教育大数据:现状、局限性和未来研究方向
摘要
大数据是创新的一个重要方面,最近受到了学术界和实践者的广泛关注。考虑到教育部门的重要性,目前的趋势是研究大数据在教育部门中的作用。到目前为止,已经进行了许多研究,以了解大数据在不同领域中的应用。然而,在教育大数据方面仍然缺乏全面的审查。因此,本研究旨在对教育领域的大数据进行系统回顾,以探索趋势,分类研究主题,突出局限性,并提供该领域未来可能的方向。调查结果显示,在过去两年中,针对教育大数据的研究数量有所增加。我们发现,当前的研究涵盖了教育大数据下的四个主要研究主题,主要是学习者的行为和表现、建模和教育数据仓库、教育系统的改进以及大数据与课程的整合。大多数大数据教育研究都关注学习者的行为和表现。此外,本研究强调了研究的局限性,并描绘了未来的发展方向。本研究为未来的研究提供了指导,并强调了在教育中成功利用大数据的新见解和方向。
教育大数据分析的5大好处
你们机构最强大的工具是你们已经收集多年的东西:大数据。
大数据指的是我们每天创造的海量信息。由于学生、教师和管理人员在学校的整个工作期间都会留下无数的数据,因此这些信息可用于深入了解您的表现——包括高水平(整个学校)和细粒度水平(个别学生)。
教育者如何使用大数据
数据早在计算机出现之前就已经存在,但技术无疑加速了每天产生的数据量。通过移动设备、物联网(IoT)、社交媒体和其他信息来源,我们每天至少产生25亿字节的数据!
显然,这种难以置信的数据量对于传统工具来说过于复杂,无法捕获、存储和管理。这就是数据管理程序的用武之地。正确的软件将聚合所有必要的数据集,并在易于使用、易于理解的仪表板中编译它们。在本文中,您可以了解如何为您的学校找到合适的数据分析平台。
教育工作者、决策者和利益相关者正在利用数据分析计划来识别制度问题,并发现积极变革的机会。
软件程序可以进行跨越各种人口统计数据的分析和解释,从中你可以制定新的战略来推动你的机构向前发展。
记住:大数据的好处在于你如何使用它,而不是你拥有多少。话虽如此,以下是一些教育行业可以从大数据分析中获益的方法。
1.它帮助你找到困难问题的答案
评估现有数据是为教育领域面临的严峻挑战制定解决方案的最佳方法。你对自己的历史了解得越多,你就能从中学到越多。
例如,如果你在接受高等教育,你可能会看到入学人数下降。有了大数据,您就有了必要的上下文线索,以确定您的注册在哪里、何时以及如何发生变化。最值得注意的是,数据可以帮助您回答注册问题,如:
下降是发生在一个部门还是整个机构?
是否有某位教授的班级注册人数较低?
是否可以合并任何部分以提高生产力水平?
2.很方便
通过文件柜的墙到墙排列进行搜索既麻烦又耗时。由于大数据依赖于技术基础设施来捕获、存储和管理信息,因此更容易找到您想要的信息。
除了基础设施之外,机构孤岛也会使信息共享变得困难。领导层可能会对教师无法获取的数据保密,这可能会对成长和理解造成障碍。
数据分析以及合适的软件将帮助您创建一个更具协作性的环境。由于数据在一个集中的位置可用,所以您只需访问internet即可找到所需内容。许多软件工具都可以通过浏览器使用,比如谷歌Chrome和Safari,所以你甚至不需要安装程序或插件。
3.它可以节省成本
正确的资源分配在高等教育中至关重要,而您的数据是提高效率的关键。
首先,您的数据可以提供对不同班级注册人数的深入了解。如果ENG 102有五个部分,只有两个已满,则可以合并其余三个部分,以保留教室空间、教师时间和能源消耗等资源。
从基础设施的角度来看,基于云的系统有可能降低数据存储成本,减轻IT部门的压力。传统上,数据需要手动排序和转录,这非常耗时,可能需要数周甚至数月的时间。如果您需要定期编译定制的报告,这可能需要同样长的时间。
你的员工的时间可能会花在做更有益的工作上。一个分析程序将使许多繁琐的工作自动化,而数字信息的奢华使访问数据变得快捷和简单,从长远来看,这可以为您节省资金。
另一个节省成本的好处是高等教育招聘工作。通过查看过去的学校表现,你的数据可以告诉你哪些未来的学生有可能在你的学校取得成功,以及谁更有可能辍学或失败。这可以帮助您创建更成功的录取流程,最大限度地提高每个学生的投资回报率。
4.很快
我们在成本节约效益下简要地提到了这一点,但值得重复。由于学校的所有信息都集中在一个中心位置,您可以节省大量的时间,只为查找某个特定学生的特定报告或信息而对数据进行筛选。
大数据也可以实时获取,因此您可以做出决策
全球企业每年在数据上花费高达数十亿美元。 但很多时候,这些钱都用在了管理和渐进式改进上,以及不遗余力地专注于节约成本。这就是问题所在。 数据被视为一种需要管理的成本,而不是一种可以用来推动企业增长的资产。
数据是您最有价值的资产,但前提是您要对其加以充分利用。 是时候从孤立的、专有的、回顾性的方法转向统一的、可用的、面向解决办法的模型了。换句话说,数据(以及来自这些数据的智能)必须成为您业务的核心焦点。
企业级智能数据平台,可将所有内容进行统包括数据采集、数据仓库、分析以及新的数据源和类型 。利用超大规模的数据分析来解决最大的挑战和最复杂的端到端问题。实现了一个强大的数据分析生态系统 — 编排每一项行动和举措、优化业务执行、推动增长和价值。
从查询到用户再到数据量,无论哪个维度的需求增长,其它维度的性能也不会下降。大多数数据分析维度相互依存,此消彼长。 查询越多,数据可用性就越低。 用户越多,处理的查询越少。但是,企业级可扩展性意味着您可以在不影响其他功能的情况下最大限度地发挥每项功能,这是一种可提前处理未来大量数据工作负载的关键能力。
成为数据驱动型企业,首先要转变观念。是时候将数据作为您的业务核心了是时候从孤立的、专有的、回顾性的方法转向统一的、可用的、面向解决办法的模型了。
换句话说,数据(以及来自这些数据的智能)必须成为您业务的核心焦点。