迎接大数据给教育带来的挑战

随着技术的发展，过去几年间，我们所创造出的数据已超过人类历史以往的数据总量，而且还在不断的变化。这些庞大的数据也被有意无意地存储下来。科学家们发现，数据的丰富及易得改变了我们认识世界的方式。大数据的领先研究者，英国学者维克托·迈尔-舍恩伯格在其著作《大数据时代：生活、工作、思维的大变革》中提出三大思维变革：（1）全数据优于随机样本；（2）混杂性替代精确性；（3）相关性重于因果关系。在BBC纪录片《地平线——大数据时代》中呈现了这样一个真实的案例。它能帮助我们理解大数据带来的思维变革是如何实现的。

在美国洛杉矶，一项非凡的实验正在进行：警方想在犯罪发生前就做出预测。人类学家杰夫·布兰丁汉姆在洛杉矶80多年来的1300万宗犯罪记录中发现了重复犯罪的行为模式，并以此建立计算机算法模型预测犯罪高发生的时间和地点。洛杉矶的警察依据这项预测模型在可能发生案件的地区巡逻，实验一段时间后，促使财产犯罪率下降12%，入室盗窃犯罪率下降26%。该模型还在持续更新，通过加入新的犯罪数据，以求达到更加精准的预测效果。预警系统将会在整个洛杉矶市启用，并在美国超过150个城市试用。

其实，通过历史犯罪数据预测犯罪活动，仅是通过数据挖掘改变世界的一个例子。而类似的分析方法实际上可用于任何数据组——浩渺繁复的宇宙，复杂多变的人类行为，甚至是我们每天自己创造的数据。在这些复杂的表象下面寻找规律，并对未来作出预测，数据挖掘分析正在改变着我们的生活方式。

在伦敦金融城，一位科学家世家出生的商人大卫·哈丁认为数据应用的潜力是不可限量的，并相信自己找到了运用数学赚入万贯钱财的秘诀。在南非，一位天文学家准备通过聆听每一颗恒星的信号，来为整个宇宙编制星表，发现宇宙演变的规律。

全球最大的在线影院Netflix在美国有2700万订阅用户，在全世界则有3300万，现在它比谁都清楚大家喜欢看什么样的电影和电视。这得益于Netflix对其用户在线活动的跟踪和记录。通过对这些庞大的数据的挖掘和分析，Netflix能获取到用户的观影特点，预测其可能喜欢的影片，并适时地推荐给用户。对数据的利用不但能让Netflix为用户提供更贴心的个性化服务，还能拍摄出观众喜欢的影视作品。

现在，大数据的影响已经深入到我们生活的方方面面，从医疗业到广告业，到高级金融界，乃至教育行业。在复杂的表象下面寻找规律，并对未来作出预测，数据挖掘分析正在改变着我们的生活方式。可以预见，大数据即将成为21世纪最强大的一种力量。

教育大数据愿景

大数据将如何改变教育呢？2012年9月，美国布鲁金斯学会（Brookings Institution）技术创新中心主任Darrell M. West在《有关大数据与教育的研究报告》（Big Data for Education： Data Mining， Data Analytics， and Web Dashboards ）中描绘出了这样一个未来的学习场景。

12岁的苏珊正在进行一门旨在提高她的阅读技能的课程。她一直在阅读一些短篇小说，每隔一周，老师都会给她和她的同学进行纸笔测试，测量他们词汇和阅读理解能力。几天后，苏珊的老师批改完试卷，并返回成绩。测验表明，她的词汇掌握得不错，但在关键概念上还需加强。

在未来，她的弟弟理查德是通过电脑软件程序学习阅读。他每阅读一个故事，计算机都会收集他学习过程的相关数据。每个任务后，会弹出一个小测验在他的屏幕上，是有关词汇和阅读理解的问题。理查德每回答一个问题，他都将得到即时反馈，显示他的答案是否正确。对于困难的题目，电脑会推送给他更详细的解释词语和概念的网站链接。他的综合表现情况会可视化地显示在一个仪表盘上，包括作业和测试的正确率，已经掌握的概念列表，以及学习表现与同学乃至全国的学生的比较情况等。

在一个学习环节结束时，他的老师会收到一封自动邮件，其中显示了理查德和班上其他学生的个人表现以及全班情况的汇总，包括阅读时间，词汇知识，阅读理解，补充电子资源的使用情况等。教师根据汇总信息，能很快发现需要额外帮助的学生，学习时间不够的学生，以及全班大部分学生都有困难的内容。接下来，教师可能会通过集中讲授、个别辅导，人为干预学习系统以适合学生的学习步调，或为没掌握的技能增加额外学习材料。

对于学校管理者，通过数据分析可视化仪表盘能查看年级、全校乃至整个学区的学生的学习情况。如果发现低效的课堂和学习表现不佳的学生群体（根据性别，收入情况等划分），管理者会依据学习分析结果决定是否给予特定的干预。对于更大范围的异常表现，管理者会依据学习分析数据调整管理策略，以适应教师更好的教和学生更好的学。

2012年10月，美国教育部了题为《通过教育数据挖掘和学习分析来提高教和学》（Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics）的教育大数据的报告，为教育中利用大数据指明了方向。报告认为：大数据无处不在，教育中也是如此；强调学生学习系统需要更好的模型来预测学生的学习行为和进步。该报告主张通过教育数据挖掘、学习分析和可视化数据分析来改进自适应学习系统，实现个性化学习。在教育中有两个特定的区域会用到大数据：教育数据挖掘和学习分析。教育数据挖掘是对学习行为和过程进行量化、分析和建模；而学习分析是利用已有的模型来认识理解新的学习行为和过程。

在线学习、智能辅导系统、虚拟实验室、仿真教学和学习管理系统的研究人员和开发人员正在探索如何更好地理解和使用教育数据挖掘和学习分析，以提高教学和学习。业界也达成共识，大数据才是教育领域真正的革命性创新。

大数据带来的挑战

虽然趋势已经明朗，但是，在学校层面仍然对教学实践中关于学生数据的收集和利用感到茫然。相关调查研究表明，K12学校迎接大数据还面临下面一些挑战。

挑战一：“一对一数字化学习”还未普及

“一对一数字化学习”就是学生人手一台智能学习终端，能随时接入网络进行学习，包括：获取学习资源，与教师或同伴交流，学习成果，参加在线评测等。

在“一对一数字化学习”环境下，学生每天有越来越多的时间与智能终端进行交互，用于学习和生活。这样才有大量的学生相关数据被收集起来，用于数据挖掘和分析。因此，“一对一数字化学习”终端的普及是实现教育大数据的基础。

但是根据皮尤研究中心的互联网与美国人生活项目在2012年的调查结果显示，在美国K-12学校，学生人手一台学习终端的达成率不及30%。而在国内，面临的困难更大。新的教育规划纲要也仅提出把生机比（学生和电脑的比例）提升到8：1以上，并未明确提出实现生机比1：1的目标。即便在国内的发达地区，也只是个别学校实现了人手一台学习终端。

2011年，BYOD的理念在美国被引入到K-12学校的“一对一数字化学习”项目中。BYOD是Bring Your Own Device的缩写。意思就是如果学校没法提供给学生人手一台学习终端，那么可以通过让学生把自己的设备带到学校作为数字化学习的工具。学校仅资助少数没有自己设备的贫困学生。这个理念一经提出，很快得到许多学校的认同。

BYOD解决了学生终端设备的问题，学校就能把有限的资金投入到无线网络架设、增加带宽以及解决BYOD带来的安全性等方面。

挑战二：学校使用数据还需培训

数据驱动决策已经演变成教育流行语。教师可以使用数据，以提高他们的教学实践，并能改善学生的学习成果。但是要做到这一点却不那么容易。

2012年，美国学校管理者协会（AASA）携手学校网络联合会（COSN），以及全球性的信息技术研究和咨询公司Gartner一起实施了一个项目，叫做“缩小鸿沟：将数据转化为行动”（Closing the Gap：Turning Data into Action）。他们认为教师利用数据，最好的开始是学生信息系统（LMS）和学习管理系统（SIS）。毕竟，这些都是学校最经常使用的两个数据源。的确，我们从这些系统收集了很多关于孩子们的数据，如果不使用它，它就只是一堆数字。

但是，Gartner公司调查了716个学区、学校和技术领导，以及1010名教师。其研究发现，教师们很少使用到系统的这一功能。而当学区选择SIS和LMS应用程序，他们的领导不会强调把课堂上使用数据作为选择和实施过程中的一部分。

缺乏使用的部分原因是专业发展的问题：70%的受访教师评价他们的SIS 系统专业培训内容为“弱”。此外，仅有23%的教师说，他们利用SIS的数据帮助他们计划课堂活动，超过70%的教师不相信SIS能帮助他们解决自己课堂上重要的问题。

教师使用LMS系统的情况稍好。然而，即使这样，也只有一半的教师反映他们利用了LMS系统中的数据来提高学生的成绩。

问题的部分原因是，SIS和LMS的相关活动目前在各学区被认为是IT部门的事情。因此，学区不利用LMS和SIS在课堂上也就不足为奇了。况且，以前教师们并不拥有这些信息，即便现在把信息开放给教师们使用以帮助学生学习，他们也不能立刻就上手办到。

在对一个非常有效地在课堂上使用SIS和LMS系统的学区进行了研究后，发现他们对于实践最好的建议是：改变管理模式。从教育而非技术的角度评估、选择和部署SIS和LMS项目，从各部门选出代表组成跨职能的团队，持续培训用户直到能熟练使用应用程序来解决问题。

挑战三：各种学生数据格式有待统一

如果一个老师想了解一个特定的学生是否偏离了学习标准。它往往会涉及查询多个数据流：一个学生信息系统（SIS），以获得基本的入学数据；另一个是过去的成绩数据，这来自于上级教育部门维护的报告系统；而最近的作业和成绩则来自学习管理系统（LMS）。每个系统都可能有各自的密码，更不用提它各自的数据格式，用电子表格软件手工编译整合这些数据到同一个图表，无疑意味着巨大的工作量。

显然，除了要求教师使用数据外，学校还面临着另一个严峻挑战——数据孤岛。许多学校目前使用的多个信息管理平台和软件应用工具产生了大量不同类型的数据，并且还处于分散状态。也就是说，大量的学生数据被锁在各个数据孤岛上，无法进行有效的整合和利用。因此，要实现教育大数据，还得把各种系统连接起来，实现互相通信和数据的互操作。

公益项目inBloom的前身是2011年成立的“共享学习协作”（Shared Learning Collaborative）项目，由比尔和梅琳达·盖茨基金会和卡内基公司资助。其搭建了一个基础的与数据源无关的开放源代码的数据集成平台。这个数据平台通过开放的数据接口，可以让各种平台和软件互相通信，实现数据的互操作。inBloom为K-12学校提供了一个存储各种学生数据的数据仓库云服务，允许美国各州和学区整合已有的不同来源和格式的学生数据，使数据的集成和调用更方便。

另外，inBloom项目还解决了身份认证管理和数据报告的问题，这是长期困扰教师并阻止他们获得和有效地使用学生数据的最大障碍。总体上说，inBloom已经初步形成了一套功能完善的数据基础架构，包括为多机构提供独立和安全的数据储存共享服务，捕捉多种应用数据的应用程序编程接口（API）， 解决多密码和麻烦的用户身份目录，以及数据可视化显示的仪表盘。

2013年5月，美国国家教育技术董事协会了名为Transforming Data to Information in Service of Learning的关于大数据技术规范的文档。主要定义了数据的标准和框架，涉及数据的互操作性和共享等技术和协议。这一文献的彻底扫清了未来教育大数据发展面临的数据孤岛的障碍，对K12大数据技术和产品开发有重要的指导意义。

大数据先行者

虽然教育大数据应用还面临诸多挑战，但是大数据给教育发展和创新带来的价值，对于学校来说，就像一座未开掘的金矿。一些地区和学校积极探索，成为了教育大数据的第一批掘金者。

大数据识别高危学生

格威内特县公立学校（GCPS）是美国佐治亚州的亚特兰大地区最大的学区，下属133所教育机构，有超过162，000名学生。为了了解各学校办学水平，提高学生学习成绩，该学区与IBM合作，采用其预测建模和分析软件的集成解决方案——eCLASS来收集、整合和分析学生的数据，能够快速识别需要帮助的学生，给予及时的干预，并持续跟踪学生进步。具体实施包括以下几步。

集成来自多个来源的数据来帮助识别学生的表现和成就。

为高危学生建立学习预警系统。

支持协作学习社区，帮助教师、学生、家长和专家一起工作，确定并实施教学干预计划。

数据进行汇总和分析，以确定干预方案效果。

GCPS的负责人科林·马丁说，过去我们总是基于最终测试成绩评价学生的表现。现在可以在过程中了解学生的情况，而不必等到年终的评测结果。这样能及时发现有问题的学生，并给予实时的帮助，避免学生因学习失败而辍学。

大数据实现自适应学习

美国Carpe Diem学校是免费的在线公立学校系统。目前它正使用大数据技术来驱动基于计算机的自适应教学。Carpe Diem有两所试点学校，分别在亚利桑那州尤马和印第安纳州波利斯。

现在的学生几乎整天在学校使用计算设备，从学生与计算设备进行交互的结果和网页访问流量数据，可以绘制每个学生行为的详细档案，也包括全体学生的学习行为。这就是大数据技术，它能结合学生学业表现和学习行为，不但使教师，也让计算机系统更全面地了解学生，并帮助或替代教师作出判断，且自动对学生的学习行为作出响应。这种基于大数据的自适应学习技术是下一波K-12的创新。

据报道，Carpe Diem在亚利桑那州的试点学校取得了巨大的成功。这所学校把自适应技术支持学习、辅导、小组项目和课堂教学相结合，为每位学生提供高度个性化的教育。学校有7个年级240名学生，只配备了1名数学老师和1名助教，学生的数学成绩却非常好。由于已经成功地用技术取代了教师的大部分劳动，因此其教育成本低得惊人，每名学生每年仅5597美元，远低于得克萨斯州为每名学生提供的约7000～7500元/每年的成本。Carpe Diem学校被“商业周刊”和“美国新闻与世界报道”评为美国最好的高中。

大数据关注学生运动健康

卢湾第一中心小学是上海市黄浦区的一所信息化示范学校。在坚持锻炼增强学生体质的同时，为了保障学生安全，该校正在尝试利用学生运动数据实现体育课程的差别化教学。

卢湾第一中心小学老师们研发了“云手表”。云手表和一般的手表外观上并无太大差别，它除了可以显示时间外，还可以通过无线连接的方式实现无线签到、实时测量学生心跳并上传到网络平台的功能。如果每个学生在上体育课时都佩戴这样的手表，老师可以通过网络随时掌握每一个学生的心跳、运动量等数据。这不但可以及时预防运动猝死一类的悲剧发生，还可以作为差别化教学的数据依据。

在2013上海教育博览会教育信息化展会上，“云手表”的功能引发了参观者的巨大兴趣，特别是家长们给予了很高的关注。

据卢湾第一中心小学校长吴蓉瑾介绍，卢湾第一中心小学在“云课堂”体育课堂教学实践中，根据“每天一小时校园体育活动”的要求，始终积极探索体育课堂教学与信息技术的有效结合。根据体育学科的特点，教师们初步设想了“云手表”这一检测工具，通过应用于体育课堂教学、晨练、课外活动等，对学生的体育锻炼情况进行实时监测、真实记录，达到即时反馈、及时矫正，甚至可以为学生提供一对一的个别辅导，开出“个人运动处方”。

“通过试用，我们发现这款‘云手表’激发出了学生们最大的运动兴趣，由于数据采集的便捷性，使得孩子们的运动状态能够立刻呈现‘可视化’的状态，学生能够自我监测，互相之间也能进行比较和竞争。”吴蓉瑾希望，“云手表”能够让学生轻松成为“运动达人”。

大数据实现个性化学习

School of One（SO1）是纽约市教育部门的一项初中数学教改项目。它的特点是以学生为中心，采用大数据分析和适应性技术搭建个性化混合式学习环境，满足每个学生的个性化学习需求。

大数据技术不但能获取学习者的行为，还能预测学习者的行为和结果。因此基于大数据技术的学习算法能针对每个学生的家庭背景、兴趣爱好、个性特点，以及知识基础、学习能力、学习方式和学习需求等，并结合课程标准、数字化学习资源类型，以及教师的授课特点等，为学生绘制独特的学习路径图，推荐合适的课程材料和教师，安排最佳的时间表。因此，SO1的学习分析算法，有助于确保每个学生在其教育的有效点进行学习。通过收集数据，它能更多地了解学生和更好地预测进度，以更有效地适合每个学生。

每一天，SO1的学习算法需要分析的数据包括：学生的学习历史和背景，前一天的评估数据，以及可用的内容、教室、人员和技术；确定哪些课时内容在统计学上最有效地适合哪种类型的学生。然后，它会为每个学生和每个老师生成一个独特的每日时间表；且每个时间表和教学计划都是自动调整以适应每个学生的学习步伐、能力和最成功的学习方式。比如引导学生参加包括大组教学、小组教学、小组合作、虚拟教学、自主学习、实时远程辅导等学习。

SO1项目中，教师可以修改系统生成的时间表，且教师本身也是计划的一部分参与到学生学习环境中。因此，这里技术并没有完全替代教师，而是在线和面对面，技术和教师的结合。

2011年，美国教育发展中心的儿童和技术中心对该项目2010年的实施进行了独立评估，结果显示：参与学生的数学成绩显著跑赢非参与的学生。在2009年《时代》杂志评选的50项最佳发明中，该项目是唯一的一项教育创新。

在大数据时代，教育正在除旧迎新，开创新的局面。从研究者到开发者，从管理者到一线教师都将面对新的挑战。教育变革的“大时代”，谁掌握了教育大数据，谁就把握了教育的未来，我们应该遵循教育规律，顺应技术进步潮流，挖掘教育的金矿。

本文是重庆市教育科学规划课题之教育技术专项重点课题《新课程背景下高中“一对一”数字化学习研究》（课题批准号：2011-JS-006）的研究成果之一。

（作者单位：重庆聚奎中学）