摘 要

近年来，随着互联网技术的发展和移动端用户的增长，在线教育发展迅猛，在线教育产生的数据越来越多，在线教育在大数据背景下的发展探究指导需要从这些数据中提炼出有效的信息资产。本文首先指出了教育大数据的基本概念、分类及特点及大数据所能解决的在线教育领域的具体问题，其次构建在线教育大数据模型，引出当前大数据背景下在线教育的挑战和机遇，再从教师、学生和管理者三个角度来描述大数据在在线教育中的应用，并举例佐证。最后，通过对技术、数据的思考，进一步反思当前教育存在的问题，寻找内在的教育规律。从四个维度提出大数据背景下在线教育的发展策略建议，为之后在线教育领域大数据的研发起到指导性作用。

关键词：在线教育；大数据；发展；探究

Abstract

In recent years, with the development of Internet technology and the growth of mobile end users, online education is in full swing. There are more and more data generated by online education, and the demand for these data processing is becoming higher and higher. The development of online education in the background of large data needs to extract effective letters from these data. Interest in assets. This paper first points out the basic concepts, classification and characteristics of large data and the specific problems that the big data can solve in the field of online education. Secondly, we build a large data model of online education, which leads to the challenges and opportunities of online education under the current big data background, and then describes the large number from three angles: teachers, students and managers. According to the application in online education, and give an example. Finally, through reflection on technology and data, we further reflect on the problems existing in current education and find out the inherent laws of education. From the four dimensions, the development strategy of online education under the background of big data is put forward, which will play a guiding role in the development of big data in the field of online education.

Keywords：online education; big data; development; exploration

目录

第1章 绪论 1

1.1选题背景 1

1.2研究目的 2

1.3研究意义 2

1.4研究方法与研究思路 2

1.4.1研究方法 2

1.4.2研究思路 3

1.5大数据背景下国内外在线教育发展动态 3

1.5.1国内发展动态 3

1.5.2国外发展动态 3

第2章 教育大数据的概念分类特点及所能解决的问题 5

2.1教育大数据的概念 5

2.1.1何为教育大数据 5

2.1.2对大数据的理解 5

2.1.3教育大数据的含义 5

2.2教育大数据的分类及结构 6

2.2.1教育大数据的分类 6

2.2.2教育大数据的结构模型 6

2.3教育大数据的特点 7

2.4教育大数据所能解决的问题 8

2.4.1学生行为习惯培养难 8

2.4.2教育业务管理混乱 8

2.4.3缺乏教学反馈 10

2.4.4学习计划个性化定制的实现 11

第3章 大数据下在线教育挑战及机遇 12

3.1大数据时代下在线教育的挑战 12

3.1.1教育大数据应用问题 12

3.1.2数据采集覆盖面窄 13

3.1.3在线教育产品服务单一 14

3.2大数据时代下在线教育的机遇 14

第4章 大数据在在线教育中的应用 16

4.1面向学生的大数据应用功能 16

4.1.1依知识图谱开展的学习 16

4.1.2个性化课程定制 17

4.1.3智能化题库 19

4.2面向老师的大数据应用 19

4.3面向管理者的智能大数据应用功能 20

第5章 大数据下在线教育的发展策略 22

5.1海量数据处理 22

5.2技术发展 22

5.3研究思路 23

5.4发展趋势 23

第6章 结论 25

参考文献 26

致谢 27

第1章 绪论

1.1选题背景

自2013年以来，中国在线教育领域发展迅速，传统教育机构开始转向网上业务。人们的压力也随社会进步而增大，对知识的渴求渐渐转变成焦虑，知识焦虑的存在也促进了人们对教育的需求增长。现如今，在线教育的市场规模在不断地扩大，管理上科学性的打造，行业发展规范化的监控，对教师职业道德的监督和教师专业水平需求的提高是当前不可避免的重要问题。在云计算技术、数据存储分析技术、数据挖掘技术等尖端科技的飞速发展下，大数据也渐渐走近我们的生活。在在线教育中，云端和互联网储存着各个参与者的行为数据，以大数据技术采集、加工、分析并存储这些数据，然后实现个人的个性化学习制定和陪同终身学习档案。各式各样的在线学习社区以及移动端数字图书馆突飞猛进地发展，一股在线教育的风潮朝我们袭来。

MOOC翻译成中文是指大规模的在线开放课程。早在2012年，160000名学生就被美国斯坦福大学教授的第一个MOOC课程吸引住了，而清华大学的MOOC课程也吸引了11000余名学生参加。

与离线教育相比，在线教育的最大优势在于它不受时间和空间的限制。此外，在线教育十分有效地对原有教育中教学资源不均衡和师资力量不足的问题进行了强有力的调整。如此一来，教育资源便可称之为是共享的和开放的，而不受到地域和经济等外因的牵制。

可是，即使存在这样明显的优势和诱人的前景，在线教育依旧是没法继续往下延伸和拓展，最主要的原因首先在于用户行为习惯的养成上。对用户而言，在线教育最大的弊端在于无法限制用户的行为，用户缺乏传统教育里的老师监控和同学竞争这样的压力来源后，随时可以结束学习过程。加之，大部分用户使用网络时都是在以娱乐为主的休息时间内的，用户粘度难以提高。相较于传统教育里，老师能够根据学生的面部表情等迅速做出反馈，在线教育环境下，老师与学生难以交流，教师很难找出学生纠结的知识点，及时调整教学方法和教学内容。此外，对于用户来说，从业人员资质审查是外行人员难以评定的，建立真实有效的从业人员资格审查制度，将能更加规范有效地对教学质量进行把控。更重要的是，学生对定制学习课程的期望不断增长。最后是缺乏辅助政府及机构、学校管理者进行教学业务管理的应用，教育业务管理混乱，管理者的决策缺乏有效的大数据支持的问题。

1.2研究目的

处理在线教育平台上繁杂庞大的大数据，提炼出更具决策力、洞察力和流程优化力的信息资产，探索大数据背景下的在线教育发展，进一步推动网络教育的进一步深化和发展。寻找适合当前在线教育的发展策略已经成为网络教育中最热门的话题。使用客观的用户数据进行决断，减少个体因素干扰，关键在于把控数据到价值的转换过程^[1]。本研究的目的是利用在线教育领域的数据来解决在线教育当前的难题：提高学生完成课堂指标和学习效果，个性化学习计划的制定，教师和人才的选拔，以及实现教学业务管理精细化以及对在线教育的下一步发展策略提出意见和建议。

1.3研究意义

大数据快速发展的今天，相较于传统教育而言，在线教育所拥有的最突出的优势在于：可将学习记录、教学资源等进行记录，并加以深度分析，得出诊断报告、量身定制的个性化学习方案及学习内容。此外，大数据通过对各年级、课程内容、学生信息、老师信息等的分析，把控教师师资，让学生在定位课程内容时更加准确，使教师和学生的使用更加便捷。便于给学生提供个性化的课程及习题定制，给决策者提供科学有效的解决方案。

从目前来看，科技进步的水平、教育需求的升级和教育理念的改革，甚至是人们生活方式的变化都与在线教育的发展存在着千丝万缕的联系。在线教育规模不断扩大，参与公司在线教育领域的商业模式逐渐趋于稳定。学生的学习需求更是日新月异地深化，消费者消费观念不停地转变和消费能力升级，国内在线教育已经进入了一个垂直细分的阶段，准确定位，开发个性化学习项目，结合丰富多样的学习方式，开放共享的教育资源，能够实现教育内容的人工智能教育时代。

1.4研究方法与研究思路

1.4.1研究方法

（1）文献分析方法。对大量相关文献进行全面的分析是研究的基础，本文在阅读和分析教育大数据、在线教育、大数据含义相关的现有研究后，为本文的研究提供了理论基础。

（2）内容分析法。论文选取热门在线教育应用或平台简要分析，依据具体内容性质，总结大数据的作用并提出对应策略。

（3）案例分析法。论文以现阶段在在线教育领域的猿题库、新东方等平台为例，依据线上线下的差异，深入分析大数据带来的巨大影响因素、发展现状及特性，总结发展过程中的可创新的点。

1.4.2研究思路

首先，介绍本研究的研究背景，目的和意义。其次，大数据可以解决的概念，分类，特点和问题从教育大数据的角度来解释。并举国内外的例子佐证大数据切实地解决在线教育中所存在的问题或弊端，及解决问题的方法。引出当前国内大数据背景下在线教育的挑战与机遇，再从教师、学生和管理者三个角度来细述大数据在在线教育中的应用，并举例佐证。最后，进一步反思当前在线教育存在的问题，寻找其潜在的教育规律，提出大数据背景下在线教育的发展策略建议。

1.5大数据背景下国内外在线教育发展动态

1.5.1国内发展动态

如今，国内的大数据在在线教育范畴中的应用仍处在起步的阶段。

2014 年3月，教育部办公厅印发的《2014年教育信息化工作要点》中指出：加强对动态监测、决策应用、教育预测等相关数据资源的整合与集成，为教育决策提供及时和准确的数据支持，推动教育基础数据在全国的共享,教育大数据的应用已被列入我国教育信息化的工作程序中，大数据与教育领域的深度融合，是在线教育事业发展的必然趋势^[2]。

1.5.2国外发展动态

以美国为例，教育大数据的开展已有了将近7年，尤其在对于择校引导、课程抉择、就业率提升方面有不俗应用。但以当前情况来说，美国的大数据技术尚未具备解决在对学生学习行为和学习流程中难题的熟练程度。教育大数据在美国的应用仍主要表现在州政府、信息公司和学校三者之间展开，在这一稳固的基础上，美国希望可以预测学生学习过程中的问题，从而提前防范，以达到提升学习效果的目的。例如，针对K12教育，美国建立了完备的教育问责机制，采集可视化数据完成大数据的在线教育应用^[3]。具体展开以州教育责任体制对教育质量进行整体评估，学区级评价系统对学区、学校进行评估，学校评估体系对学生课堂行为进行收集分析，评估学生学习质量。这样一来，每个公民都有权知晓本学区的教学水平，政府可根据教学水平及升学率，制定或调整教育策略。

第2章 教育大数据的概念分类特点及所能解决的问题

2.1教育大数据的概念

2.1.1何为教育大数据

教育大数据指的是，在整个教学及学习环节中产生的所有数据，主要包括：教育资源管理过程产生的数据，授课备课产生的数据及学生所发生的学习行为所产生的数据等^[4]。教师在互联网普及的今天，教育大数据，作为在线教育基础的一部分，在在线教育领域中越来越深受重视。关于教育大数据的内在关联性，教学内容与法律之间的级联与关联将应用于大数据深度挖掘与研究。

2.1.2对大数据的理解

大数据（英文缩写 Big Data），由维可多麦尔·赦恩博格及肯尼思酷可也在两人合著的著作——《大数据时代》中最早提出，指的是，以对海量数据的处理来取代随机分析法及抽样调查法。也就是说，唯有采用新样式的处理模式处理海量、高增长率和多元化的数据才能具有更高洞察力，使得决策更为精准，使流程更加简化。

数据库分析技术的发展在三个方面定义了大数据：数据体量，价值和复杂程度，大数据的最主要表现特征被概括成4个V，也就是人们常说的：体量大（英文volume）、速度快（英文velocity）、 类型广（英文variety）、价值大（英文value）^[5]。

2.1.3教育大数据的含义

教育大数据属于大数据集的一个子集，涉及教育领域的大数据，包括整个教学过程中的所有相关数据。我们可以发现规律，发现问题和处理问题，预测教育大数据的下一个发展趋势，旨在提高教学质量。促进教学资源分布均衡、推行个性化课程定制、优化教学流程、引导科学精准的决策。

2.2教育大数据的分类及结构

2.2.1教育大数据的分类

国家积极地表达出对全国数字校园、区域教育云的建设及完善的热切期盼。近年来的一系列的举措都大大方便了教育大数据的采集。此外，随着生活压力的增大，人们对知识的渴求转变成焦虑，在线教育市场处在不断扩大、不断变革的过程中。传统教育培训和互联网都对在线教育充满信心，各式各样的在线教育产品和服务使得盈利性教育机构的数据采集也开始变得容易。那么对于这些随处可接触的数据，具体究竟是什么样子的，如何区分，又指向哪种教育问题和环境。种种疑惑，都是建设和应用教育大数据最关键的地方。

对教育大数据进行分类有很多种方法。

从数据来源分，可分为：教授数据，管理数据，服务数据和研究数据；根据数据结构的大小，可以分为结构化大数据，非结构化大数据和半结构化大数据；结构化数据用于二维表格存储，视频，图片和文档^[6]。从数据产生的流程来分，可以分为过程性数据（包括教学过程中采集到的、难量化的数据比如教学互动、在线作业等）和结果性数据（可量化数据比如成绩、年级、人数等）。

近年来，随着越来越多的人注意到大数据的发展，国内外都越来越认识到教育大数据作为战略资产的地位，并更加重视其地位。从以管理类、结构化、结果性数据为重心的教育大数据慢慢转变成为向非结构化、过程性数据的转变，在数量，增长率和潜在价值方面，这些数据远远超过了传统的教育数据。

2.2.2教育大数据的结构模型

教育大数据从外部到内部分为行为，资源，状态和基础层^[7]。行为层储存的是教学过程所有用户（教师、学生、领导等）的行为数据，比如学生听课行为、老师授课行为、管理层指导行为等数据。资源层储存的是授课流程中产生的各式形态的教学资源，比如PPT课件、教学视频、教学应用、问答及试卷等；状态层存储教学设备、教学环境及授课状态信息，比如设备损耗、运行及授课进程等；基层涵盖学校内部商业信息和教育信息的内部管理。

不同层次的教育大数据收集方法和应用也不同。

基础层数据。依赖人工采集收集；通过系统之间数据交换实现教育基础数据采集进行更新，学籍、人事变动等都可以进行自发的维护和变动。基础层数据主要用于控制管理教学活动开展现状、教学政策决策、教学资源的合理配置、完善教育体系等。

状态层数据。采集方式主要依赖于人工记录，未来的教育将通过物联网技术实现全自动记录及监控，实时掌控教学流程的进行。

资源层数据。主要以非结构化数据为主，资源产生主要依赖于专门建设和动态生成。专注于建设高质量的课程资源，企业和个人自主上传的学习资源。动态生成主要以教学过程中生成的各种资源（笔记、试题等）未来将以APP应用、电子书等为主。

行为层数据。教师授课、学生听课、完成课后作业等都属于行为数据。在大数据背景下，行为数据还包括学生在学习过程中查看的网页，查看时间等。同时，各类物联网技术及移动互联网等使教学行为的记录更为丰富准确。包括人所经历的事情和周边环境，甚至是人体情绪，都将被记录下来，作为后期挖掘与分析的数据来源，为个性化课程定制、教学评估和学习推送提供数据依赖。

2.3教育大数据的特点

教育大数据的采集行为具有连续、全面和实时的特点，而在用户明确的条件下开展的传统教育数据的采集一般是是不连续的，只有通过总结统计，抽样调查和其他分析方法。采集所聚焦的重点一般在于学生群体的特性及地区、学校、国家不同层次教育教学活动开展的全面情况。大数据下，教育大数据的采集在物联网等技术的支撑下可以实时地采集到学生的学习记录、教师教学情况等，采集过程不会干扰到师生授课听课的过程，持续性地采集到更多以往所采集不到的教学细节。教育大数据显示比可量化的结构化数据（如班级出勤率，学生身份，就业率等）更加复杂和混合传统教育数据。非结构化数据（如图片、互动、作业、教案）将逐渐表露出其重要性。

数据收集的分组和深度挖掘变得越来越明显。目前被大家所重视的结构化数据所表现出来的更多是宏观上的数据，仅仅代表着当前国内宏观整体教育教学情况。而非结构化的教育大数据（如教育教学行为把控、作业、社会学习、课堂行为等）其实潜在价值远远超于结构化数据。此外，交叉领域数据的采集也不可回避，如医疗，交通，经济等与教育领域之间融会贯通的数据。这些数据看似与教学无关，其实对教育决策的科学可行性有着重大的影响。

2.4教育大数据所能解决的问题

2.4.1学生行为习惯培养难

传统教育下，教师不仅作为授课者还作为学生的监督者，从预习到课后习题完成整体把握学生对知识的掌握情况。传统班级的学习类型和排名也形成了学习竞争的体系。在教师的积极监督下，完课率的表现比在线教育更为突出。而当前在线教育缺乏有效的监督机制，除非学生具有较强执行力，学到一半就没有接着往下学的学生不在少数。由于终端使用的多样化，学生缺乏有效的监督和竞争，学习热情锐减导致完课率不高也是时常发生的。

当学生从传统的教育中转换成在线学习时，虽然无时间地点限制的学习体验得到很大的提升。但随着互联网技术的不断发展，学生的学习需求也不断升级，即使教师授课方式有所提高，“休眠学生”也不断增多。学生的反馈无法传递到教师那里。利用大数据技术，可以将学生行为轨迹记录下来，在哪个学习节点上学生开始有弃学念头，通过对用户行为数据的采集和分析，教师分析获得的成果，改进讲座的教学方法和内容，以吸引学生的兴趣。MOOCs是这样利用大数据的：随着学生兴趣的扩大，创建了新的互动方法，让学生纠正彼此的任务，并通过分析结论，纠正可以接近教授纠正的正确率。当传统教学模式失效时，借助大数据，激发学生热情，继而培养学生行为习惯也不是没有可能的。

2.4.2教育业务管理混乱

传统教育中，机构和学校对人员审核有良好的执行标准，同时，管理规范使教学方式各具特色。但，不少C2C在线教育平台仍缺乏拥有高素质的从业人员，而多是临时工、兼职人员等。也就是说，在线教育在解决完大众教育的问题之后并不能够很好地帮助学生进行更深一步的学习。