热线电话:13121318867

登录
首页精彩阅读教育大数据,想说爱你不容易_数据分析师
教育大数据,想说爱你不容易_数据分析师
2015-05-09
收藏

教育大数据,想说爱你不容易_数据分析师


近两年,“大数据”在教育领域日益成为热点名词,和“在线教育”相呼应。从今年新东方、学大等教育机构发布的教育产品来看,几乎每一款产品都会提到大数据。既然如此受到重视,那么在当下教育领域,“大数据”有何特点?又有何作为?

专家指出,目前国内教育领域的“大数据”仍处于概念阶段,大家都在起步和探索过程中,尚无比较成功的大数据应用案例,不少大数据应用也都处于较浅的层次。不过,随着教育大数据的不断积累和深入发展,“大数据”必将有利于我们的个性化教育,对教学和管理产生深刻影响。

随着“大数据”概念不断升温,教育行业如今也被认为是大数据可以大有作为的一个重要应用领域。几乎每家不甘落后的教育机构都在拥抱大数据,把大数据当作在激烈竞争中脱颖而出的秘密武器。

“其实,十几年前我们就在做数据仓库数据挖掘。如今大数据这个概念兴起,主要基于两点,一是数据海量增长,处理样本数变多;二是物理运算能力增强,给处理海量数据带来可能。”在计算机博士、朗播网CEO杜昶旭看来,大数据既没有那么神秘,但也不像有些人想象得那么简单。

干扰性数据多 影响统计分析精度

杜昶旭认为,与其他行业的大数据相比,教育行业大数据目前数据量比较小,教育数据噪声也比较高。他解释,目前在线教育不像电商,用户数量庞大,数据可以累积到海量。而且教育垂直属性特别明显,大量数据会分流向不同垂直领域。

而不同垂直领域之间的数据融合度比较低,比如语文和数学的数据很难放到一起来分析;数据噪声简单讲指干扰性数据、无用数据,比如录播视频,用户行为很简单,有暂停、关闭、重看等等,但是这些操作的原因很多,并不一定是没看懂内容,所以干扰性数据非常多,数据统计分析的精度会受影响。

“此外,教育数据标准化程度非常低。数据大致可分为结构化数据和非结构化数据。以描述人一个人打比方,结构化数据就是人的身高、体重、性别;非结构化数据则可以是人的声音、照片等。”杜昶旭说,很多教育数据比如视频数据、语音数据等都是非结构化数据,数据模型构建会比较复杂,“所以,教育大数据需要解决数据量和数据处理的问题。”

优质技术分析 要有一流试题保障

互联网教育研究院院长吕森林也指出,教育大数据分析并不是有数据就可以,如果数据中有很多垃圾数据,那么分析得出的结论也可能是垃圾结论。

“比如题库类产品,一道题可能需要20多个指标来分辨学生各方面的情况,如区域、学科、难度、知识点等等,如果试题质量比较低,区分度比较低,那做大数据分析的意义就不会太大。此外,现在的大数据分析多集中在选择、判断等客观题,对带有步骤的主观题、作文等进行统计分析则有更高难度。”因此,题库的大数据分析看起来比较简单,但实际上技术、资金门槛都比较高。

数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询