教育大数据应用“获”与“惑”

杨光

自古中国便十分重视教育，将其视为民族生存的命脉。以往优秀教师能在教书、育人中做出一番成就，依靠的是丰富经验和多次实践，而这两点对于新教师望尘莫及，教育大数据的应用能为教师的教育教学工作提供参考，为学校的管理决策提供依据。大数据改变的不仅是教育的形式，而是改变了教育的基因。部分学者认为，教育大数据是指面向教育全过程、多种类型的全样本数据集合，主要由教学资源类数据、教育教学管理数据、教与学行为数据、教育教学评估数据四类数据组成。数据驱动教育创新、数据驱动教育变革已成为不可更改的趋势。正如华中师范大学教授吴砥所言，基于大数据的个性化教学、科学化评价、精细化管理、智能化决策、精准化科研等，将对促进教育公平、提高教育质量、培养创新人才具有不可估量的作用。

教育大数据应用之获

传统的教学模式映射了工业化时代的标准化、规模化的生产方式特征，以“教师、教材、课堂”为中心的“三中心”教学模式，注重学科知识体系的构建和教师的主导地位，强调课堂上知识的单向传授，成功解决了工业社会发展所需要的大规模知识型、技能型人才培养的问题，但很大程度上忽略了学习者的个性化需求。随着大数据在教育领域的应用，教学能够更有效地关注个体，真正实现因材施教，培养出符合信息化时代所需要的个性化、创新型人才。

数据诊断，可以帮助教师走出经验教学窠臼。宁波市鄞州区江东中心小学的体育课上，学生手腕上都会佩戴一枚运动手环。当学生们运动时，他们当前的心率、肺活量等数据会在电脑里实时更新。一节课下来，系统会分时段将运动密度、全班平均心率等数据同步分析完成。“有些体育老师之前可能不会注意，但数据会告诉他们：原先设计的准备环节强度比之后的正课环节还要高，或者准备活动的运动量还不够……根据这些数据，教师再调整课堂运动安排。”校长胡震珍说，“借助大数据等智慧教学手段，老师们的教学从以往主观经验判断走向以大数据为基础的实证，使老师更加关注学生，真正走向以学生为本。”

除了学生学习的行为可以被记录下来外，学生在学习资源上的数据也可以被精确记录下来，如点击资源的时间、停留多久、问题回答正确率、重复次数、参考阅读、回访率和其他资源信息，通过大数据可以定制个人学习报告，分析学习过程潜在的学习规律，还可以找到学生的学习特点、兴趣爱好和行为倾向，并一目了然教育状态信息。大数据技术使教育围绕学习者展开，使精准的个性化学习成为可能。

在义乌四中高三年级上的一节数学课上，课堂第一阶段，基于系统预设的讲评顺序，教师集中讲解了备课时标注的典型题目，优先解决班级测练中的共性问题;第二阶段，系统把学生答题情况与数据库智能匹配、自动推荐给每个学生不同的学习资源后，教师实时查看作答情况，反馈学生作答中出现的高频共性问题，并走到有疑惑的学生身边，进行个性化辅导;最后一个阶段，教师动态调整班级重难点，再次聚焦共性问题，结合高频错题的答题情况及时讲解，当堂巩固。一堂课结束后，学生各自的疑惑点都得到了有效解决，得分率也有了较大提升。每名学生的学习资源都是系统根据自身的易错点而量身打造的，可以避免“一刀切”式作业导致的重复“刷题”。

当前，在学校和教育机构中，教育管理者由于无法及时掌握教学与管理综合情况，难以对教育系统进行动态监管。随着大数据时代的到来，对教育大数据进行深入挖掘和分析，将数据分析的结果融入学校的日常管理与服务之中，是为师生提供精细化与智能化服务的基础。

今年9月，西安电子科技大学运用大数据计算，精准地将用餐补助直接发放到203名学生的饭卡中。学校运用大数据筛选，使扶贫餐补实现了精准发放。传统的筛选贫困生的办法存在一定缺陷，难以有效地筛选出真正需要帮助的学生。大数据则在无声无息间解决了这个长期存在的难题。通过大数据应用，学校对于贫困生有了新的界定：每月在学校用餐60次以上、每天吃饭花销低于平均值8元。通过以上数据，基本可以确定这200多名学生在饮食花销上比较拮据的事实，学校可以放心地、尽最大可能地覆盖真正需要帮助的学生，真正将好政策落到实处，保障贫困学生的生活质量。

负责人表示，之所以“悄悄”地补助，目的是让学生享受到国家政策的同时，减轻心理负担和压力。对于学校来说，大数据助学也表明了新时代教育工作的一些变化，为智慧校园建设提供了一个新思路。

除了驱动教育管理变革，大数据的应用使教育评价正从“经验主义”走向“数据主义”，从“宏观群体”评价走向“微观个体”评价，从“单一评价”走向“综合评价”。

教育大数据下教育评价的变化，不仅表现在评价思想，还包括评价方法，不仅包括对学生的评价，还包括对教学管理、评估质量等具体水平的评价。

教学评估不再仅仅是由考试成绩决定的，主观的、传统意义上的评价，而是由大量的数据感知得到，这为实现教学评价的客观公正提供了依据，促使教育评价走向多元化。

三步走好数据驱动教学之路

为了更好地提升教学质量，雄县第一初级中学决定与北京101智慧课堂合作，借力信息化，实现教育重构。雄县第一初级中学校长王瑛认为，要想利用大数据为教育、教学服好务要从三方面着手。

第一，真实全面的数据采集。数据是基础、也是核心。王瑛强调，只有采集了学生学习过程中常态化的海量数据，教师才能说“了解”每一位学生，才能看到学生发展进步的动态过程，进行客观理性的学情分析和学生学业水平评估。

数据采集使用“线上数据采集”和“线下数据采集”两种方式相结合，前者采集“电子数据”，后者采集“纸质数据”。

第二，精准科学的数据分析。一方面，常规的学生考试成绩统计已远远不能满足需求。另一方面，常态化的学生学习、考试数据是海量的、零碎的，需要专业人员根据实际需要建立数学模型，再由软件开发人员应用数学统计、机器学习、数据挖掘等手段，进行精准科学的数据分析，生成对学生学习、教师教学、校长决策有价值的信息。王瑛表示，学习数据分析应该包括不同层级。对于学校管理者来说，需要全面监控学校的教学现状，适时调整学校的教學管理;对于教师来说，需要精准分析每一位学生的学习数据并进行学情追踪，找准课堂教学的起点、重点和每一位学生的薄弱点，开展精准教学;对于学生来说，需要精准分析学习现状，提出个性化建议。

第三，精准高效的教学活动。王瑛提到，可以从高效备课、针对性提问、个性化的补偿教学三方面开展精准高效的教学活动。

高效备课

“教学的起点至关重要。起点过低、过高都会影响到整节课的教学效果。以往主要靠教师的个人经验，基于大数据的精准分析，使得教学起点的选择更加科学。”王瑛说，“以新授课为例，通过数据分析系统，对学生前一节课（章节）的课后作业完成情况的精准分析，教师在备课前就已经对学生的学情有了初步了解，可以精准备课。再通过101智慧课堂的课前预习反馈、基础测试等环节的在线数据分析，教学的起点选择就会非常精准。”

针对性提问

什么时候互动、提什么问题、让哪位学生回答等，都会对课堂的教学效果产生一些影响。“比如复习课，可以借助数据分析系统和101智慧课堂教学平台里存储的一个阶段、单元或者章节的学生学习数据和分析报告，教师在完全了解每一个知识点的掌握情况、难点或者学生错误率较高的题目、个别学困生的问题所在等信息后，师生互动、课堂提问就能做到有的放矢。”王瑛举例。

个性化的补偿教学

学生的差异性是客观存在的。对于学习能力弱的学生，课后需要个性化的辅导答疑，对于学习能力强的学生，课后需要个性化的激励提升。王瑛总结“借助数据信息，教师很容易掌握每一位学生的学习情况，主动开展一些补偿性教学，包括录制一些知识点或者题目的讲解微视频，推送给相关学生，指导他们自主学习，并及时进行答疑。”

解惑教育大数据应用

华中科技大学教授刘三女牙指出，教育大数据应用面临六方面的挑战：一是教育大数据的定义、内涵和边界尚不明确。二是教育情境的多样化使得建构数据化认知、提供个性化学习服务和构筑新的学习方式任重道远。三是教育大数据带来的伦理道德问题日益凸显。四是教育大数据的科学研究方法远未成熟。五是教育大数据服务运营模式的缺失，包括教育数据的采集表征、存储管理、传输交换、分析应用整个服务链的构建。六是教育大数据应用在标准、技术、产品和人才四个层面都存在瓶颈。

北德克萨斯大学教授Michael Spector将大数据和学习分析技术在对教育产生显著影响之前需要解决的问题归结为四个方面：一是可信度，即分析哪些数据、采用哪些方法分析合适;二是隐私性，即如何在保证不侵犯个人数据隐私的同时合理利用数据分析的结果;三是定制化，即如何确定数据分析结论适用的具体情境和问题;四是解释力，即能否对不同来源数据分析的结论差异做出合理的解释。

尽管面临种种疑惑，但是教育大数据对重塑教育生态起到的作用毋庸置疑。电子科技大学教育大数据研究所常务副所长聂敏认为：“我们国家目前正走在教育信息化到现代化的进程中，大数据其实是这个过渡阶段的一种黏合剂，是促进教育现代化的一种催化剂，它既推动了教育信息化进程的加快以及过程中的规范和标准，同时它也展望了教育现代化的一些具体的意识形态与教育教学手段。教育大数据的发展趋势从技术上来讲，毫无疑问是日新月异、不断更新迭代的，将来会采用更多更复杂甚至关联度更高的一些算法和理论思想。”

聂敏表示，未来大数据将从理念方面给教育带来四个重大变化，一是从后置性的应急管理到前置性的预测预警。“以学生的心理问题为例，通过最新的研究发现，零零后的心理风险是零零后以前学生心理风险的近三倍以上，大数据能够通过对学生行为的分析之后提前感知到异常，让相关的学生管理部门进行提前的引导，进而防止一些意外事件的发生。”

二是实现从定性化到定量化的转变。以前教师对于学生学习成绩、综合素质等各个维度的刻画更多的是凭借一些经验性的判断，或简单地通过成绩的数字来进行判断。聂敏强调：“这种刻画是片面的，它并不能够全面反映或者准确地反映学生状态，比如说学生的成绩实际上只是一个结果，其实中间会涉及很多過程，对于过程性的这种管控，我们可以采用数据化定量化的方式去做，进而能够实时地感知到学生的成绩的变化。”

三是从离线分析到在线分析。大学里面基本上每个学期会做学生成绩的统计，但其实这只是通过对学习结果的考证，去判断未来应该怎样引导学生。聂敏指出：“实际上学生学习成绩波动的这种状态与其在自习、借阅、生活规律这些日常行为都是息息相关的，我们把这些数据实时地接入对成绩进行预测，从而将传统的离线分析变成在线分析。”

四是从传统的规模性教育到个性化教育。“学校能够实现对学生成绩的预测，对心理异常的情况进行感知和预测预警，进而对学生可能出现的问题进行引导和管理。”聂敏总结道。

教育一定会走向数据驱动，并最终实现大数据驱动，但最佳路径还需进一步探索。可以明确的是让大数据服务于教育系统的设计与改进，帮助教师服务于学生的成长，才是教育大数据存在的意义和永恒追求。