高等教育统计数据分析

2022-11-18

第一篇：高等教育统计数据分析

教育大数据分析领域竞品分析

互联网教育大数据分析领域竞争产品分析报告

中国的教育永远没有解决学生如何独立思考、自由精神和人格平等的问题，永远没有让学生提出疑问、不找标准答案，没有解决如何锻炼他们的创造能力的问题。——俞敏洪

【中国互联网教育整体趋势】

纵观中国教育互联网产业，截止到2015年11月31日，通过数据显示，记录在案的互联网教育公司共有1487家，在整体互联网企业中占比约7%，比例在其他诸行业中较为靠前。在细分方向上，在线教育创业的四大龙头分别K

12、儿童早教、职业教育、语言学习，它们总共囊括65%互联网教育市场份额。这个行业的创业在产品模式和参与者背景上都出现了一些新变化，家教O2O在创业项目中变着越来越频繁。数据显示教育+O2O项目中，有超过60%的产品都2014年之后才成立的，而且在2015年的上半年又一波较为集中的获投热潮。越来越多传统教育的从业者甚至是传统教育机构的创办者，也出现在了互联网教育的创业市场中，比较典型的有疯狂老师、轻轻家教、跟谁学等。其中很多公司都获得了投融资的支持：

对于互联网教育，BAT在2015年都有不同程度的加码布局。百度在今年上半年最主要的动作，是在今年6月时拆分旗下的作业帮，成立独立新公司——小船出海教育科技(北京)有限公司，并且在9月时引入红杉和君联资本的投资。这是百度对自身业务的又一次“精兵简政”，也是百度“航母计划”的试水和实践，有助于进一步提升和完善百度在O2O和K12教育上的市场布局。阿里巴巴在今年5月份把淘宝同学升级为淘宝教育，并表示将展开更多与线下教育机构的合作，帮助优质的线下机构向线上机构转型。而在就在刚刚过去的一周，阿里还推出了在线直播客产品，并针对农村等教育资源匮乏地区，联合第三方服务商筹备建立云识别技术平台，打造K12在线教育内容库，建设乡村的云端课堂。腾讯在今年除了进一步发展自身的腾讯课堂业务之外，也对在线教育的创业公司(疯狂老师和易题库)进行了金额不低的投资，从家教O2O和K12智能题库两个细分领域进行布局。

【中国互联网教育“教育大数据分析”行业趋势】

在通过对中国互联网教育的整体趋势分析中，我们可看出在线教育创业的四大龙头分别为K

12、儿童早教、职业教育、语言学习，而在我们将“教育大数据分析”应用深入的12K教育当中，真正涉及到“大数据分析”的公司确是屈指可数。

“中国教育大数据研究院”2015年9月19日成立。我国已有不少学校和机构开始了数据挖掘的探索，但仍处于实验阶段，并且多数只应用于本校学生不对外互联。

另外，通过对互联网产品知名门户网站“36氪”、“虎嗅”、“人人都是产品经理”“品图网”等的搜索发现，现国内知名度较大的一家互联网教育企业“深圳远景同程”，拥有 “阅卷易” 与 “码上学” 两大在线教育平台，功能包括：

1) “阅卷易”，主要服务于一线的初中教师，为其提供智能组卷、联考和混考阅卷、作业布置、统计分析等服务; 2) “码上学”，App 是与 “阅卷易” 相配合的初中学生客户端，拥有测练诊断报告、个性化分层作业、智能错题本、同城名校名卷、巩固练习等功能。

这两个平台的主要作用是为教师减轻教学负担、收集数据进行教学参考;为学生和家长提供常态化、贯穿学业全过程的考试和练习评价系统，提供符合学生实际能力的个性化学习方案。

除“深圳远景同程”外，更多的互联网教育公司并没有涉足“教育大数据分析”行列，当然也不排除仍有很多处在理论实践阶段中的小型创业公司。所以，目前看来“教育大数据分析”拥有巨大的市场空间，而我们也具备了厚积薄发的能力。

【我们在“教育大数据分析”中的行业优势】

在“教育大数据分析”工作中，我们已积累了多年的实践经验

1) 核心技术已攻克并在实践中得以验证。

2) 对教育理念深刻理解，熟识整个教学、教务流程。

3) 初步建立了科学的，得到教育权威机构认同的评测数学模型。 4) 稳定团结，精干的研发团队。

【总结】中国互联网教育中针对12K教育的产品主要集中在在线教育、多媒体教学等。而这样的“互联网+教育”模式，并不能从根本上解决教学中的痛点。在所有的教育公司中，我觉得都犯了一个比较严重的错误，忘了一个核心点，也就是学习本身这件事情，永远是一个苦差事，它不是一件好玩的事情。老师、家长和学生心目中大部分人考虑的，不是线上还是线下，也不是时尚还是不时尚，他们考虑的是，无论线上线下，最终的学习要求到底有没有达到。“教育大数据分析”将致力于运用科学的手段减轻老师教学负担，减轻学生课业负担。让学生在学习成绩逐步提升的过程中能够轻松学、愉快学。

第二篇：高校教育大数据的分析挖掘与利用

摘要,本文从高校教育大数据的汇聚融合与挖掘应用的角度,分析了如何运用教育大数据技术推动大学管理和人才培养的创新改革的思路和方法。首先,分析了教育大数据对高校现代化、精细化、规范化管理的4个价值,其次,给出了高等教育大数据技术平台的基本技术架构,第三,结合教育大数据实际应用,介绍了陕西省高等教育质量监管大数据中心、MOOC中国、西安交通大学教学质量综合监控与评价三个典型案例,最后,提出了教育大数据分析挖掘中的3项基础性关键技术

关键词,高等教育,大数据,分析,挖掘

一、教育大数据分析挖掘的价值

高校大数据分析挖掘至少有四个典型价值, 一是使得大学的管理更加精准高效,可以朝着智慧治理、分类管理、过程监控、趋势预测、风险预警的方向发展,真正实现基于大数据分析规律的精准治理,改变管理的模糊性, 二是可以更加准确地分析评价课堂教学的质量,过去我们对课堂、对老师的评价是定性和模糊的,而在大数据智慧课堂的模式下,可以真正实现采集样本的持久化,采集方式

的多元化,挖掘手段的多样化,分析技术多维度,通过这些方式可以提高课堂教学的质量, 三是使得教和学更加智慧,更加有效。对学生来说,老师可以了解学生学习的进展情况,发现学习兴趣点,以及对老师讲的哪些内容理解或者不理解,学习路径分析及课程推荐等等。对教师而言,不仅可以跨校跨地域分享他人的优秀课程,而且可以对学习者进行精准分类,进行个性化指导, 四是资源服务的个性化、精准化推荐与服务,学习绩效的个性化评价,以及个性化教学管理,个性化手机内容推送等等,这些功能将有效提升教与学的效率和质量

二、教育大数据技术平台的总体设计

首先,我们对高等教育大数据技术平台有一个总体的顶层设计,如图1所示。这不仅是学校自己要有一个大数据的管理平台或者是数据中心,而且也是面向区域乃至全国的平台。教育部评估中心正在努力建立国家级高等教育教学质量监控大数据中心,陕西省也是这样考虑的。数据来自高校、教育管理部门以及行业、第三方、企业用人单位等等各方面采集的数据,该数据平台既有大学的业务数据、课程资源,也有政府部门的统计数据,还有学生网上学习的日志数据,用户产生的UGC数据,比如微信、微博、论坛等等的数据,基于大数据平台,开展面向学习者、面向高等教育管理机构、教师、高校等提供服务,并和教育部评估中心、主管部门等

进行数据交换与对接

显然,这样一个大数据平台必须是一个高性能的计算平台,没有这样的基础设施一切无从谈起,所以去年我们学校花了很大的力气做了两件事,一个是把校内二级单位原来小的集群计算进行整合,形成学校统一的高性能云计算平台,既面向校内的科学研究、人才培养提供服务,其实也可以为社会提供合作共建共享模式。目前,我们已建立了一种自我造血机制,四两拨千斤,以这个平台吸引更多的外部资源,努力扩展平台的性能和应用

三、教育大数据分析挖掘的典型应用案例

目前,我校的高性能平台除了应用于材料、航天、能动、信息等大型科学计算之外,还开展了以下三项典型的大数据应用

案例1,陕西省高等教育质量监控与评估大数据应用

图2所示的是陕西省高等教育的整体架构。其数据基础是来自陕西省100多所高校的各种办学状态数据,有将近700个表格,以及陕西省教育厅各个职能部处的各种各样的管理数据,此外还有行业第三方提供的数据,包括招生、就业数据等等,这个平台上我们开展预测预警、查询在线分析、信息发布、统计决策等等,主要是为省级教育管理部门、评估机构、教育管理机构提供各种各样的办学状况的分析、统计、关联分析

建设全省高等教育大数据服务平台,实时采集各高校的办学状态数据,其根本目的是为了汇聚全省各高校的办学状态数据,打破数据孤岛,融合各方数据,实现横向关联比较、纵向历史分析,提供精准服务,支持科学决策

首先,该平台面向省教育厅提供了11项功能,从根本上解决了原来各处室间的数据孤岛的问题,实现了数据融合,横向关联,纵向融通,这个数据和各个高校是实时融通的,为省教育厅领导和职能部处提供了领导仪表盘、各职能处室的专项服务、81张高基表及年报年鉴表格的自动生成、绩效分析、招生就业及办学指标计算、教育评估等功能,从根本上解决了数据碎片化及其治理问题

其次,面向全省高校辅助决策,为高校领导以及校内各个职能部处提供了系列功能,包括办学情况综合分析和在线查询,专业结构分析比较,校级的教学质量监控评测体系,教师管理等等,这些功能非常实用,这是大学实现精细化、规范化、现代化管理的必备基础。以我校为例,我们过去教师的数据可能在人事处、教务处、科研院等学校的职能部门,采取本平台以后,把教师有关的所有数据都进行了融合,打通了所有原来割裂的数据。从去年开始,我们学校的职称评聘,年度考核全部基于这一平台,全部在大数据里,建立健全了基于数据驱动的精准化服务,解决了数据碎片化历史遗留问题,实现了从管理信息化向服务信息化的根本转变

第三,为本科教育教学评估及专业认证提供技术支撑。鉴于本平台能提供比较全面的高校办学状态数据,便于专家在进校之前全面系统地掌握学校办学的情况,找到问题,精准查看验证,提高效率,给高等教育评估提供了重要支持。基于本平台,我们成立了中国西部高等教育评估中心,接受陕西省教育厅指派的省属本科高校的审核评估和专业论证。如果没有这一高等教育大数据平台的支撑,工作量和难度是极其巨大的,甚至难以实现

案例2,MOOC中国技术平台

MOOC中国成立于2015年1月,到目前为止已经有121所高校加入,理事单位40家,会员单位80家。该平台的宗旨是,做政府想做的,做社会愿意做的,做单一高校做不了的事情。例如,真正解决校际资源共享、学分互认等,开拓远程教育国际化等未来发展的难题。图3给出了MOOC中国的技术框架。其核心是互联网+教育,实现互联网教育从1.0到2.0的升级。基于这一平台,既要开展网络教育业务的国际化,比如我们牵头成立的“丝路大学联盟”,其目的之一是借助MOOC中国平台,实现网络教育业务的国际化,通过MOOC中国平台,面向“一带一路”国家开展开放教育和技能培训

到目前为止,MOOC中国已经有了9911门课程,用户将近600万,其中光IT培训的有500多万,学历教育在读

学生50多万

案例3,西安交大教育教学大数据分析挖掘与应用

学校非常重视教育信息化技术融入和应用到教育教学之中,去年一次性建成了80个智能教室,把物联网技术、云计算技术应用于智能教室和教学一线,基于物联网技术实现教室设备的集中管理、智能控制,同时,将互联网技术深度融入到教室的管理当中,除了多媒体的直播录制功能以外,还提供了学生考勤和专家的精准督导,通过云平台来集中管理各个教室,比如说开投影机、关电源、关多媒体设备等等,都可以通过后端的云平台集中管控,真正实现教室管理的数字化、智能化、精细化,提升了教学保障的能力,也大大提高了教室管理的效率。更重要的是,这些教学的过程数据可以全程采集下来,获得数据,有了这些数据,就可以做精准化分析服务,建立西安交大教学质量大数据监测中心目前,我校的教学大数据主要包括两大部分,一是教师在授课过程中的全程录制的课堂实况,二是学生在学习过程中产生的大量日志数据。基于这个平台,我们可以开展教育教学的大数据关联分析,开展课堂教学质量的综合评价,实现正面激励、负面惩戒、精准督导,实现教学评价从模糊宏观到量化精准、从每学期制到持续常态、从部分随机到全面覆盖、从事后评价到实时动态的根本转变。通过评价激励老师敬畏课堂,评选精品课堂、示范课堂,在全校内进行正面

表彰,另外也作为教学质量评价的重要依据,包括教师的职称晋升,评选最喜爱的老师等等

此外,本系统还为学院领导和管理部门提供了针对性的信息服务与决策支持,以数据说话,量化分析,改变了以前我们的模糊评价,采取多维度、全覆盖、持续化、精细化的过程评价与监控

四、教育大数据分析挖掘的若干关键技术

首先,介绍一下大数据人工智能的基本原理。前段时间,AlphaGo战胜世界围棋冠军这一故事炒得很热。这对我们的教育科研工作者提出了一个重要的课题,到底人工智能会不会战胜人类的智能,将来教师存在的主要价值是否还有必要,863计划正在研究一个项目,到2020年,人工智能软件参加高考得分要超过一本线,这就是说,计算机教出来的机器软件参加高考都能达到一本线以上。这就引起我们的思考,这是一个深层次的方向性问题。当然我们今天不是谈这个问题,而是我们要看看AlphaGO的原理,其核心是价值计算函数,用收益函数来判断围棋下一步该落子到哪里其收益是最大的,其中采用了人工智能深度学习方法。AlphaGO并非天生聪明,其实他的智慧是分三步完成的, 第一步,给AlphaGO输入了3000万个人类围棋高手的棋谱和走法,任何一个人是不可能记住3000万个棋局的,只有人工智能才能记住第二步,AlphaGO自己和自己对弈,在对弈过程中找到自己的薄弱点,进而改进和完善,这其实和人的学习原理类似

第三步,才是人机对弈,从职业选手到世界围棋冠军,通过这样不断的对弈完善算法,校正学习,使得AlphaGO具有强大的智能计算能力。AlphaGO的难点在哪,其关键在于在一个巨大的落子空间选一个最大的收益点,或者落子点,称之为MovePicker,,函数,这个空间很大,有10170次方,在如此庞大的计算空间中选择最优函数,只能依靠高性能计算平台

AlphaGo为我们研究大数据问题提供了思路和启发。我们在研究教育大数据问题中需要着力攻克以下理论与技术难题

第一,大数据造成了严重的认知碎片化问题。比如,大家在百度搜糖尿病会检索出4440万个数据源,谁也看不过来,并且里面还有一大堆真假难辩的数据。所以,碎片化知识的聚合是一个非常基础的难题,高度的碎片化降低了知识的可用性,造成了分布性、动态化、低质化、无序化等典型的问题

一方面是知识的碎片化,另一方面是每个人的兴趣和需求还不一样。所以,资源的碎片化整合以及个性化推荐是今后人工智能中的关键问题。我们的思路是,一方面,我们要

从资源的角度把无序、分散、低质的资源进一步重组以后形成知识点,形成有序的知识地图,另一方面,要对学习过程进行跟踪,实现兴趣、个性、情感等方面的动态分析与挖掘,两者结合起来,建立基于用户兴趣和个性的资源推荐,最后实现个性化精准过滤,通过知识地图面向用户提供导航学习,从而缓碎片化知识的问题。开展这一研究也要建立庞大的基础数据,就像刚才讲的AlphaGO,光靠智能软件肯定不可能那么聪明,需要建立庞大的知识地图、知识图谱,并将其放到了国际开源社区和开放数据平台之上第二,碎片化知识的聚合问题。其目的是解决“既见树木,又见森林”的问题,破解“学习迷航”、“认知过载”的问题。我们正在承担国家自然科学基金重点项目,研究如何将多源、片面、无序的碎片化知识聚合成符合人类认知的知识森林,找出主题与主题之间的认知关系,最后形成一个知识森林,其中需要解决主题分面树的生成、碎片化知识的装配、知识森林生成、学习路径选择与导航等有关知识地图、知识图谱构建与应用等许多基础性关键技术

第三,学习行为的分析和挖掘技术。网上学习最大的好处我们可以把教师和学生所有的教与学的行为记录下来,讨论、作业、习题、笔记及进度记录下来,有了这些数据,我们可以进行后续分析,开展学习行为的特征识别和规律发现等等,既可以跟踪挖掘某个个体的学习规律,也可以找出一

个群体、一个小组的特征和规律。针对不同的课程,开展课程点击率、学习人群、知识关注点、学习时间等的分析与跟踪,刻画一个学生学习的过程,从时间、空间和课程知识导航的角度,甚至围绕某个知识点,研究学习者的特征、行为、交互等相互之间的关系,为老师深化课程改革、探索以学生为中心的教学设计具有非常重要的意义

教育是全人类、全社会发展的基础性事业,随着互联网+技术全面渗透和深度融入教育教学,不仅产生了大量的课程资源和学习内容,而且还产生了巨量的教育教学管理数据、行为数据、服务数据,蕴藏着巨大的价值,亟需我们开展深入研究,可谓前景广阔,挑战巨大，

,编辑,王晓明,

第三篇：我国学前教育研究论文统计分析

我国学前教育研究论文统计分析——基于CSSCI的数据分析

一、引言

伴随着知识经济时代的到来，21世纪社会经济发展的水平和质量，将取决于人对知识的获取能力、积累能力、运作能力和创新能力。在这一过程中，教育是知识生产、积累和应用的主要手段。幼儿教育不仅是个体终身发展的关键，亦是一切教育的基础。[1]学前教育在世界范围内受到了普遍关注。我国政府正在实施“科教兴国”的战略，作为国家教育体系之基础的学前教育理应受到重视和优先发展。但事实上，在社会上和教育领域中均存在着严重忽视学前教育发展的现象。[2]

本文以CSSCI(2001—2005)为数据源，以第一分类号“G61”(学前教育、幼儿教育)在CSSCI(2001—2005)中进行模糊检索，共检索到学前教育专题论文954篇，然后对这些文章的分布期刊、论文著者及机构、文献引文进行分析;以被引期刊名为《学前教育研究》在CSSCI(2001—2005)中进行精确检索，共被引113篇次，然后对引用《学前教育研究》杂志的期刊及论文进行了分析。

二、学前教育专题论文发表情况

(一)论文发表年代分布

对某一学科、专题论文发表年代的统计分析可以从时间上了解该专题研究的发展历程。[3]CSSCI(2001—2005)共收录“学前教育”专题论文954篇，占该时间段教育类论文36597篇的2.6%，可见该专题论文只占教育类论文的极小比例。相比之下，CSSCI(2001—2005)共收录“高等教育”专题论文9210篇，占该时间段教育类论文25.2%。

对表1数据和CSSCI(2001—2005)来源期刊的具体情况进行分析，我们可以看出：2001—2003年学前教育专题论文明显多于2004—2005年。这是由于CSSCI(2001—2003)收录了学前教育领域的专业学术期刊——《学前教育研究》，2004—2005年则没有收录该专业期刊，2001—2003年除去该刊的发文数，其他教育类期刊发表学前教育专题的论文数分别为：54，67，57，与2004—2005年的发文情况基本持平，在CSSCI(2004-2005)数据中即反映为学前教育研究专题论文的大幅减少。这一现象说明，在学前教育研究领域，像《学前教育研究》这样的专业杂志起着非常重要的作用，不收录这样的专业期刊将不利于学前教育领域研究的发展。

(二)论文期刊分布

对期刊所载论文进行统计分析，有助于确定论文的期刊分布规律，了解学科发展动向。对CSSCI(2001-2005)中的954篇学前教育论文进行统计，可以发现：这些论文分布于46种期刊中，按照发文量递减排序，可以得到表2 CSSCI(2001—2005)年收录的学前教育专题论文的期刊分布。

从该表所列各期刊的发文情况来看，可以较为明显地将这些期刊分为四类：一是学前教育研究领域的专业期刊——《学前教育研究》，该刊为CSSCI(2001—2003)来源期刊，以三年共发表673篇论文高居榜首;二是《上海教育科研》《教育评论》《教育发展研究》等教育学综合期刊，这些期刊对学前教育专题论文各年均有反映，但并不构成这些刊物关注的重点，只是对学前教育表示一般性关注;三是综合性社会科学期刊以及师范类高校学报，这些期刊虽然对学前教育有所关注，但是发文较少，也比较分散;四是其他专业期刊，如《社会学研究》《战略与管理》《求是》等，对学前教育有零星反映。这充分说明对学前教育的关注主要限于学前教育专业内部。

(三) 著者分析

1. 核心著者。

在所统计的954篇学前教育专题论文中，共有作者(包括合著者)983人，其发文情况如表3 所示。

从表3可以看出，研究学前教育的学者较多，但是核心著者较少，发文仅有1篇的著者有832人，占总著者数的84.6%。这反映出该学科领域内的研究不是很成熟，稳定的核心著者群人数较少，发文量也不是很高，这是造成学前教育专题论文整体发文数量偏低的重要原因;另外，从表中《学前教育研究》杂志的收录情况来看，研究学前教育的学者将大多的研究成果都发表在该刊上，有4位核心著者甚至没有在其他刊物上发表该领域的论文，这一方面说明学前教育研究领域内的学者对《学前教育研究》专业期刊的认可和信赖，另一方面，也可以推知，CSSCI不再收录这样的专业期刊在一定程度上会逐渐埋没这些学者的研究成果，对学前教育的整体发展产生长远的不利影响。

2. 合著情况分析。

期刊论文作者的合作规模是科研劳动组织规模在期刊论文中的真实体现，通常用篇均论文作者数，即合作度指标来考察和评价。[4]合著率是指在一定的论文集合中合著论文与单作者论文的比例。[5]目前，国内外学者分析论文合著率有两种方法：一是一类期刊在一定时期内每篇论文的平均作者数;二是一类期刊在一定时域内多著者论文数与总论文数之比。[6]

在所统计的2001-2005年954篇学前教育专题论文中，共有作者1236人次，按照合著率的第一种定义，平均每篇论文有1.30个作者。按照第二种定义计算出的合著率为41.09%(见表4)。从这一数据可以看出，虽然学前教育研究领域内论文的合著情况较好，但仍以个人智力及小型课题合作研究为主。

(四)发文作者机构分析

按机构性质不同将论文作者的机构分为高校及各类进修培训学校、研究所及专业研究会、幼儿园及学校、杂志社、医院、政府部门等进行统计。从表5可以看出，高校及各类进修培训学校参与研究的作者数最多，达641人次，占51.94%;幼儿园以参与研究的392人次紧随其后，占总人次的31.77%。可见在我国学前教育领域，教育研究及教学实践机构是研究主体，同时专业研究学会和政府机构的参与也使得学前教育研究变得多元化。

三、引文分析

(一)高被引文献分析

除了根据期刊、著者以及机构分布评价学前教育研究实力和学术影响之外，还可以借助CSSCI的数据资料分析单篇论文或著作的学术影响。一般说来，在本学科领域被多次引用、长期评析的著述，往往学术影响较大，生命力较强。

表6 列出了学前教育专题论文经常引用的文献，基本反映了学前教育领域的经典著作。不难发现高被引的文献全部为书籍，期刊文献未能进入视野。可见学前教育类文献对期刊论文的引用不够，没有形成相对集中的经典论文集。

(二)《学前教育研究》杂志2001-2005年被引情况分析

一般说来，一种期刊论文被引用的次数越多，说明它在信息交流中越活跃，在本学科领域中的地位越重要，这也是目前国内外鉴定核心期刊最重要的指标之一。2001—2005年，《学前教育研究》杂志在CSSCI数据库中共被引113篇次(如表7所示)，其中《学前教育研究》杂志在2001—2003年自引52篇次，自引率为46.02%，这一方面反映出《学前教育研究》杂志在学前教育研究领域的专业性和系统性，也反映出这一领域的科研人员及其研究具有延续性和连贯性。另一方面，这一较高的自引率也证实学前教育领域的研究成果在教育类其他刊物上发文较少，由此可以推知，在CSSCI数据库中去掉《学前教育研究》这类杂志，必然会使学前教育这种专业深度较强、受众较窄的小学科受到很大的影响，这也就提醒我们在CSSCI的选刊过程中应该对小学科有适当的倾斜和照顾，否则会失去这些方面的深入研究。

(三)引用《学前教育研究》杂志论文的学科分布

当代学科发展之间的相互交叉与渗透增强，这在不同学科论文的互相引用上体现得尤为明显，研究引文的学科分布就是透视这种亲缘关系的科学方法。通过调查某刊论文被引的期刊分布情况，可以看出该刊的载文被引所涉及的学科范围、该刊的读者群及影响范围。[7]

表8列出了引用《学前教育研究》杂志论文的学科分布情况，从中可以得出如下结论：第一，教育学领域论文对《学前教育研究》杂志的利用占了该刊被引的绝大多数，说明学前教育与大教育学息息相关。对于教育来说，抽象的理论只能在生动的实践中存活。[8]第二，学前教育领域论文对《学前教育研究》杂志的利用遥遥领先，说明《学前教育研究》杂志是该领域重要的专业期刊，从目前《学前教育研究》被利用的情况来看，该刊渗透广泛，如研究儿童心理及儿童行为的心理学论文对该刊的引用也较为突出，凸现了心理学与学前教育学相互交叉的特点。CSSCI数据库应该给《学前教育研究》这种小学科的专业期刊提供一席之地，以促进学前教育专业研究的成熟与发展。

四、结束语

本研究针对目前学前教育研究的现状，对学前教育专题论文的发表年代、期刊分布、著者、机构等进行了粗浅的分析，从中可以看到，学前教育随着我国“科教兴国”战略的实施，越来越受到重视，学科影响越来越大，并且与其他学科的渗透交融越来越清晰;同时也可以发现，学前教育学是一个小学科，其研究人员相对较少但很稳定，CSSCI数据库中如果没有这方面的期刊，这一领域的发展状况将不能及时被反映，不仅不利于这种小学科及其事业的发展与对外交流，而且不利于国家完整的教育学科与教育系统的发展。如何扶持这类小学科的专业期刊，需要引起大家的重视与深思。参考文献：

[1] 智学.追求高品质的学前教育.河北师范大学学报 ( 教育科学版 ).2003，(3)

[2] 庞丽娟.论学前教育的价值.学前教育研究.，2003，(1)

[3] 王克平,梁战平,李勇,王立学,孙玉伟,王志玲.我国竞争情报研究论文的统计分析.情报学报.，2006，(3)

[4] 钟旭.中国社会科学期刊论文合著率指标现状及发展趋势研究.情报学报.，2000，(3)

[5] 吴潇.竞争情报论文定量分析及趋势预测一中国期刊网 1994 — 2000 年竞争情报论文分析.情报理论与实践，2002，(6)

[6] 邢志强.《统计研究》论文的作者、合著及引文分析.统计研究.，2001，(6) [7] 于进伟.《现代情报》载文被引定量分析.现代情报，2006，(5) [8] 皮军功.卷首语.学前教育研究.，2005，(10)

第四篇：大数据及其关键技术的教育应用实证分析

中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

大数据及其关键技术的教育应用实证分析

胡水星

【论文摘要】大数据作为信息技术发展的新趋势，已经渗透到各行各业，成为重要的生成因素。在数据分析驱动教育，变革教学的大数据时代，教育领域同样蕴藏着具有广泛应用价值的海量数据，在对教育数据挖掘和学习分析技术等教育大数据关键技术分析的基础上，结合共词分析和教育博客等社会化网络教育数据，构建教育领域的相关学习分析和数据挖掘模型，探索教育变量之间的相关关系，实践大数据的教育应用，为教育教学提供有效的决策支持服务，促进教育教学的变革与创新。

【论文关键词】大数据;学习分析;数据挖掘;共词分析;社会网络分析

大数据作为信息技术发展的新趋势，已经渗透到各行各业，成为重要的驱动因素，并掀起行业变革的巨浪。随着我国教育信息化水平的不断提升，越来越多的学习管理系统在教育领域中被应用，数据化的学习信息和学生信息逐渐增多，教育数据的海量增长，导致在教育管理、教育服务、教学研究、教育评价等领域也面临大数据问题，教育大数据时代已经悄然来临。"教育信息量的爆炸式增长以及相关数据处理技术的创新发展成为人们新的视野焦点，如何利用与分析这些数据信息，不仅影响着信息交流、知识传递和学习效果，更在一定程度上影响着教学决策制定和学习模式优化，已经成为目前教育工作者和学习者一致关注的方面。"[1]

在数据分析驱动教育，变革教学的大数据时代，教育领域同样蕴藏着具有广泛应用价值的海量数据，利用教育数据挖掘和学习分析技术，构建教育领域的相关模型，探索教育变量之间的相关关系，为教育教学决策提供有效的支持将成为未来教育的发展趋势。

一、大数据及教育大数据关键技术

计算机技术、移动通信技术、互联网技术，再到大数据技术的登台亮相，不中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

仅体现着信息技术的深入与发展，更体现着大数据时代的到来;大数据技术在教育领域的广泛应用引起了教育变革，推动了教育发展，学习分析实现了教育的探索性分析，数据挖掘实现了教育管理与决策的制定。学习分析和数据挖掘这两大大数据关键技术在教育领域的深入应用，为教育教学带来了新的机遇。

(一)大数据 2012年，

联

合

国发布

了

大

数据白

皮

书"BigforDevelopment:Challenges&OpportunUies"，明确提出大数据时代已经到来。[2]大数据作为信息技术发展的新趋势，具有海量的数据规模(Volume)、快速的数据流转(Velocity)、多样的数据类型(Variety)和巨大的数据价值(Value)4V特性。[3]大数据是一种价值观、方法论……是一场思维的大变革，已经渗透到各行各业，成为重要的一种生成因素，并掀起了变革的浪潮。[4]通过对海量数据的分析挖掘，以一种前所未有的方式获得巨大的产品服务、深刻的真知灼见，为我们理解生活以及认识世界提供了一种全新的思维方式，实现思维的三大转变：一是不再依赖于小样本数据，而是与现象相关的所有数据;二是不再热衷于追求微观层面的精确，而是宏观层面的洞察力;三是从传统的因果关系追求中解脱出来，关注相关关系的发现和应用。[5]

大数据借助无所不在的传感设备和计算能力，对现实世界、虚拟世界以及虚实融合世界的复杂网络数据进行解析和挖掘，实现行为判断和决策。随着教育领域各种学习管理系统、课程管理系统、网络互动平台的应用，各种学习行为、学习状态等教育数据将海量增长，教育大数据时代已经悄然来临。大数据使得教育信息成为可捕捉、可量化、可传递的数字存在，大数据使得教育过程性考察成为可能，更能透过真实的数据发现教与学的关系，教育正悄悄地发生着一场革命。[6]

(2)教育大数据关键技术

近年来，随着大数据的推进与发展，教育大数据处理与分析已经成为推动教育改革与发展的驱动力，引起了各国政府和教育行政部门的高度重视。2012年10月美国教育部发布了《通过教育数据挖掘和学习分析促进教与学》中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

(EnhancingTeachingandLearningthroughEducationalDataMiningandLearningAnalytics)报告。[7]力图通过教育大数据分析挖掘，促进"大数据"教育应用，从而为教育发展抢得先机。

大数据为海量教育数据的存取提供了技术基础，但原始的教育数据只是教育大数据的基础，只有通过对采集到的各种数据进行教育数据挖掘，构建学习分析模型，发现教育变量之间的关系，并实现赋予数据相关意义，才能使数据转变为信息;信息进_步经过分析和综合，形成知识;最后通过实践运用，知识才上升到智慧层次。[8]因此，教育数据挖掘和学习分析技术是教育大数据的关键技术。

1.教育数据挖掘

教育数据挖掘(EducationDataMining)是综合运用数理统计、人工智能与机器学习和数据挖掘等技术与方法，对教育原始数据进行分析处理，通过构建数据模型，对学习者的学习结果与学习内容、学习资源和教学行为等变量进行相关关系分析，从而有效地预测学习者未来的学习趋势。[9]并为教育工作者、学习者、学生家长、教育教学研究者以及教学软件开发者提供支持，实现教育系统中教育资源的良性互动，最终实现改进学习的目的。教育数据挖掘流程具体如图2所示。

2.学习分析

学习分析(LearningAnalytics)的研究对象是学生及其学习环境，目的是通过对教育海量数据的分析和建模，发现潜在问题，优化和理解学习，预测学习者在学习中的进步和表现。学习分析具体过程如图3所示。显而易见，学习分析技术就是围绕学习者在学习过程中产生的各种信息数据，利用各种数学建模方法和数据处理技术来解释这些数据，并根据结果数据与分析信息，对学习过程与情境进行探究，并进一步发现学习的规律，为优化和完善教学提供相应的反馈，持续地促进学习者的学习。学习分析技术利用数据挖掘、数据解释与数据建模的优势，对学习平台中积累的大量数据信息进行采集、存储、分析和表示，并运用分析测量结果对学习者学习行为进行评估、预测和干预，为个别学生量身定制更有效的教育，进而改善和提升教与学的质量与效能，实现改善教学和促进学习的目的。中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

除了学习分析和数据挖掘这两大教育大数据关键技术，近年来慕课、微课、翻转课堂、社会网络软件、云计算、Moodle等网络学习开源平台、WEB2.0技术都可以纳入教育大数据的技术范畴。

二、大数据促进教育变革随着教育领域各种大数据技术的应用，我们已经进入一个数据驱动教学、分析变革教育的大数据时代。虽然技术还没有给教育带来如1987年AlfredBork所预言那样的变革[12]，但技术具有拓展、增强或者变革人类学习的潜力，科技进步不可避免地带来了教育的革新，并且对教育发展带来了深远的影响。如，大规模数据分布式处理技术实现了结构化与非结构化数据存储;云计算技术实现了教育资源的共建共享;社会性交互软件促进了学习型社会的构建;MOOCs与翻转课堂实现了个性化学习构建;开源学习管理系统实现了学习过程管理。大数据技术在教学领域的应用革新了教育思维方式、重构了教学评价方式、颠覆了传统教学模式、实现了个性化教育，教育大数据背景下教学的规训与教化在撤退，支持和服务在推进。[13]

(一)数据挖掘与学习分析有助于教学决策和评务价

教育大数据记录了教学的过程，发现了新的知识，创造了更大的教育价值，促进和优化了教学策略和评价。移动互联网时代，知识的获取变得以学生为中心，因为，每个学生的智力特点和吸收水平都是不一样的，移动互联网支持了以学生为中心的学习，突破传统不再是所有人在统一的课堂上在规定的四十五分钟内听相同的教学内容。新兴的教育技术与资源使得教育更加以学习者为中心，使教育从批量到个性的实现成为一种可能;教师的教育思维也从宏观的群体教育向微观的个体教育方式转变，促进了以学习者为中心的个性化教育的实施，进一步使得因材施教成为一种可能。

从技术层面上说，学习者在互联网等媒体上留下的任何数据痕迹，都可以进行分析，可以发现数据背后隐藏的学习者相关学习特征、兴趣爱好、行为倾向，与教育教学相关的状态信息都将一览无余。从这个意义上来说，未来的教育发展方向就是应用学习分析和数据挖掘等大数据技术去实现精准的个性化教育。将大数据对教育教学中海量数据的整合分析，结合态度、行为和行为背景等因素，就中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

可以发现学生思想、行为和心态的变化，分析出每个学生的特点，再结合总体学生的表现和其他因素的分布就可以准确对某位学生实施正确的评价，最终使得对每个学生的教学都可以建立在对过去行为数据的分析基础上。[14]从而真正打破传统技术背景下"不得不承认，对于学生，我们知道的太少"那样的窘境。[15]

大数据技术有利于对教师课堂教学计划、课堂教学评价、课堂视频资源中的各种数据进行提取和分析，从而为预测、处理教学行为、学习心理提供了重要依据，为教学评价提供了较为全面和完整的信息，克服了评估主观性强的缺憾，教学评价不再是经验式的，而是在大数据基础上的"归纳"，更具说服力和公信力，实现了教学评价的客观公正与科学正确，教学决策的针对性与时效性。

(二)微课与翻转课堂教学有利于个性化学习模式重构

未来教育在大数据技术的支持下变得越来越个性化，慕课、微课与翻转课堂的教学应用有利于个性化学习环境的构建，数字化课程资源的标准化定制实现了学习内容的学生自组织学习，在线学习使得学校教育和教师更多地转向学生个体，关注学习者的个性化培养，教师实现了从教学者到助学者角色的转变，更多地是承担学习的支持服务和协作交流。[16]个性化学习模式更多地关注师生之间、生生之间、学生与教育媒体之间的交往互动、个性化服务和灵活的教学范式。微课实现了知识从固化到碎片，移动互联网则使我们可以充分利用碎片化的时间。不仅如此，我们每一次对碎片化时间的利用都还可以是非常高效的，因为，学习系统了解你的学习情况，知道怎么让你更高效地学习。

传统教育是大家在一个封闭的客厅里，规定每节课45分钟，而现在移动互联网可以让学生和全世界各个地方的学习者交流，做到线下进行知识学习，线上进行知识传递，完全颠倒传统的教学结构，使强调知识传递、以教定学的知识传授模式逐步让位于强调问题中心、以学为主的整合探究模式，构建了新的教学范式。

中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

教师可以利用微课和翻转课堂进行基于技术的课堂教学案例欣赏，积极开展分析、讨论和教学反思活动，在学习活动中实现对技术、学科和教学法之间的深层次理解。[17]在这种模式下，一方面，充分调动了学生的积极主动性，学习者在课堂上进行深入交互和思想碰撞，而不再是存在了几个世纪的那种被动的教学模式接受者;另一方面可以进一步加深对整合技术的学科教学知识的理解，培养教师将技术和学科教学知识整合地根植于自身课堂中的能力，实现将知识的传授迁移到了课外。

(三)在线视频与大规模开放课程有利于教学知识呈现

开放存取已经成为帮助所有人进行学习的关键因素之_，"技术支持了信息的开放存取，实现了知识共享的无处不在"，[18]这也是21世纪由新的学习技术所带来的张力和机会：学科内容的音频、视频等多媒体融入呈现，营造了更为丰富的交流互动和学生体验参与，促进了学习者情感领域的认知与发展，并进一步帮助我们所有人学习;现有的视频动画、网络多媒体、甚至3D的教学内容，生动逼真地呈现在学习者面前，使学习突破了传统的学校围墙的限制，未来的师生关系应该是从传道授业变成解惑的角色，传道授业由互联网上高质量的视频资源来替代;在线视频分享为每一位学习者打开了一扇从其他机构那里学习的大门，学习和培训从单中心到多中心，各种大规模开放在线课程让学习方式越来越丰富。通过向学习者提供观看、参与和反思的教学视频资源，实现了跨界学习交互和教学应用示范。这种交互和示范不仅能够展示如何理解技术、学科内容知识和学科教学知识之间的关系，更能够展示如何为学科内容领域的教学制定与技术有关的有效决策，[19]从而促进学习者自主建构知识体系，实现教学知识的呈现与内化。

(四)学习管理系统和web2.0技术有助于教学管理和情境参与

利用web2.0技术，用户可以在其中创建视频群组，订阅特定频道和成员的视频，上传视频，给视频贴标签。在世界范围内分享视频、创建播放列表、与拥有共同兴趣的人保持联系等。这些工具赋予了学习者在教育过程中的话语权，支持参与式学习。?大数据促进教育发展的第三大宏观趋势是建构_种协同、协商和中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

共享这些知识和信息的文化创造;一种参与式学习文化。[21]正如约翰.赛利.布朗所指出的那样，在这种新型的参与式教育环境中，学习者开始参与到一种建构、改进、学习、分享的文化中。各种免费的教育资源随处可见、各种支持学习者参与的社会性工具软件层出不穷，资源和工具的结合能使学习者自由添加、实时评论和独立创建全新资源，这时我们需要重新审视和界定学习究竟是什么一学习不再是消费和吸收，而变成了生成和参与。由于有了Moodle、Sakai、Blackboard等学习管理系统和web2.0技术对学习参与的支持，实现了以学习需求和学习者为中心的转变，动态的教与学关系，通过挖掘知识、寻求联系、总结规律，每个教师和学习者都能发挥自己最大教育潜能。

三、大数据关键技术教育应用实证分析

大数据所带来的教育的未来，不单是表述_个理念和社会直觉，更是一种教育变革和社会行动。在大数据技术的支持下，教育不再是单_的理念交流与经验传承的社会科学，而确确实实变成依托教育行为数据的实证科学。在教育大数据时代，由于教学实验的布置，教育时空的设计、学习场景的构建、教育环境的创设、教育数据的采集和教育管理的决策，这些过去只能依靠理念灵感加经验的东西，可以实实在在地以数据形式进行记录、跟踪，真正变成一种数据支撑的行为科学。[22]

大数据技术在教育教学实践中的广泛应用，积累了大量的学习状态数据，如何让数据说话，揭示教育数据背后的教育现象本质，为教育决策和政策制定提供建设性解决方案，我们将通过数据挖掘和学习分析这两大大数据关键技术在教学领域的应用案例进行实证分析，以期为数据挖掘和学习分析等大数据技术的教育应用提供借鉴与启发。

(一)基于教育数据挖掘的共词分析

教育大数据技术促进了教师专业发展，两者具有一定的相关性，国内许多文献对两者进行了深入研究，我们抽取10年以来在CNKI、EBSCO、Springerlink等国内外期刊上出现的教师专业发展和教育大数据相关的关键词频次，利用内容分析，文本分析等方法对关键词出现的共篇关系构建共词分析矩阵，并通过中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

Ochiia相似性系数法对数据进行分析计算，从而将共词矩阵转换为相关矩阵，在相关矩阵的基础上，进_步构建相异矩阵，并采用多维度尺度分析法进行分析，形成教育大数据背景下教师专业发展的知识体系谱系图，从而对教育大数据教师应用提供良好的决策指导。

期刊论文一般都有几个关键词，用以说明本篇论文的主要研究领域和重点方向等，如果多个关键从上面的"教育大数据与教师专业发展高频关键词多维尺度图"中可以发现象限_、象限三和象限四是几块相对集中的研究领域。其中第一象限属于大数据范畴，主要关注"大数据"、"学习分析"和"数据挖掘";第三象限主要属于教师专业发展范畴，主要包括"教师信息素养"、"教师Tpack"、"教师专业发展";第四个象限属于个性化学习技术范畴，关注"慕课"、"翻转课堂"和"个性化学习";相对这几个关键词集中象限，第二象限只有教学绩效评估，这说明教学绩效评估和其他几个范畴共同联系相对少些。关键词的图中分布也比较符合我们对相关文本内容的分析，对教师教育专业化发展具有很好的决策指导作用，如，在进行大数据学习应用时应该重视学习分析和数据挖掘的学习;在进行教师专业化培训时应该重视教师Tpack能力和教师信息素养的培养;在进行个性化学习支持服务的时候应积极利用翻转课堂和慕课进行学习环境构建、学习模式创设。

通过教育数据挖掘共词分析，很好地展现了教育大数据背景下教师专业发展的知识体系谱系图，更加明确地解释出教育大数据对教师专业发展的影响及两者之间的相关性，从而为教育大数据背景下的教师专业发展提供确实有效的指导与建议。

(二)基于社会网络分析的教育博客学习分析

社会网络分析可以对网络群体中的个体学习行为与学习行动者之间的关联和群体影响进行分析，通过相关的社会网络分析软件，利用距离、密度和中心度、社群图等概念对网络属性进行评价，是社会结构关系研究可视化的、说服力强的一种方法手段。教育大数据视野下，学习分析技术越来越被重视，社会网络分析作为一种学习分析方法，可以对网络学习平台、课程管理平台、网络日志等记录的大量过程化数据进行深入挖掘，发现网络学习中学习者的学习中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

行为和社会交互特征，从而为网络学习提供决策引导和服务支持。

为了运用社会网络分析进行教育数据学习分析，我们选择一个浙江省中小学教师专业发展培训班作为样本数据，依托湖州师范学院精品课程《教育技术学基础》为网络平台，具体如图5所示。通过对培训教师在该课程网站上的教育博客群参与活动分析，选择培训班20名教师的教育博客交流情况，进行网络日志数据的收集。并规定博客的发帖、链接、回复和推荐都记为一次网络交流。

数据的处理分析主要采用社会网络分析软件UCINET6.0,数据挖掘以前，先根据教育博客上的网络曰志进行数据获取，然后对参与博客交流的教师进行T1-T20的编码，培训教师用TEC编码标示。关系矩阵的建立，具体如表4所示。

行列交叉单元格中的数据表示第i行的教师对第j列的教师进行教育博客互动的次数，0表示没有互动，每个教师相对于本人，博客互动都定为1。经过Netdraw导入关系矩阵，经过UCINET6.0教师教育博客互动交流社群图分析，具体如图6所示。

从社群图中可以看出，TEC在网络博客群中处于中心地位，而且没有孤立的点，这说明教师专业化^培训中培训教师处于主导地位，和受培训教师积极进行网络博客交流与互动，帮助受训教师解决问题;同时受训教师也积极相互进行合作交流，进行教育技术课程学习。

进一步通过networks-centrality-degree进行中心度分析，得到如表5所示。

从表5中可以看出，TEC的入度和出度都是最高的，这进一步说明了教师在培训中的地位，起到了协作、引导和帮助的作用;同时T15出度比较多，说明该教师在培训中能够通过积极发帖引导其他教师进行培训交流;T20的入度比较多，说明其他参与培训的老师比较喜欢和该教师进行互动交流，同时也表明该教师在教育博客中的声望较好，比较受广大培训教师的欢迎。

为进一步了解各培训教师在网络中的交互特征和作用，我们进一步通过networks-centrality-freemanbetweenness-nodebetweenness进行中间中心度中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

分析，得到表6所示。

从表6中可以发现TEC、T6和T1的中间中心度比较高，这说明教师和这两位培训学员在博客讨论区中扮演了领导者的角色，对教学培训资源具有一定的控制作用;同时这两位受训教师也起到了培训的桥梁沟通作用，对教师培训交流的信息起到了很好地沟通传递作用。

四、结语

大数据作为信息技术发展的新趋势，已经渗透到各种领域，成为变革的一种重要生成因素。在数据分析驱动教育，变革教学的大数据时代，教育领域同样蕴藏着具有广泛应用价值的海量数据。多元的教育"数据"已是教育行业及其相关领域必须考虑的因素。如何高效分析和挖掘这类数据信息已经成为提高教育质量，推动教育发展的新浪潮。大数据关键技术正是从技术层面实现了各种学习行为数据的量化与显现，使学习者的体验感受得以实现，通过记录、分类、挖掘和运用学生学习过程中产生的大量非结构化数据，能够揭示出学生的学习模式;通过监测、跟踪、分析和应用学生在整个学习过程中形成的数据档案，能够帮助理解学生为了掌握学习内容而进行学习的全过程。[23]

学习分析和数据挖掘这两大大数据关键技术已经成为教育研究的热点和趋势，通过数据挖掘可以对教育数据进行从微观到宏观的统计、分析、综合和推理，指导教育教学实际问题的解决,发现教育现象之间的相互关联和规则，从而可以更好地做出教育预测和实施教育决策;通过学习分析既能为学生提供高质量、个性化的学习体验，又能改进教育工作者的教学方式，完善和优化教学过程，真正使教学实践活动转向关注微观个体，实现真正意义上的个性化学习和教育个性化支持服务，从而有利于促进教育公平。

总之，学习分析和数据挖掘等大数据关键技术的教育应用实践，不仅探索了教育教学数据背后隐藏的相关关系，更为教育教学决策的科学制定提供了有效的服务支持，促进了教育教学的变革与创新，引领了教育教学发展的新方向。

【参考文献】中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

[1]周馨.大数据时代教育数据价值挖掘[J].信息与电脑(理论版)，2013,(8).

[2][3][7][9]徐鹏,王以宁,刘艳华，张海.大数据视角分析学习变革--美

国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志，2013，(6).

[4]张杰夫.大数据-大视野-大教育[J].中小学信息技术教育，2013，(10).

[5]维克托迈尔.舍恩伯格，肯尼思.库克耶著.盛杨燕,周涛译.大数据时代[M].杭州：浙江人民出版社，2013，(1).

[6]魏忠.教育正悄悄发生一场革命[M].华东师范大学出版社，2014,(11).

[8]马婧,韩锡斌，周潜,程建钢.基于学习分析的高校师生在线教学群体行为的实证研究[J].电化教育研究，2014，(2).

[10]魏顺平.教育数据的挖掘、分析、应用[J].中小学信息技术教育，2013，(10).

[11]杨庆安,赵伟男，张海.大数据在教育领域应用的学习分析框架构建[J].软件导刊.教育技术，2013，(5).

[12]Bork,A.Learningwithpersonalcomputers[M].NewYork:Harper&Row，1987.

[13]魏忠.教育正悄悄发生一场革命[M].上海：华东师范大学出版社，2014，(11).

[14]喻长志.大数据时代教育的可能转向[J].江淮论坛，2013，(7).

[15]张燕南，赵中建.大数据时代思维方式对教育的启示[J].教育发展研究，2013，(21):3-4. [16]魏忠.大数据时代的教育革命[EB/OL].[2014-07-29].http:〃中国论文榜--中国权威论文发表平台，我们为您提供专业的论文发表咨询和论文发表辅导!

/bigdate_12674/20140729/t20140729_1157265.shtml.

[17]闫志明,徐福荫.TPACK:信息时代教师专业化的知识基础[J].现代教育技术，2013，(3).

[18]黄德群.开放的学习世界:网络技术如何变革教育[J].韶关学院学报，2012，(12).

[19]全美教师教育学院协会创新与技术委员会主编,任友群,詹艺主译.整合技术的学科教学知识：教育者手册[M].北京:教育科学出版社，2011.

[20][21]柯蒂斯.邦克著.焦建利译.世界是开放的---网络技术如何变革教育[M].上海：华东师范大学出版社，2010.

[23]胡德维.大数据"革命"教育[N].光明日报，2013-10-19.

第五篇：乡镇小学2013至2014年教育统计报表分析报告

乡中心小学

2013至2014年教育统计报表分析报告

根据县教育局2013年8月30日教育事业统计工作布置会的统一部署，我校于2013年9月6日开始启动全校区小学的教育统计工作。根据要求，全乡各校于2013年9月7日至14日采集原始数据，2013年9月15日至18日全乡教育统计工作进行汇总并对数据进行系统录入，经过学校统计人员的努力，各种数据录入准确无误，并上报学校领导审核，对数据的准确性、真实性、可靠性进行了分析论证，初步形成了上报县教育局的教育统计材料。9月23日至9月28日又集中县教育局进行全县汇总。现将本学年度的统计数据分析如下：

一、全乡学校所数

本学年全乡共有各级各类学校15所(其中：完小10所，教学点3所，公立幼儿园1所，私立幼儿园1所。)。比上学年减少2所教学点(坡帮教学点和那恩教学点)，学校所数减少原因是撤并，生源少，实行集中办学规模。

二、基础教育班级数规模

全乡(学前、小学)班级数总的有66个，其中小学班级数46个，比上学年减少4个;学前教育20个(其中学前班12个，公立幼儿班4个，私立幼儿班4个)，和上年一样。

三、全乡在校学生数

-1-

(一)在校学生总数统计基本情况

全乡在校学生2040人，具体情况如下：

1.小学在校生1593人，其中：女783人，少数民族1531人，

寄宿生1104人。(一年级249人，二年级241人，三年级238人，四年级270人，五年级285人，六年级310人)。

2.在园(班)幼儿447人(其中学前班139人)

(二)在校学生数变化分析