大数据时代高等教育改革挑战探索

来源：河南科技大学网络信息中心 作者：王辉 张各各 曾波 发表于：2015.09.03  1700浏览

一、引言

随着以物联网技术为基础的数据收集技术兴起和云计算技术的发展，数据每天以惊人的速度增长，使得海量甚至天量数据的处理成为可能，最终促使大数据时代的到来，整个学术界、工业界和政府都开始关注大数据问题，其中一个重要的应用方向就是教育大数据。所谓教育大数据就是在学校数据中心和课程管理系统中选取有价值的数据，经过数据相关性分析，找到学生各种行为之间的内在联系，促使学校、教师及时作出恰当的教学调整决策。通过这种分析，能够全方位地检测、考察学生的学习结果，及时修改教学、学习策略，最终实现最优的学习效果。

二、大数据对于教育行业的影响

下面从高校不同角色探讨大数据分析对教育行业的变革：

1、学习方式的改变

原来的学习方式主要是依靠学校和父母的面对面传授，知识内容有限。在大规模在线课程环境下，学生可以通过电脑、平板和移动端访问世界优秀大学的课程资源，或者其它网络知识资源，知识本身的获取不再困难。但是仅仅通过搜索获得的知识一般是零散的，不成体系，因此在新环境下，需要学习者能够提出问题，从海量的网络资源中快速获取需要的知识，并最终解决实际问题。另外网上资源异常丰富、五花八门，任何人无法学会、学完所有的知识，并且也是没有意义的，因此在网络搜索过程中建立自己的知识体系，是新形势下学习者必须考虑的问题。

2、高校管理者的改变

目前对学生学习情况的评价，仅仅依靠学生成绩、就业率来衡量，没有真实反应学生的能力和品质，比如创新能力和思想道德水平。在大规模在线课程环境下，管理者能够获得更多关于学生的信息，比如课上互动情况、课程成绩、网上发表留言信息、社交网站信息等，从而可以从更多方面对学生学习进行综合评价，实现对学生精细化管理、个性化学习指导，以及实现对学生未来发展的预测。教育管理部门也出现根本性变化，不再简单的以就业率为衡量高校水平高低的标准，而是应该以更加综合、全面的标准为评判准则。

3、授课方式的改变

传统的教学属于填鸭式教学，老师只是单向的讲授，即便是课堂提问和布置作业，也难以让老师了解学生实际的理解程度，从而对课程做出教学调整。在大数据时代，教师不再是课堂的主体，而是以学生为主体：课下自主学习，课上主动式讨论；老师作为课题的组织者，引导学生进一步思考、解决实际问题以及建立自己的知识体系。另外授课不再是仅仅是抽象的讲述，尤其是对于工科学生，教师可以借助更多的模拟仿真实验可视化真实环境。在这种新形势下，就要求老师建立终身学习机制，拥有更加广博的知识和指导能力，能够对学生提出的问题进行引导，把传统的填鸭式课堂转变为交互式、有反馈的课堂模式。

三、国内外大数据教育数据现状分析

目前国内外大规模在线课程和数据中心纷纷已经在建，因此本文主要讨论基于学生和课程信息的学习分析（learning analysics）。学习分析使用数据和模型预测学生的表现和进步，并能够对这些表现采取行动。它首先从网上收集大量的关于学生的信息，把这些资料跟各种不同的学习理论结合起来，最终实现全面了解学生的学习情况。IBM 发布的 《Entitled Analytics for Achievement》 白皮书中，提出了八项基本的学习分析应用：

（1）监控学生个体的表现；

（2）根据学生的专业、学习状况等来对学生进行分类；

（3）基于早期干预的异常识别；

（4）预测学生学习的潜在最优方法；

（5）防止学生无谓地浪费学习时间的策略；

（6）确定和制定有效的教学方法；

（7）确定标准的评估技术；

（8）测试和评价课程。

在教育大数据领域，除了有处于领先地位的IBM，还有其它新兴企业，比如美国的“希维塔斯学习”（Civitas Learning），他们专门运用预测性分析、机器学习等技术来提高学生成绩，通过对海量教育资源的分析，能够分析出学生的分数、出勤率、辍学率和保留率等信息；加拿大“渴望学习”（Desire 2 Learn）面向高等教育的学生，推出了基于他们过去的学习成绩预测未来学习成绩，并改善其未来成绩的大数据服务项目；美国“梦盒学习”（Dream Box Learning）和“纽顿”（Knewton）公司已经发布了各自版本的利用大数据的适应性学习（adaptive learning）系统；此外，美国麦格劳· 希尔公司（McGraw-Hill）和英国培生集团等公司共同开发的“课程精灵”系统（CourseSmart），允许教授们通过让学生使用电子教科书来跟踪学生的学业进展，并向助教们显示学生的学习参与度和学习成绩等大量的数据信息，只是这一系统尚不具备预测的功能。

近几年，国内政府和科研机构也开始高度关注大数据基础理论研究及其应用工作。2012年国家发改委将数据分析软件列入开发和服务专项指南；2013年科技部将大数据分析列入973基础研究计划，同年国家自然基金指南提出将管理学部、信息学部和数理学部列入大数据分析行列。高校方面，中国科学院、复旦大学、北京航空航天大学等高校也相继成立了数据科学相关的研究机构。

四、主要实现手段

人类保存信息的主要方式包括文字、图像、语音和嗅觉信息（目前嗅觉信息理解、存储技术还不是很成熟），因此基于大数据的学习分析也主要处理这些媒体信息，基于这些信息的学习分析包含四个基本步骤：

（1）收集资料：利用程序的方法从很多渠道收集大量的资料，包括但不限于课程/学习管理系统、社交网站，甚至从电脑游戏中收集的大量关于认知的资料。

（2）学习分析: 利用数据分析的方法，了解学习者时间花在哪些地方、在做什么、状态如何、对话的本质、进展得如何等等。

（3）结果反馈: 分析结果反馈给老师、学生和管理人员。 

（4）调整干预: 根据分析结果，在个人、课程和机构等层次进行及时且恰当的教学调整，达到最优教学。 

 

图 1学习分析流模型

学习分析方法中，主要用到统计和数据挖掘知识，比如聚类、预测、关系挖掘和文本挖掘等。另外，随着网络学习及相关课程管理系统的不断普及，网络分析技术也开始用于学习者行为分析，用于记录课程/学习管理系统中的学习者行为数据，用于后续分类、可视化以及关联分析等操作。除了数据挖掘方法外，一些原本属于社会科学领域的方法, 比如社会网络分析、语义分析法、内容分析法等也被成功应用学习分析中，这些方法的典型应用之一是师生交互行为分析。 

五、面临问题

目前大数据分析正在如火如荼地进行着，但是还有很多实际问题需要解决，主要有以下几点：

1、数据分析对线上资源能够得到比较丰富的数据信息，但是对于线下资源，数据采集工作比较费时，并且数据容易缺失，难以分析。但是目前对于国内各高校来说，真实实用的线上课堂资源还非常少，因此更快、更多地把线下课堂迁移到线上，加强师生互动，开展数据采集工作，是各高校迫切需要考虑的问题。

2、数据分析除了要求数据师具有数据库操作知识，比如从不同的数据库合并不同的数据字段，还需要一定的统计、数据挖掘、网页分析技巧和教育管理等经验知识，对实施人员的知识结构要求较高。目前同时具有这几方面知识的人才还比较少，因此，此项目的进行需要更多的部门、专业进行合作，并加强对数据分析师的培训工作。

3、大数据环境下的数据安全问题也不容忽视。数据分析需要分析学生“访问了哪些网站、发表哪些言论、和谁进行沟通、进展如何”等信息，这些对于学生来说都是隐私，因此需要合理地保护这些数据不被乱用，并且允许管理者访问这些资源才行。

4、另外对于个人来说，要想分析教育数据，首先要在线上记录数据。因此在日常工作学习中及时做记录，给未来留下数据，就是每个人对大数据最好的贡献。

六、结论

本文主要从大数据分析的现状出发，分析教育大数据对高校各角色带来的变化，并针对目前建设中还存在的问题进行分析。可以看到，教育大数据对未来教育理念以及高校评价体系将发生根本性的变化。发挥人脑的学习潜质，深入全面地了解学生创新能力和思想品质状况，减少无谓地消磨时间，及时调整学习安排，实现从粗放式教学管理到精细化教学管理，既是机遇，又是挑战。正如希望的，通过大数据分析切实地改变国内教育带来新的现状。