课堂大数据分析范文
时间：2023-07-27 09:29:29
引言：寻求写作上的突破？我们特意为您精选了12篇课堂大数据分析范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。
篇1
【关键词】大数据分析 移动端 网络课堂教学
基于大数据分析环境下所开展的网络课堂教学，充分利用了网络环境的优势，并对常规教学中所总结的经验进行拓展应用，移动端是近年来网络发展的主流方向，对传统的教学方法产生了很大的冲击，但同时这也是一种前所未有的机遇，充分利用网络的先进性，结合大数据分析的准确定位，可以帮助提升教学效率，为学生营造出更加高效趣味的学习环境。如何利用好大数据分析来促进移动端网络课堂教学任务开展，也成为现阶段重点的研究课题，这也是文章中将要进行探讨的，无论是技术还是应用方法上，都应该做出创新，为教学任务的发展落实打下有利基础，为教学任务的落实创造有利条件。
2 大数据分析移动端在网络课堂教学中的应用形式
2.1 在课堂交流中运用移动端
交流时知识点巩固的有效方法之一，在常规教学任务完成后，剩余时间很难满足学生有关于知识点交流的需求，借助大数据分析的移动端来开展网络教学，有关于知识内容的交流也不再受时间与地点的影响，能够随时进行师生之间的互动交流。并且大数据分析系统所提供的知识内容也是十分可靠的，能够帮助解决常规教学方法中难以解决的问题，学生也能够充分利用课余时间来完成知识方面的学习。移动端的优势在于便捷与快速，这一点是传统网络课堂所不具备的，在这样的环境下，学生也能够将自己的思路与同学进行分析，在短时间内快速提升学习成绩，实现共同进步。
2.2 实现便捷性资源共享
移动端网络课堂可以通过APP下载来实现学习，注册后可以将个人的学习情况记录在其中，这样在进行下一阶段的学习时也不容易遗忘。每一个注册的账号在大数据分析系统中都具有记忆功能，这样学员在经过一个阶段的学习后，也能够通过系统的记忆功能查看轻松了解这一阶段的学习情况，并通过平台所的信息轻松进行一个阶段的学结，与同学之间实现零距离的资源共享。大数据分析背景下所进行的资源共享更新更加及时，不会受到时间以及距离的影响，并且移动端还存在网络可选择的优势，即使在共享过程中受到网络中断的影响，系统也能够自动保存，以免造成重要信息的丢失，为接下来教学任务的开展奠基了有利的基础。
2.3 模式选择多样性
网络课堂教学模式的选择，与教师的教学习惯有很大关系，在移动端背景影响下，进行网络系统模式选择时，拥有更多的可选择性，可以根据学生的听课喜好以及习惯来对现场进行控制，在这样的环境下，所进行的教学任务也能与学生之间形成良好的互动。应用前首先要确定教学的内容，并根据所总结出的信息来进行云系统下的框架设计，将大数据分析系统结合到其中，这样接下来所进行的工作内容也会更加的顺利。移动端的网络课堂教学软件是可以不断更新的，可以根据学员的喜好来对个人界面进行自定义，这样应用起来也会更加的方便。由于移动端的存储能力是有限的，在大数据分析系统中还会进行内存拓展，应用解决移动端应用期间内存不足的问题。
上述几点是应用期间的具体功能以及有效方法，有目标的对系统进行设计，能够避免出现教育资源、网络资源浪费的现象，也是现阶段十分需要的。除此之外，在应用期间还需要进行技术方面的创新以及强化，降低网络不稳定所带来的影响，可以将大数据分析结合多种网络技术来共同进行，提升系统运用的工作效率，在处理数据过程中也会更更加的稳定可靠。
3 大数据分析的移动端未来发展方向
随着电子设备的不断更新，大数据分析的移动端在发展中也会逐渐提升稳定性与运算效率，在框架设计上必然会更加的简便，这样在运行使用过程中能够节省大量的空间，对网络系统的工作效率提升也能起到促进作用。灵活性也是未来的发展方向之一，使用者可以对应用界面进行定义选择，在应用过程中更符合学员以及教师的操作习惯，在使用性能与稳定性上自然也会有明显的提升，降低系统运行使用期间漏洞出现的可能性。
4 结语
人们应该充分认识到网络技术并不能够解决我们所有的问题。但是近年来人们最为关心的却是如何使用可以利用的网络技术在网络形式越来越多样化的今天，如何正确选择和使用有助于提高外语能力的网络资源才是未来真正的研发核心，因此，未来的研究应着眼于分析不同的学习目的下如何有针对性地选择不同的网络课堂教学模式。
参考文献
[1]黄晓涛，王芬，吴驰，龙涛.云计算平台下网络课堂生成性教学设计框架研究[J].现代教育技术，2013（08）.
[2]杨俊锋.创新课堂教学模式 培养学生国际视野――跨文化混合同步网络课堂的实证研究[J].中国电化教育，2015（10）.
作者简介
篇2
随着大数据时代的来临，教育事业发生了重大的变革，大数据技术已经被广泛运用在高校教育评价、课堂教学、教育模式等各个方面。课堂教学是高校教育中最为有效的教育途径，在大数据时代背景下的高效课堂教学发展趋势，值得广大教育者重点关注研究，这可以加强大数据技术在课堂教学中的应用，提高教学质量。
一、大数据相关概述
大数据主要指在高速发展的网络信息技术下，所呈现的巨量数据信息以及随之而产生的相关处理技术。大数据具有庞大的数据量，涉及的数据类型多种多样，数据价值的密度相对较低，并且对数据的时效性要求较高。其技术能够将复杂信息中有价值的数据筛选出来，为人们的工作生活带来了极大的便利，其广泛运用到生活中的各个领域，将会推动新技术的快速发展。
二、大数据时代对高校课堂教学的影响
高校的学科发展越来越复杂，尤其是交叉学科，需要教师不仅能够掌握本学科的相关知识，还要时刻关注其他学科的发展动态，并不断学习相关联的学科知识。大数据时代的到来使教师能够通过多重技术手段获取需要的信息数据，并利用信息的共享性，不断挖掘学科前沿信息，预测其发展动态，从而提升自身的教学水平。
在课堂教学中，融入大数据技术，利用与教学内容相符的视频等资源，可以使学生深入了解理论知识。或是利用大数据技术演示具有危险性的实验，避免危险实验对学生的人身安全造成威胁，通过生动形象的画面让学生充分了解实验步骤和注意事项，并利用回放功能加深学生印象，使学生既避免了实验的危险性，又提升了学习的兴趣，同时也为学校减少了一笔昂贵的实验经费。
很多学校的学生课堂行为都会被摄像系统记录，大数据时代的技术能够帮助教师对学生的学习行为等进行整理分析，使教师充分了解学生的学习情况，根据学生的差异性实施不同的教学方法。
三、大数据时代背景下高校课堂教学的发展趋势
1.增加预测性判断
教育过程具有计划性，教师与学生通常是按照教学计划进行教学活动的。大数据时代的到来，将会为教师的课堂教学提供依据。利用大数据技术对学生的学习情况和日常行为进行整理分析，教师可以充分了解适合学生的教学方法、学习时间、学习方式、理论实践方法等，进而对课堂教学的方法、内容和时间进行相应调整。大数据技术还可以预测学生思想、行为的发展倾向，帮助教师在课堂教学中对学生的不良行为进行有效预防。
大数据时代背景下的高校课堂教学，将会增加预测性判断，提升教师的教育主动权，约束学生行为，提高学习效果，培养学生成为身心健康的综合型人才。
2.发挥教师数据分析能力
大数据时代，高校教师不仅要具备丰富的专业知识，还需要一定的数据分析能力来适应数据支持的决策文化。教师的专业知识水平对课堂教学质量有着直接影响，是教师专业性和教学水平的重要衡量标准。随着大数据时代的到来，教师对教育数据的分析能力，也逐渐成为教学质量的重要影响因素。教师需要在复杂的数据中，找到与学生相关联的、有价值的信息，并运用在课堂教学中，有效地提高学生的学习效果，维护学生的身心健康。因此，其数据分析能力在高校课堂教学中的地位至关重要，在高校课堂教学中充分发挥教师的数据分析能力，已成为高校课堂教学的必然发展趋势。
为了应对这一趋势，高校应适应市场需求，转变传统观念，增加开设数据分析课程，积极培养专业性强并且数据分析能力高的复合型教师人才。
3.个性化教育
大数据技术能够将学生在互联网上留下的所有信息进行总结，对学生过去的行为数据进行分析，教师可以通过分析结果，对学生的兴趣爱好、心理特征、行为特点等进行了解，并具体问题具体分析，明确学生的差异性，适当调整课堂教学的内容、方式及时间安排，对学生因材施教。
大数据时代的来临使教师能够更深入地了解学生，以制订更加科学合理的教学方法。高校课堂教学也将趋于个性化教育发展，更加尊重学生的差异性，不断调整教学策略，以提高学生的学习质量和教师的教学效果。
大数据时代的到来，对社会上各个领域都产生了一定影响，高校课堂教学也深受大数据时代的影响，开始广泛运用大数据技术，以提升教师的教学质量和学生学习效果。增加预测性判断、提高教师数据分析能力、个性化教育已经成为大数据时代背景下高校课堂教学的必然趋势，广大教育工作者应更加深入研究，加强大数据时代高校课堂教学的有效性，推动高校教育的健康、快速发展。
篇3
中图分类号：G640 文献标识码：A 文章编号：1002-4107（2016）07-0068-02
随着大数据时代的到来，数据分析已从过去由专门数据处理人员胜任的工作，变成了商务管理人员的日常事务性工作。企业在享受大数据便利的同时却面临着数据分析人才严重短缺的难题。据麦肯锡公司预计，到2018年，美国数据分析专业人才的缺口将高达14―19万，能够使用大数据帮助企业高效决策的管理人员的缺口将达150万[1]。因此，顺应大数据时代的需要，培养具有数据处理能力的专业人才，已成为目前世界各国高等教育改革的首要任务。
本研究运用大数据时代的思维方式和工作方式，力图设计一门紧密联系企业实践的数据分析课程――“商务决策技术”，以提升学生的商务决策能力，满足大数据时代企业对管理人才的新要求。
一、数据处理课程设置现状
随着大数据时代的到来，我国高等教育研究者针对大数据的特点，对已有的数据处理相关课程进行了改革。如：李海林根据大数据具体特性，从授课内容以及实践环节对高校数据挖掘课程进行了详细设计[2]；邱胜海等针对关系型数据库在面对大数据管理时存在的问题，给出了开展非关系型数据库教学的具体措施[3]。然而这些以大数据为时代背景的教学改革，并非面向数理基础较差的经管类学生。为了提高经管类学生的数据分析能力，我国很多高校已开设数据分析与建模方面的相关课程，也撰写了相关教学书籍。如：蒋绍忠[4]、刘兰娟[5]等编写了各类商务数据分析教材；葛虹等[6]以经管专业课“数据分析与管理建模”为例，提出了知识的系统性训练和创新能力的培养的建议；邓维斌等针对经管类学生在数据分析能力培养中存在的问题[7]，提出编写针对性强的实验指导教材，构建科学的实验教学体系，改变实验教学模式等主要改革措施。然而，这些为经济管理类学生开设的数据处理课程中没有加入大数据的相关内容。
本研究围绕即将开设的“商务决策技术”这门新课，基于大数据理念，从课程内容、教学手段等方面对该课程进行全方位设计。在设计前，为方便日后跟踪学生的学习进展，对学生的数理基础和学习需求等方面进行了问卷调查，并对调查结果进行详细分析。
二、经管类学生数据处理能力现状调查与分析
（一）调查问卷设计
本调查共发放问卷250份，回收有效问卷234份，回收率达到93.6%。主要由2013级和2014级经管类学生填写。主要借助于李克特量表的形式测试学生对相关问题的认知程度。
设计《大数据理念下数据分析方法教学调查问卷》，除了了解学生的性别、年龄、班级、文理科生等基本信息外，还从四个方面进行了详尽的调查：前沿技术、学习动机、教学方法以及考核方式。
（二）调查结果分析
四个方面的调查结果如下。
1.学生对前沿技术的了解程度。很多学生对最新的前沿技术不甚了解。仅118人（占50%）听说过“云计算”，87人（占37%）听说过“物联网”，即使大部分学生会使用手机上网，但调查结果却显示仅168人（占72%）知道“移动互联网”这个词。对“大数据”的了解更为有限，听说过“大数据”这个词的人仅78人（占33%），能准确或大概说出其含义的仅49人（占21%）。其中，25人认为大数据的主要特征是“数据量大”；27人认为是“数据类型繁多”；8个人认为是“价值密度低”；18人认为“处理速度快”，仅3人将大数据的这四个特征全部选中。虽然大部分人对大数据不甚了解，但207人（占88%）对大数据的未来前景较为乐观，173人（占74%）已经感受到了大数据在日常生活中的存在。
2.学生的课程选修情况。为了了解哪类学生会选修这门课程，是数据处理基础好的学生？还是对数据处理感兴趣的学生？学生学习的自信心强弱会不会影响他们的选课？如果所学课程对学生未来工作有用，会不会有更多的学生选这门课呢？带着这些问题，本研究使用SPSS中的Pearson相关性分析法挖掘出影响课程选修状况的主要因素。
从分析结果中可以发现，学生是否选这门课主要取决于两大因素：“工作需要”（相关系数为0.427）和“学习信心”（相关系数为0.163），与学生的“数据处理基础”、“对数据分析是否感兴趣”的关系不大。也就是说，如果学生认为学习这门功课对未来的工作有用，即使他们的数理基础并不好，学习兴趣也不大，他们依然会非常乐意选此课；此外，学生的自信心也是学好这门课的关键。很有信心学好数据分析方法的学生仅占12%，86%的学生对此没有把握。提及何种工作会用到数据分析技术时，仅有131人（占56%）觉得数据分析技术对管理工作有用，91人（39%）觉得对销售工作有用；而94人（占40%）觉得数据分析技术对管理或销售工作根本没用，仅数据分析员或IT工作人员会用到该技术。
3.学生喜好的教学方法。近60%的学生对教学方法不甚了解，特别是现代教学方法。在调查过程中，我们对四个目前热门的教学方法，如：案例式教学法、讨论式教学法、翻转课堂、MOOC进行了详细介绍。最后，65%的学生偏爱案例式教学法，47%的学生偏爱讨论式教学法，对于翻转课堂仅有19%的学生愿意尝试，MOOC仅13%的愿意尝试。当问到哪种教学方法适用于本课程的教学时，44%的学生希望使用案例式教学法，23%的学生觉得翻转课堂不错，22%的学生依然喜欢以教师为主导的讲授式教学方法，88%学生认为MOOC不适合数据处理课程的教学工作。
4.学生喜欢的考核方式。仅有18%的人愿意闭卷考试，开卷考试和学生上台讲解的考核形式最受青睐。此外，78%的学生希望参与到教师评分中，同意教师独自给分的仅占18%，同意仅依靠学生评分的也只占6%。
三、“商务决策技术”课程教学设计策略
根据以上分析，拟在实施本课程教学时注重以下几个方面。
（一）提高学生学习数据分析技术的自信心
该课程涉及定量分析，这是经管类学生最为薄弱的知识点。从调查分析中可以发现，“工作需要”和“学习信心”这两个因素对学生选修该课程比学生的“数据处理基础”和“学习兴趣”更为重要。因此，本课程首先安排2至4个学时来讲解什么是“大数据”，大数据在未来各个领域的应用前景，并通过实例、视频或实地调研让学生了解商务数据分析的一些实际应用，只有当学生切身体会到了数据分析技术在未来生活中的应用价值，才能从根本上调动他们主动学习的积极性和自信心。
（二）丰富大数据相关内容
大数据最重要的应用就在于预测，而预测是商务决策的基础。以往的经济预测多依赖于因果模型的分析，而大数据分析则是运用相关性分析方法从海量数据中发掘数据之间的联系，进而进行有效的预测。因此，本课程将重点讲授相关分析方法，不仅讲授诸如简单线性回归、Pearson相关系数等传统相关分析方法，还会介绍大数据相关分析方法，如：最大信息系数、随机相关系数等。
（三）采用多种教学模式与方法
从调查分析中了解到：以往以教师讲授为主、学生被动学习的传统教学模式不再受到学生的青睐，翻转课堂、案例教学法、讨论式教学法是学生喜爱的教学方式。因此，本课程将采用学生平等参与的讨论式教学方式，并事先设计“自主学习任务单”、制作教学视频、布置案例教学任务等多种教学手段，将教师的教学职能从单一的讲课向设计、组织、帮助与指导方向转变。
（四）师生共建考核方式与信息反馈机制
调查分析结果表明：传统死记硬背的考核方式不再受到学生的欢迎，开卷考试和上台讲课的考核形式更能全方位地衡量学生处理实际问题的能力。因此，本课程拟首先让教师和学生共同制定考核目标，细分考核内容以及考核方式；然后由学生自主选择考核方式和内容。评分时，组织成立学生考评团，所有学生轮番成为考评团成员，与老师双向沟通，共同评分。
本文展示了“商务决策技术”课程开设的调查研究工作，并依据分析结果，提出顺应大数据时代需要，培养具有现代数据处理能力的管理人才的具体措施。希望通过培养学生学好数据处理方法的兴趣和自信心，通过制订合理的教学计划、设计新颖的教学内容、运用现代化的教学模式、采取师生共同参与的考核方式，来提升学生适应大数据时代市场需要的数据素养。
参考文献：
[1]Manyika J.，et al.Big data：The next frontier for
innovation，competition，and productivity[EB/OL].
[2015-11-03].http：///insights/
business_technology/big_data_the_next_frontier_
for_innovation.
[2]李海林.大数据环境下的数据挖掘课程教学探索[J].
计算机时代，2014，（2）.
[3]邱胜海，周玉敏，高锡荣等.大数据时代非关系型数据库
教学与实验改革探索[J].电脑知识与技术，2013，（9）.
[4]蒋绍忠.数据、模型与决策――基于Excel的建模和商
务应用[M].北京：北京大学出版社，2013.
[5]刘兰娟等.经济管理中的计算机应用[M].北京：清华大
学出版，2013.
[6]葛虹，韩伟一.多模式交互教学与教学工作量评估――
以“数据分析与管理建模”为例[J].黑龙江高教研究，
篇4
引言：
信息科技的不断进步引领了大数据时代的到来，大数据技术以超高速计算、海量数据存储以及移动互联网技术等为依托，席卷了全球，带来了生产、科技、教育和生活等方方面面的革新。在教育领域，迄今为止，大多数院校仍采用以工业化批量输出为特点的传统教育模式，在强调个性化的今天，荼毒着学生们的个性化发展，亟待创新，大数据技术的海量数据分析技术为教育的革新提供了可能，在英语教学方面，将大数据技术与高校的公共英语网络课程教学进行有效结合，主张因材施教是未来教育的一大发展趋势，对其接触并深入探讨有利于增加实践经验，以不断完善其进程。
一、大数据时代特征
以2013年为界，大数据思维成为我们解决问题的又一新思路，海量数据分析处理技术是大数据时代的主要特征，依托以海量数据存储为特点的云技术，使得我们在分析问题时能够摆脱抽样分析法，而能够通过对所有存储着的真实数据的分析，得到一些更加有意义的信息。大数据时代的特征主要包括五点，简称5V，分别是存储海量----Volume，运算高速----Velocicy，类型多样----Variety，数据真实----Veracity以及分析有价值----Value。大数据分析技术的广泛应用给各行各业带来了前所未有的革新，不断地改变着人们的生活和工作方式。现在，在社会的各行各业，每天都会产生海量的数据，特别是移动互联网的普及，将每个人类个体与互联网联系在一起，通过互联网数据的跟踪和分析，能够了解每个人的生活、学习方式以及性格等等。特别是在教育领域，慕课、视频课程的出现改变了W生们的学习方式，使得学生们能够根据自己的个人意愿去发展自己的个性化教育，不再受制于地域、时间以及资源有限性等，并且以大数据分析技术为工具，能够掌握学生们的学习情况，从而给予教育工作者更多有价值的反馈，以提高教育质量。
二、大数据技术与高校公共英语网络课程教学结合的优势
在大数据时代的技术背景下，将大数据技术与高校的公共英语网络课程教学进行巧妙融合是提高学成果的一大有效手段。高校的公共英语教学属于基础型科目，面向的是全体同学，以大班教学为主，即使是网络课程的多样性，也无法实现每个同学的个性化教育，从很大程度上限制了个体的发展，而大数据分析技术的引入则很好地解决了这一问题，通过对海量数据的分析，能够得到一些对教育有价值的信息，从而能够有效指导教育的下一步进展。
大数据技术与高校公共英语网络课程教学结合的优势主要表现在三方面，一是学生个体，二是教师教学，三则是网络教学平台建设。学生是该项目的直接受益人，通过建立英语网络教学平台，在该平台上一系列相关的教学资源，能够使得学生随时随地进行学习，完美地突破了时间和空间的限制，学生可以在英语网络教学平台上通过观看教学视频的方式习得所需知识，还可根据自己的知识理解能力和时间安排自行安排学习进度和视频回放，极大地增加了教育的普及度，学生们还可以通过在线互动的方式来和老师同学交流，有效地解决了答疑的问题，另外，学生们的在线学习记录均会被记录存储在数据库中，教学视频的者和教学平台的管理者均可以通过对单个学生学习轨迹数据的分析处理，掌握该学生的学习习惯和学习思维，从而方便高校制定针对个性化的教学方案。该项目的实施有利于提升教师们的教学能力，网络在线课程的数据收集，通过大数据技术的处理能够很容易地指导某个知识点同学们的理解程度，例如对于某一部分教学视频，学生们的浏览量数据明显很高，或是对于某一知识点的测验题，学生答错的概率明显高，这就说明该知识点是学生们的难点，下一定的教学资料准备就要进一步解决这一知识点；数据的关联性分析是大数据处理技术的又一大能力，它能够通过对众多看似毫无关联的数据进行分析处理，运用高效的数据分析技术取得一些关联信息，来指导教师们的教育教学活动进展。大数据技术还能够指导英语网络教学平台的建设，教学平台建设之初，因为缺乏实际经验，一定会存在很多不足之处，完善其建设的措施除了调查问卷等这些被动式的方式之外，还可以主动进行浏览量、学习时间分布、学习停留时间，知识点视频点击率等数据分析，以合理规划教学内容、资源上传时间、资源关联内容等，来完善英语网络教学平台的建设。
三、大数据与高校公共英语网络课程教学结合的优化策略
鉴于大数据分析技术对教育教学的显著优势，将大数据分析技术与高校的公共英语网络课程教学结合起来是教学模式改革的一个好思路。但是在大多数院校的实际施行中，由于经验欠缺，使得这一项目成效虽有提升，然却差强人意。分析其症结，主要是在改革方式、教师培训以及教学管理上存在问题，要完善该项目，必须合理选择英语教学模式、加强教师队伍的建设和加强教学管理，下面具体展开论述。
1、合理选择英语教学模式
新时代英语教学模式主要分为三种，一是反转课堂，二是微创新课堂与小微课，三是慕课。每种模式均对应着不同的教学方法，反转课堂是将传统的授课模式完全反转，即知识点内容学习由学生课下在教学平台上完成，课堂不再用于知识点的讲授，而作为小组讨论和知识点答疑的场所，这种教学模式完全颠覆了传统的填鸭式授课模式，主张以学生为主体，充分发挥学生们学习的主观能动性，在英语教学中，还能提高学生们的口语交际能力，是一种高效的英语教学方式，适合校园网建设完善、硬件设备齐全的绝大部分高校，但是对学生们的自主学习能力要求较高。微创新课堂是介于反转课堂模式和传统教学模式之间的教学方法，它综合两种教学模式的优点，未完全摒弃传统课堂讲授知识点的教学模式，而是将课堂的课时分为了两部分，一般是以6：4的比例将课堂分为讲授和互动环节，并且还包括教学平台上的小微课，这种教学方式适用于个性化教学，规避了学生们不同自学能力的差异。慕课是大规模上课程的简称，是一种完全的网络在线教学模式，教师们将教学视频、教学课件、测验题、课程作业等完全到教学平台上，并设置作业提交期限、成绩提交期限以及课程截止日期，由学生们自主安排时间，这种教学模式脱离了实体的课堂，完全突破了空间的限制，适合于通识教育教学。三种教学模式各有优缺点，各大高校要依据自己学校教师、学生以及学校设施的齐全程度，因地制宜，合理选择教学改革的模式，切忌盲目跟风、不顾实际。
2、加强教师队伍建设
教师是教学活动的支持者，决定着教学活动的进程和质量，教学改革的实施与教师的能力密切相关，新时代教学模式的改革要求教师有着相当熟练的信息技术操作能力以及与时俱进的知识信息更新能力，因此对各大高校来说，积极引进新一代优秀教学人才以及加强对老教师的教学能力培训显得十分重要。积极引进人才，更换新鲜血液，加强能力培训是提升教师队伍整体专业素质的主要手段，只有建立高质量的教师队伍，才能保证教学改革的不断创新以及新思路的提出。
3、加强教学管理
教学管理工作是完善教学质量的重要保障，加强教学管理工作主要从以下几个方面展开。一是要基于经验总结和大数据分析为教师们的教学安排提供建议和指导，例如要能够依据网络大数据分析技术合理划分学生们的英语能力等级，并根据不同的等级区间实行分级教学；要能蛞谰荽笫据分析技术得出最高效的视频授课时长，并根据学生们的不同等级设置视频倍速调节按钮；要能够基于大数据处理技术给授课教师提出具体建议，以提高学生们的学习兴趣和自学能力，以发展学生们的个性化学习。二是针对新的教学模式，首先实行教学试点，然后根据教学成果验收不断改进该模式，直到形成比较完善的体系，再进行全校范围推广。三是加强对教师的监督，合理量化教学劳动成果，保证新型网络教学模式能够有效实施。
结语：
高校公共英语的网络课程教学是一种新的教学模式，它依托于网络技术的普及，而大数据时代的到来，则为海量网络数据的处理分析提供了可能，由此能够为依托数据的教学活动提供关联性分析，以此指导高校的英语教学，从而能够为学生制定个性化学习方案、提升教师的教学能力以及完善网络教学平台的建设。但是，目前大多数高校的英语教学网络课程建设在教学方式的选择、教师队伍的建设以及教学管理上还存在着一些问题需要解决。但无论怎样，大数据与高校公共英语网络课程教学的有效融合是大势所趋，因此各高校仍要积极探索，不断完善教育的革新。
参考文献：
[1]张燕南.大数据时代思维方式对教育的启示[J].教育发展研究，2013，45（21）：14-15
[2]宓秀梅.大数据时代的英语教学及教师角色定位研究[J].中国信息技术教育，2015，66（18）：71―72.
篇5
一、大数据的内涵与特点
目前，对大数据还没有统一的定义。基于大数据的特点，行业内普遍从大数据的规模性、多样性以及高速性、价值性四个方面阐述其内涵。首先，大数据能够帮助对现有事物有感知作用。“面向领域或主题的历史数据与当前数据的融合，是对潜在线索与模式的挖掘、对事件群体与社会发展状态的感知。”[1]其次，大数据能够对未来发展有预测作用。通过数据，整理、提炼出事物发展的未来趋势，为工作提供一定的可靠材料。最后，大数据发挥出服务作用。利用大数据，提高社会服务的效率是其所要实现的目标。
二、MOOC与大数据
MOOC（Massive open online course）即大规模开放式在线课程。“大规模”“开放”“在线”突出表达了MOOC的特点。MOOC的兴起与互联网技术、传统教育模式、高等教育成本有直接的关系。互联网技术将人们带入了前所未有的科技世界中。互联网技术直接改变了人们的生活方式、工作形式。互联网技术为MOOC的兴起提供了最直接的技术支持。20世纪初，美国教育家杜威提出“新三中心”，即“以儿童为中心，以活动为中心，以经验为中心”。他的教育思想是对传统教育模式的有力反击。对于滞后的传统教育模式，MOOC教育同样对出相应的变革；高等教育成本是每一所高校不可回避的问题。“在世界范围内，高等教育成本的大幅攀升使得低成本的教育解决方案在广泛的人群中拥有庞大的需求，美国大学生一年大学学习的平均花费为27，435美元，这意味着一名学生获得学士学位需要花费超过10万美元。”[3]MOOC教育的免费政策正是该项高教难题解决的办法之一。
MOOC与大数据之间关系紧密。首先，MOOC本身依赖于互联网技术，是科学技术的体重体现。其次，MOOC产生大量待分析的数据。在MOOC教育平台上，从参加课程的学生名单到教师授课内容的统计等，产生了庞大的待分析数据。最后，MOOC在教学体系中运用大数据分析技术。良好的数据分析将会大大提高MOOC对实际数据的利用能力。通过对数据的挖掘，MOOC能够获取第一手有价值的教学信息，结合数据反馈的信息，在教学体系构建中利用起来。
大数据背景下，MOOC对于高等教育领域的影响在于，它借助于大数据分析手段在教学内容、教学方式、教学成果评价和教学文化四个方面为学生、教师、学校重新构建了一个全新的教学体系。
三、大数据有助于MOOC重构大学教学体系
“技术向来都是教育的附属品。技术通过促进一个人人平等的知识狂潮而发挥着核心作用，在这个知识狂潮中，学习即是开放的，也是不受班级与课表的限制。”[3]教学内容、教学方式、教学成果评价以及教学文化共同构成了教学体系。大数据分析手段帮助MOOC教育重新塑造大学教学体系。
1.大数据中的MOOC教学内容
MOOC教育在大数据分析手段的影响下，教学内容将有重大的变革。根据我国互联网信息中心统计数据显示，“截至2010年12月，中国青少年网民规模为2.12亿。青少年互联网渗透率较高，60.1%的青少年都是网民，超出全国平均水平25.8个百分点。”[4]现代大学生是真正意义上的“数字土著”。“数字土著”是“美国北卡罗来纳大学著名学习软件设计家Marc Prensky提出了‘数字原住民’（Digital Natives）和‘数字移民’（Digital Immigrants）的概念，用以表征父辈与子辈在数字化技术方面的巨大差异。”[5]
在传统大学教育体系中，教学内容的确定有一定的滞后性、呆板性。教材知识内容更新缓慢，不顾知识发展的规律，重复使用，对于学生来说弊端较多。同时，教学内容缺乏灵活性。呆板的教学内容调动不起来学生的积极性。通过高端的大数据分析技术，MOOC将大量的、丰富的教学内容提供给学习者。“MOOC在当今社会之所以形成强大浪潮，引起人们广泛关注，根本原因在于它为人类的知识创造提供了一个崭新平台。”[6]MOOC优质的课程资源搬到网络上，变革了传统的教学内容。例如，Coursera是免费的大型的公开在线课程项目，该平台上的课程总数已达124门。MOOC平台上，学生可以任意选取自己感兴趣的课程，感受名校教授讲课的魅力，体验不同教授对知识的多样见解。数据显示，“来自世界各地的160000人注册了斯坦福大学Sebastian Thrun与Peter Norvig联合开出的一门《人工智能导论》的免费课程。”[7]在此基础上，MOOC教育提供者能够获取学生选择课程的具体信息。从这些信息中，研究人员将受到学生欢迎的课程罗列出来，供教育研究人员、教师参考。大数据分析成功的将学生感兴趣的教学内容呈现出来，方便教师及时调整课程的上线数量。无形中，大数据分析改变了传统教学内容。全新的教学内容将得到更多学生的喜爱。
2.大数据背景下的MOOC教学方式
教学方式是指教师在要求学生获取知识，提高能力，获取学习方法的过程中所采用的方式。MOOC教育中，数字化的教学方式逐步渗透到高等教育当中。由于MOOC教育中知识的学习通过视频与网络传播，教师的教学方式必须做出相应的转变。MOOC数字化的教学方式是循序渐进的过程，电脑化的教学方式也将被学生、教师逐渐适应。亚利桑那州立大学的执行副教务长菲尔?莱杰尔认为“我想大部分的教师会认为这是一个好的转变。另外，3年后80%的教师都会熟悉数字化的教学方法了。”[8]除去数字化的教学方式，MOOC平台上的课程教师还将多种教学方式结合起来。通过一段时间的检验，一些课程通过数据分析，教师还根据数据反映出的不足改进自己的教学方式。MOOC促进了师生之间围绕知识进行更多的互动。利用大数据分析手段，教师可以将课堂上的时间空出来，利用课堂时间将关键的问题罗列出来，引导学生进行讨论。在此基础上，大数据分析催生了多种教学方式的综合运用。
3.大数据分析中的MOOC教学成果评价
MOOC利用大数据的优势变革了传统教学评价方式。一般来讲，教学成果评价表现在两个方面，一是教师评价改进自身课程，提高课程质量。二是学生学习成果的评价。以往的教学成果评价的弊端在于只有等到考试的时候，教师才第一次了解到学生是否真正掌握了知识。然而，MOOC平台上，通过对大数据的分析与处理，教师可以迅速的改进课程。“由于MOOC课程参与人数极多，机器学习机制能够对大量数据进行分析，从一个人看过多少次视频，到一个题目有多少人答对。”[9]教师通过平台后的数据库，能够分析数以千计的学生学习成功与失败的关键原因，找到课程需要相应作出调整的地方。更值得注意的是，MOOC的实时性。MOOC可以使教师在任意时间内都能够获取到这样的数据加并以分析和利用。教师获取这些数据后，既可以改进课程，又可以给学生更好的建议，帮助他们改变学习方式，提高学习成绩。对于学生来说，MOOC平台上，学生学习成果评价在“具体评价方式与课程认证两个方面对传统模式进行了革新。”[10]大数据为MOOC平台的学生提供更新颖的评价内容。首先，MOOC教育中采取了软件机器评分与同学互评相结合的方式。MOOC对于理工科学生的学习成果多采用软件或机器的评分方式。利用软件或机器的优势在于它们能够更为精确的批复出学生作业或测试中的错误。
4.大数据影响下的MOOC教学文化
从现有教学文化内涵研究来看，不同学科的研究者提出了不同的阐述内容。一般认为，教学文化“基本结构分为三个方面即教学的有效性、学生的参与性以及学习的主动性。”[11]大数据分析方式对教学文化的影响是出乎意料的。首先，大数据分析手段帮助MOOC教育增强了其教学的有效性。以往部分教师在教学内容的选择、设计上没有下功夫，知识更新速度慢。MOOC平台上，教师为学生提供的是高质量的教学内容。MOOC上的课程都是经过精心筛选，出自世界名校教师之手。这些课程教授过程中，教师采取了多样的教学方式，教学语言多样化，适应不同学习需求的学生。频繁的互动，将有助于避免学生注意力分散情况的发生，进一步提升了教学的有效性。MOOC课程不仅能够实现在课堂上师生之间的交流，同时，还有助于在课堂上形成师生、生生之间的沟通与交流。其次，大数据分析手段帮助MOOC教育提升了其学生的参与性。通过MOOC数据统计显示，在以往在线教育过程中“每学期只有5%-10%的学生能做到经常在教室里或课堂上参与深入讨论，其余学生的态度则是相当消极的。”[12]因此，高等教育教学必须将学生的参与性调动起来，这样才能更好的实现教学目标。MOOC教育实现了提升学生学习精力投入的目标。
篇6
1.1大数据时代对大学生的数据驾驭能力提出了新的挑战
在大数据时代，大学生若想获得好的就业机会需要有较强的数据驾驭能力，即数据素养，在科学数据的采集、组织和管理、处理和分析、共享与协同创新利用等方面的能力，以及研究者在数据的生产、管理和过程中的道德与行为规范。而大学生们鲜有接触大量数据并从中剔除糟粕找寻有用数据的经历，顶多是进行过几次较浅显的问卷调查工作，对数据技术、数据分析方法及相关软件、国际数据化发展进程等知之甚少，在数据素养方面可以说是零基础。
1.2大数据时代对大学生理性思维能力提出了新的挑战
在大数据时代，人们对于过往经验的依赖程度降低，而对数据分析得来的实时结果信任度大大提升，因此赢得就业竞争需要大学生具备理性、逻辑性强的思维方式，从而能冷静、不带感彩地处理和分析数据，得出客观的结论。而大多数中国学生的理性、批判性思考的能力偏弱，缺乏个人的独立思考，且文科专业尤其是语言类专业的课程设置对培养大学生理性思维能力的作用较小，大学生的理性思维能力亟待提高。
1.3大数据时代对大学生精确、快速、实时行动的能力提出了新的挑战
大数据时代信息瞬息万变，因此数据也是具有时效性的，要获取实时数据反馈就必须有精确快速的反应能力和行动能力。一部分平常对于生活中的信息疏于收集的大学生可能会缺乏对信息的敏锐度，从而导致其较慢的反应力和行动能力，若其这方面的素质没有得到提高，则可能会在工作中产生在数据分析工作完成后却发现得出的结论已不具时效性的情况，导致丧失最佳的工作机遇，降低了自身的职业发展竞争力。
2如何在大数据时代提高大学生就业竞争力
大数据时代带给了大学生数据分析能力、思维方式、科学精神、行动力等方面的就业挑战，因此政府、各高校及大学生自身都应积极应对挑战，从不同层面克服困难，共同提高大学生在大数据时代的就业竞争力。
2.1高校、政府应建立大学生就业大数据分析机制，做好大学毕业生的就业、创业服务工作
大学生就业大数据分析离不开大数据的支持，而大数据的建设是一项科学、有序、动态且可持续发展的系统性工程。政府需要从建立运行机制、规范建设标准、建设共享平台、提供专业队伍等多方面进行支持，且通过建立各高校就业数据库，分析各校历年就业率与其获国家资源倾斜度的关系，也能调节教育支持的力度，更好地帮扶教育产业。除此之外，将就业数据库数据与就业市场相关数据相比，还能帮助人力资源供需双方形成更理性的预期，减少就业矛盾，实现人力资源市场的多赢。而学校通过广泛收集历年大学生就业期望、就业去向等信息，并将其数据化，收入数据库，能有效预测毕业生就业率、就业去向。
2.2高校应推行大数据战略，让大数据走进课堂教学，培养大学生大数据意识
各高校应结合大数据时代特征进行教学改革，推行信息化管理与信息化教学。学校的管理与教学活动都存在着固定性与周期性，如对教师的考核、学生测试成绩分析、就业情况分析等，可以利用计算机分析这些数据并推荐合适的解决方案；课堂上，教师也应顺应信息化教育，突破传统的教学方式，通过“微学“”微课”等方式提高学生的学习兴趣，从而提高学习的效果。同时，知识点也可以通过数据化与测试题建立联系，计算机可以通过分析错题数、做题时间等数据为老师提供不同学生对于不同知识点的掌握情况。只有在校园中营造一种大数据氛围，培养学生们利用数据分析找寻有用信息的习惯，才能让他们具备大数据意识，做好走进大数据时代职场的准备。
2.3大学生要提高数据驾驭能力，透过数据看本质
大学生可以多对社会热点问题进行实践调研，通过访谈、问卷调查等方式获取大量真实数据，然后通过整理分析这些数据锻炼自己的数据驾驭能力。在整理实践调研的数据时，掌握图表分析、数据模型及数据分析软件的使用方法，如Hadoop、MapReduce等，提高数据分析的工作效率和准确性。除了加强数据分析技术的学习外，也需要补充来自统计学、数据挖掘等学科的理论知识，为数据分析提供理论支持。同时，勤思考、多动手、多总结的做法也能帮助大学生透过数据看本质。海量数据中不乏有虚假、消极、错误的数据信息，因此大学生必须具备良好的数据分析能力。数据分析就是一个不断假设、验证的过程，耐心、肯钻研的科学精神能够帮助大学生在一次次的假设验证后找到本质的规律。通过不断地实践练习，提高对数据的敏感度、分析能力，为日后职场中更好地开展数据分析工作打下基础。
2.4大学生应养成独立思考的习惯，培养逻辑思维和理性思维方式
大数据时代是鼓励个性化的时代，鼓励通过数据挖掘发现隐藏于数据下的种种规律，要做到这点，大学生必须要有独立思考、不受常规想法束缚的能力。美国计算机专家埃齐奥尼尔购买机票后却发现周围比他买票晚的乘客票价居然比他的便宜，本来是再普通不过的生活现象，但这却引发了这位专家的思考。他分析到若获得美国每一条航线上每一架飞机内的每一个座位一年内的综合票价的数据库，就可以预测飞机票的涨跌势，为消费者提供参考。这样的思考促使他最终创立了Farecast票价预测工具，顾客平均每张机票可节省50美元。独立思考不是漫无目的地想，而是有逻辑地思考。大学生要注意在日常生活中就养成逻辑推理的习惯，在问“是什么”后还要问“为什么”，尝试通过自己的推理找到答案，这是大数据时代对人才的要求。
篇7
[2] 李治国. KPI与业务体验相结合的移动宽带客户感知评价体系研究[J]. 移动通信， 2015，39（12）： 92-96
[3] 李治. 基于覆盖控制的FDD-LTE网络质量管控体系研究[A]. 2015 LTE网络创新研讨会论文集[C]. 2015.
[4] 维克托・迈尔-舍恩伯格，肯尼斯・库克耶. 大数据时代[M]. 杭州： 浙江人民出版社， 2013.
[5] 中国联通河南省分公司. 中国联通移网用户感知大数据分析系统项目建议书[Z]. 2016.
[6] 中国互联网络信息中心. 第37次中国互联网络发展状况统计报告[R]. 2016.
[7] 中国联合网络通信集团有限公司. 2016年运维专业线考核指导意见[Z]. 2016.
篇8
中图分类号：G632 文献标识码：A 论文编号：1674-2117（2015）13/14-0112-04
从基于物联网技术构建的智慧教室，到利用电子书包开展智慧学习，以及基于云计算和网络技术搭建的智慧课堂，信息技术增强了课堂互动交流，提升了课堂教学效率。大数据时代，开展基于大数据技术的动态学习评价，建立基于学习数据分析的智慧课堂，为现代学校智慧课堂的构建与应用提供了新的思路。
智慧课堂的定义
目前对智慧课堂的定义总体上有两类：一类是从“智慧”的语义学上定义，与“智慧课堂”对立的是“知识课堂”；另一类是从信息化视角定义的。本文的定义是基于后者。从信息化的视角来看，随着信息技术不断发展及其在学校教育教学中的应用，信息技术从早期的辅助手段向与学科教学的深度融合发展，传统课堂向信息化、智能化课堂发展，对智慧课堂的认识也在不断深化。
目前基于信息化视角对智慧课堂概念的定义有三种。一是基于物联网技术应用的。这一定义强调基于物联网的“智能化”感知特点。二是基于电子书包应用的。这一定义强调基于电子书包的“移动化”智能终端特点。三是基于云计算和网络技术应用的。这一定义强调课堂中的“个性化”学习应用特点。
这里我们结合实际开发应用，提出基于动态学习数据分析的智慧课堂概念。即智慧课堂是指利用大数据、云计算、物联网等新一代信息技术打造的智能、高效的课堂，是基于动态学习数据分析和“云+端”的运用，实现评价反馈即时化、交流互动立体化、资源推送智能化，全面变革课堂教学的形式和内容，构建大数据时代的信息化课堂教学模式。
智慧课堂的主要特点
基于动态学习数据分析和“云+端”运用的智慧课堂，与传统课堂相比，在技术和教学应用上具有重要的特色和创新价值。主要特点有：
①基于数据的课堂：一切靠数据说话，依据学生学习行为大数据挖掘分析与决策，用直观的数据了解学生对知识掌握的水平，精准地掌握来自学生的第一手学情资料。
②高效互动的课堂：利用智能化的移动学习工具和应用支撑平台，教师与学生、学生与学生之间的沟通与交流更加立体化，能无障碍地进行即时交流和互动。
③动态开放的课堂：借助于新兴信息技术及各种智能终端，课堂系统超越了时空限制，实现更为开放的教室、更为开放的课堂活动，让课前、课中、课后融为一体。
④合作探究的课堂：采取小组协商讨论、合作探究的学习方式，协作群组服务能够帮助有相同学习需求和兴趣的学习者自动形成学习共同体，教师可以通过平台对小组合作进行实时的数字化评价和及时的反馈。
⑤个性化学习的课堂：通过课前预习测评分析和课中随堂测验即时分析，实现对学生的个性化学习能力的评估，有针对性地制定教学方案和辅导策略，真正实现“一对一”的个性化教学。
⑥教学机智的课堂：教师基于动态学习数据分析和即时反馈，采取机智性行动，及时调整课前的教学设计，优化和改进课堂教学进程，充分体现教师的教学智慧和教学艺术。
智慧课堂的信息化环境
智慧课堂常态化应用的前提是具有先进、方便、实用的工具手段，为此，需要构建基于学习动态数据分析和“云+端”应用的智慧课堂信息化环境。智慧课堂信息化环境的基本架构如图1所示。
智慧课堂信息化环境的总体架构包括三大部分，其主要功能是：
①微云服务器：提供本地网络、存储和计算服务，可以方便、直接地将即时录制的当堂课程进行本地化存储；构建无线局域网，教师和学生可以通过多种移动设备，在无需互联网的状态下，实现任意点对点的通讯与交互，节省大量互联网资源的占用；当连接互联网时，可以实现教室的跨越空间的直播。
②端应用工具：包括教师端和学生端。教师端实现微课制作、授课、交流和评价工具，导入PPT并实现动画及视频的插入，电子白板式任意书写，实现任务、批改作业、解答问答等。学生端可以接收并管理任务（作业），直接完成作业，进行师生交互、生生交互。
③云平台：提供云基础设施、支撑平台、资源服务、教学服务等，如构建完整的教学资源管理平台，可以进行结构化与非结构数据的各种教育教学资源管理，支持各种教育教学资源的二次开发与利用，实现多种教育教学资源综合应用。
智慧课堂的教学流程
在教学实践运用中，智慧课堂的教学流程为“3+10”模式，即由3个阶段和10个环节组成。这些阶段和环节包括了教师“教”和学生“学”的共同活动以及它们的互动关系。智慧课堂的教学流程如下页图2所示。
1.课前环节
学情分析：教师通过智慧课堂信息化平台提供的学生作业成绩分析，精确地掌握来自学生的第一手学情资料，预设本节课的教学目标，并向学生推送微课或富媒体预习及检测的内容。
预习测评：学生预习教师推送的富媒体内容，完成和提交预习题目，并可在论坛或平台上进行相关讨论，提出疑问或见解，记录在预习过程中的问题。
教学设计：教师根据学情分析结果和学生预习检测统计反馈的情况，以学定教，确定教学目标、内容、方法等，优化教学方案设计。
2.课中环节
课题导入：教师采取多种方法导入新课内容，主要通过预习反馈、测评练习和创设情境等方式导入新课程，学生展现课前自学成果，围绕新课导入进行演讲展示、分享观点。
探究学习：教师下达新的学习探究任务和成果要求，学生开展协作探究学习，主要包括小组合作探究、游戏教学等方式。教师设计活动，为学生分组，进行互动讨论，学生开展小组协作后提交成果并展示。
实时测评：学生完成学习探究任务后，教师将随堂测验题目推送到每个学生终端上。学生完成随堂测验练习并及时提交，教师进行实时诊断和反馈。
总结提升：教师根据实时测评反馈结果对知识点、难点进行总结和点评，对薄弱环节补充讲解，重点进行问题辨析。学生针对教师布置的弹性分层作业和任务，对所学习的新内容进行运用巩固、拓展提升。
3.课后环节
课后作业：教师利用平台个性化的课后作业，学生完成课后作业并及时提交，得到客观题即时反馈。
微课辅导：教师依据学生课堂的学习情况，结合批改作业，录制、讲解微课并有针对性地推送给学生，进行个性化辅导。
反思评价：学生在线观看教师所录解题微课，总结所学内容，在平台或论坛上感想与疑问，与教师、同学在线讨论交流，进行反思评价。
智慧课堂教学应用实例
我们研究与开发的“基于动态学习数据分析的智慧课堂”，已经在全国各地许多学校进行实际应用并取得良好成效。2015年1月10日，由蚌埠市教育局主办的“蚌埠首届智慧课堂观摩研讨会”在蚌埠二中举行，来自安徽、上海、江苏、深圳、武汉等省市的1000多名中小学教师前来观摩6节课，《中国教育报》专题报道了这次观摩活动。在观摩会上，蚌埠第二实验学校基于“智慧课堂信息化平台”开展了一堂教学实践课“认识三角形”。该堂课利用信息技术的优势，使学生课前学习微课；课堂上根据学生的认知特点，创设“金字塔闯关”的游戏情境，并进行实时测评和资源推送，结合任务驱动教学法展开深入的探究活动。
1.观摩课名称
认识三角形。
2.课程描述
“认识三角形”是苏教版《数学》第八册的教学内容。
3.教学目标
①利用生活经验，通过观察、操作等学习活动，认识三角形的基本特征，了解三角形两边之和大于第三边。
②在认识三角形的活动中，体会认识多边形特征的基本方法，培养观察、比较、抽象、概括能力。
③体验并掌握自主学习的形式和方法，培养学习兴趣，培养合作交流的意识和创新精神。
4.教学模式
（1）课前环节
发放资源：在微课平台发放学习资源，学生在家自主学习三角形的相关知识，并完成教师在作业平台发放的作业包。
微课学习内容：①三角形的基本特征；②三角形的三边关系。
（2）课中环节
集体分享：利用平台观看学生作业平台中的“生活中的三角形”。
游戏教学：利用三角形的相关知识，与同学合作探究，巩固深化学习内容。
①自主创造。学生可以自己独立创造一个三角形，或与同学合作，创造一个三角形拍照并上传。教师展示学生作品并点评。
②分组探究。小组合作，从4根小棒中任意选3根，围成一个三角形，写出所有选法。教师巡视指导并展示学生上传的数据记录，进行分析，使学生进一步理解“三角形两条边的和大于第三条边”。
③自主学习。学生完成作业平台中的测评练习。教师借助数据分析平台提供实时反馈图，针对问题展开讨论。
④巩固练习。依据所学内容，教师提出问题（把20厘米长的吸管截成3段，每段长是整厘米数，围成一个三角形，思考：最长的一条边最多是多少厘米？）和要求，学生先独立思考，再动手操作。
（3）课后环节
总结讨论，教师提出课后任务：通过今天的学习活动，你有什么感受？
5.效果评价
这是一节充分展示“智慧课堂”技术与教学深度融合的课。教师在没有“刻意”应用“技术”的痕迹下，以极其自然的方式，通过大数据分析、小组协作以及“云+端”设备的应用，实现了“探究学习、主动学习、游戏化学习”等一系列传统课堂难以实现的教学理念和方法。这是一节形式与内容均发生了深刻变化的高效课堂，充分展现了教师基于动态信息反馈的教学机智。
参考文献：
[1]王盛之，毛沛勇.基于数字化教学案的智慧课堂互动教学系统实践研究[J].教学月刊（教学管理）中学版，2014（4）.
篇9
0 引言
大数据、微课堂、个性化教育，给人一种强烈的时代感，让人立刻想到当前信息时代的产物。在当今世界个性化教育或者说自主学习成为趋势，而微课堂作为一种自主学习的方式，符合当前社会个性化教育的要求。微课堂根据课程标准来制作，通过互联网络，以多媒体为载体，围绕教学中的知识点或教学环节而展开的符合学生认知特点的教与学的活动。微课堂是信息化教学的饯行者，微课堂通过多媒体使教学信息前移，是信息技术在教育领域的创新。微课堂改变了传统的课程资源建设的核心，使传统的课程资源以教师上课为核心，资源的收集和建设主要围绕教师上课的需求；而微课堂的出现使得课程资源的建设向以学习者自主学习为核心，资源的开发和建设重点围绕学习者的学习需求。微课堂也改变了教育教学方式，使传统的以教师讲授为核心的教学方式向以学生自主学习、师生共同深度拓展为核心的启发式学习转型，使传统的以“教案”预设为特征的“演员型”教师向以教师组织下的师生共同深度拓展建构式学习的“导演型”教师转型。而随着大数据、云计算、深度学习的发展，微课堂的教育教学方式将获得更好的发展。而本研究主要探讨大数据对微课堂实施个性化教育的推动作用。
1 微课堂的本质
微课堂以建构主义为理论指导，强调的是课程的精心设计。在微课堂中教师根据教学内容将知识进行详细分解，并以教学视频的形式将知识点的讲解过程显现出来，这些教学视频都是以这个知识为核心。教学视频要求语句简练，教学内容易懂易学，并且要符合学习者学习规律――即视频时长不能过长，一般都要求在5-15分钟之间。微课堂的教学视频将教学内容进行了精细的讲解，并且这些视频也可以反复的观看。学习者在进行微课堂学习的过程中，辅助以教师上传的电子讲义和作业习题等资料以达到更有成效的学习。微课堂在建设的过程中要求课程教师将知识进行足够细致的切分，确保知识能在5-15分钟内能够讲解清楚，并且学生能够快速的理解接受。通过微课堂，教师不再需要对知识点进行重复的讲解，这为课程教师节省了大量的时间和精力，课程教师可以利用这些时间和精力对学生进行有针对性的指导，提供个性化的教学，提高学生的学习效果和教学效果。在微n堂中学习者可以重复的观看教学视频，从而对知识点进行查缺补漏。由于受到时间的限制，微课堂的课程比传统课堂课程教学设计更加简洁精练。虽然微课堂的教学资源呈现碎片化，但是微课堂的主线不散，所有的知识点和资源都是围绕一个主题进行展开的，微课堂的课程由教学内容、课间练习、课后练习、反馈、讨论和评估构成，与传统课堂课程相对，更加注重反馈。微课堂要求在短小的视频中必须包含与学习内容相关的问题，通过这些问题以获得学习者的及时反馈，了解学习者对学习内容的了解程度。
2 大数据助力微课堂个性化学习
大数据时代的到来，给教育带来了重要的机遇。在教学过程中，通过收集学生学习活动的各项数据，并利用大数据的分析功能可使我们了解不同学习者的不同需求，并根据学习者的需求开发和查找到适合个性化学习的学习资源、学习路径，因此实现真正的因材施教。大数据具有以下基本特征：（1）大量性。在大数据时代，数据的量巨大；（2）多样性。大数据的数据类型多样，既包括文本结构的数据，也包括非文本结构的数据――音频、视频、图片、地理位置等；（3）价值性。大数据价值巨大。在大数据中不仅包含了个人的信息，也包含了个人的行为习惯、学习爱好、个人需求等等，这些对于教育来说都是价值巨大的，但价值密度低。由于大数据的这些特性，正好解决了微课堂实施个性化教育的需求，推动了微课堂个性化教育的发展。具体作用体现在以下几个方面：
（1） 在微课堂的建设过程中，在大数据的辅助下，解放了课程教师，教师有更多的时间专注于提供个性化教学。
在大数据时代到来之前，微课堂的建设相当复杂，课程教师承担着课程建设的主要任务。在大数据时代到来之前，课程教师要建立一门微课堂课程首先要组织一个课程制作团队，然后课程教师要对课程知识点进行细分，接着根据细分的知识点录制相应的视频，同时还要分配人员去查找与知识点相关的资料，来辅助课程视频的录制。在视频录制好之后还要进行处理等等。这是一个复杂而费时的工作，但是课程教师却要全程跟进。再加上在微课堂教学中要解决学生的疑问，课程教师已经忙得焦头烂额了。然而大数据时代的到来，解决了课程建设中的很多问题，课程教师不再需要制作所有的视频和查找相关的资料了。通过大数据数据分析功能，可以快速的将课程需要的资料整理出来。大数据的分析功能也可以提供课程建设相关建议，课程教师在大数据的帮助下，能够很快的制作出微课堂课程。随着大数据时代的发展，课程的建设可以有机器来完成，教师就可以完全的从课程建设中解放出来，把教学重点放到个性化的教学和一对一的解答中去。
（2）大数据使得面向大众的教学向面向个性化教学转变成为可能。
当前的教育，不管是传统的教育教学还是基于网络的MOOC教育教学，大部分都是面向大众的教学。教学内容教学目标教学方式都是一样，学生要么集中到一个教室要么坐在电脑跟前，通过相同的教学方法观看着同一位老师讲着相同的内容。教师根本上就没有办法考虑个性化的教育，因为受教育的人数太多。然而大数据时代的到来，将改变这一状况。在学习者开始学习之前，微课堂会通过一序列的测试、问卷以及学习者在云端的数据来分析学习者的学习风格、学习爱好和知识水平，并且在学习过程中，全面地记录、跟踪和掌握学习者的不同学习特点、学习需求、学习基础和学习行为，并应用大数据的数据分析功能，为不同类型的学习者打造个性化学习、推荐个性化学习资源、学习方法等，从而使教学从面向大众转向面向个性化。
（3） 教学方式、教学重点、教学难点不再是由教师根据个人的主观经验来制定，而是由大数据的数据分析，找出学生各自的学习难点与重点。
在大数据之前，教学方式、教学重点教学难点是由教师根据个人的教学经验来确定的。然而现实学习过程中，不同的学习者喜欢的教学方式不一样或者说不同的学习者适合不同的教学方式。同样，学习的重点和学习难点对于不同的学习者来说应该不同，这也是个性化学习的需求。因为每个学习者的知识积累不同，所以每个学习者的学习重点和难点也应该不同。在大数据时代到来之前，这是很难实现的。而大数据的应用，能够解决这个问题，为不同的学习者提供不同的学习方式、学习重点和学习难点。在课程学习开始之前，通过收集学习者的行为习惯和学前测试可以收集学习者学习方式和知识水平方面的数据，通过大数据的分析，就能制定出适合学习者学习的学习方式。而在学习的过程中，不断收集学习者学习过程中的数据，经过大数据的分析功能，就可以很清楚的分析出每个学习者的学习难点。而通过大量数据的分析就可以获得教学的重点，而这个重点是通过“全数据”分析而来，不再是通过抽样或个人经验获得。
（4）基于大数据的微课堂能够真正以学生为主体。
个性化教育要求学习课程按照学习者的学习规律来选择和设计，并且学习进度也要根据学习者当前的水平和学习需求智能的调整。学习者在个性化学习环境中能够根据自己的知识水平自由地选择课程，根据接收能力的强弱设置课程进度，并且学习者也应该能为自己的学习负责。而大数据的存正好能够满足这些个性化学习的需求。大数据为个性化学习提供了一个新型、多元、高效的自主的网络学习生态圈，为个性化学习提供了极为有利的环境和条件。随着大数据的发展，云计算也得到了很好的发展，特别是高校云。高校云的发展为大数据在教学中的应用提供了有力的支持。高校云存储中心为大数据的应用提供了大量关于学生客观而又真实的行为记录的数据基础，数据处理中心对这些零散而又无特定结构的数据应用大数据的数据分析、数据挖掘等技术处理后能够获得学习者的特点、学习者当前的知识水平、学习者适合的学习方法等。这也使得教学能够真正从学习者出发，根据学习者的特点和知识水平等来展开，真正做到以学习为主体，而不是根据教师经验假设来展开。
3 总结
在微课堂的教学过程中，学习者都是大数据的生产者和消费者，学习者学习过程中的每一个操作每一个反馈，都是大数据中数据的一部分，而学习者学习过程中使用的资源、获得的帮助又是大数据反作用过来的反馈。利用大数据的分析功能对于学习者的学习过程进行分析具有较强的实用价值。在大数据分析的支持下，微课堂中的学习资源个性化推送、学习质量分析等问题将得到很好的解决。在大数据时代，微课堂也就成了个性化教育的诉求的实现途径。
【参考文献】
[1]姜强.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，2015（1）：84-92.
[2]金陵.大数据与信息化教学变革[J].中国电化教育，2013（10）：7-13.
篇10
一、利用大数据对在线教学平台教学情况进行分析
以计算机网络课程为例，该课程包括“在线视频”“在线作业”“在线实验”“学习指导”“讨论”五大模块，笔者收集了学生的学习数据，经综合分析，其结果如图1所示。
从图1可以看出，最终获得课程学分的学生在不同任务方面花费了不同的时间。学习视频和完成作业是耗时最多的内容，在实验与学习指导方面耗时明显较低。教师可以针对这些不足采取相应的措施，诸如增加课堂实验、随堂辅助等。
笔者继而针对其他指标展开了研究，包括每日的学习人数、基于评估角度的课程指标的访问量、基于学习角度的课程指标的访问量，如图2所示。
由图2可以看出，整个学期的学生访问情况前段呈平缓态势。到了学期末，访问量明显减少；对图3、图4进行对比，可发现学习当中涉及课程评估的，学生的积极性都较高。
二、思考及讨论
数据分析为新教改提供了一扇广阔的大门，将在线教学平台与大数据分析技术相结合，能够深入发掘学生的学习规律，解决学生在学习中遇到的深层次难题。同时，在线教学平台能够提供多样化的传统课堂教学方法，能在一定程度上确保教育公平，做到因材施教，成为推动教育事业进一步发展的动力。然而，这种新兴的教育方式并不能够替代传统的课堂教学，因此，在现阶段，我们可以将其作为一种辅助传统课堂教学的手段加以实践。
1.国家层面
推广在线教学平台需要信息技术的支持，西部欠发达地区网络设施还不够到位，国家需要提供更多的财力物力用于网络铺设，以确保在线教学平台能够更好地在全国得以推广。同时，国家需要增加在线教学平台的试点，多调研，出台更多的法律法规、行政管理政策，为在线教学平台活动的推广奠定基础。
2.学校层面
学校需要结合本校学生的特点，有选择地开设部分在线教育课程，力求符合本校学生的专业特点，注重引导教师与学生展开情感的沟通。
3.教师层面
新的在线教学平台对教师的教学水平提出了更高的要求，教师需要改变传统教学观念，意识到信息技术对课堂教学的正面效应。在制作在线课程时，既要有合理的教学框架，以增强课程理论性，在丰富知识的同时，综合考虑学生的接受能力，力求使课程生动而易于理解。同时，教师需要及时通过在线教学平台分析学生的学习情况，及时形成反馈，反哺教学。
篇11
一、大数据的定义及特点
研究机构Gartner定义“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。然而，在各国提倡下、各行业创新发展过程中，目前所说的“大数据”不仅指巨量数据本身，也包括采集数据的工具、平台和数据分析系统。维克托・迈尔-舍恩伯格及肯尼斯・库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。大数据的4V特点：Volume（大量）、Variety（多样）、Value（价值）、Velocity（高速），具体表述即为数据体量巨大、数据类型繁多、总价值巨大但有效价值密度低、处理速度快。由此可见，想要在创新中发展，必然要优化利用大数据。
二、大数据时代的机遇与挑战
在传统的高校思想政治教育工作中，核心是政治，最为显著的教学方式是课堂授课式灌输思想，教育成功的决定性因素是教育工作者的道德素质和理论水平。而现代化的思想政治教育的本质是为人民服务，确立以人为本的发展性教育理念，要以科学发展观指导大学生思想政治教育现代化建设，保证教育工作的主客体同步现代化及教育内容和教学方式的现代化。
收集并整理符合时展要求的教育内容是思想政治教育工作的核心型任务。在互联网和电子科技迅捷发展的过程中，大量的文字信息或是图片视频资料几乎全部以电子数据方式进行传播、留存。根据大数据的4V特点，巨量的不同存储类型的思想政治教育内容能够轻而易举地被数据处理系统统一收集并使用大数据技术进行处理。大数据技术意味着从单一领域所包含的各种各样类型的巨量数据集合中，快速获得有价值信息，即符合现代化教育要求的内容。由此可见，大数据时代运筹帷幄的关键核心在于合理应用大数据技术，做到节约大量人力物力的资金成本，同时短时高效地完成数据处理过程并获取最终成果。
对思想政治教育工作者而言，能够从大数据中快速获取大量现代化教学内容是令人振奋的。然而，如何从大数据中发掘出适用于当代大学生思想政治教育专题活动的具体内容和教学方式则是一个不容忽视的现实的挑战。这就要求高校思想教育工作者脚踏实地地进行设计一套全新的、现代化的、对大学生思想政治觉悟和思维辩证能力具有深远影响的解决方案。
三、现代化高校思想政治教育工作的创新
（一）树立大数据意识，建立教学资源库
高校的思想政治教育工作者和大学生群体作为教育改革创新中的主客体，被时代赋予了不可推卸的重任。90后的高校大学生从小便熟知计算机应用及互联网的发展历程，因而对于科技新生产物接受程度极高，与此同时，作为网络和新媒体的主要应用者，大学生群体习惯于在生活及学习中借用电子科技处理问题或获取知识。在先进的思想氛围烘托下，高校思想政治教育工作者在教学过程中提倡树立大数据意识有基本立足点。实践是检验真理的唯一标准，因此，建立网络教学资源库作为必不可少的教育创新之举，能够弥补传统的“填鸭式”教学模式中的缺陷，为学生自主学习思想政治内容提供了科技便利，实现资源共享。
（二）提高数据分析能力，补充数据核心内涵
大数据分析的五个基本方面，在不同领域的数据分析应用中会有不同的参考方向。教学资源的数据分析中需要采用的是语义引擎（即在大数据分析广泛应用于网络数据挖掘的过程中，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和内容匹配），及数据质量和数据管理（即大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实性和价值性）。建立网络教学资源库的根本是语义引擎的设置，需要将文本、图片或视频资源与教学内容的标签关键词信息一一对应。在保证数据信息内容一致性的同时，更为重要的是数据质量和数据管理，不能忽略教育资源中文本、图片或视频资源中的隐含信息，在信息处理过程中要补充数据核心内涵。
（三）补充教育实践活动，实现思教创新改革
现代化的高校思想政治教育是指在全球化进程和我国社会主义社会建设过程中，人们的生活方式和思想观念发生了根本的变化，因此思想政治教育需要结合新时代的变化进行改革，要以理论观点结合创新实践活动实现从传统思想政治教育活动到现代化的理论与实践相结合的转型。高校思想政治教育工作者可以使用微信、微博等新媒体在日常工作中对学生进行潜移默化的思想引导，同时借助新媒体后台的数据统计分析学生们在思想政治学习过程中期待的教学内容及实践活动，或是开放网络教学资源库，让学生们自主参与“DIY红色经典路线”、“学生自主课堂展示教学”等专题活动，使网络资源与实践活动取长补短，完善现代化思想政治教育的创新。
作者简介：高志远（1986-），男，籍贯：辽宁省营口人，研究方向：大学生思想政治教育。
参考文献：
[1]张海滨，郭霞n.论大数据时代背景下的高校思想政治教育.教育教学论坛.2014（12）.48-49
篇12
0引言
众所周知中国社会在形态上已经进入了信息化时代，无论是网民数量还是网络经济发展的速度，均堪称世界第一。截至2015年6月，我国网民规模达6.68亿，互联网普及率为48.8%，其中，手机网民规模达6.20亿，占网民总数的90.1%，20～29岁年龄段网民的比例为31.4%，在整体网民中的占比最大。由此可见，互联网已经渗透到社会的各个方面，通过这种高效、快捷、方便的传播媒介，学生可以寻找到他们诸多学习疑惑的答案。随着各种在线视频课程如火如荼的发展，高等教育迫切需要做出相应调整。
在全球大数据浪潮中，对大数据进行智能分析和处理已经成为政府、企业、高校的关注焦点。在未来一段时间数据分析师将成为国内外人才紧缺的职业之一，这也对高校信息类专业的人才培养提出了挑战。数据挖掘基础课程是大数据分析的基础，大数据时代各种类型数据的爆炸式增长，对这门课程的内容提出了新的要求，本文将以重庆邮电大学数据挖掘基础课程改革建设为例，探讨结合在线课程教育的课堂教学改革。
1相关教学方法调研
在线课程的兴起可以追溯到2007年前后翻转课堂在美国的出现，但是到2011年以后，另一个重要在线教育方式MOOCs开始逐步崛起，二者本质上的区别主要在于：前者强调“互动与反馈”，而后者倡导建立“在线学习社区”。近年来，国内众多高校竞相鼓励教师运用网络技术积极推进线上线下混合教学。这种混合教学模式具备如下两个主要的特点：先学后教的方式赋予了学生更多的自由，他们的学习兴趣和针对性更强；“以教师为中心”的传统教学方式逐渐过渡到围绕“以学生为中心”来展开。这些特点都为改善本科教学质量提供了一条合适的路径。
虽然这种混合教学方式具有一系列优点，但也存在某些问题。公开在线课程每一节课的视频都超过45分钟，要让所有学生将一门课程所有的45分钟以上的视频在没有监督的情况下全部学习完是非常困难的。原因在于无论网上老师讲得再精彩，学生始终面对的是冷冰冰的机器，无法保证注意力的始终如一，相反课堂上面对面的教学可以让学生体会到更多的互动、关注和交流带来的人文情感，这些足以在适当的时候唤起学生的注意力。教学中完全的翻转课堂方式，容易使优生更强，却会使得那些不善于交流和表达的中等生论于边缘，本来的差生就更不用说了。近年来，一种以短小视频为核心的在线课程引起了教育者的极大兴趣，这种小型在线课程被称为微课程，它主要是针对某一知识点进行设计，录制成时长不超过15分钟的视频，同时提供配套的学习材料，帮助学习者随时随地快速学习。它能让学生课前迅速掌握每次课的主要学习点，带着问题来到教室进行进一步深入的学习。它的缺点是受时间限制，无法保证深入详细地给出每个知识点的来龙去脉。
因此我们认为引入微视频，探讨“在线微视频课程+翻转课堂+课堂教学”相结合的新的教学模式，进行相应的教学方式改革，可以改善教学的质量，更好地将知识传授给学生，提高学生学习的主动性，为课程改革起到实效。
2教学模式的设计
2.1教学中存在的问题
伴随着高等教育后大众化时代的到来，互联网应用蓬勃兴起，结合90后学生的性格特点，我们发现目前的课堂教学存在如下主要问题：
（1）课程体系和教学内容需要不断更新。随着网络资源的丰富，学生已能够随时从网络上吸取很多新知识新理念，专业课程的知识再也不能一成不变，必须随时更新。同样面对大数据时代及其带来的各种技术，智能科学与技术专业学生需要具备更广泛的数据分析相关知识和技术，这些都迫切需要核心专业课程数据挖掘基础不断地吐故纳新。
（2）教学模式和学生学习习惯发生变化。面对高等教育后大众化时代带来的学生数量急剧增加问题，以及在线网上教育带来的冲击和挑战，改革自身的教学模式成为必然。目前在校生全部都是95后，他们是在网络时代成长起来的，身上具有时代特点。他们注意力时间更短，见识广，兴趣多，更热衷于在线学习。
（3）考核评价方式亟待发生改变。95后的大学生特立独行，更愿意表现自己。随着互联网这种新媒体承载知识的不断丰富，学生的创新思维和实践能力可以通过网络学习得到充分的发挥。因此对学生的学习能力和成绩的评价不能再仅限于笔试考核，这倒逼着考核方式的转变。
2.2教学改革的主要措施
1）建立“在线微视频课程+翻转课堂+课堂教学”相结合的新的教学模式。
首先借助已经上网的在线微视频课程作为数据挖掘基础课程的“课前推送”，引导学生课前对每一讲视频的内容进行课前预习并完成该视频课程提供的课后作业。教师可以根据学生课前作业的完成情况在课堂上有针对性地开展教学，同时学生通过课上互动，可以很好地提高学习的积极性和兴趣度。对于一些简单易懂的数据挖掘算法，比如关联规则挖掘中的Apriori算法、分类算法中的决策树ID3和C4.5算法、KNN算法以及聚类算法中的K-means算法，要求学生学习微视频课程，制作PPT并在课堂上讲解这部分内容。这种在线教育和实体课堂优势的相互融合，会获得良好的教与学效果，同时也能反哺式建设在线微视频课程。
2）形成围绕数据挖掘基础课程的系列课程，强化系列课程的教师团队建设，保障教学质量。
大数据时代给计算机人才带来了机遇，也提出了挑战，教学应该不断地适应计算机人才培养的需要，调整相关的课程体系结构，以帮助学生实现与社会需求的无缝对接。因此建立一个围绕专业核心课程的系列课程体系非常重要，这种建设紧紧围绕核心课程展开，既可以保障专业核心课程的教学质量，又可以满足学生学到的专业知识与社会需求不掉线。为此我们确定了以数据挖掘基础课程为核心的系列课程体系，即数据分析实践、数据可视化和大数据分析与处理，这3门课程的学时统一设置为24学时，其中的数据分析实践课程主要讲授数据统计分析方法的知识，数据可视化课程围绕数据分析可视化的方法展开，大数据分析与处理主要介绍目前较流行的大数据平台应用知识。
一支稳定的中青年结合的教学团队是保障系列课程教学质量的重要因素，稳定的教师队伍可以有效地保证教学过程中的大纲设置、内容更新和教材使用的一致性，有利于教学过程中的沟通，从而不断地提高教学质量。
3）数据挖掘基础课程教学内容的更新和模块化建设。
随着大数据时代对人才的需求，不同专业都有了开设数据挖掘课程的要求。我们根据不同专业的不同需求，及时调整并规范不同学时下的数据挖掘基础课程的教学内容，并优化教学大纲，提炼教学内容。将整个课程内容分为必修模块和选修模块，如表1所示。对智能科学技术专业要求必须讲授全部两个模块的内容，而一些学时有限的其他信息类专业在完成必修模块内容的同时，可以根据需要适当选讲部分选修模块的内容。
4）改革数据挖掘课程的考核评价方式。
学生期末总评成绩在期末开卷笔试基础上，引入小组作品完成质量的考核。作品完成质量从“过程参与表现+口头表达能力”两个方面进行评分，这有利于对学生真实能力的评价，过程参与表现就是将每个学生在小组项目中所做出的贡献作为最终期末考评的一个考核指标，这一分数可以由小组内成员互相给出。口头表达能力体现在小组代表讲解和答辩项目成果的表现上，这一成绩可以由小组之间互相打分，按照一定的比例将学生的成绩加上教师给出的答辩成绩作为该项评价的总分。目前我们给出的这个成绩的换算比例是“组内分数30%+组间分数30%+教师分数40%”。这种考核方式可以保证教师准确把握每个学生掌握和运用知识的能力，也利于提高学生动手能力，真正改善课堂的教学质量。
