編者按：最近一年，大數(shù)據(jù)成為教育圈熱門話題，借助智能數(shù)據(jù)分析能否切實改變學(xué)習(xí)結(jié)果，實現(xiàn)提分？《光明日報》近日做了一組報道，介紹了大數(shù)據(jù)在美國的應(yīng)用情況及教育領(lǐng)域可能運用的大數(shù)據(jù)技術(shù)，以下為全文：

       數(shù)據(jù)（data），一般而言是指通過科學(xué)實驗、檢驗、統(tǒng)計等方式所獲得的，用于科學(xué)研究、技術(shù)設(shè)計、查證、決策等目的的數(shù)值。通過全面、準確、系統(tǒng)地測量、收集、記錄、分類、存儲這些數(shù)據(jù)，再經(jīng)過嚴格地統(tǒng)計、分析、檢驗這些數(shù)據(jù)，就能得出一些很有說服力的結(jié)論。大規(guī)模、長期地測量、記錄、存儲、統(tǒng)計、分析這些數(shù)據(jù)，所獲得的海量數(shù)據(jù)就是大數(shù)據(jù)（big data）。在制作大數(shù)據(jù)時，需要嚴格的方案設(shè)計、變量控制和統(tǒng)計檢驗等，不然所獲得的大數(shù)據(jù)就是不全面、不準確、無價值或價值不大的。

　　在教育特別是在學(xué)校教育中，數(shù)據(jù)成為教學(xué)改進最為顯著的指標。通常，這些數(shù)據(jù)主要是指考試成績。當然，也可以包括入學(xué)率、出勤率、輟學(xué)率、升學(xué)率等。對于具體的課堂教學(xué)來說，數(shù)據(jù)應(yīng)該是能說明教學(xué)效果的，比如學(xué)生識字的準確率、作業(yè)的正確率、多方面發(fā)展的表現(xiàn)率——積極參與課堂科學(xué)的舉手次數(shù)，回答問題的次數(shù)、時長與正確率，師生互動的頻率與時長。進一步具體來說，例如每個學(xué)生回答一個問題所用的時間是多長，不同學(xué)生在同一問題上所用時長的區(qū)別有多大，整體回答的正確率是多少，這些具體的數(shù)據(jù)經(jīng)過專門的收集、分類、整理、統(tǒng)計、分析就成為大數(shù)據(jù)。

　　分析大數(shù)據(jù)助力教學(xué)改革

　　近年來，隨著大數(shù)據(jù)成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯，教育逐漸被認為是大數(shù)據(jù)可以大有作為的一個重要應(yīng)用領(lǐng)域，有人大膽地預(yù)測大數(shù)據(jù)將給教育帶來革命性的變化。

　　大數(shù)據(jù)技術(shù)允許中小學(xué)和大學(xué)分析從學(xué)生的學(xué)習(xí)行為、考試分數(shù)到職業(yè)規(guī)劃等所有重要的信息。許多這樣的數(shù)據(jù)已經(jīng)被諸如美國國家教育統(tǒng)計中心之類的政府機構(gòu)儲存起來用于統(tǒng)計和分析。

　　而近年來越來越多的網(wǎng)絡(luò)在線教育和大規(guī)模開放式網(wǎng)絡(luò)課程橫空出世，也使教育領(lǐng)域中的大數(shù)據(jù)獲得了更為廣闊的應(yīng)用空間。專家指出，大數(shù)據(jù)將掀起新的教育革命，比如革新學(xué)生的學(xué)習(xí)、教師的教學(xué)、教育政策制定的方式與方法。

　　教育領(lǐng)域中的大數(shù)據(jù)分析最終目的是為了改善學(xué)生的學(xué)習(xí)成績。成績優(yōu)異的學(xué)生對學(xué)校、對社會、以及對國家來說都是好事。學(xué)生的作業(yè)和考試中有一系列重要的信息往往被我們常規(guī)的研究所忽視。而通過分析大數(shù)據(jù)，我們就能發(fā)現(xiàn)這些重要信息，并利用它們?yōu)楦纳茖W(xué)生的成績提供個性化的服務(wù)。與此同時，它還能改善學(xué)生期末考試的成績、平時的出勤率、輟學(xué)率、升學(xué)率等。

　　現(xiàn)在，大數(shù)據(jù)分析已經(jīng)被應(yīng)用到美國的公共教育中，成為教學(xué)改革的重要力量。為了順應(yīng)并推動這一趨勢，美國聯(lián)邦政府教育部2012年參與了一項耗資2億美元的公共教育中的大數(shù)據(jù)計劃。這一計劃旨在通過運用大數(shù)據(jù)分析來改善教育。聯(lián)邦教育部從財政預(yù)算中支出2500萬美元，用于理解學(xué)生在個性化層面是怎樣學(xué)習(xí)的。部分綜述了該計劃的數(shù)據(jù)和案例已經(jīng)在美國教育部教育技術(shù)辦公室2012年4月10日發(fā)布的《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析增進教與學(xué)（公共評論草案）》中披露出來。

　　美國教育部門對大數(shù)據(jù)的運用主要是創(chuàng)造了“學(xué)習(xí)分析系統(tǒng)”——一個數(shù)據(jù)挖掘、模化和案例運用的聯(lián)合框架。這些“學(xué)習(xí)分析系統(tǒng)”旨在向教育工作者提供了解學(xué)生到底是在“怎樣”學(xué)習(xí)的更多、更好、更精確的信息。舉例來說，一個學(xué)生成績不好是由于他因為周圍環(huán)境而分心了嗎？期末考試不及格是否意味著該學(xué)生并沒有完全掌握這一學(xué)期的學(xué)習(xí)內(nèi)容，還是因為他請了很多病假的緣故？利用大數(shù)據(jù)的學(xué)習(xí)分析能夠向教育工作者提供有用的信息，從而幫助其回答這些不太好回答的現(xiàn)實問題。

　　許多人因此會問，大數(shù)據(jù)能拯救美國的公立教育嗎？全球最大的電腦軟件提供商微軟公司（Microsoft）的創(chuàng)始人、前首席執(zhí)行官比爾·蓋茨（Bill Gates）今年3月7日在得克薩斯州首府奧斯汀舉行的一個教育會議上打賭說，利用數(shù)據(jù)分析的教育大數(shù)據(jù)能夠提高學(xué)生的學(xué)習(xí)成績，拯救美國的公立學(xué)校系統(tǒng)。他稱過去十幾年里教育領(lǐng)域的技術(shù)發(fā)展陷入了停滯，研發(fā)投入遠遠不夠。蓋茨充滿信心地認為，教育技術(shù)未來發(fā)展的關(guān)鍵在于數(shù)據(jù)。在這次大會上，5000多名參會者討論了教育數(shù)據(jù)應(yīng)用的前景。

       教育大數(shù)據(jù)市場前景廣闊

　　美國高中生和大學(xué)生的糟糕表現(xiàn)——高中生退學(xué)率高達30%（平均每 26秒就有一個高中生退學(xué)），33%的大學(xué)生需要重修，46%的大學(xué)生無法正常畢業(yè)——在讓教育部門憂心忡忡的同時，也讓教育科技公司找到了淘金的機會。近些年來，許多教育科技公司紛紛開始搶灘大數(shù)據(jù)學(xué)習(xí)分析的市場，競爭極為激烈。

　　美國的一些企業(yè)已經(jīng)成功地商業(yè)化運作教育中的大數(shù)據(jù)。全球最大的信息技術(shù)與業(yè)務(wù)解決方案公司IBM就與亞拉巴馬州的莫白兒縣公共學(xué)區(qū)進行大數(shù)據(jù)合作。結(jié)果顯示，大數(shù)據(jù)對學(xué)校的工作具有重要作用。當IBM剛剛開始與這一學(xué)區(qū)合作時，除了學(xué)生成績不好之外，該縣還面臨著輟學(xué)率已增加到48%的嚴峻情況。根據(jù)聯(lián)邦政府的《不讓一個孩子掉隊法》（No Child Lift Behind，NCLB），學(xué)生成績糟糕的地方政府將受到懲罰。為了應(yīng)對這一巨大的挑戰(zhàn)，該縣此前已經(jīng)在學(xué)生數(shù)據(jù)的基礎(chǔ)上建立了一個輟學(xué)指示工具，并將其用于全縣層面的決策。但IBM認為這仍不足以改善莫白兒縣窘迫的現(xiàn)狀，需要借助IBM的技術(shù)支持重新建立大數(shù)據(jù)，進而利用大數(shù)據(jù)分析來改善學(xué)區(qū)內(nèi)所有學(xué)生的整體成績。

　　在美國的教育大數(shù)據(jù)領(lǐng)域，除了處于領(lǐng)先地位的IBM，還有像“希維塔斯學(xué)習(xí)”（Civitas Learning）這樣的新興企業(yè)?！跋＞S塔斯學(xué)習(xí)”是一家專門聚焦于運用預(yù)測性分析、機器學(xué)習(xí)從而提高學(xué)生成績的年輕公司。該公司在高等教育領(lǐng)域建立起最大的跨校學(xué)習(xí)數(shù)據(jù)庫。通過這些海量數(shù)據(jù)，能夠看到學(xué)生的分數(shù)、出勤率、輟學(xué)率和保留率的主要趨勢。通過使用100多萬名學(xué)生的相關(guān)記錄和700萬個課程記錄，這家公司的軟件能夠讓用戶探測性地知道導(dǎo)致輟學(xué)和學(xué)習(xí)成績表現(xiàn)不良的警告性信號。此外，還允許用戶發(fā)現(xiàn)那些導(dǎo)致無謂消耗的特定課程，并且看出哪些資源和干預(yù)是最成功的。

　　在加拿大，總部位于安大略省沃特盧的教育科技公司“渴望學(xué)習(xí)”（Desire 2 Learn）已經(jīng)面向高等教育領(lǐng)域的學(xué)生，推出了基于他們自己過去的學(xué)習(xí)成績數(shù)據(jù)預(yù)測并改善其未來學(xué)習(xí)成績的大數(shù)據(jù)服務(wù)項目。這家公司的新產(chǎn)品名為“學(xué)生成功系統(tǒng)”（Student Success System）?！翱释麑W(xué)習(xí)”聲稱加拿大和美國的1000多萬名高校學(xué)生正在使用其學(xué)習(xí)管理系統(tǒng)技術(shù)。“渴望學(xué)習(xí)”的產(chǎn)品通過監(jiān)控學(xué)生閱讀電子化的課程材料、提交電子版的作業(yè)、通過在線與同學(xué)交流、完成考試與測驗，就能讓其計算程序持續(xù)、系統(tǒng)地分析每個學(xué)生的教育數(shù)據(jù)。老師得到的不再是過去那種只展示學(xué)生分數(shù)與作業(yè)的結(jié)果，而是像閱讀材料的時間長短等這樣更為詳細的重要信息，這樣老師就能及時診斷問題的所在，提出改進的建議，并預(yù)測學(xué)生的期末考試成績。

　　像美國的“夢盒學(xué)習(xí)”（DreamBox Learning）公司和“紐頓”（Knewton）公司這類領(lǐng)先性的開發(fā)者們，已經(jīng)成功創(chuàng)造并發(fā)布了各自版本的利用大數(shù)據(jù)的適應(yīng)性學(xué)習(xí)（adaptive learning）系統(tǒng)。在2012年國際消費電子展的高等教育技術(shù)峰會上，世界最大的教育出版公司培生集團（Pearson）與適應(yīng)性學(xué)習(xí)領(lǐng)域里的先行者紐頓公司共同發(fā)布了主要由培生集團開發(fā)的適應(yīng)性學(xué)習(xí)產(chǎn)品——“我的實驗室/高手掌握”（MyLab/Mastering）。這款產(chǎn)品在將全球范圍內(nèi)向數(shù)百萬名學(xué)生提供個性化的學(xué)習(xí)服務(wù)，向他們提供真實可信的學(xué)習(xí)數(shù)據(jù)，讓學(xué)校通過這些數(shù)據(jù)提高學(xué)生的學(xué)習(xí)效果并降低教學(xué)成本。首款產(chǎn)品將在美國的數(shù)十萬名學(xué)生中使用，包括數(shù)學(xué)、英語，以及寫作等技能開發(fā)課。

　　紐頓的創(chuàng)辦人、首席執(zhí)行官何塞·費雷拉和培生高等教育分公司的總裁格雷格·托賓共同出席了“我的實驗室/高手掌握”的發(fā)布會并介紹了合作的細節(jié)，討論了高等教育的未來。托賓說：“個性化學(xué)習(xí)是未來教育的一個關(guān)鍵點。我們把紐頓的技術(shù)整合到‘我的實驗室/高手掌握’這個產(chǎn)品中，是整個行業(yè)進入個性化教育新時代的引領(lǐng)風氣之舉”。費雷拉說：“從今年秋季起，培生的課程材料將在紐頓技術(shù)的支持下，開始適應(yīng)性地滿足每個學(xué)生獨特的學(xué)習(xí)需求。學(xué)生能夠生成大量有價值的數(shù)據(jù)，紐頓可以分析這些數(shù)據(jù)，以此確保學(xué)生以最有效、最高效的方式學(xué)習(xí)。這是教育的一個新的前沿領(lǐng)域”。按照已經(jīng)達成的協(xié)議，這兩家公司2013年將進一步擴大合作，把大學(xué)數(shù)學(xué)、大學(xué)統(tǒng)計學(xué)、大學(xué)一年級作文、經(jīng)濟學(xué)以及科學(xué)等領(lǐng)域納入其產(chǎn)品中去。

　　此外，由總部設(shè)在美國紐約的麥格勞·希爾公司（McGraw-Hill）、總部設(shè)在英國倫敦的培生集團和其他出版公司共同開發(fā)的“課程精靈”系統(tǒng)（CourseSmart），也允許教授們通過讓學(xué)生使用電子教科書來跟蹤他們的學(xué)業(yè)進展，并向助教們顯示學(xué)生的學(xué)習(xí)參與度和學(xué)習(xí)成績等大量的數(shù)據(jù)信息，只是這一系統(tǒng)尚不具備預(yù)測的功能。

　   大數(shù)據(jù)讓考試變得更科學(xué)

　　教育中的數(shù)據(jù)挖掘是邁向大數(shù)據(jù)分析的一項主要工作。教育中最近的趨勢是允許研究者積累大量尚未結(jié)構(gòu)化的數(shù)據(jù)（unstructured data）。結(jié)構(gòu)化的數(shù)據(jù)（structured data）是從教育部門多年的數(shù)據(jù)——特別考試成績和出勤記錄——那里收集而來?；有詫W(xué)習(xí)的新方法已經(jīng)通過智力輔導(dǎo)系統(tǒng)、刺激與激勵機制、教育性的游戲產(chǎn)生了越來越多的尚未結(jié)構(gòu)化的數(shù)據(jù)。這就使得更豐富的數(shù)據(jù)能給研究者創(chuàng)造出比過去更多的探究學(xué)生學(xué)習(xí)環(huán)境的新機會。

　　教育數(shù)據(jù)與其他領(lǐng)域中的數(shù)據(jù)比較起來，有一些獨特的特征?？偨Y(jié)起來就是教育數(shù)據(jù)是分層的（hierarchical）。美國教育部教育技術(shù)辦公室在《通過教育數(shù)據(jù)挖掘和學(xué)習(xí)分析增進教與學(xué)（公共評論草案）》的第18頁中寫道：“教育數(shù)據(jù)是……分層的。有鍵擊層（keystroke level）、回答層（answer level）、學(xué)期層（session level）、學(xué)生層（student level）、教室層（classroom level）、教師層（teacher level）和學(xué)校層（school level），數(shù)據(jù)就寓居在這些不同的層之中?！?/p>

　　當某個學(xué)生回答一個問題時，一些變量就需要一起分析了。例如，學(xué)生回答正確率低的問題就是好問題嗎？此外，時間也是重要的因素。比如，一個學(xué)生在考試的第一部分耗時太多，是否意味著其接下來就會飛速、凌亂地答題。一道問題的答題順序、結(jié)果、具體情況，都給研究者提供了許多前所未有的大量數(shù)據(jù)。運用這些數(shù)據(jù)，研究者就能揭示學(xué)生的學(xué)習(xí)模式。研究者利用所有這些數(shù)據(jù)就能獲悉到底是什么因素對學(xué)生構(gòu)成了最好的學(xué)習(xí)環(huán)境。理解這些重要的問題有助于教育工作者給學(xué)生創(chuàng)造一個個性化的學(xué)習(xí)模式。

　　監(jiān)測學(xué)生是“如何”考試的能讓研究者有效定型學(xué)生的學(xué)習(xí)行為。大數(shù)據(jù)要求教育工作者必須超越傳統(tǒng)，不能只追求正確的答案，學(xué)生是如何朝著正確答案努力的過程也同樣重要。在一次考試中，學(xué)生個人和整體在每道題上花費了多少時間？最長的是多少？最短的是多少？平均又是多少？哪些此前已經(jīng)出現(xiàn)過的問題學(xué)生答對或答錯了？哪些問題的線索讓學(xué)生獲益了？通過監(jiān)測這些信息，形成數(shù)據(jù)檔案，能夠幫助教育工作者理解學(xué)生為了掌握學(xué)習(xí)內(nèi)容而進行學(xué)習(xí)的全過程，并有助于向他們提供個性化的學(xué)習(xí)模式。

　　監(jiān)控學(xué)生的每一個學(xué)習(xí)行為是可能的。為了改進學(xué)生的學(xué)習(xí)成績，我們需要知道他們回答一個問題用了多少時間，回答這個問題使用了哪些資源，哪些問題被跳過了，為了回答這個問題做了哪些研究工作，這個問題與其他已經(jīng)回答了的問題之間存在什么關(guān)系。此外，老師對每個學(xué)生提供什么樣的建議才是最佳的？學(xué)生寫作業(yè)和答題的信息能立即被自動地監(jiān)測到，老師還能在第一時間將這些信息反饋給學(xué)生。

　　用這些學(xué)生學(xué)習(xí)的行為檔案創(chuàng)造適應(yīng)性的學(xué)習(xí)系統(tǒng)能夠提高學(xué)生的學(xué)習(xí)效果。利用學(xué)生是“如何”學(xué)習(xí)的這樣重要的信息，考試的出題者們就能為學(xué)生量身定制出適合學(xué)生的個性化問題，并設(shè)計出能夠促進記憶力的線索。通過分析大數(shù)據(jù)，研究者發(fā)現(xiàn)從教育的效果上來看，當被問到一系列難度逐漸增加且互相關(guān)聯(lián)的問題時，學(xué)生的表現(xiàn)要好于圍繞一個共同的知識點而隨機挑選出的問題。美國標準化的研究生入學(xué)考試（GRE）中的這種適應(yīng)性考試已經(jīng)顯示出朝這一方向努力的趨勢。

       五大技術(shù)利用教育大數(shù)據(jù)

　　需要特別注意的是，如何收集數(shù)據(jù)對于它們未來的使用性非常重要。接收數(shù)據(jù)匯入背后的挑戰(zhàn)是從一開始就要標準化，以便今后對數(shù)據(jù)進行仔細分析。這樣做并不是意味著將未結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)，而是要用直觀的方法對接收的數(shù)據(jù)進行分類。

　　應(yīng)該說，獲得相關(guān)數(shù)據(jù)并不是一件容易的事。對于大學(xué)階段的學(xué)生而言，數(shù)據(jù)的收集并不是主要問題。然而，對于中小學(xué)階段的學(xué)生而言，挑戰(zhàn)卻很大，因為有些數(shù)據(jù)的收集存在法律問題，有的則存在倫理道德的問題。

　　數(shù)據(jù)收集者的人數(shù)和技能也是一個問題。對于公司而言，通常通過網(wǎng)絡(luò)上的小型文本文件（cookies）來收集用戶的相關(guān)信息。但是對于美國聯(lián)邦政府教育部而言，則需要依賴于全國眾多學(xué)區(qū)和研究者的網(wǎng)絡(luò)來提煉和確認數(shù)據(jù)。

　　教育工作者和研究者已經(jīng)開發(fā)出從大數(shù)據(jù)中提取價值的5種主要的技術(shù)。

　　1.預(yù)測（Prediction）——覺知預(yù)料中的事實的可能性。例如，要具備知道一個學(xué)生在什么情況下盡管事實上有能力但卻有意回答錯誤的能力。

　　2.聚類（Clustering）——發(fā)現(xiàn)自然集中起來的數(shù)據(jù)點。這對于把有相同學(xué)習(xí)興趣的學(xué)生分在一組很有用。

　　3.相關(guān)性挖掘（Relationship Mining）——發(fā)現(xiàn)各種變量之間的關(guān)系，并對其進行解碼以便今后使用它們。這對探知學(xué)生在尋求幫助后是否能夠正確回答問題的可靠性很有幫助。

　　4.升華人的判斷（Distillation for human judgment）——建立可視的機器學(xué)習(xí)的模式。

　　5.用模式進行發(fā)現(xiàn)（Discovery with models）——使用通過大數(shù)據(jù)分析開發(fā)出的模式進行“元學(xué)習(xí)”（meta-study）。

　　實施這些技術(shù)就能夠通過大數(shù)據(jù)來創(chuàng)建為提高學(xué)生成績提供支持的學(xué)習(xí)分析系統(tǒng)。研究者們相信這些技術(shù)將幫助教育工作者更加有效地指導(dǎo)學(xué)生朝著更加個性化的學(xué)習(xí)進程邁進。

　　總而言之，通過大數(shù)據(jù)進行學(xué)習(xí)分析能夠為每一位學(xué)生都創(chuàng)設(shè)一個量身定做的學(xué)習(xí)環(huán)境和個性化的課程，還能創(chuàng)建一個早期預(yù)警系統(tǒng)以便發(fā)現(xiàn)開除和輟學(xué)等潛在的風險，為學(xué)生的多年學(xué)習(xí)提供一個富有挑戰(zhàn)性而非逐漸厭倦的學(xué)習(xí)計劃。因此，有識之士經(jīng)預(yù)言未來的學(xué)習(xí)將是大數(shù)據(jù)驅(qū)動的新時代。我們應(yīng)該積極迎接這個新時代，通過大數(shù)據(jù)來分析學(xué)習(xí)，進一步改善教學(xué)的方式與方法，進一步促進學(xué)生學(xué)習(xí)成績的提高。