大数据技术建立在数据的搜集、存储和分析能力有了跨越式发展的基础之上，被学术界公认为渗透到各个领域的重要生产因素。随着移动网络带宽的快速提升、云计算和物联网应用的普及，更多传感设备和移动终端接入互联网，设备之间实现了前所未有的互联互通，由此产生的数据不可估量。在高等教育领域，教与学的过程也产生海量的数据，如何有效挖掘数据背后的隐藏价值，分析并利用这些数据来促进教学效果的提高，是当今教育界研究的热点问题。
１教育大数据及其特征和来源
大数据时代的一个显著特征是从数据中寻找答案、用数据说话［１-２］，它的战略意义不在于掌握庞大数据的显性信息，而在于对海量数据背后隐藏信息进行有效的分析。教育领域中，大数据的特性可以用４Ｖ来概括：Ｖｏｌｕｍｅ（数据规模大）、Ｖａｒｉｅｔｙ（数据形态多样）、Ｖｅｌｏｃｉｔｙ（数据处理快和结果报告快）、Ｖａｌｕｅ（数据价值潜力大）。实际上，处理教育数据的难点主要在于后３个“Ｖ”。具体地说，数据形态多样化要求一个程序既要能处理传统的结构化数据，还要能处理文本图片、视频音频等非结构化数据，这让现有的数据库难以应付；处理速度决定结果报告的生成速度，快速响应就是要让用户的时间成本最小化；数据的价值潜力大意味着数据本身的价值密度低，隐藏信息需要挖掘。此外，大规模数据的有效性、真伪性难以辨别也是技术应用中要克服的问题。统观整个高等教育过程，产生海量数据的来源主要有：１）传统的非电子形式的文档；２）来自学校各种信息系统的数据；３）大学在线课程平台上的数据；４）社会开放学习平台上及公开网页上的数据；５）教育行政管理部门统计的数据。从微观的个体看，当前获取教育大数据的主要途径是在线教育平台，研究人员利用这些平台可以较容易地获取关于学习者的兴趣或学习活动的数据，从而帮助授课教师发现具有显著效果的教学方法。研究者最终希望，通过平台上的大数据，“精准”地“测量”学生在所有课程的任何阶段的学习进度和效果。而从宏观的教学管理看，教学管理部门需要监控教学质量，及时得到教学过程数据的反馈，评估教学，及时对教学运行进行必要的调整。
２教育大数据分析与处理过程
教育大数据分析技术源于大数据在商业领域的应用，如某宝电商平台根据用户的浏览痕迹推测用户对产品的偏好。目前，教育领域常见的大数据应用是以学生群体为主，借助于网络在线平台或移动终端，跟踪、挖掘和分析学生学习的整个过程。视频教学和师生间的网络互动交流将成为未来教育的重要形式，记录学生学习过程的数据，将对学生的教育规划进行有依据、智能化的指导，以提高学生学习的质量和效率。从经验上看，这些数据中，结构化的数据约为１５％，非结构化数据（用户评论、交互过程记录、位置、图片、音乐、视频等）约为８５％。数据挖掘和深度学习等技术是教育大数据分析的基础，可视化是数据分析结果呈现的关键。教育大数据处理框通常可以用图１来表示。算法的最开始是获取数据，判断数据类型，并根据是否是结构化分别处理，统一存储在关系数据库中；然后创建数据仓库（ｄａｔａｗａｒｅｈｏｕｓｅ），进行联机分析处理（ＯＬＡＰ）；最后根据不同的应用目的生成报告，目的是帮助学习者或教育管理部门对学习或教育的过程进行改进。
３教育大数据应用系统的架构
传统的计算机系统处理大数据不仅复杂、耗时，且成本较高（尤其是时间成本），所以研究人员必须使用基于并行计算技术的系统架构，如图２所示。这是将大的问题分割成多个小问题，并行解决后再汇总的思路。目前大数据处理的主流软件平台有以下三种：
３.１MapReduce
Ｇｏｏｇｌｅ公司研发的ＭａｐＲｅｄｕｃｅ可以处理带有大量计算机节点一起工作所产生的大型数据集，且集群系统拥有良好的可伸缩性。ＭａｐＲｅｄｕｃｅ虽然不开源，但它易于使用，可以处理磁盘文件、关系数据库等组成的原始数据，解决海量数据的计算问题。其形式可以是结构化或非结构化的形式，一般用户只需实现ｍａｐ（）与ｒｅｄｕｃｅ（）两个函数。
３.２Hadoop
Ｈａｄｏｏｐ是个基于Ｊａｖａ编写的开源软件，支持分布式并行处理计算机集群上的大数据集，并且具有非常高的容错能力。Ｈａｄｏｏｐ分布式文件系统是分布式文件管理系统中的一种，能运行在廉价硬件集群之上，并且以流式数据模式来存储超大文件。其优点是高扩展性、高容错性、低成本。
３.３NoSQL
该数据库系统能满足数据存储方面的水平扩展性，不需要高度的数据一致性，比传统ＳＱＬ关系数据库在数据存储和检索机制方面有更少的约束。
４教育大数据应用实例
以高校计算机课程教学为例，在大数据时代，高校可建立基于数据驱动的教学模式，代替传统教学模式。目前，大数据平台主要解决是数据分析与课堂教学优化同步的问题。线上的数据可以同步驱动线下教学，即线上线下课程同时进行，通过对线上教学数据进行实时采集分析，同步驱动线下课堂教学即时优化和动态调整。目前，国内高校的线上教学，已经拥有大量优质的在线ＭＯＯＣ课程，很多高校还在此基础上推广翻转课堂、模型分析、工具挖掘等混合教学模式［３］。学生课前通过线上学习，完成在线练习。大数据后台则对此进行数据分析，即统计学生学习过程中的点击次数、提问和参与讨论的数量，然后建立模型来预测学生行为，最后教师可以根据大数据分析的结果，进行线下教学优化调整。在这种大数据混合教学模式下，通过数据积累，学习评估体系发生一系列的改革，传统模式下单一的以考试成绩为主的评价体系，变更为过程性和考试成绩相结合的评价体系。学生在大数据课程背景下的学习成果，不再是获得一张只有分数和排名的成绩单，而是一份详细的“学习评估分析报告”。根据各专业群体平时数据反馈的共性问题得出评估分析报告，进而得到整体学习的情况结果，并能够对单个学生进行差异分析，完善学生自身知识架构［４５］。相比于传统的数据收集方式，教育大数据拥有实时性、综合性、连续性和自然性的特点，因此，教育大数据在教学质量评价、教育理论及实践创新和高校德育评价体系等方面都有广泛应用。针对传统教学评价存在的问题，甘肃某高校利用大数据在教学评价中的优势，将大数据技术和数据挖掘技术应用于高校教学质量评价中。该系统主要运用数据的采集转换和挖掘分析技术，最终将结果反馈回教学课堂的实际应用中，为高校教学管理决策提供有力依据。颠覆传统评价模式，基于大数据的评价使教育评价更加客观，更具有针对性和预测性。东北某高校通过教育大数据，建立合理的大学生评价体系，运用层析分析法、综合模糊评价法进行实证分析，构建适合的评价指标，实现对大学生的个性化评价。利用大数据技术可以对海量数据进行提取和分析，将这个技术应用在教学领域中，可以协助管理部门做好科学的教学决策，湖北某高校将大数据技术应用于教育研究，对海量数据实时挖掘，做出更为科学、合理的教育决策。
５教育大数据应用带来的教学变革影响
５.１传统教学评价到大数据评价
培养综合性人才是各大高校的重要任务，而高校教师的教学质量特别能体现一个高校的综合实力，因此对教师进行多维度的教学评价显得尤为重要。教学评价主要分为诊断性评价、形成性评价和总结性评价三种类型。多年来，我国高校教育倾向于总结性评价，大数据的出现使形成性评价成为可能。传统的教学评价存在的问题包括以下四个方面：评价主体单一、数据采集不完整、数据分析能力弱以及结果反馈不及时［６］。传统的教学评价一般采用以学生为主体的方式进行，但学生更加侧重课堂氛围而教师则更加注重于课堂内容的知识体系，导致传统的评价体系很难对教师进行全面的评价，且评价存在“感情因素”。学生喜欢一个教师就会给出较高的评价，这种评价方式是不客观的，无法真实衡量一个教师的教学水平。由此可见，传统的教学评价方式存在一定的局限性与片面性。大数据教学评价是指依据教学目标，对收集到的数据进行科学的深层次挖掘，筛选出相关性数据，并对教学过程和结果进行判断。大数据时代，各种新技术把对数据的及时采集变成现实，有效地保证了教育评估的时效性。结合传统评价优点的大数据评价能对教师形成相对完整的过程性评价，及时帮助教师发现自己的教学问题。
５.２促进教师教学创新
学校教育是由学生学和教师教两部分构成。学生需要教师的引导与培训才能学会理论知识和技能技巧，教师也需要学生的配合才能顺利地开展教学工作。高校是连接学校和社会之间的桥梁，教师的教学质量将会直接影响到社会人才的质量。因此，大数据评价是具有价值的科学性预测，能够推动教师自身的学术发展和教学模式的创新，从而为社会提供新型人才。在新模式教学过程中教师将不再扮演刻板的讲师角色，而是转变为为学生咨询，与学生交流、探讨问题的对象。大数据式的教学评价所采集的数据以及数据分析的结果不仅能够为教师的教学目标、教学过程、教学形式等提供前期基础，还能够让教师积累教学经验，对日后的教学起到引导作用。
５.３促进学生学习能力的提升
学生作为学习的主体，养成自主学习的习惯非常重要。根据教学评教的分析结果能够使教师更为及时地了解到学生的真实需求，在学生提出自己的要求后，教师据此对自己的教学任务做出及时的调整，以满足学生的主观需求，激发他们的学习兴趣，主动去接受和探索新的知识，提高学生的学习效率以及自主学习的能力。
５.４提高高校育人管理水平
高校利用大数据技术使得教学形式更加灵活化和个性化，同时也有助于教师跟踪学生的学习过程，深入了解学生的学习状态，以学生为中心，有针对性地提出问题，精准反馈教学效果，挖掘学生的潜力，引导和培养学生的学习兴趣。
６结语
当代社会科学技术更新迅速，传统的教育及评价方式已经无法满足时代的需求，因此顺应时展的大数据评价模式便具有了很大的优越性。它不仅能够促进教师教学创新，提升学生的学习能力，还能提高我国的国民素质，为学生的前途发展、社会的发展、国家的繁荣昌盛打下坚实的基础。
参考文献：
［１］王平.大数据时代教师适应技术变革的策略研究［Ｊ］.知识经济，２０１７（２０）：１７１１７２
［２］杨现民，唐斯斯，李冀红.发展教育大数据：内涵、价值和挑战［Ｊ］.现代远程教育研究，２０１６（１）：５０６１
［３］程学旗，靳小龙，王元卓，等.大数据系统和分析技术综述［Ｊ］.软件学报，２０１４，２５（９）：１８８９１９０８
［４］仇德成，仇思宇，赵国营.大数据分析在教学质量评价中的应用［Ｊ］.计算机时代，２０１９（２）：２６２９
［５］赵曼.大数据时代的教育应用研究［Ｊ］.信息记录材料，２０１９，２０（２）：１８１１８２
［６］韩成勇.大数据背景下的高校教学评价［Ｊ］.电脑知识与技术，２０１７，１３（１７）：１５９１６１
作者:周近 王玉玺 周颖 单位:江苏第二师范学院数学与信息技术学院
