淺談大數據技術與教育教學的融合應用

◆孫 陸

(山東省青島市市南區教育研究中心)

現代信息技術的發展為大數據的收集和分析提供了無限的可能，大數據時代的這一趨勢也對教育產生了巨大的影響：一方面，在科技理性的指導下，通過多維度收集學生行為的數據并進行模型建構，可以對學生的學習行為進行預測；另一方面，大數據時代的人文主義轉向使人們更關注教學活動的適應性，教育大數據的挖掘和利用可以更好地實現適應個人需求的定制化教學。筆者在此就大數據技術與教育教學融合應用談一些粗淺的看法。

一、大數據的挖掘和利用對教育，特別是課堂教學產生了深遠的影響

科學家索耶認為，越來越多的學習將經過計算機中介發生，并產生越來越多的數據，我們有必要運用這些數據分析什么時候有效的學習正在發生。所以數據挖掘可以用于探究行為與學習之間的關系，如學習者的個體差異與學習行為之間有何關系，不同行為又會導致何種不同的學習結果。2012年美國發布《通過教育數據挖掘和學習分析促進教與學》提出大數據時代教育數據的特點：具有層級性、時序性和情境性，其中數據的層級性指，既收集教師層面的數據也收集學生層面的數據，既收集課堂數據也收集活動數據，為后期模型的建立提供了多維度的資源；數據的時序性是指，數據是實時的、連續的，為材料的前沿性提供了保障；而數據的情境性是指，數據是基于真實情境脈的，保證了模型的信度。

大數據技術能夠促進以學生為本的學習，數據不僅僅是科技理性指導下收集數據和擬合成模型，并針對學生的群體行為做出預測判斷，還可能在固有模型的基礎上，通過診斷學生在課堂中的行為表現，對固有模型進行修改，使課程內容更加適合學生的長尾需求，實現個性化教學。大數據的利用可以支持對教育活動行為的建模預測，還可能支持教育實踐中的適應性教學。

二、建模與預測導向的大數據在教育教學中廣泛應用

大數據時代數據促進教育變革的方法之一是收集和分析處理數據，并進行預測。現如今，由于數據記錄、存儲與運算的便捷性，海量的、多層次的數據可以便捷地加以收集，由隨機抽樣帶來的誤差因此減小，建模和預測可以基于全數據和真實數據，因而就更為精確。大數據時代通過探求海量數據的相關關系獲得盈利的最成功的案例是亞馬遜的市場營銷，亞馬遜收集讀者網上查閱行為和購買行為數據，建立讀者偏愛閱讀模型，預測讀者購買的群體行為，實現書籍的推薦。近幾年，教育研究的對象逐漸關注學生的學習行為，其背后是一種學習觀的轉變，學習被視為一種識知的過程，識知是一個活動，而不是將知識作為一個物品加以傳遞。識知總是境脈化的，而不是抽象的和脫離于具體情境的。識知是在個體與環境的互動中交互建構的，而不是客觀準確的，也不是主觀創造的。所以，學生的行為活動數據被認為是可以反映學生在學習過程這一情境化的動態變化進程中的情況。海量、多層次、連續的行為數據在收集后被擬合成模型，實現預測，如學習管理系統(LMS)的運用，等等。

三、大數據技術在教育教學中應用走向適應性

大數據時代，通過探求學生行為與學業水平之間的相關關系，建立模型，實現預測，能夠對課堂教學產生重要影響。然而，數據建模過程中，為了保證模型的效度與信度，極端個別數據被處理，使模型只能實現群體行為的預測，不能針對學習者個體實現定制化和個性化。

但是，在數據建模的基礎上實現教學的適應性是大數據時代促進教育變革的另一成果。數據建模及行為預測依舊屬于科技理性指導下的行為模式，可能會造成忽視學生個性需求的現象，而個性化需求正是知識社會的重要特征，個性化的教育也受到教育研究者、政策制定者和教育實踐者越來越多的關注。

學習者學習相關學科內容時，學習行為被記錄跟蹤下來，學生的學習行為數據被傳送到后臺，記錄在學習者數據庫內，作用于預測模塊。預測模塊通過改變內容傳遞模塊，再次作用于學習者。在整個過程中，教師、教學管理者起干涉作用。

適應性學習系統是一個交互的動態系統，系統往往會提供給學生一些學習行為建議。奧地利針對學生的問題解決的過程設計了一個適應性學習系統。研究者先使用原始數據進行建模，第一步是原始數據的收集。除了記錄學生解答問題時產生的數據，原始數據還收集了學生的信息、問題的信息和解決問題的步驟；在對數據進行分類后，歸納出問題解決的類型，通過添加判斷學生學習行為的結果模型和一系列監控和調節模塊，構成了整個面向問題解決的適應性系統。當學生使用這個模型時，模型會根據學生的行為數據為學生提供他們所偏愛的解決問題的過程與方法。

除了適應性教學系統，還有適應性評測系統。是一個計算機輔助的個性化網絡學習測評平臺，平臺不提供課程設計和課程目標，而是一個教學工具。CAPA通過后臺記錄學生的基本資料，學生參與的互動交流、學業情況，針對學業課程中的疑難點，提供個性化的考試資源。

四、大數據技術在教育教學中應用給我們的啟示

大數據時代由于數據量大，數據收集與攜帶便捷，使海量學生行為數據被挖掘、收集，通過數據建模對學習者行為的分析變得比前大數據時代更為全面和可靠。數據時代在數據的挖掘和預測上固然潛力十足，但是大數據時代更多的價值是滿足學習者的適應性需求，在預測行為的基礎上，修改教學模式，使之個性化與定制化。從數據建模走向支持適應性教學，支持對象從群體轉向了個人，對教育活動的影響從對行為的認識轉向了教育活動的實踐，從科技理性指導下的去境脈轉向了基于真實情境的教學活動。

走向適應性，不僅改變人類行為方式，更重要的是改變了認知方式。前大數據時代人們在科技理性的指導下完全被數據證據左右，教師和學生、教育決策者和學校形成傳統社會契約關系，當事人把自己百分之百地交給專業工作人員，而專業工作人員遵守契約，對當事人全心全意地負責，從而使專業工作人員享受至高無上的壟斷性地位。大數據時代，教師不再是知識的控制者，他通過參與學生的學習活動，根據學生的認知特點、個性需求，不斷地調整教學步驟、教學進度和難度。學生不用完全將自己有如病人交付給醫生一般完全托付給教師。在學習的過程中，通過與教師的互動交流，在教師的協助下，成為自己學習的主體，控制并對自己的學習負責。由于教師精力有限，大數據時代下的網絡計算機輔助學習系統可以為教師和學生提供輔助指導的機會。

五、大數據技術在教育教學中應用應注意的幾個問題

大數據給我們帶來的便捷的生活和高質量的教育的同時，需要我們保持警惕和防止因果關系和相關關系的誤用，并且維護數據安全。在信息安全方面，學生和教師的大量信息被收集和使用，在使用的過程中，必須制定相關私隱保護法，保證信息的安全，警惕數據濫用。學生的行為數據也不可以作為教師教學評優的依據，讓大數據真正成為支持教學變革、提升教學效能、促進學生發展的手段，而不是控制教師和學生的工具。