教育数据的结构模型是什么

为了更清晰地认识教育大数据的概貌，我们构建了教育大数据结构模型（见图9-1）。整体来说，教育大数据可以分为四层，由内到外分别是基础层、状态层、资源层和行为层。其中，基础层存储国家教育基础性数据，包括教育部2012年发布的七个教育管理信息系列标准中提到的所有数据，比如学校管理信息、行政管理信息和教育统计信息等；状态层存储各种教育装备、教育环境以及教育业务的运行状态信息，比如设备的能耗、故障、运行时间、校园空气质量、教室光照和教学进程等；资源层存储教育过程中建设各种形态的教学资源，比如PPT课件、微课、教学视频、图片、游戏、教学软件、帖子、问题和试题试卷等；行为层存储广大教育相关用户（教师、学生、教研员和教育管理者等）的行为数据，比如学生的学习行为数据、教师的教学行为数据、教研员的教学指导行为数据以及管理员的系统维护行为数据等。

(https://www.daowen.com)

图9-1 教育大数据结构模型

当前，国际知名的大数据教育应用典型案例当属美国普渡大学的“课程信号”项目。普渡大学通过研发“课程信号”平台，实现学生课程学习数据的全程采集和汇聚。同时，提出了一种成功预测算法来分析学生课程学习的成功概率。教师可以根据预测结果采取有针对性的干预措施（交流反馈、推荐学习资源等），最终提高学生的学习成功率和新生保有率（入学的大一新生在结束大一课程后仍在这所大学继续就读的比例）。

近年来，国内一些高校也已经开始应用大数据技术辅助教育教学管理。华东师范大学开发了餐饮预警系统，通过持续跟踪学生的餐饮消费数据，发现有潜在经济困难的学生，进行短信慰问，提供必要的帮助。浙江大学对学校资产数据进行持续跟踪、整理和分析，形成权威、可靠的资产数据报告，同时提供资产数据查询和分析服务。清华大学重点关注学生成长数据的采集整理与分析应用，比如针对进校时成绩很优秀的一批学生，追踪其在大学四年的各种数据，观察其成长路径，或者对毕业时表现很优秀的学生进行回溯。