成績、作業(yè)完成狀況以及課堂表現(xiàn)等）進行分析，大數(shù)據(jù)模型以及顯示的數(shù)據(jù)能夠為學校和教師的教學提供參考，及時、準確的評估學生的學業(yè)狀況，發(fā)現(xiàn)學生潛在存在的問題，進而預測學生未來可能的表現(xiàn)。1）構建學習者經(jīng)驗模型。通過收集學習者的學習滿意調查問卷，或者是分析量表數(shù)據(jù)，再根據(jù)其在課程學習中的存留數(shù)據(jù)、表現(xiàn)、行為、選擇等，構建學習者的經(jīng)驗模型，通過分析這種模型對學習系統(tǒng)中的課程進行評估，例如通過構建學習者體驗模型，進行線上課程評估，然后再進行課程設計，這種改變課程教學順序的大數(shù)據(jù)模型，顯著的提高了學習者的學習成績和教師的教學效率。2）建立學習者行為模型。通過收集學習者在學校情景中學習行為變化的情況、學習者完成課程學習的狀況、學習者在網(wǎng)絡系統(tǒng)中花費的學習時間以及學習者的考試成績等數(shù)據(jù)，研究學習者的學習行為與教學成果之間的關系，最終形成學習者的學習行為模型，通過構建大數(shù)據(jù)學習平臺，構建學習者行為模型，能夠預測學習者的學習失敗可能，其預測正確率高達75%以上。3）構建學習者知識模型。通過收集學習者在大數(shù)據(jù)在線系統(tǒng)的交互數(shù)據(jù)，其包括的內容有：學習者請求幫助的性質和數(shù)量、學習者回答問題花費的實踐、學習者回答錯誤的重復率、學習者回答的正確率等，通過數(shù)據(jù)挖掘和學習分析構建的學習者知識模型，能夠將學習單元層面、課程層面、知識點層面的數(shù)據(jù)信息，通過人工反饋或者自動反饋，選擇適合的方式，充分的考慮學習者的時間，為學習者提供合適的學習內容，這種通過手機每一個所有知識點的詳細數(shù)據(jù)，再通過在線決策、學習分析和數(shù)據(jù)挖掘，為學習者提供詳細的學習意見和學習反饋。4）構建領域知識模型。通過對教育大數(shù)據(jù)的在線決策、數(shù)據(jù)挖掘和學習分析，對現(xiàn)有的領域知識進行重新建模，研究學習者與知識點、學習單元、課程等學習內容之間的關系，通過構建領域知識模型，采集和處理學習者的相關數(shù)據(jù)，畫出學習者的學習曲線，再通過對這些學習曲線進行數(shù)據(jù)分析，能夠顯著的提高學習者的學習成績和教師的教學效率。5）構建學習者檔案。通過收集學習者的基本學習信息，建立基本信息數(shù)據(jù)，通過數(shù)據(jù)挖掘、學習分析和機器學習算法，根據(jù)學習者的學習特征，將相同學習特征的學習者進行分組和聚類，建立學習者檔案，這種能夠為不同類型學習者提供個性化的學習環(huán)境，能夠激發(fā)學習者的學習積極性和主動性，例如通過數(shù)據(jù)挖掘技術對學習者在線學習平臺的學習日志進行分析，這樣能夠掌握不同學習者的不同學習特點和交互類型，然后構建學習者檔案，充分的激發(fā)了學習主動性，顯著的提高了學習者的學習效率。6）教學策略分析。大數(shù)據(jù)在教育領域的運用，其最終的目的是幫助教育者制定教學策略，通過對收集的學習者的信息進行分析，探索學習系統(tǒng)中各種組件的功能，分析學習者學習結果與教學策略之間的關系，然后對教學策略進行分析和總結，這樣能夠為教育領域提供更多、更有效的教學策略，例如Ritter等人研究的“CognitiveTour”的智能導學系統(tǒng)，通過數(shù)據(jù)挖掘、學習分析和在線決策，為該智能教學系統(tǒng)提供了長達15年的細粒度、動態(tài)的系統(tǒng)評價，優(yōu)化了該系統(tǒng)的教學策略，顯著的提高了學習者的學習效率。7）其他應用。大數(shù)據(jù)在教育領域的運用還包括個性化學習、自適應學習系統(tǒng)、以及趨勢分析等方面，其中個性化學習與自適應學習系統(tǒng)是大數(shù)據(jù)應用的終極目標，通過大數(shù)據(jù)的收集、分析與處理，為學習者提供個性化學習、與自適應學習的環(huán)境；趨勢分析時通過對大數(shù)據(jù)的分析，探索學習者在學習過程中的學習結果的變化趨勢，探索學前行為與未來結果之間的關系，預測未來學習的趨勢和結果，例如加州高等教育協(xié)會創(chuàng)建的在線趨勢分析工具，允許用戶自定義檢索條件，為用戶提供教育趨勢預測結果，幫助學習者構建學習模型，最終推動學習者主動的學習。大數(shù)據(jù)在教育領域中的應用7/10/2019大數(shù)據(jù)在教育領域中的應用，主要指的是在線決策、學習分析、數(shù)據(jù)挖掘三大要素，其主要作用是進行預測分析、行為分析、學業(yè)分析等的應用和研究，大數(shù)據(jù)含義指的是對學生學習過程中產(chǎn)生的大量數(shù)據(jù)（數(shù)據(jù)來源包括兩方面，即顯性行為和隱性行為，其中隱性行為包括論壇發(fā)帖、課外活動、在線社交等不直接作為教育評價的活動，顯性行為包括考試成績、作業(yè)完成狀況以及課堂表現(xiàn)等）進行分析，大數(shù)據(jù)模型以及顯示

的數(shù)據(jù)能夠為學校和教師的教學提供參考，及時、準確的評估學生的學業(yè)狀況，發(fā)現(xiàn)學生潛在存在的問題，進而預測學生未來可能的表現(xiàn)。項目情況介紹—方法簡介

項目中我們主要使用了STP分析法，即目標市場營銷，是指根據(jù)一定的標準對整體市場進行細分后，從中選擇一個或者多個細分市場作為自身的目標市場，并針對目標市場進行市場定位。

細分市場不是根據(jù)產(chǎn)品品種、系列來進行的，而是從消費者(指最終消費者和工業(yè)生產(chǎn)者)的角度進行劃分的，是根據(jù)市場細分的理論基礎，即消費者的需求、動機、購買行為的多元性和差異性劃分的。通過市場細分對企業(yè)的生產(chǎn)、營銷起著極其重要的作用。行業(yè)矩陣設計價值判斷提供需求內容管理邏輯管理設計場景研究趨勢提供需求以客戶為中心細分領域調研產(chǎn)業(yè)細化分層產(chǎn)品體系規(guī)劃營銷的基礎——STP通過市場調研，通過用戶畫像，將智慧教育市場整體劃分為若干消費者群。每一個消費者群就是一個細分市場，每一個細分市場都是具有類似需求傾向的消費者構成的群體。選擇目標市場并制定市場營銷策略發(fā)掘市場機會，開拓新市場集中人力、物力投入目標市場提高資源利用效益項目情況介紹—框架簡介包括從目標領域細分到盈利模式的全流程商業(yè)設計與針對云公司的能力分析與建設建議包括教育行業(yè)產(chǎn)業(yè)背景、行業(yè)矩陣、各細分領域研究及教育大數(shù)據(jù)建設現(xiàn)狀包含國內智慧教育的線下線上產(chǎn)業(yè)鏈重點節(jié)點分析與產(chǎn)業(yè)鏈條重點流程梳理包括結合教育細分行業(yè)特點，做出大數(shù)據(jù)價值判斷、大數(shù)據(jù)應用現(xiàn)狀分析與變現(xiàn)手段包括從學校、學生等產(chǎn)業(yè)內角色的角度做出大數(shù)據(jù)需求分析與大數(shù)據(jù)實現(xiàn)面臨的挑戰(zhàn)包括政府、教師、學生、教學管理、技術服務商、平臺服務商、用戶的應用場景預測包括精準扶貧、線上教學、思維課程、自適應學習平臺等已實現(xiàn)的應用場景分析解決方案7解決方案結論■基于細分行業(yè)商業(yè)分析的一般規(guī)律，教育行業(yè)大數(shù)據(jù)七步驟模型11行業(yè)發(fā)展從宏觀到微觀的分析邏輯，我方提出了教育行業(yè)大數(shù)據(jù)

宏七步模型。

觀行業(yè)發(fā)展2產(chǎn)業(yè)鏈分析23產(chǎn)業(yè)鏈分析市場現(xiàn)狀項目將結合云公司自身優(yōu)勢與特點，34提出教育行業(yè)大數(shù)4挖掘需求據(jù)目標市場、產(chǎn)業(yè)鏈角色、產(chǎn)品設計、5能力建設、數(shù)據(jù)應場景設計5場景設計用建議。微觀6應用案例6應用案例7目錄教育大數(shù)據(jù)現(xiàn)狀及需求教育大數(shù)據(jù)分析方法教育大數(shù)據(jù)分析結果⑴內容分析法內容分析法是一種對文獻內容作客觀系統(tǒng)的定量分析的專門方法，其目的是弄清或測驗文獻中本質性的事實和趨勢，揭示文獻所含有的隱性情報內容，對事物發(fā)展作情報預測。它實際上是一種半定量研究方法，其基本做法是把媒介上的文字、非量化的有交流價值的信息轉化為定量的數(shù)據(jù)，建立有意義的類目分解交流內容，并以此來分析信息的某些特征。⑵話語分析人文科學所有的知識分子都是在利用話語的生產(chǎn)模式來行使權力，話語傳播著權力的影響。在現(xiàn)代社會中，它們就是權力的替代品。只有遵循話語系統(tǒng)自身的規(guī)律，人們在生活中的表達和溝通才能有效，否則就是癡人說夢。換言之，可以這樣來說，現(xiàn)實并不是我們人類在創(chuàng)造、支配使用話語（主體性解構），而是語言在建構我們的本質。掌握話語權的人掌握社會規(guī)范。⑶社會網(wǎng)絡分析社會網(wǎng)絡分析適合分析關系數(shù)據(jù)，而用來分析其他類型數(shù)據(jù)對關系數(shù)據(jù)的影響。數(shù)據(jù)主要分為兩類，屬性數(shù)據(jù)和關系數(shù)據(jù)，屬性數(shù)據(jù)指涉及能動者的態(tài)度，觀點，行為方面的數(shù)據(jù)，采用的方法主要是變量分析法。關系數(shù)據(jù)是關于接觸，關聯(lián)，群體依附和聚會方面的數(shù)據(jù)，反映一個能動者與另外能動者聯(lián)系在一起，而不是單獨的屬

性，一般采用的分析方法是網(wǎng)絡分析。另外還有一種是觀念數(shù)據(jù)，主要是描述意義，動機，定義和類型化本身，主要是用類型分析的方法。⑷聚類聚類分析也被稱為群分析，它是在“物以類聚”這一理念之上，對樣品進行必要分類的一種相對多元的統(tǒng)計分析方法。這種方法專門針對大量的樣品，按各自的特性進行相對合理的分類，即使未曾事先驗知的情況下依然不會參考任何模型。聚類分析是研究事物特性的個體方法，可以把類似的事物分類整合。原則上依據(jù)事物的相似性進行歸類，具有以下三個特點：①非常符合檢測未曾驗證的事物。在沒有數(shù)據(jù)標準參考的情況下，設定相對完善的分類變量就可以對數(shù)據(jù)進行合理的聚合，得到相對客觀的分類信息。②能夠處理多個變量決定的分類。多個變量的分類一般相對比較復雜，聚類方法完全可以勝任針對此類數(shù)據(jù)的分類。③聚類分析法的探索性相對較高，可以根據(jù)事物的內在屬性和規(guī)律，依據(jù)原則上的相似性對數(shù)據(jù)分類，被廣大工作者廣泛應用。⑸預測根據(jù)已有數(shù)據(jù)或信息對整體或個體數(shù)據(jù)發(fā)展態(tài)勢做出合理預測。⑹關系挖掘數(shù)據(jù)挖掘是一種在信息領域當中發(fā)展最快的技術，許多行業(yè)中的佼佼者都從中獲得較為廣闊的發(fā)展空間，這使得數(shù)據(jù)挖掘技術日趨被人們所關注。隨著科學技術的不斷進步，采集數(shù)據(jù)的方法日益繁多，因而使得龐大的數(shù)據(jù)總量幾乎達到GB

甚至TB

級，并且高維數(shù)據(jù)日趨主流化。此類數(shù)據(jù)以及數(shù)據(jù)的高維特征并不是傳統(tǒng)數(shù)據(jù)分析方法可以輕易解決的，這樣導致數(shù)據(jù)的處理也愈來愈依賴計算機和網(wǎng)絡。⑺文本挖掘文本數(shù)據(jù)挖掘(Text

Mining)是指從文本數(shù)據(jù)中抽取有價值的信息和知識的計算機處理技術。顧名思義，文本數(shù)據(jù)挖掘是從文本中進行數(shù)據(jù)挖掘(Data

Mining)。從這個意義上講，文本數(shù)據(jù)挖掘是數(shù)據(jù)挖掘的一個分支。文本數(shù)據(jù)挖掘是一個邊緣學科，由機器學習、數(shù)理統(tǒng)計、自然語言處理等多種學科交叉形成。學習分析關鍵技術與主要工具從學生方面來說，學習分析技術在了解學生學習現(xiàn)狀之后，通過分析學生數(shù)據(jù)，找出相關問題，對學生學習過程進行優(yōu)化，幫助學生培養(yǎng)良好學習習慣，從而達到學生自我學習的目的。從教師以及管理人員方面來說，學習分析技術可以評估教學課程和相關機構，幫助同步改善學校既定考核方式，深入分析教學數(shù)據(jù)，為教師幫助學生解決實際問題指明教學不足和更優(yōu)方法。從研究人員方面來說，學習分析技術是一種研究學生和網(wǎng)絡學習的有效工具。從技術開發(fā)人員方面來說，學習分析技術管理系統(tǒng)各模塊各不相同的使用頻次和路徑能有效指導系統(tǒng)界面的相關優(yōu)化設計，并可以完善系統(tǒng)日志相關管理功能。1.學習者特征分析 學習者特征由學習者的知識結構和學習風格組成。知識結構說明了學習者對正在或將要學習知識的掌握情況，主要包括學習者初始技能、當前技能和目標技能。學習風格包括學習者的生理特征、心理特征和社會特征三個方面。［4］ 利用數(shù)據(jù)挖掘功能分析學習者特征，目的在于幫助學習者修正自己的學習行為。這里有一理論假設：通過對學習者特征分析結果和事先制定的行為目標標準進行比較，教師能夠幫助學習者修正學習行為、提高學習能力、完善人格，有利于學生各方面素質的和諧發(fā)展。 學習者特征分析系統(tǒng)由如下四個模塊組成，基本框架如圖1所示。 人機互動界面：學習者可以向系統(tǒng)手工添加學習者信息、提出分析要求，同時查看分析結果。

數(shù)據(jù)收集模塊：收集的信息包括學習者的基本信息、績效信息、學習歷史、學習偏好、知識結構等。 數(shù)據(jù)處理模塊：數(shù)據(jù)庫按照元數(shù)據(jù)標準對數(shù)據(jù)進行清理、集成和變換。 數(shù)據(jù)分析模塊：利用經(jīng)過轉化的數(shù)據(jù)，按照數(shù)據(jù)挖掘規(guī)則，對數(shù)據(jù)進行分析處理，得出結果并輸出。2.干預師生行為 學校教學管理數(shù)據(jù)庫中記錄著各屆學生與教師的學習、工作、社會活動、獎勵、處罰等情況，利用數(shù)據(jù)挖掘的關聯(lián)分析與演變分析等功能，尋找?guī)熒鞣N行為活動之間的內在聯(lián)系。如“當存在A，B時可以推出C”這樣的規(guī)則，即當有A行為和B行為發(fā)生時，還會有C行為。在實際情境中，如果發(fā)現(xiàn)學生或教師已有A，B行為時，馬上可以分析其產(chǎn)生C行為的可能性，及時制定策略促進或制止C行為的發(fā)生。

3.合理設置課程 在學校，學生的課程學習是循序漸進的，而且課程之間有一定的關聯(lián)與前后順序關系。在學一門較高級課程之前必須先修一些先行課程，如果先行課程沒有學好，勢必會影響后續(xù)課程的學習。另外，同一年級學習同一課程的不同班級，由于授課教師、班級文化的不同，班內學生的總體成績相差有時會很大。 利用學校教學數(shù)據(jù)庫中存放的歷屆學生各門學科的考試成績，結合數(shù)據(jù)挖掘的關聯(lián)分析與時間序列分析等相關功能，就能從這些海量數(shù)據(jù)中挖掘出有用的信息，幫助分析這些數(shù)據(jù)之間的相關性、回歸性等性質，得出一些具有價值的規(guī)則和信

息，最終找到影響學生成績的原因。在此基礎上，對課程設置作出合理安排。

4.學習評價 學習評價是教育工作者的重要職責之一。評定學生的學習行為，既對學生起到信息反饋和激發(fā)學習動機的作用，又是檢查課程計劃、教學程序以至教學目的的手段，也是考查學生個別差異，便于因材施教的途徑。［5］評價要遵循“評價內容要全面、評價方式要多元化、評價次數(shù)要多次化、注重自評與互評的有機結合”的原則。 在教學科研網(wǎng)絡普遍建立的今天，利用數(shù)據(jù)挖掘工具，對學生的學習成績數(shù)據(jù)庫、行為記錄數(shù)據(jù)庫、獎勵處罰數(shù)據(jù)庫等進行分析處理，可以即時得到學生的評價結果，對學生出現(xiàn)的不良學習行為進行及時指正。另外，這種系統(tǒng)還能夠克服教師主觀評價的不公正、不客觀的弱點，減輕教師的工作量。

5.個性化、智能化網(wǎng)絡服務 數(shù)據(jù)挖掘基于網(wǎng)絡的應用包括WEB挖掘和個性化、智能化網(wǎng)上遠程教育兩個方面。

WEB挖掘是數(shù)據(jù)挖掘的一項重要應用。WEB挖掘是從與WWW相關的資源和行為中抽取感興趣的、有用的模式和隱含信息的過程。WWW分析就是為網(wǎng)站運行提供深入、準確、詳細的分析數(shù)據(jù)和有價值的以及易理解的分析知識。通過提供這些數(shù)據(jù)和信息，可以解決以下問題：

（1）對網(wǎng)站的修改更加有目的、有依據(jù)，穩(wěn)步地提高用戶滿意度。根據(jù)用戶訪問模式修改網(wǎng)頁之間的鏈接，把用戶想要的信息以更快、更有效的方式展現(xiàn)給用戶。

（2）查看網(wǎng)站流量模式。發(fā)現(xiàn)用戶的需要和興趣，對需求強烈的網(wǎng)頁提供優(yōu)化，用服務器預先存儲的方法來解決下載緩慢的問題。

（3）提供個性化網(wǎng)站。針對不同的用戶，按照其個人的興趣和愛好（數(shù)據(jù)挖掘算法得到的用戶訪問模式），向用戶動態(tài)提供瀏覽的建議，自動提供個性化的網(wǎng)站。

（4）發(fā)現(xiàn)系統(tǒng)性能瓶頸，找到安全漏洞。

（5）為教師、教育管理者等提供重要的、有價值的信息。如通過對每個學生所做的試題進行分析，得出題目之間的關聯(lián)性及其他一些有用的信息，用來指導教學、修正試題難度系數(shù)等。 個性化、智能化網(wǎng)上遠程教育是充分利用數(shù)據(jù)挖掘技術的功能，為遠程教育提供服務。其表現(xiàn)在：

（1）利用學生登記信息，針對不同的學生，提供不同的學習內容和學習模式，真正做到因材施教，并對學生的學習記錄進行保存。

（2）對站點上保存的學習行為和學習記錄信息進行挖掘，并結合課件知識庫的信息，自動重組課程的內容，使之更符合教學規(guī)律，并結合內容，提供其他相關學習資源。

（3）通過對學習者學習行為的挖掘，發(fā)現(xiàn)用戶的瀏覽模式，自動重構頁面之間的鏈接，以符合用戶的訪問習慣。 個性化、智能化遠程教育系統(tǒng)模型將涉及到課件知識庫、學習行為數(shù)據(jù)庫、個人學習記錄數(shù)據(jù)庫這三個大型數(shù)據(jù)庫，還需要構建智能學習系統(tǒng)、個性界面生成系統(tǒng)、智能挖掘系統(tǒng)、智能重組系統(tǒng)等四個實現(xiàn)系統(tǒng)。數(shù)據(jù)挖掘在教育信息化中的具體應用空間學習者特征由學習者的知識結構和學習風格組成。知識結構說明了學習者對正在或將要學習知識的掌握情況，主要包括學習者初始技能、當前技能和目標技能。學習風格包括學習者的生理特征、心理特征和社會特征三個方面1學習者特征分析學校教學管理數(shù)據(jù)庫中記錄著各屆學生與教師的學習、工作、社會活動、獎勵、處罰等情況，利用數(shù)據(jù)挖掘的關聯(lián)分析與演變分析等功能，尋找?guī)熒鞣N行為活動之間的內在聯(lián)系。如“當存在A，B時可以推出C”這樣的規(guī)則，即當有A行為和B行為發(fā)生時，還會有C行為。在實際情境中，如果

發(fā)現(xiàn)學生或教師已有A，B行為時，馬上可以分析其產(chǎn)生C行為的可能性，及時制定策略促進或制止C行為的發(fā)生2干預師生行為利用學校教學數(shù)據(jù)庫中存放的歷屆學生各門學科的考試成績，結合數(shù)據(jù)挖掘的關聯(lián)分析與時間序列分析等相關功能，就能從這些海量數(shù)據(jù)中挖掘出有用的信息，幫助分析這些數(shù)據(jù)之間的相關性、回歸性等性質，得出一些具有價值的規(guī)則和信息，最終找到影響學生成績的原因。3合理設置課程在教學科研網(wǎng)絡普遍建立的今天，利用數(shù)據(jù)挖掘工具，對學生的學習成績數(shù)據(jù)庫、行為記錄數(shù)據(jù)庫、獎勵處罰數(shù)據(jù)庫等進行分析處理，可以即時得到學生的評價結果，對學生出現(xiàn)的不良學習行為進行及時指正。另外，這種系統(tǒng)還能夠克服教師主觀評價的不公正、不客觀的弱點，減輕教師的工作量。4學習評價自適應學習系統(tǒng)中教育大數(shù)據(jù)應用基于大數(shù)據(jù)的自適應學習系統(tǒng)運行流程圖第一步，學習者生成學習行為數(shù)據(jù)，經(jīng)過內容傳遞模塊，數(shù)據(jù)將被標記上時間戳；第二步，數(shù)據(jù)按照預先定義的結構存入學習者數(shù)據(jù)庫；第三步，預測模塊從學習者數(shù)據(jù)庫和學生信息系統(tǒng)中采集數(shù)據(jù)，根據(jù)不同的分析目的，調用不同的分析工具和模型對數(shù)據(jù)進行分析；第四步，自適應模塊根據(jù)預測模塊中數(shù)據(jù)挖掘和分析的結果，通過內容傳遞模塊為學習者提供合適的學習指導和學習策略；第五步，預測模塊中數(shù)據(jù)挖掘和分析的結果同時被傳遞給顯示模塊，供教師和教學管理者使用；最后，教師和教學管理者根據(jù)分析結果，通過干預模塊對系統(tǒng)進行人為干預7/10/2019自適應學習系統(tǒng)包含六大模塊：（1}內容傳遞模塊。管理、維護、傳遞個性化的學習內容與評價給學習者，以支持學習者的學習行為。（2)學習者數(shù)據(jù)庫。存儲學習者在學習系統(tǒng)中的時間戳標記的學習者輸人和學習行為數(shù)據(jù)。（3)預測模塊。整合系統(tǒng)外部學習者信息系統(tǒng)中的數(shù)據(jù)和系統(tǒng)內部學習者學習行為數(shù)據(jù)，通過對數(shù)據(jù)的處理和分析，對學習者未來的學習行為和結果進行預測。（4)顯示模塊。將預測模塊中的運行結果以可視化的方式顯示給各類使用者。（5)自適應模塊。根據(jù)預測模塊的運行結果，觸發(fā)內容傳遞模塊，再根據(jù)學習者的學習水平和興趣，推送合適的學習內容給學習者。（6)干預模塊。允許教師、教學管理者和系統(tǒng)開發(fā)人員根據(jù)預測模塊的運行結果，對自適應系統(tǒng)實施人為干預教育數(shù)據(jù)挖掘和學習分析的區(qū)別教育數(shù)據(jù)挖掘學習分析技術常用技術是分類、聚類、貝葉斯模型、關系挖掘和用模型來發(fā)現(xiàn)數(shù)據(jù)中有意義的信息常用技術是統(tǒng)計、可視化、系統(tǒng)網(wǎng)絡架構、情緒分析、影響分析、話語分析，概念分析和意義建構模型起源源于教育軟件、學生建模和預測課程的結果源于語義網(wǎng)絡、智能課程和系統(tǒng)干預重點重視對所采用的數(shù)據(jù)挖掘技術的描述和比較重視對數(shù)據(jù)和結果的描述發(fā)現(xiàn)自動化的發(fā)現(xiàn)是關鍵，利用人類判斷是用來完成這個目標的工具利用人類判斷的是關鍵，自動化的發(fā)現(xiàn)是用于實現(xiàn)這一目標的工具早期的教育數(shù)據(jù)挖掘主要是網(wǎng)站日志數(shù)據(jù)的挖掘，現(xiàn)在新的計算機技術支持的交互式學習方法和工具（智能輔導系統(tǒng)、仿真、游戲），為量化和收集學生行為數(shù)據(jù)帶來了新的機會。特別是更加集成、更加模塊化和更加復雜化的在線學習系統(tǒng)提供了更多類型的數(shù)據(jù)，其中包含了數(shù)據(jù)挖掘算法需要的許多變量。教育數(shù)據(jù)挖掘能發(fā)現(xiàn)這些數(shù)據(jù)中的模式和規(guī)律，探索建立預測模型，讓我們重新發(fā)現(xiàn)和預測學生如何學習。1教育數(shù)據(jù)挖掘對學習分析的定義，指的是對學生學習過程中產(chǎn)生的大量數(shù)據(jù)進行解釋，目的是評估學業(yè)進步、預測未來表現(xiàn)、發(fā)現(xiàn)潛在問題。數(shù)據(jù)來自學生的顯性行為，如完成作業(yè)和參加考試；還有學生的隱性行為，如在線社交，課外活動，論壇發(fā)帖，以及其他一些不直接作為學生教育進步評價的活動。學習分析模型處理和顯示的數(shù)據(jù)幫助教師和學校更好地理解教與學。學習分7/10/2019析的目標是使教師和學校創(chuàng)造適合每個學生需要和能力的教育機會。2學習分析1.學習者知識建模研究者通過采集學習者與在線學習系統(tǒng)的交互數(shù)據(jù)，包括學習者系統(tǒng)應答正確率、回答問題花費時間、請求幫助的數(shù)量和性質，以及錯誤應答的重復率等，這部分數(shù)據(jù)可以是課程層面的、學習單元層面的或知識點層面的。通過數(shù)據(jù)挖掘和分析，構建學習者知識模型，然后通過自動或人工反饋，為學習者在合適的時間，選擇合適的方式，提供合適的學習內容。例

如，Onsophic公司的在線學習平臺就是通過收集平臺中學習者每一個知識點學習（例如二次方程）的詳細數(shù)據(jù)，通過數(shù)據(jù)挖掘和分析，建立學習知識模型，為學習者提供詳細的學習反饋和建議。2.學習者行為建模研究者通過采集學習者在網(wǎng)絡學習系統(tǒng)中花費的學習時間、學習者完成課程學習情況、學習者在課堂或學校情境中學習行為變化情況、學習者線上或線下考試成績等數(shù)據(jù)，探索學習者學習行為與學習者學習結果的相關關系，最終構建學習者學習行為模型。例如，麥克費登

(Macfayden)和道森（Dawson)通過跟蹤和采集Blackboard在線學習平臺上學習者學習行為相關數(shù)據(jù)，構建學習者行為模型，該模型被用于預學習者的學習失敗可能。經(jīng)過實證研究，該模型的預測正確率可以達到80%以上。3.學習者經(jīng)歷建模研究者通過采集學習者的學習滿意度調查問卷或量表數(shù)據(jù)，以及其在后續(xù)單元或課程學習中的選擇、行為、表現(xiàn)和留存率數(shù)據(jù)，構建學習者體驗模型，利用該模型對在線學習系統(tǒng)中的課程和功能進行評估。例如，可汗學院（Kaplan

Inc)通過構建學習者體驗模型，對其線上課程進行評估，進行線上課程的再設計，改變課程學習順序，大大提高了教師的教學效率和學習者的學習成績。4.學習者建檔研究者采集在線學習系統(tǒng)中學習者相關數(shù)據(jù)以及線下學習者基本信息數(shù)據(jù)，通過數(shù)據(jù)挖掘和機器學習算法，構建學習者個人學習檔案，分析學習者的學習特征，對具有相同學習特征的學習者進行聚類和分組，最終為不同類型的學習者提供個性化的學習環(huán)境，促進學習者有效學習的發(fā)生。例如，卡丹(Kardan)和克納蒂(Conati)利用數(shù)據(jù)挖掘技術對學習者與在線學習

平臺的交互日志進行分析，確定不同學習者的學習類型和交互特點，構建學習者的學習檔

案。該研究結果主要用于對新學習者進行分類，并提供合適的學習支持和交互支持。5.領域知識建模研究者通過對教育大數(shù)據(jù)的挖掘和學習分析，對現(xiàn)有領域知識模型進行重構，探索課程、學習單元和知識點的學習內容組織方式與學習者學習結果之間的相關關系。例如，馬丁（Martin)等人采集、處理學習者相關數(shù)據(jù)，構建學習者的學習曲線，并通過對大量學習者學習曲線數(shù)據(jù)的分析，對現(xiàn)有領域知識模型進行重構。6.學習組件分析和教學策略分析教育數(shù)據(jù)挖掘和學習分析典型應用詳細應用領域情況研究者通過對學習者在在線學習系統(tǒng)中的學習相關數(shù)據(jù)進行采集和分析，探索在線學習系統(tǒng)教育數(shù)據(jù)挖掘和學習分析應用領域主要包括：學習者的知識、行為和經(jīng)歷建模；學習者建檔；領域知識建模；趨勢分析1、支持學習過程的全數(shù)據(jù)采集與存儲在當今數(shù)據(jù)為王的時代，數(shù)據(jù)成為重要的無形資本和關鍵因素。尤其是數(shù)字化學習條件下，既包括結構化數(shù)據(jù)，也包括以文本為代表的非結構化數(shù)據(jù)和以Web站點為代表的半結構化數(shù)據(jù)。當前對非結構化或半結構化數(shù)據(jù)較少涉及，而他們往往蘊藏著重要信息，如學習習慣、學習風格等。大數(shù)據(jù)時代的數(shù)字化學習分析必然要圍繞數(shù)據(jù)進行運作，理想狀態(tài)是能對所有信息進行采集，保障數(shù)據(jù)的全面性。另外，當前數(shù)據(jù)存儲面臨兩方面的挑戰(zhàn)，一是學習者在學習過程中產(chǎn)生大量數(shù)據(jù)，半結構化和非結構化數(shù)據(jù)所占的比重越來越大；二個是關系型數(shù)據(jù)庫已不適合非結構化數(shù)據(jù)的存儲，而非關系型數(shù)據(jù)庫（NoSQL）存在讀寫實時性較差、無法滿足復雜SQL操作，尤其是多表關聯(lián)查詢等不足。因此，對二者進行有效整合是大數(shù)據(jù)背景下數(shù)據(jù)存儲的必然要求。2、支持測試類型的多樣化盡管發(fā)展性評價強調評價形式多元化，但測試作為一種重要的評價形式，仍具有無可替代的作用。通過測試能引導學習者對學習內容更深層次的思考，引導學習者運用所學解決現(xiàn)實問題，培養(yǎng)其創(chuàng)造性思維[12]。一般將測試題目分為客觀性題目和主觀性題目，前者具有標準唯一、易于處理等優(yōu)點，適合考察客觀知識的掌握情況；而后者有利于考察學習者的理解、運用、歸納等能力，對于培養(yǎng)和考察學生的創(chuàng)新思維和創(chuàng)新能力具有優(yōu)勢。由于主觀性題目的主觀性特點，很難進行智能化處理，通常由教師來完成，這就造成當前測試以客觀性題目為主的不均衡現(xiàn)象。為此，發(fā)展性評價系統(tǒng)要盡可能增加主觀性題目的比重，同時優(yōu)化主觀試題的處理方式，在保證評價效率的前提下減少教師的工作量，實現(xiàn)全面、有效的評價學習。3、支持知識增長的可視化可視化是信息時代數(shù)據(jù)處理與顯示的必然趨勢。發(fā)展性評價注重學習者的發(fā)展，但發(fā)展是個抽象的概念，無法準確地衡量。而日益興起的增值評價為知識增長的測量提供了新思路。發(fā)展性學習評價系統(tǒng)要引入增值評價的理論，即一定時期的學校教育對學生成長發(fā)展所帶來的積極影響，增值評價就是對這種影響的評估。此外，發(fā)展性學習評價系統(tǒng)的使用主體為學習者和教師，他們通常不具備分析知識增長的能力，所以需對知識增長量進行可視化處理，使抽象的學習過程有跡可循，進而形成對學習者知識增長的直觀反映。對教師而言，知識增長的可視化便于個性化指導和干預；對學習者而言，可以直觀地看到自己的進步，有利于認識自我、建立自信。4、支持學習過程的及時督導數(shù)字化學習脫離了教師的監(jiān)控和約束，學習者容易在學習中“迷失”，督導機制是十分必要的。學習分析技術的興起，其測量、收集、分析和報告有關學生及其學習環(huán)境數(shù)據(jù)有利于理解、優(yōu)化學習及其產(chǎn)生的環(huán)境，為發(fā)展性學習評價系統(tǒng)提供了新的思路。發(fā)展性學習評價系統(tǒng)支持的及時督導要以學習者的學習過程數(shù)據(jù)為量化依據(jù)，通過對這些數(shù)據(jù)進行采集和分析，發(fā)現(xiàn)學習者潛在的問題與不足，并及時反饋給學習者，同時給予相應的改進和補救建議5、支持評價的個性化發(fā)展性評價強調關注個體差異，支持評價的個性化。而大數(shù)據(jù)給教育帶來的轉變之一便是使個性化教育成為可能。發(fā)展性學習評價系統(tǒng)應為學習者提供可選擇的多樣性評價目標和評價指標，根據(jù)學習者的選擇，動態(tài)生成個性化評價標準，進而實現(xiàn)對學習者進行個性化評價。數(shù)字化學習的發(fā)展性評價系統(tǒng)的特征分析已有研究認為，基于發(fā)展

性評價的數(shù)字化學習評價

系統(tǒng)，如網(wǎng)絡教學中的學

習評價系統(tǒng)應支持過程信

息的全面采集、支持自評

與互評、支持多種反饋形

式等，結合大數(shù)據(jù)及數(shù)字

化學習的特征，大數(shù)據(jù)背

景下的數(shù)字化學習發(fā)展性

評價系統(tǒng)應具備如下特征：（1）測評功能子系統(tǒng)測評功能子系統(tǒng)包括討論互動、學習契約、課前測試、過程測試、隨堂記錄卡、章節(jié)測試、教師評價、同學互評、期末測試等功能模塊。學習契約是以學習者和教師共同商議的形式確定學習目標、學習進度、評價標準等，一方面為學習者提供一定的個性化選擇，另一方面通過契約的形式對學習者形成激勵和監(jiān)督。課前測試對學習者已有知識基礎進行測試，起到診斷性評價的作用，也可以將其作為確定學習協(xié)作（討論互動）小組的依據(jù)，還可以與課后測試結果進行對比，確定學習者的知識增長

量。過程測試在學習過程中進行，有利于及時發(fā)現(xiàn)學習者存在的問題和不足，便于及時調整和改善。隨堂記錄卡類似于自我評價功能，多以主觀題目為主，要求學習者對學習過程進行總結和反思，有益于學習者自我反思和自我認知能力的培養(yǎng)。章節(jié)測試在章節(jié)結束時進行，主要考察學習者對已學內容的掌握情況，同時與課前測試和過程測試的結果匯總，挖掘章節(jié)的知識關聯(lián)，為學習者推送個性化建議和資源。教師評價、同學互評和期末測試都在課程結束時進行，通過多樣性的評價方式對學習者形成較為全面客觀的評價。討論互動貫穿于整個課程學習的始終，通過討論互動，學習者與其他成員構成一個復雜的學習網(wǎng)絡，在該網(wǎng)絡體系中，學習者可以分享學習資源、交流學習心得，或對某一問題展開討論交流，激發(fā)新的思維火花[15]。（2）數(shù)據(jù)采集與存儲子系統(tǒng)數(shù)據(jù)采集與存儲子系統(tǒng)主要包括四大部分：數(shù)據(jù)采集、數(shù)據(jù)清理、數(shù)據(jù)轉換和數(shù)據(jù)混合存儲系統(tǒng)。數(shù)據(jù)采的質量和數(shù)量直接決定了數(shù)據(jù)分析的成效，所以應盡可能地從數(shù)據(jù)來源上保證其全面性。網(wǎng)絡嗅探是數(shù)據(jù)采集的有效方式，其適合多用戶、多Web站點的網(wǎng)絡訪問環(huán)境，且具有采集時間準確、不影響Web服務等特點，更重要的是采集的同時可以進行一部分過濾操作[16]。通過數(shù)據(jù)采集獲取大量數(shù)據(jù)的同時，也帶來了一些如廣告、彈幕等的“垃圾數(shù)據(jù)”，有效過濾這些“垃圾信息”是數(shù)據(jù)清理的功能所在。數(shù)據(jù)轉換主要是通過對數(shù)據(jù)進行適當轉換方便數(shù)據(jù)的挖掘分析，典型的數(shù)據(jù)轉換方法包括把符號變量轉換為數(shù)值變量、重組分類變量等。數(shù)據(jù)存儲是將數(shù)據(jù)保存到數(shù)據(jù)庫，以防止數(shù)據(jù)丟失，也便于后續(xù)的挖掘分析，本系統(tǒng)采用關系型數(shù)據(jù)庫與NoSQL數(shù)據(jù)庫相結合的方式實現(xiàn)對數(shù)據(jù)進行混合存儲，在該混合存儲系統(tǒng)中，關系型數(shù)據(jù)庫采用MySQL，而NoSQL則采用由Clinet、Zookeeper、HMaster、HRegionserver四部分構成的HBase。（3）分析子系統(tǒng)分析子系統(tǒng)是整個系統(tǒng)的核心部分，主要涉及兩個數(shù)據(jù)庫和三種數(shù)據(jù)處理技術。其中，兩個數(shù)據(jù)庫是指結果數(shù)據(jù)庫和標準數(shù)據(jù)庫——標準數(shù)據(jù)庫是各種評價指標和評價標準的集合；結果數(shù)據(jù)庫主要有三個來源：一是不需要處理的數(shù)據(jù)（如成績、時長等），二是經(jīng)過教育數(shù)據(jù)挖掘、社會網(wǎng)絡分析和語義分析等技術處理得到的結果，三是直接與標準數(shù)據(jù)庫中的標準進行對比得到的結果。三種數(shù)據(jù)處理技術即教育數(shù)據(jù)挖掘、社會網(wǎng)絡分析和語義分析技術——教育數(shù)據(jù)挖掘主要用于發(fā)現(xiàn)知識關聯(lián)，以便對學習者進行知識推薦；社會網(wǎng)絡分析用于分析學習者在學習群體中的角色、關系、核心度等，從而判斷學習者的積極性和交互程度；主觀性測試題目一直是數(shù)字化學習評價的軟肋，引入語義分析技術，以期對主觀性試題進行語義識別分析，增加系統(tǒng)的智能性。（4）反饋子系統(tǒng)反饋子系統(tǒng)包括“三種反饋”和“一個可視化工具”?！叭N反饋”即診斷性反饋、過程性反饋和終結性反饋——診斷性反饋在章節(jié)學習前進行，主要對學習契約和課前測試提供及時反饋；過程性反饋在學習過程中進行，主要對過程測試、章節(jié)測試、隨堂記錄卡、交流互動和學習行為活動提供及時反饋，同時對學習過程提供及時預警；終結性反饋在課程結束時進行，主要對同學互評、教師評價、期末測試等提供及時反饋。這三種反饋信息在反饋給學習者的同時也傳遞給教師，教師根據(jù)這些信息在必要時對學習者的學習活動給予及時干預。“一個可視化工具”即儀表盤，系統(tǒng)的反饋信息通過儀表盤的形式及時呈現(xiàn)給學習者和教師，便于學習者和教師對學習狀況形成直觀了解。值得注意的是，系統(tǒng)提供給兩者的內容是不完全相同的。數(shù)字化學習發(fā)展性評價系統(tǒng)設計系統(tǒng)模型設計教師學生干預/評價討論互動過程測試課程學習活動學習契約 課前測試章節(jié)測試 同學互評期末測試教師評價 隨堂記錄卡評測功能子系統(tǒng)數(shù)據(jù)采集數(shù)據(jù)轉化混合存儲系統(tǒng)教育數(shù)據(jù)挖掘社會網(wǎng)絡分析語義分析對比分析對比分析結果數(shù)據(jù)庫分析結果大數(shù)據(jù)分析子系統(tǒng)儀表盤及時反饋診斷性評價過程性評價終結性評價反饋子系統(tǒng)可視化數(shù)據(jù)在對現(xiàn)存問題及系統(tǒng)特數(shù)據(jù)清采理集與存儲子系統(tǒng)征分析的基礎上，構建了大數(shù)據(jù)理念下的數(shù)字化學習發(fā)展性評價系統(tǒng)模型。該系統(tǒng)由測評功能子系統(tǒng)、采集與存儲子系統(tǒng)、分析子系統(tǒng)和反饋子系統(tǒng)構成（1）課前準備階段首先，教師通過目標預設模塊，對課程學習目標、評價指標和試題集進行預設，其中一個學習目標對應若干評價指標，而一個評價指標對應一個試題集。預設的學習目標和評價指標在學習契約中以選項的形式呈現(xiàn)，學生根據(jù)自己的情況選擇相應的學習目標和評價指標。其次，根據(jù)學生的個性選擇，從對應的試題集中組合生成課前測試題，了解學生的知識基礎，并給予及時反饋。最后，在課程目標選擇相同的基礎上，根據(jù)課前測試結果對學習者進行異質化分組。協(xié)作小組目的是對小組成員在學習過程中存在的疑問進行討論互動，形成互幫互助的良好局面。（2）課程學習階段學生的主要活動是課程學習及其相關活動，學習者在課程學習過程中的行為數(shù)據(jù)被記錄，并存儲于混合數(shù)據(jù)庫系統(tǒng)中。其中結構化數(shù)據(jù)存儲于MySQL，而半結構化或非結構化數(shù)據(jù)存儲于HBase中，兩個數(shù)據(jù)庫通過建立有效的存儲中間件系統(tǒng)來統(tǒng)一管理。在學習過程中系統(tǒng)給予過程測試，一方面可以了解學習者的當前學習狀況，及時發(fā)現(xiàn)學習者存在的問題和不足，另一方面可以防止掛機等作弊行為的發(fā)生。在整個學習過程中，系統(tǒng)實時收集學習者的學習行為數(shù)據(jù)，隨后將其與系統(tǒng)預設的閾值進行對比，當學習者的行為數(shù)據(jù)超出閾值范圍時，系統(tǒng)及時給予相應的預警。討論互動是課程學習的一項重要活動，當遇到一些問題和疑惑，可以在協(xié)作小組內進行討論互動；如果小組內無法解決，將問題推薦到本課程討論群中。（3）課后階段首先，學習者要完成隨堂記錄卡的填寫，對本節(jié)課的學習收獲、目標完成狀況及存在的不足進行總結，隨后將這些數(shù)據(jù)與學習者的實際行為表現(xiàn)進行對比，測試其自我認知能力。接著，進行組內評價，即小組成員之間相互評價。隨后，進行章節(jié)測試，系統(tǒng)根據(jù)學習者的個性化學習目標、課前測試和過程測試狀況，遵循減少學習者負擔的原則，只考察尚未完全掌握的內容，并提供三次測試機會。章節(jié)測試的功能之一是檢驗學習者的目標達成情況；功能之二是與課前測試進行對比，找出知識增

量。期末測試則根據(jù)學習者的個性化學習目標進行全面考察。在章節(jié)測試結束之后，對課前測試、過程測試和章節(jié)測試的結果進行匯總，使用關聯(lián)分析方法對全體學習者的錯題集進行數(shù)據(jù)挖掘，找到潛在的知識關聯(lián)規(guī)則，并以此對學習者進行資源推薦。同時，一方面對小組討論情況、發(fā)帖量、回帖量等指標進行簡單統(tǒng)計分析，獲得學習者的課程參與度；另一方面使用社會網(wǎng)絡分析方法對學習過程中的交互關系進行分析，獲得學習者的人際核心度。在此過程中將學習者的各項成績、目標達成度、參與度、核心度、自我認知情況、組內評價、資源推薦等在儀表盤中以可視化的方式呈現(xiàn)給教師和學習者，教師綜合學習者在整個學習過程中的表現(xiàn)進行評價，然后將教師評價添加到儀表盤中并呈現(xiàn)給學習者。數(shù)字化學習發(fā)展性評價系統(tǒng)工作流程7/10/2019數(shù)字化學習的發(fā)展性評價系統(tǒng)的工作流程如圖所示。下面將結合學習者在課前、課中和課后三個階段的學習過程進行分析說明。系統(tǒng)工作流程(一)網(wǎng)絡學習行為系統(tǒng)的組成網(wǎng)絡學習行為系統(tǒng)由行為主體、行為客體、行為工具、行為主體所在的群體(團體)、群體內的組織規(guī)則和任務分工等要素組成?？珊喴貙⒐ぞ?、團體及其規(guī)則、任務分工等稱為行為環(huán)境。行為環(huán)境的意義是它構成了活動的物理基礎和描述參考———我們對行為的描述是基于特定環(huán)境的,比如說,某某學習者在某頁面中點擊了某欄目等等。網(wǎng)絡學習行為主體即是網(wǎng)絡學習者,其當前的學習起點、學習風格和人際交往特征是理解和設計學習者學習行為的初始要素。網(wǎng)絡學習行為客體指承載有教學信息的各種媒體及其組合,包括文本、圖片、音視頻和動畫等等。常見的網(wǎng)絡學習團體包括基于網(wǎng)絡的各種協(xié)作學習小組,如各種主題的學習共同體或學習社區(qū)。其團隊規(guī)則包括責任分工、交流規(guī)則、行為規(guī)則、評價規(guī)則、獎懲規(guī)則等;而網(wǎng)絡學習的工具也可以根據(jù)其性質分為效能工具、認知工具和交流工具三類。多維度的網(wǎng)絡學習行為模型7/10/2019從學習行為多樣性的角度,可以將網(wǎng)絡學習過程中學習者的網(wǎng)絡學習行為模型如圖所示：自解釋學習目標收集信息加工整理信息發(fā)布信息交流使用信息（問題解決）及其他學評價反饋調網(wǎng)絡學習行為多維度模型網(wǎng)絡學習交流行為:點對點地實時交流,如用

QQ、MSN等工具請教教師、專家等。:點對點地異步交流,如用

E-mail請教教師、專家、登錄教師、專家的

Blog等。:多對多地實時交流,如聊天室等。:多對多地異步交流,如BBS等。在網(wǎng)絡環(huán)境下的學習行為體系包括如下方面的內容：

(1)信息檢索學習行為(2)信息加工學習行為

(3)信息發(fā)布學習行為(4)人際溝通、交流的行為

(5)基于問題解決的學習行為項目咨詢內容—智慧教育行業(yè)矩陣

以個體年齡階段為橫軸，以在線教育和教育信息化為縱軸，圍繞學生、教師和教學管理三方面對教育行業(yè)作細分領域研究。通過探究各領域的發(fā)展現(xiàn)狀和“互聯(lián)網(wǎng)化”程度，尋找大數(shù)據(jù)在教育行業(yè)的應用現(xiàn)狀和發(fā)展?jié)摿ΑＴ诰€教育教育信息化學生教師教學管理學生教師教學管理0612182430年齡學前教育大數(shù)據(jù)市場潛力不高，無需關注高等教育學歷職業(yè)教育職業(yè)培訓大數(shù)據(jù)市場潛力優(yōu)秀，重點關注大數(shù)據(jù)市場潛力一般，適當關注K

12教育興趣培訓留學中介國際學校語言培訓學歷職業(yè)教育K

12輔導早教教育語言培訓高等教育項目咨詢內容—教育信息化趨勢研判K12階段小齡教育繼續(xù)教育高級教育涉外教育課外教育細分智慧教育市場特點教學形式發(fā)展趨勢教學性質目標人群相似之處早期教育學前教育K12教育K12輔導興趣教育語言培訓國際學校留學服務高等教育職業(yè)教育職稱培訓新而小熟而大成熟的存量市場公辦為主全為民辦集中于K12前集中于高校線上下融合目的性強K12階段輔導服務市場需求強烈成熟,存在風險教育機構教育服務商偏向理論

民營程度高培養(yǎng)技術型人才前景廣闊伴隨整個職業(yè)生涯天生適合在線教育都以民辦為主都對政策敏感伴隨一生的通用教育都是教育國際化的表現(xiàn)大數(shù)據(jù)應用都很全面都應用

教育信息化都應用線上教育項目咨詢內容—線上產(chǎn)業(yè)鏈（1/2）智慧教育線上產(chǎn)業(yè)鏈條流程圖：教育資源平臺教育管理平臺

O2O平臺學習交流平臺其他平臺平臺服務商1243網(wǎng)絡運營商

終端提供商

網(wǎng)絡支付平臺渠道服務商技術服務商平臺技術服務商應用產(chǎn)品提供商語音識別技術商大數(shù)據(jù)技術商

其他技術服務商內容提供商教學機構（民辦）學校（公辦）5學生家長用戶線上產(chǎn)業(yè)鏈條項目咨詢內容—線上產(chǎn)業(yè)鏈（2/2）智慧教育線上產(chǎn)業(yè)鏈條中重點關注節(jié)點分析：技術服務商內容提供商平臺服務商產(chǎn)業(yè)鏈角色平臺服務商位于產(chǎn)業(yè)鏈中游，

連接技術服務商和內容服務商，是各類教育應用產(chǎn)品的接口，

也是直接面對用戶的入口。平臺本質平臺服務商本質上是技術服務商和內容提供商融合的產(chǎn)物，可由技術服務商搭建，由內容提供商提供內容，也可由內容服務商自行搭建。平臺作用線上教育的發(fā)展主要集中于教育應用產(chǎn)品的開發(fā)和完善，而一個大而全的平臺將是用戶接觸產(chǎn)品的主要入口，未來平臺服務商將是線上產(chǎn)業(yè)鏈建設的重點。技術服務商位于渠道服務商下游，是平臺提供商和內容服務商互聯(lián)網(wǎng)教育運營的基礎。內容提供商位于產(chǎn)業(yè)鏈下游，是整個產(chǎn)業(yè)鏈的核心，也是盈利主導者。智慧教育線下產(chǎn)業(yè)鏈條流程圖及具體分析：內容輔助商

內容提供商技術服務商銷售渠道用戶處于產(chǎn)業(yè)鏈上游，從內容和技術角度為線下教育提供基礎支撐內容輔助商提供課本、教輔資料等教學用具，準入壁壘較高，競爭激烈程度一般，議價能力低技術服務商主要提供應用產(chǎn)品服務（包括硬件軟件）、平臺技術服務等位于產(chǎn)業(yè)鏈末端，包括學生和家長位于產(chǎn)業(yè)鏈下游，存在于語言培訓、職稱培訓等部分教育領域。渠道影響主因：教育內容是否差異化

內容提供商是否具有足夠的吸引力營銷費用的多少位于產(chǎn)業(yè)鏈中游，整個產(chǎn)業(yè)鏈的核心和盈利主導者以公辦學校為主，民辦培訓機構為輔議價能力取決于手中教育資源及政策開放度項目咨詢內容—線下產(chǎn)業(yè)鏈項目咨詢內容—行業(yè)競合分析整個行業(yè)缺乏有影響的大數(shù)據(jù)實踐案例，普遍對價值認可不足缺乏有影響案例的情況下，大數(shù)據(jù)定價缺乏依據(jù)和標準大數(shù)據(jù)價值尚未體現(xiàn)教育業(yè)務具有異常的復雜性和獨特性，目前大多數(shù)產(chǎn)品僅靠IT思路構建教育數(shù)據(jù)庫，在數(shù)據(jù)源選擇和指標、權重設計方面往往脫離實際數(shù)據(jù)模型的科學性不足教育數(shù)據(jù)的歸屬權、開放范圍、開放方式、隱私保護等還無清晰界定在提供教育數(shù)據(jù)產(chǎn)品與服務中，往往存在極大的政策風險數(shù)據(jù)的權利制度未明確主要以考量測評類產(chǎn)品為主，重點聚焦于如何“提分”盲目跟風現(xiàn)象嚴重，產(chǎn)品同質化且差異不大產(chǎn)品同質化嚴重目前的產(chǎn)品多集中在關系維系端和數(shù)據(jù)存儲端，缺乏深度數(shù)據(jù)分析教育行業(yè)數(shù)據(jù)半結構化、非結構化突出，在分析端技術整體不成熟分析端是整體短板行業(yè)正在重走教育信息化早期發(fā)展階段的

“老路”，盲目混亂發(fā)展專門針對教育大數(shù)據(jù)的標準制定工作還未正式啟動缺乏統(tǒng)一的行業(yè)標準164325大數(shù)據(jù)是智慧教育行業(yè)躍遷的新變量，但目前也面臨著諸多挑戰(zhàn)：項目咨詢內容—大數(shù)據(jù)應用場景設計政府部門學生技術服務商教師教學管理平臺服務商目錄教育大數(shù)據(jù)現(xiàn)狀及需求教育大數(shù)據(jù)分析方法教育大數(shù)據(jù)分析結果項目建設結果—目標市場分析

基于智慧教育行業(yè)現(xiàn)狀與發(fā)展趨勢分析與產(chǎn)業(yè)鏈調研，對教育行業(yè)各細分領域的大數(shù)據(jù)價值做出思考與判斷、并在智慧教育領域做出從預測、聚類、相關性挖掘、判斷等大數(shù)據(jù)應用模式的市場分析。項目建設結果—云公司解決方案

在明確目標市場、明晰大數(shù)據(jù)應用場景、剖析過往成功案例的基礎上，探索云公司應如何進入教育行業(yè)，包括目標市場、產(chǎn)業(yè)鏈角色、產(chǎn)品設計、資源能力建設和進入途徑，形成系統(tǒng)化的解決方案。目標市場教育細分領域產(chǎn)業(yè)鏈目標目標客戶大數(shù)據(jù)技術

服務商語言培訓職業(yè)培訓K12輔導K12教育教育管理部門需要大數(shù)據(jù)分析服務的中小教育機構大數(shù)據(jù)實力較差的大型教育機構及教育服務商平臺服務商內容提供商技術服務商商業(yè)模式定位于技術服務商——大數(shù)據(jù)技術服務商，短期內發(fā)展大數(shù)據(jù)分析服務和大數(shù)據(jù)精準營銷服務，長期來看應打造教育大數(shù)據(jù)平臺供各方使用，實現(xiàn)大數(shù)據(jù)對教育的變革，最終實現(xiàn)“因材施教”。產(chǎn)業(yè)鏈角色云通過數(shù)據(jù)運運營描繪用戶畫像，從而實現(xiàn)精準營銷高等教育、職業(yè)培訓、在線教育等宏觀報告利用平安通類產(chǎn)品發(fā)展家校安全部分自有數(shù)據(jù)源可用作師生匹配項目建設結果—數(shù)據(jù)來源應用從數(shù)據(jù)源