在教育中使用增强分析
by becton无爱只要教师存在，他们已经进行了数据分析。教师的角色要求它。最早的教师询问他们的学生的问题，以便看到他们的课程正在正确沟通。测试已被用于年龄更好地理解学生掌握课程的学位。在20th世纪，已经分析了标准化的测试，以确定学生在全国各地的同行中排名的地方。但是，教育工作者和学校管理员需要了解数据分析如何在他们一周到一周的学生评估。
数据分析概述
首先，理解是很重要的什么是数据分析，精确地。数据分析是一种旨在使用原始数据来创造对某种情况或现象的洞察力的科学。换句话说，当已经进行了对现有数据的科学审查时，更容易理解情况。数据分析用于查看原始数据的趋势，通常使用计算机算法执行。一旦在数据中确定了趋势，组织更好地装备能够制定改善其性能的策略。
几乎任何类型的信息都可以经过数据分析过程。多年来，企业一直使用数据分析来帮助他们看到业绩的趋势，并开发出改善业绩的方法。例如，企业可以查看特定机器的运行情况，或者由于工作场所的情况，工人有多少停工时间。当数据分析发现数据中的趋势显示工作流中的某些点出现减速时，就会显示出这些信息。数据分析还可以用来查看某些产品的运行情况，并保持消费者对这些产品的参与度。
各组织使用四种类型的数据分析。
- 描述性分析描述了一段时间内的组织的表现。这种形式的分析显示组织是否符合其目标。
- 诊断分析获取数据并试图找出发生了什么。例如，在一年中的某个时候，独特的环境可能会影响性能。
- 预测分析试图预测接下来会发生什么。基于以前的表现，这种形式的分析试图合理地预测未来的趋势将如何展开。
- 规范性分析采用对当前状况的描述，对事情为什么会这样发生的诊断，以及对未来的预测来指明解决当前问题的方法。
虽然分析已经在商业和各种行业中使用了很长一段时间，但教育研究人员已经慢慢地开始指出将分析应用于教育领域的许多好处。
各种数据
在学校，有两种形式的数据用于两个不同的目的。第一种形式的数据是管理数据，包括行为、成就和人口统计数据。这些数据不仅来自学校，也来自政府机构和其他参与收集这些数据的组织。
管理数据是在很长一段时间内收集的，可能包括一些最大的数据集。由于这些数据涉及到如此多的人，而且收集时间如此之长，所以通常会在年度报告中提出。该报告中包含的数据包括从人口普查数据到标准化考试分数的各种数据。
第二种形式的大数据包括学习过程数据。这种数据还包括许多参与者。对于学校来说，这意味着数据来自许多学生。但是，也有很多关于个别学生收集的数据。该数据是从学生如何执行和编码的许多不同观察中生成的，以便在数据中更容易地识别趋势。可以使用常用技术收集学习过程数据，例如在线评估和互动技术，越来越受到主要和次级级别的流行。
这些独立的数据集使研究人员和教育工作者能够识别不同类型的趋势。行政数据非常适合展示学校、地区甚至整个教育系统的表现。不足为奇的是，行政数据对于从个别学校到参与监督教育系统的政府官员的管理者更有用。学习过程数据对教师更有用，因为它可以提供一些关于教室表现的见解。
假设的教室
在《教育周刊》的一篇报道中，本杰明·霍尔德详细介绍了这一过程大数据与分析最终将适用于教育和学生学习。在他的文章中，持有描绘了一个教室，其中监测学生日的所有方面。这个课堂的这个极端版本包括红外摄像机，记录学生触摸，摄像机记录面部特征和诱人的一切，以及跟踪学生心率和其他生理信号的可穿戴设备。
这不太可能成为未来。大多数教师和学生将立即看到许多课堂可能有问题的方式。从隐私的入侵到被监测的不断感觉，这样的课堂可能会带来一个整个寄宿机构的整个负面品质，会妨碍学习过程。当然，父母在课堂上创造的监视环境中可能感到不安。出于所有这些原因，这一版本的数据分析不太可能在美国教育系统的大规模上应用。
然而，我们可以从这种极端的未来模式中吸取教训。从某种意义上说，大数据对学习过程将变得非常重要。大数据是指能够帮助识别趋势和关系的大数据集。考虑到数据分析在有更多的数据来源时表现更好，大数据和数据分析相结合。在Hold讨论的假想课堂中，大数据集不仅来自学生的表现，还来自他们的个人习惯、生理、各种行为等等。
在现实中，为教育工作者生成的数据在未来很可能会少得多。然而，它仍然需要计算机的帮助来帮助理解正在生成的数据。
当前的大数据和数据分析
一段时间以来，公立学校一直在以过去不可能达到的水平生成数据。学习软件可以跟踪学生的表现，并确定学生开始努力学习的瓶颈。这种数据使教师在发现学生在哪里遇到困难时能够针对学生制定新的教学干预措施。
在更大的层面上，学区能够通过将所有这些个人数据汇编成大型数据集来衡量他们的整体表现。学区可以决定整个学校的表现和出勤率。在某些情况下，学区会与其他公共机构交换这些大数据集，以便更好地了解与其他学区相比，它们的表现如何。这种数据交换使学校能够预测哪些学生最有可能退学或对他们的工作不感兴趣。在确定谁有风险后，可以采取干预措施，解决这些在学校中挣扎的学生个人的需求。
教师的数据分析
在很多情况下，当一所学校引进技术时，教育者通常只满足于在最基本的水平上使用它。技术经常被用来满足基本的教学要求和教授一门学科的核心要素。然而，有可能以更复杂的方式使用技术。数据分析可以帮助教师更好地解决学生的需求，找到学生最薄弱的地方，并解决这些缺点。
大数据可以帮助教师实时调整教学，以解决学生的困境。通过对学生生成的数据集应用分析，教师可以确定学生是否对他们的材料有困难。如果他们是，那么教师可以调整他们的教学风格来提高学生的表现。教师通常会在课堂上无意识地偏向某些教学方法，但数据分析可以帮助教师了解这些方法是否像他们认为的那样有效。
数据分析还可以帮助教师确定给学生提供什么材料。例如，当教师学习新的内容时，学生们会发现自己学习了新课程，而其中一些人更容易理解这些课程。有些学生在上一课中学习困难，这加重了他们学习新材料的困难。教师可以识别这些有困难的学生，并在新课程开始时给他们不同的入门材料。对于学习困难的学生，这些材料可以更集中于上一节课，并更清楚地概述以前的材料与新材料之间的联系。在之前的课程中熟练的学生可以开始新的课程，使用更高级的材料。
基于计算机的评估和分析
使用数据分析的好处是远程的，但学校实际执行的数据分析如何？其中一种最常用的方法是通过使用计算机评估。从历史上看，传统评估涉及使用测试，测验和家庭作业涉及衡量学生知识。然后，教师审查这些评估并确定落后的学生。
然而，近几十年来，机器评估越来越普遍。具体而言，计算机自适应测试（CAT）在学校变得非常常见。研究人员Bill Cope和Mary Kalantzis仅描述了猫的效果如何提高性能不仅是学生，而且是老师。CAT方法表示可以根据的课程级数据。
对于教师来说，特定于课程的数据是最有价值的。较大的数据集跟踪整个学校的福利管理员，但教师需要及时接收有关他们教导的课程的及时数据。如果在相对较快的时间范围内无法转换为可用知识，则数据是无用的。因此，需要迅速解释评估和活动的学生结果。这种数据需要具体足以让教师计划一个行动方案，他们可以解决课堂的缺点。
CAT测试适合学生，因为他们在一个主题中展示了一定的知识水平。随着学生学习材料的进展，如果学生的表现达到了一定的预期，计算机就会做出反应，提出越来越难的问题。然而，如果学生有困难，计算机也可以提供更简单的问题。由于考试具有适应性，作弊的可能性显著下降。这些测试还有助于教师更准确地理解学生对特定主题的理解。
一旦对评估的子部分进行了审查，猫的数据分析部分就会发挥作用。这些计算机化测试的不同部分被编码。因此，虽然测试产生了总分，但它们也在考试的不同部分产生分数。教师不仅可以识别一个学生正在努力的子部分，而是整个阶级遇到困难的子部分。有一件事要说，一堂课在关于海洋生物学的考验中挣扎。然而，能够确定班级斗争中的海洋生物学部分是更有用的。例如，学生可能会难以了解鲸鱼生物学。
测试的编码部分有助于识别数据中的趋势，并揭示整个类的难点所在。这不仅可以帮助老师确定他们需要复习的材料，也可以帮助他们确定他们将来可能想要以不同的方式教学的材料的一部分。当然，编写测试部分并不需要计算机测试。这只是因为计算机能够更有效地执行编码和数据分析。
然而，基于计算机的评估不只是测量内容知识，因此，它们比传统分析具有优势。当学生通过电脑学习课程时，该软件还可以跟踪学生浏览和掌握材料所需的时间。这为教师提供了有价值的信息，让他们知道学生在哪里遇到了困难。使用基于计算机的评估，教师不仅可以看到学生做错了什么，还可以看到他们花了多长时间把事情做对。分析掌握所需时间的能力对教师来说很重要，因为它能让他们再次看到，是整个班级都在挣扎，还是问题只局限于少数个别学生。
结论
数据分析在教育领域的应用仍处于起步阶段。虽然企业长期以来一直使用数据分析来提高业绩，但在教授学生时，如何使用这种方法仍存在问题。关于隐私和侵犯的问题比比皆是，但在太多数据和太少数据之间找到了一个平衡点。有了从各种来源收集到的适当数量的数据，数据分析不仅有潜力提高学生的学业成绩，而且有潜力提高教师的教学方法。