教育大数据价值挖掘对教学改革的启示摘要：教育大数据价值挖掘对教育的创新、教学和决策等方面起到重要支撑作用。本文首先综述了教育大数据挖掘在美国、加拿大等国家和地区的发展状况，并提炼了教育大数据价值挖掘技术的新特征。采用相关性挖掘、预测、聚类、模式发现和可视化等技术实现智能推荐和决策支持，进而得出了大数据价值挖掘对适应碎片化阅读和移动学习等教育改革内容的实践启示。Abstract：Educationaldataminingplaysanimportantroleintheinnovationofeducation，teachinganddecision-making.ThispaperfirstsummarizesthedevelopmentofeducationbigdatamininginthewesterncountriesincludingUnitedStatesandCanada，andrefinesthenewfeaturesoftheeducationbigdataminingtechnologies.Withcorrelationmining，clustering，prediction，patterndiscoveryandvisualization，educationaldataminingmethodscanprovideintelligentrecommendationanddecisionsupport，andthenadaptthepracticalinsightsinfragmentationreadingandmobilelearningtoguidetheeducationreform.关键词：教育大数据；价值挖掘；教育改革；高维特征；移动学习Keywords：educationbigdata；valuemining；educationreform；highdimensionfeature；mobilelearning中图分类号：G642文献标识码：A文章编号：1006-4311（2016）25-0241-020引言随着“大智移云”新兴信息通信技术的不断发展，大数据分析已被人们广泛提起，并对数据多尺度地测量与记录、海量存储与统计，进而实现描述性分析、预测性分析、优化分析和可视化展示[1]。大数据对教育特别是在学校教育的创新、教学、决策起到重要支撑作用[2]，并《中国基础教育大数据发展蓝皮书（2015）》等报告表明教育大数据的价值与意义巨大。教育大数据存在一些与其他领域中的大数据相区别的分层特征，如学期层、学生层、教室层、教师层和学校层等。教育数据如同像生态系统里的能量一样，在不同的教育信息管理系统、不同的教育设施、不同的教育设备之间无缝的传递和交换，通过数据挖掘等方式充分发挥其应用价值。教育大数据成为教学改革和教育质量提升的一个显著指标。教育数据具有高维度特征，如考试成绩、学习行为（如入学率、出勤率）、辍学率、升学率以及职业规划等。对于某门具体的课堂来讲，教育数据能较为充分地表明教学效果，比如学生的作业正确率、综合发展的表现率、积极参与课堂讨论的举手次数、师生互动的频率与时长、回答课堂问题次数、时长与正确率等。但是，随着手机通信的不断发展和手持终端阅读的普遍现象，教育特别是学校教育面临着教学方式、教学渠道、教学内容等方面的重要改革和挑战[3]。如何充分利用教育大数据挖掘技术，帮助实现教育培养方案修订和完善、教育内容和教学方式适应于碎片化时间阅读和移动学习等教育改革内容成为研究热点问题。1教育大数据挖掘国内外发展状况在教育领域，哈佛大学、麻省理工学院、斯坦福大学等世界知名高校也相继启动了教育大数据相关研究计划[4]。美国教育部于2012年启动了一项耗资2亿美元的公共教育大数据计划。该计划旨在通过运用大数据价值挖掘技术来改善教育，用以理解学生在个性化层面的学习行为。同时基于教育大数据价值挖掘方法开发了“学习分析系统”，用以向教育工作者提供学生学习模式，提供更多、更好、更精确的可解释性信息。例如，某学生成绩不好的原因包括哪些，是由于周围环境致使他学习分心了吗？国际商务机器（InternationalBusinessMachine，IBM）公司与美国亚拉巴马州的莫白儿县公共学区开展了一个教育大数据合作项目。项目开始阶段面临的问题包括学生成绩不好、辍学率已增加到48%的严峻情形等问题。项目在学生基础数据上建立了一个辍学指示的智能决策支持工具，并将其用于全县层面的决策，进而帮助改善学区内所有学生的整体成绩。另一个项目是“希维塔斯学习”（CivitasLearning），它建立了高等教育领域最大的跨校学习数据库，专门聚焦于运用预测性分析、机器学习等技术提高学生成绩。在加拿大，“渴望学习”（Desire2Learn）公司面向高等教育领域的学生，推出了基于过去学习成绩数据...