教育大數據：關注微觀個體 分析“小現象”

教育大數據是一種新的架構和思維基礎，可以弱化分析模型直接進入研究目標進行分析，還可以通過數據聚集對“小現象”進行規律研究，還可以對個體進行多維度數據融合研究，再可以對目標對象進行時間序列和空間維度動態分析。面對具體教育業務，教育大數據技術對教育的管理、教學、學習、科研和評價等都產生了很大的影響。

教育大數據的業務分析

1.教育大數據對教育管理的支持

大數據時代，教育者將更加依賴于數據和分析，而不是直覺和經驗；同樣，教育大數據還將改變領導力和管理的本質。服務管理、數據科學管理將取代傳統的行政管理、經驗管理。技術不斷發展，教育數據挖掘與分析不斷深入，不僅要著眼于已有的確定關系，更要探尋隱藏的因果關系。利用大數據技術可以深度挖掘教育數據中的隱藏信息，可以暴露教育過程中存在的問題，提供決策來優化教育管理。大數據不僅可以運行和維護各教育機構的人事信息、教育經費、辦學條件和服務管理的數據，而且可以長期積累所有類型教育機構的數據，利用統計分析、應用模型等技術將數據轉換為知識，最終為教育者和學習者提供科學的決策。

2.教育大數據對教學模式的支持

教育大數據推進實現智慧學習。教師在智慧教學環境下，利用大數據技術可以更深入地了解每一個學習者的學習狀況，并且與學習者的溝通更加通暢，教師的整個教學過程和學習者的學習過程更加精準化和智能化。教師對教學過程的掌握從依靠經驗轉向以教育數據分析為支撐，學生對于自己學習狀況的了解從模糊發展到心中有數，可以更好地認識自我、發展自我、規劃自我。大數據技術可以幫助教師及時調整教學計劃和教學方法，有利于教師自身能力提高和職業發展。

3.教育大數據對個性化學習的支持

除了學生學習的行為可以被記錄下來外，學生在學習資源上的數據也可以被精確記錄下來，如點擊資源的時間、停留多久、問題回答正確率、重復次數、參考閱讀、回訪率和其他資源信息，通過大數據可以定制個人學習報告，分析學習過程潛在的學習規律，還可以找到學生的學習特點、興趣愛好和行為傾向，并一目了然教育狀態信息。大數據技術使教育圍繞學習者展開，使傳統的集體教育方式轉向為個性學習方式。同時還伴隨著教育者和學習者思維方式的改變，進一步朝著個性化學習的方向邁出重要的一大步，使得精準的個性化學習成為可能。

4.教育大數據對教育評價的支持

教育評價正在從“經驗主義”走向“數據主義”，從“宏觀群體”評價走向“微觀個體”評價，從“單一評價”走向“綜合評價”。教育大數據下教育評價的變化，不僅表現在評價思想，還包括評價方法，不僅包括對學生的評價，還包括對教學管理、評估質量等具體水平的評價。教學評估不再僅僅是由考試成績和紀律幫助教師評價的主觀傳統意義上的感受，而由大量的數據感知得到，為實現教學評價的公正提供了依據，優化了教學方向。教育評價可以是多元化的，而不是僅停留在知識掌握程度這一單一維度。

5.教育大數據對科學研究的支持

教育大數據使得從追求單向因果性轉向追求復雜的多元相關性，并用直觀的圖形等表達方式體、系統、清晰、簡潔地展現。這種新思維的創生，是實現教育創新和發展不可缺少的手段、工具和方法論。教育大數據時代，科學研究將從隨機抽樣、探討因果關系走向全部數據、尋找相關關系。大數據技術減少了研究資金的浪費，在某些問題上，數據分析為研究人員提供了個性化的服務，可以提了研究的效率和成果的可靠性。大數據依賴于自動、連續的記錄和搜集的數據比傳統調查數據更加客觀和中立。

教育大數據轉換層次模型

目前在教育大數據領域中有很多研究領域，比較主要的是數據挖掘和學習分析。兩者既有相同之處，又存在一定差異。

1.教育大數據和數據挖掘

數據挖掘就是從大量的、有噪聲的、不完全的、模糊的、隨機的實際應用數據中提取有效的、新穎的、潛在有用的知識的非平凡過程。大數據時代的數據挖掘繼承于傳統數據挖掘又不同于傳統數據挖掘。首先是分析對象不同，傳統數據分析的對象是在已知的數據范圍中易處理的數據，而基于大數據的數據挖掘對象時包括非結構化數據的全部數據，不能保證原始數據是完整的、清洗過和沒有錯誤的。其次是分析基礎，傳統分析是建立在關系數據模型之上的，是在系統內就創立的主題之間的關系基礎上進行的，而在大數據分析中，絕大部分分析基于縱裂數據庫之外。再次是分析效率，傳統數據處理過程中需要等待抽取、轉換、加載等工作完成。而大數據分析是對數據進行實時分析。

教育數據挖掘可以向教育者、學習者、教育管理者、家長及教育研究者提供決策幫助，最終提高學習者的學習水平。基于教育大數據的數據挖掘過程即將學習結果、學習內容、學習資源與教學行為等教育原始數據使用多種技術，如聚類、關系挖掘和模型構建等，最終達到預測學習者發展趨勢、促進有效學習的目標。教育大數據公認的特征之一是規模性，面對海量數據，可以采取分布式文件的系統進行并行運算。對于半結構化或非結構化的數據，可以采用自然語言理解和信息抽取等方式將其轉化為結構化數據。

2.教育大數據和學習分析

新媒體聯盟將學習分析定義為：利用松散耦合的數據收集工具和分析技術，研究分析學習者學習參與、學習表現和學習過程的相關數據，進而對課程、教學和評價進行實時修正。總之，學習分析運用多種方法采集、存儲和分析學習者數據，如移動終端的數據和現場智能數據等，再使用多種技術來分析處理這些數據，最終應用于教育者和學習者，產生評估、預測和干預。教育大數據學習的具體應用體現在評估、預測和干預。評估是指基本統計分析及其可視化、發現問題學生、學生社交網絡分析與應用，預測是指學生分類、學生模型的構建、預測學生成績，干預是指對教師的教學方法提供改進意見。教育大數據在學習分析中還有其他應用。除此之外，大數據在學習分析中的應用還包括學生分組與協作、社交網絡分析、開發概念圖、課件制作、規劃和調度等。

教育大數據的進一步挑戰

1.教育大數據的技術挑戰

教育大數據在實際應用中存在很多技術瓶頸，如：在數據的采集時數據挖掘和學習分析的重要環節，在這一環節有很多技術挑戰；面對海量教育數據，數據的存儲、處理和分析都存在技術考驗；另外由于目前沒有統一的數據規范，不同系統之間的兼容也是一大問題。從全局考慮，我國的教育大數據系統應遵循頂層設計原則，由教育部對數據格式、數據存儲等問題制定統一規范，下級企業、學校按照統一規范去設計自己的系統，這帶來了新的技術挑戰。

2.教育大數據的安全與隱私挑戰

教育大數據不僅是一種寶貴的教育收益，而且有關學習者和教育工作者的隱私權，其潛在的安全和隱私甚至是無法用常用辦法評估出來，甚至無法通過獨立的方法進行評估。如果教育大數據處理不當將導致嚴重的安全漏洞，甚至是影響區域教育政策的制定。教育數據所有權究竟屬于學習者還是運行平臺或是雙方共享，這是互聯網教育和教育大數據發展所面臨的必然問題。如何保證所有權歸屬、如何判定所有權歸屬，這些仍是需要深慮的問題。

3.教育大數據的價值挑戰

教育大數據技術挖掘出教育數據的巨大價值，但是數據的權屬問題不是傳統的財產、知識產權等可以涵蓋的，數據成為國家間爭奪的資源，人口紅利、地大物博、經濟實力、文化優勢等都體現為數據資源儲備和數據服務影響力。教育大數據是一種無形資產，國家應當保障教育大數據不外泄并不被惡意使用，而且還要兼顧部分數據向公眾開放，發揮其應用的社會價值，做到適當的綜合評估來進行價值平衡，這也是前所未有的一種挑戰。