数据驱动教育改进论文（8篇）数据驱动教育改进论文 龙源期刊网http://www.qikan.com.cn 数据驱动的精准教学研究 作者：沈志斌王玉家来源：《中国教育信息化·高教下面是小编为大家整理的数据驱动教育改进论文（8篇）,供大家参考。
篇一：数据驱动教育改进论文
龙源期刊网http://www.qikan.com.cn
数据驱动的精准教学研究
作者：沈志斌王玉家来源：《中国教育信息化·高教职教》2019年第12期
摘;;要：文章通过学情数据的常态化有痕采集，依据一定算法对学生画像;通过大数据技术来驱动教师实施精准教学、驱动学生实现个性化学习、驱动学校实现精准管理;同时化解了班级授课制与因材施教之间的矛盾，有效提升了学科的教学质量。
关键词：常态化;有痕;大数据;精准教学中图分类号：G434文献标志码：B文章编号：1673-8454（2019）23-0074-03一、问题的提出2000多年前，孔子提出了因材施教。他认识到“知”人的重要，因此十分重视“知”学生，认真分析学生个性，充分了解学生之材，近乎完美地实现了因材施教。因材施教成为现代教育的基本原则，这也是历史上精准教学的雏形。我国最早在1862年实行班级授课制。班级授课制是为了适应社会化大生产的需要，为培养各种各样的产业工人而产生的，它强调的是统一、齐步走。相比于孔子年代的私塾制教学，班级授课制环境下教师很难照顾到学生的个别差异。有学者这样评价当前的学校教学，一个年级就像工厂的一条流水线，不同的学生，被传授同样的教学内容，经历着同样的进度和难度，面对着同样的检测，期望得到同样的结果，受教学者的个性差异被严重忽视。2016年《人民教育》杂志刊登了文章《论因材施教》，该文通过大量分析论证后指出，在当今班级授课制条件下，要实现因材施教，简直是天方夜谭。为了实现班级授课制环境下的因材施教，使教学更加精准有效。一种改良的路径是尝试小班化教学、分层教学、自主选科、跑班上课等形式;另一种改良的路径则是从技术与教学深度融合出发，运用数据驱动的教学范式。舍恩伯格与库克耶合著的《大数据时代：生活、工作与思维的大变革》被认为是大数据研究的开创之作。数据驱动教学有望超越计算机辅助教学，逐
龙源期刊网http://www.qikan.com.cn
步成为大数据时代的主流教学范式。随着大数据技术在教育领域应用探索的快速推进，数据驱动教学范式呈现出四特征：科学化、精准化、智能化和个性化。大数据技术为班级授课制环境下的因材施教奠定了基础，使数据驱动的精准教学成为可能。
二、问题变课题
为了较好地实现班级授课制环境下的因材施教，走向数据驱动的精准教学，实现教学质量的有效提升。笔者申报了江苏省“十二五”立项课题“高中生学业成就诊断与评价改革的行动研究”（2011-2015年）。明确了课题研究的路径：学情诊断、读懂学生、因材施教、精准教学、提升质量。考虑到考试（终结性学情诊断）环节已有网上阅卷系统，其数据采集和分析功能相对比较成熟，但由于相邻两次测试的时间间隔较长、没有批改痕迹、数据频度小，不利于对教学的及时干预。唯有常态化的学情数据采集，才能确保教师及时对教学中存在的问题及时干预。因此，笔者从教学五环节中的作业环节（过程性学情诊断）切入，采集每次作业的数据，通过数据分析和数据跟踪，开展数据驱动的精准教学。
然而，单靠一所学校的技术力量，要实现上述目标是很难的事。在课题研究过程初期，数据分析的软件已经相对成熟。2011年，我校邀请北京教育考试院张警鹏研究员做课题辅导，张研究员团队推荐了一个很成熟的数据分析软件，将考试的数据导入后能够提供丰富多彩的可视化分析报表，但没有解决数据的采集问题。后来，笔者与校友合作，通过校企联合，学校提出需求和实验环境，企业负责技术攻关，共同开发出“极课大数据精准教学”（以下简称极课）系统，实现了学业数据的常态化有痕采集，并完成了一轮精准教学的实验，成功实现了教学质量的有效提升，目前项目成果已辐射到全国三千多所基础教学学校。
三、数据驱动的精准教学实践成果
1.实现学情数据常態化有痕采集
没有学情大数据就没有精准教学，智慧教学没有大数据就智慧不起来。实现常态化学业数据有痕采集是开展数据驱动的精准教学的前提。传统学情数据采集采用人工“画正”统计方式，耗时低效，一般教师不能坚持;网上阅卷系统可以快速采集数据，但缺少批改痕迹，对教学带来不便。为了使学情数据有痕采集走入常态化，我们设计了“先纸质批改后扫描录入”的方案，这样既遵循传统又提高效率。具体的做法是，教师登录“极课教师端”、编制一份作业或测试卷、赋分值、选择题赋答案、赋题目的知识点、生成PDF文件、打印文稿、油印讲义、学生作答、教师批改、扫描采集数据、计算并上传云端保存。实践表明，一个班的作业或试卷，一分钟左右就可以完成数据采集上传，完成传统约四十分钟的人工统计工作，极大地提高了数据采集的效率，为常态化有痕学情数据采集奠定了基础。
2.实现数据驱动的精准教学
龙源期刊网http://www.qikan.com.cn
教师端可以看到多维度的数据分析报表：学情报告、成绩单、作业逐题分析、详细分析报表（班级学情、试题详情、年级对比等）、学生跟踪等。
（1）实现数据驱动的精准纠错
课堂教学的常态是教师必须对上一堂课作业中暴露出的问题进行补救性教学，通俗地讲就是作业讲评。目前有三种讲评形态存在：第一种是没有重点，按题号顺序讲评;第二种是教师凭作业批改时的印象选择性评讲;第三种是基于采集数据精准评讲。作业讲评是课堂教学常态化的事件，通过数据驱动的精准评讲，极大地提升了讲评的精准程度，减少讲评时间，保障新课教学时间，从而整体提升课堂教学的效率。
（2）实现数据驱动的滚动教学
每个学科都有经典的知识难点。通常教师会形成思维定势，即我们这样的生源，这个难点知识只能有这样的得分率。突破难点，需要教师有智慧地组织教学。在一轮精准教学实验中，我们就物理学科某个难点知识（系统匀加速运动中的变力问题）构成的综合问题，开展数据驱动的滚动教学实验，先后组织三次变式教学，时间跨度半年有余。实验数据如图1所示，实现了量变到质变的教学效果。实验表明，对于知识难点，教师不能指望一次性教学就能达到理想的效果，依据艾宾浩斯遗忘曲线，教师必须有课程意识，适时进行滚动教学、变式练习，一般三轮教学就可以达到较好效果。基于上述实验结论，我们将其应用到日常教学中，周末学习任务就选择一周内的高频错题进行变式作业。
篇二：数据驱动教育改进论文
基于育人目标和核心素养采集全样本全过程数据运用多种分析方法从认知行为情感三个维度分析学习结果学习过程和成长发展相关因素全面识别学生的学习现状与发展趋势判断学生的优势与不足从而为后续发挥优势和改善不足提出合理建议
龙源期刊网http://www.qikan.com.cn
教育大数据驱动学业诊断的思考与探索
作者：孙佳李维王菲菲魏旭盛叶娟来源：《中国教育信息化·高教职教》2019年第08期
摘;;要：本文基于教育大数据建设和应用的视角，探讨教育大数据驱动学业诊断发展的相关问题。文章认为，教育大数据驱动了学业诊断的精准化、普及化和常态化发展，指出教育大数据要实现对学业诊断发展的驱动，需要解决好三方面问题：数据采集的全面性，包括学习结果数据、学习过程数据和学生发展数据;数据分析方法的多样性，深入分析结构化数据，并突破非结构化数据分析的难点;数据应用的便捷性和针对性，滿足不同教育主体对学业诊断的数据分析需求。本文还基于实践，介绍了教育大数据驱动学业诊断在促进业态升级、学校教育发展和学生成长方面已取得的现实进展，做到了减负增效，促进了学生全面而个性化的发展。
关键词：教育大数据;学业诊断;学习分析
中图分类号：G40-058.1文献标志码：A文章编号：1673-8454（2019）15-0048-05
随着基础教育课程改革的全面深化和新高考改革的推进，发展学生核心素养和实现“立德树人”育人目标备受全社会关注，促使教育实践领域愈加重视“学业诊断”。近年来教育大数据的迅猛发展，为学业诊断注入新思路、新动力、新引擎。本文探讨了教育大数据驱动学业诊断的现实意义，提出其中需要把握的关键问题，并且介绍了相关实践进展。
一、教育大数据为学业诊断发展提供机遇与实践推广的可能性
1.教育大数据驱动学业诊断实践走向精准化
学业诊断是医学领域的“舶来品”。由于教育教学和医学都面临复杂的、不确定的情境，有学者提出教学向医学学习，为学生开出“化验单”、“报告单”和“诊断书”。传统学业诊断如同大多数教育决策判断一样，由于数据范围有限、分析方法有限，更多依靠经验判断，精准程度仍有很大提升空间。[1]
教育大数据丰富了学业诊断的数据类型，为其提供了更多的科学分析方法的应用空间，能从多角色的角度更客观地描述实际情况：通过海量的学习数据，精准分析每位学习者的知识能力结构、个性倾向、思维特征、学习路径和学科素养发展状况。[2]学业诊断突破原有技术条件限制，形成新样态：基于育人目标和核心素养，采集全样本、全过程数据，运用多种分析方法，从认知、行为、情感三个维度分析学习结果、学习过程和成长发展相关因素，全面识别学生的学习现状与发展趋势、判断学生的优势与不足，从而为后续发挥优势和改善不足提出合理建议。以学年诊断为例，越来越多的学校不仅看重学生期末考试数据，还融合过程性评价数据，如笔记、日常作业、课堂表现、单元测试、专题测评、项目学习等，使学业诊断更加客观、连贯、精准。
龙源期刊网http://www.qikan.com.cn
2.教育大数据驱动学业诊断实践走向普及化
传统学业诊断方法的应用受到多种因素阻碍，比如理论模型比较复杂、技术实现过程困难，通常需要评估机构、教育测量学专家、心理测量学专家与学科专家协作。因此，以往学业诊断更多停留在研究领域或小规模应用，学校实践领域的专业化学业诊断往往由学校聘请专家对重点年级或班级进行诊断。
随着教育大数据不断发展，“互联网+教育”的平台和工具不断完善。通过系统建构一定的参数和模型，学业诊断的门槛降低，教师利用平台和工具进行高质量诊断成为可能。学业诊断的主体逐渐从专家拓展到学校、教师和学生个体。越来越多的学校借助诊断系统，实现教师主导诊断、学生自我诊断。以“好分数”测评分析系统为例，已经有3万所学校、150万教师、3000万学生利用教育大数据实现学情诊断。同时突破校际的统考、联考活动也越来越频繁，既有区域联考、盟校联考，也有跨省市数百所学校的诊断性联考。
3.教育大数据驱动学业诊断实践走向常态化
在传统教学模式中，教师很难实现面向学生个体的动态学业诊断。在课堂上，教师通过观察、互动，课后通过作业和试卷，或通过与学生对话进行学情诊断，但是这些往往都属于经验性的、瞬时性的信息收集、点状诊断，很难持续收集学生的信息进而形成动态诊断。
教育大数据正逐步实现对学习全程实时的数据采集、诊断评估和指导反馈。随着智慧校园的建设，信息化平台在校内大范围、高频率的应用，学生信息的收集与记录做到了实时，为学业诊断提供了连续的证据，使常态化的诊断得以实现。比如，学生在在线课堂的学习路径会被自动记录。以云课堂为例，系统能够自动记录学生选择的学习资源类型、观看微课的时长、浏览学案的完成度、课后作业准确率、小组协作的成果等，通过对学生学习结果和过程的常态化追踪、分析，识别学生的学业水平、学习行为与能力发展。
二、教育大数据驱动学业诊断需要解决好三方面问题
1.数据采集问题
确保大数据的可用性必须从源头抓起。[3]数据采集决定学业诊断的全面性与科学性。因此，用于学业诊断的教育大数据应当是子集丰富的数据集。然而，在当前教育实践中，数据采集过于关注学生考试测评等结果数据，学习过程数据缺失，学生个性特征、发展目标等数据不足。因此，学业诊断的证据不充分，影响诊断结果的准确性，对学生发展的预测力不足，需要对数据采集、分析的范围进行限定，详见图1。
全面的学业数据包括三类：第一类是学习结果数据。学习结果数据指的是终结性评价数据，来源于期中考试、期末考试和大型测评。数据集包括期中、期末考试成绩和统考、联考成绩。第二类是学习过程数据。学习过程数据指的是形成性评价数据，来源于传统课堂、在线课堂和综合实践。数据集包括考勤数据、课堂交流数据（口头回答、口头汇报，在线文字交
龙源期刊网http://www.qikan.com.cn
流）、阶段测评数据（随堂作业、课后作业、小测验等）和操作表演类数据（如实验、小制作、角色扮演等）。[4]第三类是学生发展数据。学生发展数据指的是学习规划及相关因素的数据，来源于排选课、生涯规划和学校教务管理。数据集包括选课选科数据、生涯测评数据和成长档案数据。
2.数据分析问题
在学校学业诊断中，教师和教学管理者大多使用统计分析法，针对学业成绩、知识点、能力结构等结构化数据，进行初步的描述性分析。同时，在传统教学中，师生的言语数据、行为数据丰富，但对这些非结构化数据的分析能力不足，多数教师无法从中深度解读出学业信息。随着大数据技术发展，更多数据分析方法进入诊断领域。研究指出，未来学校学习中，将有超过80%的数据是非结构化数据。[5][6]因此，学业诊断应综合应用各种分析方法，深入分析结构化数据，并突破非结构化数据分析的难点，对收集到的学习结果数据、学习过程数据、学习发展数据进行描述性和预测性分析。
因此，教育大数据驱动的学业诊断可以借助测评分析系统，综合分析全过程学习数据。使用统计分析法，整合经典测量理论、项目反应理论和认知诊断理论优势，分析学习结果和学习过程中的结构化数据。借助研究者的实践经验，采用先进的分析方法**非结构化数据分析难的问题，挖掘学习过程数据和学生发展数据的教育价值。比如利用文本分析法、话语分析法，提取师生交流、生生交流中隐藏的关键信息，实时跟进学习者的意见和想法。利用社会网络分析法，通过在线行为的分析，发现学生社会网络特征变化的特点，以及学生社会网络位置与学习成效之间的相关性。[7]
3.数据应用问题
在学业诊断过程中，采集、存储、分析数据，目的是应用数据、读懂学生、服务教学提升。因此要重视数据应用的便捷性和面向不同教育主体的针对性。只有把数据应用和教学深度融合，才能提升干预的有效性。然而，在学校教育实践中，有些学校学业诊断系统形同虚设，或者教学应用与数据采集、分析脱节;有些学校混用多套测评分析系统，无法保证数据全面且持续;有的诊断系统采用数值化、表格化、堆积式等方式呈现诊断结果，可读性较差。[8]只有将学业诊断建议转化成教学提升行动，学习反馈才更及时，学习干预也更精准。
因此，要想利用教育大数据驱动学业诊断，不仅要改善诊断结果呈现的方式，借助图像、图形、多元素关联图表等，使各个使用者一目了然，快速理解诊断信息。更要重视诊断结果的针对性，满足学生、教师、教学管理者差异化的需求，使学业诊断服务学生自我反思、自主学习、自主规划;服务教师干预学习、教学反思、教学改进;服务教学管理者完善教学支持、提升决策质量、改善评价方式。
三、教育大数据驱动学业诊断的实践探索
龙源期刊网http://www.qikan.com.cn
1.行业实践探索
随着大数据发展，行业从业者积极探索，与高校、中小学、科研机构深度合作，全面理解、深度挖掘业务需求，从教育教学视角思考教育大数据产品的体系框架与流程设计。[9]学业诊断在单一场景的应用和多场景综合应用方面都取得了进展，促进了业态升级。比如在线口语考场，通过人机对话，诊断学生的语言能力;阅卷与测评分析系统，采集分析学生考试数据，诊断学生的知识结构和能力发展情况。也有平台通过全过程数据采集、分析，实现动态化、个性化的综合性学习分析，引导学生开展个性化学习。
以爱云校为例，研发中心与北京师范大学脑与学习科学研究中心、北京十一学校、烟台市教科院、青岛黄岛区及全国多所中学合作，开发“全过程学业数据采集与分析诊断云平台”。云平台整合智能组卷系统、测评分析系统、过程性评价系统、在线课堂系统、排选课系统、生涯规划系统和教务管理系统，追踪和分析学生学习结果、学习过程和学习发展数据。利用全过程数据，构建动态、完整、个性化的学生画像。并根据学生个性特征差异，匹配适宜的知识路径，为教师、学生、管理者提供数据参考和决策建议。
借助“全过程学业数据采集与分析诊断云平台”支持，数据采集和分析流程如图2所示。首先，通过阅卷系统自动生成考试数据分析，由此了解学生学科知识点掌握情况、能力发展情况、学科均衡性以及成绩动态变化等学业信息。然后，通过过程性评价、在线课堂，掌握学生学习行为表现（学习时长、使用资源类型、学习进度及结果等），作业完成度（正答率、薄弱知识点等）以及师生、生生交流情况等。最后，借助排选课系统、生涯规划系统等，结合学生选课选科结果、生涯测评结果和成长档案，对每一位学生的优势和不足做出综合性的反馈。
2.学校教育的应用实践
在学校教育中，基于教育大数据的学业诊断已经渗透到教学全过程。针对测评数据，系统越来越自动化、智能化，科学性和便捷性也显著提升。比如，学校借助“好分数”测评分析系统，实现了数据采集智能化、数据分析自动化。（见图3）一方面，学生手写内容的智能识别已经取得突破性进展，比如考试测评、日常作业、学生作品中的部分手写内容已经能通过机器自动识别，完整保留了学生的答题痕迹，也在不改变教师使用习惯的前提下，减轻教师手动处理的工作量。另一方面，依托知识图谱，系统智能识别测评内容对应知识点和能力维度，自动生成学科整体情况、班级整体情况、临界生分析、优劣势学科、命题质量、历史对比分析等多维度分析报告，帮助教师快速了解教学中的关键问题。
与此同时，针对学习过程数据不易追踪、分析的状况，学校实践也有突破。比如S学校借助在线课堂系统分析学生线上学习过程。采用文本分析和社会网络分析相结合的方法，分析课堂讨论区学习数据：基于教师提供的多个开放性问题，通过分析学生问题选择的偏好、回帖次数、回复内容的思考深度，探究学生的学习态度、认知水平、思维方式。通过查看师生和生生交互频次、点赞次数等分析学生课堂参与、小组合作贡献度等多项重要信息，识别学生的合作与交流素养等。再如，学校借助过程性评价系统分析学生在传统课堂的学习过程。L学校按照
龙源期刊网http://www.qikan.com.cn
出勤和行为规范、合作学习、课堂表现、家庭作业和测验，设定多维度指标体系，并且进行赋分，如图4所示。而N学校则关注学业发展、互动合作、公民素養，由此将笔记及任务完成情况、学科参与（师生互动、生生互动）、考勤纪律等设定为校本指标。
3.学生发展的应用实践
教育大数据驱动的学业诊断，让学生参与到诊断过程中，更清晰地认识自己、唤醒自己、自主规划、发挥学习主体的作用。通过查看全过程学业分析报告，学生能更准确地获取和分析自身的学习进度、学习习惯、学习偏好以及个性特征等信息，突破以往以成绩作为单一维度自我评价的模式，引导关注成长历程中的自我对比、正视不足、肯定进步、发现优势与潜能、激发成长内动力、整合促进自身成长的资源。
在教育实践中，已经出现利用大数据改进学业诊断以助力学生全面而个性化发展的实例。比如，W同学借助“好分数”学业诊断系统，把学习现状、发展趋势、个人特质与升学目标结合起来。（见图5、图6、图7）借助系统，W同学能了解自己的薄弱知识点、学业成绩动态变化和学科优劣势。利用系统自动推送的匹配练习，结合教师的差异化指导，查缺补漏、精准提升。借助过程性评价和在线课堂相关数据，看见自己学习方式偏好、识别交流模式，透过同伴和教师的评价，加深自我认知，改善人际交往模式。借助生涯规划系统，评估兴趣、性格、能力与学业的匹配程度，确定选课选科与成长规划，唤醒自主意识、提升学习的积极性和主动性。
四、结束语
在数据驱动教学的背景下，学业诊断在减负增效、促进学生全面而个性化发展方面发挥越来越重要的作用。基于教育大数据的学业诊断正在建构以“学习者为中心”的减负增效新模式：全过程、全方位了解学生的学习进程，精准识别优势和不足，及时发现显性和隐性问题;通过教学干预帮助学生调整学习状态，规划合理学习路径，助力学生“自主减负”、“科学增效”。由于教育过程的复杂性和多样性，基于教育大数据的学业诊断仍然面临许多挑战。然而，随着5G技术、物联网、人工智能的进一步发展以及教学实践的不断推进，学业诊断的数据采集及分析方法将会进一步丰富，数据应用会继续揭开学习过程的黑匣子、为学生发展创造新的教育价值。教育大数据在赋能学业诊断的同时，也将会被学业诊断重新塑造。
参考文献：
[1]刘凤娟.大数据的教育应用研究综述[J].现代教育技术，2014（8）：13-19.
[2]余胜泉.大数据时代的未来教育[J].中国民族教育，2017（Z1）：8-11.
[3]杨现民，唐斯斯，李冀红.教育大数据的技术体系框架与发展趋势——“教育大数据研究与实践专栏”之整体框架篇[J].现代教育技术，2016（1）：5-12.
龙源期刊网http://www.qikan.com.cn
[4]崔允漷.学校课程实施过程质量评估[M].上海：华东师范大学出版社，2017.8：206.
[5]SteveKearns.SixReasonsBusinessesNeedtoPayAttentiontoUnstructuredData[EB/OL].http：//www.itbusinessedge.com/slideshows/six-reasons-businesses-need-to-pay-attention-tounstructured-data-05.html.
[6]YuejinXu，NoahReynolds.UsingTextMiningTechniquestoAnalyzeStudents’WrittenResponsestoATeacherLeadershipDilemma[A].Proceedingsofthe20114thIEEEInternationalConferenceonComputerScienceandInformationTechnology[C].NewYork：ACM
[7]石月凤，刘三<D：＼2019年＼教育信息化＼教育信息化2019-8＼TP＼牙.tif>，刘智，韩继辉，彭晛.基于社会网络分析的在線学习行为分析实证研究[J].中国教育信息化，2019（1）：5-10.
[8]刘三<D：＼2019年＼教育信息化＼教育信息化2019-8＼TP＼牙.tif>，周东波，李浩，孙建文，于杰.基于地图的教育大数据可视分析方法探讨[J].电化教育研究，2018（7）：49-56.
[9]杨现民，田雪松.中国基础教育大数据2016-2017：走向数据驱动的精准教学[M].北京：科学出版社，2018.3：224.
[10]罗照盛.认知诊断评价理论基础[M].北京：北京师范大学出版社，2019.2：3.
[11]付志慧.多维项目反应模型应用理论[M].北京：科学出版社，2017.3：3.
[12]张琪编著.学习分析技术与方法[M].北京：科学出版社，2018.12：6-7.
[13]刘月霞，郭华主编.深度学习——走向核心素养[M].北京：教育科学出版社，2018.11：6-7.
[14]刘三<D：＼2019年＼教育信息化＼教育信息化2019-8＼TP＼牙.tif>，杨宗凯.量化学习——数据驱动下的学习行为分析[M].北京：科学出版社，2016.6：85.
[15]祝智庭，孙妍妍，彭红超.解读教育大数据的文化意蕴[J].电化教育研究，2017（1）：29.
[16]孔兴隆.运用学业质量检测数据，诊断与改进学生的学习[J].考试研究，2016（3）：63.
（编辑：王天鹏）
篇三：数据驱动教育改进论文
信息时代,数据驱动教学的创新学习
信息时代，数据驱动教学的创新学习教育或教育类产品若想提升效果，是靠延长教与学的时间（线上或线下）来实现吗？这并不是教育最应呈现的形态。因为在教育中，互联网有着最不可替代的能力――数据分析能力。本文用现实案例为囿于此问题的教师们提供可值得借鉴的经验。近年来，在教育行业，我们不断听到几乎要成为K-12教育产品标配的“自适应”“O2O”“机器学习”等概念。但是没有改变的一个事实是：教育或教育类产品若想提升效果，多数仍靠延长线上或线下的学习时间来实现。我们都明白，随着时间的延长,效果递减，这不是教育最应呈现的形态。因为在教育中，互联网有着最不可替代的能力――数据分析能力。我们尝试用“机器”做服务教学的“最强大脑”，支持教与学过程变得清晰、及时，把复杂繁冗的题海，简化为精准有效的学习。什么是数据驱动的教学？数据驱动的教学就是利用互联网的数据分析能力来驱动传统教学。1.BYOD，第一入口BYOD，即每一位学生都能够使用自带设备进入互联网教育时代的个性化学习。BYOD，连起了课堂内外，形成了开放、互动、共享、有效的大课堂观，使常态化学习成为可能。它体现了4个特征：内容碎片化、渠道移动化、体验游戏化、关系社区化。让学习真正的发生，其核心是要创设一种平等的供需关系，更加关注每位学生如何拥有学习知识的方法，更加关注通过什么途径支持学生建构起个人知识体系。从管理者和教师的角度看入口，面向学生建立数字化校园系统是常用的途径。从学生的角度看，学生手中的信息终端设备是他们进入互联网教育的入口。如果学生没有自己个性化使用的终端，学生就不能够充分利用互联网教育创造的学习环境随时随地学习，不能帮助学生发现和创造专属于自己的学习方式，以适应未来的社会生活。2.流程再造，变革教与学教学的时间、空间打通后，数据和交流贯通，借鉴
混合教学、翻转教学的实践经验，我们对传统的专注于课堂45分钟的教学流程进行再造，变革教与学方式。如上图，在教的流程中，增加学情调查环节，通过课前的学情检测数据，教师可以更加明确课堂内的教学目标，从而有针对性地整合资源设计教与学活动；学的流程中，学生学会解读自己的数据，做到强化巩固、利用数据开展互评互学，拓展探究。如上图，教与学的流程发生改变后，课堂也发生相应的变化。教学环节的变化。增加了课前数据的反馈，更多地专注探究新知，关注重难点；增加随堂数据检测，根据数据组织学习活动、分组，评价标准前置、实时评价。时间分配的变化。增加了交流、练习的时间。三级数据驱动，创造不一样的学习支撑教学的基础平台各有优势：Pad有移动、拍、摄、录、播、练一体，
操作体验佳的特点；PC有高效编辑、适合固定场所学习的特点；Phone有轻便、适合分享、传播的特点。这些特点都适应不同的对象、时间和地点的教与学。教学过程中，数据分为结果性数据和过程性数据，而我们往往关注的是结果性数据，例如，这次测验考得如何？有多少人不及格？放在平台上的视频学生看了没看？并把结果性数据作为主导参考标准，导致大量的过程性数据被忽视。例如：测验中，学生在哪道题上停留时间最多，过程中修改了几次答案？学生对哪些内容主题感兴趣？什么教学内容是学生多次观看的？学生一般在什么时段看？在看的过程中参与互动的情况是怎样的等，这些过程性数据对于教学依然十分重要。在教学中，如若我们只关注结果性的数据，而不关注对过程性数据的分析和利用，就不会对教学目标有一个准确的把握，也不会对教学研究和改进提出任何的指导性意见。如果在教学活动中能把这些过程性的数据考虑进去，并进行采集、破译和呈现。如上图，会让教学的效果得到巨大的提升。利用数据有哪三级驱动呢？1.一级驱动，用常态化数据驱动日常教学阅读、解析各种常态化数据，例如，创课数据、检测数据、交互数据、学生自发学习行为数据等，已经成为嘉定区实验小学教师和学生在每天的学习过程中不可或缺的一个环节。教师和学生学会利用数据来掌握学情，利
用数据驱动课前、课中和课后的预习、讲授、复习等环节，提高效率。我们主要利用两种工具采集作为一级驱动
的常态化数据。第一种工具指向的是线上教学内容的载体任何教学过程都需要内容的载体，线下教学的内容载体是纸质的书本、试卷，是黑板。数字化教学的内容载体是数字化的内容，例如电子文档（Word/PDF/PPT）、数字化的图片和文字、音频（MP3）、视频（微视频）以及网络上丰富的共享资源（百度百科、维基百科）。教学场景是多样的，不同学科有不同的特点(语数外物化音体美)、不同老师有不同的侧重（系列课程的、进行某个知识点传授的、引导和启发学生思考与研究的）、不同的作业有不同的要求（日常的、主题的、探究的、拓展的）、不同阶段要培养学生不同的能力（知识采集、知识归纳、理解与表达），单一的数字化载体如何满足复杂的教学需求？我们不能锁定教师和学生必须按照一个套路完成教学，那么既要能够满足复杂的教学需求，又要满足各类数字化内容聚合的需求，简单实用，翼学院创课工具诞生了（见下图）。不同学科的教师围绕“创课”这种载体在各种不同场景下，组织形态多样的日常教学内容，有用于课堂展示的，也有用于学生课前课后学习的。学生也可在教师引导下制作或自发创作内容，因为创课工具操作简单实用的特点，所以一年级的孩子也都能够很快地掌握。从2021年7月至今，嘉定区实验小学数字化学习班级从2021年2个发展到2021年的25个，
学生从93名到1060名，教师从6人到55人，并带领上海、江苏、陕西、黑龙江、浙江、四川、北京等地58所学校开展数字化学习。共建创课累计超过22万，互动讨论超过130万，学习视频超过3万，学习音频超过80万，图片超过30万；师生创作比例：2：98。校长的工作也从布置、检查、反馈变为用数据驱动变革、评估。教师掌握学情的？教师发布创课挑战给学生后，可以实时查看学生学习创课的数据反馈。数据反馈既包括结果数据（看没看），还包括过程性数据（看的过程中发生的行为，各种标签点击了几次，看了多长时间等）；数据还分成整体数据和个体数据两个角度，帮助教师了解
篇四：数据驱动教育改进论文
数据驱动教学改进评价力促教学方案
数据驱动教学改进评价力促教学方案时光在流逝，从不停歇，我们的教学工作又将抒写新的篇章，
该写为自己下阶段的教学工作做一个教学方案了，以使教学工作顺利有序的进展，提高自己的教学质量，下面是收集的数据驱动教学改进评价力促教学方案，欢迎阅读与收藏。
在前几次郑州市组织的小学生绿色质量测评中，我所在的年级连续两年都参与其中。与以往不同的是，以往考试都是只将学生的考试成绩告知，而这次绿色评价，那么是更有针对性的对学生每道试题进展分析，总结，比照，提出建议。例如，学生在填空题得分情况，正确率将会和所在班级、所在年级、全区这个年级的的得分情况以及正确率进展比照，得出最准确的数据分析。供教师参考，进展经历总结和改革评价。
我们从汉语拼音与识字写字、阅读理解、口语交际、习作、综合性学习、学习习惯六个方面来综合评价学生一学期的语文学习情况。从表中数据来看，依然还存在一些问题，通过一学期在教学中踏实的钻研，我们用数据分析问题，在教学中认真解读领悟。
通过对数据分析，我们发现以下较为普遍的问题：1、识字写字学生掌握较好。对于六年级学生来说，每节课的生难字已不在话下，学生已有自学的能力。2、阅读量不够。从数据看，学生对于课内的'阅读尚可以较好完成，而课外阅读的理解还较差，说明学生自学课文的能力不好，或者说课外阅读量根本不够。
3、好词佳句积累过少。学生不懂得积累好的词句，在遇到口语交际、习作的时候，只会运用最简单的甚至口语化的句子来进展交流或写作，更不懂得运用修辞。
4、学生更乐于综合性学习。对于成长资料袋、手抄报、阅读卡这些综合性学习的内容，学生比较乐意完成，因为这些资料可以更好的展示自身的长处，弥补知识储藏量的缺乏。
结合数据给出的建议，针对反映出的问题，我们对教学做出了及时的调整，通过一学期在教学中的实践，我们解读出了好的做法和经历：
1、培养学生的阅读兴趣，引导学生看各类书籍，从中体味书本是甜的，读书是甜的，学习语文的滋味也是甘甜的。增加学生的阅读量，除了课上的学习外，提倡学生一学期至少读两本名著，在阅读课上对自己读的好的书籍进展读书分享交流，并统计班级每个孩子手中的图书目录，让孩子们学会图书分享。
2、在写作教学中，注重培养观察、思考，积累一定的第一手写作资料和语言资料，做好前期的写作功课，然后给学生时间进展生生交流，资料共享。其次，在指导写作中，要求学生说真话、实话，不说假话，空话。为学生的自主写作提供有利条件和广阔空间，减少对学生写作的束缚，鼓励自由表达和有创意的表达。并加强心理描写、对话描写等写作技巧的训练。再次，注重作文讲评，推敲用词写句，力求简洁、准确根底上的详细和生动。只有层层把关，我们的作文教学才能见实效。
3、虽然从数据看，学生的识字写字已掌握最正确，但让学生到达错误率为零还有一定间隔，所以我们这学期更加重视字词教学，夯实语文根底，尤其是对学困生要加强根底练习，课上及课下的听
写，并进展自评、生生评价、家长评价、老师评价来催促孩子的书写，以此掌握好根底知识。
篇五：数据驱动教育改进论文
大数据给予我们更全面更精细的视角让我们看清世界的复杂性和当然教育作为始终无法量化的行业不要过于迷信数据以及数据过于复杂从而迷失在数据里偏离教育的本真也是值得高度重视的
通过此次培训，使我认识到大数据对学校语文教学的重要性，页深深体会到自己对大数据认识的严重不足。通过查阅资料，我初步了解大数据。
一、大数据时代下的语文课程更加符合学生的个性化需求，大数据下的语文课程，与当下的相比，优势更加突出。
当下的小学语文课程，还不是充分个性化的语文课程，教师还不能真正实施个性化的语文教学。
而大数据时代的语文课程，其教材是可以“回声”的教材，学生、教师都要参与完善工作，而不全然由语文专家独断。由于是电子课本，更新不可能几年一换，而是适时进行。
大数据时代的语文课程，可由学生的需求定制为个性化的课程；教师也可以作出较自由的调整与改变。由于是电子课程，这一切都容易得多。
总而言之，大数据可以让我们语文教师对知识的传递进行个性化处理，使之更好地适应学生特定的学习环境、偏好和能力。
这样的符合学生个性化的语文课程，自然可促进学生理解并提高成绩
二、大数据时代下的语文教师要懂得数据使用、分析与管理，要懂得信息搜集、反馈与保护。大数据时代下的语文，其教材、课堂、教学都呈现为数据平台。
作为语文教师，不仅要会智慧地使用数据，还要懂得数据分析，尤其是学生语文学习层面的数据的分析。
在语文课程大数据中，要通过分析判断什么可行、什么不可行；还可观察到那些以前不可能展示的学习层面。这样的话，我们就可确定最有效的语文教学方式，一方面实现学生学业表现的提升，另一方面提高工作的效率和趣味性。
作为语文教师，要注意语文信息的搜集，特别是来自于学生与家长方面的信息还要适时反馈。对于学生的个人教育信息要在尊重的基础上使用。
作为语文教师，我们既要对概率预测充满信心，又要科学地对待，认识到局限性，去除潜在危胁。
三、大数据时代下的语文教师和学生都要注意改变学习方式，要学会如何去学习
作为学生，面对适应性学习，可以按不一样的顺序和步调进行。也就是选择个性化的有效学习方式。
作为语文教师，我们要懂得“让数据说话”，全面而深入地搜集数据，不仅要做语文课程数据的管理者，还要做课程数据的分析者，注意促进学生语文学习的改善。
作为语文教师，我们要弃除学生排名离散且静止的评价方式，要注意与学生立体化沟通交流的方式。在语文大数据时代。不管是学生，还是教师，都要学会如何去学习。大数据时代将改变教育，也将改变语文，其巨大潜力在于推进个性化学习、改善教材和教学，并最终提高学生成绩。大数据给予我们更全面、更精细的视角，让我们看清世界的复杂性和我们身处其中的位置。
当然，教育作为始终无法量化的行业，不要过于迷信数据，以及数据过于复杂，从而迷失在数据里，偏离教育的本真也是值得高度重视的。
篇六：数据驱动教育改进论文
教育大数据驱动下的初中历史智慧课堂
构建
摘要：现阶段的学生教育就传统的课堂设计而言，已经发生了巨大的变革，技术的应用使得原本枯燥的历史课堂变得更加生动，气氛更为活跃。信息技术融入课堂可以创新教师的教学方式，将历史人物以动态的形式展现在学生眼前，激发学生的课堂积极性。尤其是历史这门学科，内涵丰富的传统历史知识，以及我国的发展历史，学习历史可以加强学生对国家的敬慕和爱护之情，将技术应用到历史课堂可以让学生不再死记硬背，在多个故事情节中掌握基本的历史事实，提高学生对知识的掌握。
关键词：教育大数据；初中历史；智慧课堂
引言
随着“互联网+”时代的到来，即使是具有“传统固化性”的教育领域，每天都在产生海量的教育数据，这种互联网+教育的革命性变革，可称之为“教育大数据”时代。将大数据技术和云计算运用到教育领域中，可助推教育变革。在此背景下，教育被重新定义，课堂出现革命性的重构，数据驱动的教育生态圈正在形成。
1教育大数据驱动下智慧课堂建设的重新认知
教育大数据是以互联网环境为依托，以海量数据资源为基础，以云计算为信息处理方式，为学习者提供适合的数据信息，满足学生对学习资源数据信息多元化需要的面向教育全过程时空的多种样式的数据集合[1]。教育大数据不仅包括网络教学资源在课堂的即时引进与应用，还包括教学和学习过程中搭建的包括电子学习资源、学程分析在内的海量数字数据平台，实质上是一种由网络资源、教师、学生、计算机共同构成的四位一体的互联共享学习生态圈。以初中历史课堂为例，传统模式下的初中历史课堂主要以教师的说教为传授方式。历史教材是学
生获取历史知识的主要载体，历史教师个人的知识储备和学识修养决定着学生在历史课堂上学习效率的高低，教师的个人魅力和授课技巧决定了学生的学习成绩，这种传统课堂模式受教师能力、教材容量限制，不容易拓展。而现代教育技术在历史课堂中的应用和网络海量资源的引用将会从根本上改变传统历史课堂模式。
2初中历史智慧课堂的教学应用意义
2.1对原有的教学理念进行优化
每个历史事件中都会涉及很多的历史人物和事件，课程中包含的内容非常多，学生非常容易出现混淆的问题，导致了很多学生都难以进行历史知识点的有效记忆与掌握，从而影响到初中历史的教学效果。智慧课堂教学理念的应用，将历史教学和信息技术很好地融合在一起，促使教师能够对现有的教学观念进行改进，还可根据不同学生的学习基础和学习能力，设置出不同层次的教学课程内容，使每一位学生都能够对历史课程知识点有效地进行掌握，并能够促使学生对于历史这一学科的学习积极性得到增强，从而满足素质教育理念下对于初中历史课程的实际教学需求。
2.2利用技术教学，获得更多史实资料
历史课本中包含学生所需要掌握的基本知识，很多史实资料单凭教材的讲解是不够的，初中生需要对基本的史料进行了解，但学生处于身心发展的特殊期，并不能让学生花费大量的时间在网上。因此，就需要教师通过多种方法搜集资料，为学生推荐阅读的书目，以及相关的纪录片来观看。在历史课堂中，教师需要将搜集好的视频资料进行整理和分类，再讲解具体的内容为学生展示，让学生了解课本之外的重要史实。信息技术的使用可以让历史课堂更加活跃，跟随新教育改革的步伐进行教学方式变革，只有学生对基本资料掌握清楚才能便捷的理解知识。
2.3教育大数据助推教师因材施教
教育大数据驱动下的历史课堂上，人的智力和数据分析将会深度融合。利用大数据的精准获取对接课堂学生的学习信息，并进行智能化分析，精准导航教师的教与学生的学。通过课前预习、课中参与、课后巩固等学程数据生成与分析勾
勒详尽、真实的学生个人课程学习数据画像，能让教师更清晰地了解学生的学习状态，进行对接课堂与中心课堂的学情匹配，适配中心课堂，为学生制订个性化辅导方案，推送有针对性的学习资源，使学习更具针对性，实现因材施教。
2.4对传统教学模式进行转变优化
较之于传统的课堂教学模式，智慧课堂的本质是一种基于信息技术的教学模式，其能够在海量动态学习数据依据下，充分发挥出学生的课堂主体作用，构建以学生为主体的初中历史课堂教学模式。因此智慧课堂的应用，能够使传统初中历史教学模式发生转变与优化，借此满足初中学生多样化的学习需求。智慧课堂对于初中历史教学模式的转变，主要体现在两个方面：第一，进行教学情境的构建。在初中历史课堂教学过程中，教师还可在基于信息技术基础上，通过影视、音频、图画等多种形式的教学资源来进行教学情境的合理创设，这样才能够为学生带来多种感官刺激，让学生能够通过不同的方式进行初中历史课程的了解与掌握。通过教学情境的创建，也能够引导学生对历史中的事件与人物有更加深刻的感受，帮助学生进行历史知识点的熟练掌握。第二，构建“线上+线下”的教学形式。在初中历史课堂中应用智慧课堂，能够对现有的教学模式达到良好的转变与改善效果。在智慧课堂理念下，教师们能够通过信息资源开发以及教学资源库设计等多种方式，来进行多样化教学资源的获取工作，从而满足线上的实际教学需求。在完成课堂教学工作之后，教师们还可直接将教学资源分享给学生，满足学生课前预习以及课后复习工作的具体需求。因此说智慧课堂的应用，能够帮助初中历史教师形成一种“线上+线下”的教学模式，使历史课程教学不再受到时间与空间的限制，从而获得良好的课程教学效果。
3教育大数据驱动下的初中历史智慧课堂构建
3.1丰富信息技术资源，提高教学质量
在历史课堂中开展信息技术教学首先需要满足技术设备的购置，从实际情况来看，很多学校内都配置了相应的计算机和投影仪，但是不同的学校资源配置的条件不同，如果教学条件不佳，那么即使开展多媒体教学也会达不到初始的教学要求。由此可以看出学校应该重视资源的配置，购买高质量的器械，满足教学的
需求，但是并不是购买了资源就可达到效果，教师应该重视信息技术应用的重要性，而且很多教师针对历史这种文史类的科目，觉得没必要采取多媒体课件，导致很多学校虽然有高质量的设备，但是却造成资源的浪费。
3.2课后作业与微课辅导
在完成了初中历史课程教学工作之后，教师们还要基于信息技术基础上进行探究性课后作业的设计工作，从而激发学生的学习思维。学生在完成作业的过程中不仅只是进行课程知识的巩固，也是进行知识的扩展与延伸的过程。因此教师在进行课后作业的布置过程中，要求课后问题能够具有一定的探究性。学生在问题引导下，在结合了教材内容以及网络基础上所采用的素材，再基于个人理解基础上进行深入的探究与分析。学生在进行课后习题的学习过程中，还可借助于互联网技术来进行大量史料的阅读，这样也能够让学生的个人智慧充分发挥出来，帮助学生进行各种课程内容的有效学习。
结语
初中阶段的学习会为学生以后的学习打好基础，由于历史学科的特殊性，教师需要利用信息技术资源丰富课堂中的知识，将人物形象表现得更加有特点，提高学生对历史故事的了解。教学实践证明，透过信息技术的运用，初中历史课堂更具活力，学生对于历史课程的学习也更加投入，大大促进了学生历史学科核心素养的形成。
参考文献
［1］肖君．教育大数据［M］．上海：上海科学技术出版社，2020．
［2］王发成，张强．智慧课堂教育模式分析［J］．教育实践与研究，2018（6）．
注：此文为广西梧州市“十四五”规划2022年度专项课题《基于大数据的精准备课研究--以藤县第三中学为例》项目编号：2022ZJZ045的研究成果
篇七：数据驱动教育改进论文
大数据驱动教育变革与创新
当前，教育大数据研究和应用已经引起我国政府的高度重视。国务院《促进大数据发展行动纲要》提出“探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”，《教育信息化“十三五”规划》强调积极发挥教育大数据在教育管理平台建设和学习空间应用等方面的重要作用。“十三五”期间，大数据与教育的深度融合已成为必然趋势。可以预见，在今后一段时间我国教育大数据研究和应用将获得更快发展。
大数据给教育行业带来重大影响大数据技术是21世纪最具时代标志的技术之一。国务院发布的《促进大数据发展行动纲要》中提出“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合”。大数据给教育行业带来了重大影响。基于大数据的精确学情诊断、个性化学习分析和智能决策支持，大大提升了教育品质，对促进教育公平、提高教育质量、优化教育治理都具有重要作用，已成为实现教育现代化必不可少的重要支撑。教育大数据的主要作用突出体现在：第一，有利于促进个性化学习。基于大数据，可以精细刻画学生特点、洞察学生学习需求、引导学生学习过程、诊断学生学习结果。通过对学习者学习背景和过程相关的各种数据测量、收集和分析，从海量学生相关的数据中归纳分析各自的学习风格和学习行为，进而提
供个性化的学习支持。例如美国亚利桑那州立大学运用Knewton在线教育服务系统来提高学生的数学水平，系统通过数据分析区分出每个学生的优缺点并提供有针对性指导，全校2000名学生使用该系统两学期之后，毕业率从64%升高到75%，学生成绩也获得大幅增长。
第二，有利于实现差异化教学。大数据可以在保障教育规模的情况下实现差异化，一方面可以因材施教，教师可以根据学生的不同需求推荐合适的学习资源，另一方面可以达成更大的教育规模。比如，MOOC（慕课）平台突破了传统教育中实体教室的限制，课程受众面极广，能同时满足数十万学习者学习需求。在教学过程中，MOOC平台可依托大数据构建学习者体验模型对其线上课程进行评估，进行线上课程的再设计、改变课程学习顺序、优化教学策略，为每一个学习者提供不同的教学服务，从而实现规模化下的多样化、个性化教学。
第三，有利于实施精细化管理。传统教育环境下，教育管理部门或决策制定者依据的数据是受限的，一般是静态的、局部的、零散的、滞后的数据，或是逐级申报、过滤加工后的数据。很多时候只能凭经验在做管理、决策。大数据根据社会各方面的综合数据来源，可实现实时精确观察和分析，对于推进教育管理从经验型、粗放型、封闭型向精细化、智能化、可视化转变具有重要意义。以学校课程设计为例，美国加州马鞍山学院所开发的SHERPA（高等教育个性化服务建议助理系统），能根据学生的喜好为他们的课程、时段和可选节次作出推荐，帮助学校课程设计咨询专家解决学生所面临的选课难题。此外，
该系统还通过智能分析为教师和课程设计者提供反馈，使他们能有的放矢改进教材。
第四，有利于提供智能化服务。大数据可以采集分析管理者、家长、教师、学生的各方面行为记录，全面提升服务质量，为学习者、教师、家长等提供更好的服务。对教育大数据的全面收集、准确分析、合理利用，已成为学校提升服务能力，形成用数据说话、用数据决策、用数据管理，利用数据开展精准服务的驱动力。如在择校服务方面，运用大数据智能分析技术可助力**教育择校感性化难题，推进理性择校。美国教育科学院推出的“高校导航（collegenavigator）”项目，该项目通过对全美7000多所高校各类资源指标（如所在地区、学费、奖学金资助、入学率和毕业率等）进行大数据分析并对所有大学进行排序和筛选，进而帮助家长和学生找到理想中的大学。
我国教育大数据开发利用面临难题我国教育大数据开发利用已经具备一定基础，但还面临不少问题。自《教育信息化十年发展规划（2011-2020年）》颁布实施以来，通过建设教育资源公共服务平台和教育管理公共服务平台积累了教育教学和教育管理两方面大量数据；同时，我国在基于大规模在线开放课程的数据汇聚方面也已初具规模，这都为开展教育大数据研究和应用提供了一定基础。然而，还存在以下不足：第一，数据类型比较单一。不是实时采集，很多是结果性数据，而并不是及时的、过程性数据。
第二，数据规模还很不够，目前通过“两平台”和第三方服务机构积累的数据量相比于我国庞大教育规模而言还较为有限，难以满足深度挖掘分析的需求。
第三，缺乏对教育数据的深度分析、挖掘、利用。对海量教育数据的挖掘分析具有很强的专业性，缺乏有效的技术、工具、产品、服务。
第四，跨界数据的整合不够。教育行业的很多应用需求不是光靠教育系统内部的数据能分析的，还需进行跨界数据整合，比如人口数据、地理数据等对于提升教育治理水平就具有重要价值。
第五，对大数据研究和开发的支持力度不足、队伍不强。我国虽已发布大数据的国家发展计划，但对于教育大数据的各项研究还需要更多关注，不仅需要尽快考虑在教育大数据研究专项等方面进行布局，还需要一批既懂技术又懂教育的专业机构和人员，目前我们在力量准备上有所不足。
第六，教育大数据标准与安全问题面临挑战。对教育大数据的准确、规范、统一使用和管理缺乏相应法律法规和技术标准支持，在教育大数据共享、开放、交换、交易、安全等方面的有效监管和规范还不太到位，制约教育大数据的健康发展。
如何积极稳妥发展我国教育大数据为积极稳妥发展我国教育大数据，笔者认为应注意以下问题：第一，制定大数据教育应用的宏观规划和行动计划。基于国家大数据驱动战略，尽快编制我国教育行业大数据研究、开发、应用的宏
观规划和行动计划方案，指导各级教育管理部门、教育机构推进教育大数据开发和应用。
第二，加强我国教育大数据基础建设。依托现有国家教育资源公共服务平台、中小学生学籍系统等基础数据库，建立覆盖全国的教育大数据基础平台和管理体系，一方面有利于充分挖掘利用，另一方面有利于合理监管。
篇八：数据驱动教育改进论文
数据驱动背景下小学语文教育教学改进策略
Summary：大数据技术的发展，想要做好语文教学，数据驱动背景之下的语文教学时间探索就不断发展起来。本文探究的就是在传统语文教学方法的不足之上，确切强调起大数据背景之下的精确教学才是我国未来教学的一大发展新方向，并且积极探索适配的数据驱动背景下的语文教学策略，进而提升小学语文教学质量。
Keys：数据驱动；小学语文；教学策略随着科技的发展，人类也经由信息时代转为大数据时代。整个大数据时代里，怎样让网络创新成果和教学实践有机结合，慢慢的互联网+教学成为了研究热点。小学语文教学怎样展开理性分析和主动应对好互联网+教育变革呢？又如何充分利用网络技术，坚持以数据分析为依托，完成分层教学，提升教学质量呢？这些都是值得思考的问题，也是下文探究的内容。笔者结合多年的教学经
验，针对数据驱动背景下小学语文教育教学改进策略进行深入地分析和总结，现综述如下。
一、数据驱动背景下小学语文教学设计的内涵数据驱动背景下的教学设计，实际是仁者见仁智者见智。大体而言，数据驱动背景下的教学设计要求遵照新课改要求，运用大数据优势资源和技术，让教学计划能够科学安排好，同时注重步骤。循序渐进之下，可以让学生掌握住学到的知识，同时完成既定的教学目标。整个小学语文教学里，怎样培养好学生的理性思维极为重要，代入数据驱动，可以让学生具备良好思维处理好课堂难题。小学语文充满想象力和创造力，大数据等技术应用下的多媒体介入之后，能够让课堂变得较为直观且形象。总结小学生自身的特性，可以让数据驱动下的技术应用发挥实效。在整个大数据技术等制成的课件应用中。仍需要思考小学语文教学的目的，使得小学生可以提升自己的文化素养和语文学习能力。与此同时，需要关注应用大数据等多媒体技术，扬长避短，合理优化教学成效。二、当前数据驱动背景下小学语文教育教学存在的问题大数据技术的应用更多的是对数据的整合和利用，这点应用到语文教学帮助极大。但是在具体技术应用和语文教学上仍旧存在许多问题，主要问题一方面在技术应用上，一方面在教学老师本身的认知和业务能力上。（一）教学老师自身对数据驱动下的教学设计认知不足整个教学过程里，教学老师发挥的是引领效用。他们负责的是整体规划，拟定适配的教学设计。教学老师其在教学中发挥的也是统领课堂效用。但是，
小学语文教学老师在思维上仍旧是原本的形式，并没有完完全全的适应数据驱动下的教学。乃至于无法较好的完成教育教学，也无法在整个教学全过程里切实做到融会贯通。
（二）教学老师对于数据驱动下的教学设计业务能力不充分整个小学语文教学中，大数据技术等需要深深融入其中。许多的新媒体策略也需要应用在其中。只不过小学语文教学老师更多的仍是喜欢应用粉笔和黑板扎展开语文教学。教学老师自身具备的业务技能不够完备，也无法应用到位现代技术，让学生充分感受到大数据的魅力所在。除此之外，仍有部分小学语文教学老师是掌握住了现代化实操策略，不过因为自身业务不够熟练，使得课件展示不够迅速，使得课堂在节奏上有所拖延，乃至于会有小学生秉持着观望态度，使得教学本身的计划无法达成，进而无法全方位展现课堂教学内容。（三）信息驱动下的教学设计在资源上十分有限在新课改要求中，强调了信息化设计改革，只不过现阶段我国软件设施应用仍处于初始阶段，电子和软件并未能完全齐备。当前教学设计更多的仍是在研究和提高之上，并没有适配的参考依据，所以教学成效也不显著。除此之外，学校在硬件设施这块，因为使用年限过长，维护起来较为吃力，有时甚至是破损比较严重，种种这些都让大数据技术应用无法有效落实应用。三、数据驱动背景下小学语文教育教学改进策略建议（一）数据驱动创新，充分激发学生兴趣一般的小学语文教学里，教学老师更多的是以传统教学形式，如口头讲解等为主，这样的方式太过原始。教学老师可以在课堂之上融入大数据技术，利
用网络渗透和课文有关的内容佐助教学。如此就能够让教学质量提升，同时也可以以此种新形式激发学生的学习主动性。
比如教学《孔子拜师》内容的时候，教学老师可以运用大数据技术查找有关孔子的资料，包括图片和文献等，转而在多媒体上呈现给学生。与此同时教学老师也需要引导学生对孔子的生活回顾，总结当时阶段除了孔子之外，世界上还有哪些思想家出现。可能学生会提到亚里士多德和柏拉图、释迦摩尼等等。这些都可以利用数据技术查找和整合到。运用此类介绍，可以让学生加深对与孔子所处时代的了解，让其获知更为全面。编制教学多媒体的时候，教学老师需要将孔子的思想罗列出来，也可以适当延展，利用数据技术和当时时代其他的思想家们作对比，比如老子。如此就可以让学生加深记忆。足以见得，在小学语文教学中利用数据技术，能够让枯燥无味的语文知识增添许多趣味性，进而整体提升小学生语文课堂的学习成效。
过去是条件限制了教学，现在数据驱动之下，教学老师能够运用的教育教学手段不断增多，学生们对于课堂学习的兴趣问题也会显著提升，大数据等先进技术让小学语文课堂变得越发精彩万分。
（二）信息技术融合，促进改进教学教法大数据技术应用之下，信息技术自身能够提升学生学习兴趣，这点毋庸置
疑。同时它也能够助力教学老师改进教学教法。因为数据技术本身呈现在课堂可以呈现的信息量很大，所以既能够替代板书，也可以替代讲授，如此省去许多时间。在课堂教学中，教学老师能够以师生互动等形式，引导学生思考，让其恢复课堂主导地位，进而成为课堂主体。
比如教学《和时间赛跑》内容的时候，教学老师可以以大数据和多媒体等技术，运用多种新式教学策略，促进教学教法的多样性。在本课，教学老师可以利用动态演示法、合作学习法以及探索式学习等方式让学生对于课文的全脉络有个清晰的认识。与此同时，也可以启迪学生，让其对于学习策略有新的认识。运用多媒体和大数据等技术，能够让许多理论知识转为直观、形象化的教学内容反馈到学生的脑海中，让学生从中掌握更多有价值的信息，学生自身的想象力、思维等都有所增进。
推荐访问:数据驱动教育改进论文 改进 驱动 数据