陆芸婷邓伟鑫

摘要：大数据时代推动着各行各业的变化，在教育领域，每个学校每年都会产生大量的教育数据，伴随式数据收集与传统教育数据相比，具有更强的实时性、连贯性、全面性和自然性。如何正确、有效的提取这些数据，并从数据中提取知识用于指导实践，对在校大学生的体商教育做出一个正确性的指导，是一个非常有意义的研究问题。它对大学生体商的培养起到了积极的作用。

关键词：体商 伴随式 大数据 教育

Research on College Students' Body Quotient Based on Accompanying Data Collection

LU Yunting DENG Weixin

（ShenZhen Institute of Information Technology， Shenzhen， Guangdong Province， 518000 China）

Abstract： The era of big data promotes changes in all walks of life. In the field of education， every school produces large numbers of education data every year. Compared with the traditional education data， the accompanying data collection has stronger real-time， consistency， comprehensiveness and naturalness. How to extract these data correctly and effectively， and extract knowledge from the data to guide practices， to make a correct guidance for college students' Body Quotient education， is a very meaningful problem. It plays a positive role in the cultivation of college students' Body Quotient.

Key Words： BQ; Multi-dimensional; Big data; Education

近二十年来，随着计算机及互联网技术的迅猛发展，各行各业的数据也随之大量产生。尤其在教育领域，每个学校每年都会产生大量的教育教学数据，这其中也包含体育教育信息和体育教育数据。如何正确、有效的提取这些数据，并从数据中提取知识用于指导教育实践，对在校大学生的体商教育做出一个正确性的指导，是一个非常有意义的研究问题[1]。

与传统教育数据相比，由于信息化软硬件、云计算等技术的引入，伴随式数据收集的数据具有更强的实时性、连贯性、全面性。伴随式信息收集系统另一个显著特点是它将所有能够收集到的信息都设定为相关性，因此能将所有教育数据全部收入，为后面的教育数据分析和数据挖掘打下了坚定的数据基础。

传统的教育分析主要是依靠简单的教学统计系统，显然现代教育管理是要针对在教育领域中的数据收集、大数据分析以及数据挖掘，挖掘出隐藏在这些数据背后的教学规律，从而可以指导调整教学策略，改进教学方法，提高教学质量。

1 大学生体商培养的重要性

学生是需要全面发展的，这不仅包括智商、情商的发展，体商的发展更是迫在眉睫。智商和情商表明人的智力发展状况和感情心理状况，智商能够衡量你的聪明程度，情商能衡量你的个性特征，而体商是人體真实健康情况的反应。

可是随着互联网等网络新媒体的不断出现，很多大学生接触到计算机、手机等通讯设备，并沉迷于网络世界，沉浸在新媒体带来的新的社交方式中。现实生活中通过参加体育运动等方式获取快乐的学生越来越少。从而导致当今大学生的体质呈持续下滑状态，《全国学生体质与健康调研结果》显示：19至22岁年龄段的大学生群体，爆发力、力量、耐力等体质指标，都呈现出明显的下降趋势。智商情商在很多情况下自己难以完全控制，但体商可以通过自己的控制和锻炼，逐步得到提升。所以激发学生的运动兴趣，提高他们的运动热情，促使他们积极地进行体育锻炼，全面提高身体素质就显得特别重要了。

然而体商的测定不同于体质调查，它不是对形态的测量（身高、体重等），它需要测量的项目内容：力量、速度、耐力、速度耐力、平衡能力、定向能力、柔韧性、协调性、灵活性、适应性等，它是个多维度的。不同的学生个体在体商中所体现出的每项内容都会有所不同，施教过程中，每个不同个体是不能用相同的方法去提升体商的。党的十九大报告中也指出“努力让每个孩子都能享有公平而有质量的教育”大数据时代下的教育，这也就要求我们做到“因材施教”，提供个性化的教育教学。

2 伴随式数据收集下大学生体商培养探究

伴随式数据收集模式相对于传统信息收集模式具有较明显的优势。第一，伴随式收集系统收集的信息更加真实准确。由于伴随式收集系统是实时收集，信息不会固定存放，而是一边产生一边收集，收集到的数据具有动态性、即时性，因此在这种情况下，收集到的数据更加真实有效。第二，伴随式数据收集通常会借助各种信息平台，它的效率更高。伴随式收集系统的收集工具是系统软件，运行时只要电脑、手机、服务器等软件的运行平台保持正常工作状态，它就能连续不断地实时收集数据。第三，它将所有能够收集到的信息都设定为相关性，因此能将所有教育数据全部收入，为后面的教育数据分析和数据挖掘打下了坚定的数据基础。

体育教育行为中交互的对象主要为教师和学生，对象的交互包括教师-教师、教师-学生、学生-学生，按照数据产生的对象划分，可以分为教师数据、学生数据和教学社交数据。教师数据是指教师在教学过程中产生的，例如上课情况、运动效果点评等;学生数据，是指学生个人在进行学习及锻炼过程中产生的数据，例如运动情况、运动频率、运动参数等;而教学社交数据则是指师生间的交互、交流数据，例如手机所产生的位置信息、通话信息、微信信息等。社交数据收集，借助电脑与智能终端设备，通过教师、学生的各种信息系统，通过网络存储于云端。具体来说，伴随式数据收集的硬件主要指教师数据的采集者“传感器、计算机等多媒体设备”、学生数据的采集者“智能手机、传感器”和校园网络，如图1所示。

2.1 激发学生运动热情

由于互联网的快速发展，大学生越来越多的通过手机进行“线上社交”，其使用频率甚至超过了日常生活中的“线下社交”，它已经对学生的情绪、习惯等产生了深远的影响[2]。此外，学生在进行体育运动之后，大都有通过朋友圈发消息的习惯。这说明学生对于体育的运动热情是有的，如果正确的加以引导，可以让他们将热情转化为持续的动力来进行体育运动。因此可以结合大学生热衷网络社交、发朋友圈的特点，积极引导他们把体育运动与朋友圈“打卡”相结合，更好地激发它们的运动热情[3]。

此外可以借助对社交数据的收集，进行相应的分析，得到学生的兴趣爱好及关注度更高的运动项目。并对这些运动项目进行推广，可以让更多的学生主动加入到体育运动中去。

2.2提升学生体商运动指标

伴随式数据收集下的数据采集是多方面的。体育大数据包含对穿戴设备的数据采集：学生在课堂及课后的运动量、心率、体温、血压等数据;如教学过程中，可以通过穿戴设备实时监测学生心率，及时调整学生的运动量。训练中，心率超过180次/分，就需要让学生及时控制训练强度。如果心率过低，则增加训练次数和强度。还包含对体育教学场所的信息化模块的数据采集，如智能终端、体育信息平台。这样的数据采集包含了运动频率、运动轨迹、运动习惯、运动效果等各类数据。

体育大数据记录了学生运动的全过程，首先通过对各种运动数据进行智能化分析，诊断学生体商运动指标的薄弱点，在各个体商评价维度上进行个体聚类，通过聚类结果，可以得到体商相近的个体集合，支撑精准体育教学，从而做到“因材施教”。其次可以根据这些数据对学生的运动习惯与运动行为提供专业的指导，并根据运动效果加以分析判断从而有效地提高学生在体育的各方面运动指标。

2.3对体育教学的指导

体育教学与其他科目的教学相比，有着共性但是也有其特殊性，主要体现在：首先都需要教师组

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！