大数据在教育方面的应用研究综述笔记

大数据在教育方面的应用

《大数据视角分析学习变革》，远程教育杂志

大数据概念界定

国际数据公司(IDC)认为，大数据是符合4V特征的数据集，即海量的数据规模(Volume )、快速的数据流转和动态的数据体系(Velocity )、多样的数据类型( Variety )、巨大的数据价值(Value)}5。而《报告》则引用了国际著名的咨询公司麦肯锡(Mckinsey)在2011年对大数据的定义，认为大数据是指数据量极大，以至于无法使用常规数据软件进行获取、存储、管理和分析的数据，“大数据”具有数据量大、数据多样和数据产生速度快三大特征。教育领域中的大数据有广义和狭义之分，广义的教育大数据泛指所有来源于日常教育活动中人类的行为数据，它具有层级性、时序性和情境性的特征;而狭义的教育大数据是指学习者行为数据，它主要来源于学生管理系统、在线学习平台和课程管理平台等〕

教育数据挖掘

教育数据挖掘：

1.预测（Prediction）——觉知预料中的事实的可能性。例如，要具备知道一个学生在什么情况下尽管事实上有能力但却有意回答错误的能力。

2.聚类（Clustering）——发现自然集中起来的数据点。这对于把有相同学习兴趣的学生分在一组很有用。

3.相关性挖掘（Relationship Mining）——发现各种变量之间的关系，并对其进行解码以便今后使用它们。这对探知学生在寻求帮助后是否能够正确回答问题的可靠性很有帮助。

4.升华人的判断（Distillation for human judgment）——建立可视的机器学

习的模式。

5.用模式进行发现（Discovery with models）——使用通过大数据分析开发出的模式进行“元学习”（meta-study）。

学习分析

学习分析是综合运用信息科学、社会学、计算机科学、心理学和学习科学的理论和方法"通过对广义教育大数据的处理和分析"利用已知模型和方法去解释影响学习者学习重大问题"评估学习者学习行为"并为学习者提供人为的适应性反馈。例如，教师和学校根据学习分析的结果，调整教学内容、对有学习失败风险的学生进行干预等。学习分析一般包括数据采集%数据存储、数据分析、数据表示和应用服务五个环节。

基于大数据的自适应学习系统组成及运行流程

教育数据挖掘和学习分析典型应用

1.学习者知识建模

采集学习者与在线学习系统的交互数据（正确率、花费时间、请求帮助的数量和性质、错误应答的重复率），这些存在于课程、学习单元或者知识点层面，Onsophic公司的在线学习平台就是通过收集平台学习者的详细数据，建立学习知识模型，由此提供反馈和建议。2.学习者行为建模

采集学习者花费时间、学习者完成课业情况、在课堂或学校中学习行为变化情况、学习者线上或线下考试成绩等数据，探究学习行为与学习结果的相关关系，构建学习者行为模型。麦克费登和道森通过跟踪采集Blackboard在线学习平台上学习者学习行为相关数据，构建模型，用于预测平台中学习者的学习失败可能。

3.学习者经历建模

采集学习者的学习满意调查文件或量表数据，以及后续单元或课程学习中的选择、行为、表现和留存率数据，构建学习者体验模型，对在线学习系统中的课程和功能进行评估。可汗学院通过构建这种模型，评估课程，进行课程再设计，改变课程学习顺序，提高了教师的教学效率和学习者的学习成绩。

4.学习者个人学习建档

采集学习者学习中的基本数据，通过数据挖掘和机器学习算法，构建学习者个人学习档案，分析学习者的学习特征，对学习者群体进行类聚和分组，为不同学习者提供个性化的学习。卡丹和克纳蒂利用数据挖掘技术对学习者与在线学习平台的交互日志进行分析，进行学习者分类，提供学习支持和交互支持。

（Samad Kardan, Cristina Conati）

5.领域知识建模

通过数据挖掘和学习分析，对现有领域知识模型进行重构，探索课程、学习单元和知识点的学习内容组织方式与学习者学习结果之间的相关关系。通过处理数据，构建学习曲线，重构领域知识模型。

6.学习组件分析和教学策略分析

Ritter等人通过对”Congitive Tour”的数学教学智能导学系统中的数据的挖掘和分析，提供15年的动态、细粒度的系统评价，优化系统组成模块和线上教学策略。

7.趋势分析

通过数据采集分析，发现学习者当前学习行为和未来学习结果的相关关系，利用这种关系，预测未来学习趋势和结果。加州高等教育协会为州内高等教育机构提供在线趋势分析工具，该工具允许用户检索加州高等教育数据库，自定义检索条件，生成个性化的教育趋势预测结果。

《大数据：正在到来的数据革命》

大数据之所以产生，是因为今天无处不在的传感器和微处理器。我们正在迈进普适计算的时代。其实，所有的机械或电子设备都可以留下数据痕迹，这些痕迹表明了它的性能、位置或状态。这些设备和使用它的人，通过互联网互相交流，又形成了另外一个庞大的数据源。当这些数据和来自其他媒体、无线或有线电话、有线电视、卫星等等来源的数据相结合的时候，更加显得庞大无比。

王震一:所以说，教育大数据的现状是流失。其实，教师和学生的所有的教育行为数据都可能构成大数据。但我还没发现哪个学校在采集这些数据。更不要说什么建模和挖掘了。最要紧的就是现在就开始从学生和教师的教育行为中，随时采集数据，有了这个基础才能继续研究下去。

转换到我们的教育行业学生对于网上资料的获取，他的下载行为、习质、学习方式、时间……张开成另外一个或者几个逻辑体系。搭建有自学习能力的动态自洽系统做到数据和需

求之间的精准智能匹配才能让学习网站资料提供方变身成为受众的个性化信息。而不是一股脑地狂轰滥炸式的宣传广告。说白了就是工厂流水线生产和个人智能化量身定做的差别。

王震一:一个比较理想化的方式，就是把师生的上网终端作为信息出入口。从每天教育生活开始就进行数据采集，这样数据的维度只要想一想就够多的了。而且现在很多学校是人手一台iPad或者电子书包。

（行为，行为的目的——数据采集，建模与挖掘）

王震一:为什么大数据可能颠覆传统教育。我不能用一两句话讲清。有了大数据，就有了机器学习，在云里可以根据对学生的认识，为他们推送教育资源。只要教师引导得力，就可以摆脱教科书的局限。每个学生都根据自己的情况定制学习，也就无法进行同样的考试。通过数据挖掘学生的表现，比考试要来得全面、深刻。

（大数据分析——定制学习）

课堂模式的转变，也就是教育理念的转变

我们当下对大数据的利用，是商家因谋利目的而进行的有效开发。在教育领域，没有这么大的动力，所以其开发机制远不如商业领域。

（教育领域的动力？）

北师大的余胜泉老师说:“技术的革新必然会对教育模式、教育核心、教育方法、体系都发生颠覆性的改变，只有这样才能促使教育全面的发展”。我们需要辩证地看待问题，但不代表我们惧怕改变。我的意见是，在没有领略到大数据在教育中的优势之前，就担心各种问题而拒绝使用，岂不是因噎废食?需要有人来尝试建模，需要有人开始收集师生教学活动的数据，在实践过程中摸索恰当的解决方案，影响我们的教育。

《信息很热_数据很忙_畅想大数据对教育的影响_江伟硕》