教育大数据的来源主要有哪些

一、 教育大数据的来源

教育是一个超复杂的系统,涉及 教学、管理、教研、服务 等诸多业务。与金融系统具有清晰、规范、一致化的业务流程所不同的是,不同地区、不同学校的教育业务虽然具有一定的共性,但差异性也很突出,而业务的差异性直接导致教育数据来源更加多元、数据采集更加复杂。

教育大数据产生于 各种教育实践活动 ,既包括校园环境下的教学活动、管理活动、科研活动以及校园生活,也包括家庭、社区、博物馆、图书馆等非正式环境下的学习活动;既包括线上的教育教学活动,也包括线下的教育教学活动。

教育大数据的核心数据源头是“人”和“物”——“人”包括学生、教师、管理者和家长,“物”包括信息系统校园网站、服务器、多媒体设备等各种教育装备。

依据来源和范围的不同,可以将教育大数据分为个体教育大数据、课程教育大数据、班级教育大数据、学校教育大数据、区域教育大数据、国家教育大数据等六种 。

二、 教育大数据的分类

教育数据有多重分类方式。

从数据产生的业务来源来看,包括 教学类数据、管理类数据、科研类数据 以及服务类数据。

从数据产生的技术场景来看,包括 感知数据 、业务数据和互联网数据等类型。

从数据结构化程度来看,包括 结构化数据、半结构化数据和非结构化数据 。结构化数据适合用二维表存储。

从数据产生的环节来看,包括 过程性数据和结果性数据 。过程性数据是活动过程中采集到的、难以量化的数据(如课堂互动、在线作业、网络搜索等);结果性数据则常表现为某种可量化的结果(如成绩、等级、数量等)。

国家采集的数据主要以管理类、结构化和结果性的数据为主,重点关注宏观层面教育发展整体状况。到大数据时代,教育数据的全面采集和深度挖掘分析变得越来越重要。教育数据采集的重心将向非结构化、过程性的数据转变。

三、教育数据的结构模型

整体来说,教育大数据可以分为四层,由内到外分别是基础层、状态层、资源层和行为层。

基础层:也就是我们国家最最基础的数据,是高度保密的数据; 包括教育部2012年发布的七个教育管理信息系列标准中提到的所有数据,如学校管理信息、行政管理信息和教育统计信息等;

状态层,各种装备、环境与业务的运行状态的数据; 必然设备的耗能、故障、运行时间、校园空气质量、教室光照和教学进度等;

资源层,最上层是关于教育领域的用户行为数据。 比如PPT课件、微课、教学视频、图片、游戏、教学软件、帖子、问题和试题试卷等;

行为层:存储扩大教育相关用户(教师、学生、教研员和教育管理者等)的行为数据, 比如学生的学习行为数据、教师的教学行为数据、教研员的教学指导行为数据以及管理员的系统维护行为数据等。

不同层次的数据应该有不同的采集方式和教育数据应用的场景。

关于教育大数据的冰山模型,目前我们更多的是采集一些显性化的、结构性的数据,而存在冰山之下的是更多的非结构化的,而且真正为教育产生最大价值的数据是在冰山之下的。

参考文献:

教育大数据的来源与采集技术  邢蓓蓓

  • 鏁欒偛澶ф暟鎹潵婧愬寘鎷摢浜
    绛旓細鏁欒偛澶ф暟鎹殑鏉ユ簮鍖呮嫭浠ヤ笅鍑犱釜鏂归潰锛1銆瀛︽牎绯荤粺鏁版嵁锛氬鏍$殑绠$悊绯荤粺涓寘鍚簡瀛︾敓銆佹暀鑱屽伐銆佽绋嬨佹垚缁┿佽冨嫟绛夋柟闈㈢殑鏁版嵁锛岃繖浜涙暟鎹彲浠ョ敤浜庢暀鑲插ぇ鏁版嵁鐨勫垎鏋愬拰鎸栨帢銆2銆鍦ㄧ嚎鏁欒偛骞冲彴鏁版嵁锛氶殢鐫鍦ㄧ嚎鏁欒偛鐨勫彂灞曪紝瓒婃潵瓒婂鐨勫鐢熷拰鏁欏笀浣跨敤鍦ㄧ嚎鏁欒偛骞冲彴锛岃繖浜涘钩鍙颁笂鐨勫涔犺褰曘佺敤鎴疯涓烘暟鎹佷氦浜掓暟鎹瓑鍙互鐢ㄤ簬...
  • 鏁欒偛澶ф暟鎹潵婧
    绛旓細1銆佹暀瀛︽椿鍔ㄤ腑鐩存帴浜х敓鐨勬暟鎹細鍖呮嫭璇惧爞鏁欏涓鐢熺殑瀛︿範琛屼负鏁版嵁銆佽冭瘯娴嬭瘎鏁版嵁浠ュ強缃戠粶浜掑姩鏁版嵁绛銆2銆佹暀鑲茬鐞嗘椿鍔ㄤ腑閲囬泦鍒扮殑鏁版嵁锛氬寘鎷鐢熺殑瀹跺涵淇℃伅銆佸仴搴蜂綋妫淇℃伅銆佹暀鑱屽伐鍩虹淇℃伅銆佸鏍″熀鏈俊鎭佽储鍔′俊鎭拰璁惧璧勪骇淇℃伅绛夈3銆佺瀛︾爺绌朵腑閲囬泦鍒扮殑鏁版嵁锛氬寘鎷鏂囧彂琛ㄣ佺鐮旇澶囪繍琛屻佺鐮旀潗鏂欓噰璐拰娑堣...
  • 鏁欒偛澶ф暟鎹潵婧愬寘鎷浠涔
    绛旓細鏁欒偛澶ф暟鎹殑鏍稿績鏁版嵁婧愬ご鏄滀汉鈥濆拰鈥滅墿鈥濃斺斺滀汉鈥濆寘鎷鐢熴佹暀甯堛佺鐞嗚呭拰瀹堕暱锛屸滅墿鈥濆寘鎷俊鎭郴缁熸牎鍥綉绔欍佹湇鍔″櫒銆佸濯掍綋璁惧绛夊悇绉嶆暀鑲茶澶囥備緷鎹潵婧愬拰鑼冨洿鐨勪笉鍚岋紝鍙互灏嗘暀鑲插ぇ鏁版嵁鍒嗕负涓綋鏁欒偛澶ф暟鎹佽绋嬫暀鑲插ぇ鏁版嵁銆佺彮绾ф暀鑲插ぇ鏁版嵁銆佸鏍℃暀鑲插ぇ鏁版嵁銆佸尯鍩熸暀鑲插ぇ鏁版嵁銆佸浗瀹舵暀鑲插ぇ鏁版嵁绛夊叚绉嶃傛暀鑲...
  • 鏁欒偛澶ф暟鎹殑鏉ユ簮鍙互姒傛嫭涓轰袱澶х被
    绛旓細鏁欒偛澶ф暟鎹殑鏉ユ簮鍙互姒傛嫭涓篲__涓ゅぇ绫汇A. 鏁欏笀鍜屽鐢 B. 浣滀笟鍜岃冭瘯 C. 浜哄拰鐗 D.瀛︽牎鍜岀ぞ浼 绛旀锛欳
  • 鏁欒偛澶ф暟鎹潵婧愬寘鎷摢浜
    绛旓細鏁欒偛澶ф暟鎹潵婧愬寘鎷汉鍜岀墿 澶ф暟鎹氨鏄皢娴烽噺纰庣墖鍖栫殑淇℃伅鏁版嵁鑳藉鍙婃椂鍦拌繘琛岀瓫閫夈佸垎鏋锛屽苟鏈缁堝綊绾炽佹暣鐞嗗嚭鎴戜滑闇瑕佺殑璧勮銆傛暀鑲插ぇ鏁版嵁锛岄【鍚嶆濅箟灏辨槸鏁欒偛琛屼笟鐨勬暟鎹垎鏋愬簲鐢ㄣ傝屽ぇ鏁版嵁锛屽垯闇瑕佸叿澶5V鐨勭壒鐐(IBM鎻愬嚭)锛歏olume(澶ч噺)銆乂elocity(楂橀)銆乂ariety(澶氭牱)銆乂alue(浣庝环鍊煎瘑搴)銆乂eracity(鐪熷疄鎬)銆
  • 澶ф暟鎹殑涓昏鏉ユ簮鏈()銆
    绛旓細澶ф暟鎹殑涓昏鏉ユ簮鏈夛紙锛夈A.浜掕仈缃戞暟鎹 B.浼犳劅鍣ㄦ暟鎹 C.瀹炴椂鏁版嵁 D.鎺㈡祴鏁版嵁 E.鐗╄仈缃戞暟鎹 姝g‘绛旀锛欰BCDE
  • 鏁欒偛琛屼笟澶ф暟鎹濡備綍閲囬泦?
    绛旓細鏁欒偛鏁版嵁閲囬泦鐨勬妧鏈綋绯诲叡鍖呮嫭锛氱墿鑱旀劅鐭ョ被鎶鏈佽棰戝綍鍒剁被鎶鏈佸浘鍍忚瘑鍒被鎶鏈佸钩鍙伴噰闆嗙被鎶鏈1銆佺墿鑱旀劅鐭ョ被鎶鏈 璇ョ被鎶鏈涓昏鍖呮嫭鐗╄仈缃戞劅鐭ユ妧鏈佸彲绌挎埓璁惧鎶鏈拰鏍″洯涓鍗¢氭妧鏈傚叾涓紝鐗╄仈缃戞劅鐭ユ妧鏈富瑕佺敤浜庨噰闆嗚澶囩姸鎬佹暟鎹紝鍙┛鎴磋澶囨妧鏈富瑕佺敤浜庨噰闆嗕釜浣撶敓鐞嗘暟鎹笌瀛︿範琛屼负鏁版嵁锛屾牎鍥竴鍗¢氭妧鏈垯...
  • 濡備綍瀵澶ф暟鎹殑鏉ユ簮杩涜鍒嗙被绠绛旈
    绛旓細澶ф暟鎹潵婧愪富瑕鍒嗕负浠ヤ笅鍑犵被锛1. 鍏叡鏁版嵁锛氬叕鍏辨暟鎹槸鎸囩敱鏀垮簻閮ㄩ棬鎴栧叕鍏辨満鏋勪骇鐢熺殑鏁版嵁锛岄氬父鍖呮嫭浜哄彛缁熻銆佸湴鐞嗕俊鎭佷氦閫氱姸鍐点佹皵璞′俊鎭瓑銆傝繖浜涙暟鎹線寰鏄负浜嗗叕鍏辨湇鍔¤屼骇鐢熺殑锛屼竴鑸綊鍥藉鎵鏈夛紝骞朵笖鏀垮簻浼氭棤鍋垮皢鍏跺紑鏀剧粰绀句細鍏紬浣跨敤銆2. 浼佷笟鏁版嵁锛氫紒涓氭暟鎹富瑕佹潵鑷簬鍚勭被浼佷笟鏃ュ父杩愯惀杩囩▼涓殑淇℃伅璁板綍...
  • 澶ф暟鎹殑鏉ユ簮鏈夊摢浜
    绛旓細澶ф暟鎹殑鏉ユ簮涓昏鏈浠ヤ笅鍑犵被锛1.绀句氦濯掍綋骞冲彴銆傜ぞ浜ゅ獟浣撲綔涓轰汉浠氦娴佸拰淇℃伅鍏变韩鐨勪富瑕佹笭閬擄紝浜х敓浜嗗ぇ閲忕殑鏁版嵁銆傜敤鎴峰湪绀句氦濯掍綋涓婂彂甯冪殑鏂囧瓧銆佸浘鐗囥佽棰戠瓑淇℃伅锛屼互鍙婄偣璧炪佽瘎璁恒佸垎浜瓑琛屼负锛岄兘鏋勬垚浜嗗ぇ鏁版嵁鐨勯噸瑕佺粍鎴愰儴鍒嗐2.鍟嗕笟浜ゆ槗璁板綍銆傜數鍟嗙綉绔欍佹敮浠樺钩鍙扮瓑鍟嗕笟绯荤粺鍦ㄦ棩甯哥殑浜ゆ槗杩囩▼涓紝浼氫骇鐢熷ぇ閲忕殑鏁版嵁...
  • 澶ф暟鎹殑鏉ユ簮鍖呮嫭鍝簺
    绛旓細澶ф暟鎹垎鏋愭墍渚濊禆鐨勬暟鎹潵婧愬箍娉涳紝娑电洊浜嗗唴閮ㄥ拰澶栭儴澶氱绫诲瀷鐨勬暟鎹傚叿浣撴潵璇达紝澶ф暟鎹殑鏉ユ簮鍙互鍒嗕负浠ヤ笅鍑犱釜涓昏绫诲埆锛1. 浜ゆ槗鏁版嵁锛氳繖绫绘暟鎹鍖呮嫭浜哖OS鏈鸿褰曘佷俊鐢ㄥ崱浜ゆ槗銆佺數瀛愬晢鍔℃椿鍔ㄣ佷簰鑱旂綉娴忚琛屼负銆佷紒涓氳祫婧愯鍒掞紙ERP锛夌郴缁熴侀攢鍞郴缁熴佸鎴峰叧绯荤鐞嗭紙CRM锛夌郴缁熶腑鐨勬暟鎹紝浠ュ強鐢熶骇銆佸簱瀛樸佽鍗曞拰渚涘簲...
  • 扩展阅读:学大数据学得想哭 ... 适合学大数据的四种人 ... 大数据学什么人适合学 ... 为什么不建议学大数据 ... 大数据的四个处理步骤 ... 大数据的四个重要来源 ... 大数据考研最佳专业 ... 女生适合学大数据吗 ... 女生建议学大数据吗 ...

    本站交流只代表网友个人观点,与本站立场无关
    欢迎反馈与建议,请联系电邮
    2024© 车视网