發布時間：2022-10-18 12:24:20
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的大數據學習計劃樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
【關鍵詞】大數據;計算機文化基礎;教學改革
在當今社會面臨全球化和新技術革命，特別是信息技術革命的挑戰時，基于技術的教育變革的重要性和緊迫性也日益明顯。技術推動《計算機文化基礎》教學變革已經成為現實，作為一線的教育工作者，我們思考的是應該怎樣突破？
一、學好《計算機文化基礎》的要素研究
經過元分析和數以千萬計有效教學及課堂指導成果的綜合分析研究，普遍認為以下三個要素是影響學生學好《計算機文化基礎》課的最重要要素。
1.學生的學習動機和對自己的挑戰性期望。學生能否進入到《計算機文化基礎》學習的過程之中的前提是：他有沒有學習的興趣，有沒有學習的愛好;學生能否提高質量的學習的關鍵是：在有了興趣和愛好之后是否對自己有一定的挑戰性期望。《計算機文化基礎》課程教學實踐告訴我們，一個人如果沒有自覺，沒有自信，不會自己學習，他就始終不會擺脫灌輸式的被動學習，而且學得非常艱苦。任何一種教學改革，如果能夠激發學生的學習興趣和愛好，能夠讓學生產生對自身的挑戰性期待，它所帶來的學習效果一定是最好的。其實學生學習的不成功，最關鍵的是自己始終認為是一個失敗者。
2.在合適的學習時間內給予學生廣泛的有效的《計算機文化基礎》學習機會。我們的學生不缺學習時間，和國外的學生相比，我們的學習時間夠長的了。誰都明白這個道理，學習的成效并不決定于時間的長度，而是單位時間內的效度。所謂有效的學習機會，包括為學生的《計算機文化基礎》學習提供多元化的課程和創設良好的學習情境等多個方面。
教師要根據《計算機文化基礎》學習內容、學習對象的特征來設置學習情境，情境可以是具體的，也可以是抽象的;可以是邏輯性的，也可以是形象化的。但我們的校本課程是點綴性。我們的許多學校，真正的適性課程是比較少。
3.教師教學的針對性。有效學是具有個性化和針對性。所以教師征對《計算機文化基礎》教學要關注兩個詞，一個是個性化，一個是針對性。我們的課堂教學，如果能從學生不同的學習需求來設計，而且能針對每個人的突出問題和特殊需求來開展教學，效果一定會非常好。
二、關于《計算機文化基礎》教學針對性的思考
在影響學生學業的三個重要的因素中，有一個特別重要的因素，就是教師教學的針對性。所謂教學的針對性，至少應該包含以下三層含義：
1.通過準確的評估，在《計算機文化基礎》教學時精確地知道每一個學生的優缺點。
2.在《計算機文化基礎》教學中知道什么是合適的指導，特別是在什么時候，使用什么，怎么使用該課教學策略和相應的資源。
3.在日常工作中，使用《計算機文化基礎》課堂結構、程序和工具來進行有區別的指導和針對性教學。
《計算機文化基礎》的針對性教學意味著保證學生在他們最近發展區域內進行課堂學習活動，使他們的能力和要接受的挑戰適應。理想的《計算機文化基礎》教學狀態是：教師能精確地知道每一個學生當前的起點和學生需要什么樣的幫助才能進入下一個能力層面進行學習。現實的課堂，我們的教師根本做不到這一點。
個中原因，大致有一下幾個方面：
1.《計算機文化基礎》教學的目標指向有偏差。從狹義的角度去理解教該課學目標，應該是培養獨立的思考者和終身學習者。而我們目前的教學從不考慮學生的個性差異和發展差異，教學就是為了讓每一個學生都能得到好的分數。
2.傳統的課程學習診斷方式的局限。一如KHAN所言：“標準化測驗本身并不槽糕，但糟糕的是它沒法對學生的每一個方面作出評估。”他希望將來的招生官關心的不再僅僅是學生的考試分數，而是他們為達到學習目標所付出的堅持不懈地努力過程。他說，如果他是招生官，他會關心有哪些學生在學習過程中展現了不俗的毅力。
3.我們的大班化教學，在一定程度上制約了教師對學生個性差異和發展差異的了解。
在某種意義上，盡管信息技術有了突飛猛進的發展，但對學生全息分析的數據工具尚未開發成功。教師憑借教學經驗獲得的數據不僅不全面，而且不客觀，總是帶有老師的主觀色彩。
三、大數據給教學改革帶來機遇
1.理解大數據
“大數據”這個術語最早期的引用可追溯到apache org的開源項目Nutch。當時，大數據用來描述為更新網絡搜索索引需要同時進行批量處理或分析的大量數據集。隨著谷歌MapReduce和GoogleFile System（GFS）的，大數據不再僅用來描述大量的數據，還涵蓋了處理數據的速度。
從某種程度上說，大數據是數據分析的前沿技術。簡言之，從各種各樣類型的數據中，快速獲得有價值信息的能力，就是大數據技術。明白這一點至關重要，也正是這一點促使該技術具備走向眾多企業的潛力。
物聯網、云計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的傳感器，無一不是數據來源或者承載的方式。
2.大數據為教學改革帶來的機遇
教學最基本的要點是：只有當教學足夠精確并直接建立在學生已有基礎之上時，且將學生更高一層能力時才是最有力的。如果教學沒有針對性，學生或者花費太多的時間從事過于簡單、不涉及學習新東西的活動上，或者太難、涉及學習或再學習太多新東西的學習活動上花費太少的時間。
大數據應用于《計算機文化基礎》課堂教學，最大的影響是它有能力去關注每一個學生的微觀表現。傳統教學方式下我們獲得的數據有兩個顯著的特點：一是宏觀整體性的，即通過檢測分析、問卷調查等方式獲得學生整體的學業水平，身體發育與體質狀況，社會性情緒及適應性發展等。第二是經驗感知性的，即教師根據多年的教學經驗和日常的觀察給出對學生的大概評價。運用大數據技術，不僅可以獲得一個學生在一節40分鐘的課堂中所產生的全息數據約5-6GB，而且可以對這個學生在課堂學習過程中的各種行為表現，情緒態度等進行全方位分析，得出學生學業的優缺點和對待學業的態度等。如果大數據技術能廣泛地運用于課堂教學，那么我們在課堂中進行針對性教學就有了可能。
這種可能的實現，需要同時具備以下四項：
第一，一套有力的評估工具，這套工具與《計算機文化基礎》每堂課的學習目的相匹配，它使教師每日獲得有關每一個學生進步的準確的、綜合的信息，這套工具的管理使用不會過度干擾正常的課堂秩序。
第二，一個不用太多時間而又能捕捉到過程評估數據的方法。自動分析數據，并把數據轉換成可有效推動《計算機文化基礎》教學的信息，使教師很快即可做出《計算機文化基礎》教學方案，而無須等到將來。
第三，一種使用每個學生的評估信息來設計并實施《計算機文化基礎》個性化教學的措施，為《計算機文化基礎》教學而評估成為提高教學針對性的教學策略。
一、中學信息技術教學存在的問題
1.教學內容滯后、單一
作為社會最前沿的技術，信息技術在時代進步過程中不斷發展。為了促進中學生信息技術知識和技能的提升，應當及時完善信息技術課程教材，進而在學生了解世界信息技術發展過程中提供有效引導，為學生增強自身信息技術水平構建上升通道。然而，實際當中一些中學應用多年沒有變化的信息技術教材，其內容和當前科技發展相脫離，同時和云計算、大數據之間也缺乏應有的聯系，學生的學習和發展需求通過這些教材難以得到滿足，并使得中學信息技術教學難度大大增加。
2.教學方式較為落后
當前，中學信息技術教學中普遍存在教學方式落后的問題，課堂教學主要由教師演示和講解構成，學生通常處于被動接受的狀態，并且很少有機會參與到實踐操作當中，進而使得很多學生信息技術應用仍處于較低水平，使現代人才需要的計算機應用能力和信息素養并沒有獲得培養。另外，一些信息技術教師過分強調課本內容，對于提升學生實踐能力缺乏應有重視，也很少挖掘信息技術課程相關云計算、大數據、互聯網等知識，考試主要是一些簡單理論和實踐操作，進而在一定程度上阻礙了學生的進步。
二、基于大數據的中學信息技術教學策略
1.通過大數據實施個性化教學
基于素質教育改革的大背景，教師教學中應當給予學生主體地位充分重視，并充分關注學生個性化發展。在信息技術教學課堂上，教師應當鼓勵學生開展自主探究學習，結合個性化特點將其創新精神充分發揮出來。在計算機技術教學中應用大數據要求以新時期中學信息技術課程標準要求為依據，通過整理、跟蹤、搜集數據，有效覆蓋學生學習全過程，并對相應的信息數據庫進行構建，在大數據分析中納入學生家庭背景、課堂表現、考試成績等，通過數據挖掘技術的應用。信息技術教師應當對學生行為的各種內在聯系進行研究，M而對科學、高效的教學計劃進行制定，促進個性化信息技術教學的有序開展。
2.通過大數據對MOOC信息技術學習平臺進行構建
在MOOC教學模式中，教師通過互聯網技術和大數據技術搜集教學資源，并對受教育者的學習需求進行整合，進而對不同類型的在線教育課程進行制定。MOOC教學模式是大數據在中學信息技術教學中應用最普遍模式，信息技術教師通過大數據技術對MOOC信息技術學習平臺進行構建，并利用該平臺將豐富的學習資源提供給學生，同時對針對性學習計劃進行制定，以便于學生選擇性地完成。這個過程中，教師能夠通過大數據技術對獨立行為學習檔案進行構建，并以搜集到的信息為依據分析學生的學習行為，對學習過程中存在的問題進行總結，進而對學生學習行為模型進行優化，最終有效提升教學效果。
3.通過大數據技術強化教學評價
【關鍵詞】大數據 云計算 思維方式
維克托?邁爾-舍恩伯格及肯尼斯?庫克耶編寫的《大數據時代》，被評為?迄今為止全世界最好的一本大數據專著。維克托?邁爾-舍恩伯格，大數據時代的預言家，大數據商業應用第一人，他認為：大數據是人們獲得新的認知，創造新的價值的源泉；大數據還是改變市場、組織機構，以及政府與公民關系的方法。大數據的核心就是預測。這個核心代表著我們分析信息時的三個轉變。第一個轉變就是，在大數據時代，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴于隨機采樣。第二個改變就是，研究數據如此之多，以至于我們不再熱衷于追求精確度。第三個轉變因前兩個轉變而促成，即我們不再熱衷于尋找因果關系。
一、什么是大數據
大數據，又稱巨量資料，指的是所涉及的數據資料量規模巨大到無法通過人腦甚至主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。
二、大數據的特點
數據量大、數據種類多、 要求實時性強、數據所蘊藏的價值大。在各行各業均存在大數據，但是眾多的信息和咨詢是紛繁復雜的，我們需要搜索、處理、分析、歸納、總結其深層次的規律。
三、大數據的采集。
科學技術及互聯網的發展，推動著大數據時代的來臨，各行各業每天都在產生數量巨大的數據碎片，數據計量單位已從從Byte、KB、MB、GB、TB發展到PB、EB、ZB、YB甚至BB、NB、DB來衡量。大數據時代數據的采集也不再是技術問題，只是面對如此眾多的數據，我們怎樣才能找到其內在規律。
四、大數據的挖掘和處理。
大數據必然無法用人腦來推算、估測，或者用單臺的計算機進行處理，必須采用分布式計算架構，依托云計算的分布式處理、分布式數據庫、云存儲和虛擬化技術，因此，大數據的挖掘和處理必須用到云技術。
大數據正把我們變成新的物種。首先，大數據改變了我們的思維方式，讓我們從因果關系的串聯思維變成了相關關系的并聯思維。第二，大數據改變了我們的生產方式，物質產品的生產退居次位，信息產品的加工將成為主要的生產活動。三，大數據改變了我們的生活方式。我們的精神世界和物質世界都將構建在大數據之上。大數據不僅僅是一門技術，更是一種全新的商業模式，它與云計算共同構成了下一代經濟的生態系統。一切皆信息。
在教育特別是在學校教育中，數據成為教學改進最為顯著的指標。通常，這些數據主要是指考試成績。當然，也可以包括入學率、出勤率、輟學率、升學率等。對于具體的課堂教學來說，數據應該是能說明教學效果的，比如學生識字的準確率、作業的正確率、多方面發展的表現率――積極參與課堂科學的舉手次數，回答問題的次數、時長與正確率，師生互動的頻率與時長。進一步具體來說，例如每個學生回答一個問題所用的時間是多長，不同學生在同一問題上所用時長的區別有多大，整體回答的正確率是多少，這些具體的數據經過專門的收集、分類、整理、統計、分析就成為大數據。
近年來，隨著大數據成為互聯網信息技術行業的流行詞匯，教育逐漸被認為是大數據可以大有作為的一個重要應用領域，有人大膽地預測大數據將給教育帶來革命性的變化。
大數據技術允許分析學生的學習行為、考試分數到職業規劃等所有重要的信息。許多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。
而近年來越來越多的網絡在線教育和大規模開放式網絡課程橫空出世，也使教育領域中的大數據獲得了更為廣闊的應用空間。專家指出，大數據將掀起新的教育革命，比如革新學生的學習、教師的教學、教育政策制定的方式與方法。
教育領域中的大數據分析最終目的是為了改善學生的學習成績。成績優異的學生對學校、對社會、以及對國家來說都是好事。學生的作業和考試中有一系列重要的信息往往被我們常規的研究所忽視。而通過分析大數據，我們就能發現這些重要信息，并利用它們為改善學生的成績提供個性化的服務。與此同時，它還能改善學生期末考試的成績、平時的出勤率、輟學率、升學率等。
需要特別注意的是，如何收集數據對于它們未來的使用性非常重要。接收數據匯入背后的挑戰是從一開始就要標準化，以便今后對數據進行仔細分析。這樣做并不是意味著將未結構化的數據轉化為結構化的數據，而是要用直觀的方法對接收的數據進行分類。
教育工作者和研究者已經開發出從大數據中提取價值的5種主要的技術。
1.預測（Prediction）――覺知預料中的事實的可能性。例如，要具備知道一個學生在什么情況下盡管事實上有能力但卻有意回答錯誤的能力。
2.聚類（Clustering）――發現自然集中起來的數據點。這對于把有相同學習興趣的學生分在一組很有用。
3.相關性挖掘（Relationship Mining）――發現各種變量之間的關系，并對其進行解碼以便今后使用它們。這對探知學生在尋求幫助后是否能夠正確回答問題的可靠性很有幫助。
4.升華人的判斷（Distillation for human judgment）――建立可視的機器學習的模式。
5.用模式進行發現（Discovery with models）――使用通過大數據分析開發出的模式進行“元學習”（meta-study）。
前言
如今大數據技術在社會各個方面都有應用，比如金融、通訊、軍事、物理學、生態學以及生物學領域，這促進了社會生活的發展和進步。人民大眾生活的方方面面都得到了大數據所帶來的便利。高職旅游教學是高職學校教育的重要部分，相關教育工作者需要加強對于大數據下高職旅游教學改革策略的研究，并且在實踐中落實。
一、大數據時代背景下旅游專業教師教學觀念的轉變
大數據的不斷發展促進了教師教學觀念的更新和變化。高職學校旅游專業教師逐漸認識到教學的開展需要師生有效的互動，而課堂教學不再是單純的講授過程中，需要學生進行自主的學習探究。教師可以在課前把相應的教學內容布置給學生（通過互聯網等手段），學生可以根據教師布置的視頻進行學習，在家里就能完成相應的學習任務。
二、大數據背景下高職旅游教學方式的轉變
在大數據背景下，翻轉課程成為了主流的教學形式。和以往的教學模式相比較，教師在翻轉課堂中的教學重點不是教授理論方面的知識，而是和學生進行充分的互動交流，學生可以相對自由的表達自己的想法和見解，并且闡述自己的學習心得和體會，課堂成為了學生和教師交流和互動的場所，這可以促進學生主動性以及積極性的提升，培養他們的發散思維以及創新思維能力。翻轉課堂具有人性化的特質，學生可以在課堂外觀看和學習教學視頻，根據自己的需求來選擇性的完成教師布置的任務內容，并且制定個性化的學習計劃。旅游專業的課程包括需要專業性的術語，所以學生第一次理解起來比較困難，學生可以重復的觀察教學視頻，并且合理的使用暫停和快進快退功能，進而全面的了解需要掌握的知識內容，提升學生的效率。但是，大數據是具有時代性的，在發展的過程中有許多新型的教學策略涌現出來。
三、大數據時代背景下高職旅游專業教師綜合素養的提升
想要培養大數據時代背景下的旅游管理人才，首先需要加強對于教師隊伍的建設，并且積極地轉變他們的教學理念，讓教師明確大數據背景下專業信息化的發展方向，并且懂得使用對大數據的理解以及分析來解決當前的旅游發展問題，并且在教學中融入人才需求以及旅游專業發展的精神。對于高職旅游專業教師來說，需要掌握多方面的多媒體信息技術，并且熟悉心理學相關的知識以及技巧，還需要在發散性思維培養以及可視化教學方面具有一定的水平，進而實施有效的教學。為了提升教師隊伍水平，學校可以組織教師到旅游管理的第一線去進行培訓和鍛煉，進而了解最前端的大數據旅游管理專業的技能和知識。只有這樣，教師才能更好的指導學生應用和處理數據信息。
四、大數據時代背景下高職旅游專業教學體系的轉變
旅游專業具有較強的實踐性，而且，在大數據背景下，學術不僅需要具備相應的專業技能和知識儲備，還需要能夠分析處理數據信息。通過實踐教學的開展，學生可以有效的將理論知識以及實踐經驗轉變成自己的綜合能力。所以說，實踐教學對于大數據背景下旅游管理專業的發展具有重要意義。學校，學校需要加強對于本校綜合實驗室的投資和發展，落實對于學生數據軟件以及計算機操作技能的鍛煉，和校外的企業工程合作建設實習的基地，并且落實在實習和實踐過程中應用的考核體系，如此一來，可以發揮數據時代下時間教學的重要作用，并且發展學生的數據處理和分析能力。
五、大數據時代背景下旅游管理專業學生需要具備的能力
第一，學生需要懂得如何處理和采集大數據信息。為了方便人們的出游，許多互聯網公司推出了自己的旅游軟件，比如藝龍、攜程、去哪兒等，這些軟件都是應用大數據信息來提供良好的旅游信息服務，這些軟件都比較看重對于旅游信息的收集和分析。
第二，學生需要懂得如何管理和運營大數據信息。在大數據時代，旅游信息數據中心的數據比較復雜，需要由專業人員通過對于游客自身素質、興趣愛好以及消費習慣的總結分析來獲得。所以，學生需要發展管理和運營數據信息的能力。
第三，學生需要掌握處理大數據模型的能力。可以采集旅游信息的方向有許多，數據類型也比較豐富，但是相關的數據并不都能納入數據庫。舉個例子，從成千上萬張照片中找出有用的照片，可能只能找到幾張。為了防止浪費精力和時間，學生需要具備合理分析數據模型的能力。
六、結語
關鍵詞：大數據；學習分析；教育模式
在線學習系統中包含了大量與學習者學習行為相關的數據，例如，學習日志、學習途徑、學習成果數據、課程數據、學習管理數據等。充分集中整合這些大數據，再對學習過程和學習效果進行評價分析，更有效地支持學習，優化教學服務，為教學管理與決策提供依據已成為遠程教育工作者面臨的重大課題。
一、目前遠程教育存在的問題
遠程教育中學生可以隨時隨地利用網絡進行課程學習，不受時間和空間的限制，但同時也存在一些問題，例如：
1.評價數據單一化。
教師通常采用總結性評價對學習者的學習過程進行評價，如利用課后作業、論文、測驗、出勤情況等評價數據。
2.評價方法靜態化
目前評價方法采集的數據是靜態的，缺乏對學習過程進行實時監測，不能實現動態的反饋，不能準確反映學習者的參與程度。
3.評價的真實性難以把握
對于一些視頻課程的學習，很難判斷出學習者是認真參與學習還是開著視頻人卻離開，而對于課后測驗與作業是否獨立完成也很難保證。
利用上述方法考核、分析和評估遠程教育，教師既不能實時把握學習者真實的學習情況，也無法確定學生個體的學習方式、認知習慣和學習興趣。學生也無法對自身學習效果有一個客觀而明晰的認識，不能較好地制訂下一步的學習計劃。
二、學習分析的特征
學習分析技術是運用數據挖掘、信息可視化等智能技術來分析學習系統產生的數據，并利用分析結果提供恰當的干預、評估，其主要目的是優化學習過程，促進學習。學習分析技術具有以下特征：
1.復合化的數據采集
多樣化的數據為自動化的學習支持和針對性的學習服務提供了可能性。學習分析技術采集的數據來源：一是由學習管理系統、移動終端、社會性軟件中所記錄的學生的學習行為數據；二是內容管理系統中的學習記錄數據；三是學生學習成果數據，如作業、作品。這些不同來源的多樣性數據通過第三方分析軟件整合并導入到同一個分析框架中，就可得出學生學習情況的分析結果。
2.多角度的分析技術
要進行有效的分析，必須使用多種研究方法、技術與工具。學習分析技術應從網絡交互、交流內容、交互內容等多個角度展開，并對數據進行挖掘、聚合、分析，結合定量研究與定性研究的數據為學習提供支持。
3.可視化的分析結果
通過可視化分析結果，使學生對學習狀況、教師對教學情況有直觀地了解，并作出有效的判斷和分析。
4.多層次的服務對象
學習分析技術從教師、學生以及管理者的角度對學生的學習過程進行客觀的預測，方便教師優化教學，改進過程評價手段，幫助學生進行自我評價、自我診斷，給教育機構和管理者提供決策依據。
三、基于學習分析技術的遠程學習系統模型
學習分析技術利用數據分析探究學習過程的發生機制，改進學習，這一過程包含了數據的選擇、獲取、綜合與報告、預測、使用、完善和分享等活動。因此需要基于學習分析技術初步規劃學習系統運行的步驟。第一步，學習者結合自身興趣和系統推薦，選取學習內容；第二步，系統記錄下學生者產生的學習數據，結構先定義好再存入數據庫；第三步，對預測模塊進行分析，在采集學習者行為數據的基礎上，與學習者的特征信息相結合，利用分析工具及模型對預測模塊進行分析；第四步，在參照上一步預測模塊預測結果的基礎上，利用數據挖掘技術為學生推薦適合學生學習特征的學習策略及指導方法；第五步，可以利用可視化的形式將上述數據挖掘結果、分析結果傳遞給學生、教師和教學管理者。
該學習系統包含六大模塊：（1）學習的內容。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）學習行為數據。記錄學習者在學習系統中的學習行為（比如學習時間、學習次數、學習路徑、學習進度等）。（3）分析預測模塊。這是整個模型的核心，整合學習者信息系統中的數據和學習者學習行為數據，通過多種技術（語義分析、社會網絡分析）對數據處理和分析，對學習者未來的學習行為和結果進行預測。（4）可視化面板。根據用戶角色的不同，將預測模塊中的結果以可視化、圖形化的方式呈現。（5）推薦模塊。根據分析預測模塊的運行結果，再根據學習者的學習水平和興趣，對學習內容等進行個性化的定制和推送。（6）干預模塊。允許教師、教學管理者和系統開發人員根據預測模塊的運行結果，對系統實施人工干預、自動化干預。
基于學習分析的遠程學習系統模型能夠及時量化跟蹤學習過程，提出較好的學習建議，并以可視化的形式呈現給學生和老師，幫助他們更加清楚地了解自己學習的變化過程，幫助學生更好地認知自己的學習狀態，激發學習者的學習興趣和學習激情。
模型利用采集到的學生學習興趣發展的數據，了解學習者狀態，包括學習者已掌握的相關知識、學習習慣等；建立合理的學習者分析模式與數據分析框架，從簡單的資源推送逐步完善為提供基于大數據分析的適時、貼切的個性化指導，幫助學生完善知識結構，挖掘自身興趣愛好和特長。整個學習過程既實現了學習者的自制學習和自我學習，以及教師個性化干預指導，又實現了系統根據用戶特征適應性推送資源輔助學習者學習的目的。
四、學習分析技術對遠程教育模式改革的價值
一、大數據在高校教學中的初步探索
2011年秋天，斯坦福大學一門人工智能網上課程受到各方熱烈歡迎，190多個國家約16萬學生參加學習，2萬多人通過此類考試，獲得認證。我國也掀起了新一輪教育信息化的浪潮，正打造教育信息化公共服務平臺，以推進數字校園實驗工作，通過建立數字化學習試點學校、開發微課程、試點微學位、開展翻轉課堂教學實踐等一系列教育改革新舉措，推動信息化進程。在大數據時代，視頻成為主要載體，翻轉課堂可實現按需學習，終身學習；不以年齡區分，距離不再是問題，在學校之外也可以學習；等等。面向服務、面向創新和面向過程成為教育的重點，以大數據為基礎的教育資源共享、學生個性和天性培養成為教育發展趨勢。
二、大數據時代下摩擦學教學模式和教學實施的思考
關于摩擦學教育理念與實踐，應該說還有許多問題需要我們去思考。如我們為什么不能做到精準教學，為什么不能為學生提供個性化學習平臺等。摩擦學是比較重要的專業課、實踐課，是專業人才培養方案中比較重要的部分，并ρ生未來就業影響頗深。選修摩擦學課程的學生基本分為三個陣營：①研究方向與摩擦學無關但有興趣的研究生；②研究方向涉及摩擦學的研究生；③研究方向主要為摩擦學的研究生。從選課的學生類型來看，每個個體的學習動機與環境是不一樣的，學生為什么選修這門課程？這可能需要收集他們的各自研究背景、研究方向以及學生學習行為數據、知識水平、學習能力及認知能力數據等方面內容，建立學生學習數據庫。主講老師查看大數據分析的結果，不斷改革、調整教學策略，給出匹配學生能力與需求的作業和試卷，從而真正實現因材施教，使教學能夠關注到每一個學生的成長。在自主學習方面，網絡將跟蹤學生的整個學習過程，從中了解學生的學習方法和學習習慣，了解學生的個性、興趣、愛好，從而獲取相關數據，幫助學生了解自己的學習成果，從而更好地進行自主學習。而在教學方面，相關數據將便于老師了解學生的學習能力、認知能力，及時改進教學方法，使教學更加具有針對性。大數據將使學習變成一種服務。大數據時代下老師是課堂的組織者、學習的引導者、學生學習行為的分析者，而不是知識的講授者；學生可以在任何可以聯網的地方學習，可以和其他學習者交流互動，尋求有效幫助。而到學校學習的目的，則主要是做作業、答疑、討論、考評等。同時，對于摩擦學教學來說，摩擦學涉及面較廣，尤其是與摩擦學相關的案例中，搜集的數據越多，對摩擦學企業案例的分析預測就越準確。單靠老師力量所掌握的數據畢竟是有限的，鼓勵選修此課程的學生、企業相關設計人員甚至社會上對摩擦學有興趣的人員共同參與，可為摩擦學教學提供各種企業案例。基于以上思考，我們可在講解摩擦學的基本概念的基礎上致力于教學數據庫的建設及應用，豐富摩擦學的教學資源，為教師開展差異化教學提供海量資源。
三、大數據時代下摩擦學教學改革的啟示
大數據改變了高校教與學的模式，基于大數據的優勢，我們在摩擦學教學改革方面可得到以下啟示。
（1）個性化教學：學生根據自己的興趣和研究方向，自由選擇聽課。大數據能使學習和教學實現真正意義上的個性化。運用數據可設計個性化教學活動、創新的學習計劃和差異化的教學方案，以提高學生學業成績。教師能獲取更加全面、豐富的數據信息，能夠了解何種教育方法對學生最有效，學生可能在哪些方面需要得到特別的幫助。學生則可以得到教師更好的指導和支持，進而提高學業成績。
（2）為學生的學習時間和地域選擇提供給便利：利用大數據技術，借助網絡，將課程教學視頻根據教學安排上傳至網絡，使學生可以在任何地點自由安排學習時間，這對于經常在外出差的研究生而言十分方便，可提高學習效率。
（3）重視學生學習的過程性評價：學生須完成規定的學時，實時查看每次課后作業、測試成績；對不合格的作業，教師要告知學生重做，實現學習者和教育者對教育過程和結果的科學準確判斷與鑒別，為有效開展教育教學活動創造條件。
（4）師生互動交流：教師和學生間的互動交流方式多樣，可以通過移動終端建立課程微信群進行交流。教師將作業、要求、提醒等信息及時到網絡和交流群中，引導及督促學生完成課程學習任務。
（5）分析學生學習過程：對學生從學習、考試等所有過程中產生的數據進行匯總分析。分析過程性數據，掌握學生學習情況，了解學生的學習習慣和特點，以實時調整課程難易度。根據學生特點突出個性化差異化人才培養目標，為學生提供高質量個性化的學習體驗。可幫助教師根據數據分析結果改進教學方式，完善教學過程。
（6）教師角色的轉變：在新的學習方式中，教師的角色也將發生改變，由原來單一的知識傳授者變為學生學習的知識傳授者和學習引導者、督促者、幫助者、考評者。
四、結語
大數據的興起，不僅是一場技術變革，更是一場思維觀念的變革。我們須及時適應形勢，轉變觀念，推動摩擦學教學的變革與發展，使摩擦學教學和學習的個性化成為可能，培養出更多在現代高端裝備的設計、研發及應用中能熟練運用摩擦學知識和分析方法的高素質、創新型及綜合性人才。
參考文獻：
【關鍵詞】 在線學習；學習過程管理；大數據思維；學習分析
【中圖分類號】 G434 【文獻標識碼】 B 【文章編號】 1009―458x（2016）11―0017―05
現代信息技術對教育領域產生著越來越深遠的影響。以大數據、云計算、移動互聯網等為特征的信息化手段，催生出各種新的學習模式、教學模式和管理模式。教育部在《關于“十三五”期間全面深入推進教育信息化工作的指導意見（征求意見稿）》中指出：黨的十以來，“互聯網+”行動計劃、促進大數據發展行動綱要等有關政策密集出臺，信息化已成為國家戰略，教育信息化正迎來重大歷史發展機遇，我們要堅持融合創新，拓展教育信息化應用廣度與深度，依托網絡學習空間逐步實現對學生日常學習情況的大數據采集和分析，優化教學模式。（教育部，2015）因此，利用互聯網和信息技術促進教育大數據建設與應用，有效開展在線學習并實現過程管理，不僅是開放大學、各高校網絡學院、各類培訓機構的主要教育目標，也是我國教育信息化發展的重要任務，是構建繼續教育公共服務平臺，擴大教育供給，促進教育公平，完善終身教育體系的主要途徑。
在當前互聯網+環境下，大數據思維被越來越廣泛而深入地應用到教育領域，數據分析結果越來越多地影響管理和決策。在教育實踐中，我們如何對海量信息進行有效而充分的采集和挖掘，同時又要避免對數據和技術產生過度依賴，陷入技術決定教育和數據決定管理的誤區（鄭爭文，2016）？本文通過分析國內當前在線學習過程管理現狀和學習者學習過程中產生的相關數據，探討如何應用大數據思維來提升在線學習者的學習效果、在線教育的教學效果與管理水平，并以在線學習過程管理大數據應用為例，探討互聯網+環境下教育大數據管理的新思維和新模式。
一、在線學習過程管理現狀
在線學習是隨著網絡技術發展出現的新的學習模式，是遠程教育發展的新階段，是利用計算機互聯網和移動互聯網，通過依托于網絡的學習平臺和管理平臺建立虛擬的學習環境實施教學、開展學習的過程。
我國在線教育于2000年前后緩慢起步。1999年，中央廣播電視大學在電大系統啟動“開放教育”試點；2000年，教育部批準68所高校建立網絡教育學院，同一時間，新東方網校上線運行；2010年，在線教育開始蓬勃發展；2012年美國三大MOOC平臺催生了國內千百計企業加盟教育培訓，進軍在線教育特別是高等教育市場；2014年，隨著國務院“取消和下放利用網絡實施遠程高等學歷教育的網校審批”，我國在線教育市場走向開放和多元化；2015年，“互聯網+”時代到來，為我國基于信息技術的在線教育帶來新的機遇與挑戰。
我國在線教育學習過程管理存在幾個普遍性現象：一是教、學、管分離，使得信息碎片和數據孤島問題凸顯（顧小清，等，2014）；二是各高校或培訓機構信息技術與教育教學的深度融合不夠，對整個學習周期的管理缺乏頂層設計，導致諸多平臺運行不力，管理模式固化，數據標準不統一；三是在教學和資源建設方面，教學設計和課程資源面向所有學習者，沒有考慮對不同學習者的適用性，無法滿足其個性化需求，也就無法實現真正意義上的個性化人才培養；四是在學習支持服務方面，大眾化的學習支持多，個性化的學習支持少（吳南中，2015）；五是缺乏對學習效果、教學效果的有效評價和激勵機制，在線學習活動的參與度低，學習任務的完成率差。此外，在線課程學習的課程完成率低，在線學歷教育的畢業率明顯低于傳統教育的問題一直是困擾遠程教育可持續發展的難題之一，特別是在缺乏有效的教學約束管理和學習支持服務的情況下這一現象尤為明顯。
二、大數據思維對在線學習過程管理的啟示
與傳統數據相比，互聯網和信息時代產生的大數據呈現出在線、實時、全貌的顯著特征。如果說傳統數據產生出自然價值，大數據則衍生出智慧價值，它深刻改變了人們對待數據的思維方式，這主要體現在：一是總體思維，從原本只能采集樣本數據到獲取全面、系統的所有相關數據；二是容錯思維，從微觀和精準性向宏觀和包容性轉變；三是相關思維，不再執著于對數據進行因果關系的分析，而是聚焦到相關關系和對未來的洞見與預測分析；四是智能思維，使線性、簡單的機器思維變得像人腦一樣呈現出主動性、邏輯性和前瞻性。
針對在線教育領域，我們可以把大數據思維應用到在線學習過程管理中，以數據為核心梳理架構管理流程，利用全樣本數據搜集協助管理判斷，通過對過程數據的快速獲取實現管理高效，通過過程相關性數據分析預測管理風險，把數據處理結果轉化為管理決策支持，探索實現管理主動性和智能化的渠道。例如通過對多維度、多元化、分散異構的海量在線學習相關數據進行采集、分析和挖掘，研究學習者需求，推薦適用不同個體的學習資源，避免其面對海量信息卻無法提取有效資源而產生空茫狀態（楊現民，等，2016）；研究學習者特點，協助其制定個性化的學習計劃；研究學習者學習過程，通過及時有效的技術支持與信息推送服務，緩解在線學習者由于時空分離、師生分離產生的孤獨感；研究學習者學習生命周期中的動態影響因素，進行評估預測與風險預警等。
在在線學習過程管理中應用大數據思維和技術，跟蹤學習者學習過程和學習行為，跟蹤教學活動與學習者參與狀況，進行教學質量監控，對學習效果、教學效果、資源適用度等進行評估預測，具有積極的現實意義：① 挖掘有效學習模式，助力在線學習者學習能力和自我管理能力的提升，實現深度學習； ② 掌握學習者學習動因與需求，為在線學習者提供真正意義上的個性化教學與支持服務；③ 促進在線教學模式的改進和教學效果提升，提高教學活動參與度，降低輟學率（謝洵，2016）；④ 為教學管理和科學決策提供智慧支撐；⑤ 促進數據標準統一，實現信息共建共享，促進教育的透明與公平。
三、在線學習過程管理大數據建設關鍵問題探討
在線學習者的學習過程概括講包括學習內容選擇（課程資源或專業）、就讀學校或機構選擇、注冊繳費、參加教學活動、自主學習、學習效果考核與評價、成果獲取（如獲得畢業或課程證書）。在線學習者的學習過程，由于處在虛擬網絡和課堂中，又受到諸如學習者特征、環境、工作與生活狀態、對教師與資源適應度等多種因素影響與制約，因此在線學習過程管理大數據建設與應用，要關注以下幾個關鍵問題：
1. 化零為整與化整為零的思維
大數據是一種新的思維方式，一種解決問題的新方法（趙靖巖，等，2016）。化零為整就是要收集與學生學習過程相關的各類碎片化信息，進行分類統計，通過大數據建模，形成結構化的數據表或可視化的分析結果，據此對學習、教學和管理進行評估和預測。化整為零是對大數據所呈現結果的反饋與落實，關注到每一位學習者個體分析結果，對教學與管理從每一個細節進行調整與改進。例如依據在線學習特點對資源進行分解制作微課，依據風險預警為每一位學習者提供有針對性的信息推送服務，教師依據學習效果評估實時改進教學設計，在教學過程中為學習者提供個性化支持等。
2. 關鍵數據庫的建立
數據采集是大數據應用的首要和基礎工作。圍繞在線學習者的學習過程，要建立一系列關鍵信息數據庫：① 學生信息庫，包括個人基本信息、學習者特征、環境、學習動因與目標等；② 師資信息庫，包括學習過程涉及的專業負責人、課程責任教師、課程輔導教師、導學教師、技術支持教師、教務管理教師等各類師資；③ 課程資源庫，包括圍繞課程學科建設的系統資源、針對課程模塊提供的支撐素材、各類專題研究與討論等；④ 學分與成績庫，記錄學習者圍繞課程或專業學習的階段性和終結性學習效果與獲得成果及相關信息；⑤ 教學過程信息庫，采集教學實施過程中的教學策略、教學行為、教學活動、技術運用、教學效果等信息；⑥ 質量評價保障信息庫實現多元化質量因子采集與質量標準的確立。
3. 數據的互通性
互聯網極大地促進了數據的開放，但基于在線學習的各類高校和教育機構都建有獨立的諸多教學、教務、考核等管理平臺，這些平臺使用不同的開發工具和數據庫技術，必然造成數據管理上的獨占性、封閉性和數據范式的不一致。因此，大數據應用需要更高層面的統籌規劃和頂層設計，建立開放的、采用相同范式和標準的數據接口，實現數據管理的標準化和數據互通共享。2015年9月正式啟動的國際開放數據就提出了開放數據必須保證互通性的倡議，提出將努力“制定并實現統一、開放的數據標準，從而確保數據的格式、結構和通用標識符都具備互通性”（高豐，2016）。
4. 數據的有效性
信息技術的飛速發展使海量的數據采集變得越來越高效，但并非收集的基礎數據量越龐大，分析預測的結果準確性就越高，大量無效的信息不但會造成冗余，影響數據處理的效率，更重要的是會干擾數據加工過程與風險導向，使預測結果偏離最接近真實的方向。因此，有效數據的遴選是在線學習過程數據采集的首要任務。
5. 數據的時效性
大數據應用中，反應速度極為關鍵。我們知道，大數據獲取的不僅是歷史數據，更重要的是即時數據。數據從產生的一刻起，就是有不同生命周期的，這就決定了數據價值會隨時間發生動態變化。因此，在線學習過程管理大數據應用中要重視數據采集、數據挖掘與結果呈現的時效性。要確保預測結果的有效性和價值實現，建立對在線學習過程相關數據的快速反應機制就顯得尤為重要。
6. 分析結果的準確性與質量
數據分析結果的準確性和質量直接影響管理決策方向。對于在線學習過程管理中關鍵環節的教學評價，在數據建設中要聚焦于實現教育質量保障的理性、透明性、可測量性和專業性，建立一種相互信任、權利與責任相平衡的質量文化（張應強，等，2014）。要重視對在線學習參與水平而不僅僅是參與度的數據研究，通過大數據應用探索有效的測量標準、方法與機制。對此，美國雪域大學DI Sun提出了測量學習者參與水平的三要素，即情感參與、認知參與和行為參與，并構建了包含21項條目的量表（梁林梅，等，2016）。這些研究成果可作為我們探索在線學習過程管理大數據挖掘和分析的參考。
7. 人的因素
對大數據進行加工處理，依托的不僅僅是數據分析軟件和信息技術，更重要的是人的參與。數據挖掘的靈魂是智能算法，通過對數據的分析、整合與設計實現信息向價值的轉換，體現的是人的智慧與思維。因此，在線教育的教師和管理者要具備一定的大數據思維和數據挖掘基礎知識，做既懂得數據分析技術又諳熟各項具體業務的復合型人才；大數據建模與應用的技術實施者，同時要了解并熟悉在線教育的特征和發展現狀，要跟蹤在線教育的新變化和新理念，才能挖掘教育大數據所潛藏的更高價值。
四、在線學習過程管理大數據
應用模式設計
大數據應用遵循數據采集、數據加工、結果呈現的基本模型。其中，數據收集是大數據應用的最基礎最底層任務，通過數據采集將數量龐大、結構復雜的信息匯聚起來建立關鍵信息數據庫。依據不同模型對收集到的各類數據通過挖掘和分析等技術手段和設計進行預處理和再加工，最終轉化為可視化結果輸出并落地應用，是大數據管理要實現的核心目標。依據不同的研究領域，大數據管理衍生出諸多不同的更具體的應用模式，這里圍繞在線學習過程，從學習分析、教學分析以及二者相結合的維度對大數據管理模式進行探討。
1. 學習分析模式
學習分析是大數據在教育領域的典型應用（王良周，等，2016）。新媒體聯盟（New Media Consortium）將學習分析定義為：利用松散耦合的數據收集工具和分析技術，研究分析學習者學習參與、學習表現和學習過程的相關數據，進而對課程、教學和評價進行實時修正（徐鵬，等，2013）。以在線學習者及其學習過程為主體，對在線學習過程進行分析的過程同樣如此。它通過收集學習者特征、學習背景、學習動因與需求等數據，跟蹤學習過程中的狀態、行為、影響因子、資源利用、作業與考核情況等信息，利用預設的模型對數據加以分析，并呈現出可視化數據分析結果。在線學習分析的大數據應用主要體現在：在保護學生個人隱私的基礎上，盡可能全面并有效地反映客觀真實；能預測學生的學習行為與需求，實現有針對性地為學習者提供支持和服務；依據正確的判斷進行風險預警，并體現關鍵性和前瞻性；能夠挖掘有效的個性化學習模式，提升學習者的學習能力、自我調適能力和管理能力。
2. 教學分析模式
在線學習教學分析圍繞教師的教學周期進行，聚焦于教師特征提取、課程資源建設、教學活動設計、線上互動學習設計、線下任務部署、學生資源訪問情況、活動參與情況、考核與學習效果評價、教學評價等環節，在數據采集和分析的基礎上，力爭針對每一位學習者實現真正意義上的“因材施教”。對在線學習教學分析應用大數據思維的重點聚焦在三方面：一是從互聯網海量的公開資源中遴選優質、適用的資源應用于課程教學；二是通過跟蹤教學活動參與效果與學生行為，及時調整、改進教學設計手段與策略方法，激發學習者學習動力，提升其學習效果；三是通過對整個教學過程的跟蹤反饋與評價，找到提高課程整體設計水平和資源質量的切入點，同時提升在線課程責任教師、在線輔導教師的教學能力和教學效果（鄭燕林，等，2015）。
3. 學教管相結合的分析模式
學習、教學和管理在在線學習中是交叉進行并互相影響的。隨著教育領域中大數據應用逐漸引起關注，功能相對單一的“學習分析系統”已經不能滿足互聯網+環境下教育發展的需要。學習者希望能利用碎片化的時間學習到豐富有用的知識或技能，實現高效能又不枯燥的學習；教師希望設計出受歡迎的優質課程或資源，開發學習者感興趣又能保持高參與度和持久度的學習活動，展現教師的價值與成就感；管理者希望能建立一個通暢的管理流程和渠道，并實時捕捉過程中發生的問題和需求，實現高品質服務和高效率管理。上述三者目標的共同實現，將促成學校或機構的品牌建立與影響力提升。于是，學教管相結合的大數據分析模式應此而生。這種分析模式如圖一所示，它具備統籌規劃與頂層設計，圍繞學習者整個學習周期，從更全面的多元化的角度收集數據，在有專業技術人員進行大數據平臺搭建的基礎上，結合實際需求與發展趨勢對數據進行算法設計研究，再將處理結果在學習、教學與管理中落地應用，并在實踐中不斷調整和改進。
結束語
終身學習已經從教育觀念發展成為全球性的共同行動，成為人們不可或缺的生存和生活方式，在線學習作為實現終身學習的必要途徑，以其豐富多樣的資源、多元化的教學方式、自由靈活的學習方式、開放包容的入學條件等優勢，受到越來越多學習者青睞。2015年在青島舉行的國際教育信息化大會上通過的《青島宣言》中指出，“在線學習，包含大規模開放在線學習課程（MOOCS），具有建立邁向高等教育和終身學習新路徑的潛力。我們鼓勵那些為改進在線學習而探索大數據潛力的努力，這使我們深入了解學生行為和學習活動，并且改進在線課程的設計和組織形式。”以信息技術為手段，對在線學習者學習過程產生的大數據進行研究，是一項復雜的系統工程，探討更適應學習者個性化的學習模式，不斷改進教學模式，建立先進的管理體系，是在線教育工作者不懈努力的目標。在此，筆者結合多年在開放教育一線教育教學管理經驗，謹以此文與從事在線教育的同行們就在線學數據思維與應用進行探討，以期引發對在線教育大數據更深入的研究。
[參考文獻]
徐鵬，王以寧，劉艷華，張海. 2013. 大數據視角分析學習變革[N]. 遠程教育雜志（6）：11-17.
顧小清，鄭隆威，簡菁. 2014. 獲取教育大數據：基于xAPI規范對學習經歷數據的獲取與共享[J]. 現代遠程教育研究（5）：13-22.
吳南中. 2015. 基于教育大數據的MOOC支持服務特質與形成研究[J]. 中國遠程教育（12）：49-55.
張應強，蘇永建. 2014. 高等教育質量保障：反思、批判與變革[J]. 教育研究（5）：19-26.
鄭燕林，柳海民. 2015. 大數據在美國教育評價中的應用路徑分析[J].中國電化教育（7）：25-31.
王良周，于衛紅. 2015. 大數據視角下的學習分析綜述[J]. 中國遠程教育（3）：31-37.
教育部. 2015. 關于“十三五”期間全面深入推進教育信息化工作的指導意見（征求意見稿）[EB/OL].
謝洵. 2016. 聚焦遠程學習的多元化實踐與研究[J]. 中國遠程教育（1）：73-76.
趙靖巖，胡振波. 2016. 大數據環境下高校信息化教學模式研究[J]. 情報科學（1）：92-95.
高豐. 2016. 共治共創視角下的開放數據發展：趨勢、挑戰和反思[J].大數據（2）：38-45.
梁林梅，夏穎越. 2016. 美國高校在線教育：現狀、阻礙、動因與啟示[J]. 開放教育研究（1）：27-34.
一、問題的提出
如今，一個大規模生產、分享和應用數據的時代（即大數據時代）正在開啟，人們的工作、學習以及思維方式也因大數據的到來而發生著改變。MOOC教育在大數據的推動下不斷突破和創新，革新了傳統的教育制度，MOOC教學評價在大數據的支持下趨于客觀和完善。在教育高度信息化的網絡時代，人們的學習方式也在邁向數字化，智能手機、平板電腦等各種便攜式移動終端是人們常用的學習工具，學習者在學習過程中會產生大量的數據來記錄他們的學習過程，大數據挖掘技術可以有效地跟蹤和記錄學習者的學習過程，從而為我們提供更加準確、客觀的教學評價。喻長志[1]指出：大數據將重新構建教學評價方式，由原來的“經驗式”評價轉變為“依據式”評價、由原來的單一維度評價轉變為多元性評價、由原來的結果性評價轉變為過程性評價，通過大數據的支持找出教學活動的規律。可見，在大數據技術的支持下，教學評價將會更加科學、準確。
近年來，MOOC（Massive Open Online Course）即“大規模在線開放課程”風起云涌，至今方興未艾，成為“地平線報告”預測的將在未來一年之內普及的技術，并且被認為是網絡學習的“下一個革新之舉”[2]。卡蘭?凱莫卡特認為MOOC是新型的網上大學[3]。在一次論壇上，有學者把MOOC為代表的網絡教育稱為“新”網絡教育[4]。從國內外學者對MOOC概念的界定可以看出，MOOC本身具有兩個顯著特征：一是開放共享（Open access），來自世界任一角落的人都能夠免費參與MOOC課程學習；二是可擴張性（Scalability），MOOC課堂是針對不確定的參與者來設計的，具有顯著的大規模性。
“大數據”是近年來信息技術領域比較流行的詞匯，一般認為其具有“4V”特征，即大量（Volume）、高速度（Velocity）、多樣化（Variety）和價值（Value）。MOOC與大數據具有密切的聯系，大數據背景下，MOOC將革新傳統教育體制、教學理念、教學方式以及教學評價等，本文主要探討基于大數據的MOOC教學評價。大數據時代，MOOC教學評價區別于傳統教學評價而具有自身的鮮明特征。由于MOOC學習者人數眾多，教師不可能像傳統課堂教學那樣事先對學習者特征進行分析，爾后根據學習者特點實施恰當的教學。所以，MOOC教學更需要對其教學評價進行精心的設計，MOOC教學評價貫穿整個教學過程，具有舉足輕重的作用。此外，由于在MOOC教學中師生、生生處于相對分離狀態，課程內容主要以視頻為學習載體，所以，又使得MOOC具有遠程教育的一些特征。因此，有必要對MOOC教學評價的特征進行分析。基于此，本文主要探討大數據背景下MOOC教學評價的特征，以期為我國MOOC教學評價提供一些有益的借鑒和啟示。
在MOOC教學評價相關文獻分析與總結的基礎上，結合作者自身對MOOC課程的學習體驗，認為大數據有助于重構MOOC教學評價體系，其特征主要體現在以下幾個方面（如圖1）。
圖1 大數據背景下MOOC教學評價的特征
二、大數據背景下的多元性MOOC教學評價
傳統教學中，一般教師作為評價主體、學生作為評價對象，評價方式通常采用單一的紙筆測驗，以終結性評價為主，分數是評價學生的唯一標準。不同于傳統教學，MOOC在大數據技術的支持下表現出多元性的特征。
1.評價主體多元
對MOOC學習效果的評價，其評價主體已不再僅僅是教師，還包括學生、校友等。MOOC學習平臺上，通過后臺大數據的分析與處理，加之不同主體對學習者的評價，有助于教師從不同渠道了解學生的學習情況，以便進一步改進教學。同時，也能夠使學生認識到自身存在的優點與不足，有助于學生的全面發展。
（1）教師作為評價主體。無論是傳統教學還是網絡教學，教師永遠是教學的一線工作者，其主導地位不可忽視與否認，MOOC教學亦不例外。在MOOC課程教學評價中，學習者數量眾多，大數據為MOOC學習者提供了更加新穎的評價方式：同伴互評和機器自動評閱，但教師也會參與其中，教師通過評價學生的作業可及時發現教學上存在的問題，進而采取一定的補救措施，有利于MOOC教學效果的提升。
（2）學生作為評價主體。在傳統的教學評價中，學生是評價的客體，是被評價的對象，他們對于評價的結果只能被動地接受，在一定程度上削弱了他們的主觀能動性，忽視了學習者的個性差異。相比之下，MOOC教學評價將學生納入評價活動中，強調學生也可以是評價的主體，評價形式為學生自評和同伴互評。比如：陳肖庚等在《MOOC的發展歷程與主要特征分析》一文中論述了同伴互評和學生自評這兩種MOOC課程評價方式的創新性與有效性。另外，祝智庭等學者也論述了Coursera平臺廣泛采用的自評和互評策略有效地促進了學習者的學習[5]。MOOC將學生這一主體元素引入教學評價后，既可以調動學生學習的積極性，也可以通過評價活動引導學生在評價過程中明確自己的定位，發現自身的不足，取人之長，補己之短，不斷完善自己，從中培養他們的自我反思及自我監控能力，使學生在評價過程中真正體現其主體性，成為學習的主人。
4.價值取向多元
第一，為促進學生全面發展而評價。教學評價的最終目的是要促進學生的全面發展，MOOC教學評價亦沒有偏離這一重要取向。MOOC教學評價更多的是關注學生的主體發展、自我成長與進步。就MOOC而言，可以說，其教學評價更多地是一種促進學生發展的動力，而不僅僅是衡量學生學業成績的方式或手段。
第二，為了解學生學習需求而評價。無論是傳統課程還是MOOC課程，要想為學習者提供適合他們的資源與服務，首先要了解學習者的學習需求。MOOC教學同樣要滿足不同學習者內心深處的個性化學習需求，可通過多層面、多維度的綜合教學評價，了解并分析不同學習者的學習需求，之后為他們提供合適的學習資源與個性化服務，使學習者能從評價中感受到更多的尊重和認同，從而獲得前進的動力。
第三，為尊重學生個體差異而評價。每個學生都是獨立的個體，從教學設計的角度來講，要想使課程取得良好的效果，首先必須對課程受眾進行分析，即學習者特征分析。而對于MOOC課程而言，其學習者情況更為復雜，一方面，MOOC學習者人數眾多，無法與傳統班級授課制相比；另一方面，MOOC學習者種類繁多，根據其職業背景和學習目的，可將其分為在校大學生、中小學學生、教師、家長、以興趣為導向的學習者、以充實個人內涵為目的的學習者、促進職業發展的學習者等。此外，雖然MOOC主要面向高等教育，但MOOC學習者中也不乏有年齡較大或較小的學習者。所以，MOOC課堂無法像傳統課堂那樣分析學習者特征，可通過學習分析、教育數據挖掘、體態計算等技術對學習過程進行評價、追蹤預測和分析，以了解學習者的個體差異，從而為其提供個性化的學習服務、推送個性化的學習資源、制定個性化的學習方案。有研究[11]表明，MOOC的特征之一就是基于大數據的個性化服務，不同學習者的電腦后端會推算目前的學習狀況，然后推送相應的學習資源，因材施教。
三、大數據背景下的開放性MOOC教學評價
相對于傳統課堂較封閉的評價體系而言，MOOC在評價理念與評價過程兩方面表現出明顯的開放化特征。
1.評價理念開放
MOOC中的教與學本身是一個極為復雜的系統，因此，對MOOC進行教學評價難以用單一的評價理念或標準來評判每個教師和學生的行為，需視具體情況而定。MOOC教學評價的理念可用“一切為了學習者，為了一切學習者，為了學習者的一切”來形容，正是這一理念，使得MOOC教學評價強調豐富的評價內容、多樣化的評價渠道以及開放性的評價過程，通過網絡與信息技術的支持構建開放的MOOC教學評價，以全面促進學習者的發展。
2.評價過程開放
MOOC教學評價過程大致分為四個階段：評價設計、評價實施、評價分析和評價反饋。每一階段都有不同的任務，但卻都具有開放性的特征。首先，在評價設計階段，從評價目標的制定、評價主體的確定到評價方法的選擇，都非常重視其評價過程的開放性。比如：在MOOC網站上，任何MOOC學習者都可以任意瀏覽某一課程的課程簡介、課程評價方式等信息，注冊賬號以后會瀏覽到更為詳細的課程信息，從評價的角度來看，包括課程的評價標準、考核方式、評價方法以及評價細則等內容。其次，在評價實施階段，評價人員根據上一階段所形成的評價方案，利用各種評價手段，完成對MOOC教學的評價任務。在實施過程中，由于學習者也加入到了評價活動中，所以，其實施過程也是面向學習者開放的。最后，在評價分析和反饋階段，評價人員根據評價實施階段收集到的反映學習者學習過程的資料和數據進行歸納和分析，并將評價結果反饋給學習者。在這一過程中，其評價的數據和結果都是面向學習者開放的，學習者可以根據評價結果的反饋信息及時發現自身的不足，進一步加以改正。
四、大數據背景下的人性化MOOC教學評價
教育要充分體現以人為本，服務學生的理念。在MOOC教學評價中，真正地把作為主體的學習者放在了首位，在評價標準與評價反饋中呈現出了人性化的特征，為學習者提供了人性化的關懷。
1.評價標準人性化
MOOC課程評價標準體現了現代教學理念，以學生發展為本，尊重學生個體差異。主要體現在以下兩個方面。
一是MOOC課程作業評價標準人性化。一方面，MOOC課程作業評價標準不像傳統教學那樣預先設定好，而是在教學過程中逐漸生成的，且其評價標準不是一成不變的，它會隨著課程的深入、課程目標的設定以及來自學習者的反饋而不斷發展變化，會根據不同的情況適當調整。比如：在Coursera平臺的《大數據與信息傳播》一門課中，部分學生在討論區中反映互評分數不合理，對此，課程提供方做出了相應的改進與調整。此外，在課程作業內容設置方面，也會根據學習者的需求進行調整。另一方面，MOOC課程作業提交的截止日期一般為2-3周，時間比較充裕，而且即將到期的作業還會有郵箱提醒，學習者不必擔心錯過課程作業的提交時間。此外，對于客觀選擇題，學生提交以后，系統會自動評分。比如：在Coursera平臺的《數學之旅》一門課中，隨堂測驗部分的客觀題分單選和多選兩種，學生提交作業以后會看到每題的得分情況和相應習題解釋。
二是MOOC學分制度人性化。目前，已有社區學院和公立高等大學等院校宣布接受美國教育委員會認可的學分，將修讀MOOC項目課程取得的學分與修讀本校課程取得的學分予以同等程度的承認[12]。學分的取得是對學習者學習過程與學習結果的肯定與認可，MOOC部分項目與學分制度掛鉤，利用學分制與傳統教育接軌，體現了教育以人為本的理念。
2.評價反饋人性化
大數據時代的來臨，使得MOOC教學評價不僅測量學生對知識的掌握程度，還利用智能化評價手段對學習過程給予及時的反饋，利用可視化統計表單呈現給學習者真實的學習數據，督促學生及時的調整學習現狀[13]。反饋是網絡教學重要的互動環節，及時的反饋（Instant Feedback）是人性化教學的要求，也是情感關懷的體現。在基于網絡環境下的MOOC學習中，由于師生處于相對分離狀態，反饋的及時性就顯得極為重要。及時的反饋有助于學習者了解自己的學習情況，加深對問題的理解與掌握，為下一步學習打下良好的基礎，從而激發學習者進一步學習的愿望。此外，及時的反饋還能幫助學習者及時發現、糾正他們自身存在的問題與錯誤，從而調整學習計劃，有助于提高學習效率。相反，如果沒有反饋或反饋不及時，學習者無法得知或很久以后才得知自己的學習結果（如作業正確與否），那么，學習者就很難保持已有的學習熱情，學習興趣也會大大降低。所以，對于MOOC學習者來說，及時的反饋是非常重要、也是非常有必要的。
相對于傳統課程，MOOC課程的評價反饋是比較及時的。比如：Coursera為學習者提供多次自動測試機會，每次測試后學習者通過系統可以得到分數反饋。Udacity為學習者提供Submit Answer，可以及時在output中得到反饋答案[14]。在客觀題作業方面，一般采用機器自動評閱的方式，學習者提交作業以后，會立即得到反饋（直接看到評閱結果）；在主觀題方面，主要采用同伴互評的方式，雖然不能立即得到反饋，但其時間一般不超過兩周，學習者可以在相對較短的時間里得到反饋。
