教育大數據的三大顛覆性應用

大數據對教育領域的沖擊是全面性的。針對不同層次的需求，教育大數據應用形成了各種產品和服務。從適應性教學到動態跟蹤測評，從管理模型構建到數據共享門戶，各種類型的應用勾勒出了大數據影響教育領域的整體圖景。我們不妨通過國際范圍內典型的技術、產品和服務，從適應性教學、教育規律發現和精準管理支持三個方面，對有較大影響的教育大數據國際應用進行分析，以期對我國教育大數據發展應用提供借鑒。

圖1 教育大數據的應用

適應性教學支持

適應性教與學是教學的最優化狀態。適應性教學中的內容、方法和過程都可以根據學習者的狀況來進行定制，讓每個學習者都有可能獲得適合自己的最大程度的發展。適應性教學的實現，需要基于學習者的個體特征和學習狀況的全面分析。大數據為追蹤和整合這些數據，并對學生進行個性化支持提供了可能。

圖2 適應性教學的構成

最為常見的適應性教學系統來自在線學習領域。在各種學習管理系統和在線學習平臺中，學習者的學習過程能夠得到完整記錄。學習過程的記錄結合人口學和學習風格等學習者特征數據，可以清晰地表征學習者的學習路徑和學習者特征，在有效記錄學習過程、綜合評價學習狀況的基礎上，進行診斷和推薦，開展有針對性的教學。

適應性學習支持幾乎已經成了在線學習的“標配”，在每一個商業在線學習平臺中，都有不同程度的適應性。內容推薦是適應性的一種主要形式。然而，真正有效的適應性教學系統需要整合三個系統，即知識系統、行為系統和特征系統。通過知識系統來描繪知識體系；通過行為系統來記錄學習、練習和反饋過程；通過特征系統去分析學生的個體特征和學習特質。

當前，最具代表意義的適應性學習系統當屬Knewton和可汗學院(Kehan Academy)。此類適應性學習系統重點支持了學生的學。學習系統試圖扮演教師的角色，對學生的學習進行自動化記錄、診斷和干預。適應性學習的另一個層面是對教師教的支持。在大數據技術支持下，教師可以根據自身的需求對學生的學習進行監測，并通過自己設定的標準，對學生進行自動化或半自動化的評價。在數據的支持下，教師可以結合自身的教學經驗對學生進行診斷和干預。在教師的訓練下，大數據工具將對教師的教提供更有力的支持。大數據工具將成為教師最好的幫手，而不是競爭者。

以Masteryconnect為例，Masteryconnect對教師的教提供了全面的數據化支持，它從教師的日常工作出發，提供了數據采集、分析、呈現和基于數據的協作支持。教師可以在其支持下采集各種教學數據，包括課堂觀察數據、答題卡數據、量表數據和在線測試數據。在采集數據之后，Masteryconnect可以進行自動化分析和可視化呈現。分析的結果可以通過該系統分享給其他教師，教師可以在數據的基礎上進行交流和協作。Masteryconnect為各種形成性評價提供了全面的支持，教師可以自行建立教學內容的結構，并為各個模塊和知識點設計問卷、練習、試卷等各種測評方式。測評可以發布到PC和移動設備，學生可以選擇自己喜歡的方式完成測評。同時，測評結果可以形成定制報告，并發送給家長。

教育規律發現

教育研究是一項復雜的系統性研究。在大數據的驅動下，教育研究將出現不同的態勢，通過挖掘、分析教育大數據，研究者可以量化學習過程，表征學習狀態，發現影響因素，找到干預策略，從更深的層次揭示教育規律。

圖3 通過大數據揭示教育規律

這里可以通過對美國的三個大數據教育應用的案例，即“預測分析報告項目(Predictive Analytics Reporting，PAR)、數據商店(Data Shop)和Data.gov”的介紹與分析，充分了解大數據標準化研究和數據門戶對教育規律探索的意義。

美國的預測分析報告項目(PAR)對高校學生的學習狀況進行了全面分析，在學生輟學等重要風險的預測方面進行了探索。從2011年開始，該項目與美國的高校合作，建立了標準化數據收集框架，通過對學生學習數據的收集和分析，發現影響因子并構建預測模型。該項目分析的原始數據包括學生人口學數據、教學管理數據、學習過程數據、成績數據和學生財務信息數據等。通過分析，該項目建立了通用分析標準和風險預測模型，并為各個學校提供了定制化風險因素模型。

教育大數據研究需要大量匯集數據，數據匯集需要大量研究者的群策群力，也需要行之有效的組織機制。匹茲堡大學學習科學中心(Pittsburgh Science of Learning Center)的數據商店(Data Shop)，是美國自然科學基金支持建立的學習科學數據庫，具有數據存儲和數據分析兩大類功能：一方面，它為全球學習科學研究者提供安全的數據存儲與共享工具；另一方面，它提供了數據分析工具和調用接口，便于分析應用。數據商店中的數據，分為公開數據和私有數據，研究者可以根據需要選擇自己的數據是否要公開。數據商店中的數據，包括教學軟件應用數據、在線課程數據、智能教學系統(Intelligent Tutoring Systems)、虛擬實驗室數據、協作學習系統數據等。在數據匯集和分享功能的基礎上，數據商店提供了豐富的數據分析功能，支持探索性統計分析和數據挖掘，提供Web Service支持遠程調用，以及R語言、Excel等工具的接口。

美國教育部在教育研究與實踐數據匯集方面開展了大量工作，匯集了大量數據。截至2016年5月，在其數據門戶Data.gov中，匯聚的數據包含了325個大型數據集。數據包含范圍很廣，涉及人口統計、學習成績、貸款情況、校園安全等情況。Data.gov針對各類數據提供了多種數據格式，同時，提供了在線數據分析功能，它可以實現靈活便捷的在線數據可視化。同時，Data.gov還為每個數據集提供了API，便于外部調用與分析。

精準管理支持

在學校和教育機構中，管理者時常面對無法及時掌握教學與管理綜合狀況的困境。這也導致了教育管理常常是粗放的、由直覺驅動的現狀。以Learnsprout、Calarity、Altschool等為代表的數據化管理應用，體現了數據建模對于精準管理的重要支撐作用。

圖4 數據支持下管理模型構建

Learnsprout能夠整合學生信息系統和學習管理系統的數據，對學生日常表現進行監測，通過構建模型對學生綜合狀況進行分析，并對管理和教學提出建議。例如，Learnsprout能夠對高中學生進入大學的準備情況等進行評價，對存在問題的學生進行早期預警，提出教學干預建議，并評估干預效果。Learnsprout不僅提供了自動化分析，還建立了有教育專家和數據專家構成的團隊對數據進行深入挖掘，并形成分析報告。Learnsprout已經在美國42個州、200多個學區的2500多所學校中得以廣泛應用。該公司于2016年1月被蘋果公司收購，這也從一個側面說明了市場對其應用效果的認可。

Calarity是通過構建模型提供管理支持的另一個典型案例。Calarity旨在評估學校應用信息化技術促進教學的狀況，并提出改進建議。它針對學校師生的技術應用情況，采集了280個數據點，建立82個變量，形成21個指標，進而聚合成了4個維度，分別為課堂學習、技術應用、信息化技能和信息化環境。在模型化數據分析的基礎上，Calarity對存在的問題進行了分析和診斷，并提出了解決方案建議。

Altschool是學校層次上進行整體性數據采集、分析與應用的代表。這所由前谷歌工程師Max Ventilla創辦的學校，將教育教學和工程化思維密切結合，將提供個性化的教育作為辦學宗旨。在教育教學過程中采用全方位數據采集和分析，成為了這所學校提供適應性教與學的重要依據和支撐。Altschool構建了獨特的信息化基礎設施進行數據采集，它為教室設計的Alt Video系統，通過各種傳感器、攝像頭和麥克風采集學生行為數據，這些數據每天都將被分析，用來改進教學過程和教學系統。Altschool還開發了Stream等教學系統和移動應用，在支持教學過程的同時，其基于數據開展教學研究，并通過研究結果支持教學和管理。不同于傳統教育研究，Altschool的研究周期非常短，教學設計更新以周為單位，教學管理調整速度極快?？焖俚墓こ袒季S、系統化信息技術環境支持、完整的數據采集與分析，構成了Altschool在精準教學管理方面的整體解決方案。

可見，通過系統化數據采集，采用科學方法建立的數據模型，可以幫助教育管理者對學校和機構的管理狀況進行持續動態監控和綜合性評價。在數據支持下，管理者能夠更容易地發現管理和教學問題，設計可能的解決方案，并追蹤問題解決的成效。