大数据背景下的高等教育模式研究
大数据的兴起,使得通过数据挖掘及分析实现高等教育的个性化、实时化已经迫在眉睫。
随着经济的快速发展,我国高等教育也步入了新的发展时期。尤其近年来移动互联网、云计算以及大数据的出现,更是在一定程度上对传统的高等教育模式提出了严峻的挑战。大数据的兴起,使得通过数据挖掘及分析实现高等教育的个性化、实时化已经迫在眉睫。
一、大数据概述
作为继云计算之后的信息技术领域的又一个热点,大数据在近几年受到学术界及实业界人士的高度关注。事实上,早在1980年,美国学者托夫勒就在其著作《第三次浪潮》中提出,'如果说IBM的主机拉开了信息化革命的大幕,那么‘大数据’才是第三次浪潮的华彩乐章。“随后,美国SGI(Silicon Graphics)的首席科学家John R. Mashey在1998年首次使用'大数据“这一术语,并对其具体含义进行了详细阐述(如何使用和分析大型数据)。直到2008年9月,Nature杂志推出了名为'大数据“的封面专刊。从2009年开始,大数据才逐渐被各个行业所熟知。
通常而言,大数据由数据存储、数据处理和数据分析三部分构成。首先,数据需要通过存储层予以存储,其次再根据具体的目标或需求建立相应的数据模型,最后与指标体系相结合对数据进行分析得出所需的决策。在这个过程中,分布式计算架构必不可少,通过云计算的分布式处理、分布式数据库、云存储和虚拟化技术等才能更好地对大数据进行挖掘和处理。如果说云计算作为硬件资源的一种虚拟化来支持大数据处理的话,那么大数据技术则是对于海量数据高效处理,其未来的发展趋势就是通过实时交互查询和分析为各行业提供有价值的决策信息。随着大数据的出现,数据量的衡量单位已从之前的MB、GB、TB发展到现在的PB、EB甚至ZB级别。John Rauser(2012)认为,大数据是任何超过了一台计算机处理能力的数据量。当然,除了规模大(Volume)这一特征外,大数据还具有以下几个特征:
1.处理速度快(Velocity)
大数据优势的发挥就体现在处理速度方面。数据的更新和流动速度非常快,大量的数据只有通过借助移动互联网、RFID(电子标签)、传感器等加快数据处理速度,才能更好地发挥大数据的价值。
2.多样性(Variety)
随着网络技术的发展,人们可以通过社交平台、网购平台、行车记录等方式采集数据,数据的源头越来越多样化,数据来源的广泛性使得数据种类繁多。与此同时,数据的格式也不再仅仅局限于传统的结构化...
== 试读已结束,如需继续阅读敬请充值会员 ==
|
本站文章均为原创投稿,仅供下载参考,付费用户可查看完整且有格式内容!
(费用标准:38元/2月,98元/2年,微信支付秒开通!) |
升级为会员即可查阅全文 。如需要查阅全文,请 免费注册 或 登录会员 |