大数据时代教育

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇大数据时代教育范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

大数据时代教育范文第1篇

关键词：大数据 信息技术教育 数据思维 数据挖掘 数据方法

近年来，大数据已成为流行词汇。涂子沛在《大数据：正在到来的数据革命》中指出：大数据将给公民、政府、社会带来巨大的挑战和变革。这些挑战和变革正影响着各个领域，教育是其中的一个重要领域。北京大学信息科W技术学院教授高文在第五届中国云计算大会上说：“不管你同意还是不同意，大数据时代已经到来。”作为数字化浪潮风口浪尖的信息技术教育将因此发生怎样的改变？面对大数据信息技术，教师又该做些什么？这是值得我们深思的问题。

大数据所带来的变化，并非源于我们电脑的硬盘变大了，CPU处理速度变快了，因此我们就可以处理更大规模的数据了。大数据带来的变化是源于人们学会运用数据思维认识问题，学会挖掘数据价值分析问题，学会使用数据方法解决问题。

一、学会数据思维，信息技术教育走向科学化

大数据与过去的区别首先在于数据思维。过去，许多因技术手段无法收集或曾被忽略的信息，在大数据时代却成为“数据”，被收集与使用。在传统信息技术教育中，通常只把考试成绩认为是数据，认为成绩提高是教学改进最为显著的指标。大数据时代的信息技术课堂，学生端的每台设备安装了数据收集的程序，教师端的则安装了记录各种数据的程序，这时，教师就可以随时收集学生在课堂上的信息技术操作、作业完成、课堂表现等各种信息，并将这些信息转化为数据。数据思维使人们认识到课堂上各种原本杂乱无序的信息都是数据，这些海量的、多样的、真实的、有价值的大数据，将作为教师指导教学的原始材料，对学生的发展提出更科学有效的建议。用数据思维思考我们会发现，学生的思维运行方式是可计算的，思维的本质可以还原为机械性的操作步骤，由此让学生的思维“透明”；学生的操作方式是可预测的，操作的过程可以细化为若干个固定环节，由此让学生的课堂行为“透明”；学生学习的过程是可观察的，不单是考试，课堂、课程、师生互动的各个环节都能被记录下来，由此整个教学发展的过程“透明”。此时，信息技术教育将由原来的粗犷走向精细，由模糊走向精确，由经验走向科学，教师不再“跟着感觉走”，而是有了更加科学的依据和方法。

二、挖掘数据价值，信息技术课堂走向精确化

一个高中女生收到了购物网站的婴儿用品优惠券，这激怒了女孩的父亲。面对父亲的暴跳如雷，卖家拿出了自己的证据，女孩在网络上所搜索商品的关键词所留下的操作轨迹，表明了女孩对新生婴儿问题的关注，最终事实证明：女孩真怀孕了。通过大数据技术挖掘数据所蕴含的价值，现代商家已越来越了解消费者了。

更有效地挖掘数据的价值，是大数据时代与过去相比的又一区别。数据的创新是沿着“数据―大数据―分析和挖掘―发现和预测”的方向发展的。数据是灵魂资产，分析和挖掘是手段，发现和预测是最终目标。通过有效地认识、分析和处理数据，挖掘其背后的含义，使其发挥内在价值。比如对待考试，过去会简单地归纳为一个分数，而大数据时代则可以挖掘其背后更多的信息：答每一题的时间、是否修改过选项、做题顺序是否跳跃、涂改了哪些题目等。通过对数据的挖掘分析，学生的微观表现将会被关注，学生使用信息技术的操作规律和不同学生的思维特点都会被挖掘出来，甚至会发现信息技术教育的真正关键因素，信息技术课堂必将走向精确化。

三、使用数据方法，信息技术学习走向个性化

随着大数据的发展，个性化这个词离我们越来越近。比如当你上网搜索信息时，搜索引擎会根据你查找的关键词来分析你会关注哪些内容。当你使用购物网站时，网站会根据你浏览购买过的物品来判断你想要购买哪些东西。这种方法实质上是通过对数据的归类与分析，预测“出现某种行为的人还很有可能出现另一种行为”。

这些对数据收集处理分析的方法，也在大数据时代越来越广泛地被使用。通过信息化平台了解学生的状态和需求，从而进行单独指导与训练，这就是大数据技术应用的具体体现。世界著名的可汗学院有这样的教学平台：各种数据都可被监测，“蓝色”代表在学习，“绿色”代表已掌握的知识点，“红色”代表有问题。教师可随时观察学生的学习状况，进行有针对性的指导和建议。如果在信息技术课堂也使用这样的平台，是否会向因人而异的个性化学习迈进一步了？延续多年的“因材施教”的理想，是否会因大数据的到来而离我们更近一些？

随着大数据的到来而发生的改变已日益渗入我们的学习和生活中，数据思维让我们发现了无尽的信息；数据挖掘让我们洞察了事物的本质和规律；数据方法让我们实践了个性化的教育理想。“众里寻他千百度，蓦然回首，那人却在灯火阑珊处。”当我们苦苦寻找教育改革的法宝时，或许大数据会给我们带来许多意想不到的收获。愿借大数据的东风，创建属于我们的信息技术高效课堂。

参考文献：

[1]张韫.大数据改变教育 写在大数据元年来临之际[J].上海教育，2013（10）.

大数据时代教育范文第2篇

据国家邮政局数据，2013年“双11”全天共产生订单快递物流量约1.8亿件。对比2012年数据，“三通一达”快递公司流量全部翻倍，日处理量已过千万，却并未像往年出现“快递爆仓”的现象，网购者普遍认为配送效率较高。这其中，大数据应用起到了绝对的重要作用。

一、大数据时代

最早提出“大数据（Big Data）”的是全球知名咨询公司麦肯锡，他们认为“大数据是下一轮创新、竞争和生产力的前沿”，“对于企业来说，海量电子数据的应用将成为未来竞争和增长的基础”。由于大数据具有规模性、多样性、高速性、价值性的特点，使得数据处理工具、处理方式，随着互联网与信息技术的进步，得到逐步发展，同时大数据应用也已经深入到各行各业，从科技到医疗、政府、教育、经济以及社会的其他各个领域。2013年5月召开的“京交会”上，申通快递展示了其最新的“信息化智能平台”。该平台通过对数据的归纳、分类和整合，可以清楚地查看申通网络任何一个网点的经营现状和业务构成等。而在2013年初，京东商城就已启动云计算研发基地，并成立“京东商城――中国人民大学”电子商务实验室，着力电子商务大数据的分析与合作。

二、大数据给物流专业教育带来的机遇与挑战

据规划，菜鸟网络将建成一张能支撑日均300亿元网络零售额的智能物流骨干网络，让全国任何一个地区做到24小时内送货必达。这是大数据在物流领域的一次大应用，这种应用将会改变物流行业格局，势必给各物流运营商带来冲击。所以，物流快递行业必须及时提高企业竞争力度，扩大企业实力，进而迎接激烈的挑战，而一些菜鸟网带来的不仅仅是挑战，还蕴含着有利商机，同时创造大量的就业岗位，带来大量的人才缺口。根据麦肯锡公司的预测报告，到2018年，仅仅美国可从事“深度分析研究”的大数据专业人才短缺就将达到14万～19万人之间。这些人才不但需要掌握着机器学习技术、统计或计算机科学技术，而且还必须能够真正知道如何将庞大的数据信息转化为有意义的商业情报。大数据的价值在于从海量的数据中发现新的知识，创造新的价值。可喜的是，物流快递行业正是一个产生大量数据的行业，在物流快递各个环节中都会产生海量的数据。应用“大数据”技术，通过对其中的数据进行归纳、分类和整合，清楚地分析企业网络任何一个网点的经营现状和业务情况等。然而，传统物流本科教育培养的是更偏向物流系统构建、分析，物流系统运营管理等精英人才。大数据在物流行业的应用产生的物流系统数据分析师对企业的作用将越来越大，这就对物流教育提出了更高的要求。只会IT技术的人才是不能解决物流行业数据处理问题的，大数据需要的是复合型的人才，需要将深厚的技术背景与所在行业和业务领域的需求相结合。物流教育机遇随之而来。

三、我国物流专业教育现状

虽然大数据给物流教育带来了机遇，但当前的物流教育模式，仍然不能胜任，因为我国推行物流教育20多年来，取得了一定的成就，但同时也存在一定的问题。（1）学科建设不够完善。缺乏独立的物流知识体系，很容易造成教学安排的重复，导致教学体系的冗余状态。（2）教育模式陈旧。现阶段的教育模式仍然是重知识传授、轻能力培养，填鸭式教育不利于学生创新能力培养，分析问题、解决问题能力也欠佳。（3）教材杂，不能因材施教。存在相当一部分教材知识出现了重叠问题，很少将物流实践经验技术总结指导来进行教材编写，教材质量普遍较低。（4）课程结业考察模式陈旧。学生只学习教材，容易形成期末突击学习，考完就忘的局面。（5）教学配套实验室建设落后。即使建设了相应的物流实验室，但用于教学和科研的较少，拥有物流省级以上实验室的更少。（6）学术与实践能力并重的物流教师缺乏。由于当前教师都需要博士学位，因此大量年轻教师都缺乏企业实践，对学生培养不利。（7）案例、互动教学少。物流是实践行业，教育应辅以大量案例、互动教学，但当前案例教学大都较陈旧，国外案例不大符合国内实际情况，更多的案例没有能将问题分析透，不能让学生在实际中学习成长。

四、大数据背景下物流专业教育模式

在当前大数据发展如火如荼的背景下，大数据分析处理能力对物流专业教育提出了更高的要求。物流是实践性很强的行业，物流教育也应立足实践。大数据带来的是思维的转变，强调的是创新，是新发明、新服务的源泉。因此物流教育应立足实践并积极创新，其教育模式可适当借鉴国外教育模式。德国模式：德国从人才培养目标、课程体系、师资队伍和实践环节的设计上都以应用型人才培养为基础，对于培养目标而言，培养的人才不仅有系统的科学技术知识，而且具有超强的实际应用能力，学生毕业后能很快胜任大中型企业的技术骨干或小型企业的技术骨干等工作，其课程体系也与企业实际应用紧紧衔接，师资队伍也以双师型（即双轨制）为主，实践环节考核也有严格要求。

英国“工读交替，实践教学”模式：学生先到企业学习，了解企业的需要和自己需要的理论知识体系，再回到学校进行专业知识技术的学习，之后再回到企业进行实践。通过这种形式让学生充分将理论知识与实践技能相结合，毕业时同时具备较好的系统知识与实践技能。高校的培养目标、课程设置等方面均以应用为主，注重产学结合。多数高校与当地的企业形成互利合作机制，系科设置和课程设置按社会需要调整，学校招生人数大都以企事业单位的需要和劳动市场的人才预测来确定。这种人才培养模式不仅为社会培养大量应用型工程师，也大大提高了就业率。美国“生计教育”模式：高校的专业设置、课程设置与社会职业需求紧密关联，使高校教育与社会职业高度相关，高校本科应用型人才培养强调学生在接受教育的同时接受专业知识与技能的培训。人才培养的特点可以概括为：教学方式灵活多样、企业高校合作培养、政府企业支持培养、系统知识与专业技能同时培养。这三种模式总结起来，就是高校教育注重社会需求，按岗位需要来设置知识技能教育体系，注重实践，高校与企业联合培养学生，其毕业后反哺企业，提高实践能力与行业热情。

因此，在当前形势下，物流教育模式可适当做出调整，可从以下几个方面进行转变：

1.明确就业定位。全国各高校的物流专业可根据自身专业优势进行物流人才教育细分，不必全国都培养大致相同的人才。各高校有各自的优势专业，完全可以形成自己的独特优势，进行差异化物流教育。根据定位来设置自己的培养计划，按需培养。

2.加强校企合作。各高校可根据自己情况，加强与企业的合作，细分行业，形成以行业为基础的物流专业特色。同济大学物流工程专业至今已与建材行业、快递行业、快消品行业、电子产品行业等多个行业建立产学研合作基地，通过行业渗透积累科研经验，反哺教学，培养卓越工程师。

3.加强学生实践。在建立的产学研基地中，充分磨合企业需求，为企业提供科研保障的同时，加大学生实践力度，强调学生在实践中学习，在实践中成长。大数据教育靠学校自身是无法完成的，只有将学生投入到企业实践中，从企业获取数据，应用所学知识技能进行挖掘分析，为企业提供决策支持，才是多赢。为此，建议设置两个实习期：大一暑假一至两个月的专业实习，了解企业需求和学生自身所需学习的知识体系；第二个时期为大四上学期，学生学习后再实践，要求能为企业解决一些具体问题，如大数据分析、网络优化、仓库布局及运作优化等。同济大学物流工程专业当前已设置6周的企业实习，全身心投入到具体实践当中。

4.开展校企合作的科研训练计划。建立如全国物流大学生设计大赛类似的训练计划，由企业根据自身情况题目，由学生组队参赛，培养协作意识、动手能力与创新意识，解决实际问题，同时企业也能获得一些“意想不到”的创新想法。学生的毕业论文或毕业设计尽可能安排在企业进行，双导师的培养模式更能让学生快速成长。同济大学物流工程专业的某件毕业论文，将企业的仓库效率提高30%。

5.鼓励教师到企业践习。君欲善其事，必先利其器。只有当教师拥有足够的行业经验的时候，才能更好地减少填鸭式教育，让课堂更生动，提高教学效率，也能为企业解决更多的科研问题，形成紧密的校企合作关系，为学生教育提供更好的资源保障。

6.加强实验室、专业图书馆建设。高水平实验室是科研和教学的必要手段。实体仿真实验器材和软件环境，可以让学生合理地构建自己的物流网络，充分发挥想象力，培养创新能力，也是作为大数据分析的必备硬件。专业图书馆建设也能彰显专业优势，提供科研教学便利。

大数据时代教育范文第3篇

关键词：大数据时代；美术教育；创新发展

大数据时代的特点是与电子社交网站以及网络图像图库有着紧密的联系。尽管学校的大部分学生可能不知道不了解大数据这个名词，但学生的日常生活和行为习惯在大范围的被大数据影响着，只要是与互联网息息相关的，而且，相当一部分的学生已经沉迷于大数据时代下的互联网网站，其中包括微信、新浪微博、知乎、豆瓣等等。大数据时代与传统的印刷时代相比，在视觉图像的传输等多个方面有着极其大的优势。在对视觉艺术品的作者创作意图、情感、形式特点等多个方面进行解读、鉴赏、分析，然后进行语言讲述时，大数据时代背景下的图像传播为这种文化传播形态的转变，提供了更为广阔的空间。

一、大数据时代给美术教育提出了更高的要求

科技技术的飞速发展，带动了人工智能以及移动学习等领域的高普及度和快速进步，同时也给教育行业提出了更高的要求，必须是与飞速发展的时代同步前进。但教育行业的现状是，教育系统仍然是按照传统模式的教育范式，没有对学生的学习打上时代的烙印，也没有产生足够深远的影响。找到一种与时展同步前进的正确教育思想，才能使现代教育有更深的影响力，培养出与时俱进，技能丰富的新时代人才。学习与创新技能、数字素养技能、生活和职业技能是在新时代背景下，学生更好地适应现代社会提出的挑战所必须掌握运用的技能。美术教育对帮助学生掌握这些技能有特殊的贡献，大数据时代带来的教育政策趋势更多的“以证据为本”，通过多维度、多层次、多群体、多因素的巨型数据，来总结艺术教育如何决策。大数据时代下的美术教育在重塑学习概念的同时，也在重塑教育，“如何学”以及“学什么”在私人订制的个性化教学方式方法应用下，给美术教育的创新与发展提供了方向。

二、大数据时代下美术教育的特点

人们对于信息传播形态以及接受信息的方式在科技不断发展推动下得以改变，大数据时代丰富的图像对人们的生活、学习以及感知世界的方式产生了各种改变。语言已经不再是唯一的通信系统，口头以及书面语言、图像、公式、符号、声音、手势、图表、文物等多种通讯类型成为传递信息的方式。视觉文化在大数据时代的背景下，对现代人使用图像技能有了新的要求，无论在改变学习环境还是工作场所方面，美术素养对新的能力的掌握都有巨大的推进作用。美术教育促进学生学习和创新技能的发展。美术与科学、数学以及哲学、文学有着不同的独特的思维方式，是各民族文化的基础，学校的美术教育范畴广阔，包括绘画、雕塑、设计、工艺、书法、篆刻以及新媒体艺术等多个方面，各样式的工具、技术以及过程也在其中。美术教育通过提供多种富含背景和多感官的指令来更好地帮助大脑进行学习和记忆，在与文字、数字、声音等各种资源与图像信息的解读、传递、创造进行交互时，提供了创意、想象、思考、情感以及观念上的思维方式。美术教育拓展了学生的数字素养技能。世界各地的美术图像信息在性能高超的互联网的带动下，越来越多地走进了课堂，开阔了学生的视野，树立了全球意识，更加富有创新性和挑战性的艺术门类在艺术与科学的结合下产生，那就是新媒体艺术，它不但要求学生具有更高的美术素养，同时还需要较高的媒体素养，在对学生数字素养技能的取用、理解和创造环节具有重要的推进作用，摄影、摄像、计算机绘画、计算机设计、视觉笔记、动画。小电影的解读与创作等都是美术教育新媒体艺术单元的内容。美术教育培养学生的生活与职业技能。大数据时代需要学生更多的跨学科协作的发挥创意，通过设计诸如“变旧为新”这样的美术教育课程议题，提高学生对全脑思维的锻炼，对创造能力的提升，增强自身的综合素养。

三、大数据时代下美术教育的创新与发展

美术教育在大数据时代背景下面临了新的挑战。文化多元化的表现已经越来越明显。大数据时代的到来，在近十年使很多国家在视觉文化方面产生了重大的转型变革，尤其是欧美等发达国家。视觉文化的转型主要表现在：首先，对创作对象的思考以及对观念艺术的关注成为了创意的重点；其次，独特的艺术形式越来越多包括摄影、电影以及印刷媒体等传统艺术表现形式；第三，传统的意识形式越来越多地与数字技术领域产生合作，并催生了类似电子创意这样的领域；第四，对视觉文化的审美理想越来越以国家为基础，审美兴趣也更多地加入了对土著传统艺术和工艺的元素；最后，社会文化的融合使得美术行业的已经也产生了变化，融合方式诸如全球性的文化以及体育运动，难民的数量增加以及移民现象的增多等。美术教育工作者要主动迎接大数据时代的挑战。美术教师要在传达课本课程上的教学内容之外，把目标更多地放在深度学习上，包括材料的教学，美术学习的方式方法，教学变化趋势等，在大数据时代背景下构建多元化的教育氛围，更好地帮助学生养成必备的美术素养。

四、结语

大数据时代在“互联网”到“互联网＋”的转变过程中对美术教育有更多的要求，除了发展学生的个人素养以及培养造型的感觉与技能之外，要更多地注重塑造学生的创造能力以及为社会更多地贡献意识能力，美术教育在大数据时代要有更多的教学内容，更新的教学方式方法，帮助学生更好地适应现代社会生活的挑战。

参考文献：

[1]孔新苗.关于大数据时代美术教育的三点思考[J].美育学刊，2016（1）:62-65.

[2]钱初熹.大数据时代的创意美术教育———大数据时代美术教育的创新发展[J].美育学刊，2016（1）:49-54.

[3]李静.基于大数据思维的我国美术教师教育创新发展路径研究[J].美育学刊，2016（6）:46-52.

大数据时代教育范文第4篇

［关键词］大数据;整合医学;医学教育;教学方法;个性化教育

一、前言

“大数据(bigdata)”概念源于依靠大容量数据集的学科，如天文学，基因组学及气象学。［1］美国互联网数据中心将大数据定义为:通过高速捕捉、发现、分析，从大容量数据中获取价值的一种新技术。［2］大数据有4大特征:第一，数据容量大(Volume)，其单位至少是“太字节”PB(240个字节，计算机上储存一个英文字母是1字节)，目前最大到“尧字节”YB(280个字节)。第二，数据类型多(Variety)，包括网络日志、音频、视频、图片信息等等，物联网出现后，数据类型更加多样化，“凡存在，皆联网，凡联网，皆数据”。第三，价值密度低(Value)，信息采集装置随处可见，信息量无限放大，信息的价值密度降低。所以如何更迅速的完成数据的价值“提纯”，是大数据时代亟待解决的难题。第四，处理速度快，时效性(Velocity)要求高。数据已经无所不在，许多过去难以量化的信息都已被悄然转化为数据进行存储和处理，从而预测事物的发展趋势，影响人们的价值体系、知识体系和生活方式。反观目前的医学高教，还存在许多与时代不相适应的部分。

二、我国高等医教的现状

我国高等医教模式来自50年代初的苏联，随着信息化的迅速发展，该模式已明显滞后，制约了高等医教的发展，不利于人才培养。其问题主要表现以下几个方面。

(一)课程设置不合理

医学课程体系沿用苏联“三段式”结构(普通教育、基础医学教育、临床医学教育;虽然后来增加了继续医学教育，但流于形式)。课时数多，部分课程份量过重，内容重复、过专、过深，学习负担太大;同时，部分社会亟需的课程，如医学信息学、预防医学、人文医学、老年医学等比重过轻。有医学生发表文章指出“课程陈旧使得学生厌学”，“必须大胆砍掉无用的课程，同时增加与时代联系更紧、实用性更强的课程”。［3］

(二)教学方法封闭、师生关系单一

由于医学信息量的庞杂，长期以来医学教学多以灌输为主，填鸭式教学依然大行其道。强调记忆、背诵，最有活力的学生被最枯燥的教科书束缚在最封闭的课堂，机械记忆挤占了早期接触临床的时间和精力，降低了学习兴趣，打击了学习的积极性、主动性，扼杀了创造性。师者，传道、授业、解惑也。而当前医学教育片面强调授业，忽视解惑和传道。而作为学习主体的学生，只要消极接受、服从和背诵，就能得高分，无权选择课程、选择老师，只能接受高温定型和批量生产。学生没有时间疑惑、没有兴趣问道。这种“知识型”、“专业型”、“高分低能型”的人才培养，容易造成人才自我封闭，再次扼杀了独立思考的创新精神。

(三)考核制度局限

目前，高校考察教学质量和学生成绩仍以现场的理论考试为主，考试内容基本是死记硬背的试题，不重视沟通能力、综合能力、操作能力、实践能力的考核。

三、大数据时代高等医学教育的应对策略

在“数据驱动决策”的大数据时代，发达国家已将大数据提升到国家战略层面，投入巨资，在教育领域研究和应用也已取得一定成果。我们迫切需要整合现有资源，弥补自身不足，发挥后进优势，争取实现教育大数据研究及应用的跨越式发展。［4］

(一)课程设计，从“资料获取”到“深入挖掘”

大数据时代，资料获取手段已经改变:从道听途说，到查阅纸质参考书，到电子期刊检索，到百度一下，再到移动终端，到不远的普适计算时代———“不见计算机，无处不计算”。从书籍传播发展到全球网络直播，通用知识的获取周期缩减到0．01秒。资料分析方法改变:从传统的抽样调查到大数据时代的“全数据”，直接分析研究对象相关的所有数据，而不是仅仅分析少量的数据样本;从复杂的统计学分析到直观便捷的“样本=总体”。随着卫生保健和生物医学数据的增长和多样化应将大数据应用到生物医学和卫生信息学教育课程中。［5］应在教师的组织指导下，学习如何学习，提高“信息素养”。［6］课程设置方面，应进一步突出自主获取信息、分析信息、甄别信息、应用信息的学科，如“医学文献检索”、“医学信息学”等。不仅如此，还需要及时更新整合教学数据，精简落伍的学科，避免内容的重复和冲突。医学教材中不同科目在讨论同一问题时，常有不一致的数据;甚至在同一本教材的不同章节，对同一问题的表述也有不一致，甚至相去甚远。正如樊代明院士所说，教材非常厚，自说自己话，互相不关联，你想找联系，翻都翻不到。这种每个专业盲人摸象般的教育模式，势必被“整合医学教材”所取代。不仅如此，大数据时代，呼唤将“古今中外和未来”的医学重要信息予以“整合”。［7－8］

(二)调整教师作用，从“知识讲授者”到“学习组织者”

过去认为，教学效果主要依赖教师的努力与水平;而大数据时代的教育将推动“以教师为中心”向“以学生为中心”的转变，推动“演员型”向“导演型”教师转型，从宏观群体走向微观个体，使“经验式”转变为“数据服务”教育模式，教师从知识的传授者转变为学习的组织者，根据数据关注每个学生的微观表现，依据数据因材施教，从而实现个性化教育。

(三)优化教学方法，提升教学水平

在大数据时代，信息触手可及，学生对老师的期望不仅仅是提供知识，而是以有趣并且易于理解和记忆的方式讲解，更重要的是激发学生学习和创新的热情。传统的照本宣科将被唾弃，而数据可视化将成为趋势。人的创造力不仅取决于逻辑思维，还取决于形象思维。数据可视化技术，可以通过形象，在逻辑思维的基础上进一步激发人的形象思维和空间想象能力，吸引、帮助学生洞察数据之间的关系和规律。比如尽可能用图、表、动画和视频来取代大段文字描述;再比如用“3D打印”技术开发新教具、开发3D仿真解剖软件。为适应大数据时代，美国一些医学院已逐步改变教学策略，如减少课堂讲授的时间，增加小组学习、团队合作，要求学生互相讲授。而医学实验也发生了变化，除了采用传统的动物和尸体外，仿真实验、虚拟医疗开始推广。［9］

(四)大数据助力，提升教学管理

可以在课前、课中和课后通过以下方法，提升教学管理水平。

1．选课、上课前

利用网络教师介绍、教学内容和参考资料，供学生预习和了解相关历史背景，激发对课程的兴趣，便于学生自主选择课程，提前准备问题供课堂上学生的展示和深入讨论。

2．上课时

利用手机实时互动和考勤;同时引进国内外知名学校的优秀教学资源，比如斯坦福大学的英文课，全球有近10万人与校内100人同步参加同一位教授的课程，并且在线提交作业。在临床课的教学中，可以充分发挥医学模拟教育和标准化病人(SP)教学的优势，即利用仿真模型和智能化的医学模拟技术，参照教学内容，模仿疾病的表现以及诊疗过程，模拟病人、病房、手术室乃至医院，以实现更加科学化、人性化的教学方式，［10－11］使学生能够尽可能真实地体验包括常规检查、抢救、手术等医疗技术复杂而又精密的过程。

3．课后

学生用手机或其他媒体在网上填写满意度调查、进行重点知识掌握度检测，对其薄弱环节进行记录、补救;及时获取学生对课程结构改进的建议。将课程视频及时在网络上，供学生复习时点击播放，同时也是对授课老师的督促。考试中以全程录像替代人工监考，不仅节省人力成本，更有助于学生行为模式的分析。

(五)鼓励个性化人才培养

个性化培养的定义是“按照个体化的目标和方法，为学生提供学习管理策略和知识管理技术，并整合有效的教育资源，帮助学生突破限制，实现自我成长、自我实现和自我超越”。［12］在大数据时代，普适计算大行其道，各种传感器和微处理器无处不在，所有的机械或电子设备都可以留下数据痕迹，这些痕迹忠实记录了学习和生活的状况。如课程选择、在线学习、互动和反馈、网络社交行为、图书馆借阅行为、校园卡使用等等，这些数据经过整合分析，能够详细揭示学生的行为模式，由于个体特征显著，有人称之为“行为指纹”。如华东师范大学通过校园卡记录开发的“家庭经济困难学生预警系统”，就是将大数据思维运用于个性化教育的尝试和实践。［13］信息时代，教育革命应解放学生与生俱来的学习能力和天分。最严重的问题是因循守旧的教师还在落后的模式里“勤奋地工作”。苏伽特反问:“你教的东西，20年后还管用吗?”苏伽特认为，阅读、搜索和辨别真伪是三种在大数据时代用得到而且必须学的东西。［14］因此，大数据时代，更加强调独立思考，重视启迪，而非灌输;大数据时代，问题不是买不到鱼，而是如何捞到鱼，所以更重视授渔，而非授鱼;大数据时代，难题不是捞不到鱼，而是如何捞到最适合的鱼，所以更加重视对信息的甄别提取。大数据时代，池塘里鱼很多，问题是如何培育出更好的鱼，所以更加重视培养学生的创新能力。这就要求设计更多的个性化的选修课，更多的兴趣小组，更多的微论坛。大数据时代的医学教育，对教师提出了新的更高的要求。正如《大数据时代》作者维克托•迈尔•舍恩伯格所说:“大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型。”与历史上重要的转型期一样，在此关键时刻，如果医学高等教育能够顺应潮流，锐意创新，就有可能实现中国高等医学教育的跨越式发展。

［参考文献］

［1］EllawayR．eMedicalTeacher．ScholarshipinanAgeofBigDa-ta［J］．MedTeach，2013，(7):613－615．

［2］张燕南，胡继岳．关于大数据应用于教育的思考［J］．中国电力教育，2013，(291):5－7．

［3］冯超，张桢，石贵文，等．加入WTO对我国医学高等教育的影响及应对策略［J］．教育探索，2003，(2):27－28．

［4］徐鹏，王以宁，刘艳华，等．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［J］．电大教学，2013，(6):11－17．

［6］张静波．大数据时代的数据素养教育［J］．科学，2013，(4):29－32．

［7］樊代明．整合医学初探［J］．医学争鸣，2012，(2):3－12．

［8］樊代明．整合医学:医学发展的大势所趋［J］．中国社区医师，2014，(6):10．

［10］郭璐，钟春玖，王莉英．趋近于临床实训效果的模拟教学———浅谈高校模拟医学教学的效果最大化［J］．中国高等医学教育，2014，(3):66－67．

［11］陈玉清，裴慧慧，姚书忠．模拟结合问题式教学培养医学生创新能力［J］．高教探索，2014，(3):116－118．

［12］赵桂秋，李翠，车成业．医学研究生的个性化教育探讨［J］．山西医科大学学报(基础医学教育版)，2013，(1):96－97．

［13］张燕南，赵中建．大数据时代思维方式对教育的启示［J］．教育发展研究，2013，(21):1－5．

大数据时代教育范文第5篇

关键词：大数据；高等教育；信息化

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2014）01-0008-02

一、引言

随着云计算、物联网等技术的兴起与发展，数据正以前所未有的速度飞快增长和累积，大数据时代已经来临，整个学术界、工业界、政府都开始关注大数据问题。 2012 年 3 月 29 日 美国政府宣布了“大数据研究和发展倡议（Big Data Research and Development Initiative）”， 正式启动“大数据发展计划”，并承诺政府将为此投资超2亿美元，许多重要国家机构都将参与其中。 2012 年 7 月 10 日 ，联合国大数据政务白皮书《大数据促发展： 挑战与机遇》，指出各国政府应当使用极丰富的数据资源，更好地响应社会和经济指标。随着数据的不断增多，海洋一般浩瀚的数据已成为一种战略资源。大数据技术的目标就是从这些数据中挖掘信息、判断趋势、 提高效益。大数据的挖掘和应用可创造出超万亿美元的价值， 将是未来 IT 领域最大的市场机遇之一， 其作用堪称又一次工业革命。[1]

二、大数据的概念及特点

目前，大数据没有一个公认的定义，不同的定义基本都是从大数据的特征出发给出的。比如国际数据公司认为大数据应当具有价值性，大数据的价值往往呈现稀疏性的特点。IBM认为大数据必然具有真实性。维基百科对大数据的定义为：大数据是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间的数据集。大数据有四个典型的4V特点，即数量（Volume）、多样性（Variety）、速度（Velocity）和价值（Value）。

数量：是指数据规模超大。数量级别从TB（1TB=1024GB）级别，跃升到 PB（1PB=1024TB）、EB（1 EB = 1024 PB ）乃至 ZB （1 ZB =1024 EB ）级别。

多样性：是指管理结构化、半结构化和非结构化数据。这些数据来自多种数据源如传感器、智能设备， 数据种类和格式冲破了以前所限定的结构化数据范畴，包括文本、微博、音频、视频等等。

速度：是指处理数据快，包含大量或实时数据分析处理的时间要求非常短，符合1秒定律。速度影响数据时延――从数据创建或获取到数据可以访问的时间差。

价值：是指价值密度低，商业价值高。以视频为例，连续不间断的监控过程中，可能有用的数据仅仅有一两秒。

大数据与传统的数据库也有明显的区别，两者在数据来源、数据处理方式和数据思维等方面都有很大的变化。正像孟小峰[2]所言，两者的区别就是“池塘捕鱼”和“大海捕鱼”的区别，前者代表着传统数据库时代的数据管理方式，后者则对应着大数据时代的数据管理方式，其在数据规模、数据类型、数据模式、数据对象、处理工具上都有巨大的差异。

三、大数据的关键技术

文件系统：该系统提供最底层存储能力的支持，是支撑上层应用的基础。Google公司最早开发出了自己的文件系统GFS（Google file system），随后微软也开发了自己的Cosmos，后来开源也有了HDFS。

数据库系统：由于关系模型的分布式数据库不能应对大数据时代大规模的压力，相应地提出了许多新型数据库系统，如Google的Bigtable、Amazon的Dynamo等等，直到现在形成统一的NoSQL（not only SQL）。虽然NoSQL没有准确的定义，但一般认为具有模式自由、简易备份、最终一致性、支持海量数据等特征。同时，形成了对应的索引与查询技术。

数据分析：其上最著名的计算模型为Google的MapReduce，目前，Google公司针对MapReduce离线处理模式的不足，提出了基于Web数据级别的交互式数据分析系统Dremel，能够实现极短时间内的海量数据分析。在离线与实时处理模式上，已经出现了二者融合的趋势。

大数据处理工具：Hadoop是目前最为流行的大数据处理平台，目前，将该平台进行改进，以便应用到各种场景是研究的热点之一。当然，除了Hadoop，还有其他处理工具，这里就不一一提出。

四、大数据时代高校信息化面临的挑战

高校也是数据生产大户，中国高校规模一般都比较大，一般万人以上的大学非常多，在高校里上学的学生从招生、学籍、选课、成绩、饭堂、活动等会产生大量的数据；教师的上课音视频、课件、实验数据等也会有庞大的数据；校务系统运行、图书馆、微博、博客等都会产生很大的数据；尤其重要的是科研和教学数据，是高等教育的两大核心功能的重要数据。在这个大数据的时代，只有用好这些数据，才能更好地帮助教学、科研，做好招生推广、学生管理等各个方面的工作，用好这些数据，毋庸置疑将会大大提高高校的信息化水平。要用好大数据，至少面临以下几个方面的挑战：

大数据集成与分析：大数据的多样性特点决定了数据来源的广泛性、复杂性，这种数据环境给大数据的处理带来了很大的挑战，必须对多种数据来源进行抽取集成，先进行数据的清洗，经过关联和聚合，采用统一的数据结构来存储这些数据。大数据分析无疑是整个大数据时代的核心所在，因为大数据的价值就产生于数据分析过程中。当然，数据分析是基于集成处理后的数据作为数据分析的原始数据。数据分析一般是根据不用的应用需求从数据中的部分或者全部进行分析。传统的分析技术如数据挖掘、机器学习、统计分析在大数据时代需要做出调整，主要原因是大数据时代的“大”字，具体的调整包括分析前数据的预处理、算法、评价质量等等。

大数据的存储：需要研究低成本、高效率的数据存储方式，众所周知，低成本一般意味着低效率，但是在大数据时代，如果处理效率低下，则大数据毫无意义，因此，必须打破常规，要处理好大数据的存储。另外，还要做好大数据时代数据存储的管理问题，因为存储空间巨大，无疑给存储硬件带来压力，同时，对非结构化数据进行有序、高效的存储管理也是面临的挑战。

大数据的融合与使用：数据不融合就发挥不出数据的大价值，大数据面临的一个非技术性的重要问题就是数据的融合。作为高等院校，大数据的融合应该走在前列，必须彻底打通数据孤岛，将各个业务充分整合，只有有效融合，才能形成高质量的大数据，才能发挥大数据时代高等教育信息化对学校发展的具体推动作用。

五、大数据时代的应对策略

面对大数据时代带给我们的这些挑战，作为高等教育信息化从业人员，必须坚持不懈地学习，具体学习或者做好如下关键技术或工作：

我们要学数据时代的基础平台和支撑技术，学数据时代的文件系统，如Google的GFS系统，开源的HDFS、CloudStore系统等等，了解这些技术，方便我们实现大数据低成本、高效率的存储，也方便我们进行存储的管理。学习这些技术，将掌握大数据的基础平台与技术。

我们要学数据时代的数据分析技术，前面提过，大数据时代，传统的数据分析方式如数据挖掘等需要调整，那么我们就要学习传统的数据分析方式的调整与方法，研究和学数据时代的数据分析技术。

做好大数据时代的数据管理，大数据时代数据管理就不是以前传统的大型关系型数据库那种管理方式，而是改变成为NoSQL为代表的新型数据模型的一类技术。这种改变是因为关系型数据模型不能应对大数据时代的种种挑战。这种新型的数据模型就是为了迎合大数据时代的多样性、异构性等这些数据特征而出现的。当然，新的数据模型是新的一套理论，是截然不同的理论。这就需要我们数据管理者积极学习，应对挑战。同时，要积极升级、改造相关存储设备，以满足大数据时代的要求。

积极推动业务的深入融合，梳理业务数据，形成“大数据”，然后利用这些“大数据”建设结构和非结构化的数据分析平台，通过平台能提供更加深入、更加全面的高质量信息，这些信息能为学校领导进行高质量的决策提供依据。

总之，大数据时代的这些挑战，有些需要科研人员进行研究，有些非技术挑战，需要我们积极努力，有效进行数据的整合、业务的整合，充分利用科研人员的最新研究成果。？筅

参考文献：

[1]桑庆兵.大数据在高校的应用与思考[J].南通纺织职业技术学院学报，2013（2）：84-87.