从我们的日常工作考察，好像并没有什么大数据的存在，果真如此吗?其实学生、教师一言一行，所有学校里发生的事物，无不可以转化为数据。当每个在校学生都能用自己的计算机终端学习，包括上课、读书、写笔记、做作业、发博客、进行实验、讨论问题、参加各种活动等便是教育大数据一个来源。

　　近年来美国的一些顶级大学纷纷把自己的课程推上互联网。如耶鲁网上开放课程、麻省理工网络开放课程等，其他国家也随之跟进，如英国公开学院开放课程。国内也在开发这类网上的开放课程。这些都将是教育大数据所在。与之相应的学生利用这些课程在网上学习，互动 、互助，又将生成一大堆数据。涂子沛的书里说：大数据，将成为我们下一个观察人类自身社会行为的‘显微镜’。和监测大自然的‘仪表盘’”。“利用这些数据进行‘行为评价和诱导’……。例如，师生可以随时对话，计算机能够记录你在一张幻灯片上停留的时间，判别你在答错一道题之后有没有回头复习，统计你在网上提问的次数、参与讨论的多少，然后在这个基础上，对你的学习行为进行诱导和评价。”“通过记录鼠标的点击，可以研究学习者的活动轨迹，发现不同的人对不同的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，哪种陈述方式或学习工具最有效。记录单个个体行为的数据似乎是杂乱无章的，但当数据累积到一定程度时，群体的行为就会在数据上呈现一种秩序和规律。通过分析这种秩序和规律，未来的在线学习平台才能弥补没有老师面对面交流指导的不足。”数据在网上的自动整合和跳转，将会成为我们新的生活方式。通过这种新的方式，互联网将向我们“推送信息”，而不再是我们在网上“搜索”信息。 “数据，是记录信息的载体，是知识的来源。数据的激增，意味着人类的记录范围，测量范围和分析范围在不断扩大，知识的边界在不断延伸”。这是传统的直觉 、印象无法比拟的——不管是对学生需求的分析以便向他们推送最适当的学习资源，还是根据学生的教育行为进行评价。对这点，书中又用一段关于自我量化的精辟论述来解析：自我量化是指利用计算机、智能手机以及各种新的电子便携感应器来记录自己学习、工作、运动、休息、娱乐、饮食、心情等等个体行为的情况，就像我们需要对体重、身高、、血压、心跳等物理指标进行监控一样。自我量化的主张者认为，为了更好地了解我们、提高自己，我们必须要用数据来记录、研究、分析自己的行为。其理由在于：人的感觉中存在盲点，直觉不可信任，理性思维也有局限，大脑即使有惊人的记忆力，也未必有惊人的信息加工能力。很多时候，我们会高估自己的理性，低估情绪对我们的影响。认识自己虽然很难，但非常重要。基于数据的记录和分析，可以帮助我们走出错觉、认识真正的自己。

　　2007年，著名技术活动家、(连线)杂志的主编凯文，凯利[Kevin Kelly)和技术专栏作家沃尔夫(Gary WoIf )共同创办了一个网站，该网站已经成为自我量化运动的枢纽。像数据开放运动一样，自我量化的运动现在非常活跃，在美国、欧洲频繁召开各种论坛和会议。我们一直认为考试和老师的评语是有效测量学生成长方法。对应于“自我量化”指出的“必须要用数据来记录、研究、分析自己(学生)的行为。其理由在于：人的感觉中存在盲点，直觉不可信任，理性思维也有局限，大脑即使有惊人的记忆力，也未必有惊人的信息加工能力。很多时候，我们会高估自己的理性，低估情绪对我们的影响。”传统的评价系统是不是显得颇有些苍白。可不可以把凯文，凯利和沃尔夫共同创办的那个网站，引进到学校里来，改变原来那种靠不住的评价传统呢。

　　有了大数据不等于万事大吉，要让它说话，也就是对我们的教育做出决策、对学生做出评价和把们需要的种种情况的分析呈现出来。涂子沛先生告诉我们：数据挖掘的技术可以根据用户过去的行为模式预测其信息的需要，为其配送个性化的信息，未来的语义网更是一个高度个性化的智能网络平台!数据挖掘是指通过特定的计算机算法对大量的数据进行自动分析，从而揭示数据之间隐藏的关系、模式和趋势，为决策者提供新的知识。之所以称之为。挖掘，是比喻在海量数据中寻找知识，就像开矿掘金一样困难。“数据挖掘是对数据进行挖山凿矿式的开采。它的主要目的，一是要发现潜藏在数据表面之下的历史规律，二是对未来进行预测，前者称为描述性分析，后者称为预测性分析.沃尔玛发现的啤酒和尿布的销售关联性就是一种典型的描述性分析，考察所有历史数据，以特定的算法对下个月啤酒的销售量进行估测以确定进货量，则是一种预测性分析。”我想起从前给学生写评语：“作业比以前完成的好(描述性分析)……今后应注意书写整齐(预测性分析)”拿来和数据挖掘比一比，就知道了传统教育对情况的描述和预测是多么的模糊和无效，是没有理由再继续维持下去了。

　　其实大数据是客观存在着的，只是我们没有发现，让这个宝贝从身边溜掉了。