大數據視域下網絡教育研究新范式

文/孫華

大數據視域下網絡教育研究新范式

文/孫華

大數據時代為調查研究提供了一個前所未有的全樣本的機會，這比以往的基于抽樣的問卷統計、電話調查等方法更加強大，也更加便捷。

2012年，美國發起“大數據”研究?？偨y奧巴馬稱∶“通過提高從大型復雜的數字數據集中提取知識和觀點的能力，承諾幫助加快在科學與工程中的步伐，加強國家安全并改變教學研究?！蓖嘎冻龃髷祿芯康闹匾繕酥弧媒逃?/p>

大數據特點

大數據并不復雜，和新媒體一樣是個相對的概念。人們無法回答“多大的數據才能叫大數據”這樣的問題，只能說隨著數據量持續高速增長，發現分析處理力不能及時跟進，這樣一個術語因此應運而生。企業內部的經營交易信息，物聯網世界中商品、物流信息，互聯網世界中人與人交互信息、位置信息構成大數據的三個主要數據來源，共同揭開了大數據的序幕，促使海量數據在漸變中完成了從量變到質變的飛躍。透過大數據，人們能夠發現知識、提升智能、創造價值。Google的搜索服務是一個典型的大數據運用，根據用戶的需求，Google實時從全球海量的數字資產（或數字垃圾）中快速找出最可能的答案，是一個最典型的大數據服務。過去對這樣規模的數據量處理和有商業價值的應用太少，在IT行業沒有形成成型的概念?，F在隨著全球數字化、網絡寬帶化、互聯網應用于各行各業，累積的數據量越來越大，越來越多行業和國家發現，可以利用類似的技術更好地服務客戶、發現新商業機會、擴大新市場以及提升效率，才逐步形成大數據這個概念。

咨詢機構麥肯錫則提出∶大數據是指其大小超出了典型數據庫軟件的采集、儲存、管理和分析等能力的數據集。簡單地講，大數據定義了傳統模式（或流程、工具、手段）無法處理的數據集。大數據，著眼于數據關聯性，而非數據精確性，這是大數據最特別的地方。以上大數據概念的提出明確了∶大數據的數據集信息量超出了現有基礎設施的承載能力，多樣性超出傳統流程工具的處理能力，實時性超出現有IT架構的計算能力。

PRADA在紐約的旗艦店中每件衣服上都有RFID碼。每當一個顧客拿起一件PRADA進試衣間，RFID會被自動識別。同時，數據會傳至PRADA總部。

大數據如何影響教育

美國學者戴維.霍爾在《大轉折時代》中提出，到2015年，大規模開放式網絡課程將改變高等教育的面貌，成為一種新的教育方式。因此探索一種適合于網絡教育的教學模式是對大數據的有效利用，也是生活和思維大轉折時代所亟需的。大數據對高等教育教學產生了深刻的影響，在這種大背景下，高等教育中的成員網絡教育教學也需要進行一些相關轉向，以實現學科的調試和適應，使其教學真正適應當下的社會發展需求，具體主要包括以下幾點∶

1.教學視角的轉向：從單向度的內容研究轉向“內容+關系”的多維度研究

隨著大數據時代的到來，傳統網絡教育側重于教學者單向度信息輸入的局面將有所改變。傳統網絡教育中教與學之間的溝通，屬于淺表層面，不能夠有效的窺探出學習者在學習行為，學習習慣，學習心理，學習訴求和學習效果等方面的具體情況。而借助大數據，網絡教育教學的研究視角則可以更加多元化，因此以學習者上述方面的指標考量為研究基點展開多向度的研究應該是未來網絡教育研究的方向。這里我們可以借鑒一個關于奢侈品營銷的案例。PRADA在紐約的旗艦店中每件衣服上都有RFID碼。每當一個顧客拿起一件PRADA進試衣間，RFID會被自動識別。同時，數據會傳至PRADA總部。每一件衣服在哪個城市哪個旗艦店什么時間被拿進試衣間停留多長時間，數據都被存儲起來加以分析。如果有一件衣服銷量很低，以往的作法是直接下柜。但如果RFID傳回的數據顯示這件衣服雖然銷量低，但進試衣間的次數多。那就能另外說明一些問題。也許這件衣服的下場就會截然不同，也許在某個細節的微小改變就會重新創造出一件非常流行的產品。網絡教學也一樣，通過提取大量相關數據，對學習者瀏覽時間，瀏覽界面，瀏覽路徑等數據進行挖掘，深入到目前網絡教育教學中的一些無暇顧及的真空地帶，找到學習者感興趣愿意學，而且真正能學有所得的教學視角。

2.教學方法的轉向：由教學內容的采集加工轉向數據內的加工和可視化等

《國際教育百科全書》曾指出∶近幾十年來，教育革新最積極的領域之一是個性化教學。真正的個性化學習應該是對學生而言，學校知道其在什么時間需要什么樣的服務，并以可以接受的價格，經由喜好的渠道對其進行最優質的服務；對學校而言，在合適的時間通過適當的渠道，對目標群體以合理的代價完成最優質的服務。兩者都是在各自立場上達到自己的滿足和需求。但目前網絡教育的教學主要集中在教學信息的輸入和拓展方面，而且教學內容在前端界面上呈現出較大的同質化程度，對于同一科目或者主題的教學來說，各種網絡教學提供給學習者的前端頁面是千網一面，沒有根據學習者不同的學習基礎和學習特點展開有針對性的教學。網絡教育是根據需求去尋找自己所需的內容，這種按圖索驥的學習行為無法也不可能滿足以分析為導向的個性化學習服務需要。而且網絡教育學生的年齡和知識背景差異很大，如何因材施教，合理安排課程結構和教學進度一直困擾著網絡教育人員，也是始終困擾網絡教育如何實現個性化學習服務的一大難題。

在全世界的教育環境中，大數據作為一種適合學習者個性差異的愈來愈多樣化的技術已經發展起來。大數據讓這種差異化變成了現實。有關網絡教育學習者的研究數據可能來自同一個大數據庫，這些數據可以將目前對學習者信息采集的環節多維化。通過時間序列搜索出重復發生概率較高的模式。在時序模式中，一個有重要影響的方法是“相似時序”，須按時間順序查看時間事件數據庫，從中找出另一個或多個相似的時序事件。網絡教育的競爭就是各種教學法的精細化準確化，并且在呈現給學習者的用戶前端界面上進行優化，增強前端界面與學習者之間的黏合度，如此整個網絡教育教學的鏈條才會不斷下移，才會更加符合學習者個體的特點。同時網絡教育的教師角色定位應該由知識的灌輸者轉變為學習者學習能力提高的引導者，進行指導性教學。教師可以根據教學需要和不同學習者的需要，對相關教學信息進行合理組織和規劃，以有效的方式組織和呈現信息，提供對信息的深層次導讀，以使學生更方便地訪問，并在信息加工處理過程中形成科學的意義建構。

3.數據庫支持的轉向：由簡單的、有限的數據庫轉向非結構化的大數據庫

做數據分析要先明確分析什么，以實現什么需求。只有擁有了需求，教學才能有針對性地對數據進行分析，把數據深層次的價值挖掘出來，讓它們為決策服務。隨著大數據時代的到來，網絡教育數據的發展與前幾年比較已經不是一個數量級。大數據的數據體量巨大，從TB級別，躍升到PB乃至ZB級別，大數據所涉及的資料量規模巨大到無法通過目前主流軟件工具進行處理和識別，需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力，這需要巨大的數據庫作為支撐。另外，網絡教育的大數據資源相對駁雜，是一種非結構化的數據呈現，需要與相應的非結構化的數據庫相對接。

據統計，全球結構化數據增長速度約為32%，而非結構化數據增速高63%。對于傳統的結構化的數據，由于已經達到一定數量，以關注其應用為主，而對于正在生長的海量的非結構化數據，則要關注怎么收集、用什么方式有效管理。網絡教育正在掌握著越來越多活的數據，這為網絡教育提供了新的方向，即尋找某個規律背后的原因。從沉淀的數據中發現有價值的信息，深入挖掘、綜合利用、轉化為知識，體現信息系統的真正價值，而這方面可拓展空間幾乎是不可限量的。從網絡教育的角度來看，如何充分利用信息系統中的數據，是系統實施之后最重要的工作，也是長期的工作。

非結構化數據庫資源在Web2.0網絡應用模式的驅動下，含在基于Web2.0的社會化網絡之中。博客（Blog）、社會化書簽（Social Bookmark）、維基（Wiki）、播客（Podcast）、微博（Micro Blog）、網盤、社會化網絡服務（SNS）、論壇（BBS）這些社會化網絡都可以成為網絡學習教育資源承載的平臺。這類資源的表現形式有物化的，也有非物化的，有顯性的，也有潛在的。但它們的一個共同特征就是非結構化，其自身的內部結構特征和知識的傳遞順序呈現出一種非線性的“網絡狀”，動態性共享性強、傳播發展、穩定和可控性相對較差。其次這些網絡資源種類繁多有多媒體多語種的表現形式。有助于人們資源結構的更新和重構。最后資源的廣泛性分布，大量多源的、異構的網絡資源數據分布式存儲在世界各地聯網的主機中。以超級鏈接的方式將文字、圖像、音頻、視頻等資源鏈接成超媒體系統，已經發展成巨大的網絡資源庫。而且各種資源強大的共享性，使得人人都可以分享和傳播。因此，非結構化的大數據可以抽絲剝繭根據用戶的身份信息和最新動態，主動嗅探、感知用戶的當前需求情境，進行服務資源的發現、匹配與推介，最終完成一對一式“適位化”信息傳播效果，從而對有效提高媒體資源的利用率。

4.教學手段的轉向：由簡單的技術支持轉向參與式教學的工具

《紙牌屋》以及Netflix品牌營銷的成功，都是對大數據時代的精準判斷。大數據技術運用的核心在于精確預測可能性。

“個性化的網絡學習”表明了個性化與網絡學習的聯系，既突出了個性化教學在網絡學習中所起的重要作用，又解決了傳統教學中個性化的天然局限性帶來的弊端。個性化不是自由化，學習者的學習活動必然要在一定的歷史社會背景展開。新媒體技術帶來的受眾自主性、參與性，以及傳播的群體交互性毫無疑問為網絡教育的個性化教學，即參與式學習的確立提供了可能。為了能使用戶的個性化學習需求得到充分發展而又保證其學習行為不失控，必須在網絡教學過程中尋求一種平衡，即個性化定位下的參與式學習。麻省理工學院比較媒介研究中心主任亨利·詹金斯在其名著《文本盜獵者》中提出了“參與式文化”（participatoryculutre）這一概念，他還頗具建設性地指出∶當今不斷發展的媒介技術使普通公民也能參與到媒介內容的存檔、評論、挪用、轉換和再傳播中來，媒介消費者通過對媒介內容的積極參與而一躍成為了媒介生產者。媒介技術在提供個性化學習方面優勢得天獨厚，同一時間適合某個學習者的信息會很多，如果不分層次而進行信息堆積，很容易使學習者陷入信息海洋中。

信息社會以創新型人才的培養為目標，個性化、創造力的培養成為教育的重點。呼喚個性化教育的回歸已成為教育發展的方向，大數據中的數據挖掘技術為網絡教育解決個性化教育的回歸和大量培養人才兩者之間這一內在矛盾提供了可能和現實的途徑。數據挖掘是一種處理海量數據并從中建立有效模型和規則的自動或半自動的挖掘技術。數據挖掘技術通常分為有指導的分類、無指導的聚類以及關聯規則等多種方式。關聯規則是數據挖掘中一個非常重要的方法。通常，一個事務數據庫中包含大量的交易數據，每一條交易記錄中包含用戶數據、商品清單以及時間等信息。大數據的魅力在于數據之間的關聯性。關聯規則就是在大量數據的屬性中發現有意義的聯系，最早由Agrawal和Srikant等提出。執行關聯規則主要分為兩步∶首先從數據中找出頻繁項集；然后發現數據之間的關聯并作為規則。遠程學習中關聯規則主要用于分析學習者的學習行為。因此，對學習者提供個性化服務時，應該進行信息篩選，以找出對學習者個性發展具有決定性意義的信息。

為了在網絡學習過程中發現學習者的個性信息，除了對學習者的注冊信息進行收集外還需要對學習者學習過程中的行為進行分析，以發現學習者對學習內容的偏好信息。Web使用數據挖掘技術從網絡數據中發現使用模式，并以此得到用戶的訪問模式，從而根據這種模式為用戶定制合適的推薦頁面，它是Web挖掘的一種。通過Web使用挖掘技術對學習行為的分析和研究，了解和掌握學習者學習的情況、需求、能力、進度、興趣等，及時調整學習計劃，呈現符合個性的學習資源，使得每一個學習者獲得個性化的服務。學習者個性化模型是存在于一個學習進程中的動態過程，因此在建立模型之前需要對學習進程進行分析。為了適應學習者個性，學習對象的安排不再是一種純粹的線性過程，它也可能是一種根據學習者個性特征組成的非線性學習過程。在個性化學習系統中，標準化的學習材料具有更好的可訪問性、重用性、可管理性以及交互性。學習內容重組是實現個性化內容遞送中最關鍵的一個環節，不但要和學習者的個性學習進程相匹配，而且要根據學習進程中的學習對象挖掘出與之相適應的輔助材料。從而使學習者既不會因學習材料匱乏而無法進行個性化的學習，也不會因為學習材料過多而導致個性學習失控。

大數據分析為網絡教育傳播開辟新視界

大數據分析的關鍵其實并不在于掌握大量的數據，而是在于從數據中提取意義的能力，以及發現隱藏的模式與可能的關系的能力。大數據的收集與分析能力的提升，為網絡教育品牌形象管理提供了新的有利條件。

1.品牌接觸點的精準把握

按照美國西北大學舒爾茨教授的定義，品牌接觸是指用戶接觸到關于產品、品牌、市場等的信息的過程。品牌接觸點必須準確地適應細分目標受眾的習慣和行為訴求，這樣才能精確推送品牌信息，從而以點帶面，構建用戶頭腦中關于品牌形象的整個圖景。

在大數據時代，基于交互性的傳播平臺，以及智能的數據庫管理，用戶的形象被勾勒得更加清晰，并且根據興趣與需求被重新標簽化、歸類化，這樣就提升了品牌形象推廣的精準度。在2012年的美國大選中，奧巴馬的團隊就充分利用了大數據技術做個人形象品牌的推廣決策，大數據技術被廣泛應用于競選策略的實施調整與資源的優化配置。大數據時代，會帶來讓人耳目一新的品牌傳播思路與路徑的轉變。早在2011年，麥肯錫在題為《海量數據，創新、競爭和提高生成率的下一個新領域》的研究報告中就已經指出，大數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素；而2012年達沃斯世界經濟論壇上，就有報告宣稱，數據已經成為一種新的經濟資產類別，就像貨幣或黃金一樣。這是大數據的價值所在。由于有了對大數據的認知，用戶的需求、交流、參與可以被無限細分，網絡教育可以更加注重細分市場，尋找利基。

品牌形象管理必須以用戶為核心。網絡教育要實現品牌定位，首先網絡教育的品牌形象傳播要從用戶角度出發，研究了解用戶的所思所想。新媒體時代，碎片化、多樣化的消費者成為主流，品牌個性變得至關重要。個性是品牌的靈魂，具有強烈個性的品牌會更容易引發用戶的關注，與用戶自身相契合的品牌總能吸引用戶的目光，從而引發品牌認知、品牌接觸和品牌消費行為。教育市場放開后，網絡教育的核心競爭力集中在為學習者提供個性化的服務方面。對教育來說，個性化，參與式的教學是網絡教育由外而內地在用戶心目中占據一個有利位置的最好突破口。

2.用戶需求交叉點的精準發現

大數據時代的數據具有了獨立存在的價值。2012年IBM與牛津商學院對英國和愛爾蘭的公司對于大數據的使用做了調查，發現近六成的企業承認競爭優勢與大數據有關。理性行為理論（TRA）認為，行動是由一個人做出行動的意愿所決定的，而這個意愿則是這個人對于行為的態度和反映社會影響的主觀規范的函數。也就是說，預測用戶將采取何種行為，最好的辦法是了解其意愿，也就是其頭腦既有的對于事物及自身的認知和準則。大數據時代，數據智能使得很多想法變成了可能，例如通過對于個體小數據的分析，可以根據用戶的愛好或人際情況定位品牌傳播；比如整合碎片信息，通過語義分析，了解用戶對于網絡教育的感知、態度等。例如Netflix（奈飛）就是基于大數據技術完成了渠道到內容的轉型，成功塑造了精品網絡劇播出平臺的品牌形象?！都埮莆荨芬约癗etflix品牌營銷的成功，都是對大數據時代的精準判斷。大數據技術運用的核心在于精確預測可能性。

長期以來，人們用抽樣代替普查，但是在碎片化的今天，抽樣的代表性和準確性受到了一些質疑。當前網絡教育競爭激烈，廣告成本相對增加。網絡教育需要通過建立品牌形象來減少宣傳成本，優化用戶的學習環境，增加自身在教育市場的競爭優勢。大數據時代為調查研究提供了一個前所未有的全樣本的機會，這比以往的基于抽樣的問卷統計、電話調查等方法更加強大，也更加便捷。網絡教師市場用戶每一次的體驗數據的收集與分析，可以提供有價值的參考。

大數據時代勢不可擋，隨著社交網絡的逐漸成熟，移動帶寬迅速提升，云計算、物聯網應用更加豐富。網絡教育與媒體息息相關的特性決定了網絡教育的教學者與學習者會通過更多的傳感設備、移動終端接人到網絡，由此產生的數據及增長速度將比歷史上的任何時期都要多，都要快。大數據時代賦予網絡教育的不僅僅是具體的方法，更多的是思想方法。

（作者單位為四川廣播電視大學）

注：本論文為四川教育廳項目《新媒體視域下教育教學模式的革新》的階段性成果（項目編號13SB0407）