本文由《电化教育研究》杂志授权发布
作者：赵姝、白浩、张瑞敏
摘要
教育部2014年正式发布《教育部关于实施卓越教师培养计划的意见》，各高师院校围绕该意见开展教师教育改革，却难以解决教师教育过程中个性化、全程化培养的问题。教育大数据的发展，为卓越教师培养提供了新的解决思路。文章以教师培养路径为线索，探讨分析了大数据在优化师范生招生、教师教育课程体系、教学方法、师资队伍、学校管理与就业服务优化、职后教师培训等方面的应用路径，并提出了面向卓越教师培养的大数据中心构建思路，包括建设大数据实体中心机构、开展大数据建模，以实现卓越教师大数据的收集、存储、分析与应用。
关键词：大数据；卓越教师；教师教育
一、研究背景
师资质量是国家教育质量的基石。随着社会文化和科学技术的发展，教师职业被赋予更高的要求，经历了从量到质、从合格到卓越的过程，“培养卓越教师”已经成为各国开展教育改革的共同目标。近年来，英国、德国、澳大利亚等国家纷纷推出卓越教师教育计划。[1]教育部于2014年5月发布了《教育部关于实施卓越教师培养计划的意见》，旨在通过建立三位一体培养机制、优化招生就业、推动教育改革、优化师资队伍等举措，扩大卓越教师队伍，提升教育质量。[2]卓越教师是教师群体中的优秀代表，其卓越性表现在教育理论、教育实践、人格特征、教育成果和社会影响等维度，每位卓越教师具有其独特的个性特征和丰富的教学经验。[3]与传统的师范生教育相比，卓越教师的培养重视个体的发展，重视教师教育的持续性。如何形成兼具系统化和个性化的卓越教师培养体系，成为当前亟须突破的难题。已有学者就卓越教师内涵与特征、[4]素质结构、[5]培养模式与实施策略[6-8]进行了理论探讨，各高校也开展了实践探索，但这些研究和实践却并未有效解决卓越教师培养的系统性和个性化问题：（1）当前各高校卓越教师改革方案侧重某些培养环节，缺少系统化设计；[9]（2）由于行政机构和信息系统的独立性，招生、职前培养、职后发展阶段仍然相对独立，各环节无法衔接；（3）卓越教师职前培养过程中，沿袭大班授课制，课程内容和学习过程缺少自主性和针对性。
大数据的出现，为卓越教师培养提供了新的解决思路。基于大数据技术，通过构建一体化平台和规范化数据库，可以有效打通教师终身职业发展过程各个环节，为真正实现教师教育的全程培养模式提供有力支持；基于大数据分析，可以挖掘教师培养过程中的教育规律，为学校教育提供更加科学的教育决策、更加合理的管理体系和更加个性化的课程体系。[10]教育大数据的应用将成为实现教师终身发展的有效途径。
二、面向卓越教师培养的高师院校大数据应用路径
从师范生成长为一名卓越教师，需要历经一个较长的发展过程，包括招生选拔、师范生培养、教师职后教育三个主要阶段。为了有效促进和支撑卓越教师发展，应当以高师院校大数据中心为主体，与学生入学前的中小学大数据中心、就职后的职后单位大数据中心、政府大数据中心对接，打通教师终身教育通道，利用大数据支持卓越教师培养的全过程，推动实现政府、高校、中小学三位一体培养模式，如图1所示。
图 1 面向卓越教师培养的大数据应用路径
（一）基于大数据优化高师院校招生
卓越教师生源甄别和选拔工作是卓越教师培养计划的起点。教师作为一种特殊职业，其知识体系和价值观决定和影响了学生的知识体系与价值观，因此，师范生的选拔和招生更加需要慎重，不应采用与其他专业相同的录取方式和标准。但目前缺少针对师范生的选拔标准，选拔方式仍然以高考分数衡量，忽视对学生的教师素养、教学意愿方面的考察，导致教师教育生源质量较低。[11]同时，由于招生数量与市场需求失衡，导致师范类毕业生就业困难，转行率高，国家培育的教师资源流失现象严重。因此，教育部在卓越教师培养计划意见中明确提出了“强化招生就业环节”的要求。大数据技术可以为该环节提供有力支撑。
1. 利用大数据优化招生模式
传统的师范生选拔标准依然以高考分数为主，卓越教师计划倡导推进多元化招生选拔改革。依托于职后教师管理系统，利用大数据技术收集和分析在岗优秀教师群体的胜任力特征、专业知识、成长过程等数据，提炼卓越教师的基本特征与素质结构，为教师职业制定专门的教师教育专业选拔标准，有利于从众多考生中选择出真正适合从事教师职业的学生。在制定合理选拔标准基础上，还可以将高校招生系统与高中教育管理系统对接，通过分析和评估学生除高考成绩外的教育数据（包括前期知识基础、心理、生理、家庭经济状况、职业愿景和地理位置等），遴选出真正有从教意愿的学生，实现学生与学校的双向选择和匹配。目前教育市场已经出现类似教育数据服务公司，如美国ConnectEdu公司（http：//www.graduationalliance.com/），利用数据系统分析与学生个人资料有关的250个数据类别，为学生提供大学申请决策，同时为大学推荐适宜的生源。国内目前也出现很多教育机构提供基于大数据的高考志愿智能评估服务，如“高考先生”（http：//mrgaokao.com/）、“申请方”（https：//www.applysquare.com/）等。
2. 利用大数据调整入校后二次选拔思路
除入校招生环节外，高师院校还可以通过入校后二次选拔方式，选择乐教崇教的优秀学生攻读师范专业。目前多数院校入校后的专业选择方式仍然以测试方式为主，通过大数据调整选拔思路，基于科学数据考察学生的职业倾向和从教潜质。学生入校后进入高校智慧校园一体化平台，进行各类数据的伴随式采集。从单体数据分析来看，采集和分析学生的个人资料、学习成绩等数据，初步判断学生是否具备师范生专业转入要求。从群体数据分析来看，与数据库中往届其他学生的表现进行匹配对比，判断与该生背景和成绩相似的学生是否在师范专业表现更好，以给予学生更科学的专业选择建议。美国奥斯汀皮耶州立大学已实现基于大数据对新生学业表现与类似背景学生进行数据匹配分析，为学生选择专业提供建议。[12]
3. 利用大数据建立区域招生协商机制
免费师范生是国家支持师范教育的一项重要举措，也是卓越教师队伍的生源基础。现有免费师范生的招生和就业存在典型的地域限制，不利于免费师范生政策的开展。基于国家大数据中心的教育大数据，从全国范围内按照经济、教育发展大数据进行统筹，将各省划分为若干区域，区域内不同省份之间的教育水平相当，招生和就业实行区域协商机制。招生时，以区域为单位开展，同一区域内的免费师范生生源可以相互调整和补充，可以有效避免生源的“溢出”或“不足”。同时，按照区域允许师范生就业，将“回到生源所在省”扩展为“回到生源所在区域”，扩大就业区域，有效降低免费师范生违约、转行风险。[13]
4. 利用大数据预测教育市场需求，干预生源规模
教师教育专业随着国家高等教育规模的扩大，也在不断扩张。以江苏省为例，统计数据显示，2013年小学教育专业学生人数五年间增加3倍。[11]师范生人数的迅速增加为教师培养过程埋下隐患，包括人均教育资源使用量降低、师范生就业率下降等问题。依托于国家、区域和高校建立的大数据平台，强化与政府、中小学的合作，采集分析基础教育学校的岗位需求数据、高等师范院校历年学生就业数据，实现对师资需求现状的预测和评估。基于这些数据，及时调整专业设置、招生规模，有计划、有针对性地进行招生，实现教师教育领域的供需平衡，降低由于招生计划的误判而导致的就业积压风险。
（二）基于大数据优化师范生培养
师范生教育是卓越教师成长中最为关键的环节。高校的学习和生活促使师范生快速完成了初步的学科教学知识积累，学生个体的性格特征、人格、价值观在该阶段逐步形成并稳定。因此，教育部面向卓越教师的培养计划主要从教师职前教育入手。在该阶段，大数据应用主要体现在围绕师范生培养的课程、学习、师资三个方面。
1. 基于大数据优化教师教育课程结构与内容
作为实现教师教育目标的主要载体，课程设置的合理性、科学性是教师教育改革过程中的关键因素。国家2011年颁布的《教师教育课程标准（试行）》，提出要优化教师教育课程结构，改革课程教学内容。近几年，很多高师院校已进行了小范围的课程调整，但由于师范教育传统中的一些弊病顽疾，当前课程体系与课程内容设置仍然存在很多问题，如课程体系结构不合理、个性化课程不足等问题。[14-15]这些问题严重影响了“卓越教师培养计划”的推动。
大数据可以有效提高教师教育课程体系建设的科学性和前瞻性。传统的课程体系规划主要依托于学科专家的经验判断和职后教师岗位需求。前者主观性较强，缺少科学依据；后者从获取岗位需求到学校调整，再到培养的学生就业，信息反馈周期很长。基于大数据的思路，可以为课程体系规划提供前瞻性信息。通过智慧校园平台记录和分析历届师范生毕业流向、中小学教师需求信息等，准确预测教师教育岗位需求，根据需求调整专业方向与对应的课程体系结构。另外，通过数据平台动态监控中小学教育教学的新动向，及时调整课程模块，在“统餐课”基础上为大四学生提供一些“加餐课”，以适应岗位的新要求。
大数据可以优化教师教育课程内容质量和研发机制。通过智慧学习平台与学习分析技术，记录和监控学生整个学习过程数据，课程内容根据学习反馈数据实时调整和推送，建立生成性课程模式。如澳大利亚研究者开发的Smart Sparrow自适应网络学习系统，教师的课程内容设计就是在学生学习之后动态生成。[16]另外，基于自适应技术向学生推送其感兴趣和适合的内容和资源，可以有效提升学生在线课程的学习完成率，进而提高资源的使用效能。
2. 基于大数据优化师范生教育培养过程
为了促进师范生成长为卓越教师，应当在培养过程中重视学生的个体发展和教师职业素养，基于大数据可以实现师范生的个性化学习，优化教学实践能力，加强素质教育监控和引导。
个性化学习方面，基于大数据可以有效打破传统的大班授课学习同步调问题，为学生规划个性化、富有挑战性的学习路径，并通过记录和评价学生学习过程，有效预警学生学业风险。学校通过构建智能化的自适应课程学习系统，利用大数据技术对师范生学习过程中产生的各类数据（如课程资源点击率、资源形式、登录时长、视频反刍比率等）进行获取、分析；基于学习分析技术，分析学习内容、学习行为与学习结果的相关关系，构建师范生学习模型；基于学习者模型和数据分析结果预测学习者行为；基于预测结果，对师范生后续学习内容、学习辅导、学习进度等进行动态调整，建立自适应学习路径。[16]各阶段以循序渐进方式推进，并相互衔接，通过数据提高学习反馈的时效性和精准性，通过学习预测和学习干预实现学习的个性化。随着大规模在线开放课程、自适应学习平台产品的推广，这种大数据应用方式已经开始推广。例如美国的“梦盒学习”公司（http：//www.dreambox.com/）和“纽顿”公司（https：//www.knewton.com/），都已经成功发布了各自版本的利用大数据的适应性学习（Adaptive Learning）系统。[17]
教学实践能力培养方面，大数据技术可以提升微格教学和教育实习效果。微格教学是一种基于现代信息技术的提升师范生教学技能的系统方法，学生通过对录制教学视频进行评价反思，从而改善个人的教学技能。传统的微格评价方式以定性评价为主，缺少科学的评价体系。[18]基于智能视频分析技术和教师技能发展评价体系，为教师、学生提供视频比对和分析服务，通过对比系统库中的专家教师教学视频和微格教学过程中生成的学生教学视频，便于学生进行技能评价和自我反思。教育实习是师范生提升职业素养的重要途径，也是强化师范生理论知识与实践结合的重要环节，有助于提高师范生的学科知识运用能力、教学实践能力。当前教育实习存在实习周期短、实习渠道不足、相关部门监管不到位等问题，实习环节往往流于形式。[19]大数据背景下，可以通过搭建由师范院校、中小学、政府三方主体构成的实习信息资源共享与评价平台，师范院校可以及时获取中小学实习需求，并向中小学推送实习生信息，实现实习资源的合理配置与科学评估，推动三位一体机制下教育实习的良性运行。另外，实习系统还可以实现对学生实习全过程评价，利用实习系统将学生实习期间的课堂教学视频、教案、教学总结、班主任工作现况等相关数据资料传输回学校，便于教师及时监控并给予针对性指导，学生也可以利用实习系统互相观摩，互学互促。同时，将实习系统与学生的终身学习档案袋系统对接，将学生实习数据载入终身学习档案袋中，作为学生的学业记录可用于未来的师范生就业、教师职业发展等环节。
素质教育是师范生教育至关重要的一个领域。大数据实现了对教育舆情的实时监控和预测，缩短了前期教育舆情的反馈周期，便于教师及时开展针对性的思想引导和教育。例如：学校大数据中心通过监测校园社交网络的热点话题，可以及时获得学生的思想导向；通过数据挖掘可以识别潜在的事件关系，如学生学业成绩下滑与日常社交行为表现的某种相关性；通过分析学生社交活动行为（包括网络行为数据、消费行为数据等），预判学生思想动向。
3. 基于大数据优化教师教育师资队伍
高校教师的教育教学水平是影响师范生教育质量的关键因素，整合优化教师教育师资队伍是卓越教师计划中的一项重要任务。信息化背景下，知识的快速更新及易获得性，打破了教师的权威地位，要求高校教师要不断更新自身的知识体系，提升职业素养。大数据思维为高校教师职业发展与教学评价提供了新的思路，通过构建面向高校教师的终身学习档案袋系统，收集教师教、学、研各类数据信息，积累和分析教师成长数据，为教师提供个性化职业发展建议。如湖南大学已成功构建了教师教学评价与发展系统，将教学评价与教师发展通过数据分析模型建立关联，为分析每个教师的发展水平和教学科研提供一个完整的样本。[20]
大数据为高校教师职业发展提供了数据支持。基于教师成长档案袋数据，便于对教师专业能力水平进行多元评估，对于职业能力欠缺的教师给予培训建议与支持，通过为教师提供培训项目、推送课程资源等形式，为教师提供个性化的职业发展建议。大数据背景本身也为教师发展提供了各种自我发展的机会。各类教师教育培训项目为教师提供了有组织化的学习方式，如我国高校教师网络培训中心的网络培训项目、美国eMSS新教师在线学习项目；各类网络教育平台及优质的开放课程，为教师提供了开展自主学习的机会，如国内外各类慕课平台及课程（Edx、中学大学MOOC）等；各类基于网络的名师团队、教师专业研修社区的设立，为教师提供了跨域形成学习共同体的机会，如“MOOC学院”（国内最大的MOOC学习社区），及教育培训、学习平台中的名师空间、教师工作坊、研讨社区等模块。
大数据还可以实现对高校教师的多元评估。除了基于大数据收集除学生成绩、学生评教等静态数据之外，还可以通过教学质量监控系统，收集教师常态课堂的教学视频数据，实现教学质量的数字化管理与动态监控，及时发现教师在教学模式、教学方法、教学内容、教学管理等方面存在的问题，实现对教学质量的动态监控和实时反馈。
4. 基于大数据优化学校管理与就业服务
学校管理方面，采用物联网、云计算、大数据技术，将数字校园建设由“数字化”向“智能化”推进，通过采集和分析学校各类应用系统（一卡通、OA、教务系统、科研系统、人事系统、财务系统、资产系统、课程系统、安防系统、视频监控等）的结构化和非结构化数据，实现对校园各类业务的宏观调控，如根据学校财务大数据，调整经费分配；根据教师队伍发展大数据，调整人才计划和结构；根据科研大数据，分析学校竞争力，设计干预政策等。另外，通过技术规范改造，将与师范生紧密相关的校园卡向教育卡过渡，收集汇聚更多的生活数据，可以实现生活服务支持和预警。如华东师范大学基于学生餐饮数据，实现了自动发送预警信息与助学支持。
基于大数据还可以有效提升大学生就业服务的工作效能，提高对大学生就业趋势预测的精确性。通过分析历届校园招聘数据（包括举办时间、地点、人数等）和就业数据（包括就业人数、就业区域、就业行业、就业层次等），可以获得高师院校招聘的走向和趋势，判断师范生的市场需求状况，更好地开展就业指导工作。例如，可以根据学生教育行业的就业比率和具体专业的就业率等，干预招生环节，优化师范生教育资源和师范生就业资源的配置，增强师范生培养的针对性和教育市场适应性。[21]另外，根据对毕业生学业情况、校园活动、消费信息、求职行为、网络活跃度等的分析，对就业困难毕业生实现系统预警，通过人工确认后，实现精准帮扶。陕西师范大学从2014年起，每年发布就业大数据，根据数据结果开展有针对性的师范生培养和就业指导。
（三）基于大数据促进教师职后教育
职前教育阶段师范生完成了教育教学理论知识的学习，而更多的教育教学隐性知识和实践技能是在职后阶段获得。教师的专业发展是一个终身学习过程。大数据为开展在职教师培训、教师职前职后一体化培养提供了新的思路。
1. 基于大数据变革职后教师培训模式
传统的教师培训存在培训形式过于单一、课程内容脱离实践、评价方式囿于表象等问题，问题根源在于不了解教师真实状况及需求，教师参训应付了事，无法满足教师个性化发展的需求。[22]基于大数据，可以从培训需求、课程内容、培训模式、评价方法上进行改革和创新。培训需求方面，将培训系统与教师终身学习档案数据对接，通过分析教师的教学设计、进修履历、工作业绩、科研成果等数据，从传统的片段数据走向分析过程数据，使分析结果更加精确，获取教师的真实需求。课程内容方面，基于教师的真实需求，依托于丰富的课程资源库，为教师提供符合个体学习需求的个性化学习内容。培训方式上，基于自适应培训平台和学习分析技术，为教师提供个性化的培训学习路径，将传统的引领群体的培训方式转为关注个体发展。评价方法上，基于大数据实现对培训数据的全程化收集，从而系统地评价参训教师的学习过程与结果。
2. 基于大数据构建教师职前职后一体化培养模式
当前职前职后教育一体化培养存在很多固有问题，包括职前职后培训环节分离、相关机构各自为政、教育内容与资源配置不合理等。从大数据的视角，通过构建教师终身学习档案袋，并将职前的高校智慧校园一体化平台和职后单位的教育管理平台对接，实现对机构、课程、学习、教学管理、教学研讨等数据进行统一协调和组织安排，将师范院校与培训机构纳入共同的建设与发展体系，将职前教育与职后培训资源有效整合起来。纵向上，利用平台记录学习者从职前到职后的专业成长过程，为其提供专业发展指导建议；横向上，为在校师范生和职后教师提供研讨环境，结成学习共同体，实现理论学习与实践提升的交流与碰撞。
三、面向卓越教师培养的高师院校大数据中心构建
构建高师院校大数据中心是实现卓越教师大数据应用的前提，大数据中心构建应遵从以下三个基本原则。（1）系统性原则。多机构协同是大数据的实现基础。跨省、跨区、跨校的数据共享，需要国家行政层进行约束，教育部“十二五”期间提出的《国家教育管理信息系统建设总体方案》对国家层大数据中心建设进行总体规划和规范，形成“两级建设、五级应用”体系。[23]在该体系中，校级大数据中心是数据汇聚的基础层。为了实现与国家、区域现有管理系统的对接，高师院校大数据中心的系统架构要在符合国家技术规范基础上，结合卓越教师业务进行系统规划和设计。（2）整合性原则。当前各高师院校均已搭建了很多教育管理系统，积累和存储了大量数据，这些数据具有典型的混合性（结构化和非结构化）、离散性（分布在不同系统）、体量大（包括大量数据信息）等特征。而大数据分析需要跨系统读取这些数据，通过构建智慧校园一体化平台，采用数据逻辑整合思路，实现“一站式”的数据访问。（3）个性化原则。卓越教师取向下的师范生培养更加重视学生的个体发展，因此，大数据中心系统除了实现对各类教育信息的宏观评估和预测、群体行为特征分析外，还要重视师范生单体信息的收集和分析，为每一个师范生提供精准的、个性化的学习与生活服务。大数据中心系统的建设可从实体机构建设、大数据系统建模方面着手开展。
1. 大数据中心实体机构建设
由于大数据包括学生学习、生活、教师教学等多维度数据，构建统一管理的实体单位，有助于开展大数据的统筹协调。大数据中心负责掌控全校的信息系统基础架构，协调校内外、校内各部门业务数据共享。中心组织架构设立如图2所示，包括综合办公室、大数据管理中心、大数据科研中心。
图2 高师院校大数据中心组织架构
中心主任由校长担任，副主任和部门负责人由核心业务部门领导及学科领域专家担任。办公室负责中心的常规业务工作，以及跨部门协调工作；大数据管理中心负责平台及门户网站的建设与日常运维、网络设备的管理与维护、网络系统安全，以及数据的备份、监管、维护；大数据研究中心依托于智慧校园一体化平台，主要负责对各类教育数据进行分析、预测，开展基于大数据的教师教育理论、实践、应用研究。部门人员构成包括常规业务职能人员、大数据管理与分析的专业人员（数据架构师、数据采集人员、数据分析师、算法工程师、数据挖掘工程师等）。为降低学校编制，可在明确职责基础上，考虑与对口业务部门合署办公，如大数据管理中心可以与学校网络中心的部分部门合署办公。作为实体机构，建议根据业务范畴制定相关数据管理和应用制度，实现对教育大数据采集、处理、存储、分析、共享等环节的法律约束。具体中心运维经费建议学校自筹和教育厅支持。
2. 大数据建模
面向卓越教师的大数据建模过程包括大数据的获取、存储、分析与应用。数据获取层考虑来自所有渠道的、可用于分析的数据，包括物联网环境下的各类感知数据、教育教学过程中的结构化和非结构化数据，以及校内和校外的共享数据等；数据存储层通过建立符合技术规范的共享数据库，实现对基础大数据的集中管理，保证基础数据的一致性、准确性和完整性，为后续大数据分析提供数据基础；数据分析层通过采用数据挖掘技术、学习分析技术，对获取到的各类数据进行建模，挖掘各类数据信息价值和关联关系，实现对师范生教育教学过程、学校各类管理业务的评估和预测；数据应用层包括系统应用和业务应用，通过将数据模型应用到智慧校园系统（包括教师教育类系统、教育管理类系统和就业服务类系统），支持卓越教师培养全过程。
四、结论
本文分析了卓越教师培养过程中大数据的应用路径，并提出了系统化的设计方案，在具体实践时，还需要相关技术、制度等方面的配合。技术方面的问题如各子系统的数据整合、校内系统与校外系统的对接、大数据信息的收集渠道、大数据的挖掘算法等；制度方面的问题如数据资产的权限分配、数据库规范的建设与采纳、跨机构的大数据共享与应用管理办法等。大数据已经为实现卓越教师的全程化、个性化培养提供了潜在的可能和技术基础，在解决技术和制度问题基础上，需要多部门、多机构通力合作、协同创新。建议从国家层面引导，学校层面执行，充分发挥各级教育行政部门、合作院校影响力等外部力量，以学校已有合作模式为基础，利用行政力量推动资源的集优整合、数据的通用共享，以实现利用大数据促进卓越教师终身教育的目的。
[参考文献]
[1] 马毅飞.国际教师教育改革的卓越取向——以英、美、德、澳卓越教师培养计划为例[J].世界教育信息，2014(8)：29-33.
[2] 教育部.教育部关于实施卓越教师培养计划的意见[EB/OL].(2014-08-18)[2015-06-20]. http：//www.moe.edu.cn/publicfiles/business/htmlfiles/moe/s7011/201408/174307.html.
[3] 丁钢.中国教育的脊梁著名教育家成功之路[M].北京：高等教育出版社，2010.
[4] 李琼，吴丹丹，李艳玲.中小学卓越教师的关键特征：一项判别分析的发现[J].教育学报，2012(8)：89-95.
[5] 姜仁建.教师素质结构的追问与反思[J].教育科学论坛，2011(3)：54-56.
[6] 张明杰.卓越中学英语教师“三位一体”协同培养机制初探[J].语文学刊·外语教育教学，2015(1)：132-133.
[7] 张晓凤.基于“能力本位”的卓越教师培养模式研究与实践[J].兰州教育学院学报，2015(4)：95-97.
[8] 黄友初，金莹.基于本、硕一体化的卓越教师培养模式研究[J].宁波大学学报(教育科学版)，2016(5)：74-77.
[9] 程光旭.培养卓越教师的思考和实践[J].中国高等教育，2014，17(9)：49-51.
[10] 杨现民，王榴卉，唐斯斯.教育大数据的应用模式与政策建议[J].电化教育研究，2015(9)：54-69.
[11] 贺美玲，李晓波.教师教育专业生源质量的现状与思考[J].黑龙江高教研究，2014(7)：94-96.
[12] 搜狐公众平台.大数据袭击大学[EB/OL].(2016-04-05)[2016-06-23].http：//learning.sohu.com/20160405/n443321246.shtml.
[13] 刘海滨.风险评估视角下师范生免费教育政策研究[D].长春：东北师范大学，2014.
[14] 蔺红春.高师院校教师教育困境下“卓越教师培养计划”实施的思考[J].淮北师范大学学报(哲学社会科学版)，2014，35(4)：124-127.
[15] 杨思帆，梅仪新.“卓越教师计划”与教师教育课程体系优化目标[J].教学研究，2013，36(9)：97-100.
[16] 牟智佳，武法提，西蒙斯.国外学习分析领域的研究现状与趋势分析[J].电化教育研究，2016(4)：18-25.
[17] 胡乐乐.论国际视野中的“大数据与教育”[J].比较教育研究，2015(7)：70-77.
[18] 黄映玲，韦宁彬.从学生角度分析微格教学技能评价环节现状[J].电化教育研究，2012(9)：116-120.
[19] 王晓雪.有关高校师范生教育实习转变的若干思考[J].亚太教育，2015(15)：244.
[20] 李妍蓉.大数据助力教师“大”发展[EB/OL].(2016-01-19)[2016-6-24].http：//news.hnu.edu.cn/zhyw/2016-01-19/9495.html.
[21] 明承瀚，党瑞红.大数据理念在高校就业工作中的应用[J].理论前沿，2014(20)：27-31.
[22] 陈桃.我国中小学教师在职培训中存在的问题与对策[J].教学与管理，2014(3)：28-30.
[23] 罗方.国家教育管理公共服务平台“十三五”工作的展望[EB/OL].(2015-11-16)[2016-06-12].http：//www.edu.cn/xxh/xy/stlpt/201511/t20151116_1338226.shtml.
Study on Big Data-based Training Approach of Excellent Teachers
ZHAO Shu, BAI Hao, ZHANG Ruimin
(School of Distance Education, Shanxi Normal University, Xi'an Shaanxi 710062)
[Abstract] MOE in China formally enacted Views on Implementing Training Programs for Excellent Teachers in 2014. Based on those programs, normal universities begin to carry out teacher education reform, but it is hard to solve the problems concerning individuation and completeness in the process of teacher education. The development of big data in education provides a new vision for excellent teacher training. Based on the route of teacher training, the application of big data in many aspects is discussed and analyzed such as the optimization of the enrollment of normal students, curriculum system reform, teaching methods, teaching staff, the optimization of school management and employment service, and in-service teacher training. Then to build a big data center for excellent teachers is proposed, which includes building big data entity, developing big data modeling to realize collection, storage, analysis and application of big data of excellent teachers.
[Keywords] Big Data; Excellent Teachers; Teacher Education
作者简介：赵姝(1985—)，女，河北邯郸人。讲师，博士，主要从事信息化教学理论与实践研究。
基金项目：陕西高校在线开放课程教学改革研究项目“基于移动端的高校混合式教学设计与实践研究”(项目编号：16MY12);陕西师范大学“中央高校基本科研业务费专项资金资助”(项目编号：GK201404007
)
转载自：《电化教育研究》2017年第1期
排版、插图来自公众号：MOOC（微信号：openonline）
产权及免责声明
本文系“MOOC”公号转载、编辑的文章，编辑后增加的插图均来自于互联网，对文中观点保持中立，对所包含内容的准确性、可靠性或者完整性不提供任何明示或暗示的保证，不对文章观点负责，仅作分享之用，文章版权及插图属于原作者。如果分享内容侵犯您的版权或者非授权发布，请及时与我们联系，我们会及时内审核处理。