大数据与未来教育

大数据与未来教育

陈兆峰20122802011

摘要：在当今的信息时代，云技术、物联网和基于二者的大数据技术正推动教育发生着变革。未来教育在互联网等技术的作用下变的越来越个性化，通过对大数据技术的应用将有利于个性化教育，标准化的学习内容由学生自组织学习，学校和教师更多的关注学生的个性化培养，教师由教学者逐渐转变为助学者。在逐步到来大数据时代，互联网教育与学校教育将逐渐分离，更多的交往互动、个性化服务和灵活的学制将使学校获得新的生机。

⏹“在数字化课堂教学过程中，可以对学习过程进行数据形式化采集和描述，并基于课堂单元和学期单

元进行学习过程的大数据挖掘和分析。教师通过这些数据和分析结果，可以即时进行教学控制和教学反思，从而提高课堂教学水平。学生和家长通过这些数据和分析结果，也可以尽快发现自己学习中的不足，进而也可以提高自己的学习水平。”

——北京师范大学教育技术系副教授，教育部教育信息化专家⏹“在国内尤其是北京、上海、广东等城市，大数据在教育领域有了越来越多的应用，像慕课、在线课

程、翻转课堂等，已经有越来越多的学生加入到网上学习的行列中来。”

——北京师范大学教育技术学院教授、现代教育技术研究所所长何克抗(一)什么是大数据

大数据是指无法在可容忍内用传统IT技术和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合。它需要新处理模式才能让其具有更强的决策力、洞察发现力和流程优化能力，是一种海量、高增长率和多样化的信息资产。

物联网、云计算、移动互联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，都是数据来源。

体量浩大Volume 非结构化数据的超大规模和增长总数据量的80~90%

比结构化数据增长快10倍到50倍是传统数据仓库的10倍到50倍

多样性Variety 大数据的异构和多样性很多不同形式（文本、图像、视频、机器数据）无模式或者模式不明显

不连贯的语法或句义

价值大密度低Value 大量的不相关信息

对未来趋势与模式的可预测分析深度复杂分析

生成速度Velocity 实时分析而非批量式分析数据输入、处理与丢弃立竿见影而非事后见效

(二)为什么未来教育需要大数据

1.宏观层面

华为全球联接指数

今天，有70亿人生活在地球。到2025年，世界上将有1000亿的联接。这些联接，促进了各行各业的发展。在联接水平最高的德国，ICT有效地支撑了“德国工业4.0”，使工业生产效率提升了30%。在各行各业中，金融是联接技术最积极的拥抱者，大数据的分析让金融放贷的周期从1个星期到5分钟。联接的主要内容是数据之间的共享，而教育行业是ICT的变革者。所以大数据对未来教育行业的影响可见一斑。

2.微观层面

传统的教育兴盛于工业化时代，学校的模式映射了工业化集中物流的经济批量模式：铃声、班级、标准化的课堂、统一的教材、按照时间编排的流水线场景，这种教育为工业时代标准化地制造了可用的人才。而大数据教育将呈现另外的特征：弹性学制、个性化辅导、社区和家庭学习、每个人的成功。世界也许会因此安静许多，而数据将火热地穿梭在其中，人与人（师生、生生）的关系，将通过人与技术的关系来实现。

大数据与传统的数据相比，就有非结构化、分布式、数据量巨大、数据分析由专家层变化为用户层、大量采用可视化展现方法等特点，这些特点正好适应了个性化和人性化的学习变化。目前教育变革的讨论，过于集中在在线教育(远程、平板、电子、数字），这正像任何一个科技让人们最先想到的都是偷懒的哲学，自动化时代最先想到的是卓别林演的自动吃饭机，多媒体时代人们最先想到的是游戏。在线教育本身很难改变学习，在这场教育革命的浪潮中，由在线教育引发的教育由数字支撑到数据支撑变化(教育环境，实验场景，时空变化，学习变化，教育管理变化等等)，确是很多人没有在意的巨大金矿。教育环境的设计、教育实验场景的布置，教育时空的变化、学习场景的变革、教育管理数据的采集和决策，这些过去靠拍脑袋或者理念灵感加经验的东西，在云、物联网、大数据的背景下，变成一种数据支撑的行为科学。

教育将继经济学之后，不再是一个靠理念和经验传承的社会科学和道德良心的学科，大数据时代的教育，将变成一门实实在在的实证科学。

(三)教育的发展历程——从封闭走向开放，从传统数据走向大数据

从教育的发展历程来看，数据对教育的影响越来越深。从课堂教学只有老师书本黑板，到翻转课堂的电子课件，再到开放课程的网络资源，数据量一直在不断地增加，而教育对数据的依赖也越来越大。

大数据所带来的，并非源于我们电脑的硬盘变大了，CPU处理速度更快了——所以我们可以处理更大规模的数据了。大数据与传统数据的区别在于人们对于“数据”的理解更为深入了，许多我们曾经并没有重视的，或者缺乏技术与方法去收集的信息，现在都可以作为“数据”进行记录与分析了。

举例来说，一个学生读完9年制义务教育产生的可供分析的量化数据基本不会超过10KB，包括个人与家庭基本信息，学校与教师相关信息，各门各科的考试成绩，身高体重等生理数据，读书馆与体育馆的使用记录，医疗信息与保险信息等。这样的数据量，一台较高配置的普通家庭电脑，初级的EXCEL或SPSS

软件就能进行5000名以下学生量的统计分析工作。操作者也只需要中级水平的教育与心理统计知识，一套可供按部就班进行对照处理的数据分析模板，经过两三个月的操作培训就能基本胜任。

而大数据的分析则完全是另一种层面的技术。根据荷兰著名的行为观察软件商NOLDUS公司的研究，在一节40分钟的普通中学课堂中一个学生所产生的全息数据约有5-6GB，而其中可归类、标签、并进行分析的量化数据约有50-60MB，这相当于他在传统数据领域中积累5万年的数据量总和。而要处理这些数据，需要运用云计算技术，并且需要采用Matlab、Mathematica、Maple等软件进行处理并进行数据可观化。而能够处理这些数据的专业人才一般来自数学或计算机工程领域，需要极强的专业知识与培训，而更为难能可贵的是，大数据挖掘并没有一些的方法，更多需要依靠挖掘者的天赋与灵感。

大数据与传统数据最本质的区别体现在采集来源以及应用方向上。传统数据的整理方式更能够凸显的群体水平——学生整体的学业水平，身体发育与体质状况，社会性情绪及适应性的发展，对学校的满意度等等。这些数据不可能，也没有必要进行实时地采集，而是在周期性、阶段性的评估中获得。这些数据，完全是在学生知情的情况下获得的，带有很强的刻意性和压迫性——主要会通过考试或量表调查等形式进行——因此也会给学生带来很大的压力。

而大数据有能力去关注每一个个体学生的微观表现——他在什么时候翻开书，在听到什么话的时候微笑点头，在一道题上逗留了多久，在不同学科课堂上开小差的次数分别为多少，会向多少同班同学发起主动交流，等等。这些数据对其他个体都没有意义，是高度个性化表现特征的体现。同时，这些数据的产生完全是过程性的：课堂的过程，作业的过程，师生或生生的互动过程之中……在每时每刻发生的动作与现象中产生。这些数据的整合能够解答教课程是否吸引学生?怎样的师生互动方式受到欢迎？……而最最有价值的是，这些数据完全是在学生不自知的情况下被观察、收集的，只需要一定的观测技术与设备的辅助，而不影响学生任何的日常学习与生活，因此它的采集也非常的自然、真实。

所以，综合以上的观点，我们不难发现，在教育领域中，传统数据与大数据呈现出发下区别：传统数据诠释宏观、整体的教育状况，用于影响教育政策决策；大数据可以分析微观、个体的学生与课堂状况，用于调整教育行为与实现个体化教育。

传统数据挖掘方式，采集方法、内容分类，采信标准等都已存在既有规则，方法论完整：大数据挖掘与新鲜事物，还还没有形成清新的方法、路径以及评判标准。

传统数据来源于阶段性的、针对性的评估，其采样过程可能有系统误差；大数据来源于过程性的、即时性的行为与现象记录，第三方、技术型的观察采样的方式误差较小。

传统教育分析所需要的人才、专业技能以及设施设备都较为普通，易获得：大数据挖掘需要的人才，专业技能以及设施设备要求较高，并且从业者需要有创新意识与挖掘数据的发感而不是按部就班，这样的人才十分稀缺。

(四)大数据应用的三种主流模式

因此从现阶段来看，在原本的传统教育模式下，老师往往难以照顾学生最个性化的需求，而随着大数据的应用将有所改变，学生们可以得到经过数据分析之后的，个性化的教学和无穷无尽的资源配套。

那么究竟什么样的大数据能够真正的帮助学生解决问题?现阶段究竟需要哪些数据?又该如何有效收集、挖掘这些数据呢?从在线教育目前的发展，可以窥见如下几种应用模式：

模式一：线上线下O2O平台。云平台搭建与大数据应用为底层架构，引导学生在线上完成学习过程，并针对每一个具体的环节完整记录，积累大量的多维度的数据素材后(学习时长、学习内容、学习频率、学习习惯等)，分析结果为老师提供线下个性化学习方案的重要依据。如学大于今年3月推出的e学大平台，其就有效帮助大数据在教育过程中形成了完整闭环。简单来说，经过大数据分析后形成的，学习资源和课