旅游类专业高职教师数据智慧模型的构建与分析

大数据的普及对高职教育产生了重要影响。文章以旅游类专业为例,采用专家评估法、问卷调研法,通过对样本旅游院校的实证研究,可以建构起由教学决策数据智慧、教学实施数据智慧、评价反馈数据智慧三大因子十二个具体指标构成的高职教师数据智慧模型,不同年龄、地域、主要教授课程的高职教师在数据智慧综合评价水平方面存在显著性差异。对此,文章提出提供系统化支持、加强数据团队建设、开展针对性培训等提升高职教师数据智慧水平的具体建议。     

大数据时代提升教师数据智慧研究

大数据分析已在一些国家应用到公共教育中,成为教育改革的重要力量。然而,目前有关数据智慧的研究还比较薄弱。如何提升教师的数据智慧,使其具备在大数据时代开展教学活动的能力,成为急需解决的问题。为了把握数据智慧的研究现状及最新发展,本研究在厘清数据智慧及相关概念的基础上,分析了大数据时代教师专业发展的新态势,并对数据智慧的国内外研究文献进行了梳理。文献回顾发现,国外在提升教师数据智慧方面构建了多种模型,其中美国开发的“数据智慧改进过程”模型可为我国教师提供借鉴。该模型包括“准备”“探究”和“行动”三阶段,旨在帮助教师更好地利用数据确认常见的学生学习需求,生成和实施教学方案,并衡量这些方案在提高学生成绩上的有效性。本文对该模型的实施步骤进行了说明,并以夏洛特—梅克伦堡学校为例分析了该模型的应用。了解这一模型,对探索我国数据智慧研究的未来发展趋势和提升我国教师数据智慧的研究有重要意义。     

基于大数据的高校学习评价方法研究

由于高校缺乏对教学过程与教学评价有效性的关注,导致教学质量难以监控,教学监管部门难以管理。为解决“学生不好好学,教师不好教”的问题,文章从加强对学习过程的科学有效评价出发,基于智慧校园大数据中的学生学习行为数据,构建了多维过程评价体系。该体系包括评价模型、评价指标、观测数据集、教学支撑环境。文章基于高校信息化和教学应用现状,从学习态度、知识掌握、能力发展等角度构建了学习评价模型与指标体系,并给出相应的数据采集体系设计方案。     

“数据驱动的精准教学”何以可能?——基于培养教师数据智慧的视角

精准教学的教育理念已成为各国共识,智慧教育环境下海量多模态学习数据的生成也使数据驱动的精准教学范式转变成为可能,但目前运用数据解决复杂教学问题的实践存在许多挑战,其突破点在于培养教师的数据智慧。本文从教师数据智慧的角度回答了三个问题:是什么、如何培养以及有哪些影响因素。首先,数据智慧是教学实践经验、数据分析技能、学习科学理论三者的有机整合,其内涵在于数据到智慧的递进转化;在明晰数据智慧的实现路径是掌握数据探究循环的基础上,回应了"培养什么"的问题,并构建了从职前准备到职后发展的培养路径,即在职前阶段弱化学科界限、革新课程体系、创设"实境"学习环境,在职后阶段创新培训模式、组建数据实践共同体,在协作探究和反思性实践中发展集体数据智慧;最后,考虑到数据智慧的培养是一个复杂的、多方联动的动态过程,对其影响因素和作用机制进行了剖析,为教师数据智慧的培养策略提供借鉴,并提出了善用数据智慧的观点。     

智慧课堂背景下大数据驱动精准教学研究

大数据的发展为实现智慧课堂的精准教学提供了契机。本研究基于智慧学习环境、智慧教学法以及智慧人才培养等三大研究框架,设计出大数据驱动下的智慧课堂混合式精准教学模型,并通过在苏州市某中学初一数学课堂开展精准教学实践研究,针对出现的问题进行反思并提出建议。今后,应加强智慧教育引领下的智慧课堂环境创设,注重大数据驱动精准教学的数据伦理观照,提升精准教学实施中的教师素养,为精准化教学在智慧课堂的落地提供借鉴参考。     

基于大数据的智慧教室驾驶舱的设计与实践——以重庆广播电视大学为例

针对智慧教室建设兴起、大量数据产生却应用有限的现状,文章提出了智慧教室驾驶舱的解决方案。在基于大数据的智慧教室驾驶舱设计理念的指导下,文章构建了以数据流动为内核的智慧教室驾驶舱的集成应用模型,主要提供数据采集、数据处理、数据集中展现等功能。与此同时,文章结合重庆广播电视大学的应用实践,分析了基于大数据的智慧教室驾驶舱的实践成效,指出智慧教室驾驶舱在教学结构变革、教师教学能力、关注学生的"学"、教师反思、教师决策等方面发挥了积极作用。最后,文章分析了智慧教室驾驶舱应用的限制性因素,以期为智慧教室驾驶舱的后续改进与迭代提供参考,进而更好地发挥智慧教室驾驶舱的作用,推动智慧教室的建设和课堂质量的提升。     

从“基于经验”到“数据驱动”:大数据时代的教学新样态

集数据论、工具论和方法论于一体的大数据与教学的深度融合重塑了师生的"教"与"学",促使教学范式从"基于经验"向"数据驱动"转型:教学内容从"学科知识"进阶"个体智慧";教学方法从"规范讲授"迈入"具身体验";教学评价从"观察判决"转向"证据评估"。"数据驱动"型教学的运行机制是教师、学生、教学媒介和教学内容等围绕教学大数据所进行的多边互动。要推进"数据驱动"型教学的实现,教师需坚守"教育性"数据本真、养成"整全性"数据素养、建设"专业性"数据共同体。     

数据驱动精准教学的实然困境与应然进路

迈入大数据时代,数据驱动的精准教学已然成为这一时代教学范式的应然变革,其能够满足学生个性化的学习需求,规避教师随意化的指导与评价,推动教学范式的科学化转向。然而,囿于大数据运用的双刃剑特性,精准教学亦面临着空前非凡的挑战,具体表现为教学伦理性的偏失、个性化教学的悖逆、学生潜能性的遮蔽与教师权威性的失落。消解数据驱动精准教学的困境,要强化数据收集的伦理取向,彰显精准教学的“精”与“准”,复归学习者的个性与整全性,提升教师的数据智慧,从而推动精准教学的优化与完善。     

面向智慧课堂的教师数据智慧提升路径研究

智慧课堂中每时每刻都在产生着大量数据,这些数据蕴藏着巨大的价值。教师是否具备恰当处理、分析数据并以此优化教学行为的数据智慧就变得尤为重要。在数据赋能下,智慧课堂沿着资源丰富型课堂—数据驱动式课堂—人机协同化课堂的路线演化进阶,并在其不同的发展阶段对教师的数据智慧有着不同的需求。教师可依据不同阶段智慧课堂的特性,通过不同的路径有针对性地提升其数据智慧,实现数据的教学价值。     

数据驱动本科教学质量监测：基本逻辑与困境突破

数据驱动本科教学质量监测是促进高校教学高质量发展的有效路径。随着技术赋能本科教育教学样态的持续变革,数据驱动本科教学质量监测面临教学评估数据审查与监管机制亟待完善、教学数据治理失范导致数据价值低效释放、数据监测方式单一制约教学评价工具功效、教学决策自主权与智能算法存在局部冲突等现实困境。数据驱动本科教学质量监测的路径选择应关注四个方面：完善数据质量标准,构建基于责权厘定的技术规范;注重数据伦理规约,构建向善型教学数据治理体系;聚焦数据价值释放,促进智慧型教学质量评价机制构建;关注智能评价转型,创设人机协同型教学决策服务体系。     

数据库管理系统的数据传递

在数据库管理系统的应用中，除了表／数据库文件的建立、使用、维护外，表／数据库文件与其他各类存储的数据文件之间的数据传递显得格外重要，特别是在应用程序的使用中，有特别重要的价值。在学习FoxPro数据库管理系统时，要注意掌握数据传递的主要分类及其命令的使用简介。     

Handling Missing Data in the Modeling of Intensive Longitudinal Data

Myriad approaches for handling missing data exist in the literature. However, few studies have investigated the tenability and utility of these approaches when used with intensive longitudinal data. In this study, we compare and illustrate two multiple imputation (MI) approaches for coping with missingness in fitting multivariate time-series models under different missing data mechanisms. They include a full MI approach, in which all dependent variables and covariates are imputed simultaneously, and a partial MI approach, in which missing covariates are imputed with MI, whereas missingness in the dependent variables is handled via full information maximum likelihood estimation. We found that under correctly specified models, partial MI produces the best overall estimation results. We discuss the strengths and limitations of the two MI approaches, and demonstrate their use with an empirical data set in which children’s influences on parental conflicts are modeled as covariates over the course of 15 days (Schermerhorn, Chow, & Cummings, 2010).     

工艺数据结构及数据模型分析

着重分析了工艺数据结构在逻辑、物理两方面的性质与应用情况；并通过对比，指出面向对象的数据模型是工艺数据模型的发展方向。     

基于数据仓库基础上的数据挖掘技术综述

数据仓库技术和数据挖掘技术紧跟Internet技术发展，具有广阔的应用前景。针对数据挖掘研究现存的问题，进行深入的研究是非常必要的。     

Professional Development in the Use of Data: From Data to Knowledge in Data Teams

Schools need support in the use of data. To provide this support, a data team intervention was developed. A prior study conducted in the Netherlands showed that several factors can enable or hinder the work of data teams. The current replication study focuses on the factors influencing data use in data teams and the perceived effects of the data teams’ work, but looking at data teams in Sweden. The results of this qualitative study show that the data teams’ work is influenced by the same factors as in the Netherlands: Data characteristics (e.g., relevance of the data), team characteristics (e.g., heterogeneity of the team), and school organizational characteristics (e.g., school leader support).     

数据挖掘技术在电子审计数据处理中的应用探讨

信息化的发展对电子审计技术方法和质量管理都提出了更高的要求.电子审计数据在逻辑结构、形式和来源等方面均有别于传统审计数据,使得其证明力(能够用于审计证据)受到影响.数据挖掘技术的不同分析方法,如分类规则、聚类规则和关联规则等挖掘算法在电子审计数据处理中都可以有广泛应用,能明显提高审计数据的安全性和质量.     

大数据背景下公共数据资源运用探析

我国数据资源主要集中于政府部门手中,这会诱发一系列问题,一方面,政府部门将数据资源束之高阁导致数据资源严重浪费,另一方面,公共数据资源开发力度不够以及公共数据开放中导致公民信息泄露问题都成为制约大数据发展的重要障碍.因此,建立健全大数据相关运用立法、加强数据运用监管、提高政府部门和社会公众的数据意识,形成数据文化,是推动大数据产业发展所必需.     

数据科学与大数据专业培养方案探讨

近年来,国家大力支持大数据产业的发展,业界对数据科学与大数据技术方面的人才的需求越来越迫切,教育界对数据科学与大数据专业人才的热情高涨。学校的培养如何更好地满足业界需求?专业培养方案的制订变得尤其重要,作者在广泛调研业界与教育界的基础上,针对我校的具体情况,探讨数据科学与大数据培养方案的建设。这对同类高校也有一定的参考意义。     

学习分析技术:挖掘大数据时代下教育数据的价值

当前,大数据时代已经来临,教育领域同样积累了海量数据。教育领域已经部署了众多的学习管理系统,在这些软件系统中存储着海量的学习者信息及学习过程数据。如何利用这些数据,使这些数据转变为信息、知识,并为教学决策、学习优化服务,已成为教育工作者以及学习者们所关注的内容。学习分析技术有助于发挥学习过程数据的价值,使数据成为审慎决策、过程优化的重要依据。该文介绍了国内外学习分析技术研究现状,归纳出学习分析技术的关键技术及分析模式,并以实例从不同用户视角包括管理者、辅导教师、学习者展示了学习分析技术在网络学习过程分析中的应用过程。