| 资源中心 | 课例中心 | 旧版网站 |

/Images/uploadfiles/20180329103417.swf
| 德育 | 高中 | 初中 | 小学 | 学前 | 职成 | 艺体 | 民族 | 教育规划 | 初中地理 |

 

论大数据如何改变教育

来源:发表时间:2016-10-12 12:16:57访问次数:274

论大数据如何改变教育

朱莉

    一、引言 

随着互联网技术、云计算、移动终端、数据存储方式的高速变革与发展,我们生活的世界也面临着数据量的爆发式增长,而源于描绘天文学、物理学海量信息状态的“大数据”,也在科技、医疗、体育、公共管理、制造业等几乎全球各个领域贴上了自己的标签。  

由于各个领域对于数据的要求标准是有差异的、动态的,大数据还没有明确统一的定义。目前主要是从数据规模、数据复杂性程度、数据应用价值、技术实现这四个角度进行界定,在众多定义中来自国际数据公司(IDC)的论述较为全面。首先,它通过一些描述性的词汇来界定,认为大数据应符合4V特征即海量的数据规模(Volume)、多样化的数据形式和来源((V ariety)、动态和复杂的数据体系(Velocity),数据应用能够获得巨大价值的产品和服务(V al ue)。其次,从技术实现过程的角度进行描述,认为大数据是一种通过快速挖掘、处理、分析,从海量数据中获取巨大应用价值的一种全新的技术架构。

大数据应用给教育理论与实践带来了巨大的影响,教育的核心价值观、理论基础、实践方式、研究方法等方面都发生了巨大的变化。具体表现在以下几个方面,包括重构教育的科学性、开放性和前瞻性特征,通过学习分析技术的应用,促进个性化教育的实现,借助融合网络课程、翻转课堂等多种方式改造教学模式,依托多样化的评价对象和科学的评价方法丰富教学评价体系。

二、重构教育的特征   

()科学性   

与社会科学的众多领域一样,教育科学一直以来被质疑能否被称为一门真正的“科学”。一方面教育科学研究具有为教育决策提供服务的天然功能,其提供的数据和研究成果是教育决策制定的依据,将直接决定教育决策的执行效率和权威性。但是在另一方面作为社会科学研究的一部分,教育科学研究有其天然的局限性:针对体量巨大、类型庞杂的教育数据,教育科学研究缺乏用于进行收集和分析的技术工具;最为常见的采用问卷调查法进行样本分析,无法在广度和深度上满足研究需求,更有甚者在无法获得实证数据时,仅仅依赖假设和经验来分析教育现象和解决教育问题。   

大数据的教育应用使得全面挖掘教育领域数据,掌握教育实际情况成为可能。同时这种依赖于技术手段的数据获取,可以在不影响学习者的情况下进行,可以消除来自学习者自身和实验环境的干扰,这样能够最大程度的保证采集数据的真实性,实现以教育数据为基础的教育研究能够反应教育的实际情况,增强教育科学研究与教育实践的科学性。 

()开放性   

教育应用的大数据类型包括教育决策数据,学生的人口学数据、家庭背景数据、学业水平数据、学习过程数据等,从宏观到微观,方方面面一应俱全。这些数据并没有孰轻孰重之分,在特定的领域都有其不同的价值和地位。同时这些数据具有高速变化的特性,他们之间相互影响,一个看似微不足道的变量,极有可能引起结果的巨大变化。   

对于这些大数据挖掘的研究目前主要集中在三个领域,分别是教学过程数据挖掘、教育管理数据挖掘和教育科研数据挖掘。这些在教学、管理、科研活动中所产生的数据,在教育系统中相互影响,相互作用。教育工作者如果想以教育数据为基础发掘有意义的信息,来作为影响个体教育效果乃至作为教学决策的依据,单一类型的数据显然无法提供足够接近客观的支撑,需要对这些开放的、多样的、动态的数据进行全面挖掘与综合分析  

()前瞻性   

教育科学的发展往往滞后于社会政治、经济、文化的发展,而教育的产品人才的培养则滞后于教育科学的发展,这就要求教育具有一定的前瞻性、预测性,最大程度地弥补这一缺憾。大数据的应用为这一愿望的实现提供了坚实的基础。这得益于大数据能够在纷繁复杂的数据中归纳出具有预测性的结果,这些结果可以是更适合学生的教学方法、更易于产生学习行为的时间段、更有效巩固学习成果的方式以及更加积极的学习思想和行为倾向等。这些分析结果不仅能够帮助对教学中可能出现的情况进行预判,更为重要的是教育工作者可以藉此掌握教育的主动权,提高教学效率,少走弯路。

教育领域的一些大数据应用已经在预测行为方面做了有益的尝试。如美国西部州际高等教育委员会以64万名大学生为研究对象建立了一个包含300万条课程信息的数据库,通过33个针对在线课程变量的分析来预测辍学行为。当旷课、迟到、学习表现等与辍学行为相关的状态发生变化时,系统会自动向主管部门进行提示。

三、促进个性化教育实现   

前苏联著名教育学家苏霍姆林斯基提倡全面发展的、和皆的、个性的教育,认为“每个

孩子都是一个完全特殊的、独一无二的世界。个性化教育可以使个体获得健全的人格、全面的知识,突出的能力和健康的身心,但是如何在“量”和“质”两个方面实现个性化教育,还是摆在各国教育工作者面前的一个难题。国际个性化教育协会对个性化教育进行了描述性的定义,认为个性化教育应该“目的个性化”、“过程个性化”和“结果个性化”的高度统一。实现个性化教育仅仅依靠个性化目标,只能是空中楼阁无从实现。尽管我们的教育中也有诸如“量身定制”、“一对一教学”等具体的手段来实现个性化教学过程,但是其效率和准确度还是无法满足高质量、大规模个性化教育的需求。

借助大数据的应用可以一定程度上解决当前个性化教育中存在的一系列问题,为实现个性化教育提供全新的途径。美国教育部于2012412日发布的报告《通过教育数据挖掘和学习分析改进教与学》中提出了基于学习分析技术的实现个性化教育的自适应学习系统。学习分析是指针对来自于学习者的大范围数据的解释,以评估学业进展、预测未来表现、发现潜在问题。这些数据可以采自于我们通常作为评价标准的显性的学习效果,如作业完成情况、考试通过率等,也可以来自于一些不作为直接评估学习进步水平的行为,如在线社交互动、课外活动等。通过学习分析模型对上述数据的处理与展示,教育工作者能够对学习行为和结果进行分析解释,进而根据每个学生的能力和需要水平提供适应性的反馈。学习分析具体的应用领域不仅限于聚焦学生表现,也可以通过其所依赖的大数据挖掘与分析来对课程、教学计划和教育机构进行深入的评估,以更激进的方式促进教学模式的转化,帮助学生通过正式和非正式的学习活动实现个性化的全面发展。  

自适应学习系统以学习分析为技术基础,通过在线学习平台提供的学习环境,对教育数据进行挖掘与分析,为教育工作者以及学习者本身提供反馈以改善教学活动。其独特之处体现为数据的广泛性和过程的自适性。自适应学习系统采集的数据包括与学习者在线行为相关的数据如访问日志、学习路径、学业成绩等,也包括在学校以及相关机构中存储的学生信息。在这些大数据基础上实现自适性过程如下:首先,学习者的行为数据经过结构化处理后存储至学习者数据库;其次,由预测模块调用,包括学习者行为数据的内部数据库和包括学习者稳定个人信息的外部数据库,为下一步分析提供数据支持,接着预测系统会依据不同的目标调用相应的分析工具和模型进行数据分析;第三,自适应模块会依据上一步的分析结果,自动为学习者提供有针对性的指导,同时这些分析结果,也会被传递给教师,最后由教师通过干预模块对学习过程实现人为干预。

四、改造教学模式   

在学校教育的课堂教学模式下,学生的学习过程是在教师的指导下按照教学大纲有序的进行,封闭的教室环境和小班教学最大程度地保障了教学效率与教学个性化的平衡。受困于空间和时间的限制,单一课堂教学模式显然已经无法适应信息化时代个体与社会对优质、高效、个性化教育的需求。

依托于计算机网络技术特别是大数据技术的网络教学模式和网络课程的发展成为解决这一问题的重要途径。2004年开源网络课程平台moodle诞生,通过这一平台可以实现远程教学、师生交流、考试、资源共享等功能,使教学和课堂在空间和时间上进行了延伸。2007年翻转课堂在美国诞生,翻转课堂将教学信息化过程前置,要求学生课前学习教学内容视频,而在课堂上完成作业、进行探讨,教师在课堂上使用相关的数据分析软件针对学生学习中遇到的问题进行人性化的指导,对教学过程进行了创新式的改造。2012MOOC  (MauveOpen Online Course,大规模开放在线课程)开始迅猛发展(著名的例子包括斯坦福的C ourseraU dacity)MOOC由课程发布者以知识传播为目的,将大规模的课程发布至网络并免费共享,探索了优质教学资源分享与应用的新途径。

五、丰富教学评价体系   

教育评价不仅仅是为了区分不同的学业水平,更为重要的是了解学生的学习情况,从而为其制定个性化提高方案,以便更好地达成学习目标。这就要求教学评价是一种综合性的、全面的评价,不能仅仅依赖取自于学习成绩的结果性评价,还需要结合考察学习过程表现的过程性评价。但是长期以来,学校教学环境下教学评价活动主要还是基于学生的考试成绩、作业成绩和平时的课堂表现。由于评价信息的数量规模、数据来源有限现有的教学评价更多是结果性评价与经验性评价。   

大数据的应用使学生在整个学习过程中产生的不同层面的数据和信息(包括学生个体层面的、行为层面的、内容层面的、环境层面)都被有效地组织起来。以全面的大数据为基础依托于相关的评价模型进行分析」我们可以更多地关注学习过程,了解是哪些因素影响了学业水平,这些因素间有着什么样的关系,从而为实现提高学生学业水平、实现个性化学习提供依据。   

六、结语

    大数据的应用开启了教育科学发展的新时代,推动了教育领域的众多变革,但是随着应用的深入,出现了一系列值得我们思考的问题。

大数据的来源包括众多不同类型的数据库,因此基于教育的大数据分析仅仅考虑教育事业数据是不够的,还要综合考虑与教育分析对象相关的各个领域,如何共享与综合利用跨领域的数据库是首先需要解决的问题。   

教育工作者能够有效地进行大数据分析,需要具备足够的数据素养:首先,需要保证能够获取高质量的教育数据,能够使用相关软件存储与管理数据; 其次,能够熟练使用通用的以及本学科专用的数据分析工具,掌握基本的数据统计与分析方法; 第三,能够解释数据,并利用相关分析进行数据建模的能力。

大数据来自于对个体行为和自然情况的搜集,这些数据和分析是可以被重复利用的,而大数据的分析过程由教育部门、政府职能部门、数据分析企业共同完成。这意味着如果不明确信息的归属权,包括各人隐私在内的海量信息有可能被滥用,这会引发一系列的隐私泄露与信息伦理的问题。  

虽然大数据的教育应用还存在着一系列制约因素和亚待解决的问题,但是以数据驱动教育决策、提供教育改革依据已经成为不可更改的趋势。欧美等发达国家通过政策制定,巨额资金投入,已经在实践应用领域取得丰富的成果。我国大数据教育的研究和应用还处在起步阶段,这需要全社会共同努力,完善相关政策、整合社会与教育资源、提高教育工作者数据素养,以实现大数据教育应用的快速发展。

 

 

 

                                                   转自《现代教育科学》

 

版权所有 哈尔滨市教育研究院 Copyright 2009-2014 hrbie.com. All rights reserved.

技术支持:哈尔滨市教育研究院电教信息部 黑ICP备12001905号