一、数据分析的概念
数据挖掘，是数据库知识发现中的一个步骤。一般指对收集来的大量数据进行分析，提取有用信息和形成结论，并对数据加以详细研究和概括总结的过程。
数据呈现，是指经过数据挖掘以后形成的复杂信息，通过技术手段，以直观、清晰的方式呈现给用户，近年来数据可视化是数据呈现的一大热点。
数据可视化技术通过计算机图形图像和数据技术，将数据中隐藏的信息，以交互方式形象生动地展示给用户，辅助用户分析数据，发现数据中隐藏的特征、关系和模式，进而发现其中蕴含的规律。
英语课堂数据分析的对象主要包括：在翻转课堂教学过程中，教师发布的学习资源内容和组成成分、学生的个体学习特征库和整体学习特征库，以及学生在学习过程中产生的状态数据库。
二、英语翻转课堂的特点
“翻转课堂”源于美国的“Flipped Classroom”，是指重新调整课堂内和课堂外的教学模式。传统教学模式是课堂上教师讲授，课后学生通过练习消化；而翻转课堂则以学生为主体翻转过来，其模式是课前学生自主学习，课堂上教师引导学生内化知识。
翻转课堂将学习的主动权从教师转移给学生。学生在课外时间完成自主学习知识，而教师不会利用课堂的时间讲授知识。教师采用任务驱动法和协作法，引导学生学习的兴趣，让学生通过实践获得更牢固的知识和自主的学习能力。
英语教学与翻转课堂的完美融合，主要表现为以下几个方面：
1.课前自主学习环节
UMU互动平台为翻转课堂的课前教学提供了大量的教师自制和搜集的教学资源。教师根据教学大纲和学生的学习水平确定知识目标、能力目标和素质目标，然后通过对互联网教学资源进行筛选形成课程学习资源库，之后在UMU平台上发布，同时鼓励学生自主查阅资料，完成开放性任务和知识性任务。
学生学习发布资源后，通过教师发布的系统化知识自测题，了解自己对知识的掌握程度，检测自主学习的情况，教师也能获得学生整体的课前学习状态情况。
2.课上内化环节
教师对学生群体具有的共性问题进行讲解，课上侧重学生的语言实践，利用团队协作、分组对抗等生动灵活的教学方式，促进学生在课上活学活用，对知识内化。
3.课后拓展环节
教师根据课程要求和学生学习情况设计符合素质目标的课程作业，目的是让学生把所学知识和语言练习融会贯通，巩固学习效果。
三、基于数据分析技术的英语翻转课堂教学
1.可用工具：
Excel作为常用的分析工具，可以实现基本的数据分析工作，包括数据排列、分类筛选等。同时Excel能够完成基础的数据可视化工作，特别是其擅长通过曲线图、雷达图、散点图等多种直观的分析图来呈现数据中蕴含的信息。
Infogr就是信息（information）和图像（graphic）的有机融合。在其官方网站infogr.am，教师可实现通过图像让繁琐并且令人无法直接获得结论的数据生成色彩丰富、形式直观的信息图，其不仅使用门槛低，而且能够使教师和学生在短时间内获得有效的学习状态信息。
主要使用Excel和infogr来制作和呈现学生个体学习特征库，并给予个性化指导与建议。学生在阅读自己的图像档案时，会用一种欣赏的态度观看，通过仔细咀嚼启动脑中图像分析的成份，对自己的优点和缺点理解更深刻。
大数据魔镜是集数据挖掘和数据呈现于一体的综合性数据分析服务站点，主要提供数据整合、探索、挖掘、分享、控制多个角度的数据服务。教师可以利用魔镜站点通过整合多种数据，将不同数据联动分析出结果。通过一个直观的拖放界面就可创造交互式的图表和数据挖掘模型。在本文中，使用大数据魔镜来分析教师资源的内容和组成成分，以及以时间轴为基准的学生学习行为数据库。
2.课前自主学习环节
课前的学习环节以世界大学城（www.worlduc.com）为信息化学习平台。世界大学城以其开放性、互动性的特征赢得了校园用户的青睐，其注重学习资源的数字化、多媒体化、网络化呈现，突出了学习者的主体地位，重视教师与学生之间的沟通。
《以学生为中心的翻转课堂11法》中指出：“让学生一起参与制定学习目标，能够更好地让教师了解学生的需要。”首先，根据课程内容，教师提炼出若干教学重点，并鼓励学生参与投票和评论，选出学生心中的难点问题。教师根据调研结果，在Excel中生成柱状图，获得学生对各教学重点的学习需求，在课上内化知识阶段就可以有所侧重。
学生在世界大学城云空间学习教师发布的课程资源库，包括各类多媒体资源，旨在让学生掌握静态知识点，如背景知识、词汇等。
完成资源库的学习后收集数据：如学生在大学城平台的交互情况、学生阅读的点击量等数据。教师用大数据魔镜软件分析数据，分析主题包括：学生点击量最多的是何种类型的资源？学习效果最好的是什么资源？大数据魔镜给教师提供了动态的数据图，教师可以轻松地了解学生的学习需求、学习风格，让教学资源库形式更多样化、更贴近学生的需求。
学生完成知识学习之后，进行世界大学城在线自测。本环节借助数据分析和数据挖掘工具，分析每位学生存在的问题和学生群体的共性问题。数据的收集方面并非仅仅记录总得分，而是收集多项指标数据：
第一项是个体信息，包括：学生每类题型的得分、每道题的修改次数、每类题型的耗时情况。
第二项是学生整体信息，包括全班平均分、每类题目全班平均分、全班各个题目的正确率等。经过数据分析后，将数据分析结果分别通知给学生和教师。例如：某学生收到的系统分析结论是：词汇类分数低于平均分，总分高于平均分，词汇题第3题答题时间长、修改次数多。教师收到的系统信息为：背景知识类正确率80%；词汇类方面70%的学生词汇题第3题答题时间长，正确率仅50%；惯用语搭配类正确率75%；全班及格率89%。
在数据分析的指导下，教师可以细致地了解学生课前学习的状态，从而对教学内容和方式进行调整，对需要帮助的学生进行指导，并制定能够满足学生学习需求的个性化教学方案，做到“因材施教”。
教师在Infogr网站制作学生的特征档案，Infogr会产生直观清晰的数据分析图，供学生掌握自身学习状态，并与全体学生特征库形成比较，思考自己的学习过程，促进学生自我规划，成为主动的学习者。
3.课上内化环节
根据前一阶段教师已经获得的数据分析结论，教师在课上环节针对共性问题进行讲解或训练，侧重于学生的语言实践，利用小组合作、角色扮演等，使学生在课上完成知识内化。
在本环节，教师对整体学生突破教学重难点起到引导作用；同时需要根据课前数据分析关注那些需要帮助的学生，比如某些学生口语表达方面存在短板，教师可在课上多给予锻炼的机会。
通过记录课上环节学生的学习情况、角色扮演的效果、团队合作的状态等，形成多元化数据记录。分析这些课堂学习状态数据集，获得学生的学习轨迹，可以分析每个学生对各类学习内容的不同反应，教师因而能清晰地知道哪些教学目标还需要加强练习，哪些教学资源效果更佳。单个个体行为数据似乎是杂乱无章的，但当数据累积到一定程度时，群体的行为就会在数据上呈现出一种秩序和规律。分析这种秩序和规律，有助于设计高效的课堂教学模式，保证教学效果。
4.课后拓展环节
课后拓展环节中，教师根据课程要求和学生学习情况设计符合素质目标的课程作业，目的是让学生把所学知识和语言练习融会贯通，进一步夯实学习效果。
例如，《France is calling》的讲解教学模块，以法国讲解为例。课前学习环节中学生掌握词汇、搭配、句型，课堂侧重景点讲解技巧，并组织学生进行景区模拟导游讲解。课后拓展环节，教师设置练习为学生自由设计城市的旅游线路，做图文并茂的讲解，上传线路的英文解说视频。
这项提升练习起到融会贯通的作用：线路串联了城市的各景点，要求学生对城市做简要介绍，巩固了语言知识，城市讲解则锻炼了学生的口语表达能力。
教师用大数据魔镜对比学生课前知识掌握情况与课后拓展完成情况，分析学生整体的学习效果，得出的数据也对开展日后的教学有借鉴意义。
5.课程总结
在完成多个单元的教学后，教师将各单元与模块累积的数据导入数据分析工具，进行数据挖掘，建立学生纵向成长记录，生成学生学习状态数据报告。
通过Infogr网站、大数据魔镜网站将学生在该课程的学习全过程以可视化的方式呈现出来。全面跟踪学生从启动学习到最终完成课程的整个过程，那么一个丰富的学生学习经历的画卷将会产生出来。