大数据时代高等医学教育的启示

罗亚玮，陈 方，任学军，高阅春

（首都医科大学附属北京安贞医院心内科，北京100029）

大数据时代高等医学教育的启示

罗亚玮，陈 方，任学军，高阅春

（首都医科大学附属北京安贞医院心内科，北京100029）

大数据时代已经悄然而至，大数据所代表的数据4V特征给各行各业都带了巨大的挑战和机遇。大数据对医疗系统的影响，包括对高等医学教育的影响也逐渐突兀起来。以大数据为指导的教学方式转变，僵硬的“教化式”医学教育模式正逐渐向“支持式”医学教育模式大举推进；医学生个人专属的“私人订制教育”成为可能；翻转课堂和大型开放式网络课程的兴起给医学在线教育带来新的优化。大数据的新形势下，高等医学教育如何适应并产生变革，如何通过大数据技术实现“以学生为本”的教育理念，真正读懂学生、满足学生、指导学生，是一项新的研究课题。

大数据；医疗卫生；医学教育

随着互联网技术的兴起、云技术和移动终端系统的进步、以云存储为代表的数据存储方式的变革，大数据时代已经悄然而至。大数据对医疗系统的影响，包括对高等医学教育的影响也逐渐突兀起来。本文旨在探讨大数据的新形势下，高等医学教育如何适应并产生变革，如何通过大数据技术实现“以学生为本”的教育理念，真正读懂学生、满足学生、指导学生。

一、大数据的定义

国际数据公司（IDC）给大数据定义了4V特征：数据规模的海量化（volume）、数据体系的复杂化动态化（velocity）、数据形式和来源的多样化（variety）、数据应用价值的巨大化（vallue）。人类信息存储量正在以世界经济增长量4倍的速度疯狂增长，截至2013年，全世界数据存储量达到1.2ZB，其中98%都是数字数据。[1]实际上，大数据不仅是经济价值的来源，也潜在着大量的科学价值、社会价值，使经济学、社会学、政治学、各类科学学科均发生了巨大的变化。[2]谷歌公司在2009年利用大数据成功预测冬季流感的传播趋势，并发表在《自然》杂志上。[3]美国Etropolitan儿科重症病房利用大数据优化了临床决策支持系统，使病房药品不良反应事件2月内减少了40%。2012年美国教育部发表了《通过教育数据挖掘和学习分析促进教与学》，详细介绍了美国国内大数据在教育领域的应用状况，以自适应学习系统中大数据应用为例说明了大数据教育应用优势和面临的挑战。[4]大数据在教育领域的具体应用主要在学习分析学、教育数据挖掘以及教育技术领域研究方法的更新变革。[5]

二、大数据对高等医学教育的影响

1.以大数据为指导的教学方式转变，“支持式”医学教育模式正在建立

随着普及互联网，开放网络资源，高校学生的学习被动性减弱，而主动性加强，医学院、医学教师、医学生在学习中都需要重新定位。僵硬的“教化式”医学教育模式正逐渐向“支持式”医学教育模式大举推进。随着数据能够越来越全面和真实地反映和呈现事物的特性和发展状况及规律，相对于完全根据个人经验和直觉作出的决策而言，基于数据的决策一般更为客观“科学”有效和合理。

医学生和老师在真实世界的活动得到前所未有的细致记录，使得高校教育的定量分析成为可能，大数据将驱动医学教育的决策方向，为医学教育提供新的改革依据。医学院校的教师仅凭借个人积累的工作经验已经不能满足新型教学方式的需要，说教式教学方法必然为体验式教学方法所替代。大数据使精细、有的放矢的学生数据挖掘整合成为可能，通过“去经验”式梳理教学信息，改善教学过程中每个细节的处理，实现真正有效的医学高等教育。比如医学院校可以通过学生在学校学习网站上自然浏览的频次来调整开设课程科目的种类比例和课时；临床教师通过关注前沿的学科进展修改教案，并且根据学生对该内容的接受度进行量化判定并再修改，设计受到学生欢迎的教育场景以取得较好的教学效果；实验室的老师通过大量关注学生在实验中细节的分析，发现问题，改进实验教学的流程，提高实验效率；通过合并分析不同医学院校的数据进行差异性对比，实现优胜劣汰的教育资源整合。同时，大数据时代提供给医学生更为广阔自主的学习平台。医学生可以根据自己的学习兴趣、学习方向，有的放矢地选择不同类型课程，灵活安排学习内容和学习进度，变被动学习为主动学习，大幅提高学习效率。同时不管是教师还是医学生都不能简单盲目地依靠大数据提供的信息，还需要提高信息有效性的判定能力，这样才能找到真正有效的教学方式。

2.医学生个人专属的“私人订制教育”成为可能

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。通过先进观测技术和设备的支持，可以在学生、教师不自知的情况下，自然真实大量地观察收集他们任何日常生活和学习。一些对个体没有意义的微观表现和过程性的数据，可能成为十分有价值的信息。各种数据采集的方法和渠道是多种多样的，而且非固定性的非结构性的数据越来越受到重视。例如在测量医学生课堂学习情感态度时可以拍摄其面部表情视频，这是一种非结构化数据，通过面部识别软件识别计算学生个体特有的表情和肢体活动细节，以强度和频度作为指标推测学生的情感态度。[6]假设正在进行一堂心理教学课，某个医学生认真关注教师的命题，在什么时候翻开书，在听到什么方面内容会回应，主动交流和被动交流的时间和模式，课堂讨论时在什么样论题上逗留了多久等等。这些看似没有意义的数据可以发现学生的常态，通过深度挖掘，改造课堂的流程，把不同智力水平、不同接受知识能力、不同学习兴趣的学生分组细化后上课。甚至，通过大数据分析寻找单个医学生在某方面比较突出的优点或者弱点，更好地了解和预测医学生个人学习行为习惯、学习态度、学习期望目标，甚至根据这些信息推送适应学生个体感兴趣和能够适应的教学内容，真正实现医学教育的“私人定制”。相关教师的背景信息、教学态度、专业素质、方法、形式和效果等指标也应被综合分析挖掘细分。[7]这些自然真实数据的整合能够解答医学教学课堂过程，课下复习预习、教学中人人关系（师生关系或生生关系）等方法可能存在的问题，测定出量化的数据加以佐证并以期校正不良行为关系。这实质上是通过数据的归类与分析，细化不同医学专业授课的模式，并预测“出现某种行为的教师还很有可能出现另一种行为”，总结出专业教师个体的教学特点和提高方向，为实现“私人定制”医学教育提供必备条件。

3.医学在线教育的优化

在线教育包括在线教育平台、网校、应用软件等，根据不同的受众人群受众面细分满足各种需求，以其便捷灵活性、经济实用性吸引了越来越多人。大数据给在线教育新的启示和挑战，新型的智能学习平台应运而生，正在掀起教育自印刷时代以来最大的变革。与传统在线平台相比，大数据时代的在线学习平台面向全世界开放，旨在让最大量化的学习者进行线上学习、考试、评测，同时收集最大量化在线教学数据,从而研究世界各国学习者的行为模式，打造更好的在线教育平台体系。

2007年翻转课堂在美国诞生，“翻转课堂式教学模式”（FlippedClass Model），一种变革式的教与学方式，是指调整课堂内外的时间和学习顺序，教师在家中创建学习视频，学生在家中或者课外通过网络完成知识的初始学习，而课堂变成了师生和生生之间互动的场所，教师在课堂上使用相关的数据分析软件做针对性的人性化的学习指导。翻转课堂突破了教育的时空限制，将知识的吸收消化过程进行了优化，实现了学生个性化学习与教师针对性指导修正、线上与线下学习、课堂内与外学习的有效结合。美国新媒体联盟（New Media Consortium，简称NMC）《2014年高等教育地平线报告》翻转课堂被赫然列为令世人最为瞩目的高等教育技术的重要发展中列出的三个阶段六项技术之首。翻转课堂提供的网络教学视频一般短小精悍，视频长度在几分钟至十几分钟之间；教学视频的信息清晰明确，知识点的针对性很强；颠覆传统的教学流程，重新建构新的学习流程，使学生学习主动性更强，教师指导性更强；复习检测方便快捷。这种学习模块同样可以用于医学生和在职医护人员的学习中，实现花费更少、目标性更明确、专业性更强的教学目标。[8][9]比如临床医学生在家中或者课外学习老师准备的“胃溃疡的诊断”视频，先简单了解该疾病的定义与诊断脉络，并完成相应练习，然后在课堂上与教师交流，答疑解惑、梳理知识点，教师通过数据分析发现学生对该部分内容的难点掌握情况并做针对性的解答。这种学习方式大大提高学生学习的主观能动性。同时翻转课堂对于医学继续教育也必将起到重大影响。

2012年，Coursera、Udacity、edX三大课程提供商设立网络学习平台，在网上提供大规模免费课程，建立了世界范围内的大型开放式网络课程（Massive Open Online Courses，MOOC）的新型网络教育模式。MOOC一方面提供免费资源，另一方面实现了教学课程的全程参与，探索优质教学资源分享与应用的新途径。与传统的公开课模式比较，MOOC是一个学习——社会检验——认可学习的过程。所有的课程以小颗粒形式存在，内容更精华；选课的学生导向性更强，主动性更强；学习过程通过反复回看视频更夯实；学习效果评价性实现即时化、精确量化、互有化（师生互评）。同时，MOOC的出现真正体现了高等教育的国际化。这个学习平台超越了地域，学校国际化、课程国际化、教师国际化、学生国际化。中国的医疗教育行业正面对更加激烈的全球化竞争和挑战。目前医学高等教育相关的课程在先行的国际和国内MOOC提供的课程还只占到很小的比例。在线的医学课程最终要形成相对固定的体系，并且达到一定的深度，紧紧抓住医学生的学习需求，精益求精地打造优质的在线课程，使医学生在一种良性循环的学习环境中持续投入不断学习。这种以MOOC为实现方式的在线医学教育平台不仅针对高等院校在校的医学生，还面对着更广大的在职医务工作者。研究表明：繁忙的在职医生甚至可以接受每周4.5小时的医学相关专业知识MOOC学习课程。[10]

如何在医学教育领域开展MOOC课程，既使学生能够实实在在地增长了知识，又使MOOC的学习认证与现有的学位制度等价并衔接平衡，需要我们医学教育领域的各位领导者和教导者进行新的设计、开发和实施。一项多中心、注册、问卷研究显示：[11]大约五分之一的埃及医学生听说过MOOC课程，只有6.5%参加过这种学习；只有表现出坚强主动性的学生才能良好地完成学习，临床医院实习的学生比校内的学生更喜欢MOOC注册学习方式 （p＜0.05）。退出学习的主要原因是缺乏时间（77.2%）和网速太慢（53.7%）；而且学生对师生之间和生生之间的交流并不满意。我国目前尚属于启蒙阶段，医学教育系统迫切需要整合现有资源，MOOC带给医学教师和医学生的不仅是机遇更是挑战。

三、总结

传统教育已经受到大数据支持下的新兴教育模式的冲击，数据驱动决策已经成为教育界的流行语。大数据的新形势下，高等医学教育如何适应并产生变革，如何通过大数据技术实现“以学生为本”的教育理念，真正读懂学生、满足学生、指导学生，既是机遇也是挑战，这是一组新的研究课题。

[1]维克托·迈尔-舍恩伯格著，盛杨燕等译.大数据时代[M].杭州:浙江人民出版社,2013.

[2]Pentecost M J.Big data.JAm Coll Radiol,2015,12 (2):129.

[3]Kostkova P1,Fow ler D,W iseman S,Weinberg JR. Major infection eventsover 5 years:how ismedia coverage influencing online information needsof health care professionals and the public?JM ed Internet Res,2013,15(7): e107.

[4]徐鹏,王以宁,刘艳华,张海.大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志,2013(6).

[5]Darrell M.West.Big Data for Education:Data Mining,Data Analytics,and W eb Dashboards.Governance Studies at Brookings.Washington:Brookings Institution, 2012:1-10.

[6]Grafsgaard J,K Boyer＆JLester.Toward amachine learning framework forunderstandingaffective tutorialinteraction.In Proceeding of the 11th international conference on intelligent tutoring systems,2012:52-58.

[7]郝会兵，李春萍，刘峰.教学测评数据的对应聚类分析法研究[J].科技信息，2012(34):33.

[8]M ehta NB,Hull AL,Young JB,et al.Just imagine: new paradigms for medical education.Acad Med,2013,88 (10):1418-23.

[9]Schlairet MC,Green R,Benton M J.The flipped classroom:strategies for an undergraduate nursing course. Nurse Educ,2014 Nov-Dec,39(6):321-5.

[10]SubhiY,dresen K,Rolskov Bojsen S,e al.Massive open online courses are relevant for postgraduate medical training.Dan Med J,2014 Oct,61(10):A4923.

[11]Aboshady OA,Radwan AE,Eltaweel AR,et al. Perception and use ofmassive open online courses among medical students in a developing country:multicentre cross-sectional study.BM JOpen,2015 Jan 5(1):e006804.

（编辑：杨馥红）

R 4

A

1673-8454（2015）15-0033-03