教育大數據：想說愛你不容易_數據分析師

　　近兩年，“大數據”在教育領域日益成為熱點名詞，和“在線教育”相呼應。從今年新東方、學大[微博]等教育機構發布的教育產品來看，幾乎每一款產品都會提到大數據。既然如此受到重視，那么在當下教育領域，“大數據”有何特點？又有何作為？

　　專家指出，目前國內教育領域的“大數據”仍處于概念階段，大家都在起步和探索過程中，尚無比較成功的大數據應用案例，不少大數據應用也都處于較淺的層次。不過，隨著教育大數據的不斷積累和深入發展，“大數據”必將有利于我們的個性化教育，對教學和管理產生深刻影響。

　　隨著“大數據”概念不斷升溫，教育行業如今也被認為是大數據可以大有作為的一個重要應用領域。幾乎每家不甘落后的教育機構都在擁抱大數據，把大數據當作在激烈競爭中脫穎而出的秘密武器。

　　“其實，十幾年前我們就在做數據倉庫和數據挖掘。如今大數據這個概念興起，主要基于兩點，一是數據海量增長，處理樣本數變多；二是物理運算能力 增強，給處理海量數據帶來可能?！痹谟嬎銠C博士、朗播網CEO杜昶旭看來，大數據既沒有那么神秘，但也不像有些人想象得那么簡單。

　　干擾性數據多 影響統計分析精度

　　杜昶旭認為，與其他行業的大數據相比，教育行業大數據目前數據量比較小，教育數據噪聲也比較高。他解釋，目前在線教育不像電商，用戶數量龐大，數據可以累積到海量。而且教育垂直屬性特別明顯，大量數據會分流向不同垂直領域。

　　而不同垂直領域之間的數據融合度比較低，比如語文和數學的數據很難放到一起來分析；數據噪聲簡單講指干擾性數據、無用數據，比如錄播視頻，用戶 行為很簡單，有暫停、關閉、重看等等，但是這些操作的原因很多，并不一定是沒看懂內容，所以干擾性數據非常多，數據統計分析的精度會受影響。

　　“此外，教育數據標準化程度非常低。數據大致可分為結構化數據和非結構化數據。以描述人一個人打比方，結構化數據就是人的身高、體重、性別；非 結構化數據則可以是人的聲音、照片等?！倍抨菩裾f，很多教育數據比如視頻數據、語音數據等都是非結構化數據，數據模型構建會比較復雜，“所以，教育大數據 需要解決數據量和數據處理的問題?！?/span>

　　優質技術分析 要有一流試題保障

　　互聯網教育研究院院長呂森林也指出，教育大數據分析并不是有數據就可以，如果數據中有很多垃圾數據，那么分析得出的結論也可能是垃圾結論。

　　“比如題庫類產品，一道題可能需要20多個指標來分辨學生各方面的情況，如區域、學科、難度、知識點等等，如果試題質量比較低，區分度比較低， 那做大數據分析的意義就不會太大。此外，現在的大數據分析多集中在選擇、判斷等客觀題，對帶有步驟的主觀題、作文等進行統計分析則有更高難度?！币虼?，題 庫的大數據分析看起來比較簡單，但實際上技術、資金門檻都比較高。

　 業內點評

　　“習”比“學”更易采集和分析

　　那么，教育大數據可以發揮怎樣的作用呢？大數據研究專家、上海海事大學經濟管理學院副教授魏忠認為，大數據技術的應用將有利于個性化教育，標準化的學習內容由學生自己組織學習，學校和教師更多的是關注學生的個性化培養，教師由教學者逐漸轉變為助學者。

　　“重要的是數據背后的那個人?！蔽⒄n網副總裁夏明瑞以歷史學科視頻課程為例，如果用戶觀看幾分鐘就關掉了，以后再沒看過，那就要關注用戶的這種 行為數據。他關掉的原因大致可能有兩種：一種是學得非常好，另一種是學得不好，看不懂。單節課的數據可能不夠精準，但對整個課程體系的數據進行統計分析之 后就會相對精準了。

　　杜昶旭則認為，目前“學”的過程采集數據的難度較大，“習”的過程采集和分析數據會相對容易一些?！敖衲晡覀兺瞥隽四芰D譜，通過對學生行為數 據進行診斷，看看學生的問題到底在哪里，然后基于能力缺陷推送需要完成的訓練任務，提高學生學習效率?！倍抨菩裾f，這種大數據分析既能幫助學生個性化學 習，也能幫助老師進行個性化教學。

　　 專家說法

　　大數據適應個性化學習

　　魏忠，數據研究專家、上海海事大學經濟管理學院副教授魏忠

   人們對大數據的理解有很多，目前我傾向于把大數據理解為全量數據。

　　科學研究最簡單的是抽樣方式，然后進行推導，后來人們發現這有很大問題，于是就有了統計學，用概率來解決問題。但是抽樣的量一旦到了一定程度之 后，并不一定是越大越精準，什么樣的量是最好的，就需要考量。而如果把全量的數據都拿來進行分析，那肯定是最準確的，而所謂大數據應該是全量數據。

　　這種大數據與傳統的數據相比，具有非結構化、分布式、數據量巨大、數據分析由專家層變化為用戶層、大量采用可視化展現方法等特點，這些特點正好 適應了個性化和人性化的學習變化。傳統數據詮釋的是宏觀的教育狀況、整體的學生水平，且其采集方法、內容歸類、分析構成等已被摸索出一套成熟的標準，數據 更多是在階段性的評估中獲得。而大數據更關注微觀、個體層面，要求時時處處采集信息，全面客觀記錄信息，大量采用可視化展現方法等等，幫助信息收集方獲取 精準材料。