信息技术背景下的大数据分析

信息技术背景下的大数据分析著名的全球咨询公司麦肯锡(McKinsey)的负责人表示：“数据已经渗透到每个行业和业务职能领域，并已成为一个重要的生产要素。人们对海量数据的挖掘和应用预示着新一轮生产率增长和消费者剩余的到来。”虽然大数据在物理、生物、环境生态等领域以及军事、金融、通信等行业已经存在了一段时间，但由于近年来互联网和信息技术的发展，它已经引起了人们的关注。结果，教育受到很大影响。在信息技术时代，如何使大数据成为教育教学的工具已经成为一个重要的课题。2015年8月31日，国务院明确表示：“信息技术与经济社会的融合与融合引发了数据的快速增长，数据已成为国家基本战略资源。”“推动公众开展大数据增值、公益发展和创新应用，充分释放数据红利，激发公众创业创新活力。”在信息技术时代的背景下，大数据也将促进教育公平和教育健康发展。在大数据的背景下，我们做了很多尝试，希望利用信息技术，通过数据得出有价值的结论来指导实际的教育教学，希望通过数据来诊断一定时期内的教育教学质量，希望用数据来说明我们需要改进或可以改进的一些方面。然而，在实际过程中，数据的分析和应用缺乏分析技术和应用能力。本文作者将结合实际工作，通过关于印发促进大数据发展行动纲要的通知项目和学习诊断系统的数据应用和分析，以及探索微课有效性的尝试和努力，阐述大数据的一些分析方法和技术。一、数据相关性分析(一)提出的问题首先，我们将讨论数据的相关性。“健康检查计划”基于标准化测试，测试工具在几年内保持一定的稳定性，因此数据是可比较的。同时，它也是一个大样本测试，具有全面、客观的数据。为了更好地实现信息技术背景下的教学分析、教学改进和微课发展，首先必须明确数据的价值。我们仔细分析了区域教育质量健康体检提供的数据。根据2012年项目数据，学生学业成就标准成就指数、高水平能力指数和师生关系指数远低于地方(市级)水平，但教师教学方法、作业指数和学校压力等常规教育指标均达到地方(市级)水平。那么应该如何解决出现的问题呢？(二)问题分析通过初步分析，发现问题的几个方面都与教学有关。仅仅有必要改进课堂教学吗？与老师和学生的关系是因果的还是相关的？不良的师生关系导致了低学术水平吗？2014年6月，北京师范大学中国基础教育监测协同创新中心的刘健教授在郑州义务教育质量与健康指数会议上给出了一组相关数据。由此可见，师生关系与学业水平之间存在着正相关，并且相关程度非常高。这表明，师生关系只能证明存在相关性。在这种正相关的背后，可能有两种情况：师生关系不好导致学习成绩下降，或者师生关系不好导致学习成绩下降。也就是说，要解决这个问题，两个方面需要同时关注它，而不能分开处理。(3)问题的解决基于以上探索，笔者所在学校于2014年提出了“学校发展五大主题”:教师专业发展、学科群建设、课程建设、办学特色、师生阅读。师生关系应融入教师专业发展和学科群建设，使之有机结合。通过对以下数据的比较，还发现两者可以同时增长。虽然c在促进教学评价一致性的过程中，微课可以促进教育的多样性和公平性。评价可以为目标的实现和教学的有效性提供有力的证据。这是否意味着课堂教学的价值需要过程评价？一般来说，过程评价包括课堂评价(评价任务的设置和实施)、课后评价(作业的分配和反馈)、形成性评价(阶段性目标导向评价)和其他内部评价方法。为了更好地为课堂教学质量提供诊断结果和改进依据，有必要引入一种基于网络信息技术的“必学学习诊断系统”，它能为我们的教学提供明确的改进方向，并能为课堂教学活动提供数据点。然而，面对海量数据，如何使其成为一个真正有效的助手，需要我们对数据进行分析，使数据更具方向性。(二)问题分析通过使用学习诊断系统，我们得到了一些数据，我们可以看到一些具体问题中的问题，这可以有效地缩小我们分析问题的范围。经过对数据的不断分析，虽然可以发现它可以更清楚地指出问题，并看出哪些知识点和哪些类型的问题得分较低，但方向性仍然不够明确。我们需要的方向是能够直接指向并面对课堂教学。我们需要继续在这方面做一些工作。数据是冰冷的冰数据，但也需要实际证据作为证据。因此，我们进一步检查了所涉及知识点中教师使用的教案和学习论文，并对问题进行了更详细的分析。概念知识的呈现是否不当，程序知识的结构是否梳理不清，课堂评价的任务是否落实不够，课后评价是否存在问题等。只有这样，才能真正将数据返回给一线教师，让教师了解周期性教学中存在的问题，有利于正视教学中的问题，从而提高教学质量。(3)问题的解决为了使学习诊断系统成为课堂教学的辅助工具，首先，我们需要准确地测试每个评估工具标准的目标，即每个主题检查的知识点是什么？会提出什么样的问题？应该提前做好标记。其次，有必要为每一个题目提供一个恰当的解释，而不是不顾学生的学习情况盲目地堆积试题。最后，对数据进行分析，指出课堂教学的改进。通过学习诊断系统的使用，可以促进课堂教学能力和学生学业水平的提高。三。数据改进教学的基本要求(a)数据分析的基本方面1.视觉分析。无论如何，数据可视化是数据分析工具最基本的要求。在信息技术的帮助下，数据应该被转换成可视的和直观显示的数据，这样数据就可以为自己说话，让人们看到结果。我们获得的数据应该更直观地显示教学中的问题。2.数据挖掘。可视化是为了让人们看到，而数据挖掘是理解数据和掌握情况的关键。如何让数据说话就是如何挖掘数据背后的问题，即分析数据与数据方向性之间的相关性。3.预测分析。数据挖掘可以更好地理解数据，而预测分析可以根据可视化分析和数据挖掘的结果做出一些预测性的判断。一些基本趋势和趋势可以通过技术优化来判断。4.数据质量和数据管理。数据质量和数据管理是一些管理最佳实践。通过标准化流程和工具处理数据可以确保预定义的高质量分析结果。(2)数据可信度高数据是用来研究和分析问题的，所以无论收集什么样的数据，都必须满足高可靠性的基本要求。为了确保数据的高可靠性，建议在收集数据时确保公平和公开，在使用数据时遵循客观原则。诊断数据不能归咎于收集的对象，内部评估不能用作评估的基础，过程评估数据不能用于横向比较。(3)数据的合理性有时，为了获得更多的数据，或者成为“大数据”，会列出大量不相关的测试内容，这不仅会影响被测试者对测试的抵抗力，也不利于数据的分析和整理。一些不相关的评估维度会导致逻辑混乱，并为有效的数据分析设置障碍。然而，良好的数据收集需要适当的评价目的和合理的评价尺度。不同的答案会导致不同的结论，并避免没有选择。一个好的数据收集过程将成为大数据展示其强大一面的助推器。总之，在使用学