張渝江

教育的各個環(huán)節(jié)都被數據包裹著。不過這些零散產生的數據都是以紙質形式記錄或存儲于教育工作者的大腦中，并沒有被特有的信息化工具收集起來加以有效的利用。過去，這些數據的匯總和分析使用需要耗費大量的人力和物力。所以，教育管理者和教師往往是憑著記憶和經驗來處理教育中的問題和應對學生的發(fā)展需求。

大數據在商業(yè)領域的成熟應用引起了教育行業(yè)人士的極大興趣。因為，按照相似的辦法，教育中采用大數據進行學習分析可以預測學生的發(fā)展，對將要出現(xiàn)的問題提前做準備并及時干預。這樣可使更少的學生失敗和促進更多的個性化學習。

大數據促進混合學習

混合學習將在線學習與傳統(tǒng)面對面的課堂教學活動相結合，從而為自動采集數據和個性化教學提供契機。當前，隨著混合學習在基礎教育領域的逐漸普及，越來越多的學校采用學習管理平臺推送學習材料，并通過在線評估工具進行測試。學生通過電腦或移動終端進行聯(lián)網學習和測試，相關的學習痕跡和測試數據會形成大量的數據。在線學習中產生的主動數據是進行學習分析的重要基礎。

在芬蘭的一所高中（MartinlaaksonLukio），學生采用混合的形式自主參加課程的學習。學生使用紙質材料，在學習管理系統(tǒng)中使用形成性評估工具，按照自己的進度開展學習。教師會有更多的時間集中考慮學生個體的需求問題。同時學生運用自己的學習數據進行自我評估，目的是為了在學習這門課程的過程中有所提高。學習分析的實施不僅使學生學到所需要的內容，還教給他們自我評價的技巧。

美國馬里蘭州蒙哥馬利縣公立學校的評估專家設計了一個追蹤公式，以驚人的準確度預測哪些學生會在他們高中一年級第二學期的時候輟學。教育專家通過對學生閱讀習慣、閱讀水平以及相應教材文本等數據的分析，發(fā)現(xiàn)學生早期閱讀的問題會形成后期多個學科的學習困難，進而產生輟學的危險。不過這一危險可以預測。利用大數據進行學習分析，在早期發(fā)現(xiàn)學生的情況，對未來可能發(fā)生的問題進行預警，及時地干預和校正，就能極大地降低學生后期輟學的風險。

目前，美國和歐洲數百所中小學校都在使用學習管理系統(tǒng)——Itslearning，推動利用大數據進行學習分析的戰(zhàn)略。Itslearning平臺為英國的Flint高中提供課程學習數據面板，使教師和學生課內外的學習情況都能獲得迅速評估，教師們可以追蹤學生課程進展并確定如何更好地滿足學生的個體需求。

大數據促進學校管理

現(xiàn)在很多學校和教育工作者更多利用在線平臺和資源來完成自己的工作。利用這個過程中產生的大數據進行分析，對教育管理及教師評價也有很好的支撐作用。

mydistrict360.com為教師和行政人員量身定做了門戶網站，從而使學生數據和財務信息更加直觀。學校能夠更加有效地為學生提供個性化關注以及預算支出。

美國某州公立中小學的數據分析顯示，在語文成績上，教師SAT（美國高考）的分數和學生成績呈現(xiàn)顯著的正相關。也就是說，教師的SAT考試成績與他們現(xiàn)在所教語文課上的學生學習成績有很明顯的關系。教師的高考成績越好，學生的語文成績越好。這個大數據分析帶來的研究結果，促使我們進一步探討教育管理背后諸多非顯性的因素。如果有了充分的數據，便可以發(fā)掘更多的教師特征與學生成績之間的關系，從而為挑選教師提供更好的參考。

同樣，美國的某所私立高中通過大數據分析發(fā)現(xiàn)了小學和初中學校與學生高中成績的相關性。他們對本校和其他學校學生在高中的學業(yè)表現(xiàn)和最終考取的大學數據進行了分析，發(fā)現(xiàn)來自某些小學和初中的學生與其他學校的學生相比，學習潛力和發(fā)展有明顯的優(yōu)勢。于是他們增加了對這些小學和初中畢業(yè)學生的錄取。在分析了這些學校的辦學情況后，把其優(yōu)勢用于本校的教育改造中。

大數據促進自適應學習

教育大數據的挖掘和分析可以提供給教育管理者和教師使用，以促進更好的學校發(fā)展和學生成就。隨著對機器學習的深入研究，教師也可以利用這些大數據分析來推動智能化的教學。也就是，在教師通過數據分析發(fā)現(xiàn)問題做出判斷之前，電腦也可以做出相應的工作，并幫助教師對學習預警進行干預。技術系統(tǒng)可能更細致全面、更大規(guī)模地提供隨時隨地的自適應學習支持。

在未來，學習絕不會是按照一本給定的教科書、一門科目或課程，以同樣的順序和步調進行，而將是有數千種不同的組合方式。教師不再需要憑借主觀判斷和手動選擇最適合教學的書籍，大數據分析帶來的自適應學習系統(tǒng)將指引他們選出最有效的、支持進一步完善和私人定制的教材，以滿足學生個性化的學習需求。

美國非營利組織“NewClassroom”在紐約、芝加哥和華盛頓的幾所公立的初中學校試點“School of One”項目。這個項目通過特定的算法把教師、教室、多種在線課程等資源鏈接起來，為學生提供自適應學習服務。系統(tǒng)根據每天學生的學習情況和學習特點，自動為學生推送學習資源，并生成定制的個人學習列表。第二天，學生按照個人學習列表參與到教師輔導、在線學習、群體講座、在線測試等多種學習活動中。

皮爾遜集團正在將自適應學習整合到在線課程當中。2013 年夏天，皮爾遜與大數據技術公司Knewton 結成伙伴關系，為40 多萬學習科學和商科課程的一年級大學生提供自適應輔導服務;通過技術發(fā)現(xiàn)學生學習課程材料的成功與失敗，并找到相應的模式，提供個性化的輔導。該項目在幾百名學生中進行了實驗，結果顯示實驗課程能有效地改善學生的學習成績。隨著自適應學習服務在網絡環(huán)境中的大規(guī)模應用，能夠真正滿足不同學習風格和更多學生需求的課程也將很容易得以實現(xiàn)。

Alleyoop.com是游戲化社交學習網，為學生進入大學提供在線預科學習課程。它并不提供游戲，而是把第三方提供的學習內容以社交游戲（Zynga）方式分配給初高中學生，其特點是個性化、自適應，并建立學習者檔案，為升學或職業(yè)選擇做推薦。學生登錄網站后，需要通過一項測試，系統(tǒng)會根據學生測試情況推薦相應的課程內容和學習方式。比如，某個學生需要補充學習數學，但通過前測發(fā)現(xiàn)其不擅長聽講，系統(tǒng)可能會推送游戲化的數學學習軟件給他，幫助其建立數學概念。

美國教材出版商McGraw-Hill推出自適應電子教材Smartbook。這種智能教材可根據學生在學習中遇到的問題不斷調整課程內容，鞏固他們的學習成果。在該電子書里閱讀的最初5分鐘，看到的課本內容是一樣的，但此后隨著學生回答書中的問題，不同的字段就會被加亮以提示讀者哪里需要更加留意。這樣可幫助學習者更加關注其需要補充的內容。

大數據促進學生全面發(fā)展

目前大數據主要是教育管理人員、教師以及學生通過在線平臺進行工作、學習、評估活動而產生的。這部分數據僅僅是涉及教和學這一狹小的范疇。很多情況下，非學習行為的因素也在制約著學生的成就與發(fā)展。因此，促進學生全面發(fā)展的更多隱藏的因素沒有被納入其中加以分析和利用。而這些因素的相關數據僅僅通過學習平臺難以得到大量的收集。可穿戴設備和物聯(lián)網逐步成熟的應用為收集這類數據帶來了契機。

可穿戴設備帶來了量化自我的趨勢。這類設備不需要學生主動與相應平臺發(fā)生互動，即可收集到相對豐富的數據。不但包括學生的身體健康指標，學生的經歷和周遭的環(huán)境數據也能被可穿戴設備記錄下來。將這些數據與學習數據結合起來進行分析，可能會發(fā)現(xiàn)影響學生成績更細致而不為人知的原因，或者可發(fā)現(xiàn)學生隱性的特質，從而為其定制未來的發(fā)展道路。

例如，手表、手環(huán)和項鏈這些可穿戴設備的出現(xiàn)，能自動收集數據，用以幫助學生管理他們自己的健康、睡眠周期和飲食習慣。移動應用程序也提供了分享的功能，通過移動應用程序為消費者提供易于閱讀的用戶面板，從而方便學生或教師查看和分析學生的指標。這些數據不但能讓教師發(fā)現(xiàn)學生成績退步的隱性因素，更重要的是能喚起學生的自我意識，促進其自我管理，進而促進未來更好的發(fā)展。

而今，可穿戴設備不僅追蹤用戶去了哪里、做了什么以及他們花費在這些事情上的時間，而且還關注他們的愿望是什么，以及這些愿望何時能夠實現(xiàn)。新型設備，如Memoto 是一種能夠別到用戶襯衣領子或紐扣上的微型相機，旨在每半分鐘自動捕捉一次信息，它使得學生和教師可以追蹤自身的生活。依靠可穿戴設備來收集學生周遭的環(huán)境數據也能為學生心理發(fā)展提供良性的幫助。比如，學生在學校觀察或經歷了沖突事件，這讓教師能快速找到學生輟學或產生不良行為的內在因素。

現(xiàn)在，Google 眼鏡和iWatch 一類的工具能幫助學生們在正式的教室情境里收集與自身或研究課題相關的數據，極大地減輕了對課堂效果進行分析的難度。如果從學習分析數據里面搜集的考試成績和閱讀習慣的數據能與其他生活方式追蹤的信息相結合，那么這些大數據將可能揭示環(huán)境變化是如何改進學習成果的。

物聯(lián)網是另一個擴展數據源的重要技術。隨著校園物聯(lián)網的普及，學生與環(huán)境交互的數據能得到更充分的收集。比如，學生消費的信息，學生經常停留的場所，學生使用設施設備的情況，學生在實驗室工作的情況，都能通過物聯(lián)網進行數據采集。這些數據與已有的學習數據、自我量化數據結合起來，能更好地促進學生的全面發(fā)展。

大數據帶來的擔憂

大數據收集、儲存、處理數據的能力比以往任何時候都要強大，它將會顛覆傳統(tǒng)的教育行業(yè)。大數據將在教與學環(huán)節(jié)增加前所未有的數據化體驗，不僅學生受益，教師也受益。然而，這么做也蘊藏了風險。長久以來，家長和教育專家都在憂慮如何保護未成年人的隱私。同時人們還擔心，對于那些在學業(yè)上被“跟蹤”過的學生，他們的人生道路是否會因此而變窄。大數據不僅放大了以上這兩個問題，而且改變了問題的本質。

2014年4月，美國學生數據收集機構inBloom關閉。教育大數據機構inBloom是由比爾與梅琳達 · 蓋茨基金會資助成立的一個非營利學生數據存儲機構，在短短的15個月內，由于隱私問題受到公眾的抗議因而被法院勒令關閉。這家為教育大數據提供基礎服務的機構從氣勢如虹到黯然關閉，是否令教育大數據前景堪憂？的確，大數據為教育帶來了豐富的想象，但一些問題隨著教育大數據應用的深入逐漸顯現(xiàn)。

亞利桑那州立大學為了改變每年1/3學生輟學的糟糕現(xiàn)狀，開始使用一款由Knewton科技教育公司提供的基于大數據的個性化學習軟件。實踐的成果喜人，在2009年至2011年期間，學生的畢業(yè)率從64%竄到了75%，輟學率減少了一半。不過這個成功案例背后存在著潛在的問題。比如，那些被軟件收集起來的數據將被永久保留，個人被要求參加補習課的事實被永遠記錄在案，可供查找，這會導致學生畢業(yè)后在就業(yè)時可能遭遇歧視。

而非營利組織inBloom的停擺，人們出自本能地反對這件事，并不僅僅是一般意義上的對隱私和數據保護的憂慮，而是一種更特殊的憂慮。如果一個人在學生時代的活動都被記錄下來，當他在若干年后申請工作時，那些記錄都能被潛在雇主查到，那么事情的發(fā)展很難完全受理性控制。因此，教育數據引發(fā)的問題不僅是信息泄露，而是把我們禁錮在過去，否認我們成長、蛻變的能力。

另外，教育大數據的收集會被用于預測我們的未來，但這種預測也可能限制我們學習的自由，最終可能會限制我們的人生道路。比如，系統(tǒng)告訴我們，這門課我們很有可能學不好，然后系統(tǒng)轉而向我們推薦另一門課。結果是我們可能會認同系統(tǒng)推薦的就是對我們最有利、最容易走的路，選擇一個退而求其次的結果，而放棄逆流而上地堅持自己的路。

這就把人更殘忍地限制在某條路上，讓人們無法打破常規(guī)去走自己想走或能走的路。目前系統(tǒng)里有10億條不同的學習情況記錄和學習軌跡安排，每一條都只對應一位學生。這樣做有利有弊，有利的方面在于教育是為每個人量身定做的;有弊的方面在于學生仿佛困在了形如峽谷的凹槽中，跳不出來，只能順著走下去。這樣一來，我們的人生依然受限于“已知道路”，雖然這是一條為我們量身定做的道路。

如何解決呢？科技快速發(fā)展并沒有帶來相應社會文化的轉變，這正是關鍵所在——文化的形成遠比科技變革慢。不過未來是人文和科技融合的時代，這正是未來學家凱文 · 凱利為了避免人類恐懼科技發(fā)展的失控而描繪的情景。

（作者單位：重慶聚奎中學）