iOS 上能提高学习、工作效率的应用有哪些？ - 知乎2115被浏览163219分享邀请回答Doit.im ……下面这些勾勾你都用一遍，浪费的时间就不少了：解决“到处全都是正确答案”的唯一办法，就是随便选一个，然后埋头用下去。如果你现在一个都没用过，那就用最简单的 Wunderlist 吧，全平台制霸：18928 条评论分享收藏感谢收起35816 条评论分享收藏感谢收起查看更多回答4 个回答被折叠（）浅析：数据分析在学校如何应用？
我的图书馆
浅析：数据分析在学校如何应用？
数据跟踪分析近年来，随着大数据成为互联网信息技术行业的流行词汇，教育逐渐被认为是大数据可以大有作为的一个重要应用领域，有人大胆地预测大数据将给教育带来革命性的变化。在教育特别是在学校教育中，数据成为教学改进最为显著的指标。通常，这些数据主要是指考试成绩。当然，也可以包括入学率、出勤率、辍学率、升学率等。对于具体的课堂教学来说，数据应该是能说明教学效果的，比如学生识字的准确率、作业的正确率、多方面发展的表现率——积极参与课堂科学的举手次数，回答问题的次数、时长与正确率，师生互动的频率与时长。进一步具体来说，例如每个学生回答一个问题所用的时间是多长，不同学生在同一问题上所用时长的区别有多大，整体回答的正确率是多少，这些具体的数据经过专门的收集、分类、整理、统计、分析就成为大数据。而近年来越来越多的网络在线教育和大规模开放式网络课程横空出世，也使教育领域中的大数据获得了更为广阔的应用空间。专家指出，大数据将掀起新的教育革命，比如革新学生的学习、教师的教学、教育政策制定的方式与方法等。那么，大数据在学校到底该如何来应用呢？下面分析下国内外技术公司和学校，如何利用大数据应用的 ：一、Knewton利用大数据分析来帮助学习设计个性化课程Knewton一家名为Knewton的大数据公司开发了一个数字平台，该平台分析了几百万学生（从幼儿园到大学）的学习过程，并基于这一分析来设计更加合理的测试题目和更加个性化课程目标。该公司与Houghton Mifflin Harcourt建立了合作关系，开发出了K-12阶段的个性化数学课程，同时还与法国创业公司Gutenberg Technology一道，开发了智能数字教科书。简单来说，这些课程和教科书能够适应每个学生的差异。学生可以按照自己的节奏来控制学习进度，而不会受到周围其他学生的行为的影响。然后，系统会给教师一个反馈，告知哪个学生在哪个方面有困难，同时给出全班学生的表现的整体分析数据。二、知牛网（）利用大数据，帮助老师实现个性化教学知牛网知牛网，采用开放云平台模式，将先进的交互式微课、大数据和教育技术完美结合。开发了一个便捷的交互式微课制作工具，采用的是一种不同于传统视频的HTML5的交互式微课格式，它具有了比视频格式更多的优秀体验，互动、动画动效、流量小、适合移动传播、易管理等优秀特征。通过拖拽模板的方式即可实现内容的组织，并支持在线语音录制和对任一内容插入交互点。制作不仅简单，而且可以通过交互点的设置，启发学生思考，让学生主动参与到学习中来，学习更加有趣、有效。知牛网可以对学情数据细粒度的跟踪分析，如：学习进度、学习时长、每页学习情况、答题情况、错误率、疑难点等。让老师更好地读懂千差万别的学生，让每一位老师有机会了解自己的每一个学生的真实学习情况，为每一个学生提供优质、个性化的教育资源。同时，可以根据不同学习层次的学生进行分组学习和讨论，即将不同学习能力的学生编成一个特定小组，从而帮助老师实现“个性化”教学。知牛网细粒度的学情跟踪三、“希维塔斯学习”（Civitas Learning）利用大数据帮助学生提高成绩Civitas Learning“希维塔斯学习”是一家专门聚焦于运用预测性分析、机器学习从而提高学生成绩的年轻公司。Civitas Learning提供了一套应用程序，学生和老师可以在其中规划自己的课程和安排。“希维塔斯学习”各种基于云的智能手机第三方应用程序（APP）都是用户友好型的，能够根据高校的需要个性化。这意味着高校能聚焦于各自不同的对象，相互不同地用这家公司的分析工具开展大数据工作。该公司在高等教育领域建立起最大的跨校学习数据库。通过这些海量数据，能够看到学生的分数、出勤率、辍学率和保留率的主要趋势。通过使用100多万名学生的相关记录和700万个课程记录，这家公司的软件能够让用户探测性地知道导致辍学和学习成绩表现不良的警告性信号。此外，还允许用户发现那些导致无谓消耗的特定课程，并且看出哪些资源和干预是最成功的。四、美国大学用大数据来预测学生是否能顺利完成课业Marist College纽约州波基普西市玛丽斯特学院（Marist College）与商业数据分析公司Pentaho合作发起开源学术分析计划（The Open Academic Analytics Initiative），旨在一门新课程开始的两周内预测哪些学生可能会无法顺利完成课程。该计划基于Pentaho的开源商业分析平台（Business Analytics Platform）开发了一个分析模型，通过收集分析学生的学习习惯——例如点击线上阅读材料、是否在网上论坛中发言、完成作业的时长——来预测学生的学业情况、及时干预帮助问题学生，从而提升毕业率。五、教育测评公司 KickUp用大数据标准化测评判断老师成长KickUpKickUp 是一个专注教师测评的标准化 SaaS 工具，测评数据来自教师的自查报告及学年内的各项教学结果的反馈，这些数据可以纵向记录教师的成长历程，提出有待改善的地方。KickUp 根据学生和老师的数量、按地区进行收费，目前全美有超过 50 个地区的学校在使用这款测评工具。六、中学生利用LinkedIn数据选择心中的大学LinkedIn以美国的著名高校卡内基梅隆大学和普渡大学为例：对这两所高校，领英都收集了60000多名毕业生的职业生涯数据。数据量之庞大，足以在其中看出清晰的规律。输入“MIT”，你很快就会看到这所高校的毕业生一般会在谷歌、IBM和甲骨文公司找到工作。输入“普渡”，你会发现礼莱、康明斯和波音是毕业生的首选。这类信息对于中学的高年级生和低年级学生都是一座金矿，因为大多数中学生对将来的职业都只有模糊的想法。运用领英的这个工具，对太阳能、编剧、或者医疗器械感兴趣的学生，就可以挑选那些毕业生最容易进入相关领域的大学报考了。七、伊萨卡学院（Ithaca College）利用大数据来择优录取学生Ithaca College据PBS报道，伊萨卡学院（Ithaca College）自2007年开始收集学生的社交网络数据。该学院为申请者设立了一个类似Facebook的网站IC PEERS，让申请者得以通过网站联系学院教师和彼此。伊萨卡使用IBM统计分析系统来收集IC PEERS上产生的数据，研究拥有怎样的网络行为的学生更有可能选择就读伊萨卡。收集的数据包括申请者上传了多少张账户照片、拥有多少名IC PEERS好友。研究人员认为，这能反映出申请者对这所学院有多感兴趣。八、培生集团应用大数据技术全程实时分析学生个体和班级整体的学习进度Pearson以培生集团最新出版的全球少儿美语旗舰课程Big English为例，这套课程引入了首款应用于少儿英语学习领域的MyEnglishLab在线学习辅导系统（以下简称MEL），应用大数据技术全程实时分析学生个体和班级整体的学习进度、学情反馈和阶段性成果，从而及时找到问题所在对症下药，实现对学习过程和结果的动态管理。Big English的大数据分析系统以学生为中心，按照教、学、测三个环节组织线上学习内容与学习过程，将学生、教师、家长、机构四类用户群有机整合在MEL学习管理系统中，各司其责，相互作用，实现了个性化的课堂教学、家庭辅导和自主学习管理环境。九、电子科大利用大数据寻找校园中最孤独的人电子科大电子科大曾做过一个课题——寻找校园中最孤独的人。他们从3万名在校生中，采集到了2亿多条行为数据，数据来自学生选课记录、进出图书馆、寝室，以及食堂用餐、超市购物等数据。通过对不同的校园一卡通“一前一后刷卡”的记录进行分析，可以发现一个学生在学校有多少亲密朋友，比如恋人、闺蜜。最后，通过这个课题找到了800多个校园中最孤独的人，他们平均在校两年半时间，一个知心朋友都没有。这些人中的17%可能产生心理疾病，剩下的则可能用意志力暂时战胜了症状，但需要学校和家长重点予以关爱。十、南京理工大学利用大数据分析为贫困生充饭卡南京理工大学每个月在食堂吃饭超过60顿、一个月总消费不足420元的，被列为受资助对象。据报道，南京理工大学教育基金会通过数据分析，每个月在食堂吃饭超过60顿、一个月总消费不足420元的，被列为受资助对象。南京理工大学还采取直接将补贴款打入学生饭卡的方式，学生无需填表申请，不用审核。
TA的最新馆藏
喜欢该文的人也喜欢移动应用如何埋点收集什么数据以便于统计分析？ - 知乎3030被浏览126310分享邀请回答4399 条评论分享收藏感谢收起依据：推荐两篇文章，一篇是我写，另一篇是我们同事的文章：做一些摘抄：著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。作者：孔淼链接：来源：知乎对于移动app或者网站，很多人也一直在用“百度统计”，“友盟”，“Talkingdata”这一类的统计工具来跟踪DAU，但是对于DAU，其实有两个很重要的问题：
1.毫无可操作性。有时候你看到DAU上升或者下降，除了靠猜测直觉或者经验，你不能找到背后的原因，也不能去做什么2.容易因为“to VC”模式而去伪造。不同公司的DAU都是通过不同的方式计算的，特别是投资人也是看重这个数字，所以很多创业者刷榜刷量来伪造，然后和其他的app进行比较，却忽视要衡量产品发展的初衷。其实有个关键问题就是关于“活跃用户数”是如何衡量的，活跃只是一个基本描述，其实无关你通过什么标准来判断。现有的大多数产品是通过打开应用或者打开网站来判断。
事实上提高产品最好的方式，就是让“活跃”这个定义变得更加严格，换言之，我们需要让“活跃”的定义和产品的增长关联性更强。假想一下，在你的产品中，什么样的行为或者特征会促进你的留存，并且围绕这些行为和特征来设计判断“活跃”的规则。
我们需要从更精准、更务实的角度重新定义「活跃」。举个栗子，京东可能关心的是浏览商品，购买支付相关的行为，那么对于京东来说至少浏览了商品才算活跃；知乎可能关心的是阅读，互动相关的行为。对于知乎而言用户至少看了问答才算活跃。更多阅读著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。作者：于晓松链接：来源：知乎在这样一个「数据驱动」的时代，很多产品团队都选择在产品早期就引入或搭建数据分析平台，并希望能够通过数据驱动产品的快速成长，但即便如此，大多
数的初创企业还是难逃失败的厄运。除去战略、经营等导致企业死亡的情况，数据分析的「深度不够」也是让产品铩羽的重要原因——大多数企业构建的数据分析平
台仅仅能看一些统计指标——而这并不足以指导产品改进，并使之走向成功！产品数据分析的三个层次对产品用户和行为数据的研究可以大致划分为宏观层、微观层和中间层三个层次：宏观层：由一系列的数据指标构成。如产品每日的「活跃用户数」、「新增用户数」、「订单数量」、「点赞的次数和人数」、「次日或7日留存率」等，这些指标能够帮您从整体上把握产品的运营状况；微观层：由产品中每个用户及其行为的细节数据构成。如每一个用户的年龄性别……、他在什么时间打开应用、做了什么、他的购物车里都有哪些商品等，这些数据可以让您去深入的了解和理解每一个用户以及用户的行为？中间层：中间层由一系列相互关联的分析方法、模型以及相应的数据构成。如行为分析、漏斗、留存、细分、画像洞察等等。更多请阅读121 条评论分享收藏感谢收起查看更多回答4 个回答被折叠（）