论文我国教育大数据热点存在问题可视化分析是适合可视化论文写作的大学硕士及相关本科毕业论文，相关数据可视化技术开题报告范文和学术职称论文参考文献下载。
【摘 要】
继互联网和物联网之后,教育被认为是和大数据最相关的行业,发展教育大数据已成为推动我国教育改革和创新发展的重要战略选择.本文以中国知网（CNKI）数据库中教育大数据领域的文献为研究对象,运用关键词共现分析方法,通过CiteSpace5.0软件对我国教育大数据的研究热点和研究路径进行可视化分析.研究表明：我国教育大数据的研究热点可以分为基础理论研究、教育大数据技术、学习行为分析、学习方式探索、教育资源管理、个性化教学改革和教育政策共7个核心领域；教育大数据的研究始于2013年,2015-2016年文献数量爆发式增长,研究的广度持续延伸,研究的深度进一步扩展,研究视角逐渐走向多元化.本文最后对我国教育大数据研究中存在的问题进行了总结和展望.
【关键词】 教育大数据；个性化教育；研究热点；可视化分析
【中图分类号】 G43 【文献标识码】 A 【文章编号】 1009-458x（2017）12-0046-08
一、引言
自2011年麦肯锡全球研究所在《大数据：下一个竞争、创新和生产力的前沿领域》的研究报告中对大数据的应用和商业价值进行详细分析以来,基于海量数据挖掘得出决策已经成为经济、通讯、环境、医疗等诸多行业运行的基础.2016年7月,全球知名信息技术调研机构Gartner在“新兴科技技术成熟度曲线报告”中指出：中国庞大的互联网消费群会为大数据的发展带来无限前景,在中国政府的全力支持下,大数据技术将在中国大行其道.大数据已成为各行各业决策的依据,大数据产业链正在加速形成,继互联网、云计算、物联网后,教育被认定为和大数据最相关的行业.随着教学管理系统的应用及在线学习系统的激增,教育数据呈现出爆发式的增长势头,传统的技术手段显然无法对海量的数据进行处理和分析,而大数据技术可以计算和分析教、学、研、用、管等多角度的数据集合,以提取出对学生学习行为和教师教学情况的反馈和建议,从而为改善教学质量做出最合理的决策.2015年9月,国务院发布的《促进大数据发展行动纲要》中明确提出要完善教育公共服务平台,推进教育文化大数据建设,充分发挥大数据技术对教育变革的支撑作用,说明大数据在教育领域的应用已经上升到国家战略层面.2016年4月,中国首份教育大数据发展报告——《中国基础教育大数据发展蓝皮书》正式发布,蓝皮书中对教育大数据基础理论、发展理念和应用范式进行了梳理,发展教育大数据决定着教育的未来,是我国深化教育领域改革和推进教育创新演进的必由之路.
《中国基础教育大数据发展蓝皮书》中认为,2015年是我国教育大数据发展的元年,但从2013年开始我国教育工作者就从不同角度开展了教育大数据的研究工作,为一线学校进行教育大数据的实践活动提供理论指导.本文利用多样化的科学知识图谱对我国教育大数据领域的研究热点和演进趋势进行梳理和可视化分析,指出现有研究中存在的主要问题,以期为我国教育大数据研究和实践工作的完善和发展提供借鉴.
二、我国教育大数据研究热点网络图谱
(一)数据来源和研究方法
本文以我国最大的知识资源平台——中国知网（CNKI）数据库作为检索源,检索时间为2017年1月18日.以“篇名”或“关键词”为“大数据”&“教育”、“大数据”&“教学”、“大数据”&“学习”进行高级检索,共检索出1,595篇相关文献,通过对文献信息进行阅读和手工清理,删除重复文章、会议通知、征稿启事、书评等无关文献共187篇,最终使用的有效文献共1,408篇.
关键词是最能反映文献主体内容、从摘 要或文中提煉出来、精确说明论文主旨的词组.关键词作为对论文核心内容的高度概括,能够有效地展现某一研究领域的热点内容和主题分布,从而揭示该学科的研究结构.本文采用关键词共现分析方法对收集文献的关键词进行共词挖掘分析,通过统计一组词在同一组文献中出现的次数,测度关键词频次的高低分布及两两之间的亲疏关系,来研究教育大数据领域的研究热点和演进趋势.
(二)关键词共现分析
本文运用美国德雷塞尔大学计算机和情报学专家陈超美教授设计开发的基于Java应用程序的引文分析软件CiteSpace 5.0进行关键词的分析.CiteSpace通过可视化的手段呈现某一科学领域的结构、规律和分布情况,可以专门针对文献中的关键词进行共现分析,挖掘科学文献的知识聚类和演化动态（李杰, 等, 2016, p.2）.将收集到的有效文献信息进行格式转换预处理之后,将时间跨度设置为2013-2016年,时间切片为1年,Node Type选择Keyword,每个时间切片数据抽取对象为Top50,连线强度选择Cosine,运行CiteSpace 5.0,对1,475个关键词进行共现分析,绘制出我国教育大数据研究领域关键词网络聚类（见图1）.
图1中的关键词共现网络知识图谱共132个网络节点,357个连接,网络密度为0.0413,网络模块化度量值Modularity Q和网络同质性指标Mean Silhouette均大于0.5,说明聚类是可行的.软件共运行出14个聚类,每个聚类都代表了教育大数据的研究热点,并选取关键词作为聚类标签,在排除边缘聚类后,本文共选取7个核心聚类进行教育大数据的热点分析（见表1）.
三、我国教育大数据研究热点分析
(一)教育大数据基础理论研究
大数据对教育领域的改变和重塑要基于对教育大数据基础理论的研究,该研究热点的关键词主要有大数据、大数据时代、大学生、高等教育、思想政治教育等.关注的焦点集中于两个方面：一是教育大数据的概念、内涵、特征以及作用；二是讨论大数据在高等教育、职业教育以及思想政治教育等领域的应用.
广义的教育大数据概念泛指一切日常教学活动过程中直接产生的各种行为数据,而狭义的教育大数据是指学生的各种点滴的学习行为数据,主要来源于在线学习平台和教育管理系统等（徐鹏, 等, 2013）.杨现民等（2016）从数据采集的角度出发认为教育大数据是根据教育需要进行采集、从整个教育活动中产生的具有巨大潜在价值的数据集合,教育大数据的采集具有高度的复杂性、连贯性和全面性.孙洪涛等（2016）从数据和技术两个层面将教育大数据定义为：服务于教育主体和过程,具有强周期性和高教育价值的复杂性数据集合.和传统教育数据相比,教育大数据具有更强的多样性、海量性、实时性和价值性,大数据对学生学习过程的重塑主要是基于三个特征：反馈、个性化和概率预测（维克托, 等, 2013, p.34）.美国高等教育改革的最新利器就是对大数据的利用.我国高等教育也正逐渐借助大数据技术构建各省市高校参和的大数据合作联盟,借助国家、高校、企业三方力量,带动所有教学资源的整合和利用,全面促进高等教育质量的提高,推进我国高等人才的培养（赵伶俐, 2013）.但是,大数据技术在和高等教育的融合中仍存在利用效率低、数据不全面、技术不成熟等诸多问题,还需要在思维、推广、环境、政策等方面构建相关机构的协同机制,以尽快推进基于数据驱动教学的科学化决策和信息化管理（甘容辉, 等, 2015）.大数据在思想政治教育领域的应用主要是分析大数据对思想政治教育带来的机遇和伦理挑战、大数据思想政治教育平台应用,以及如何利用大数据增强思想政治教育的时效性等方面,但是研究范式、研究手段和方法还有待于实现革命性突破,尚需要加强实证分析的支撑（王莎, 等, 2015）.
总结:本论文为您写可视化毕业论文范文和职称论文提供相关论文参考文献，可免费下载。
参考文献：
1、 论思想政治教育大数据系统之构建 摘要：构建思想政治教育大数据系统，是思想政治教育工作创新发展的必然要求。着眼于可量化、个性化和精细化的价值定位，在构建的技术框架上可将思想政治教。
2、 英国NFI对构建我国审计大数据集中分析平台 摘 要：英国审计委员会通过NFI项目收集公共资金相关部门和单位的数据，建立起数据集中分析平台，通过对比分析防范欺诈公共资金风险的做法取得了明显成。
3、 云平台下海量数据冲击中的可视化调度平台设计 摘 要： 针对当前云平台调度中存在的问题，设计云平台下海量数据冲击中的可视化调度平台，其由海量数据采集模块、云平台模块和可视化调度模块组成。海量。
4、 edx平台教育大数据的学习行为分析和预测 【摘 要】 教育数据挖掘是一门新兴学科，通过分析学习行为记录归纳学习者的行为特点以提高教育质量，大规模在线开放课程学习者的学习行为记录为此提供充。
5、 基于易班高校网络思想政治教育大数据平台 摘 要 教育大数据为高校网络思想政治工作提供了全新的方法和视角，通过数据挖掘技术和人工智能分析技术，我们可以实现网络思想政治教育内容“千人千面”。
6、 大数据引领高校思想政治教育个性化服务转型 21世纪，人类已经全面进入了信息化时代，通过互联网，云计算和未来物联网的普及，将会产生海量的数据，并且数据的增长呈现出指数级的加速，人类开始迈向。