大數據讓考試變得更科學_數據分析師

    教育中的數據挖掘是邁向大數據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構化的數據（unstructured data）。結構化的數據（structured data）是從教育部門多年的數據——特別考試成績和出勤記錄——那里收集而來?；有詫W習的新方法已經通過智力輔導系統、刺激與激勵機制、教育性的游戲產生了越來越多的尚未結構化的數據。這就使得更豐富的數據能給研究者創造出比過去更多的探究學生學習環境的新機會。

    教育數據與其他領域中的數據比較起來，有一些獨特的特征?？偨Y起來就是教育數據是分層的（hierarchical）。美國教育部教育技術辦公室在《通過教育數據挖掘和學習分析增進教與學（公共評論草案）》的第18頁中寫道：“教育數據是……分層的。有鍵擊層（keystroke level）、回答層（answer level）、學期層（session level）、學生層（student level）、教室層（classroom level）、教師層（teacher level）和學校層（school level），數據就寓居在這些不同的層之中?！?/span>

    當某個學生回答一個問題時，一些變量就需要一起分析了。例如，學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、結果、具體情況，都給研究者提供了許多前所未有的大量數據。運用這些數據，研究者就能揭示學生的學習模式。研究者利用所有這些數據就能獲悉到底是什么因素對學生構成了最好的學習環境。理解這些重要的問題有助于教育工作者給學生創造一個個性化的學習模式。

    監測學生是“如何”考試的能讓研究者有效定型學生的學習行為。大數據要求教育工作者必須超越傳統，不能只追求正確的答案，學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？哪些此前已經出現過的問題學生答對或答錯了？哪些問題的線索讓學生獲益了？通過監測這些信息，形成數據檔案，能夠幫助教育工作者理解學生為了掌握學習內容而進行學習的全過程，并有助于向他們提供個性化的學習模式。

    監控學生的每一個學習行為是可能的。為了改進學生的學習成績，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回答了的問題之間存在什么關系。此外，老師對每個學生提供什么樣的建議才是最佳的？學生寫作業和答題的信息能立即被自動地監測到，老師還能在第一時間將這些信息反饋給學生。

    用這些學生學習的行為檔案創造適應性的學習系統能夠提高學生的學習效果。利用學生是“如何”學習的這樣重要的信息，考試的出題者們就能為學生量身定制出適合學生的個性化問題，并設計出能夠促進記憶力的線索。通過分析大數據，研究者發現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聯的問題時，學生的表現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考試（GRE）中的這種適應性考試已經顯示出朝這一方向努力的趨勢。

 CDA數據分析師培訓官網