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)