周莉

2012年，聯(lián)合國在大數(shù)據(jù)白皮書“Big Data for Development： Challenges & Opportunities”中指出，大數(shù)據(jù)時代已經(jīng)到來，其出現(xiàn)將會對社會各個領(lǐng)域產(chǎn)生深刻影響[1]。特別是與我們生活相關(guān)的服務(wù)行業(yè)，如去哪兒網(wǎng)、阿里巴巴、京東等，但在教育領(lǐng)域，大數(shù)據(jù)時代才剛剛開始。在閱讀過維克托·邁爾-舍恩伯格和肯尼思·庫克耶所著《與大數(shù)據(jù)同行—學(xué)習(xí)和教育的未來》之后，本文提出一些需要被探討的問題：大數(shù)據(jù)對教育意味著什么？大數(shù)據(jù)何以幫助教學(xué)？大數(shù)據(jù)的應(yīng)用前景如何？

一、大數(shù)據(jù)對教育意味著什么

大數(shù)據(jù)時代將是一個不斷學(xué)習(xí)、不斷完善我們對世界認知的時代[2]。那大數(shù)據(jù)對教育意味著什么？它主要體現(xiàn)在重塑學(xué)習(xí)的三個主要特征，即反饋、個性化和概率預(yù)測上。

1. 教育信息的多向度反饋

在傳統(tǒng)的學(xué)校中，一提到反饋，人們往往想到的是評價，而且是單向度的評價，評價對象是學(xué)生，評價內(nèi)容是出勤情況、家庭作業(yè)、課堂參與和學(xué)業(yè)測驗等。顯而易見的是，這一教育反饋系統(tǒng)存在諸多方面的不足。首先，所收集的信息數(shù)量遠遠不夠。其次，這些數(shù)據(jù)并未獲得正確使用。再次，單向度反饋，僅從教師和學(xué)校指向?qū)W生。這在其他領(lǐng)域看來，極不合理。沒有一個制造商或銷售商會只對客戶開展評價。他們想要獲得的反饋，在很大程度上是關(guān)于自身產(chǎn)品和服務(wù)的，而其目的是使自身的產(chǎn)品與服務(wù)得到改進[3]。

大數(shù)據(jù)時代，這種單向度反饋將得以改變。例如，學(xué)生和教師在使用電子教科書時，數(shù)據(jù)采集會隨之開始：學(xué)生是否在特定章節(jié)做了筆記？為什么要做筆記？在教學(xué)中，教師為什么舍去這部分內(nèi)容？圖書出版機構(gòu)和作者可以從電子教科書的相關(guān)平臺上獲得上述綜合數(shù)據(jù)，更清楚地認識師生是如何使用教材的，教材的哪些內(nèi)容受歡迎或干擾學(xué)生學(xué)習(xí)或晦澀難懂等，可針對這些反饋進行大數(shù)據(jù)分析，對教材給予完善。由此，我們可以看出，在過去，信息的流動是單向的，即從圖書出版機構(gòu)和作者到師生，但在大數(shù)據(jù)時代，信息傳遞變成雙向或者多向度的，會將相關(guān)信息反饋給出版機構(gòu)和作者。

2. 學(xué)習(xí)私人定制變?yōu)楝F(xiàn)實

基于大數(shù)據(jù)的教育，可以實現(xiàn)個性化學(xué)習(xí)。個性化學(xué)習(xí)，令人印象最深刻的特征是動態(tài)性，學(xué)習(xí)內(nèi)容可隨數(shù)據(jù)收集、分析和反饋加以改變與調(diào)整。如果學(xué)生對“平行線”這一概念的理解還存在困難，那這部分的內(nèi)容就會被納入習(xí)題集，讓學(xué)生有充足的練習(xí)機會。

我們可以截取、混合最喜愛的音樂，并將之刻錄到iPod播放器中，那為什么不能對學(xué)習(xí)進行同樣的操作呢？創(chuàng)建個人“播放列表”，這顯然更有意義。在未來，學(xué)習(xí)絕不會按照給定的教科書或課程，以同樣的順序和步調(diào)進行，將會有數(shù)千種的組合方式。教師不再需要憑借主觀判斷，選擇最合適教學(xué)的書籍，大數(shù)據(jù)分析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。當(dāng)然，同一組學(xué)生仍會使用同一內(nèi)容的教材，畢竟他們需要通過相同的測驗，但教材可以進行個性化處理[4]。

基于大數(shù)據(jù)的支持，針對學(xué)生的教學(xué)，不僅可以體現(xiàn)教材選擇或自學(xué)內(nèi)容模塊組合的人性化，還能夠在進度安排、輔導(dǎo)要點和輔導(dǎo)方式等教學(xué)環(huán)節(jié)設(shè)計更適合學(xué)生特點的教學(xué)方案。

3. 教育大數(shù)據(jù)的有效預(yù)測與預(yù)警

通過大數(shù)據(jù)，教師可以更好地理解和預(yù)測學(xué)生的個人學(xué)習(xí)行為、程度和態(tài)度，基于高度的可能性，對個體為提高學(xué)業(yè)成績需要實施的行為做出預(yù)測。例如，選擇最有效的教材、教法以及反饋機制，對其效果進行預(yù)測。但這僅是概率預(yù)測。顯然，相對于過去傳統(tǒng)、同質(zhì)化的教育，這是一種進步，但在預(yù)測時也應(yīng)意識到這些預(yù)測有一定的局限性，并非百分之百正確。亞馬遜、淘寶、優(yōu)酷等基于大數(shù)據(jù)分析的概率預(yù)測，其推送信息可以被接受，因為即使預(yù)測有誤，其造成的后果并不嚴重。然而，一旦涉及教育決策，概率預(yù)測將會成為潛在的巨大威脅，因為這將會對人們未來是否成功造成極大的影響。

二、大數(shù)據(jù)何以有助于教學(xué)和學(xué)習(xí)

1. 新的分工：教育數(shù)據(jù)分析師和學(xué)習(xí)導(dǎo)師

目前，學(xué)校教師主要分為教育管理人員和教學(xué)一線教師。在大數(shù)據(jù)時代，教學(xué)管理人員和教師依然會存在，但這兩部分人員可能會出現(xiàn)新的分工。例如，在教學(xué)管理人員中可能會出現(xiàn)數(shù)據(jù)管理分析人員，熟知網(wǎng)絡(luò)和數(shù)據(jù)存儲的工作人員會成為學(xué)校網(wǎng)絡(luò)安全的專家。教師也可能會出現(xiàn)新的分工，理想的狀況是基礎(chǔ)課程由特別優(yōu)秀的教師來教授，而不是隨便由誰來教[5]。此外，對于那些實踐性強的工藝性和藝術(shù)性課程，可以借助網(wǎng)絡(luò)媒體構(gòu)造虛擬的實踐環(huán)境，增加學(xué)生參與實踐的機會，根據(jù)學(xué)生特點調(diào)整實踐環(huán)節(jié)的復(fù)雜程度。這種動手操作的經(jīng)驗，不是理論性課程可以傳授的。具備在現(xiàn)實或虛擬環(huán)境中操作經(jīng)驗的教師，也將發(fā)揮越來越重要的職能。與此同時，也可培養(yǎng)出其他的新型教師，其工作重點在于根據(jù)所獲得的反饋數(shù)據(jù)和信息，指導(dǎo)學(xué)生選擇最適合的學(xué)習(xí)途徑，例如，所修課程、所用教材、最適當(dāng)?shù)膶W(xué)習(xí)順序等。

這跟醫(yī)生角色的轉(zhuǎn)變有相似之處，醫(yī)生從單一的診斷病情和告知患者病情逐步向人性關(guān)懷轉(zhuǎn)變。教師和學(xué)生之間的互動也會遵循這一方式，他們在學(xué)習(xí)過程中扮演的角色更像合作者。

2. 新的分析方法：相關(guān)關(guān)系

目前，對教育質(zhì)量信息的分析，大致可分為兩種類型：狀態(tài)分析和因果分析。前者是對質(zhì)量現(xiàn)有狀態(tài)的初步分析和判斷，帶有描述性質(zhì);后者是對影響質(zhì)量的原因進行分析，帶有推斷性質(zhì)[6]。然而，大數(shù)據(jù)時代信息分析的特征是相關(guān)關(guān)系，而非我們所熟知的因果關(guān)系。它不會告訴我們事情為什么發(fā)生，而會向我們說明正在發(fā)生什么。通過非因果分析，把目標定位在理解“是什么”，而不是“為什么”。

在大多數(shù)的情況下，相關(guān)關(guān)系足以幫我們做出決策。但這并不意味著對因果關(guān)系的探索是錯誤的。也許，我們應(yīng)該更加謙虛，而不是自以為能夠理解周圍的世界。數(shù)據(jù)靜靜地待在需要被發(fā)掘的地方，當(dāng)前各類學(xué)校也早已有了這些資料，但教育者缺少的是正確、有效挖掘資料的方法和措施，而相關(guān)關(guān)系會在教育質(zhì)量信息分析領(lǐng)域發(fā)揮更大的作用。

3. 新的教育決策方式：基于數(shù)據(jù)和

實證

現(xiàn)在，教育主要依靠教師的個人教學(xué)經(jīng)驗對學(xué)生學(xué)習(xí)行為進行判斷，并制定教學(xué)政策。經(jīng)濟合作與發(fā)展組織（OECD）PISA項目的一個主要負責(zé)人提出，基于數(shù)據(jù)的教育決策更具說服力和公信力[7]。

教育領(lǐng)域中大數(shù)據(jù)的應(yīng)用，主要包括教育數(shù)據(jù)挖掘和學(xué)習(xí)分析兩個方向。教育數(shù)據(jù)挖掘通過數(shù)據(jù)建模，發(fā)現(xiàn)學(xué)習(xí)者學(xué)習(xí)結(jié)果與學(xué)習(xí)內(nèi)容、學(xué)習(xí)資源和教學(xué)行為等變量的相關(guān)關(guān)系，預(yù)測學(xué)習(xí)者的學(xué)習(xí)趨勢。學(xué)習(xí)分析是通過利用已知模型和方法解釋影響學(xué)習(xí)者學(xué)習(xí)的重大問題，評估他們學(xué)習(xí)行為，提供人為的適應(yīng)性反饋[8]。隨著科技的發(fā)展，兩者有進一步融合的可能。

在學(xué)習(xí)環(huán)境下，大規(guī)模個性化的實現(xiàn)需要更豐富的反饋數(shù)據(jù)流向教師和管理人員，了解學(xué)習(xí)中的有效因素和無效因素，細分到背景和組群，甚至小到個人水平。系統(tǒng)將吸收反饋結(jié)果，動態(tài)地調(diào)整教材和環(huán)境，更好地理解學(xué)生個性化學(xué)習(xí)過程，讓每位學(xué)生處于最佳教學(xué)狀態(tài)。基于數(shù)據(jù)和實證，讓每位學(xué)生處于最佳的學(xué)習(xí)狀態(tài)。

三、對教育和學(xué)習(xí)的啟示

如今，學(xué)生使用互聯(lián)網(wǎng)搜索資料的速度遠超過教師和家長，獲得資料和信息更超越書本以及課堂上所能提供的范圍。在這種情況下，他們很容易將課堂學(xué)習(xí)視為可有可無。但事實上，在快速和信息過量的環(huán)境下，學(xué)生尤其需要有效處理信息的能力。雖然他們習(xí)慣于同時處理多項任務(wù)，隨時存取，但如何理解不同類型的信息，尤其當(dāng)信息表達的觀點含混不清或自相矛盾時，如何深思熟慮進行批判性思考，如何整合各種信息建構(gòu)知識系統(tǒng)？這都是網(wǎng)絡(luò)科技無法教會他們的。

第一，“互聯(lián)網(wǎng)+”時代，學(xué)校的社會化功能更為凸顯。課堂上思辨和討論的過程，在這一背景下顯得尤為重要，可以加強學(xué)生分析、管理、綜合和評價信息的能力，幫助他們在網(wǎng)絡(luò)學(xué)習(xí)的搜索和選取上更得心應(yīng)手。此外，通過課堂的小組討論和協(xié)作，能幫助學(xué)生形成良好的情緒管理能力，建立良好的人際關(guān)系。而在線課程只能輔助學(xué)校教室中的正規(guī)教學(xué)活動，而非取而代之。因此，我們要明確，教育目標不僅是傳輸知識和培養(yǎng)技能，還應(yīng)塑造學(xué)生的人格和文化品質(zhì)，其需要在現(xiàn)實的人際交往中實現(xiàn)。學(xué)校的社會化功能是技術(shù)手段所不能替代的。

第二，重視師生分析數(shù)據(jù)的能力。獲取大量的數(shù)據(jù)重要，但擁有資料或數(shù)據(jù)并非我們的目的。要想真正運用大數(shù)據(jù)帶給教育的好處，必須掌握分析數(shù)據(jù)的能力。對學(xué)生來說，面對數(shù)據(jù)時，應(yīng)關(guān)注所有權(quán)人及制作者，分析數(shù)據(jù)提供者的目的與意圖，關(guān)注媒體技術(shù)與傳播表達，搜尋信息與批判性思維，最后做出相應(yīng)的決策。對教師和管理者來說，其自身要成為“數(shù)據(jù)脫盲者”，知道如何通過閱讀圖表追蹤學(xué)生的進步，分析概率預(yù)測，使自己能夠解釋這對學(xué)生意味著什么，并鼓勵學(xué)生更有效地學(xué)習(xí)[9]。

第三，有效管理和謹慎使用數(shù)據(jù)。首先，教師應(yīng)不斷收集和分析關(guān)于“如何學(xué)習(xí)”的資料，而不僅是偶爾一次的正式考試。其次，這些資料不僅會反饋給教師，也會反饋給學(xué)生、家長和教育行政部門的官員。再次，各種教材經(jīng)過演算，能夠?qū)崿F(xiàn)個性化定制，針對學(xué)生的不同需求，用不同的上課順序和步調(diào)，實現(xiàn)最有效的學(xué)習(xí)。而且，教材本身也要不斷改進。最后，提高反饋數(shù)據(jù)分析結(jié)果的時效性、可視性和可讀性[10]。

大數(shù)據(jù)時代給教育帶來各種好處，但也伴隨一些潛在威脅，一旦融入大數(shù)據(jù)，如果資料永不消失，我們的命運和未來會被可能性預(yù)測操控，對隱私和自由，都會造成非常深遠的影響。因此，在利用大數(shù)據(jù)的同時，要看清其利弊，謹慎地使用和管理，避免濫用大數(shù)據(jù)帶來的風(fēng)險。

本文系全國教育科學(xué)規(guī)劃單位資助教育部規(guī)劃課題：學(xué)生網(wǎng)絡(luò)生活方式的現(xiàn)狀調(diào)查與對策研究（FHB110182）的研究成果之一。

參考文獻：

[1] Big Data for Development： Challenges & Opportunities [DB/OL]. [2012-05-01]. http：//www.unglobalpulse.org/projects/BigDataforDevelopment.

[2] [3] [4] [5] [9] 維克托·邁爾-舍恩伯格， 肯尼思·庫克耶. 與大數(shù)據(jù)同行—學(xué)習(xí)和教育的未來[M]. 上海： 華東師范大學(xué)出版社， 2015：112、27、40-41、45、78、126.

[6] 陳孝彬， 高洪源. 教育管理學(xué)[M].北京： 北京師范大學(xué)出版社， 2008： 378-379.

[7] Andreas Schleicher. Big Data and PISA[EB/OL]. http：//www.huffingtonpost.com/andreas-schleicher/big-data-and-pisa_b_3633558. html.

[8] Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics [DB/OL]. [2012-10]. www.tech.ed.gov/wp-content/uploads/2014/03/edm-la-brief.pdf.

[10]沈?qū)W珺. 大數(shù)據(jù)對教育意味著什么[J]. 上海教育科研， 2013（9）.

（作者單位：北京市海淀區(qū)教育科學(xué)研究所）

（責(zé)任編輯：孫建輝）