教育大数据挖掘和分析系统用户需求

范文 范例 指导 学习 word版本整理分享 第一包：教育大数据挖掘与分析系统用户需求 1 项目概况 1.1项目背景 当前，上海已基本实现教育现代化，正朝着率先全面实现教育现代化的目标大步迈进。为贯彻落实党的十八大精神和教育规划纲要，立足中华优秀传统文化，弘扬社会主义核心价值观，促进中小学生全面发展和健康成长，根据国家教育部《关于中小学生综合素质评价工作的实施意见》，国务院《关于深化考试招生制度改革的实施意见》、《关于推进中小学教育质量综合评价改革的意见》（教基(2013)2号）《上海市深化高等学校考试招生综合改革实施方案》等文件精神，结合上海市实际情况，上海市教委开展了中小学生综合素质评价的研究工作，启动了综合素质评价应用推进工作，2014年发布了《上海市普通高中学生综合素质评价实施办法（试行）》的通知(沪教委基〔2015〕30号)，2015年上海市普通高中学生综合素质评价信息管理系统正式上线，计划2017年完成初中生综合素质评价内容研究，2020年开始全面实施具有上海特色和时代要求的中小学综合素质评价体系。 1.2项目名词解释 本文档涉及到的主要系统名词解释如下：  上海市高中名校慕课（MOOC） 该平台面向所有初高中学生分享优质、特色拓展型和研究型课程资源的网络学习平台，其主要建设目标在于：一是提升中学生信息化环境下的学习能力；二是推进高中学校特色多样发展；三是培养推进信息技术与教育教学融合的师资队伍。平台提供了学习分析和数据支持服务，收集了学生学习过程的行为数据，为基于大数据的教育治理和决策提供了科学依据。  研究性学习系统（MOOR） MOOR，即大规模在线开放研究性学习，以“教育”+“互联网”的理念，为上海市普通高中生搭建一个自主探索，智能学习环境。围绕学生的研究兴趣和个性特长，系统采用人工智能和大数据学习分析技术，解决了研究性学习的自适应教学问题、管理问题和评价方式。  上海市基础教育学生信息管理系统 提供上海市基础教育阶段的学生综合管理与服务，内容涵盖学生基本信息、学籍信息、电子学生证信息、学生行为信息、学生表现与评价信息等综合信息。  上海市普通学生高中综合素质评价信息管理平台 针对上海市普通高中学生提供综合素质评价信息采集、管理和展现的信息化平台。  上海市基础教育学籍管理系统 对上海市基础教育阶段学生的学籍管理工作提供信息化支撑的平台，并作为全市唯一权威的学籍数据来源。  上海市基础教育统一身份认证系统 以学籍数据作为权威的底层数据源，提供统一的用户管理、用户认证及安全保障等服务，用户经由统一身份认证系统登录，在完成身份认证后无再次登录就可以使用所有支持统一身份认证服务的其它信息服务系统提供的服务。  上海市中小学专题教育 为上海市中小学生提供各方面专题知识的专业在线学习平台。 1.3建设目标和服务对象 基于教育部加强和改进综合素质评价的意见要求，立足于项目实际应用情况，本项目的建设目标在于整合梳理现有的各类数据资源，并在此基础上整理构建出一套能够从各个维度 范文 范例 指导 学习 word版本整理分享 全面描述学生综合素质的大数据标签体系，基于模型实现（1）针对学生个体的综合素质的全面有效评估与成长建议；（2）针对学生群体的相关分类和分析。 （一）建设目标 具体建设目标包括： （1）梳理对接现有各类线上、线下，课内、课外的学生学习过程数据； （2）建设学生360度画像标签体系，深入刻画学生特征，多维展现、评估学生能力与特质； （3）建设基于标签大数据的系统平台，实现标签刻画内容及分析结果的可视化展现； （4）针对不同维度学习类型的过程性数据，开展关联分析。 （二）服务对象 服务于市级、区级、学校，为各级部门的调研、决策、研究提供科学支撑。同时，预留针对学生（家长）服务的接口。 1.4建设原则 本项目的建设将结合以业务需求为方向和以数据发现为引导，综合考量标签体系的先进性，实用性和可行性。 具体原则包括： （1）标准化和规范化原则 严格遵循技术的标准化与技术规范化的要求，从业务、技术、运行管理等方面对项目的整体建设和实施进行初步设计，充分体现标准化和规范化。 （2）先进性原则 立足先进技术，采用主流技术，在满足需求的基础上，使系统具有同领域领先技术的水平。 （3）易用性原则 本系统未来的使用者广泛，方案在设计过程中要充分考虑流程的复杂度、系统使用的难易度，保障本系统建成后的应用与推广。 （4）可扩展性原则 为适应系统自身建设需要，本系统的设计要充分考虑系统应用动态变化因素，充分保障系统的可扩展性，以适应系统需求的变化。 （5）开放性原则 采用的技术均为开放技术、方便移植。

2 建设内容与功能描述 为深入和全面了解学生学习成长情况，学生的学习过程性数据收集及分析是一个重要的方法。要想实现真正的素质化教育，培养出面向新时代社会需求的高素质人才，基础教育的因材施教以及对学生的深入关怀是必不可少的。在传统定性分析的教育模式下，教师只能根据自己所教授课程中，学生的课堂表现，作业反馈以及考试成绩来了解一个学生能力及天分，且很大程度上依赖于教师的主观感受。这种模式相对较为片面，且缺乏足够的横向对比。同样，家长对教育培养的理解上往往也比较单一，通常都会以未来升学为目标，要求在一些基础课程上取得高分，对于子女在技能特长培养上也是人云亦云，集中于一些热门才艺或专项训练，如早年的钢琴热和奥数热。 学生综合素质评价是一项系统工程，为了对学生成长过程及综合素质进行有效评价，上海市电化教育馆对学生综合素质评价各关联系统的数据进行汇聚，通过共享的学生基础数据，建立了不同业务系统间学生数据的关联性，已汇聚的数据源可涵盖至学籍系统、研究性学习平台（MOOR）、统一身份认证服务平台、高中慕课平台（MOOC）、专题教育平台、电教馆其他在线应用系统，如下图所示：（1）通过学籍系统，统一身份认证系统汇聚学生的基础数 范文 范例 指导 学习 word版本整理分享 据；（2）通过互动课堂，在线学习平台汇聚学生课堂学习，在线学习的行为数据和结果数据；（3）通过综合素质评价系统汇聚评价数据，学业成绩数据；（4）通过MOOR汇聚研究性学习的行为数据和研究记录；（5）通过对接实验平台，阅读平台汇聚学生的实验行为数据和实验结果记录，学生阅读行为数据；（6）采用国内外信息技术类和教育类行业标准，学生成长数据遵循xAPI的标准，这是本项目中教育大数据的挖掘与和分析的基础。

2.1数据描述 （一）学生学籍基本信息 包含了学生的人口统计信息及其他相关数据：包括年龄、性别、籍贯、民族、政治面貌、居住信息、基本健康状况等。 （二）学生在线学习记录数据 记录了学生使用高中名校慕课平台、专题教育系统的线上学习情况。包括了课程学习（起始时间、暂停、快进等）、课程中的问题回答、课程用户间交流消息、学生学习评价、课程评价、课时笔记、课程社区发帖、用户登录日志、问卷调查等信息。 范文 范例 指导 学习 word版本整理分享 （三）学生在线研究行为数据 记录了学生在研究型课程自适应学习平台MOOR上参与创新研究课的信息，包括学生登录信息、职业倾向的测评数据、多元智能的测评数据、研究过程数据（检索、收藏、灵感笔记、收集的资料等）、结果数据（研究报告）、交互数据等。 （四）学生综合素质测评信息 记录了学生阶段性结果类数据，包括品德公民素养（社会实践活动、国防、民防、学工、学农、党团、违纪、犯罪等）、学业成绩、身心健康与艺术修养、创新学习（研究报告、参加科技活动、创造发明等）。 （五）学生数字课堂行为数据 采集的学生数字课堂学习行为数据，包括了结构化数据和非结构化数据，记录了该环境下课前、课中、课后学生的所有学习行为或操作，这些活动流构成了学生学习的全过程。行为数据可以是特定情境下学生学习的一个状态、操作，它大多数情况下是有序的，一组有序的行为能反映出学生学习状态的变化或学习轨迹。从行为类别层，主要（但不限于）包括如下行为： 一级行为层次 二级行为类别 三级行为细化举例 操作行为层 基础操作 基于搜索的行为数据 个人管理行为数据 基于学习资源的行为数据 其他操作行为 如：登录、登出、检索、点击链接、观看、上传、浏览、下载、收藏、笔记、标注、查看等

认知行为层 反馈行为数据 练习行为数据 测试行为数据 其他认知行为 分类、分析、辨别、评价、提问等

协作行为层 交互反馈行为数据 基于社交的行为数据 其他协作行为 讨论、答疑、组队、合作、辩论、分享

问题解决行为层 基于学习资源的行为数据 交互反馈行为数据 模拟探究行为数据 其他问题解决行为 设计、模拟、探究、反省、鉴定、作品等

（六）中学生数字阅读行为数据 记录了学生阅读的类型、内容、层级、数量、时间、阅读前后测评的情况、阅读过程中的交流互动、学生登录日志等数据。 （七）中学生实验行为数据 自动收集学生实验过程中的行为数据，以及学生实验过程的行为与标准实验过程的偏差数据，同时收集教师根据标准实验过程对学生实验过程的评价数据。 （八）Weblog数据 利用Web服务器记录了学生网络访问的信息，可基于此类数据对网络行为进行挖掘和分析。 2.2行为数据的基本格式 基本格式：用户+动作+对象+时间+关联的结果以及行为对应的结果数据+情境辅助信息。用户、动作、对象、时间是每一类行为的共性，关联的结果以及行为对应的结果数据、情境辅助信息依赖于特定的行为。 对基本格式的描述如下：