教育大数据助力学校3.0时代

教育大数据的挖掘方兴未艾。有人在迷茫，不知道大数据有什么用；有人在恐惧，担心大数据会不会影响其前途和命运；有人在观望，等待大数据给他带来各种福利。大数据到底能帮到谁？谁有权使用学生的大数据？更多人意识到大数据的价值，认识到大数据就是等待挖掘的宝藏。我认为大数据可能帮助到的对象包括以下人群：

1. 政府的教育治理。政府的很多决策不是基于数据。政府要实现基于大数据的教育治理，已经成为共识。

2. 对学校的办学改进。学校为学生提供各种各样服务，包括个性化的和面向全体的、共性的和复杂的，这些教育服务在一个学校中，往往为了整体发展而忽略了个体的价值。

3. 学生的个性成长。每个人的成长都是不可复制的过程。有人提出：如果把一个人的思维注入另一个人体内，其行为是否会表现得高度一致？未必会这样。因此，学生的个体成长是不能被复制的。怎样在成长过程中提供最优化的帮助，而不是在发现做错后再重新教一遍？大数据可以帮助学校改进教育服务、改进学习环境的设计。

4. 企业的产品改进。每天都会涌现出许多教育互联网公司，他们都想让自己的产品做得更加优越。怎样能做到更优越呢？也许需要从大数据中寻找支持。

5. 学习规律的发现。对怎样学，我们知道得很少，脑科学的研究刚刚展开，对认知规律、成长规律、智慧生成规律我们知道得很少，所以教育大数据能够帮到这些研究人员。

大数据的应用也许还有其他方面，到实用还有一个艰难的过程。下面有一些成功的例子。

第一，教育大数据为教育治理的现代化提供支撑。例如，上海市电化教学馆义务教育入学报名系统，在政府教育资源配置和宏观调控、科学决策及对学校、其他事业单位、机构的绩效评估，包括对高等学校提供遴选评鉴、提高教育经费使用的边际效益、弘扬先进的教育理念等方面都可以提供教育大数据。有一篇报道中提出：现在的教育经费投入制度是否是最优化的，教育经费投入的伦理学是否真的做到了公平？我们把钱投入一个机构，并不会论证这样做有什么价值，或者说有没有一个更加高效的测算模型。大数据无疑会帮助政府提高决策的精准度和科学性。

第二，大数据可以改善学校服务。如图4.1所示，每所学校都有平行班，图中浅颜色的是班平均，深颜色的是校平均，某班级的三角函数明显比全校差，我们可以推测该教师在教授函数综合方面可能存在问题，对教育管理提供了一个支持。

图4.1　大数据为全校学生数学学习成绩进行对比

第三，教育大数据可以改进学习。在传统学习过程中，不断地进行各种考试，考试的目标都是过去学生的数据，这个数据往往是单向的，通过学生做错的过程了解学生的表现，也就是从学校和教师方指向学生的家长方，评价逆向反馈。例如，通过做对的情况反映教师的教学是否有益，对比过去的单向反馈，教师获取信息，对改进教师的教学或作为很有限。现在大数据技术通过突破学习过程中数据的采集和分析的瓶颈，有可能实现一种双向反馈的学习。我们不仅能纠正学生的错误并能从教学和学生行为数据中分析错误的原因，从而从双向意义上改进教与学的过程。(www.xing528.com)

基于大数据的学习分析学，现已成为独立的科学，甚至成为和教育学并列的学科，很多人知道教育学是一级学科，学习分析学是其中的一个分支，现在很多师范大学已经把学习分析学作为与教育学并列的学科，对教育从学说走向科学提供了支撑。

此外，基于大数据的学习分析，能够支持面向每个人的个性化学习。个性化学习是优质教育，但成本很高，所以很多学校无法支持这一过程。能不能形成有利于个体进行个性化学习，这是由成本决定的。是不是“一对一”的教学是最好的，也许未必，可能需要在微观的文化背景下才是最好。但是，对学生来说，在什么情境下是最好的，在什么情况下需要得到独特的服务，这方面过去没有教育大数据支持，做得很有限，现在也许在技术背景下提供了可能。如图4.2所示，不同的人在达到不同的目的需要的支撑或走过的路径都是不一样的，在什么情境下、在什么时机下、在什么路径下提供独特的帮助，大数据是一个核心的支持依据。

图4.2　系统按需要定制个性化服务

过去教师无法照顾到每位学生，所以一个班上经常有几位学生不成功，教师会理所当然、问心无愧地说：“这是正常的。”如今技术的发展排除了这种借口。数据对个性化学习的支持，特别是产品设计方面，基于大数据的自适应学习技术不仅可以通过双回路的反馈对教学重新设计，还可以根据个人的学习能力和偏好，进行定制和推送学习内容和任务，从而引领教育进入一个高度个性化的时代。

中国教育的核心问题，一是公平均衡，二是个性和高效，三是灵活和创造，其中个性方面的不足是我国整体教育质量的一个巨大瓶颈。针对这些问题，在传统应试教育改革方面，大数据率先提供了帮助。例如，很多学校为了提高学生的考试分数，对学生进行大数据甄别。这对学生来说是非常需要的，我们不能以官方的理由忽视学生对高考分数的追求。通过大数据，一所学校的班主任或校长可以在早期对相关学生进行预警，从而帮助学生提高考试成绩。除此之外，还可以有其他学生行为干预。过去的预警往往是事后，当人犯了错误后进行惩罚或者补救性措施。当一个人发生严重错误时，再进行惩罚实际上是不人道的，最好的方法是防患于未然，事先进行行为干预。怎样能够做到早期预警，是我们行为干预需要采集大数据的原因。

在大城市中往往集中了非常优秀的教师，但在西部地区、边缘地区、农村地区，优秀教师非常缺乏。对这些地区提供支持，如果动员优秀教师到农村去、边疆去，在实际操作中可能有困难，而自适应学习可能是一个更好的解决方案。大数据创造的自适应学习整合现代技术及教育学、心理学的综合应用，可以提高教育公平，提供一定的支撑。除此之外，对教育前沿规律的发现，我们想当然地认为教育就应该是那样，其实未必。例如，肺活量和数学成绩之间的关系，很多人认为喜欢运动的孩子肺活量大，并认为喜欢运动的人往往头脑简单、四肢发达，事实完全不是这样的。如图4.3所示，经过大数据分析我们发现肺活量对成绩影响非常大，特别是数学学科，相关性极强，肺活量大的学生数学成绩明显优于其他学生。这为教育工作者改进教学、寻找教育规律提供了支撑。

图4.3　教育数据量化：身体素质与成绩相关性

还有教室座位和成绩之间的关联性分析。一般人认为座位与成绩之间的关联性是模糊的，通过大数据就会找到其关联性。研究发现，第三排学生的成绩普遍比较好，有人认为这没有必然性。也许一个班没有关联性，但找一万个班进行分析，就会找到关联性。

除此之外，还可对学校整体评估教学动态及教学成效。当我们对练习进行分类汇总，可以率先找到哪些学生是所谓的“学神”，哪些是所谓的“学渣”，这样可以对教学行为进行追踪和反馈。

了解学生对某一知识点掌握得好与不好，在教育中是一种常态化应用，在未来可以对每位学生进行数字画像。我们把教师给学生的评语进行大数据分析，可以发现一个学校的评语基本可以概括为四至五种学习者模型：某学生爱学习，爱劳动，成绩好；某学生爱劳动，但成绩不好……你会发现，教师只是把几个变量进行重组，所以写出来的评语几乎千人一面，且非常单调。世界上没有两片完全相同的树叶，每个人都是不一样的，怎样才能把人的不一样描述出来？所以需要大数据为每位学生进行数字画像，除了学科成绩之外的数字画像，要看到其他方面的成长，如运动、情商、社会交往、情绪表达等。数字画像对一个人的生涯设计，包括因材施教和高校的持续培养，以及就业都有重要的价值，这些在拥有大数据之前是很难做到的。以前大学生就业时，用人单位都看档案，而档案是经过加工后的信息，原始的未加工过的数据才能真实地反映一个人。以上种种情况，随着大数据技术的普遍运用而得以解决。