3）构建学习者知识模型。通过收集学习者在大数据在线系统的交互数据，其包括的内容有：学习者请求帮助的性质和数量、学习者回答问题花费的实践、学习者回答错误的重复率、学习者回答的正确率等，通过数据挖掘和学习分析构建的学习者知识模型，能够将学习单元层面、课程层面、知识点层面的数据信息，通过人工反馈或者自动反馈，选择适合的方式，充分的考虑学习者的时间，为学习者提供合适的学习内容，这种通过手机每一个所有知识点的详细数据，再通过在线决策、学习分析和数据挖掘，为学习者提供详细的学习意见和学习反馈。

　　4）构建领域知识模型。通过对教育大数据的在线决策、数据挖掘和学习分析，对现有的领域知识进行重新建模，研究学习者与知识点、学习单元、课程等学习内容之间的关系，通过构建领域知识模型，采集和处理学习者的相关数据，画出学习者的学习曲线，再通过对这些学习曲线进行数据分析，能够显著的提高学习者的学习成绩和教师的教学效率。

　　5）构建学习者档案。通过收集学习者的基本学习信息，建立基本信息数据，通过数据挖掘、学习分析和机器学习算法，根据学习者的学习特征，将相同学习特征的学习者进行分组和聚类，建立学习者档案，这种能够为不同类型学习者提供个性化的学习环境，能够激发学习者的学习积极性和主动性，例如通过数据挖掘技术对学习者在线学习平台的学习日志进行分析，这样能够掌握不同学习者的不同学习特点和交互类型，然后构建学习者档案，充分的激发了学习主动性，显著的提高了学习者的学习效率。

　　6）教学策略分析。大数据在教育领域的运用，其最终的目的是帮助教育者制定教学策略，通过对收集的学习者的信息进行分析，探索学习系统中各种组件的功能，分析学习者学习结果与教学策略之间的关系，然后对教学策略进行分析和总结，这样能够为教育领域提供更多、更有效的教学策略，例如Ritter等人研究的“Cognitive Tour”的智能导学系统，通过数据挖掘、学习分析和在线决策，为该智能教学系统提供了长达15年的细粒度、动态的系统评价，优化了该系统的教学策略，显著的提高了学习者的学习效率。

　　7）其他应用。大数据在教育领域的运用还包括个性化学习、自适应学习系统、以及趋势分析等方面，其中个性化学习与自适应学习系统是大数据应用的终极目标，通过大数据的收集、分析与处理，为学习者提供个性化学习、与自适应学习的环境；趋势分析时通过对大数据的分析，探索学习者在学习过程中的学习结果的变化趋势，探索学前行为与未来结果之间的关系，预测未来学习的趋势和结果，例如加州高等教育协会创建的在线趋势分析工具，允许用户自定义检索条件，为用户提供教育趋势预测结果，帮助学习者构建学习模型，最终推动学习者主动的学习。

　　4 结束语

　　综上所述，大数据在教育领域的运用惠及学生、教师、研究人员、技术人员等众多方面，并且大数据的应用给教育带来了巨大的机遇和启发，但是其作为新鲜事物，仍需在实践中不断的探索和完善，文章探析的大数据在教育领域的应用，希望能够为相关的研究人员提供一定的帮助。

　　【参考文献】

　　[1]张植卿，程鲜彩.大数据对教育领域产生的革命性影响[J].经济研究导刊，2014（5）：232-233.

　　[2]徐鹏，王以宁，刘艳华，张海.大数据视角分析学习变革《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志，2013（6）：11-17.

　　[3]陆璟.大数据及其在教育中的应用[J].上海教育科研，2013（9）：6-22.

　　[4]张燕南，胡继岳.关于大数据应用于教育的思考[J].中国电力教育，2013（32）：5-7.

 

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。