发布时间：2022-10-18 12:24:20
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的大数据学习计划样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
【关键词】大数据;计算机文化基础;教学改革
在当今社会面临全球化和新技术革命，特别是信息技术革命的挑战时，基于技术的教育变革的重要性和紧迫性也日益明显。技术推动《计算机文化基础》教学变革已经成为现实，作为一线的教育工作者，我们思考的是应该怎样突破？
一、学好《计算机文化基础》的要素研究
经过元分析和数以千万计有效教学及课堂指导成果的综合分析研究，普遍认为以下三个要素是影响学生学好《计算机文化基础》课的最重要要素。
1.学生的学习动机和对自己的挑战性期望。学生能否进入到《计算机文化基础》学习的过程之中的前提是：他有没有学习的兴趣，有没有学习的爱好;学生能否提高质量的学习的关键是：在有了兴趣和爱好之后是否对自己有一定的挑战性期望。《计算机文化基础》课程教学实践告诉我们，一个人如果没有自觉，没有自信，不会自己学习，他就始终不会摆脱灌输式的被动学习，而且学得非常艰苦。任何一种教学改革，如果能够激发学生的学习兴趣和爱好，能够让学生产生对自身的挑战性期待，它所带来的学习效果一定是最好的。其实学生学习的不成功，最关键的是自己始终认为是一个失败者。
2.在合适的学习时间内给予学生广泛的有效的《计算机文化基础》学习机会。我们的学生不缺学习时间，和国外的学生相比，我们的学习时间够长的了。谁都明白这个道理，学习的成效并不决定于时间的长度，而是单位时间内的效度。所谓有效的学习机会，包括为学生的《计算机文化基础》学习提供多元化的课程和创设良好的学习情境等多个方面。
教师要根据《计算机文化基础》学习内容、学习对象的特征来设置学习情境，情境可以是具体的，也可以是抽象的;可以是逻辑性的，也可以是形象化的。但我们的校本课程是点缀性。我们的许多学校，真正的适性课程是比较少。
3.教师教学的针对性。有效学是具有个性化和针对性。所以教师征对《计算机文化基础》教学要关注两个词，一个是个性化，一个是针对性。我们的课堂教学，如果能从学生不同的学习需求来设计，而且能针对每个人的突出问题和特殊需求来开展教学，效果一定会非常好。
二、关于《计算机文化基础》教学针对性的思考
在影响学生学业的三个重要的因素中，有一个特别重要的因素，就是教师教学的针对性。所谓教学的针对性，至少应该包含以下三层含义：
1.通过准确的评估，在《计算机文化基础》教学时精确地知道每一个学生的优缺点。
2.在《计算机文化基础》教学中知道什么是合适的指导，特别是在什么时候，使用什么，怎么使用该课教学策略和相应的资源。
3.在日常工作中，使用《计算机文化基础》课堂结构、程序和工具来进行有区别的指导和针对性教学。
《计算机文化基础》的针对性教学意味着保证学生在他们最近发展区域内进行课堂学习活动，使他们的能力和要接受的挑战适应。理想的《计算机文化基础》教学状态是：教师能精确地知道每一个学生当前的起点和学生需要什么样的帮助才能进入下一个能力层面进行学习。现实的课堂，我们的教师根本做不到这一点。
个中原因，大致有一下几个方面：
1.《计算机文化基础》教学的目标指向有偏差。从狭义的角度去理解教该课学目标，应该是培养独立的思考者和终身学习者。而我们目前的教学从不考虑学生的个性差异和发展差异，教学就是为了让每一个学生都能得到好的分数。
2.传统的课程学习诊断方式的局限。一如KHAN所言：“标准化测验本身并不槽糕，但糟糕的是它没法对学生的每一个方面作出评估。”他希望将来的招生官关心的不再仅仅是学生的考试分数，而是他们为达到学习目标所付出的坚持不懈地努力过程。他说，如果他是招生官，他会关心有哪些学生在学习过程中展现了不俗的毅力。
3.我们的大班化教学，在一定程度上制约了教师对学生个性差异和发展差异的了解。
在某种意义上，尽管信息技术有了突飞猛进的发展，但对学生全息分析的数据工具尚未开发成功。教师凭借教学经验获得的数据不仅不全面，而且不客观，总是带有老师的主观色彩。
三、大数据给教学改革带来机遇
1.理解大数据
“大数据”这个术语最早期的引用可追溯到apache org的开源项目Nutch。当时，大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce和GoogleFile System（GFS）的，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度。
从某种程度上说，大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。明白这一点至关重要，也正是这一点促使该技术具备走向众多企业的潜力。
物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。
2.大数据为教学改革带来的机遇
教学最基本的要点是：只有当教学足够精确并直接建立在学生已有基础之上时，且将学生更高一层能力时才是最有力的。如果教学没有针对性，学生或者花费太多的时间从事过于简单、不涉及学习新东西的活动上，或者太难、涉及学习或再学习太多新东西的学习活动上花费太少的时间。
大数据应用于《计算机文化基础》课堂教学，最大的影响是它有能力去关注每一个学生的微观表现。传统教学方式下我们获得的数据有两个显著的特点：一是宏观整体性的，即通过检测分析、问卷调查等方式获得学生整体的学业水平，身体发育与体质状况，社会性情绪及适应性发展等。第二是经验感知性的，即教师根据多年的教学经验和日常的观察给出对学生的大概评价。运用大数据技术，不仅可以获得一个学生在一节40分钟的课堂中所产生的全息数据约5-6GB，而且可以对这个学生在课堂学习过程中的各种行为表现，情绪态度等进行全方位分析，得出学生学业的优缺点和对待学业的态度等。如果大数据技术能广泛地运用于课堂教学，那么我们在课堂中进行针对性教学就有了可能。
这种可能的实现，需要同时具备以下四项：
第一，一套有力的评估工具，这套工具与《计算机文化基础》每堂课的学习目的相匹配，它使教师每日获得有关每一个学生进步的准确的、综合的信息，这套工具的管理使用不会过度干扰正常的课堂秩序。
第二，一个不用太多时间而又能捕捉到过程评估数据的方法。自动分析数据，并把数据转换成可有效推动《计算机文化基础》教学的信息，使教师很快即可做出《计算机文化基础》教学方案，而无须等到将来。
第三，一种使用每个学生的评估信息来设计并实施《计算机文化基础》个性化教学的措施，为《计算机文化基础》教学而评估成为提高教学针对性的教学策略。
一、中学信息技术教学存在的问题
1.教学内容滞后、单一
作为社会最前沿的技术，信息技术在时代进步过程中不断发展。为了促进中学生信息技术知识和技能的提升，应当及时完善信息技术课程教材，进而在学生了解世界信息技术发展过程中提供有效引导，为学生增强自身信息技术水平构建上升通道。然而，实际当中一些中学应用多年没有变化的信息技术教材，其内容和当前科技发展相脱离，同时和云计算、大数据之间也缺乏应有的联系，学生的学习和发展需求通过这些教材难以得到满足，并使得中学信息技术教学难度大大增加。
2.教学方式较为落后
当前，中学信息技术教学中普遍存在教学方式落后的问题，课堂教学主要由教师演示和讲解构成，学生通常处于被动接受的状态，并且很少有机会参与到实践操作当中，进而使得很多学生信息技术应用仍处于较低水平，使现代人才需要的计算机应用能力和信息素养并没有获得培养。另外，一些信息技术教师过分强调课本内容，对于提升学生实践能力缺乏应有重视，也很少挖掘信息技术课程相关云计算、大数据、互联网等知识，考试主要是一些简单理论和实践操作，进而在一定程度上阻碍了学生的进步。
二、基于大数据的中学信息技术教学策略
1.通过大数据实施个性化教学
基于素质教育改革的大背景，教师教学中应当给予学生主体地位充分重视，并充分关注学生个性化发展。在信息技术教学课堂上，教师应当鼓励学生开展自主探究学习，结合个性化特点将其创新精神充分发挥出来。在计算机技术教学中应用大数据要求以新时期中学信息技术课程标准要求为依据，通过整理、跟踪、搜集数据，有效覆盖学生学习全过程，并对相应的信息数据库进行构建，在大数据分析中纳入学生家庭背景、课堂表现、考试成绩等，通过数据挖掘技术的应用。信息技术教师应当对学生行为的各种内在联系进行研究，M而对科学、高效的教学计划进行制定，促进个性化信息技术教学的有序开展。
2.通过大数据对MOOC信息技术学习平台进行构建
在MOOC教学模式中，教师通过互联网技术和大数据技术搜集教学资源，并对受教育者的学习需求进行整合，进而对不同类型的在线教育课程进行制定。MOOC教学模式是大数据在中学信息技术教学中应用最普遍模式，信息技术教师通过大数据技术对MOOC信息技术学习平台进行构建，并利用该平台将丰富的学习资源提供给学生，同时对针对性学习计划进行制定，以便于学生选择性地完成。这个过程中，教师能够通过大数据技术对独立行为学习档案进行构建，并以搜集到的信息为依据分析学生的学习行为，对学习过程中存在的问题进行总结，进而对学生学习行为模型进行优化，最终有效提升教学效果。
3.通过大数据技术强化教学评价
【关键词】大数据 云计算 思维方式
维克托・迈尔-舍恩伯格及肯尼斯・库克耶编写的《大数据时代》，被评为・迄今为止全世界最好的一本大数据专著。维克托・迈尔-舍恩伯格，大数据时代的预言家，大数据商业应用第一人，他认为：大数据是人们获得新的认知，创造新的价值的源泉；大数据还是改变市场、组织机构，以及政府与公民关系的方法。大数据的核心就是预测。这个核心代表着我们分析信息时的三个转变。第一个转变就是，在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样。第二个改变就是，研究数据如此之多，以至于我们不再热衷于追求精确度。第三个转变因前两个转变而促成，即我们不再热衷于寻找因果关系。
一、什么是大数据
大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
二、大数据的特点
数据量大、数据种类多、 要求实时性强、数据所蕴藏的价值大。在各行各业均存在大数据，但是众多的信息和咨询是纷繁复杂的，我们需要搜索、处理、分析、归纳、总结其深层次的规律。
三、大数据的采集。
科学技术及互联网的发展，推动着大数据时代的来临，各行各业每天都在产生数量巨大的数据碎片，数据计量单位已从从Byte、KB、MB、GB、TB发展到PB、EB、ZB、YB甚至BB、NB、DB来衡量。大数据时代数据的采集也不再是技术问题，只是面对如此众多的数据，我们怎样才能找到其内在规律。
四、大数据的挖掘和处理。
大数据必然无法用人脑来推算、估测，或者用单台的计算机进行处理，必须采用分布式计算架构，依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术，因此，大数据的挖掘和处理必须用到云技术。
大数据正把我们变成新的物种。首先，大数据改变了我们的思维方式，让我们从因果关系的串联思维变成了相关关系的并联思维。第二，大数据改变了我们的生产方式，物质产品的生产退居次位，信息产品的加工将成为主要的生产活动。三，大数据改变了我们的生活方式。我们的精神世界和物质世界都将构建在大数据之上。大数据不仅仅是一门技术，更是一种全新的商业模式，它与云计算共同构成了下一代经济的生态系统。一切皆信息。
在教育特别是在学校教育中，数据成为教学改进最为显著的指标。通常，这些数据主要是指考试成绩。当然，也可以包括入学率、出勤率、辍学率、升学率等。对于具体的课堂教学来说，数据应该是能说明教学效果的，比如学生识字的准确率、作业的正确率、多方面发展的表现率――积极参与课堂科学的举手次数，回答问题的次数、时长与正确率，师生互动的频率与时长。进一步具体来说，例如每个学生回答一个问题所用的时间是多长，不同学生在同一问题上所用时长的区别有多大，整体回答的正确率是多少，这些具体的数据经过专门的收集、分类、整理、统计、分析就成为大数据。
近年来，随着大数据成为互联网信息技术行业的流行词汇，教育逐渐被认为是大数据可以大有作为的一个重要应用领域，有人大胆地预测大数据将给教育带来革命性的变化。
大数据技术允许分析学生的学习行为、考试分数到职业规划等所有重要的信息。许多这样的数据已经被诸如美国国家教育统计中心之类的政府机构储存起来用于统计和分析。
而近年来越来越多的网络在线教育和大规模开放式网络课程横空出世，也使教育领域中的大数据获得了更为广阔的应用空间。专家指出，大数据将掀起新的教育革命，比如革新学生的学习、教师的教学、教育政策制定的方式与方法。
教育领域中的大数据分析最终目的是为了改善学生的学习成绩。成绩优异的学生对学校、对社会、以及对国家来说都是好事。学生的作业和考试中有一系列重要的信息往往被我们常规的研究所忽视。而通过分析大数据，我们就能发现这些重要信息，并利用它们为改善学生的成绩提供个性化的服务。与此同时，它还能改善学生期末考试的成绩、平时的出勤率、辍学率、升学率等。
需要特别注意的是，如何收集数据对于它们未来的使用性非常重要。接收数据汇入背后的挑战是从一开始就要标准化，以便今后对数据进行仔细分析。这样做并不是意味着将未结构化的数据转化为结构化的数据，而是要用直观的方法对接收的数据进行分类。
教育工作者和研究者已经开发出从大数据中提取价值的5种主要的技术。
1.预测（Prediction）――觉知预料中的事实的可能性。例如，要具备知道一个学生在什么情况下尽管事实上有能力但却有意回答错误的能力。
2.聚类（Clustering）――发现自然集中起来的数据点。这对于把有相同学习兴趣的学生分在一组很有用。
3.相关性挖掘（Relationship Mining）――发现各种变量之间的关系，并对其进行解码以便今后使用它们。这对探知学生在寻求帮助后是否能够正确回答问题的可靠性很有帮助。
4.升华人的判断（Distillation for human judgment）――建立可视的机器学习的模式。
5.用模式进行发现（Discovery with models）――使用通过大数据分析开发出的模式进行“元学习”（meta-study）。
前言
如今大数据技术在社会各个方面都有应用，比如金融、通讯、军事、物理学、生态学以及生物学领域，这促进了社会生活的发展和进步。人民大众生活的方方面面都得到了大数据所带来的便利。高职旅游教学是高职学校教育的重要部分，相关教育工作者需要加强对于大数据下高职旅游教学改革策略的研究，并且在实践中落实。
一、大数据时代背景下旅游专业教师教学观念的转变
大数据的不断发展促进了教师教学观念的更新和变化。高职学校旅游专业教师逐渐认识到教学的开展需要师生有效的互动，而课堂教学不再是单纯的讲授过程中，需要学生进行自主的学习探究。教师可以在课前把相应的教学内容布置给学生（通过互联网等手段），学生可以根据教师布置的视频进行学习，在家里就能完成相应的学习任务。
二、大数据背景下高职旅游教学方式的转变
在大数据背景下，翻转课程成为了主流的教学形式。和以往的教学模式相比较，教师在翻转课堂中的教学重点不是教授理论方面的知识，而是和学生进行充分的互动交流，学生可以相对自由的表达自己的想法和见解，并且阐述自己的学习心得和体会，课堂成为了学生和教师交流和互动的场所，这可以促进学生主动性以及积极性的提升，培养他们的发散思维以及创新思维能力。翻转课堂具有人性化的特质，学生可以在课堂外观看和学习教学视频，根据自己的需求来选择性的完成教师布置的任务内容，并且制定个性化的学习计划。旅游专业的课程包括需要专业性的术语，所以学生第一次理解起来比较困难，学生可以重复的观察教学视频，并且合理的使用暂停和快进快退功能，进而全面的了解需要掌握的知识内容，提升学生的效率。但是，大数据是具有时代性的，在发展的过程中有许多新型的教学策略涌现出来。
三、大数据时代背景下高职旅游专业教师综合素养的提升
想要培养大数据时代背景下的旅游管理人才，首先需要加强对于教师队伍的建设，并且积极地转变他们的教学理念，让教师明确大数据背景下专业信息化的发展方向，并且懂得使用对大数据的理解以及分析来解决当前的旅游发展问题，并且在教学中融入人才需求以及旅游专业发展的精神。对于高职旅游专业教师来说，需要掌握多方面的多媒体信息技术，并且熟悉心理学相关的知识以及技巧，还需要在发散性思维培养以及可视化教学方面具有一定的水平，进而实施有效的教学。为了提升教师队伍水平，学校可以组织教师到旅游管理的第一线去进行培训和锻炼，进而了解最前端的大数据旅游管理专业的技能和知识。只有这样，教师才能更好的指导学生应用和处理数据信息。
四、大数据时代背景下高职旅游专业教学体系的转变
旅游专业具有较强的实践性，而且，在大数据背景下，学术不仅需要具备相应的专业技能和知识储备，还需要能够分析处理数据信息。通过实践教学的开展，学生可以有效的将理论知识以及实践经验转变成自己的综合能力。所以说，实践教学对于大数据背景下旅游管理专业的发展具有重要意义。学校，学校需要加强对于本校综合实验室的投资和发展，落实对于学生数据软件以及计算机操作技能的锻炼，和校外的企业工程合作建设实习的基地，并且落实在实习和实践过程中应用的考核体系，如此一来，可以发挥数据时代下时间教学的重要作用，并且发展学生的数据处理和分析能力。
五、大数据时代背景下旅游管理专业学生需要具备的能力
第一，学生需要懂得如何处理和采集大数据信息。为了方便人们的出游，许多互联网公司推出了自己的旅游软件，比如艺龙、携程、去哪儿等，这些软件都是应用大数据信息来提供良好的旅游信息服务，这些软件都比较看重对于旅游信息的收集和分析。
第二，学生需要懂得如何管理和运营大数据信息。在大数据时代，旅游信息数据中心的数据比较复杂，需要由专业人员通过对于游客自身素质、兴趣爱好以及消费习惯的总结分析来获得。所以，学生需要发展管理和运营数据信息的能力。
第三，学生需要掌握处理大数据模型的能力。可以采集旅游信息的方向有许多，数据类型也比较丰富，但是相关的数据并不都能纳入数据库。举个例子，从成千上万张照片中找出有用的照片，可能只能找到几张。为了防止浪费精力和时间，学生需要具备合理分析数据模型的能力。
六、结语
关键词：大数据；学习分析；教育模式
在线学习系统中包含了大量与学习者学习行为相关的数据，例如，学习日志、学习途径、学习成果数据、课程数据、学习管理数据等。充分集中整合这些大数据，再对学习过程和学习效果进行评价分析，更有效地支持学习，优化教学服务，为教学管理与决策提供依据已成为远程教育工作者面临的重大课题。
一、目前远程教育存在的问题
远程教育中学生可以随时随地利用网络进行课程学习，不受时间和空间的限制，但同时也存在一些问题，例如：
1.评价数据单一化。
教师通常采用总结性评价对学习者的学习过程进行评价，如利用课后作业、论文、测验、出勤情况等评价数据。
2.评价方法静态化
目前评价方法采集的数据是静态的，缺乏对学习过程进行实时监测，不能实现动态的反馈，不能准确反映学习者的参与程度。
3.评价的真实性难以把握
对于一些视频课程的学习，很难判断出学习者是认真参与学习还是开着视频人却离开，而对于课后测验与作业是否独立完成也很难保证。
利用上述方法考核、分析和评估远程教育，教师既不能实时把握学习者真实的学习情况，也无法确定学生个体的学习方式、认知习惯和学习兴趣。学生也无法对自身学习效果有一个客观而明晰的认识，不能较好地制订下一步的学习计划。
二、学习分析的特征
学习分析技术是运用数据挖掘、信息可视化等智能技术来分析学习系统产生的数据，并利用分析结果提供恰当的干预、评估，其主要目的是优化学习过程，促进学习。学习分析技术具有以下特征：
1.复合化的数据采集
多样化的数据为自动化的学习支持和针对性的学习服务提供了可能性。学习分析技术采集的数据来源：一是由学习管理系统、移动终端、社会性软件中所记录的学生的学习行为数据；二是内容管理系统中的学习记录数据；三是学生学习成果数据，如作业、作品。这些不同来源的多样性数据通过第三方分析软件整合并导入到同一个分析框架中，就可得出学生学习情况的分析结果。
2.多角度的分析技术
要进行有效的分析，必须使用多种研究方法、技术与工具。学习分析技术应从网络交互、交流内容、交互内容等多个角度展开，并对数据进行挖掘、聚合、分析，结合定量研究与定性研究的数据为学习提供支持。
3.可视化的分析结果
通过可视化分析结果，使学生对学习状况、教师对教学情况有直观地了解，并作出有效的判断和分析。
4.多层次的服务对象
学习分析技术从教师、学生以及管理者的角度对学生的学习过程进行客观的预测，方便教师优化教学，改进过程评价手段，帮助学生进行自我评价、自我诊断，给教育机构和管理者提供决策依据。
三、基于学习分析技术的远程学习系统模型
学习分析技术利用数据分析探究学习过程的发生机制，改进学习，这一过程包含了数据的选择、获取、综合与报告、预测、使用、完善和分享等活动。因此需要基于学习分析技术初步规划学习系统运行的步骤。第一步，学习者结合自身兴趣和系统推荐，选取学习内容；第二步，系统记录下学生者产生的学习数据，结构先定义好再存入数据库；第三步，对预测模块进行分析，在采集学习者行为数据的基础上，与学习者的特征信息相结合，利用分析工具及模型对预测模块进行分析；第四步，在参照上一步预测模块预测结果的基础上，利用数据挖掘技术为学生推荐适合学生学习特征的学习策略及指导方法；第五步，可以利用可视化的形式将上述数据挖掘结果、分析结果传递给学生、教师和教学管理者。
该学习系统包含六大模块：（1）学习的内容。管理、维护、传递个性化的学习内容与评价给学习者，以支持学习者的学习行为。（2）学习行为数据。记录学习者在学习系统中的学习行为（比如学习时间、学习次数、学习路径、学习进度等）。（3）分析预测模块。这是整个模型的核心，整合学习者信息系统中的数据和学习者学习行为数据，通过多种技术（语义分析、社会网络分析）对数据处理和分析，对学习者未来的学习行为和结果进行预测。（4）可视化面板。根据用户角色的不同，将预测模块中的结果以可视化、图形化的方式呈现。（5）推荐模块。根据分析预测模块的运行结果，再根据学习者的学习水平和兴趣，对学习内容等进行个性化的定制和推送。（6）干预模块。允许教师、教学管理者和系统开发人员根据预测模块的运行结果，对系统实施人工干预、自动化干预。
基于学习分析的远程学习系统模型能够及时量化跟踪学习过程，提出较好的学习建议，并以可视化的形式呈现给学生和老师，帮助他们更加清楚地了解自己学习的变化过程，帮助学生更好地认知自己的学习状态，激发学习者的学习兴趣和学习激情。
模型利用采集到的学生学习兴趣发展的数据，了解学习者状态，包括学习者已掌握的相关知识、学习习惯等；建立合理的学习者分析模式与数据分析框架，从简单的资源推送逐步完善为提供基于大数据分析的适时、贴切的个性化指导，帮助学生完善知识结构，挖掘自身兴趣爱好和特长。整个学习过程既实现了学习者的自制学习和自我学习，以及教师个性化干预指导，又实现了系统根据用户特征适应性推送资源辅助学习者学习的目的。
四、学习分析技术对远程教育模式改革的价值
一、大数据在高校教学中的初步探索
2011年秋天，斯坦福大学一门人工智能网上课程受到各方热烈欢迎，190多个国家约16万学生参加学习，2万多人通过此类考试，获得认证。我国也掀起了新一轮教育信息化的浪潮，正打造教育信息化公共服务平台，以推进数字校园实验工作，通过建立数字化学习试点学校、开发微课程、试点微学位、开展翻转课堂教学实践等一系列教育改革新举措，推动信息化进程。在大数据时代，视频成为主要载体，翻转课堂可实现按需学习，终身学习；不以年龄区分，距离不再是问题，在学校之外也可以学习；等等。面向服务、面向创新和面向过程成为教育的重点，以大数据为基础的教育资源共享、学生个性和天性培养成为教育发展趋势。
二、大数据时代下摩擦学教学模式和教学实施的思考
关于摩擦学教育理念与实践，应该说还有许多问题需要我们去思考。如我们为什么不能做到精准教学，为什么不能为学生提供个性化学习平台等。摩擦学是比较重要的专业课、实践课，是专业人才培养方案中比较重要的部分，并ρ生未来就业影响颇深。选修摩擦学课程的学生基本分为三个阵营：①研究方向与摩擦学无关但有兴趣的研究生；②研究方向涉及摩擦学的研究生；③研究方向主要为摩擦学的研究生。从选课的学生类型来看，每个个体的学习动机与环境是不一样的，学生为什么选修这门课程？这可能需要收集他们的各自研究背景、研究方向以及学生学习行为数据、知识水平、学习能力及认知能力数据等方面内容，建立学生学习数据库。主讲老师查看大数据分析的结果，不断改革、调整教学策略，给出匹配学生能力与需求的作业和试卷，从而真正实现因材施教，使教学能够关注到每一个学生的成长。在自主学习方面，网络将跟踪学生的整个学习过程，从中了解学生的学习方法和学习习惯，了解学生的个性、兴趣、爱好，从而获取相关数据，帮助学生了解自己的学习成果，从而更好地进行自主学习。而在教学方面，相关数据将便于老师了解学生的学习能力、认知能力，及时改进教学方法，使教学更加具有针对性。大数据将使学习变成一种服务。大数据时代下老师是课堂的组织者、学习的引导者、学生学习行为的分析者，而不是知识的讲授者；学生可以在任何可以联网的地方学习，可以和其他学习者交流互动，寻求有效帮助。而到学校学习的目的，则主要是做作业、答疑、讨论、考评等。同时，对于摩擦学教学来说，摩擦学涉及面较广，尤其是与摩擦学相关的案例中，搜集的数据越多，对摩擦学企业案例的分析预测就越准确。单靠老师力量所掌握的数据毕竟是有限的，鼓励选修此课程的学生、企业相关设计人员甚至社会上对摩擦学有兴趣的人员共同参与，可为摩擦学教学提供各种企业案例。基于以上思考，我们可在讲解摩擦学的基本概念的基础上致力于教学数据库的建设及应用，丰富摩擦学的教学资源，为教师开展差异化教学提供海量资源。
三、大数据时代下摩擦学教学改革的启示
大数据改变了高校教与学的模式，基于大数据的优势，我们在摩擦学教学改革方面可得到以下启示。
（1）个性化教学：学生根据自己的兴趣和研究方向，自由选择听课。大数据能使学习和教学实现真正意义上的个性化。运用数据可设计个性化教学活动、创新的学习计划和差异化的教学方案，以提高学生学业成绩。教师能获取更加全面、丰富的数据信息，能够了解何种教育方法对学生最有效，学生可能在哪些方面需要得到特别的帮助。学生则可以得到教师更好的指导和支持，进而提高学业成绩。
（2）为学生的学习时间和地域选择提供给便利：利用大数据技术，借助网络，将课程教学视频根据教学安排上传至网络，使学生可以在任何地点自由安排学习时间，这对于经常在外出差的研究生而言十分方便，可提高学习效率。
（3）重视学生学习的过程性评价：学生须完成规定的学时，实时查看每次课后作业、测试成绩；对不合格的作业，教师要告知学生重做，实现学习者和教育者对教育过程和结果的科学准确判断与鉴别，为有效开展教育教学活动创造条件。
（4）师生互动交流：教师和学生间的互动交流方式多样，可以通过移动终端建立课程微信群进行交流。教师将作业、要求、提醒等信息及时到网络和交流群中，引导及督促学生完成课程学习任务。
（5）分析学生学习过程：对学生从学习、考试等所有过程中产生的数据进行汇总分析。分析过程性数据，掌握学生学习情况，了解学生的学习习惯和特点，以实时调整课程难易度。根据学生特点突出个性化差异化人才培养目标，为学生提供高质量个性化的学习体验。可帮助教师根据数据分析结果改进教学方式，完善教学过程。
（6）教师角色的转变：在新的学习方式中，教师的角色也将发生改变，由原来单一的知识传授者变为学生学习的知识传授者和学习引导者、督促者、帮助者、考评者。
四、结语
大数据的兴起，不仅是一场技术变革，更是一场思维观念的变革。我们须及时适应形势，转变观念，推动摩擦学教学的变革与发展，使摩擦学教学和学习的个性化成为可能，培养出更多在现代高端装备的设计、研发及应用中能熟练运用摩擦学知识和分析方法的高素质、创新型及综合性人才。
参考文献：
【关键词】 在线学习；学习过程管理；大数据思维；学习分析
【中图分类号】 G434 【文献标识码】 B 【文章编号】 1009―458x（2016）11―0017―05
现代信息技术对教育领域产生着越来越深远的影响。以大数据、云计算、移动互联网等为特征的信息化手段，催生出各种新的学习模式、教学模式和管理模式。教育部在《关于“十三五”期间全面深入推进教育信息化工作的指导意见（征求意见稿）》中指出：党的十以来，“互联网+”行动计划、促进大数据发展行动纲要等有关政策密集出台，信息化已成为国家战略，教育信息化正迎来重大历史发展机遇，我们要坚持融合创新，拓展教育信息化应用广度与深度，依托网络学习空间逐步实现对学生日常学习情况的大数据采集和分析，优化教学模式。（教育部，2015）因此，利用互联网和信息技术促进教育大数据建设与应用，有效开展在线学习并实现过程管理，不仅是开放大学、各高校网络学院、各类培训机构的主要教育目标，也是我国教育信息化发展的重要任务，是构建继续教育公共服务平台，扩大教育供给，促进教育公平，完善终身教育体系的主要途径。
在当前互联网+环境下，大数据思维被越来越广泛而深入地应用到教育领域，数据分析结果越来越多地影响管理和决策。在教育实践中，我们如何对海量信息进行有效而充分的采集和挖掘，同时又要避免对数据和技术产生过度依赖，陷入技术决定教育和数据决定管理的误区（郑争文，2016）？本文通过分析国内当前在线学习过程管理现状和学习者学习过程中产生的相关数据，探讨如何应用大数据思维来提升在线学习者的学习效果、在线教育的教学效果与管理水平，并以在线学习过程管理大数据应用为例，探讨互联网+环境下教育大数据管理的新思维和新模式。
一、在线学习过程管理现状
在线学习是随着网络技术发展出现的新的学习模式，是远程教育发展的新阶段，是利用计算机互联网和移动互联网，通过依托于网络的学习平台和管理平台建立虚拟的学习环境实施教学、开展学习的过程。
我国在线教育于2000年前后缓慢起步。1999年，中央广播电视大学在电大系统启动“开放教育”试点；2000年，教育部批准68所高校建立网络教育学院，同一时间，新东方网校上线运行；2010年，在线教育开始蓬勃发展；2012年美国三大MOOC平台催生了国内千百计企业加盟教育培训，进军在线教育特别是高等教育市场；2014年，随着国务院“取消和下放利用网络实施远程高等学历教育的网校审批”，我国在线教育市场走向开放和多元化；2015年，“互联网+”时代到来，为我国基于信息技术的在线教育带来新的机遇与挑战。
我国在线教育学习过程管理存在几个普遍性现象：一是教、学、管分离，使得信息碎片和数据孤岛问题凸显（顾小清，等，2014）；二是各高校或培训机构信息技术与教育教学的深度融合不够，对整个学习周期的管理缺乏顶层设计，导致诸多平台运行不力，管理模式固化，数据标准不统一；三是在教学和资源建设方面，教学设计和课程资源面向所有学习者，没有考虑对不同学习者的适用性，无法满足其个性化需求，也就无法实现真正意义上的个性化人才培养；四是在学习支持服务方面，大众化的学习支持多，个性化的学习支持少（吴南中，2015）；五是缺乏对学习效果、教学效果的有效评价和激励机制，在线学习活动的参与度低，学习任务的完成率差。此外，在线课程学习的课程完成率低，在线学历教育的毕业率明显低于传统教育的问题一直是困扰远程教育可持续发展的难题之一，特别是在缺乏有效的教学约束管理和学习支持服务的情况下这一现象尤为明显。
二、大数据思维对在线学习过程管理的启示
与传统数据相比，互联网和信息时代产生的大数据呈现出在线、实时、全貌的显著特征。如果说传统数据产生出自然价值，大数据则衍生出智慧价值，它深刻改变了人们对待数据的思维方式，这主要体现在：一是总体思维，从原本只能采集样本数据到获取全面、系统的所有相关数据；二是容错思维，从微观和精准性向宏观和包容性转变；三是相关思维，不再执着于对数据进行因果关系的分析，而是聚焦到相关关系和对未来的洞见与预测分析；四是智能思维，使线性、简单的机器思维变得像人脑一样呈现出主动性、逻辑性和前瞻性。
针对在线教育领域，我们可以把大数据思维应用到在线学习过程管理中，以数据为核心梳理架构管理流程，利用全样本数据搜集协助管理判断，通过对过程数据的快速获取实现管理高效，通过过程相关性数据分析预测管理风险，把数据处理结果转化为管理决策支持，探索实现管理主动性和智能化的渠道。例如通过对多维度、多元化、分散异构的海量在线学习相关数据进行采集、分析和挖掘，研究学习者需求，推荐适用不同个体的学习资源，避免其面对海量信息却无法提取有效资源而产生空茫状态（杨现民，等，2016）；研究学习者特点，协助其制定个性化的学习计划；研究学习者学习过程，通过及时有效的技术支持与信息推送服务，缓解在线学习者由于时空分离、师生分离产生的孤独感；研究学习者学习生命周期中的动态影响因素，进行评估预测与风险预警等。
在在线学习过程管理中应用大数据思维和技术，跟踪学习者学习过程和学习行为，跟踪教学活动与学习者参与状况，进行教学质量监控，对学习效果、教学效果、资源适用度等进行评估预测，具有积极的现实意义：① 挖掘有效学习模式，助力在线学习者学习能力和自我管理能力的提升，实现深度学习； ② 掌握学习者学习动因与需求，为在线学习者提供真正意义上的个性化教学与支持服务；③ 促进在线教学模式的改进和教学效果提升，提高教学活动参与度，降低辍学率（谢洵，2016）；④ 为教学管理和科学决策提供智慧支撑；⑤ 促进数据标准统一，实现信息共建共享，促进教育的透明与公平。
三、在线学习过程管理大数据建设关键问题探讨
在线学习者的学习过程概括讲包括学习内容选择（课程资源或专业）、就读学校或机构选择、注册缴费、参加教学活动、自主学习、学习效果考核与评价、成果获取（如获得毕业或课程证书）。在线学习者的学习过程，由于处在虚拟网络和课堂中，又受到诸如学习者特征、环境、工作与生活状态、对教师与资源适应度等多种因素影响与制约，因此在线学习过程管理大数据建设与应用，要关注以下几个关键问题：
1. 化零为整与化整为零的思维
大数据是一种新的思维方式，一种解决问题的新方法（赵靖岩，等，2016）。化零为整就是要收集与学生学习过程相关的各类碎片化信息，进行分类统计，通过大数据建模，形成结构化的数据表或可视化的分析结果，据此对学习、教学和管理进行评估和预测。化整为零是对大数据所呈现结果的反馈与落实，关注到每一位学习者个体分析结果，对教学与管理从每一个细节进行调整与改进。例如依据在线学习特点对资源进行分解制作微课，依据风险预警为每一位学习者提供有针对性的信息推送服务，教师依据学习效果评估实时改进教学设计，在教学过程中为学习者提供个性化支持等。
2. 关键数据库的建立
数据采集是大数据应用的首要和基础工作。围绕在线学习者的学习过程，要建立一系列关键信息数据库：① 学生信息库，包括个人基本信息、学习者特征、环境、学习动因与目标等；② 师资信息库，包括学习过程涉及的专业负责人、课程责任教师、课程辅导教师、导学教师、技术支持教师、教务管理教师等各类师资；③ 课程资源库，包括围绕课程学科建设的系统资源、针对课程模块提供的支撑素材、各类专题研究与讨论等；④ 学分与成绩库，记录学习者围绕课程或专业学习的阶段性和终结性学习效果与获得成果及相关信息；⑤ 教学过程信息库，采集教学实施过程中的教学策略、教学行为、教学活动、技术运用、教学效果等信息；⑥ 质量评价保障信息库实现多元化质量因子采集与质量标准的确立。
3. 数据的互通性
互联网极大地促进了数据的开放，但基于在线学习的各类高校和教育机构都建有独立的诸多教学、教务、考核等管理平台，这些平台使用不同的开发工具和数据库技术，必然造成数据管理上的独占性、封闭性和数据范式的不一致。因此，大数据应用需要更高层面的统筹规划和顶层设计，建立开放的、采用相同范式和标准的数据接口，实现数据管理的标准化和数据互通共享。2015年9月正式启动的国际开放数据就提出了开放数据必须保证互通性的倡议，提出将努力“制定并实现统一、开放的数据标准，从而确保数据的格式、结构和通用标识符都具备互通性”（高丰，2016）。
4. 数据的有效性
信息技术的飞速发展使海量的数据采集变得越来越高效，但并非收集的基础数据量越庞大，分析预测的结果准确性就越高，大量无效的信息不但会造成冗余，影响数据处理的效率，更重要的是会干扰数据加工过程与风险导向，使预测结果偏离最接近真实的方向。因此，有效数据的遴选是在线学习过程数据采集的首要任务。
5. 数据的时效性
大数据应用中，反应速度极为关键。我们知道，大数据获取的不仅是历史数据，更重要的是即时数据。数据从产生的一刻起，就是有不同生命周期的，这就决定了数据价值会随时间发生动态变化。因此，在线学习过程管理大数据应用中要重视数据采集、数据挖掘与结果呈现的时效性。要确保预测结果的有效性和价值实现，建立对在线学习过程相关数据的快速反应机制就显得尤为重要。
6. 分析结果的准确性与质量
数据分析结果的准确性和质量直接影响管理决策方向。对于在线学习过程管理中关键环节的教学评价，在数据建设中要聚焦于实现教育质量保障的理性、透明性、可测量性和专业性，建立一种相互信任、权利与责任相平衡的质量文化（张应强，等，2014）。要重视对在线学习参与水平而不仅仅是参与度的数据研究，通过大数据应用探索有效的测量标准、方法与机制。对此，美国雪域大学DI Sun提出了测量学习者参与水平的三要素，即情感参与、认知参与和行为参与，并构建了包含21项条目的量表（梁林梅，等，2016）。这些研究成果可作为我们探索在线学习过程管理大数据挖掘和分析的参考。
7. 人的因素
对大数据进行加工处理，依托的不仅仅是数据分析软件和信息技术，更重要的是人的参与。数据挖掘的灵魂是智能算法，通过对数据的分析、整合与设计实现信息向价值的转换，体现的是人的智慧与思维。因此，在线教育的教师和管理者要具备一定的大数据思维和数据挖掘基础知识，做既懂得数据分析技术又谙熟各项具体业务的复合型人才；大数据建模与应用的技术实施者，同时要了解并熟悉在线教育的特征和发展现状，要跟踪在线教育的新变化和新理念，才能挖掘教育大数据所潜藏的更高价值。
四、在线学习过程管理大数据
应用模式设计
大数据应用遵循数据采集、数据加工、结果呈现的基本模型。其中，数据收集是大数据应用的最基础最底层任务，通过数据采集将数量庞大、结构复杂的信息汇聚起来建立关键信息数据库。依据不同模型对收集到的各类数据通过挖掘和分析等技术手段和设计进行预处理和再加工，最终转化为可视化结果输出并落地应用，是大数据管理要实现的核心目标。依据不同的研究领域，大数据管理衍生出诸多不同的更具体的应用模式，这里围绕在线学习过程，从学习分析、教学分析以及二者相结合的维度对大数据管理模式进行探讨。
1. 学习分析模式
学习分析是大数据在教育领域的典型应用（王良周，等，2016）。新媒体联盟（New Media Consortium）将学习分析定义为：利用松散耦合的数据收集工具和分析技术，研究分析学习者学习参与、学习表现和学习过程的相关数据，进而对课程、教学和评价进行实时修正（徐鹏，等，2013）。以在线学习者及其学习过程为主体，对在线学习过程进行分析的过程同样如此。它通过收集学习者特征、学习背景、学习动因与需求等数据，跟踪学习过程中的状态、行为、影响因子、资源利用、作业与考核情况等信息，利用预设的模型对数据加以分析，并呈现出可视化数据分析结果。在线学习分析的大数据应用主要体现在：在保护学生个人隐私的基础上，尽可能全面并有效地反映客观真实；能预测学生的学习行为与需求，实现有针对性地为学习者提供支持和服务；依据正确的判断进行风险预警，并体现关键性和前瞻性；能够挖掘有效的个性化学习模式，提升学习者的学习能力、自我调适能力和管理能力。
2. 教学分析模式
在线学习教学分析围绕教师的教学周期进行，聚焦于教师特征提取、课程资源建设、教学活动设计、线上互动学习设计、线下任务部署、学生资源访问情况、活动参与情况、考核与学习效果评价、教学评价等环节，在数据采集和分析的基础上，力争针对每一位学习者实现真正意义上的“因材施教”。对在线学习教学分析应用大数据思维的重点聚焦在三方面：一是从互联网海量的公开资源中遴选优质、适用的资源应用于课程教学；二是通过跟踪教学活动参与效果与学生行为，及时调整、改进教学设计手段与策略方法，激发学习者学习动力，提升其学习效果；三是通过对整个教学过程的跟踪反馈与评价，找到提高课程整体设计水平和资源质量的切入点，同时提升在线课程责任教师、在线辅导教师的教学能力和教学效果（郑燕林，等，2015）。
3. 学教管相结合的分析模式
学习、教学和管理在在线学习中是交叉进行并互相影响的。随着教育领域中大数据应用逐渐引起关注，功能相对单一的“学习分析系统”已经不能满足互联网+环境下教育发展的需要。学习者希望能利用碎片化的时间学习到丰富有用的知识或技能，实现高效能又不枯燥的学习；教师希望设计出受欢迎的优质课程或资源，开发学习者感兴趣又能保持高参与度和持久度的学习活动，展现教师的价值与成就感；管理者希望能建立一个通畅的管理流程和渠道，并实时捕捉过程中发生的问题和需求，实现高品质服务和高效率管理。上述三者目标的共同实现，将促成学校或机构的品牌建立与影响力提升。于是，学教管相结合的大数据分析模式应此而生。这种分析模式如图一所示，它具备统筹规划与顶层设计，围绕学习者整个学习周期，从更全面的多元化的角度收集数据，在有专业技术人员进行大数据平台搭建的基础上，结合实际需求与发展趋势对数据进行算法设计研究，再将处理结果在学习、教学与管理中落地应用，并在实践中不断调整和改进。
结束语
终身学习已经从教育观念发展成为全球性的共同行动，成为人们不可或缺的生存和生活方式，在线学习作为实现终身学习的必要途径，以其丰富多样的资源、多元化的教学方式、自由灵活的学习方式、开放包容的入学条件等优势，受到越来越多学习者青睐。2015年在青岛举行的国际教育信息化大会上通过的《青岛宣言》中指出，“在线学习，包含大规模开放在线学习课程（MOOCS），具有建立迈向高等教育和终身学习新路径的潜力。我们鼓励那些为改进在线学习而探索大数据潜力的努力，这使我们深入了解学生行为和学习活动，并且改进在线课程的设计和组织形式。”以信息技术为手段，对在线学习者学习过程产生的大数据进行研究，是一项复杂的系统工程，探讨更适应学习者个性化的学习模式，不断改进教学模式，建立先进的管理体系，是在线教育工作者不懈努力的目标。在此，笔者结合多年在开放教育一线教育教学管理经验，谨以此文与从事在线教育的同行们就在线学数据思维与应用进行探讨，以期引发对在线教育大数据更深入的研究。
[参考文献]
徐鹏，王以宁，刘艳华，张海. 2013. 大数据视角分析学习变革[N]. 远程教育杂志（6）：11-17.
顾小清，郑隆威，简菁. 2014. 获取教育大数据：基于xAPI规范对学习经历数据的获取与共享[J]. 现代远程教育研究（5）：13-22.
吴南中. 2015. 基于教育大数据的MOOC支持服务特质与形成研究[J]. 中国远程教育（12）：49-55.
张应强，苏永建. 2014. 高等教育质量保障：反思、批判与变革[J]. 教育研究（5）：19-26.
郑燕林，柳海民. 2015. 大数据在美国教育评价中的应用路径分析[J].中国电化教育（7）：25-31.
王良周，于卫红. 2015. 大数据视角下的学习分析综述[J]. 中国远程教育（3）：31-37.
教育部. 2015. 关于“十三五”期间全面深入推进教育信息化工作的指导意见（征求意见稿）[EB/OL].
谢洵. 2016. 聚焦远程学习的多元化实践与研究[J]. 中国远程教育（1）：73-76.
赵靖岩，胡振波. 2016. 大数据环境下高校信息化教学模式研究[J]. 情报科学（1）：92-95.
高丰. 2016. 共治共创视角下的开放数据发展：趋势、挑战和反思[J].大数据（2）：38-45.
梁林梅，夏颖越. 2016. 美国高校在线教育：现状、阻碍、动因与启示[J]. 开放教育研究（1）：27-34.
一、问题的提出
如今，一个大规模生产、分享和应用数据的时代（即大数据时代）正在开启，人们的工作、学习以及思维方式也因大数据的到来而发生着改变。MOOC教育在大数据的推动下不断突破和创新，革新了传统的教育制度，MOOC教学评价在大数据的支持下趋于客观和完善。在教育高度信息化的网络时代，人们的学习方式也在迈向数字化，智能手机、平板电脑等各种便携式移动终端是人们常用的学习工具，学习者在学习过程中会产生大量的数据来记录他们的学习过程，大数据挖掘技术可以有效地跟踪和记录学习者的学习过程，从而为我们提供更加准确、客观的教学评价。喻长志[1]指出：大数据将重新构建教学评价方式，由原来的“经验式”评价转变为“依据式”评价、由原来的单一维度评价转变为多元性评价、由原来的结果性评价转变为过程性评价，通过大数据的支持找出教学活动的规律。可见，在大数据技术的支持下，教学评价将会更加科学、准确。
近年来，MOOC（Massive Open Online Course）即“大规模在线开放课程”风起云涌，至今方兴未艾，成为“地平线报告”预测的将在未来一年之内普及的技术，并且被认为是网络学习的“下一个革新之举”[2]。卡兰?凯莫卡特认为MOOC是新型的网上大学[3]。在一次论坛上，有学者把MOOC为代表的网络教育称为“新”网络教育[4]。从国内外学者对MOOC概念的界定可以看出，MOOC本身具有两个显著特征：一是开放共享（Open access），来自世界任一角落的人都能够免费参与MOOC课程学习；二是可扩张性（Scalability），MOOC课堂是针对不确定的参与者来设计的，具有显著的大规模性。
“大数据”是近年来信息技术领域比较流行的词汇，一般认为其具有“4V”特征，即大量（Volume）、高速度（Velocity）、多样化（Variety）和价值（Value）。MOOC与大数据具有密切的联系，大数据背景下，MOOC将革新传统教育体制、教学理念、教学方式以及教学评价等，本文主要探讨基于大数据的MOOC教学评价。大数据时代，MOOC教学评价区别于传统教学评价而具有自身的鲜明特征。由于MOOC学习者人数众多，教师不可能像传统课堂教学那样事先对学习者特征进行分析，尔后根据学习者特点实施恰当的教学。所以，MOOC教学更需要对其教学评价进行精心的设计，MOOC教学评价贯穿整个教学过程，具有举足轻重的作用。此外，由于在MOOC教学中师生、生生处于相对分离状态，课程内容主要以视频为学习载体，所以，又使得MOOC具有远程教育的一些特征。因此，有必要对MOOC教学评价的特征进行分析。基于此，本文主要探讨大数据背景下MOOC教学评价的特征，以期为我国MOOC教学评价提供一些有益的借鉴和启示。
在MOOC教学评价相关文献分析与总结的基础上，结合作者自身对MOOC课程的学习体验，认为大数据有助于重构MOOC教学评价体系，其特征主要体现在以下几个方面（如图1）。
图1 大数据背景下MOOC教学评价的特征
二、大数据背景下的多元性MOOC教学评价
传统教学中，一般教师作为评价主体、学生作为评价对象，评价方式通常采用单一的纸笔测验，以终结性评价为主，分数是评价学生的唯一标准。不同于传统教学，MOOC在大数据技术的支持下表现出多元性的特征。
1.评价主体多元
对MOOC学习效果的评价，其评价主体已不再仅仅是教师，还包括学生、校友等。MOOC学习平台上，通过后台大数据的分析与处理，加之不同主体对学习者的评价，有助于教师从不同渠道了解学生的学习情况，以便进一步改进教学。同时，也能够使学生认识到自身存在的优点与不足，有助于学生的全面发展。
（1）教师作为评价主体。无论是传统教学还是网络教学，教师永远是教学的一线工作者，其主导地位不可忽视与否认，MOOC教学亦不例外。在MOOC课程教学评价中，学习者数量众多，大数据为MOOC学习者提供了更加新颖的评价方式：同伴互评和机器自动评阅，但教师也会参与其中，教师通过评价学生的作业可及时发现教学上存在的问题，进而采取一定的补救措施，有利于MOOC教学效果的提升。
（2）学生作为评价主体。在传统的教学评价中，学生是评价的客体，是被评价的对象，他们对于评价的结果只能被动地接受，在一定程度上削弱了他们的主观能动性，忽视了学习者的个性差异。相比之下，MOOC教学评价将学生纳入评价活动中，强调学生也可以是评价的主体，评价形式为学生自评和同伴互评。比如：陈肖庚等在《MOOC的发展历程与主要特征分析》一文中论述了同伴互评和学生自评这两种MOOC课程评价方式的创新性与有效性。另外，祝智庭等学者也论述了Coursera平台广泛采用的自评和互评策略有效地促进了学习者的学习[5]。MOOC将学生这一主体元素引入教学评价后，既可以调动学生学习的积极性，也可以通过评价活动引导学生在评价过程中明确自己的定位，发现自身的不足，取人之长，补己之短，不断完善自己，从中培养他们的自我反思及自我监控能力，使学生在评价过程中真正体现其主体性，成为学习的主人。
4.价值取向多元
第一，为促进学生全面发展而评价。教学评价的最终目的是要促进学生的全面发展，MOOC教学评价亦没有偏离这一重要取向。MOOC教学评价更多的是关注学生的主体发展、自我成长与进步。就MOOC而言，可以说，其教学评价更多地是一种促进学生发展的动力，而不仅仅是衡量学生学业成绩的方式或手段。
第二，为了解学生学习需求而评价。无论是传统课程还是MOOC课程，要想为学习者提供适合他们的资源与服务，首先要了解学习者的学习需求。MOOC教学同样要满足不同学习者内心深处的个性化学习需求，可通过多层面、多维度的综合教学评价，了解并分析不同学习者的学习需求，之后为他们提供合适的学习资源与个性化服务，使学习者能从评价中感受到更多的尊重和认同，从而获得前进的动力。
第三，为尊重学生个体差异而评价。每个学生都是独立的个体，从教学设计的角度来讲，要想使课程取得良好的效果，首先必须对课程受众进行分析，即学习者特征分析。而对于MOOC课程而言，其学习者情况更为复杂，一方面，MOOC学习者人数众多，无法与传统班级授课制相比；另一方面，MOOC学习者种类繁多，根据其职业背景和学习目的，可将其分为在校大学生、中小学学生、教师、家长、以兴趣为导向的学习者、以充实个人内涵为目的的学习者、促进职业发展的学习者等。此外，虽然MOOC主要面向高等教育，但MOOC学习者中也不乏有年龄较大或较小的学习者。所以，MOOC课堂无法像传统课堂那样分析学习者特征，可通过学习分析、教育数据挖掘、体态计算等技术对学习过程进行评价、追踪预测和分析，以了解学习者的个体差异，从而为其提供个性化的学习服务、推送个性化的学习资源、制定个性化的学习方案。有研究[11]表明，MOOC的特征之一就是基于大数据的个性化服务，不同学习者的电脑后端会推算目前的学习状况，然后推送相应的学习资源，因材施教。
三、大数据背景下的开放性MOOC教学评价
相对于传统课堂较封闭的评价体系而言，MOOC在评价理念与评价过程两方面表现出明显的开放化特征。
1.评价理念开放
MOOC中的教与学本身是一个极为复杂的系统，因此，对MOOC进行教学评价难以用单一的评价理念或标准来评判每个教师和学生的行为，需视具体情况而定。MOOC教学评价的理念可用“一切为了学习者，为了一切学习者，为了学习者的一切”来形容，正是这一理念，使得MOOC教学评价强调丰富的评价内容、多样化的评价渠道以及开放性的评价过程，通过网络与信息技术的支持构建开放的MOOC教学评价，以全面促进学习者的发展。
2.评价过程开放
MOOC教学评价过程大致分为四个阶段：评价设计、评价实施、评价分析和评价反馈。每一阶段都有不同的任务，但却都具有开放性的特征。首先，在评价设计阶段，从评价目标的制定、评价主体的确定到评价方法的选择，都非常重视其评价过程的开放性。比如：在MOOC网站上，任何MOOC学习者都可以任意浏览某一课程的课程简介、课程评价方式等信息，注册账号以后会浏览到更为详细的课程信息，从评价的角度来看，包括课程的评价标准、考核方式、评价方法以及评价细则等内容。其次，在评价实施阶段，评价人员根据上一阶段所形成的评价方案，利用各种评价手段，完成对MOOC教学的评价任务。在实施过程中，由于学习者也加入到了评价活动中，所以，其实施过程也是面向学习者开放的。最后，在评价分析和反馈阶段，评价人员根据评价实施阶段收集到的反映学习者学习过程的资料和数据进行归纳和分析，并将评价结果反馈给学习者。在这一过程中，其评价的数据和结果都是面向学习者开放的，学习者可以根据评价结果的反馈信息及时发现自身的不足，进一步加以改正。
四、大数据背景下的人性化MOOC教学评价
教育要充分体现以人为本，服务学生的理念。在MOOC教学评价中，真正地把作为主体的学习者放在了首位，在评价标准与评价反馈中呈现出了人性化的特征，为学习者提供了人性化的关怀。
1.评价标准人性化
MOOC课程评价标准体现了现代教学理念，以学生发展为本，尊重学生个体差异。主要体现在以下两个方面。
一是MOOC课程作业评价标准人性化。一方面，MOOC课程作业评价标准不像传统教学那样预先设定好，而是在教学过程中逐渐生成的，且其评价标准不是一成不变的，它会随着课程的深入、课程目标的设定以及来自学习者的反馈而不断发展变化，会根据不同的情况适当调整。比如：在Coursera平台的《大数据与信息传播》一门课中，部分学生在讨论区中反映互评分数不合理，对此，课程提供方做出了相应的改进与调整。此外，在课程作业内容设置方面，也会根据学习者的需求进行调整。另一方面，MOOC课程作业提交的截止日期一般为2-3周，时间比较充裕，而且即将到期的作业还会有邮箱提醒，学习者不必担心错过课程作业的提交时间。此外，对于客观选择题，学生提交以后，系统会自动评分。比如：在Coursera平台的《数学之旅》一门课中，随堂测验部分的客观题分单选和多选两种，学生提交作业以后会看到每题的得分情况和相应习题解释。
二是MOOC学分制度人性化。目前，已有社区学院和公立高等大学等院校宣布接受美国教育委员会认可的学分，将修读MOOC项目课程取得的学分与修读本校课程取得的学分予以同等程度的承认[12]。学分的取得是对学习者学习过程与学习结果的肯定与认可，MOOC部分项目与学分制度挂钩，利用学分制与传统教育接轨，体现了教育以人为本的理念。
2.评价反馈人性化
大数据时代的来临，使得MOOC教学评价不仅测量学生对知识的掌握程度，还利用智能化评价手段对学习过程给予及时的反馈，利用可视化统计表单呈现给学习者真实的学习数据，督促学生及时的调整学习现状[13]。反馈是网络教学重要的互动环节，及时的反馈（Instant Feedback）是人性化教学的要求，也是情感关怀的体现。在基于网络环境下的MOOC学习中，由于师生处于相对分离状态，反馈的及时性就显得极为重要。及时的反馈有助于学习者了解自己的学习情况，加深对问题的理解与掌握，为下一步学习打下良好的基础，从而激发学习者进一步学习的愿望。此外，及时的反馈还能帮助学习者及时发现、纠正他们自身存在的问题与错误，从而调整学习计划，有助于提高学习效率。相反，如果没有反馈或反馈不及时，学习者无法得知或很久以后才得知自己的学习结果（如作业正确与否），那么，学习者就很难保持已有的学习热情，学习兴趣也会大大降低。所以，对于MOOC学习者来说，及时的反馈是非常重要、也是非常有必要的。
相对于传统课程，MOOC课程的评价反馈是比较及时的。比如：Coursera为学习者提供多次自动测试机会，每次测试后学习者通过系统可以得到分数反馈。Udacity为学习者提供Submit Answer，可以及时在output中得到反馈答案[14]。在客观题作业方面，一般采用机器自动评阅的方式，学习者提交作业以后，会立即得到反馈（直接看到评阅结果）；在主观题方面，主要采用同伴互评的方式，虽然不能立即得到反馈，但其时间一般不超过两周，学习者可以在相对较短的时间里得到反馈。
