Ryan Baker 是国际教育数据挖掘协会（International Educational Data Mining Society）的创始人、《教育数据挖掘》杂志（Journal Educational Data Mining）主编，在各类期刊和会议发表了 260 余篇学术论文，先后主持了美国科学基金会（National Science Foundation）、盖茨基金会（Gates Foundation）等研究基金的多项重大项目，累计获得研究经费超过 1600 万美元。他也在哥伦比亚大学教育学院和爱丁堡大学同时担任教职，他在 Coursera 和 edX 上开设的“Big Data in Education（教育大数据）”课程，有来自 100 多个国家和地区的学生注册。

研讨会现场，Ryan Baker 通过远程视频，分享了他对教育大数据的体验和应用。据他介绍，目前在教育大数据领域主要有四大研究组织，分别研究人工智能与教育、教育数据挖掘、学习数据分析和大规模学习。

Ryan Baker 表示，在教育领域广泛应用大数据的时代正在到来。教育数据挖掘有很多的应用方向，包括：预测学生是会辍学，还是会成功完成学业；自动检测学生的学习投入程度、情感、学习策略，以更好地达到个性化；给教师和其他相关人员提供更好的报告；教育科学的基础研究和发现。

他认为，个性化教育至少要做到三件事情：

确定学生的有关数据；

了解对于学生的学习来说什么是真正重要的；

有针对性地为学生提供合适的教学。

　　而通过教育数据挖掘，我们可以推断很多事情：

学生的元认知和求助。比如，这个学生有多自信？当他需要帮助时，有没有在寻求帮助？他有没有在给自己解释问题，有没有思考这个答案是正确的还是错误的？最重要的，当他面临挑战时，能否坚持下去？

没有投入学习的行为。比如，“玩弄”系统，为了找到正确的答案，有的学生会试各种不同的答案，从“1”试到“38”。粗心，本身会做，但是不用心，最后给出的答案是错的。有些孩子会做非常难以解释的行为，比如不用方程符号，而是画了一个笑脸。

学生情感。Baker 的研究团队和其他研究团队，已经创造了研究模型，可以根据数据推断，学生是否感到厌倦、沮丧、困惑、好奇、兴奋、快乐，是否投入，等等。

长期的学习结果。比如，学生能够记住刚才他学的东西吗？学生准备好学习下一个主题、下一个知识没有？中学生能上大学吗？他会从大学毕业还是辍学？

Ryan Baker 表示，要获得这样的推断，只需要学生与系统交互的数据，不需要学生戴上头盔检测器。目前，这些模型已经开始大规模应用于自适应学习，应用于几十万的美国学生。Ryan Baker 列举了一些自适应学习系统的案例。

Knewton -通过系统决定学生下一个要学习的问题是什么，已在全球的多个领域多个学科中运用。

ALEKS -ALEKS 用的是先行知识结构和知识点模型，来选择最适合学生的学习材料。比如，一个学生在学习上出现了问题，系统能够检测出来，是以前学的知识点出了问题，然后让学生回到以前的知识点上去学习。ALEKS 系统应用于美国高中、大学的数学、科学学科。

Cognitive Tutor -系统能自动检测学生的知识，直到学生掌握为止。比如，系统不会让学生学习下一步的知识，直到他展示出他已经学好了他现在正在学习的知识。系统能够给学校提供数据报告，学校根据报告能够更好地让学生投入到学习中去。每年大约被 50 万的美国初高中生用于数学学习。

论答（Learnta）-论答公司的系统与 ALEKS 的系统有些类似，也是用先行结构和知识点模型，选择合适的学习材料。同时也是自动检测学生的知识状态直到学生掌握为止。应用领域目前包括数学和英语，完全针对中国学生开发。

Reasoning Mind-用各种自动检测的模型来检测老师的教学是否有效。通过数据生成报告给每个地区的教学管理员，让他们找到方法帮助老师提高教学。主要是用于美国的小学数学。

Duolingo-自动检测学生记忆，来决定什么时候回顾已经学过的知识。在全世界范围内应用于外语词汇的学习。

其他的像 Civitas，Course Signals，Zogotech 都是地区供应商，运用风险预测模型提供行动信息预测。它们会对学生做出预测，可能学不好、会失败，把报告提供给老师。已在世界范围内的大学应用。

Ryan Baker 指出，在这些系统中，有足够的证据证明，至少以下两个系统是非常好的。

1. 胡祥恩教授在美国做了大量实证研究，证明 ALEKS 系统对于帮助学生学习是有效的。他的研究证明，ALEKS 系统对于不同人群的学生是同样有效的；特别值得提出的是，ALEKS 可以帮助少数人群群体提高学习成绩。

2. Ryan Baker 本人领导的研究团队与论答公司合作的研究表明，学生通过论答系统学习，比通过传统的在线学习系统学习，效果更好。他们在中国 3 个不同的地区做的 3 次实证研究，都证明了论答系统的有效性。

3. Ryan Baker 分析了教育大数据算法模型的潜在发展方向。他认为，这些模型的长期潜力是，通过学生的知识和学习模型来确认，学生什么时候需要更多的支持：

   首先是“mastery learning”，学生在掌握一个知识前，不会让他去学习下一个知识。当学生需要支持的时候，自动介入；同时告诉老师和父母，这个学生什么时候需要支持。

   通过学习投入程度模型判断，学生什么时候开始变得厌倦、沮丧了，并调整学习活动，让厌倦的学生不再厌倦，让沮丧的学生的学习变得更容易一些。

   学习投入程度模型还可以检测，在线学习中，什么样的学习活动，能让学生更容易地投入进去，并最终发现，什么样的学习活动对学生更好、对什么样的学生更好。

   这样的模型也能告诉老师和父母，学生什么时候开始变得不再投入学习了。

   还可以运用学习模型确认，学生什么时候没有真正学会，需要更多支持。

   最后，Ryan Baker 指出，下一步的目标是优化之前已经验证的经验和方法，然后把它们运用到系统中，最终让中国和世界上的数十亿学生受益。