美國可汗學院數據平臺功能與數據分析框架研究及啟示

（華東師范大學教育學部 上海 200062）

可汗學院（Khan Academy）是由美國薩爾曼·可汗（Salman Khan）在2007年創立的一家非營利性質的教育機構，它的愿景是“向世界上任何地方的任何人提供免費的一流教育”[1]，滿足渴望學習的人們的個性化學習需求。2018年6月12日，從發布世界網站流量排名的公司Alexa官網獲得的信息中我們可以看出，可汗學院的訪問量在全球所有網站排名中高居第635位，而世界三大慕課網站Coursera、edX和Udacity的訪問量分別為680位、1 027位和1 473位，都低于可汗學院[2]。訪問人數之多，足見其受歡迎程度。

從高校圖書館對提升大數據應用服務水平的需求來看，可汗學院的數據平臺及其框架在提供學習內容和數據分析方面有非常成功的經驗，值得借鑒。

1 可汗學院的課程與教學理念

目前，可汗學院擁有150人的團隊為世界各地的人們開設了3 500多個視頻課程，內容系統全面，涵蓋了數學、科學與工程、計算、藝術與人文、經濟學和金融學，還設置SAT、GMAT等備考科目以及大學入學申請培訓等共七大類課程[3]，如圖1所示。

這些課程的目的在于給學習者提供符合個人節奏的校內外學習機會。目前，成千上萬的來自世界各地的學生都在利用可汗學院學習，它的學習資源被翻譯成36種語言，受到不同年齡學習者的喜愛。它利用練習、教學視頻以及個人學習儀表板等為學生提供課內外的學習支持，其中數學教學的目標是給學習者提供從幼兒園數數到微積分的學習內容，通過自適應技術發現學生的學習優勢和學習差距。

圖1 可汗學院的課程（截至2018年6月11日）

可汗學院的貢獻者們相信大腦通過學習可以得到很好的鍛煉，智力水平在持續的思考中可以不斷提升，每一個人都能控制自己的學習能力，在學習中構筑自己的思維模式，成為更好的學習者。正如可汗學院董事局主席Ann Doerr所說：“可汗學院的即時反饋，給予了學生了解自己掌握了什么和沒有掌握什么的機會。學生在可汗學院可以嘗試、失敗、再嘗試。學生們可以反復觀看視頻，逐步找到需要掌握的問題解決線索。過去學生要是不會什么，經常會經歷尷尬無助的場面，如今可汗學院減少了這樣的可能?！盵1]

基于這樣的教育理念，可汗學院為全世界的學習者提供了高質量的課程內容，除了最初的數學課程，它還與美國國家航空航天局（NASA）、美國現代藝術博物館（MoMA）、加利福尼亞州科學館（The California Academy of Sciences）以及麻省理工學院等機構合作提供更專業的課程內容[1]。這些整合了其他資源的課程，也為可汗學院帶來了大量的可利用數據。

2 可汗學院的基本功能及其數據分析框架

2.1 可汗學院的基本功能

2.1.1 觀看視頻（watch）

教學視頻是可汗學院為學生提供的獲取知識的主要手段，它有以下特點：①均為微視頻，時長10分鐘左右，質量極高、趣味性強，短平快；②講師不出鏡，避免干擾，有助于學生集中注意力；③電子板書中包含大量圖示，猶如現場授課，淺顯易懂、循序漸進；④學生可以按自身學習水平對視頻操作快進、后退，也可反復播放。

10分鐘的視頻教學易于消化，降低了認知負荷。學生無需再依賴教師授課，而是看視頻自主學習。這樣的學習模式是開放與自由的。

傳統的課堂教學中，教師要顧及多數學生的認知水平，可能為了趕進度，放棄部分落后于班級平均水平的學生。在可汗學院，學生通過視頻，可以按照自己的步調學習，能夠在任何不懂的地方暫停、重播，不用自卑和尷尬、提防外部負面評價；當然，對于已經理解的內容同樣可以快進，提高學習效率。這樣的講課形式更具人性化，更能理解和尊重學生，使學習從恐懼走向了愉悅。

2.1.2 做練習（practice）

（1）不求及格，唯需精通

看完視頻，針對每個知識點都相應提供配套的即時練習。每10分鐘一節課，隨堂測試，作業量不大，以免對學生造成過重負擔?？珊箤W院推崇精熟教學，一個知識點學通透了，才可以進入下一環節?！熬旖虒W法”是1919年美國激進教育家卡爾頓·沃什伯恩提出的，原本因為教學成本太高而未被推廣，而由于技術的支持，可汗學院的教學模式很好地解決了這個問題。

最初學生覺得連續答對10題是很苛刻的事，但如果他們做到了并得到獎勵，會很有成就感，自信心和自尊心都獲得大幅度提升，進而對更難的挑戰充滿期待[4]。練習過程中若有疑問，可先點擊“提示按鈕”。平臺會就同一個問題，根據問題的難度給出3～12個不同提示[5]，確保學生能夠掌握知識點的精髓，避免了傳統教育中存在的一知半解。

為了調動學生好奇心和學習熱情，把教育目標與孩子的天性相結合，學習過程采取發放經驗值與徽章獎勵的模式。學習猶如游戲通關，只有完全學通透了，“十分過關”，才可以進入下一階段學習。

可汗學院的學生統計數據如圖2所示，餅圖分為外、內兩圈，外圈表示做過的知識點練習，內圈表示看過的知識點視頻。鼠標移到外圈不同區域，可以看到該知識點的名稱、練習耗費的時間、完成了多少道題目、正確率如何、是否精通。

（2）串聯相通的知識地圖

在練習界面出現的星空圖，實質是建立了一個基于知識點內在聯系的知識地圖。圖3中標識了每個具體的知識點，畫出了知識點之間的相關邏輯。知識不應該強制性地分出科目和章節，傳統的學科劃分局限了學生的思維，教學應該將課程之間縱橫打通，幫助學生梳理各知識點間的聯系。根據學生的知識點選擇，可汗學院會依據知識點之間的聯系，給學生推薦下一步學習的內容[2]。

圖2 可汗學院的學生統計數據

圖3 知識地圖

2.1.3 提供指導（coach）

（1）個人主頁

在個人主頁，學生可以查看自己的數據統計，了解系統針對每次學習與測試的數據分析后提供的實時評估，掌握自己的學習進度。

（2）指導者

每個學生都可以在個人頁面上綁定一名或多名指導者，指導者可以共享學生的學習進度，方便更加及時和有針對性地進行管理和輔導。

（3）學習社區

在看完視頻后，還可以進入學習社區，向指導者或者其他學習者提問、交流。

（4）其他數據分析

除了正確率的數據外，平臺還會統計學生在每個模塊的停留時間、能力培養情況，以及學生的個人目標等。學好了有獎勵，學不好可以自查問題所在；指導者會及時對癥下藥地進行輔導；有疑問可以在交流區進行討論，互相啟迪創新、激發靈感。這種方式可促使學生對自己的學習更積極、更具有責任心。

2.2 可汗學院的數據分析框架

可汗學院教育平臺擁有強大的在線課程，能夠讓學生觀看視頻，解決練習或獲得徽章。該平臺提供了具有可視化功能的高級學習分析模塊。每天可汗學院的數據分析師需要收集大約800萬運動和視頻互動的數據點，以及數百萬個關于社區討論、計算機科學課程和注冊的數據。同時還有原始的web請求日志，以及發送給MixPanel的一些客戶端事件。從難以理解的原始數據提取有意義的信息，分析處理，可視化為與技能進步、練習報告或學生活動等有關的報告并反饋于用戶，這些數據使指導者與學生由此做出明智的選擇，因而可以產生積極的影響。

在可汗學院，目前主要有以下幾種框架用于從收集的數據中提取有意義的信息并分析。

2.2.1 MixPanel

Jace Kohlmeier是可汗學院前數據分析總監，之前則是著名對沖基金Citadel的高管。在可汗學院，Jace Kohlmeier使用Mixpanel的服務來分析數據。MixPanel是移動網絡最先進的分析平臺之一，讓開發者跟蹤用戶的使用習慣，并提供實時分析。MixPanel的漏斗工具十分強大，主要跟蹤關鍵行為，可從頁面訪問量數據的局限跳出來，轉而以用戶行為為驅動。

Mixpanel主要給可汗學院提供了幾大關鍵指標：

（1）用戶動態分析（Trends）：你關心的用戶行為發生了多少次，占總比例多少。

（2）行為漏斗模型（Funnels）：某些關鍵行為是怎么發生了，每一步有多少的留存率和流失率。

（3）用戶活躍度（Cohorts）：網站用戶的活躍度如何，可以用來區分忠實用戶和普通用戶。

（4）單用戶行為分析（People）：單個用戶在網站上做了哪些操作，過程是如何的。

漏斗圖是對業務流程最直觀的一種表現形式，通過漏斗圖可以很快發現流程中存在的問題，通過相應的方式進行優化，漏斗圖又可以很直觀地告訴我們流程的優化效果。

MixPanel比其他公司的同類產品更好理解和設計。Jace表示，他們研究了其他分析提供商，但發現“類似的功能，例如事件跟蹤和漏斗報告，但很難理解，文檔很差，并且在可以跟蹤的事件的限制方面有一些障礙”[6]。

2.2.2 MapReduce

MapReduce最早是由Google公司研究提出的一種面向大規模數據處理的并行計算模型和方法。Google公司設計MapReduce的初衷主要是為了解決其搜索引擎中大規模網頁數據的并行化處理?？梢园袽apReduce理解為，把一堆雜亂無章的數據按照某種特征歸納起來，然后處理并得到最后的結果。Map面對的是雜亂無章的互不相關的數據，它解析每個數據，從中提取出key和value，也就是提取了數據的特征。經過MapReduce的Shuffle階段之后，在Reduce階段看到的都是已經歸納好的數據了，在此基礎上可以做進一步的處理以便得到結果。這就回到了最初，終于知道MapReduce為何要這樣設計。

Khan academy的數據分析師Matt Faus指出，MapReduce庫允許數據分析師在生產服務器上對生產數據執行查詢和數據維護。最常用的MapReduce庫是在數據存儲區中的許多實體上執行模式更改和數據清理。例如，從模型中刪除現在未使用的屬性，授予基于時間的成就徽章，或者基于最終一致的問題日志重新計算鍛煉進度。

另一個常見用途是計算聚合數據，以確定學生完成練習的平均時間。MapReduce圖書館功能強大，但可能難以按需要正確地工作[7]。

2.2.3 Hive

目前，可汗學院最成熟的系統是在Amazon EMR上運行Hive。Matt Faus和同伴們創建了幾個在App Engine中直接運行的Google MapReduce和Pipeline框架的工作?？焖賹崿F簡單的MapReduce統計，不必開發專門的MapReduce應用，十分適合數據倉庫的統計分析。而且他們已經開始將備份導出到Google Cloud Storage，Google BigQuery可以以瘋狂的速度消耗和運行查詢。

將數據從生產數據存儲區移動到Hive中，使之能夠使用強大的HiveQL功能（如UNION，子查詢，最重要的是JOIN）來迭代查詢。有了這些，就可以回答“根據學生的活動，哪些指導者在過去一年中最活躍”的問題。分析師還使用這個系統來訓練Khan academy的機器學習模型，以了解學生的知識狀態，并推薦最有可能幫助他們改進的內容。這個設置需要幾個轉換的數據轉換成一種Hive可以理解的格式?，F在提供的數據存在一些地方不同程度的可訪問性，可以啟動一個Hive實例做一些重型查詢，或REST調用下載一個緊湊的總結。Hive并不提供實時的查詢和基于行級的數據更新操作。Hive的最佳使用場合是大數據集的批處理作業，如網絡日志分析。

Matt Faus提到使用Hive和GCS進行數據倉庫和巨型查詢，無需輸出原始的實時信息。Hive系統自創建以來一直運行良好，但現在Google技術正在提升，所以未來的數據分析工作將會更加輕松快捷[7]。

2.2.4 谷歌BigQuery云存儲

BigQuery是一個功能強大的大數據分析平臺，是Google專門面向數據分析需求設計的一種全面托管的PB級低成本企業數據倉庫。Google Cloud Storage和BigQuery管道在概念上非常類似于EMR和Hive管道，但是更容易設置。BigQuery是Google推出的一款SaaS查詢產品，其發展勢頭似乎越來越好。它允許查詢云中的大型柱狀數據結構。開發人員可以通過上傳到Google云存儲（相當于Amazon的S3）或者以流數據的方式把數據加載到BigQuery中，然后使用類似SQL的查詢語言執行OLAP風格的查詢。

它能提供許多強大的聲明，但缺乏添加自定義地圖或減少項目的功能，這在Hive中已經完成。可汗學院的數據分析師對這些新技術產生了興趣，認為它設置和檢索查詢結果的速度非常好，將來會更廣泛地使用它[7]。

2.2.5 ALAS-KA

ALAS-KA被設計為可汗學院平臺的新型輔助型插件。這種架構可以讓指導者處理大量的教育低級數據（以事件的形式），并獲得能以可視化和建議的形式呈現的更高級別的學習信息。

相比其他視覺分析工作通常集中在直接指標（例如訪問次數、帖子數量和正確的練習次數）上，ALAS-KA可顯示更復雜過程的信息，與學習相關的信息包括如主觀意圖明顯的用戶，他們的想法和情感取向，可作為分析時的補充。

以對馬德里卡洛斯三世大學（UC3M）本科課程（物理、化學和數學）的300多名新生研究為例，研究者發現ALAS-KA模塊可以更加細致地分析學生的情感狀態與學習風格，并可視化。例如圖4，使用ALASKA開發和實施的算法，設置縱坐標情緒飽滿閾值為1.0，可以推斷出每個學生在課堂上的幸福感、無聊感、混亂感和沮喪感。之后對這些測量進行匯總，可顯示整個教室的每個狀態。在這個例子中，與學習收益正相關的情感狀態是灰色的，而黑色狀態已被證明與學習成果呈負相關。

圖4 學生情感狀態

ALAS-KA模塊是支持可汗學院學習分析的重要附件，它提供的信息能夠幫助可汗學院關注到原先非設定的重要信息，如這里提到的情感、學習風格等，不單是效率、行為，老師們將有更多機會通過直觀的圖表了解學習的全貌，有益于教師基于學生的數據做出更符合學情的決策，激發學生的學習動機[8]。

3 啟示

3.1 利用更好的數據呈現形式為讀者提供更直觀的圖書館使用報告

從傳統圖書館向數字圖書館轉型以實現服務升級的視角來看，當前高校圖書館除了提供學習空間、書刊借閱之外，還提供了大量電子數據庫資源和開設一些資源利用的講座，滿足師生在資源利用方面的個性化需求。因此，高校師生的圖書館生活不僅僅限于流通閱覽，除了實體書外，他們還會在圖書館的網頁上瀏覽和使用數字化資源，參與圖書館的講座，目前這部分數據在學校提供的個人圖書館信息中沒有反映。如果高校圖書館能夠像可汗學院一樣，建立讀者圖書館利用儀表盤，就可以幫助讀者整合自己的圖書館利用現狀，分析自己的資源利用類型。一方面可以將為讀者提供諸如精準推送這樣的個性化服務落到實處，另一方面也為讀者基于準確了解自己的閱讀現狀、反思閱讀習慣、選擇閱讀方向提供支持。比方說，某位讀者在進行研究的過程中，已經通過學校的圖書館查閱了大量的文獻，這些文獻除了下載的之外，還有很多可能已經瀏覽過。目前，讀者想知道自己是否看過，需要去回看瀏覽歷史，它是完全線性的、獨立的一篇篇文章。而儀表盤的設計往往具有聚類分析的功能，通過瀏覽停頓時間、文章關鍵詞分類等符合數據采集需要的模塊化數據統計，讓讀者直觀看到自己在圖書館都看了什么，下載了什么，所查看的資源之間的關聯性是什么，哪些是關注的重點，哪些資源還關注得不夠，等等。因為在科學研究的過程中，反思自己對研究領域的文獻掌握了多少是衡量其對一個領域熟悉程度的重要指標。

對圖書館而言，讀者利用儀表盤也能夠幫助更好地了解讀者的喜好、研究現狀和研究趨勢。何勝等人認為“國內外學者從多角度探討了圖書館大數據應用面臨的問題，明確關注服務創新，提出應對策略，但是多數偏重于概述方法和概念解析，在如何解決高校圖書館服務面臨的學科知識服務和個性化服務問題上，缺乏有效的理論支持和技術視角的應對方案”[9]。他們的研究表明：“在數據開放和知識共享的大趨勢下，圖書館需要依據用戶需求，通過知識搜索、組織、分析、重組等方式為用戶提供知識服務，以支持知識應用和知識創新”[9]。而讀者圖書館利用儀表盤的應用，將有助于直接了解讀者的學科知識服務需求，成為為讀者提供精準服務的重要依據。

3.2 推動圖書館在線課程資源建設

可汗學院提供的各類課程服務，主要是基于學科知識點建立起了串聯相通的知識地圖。目前，高校圖書館也普遍提供圖書館資源與服務利用課程或系列講座，這些課程或講座有些已經能在線觀看，課件往往也能下載，極大地方便了師生的學習和研究。然而，普遍的問題在于這些課程都是單向的信息傳遞，未被設計成能夠互動交流的在線課程，因此不能隨時搜集到關于讀者使用這些課程的信息，同時，讀者在這些課程的收獲是什么，還有哪些問題以及這些課程本身有哪些改進之處往往很難得到及時的回應。可汗學院的數據平臺是建立在它提供了大量課程的基礎之上的，學生在學習課程的過程中，通過做練習、互動交流等在線學習行為，留下了他們對知識掌握程度、相應速度、互動交流狀況等相關的數據以及對知識內容準確性和有效性的反饋數據，實現了數據流通和分析的雙回路有效信息溝通，增進了彼此的了解，使雙方都獲得了提升所需要依據的信息。

如果圖書館的課程，特別是有關個人知識管理、文獻整理工具、在線數據庫有效利用等學習內容被設計成類似可汗學院這樣可以通過完成挑戰性學習任務來學習的課程，將增加課程的吸引力和讀者的黏度，有助于提高這些課程被使用的頻度、靈活性和有效性，使圖書館課程真正成為支持讀者學習的助手，而學習者在課程學習時留下的痕跡以及反饋數據將幫助圖書館更好地提升課程水平，讀者學習數據和圖書館提供的課程內容數據也因此被打通。圖書館也將成為支持讀者不斷成長的重要平臺。

3.3 利用大數據分析工具，有效處理海量的數據，獲得有效的信息反饋

每天有大量的學習者訪問可汗學院，高校圖書館在這方面也不遜色。目前各個高校圖書館都在關注智慧圖書館的建設，也非常重視大數據分析方面的研究。

魏來、張伊認為智慧圖書館的資源管理，不僅要充分利用資源，還需要對資源進行深度挖掘，探究數據層面間的關聯智慧圖書館業務數據的管理，不僅可以優化圖書館的業務流程，提高圖書館工作效率，而且能夠對圖書館的發展決策和戰略規劃提供支持”[10]；何勝等人指出“伴隨著高校圖書館數字化進程的迅速推進，圖書館數據在一定程度上具備了大數據的特征，這些數據具有很強的時效性，只有及時加以分析，其價值才能得到有效利用發揮”[9]；包冬梅等人認為“圖書館數據的統計分析，直接關系到高校圖書館的建設水平和服務質量。一方面高校圖書館應加強統計分析與挖掘，致力于推動信息資源體系的優化、知識發現服務的完善、學術評價體系的創新，以及為高校教學科研和戰略決策提供權威、高質量依據；另一方面，應建立可實行的、可測量的統計與評估指標體系，開發高校圖書館數據統計分析平臺及工具（問卷調查與統計分析），促成順暢、持續的統計報告制度”[11]?？梢?，對圖書館資源的深度挖掘，體現數據的價值，形成定期的圖書館統計報告已經成為建設智慧圖書館的重要任務。

目前，關于高校圖書館數據治理有其特定的工具，如“OCLC對館藏資源的網格化分類、W3C圖書館關聯數據孵化小組從信息處理和組織角度對圖書館數據的狹義界定、中國國家圖書館對圖書館數據的劃分與歸總”[11]，“基于WorldCat數據庫和基于HPCABDS（High Performance Computing Apache Big Data Stack）的圖書館大數據應用框架”[9]等。我們從理解讀者數據平臺使用習慣、使用結果，掌握使用動向的視角來看，可汗學院目前使用的幾類大數據分析框架，是有一定的啟發意義的。如可以通過MixPanel及相應的升級平臺能夠實現對讀者的動態分析，了解他們使用圖書館各類資源行文、頻率、活躍程度等；通過類似MapReduce的技術把不同讀者在應用圖書館過程中產生的雜亂無章的數據，按照相應特征歸納清洗，然后處理并得到最后可以說明問題的結果；通過Hive解決數據處理和計算問題，快速了解用戶的知識狀態，并推薦最有可能適合他們學習和研究需要的內容；通過谷歌BigQuery云存儲來進行大數據存儲與分析；通過ALAS-KA這樣的插件理解讀者的情感需求和體驗，等等。當然這些數據平臺和工具并非與圖書館的大數據存儲、應用和分析是一一對應的關系，但是它們的數據處理、分析和應用的方式能夠提供一定的思考視角，幫助圖書館在數字化資源建設的過程中高效地獲取整合的以及個性化的讀者信息，洞悉學習和科研的現狀和問題，為基于數據的高效決策奠定基礎。

4 結語

可汗學院作為學習內容的供應者，通過其數據分析為學習者提供了全面的學習診斷和學習指導。在今天這樣一個數字化時代，高校圖書館服務的升級和創新，同樣離不開對其海量數據的分析和應用，也離不開所有讀者的積極參與，可汗學院的教學、運營和數據應用模式的確給我們帶來了重要的啟示。