論大數據如何改變教育

【摘要】

大數據應用對教育的核心價值觀、理論基礎、實踐方式、研究方法等方面產生了巨大的影響。本文通過文獻分析法進行研究，提出了大數據應用改變教育的四個方面包括重構相關教育特征、促進個性化教育實現、改造教學模式、豐富教學評價體系，并分析了深入應用的制約因素，以期為實現大數據教育應用的快速發展提供參考。

大數據；教育；數據挖掘；學習分析

【關 鍵 詞】中圖分類號：G40文獻標識碼：A文章編號：1005-5843（2014）03-0005-03一、引言

隨著互聯網技術、云計算、移動終端、數據存儲方式的高速變革與發展，我們生活的世界也面臨著數據量的爆發式增長，而源于描繪天文學、物理學海量信息狀態的“大數據”，也在科技、醫療、體育、公共管理、制造業等幾乎全球各個領域貼上了自己的標簽。

由于各個領域對于數據的要求標準是有差異的、動態的，大數據還沒有明確統一的定義。目前主要是從數據規模、數據復雜性程度、數據應用價值、技術實現這四個角度進行界定，在眾多定義中來自國際數據公司（IDC）的論述較為全面。首先，它通過一些描述性的詞匯來界定，認為大數據應符合4V特征即海量的數據規模（Volume）、多樣化的數據形式和來源（Variety）、動態和復雜的數據體系（Velocity），數據應用能夠獲得巨大價值的產品和服務（Value）。其次，從技術實現過程的角度進行描述，認為大數據是一種通過快速挖掘、處理、分析，從海量數據中獲取巨大應用價值的一種全新的技術架構。[1]

大數據應用給教育理論與實踐帶來了巨大的影響，教育的核心價值觀、理論基礎、實踐方式、研究方法等方面都發生了巨大的變化。具體表現在以下幾個方面，包括重構教育的科學性、開放性和前瞻性特征，通過學習分析技術的應用促進個性化教育的實現，借助融合網絡課程、翻轉課堂等多種方式改造教學模式，依托多樣化的評價對象和科學的評價方法豐富教學評價體系。

二、重構教育的特征

（一）科學性

與社會科學的眾多領域一樣，教育科學一直以來被質疑能否被稱為一門真正的“科學”。一方面教育科學研究具有為教育決策提供服務的天然功能，其提供的數據和研究成果是教育決策制定的依據，將直接決定教育決策的執行效率和權威性。但是在另一方面作為社會科學研究的一部分，教育科學研究有其天然的局限性：針對體量巨大、類型龐雜的教育數據，教育科學研究缺乏用于進行收集和分析的技術工具；最為常見的采用問卷調查法進行樣本分析，無法在廣度和深度上滿足研究需求，更有甚者在無法獲得實證數據時，僅僅依賴假設和經驗來分析教育現象和解決教育問題。

大數據的教育應用使得全面挖掘教育領域數據，掌握教育實際情況成為可能。同時這種依賴于技術手段的數據獲取，可以在不影響學習者的情況下進行，可以消除來自學習者自身和實驗環境的干擾，這樣能夠最大程度的保證采集數據的真實性，實現以教育數據為基礎的教育研究能夠反應教育的實際情況，增強教育科學研究與教育實踐的科學性。

（二）開放性

教育應用的大數據類型包括教育決策數據，學生的人口學數據、家庭背景數據、學業水平數據、學習過程數據等，從宏觀到微觀，方方面面一應俱全。這些數據并沒有孰輕孰重之分，在特定的領域都有其不同的價值和地位。同時這些數據具有高速變化的特性，他們之間相互影響，一個看似微不足道的變量，極有可能引起結果的巨大變化。

對于這些大數據挖掘的研究目前主要集中在三個領域，分別是教學過程數據挖掘、教育管理數據挖掘和教育科研數據挖掘。這些在教學、管理、科研活動中所產生的數據，在教育系統中相互影響，相互作用。教育工作者如果想以教育數據為基礎發掘有意義的信息，來作為影響個體教育效果乃至作為教學決策的依據，單一類型的數據顯然無法提供足夠接近客觀的支撐，需要對這些開放的、多樣的、動態的數據進行全面挖掘與綜合分析。

（三）前瞻性

教育科學的發展往往滯后于社會政治、經濟、文化的發展，而教育的產品——人才的培養則滯后于教育科學的發展，這就要求教育具有一定的前瞻性、預測性，最大程度地彌補這一缺憾。大數據的應用為這一愿望的實現提供了堅實的基礎。這得益于大數據能夠在紛繁復雜的數據中歸納出具有預測性的結果，這些結果可以是更適合學生的教學方法、更易于產生學習行為的時間段、更有效鞏固學習成果的方式以及更加積極的學習思想和行為傾向等。這些分析結果不僅能夠幫助對教學中可能出現的情況進行預判，更為重要的是教育工作者可以藉此掌握教育的主動權，提高教學效率，少走彎路。

教育領域的一些大數據應用已經在預測行為方面做了有益的嘗試。如美國西部州際高等教育委員會以64萬名大學生為研究對象建立了一個包含300萬條課程信息的數據庫，通過33個針對在線課程變量的分析來預測輟學行為。[2]當曠課、遲到、學習表現等與輟學行為相關的狀態發生變化時，系統會自動向主管部門進行提示。

三、促進個性化教育實現

前蘇聯著名教育學家蘇霍姆林斯基提倡全面發展的、和諧的、個性的教育，認為“每個孩子都是一個完全特殊的、獨一無二的世界”。[3]個性化教育可以使個體獲得健全的人格、全面的知識，突出的能力和健康的身心，但是如何在“量”和“質”兩個方面實現個性化教育，還是擺在各國教育工作者面前的一個難題。國際個性化教育協會對個性化教育進行了描述性的定義，認為個性化教育應該“目的個性化”、“過程個性化”和“結果個性化”的高度統一。[4]實現個性化教育僅僅依靠個性化目標，只能是空中樓閣無從實現。盡管我們的教育中也有諸如“量身定制”、“一對一教學”等具體的手段來實現個性化教學過程，但是其效率和準確度還是無法滿足高質量、大規模個性化教育的需求。

借助大數據的應用可以一定程度上解決當前個性化教育中存在的一系列問題，為實現個性化教育提供全新的途徑。美國教育部于2012年4月12日發布的報告《通過教育數據挖掘和學習分析改進教與學》中提出了基于學習分析技術的實現個性化教育的自適應學習系統。學習分析是指針對來自于學習者的大范圍數據的解釋，以評估學業進展、預測未來表現、發現潛在問題。[5]這些數據可以采自于我們通常作為評價標準的顯性的學習效果，如作業完成情況、考試通過率等，也可以來自于一些不作為直接評估學習進步水平的行為，如在線社交互動、課外活動等。通過學習分析模型對上述數據的處理與展示，教育工作者能夠對學習行為和結果進行分析解釋，進而根據每個學生的能力和需要水平提供適應性的反饋。學習分析具體的應用領域不僅限于聚焦學生表現，也可以通過其所依賴的大數據挖掘與分析來對課程、教學計劃和教育機構進行深入的評估，以更激進的方式促進教學模式的轉化，幫助學生通過正式和非正式的學習活動實現個性化的全面發展。

自適應學習系統以學習分析為技術基礎，通過在線學習平臺提供的學習環境，對教育數據進行挖掘與分析，為教育工作者以及學習者本身提供反饋以改善教學活動。其獨特之處體現為數據的廣泛性和過程的自適性。自適應學習系統采集的數據包括與學習者在線行為相關的數據如訪問日志、學習路徑、學業成績等，也包括在學校以及相關機構中存儲的學生信息。在這些大數據基礎上實現自適性過程如下：首先，學習者的行為數據經過結構化處理后存儲至學習者數據庫；其次，由預測模塊調用，包括學習者行為數據的內部數據庫和包括學習者穩定個人信息的外部數據庫，為下一步分析提供數據支持，接著預測系統會依據不同的目標調用相應的分析工具和模型進行數據分析；第三，自適應模塊會依據上一步的分析結果，自動為學習者提供有針對性的指導，同時這些分析結果，也會被傳遞給教師，最后由教師通過干預模塊對學習過程實現人為干預。

四、改造教學模式

在學校教育的課堂教學模式下，學生的學習過程是在教師的指導下按照教學大綱有序的進行，封閉的教室環境和小班教學最大程度地保障了教學效率與教學個性化的平衡。受困于空間和時間的限制，單一課堂教學模式顯然已經無法適應信息化時代個體與社會對優質、高效、個性化教育的需求。

依托于計算機網絡技術特別是大數據技術的網絡教學模式和網絡課程的發展成為解決這一問題的重要途徑。2004年開源網絡課程平臺moodle誕生，通過這一平臺可以實現遠程教學、師生交流、考試、資源共享等功能，使教學和課堂在空間和時間上進行了延伸。2007年翻轉課堂在美國誕生，翻轉課堂將教學信息化過程前置，要求學生課前學習教學內容視頻，而在課堂上完成作業、進行探討，教師在課堂上使用相關的數據分析軟件針對學生學習中遇到的問題進行人性化的指導，對教學過程進行了創新式的改造。2012年MOOC（Massive Open Online Course，大規模開放在線課程）開始迅猛發展（著名的例子包括斯坦福的Coursera和Udacity等），MOOC由課程發布者以知識傳播為目的，將大規模的課程發布至網絡并免費共享，探索了優質教學資源分享與應用的新途徑。

五、豐富教學評價體系

教育評價不僅僅是為了區分不同的學業水平，更為重要的是了解學生的學習情況，從而為其制定個性化提高方案，以便更好地達成學習目標。這就要求教學評價是一種綜合性的、全面的評價，不能僅僅依賴取自于學習成績的結果性評價，還需要結合考察學習過程表現的過程性評價。但是長期以來，學校教學環境下教學評價活動主要還是基于學生的考試成績、作業成績和平時的課堂表現。由于評價信息的數量規模、數據來源有限，現有的教學評價更多是結果性評價與經驗性評價。

大數據的應用使學生在整個學習過程中產生的不同層面的數據和信息（包括學生個體層面的、行為層面的、內容層面的、環境層面）都被有效地組織起來。以全面的大數據為基礎依托于相關的評價模型進行分析，我們可以更多地關注學習過程，了解是哪些因素影響了學業水平，這些因素間有著什么樣的關系，從而為實現提高學生學業水平、實現個性化學習提供依據。

六、結語

大數據的應用開啟了教育科學發展的新時代，推動了教育領域的眾多變革，但是隨著應用的深入，出現了一系列值得我們思考的問題。

大數據的來源包括眾多不同類型的數據庫，因此基于教育的大數據分析僅僅考慮教育事業數據是不夠的，還要綜合考慮與教育分析對象相關的各個領域，如何共享與綜合利用跨領域的數據庫是首先需要解決的問題。

教育工作者能夠有效地進行大數據分析，需要具備足夠的數據素養：首先，需要保證能夠獲取高質量的教育數據，能夠使用相關軟件存儲與管理數據；其次，能夠熟練使用通用的以及本學科專用的數據分析工具，掌握基本的數據統計與分析方法；第三，能夠解釋數據，并利用相關分析進行數據建模的能力。

大數據來自于對個體行為和自然情況的搜集，這些數據和分析是可以被重復利用的，而大數據的分析過程由教育部門、政府職能部門、數據分析企業共同完成。這意味著如果不明確信息的歸屬權，包括各人隱私在內的海量信息有可能被濫用，這會引發一系列的隱私泄露與信息倫理的問題。

雖然大數據的教育應用還存在著一系列制約因素和亟待解決的問題，但是以數據驅動教育決策、提供教育改革依據已經成為不可更改的趨勢。歐美等發達國家通過政策制定，巨額資金投入，已經在實踐應用領域取得豐富的成果。我國大數據教育的研究和應用還處在起步階段，這需要全社會共同努力，完善相關政策、整合社會與教育資源、提高教育工作者數據素養，以實現大數據教育應用的快速發展。

參考文獻：

[1]邵鵬.論大數據時代的融合新聞生產[J].中國傳媒報告，2013，(3):47-57.

[2]喻長志.大數據時代教育的可能轉向[J].江淮論壇，2013，(4):188-192.

[3]塔爾塔科夫斯基.蘇霍姆林斯基的一生[M].北京:教育科學出版社，1986，86.

[4]賈婧.從個性化發展中談勵志教育[J].教育教學研究，2013，(16):65-68.

[5]魏順平.學習分析技術:挖掘大數據時代下教育數據的價值[J].現代教育技術，2013，(2):5-11.