基于CiteSpace的教育大数据研究热点与趋势分析

大数据时代来临,教育领域积累了海量数据。文章以中国知网(CNKI)数据库收录的924篇及Google学术收录的204篇与教育大数据相关的期刊论文为研究对象,运用信息可视化软件Cite Space,以时空知识图谱及内容知识图谱分析为主要研究方法,揭示了国内外教育大数据的研究热点及发展趋势。分析发现,教育大数据研究呈现如下特点:从时间上看,研究在2013年开始集中涌现,2014~2015年进入大规模发展阶段;从内容上看,研究热点有"大数据"、"大数据时代"、"学习分析及技术"、"数据挖掘"等。为此,文章给出进一步的总结和思考,以期为教育大数据的深入研究、实践探索和产业推进提供参考。     

我国教育大数据建设的现状分析与架构初设北大核心CSSCI

该文从教育大数据建设的意义与作用入手,通过分析国际国内教育大数据建设的发展现状和我国教育大数据发展面临的挑战,尝试以放眼国际和"教育本土化"为原则,对我国教育大数据建设,提出初步的基本架构设想:在遵守基本指导思想的基础上,构建我国教育大数据资源生成、应用与进化的整体解决方案,提供运用大数据破解教育难题的新模式,完善关键技术与产品服务,助力产业新生态形成。以达到建构"以人为本"的,有效服务、促进中国教育发展的中国教育大数据建设的基本目的。     

教育大数据的课堂应用新形态——“教育大数据研究与实践专栏”之教学应用篇

大数据要推动教育信息化的深层次发展,离不开对课堂教学的有效支持。文章分析了教育大数据的特色,指出教育大数据要演变为能满足课堂教学需求的新形态,并将教育大数据的应用形态分为小而全的"麻雀"数据、体现周期性的"史记"数据、实现可视化的"学习仪表盘"数据和能够进行预测分析的"预言家"数据等。最后,文章提出了教育大数据应用于常态化教学的建议,认为要实现教育大数据对课堂环境的有效支持,需要教师具有较强的数据意识、善用不同来源的大数据分析服务,并积极探索数据驱动的教育实施与干预。     

大数据时代教育研究的机遇、挑战与应对

数据的激增及其可获得性的提高、信息技术的革新在给教育研究提供机遇的同时,也使得教育研究面临着一定的挑战.数据为教育管理研究、政策研究提供的充足的支撑促进了教育改革,数据的工具性特征与人的本体特征之间的矛盾也进一步凸显.大数据时代下的教育研究应在强调系统、整体的理念下促进不同研究范式、不同研究方法之间的融合,促进教育研究从"方法为王"向"问题为王"的转变,促进真正的"有思想"的教育研究的产生,并实现中国特色的教育研究话语.     

论大数据教育应用思想的五大传统借鉴北大核心

近些年来,大数据在教育领域中的应用方兴未艾,已成为进行教育决策、优化教学模式、变革教育评价的重要依托力量。大数据教育应用与我国传统教育思想遥相辉映、彼此促进,这主要体现在大数据借鉴"有教无类"推进教育公平、借鉴"因材施教"开展个性化教育、借鉴"禁于未发"构建道德预警机制、借鉴"循序渐进"完善精熟教学法和借鉴"君子慎独"培养学生道德自律五个方面。大数据为诸多未能很好实现的传统教育思想提供了科学力量和技术支撑,而传统教育思想则为大数据的教育应用指明了发展方向。     

大数据与教育大数据探索

人类社会已进入大数据时代,大数据的利用已受到广泛的重视,并产生了巨大的应用和商业价值。教育领域的大数据被认为是大数据的一个重要领域,大数据与教育的融合是现代教育发展的必然要求,基于大数据及其教育领域应用探讨是我们值得研究的问题。     

大数据迷潮下的教育研究及其想象力

基于大数据的教育研究具有非常广阔的应用前景,但是缺乏反思的盲目追捧有可能使大数据沦落为一种"概念炒作"和"跟风迷潮"。大数据"迷潮"源于人类对于"确定性寻求"的执着欲望,其实质是日益泛滥的实证主义的极端化。大数据在为教育研究带来机遇的同时,也因为其局限性带来了相应的挑战。我们应积极发挥教育研究的想象力,正视并超越这种大数据"迷潮"。     

大数据思想政治教育研究述评

互联网技术的飞速发展,使思想政治教育应用大数据成为可能.相较传统思想政治教育,大数据思想政治教育在很多方面将有革命性的变化.作为新生事物,大数据思想政治教育的内涵尚处于不断探索中,其在信息掌握、教育模式、教育主客体、教育介体、教育方法等方面具有鲜明的特征.我国大数据思想政治教育研究存在四大焦点问题:"数据化生存"对思想政治教育实效性产生影响、数据滥用导致伦理困境、现有文化、制度、人才配置需要优化,遭遇技术瓶颈难题等待攻克.当前,理论界对大数据思想政治教育意义、形势及趋势基本达成共识,而大数据思想政治教育内涵及属性的研究需要跟上现实发展,研究范式与方法亟待革命性突破.     

教育大数据的来源与采集技术

教育数据的全面、自然、动态、持续采集是构建教育大数据的基础性和先导性工作。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。文章探讨了教育大数据的来源,认为教育大数据产生于各种教育实践活动,核心数据源头是"人"和"物";介绍了4大类、13种常见数据采集技术,包括物联感知类技术、视频录制类技术、图像识别类技术以及平台采集类技术,指出每类技术采集的数据范围和重点有所不同;总结了教育数据采集的注意事项:要提前规划设计,要有清晰的边界,要保持连续性和规范性,采集粒度要尽可能小,采集过程要符合伦理道德。     

教育大数据的平台构建与关键实现技术

大数据现已成为驱动教育变革与创新的强劲力量,而平台建设是教育大数据落地的关键之所在,它覆盖了从数据采集、存储计算、分析挖掘到具体应用的整个生命周期。文章首先从广义的角度,对教育大数据的内涵进行了再认识。随后,文章基于教育大数据平台的需求分析,设计了教育大数据平台的架构。最后,文章从学习行为大数据采集、教育大数据存储与计算以及教育大数据分析挖掘三个方面,对平台的关键实现技术进行了研究。文章的研究可为教育大数据的理论研究与实践应用打下平台基础。     

我国人工智能教育研究现状及主题结构分析

人工智能教育是当前教育发展的大势所趋,自提出后受到全球教育研究者的广泛关注。为充分了解当前国内人工智能教育发展的现状,文章以CSSCI期刊库为数据源,以“人工智能”和“教育”为关键词,对相关文献进行检索分析。通过可视化方法对高被引文献、高频关键词等进行呈现,并采用聚类方法对高频关键词进行分类,详细探讨各类团的研究内容。最后,总结和讨论了人工智能教育各个领域的研究现状,并提出未来发展建议,为人工智能教育的研究发展提供借鉴。     

人工智能与教育深度融合发展:逻辑、困境与策略

人工智能与教育深度融合发展的目的在于通过高智能性的技术来不断提升教育的科学性和民主化。人工智能与教育深度融合发展的操作原理是通过技术、数据和算法的重组,推动教育走向智能化,具体表现为支持智能教育关键技术的高智能化(技术)、教育资源的整合与教育大数据的形成(数据)和教育供给的科学化(算法+服务)。就目前而言,人工智能与教育深度融合发展还存在技术基础不稳、教育数据缺陷、算法能力不足等现实问题。为此,要想实现人工智能与教育的深度融合发展,教育应尽早谋划,重新思考人工智能时代教育将如何存在,并从技术基础(改善技术的成熟度,重新思考技术世界中的教育)、数据驱动(加快教育数据资源的整合力度,提高教育数据单元质量)和算法服务(创新教育资源的有效供给方式)三个层面协同推进。     

大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示

“数据驱动学校,分析变革教育”的大数据时代已经来临,利用教育数据挖掘技术和学习分析技术,构建教育领域相关模型．探索教育变量之间的相关关系．为教育教学决策提供有效支持将成为未来教育的发展趋势。“大数据”的出现．将掀起人类教与学的又一次变革。2012年,美国国家教育部发布了《通过教育数据挖掘和学习分析促进教与学》报告．对美国国内大数据教育应用领域和案例。以及应用实施所面临的挑战进行了详细的介绍。借鉴此报告．我们认为未来我国教育领域的大数据研究和应用。应加强国家和地方对相关的研究和应用在技术层面、管理体制层面以及法律制度层面的支持,按需合理规划具体研究和应用,整合现有资源,发挥后进优势,借助“大数据”实现真正意义上的个性化学习．进而实现教育公平。     

大数据对高等教育的影响及应对策略

大数据时代的到来,给高等教育带来了很大的影响。大数据的实现,可以使高校更好地共享教育资源、促进学校管理的科学化和效率化、促进教学模式的重大变革;但同样也带来了挑战,具体表现为教师的数据素养有待提升、数据管理存在漏洞、不良数据和独裁数据存在等。高等教育要积极应对大数据时代的到来,要规范数据管理限度、强化混合教学技能、共享共创数据资源以更好地提升办学质量和水平。     

论数据挖掘对比较教育研究的影响

教育数据挖掘是综合运用数学统计、机器学习和数据挖掘的技术和方法,对教育大数据进行处理和分析,通过数据建模,来预测个体未来的学习趋势。其应用领域主要包括个体的知识与行为建模以及学习趋势分析。纵观我国比较教育研究近些年的研究趋势,逐渐将数据挖掘纳入其研究方法之一,这使得比较教育学有了更加广泛的研究队伍。对数据挖掘与运用的趋势对比较教育学科本身也带来了挑战,因为数据的可获取性与公共性巩固和加强了实证主义跨国比较与研究,而忽略了地方的社会文化背景,导致比较教育研究的"去情境化"以及"过于简化"。有鉴于此,比较教育学者应该充分把握研究对象的社会、文化环境,不应该让单一研究范式过度主导自己的思维。     

Netflixing human capital development: personalized learning technology and the corporatization of K-12 education

Abstract

Advanced by powerful venture philanthropies, educational technology companies, and the US Department of Education, a growing movement to apply ‘big data’ through ‘learning analytics’ to create ‘personalized learning’ is currently underway in K-12 education in the United States. While scholars have offered various critiques of the corporate school reform agenda, the role of personalized learning technology in the corporatization of public education has not been extensively examined. Through a content analysis of US Department of Education reports, personalized learning advocacy white papers, and published research monographs, this paper details how big data and adaptive learning systems are functioning to redefine educational policy, teaching, and learning in ways that transfer educational decisions from public school classrooms and teachers to private corporate spaces and authorities. The analysis shows that all three types of documents position education within a reductive set of economic rationalities that emphasize human capital development, the expansion of data-driven instruction and decision-making, and a narrow conception of learning as the acquisition of discrete skills and behavior modification detached from broader social contexts and culturally relevant forms of knowledge and inquiry. The paper concludes by drawing out the contradictions inherent to personalized learning technology and corporatization of schooling. It argues that these contradictions necessitate a broad rethinking of the value and purpose of new educational technology.     

教育现象学的提问方式与致思路径

问题的提出需要有一种知识论基础作为内在结构支撑.不同研究范式规定了不同的致思理路,形成了对同一教育现象的多元研究视角.教育现象学提问方式从教育事实出发,为研究者提供了一种灵活地"看"教育和"问"教育的方式.教育现象学的问题意识引导研究者对教育现象的意义追问,教育现象学问题域则规定了研究范围和研究范式.教育现象学透过对问题的表述、分析与理解,实现教育意义的重构.以实践取向为基础的教育现象学,通过对教育现象"是其所是"的追问,形成一条深入"教育实事本身"的致思路径.     

高校思想政治教育队伍的大数据能力要求及提升对策

大数据时代,高校思想政治教育队伍不仅要具备思想政治素质、实践操作能力、科学研究能力等,还要具备“大数据”思维能力、“大数据”工作平台应用能力和“大数据”驾驭能力。高校要注重培养思想政治教育队伍的“大数据”思维,搭建思想政治教育“大数据”工作平台,提升思想政治教育队伍驾驭“大数据”能力。     

教育研究的科学化:保持理论与实证的张力

自然科学研究的目标是发现自然事物的实然秩序,教育研究的目标是探寻应然的教育行为。教育研究的逻辑是通过观测到的“或然映像”推断实然的教育事实,发现某种实然教育行为与受教育者随之发生的实然变化之间的相关性,根据对实然教育事实的价值判断,设计更加合理的教育行为,最终形成新的教育理论与实践体系。教育实证研究离不开理论研究成果指导,教育理论研究需要实证研究提供事实支撑。教育研究应该保持理论研究与实证研究之间的张力,既要以教育目的与理念为指导开展实证研究,也要开展关注本土现实教育实践的理论研究,从而实现教育研究的科学化。     

教育大数据背景下智慧学习系统模型的构建研究

随着教育大数据应用愈发广泛,智慧学习成为现阶段信息化教育的突出成果。依托于教育大数据背景,智慧学习能够为学习者提供更为优化的学科知识架构、统筹整合各类教学资源、提高专业知识的适应性。为充分发挥智慧学习的现实价值,在构建其系统模型时应当遵循科学合理、简便易行、稳定可靠等原则。因此,在教育大数据背景下,智慧学习系统模型的构建可从框架规划、测试开发规范搭建以及明确目标等四方面进行,为学生提供科学有效的学习帮扶工具。