大数据分析技术在教育教学的应用.docx

第 1 页 共 术，教学效果和输出质量不尽如人意。于是，很长一段时间，人们一直在呼吁智慧办公、智慧校园等，希望可以通过科技的手段减少工作负荷。因此，将大数据技术融入校园，融入教育教学，提高教学质量，满足学生需求，已经成为大势所趋。近年来，河南机电职业学院对大数据人工智能技术的应用进行了积极探索，构建数据中心，打通数据孤岛，进行智慧校园建设，对学生和教师的日常学习、教学、活动等情况进行分析，从而为教学改革提供决策依据。今年突发肺炎疫情，教学模式由之前的线上加线下全部改为线上进行。学校利用大数据技术对线上教学进行多维度分析，并对学生的学习状态进行跟踪分析，实现了“停课不停学”，高质量、高标准、高要求地开展教学活动。
三、大数据技术在教育教学中的应用
（一）采集以学生活动为主题的数据。随着教学改革的不断深入，在高校对学生的评价主要侧重于对学生综合素质进行分析，其中包括学生成绩的对比分析、学生校内外活动轨迹的分析，以及影响学生职业素养和综合素质因素的分析等。以河南机电职业学院为例，大数据技术与应用专业以800名学生为样本进行分析，学生的学台上，活动轨迹主要体现在学生管理平台上。通过建立中间库，学校将学生日常产生的学习和活动碎片进行收集整理，采集到大数据中心的分布式存储器上，并进行实时更新。具体采集数据的步骤如下：，并选择EXCEL数据源，添加所要分析的数据，部分数据可以通过连接数据库，轻松导入所要分析的数据。“”，对数据类型进行格式变更，进入数据预览的页面，将“snumb”“ternumb”“clanumb”设置为字符串类型，命名为“高校大数据班学生成绩分析”。这一步主要是将所获得的数据统一类型，以便进行下一步详细的数据处理。通过创建的MySQL数据库，我们将所需要的数据分类导入学生数据库。（二）清洗获取到的数据。数据清洗是指找出并改正数据源中不正确数据，如检查数据的一致性，处理无用值和残缺值等。由于汇聚到的数据是从不同系统获得的，系统的开发商各不相同，导致各个系统的数据格式及命名规范参差不齐。在拿到数据之后，数据清洗的工作量很大，数据清洗是否完整、是否正确，将直接影响分析结果的精确度。数据清洗的方法有很多种，如编写SQL语句、使用Python中的数据清洗库、利用八爪鱼工具等。本案例主要是在搭建好的Hadoop集群平台上实现数据的清洗，结合魔镜平台编写SQL语句来实现数据的清洗功能。数据清洗是数据分析当中至关重要的一步，数据清洗得是否彻底直接影响数据分析的准确性。经过数据清洗之后，一些格式不统一、残缺、无价值及干扰项便不复存在，新生成的数据源则用于下一步的数据分析及可视化。（三）挖掘产生的数据。数据挖掘是指通过一系列的算法对处理过的数据进行分析，寻找数据中隐含的价值，常见的算法有聚类算法、关联规则算法、基因算法等。数据挖掘的过程就是从这些庞大的数据中找出潜在的、未知的、对决策有帮助的关系、模式和趋势,并建立决策支持模型的过程