大数据助力教育督导科学化（共10篇）
作者：来源：《人民日报》发布时间：2015年07月23日
“收集数据，把数据融入易懂的形式中，让数据讲故事，并且把故事讲给别人听。”这描述的是当下一种时髦的职业，大数据工程师。
“大数据”，当下当仁不让的“热词”。随着移动互联网、物联网的蓬勃发展，大数据时代的信息风暴席卷各个行业领域，深刻影响着人们的思维、生活和工作方式。与传统数据相比，大数据具有数据体量巨大、数据类型繁多、处理速度快、数据可重复利用、价值回报高等特点，为我们看待世界提供了一种全新的方法，即各种决策和行为将日益基于数据分析做出，而不是像过去更多凭借经验做出。
大数据的运用，为教育改革和发展，尤其是教育督导的开展，提供了更为科学的依据。
通过运用大数据技术，对海量数据的快速收集与挖掘、及时研判与共享，积累过去、分析现在、预测未来，推动督导决策制定更加科学。通过运用大数据思维，从事件问题的个性中找到共性和关联，透过现象找到问题的症结，有针对性、有重点地开展督导，并通过教育督导各类共享平台、公开系统的建立，推动督导工作开展更加高效。通过运用大数据思维，创新教育督导方式，可改变督导手段单
一、督导效率低下、对被督导对象造成不必要的负担等现状，推动督导手段更加丰富。通过教育督导结果公开的常态化，形成倒逼机制，使社会公众对各级政府履行教育职责、学校规范办学和提高教育质量等工作的监督有力有为，推动结果运用更加有效。
以开展义务教育均衡发展督导评估认定为例，通过运用大数据手段，我们对申报县(市、区)的各类报送数据进行对比分析，并运用统计学对学校生均教学及辅助用房面积、仪器设备、师生比等8项指标，科学计算出小学、初中综合差异系数。2014年本科教学质量评估时，利用网络公开资源对大量数据进行搜集、整理和汇总，客观分析全国本科教学质量现状，为有针对性地开展评估工作奠定了基础。
应当注意的是，从大数据到实际应用，其间要经历一系列知识转换、科学分析。因此，如何利用大数据来服务教育督导，将大数据信息转化成工作成果，推进教育督导科学化，依然面临挑战。
充分利用大数据创新教育督导理念与制度，提高督导决策的前瞻性，增强督导机制的科学性是当务之急。大数据背景下，教育督导各项工作变得零散、即时、多元、高效，业务量巨大，如果无视现实情况而只是由决策者凭自己有限的理解、假想、推测“拍脑瓜”决策，或者还是依赖于传统的调研、座谈、听汇报等长周期且受限于行政程序的方式开展督导工作，效率与有效性将受到质疑。因此教育督导必须运用大数据创新工作理念、推动教育督导适应信息时代形势，进一步强化“用数据说话”的思维习惯和工作理念，提高教育督导的前瞻性。同时，要从制度框架方面推动督导大数据平台的建设，建立数据库资源的共享和开放利用机制，打破数字鸿沟、信息孤岛等壁垒，形成各级各类教育、各级教育督导部门都能共享的教育督导大数据中心。
充分利用大数据创新教育督导手段和督导结果使用，推动督导方式的现代化、强化督导问责的精准度，是重中之重。教育督导要大胆运用信息技术创新督导方式方法，推动督导手段多元化、现代化。应不断拓宽督导信息报送渠道，采集更多数量、更多形式、更多角度的督导信息。同时，应充分运用信息技术对各类教育督导报告的项目、结果进行整合分析，形成客观全面、更具说服力的教育督导结果大数据，准确判断各级政府在履行教育职责、各类学校在规范办学行为和提高教育质量方面存在的真实问题，实现有效问责，增强教育督导结果使用的权威性和准确性。
随着信息技术和互联网的飞速发展,信息社会对教育以及信息技术对教育产生了颠覆性的影响,促使人们树立信息话教育思想。如今,大数据赫然出现在每个教育工作者以及学生面前,它改变教育工作者的教育思维,它改变着学生的学习方式。
1 大数据的概念
大数据是一个正在发展的概念,是互联网发展到现今阶段的一种表象或特征,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,这些原本很难收集和使用的数据变得容易被利用起来,通过各行各业的不断创新,大数据会逐步为人类创造更多的价值。大数据是信息爆炸时代产生的海量数据,能够改变组织看待和使用数据的方式,改变我们的教育模式。
2 职业学校学生于教师的困惑
2.1 学生困惑
(1)学习基础差。绝大多数学生都是没能考进高中,选择来中职学校读书。因此,很多学生文化基础差。
(2)学习主动性差。由于多数中职学生在初中甚至小学没有养成良好的学习习惯,学习主动性、积极性差,甚至厌学。进入中职学校后,对新环境、新教师、新教材、新教法更加难以适应。
(3)缺乏学习信心。因为学业成绩差,认为自己什么都学不会,因此,什么也不想学。眼高手低。大事做不了,小事不想做。
2.2 教师的困惑
(1)教学计划无法如期实施。许多中职教师,经过认真、仔细、充分的备课,满怀信心地走进教室,却发现自己的教学计划根本无法顺利实施。因为许多中职学生连最起码的中、小学基础常识都没有完全掌握。
(2)教学方式不被学生认可。大部分教师仍然习惯于延用“一本书、一只笔、一块黑板、一副嗓子”的传统灌输式教学模式。而现在的中职学生却是在网络、电视、手机、MP4的物质环境中长大,更乐于接受与欢迎声音、图像、色彩综合作用的多媒体教学方式。所以,即便教师在讲台上使出浑身解数、讲得口干舌燥,学生们依然觉得形式陈旧、内容枯燥、抽象乏味;普遍对被动学习的情景毫无兴趣、趴在桌上昏昏欲睡。
(3)知识体系、知识渠道与时代脱节。中职教师许多方面已远远不能满足中职教育的要求。主要表现为:其一,知识内容陈旧、老化,知识体系单一、固化,综合知识匮乏;其二,学历低下、知识浅显、视野狭窄。
3 大数据推动职业教育新变革
3.1 大数据与传统数据价值的区别
大数据与传统数据最本质的区别体现在采集来源以及应用方向上。传统数据的整理方式更能够凸显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的发展,对学校的满意度等等。这些数据不可能,也没有必要进行实时地采集,而是在周期性、阶段性的评估中获得。这些数据完全在学生知情的情况下获得,带有很强的刻意性和压迫性。而大数据有能力去关注每一个个体学生的微观表现,诸如他在一道题上逗留了多久,在不同学科课堂上开小差的次数分别为多少等等。这些数据对其他个体没有意义,但所有学生的数据整合起来就能解答教育过程中的许多疑问。而最有价值的是,这些数据完全是在学生不自知的情况下被观察、收集的,只需要一定的观测技术与设备的辅助,而不影响学生任何的日常学习与生活。
3.2 让教师走出困惑,因材施教
大数据,让教师能够更方便获得每一个学生在学校中的真实信息,有利于开展个性化教育。“不得不承认,对于学生,我们知道得太少”。这是卡耐基·梅隆大学教育学院的一句经典的口号,同时也是美国十大教育类年会关注度最高的议题。类似的思考在我们国家的教育领域同样存在。两个同样在数学考试中取得90分的考生,他们的能力完全一样吗?根据传统的教学模式,我们会认为,成绩相同的学生,能力大体相仿。但如果借用大数据的分析手段,学生的差异性就会清晰展现。根据对同为两个90分的考生进行分析,我们发现,第一个学生更多的是依靠出色的逻辑思维,而另一名同学逻辑推理能力相对薄弱,是依靠出色的记忆力而获得较好的成绩。大数据能够让我们更全面地看待学生的发展,发现以往考试成绩所反映不了的深层次问题。如果老师能对这一情况及时掌握,就能对两位同学开展不同的教学方式和方向。
3.3 帮助学生个性化学习
学生借助“大数据”,可以更好地了解自己的学习状况,针对性开展自主学习,提高学习效率。借助大数据的力量,教育正在接近个性化学习普及的时代,例如,学生通过互联网平台学习阅读,每阅读一个故事,计算机将收集他学习过程的相关数据。接受每个任务后,在他的电脑屏幕上会弹出一个小测验。学生每回答一个问题,都将得到即时反馈,显示他的答案是否正确。对于困难的题目,电脑会推送给他更详细的解释词语和概念的网站链接。他的综合表现情况会可视化地显示在一个仪表盘上,包括作业和测试的正确率,已经掌握的概念列表,以及学习表现与同学乃至全国同年级学生的比较情况等。
大数据技术将给教师提供最为真实、最为个性化的学生特点信息,教师在教学过程中可以有针对性地进行因材施教。不仅如此,当学生在完成教师布置的作业时,也能通过数据分析强化学习,不仅提高了学习效率,也减轻了学生的学习负担。
4 结束语
大数据帮助我们以前所未有的视角判断什么可行、什么不可行,展示那些以前不可能观察到的学习层面,进而可以基于学生的需求实现教育的“私人订制”。与此同时,大数据能够帮助教师确定最有效的教学方式,从而提高工作的效率和趣味性。学校管理者和政策制定者也能够以较低的成本提供更多的教育机会。
摘要：进入21世纪以来,教育信息化越来越广泛的得到人们的共识,随着技术的发展,信息技术已在教育领域有了越来越广泛的应用。考试、课堂、师生互动、校园设备使用、家校关系等只要信息技术达到的地方,各个环节都被数据包裹。云计算、移动互联、大数据等各种科技的发展,无不对教育产生了深远的影响,尤其是大数据已经悄然改变着教育特别是职业教育的各个环节。
编者按：联合国教科文组织统计所（UNESCO Institute for Statistics ，UIS）是联合国教科文组织的统计部门，旨在从国际层面收集并比较数据，帮助各国确立教育发展指导方针，加强能力建设、确定相关指标等。2016年6月22-24日，以“互联网时代的教育变革与教育2030年议程”为主题的国际教育信息化大会在山东青岛召开，会议期间，本刊就UIS在推进2030教育行动框架目标实现过程中提供的支持、信息技术发展对教育统计或教育评估的影响、数据收集和统计的准确性和科学性等问题对UIS所长西尔维亚·蒙托亚（Silvia Montoya）进行了专访。
一、UIS致力于广泛收集数据、提高数据质量，支持可持续发展目标的确立，促进教育决策
《世界教育信息》：首先请您为我们简要介绍一下UIS的主要职责、组织架构、近年所开展的教育统计评估活动等。
西尔维亚·蒙托亚：UIS是联合国组织架构内主管教育、科学、技术和创新的分支机构。UIS在联合国的授权下，在国际层面收集并比较数据。我们遵循双重管理系统：既遵循联合国教科文组织的管理章程，又遵循联合国统计委员会（Statistical Commission）的指导方针和原则，后者对全球范围内的数据收集活动进行指导。我们的主要工作内容是依据一定程序收集并比较不同国家之间的数据。在发布数据之前，我们会与数据来源国沟通，说明什么样的指标和数据将会被发布。鉴于某些数据的政治意义，联合国教科文组织非常理解某些信息的发布无法获得政府批准。作为联合国分支机构，我们充分接受和认同这样一个事实，即国家是唯一有权决定相关事务的主体。UIS也承担某些独特职务。我们掌握全球对教育、科研、研究者投资的数据，并代表联合国教科文组织参与可持续发展目标的协商等活动，如参与教育方面SDG4最终指标的建立。除了数据收集以外，我们还帮助国家确立教育发展指导方针，加强能力建设、确定相关指标等。在技术飞速发展的关键时刻，我们非常愿意与各国协作努力。这也是我们这次来到青岛参加国际教育信息化会议的原因。
当前，随着全球范围内人员流动性增强，数据的流动和发展边界不复存在，这在移动设备、云存储的发展等方面可以窥见端倪。UIS充分认识到这一现实，并将更好地应对挑战。我们将与各个国家共享建立更佳数据和指标的可能性，并愿意帮助国家制定自己的发展框架。但我们认为，这主要是各国自己的事务，而非UIS的核心职能。因此，我们希望与国家和国际社会展开充分合作，但并不会过多干涉各国内部事务。
《世界教育信息》：您认为，信息技术的飞速发展对教育产生了哪些颠覆性的影响？UIS在促进以上目标实现过程中能够提供哪些支持？
西尔维亚·蒙托亚：此次会议期间，很多发言者探讨了ICT发展的不同方面，他们的职业背景各不相同：有的来自产业界；有的来自政府和国际组织，如联合国教科文组织。我们来自联合国教科文组织巴黎总部的同事正在致力于为各国制定共同框架的开放平台提供政策建议。在此方面，我认为指导方针是清晰的：框架首先阐明了可获性的问题，即儿童是否能够真正通过电脑学习并获得相关技能。如果儿童不能阅读、理解和识字，他们同样不可能通过电脑阅读网页。此外，框架阐明了这样的电子设备需要在学校安装，而这需要社会多方努力。首先，政府要激励社会各方力量积极参与基础设施建设。如果没有足够的基础设施和良好的互联网服务，即学校没有设备和网线，那么ICT的发展进程就很有可能受挫。其次，政府并不是唯一供应商，市场参与者也应扮演好自身的角色，在寻求利益的过程中完成对公共服务的供给。基础设施建设需要良好的宽带和软件研发系统，因此科研机构的作用也很重要。
GPS等高科技让我们能够发现过去被排斥在数据统计之外的人群，这说明从前的很多数据都是低质量的。因此，科技是帮助人们精准发现数据对象、提高数据质量的重要工具，并将直接促进教学的改进。在这一过程中，教师需要学习相关技术，准确识别学习者的需求。在这次会议上，美国教育技术办公室主任索思的演讲中提到了教师能力建设的相关内容，而这也是中国教育发展纲要的重要内容之一。我们需要关注教师、为教师投资，并铭记一个事实：在家长工作缠身的今天，教师往往是与孩子打交道最多的群体。ICT和SDG4在《教育2030行动框架》目标中的地位不言而喻。此外，我认为教师能力建设也应成为其中一项重要指标。我们需要在不同层面上完善各项指标，包括市场指标、区域指标、国家指标等。我认为，容纳更多维度的指标应被提上议程，以帮助各国从更综合的角度制定ICT计划。我认为，这对中国来说是个挑战。中国在《教育2030行动框架》中将代表其所在的地区，我相信中国有能力将建设更多指标的需要提上议程。此刻是推动《教育2030行动框架》的历史性机遇，中国对该教育议程的重视对全世界来说都有重要意义，我们欢迎中国向世界各国分享愿景、目标和相应措施。
具有不同发展水平、不同建设能力的国家都希望推动自身教育发展进程。UIS密切关注各国的建设能力和需求的公布，但这一过程应当是各国自主决定的。《教育2030行动框架》具有普遍的适用意义，尤其强调发达国家和发展中国家在建设进程中的平等性。《教育2030行动框架》还让我们更加清晰地了解到一个事实：尽管拉丁美洲和亚洲的一些发展中国家面临社会不稳定，甚至政治危机的状况，但他们在推动教育发展方面做得很好。该教育议程还可以让各个国家对邻国和世界其他国家的教育建设状况有更清晰的了解，从而对自身行动和关键目标有更清晰的认识。毕竟，教育是促进社会发展的最佳途径。
二、信息技术所带来的机遇多于挑战
《世界教育信息》：信息技术的飞速发展为教育统计或教育评估带来了哪些机遇及挑战？
西尔维亚·蒙托亚：我认为，机遇肯定是多于挑战的。信息技术确实曾被误用，但即便如此，它确实带来了促进全球沟通的机会，这在过去不可想象。如今，借助移动设备，人们可以在全球层面进行沟通、分享和交流。然而，相当数量的人口没有享受到信息技术发展的成果，这造成了不平等。信息技术也带来了很多其他问题，如在数据方面，很多人可以不受限制地收集和发布数据，这可能会对信息透明度和信息隐私带来影响。同时，某些信息收集过程可能会造成对个人、家庭、学校等主体隐私的侵害。为了解决这些问题，不同层级的机构应协同行动，包括区域层面、国家层面、超国家层面等。联合国统计委员会已经开始着手应对这一问题。对于以上挑战，我认为是可以通过管理和协作解决的。信息技术能够帮助教师追踪学生的表现，并与同事在全球层面分享信息。在很多情况下，信息技术并不能解决所有问题，但它是一种重要手段，有时甚至是唯一手段。例如，在帮助患有亚斯伯格综合症、阿尔茨海默病等疾病的人群以及残障儿童方面，我们能借助的手段往往就是信息技术。因此，问题的关键在于，在广泛使用信息技术的同时，采取积极的、创造性的方式使用我们的大脑。
三、国际评估项目应审慎发布和使用数据
《世界教育信息》：近年，国际学生评估项目越来越受到人们的关注，如PISA。您如何看待这一现象？
西尔维亚·蒙托亚：总体来看，国际学生评估项目是国家更好地认识教师的作用、更好地了解不同评估和合作手段的机会。PISA和很多其他国际评估项目一样，展示了对看似显而易见的问题进行认真评估的重要性。在教学过程中，教师很少有机会思考“什么是概念框架”“如何将问题归位”“如何撰写报告”，以及“如何将学生表现与其他指标相联系”等问题。在这一方面，国际学生评估项目为教师提供了获取和使用高质量数据的机会。如果想要获取高质量的数据，就要在数据获取过程中严格规范操作，包括建立评估模型、收集数据、处理数据、发布数据等方面。国际层面的数据可以让国家更有效地决策。我们也应该认识到，这只是国际评估项目很多作用中的一方面。我们理解各国政府的难处，不同国家有不同的现实状况和语言情况，单纯的比较在很多情况下都是困难而不切实际的。尽管如此，国际评估项目为国家提供了参考高质量数据并了解学习结果等相关指标的可能性。国际社会对于数据处理过程有严格的程序规则，国际评估项目所获得的数据在质量和获取的规范性方面都是有保障的。同时，数据的发布和应用应当被认真考虑，任何篡改数据、夸大数据作用或在国家之间进行单纯比较的行为都是不可取的。国际评估项目在教与学过程的信息收集、完善提高等方面都可以发挥重要作用，这是我们应该重点关注的。
四、让各教育主体合理参与国际评估
《世界教育信息》：数据收集和统计是教育评估过程中的重要一环，请您举例说明应如何保证数据收集和统计的准确性和科学性，以及如何根据统计数据进行决策与制定战略规划。
西尔维亚·蒙托亚：在数据准确性方面，如果我们仔细观察主要国际评估项目的实施过程，就会发现国际数据质量管理中心在数据准确性的控制中发挥了很大作用。对于信息收集过程是否合理、问题的设置是否遵循同一标准、如何处理报告中的数据缺失等问题，都要在数据收集和统计过程中被考虑与控制。UIS作为SDG4制定过程中的领导者之一，为处理相关问题，正在制定数据质量评估框架，以让相关国家在推动这一进程时有更明确的指导规范。
在数据收集过程完成后，数据发布过程也要考虑准确性和科学性的问题，包括考虑“如何将数据向社会公布”“不同利益方将如何使用数据”等问题。在教与学过程中，我们也不能忘记，数据信息不仅是为专家学者和决策者准备的，也应对家长、学生、校长和教师开放，他们也是这一过程中的主体。事实上，家庭和教师是参与教与学过程最广泛的两个群体，因为孩子大部分时间不是在家里，就是在学校度过。但这些群体是目前接收信息量最少的，在某种程度上，他们希望社会发布相关信息。“数据素养”（data literacy）和“数据管理”（data management）是国家需要努力的两个方面。前者涉及如何让教师和家长更准确地理解数据。例如，在PISA排名中，中国排第4，阿根廷排第59，这意味着什么？对一名教师来说，如果希望改善学生的表现，甚至改善整个国家的教学资源状况，应该怎么做？这时，教师就需要首先了解问题出在哪儿，以及应用什么样的教学方法可以改善这一局面。同样，如果家长想了解这些数据的含义，以及帮助孩子改善学习，数据素养也是必不可少的。在数据管理方面，ICT技能教育是必要的。我们需要讨论如何根据收集到的信息采取行动，需要思考如何进行教学改革，需要决定在什么周期内追踪评估结果。数据本身可以作为追踪和监控的管理工具，也可被用于能力建设。PISA在某方面的优势也可能成为弱势，因为事物都有两面性。例如，PISA并非完全基于课程设计，阿根廷在评估中排第59位并不一定意味着其教育体系方面出现了问题。PISA评估的内容包括儿童接收信息的各种渠道，无论是在学校，还是通过看电视学到的内容。因此，在PISA中排名较低是该国社会各个主体的责任，而不仅仅是教育部门的责任。尽管人们往往倾向于将责任归咎于国家，但仅用PISA来判定国家教育发展情况是不公平的。UIS认为，如果不能合理参与评估进程并被充分告知相关信息，家长和其他社会公民就很难采取合理的行动。数据在制定决策和采取行动方面发挥着关键性作用。无论是PISA，还是其他国际或国内评估项目，其数据都应能被社会所用，应被传达到能真正改变现实的人手中。因为我们必须承认，很多决策者对区域实际情况不甚了解。我尽力做好自己的工作，在我去过的所有地方推动《教育2030行动框架》的理念，就如同在此次会议中我们所做的。然而，要想真正影响到能够改变现实的人，这还远远不够。在社会的协同努力过程中，政府起着关键性作用，需要明确愿景、制定行动计划，并在全社会寻找合作伙伴，以充分利用社会资源。另外，政府应在向全社会告知和明确问题时扮演关键性作用。我很高兴看到中国政府提出了愿景明确、框架清晰的ICT计划，这反映了政府推动社会进步的决心和努力。
《世界教育信息》：自2012以来，您一直在阿根廷教育部担任教育质量考核与评估主管。请您介绍一下阿根廷的教育发展情况及其评估体制。
西尔维亚·蒙托亚：阿根廷教育是拉丁美洲教育的领头羊之一。阿根廷国内有大量来自西班牙和意大利的移民，从19世纪后期开始，公民身份和国家认同建设就成为教育的重要内容。阿根廷前总统多明戈·阿尔巴拉辛即使在战争时期也十分强调教育的作用；19世纪末期，他带领阿根廷创建了公立学校制度，建立起较为完善的基础教育系统。因此，阿根廷儿童小学入读率在后来达到了惊人的92%。然而，在中等教育推广方面，阿根廷遇到了一些困难。到20世纪末，阿根廷已经在基础教育入读率、大学普及率等方面成为拉丁美洲非常领先的国家。我相信阿根廷还有很大的发展潜力。但阿根廷面临的挑战也很多。例如，阿根廷的中等教育辍学率相对较高，这对发展中国家来说都是一个难题。PISA和其他国际教育评估项目都显示，阿根廷和整个拉美地区的教育有很大的进步空间。在拉丁美洲，很多ICT跨国合作项目正在如火如荼地开展，教育技术领域的工业发展也十分活跃，如阿根廷的软件工业。阿根廷的教育发展水平其实是较高的，在创新经济方面的表现也可圈可点。尽管如此，使用技术的权利依然被限制在一小部分人手中，这也是联合国教科文组织在《教育2030行动框架》中推进技术可获得性议程的原因之一。为了促成这一进步，框架的内容需要涉及更多群体。
现代化
大国治理需要大智慧。在信息化时代，大智慧往往源于大数据。大数据作为信息时代的基础资源，能有效集成国家经济、政治、文化、社会、生态等方面的信息资源，为国家治理现代化提供基础数据和决策支撑。
助力国家治理顶层设计。国家治理现代化是一个开放而复杂的巨系统，需要动员全社会力量参与。如果依靠单一主体、单一力量，既难负其重，又会导致治理体系结构失衡，甚至偏离国家治理现代化的科学轨道。只有统筹国家治理现代化的目标、主体、客体、过程，系统谋划、整体推进、综合施策，才能达到系统集成的效 果。这就要求建立统一、共享的大数据平台，通过对海量数据的采集、挖掘、加工、汇总、整合、存储和分享，为党和政府进行国家治理顶层设计提供坚实的数据支撑，助力党和政府找到国家治理现代化的最优路径。
助力合理规划与实施国家治理。国家治理现代化是国家治理全面、系统的改革和改进，这就需要运用大数据技术，对国家治理进行科学规划与实施。把中国特色社会主义的制度优势转化为国家治理现代化的效能，涉及价值取向、主体、制度、技术等要素。同时，中国特色社会主义经济建设、政治建设、文化建设、社会建设 和生态文明建设任务繁重、内容复杂。充分运用大数据分析提供的规律性结论，有利于形成系统完备、科学规范、运行有效的制度体系，使各方面制度更加成熟更加定型，保障国家治理现代化遵循科学性、战略性、长远性、系统性和有效性的原则，在系统治理、依法治理、综合治理、源头治理的轨道上顺利推进，保证国家治理 现代化过程规范、运作高效。
助力党和政府科学决策。科学决策是国家治理现代化的核心。信息化时代，科学决策越来越依赖大数据的采集与分析。随着信息技术的发展，每个社会成员均可利用信息化手段表达自己的意愿和看法，形成海量的“微数据”和“微事件”。决策者往往要对海量的实时数据进行掌握和挖掘，将分散的小概率事件有序关联起来，突破“信息孤岛”限制，排除各种垃圾信息的误导和干扰，把握数据中蕴含的规律性、倾向性问题，提高公共决策的民主化、科学化水平，更好地回应公众关切，满足公众需求和期待。
助力提升国家治理效能。国家治理现代化水平的一个重要体现，是国家治理效能的提升。就我国实际而言，国家治理效能包括促进经济社会发展、满足公共服务需求、处理社会治理危机、维护公共安全等的能力与效果。大数据的开放和流动、使用和共享，能帮助治理主体准确预测经济社会发展趋势、社会公共服务需求、引 发社会治理危机和公共安全事件的因素，有效实施事前控制，进一步降低治理成本、提高治理效率，从而进一步提升国家治理的整体效能。
助力优化信息反馈机制。国家治理现代化是“持久战”，需要对发展的每一个阶段进行事中评估，及时了解进展情况，发现问题、纠正偏差，避免出现方向性错 误。充分运用大数据的理念、技中公教育，给人改变未来的力量
术和资源，及时、有效地对国家治理现代化进程进行监管，将海量碎片化且无序排列的信息变成有用、有序的数据，可以使监管更有针对性、更加透明。通过大数据对国家治理现代化进程进行精准分析，为决策者提供国家治理现代化推进的真实信息，有助于决策者以目标变量为参照系，及时、准 确地掌握国家治理现代化的进程、成效以及存在的问题，并针对评估结果及时进行调整和修正。
助力塑造健康社会心理。国家治理现代化包括社会结构转型。当代社会，人们认识世界和自身的参照系在快速变化。这在一定程度上会导致社会心理稳定性缺失，致使一些人心态浮躁、焦虑感上升。因此，推进国家治理现代化，要注重塑造与之相适应的健康社会心理，为各项改革和实践营造良好社会氛围，提升国家治理 现代化“硬件”与“软件”的契合度。在信息时代，大数据打破了单一主体对信息传播流向和内容的垄断，拓宽了信息来源和流通渠道，提高了“信息能见度”，为 民众参与国家治理提供了有效技术支撑。对大数据进行分析与集成，可以找到在国家治理现代化的大变革中社会心理浮躁、焦虑的症结所在，有的放矢地采取措施，引导和调整社会预期;引导人们保持战略定力，弘扬一张蓝图绘到底的精神;激发广大人民群众干事创业的活力，为国家治理现代化营造改革创新、和谐稳定的社会氛围。
来源： 中国教育报 2014-06-16 我们正开始步入大数据时代。
这是一个我们从来没有经历过的时代，也是千年未有过的大变革的时代。大数据时代将深刻地影响着人们的思想观念和生活方式，毫无疑问，也将深刻地影响着我们的教育。和过去的网络时代相比，教育受到的影响甚至震荡更加巨大和彻底。网络时代教育在局部观念和一些技术上面受到了迅捷广阔的影响，并按照人们的意识按照人们的设定在大步阔步前行，由于网络时代的传统数据是人为的有选择性的阶段性录入处理，大数据是非人工的机器全过程的观察录入整理使用，因而真正的大数据时代，则常常不再以人们的意识为转移，更多的是来自于大数据本身对于事务以及活动乃至于人类发展的判断了。
因为大数据时代数据的多样化、海量化、快捷性、灵活性以及复杂性，自然会对我们的教育带来以下巨大的影响。
教育资源的优质化更普及 因为大数据的广泛使用，一个地方一个地区一个国家乃至全世界，最优质的教育资源将被广泛分享，每一个角落每一位学生都可以分享到最顶级的教师教学指导。其教育内容的演示乃至还原，都可以因为大数据时代的到来而更加深刻透彻明白晓畅，教学过程中信息的不必要的扭曲变异衰减大为减少，教育的情景化趣味性大大增强，学习自然就变得更加轻松顺畅。教育内容的选择性更大 过去我们的教育收客观条件局限，不可能给受教育者提供多样性的选择，而随着大数据时代的到来，不少地区和国家都在探索实践，我们国家一些高校和一些中小学也在进行尝试，就按照传统教育观念设置的课程而言，都有了无限多门课程供自己选择的可能。足不出户就可以自行点击和选择全球名校的课程进行研修，也可以通过网络等选择国家贴近生活贴近需要的实用类的内容，以及探索研究虚幻的浩渺的极其宏观和非常微观世界的内容等非传统意义上的课程内容来学习。
教育过程的个性化更强 人和人之间的学习差异可以不再困扰教育工作者，学生可以根据自己的兴趣爱好和学习能力去寻找更加适合自己的教育，同时大数据时代的教育也能够较早较好地为学生提供更加适合该学生的学习课程设计，没有必要再像工业化时代一样去面面俱到地完成各门课程的学习任务，学生的走班制将进一步演变为走课制，班，包括不同层次的学科建制的班的空间概念，有可能被大数据时代的内容上的课的概念替代，也就是学生学习的私密性也将会大大提高，学习了多少学习到了什么程度完全是个人的隐私，同学之间甚至师生之间都不清楚各自学习的内容以及程度。
教育效果的反馈性更准 传统的纸笔练习作业考试将像书信一样逐渐淡出人们的视野（成为少数人少数行业的专营事情），学习认知实践思考探索将逐渐融为一体，巩固性检测性练习，必将被不断行进之中的自我选定的人机对话的方式所替代，也就是说，自己的各种知识各种能力发展到了哪一程度能够解决哪一门类的问题甚至能够在实践中解决哪些问题，都能够随时得到反馈，无需等待一个特定的时间段学段才去参加某一程度的考试来证明自己。大数据时代的教育反馈，不是简单的横断面的孤零零的一些试题的检测，而是可以将整个学习过程的数据进行整合作出判断，包括现代教育测量所测量不出来的习惯方式顺序细节心理变化等，都可以纳入观察考量的范围。
教育单位的分层更加细化 学校教育随着社会的工业化而诞生，也将随着大数据时代的到来而产生巨大的变化，学校不再是简单的按照年龄以及学段来划分的教育单位，而会逐渐演变为教育辅助平台，教育内容的专门化机构，更高层次上的青少年宫一类性质的机构将逐渐取代传统意义上的中小学学校。学历教育会随着大数据时代的发展随着时间的推移逐渐淡化，反之，社会对人的实际学习更新的能力、研究探究能力，某一专门领域的专项能力，要求则更加容易精细和精准，当今流行的人们背负的符号马甲，则将逐渐失去职业寻找中的敲门砖的作用。我国之大类似于世界之大，沿海特区经济发达地区可能相对较早进入大数据时代的边沿，一些学校一些地方已经开始了慕课开始了玩翻转课堂开始了多终端进课堂等，而西部欠发达地区的山村小学连水源都还困难，因此有人说我们正处在“四世同堂”的时代，即同处于农业时代、工业时代、信息时代、网络时代，农业时代的烙印还难以根除，工业时代的观念还没有很好建立，信息时代的意识还没有来得及消化，网络时代大数据时代又紧锣密鼓地步步逼近，这对我们的教育无疑提出了更加艰难的挑战，如何多层次多元化多维度地区应对大数据时代对教育带来的变化，既要有共同基础又要有个性发展，既要鼓励探索前行又要扶持困难后进，使得中华民族的教育发展既能够脚踏实地又能够赶超世界发达国家的教育水准，为中华民族的伟大复兴培育出一批批优秀的杰出的健壮的快乐的人才出来。
摘要：随着大数据元年的到来，大数据已经开始冲击着各行各业，并影响着大学教育的方方面面。大数据时代将改善学习的核心要素，给大学教育带来深刻的影响。在大数据时代大学教育由单向度反馈转向多向度反馈，为实现个性化的教学方案提供必要的前提。同时大数据在大学教育中的应用还将面临技术层面、学生个人隐私及预测结果的正确运用等多方面的挑战。
关键词：大数据时代；大学教育；机遇；挑战
1.大数据时代的实质
早在2011年5月，麦肯锡公司发布的《大数据：下一个创新、竞争和生产力的前沿》报告中指出：大数据的规模以及其存储容量正在迅速增长，大数据已经渗透到各个行业中，成为重要的生产因素，成为可以与物质资料和人力资本并论的生产要素。正如马克思。所说“各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产。劳动资料不仅是人类劳动力发展的测量器，而且是劳动借以进行的社会关系的指示器。”大数据的演进与生产力的提高将产生直接的关系，大数据将成为重要的生产资料。同时，用于大数据分析的关键技术包括云计算、数据仓库、Big Table等日趋成熟，使大数据的整合、处理、管理、分析成为可能。2013年，被称为“大数据时代元年”，标志着大数据时代的正式开始。进入2013年“大数据”走入了我们的生活，对各行各业产生了深刻的影响，每个行业的经营模式、生产模式、管理模式等正产生翻天覆地的变化，也为各行业带来了改革的契机。维克托?迈尔?舍恩伯格在《大数据时代》中指出：“大数据开启了一次重大的时代转型。大数据正在改变我们的生活以及理解世界的方式，成为新发明和新服务的源泉，而更多的改变正蓄势待发……”大数据时代不仅仅包含着各种类型数量众多的数据，更重要的是代表了快速取得并有效利用有价值资料的能力。在大数据时代到来之前，由于定量研究是建立在假设和有限的抽样数据的基础上，使得定量研究复杂而缺乏准确性，大数据时代将彻底改变这一状况，它可以让纷繁复杂、单调枯燥的数据变成可以说话的信息，它的实质不仅在于大量的占有数据，更多的是提供了预测性和前瞻性的信息和知识。淘宝、京东等众多购物网站可以根据顾客的浏览历史数据判断出顾客的喜好和最近的需求；沃尔玛等跨国连锁超市可以实现从啤酒、尿布、日用品等全系产品销售数据的分析，以此实现准确的物资仓储储备；美国洛杉矶警局利用各类案件的大数据的分析来合理安排巡逻车和布置警力。这些无疑不是大数据预测性的体现。大数据的预测性帮助我们在特定的背景下提炼出数据潜在的规律，从而指导实践，提高效率。
2.大数据时代给大学教育带来的深刻影响
麦肯锡公司发布的《大数据：下一个创新、竞争和生产力的前沿》报告中指出：大数据的有效应用可以创造出巨大的潜在价值。运用在教育领域也势必通过多种方式创造价值，第一，在大学教育中，让原本互相分离的部门之间更加容易的获得相关的数据就可以使教学方案、教学计划、教育回馈等实现并行，大大提高教学效率；第二，随着大学创造并储存更多数字形式的教育数据，应能够通过对比实验，提供更具有学习效果的教学方法；第三，利用大数据对学生进行具体的细分，可以精确的制定更具有个性化的教学方案；第四，在大学教育中利用大数据可以提供算法研究进而形成成熟的分析方法，可以改善教育决策的科学性，实现教育决策的风险最小化。大数据在大学校园里是无处不在的，网络、计算机及智能手机的普及让大学生的社交活动、在线学习，日常的信息管理等都成为大数据的主要来源。这些大数据在技术支持下将为教学本身提供数据驱动的检测，同时也给大学教育带来了深刻影响。首先，大数据时代的大学教育，学生的学习、老师的教学都发生在数字的环境中。大学教育所依赖的教学工具，电子教科书、数字化讲坛、甚至是大学本身都将是大数据获取的平台。在这个数字平台中，大学将收集以往无法收集或即使收集起来也没有反馈的数据，如大学生在线课堂的反馈、网络课程的中途退出、电子教科书上的标注、图书馆的借书记录等等都将被记录并进行处理。在这一过程中，大数据有能力将数据的生成、处理分析、利用分隔开来分类利用。其次，大数据时代大学教育可以实现符合每名学生的个体需求，而不是为一组类似的学生定制的个性化学习。传统的大学教育系统是基于平均水平的设计的教学方案，那么一定会同时伤害位于正态分布曲线两侧的学生。大数据时代学生将在各自的多媒体学习的平台进行学习、互动，老师给的教学回馈也将是具有针对性，真正实现维克托.迈克.合恩伯格所说的：实际上是“一个尺寸适合一个人”的方式。最后，通过对大数据的分析，通过概率预测优化学习内容，学习方式和学习时间等具体内容。在大学教育这个数字平台，将更全面的发挥“预测”这个大数据最重要的功能，帮助我们更加准确对学习内容、学习的方式和时间进行精准的安排设置，提高整体效率。
3.大数据时代大学教育面临的发展机遇
（1）单向度反馈向多向度反馈的变革。在传统大学教育中，反馈随处可见，课后作业、课堂参与、出勤率、论文及考试成绩等分数，都是学校及老师给学生及家长的反馈，但这种反馈几乎都是单向度的，即由教师和学校指向学生和家长。这些分数代表着学生在学校的学业表现，同时社会及用人单位也依赖这些分数作为衡量学生的学习行为的指标。现行的教育反馈只是对学生的学习表现进行打分，然而校方却很少评价自身，更不会全面和系统的对自身的教学进行评估，也不会对采用的教科书、测验和课堂讲解等教学内容和手段是否对学习有益进行衡量。大数据时代的到来正在彻底改变这一现状，大学将能够收集到过去无法获取的学习数据，并用于学习过程的处理。大数据还能使用新的方式组合数据，并充分发挥其作用以提高学习理解和学业表现，同时将分享给教师和学校管理者以改善教育系统，完成校方与学生的双向反馈。在传统大学教育中，学生在阅读教科书过程中，有的段落和篇章进行了反复阅读，那么是因为其讲述的内容丰富有趣，还是晦涩难懂，都无从可知。学生是否在特定的段落进行了标注及笔记，为什么这么做？学生是否在中途就已经放弃了阅读？如果是，放弃的位置是在哪里？这些问题传统方法无法给出准确答案。直到大数据时代的到来，才找到可行方案。当教科书出现在电脑上，上述的信息不仅可以采集还有可以进行处理，可是实现学生、教师、出版商之间的反馈。在传统大学教育中，也有专门的审核委员会对大量教材进行审核，但委员会的评估工作往往存在局限性，他们可以对内容的精确程度进行检验，并与公认的教学标准进行比较，但是缺少了解教材是否对学生有效的实证方法。在大数据时代，教科书出版商通过分析电子书平台上的综合数据分析，清楚地分析教科书中的有效内容和无效内容，以此作为完善写作的基础。在过去，教科书信息的反馈是单向的，即从出版商到学校，在大数据时代，信息的反馈是多项进行的，实现与校方、学生、教师、出版商的多项反馈。
（2）大学教育组织结构的变革。大数据时代大学的教学环节必然与大数据技术紧密相连，传统教育机构的组织管理机构势必作出调整与适应。
第一，大学教育将出现新的职业分工，大学数据的分析、处理和在教学中应用必须有专门的技术人员来完成。由一位对冲基金分析师创建的可汗学院，大数据成为了该学院运作的核心。截止2013年年底，这个非盈利组织共有50名员工，其中有10人专门从事数据分析并取得了骄人的成绩。因此，专业的数据管理人员，数据分析人员，数据开发应用技术人员必将成大学教育中的新成员。
第二，大学组织管理机构的重组。数据之所以在大学教育中可以发挥巨大的作用，其中最重要的原因就是大数据能够迅速反映知识在各个环节传递中所遇到的问题和发生的状况，具有数据价值的时效性。校方的政策执行过程中的数据、老师教授过程的数据、学生学习过程中的数据都会第一时间被收集、分析、挖掘。
分析的结果也会实时呈现出来，如果还是通过传统的直线型或智能型的组织结构模式，很难在有效的时间内将数据分析结果快递下去。为了适应大数据时代信心的快速响应及传播的要求，扁平化的大学组织管理机构将成为大数据时代发展的趋势。
（3）提供个性化的教学方案。至今为止，大学的教学方式虽然进行了很大的改变，学生可以进行诸如小组讨论等多种方式的学习，但从本质上看并没有什么不同。学生们接受相同内容的课程学习，使用同样的教材，做着同样的习题。大数据时代的来临将给大学教育注入新的活力，大数据时代的预测性和前瞻性，为大学教育的个性化教学提供了可行前提。在大学校园，能够借助大数据对学生的学习情况进行记录及分析。学生普遍使用的QQ、微信、微博等社交网站、图书馆、网络课程、在线教育平台等可以记录并分析学生的每个学生的思想动态、家庭背景、考试成绩、学习过程等等。这些数据不仅可以帮助学校完成学生各自的思想教育，还能有针对性的进行专业知识的学习，从而形成系统的，有针对性的教学方案。大数据能够实现学习知识的扁平化，不需要把学科的知识按照专业、科目、年级进行严格划分，而是构建学科知识库，通过大数据来分析和预测学生的学习态度、学习习惯、对知识的掌握程度、进而向每名学生提供合适的课程内容，恰当的课程进度，适宜的辅导教师及准确的课程形式。正如维克托?迈尔?舍恩伯格在《大数据同行》一书中举的案例：在可汗学院，教师通过控制面板取得学生的学习进度，学生也在系统中发挥积极作用。学生每一次与系统的交互都被记录下来，这些是数据用于分析，并向教师、学生及家长提供学习情况的反馈。
（4）科学的教育决策方法。教育决策方法一定会紧跟大数据时代发展，利用大数据的科学方法分析决策活动，改变以往的依靠经验进行判断，采用大数据的新技术和方法进行决定，保证决策的精准性和可靠性。第一，大数据时代使决策信息的获取与处理更加科学。现代决策理论创始人伯特.西蒙认为在决策的过程中至关重要的因素就是信息，信息是合理决策的生命线。大数据的信息平台为信息的收集提供了基础，大数据的数据处理技术让信息变得更加有效。决策者可以根据收集和处理过的信息，及时掌握问题的本质，做出科学的决策，同时在其后的反馈中发现决策方案的偏差，做出调整，保证教育决策的有效性和科学性。第二，定量分析与定性分析相结合的科学决策方法。以往的教育决策往往是按照决策人的经历和主观判断做出的，而忽视问题的复杂性、环境的多样性进行分析，特别是在大数据时代，教育决策呈现出很多新特点和新问题，传统的定性分析已经不能满足实际需求，定量分析则可以弥补定性分析在微观上的弱点，对备选方案进行定性和定量分析相结合的基础上，可以提升备选方案的可比性，做出科学的判断。
4.大数据时代大学教育的面临的挑战
（1）大数据技术层面的挑战。大数据技术层面的挑战既包括计算机等硬件条件的制约，同时也包括大数据人才缺乏的挑战。2012年10月，美国教育部发布的《通过教育数据挖掘和学习分析促进教与学》的报告中指出大数据在教育应用的技术挑战主要有3个方面：第一，大数据的应用基础是首先拥有大量的数据样本，那就会涉及到对海量数据的采集、分析、储存和整理的问题，包括计算机的数据处理能力、云计算的技术挑战；第二，大数据在大学教育中应用，对采集到的数据进行分析，最终得出解决问题的方法是大数据的核心环节，那必然要面对数据分析技术的挑战；第三，数据兼容性的挑战，大学教育中的数据是以多种形式存在的，不同数据在不同的存储系统中有着各自的编码和格式，造成不同系统间的数据可能无法共享问题。人才短缺的挑战也不容忽视，麦肯锡公司预测美国到2018年将缺乏数据分析人才14万～19万人，这些人才不仅需要具备固有的数学能力和专业知识，还要经过长时间的培训。面对中国大学教育大数据的挖掘及使用较晚，能够驾驭大学教育大数据的数据工程师也必将成为稀缺人才，从而制约着大数据在大学教育中的应用。
（2）大学生个人隐私及信息的挑战。在大学教育中，我们一方面享受大数据时代带给我们的便捷和具有个性化的教学方案，同时我们也在大数据的采集中为此付出了代价。每名学生在数字化的校园已经变得完成透明，课程内容、学习的进展，甚至于晚饭吃的什么都被一一记录下来，每个人似乎没有隐私可谈。虽然有一些国家和法律对已经颁布了一些隐私保护法，来防止对个人信息的全面采集和长期储存。这些法律通常都会要求数据的使用者公布数据采集的对象及用途，并且必须征得本人同意后才可以使用。大数据的价值在于数据可以重复利用，但在搜集数据的初期通常不会考虑数据的下次利用。个人的教育信息是特别敏感的，它深入到每名学生的成长历程中，在教育中，可以允许通过个人数据改进学习资料、学习工具，学习方法等，但如果要使用这些数据来预测学生未来的能来，必须有更加严格的监督管理机制。那么如何保护好每名学生的个人信息，让数据的使用机构为自己的滥用行为承担责任。在这个道路中还有很长的路要走，还要清除很多的障碍，面临着巨大的挑战。
（3）理性对待概率预测。在大学教育中，大数据的预测将无处不在，它会以所有人为对象进行教育数据的全面收集，用于对未来的学习进行预测。比如斯坦福大学的吴恩达教授发现在一门机器学习的课程中，有超过一半的同学做错了“计算成本”的线性回归，但经统计分析在浏览过编号为830的论坛文章的学生中，则有64%不会再犯同样的错误。如有学生再犯这个错误时，就不需要学生的自行判断而是依靠大数据的预测为驱动手段，系统将自动推送这篇文章帮助学生解决问题，提高学习效果。在大数据时代诸如此类的概率预测比比皆是，那这些概率的预测是否会限制学生学习的自由选择，并最终影响到学习的效率的提高。就如上面的例子，如果没有大数据的预测和驱动，有些学生可能只需要将相关知识遗忘的部分进行简单的温习，而不是需要花费大量时间进行大篇幅的阅读。如何利用旧的个人数据进行预测，预测的结果也必须理性的看待。大学生作为每个个体，都要不断的成长、发展和变化，而收集到的数据却始终保持不变，这些数据只能显示在数据收集的那个时期学生一些学习状况，那么未来的预测是否也要加入这些数据的影响呢。也就要求数据分析人员积极谨慎地对待这些数据，客观的判断这些数据信息与现在的学生是否存在着关联的关系。正如维克托?迈尔?合恩伯格在《大数据同行》一书中讲到：“全面教育数据带来的首个重大威胁，并不是信息发布的不当，而是束缚我们的过去，否定我们进步、成长和改变的能力。”
短时间内激增的业务量再一次挑战了中国电商物流的新极限。电商物流企业在享受这场盛宴的同时, 能否应对庞大的物流流量高峰, 是目前中国物流行业值得思考的问题。然而, 从各大媒体报道来看, 2013年“双十一”期间, 各电商物流企业并没有出现爆仓的情况。
电商物流企业之所以在2013年经受住了考验, 最主要的还是得益于对大数据技术的使用。在“双十一”前期, 电商物流企业就未雨绸缪、开始积极备战。首先通过大数据平台做好数据的处理和挖掘, 然后通过分析历史数据掌握一般运行规律后, 对未来趋势进行较为精准的预判, 最后根据这些预判结论找到之前在电商物流行业链条上的薄弱环节, 进行逐一完善。
1 大数据的定义与特点
何为大数据? 目前虽然对大数据的概念没有统一的定义, 但是维基百科中定义中只有短短的一句话: “巨量资料 (Big Data) , 或称大数据, 指的是所涉及的资料量规模巨大到无法通过目前主流软件工具, 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。”
其特点有四个层面: 第一, 数据体量巨大。从TB (太字节) 级别, 跃升到PB (拍字节) 级别; 第二, 数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等。第三, 价值密度低, 商业价值高。以视频为例, 连续不间断监控过程中, 可能有用的数据仅仅有一两秒。第四, 处理速度快, 1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。
2 大数据给电商物流带来的好处
大数据在海量的数据中发现新的知识, 创造新的价值。数据本身转化为信息, 并通过信息的提炼成为普适规律, 最终变成企业的利润。这已经被越来越多的物流企业所认识, 如何通过大数据掘金市场, 电商物流企业在以下四个方面作出了成功的探索与实践。
2. 1 大数据助力电商物流科学决策与智能部署
大数据的核心是发现和预测。通过对数据的挖掘和分析, 发现潜藏在数据表面之下的历史运行规律, 并且预测未来运行趋势。企业在利用大数据资产的过程中, 从获取、整合、治理、分析、预测、科学决策再到采取精确行动, 基于大数据做出决策是2013年电商物流企业的一大亮点。
以“菜鸟网络科技有限公司” (以下简称菜鸟网络) 为例。在2013年“双十一”之前, 该公司分析了近四年参加“双十一”商户的历史数据包括商户所处地理位置、往年订单量及物流情况等, 并对2013年的情况分区域进行预测, 并将其预测的网点收发等信息数据与各快递企业信息共享。各家快递物流企业根据这些预测, 结合物流体系建设的三个重要节点———仓储、干线和配送来部署相应的物流设施。在仓储建设方面, 针对2012年发生的大规模物流仓储爆仓等问题, 2013年菜鸟网络与相关13个快递合作伙伴新增或者改建分拨中心超过150个, 增加操作场地超过200万平方米, 分拨中心人员储备较2012年增加了约40% ~50%。在干线建设方面, 针对“双十一”, 快递公司提前组建的临时百架机队的规模已经仅次于国航、南航、东航、海航等航空公司的机队规模。
2. 2 大数据助力电商物流提升速度
大数据的价值在于从海量的数据中发现新的知识, 创造新的价值。物流行业是一个产生大量数据的行业, 在货物流转、车辆追踪、仓储等各个环节中都会产生海量的数据。应用大数据技术, 通过对各个物流环节的数据进行归纳、分类和整合, 再加上天气预测、交通预测等数据, 进行相关的大数据分析, 从而优化线路, 使物流车辆行车路径实行最短化、最畅化, 提升了物流运行的速度, 减少了物流运行的差错率。
在2013年“双十一”期间, 阿里集团在配送方面启动大数据监测。通过数据雷达, 商家能清楚地知晓揽收率、在途率、签收率、异常率等关键数据, 并对物流订单实现有效管理。从国家邮政局网站《关于2013年11月邮政业消费者申诉情况的通告》中看, 11月消费者对快递业务申诉的主要问题是快件延误同比下降0.4%。在订单量大幅度上升的情况下, 延误率确是下降的, 可见提高了物流运行的速度。
2. 3 大数据助力电商物流流程智能化
电商物流业涉及商流、信息流、资金流、物流等众多环节和相关信息的有效流动全过程, 而且是一个新型的跨行业、跨部门、跨区域、渗透性强的复合型产业。大数据的使用将电商系统的业务和管理流程进行再改造。中国物流学会常务副会长戴定一认为: “大数据时代的智慧物流有许多新的发展, 但始终还是会围绕网络和流程这两个物流的基本问题发展的。”通过数据挖掘和建模对企业流程的优化已经可以渗透到几乎各个环节, 诸如物流流程、会员管理流程、产品管理流程、人力资源优化等企业业务与管理各个方面。各电商物流企业有效地提高了企业的物流效率, 降低了人力成本, 提高了资金的流动速度, 获得了更多的利润。
小米科技公司与顺丰速运公司的合作就是一个典型的案例。2014年4月8日的米粉节当天, 小米官网接受的订单数为226万单, 当天发货订单20万单。顺丰的信息管理与小米的WMS (仓储管理系统) 系统实现了实时的对接, 出仓订单一旦生产出来, 数据会直接进入顺丰的系统, 同时使用电子运单的方式, 减少了交接的手续, 减少中转次数, 做到实时提货。从小米官方微博给出的消息:南京用户下单购买的商品已在当天13点29分妥投; 武汉用户也已在米粉节当天13点32分收到货品。
2. 4 大数据助力电商物流服务个性化
大数据的核心价值是服务, 充分利用物流业大数据, 针对不同个体能够提供其需要的最及时的、主动的服务。大数据让电商物流企业为每一个客户量身定制符合个体需求的产品和服务, 从而颠覆整个商业模式。现代物流运用精益的思想对物流活动进行管理, 使消费者在合适的时间, 合适的场所, 采用合适的物流服务满足其个性化的需求。在精益物流系统中, 顾客需求是驱动生产的原动力, 是价值流的出发点。价值流的流动要靠下游顾客来拉动, 而不是依靠上游的推动, 当顾客没有发出需求指令时, 上游的任何部分不提供服务, 而当顾客需求指令发出后, 则快速提供服务。首先通过大量的数据采集, 采集尽可能多的数据, 《大数据时代》的作者维克托·迈尔·舍恩伯格认为, 不是随机样本, 而是所有数据。即数据的数量优于质量。数据量越大, 就能够解决所有质量上的缺陷。再者通过数据分析挖掘, 分析数据之间的相关性, 得出数据之间的数据逻辑性或因果性。所以在大数据时代, 数据量越大, 价值就越大, 才能使系统资源精益化, 信息网络精益化, 服务内容精益化, 服务对象精益化, 满足消费者的个性化需求。
京东的自建物流, 为广大客户提供的211限时达、一日四送、预约配送、极速达等物流服务; 天猫针对“双十一”前后在外地出差旅游或是无法及时拿到包裹的消费者提供的免费快递代收业务; 易迅的2小时送达的极速达等更精准的差异化的物流服务。这些差异化、个性化物流服务的实现无不体现了大数据在电商企业具体实施。
3 关于大数据对电商物流影响的进一步思考
诚然, 大数据技术的运用在电商物流中取得了巨大的成功。但是我们不得不面对的是: 相比于发达国家, 中国的物流业发展相对滞后, 第三方物流服务规模小、物流管理体制不健全、物流基础设施能力不足等瓶颈使得我国的物流成本过高。物流基础设施滞后带来中转效率偏低, 进而成为影响物流效率的瓶颈, 电商物流企业虽然意识到这一点, 并为此纷纷在部分节点加大中转仓投入, 但缺乏全网范围的优化。同时2013年10月经第十二届全国人大常委会修订的新版《消费者权益保护法》于2014年3月15日正式实施, 其中首次对网购后悔权有了进一步规范, 这让电商物流企业的物流业务带来了新的压力和挑战。怎样通过大数据等技术提升电商物流行业的整体竞争水平, 未来电商物流企业还需要做得更多、更好。
关键词： 物联网 大数据 预警
1.引言
在经济高速发展与计算机应用的普及大潮下，人们接触到互联网，随着传感技术的不断进步，各式各样能够检测出不同类型数据的传感器逐渐走进人们的生活。当传感器和互联网都深深植根于大家的生活中时，一种新的技术也逐渐成形，物联网技术应运而生。物联网技术的应用，极大拓展了数据的获取途径，实现多途径获取数据。
物联网的发展以迅雷之势影响不同行业，使得反馈信息实现跨领域整合，达到信息共享的目的。对于信息系统尤其是以预测为主的系统来说，提供的数据量不能充分满足，那这些预测系统的可靠性就会受到极大影响，发挥不出应有价值。所以为了能够发挥出预测系统的作用，利用物联网收集到各种各样真实有效的数据极为关键。但是目前看来，有部分正在使用的系统，还是以文本的形式存储和管理分析数据，对数据的提取极不方便，这些数据以层次结构为主，使得数据查询和操作麻烦。这种形式严重影响了系统的预测效率和精度。随着时代的发展，以更高效安全为特点的大数据处理模式诞生。
2.大数据助力数据分析处理
2.1设计目标
针对于预警物联网设计的规则，对象是物联网中大数据信息的分类处理和预警。目标是实现通过规则快速分析物联网反馈回来的数据，从而为最后的业务决策提供可靠的数据支持和管理，此设计的目标主要体现在数据对象与预警业务的分离。同时可以提高预警的准确性。通过对数据节点上数据的保存和共享能够加强数据与规则的匹配，极大提高工作效率。业务规则在管理时可以单独管理，将规则放置在数据库中，形成一个独立的预警信息数据库，在需要进行判断预警时，从数据库中提取，快速进行逻辑判定，在工作过程中，如果发现需要修改其中某项规则时，则可以单独修改，不会出现牵一发动全身的现象。同时如果规则出现bug，则可以逐渐向内添加，增强规则的可阅读性。在建立规则时可以尽量选择自然语言或者是接近自然语言，这样不仅会降低规则建立的难度，而且可以方便开发人员之间的交流。
2.2设计架构
系统的构成可以分为五个部分，知识库、数据寄存库、规则建立模块、推理判断模块和数据库模块。
知识库又称为规则库，简单点理解就是存储物联网大数据用来进行预警的数据和用来判断信息是否需要预警的规则。数据寄存库是对物联网大数据信息对象的存储，以及对已经使用过的预警数据进行保存。规则建立模块可以根据系统使用过程中产生的bug，随时由使用者将规则插入知识库中。推理判断模块是整个预警系统的核心，它将知识库中的判定规则及预警数据和数据寄存库中的大数据信息进行匹配运算等，得出是否需要进行预警。数据库用来将最终得到的结果存储下来。
3.建设过程
3.1规则模块
建立规则之前要首先判断规则的正确性，检测规则的方法是将规则输送到解析器里，通过语言识别进行检测。需要特别注意的是规则文件一般是使用.xml作为其特有格式。若是规则在语义上没有问题的话，则可以将规则转化成descr格式的中间格式。最后使用AST工具把前面检测过没有问题的规则发送到包生成器中，建立包含单一规则或多个规则的package对象。
3.2知识库
知识库中包含了已知的大多数针对物联网大数据灾害预警的数据运算规则和预警值。一般采用规则语言reohivi进行规则的编写，通过对相关参数进行形象的面熟，同时链接各个参数，最终将整理好的数据存储在知识库中。
3.3推理判断
本模块是整个基于大数据物联网预警系统的核心模块，它将知识库中的规则与预警数据同数据寄存库中的反馈信息进行调用加载运算，并选择合适的算法对两库数据匹配。如果匹配完全成功则立即发出预警信号，如果在运算匹配时发生规则冲突，那么需要立即进行修改，调用规则生成模块对冲突进行修改。最终将运算结果存放于数据库中。推理模块的工作流程如下：先将package对象删除作业，这个时间不受限制。同时加强工作记忆的弱化作用。
3.4数据库模块
数据库中存储的信息都是经过加工后的信息，可以直接用于业务分析、灾害预警等，作为大数据预警的数据对象使用，此外可以为推理判断模块提供匹配功能。
4.结语
物联网大数据有其独特特点，数据产生快，真实可靠。但正因为数据产生的速度过快，使得数据处理能力无法保证。在对使用物联网大数据进行预警信息高速处理的基础上，着重分析了构建规则引擎的方法进行问题的解决。使用规则引擎的方法还可以从以下几个方面进行优化，首先建立物联网的数据中心，收集从传感器上传来的信息，进行分类处理，提高工作效率。其次实现规则管理的自动化，更多地使用规则引擎技术。
参考文献：
[1]纪佩字，印杰，武旭红.面向物联网的大数据预警信息高速处理规则引擎[J].计算机与数字工程，2013（09）.
[2]何文娜.大数据时代基于物联网和云计算的地质信息化研究[D].吉林大学，2013（06）.
关键词：大数据;内涵;特征;高校教育管理;类型;作用;应用策略
目前计算机信息技术已经在社会各行各业中被广泛应用，高校教育管理领域也不例外。我国许多高校都以大数据为基础，创建了高校教育管理网络信息系统，充分利用各类大数据信息，优化学校教育管理模式。
1大数据的内涵与特征
大数据在英文中又称作bigdata，它一般所涉及的数据资料量非常巨大，以致在合理时间内，采用传统的数据处理方法根本无法进行科学的分析与有效的管理。简单而言，大数据就是指规模大到传统的数据库工具难以采集、保存、管理与分析的各类数据集。而大数据最明显的“四V”特征，也使得它与传统的数据信息迥然不同。所谓四V特征就是指大数据的Volume特征、Velocity特征、Variety和Veracity特征。在这四个特征中，Volume是指大数据的规模庞大;Veloc―ity是指大数据的处理速度高效快捷;Variet指大数据包含音频、图片、网络日志、视频等多种数据形式，结构类型十分繁杂;Velocity则是指大数据的精确性、可靠性与真实性较高。大数据技术本身所具备的“四V”特征，使得大数据在社会各行业的应用过程中呈现出了预警性、动态性、描述性和预测性特点。反过来，这些特点又直接影响了社会各行业的变化和发展。
2高校教育管理中常用的大数据类型
教育大数据是学习者的各类行为的表现，目前我国高校教育管理中应用的教育大数据基本可分为三种不同类型。
2。1教育基础信息
近些年来由于国家对公民教育的重视，我国各大高校的教育教学事业都取得了较大发展。而这些高校在长期的校园设施建设与教学事业发展过程中，所产生的学校基本建设情况、学校资金投入状况、学校基本信息变化、学校招生状况以及学校的人事变动等多类繁杂的数据信息都被相关工作人员统计汇总到了各级教育管理机构，并由此形成了一个海量的教育基础信息库。
2。2校园建设数据
而就高校自身发展而言，其在年复一年的长期办学过程中，也会不断产生和积累一些有关本校学生的基本信息、学校各专业的课程信息、学校日常生活信息、学生实践活动信息、学生社交信息;教师的科研信息、工作变动信息、学校的招生信息、学校资产信息、图书馆藏信息等。这些校园数据信息来源于学校办学实践和学生日常学习活动，数量巨大、类型繁多、速度更新快并具有巨大的潜在价值，从本质上讲也是比较重要的一类教育大数据。
2。3在线学习的平台信息
现阶段，各类网络在线学习的平台非常多，这些网络在线学习的平台为高校学生提供了大量准确、快速、有效的学习资料。而学生在网络在线平台学习的过程中，所产生的学习日志、课程选择、学习路径以及学习结果等一系列与学习行为有关的各类数据也可以看作教育大数据的一种。这类大数据被实时记录并保存网络在线学习的平台运营商手例。政府和高校应该积极与网络在线学习的平台的运营商合作，采取合适方法从运营商手中获得这些数据，并以大数据的理念、大数据处理技术等对这些数据进行采抽取、汇总与分析，然后根据分析结果，做出有利于高校发展的新决策。
3大数据在高校教育管理中的重要作用
3。1教育大数据有利于优化政府和高校的教育决策
大数据自身所具有的“四V”特征，使得大数据在应用过程中表现出预测性、预警性特征。而这种特征，直接影响和改变着政府与高校的教育决策模式。它使得教育决策与教育信息之间的关系，由传统的数据影响决策转变成现在的决策基基于数据和数据预知决策。也就是说现阶段政府和高校越来越重视、越来越依赖教育大数据信息。对各类教育大数据的精确分析结果，是教育部门和各大高校做出正确教育决策的基础，通过深入挖掘与科学分析各类教育大数据，教育部门和高校可以对高校的教育行为进行有效的动态监管。此外教育大数据还为教育部门和高校提供精准的预警分析服务，有效的突发事件解决措施等。简单而言，通过集成、预警、分析、建模各类校园教育大数据，教育部门和高校可以获得更有价值的教育信息资料，并依此作为教育决策的基本依据，从而提高教育决策的正确性与科学性。
3。2教育大数据有利于革新高校教学模式
很长时间以来，我国传统的高校课堂教学模式一直是老师教，学生学，教师主导着课堂活动的进展，是教学的主体。但是随着慕课在正规高校中的流行，在线学习逐步成为大学生学习知识、认识世界的又一重要途径。诸如智慧树、学堂在线以及爱课程等多种类型的慕课平台越来越受大学生的欢迎。相较于传统的高校教学方式，慕课具有授课时间和授课地点灵活、课程资源优质、授课方式多样等多种优势，非常有利于增强大学生的注意力、提高大学生的学习效率。与此同时，大学生在这些网络在线平台上的学习过程，被适时记录与存储，并逐渐形成教育大数据，通过深刻挖掘与科学分析这些大数据，高校就可以有针对性地优化课程资源设置，革新教学模式，最终提升教学质量。
3。3有利于有效监管和正确引导大学生的思想行为
摘要：大数据意义之“大”，更深层次的在于对海量数据的采集处理、统计分析、挖掘应用。教育大数据的分析应用，是教育信息化发展背景下的教育教学管理方式的创新摸索，是未来教育教学改革、教育质量监控的数据依据。
大数据就是巨量的数据，典型为PB或者EB存储数量级的数据。Byte、KB、MB、GB、TB、PB、EB、ZB、YB、DB、NB，按照进率1024（2的十次方）递增，按照目前主流硬盘TB单位计算，一个PB概念的存储就不是一个普通机房所能容纳，而EB存储或许只有搜索引擎公司才具备。
大数据意义之“大”，更深层次的在于对海量数据的采集处理、统计分析、挖掘应用，而且这些分析处理并不是一般数据库和软件技术所能承受，而必然采用分布式架构，依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
所以，不能简单地以数据的规模大小来界定大数据，而是要注重是否满足用户需求的数据处理与分析的复杂程度。再者，大数据在教育中的应用，从发展阶段或者从应用上来看，我觉得也可以分为两个层次。
一、教育大数据的资源共享功能 2012 年9 月29 日，国务委员刘延东在全国教育信息化工作电视电话会议上提出：“十二五”期间，要以建设好“三通两平台”为抓手，也就是“宽带网络校校通、优质资源班班通、网络学习空间人人通”，建设教育资源公共服务平台和教育管理公共服务平台。抓住机遇，乘势而上，开拓进取，以信息化带动教育现代化，促进我国教育事业科学发展的重大战略任务。
教育信息化建设目前大力发展，“三通两平台”建设为教育的大数据应用奠定了坚实的基础。教育教学管理涉及的大数据非常广泛。在教育管理平台、资源管理平台、在线学习的平台和课程管理平台、视频直录播平台、校园一卡通等等这些系统中，日常教育教学活动中所产生的管理人员、教师、学生以及家长等各类行为数据，如师生基本信息、教育管理及考勤、学籍学分处理、教学活动信息、教育教学研究、设备仪器管理、各类通讯信息，都可以成为教育大数据。
在这个信息时代，大数据的资源共享应用在教育信息化中起到越来越重要的作用，在教育教学中从很大程度上帮助了教师创新教学模式和教学方法。而如何用好大数据深层次的功能，是我们面临的更加重要的课题。
二、教育大数据的分析应用功能
有人说：我们正在使用大数据，正在下载文字、图片、视频、课件，正在利用平台及平台资源开展一系列教育教学活动。的确，这是应用，但不是分析应用，不是大数据层次的应用。
2012年，浙江诸暨、东阳相继出现教育云概念。诸暨区域教育云以软硬件系统需求角度出发，东阳教育云全国规模化应用试点以资源建设角度出发，相继获得了省级、国家级认可，其目的都是为了配合教育教学应用推进而展开。这是教育相对发达省份浙江的两个县级市，在教育信息化发展的今天，为适应日益增长的教育教学应用实际需求而进行的新模式的探索。
大数据用最原始的方式入“云”，简单点说，是每一个人、每一个部门、每一个家庭、每一个行业，不同个体、单位进行各类行为操作的汇总。记录的不单单的输入的数据本身，而延伸植入了输入者本身的一切相关联信息。当你在论坛发表一条消息，你的资料同时就被关联，一起被关联的还有你曾经在网络上发布其他信息，以及与你相关的联系人。这不是简单的数据拷贝，也不是数据录入员的简单录入，这样的情况下，教育资源云技术化，首先就摆在了我们面前。
（一）云计算与大数据的关系
2006年8月9日，Google首席执行官埃里克·施密特（Eric Schmidt）在搜索引擎大会（SES San Jose 2006）首次提出“云计算”（Cloud Computing）的概念。云计算是为适应越来越大的计算、越来越多的数据、越来越快的速度要求而产生的主流IT技术。当云计算出现了之后，大数据概念自然而然的进入IT视野，并迅速引发全球范围内深刻的技术变革，乃至应用到各个领域。
如果说大数据是战略资源，云计算则是调配资源的指挥系统。云计算和大数据关系密切，两者相辅相成，不可分割。大数据是云计算的对象，脱离了大数据的应用实际，云计算就没有生命力。云计算是大数据的基础，为大数据提供了可以自由扩展、相对适宜的存储空间资源，还使得对大数据的分析处理能够及时有效的进行。所以，云计算技术的逐步完善，为教育大数据深层次应用提供了可能。
（二）教育大数据应用功能剖析
1、大数据能有效监控教育教学质量
中小学教育教学质量监控具有“全要素”、“全过程”、“全员性”、“全方位” 等四大特点。“全要素”是指教师教学过程，学生的学习掌握，管理人员工作质量等等所有因素；“全过程”是指教育教学的全程，包括教学过程的教学计划、教学实施、教学反思阶段，学生的入学、学习、考核、毕业等等；“全员性”是指有关中小学的教师、学生、管理工勤人员的一切相关内容；“全方位”是指不仅包括教学过程、教学效果，也包括在科学的基础上，对教学过程实施有效控制。有了现代化的教育教学环境下大数据平台的支撑，四“全”问题引刃而解。
（1）及时准确反馈学生信息
一般各类课程中心网站提供了学习各学科课程知识的功能，而目前流行的慕课（MOOC）平台，参与者可以在线提问，其他人可以进行交流解答，也有可能穿插一些小测试，能够反馈学习情况。在这样的教学过程中，产生了大量的实时数据，被慕课平台记录，并经过相应分析处理，原来杂乱的单个数据累积起来之后，学生的行为就能呈现出规律性，科学的反映出学生在整个教学过程中所处的状态及存在的问题。这样就可以有根据地调整学习内容或有针对性地进行学习，大幅提高教学质量。根据大数据总体分析结果，管理部门也可发现传统模式下无法发现的问题，并采取针对性解决方案，进行更有利的课程设计，更好地促进教育的发展。
在信息化的环境中，老师在设计某课的时候，可以逐步提出问题，并由学生反馈相应的答案到移动终端。老师在教授过程中，时间节点由老师控制，而这个时候学生只需要在相应的知识点这里点击“A”或者“B”，“是”或者“否”，如同鼠标左右键的点击一般简单，等到讲解完毕之后，老师马上就能知道，50%的学生在讲到第3点的时候已经出现错误，80%的学生在第5点的时候，就普遍没能掌握。
（2）科学比对不同类型数据 拥有Nike+标志的耐克鞋，表示内含芯片和传感器，可以记录步伐、步速和跳跃的高度等数据。Nike同时也建立了一种新标准，并赋予一个标准化的数值Nikefuel，它能够不受时间和项目限制，以特定的方式记录个人运动表现及方式，并能将不同个体的不同运动进行对比。此外，Nikefuel也能起到平台的作用，串联整个Nike+社区的人进行合作沟通、比赛交流，再相互激励，进行更多的运动。此种模式下，如果罗杰·费德勒穿戴Nike+打网球，而科比·布莱恩特通过Nike+打篮球，但是他们仍然可以通过Nikefuel 值互相进行比赛。
如此，我们便可设想，在教育部门组织开展教师或者学生的各项考评或者比赛时候，有困难的情况下就没有必要一定要分组分学科进行。调用中小学各学科以往的成绩统计信息的大数据作为大样本依据，小学组参赛选手成绩与小学组大数据比较，中学组参赛选手成绩与中学组大数据比较，得出各自的相对位次，即可确定胜负。
即使是严谨如高考，考生也完全可以自主选择考试时间分批进行。高考试卷由电脑随机出卷、自动打印、考生答题、自动回收、智能阅卷，实现一系列全自动化模式，绝对保证公平公正。其中最重要的一点，是考生试题的不同与成绩判定准则。我们可以根据全市、全省、全国的大数据成绩进行比对，考生的试题无论难易程度如何，均可自动分析难度系数评定分数；也可以根据答题时间、答题方式、答题要点掌握作为一些辅助评定指标。如A、B两考生，同样的答对了X题，但是大数据记录的时间显示A比B快，则A成绩比B高；如事先设定M答题策略优于N答题策略，则得出两个相同答案且时间相等的考生，答M的考生优秀。
2、大数据能综合优化教育教学策略
在对教育教学质量进行有效监控的前提下，大数据可以及时在调整教育教学策略中提供依据。通过对学习者的反馈信息进行分析，可以适当调整教育教学流程。
如：教学设计A知识点6分钟，B知识点8分钟，总计14分钟。在进行相应课内测试后，马上就能得出A掌握度80%，B掌握度70%。这样，立刻就能在下一堂课调整教学设计，A知识点5分钟，B知识点9分钟；或者根据不同情况的需求，A知识点7分钟，B知识点7分钟。
3、大数据能有效建立师生个体模型
该模型可以包括师生个体的教学状态数据、思想行为数据、知识体系数据等档案记录。教学状态数据，如学生在学校中各学科、各活动的参与度，教师可以是某一课程中的教学信息汇总，包括教学设计、课件制作、课程教授、教学反思等信息，还可以包括网络即时课程评估、再设计，大幅度提升教学效率；思想行为数据来说，学生模型可包括学生在学校中进校开始的一系列思想行为数据，包括按时上课下课、体育课运动量、食堂就餐信息，甚至包括到过的学校每一个地方、交流过的每一个人员信息；知识体系数据可以是记录学生一系列课程中的表现，如回答各类问题的数量、答案的正确率、花费的时间等等。
在教育信息化大形势下，教育软件硬件持续投入、智慧校园建设不断加强、教育技术研究深入开展，全国2亿中小学生在学习、工作、生活中衍生的无可估计的大数据，为教育教学改革良性发展提供了充分依据与良好机遇，充分吸收、分析、挖掘和应用这些数据，将是教育教学管理信息化发展的必然追求。
参考文献：
