内容简介

本书为教育技术类专业教材括理论基础和实践应用两部分内容。本书结合大量的实例，在介绍教育数据及信息处理的理论基础、数学基础和常用处理工具等内容的基础上，介绍教材分析、课堂信息处理、学生评价信息处理、教育调查问卷的设计及数据处理、信息化考试与评价及大数据在教育中的应用等内容。本书图文并茂、结构清晰、实例丰富、通俗易懂，每章附有课后任务。本书既可作为高等院校教育学相关专业的教材，也可作为各类在职教师和学校管理人员培训用书，还适合对教育信息处理感兴趣的各类人员使用。

目录

目录 章概论 节数据及教育大数据 一、 数据与大数据的含义 二、 大数据的特点 三、 教育大数据 四、 教育大数据的分类与结构 节信息及教育信息 一、 信息的含义 二、 信息的特点 三、 教育信息的含义 四、 教育信息的特点 五、 教育信息的分类 六、 信息的量化 第三节教育大数据与信息处理 一、 教育大数据的采集 二、 教育信息的收集 三、 教育大数据及教育信息的处理内容 四、 教育大数据及教育信息的法 五、 教育大数据及教育信息的处理关键技术 课后任务 章数理基础 节矩阵 一、 基本概念 二、 矩阵运算 节图论 一、 基本概念 二、 图的矩阵表示 第三节数理统计 一、 数据的集中程度 二、 数据的离散程度 第四节概率及其分布 一、 概率 二、 正态分布 三、 统计检验 第五节模糊数学基础 一、 基础知识 二、 模糊关系及模糊矩阵 三、 模糊聚类 课后任务 第三章教育测量基础 节教育测量 一、 测量与教育测量 二、 教育测量与教育评价 三、 测验与考试 节测量信度 一、 误差 二、 信度的概念 三、 信度的估计方法 四、 信度的影响因素 第三节测量效度 一、 效度的概念 二、 效度与信度的关系 三、 效度的估计 四、 效度的影响因素 第四节教育量化评价方法 一、 项目分析技术 二、 项目反应理论 课后任务 第四章教育信息处理工具 节Excel工具 一、 Excel界面 二、 数据的录入与编辑 三、 描述统计 四、 数据统计图 五、 抽样与概率分布 六、 参数估计与假设检验 七、 方差分析 八、 相关与回归分析 节SPSS工具 一、 SPSS软件界面与简单操作 二、 描述统计 三、 比较平均值 四、 方差分析 五、 非参数检验 六、 相关与回归分析 课后任务 第五章教材分析 节概述 一、 教材的概念 二、 教材分析的分类与方法 节解释结构模型 一、 基本概念 二、 分析步骤与过程 第三节ISM教材分析实例 一、 抽取要素 二、 确定要素间的形成关系 三、 制作形成关系图 第四节目标矩阵教材分析法及案例 一、 制定教学目标和直接低级目标 二、 获取目标矩阵 三、 按目标水平分类 四、 形成关系图 课后任务 第六章课堂教育信息处理 节课堂教育信息的特点 一、 量度水平低 二、 信息数量大 三、 信息模糊 四、 信息隐含 节课堂信息采集 一、 信息采集的准备 二、 信息的录制 三、 信息后期编辑处理与存储 第三节课堂信息处理与分析 一、 分类分析 二、 时间序列分析 三、 ST分析 第四节案例分析 一、 两门课程的信息处理与分析 二、 多门课程信息处理与分析 课后任务 第七章学生评价信息处理 节学生评价概述 一、 学生评价的含义 二、 学生评价类型 节学生成绩的SP表分析方法 一、 SP表能 二、 SP表的制作 三、 SP表的质 四、 SP表分析 第三节应用实例 第四节大数据方法的学生评价 一、 评价规模从样本体 二、 从到模糊 三、 从因果到相关 课后任务 第八章教育调查问卷信息处理 节教育调查问卷概述 一、 教育调查问卷 二、 教育调查问卷的分类 三、 教育调查问卷的基本结构 四、 教育调查问卷的设计 五、 教育调查问卷的评估 六、 教育调查问卷的施测与回收 节教育调查问卷应用案例 一、 被调查者的基本情况及分析 二、 问卷的信效度分析 三、 构成因子问题的信息处理与分析 四、 非构成因子问题的信息处理与分析 五、 信息素养现状以及存在的问题 六、 附录 课后任务 第九章信息化考试 节信息化考试概述 一、 考试能 二、 信息化考试的优势 三、 知识点理论 节组卷 一、 题库及其建立 二、 组卷的策略分类 三、 组卷的基本原则 四、 组卷的基本步骤 五、 组卷的约束条件 第三节基于遗传算法组卷 一、 基于遗传算法组卷的概述 二、 基于遗传算法组卷案例分析 第四节信息化考试系统架构 一、 信息化考试系统的主要特征 二、 信息化考试系统的体系结构 第五节考试分析 一、 考试分析的意义 二、 数据特征分析 三、 常用分析方法 课后任务 第十章大数据思维及大数据在教育中的应用 节大数据思维概述 一、 大数据思维 二、 大数据思维的特征 节大数据在教育中的应用 一、 大数据在教学中的应用 二、 大数据在教育评价中的应用 三、 大数据在教育管理中的应用 四、 大数据在学生业领域的应用 课后任务 参考文献

摘要与插图

节数据及教育大数据

一、数据与大数据的含义

一般来讲，数据是指对客观事件进行记录并可以鉴别的符号，是对客观事物的质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、抽象的符号，是用于表示客观事物的未经加工的原始素材。数据经过加工处理成为可以被人们认知的对象后成为信息。大数据(big data)是指无法在时间范围内用常规软件工具进行捕捉、管理和处理的数据集合研究机构高德纳咨询公司(Gartner group)给出的定义：“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。”大数据并非单一的数据或技术，而是数据和大数据技术的综合体。大数据技术主括数据采集、数据存储和管理、数据处理与分析、数据和隐私保护等内容。大数据是一个新生事物，目前尚处在逐渐被认识、被应用的初始阶段，还未形成公认的定义。其产生之初是计算机（IT)行业的技术术语，被定义为这样的数据集：其规模巨大到无法通过人工在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息。大数据技术在很多领域都拥有广阔的应用前景，对海量数据进行模型构建，有利于挖掘事物的变化规律，预测事物的发展趋势，并进行及时有效的干预。随着大数据理念的传播及其应用的逐步深入，大数据的内涵也在不断变化和拓展。人们逐渐认识到，大数据不仅是一种技术，也是一种能力。此外，大数据还是一种思维方式，让数据成为人类思考问题、决策行为的基本出发点。实际上，大数据正在演变为一种社会文化，即人人生产数据、人人共享数据、人人热爱数据、人人管理数据的文化，这种文化正在潜移默化地影响着各个行业。

二、大数据的特点

大数据有五个值高(value)、容量大(volume)、速度快(velocity)、种类多(variety)、真实(veracity)，一般称为5V。(1)价值高。价值高是大数据的核心特点。相比于传统的数据，大数据大的价值在于通过从大量不相关的各种类型的数据中，挖掘出对未来趋势与模式预测分析有价值的信息，并通过机器学习方法、人工智能方法或数据挖掘方法进行深度分析，发现新规律和新知识，并运用于教育、等领域，从而终达到改善社会环境、提率、推进科学研究的目的。(2）容量大。数据存储单位从过去的GB到TB(1024GB)，乃现在的PB(1024TB)、EB(1024PB)级别。随着信息技术的高速发展，数据开始爆发增长。社交网络、各种智能工具、服务工具等，都成为数据的来源。例如，的4亿的会员每天产生的商品交易数据约20TB。（3）速度快。随着现代感测技术、互联网技术、计算机技术的发展，数据生成、储存、分析、处理的速度远远超出人们的想象，这是大数据区别于传统数据或小数据的显著特征。(4)种类多。与传统数据相比，大数据的数据来源广、维度多、类型复杂，在各种机器仪表自动产生数据的同时，人们自身的生活行为也在不断创造数据；不仅有单位内部的业务数据，还有相关的海量外部数据。（5)真实。大数据有可靠的真实，由于其、完整的表现形式，可以避免抽样数据的误差。

三、教育大数据

大数据正在实现人类工作、生活与思维的大变革，其“威力”也强烈地冲击着整个教育系统，正在成为推动教育系统创新与变革的颠覆力量。在过去的十年里，教育者和管理者已经在使用信息技术手段优化和管理教学及学校，很多机构也在使用移动设备、在线评估系统、数字化课程和数字白板等来推进教学。教育领域中的数据因其数量、种类和速度，越来越被系统地、独立地加以看待，逐渐成为真正有应用价值的教育大数据。我国教育领域的发展与改革正面临的挑战，大数据与教育的结合已是时代发展的必然要求。

（一）什么是教育大数据目前，学术界对教育大数据（big data in education,BDE)的概念尚未有明确的界定。所谓教育大数据，特指教育领域的大数据，即整个教育活动过程中所产生的及根据教育需要采集到的、一切用于教育发展并可创造巨大潜在价值的数据集合。教育大数据直接产生于各种教育

……