2017-03-06 何克抗 高校教师网络培训中心

大数据在教育中的应用

       2012年10月，美国教育部发布了题为《通过教育数据挖掘和学习分析技术来提高教与学：问题简述》(Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics: An Issue Brief)的报告(以下简称为：美国教育部关于“大数据教育应用”报告)，为教育中如何利用大数据指明了方向。该报告认为，大数据无处不在，教育中也是如此。主张通过教育数据挖掘、学习分析和可视化数据分析来改进自适应学习系统，实现个性化学习。并指出，大数据在教育中的应用主要有两大领域：教育数据挖掘(Educational Data Mining，简称EDM)和学习分析技术(Learning Analytics，简称LA)。

教育数据挖掘(EDM)

       教育数据挖掘(EDM)的内涵是要对学习行为和学习过程进行量化、分析和建模；EDM的目的是利用统计学、机器学习和数据挖掘等方法来分析教与学过程中所产生的数据。

       美国教育部关于“大数据教育应用”的报告还指出，EDM关注和要回答的问题有五个方面：(1)什么样的教学顺序(即学习主题顺序)对不同特点的学生最有效？(2)什么样的行为与更好的学习成绩相关？(3)什么样的学生行为指标预示了学生的满意程度、参与度和学习进步？(4)什么特点的在线学习环境能导致更好的学习成绩？(5)什么因素能够预测学生取得成功？

学习分析技术(LA)

      而学习分析技术(LA)的内涵是要利用已有的模型来认识、理解新的学习行为和过程。Siemens则把LA定义为：关于学习者以及他们的学习环境的数据测量、收集、分析和汇总呈现。并认为，LA的目的是理解和优化学习以及学习情境。按照Siemens的观点，LA的主要应用是监测和预测学生的学习成绩，及时发现潜在问题，并据此作出干预，以防止学生在某一科目的学习中产生风险。

      对LA应当关注和回答的问题，按照美国教育部关于“大数据教育应用”报告的描述，则应涉及以下五个方面：(1)什么时候学生可以进行下一个学习主题？(2)什么时候学生可能在某一门课程中落后？(3)什么时候某个学生可能存在完成不了一门课程的风险？(4)如果没有干预补救措施，学生可能得到什么样的成绩？(5)对特定学生来说，下一个最好的课程是什么？是否需要特殊的帮助？

EDM和LA如何帮助改进教学

       正如有些学者所指出的，在大数据背景下，通过EDM和LA等技术，可以帮助教师有效地改进教学。例如，教师可以查看学生在一张图片上停留的时间，判别他们在答错一道题之后有没有回头复习，统计他们在网上提问的次数、参与讨论的多少，然后在此基础上对他们的学习行为进行引导；学生学习过程所记录的鼠标点击量，也可以用来研究学生活动的轨迹、发现不同学生对不同知识点有何不同的反应？用了多少时间？哪些知识点需要重复或强调，以及哪种陈述方式或学习工具最有效。

       大数据还可以帮助教师对学生作出全面、正确的评价，而过去对学生的评价，往往依靠感觉、直觉和考试。但人的感觉中存在盲点，直觉并不完全可靠，考试也有局限。大数据凭借日常点点滴滴的信息采集，运用严密细致的逻辑推理，能客观地展现一个学生的完整形象；云端分立的数据库彼此相联，可用来进行多维度的联机分析。这样，将呈现给我们一个宏大的教育场景。可以把每个学生置于该教育场景中来进行审视与评估。

       可见，应用EDM和LA的数据分析结果，教师可以更好地了解学生，理解和观测学生的学习过程，找到最合适的教学方法和教学顺序；还可以针对不同特点的学生采用不同的教学方法与教学策略，并能及时发现问题。进行有效干预和作出全面正确的评价，从而显著提高教学的质量与效率。

  本文摘自“现代教育科学高教研究”微信号《何克抗：大数据面面观》一文