因我国教育大数据研究与实践整体还处于起步探索阶段，国外也没有成熟的经验和模型可以借鉴，因而本课程同样具有探索性和概论性。

本课程的主要目标是让学员理解“教育大数据内涵”，了解“教育大数据技术框架”，形成“教育大数据思维方式”，培育“教育大数据文化”。更为重要的是为关注和探究教育大数据的管理者、研究者、企业和应用者搭建一个平台，共同推进教育大数据研究与实践。本课程共分四讲，具体内容如下：

第一讲 认识教育大数据

如何理解教育大数据？教育是否存在大数据？教育大数如何助力破解教育难题？国际国内为推进教育大数据出台了哪些政策？

理论知识点：大数据的内涵、概念、特性；教育大数据的内涵、教育大数据处理的一般过程与技术框架；教育大数据的地位与作用；国际国内出台了哪些促进教育大数据发展的政策等。

学习任务：教育大数据估算方法。以一个学校为例，计算每年可能产生的教育数据量有多少。本讲的互评只为熟悉互评操作，检验是否掌握文件格式转换方法。

第二讲 教育大数据采集技术

     教育大数据有哪些来源与分类？教育大数据采集的主要技术有哪些？主要的采集技术如物联感知技术、视频录制技术、图像识别技术、平台采集技术等有何技术特点，能采集哪些数据？

理论知识点：教育大数据的来源与分类；教育大数据的模型；教育大数据的采集方式、教育大数据采集技术图谱；物联网感知技术概念与数据采集特点；视频录制技术概念与数据采集特点；图像识别技术概念与数据采集特点；平台技术概念与数据采集特点等。

学习任务：选择自己熟知的数据采集技术，描述其技术原理、采集数据的特点与可能的应用模式。通过互评，达到学习新的大数据采集技术的目标。

第三讲 教育大数据分析技术

    何为学习分析技术？如何构建教育决策支持模型？如何构建适应性学习模型？如何构建学业评价模型与学生画像模型？

理论知识点：学习分析技术概念；教育决策支持模型框架与过程模型；适应性学习系统框架与过程模型；学业评价与学生画像系统框架与过程模型。

学习任务：选择自己熟悉的分析方向，运用自己已会的数据处理技术处理数据，修订与重构教育大数据分析模型。通过互评，达互相互学习的目的。

第四讲 教育大数据可视化技术

教育大数据可视化方法有哪些？大数据非编程可视化工具有何特点，如何运用？大数据编程可视化工具有何特点，如何运用？

理论知识点：数据视化概念与特点；数据可视化的主要方法；教育大数据可视化的步骤；数据可视化的教育意义；常见的非编程可视化工具特点与应用；常见的编程可视化工具特点与应用。

学习任务：选择一种编程或非编程可视化工具，并准备数据源进行可视化应用。通过互评，掌握自己不会的大数据可视化技术。

本课程学习时：

1）发挥小组学习的作用：具有理论特长和技术特长的同学，组成异质小组，是保证课程成功学习的关键之一；

2）发挥网络学习优势：网络上存在各种高手与专家，无论是理论的、技术的还是实践的，在学习过程中，通过论坛多讨论、交流，是成功学习本门课程的另一关键点；

3）问题驱动，促进理解：关注教育改革中的现实问题，思考解决问题的路径与方法，感悟通过教育大数据解决问题的可能性与方法，这样一定让你学有所获；

4）如果有机会实践，更是锦上添花：如果有机会到学校教育技术中心或者网络信息中心，去了解数据中心和云计算中心，同时有机会多与教育大数据公司技术人员接触、交流，你一定会有意外的收获。

1.理解教育大数据内涵 2.掌握教育大数据采集技术 3.掌握教育大数据分析技术 4.掌握教育大数据可视化技术

    1.课程讨论（20％）获取满分学生需要在课件的“讨论活动”中回帖的数量总共达20条及以上。只有参加课件中由老师发起的讨论活动的发帖才能计入成绩。本课程每讲都会指定讨论题目，学生可根据兴趣选择参与。水帖不计分。

    2.模块测验（20％）每次测验包括10道题，共5分。每次测验允许尝试3次，30分钟内完成，取最高成绩。本课程一共有4次模块测验。

    贴士：本课程通过测验题目的设计来提醒学员关注课程教学内容中的关键点，通过测验题来传递希望学员建立的正确认识。所以测验题目也是课程重要的学习内容，以测试带动学习是本课程的一种教学策略。

    在每个测验截止期之后，大家可以在课程的讨论区讨论测验题目，但是在截止期之前，请勿讨论，尤其不要在课程以外的网络空间讨论，比如说把测验的答案发布到百度文库中。警示：考虑到未来的学员，维护课程学习的公平性，需要大家共同遵守MOOC课程的这一通则要求。

    3.作业（30％）本课程要求学员完成3次作业，并进行互评。本课程一共有三次作业互评，每次作业满分10分。具体要求参见每次作业说明。

    注意：作业互评最少个数为10个。互评完成度的奖惩计分规则为，未参与互评的学生将给予所得分数的30%，未完成互评的学生将给予所得分数的50%，全部完成互评的学生将给予所得分数的100%。系统默认互评下的学生作业成绩，取其被评成绩的平均值。

    4.期末考试（30％）包括30道题，每题1分，共30分。需要在60分钟内完成，系统只允许尝试一次。

    贴士：期末考试是对全课程教学内容的总结。请大家复习各模块的单元测试后再来考试。

    注意：要保证有一个小时不被打扰地参加考试。网络不稳定地区的老师请选择网速好的情况下测试。对于多种原因要求重新进行期末考试的请求，本课程因系统缘故无法满足。

1.具有一定信息技术能力，会使用本平台进行在线学习；

2.具有使用Excel或SPSS等统计分析工具的经验；

3.具有网页制作，会使用Javascript编程经验者最佳。

    [1]方海光著.教育大数据：迈向共建、共享、开放、个性的未来教育[M].北京：机械电子工业出版社，2016.9

    [2]杨现民，田雪松编著.中国基础教育大数据[M].北京：电子工业出版社,2016.8

    问题一：作为教育技术专业的学生，并不熟悉Javascript网页制作和大数据采集和处理技术，如何学习本门课程？

    答：教育技术专业学生一般以信息技术教育应用为特长，具有较强的跨界综合能力。尽管具体的技术开发能力可能不强，但这并不影响本门课程的学习。可以利用教育技术教学设计的特长，在理解教育大数据内涵的基础上，学习建构教育大数据的分析模型以及运用教育大数据解决问题，成为本门课程学习的关键目标。

        问题二：如何处理该门课程理论性与技术性的关系？

        答：根据课程设计对象的特点，该门课程具有概论性质的课程。本门课程以了解和理解教育大数据作为主要知识掌握的层次，因而该门课程的学习重点区别于技术类课程学习。在这里技术更多的只是一种话语体系，更重要的整体掌握教育大数据思维方式、处理过程和运用教育大数据解决问题的能力。当然，好的技术基础更加能够利于课程内容的理解。

       问题三：我想具体地学习教育大数据挖掘技术怎么办？

       答：如果希望进一步学习教育大数据挖掘的具体技术，可以参加浙江工业大学开发的课程《教育大数据挖掘技术与应用》在线课程。