本文關(guān)鍵詞：基于大數(shù)據(jù)的教育技術(shù)研究新范式，由筆耕文化傳播整理發(fā)布。

當(dāng)前所在位置：中國論文網(wǎng) > 教育論文發(fā)表 > 基于大數(shù)據(jù)的教育技術(shù)研究新范式

基于大數(shù)據(jù)的教育技術(shù)研究新范式

發(fā)布日期： 2013-11-21 發(fā)布：  

  2013年10期目錄       本期共收錄文章16篇

　　[摘 要] 教育技術(shù)的發(fā)展包含了一系列不同的范式。隨著大數(shù)據(jù)的崛起和數(shù)據(jù)密集科學(xué)的發(fā)展，學(xué)習(xí)分析學(xué)（LA，Learning Analytics）和教育數(shù)據(jù)挖掘（EDM，Educational Data Mining）成為大數(shù)據(jù)在教育領(lǐng)域的具體應(yīng)用，基于數(shù)據(jù)的教學(xué)干預(yù)應(yīng)用程式已出現(xiàn)并在實(shí)際教學(xué)中使用（如Signals，Moodog等）。文章探討了科學(xué)范式，大數(shù)據(jù)在教育技術(shù)領(lǐng)域的應(yīng)用，以及不同的教育技術(shù)范式，提出由于能夠更好地貫徹“以學(xué)習(xí)者為中心”的教育理念，個(gè)性化自適應(yīng)學(xué)習(xí)系統(tǒng)將成為以大數(shù)據(jù)為基礎(chǔ)的新的教育技術(shù)范式。
中國論文網(wǎng)
　　[關(guān)鍵詞] 科學(xué)范式； 大數(shù)據(jù)； 智慧教育； 教育技術(shù)范式； 個(gè)性化自適應(yīng)學(xué)習(xí)
　　[中圖分類號(hào)] G40-057 [文獻(xiàn)標(biāo)志碼] A
　　[作者簡(jiǎn)介] 祝智庭（1949—），男，浙江衢州人。教授、博士生導(dǎo)師，主要從事教育信息化理論、系統(tǒng)架構(gòu)與技術(shù)標(biāo)準(zhǔn)、網(wǎng)絡(luò)遠(yuǎn)程教育、教學(xué)與系統(tǒng)設(shè)計(jì)以及面向信息化的教師專業(yè)發(fā)展等研究。E-mail： ztzhu@dec.ecnu.edu.cn。
　　一、科學(xué)范式 （Scientific Paradigms）
　　美國著名科學(xué)哲學(xué)家托馬斯·庫恩（Thomas Kuhn）在《科學(xué)革命的結(jié)構(gòu)》（《The Structure of Scientific Revolutions》）一書中系統(tǒng)闡述了關(guān)于范式的概念和理論。所謂科學(xué)范式是指“在一定時(shí)間范圍內(nèi)，能為研究者群體提供樣板問題極其解決方案的普遍公認(rèn)的科學(xué)成就”（Universally Recognized Scientific Achievements That， for a Time， Provide Model Problems and Solutions for a Community of Researchers）。[1]
　　科學(xué)范式的概念是庫恩范式理論的核心。庫恩認(rèn)為，科學(xué)范式具備兩個(gè)方面，首先，在科學(xué)范圍內(nèi)，該術(shù)語指的是可以被復(fù)制或模擬的一組示例性的實(shí)驗(yàn)；其次，這組范例的基礎(chǔ)是共享的先入之見（Preconceptions），這些先入之見形成于證據(jù)收集之前，并且影響證據(jù)的收集。先入之見體現(xiàn)于兩方面，一是其隱含的假定，一是相關(guān)的形而上學(xué)的元素；個(gè)體科學(xué)家對(duì)該范式的詮釋可能會(huì)有所不同。[2]因此范式界定了某一研究領(lǐng)域的研究方法，即研究什么，研究問題的提出，如何針對(duì)研究問題進(jìn)行研究活動(dòng)，以及如何對(duì)研究結(jié)果進(jìn)行詮釋等。同時(shí)，范式具有哲學(xué)意義，它暗示了某研究群體的研究遵循的基本理論和研究群體共享的信念和世界觀等。
　　庫恩同時(shí)認(rèn)為，范式不是一成不變的，它在科學(xué)研究的進(jìn)程中完善、發(fā)展，最終可能退出。隨著科學(xué)的發(fā)展，新的科學(xué)范式會(huì)出現(xiàn)，補(bǔ)充或者取代舊的范式，這也就成為科學(xué)發(fā)展進(jìn)程中的科學(xué)革命。在庫恩看來，“科學(xué)革命”的實(shí)質(zhì)就是“范式轉(zhuǎn)換”；在廣泛接受的科學(xué)范式里，發(fā)現(xiàn)現(xiàn)有理論或者范式無法解決的“例外”，因此嘗試用其他理論取而代之，該理論得以發(fā)展最終成為新的范式。在自然科學(xué)領(lǐng)域，范式的轉(zhuǎn)換比較明顯，如伽利略的動(dòng)力學(xué)相當(dāng)于近代科學(xué)的初級(jí)階段的范例，愛因斯坦的相對(duì)論則為當(dāng)代科學(xué)的研究發(fā)展提供了模式。
　　庫恩本人認(rèn)為范式這一概念不適合社會(huì)科學(xué)范疇。原因是當(dāng)他在社會(huì)學(xué)者聚集的帕洛阿爾托學(xué)者中心寫《科學(xué)革命的結(jié)構(gòu)》一書時(shí)，觀察到社會(huì)科學(xué)學(xué)者們?cè)谥T多理論方面存在分歧。因此他在書的前言中特意指出，他之所以提出范式的概念正是為了將社會(huì)科學(xué)從自然科學(xué)中區(qū)分開來，他認(rèn)為在社會(huì)科學(xué)中不可能存在任何范式。然而盡管社會(huì)科學(xué)不可能像自然科學(xué)那樣在某一特定時(shí)期存在一個(gè)范式，在相對(duì)較小范圍的研究領(lǐng)域，如社會(huì)學(xué)、人類學(xué)、教育學(xué)等或其下屬領(lǐng)域內(nèi)，可能存在支持這些領(lǐng)域的研究范式、研究傳統(tǒng)、研究計(jì)劃等。這些較小領(lǐng)域的研究特征能夠激發(fā)不同領(lǐng)域的研究，界定什么是或不是研究證據(jù)，以及為控制與其他相似研究領(lǐng)域的學(xué)術(shù)爭(zhēng)論。例如，斯金納行為主義和個(gè)人建構(gòu)理論同屬于心理學(xué)和教育學(xué)研究范疇，這兩個(gè)心理學(xué)子學(xué)科的一個(gè)最顯著區(qū)別是對(duì)意義和意向的關(guān)注（Meanings and Intentions）。在個(gè)人建構(gòu)理論中，這兩個(gè)概念屬于核心問題，但在行為主義中，它們不能作為科學(xué)證據(jù)，因?yàn)樗麄儫o法被直接觀察到。[3]另外，學(xué)者們認(rèn)為，[4]雖然社會(huì)科學(xué)內(nèi)也存在明顯的概念方面的改變，如從行為主義到認(rèn)知方法，但是它們與自然科學(xué)范圍內(nèi)的科學(xué)革命不同，原有的理論一般不會(huì)被完全摒棄，而是仍舊在新的范式占據(jù)統(tǒng)治地位的情況下?lián)碛幸幌亍?
　　Thagard提出并闡述了理論（Theories）與方略 （Approaches）的區(qū)別。理論是指“相關(guān)假定的集合，對(duì)大范圍的實(shí)證研究結(jié)果和事實(shí)進(jìn)行解釋和歸納概括的基礎(chǔ)”，方略是“實(shí)驗(yàn)研究方法和詮釋風(fēng)格的集合”。[5]Thagard認(rèn)為，由于整個(gè)社會(huì)科學(xué)領(lǐng)域并不存在一個(gè)統(tǒng)一廣泛的支持各個(gè)學(xué)科的理論基礎(chǔ)，社會(huì)科學(xué)的變革更多的是由于研究方略的改變，而不是源自對(duì)理論統(tǒng)一性的評(píng)估。也就是說，社會(huì)科學(xué)范式，更多的偏重是指研究方略方面。本文之所以提出這點(diǎn)，是因?yàn)楸疚哪康闹皇窃u(píng)估新的研究方法，即大數(shù)據(jù)（Big Data）催生的數(shù)據(jù)密集科學(xué)（Data-Intensive Science）對(duì)教育技術(shù)研究范式，即教育技術(shù)研究方法的影響。
　　二、悄然興起的大數(shù)據(jù)分析與應(yīng)用
　　大數(shù)據(jù)一詞出現(xiàn)于1997年，NASA研究人員Michael Cox 和 David Ellsworth第一次用該詞描述上個(gè)世紀(jì)90年代出現(xiàn)的數(shù)據(jù)方面的挑戰(zhàn)，即超級(jí)計(jì)算機(jī)生成的巨大的信息數(shù)據(jù)量。當(dāng)時(shí)，Cox和Ellsworth對(duì)實(shí)驗(yàn)中產(chǎn)生于飛機(jī)周圍的模擬氣流數(shù)據(jù)無法進(jìn)行處理或者將其可視化。“數(shù)據(jù)集相當(dāng)大，對(duì)主內(nèi)存、本地磁盤，甚至遠(yuǎn)程磁盤都造成挑戰(zhàn)，”他們寫道，“我們稱此問題為大數(shù)據(jù)�！盵6]
　　大數(shù)據(jù)的產(chǎn)生與信息技術(shù)、互聯(lián)網(wǎng)等密不可分并且以越來越多的方式產(chǎn)生，[7] 如多媒體內(nèi)容、社會(huì)網(wǎng)絡(luò)以及各類傳感器， 不論是傳統(tǒng)的數(shù)據(jù)密集型行業(yè)如基因研究、藥學(xué)，還是互聯(lián)網(wǎng)新貴，都面臨著儲(chǔ)存分析大數(shù)據(jù)的問題。例如Facebook 擁有超過9億的用戶，并且用戶數(shù)量仍在增長(zhǎng)；Google 每天有30億的搜索查詢，Twitter 每天處理4億次的短信，相當(dāng)于大約12TB的數(shù)據(jù)量。 　　時(shí)至今日，大數(shù)據(jù)尚沒有系統(tǒng)統(tǒng)一的定義和理論，學(xué)者們一般只是用該術(shù)語描述難以用傳統(tǒng)軟件和方法分析的超大量的復(fù)雜的數(shù)據(jù)。[8]Laney[9] 首先提出用“3Vs”（Volume，Velocity，Variety）的概念， 在此基礎(chǔ)之上，IBM [10]用“4Vs”描述大數(shù)據(jù)， 即大數(shù)據(jù)應(yīng)該具備四個(gè)維度，大體量 （Volume）、高速度（Velocity）、多樣化（Variety）和真實(shí)性 （Veracity）。大體量是指各種類型的不斷增長(zhǎng)的數(shù)據(jù)很容易積累到百萬兆字節(jié)甚至千兆兆字節(jié)（Terabytes—Even Petabytes）的信息。高速度是指及時(shí)處理大數(shù)據(jù)的必要性，例如分析大量的當(dāng)日呼叫詳細(xì)記錄可以實(shí)時(shí)預(yù)測(cè)客戶流失的程度等。多樣化是指數(shù)據(jù)形式的多樣性，如可以分析多種數(shù)據(jù)的變化包括文本、圖像、音頻等來提高客戶滿意度等。真實(shí)性則意味著大數(shù)據(jù)提供信息的可信度，以及據(jù)此決策的可靠程度。還有些學(xué)者[11]（Quinn， 2012）認(rèn)為應(yīng)該加入另外兩個(gè)V：Value （價(jià)值） 和 Visualization （可視化）。 關(guān)于類型，學(xué)者們認(rèn)為數(shù)據(jù)，不論是否是大數(shù)據(jù)都分屬三種類型：非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)。[12][13][14]非結(jié)構(gòu)化數(shù)據(jù)指沒有格式的數(shù)據(jù)，如PDF、E-mail 和文檔。結(jié)構(gòu)化數(shù)據(jù)具備一定格式，便于存儲(chǔ)、使用和從中提取信息，例如傳統(tǒng)的事務(wù)型數(shù)據(jù)庫。半結(jié)構(gòu)化數(shù)據(jù)是指類似XML和HTML 的有一定加工處理的數(shù)據(jù)。
　　大數(shù)據(jù)的應(yīng)用和影響體現(xiàn)在各個(gè)領(lǐng)域。大數(shù)據(jù)不只意味著體量的大小，它同時(shí)意味著研究方法更傾向于利用新的多種類型的數(shù)據(jù)獲取信息，以數(shù)據(jù)為基礎(chǔ)進(jìn)行研究，并作出決策。在天文研究方面，美國的The Sloan Digital Sky Survey[15] （SDSS2008）成為天文學(xué)家的主要信息來源，同時(shí)，天文學(xué)家的主要工作也從包括拍攝星空?qǐng)D片等變?yōu)橹饕獞?yīng)用數(shù)據(jù)庫查詢和發(fā)現(xiàn)天象的變化。對(duì)企業(yè)來說大數(shù)據(jù)的應(yīng)用則意味著更好的商業(yè)決策，有些公司如Google、Amazon，Yahoo等，分析利用此類數(shù)據(jù)，并將其結(jié)果作為擴(kuò)張市場(chǎng)的依據(jù)或者提供個(gè)性化服務(wù)的方向，因此公司得以快速成長(zhǎng)。大數(shù)據(jù)的出現(xiàn)和潛在的價(jià)值也引起了各國政府的注意。例如，奧巴馬政府2012年宣布，每年將花費(fèi)超過2億美元在大數(shù)據(jù)研究應(yīng)用方面，以致力于科學(xué)探索、環(huán)境、生物醫(yī)學(xué)、教育和國家安全方面的研究。[16]在教育領(lǐng)域，隨著遠(yuǎn)程教育的發(fā)展和LMS（如Blackboard 和 Moodle等）的應(yīng)用，大數(shù)據(jù)的潛在應(yīng)用也越來越廣。這些系統(tǒng)每天都記錄大量的學(xué)生交互信息、個(gè)人數(shù)據(jù)、系統(tǒng)數(shù)據(jù)等。[17]這些也促進(jìn)了教育界學(xué)習(xí)分析學(xué)（LA， Learning Analytics）和教育數(shù)據(jù)挖掘 （EDM， Educational Data Mining）的發(fā)展應(yīng)用，以及教育技術(shù)領(lǐng)域的研究范式的變化。
　　三、“數(shù)據(jù)密集科學(xué)”作為科學(xué)研究第四范式所帶來的機(jī)遇與挑戰(zhàn)
　　大數(shù)據(jù)作為一個(gè)通用術(shù)語，實(shí)際描述著正在發(fā)生的影響到自然科學(xué)、工程學(xué)、醫(yī)學(xué)、金融、商業(yè)、直至整個(gè)社會(huì)的科學(xué)革命。正是基于大數(shù)據(jù)的出現(xiàn)以及影響，Jim Gray[18]在2007年提出了數(shù)據(jù)密集型科學(xué)（Data-Intensive Science）的概念。Gray 認(rèn)為，從進(jìn)行科學(xué)研究的方法的角度來看，從古至今存在的科學(xué)研究方法范式包括：
　　1. 實(shí)證式（實(shí)驗(yàn)科學(xué)）（Empirical/Experimentation）分支，開始于1000年前，主要的研究方法是對(duì)自然現(xiàn)象的描述論證，對(duì)自然現(xiàn)象進(jìn)行系統(tǒng)歸類，如對(duì)化學(xué)元素的分類；
　　2. 理論式（理論推演）（Theoretical）分支，當(dāng)科學(xué)假設(shè)與預(yù)期結(jié)果一致時(shí)，則使得理論框架開始占有一席之地，出現(xiàn)于數(shù)百年前，主要采用建模方式，由特殊到一般進(jìn)行推演；
　　3. 計(jì)算式（計(jì)算機(jī)仿真） （Computational）分支，開始于幾十年前，主要方法為利用計(jì)算方式模擬復(fù)雜現(xiàn)象，科學(xué)數(shù)據(jù)可以用模擬的方法獲得，而不再依賴于單一的實(shí)驗(yàn)；
　　4. 數(shù)據(jù)密集型科學(xué)（Data-Intensive Science），在前三種方法的基礎(chǔ)之上，采用IT技術(shù)獲取、處理、存儲(chǔ)、統(tǒng)計(jì)分析大數(shù)據(jù)，從中獲取知識(shí)。
　　數(shù)據(jù)密集型科學(xué)被稱之為科學(xué)研究的“第四范式”，與其他三種范式一起成為科學(xué)研究的方法，它的出現(xiàn)與大數(shù)據(jù)密切相關(guān)。 因此，Gray提出的“范式”更接近于Thagard[19]提出的“方略”。
　　Gray[20]認(rèn)為，數(shù)據(jù)密集科學(xué)包含三項(xiàng)針對(duì)數(shù)據(jù)的活動(dòng)：獲取、存儲(chǔ)維護(hù)、分析。大數(shù)據(jù)給科學(xué)研究帶來巨大改變的同時(shí)，也意味著多方面的挑戰(zhàn)。學(xué)者們認(rèn)為，整個(gè)數(shù)據(jù)獲取到分析的過程都存在不同的困難和挑戰(zhàn)。[21]例如，在獲取數(shù)據(jù)時(shí)，如何摒棄無用的數(shù)據(jù)，如何做到在數(shù)據(jù)收集的過程中過濾數(shù)據(jù)以免卻儲(chǔ)存之后再進(jìn)行處理的麻煩；同時(shí)，如何自動(dòng)產(chǎn)生元數(shù)據(jù)（Meta Data）對(duì)數(shù)據(jù)進(jìn)行描繪。其次是數(shù)據(jù)存儲(chǔ)，即數(shù)據(jù)庫存問題，事務(wù)性數(shù)據(jù)庫不適合存儲(chǔ)關(guān)系不明確的大數(shù)據(jù)。在分析方面，傳統(tǒng)的統(tǒng)計(jì)算法的前提是數(shù)據(jù)的同質(zhì)性（Homogeneity），大多數(shù)大數(shù)據(jù)不具備此特性。針對(duì)這些挑戰(zhàn)（大數(shù)據(jù)的非結(jié)構(gòu)化，具有多樣性，同時(shí)數(shù)量巨大），傳統(tǒng)的關(guān)系數(shù)據(jù)庫無法滿足要求；NoSQL （Not Only SQL）數(shù)據(jù)庫則為存儲(chǔ)和檢索大數(shù)據(jù)提供了可能。Google的Google File System、Big Table、Map Reduce 代表了這方面的技術(shù)創(chuàng)新。
　　在《第四范式：數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)》[22]一書中，多位作者提出了各個(gè)科學(xué)領(lǐng)域的研究與大數(shù)據(jù)結(jié)合的必要性和數(shù)據(jù)密集科學(xué)對(duì)不同領(lǐng)域科學(xué)研究方法的影響，包括地球與環(huán)境科學(xué)、生命與健康科學(xué)、數(shù)字信息基礎(chǔ)設(shè)施和數(shù)字化學(xué)術(shù)信息交流等。他們也描述了大數(shù)據(jù)以及數(shù)據(jù)密集科學(xué)影響下不同領(lǐng)域的科研活動(dòng)、過程、方法以及成果，拓寬了不同學(xué)科領(lǐng)域應(yīng)用大數(shù)據(jù)的思路。例如，Robertson[23]等在討論發(fā)展中國家的醫(yī)療合作時(shí)，描述了他們的以計(jì)算機(jī)和手機(jī)結(jié)合為基礎(chǔ)的NxKM （NxOpinion Knowledge Manager）系統(tǒng)。該系統(tǒng)包括一個(gè)有專家開發(fā)的知識(shí)庫、一個(gè)醫(yī)療診斷引擎和一個(gè)手機(jī)界面，用來輸入患者信息并根據(jù)該信息自動(dòng)產(chǎn)生問題（多項(xiàng)選擇），以從患者獲得更多信息。因此，雖然患者信息可以由當(dāng)?shù)厝诉B接輸入系統(tǒng)，但該信息由遠(yuǎn)程專家分析，因此，多方面的合作以及信息數(shù)據(jù)的綜合使用，使得診斷結(jié)果和診治手段也將更加可靠。該書雖然涵蓋了多方面內(nèi)容，包括信息密集型科學(xué)研究范式對(duì)地球環(huán)境、醫(yī)學(xué)、認(rèn)知科學(xué)、學(xué)術(shù)信息交流等方面的深刻影響，但沒有涉及大數(shù)據(jù)對(duì)教育，尤其是教育技術(shù)的影響。 　　四、教育技術(shù)研究范式演變軌跡
　　本文對(duì)教育技術(shù)不做定義方面的明確界定，它基本等同于英語的Educational Technology、Instructional Technology或者Instructional Development[24]（Dills & Romiszowski， 1997），其研究核心是應(yīng)用技術(shù)支持教學(xué)和學(xué)習(xí)。教育技術(shù)研究的核心方略是設(shè)計(jì)研究，本文從研究范式的角度出發(fā)，主要目的是看教育技術(shù)的范式的特點(diǎn)、演變以及大數(shù)據(jù)對(duì)教育技術(shù)研究可能產(chǎn)生的影響。
　　首先，學(xué)者們認(rèn)為，在教育技術(shù)領(lǐng)域，正如整個(gè)社會(huì)科學(xué)領(lǐng)域，從來都是多范式并存的。即從未有過只有一個(gè)范式存在而其他范式完全退出教育技術(shù)學(xué)術(shù)圈的情況，盡管也許在某個(gè)時(shí)期存在一個(gè)占據(jù)主要地位的范式。[25]例如當(dāng)斯金納心理學(xué)占據(jù)統(tǒng)治地位的時(shí)候，與之對(duì)壘的非斯金納行為主義地位次之，同時(shí)之前影響最大的弗洛伊德心理學(xué)的影響依然在某種程度上存在，而未來的范式（認(rèn)知信息加工理論）也開始嶄露頭角。另外，Saettler[26]認(rèn)為20世紀(jì)的教育技術(shù)領(lǐng)域存在四種范式：物理科學(xué)或者媒體理論、傳播學(xué)和系統(tǒng)理論、行為主義和新行為主義觀點(diǎn)、認(rèn)知理論。也有些學(xué)者描述了教育技術(shù)研究和評(píng)估領(lǐng)域內(nèi)的范式變化，如Driscoll[27]概括了八種教育技術(shù)研究范式，Clark 和Sugrue[28]描述了媒介研究（Media Research）中行為主義和認(rèn)知理論范式對(duì)于研究設(shè)計(jì)和研究問題形成的影響。其次，Reigeluth[29]認(rèn)為，教育技術(shù)范式的改變是從整個(gè)社會(huì)的變化開始，而且其改變的速度隨著人類知識(shí)庫的迅速增長(zhǎng)和科技的高速發(fā)展越來越快。大部分的教育技術(shù)范式研究中囊括了多種的技術(shù)應(yīng)用，同時(shí)很多研究更偏重于理論方面的變遷，而Koschmann則詳細(xì)論述了計(jì)算機(jī)為基礎(chǔ)的教育技術(shù)范式演變。[30]
　　Koschmann認(rèn)為：[31]在計(jì)算機(jī)進(jìn)入教育領(lǐng)域后，教育技術(shù)作為一個(gè)獨(dú)立的研究領(lǐng)域才開始出現(xiàn)，因此針對(duì)教育技術(shù)范式的研究也應(yīng)該集中在以計(jì)算機(jī)為基礎(chǔ)的技術(shù)方面；同時(shí)他認(rèn)為教育技術(shù)研究也經(jīng)歷了一系列范式轉(zhuǎn)換。他應(yīng)用庫恩的理論，主要描述了四種涉及計(jì)算機(jī)的教育技術(shù)范式，即計(jì)算機(jī)輔助教學(xué)（CAI， Computer-Assisted Instruction）、智能教學(xué)系統(tǒng)（ITS，Intelligent Tutoring System），Logo-as-Latin以及計(jì)算機(jī)支持的協(xié)作學(xué)習(xí)（CSCL，Computer-Supported-Collaborative Learning）。
　　Koschmann強(qiáng)調(diào)，CAI主要是針對(duì)教學(xué)技術(shù)的設(shè)計(jì)和評(píng)估的研究范式，他在后來的研究中認(rèn)為，[32]CAI并非與計(jì)算機(jī)同時(shí)出現(xiàn)，相反，它可能是桑代克（Thorndike）教育心理學(xué)研究范式的延伸和擴(kuò)展。IBM公司開發(fā)的Coursewriter（一種課件著作軟件）被認(rèn)為是CAI開始的標(biāo)志，即使沒有任何編程經(jīng)驗(yàn)，人們也可以用該系統(tǒng)開發(fā)自己的教學(xué)課件。由于CAI開發(fā)人員大部分具有教學(xué)背景，CAI系統(tǒng)大多反映了教育界對(duì)教和學(xué)的認(rèn)知，即學(xué)習(xí)是被動(dòng)獲取信息的過程，而教學(xué)則是知識(shí)傳遞的過程。CAI系統(tǒng)一般貫徹如下學(xué)習(xí)策略和措施：確定學(xué)習(xí)目標(biāo)，將學(xué)習(xí)目標(biāo)分解為一系列學(xué)習(xí)任務(wù)，然后開發(fā)一系列學(xué)習(xí)活動(dòng)，以達(dá)到預(yù)定學(xué)習(xí)目標(biāo)。CAI同樣以行為主義和實(shí)證主義為理論基礎(chǔ)，因此CAI研究人員認(rèn)為學(xué)習(xí)是可測(cè)量的學(xué)習(xí)成績(jī)或者能力水平的變化，學(xué)習(xí)是CAI 研究中的因變量，而學(xué)習(xí)過程中引進(jìn)的技術(shù)方面的創(chuàng)新成為干預(yù)措施和自變量。對(duì)照組的使用在研究中很常見，研究問題通常為：使用該項(xiàng)技術(shù)對(duì)教學(xué)有何影響？因此，教學(xué)效驗(yàn)（Instructional Efficacy）成為該范式下的核心研究問題。
　　第二個(gè)范式為ITS，起源于人工智能，以Carbonell[33]的博士論文的出現(xiàn)為標(biāo)志。ITS理論認(rèn)為，認(rèn)知是一個(gè)計(jì)算過程，可以通過建立模擬人腦工作模式的智能型系統(tǒng)來研究。[34]如果智能型行為可以通過系統(tǒng)程序表現(xiàn)，那么具備經(jīng)驗(yàn)和技能的教師的角色也可以設(shè)計(jì)出來。由于一對(duì)一教學(xué)被認(rèn)為是金牌標(biāo)準(zhǔn)，[35]因此可以推斷出如果每個(gè)學(xué)生都有個(gè)人的導(dǎo)師，那么整個(gè)社會(huì)的教育水平都會(huì)相應(yīng)得到提高，這也是智能教學(xué)系統(tǒng)研究范式的基本理念。信息加工理論是人工智能前提之一，它認(rèn)為問題解決是定義問題空間的表征（Representations）的過程，包括初始狀態(tài)、目標(biāo)狀態(tài)以及不同狀態(tài)之間的一系列運(yùn)作。在此基礎(chǔ)上，表征成為解決問題和理解認(rèn)知過程的中心問題，而學(xué)習(xí)則成為獲取正確的問題空間的表征的過程，教學(xué)則是輔助學(xué)習(xí)者獲取表征的活動(dòng)。在此過程中技術(shù)的角色與其在CAI中并沒有本質(zhì)不同——然而人工智能系統(tǒng)更注重交互性，也更偏重于復(fù)雜技能的習(xí)得。與CAI不同，智能教學(xué)系統(tǒng)范式的核心研究問題是教學(xué)能力，即該系統(tǒng)是否完全能與嫻熟的真正的導(dǎo)師相媲美。因此，研究問題更看重的是系統(tǒng)的效果，而不是學(xué)生的成績(jī)。
　　計(jì)算機(jī)輔助教學(xué)與人工智能系統(tǒng)盡管有所不同，但從認(rèn)知論的角度說，他們都屬于現(xiàn)實(shí)主義和絕對(duì)主義（Realist and Absolutist），即認(rèn)為學(xué)習(xí)是被動(dòng)獲取知識(shí)，而教師是絕對(duì)權(quán)威。[36]
　　第三個(gè)范式為L(zhǎng)ogo-as-Latin，意指像學(xué)習(xí)拉丁語一樣看待LOGO語言的學(xué)習(xí)。其中LOGO是上個(gè)世紀(jì)60年代由MIT數(shù)學(xué)教育實(shí)驗(yàn)室Papert教授領(lǐng)銜開發(fā)的程序語言，主要供兒童在編程的過程中學(xué)習(xí)。該范式以建構(gòu)主義為理論基礎(chǔ)。建構(gòu)主義起源于皮亞杰的發(fā)展心理學(xué)，認(rèn)為學(xué)習(xí)是新的信息與已有的知識(shí)融合同化的過程。有學(xué)者認(rèn)為，計(jì)算機(jī)編程可以成為建構(gòu)主義學(xué)習(xí)方式的重要角色。[37]例如學(xué)生可以建立模擬系統(tǒng)，在此過程中，學(xué)習(xí)者成為“教師”，而計(jì)算機(jī)則開創(chuàng)了一個(gè)新的教育技術(shù)在學(xué)習(xí)中的角色，即成為“被輔導(dǎo)者”。與CAI不同的是，CAI研究關(guān)注教學(xué)效果，而Logo-as-Latin研究更專注于教學(xué)遷移。編程教學(xué)被看作干預(yù)手段，學(xué)習(xí)者在其他相關(guān)學(xué)習(xí)任務(wù)上的成績(jī)被看作因變量。然而，在后期的文章中，Koschmann認(rèn)為，[38]Logo-as-Latin與CAI同樣起源于傳統(tǒng)教育心理學(xué)，與CAI密切相關(guān)，因此應(yīng)該將它看作CAI的一個(gè)變種，，而不是獨(dú)立的教育技術(shù)研究范式。 　　Koschmann提出的第四種范式是CSCL。CSCL與前三種范式有很多不同之處。首先，前三種研究范式都是建立在心理學(xué)基礎(chǔ)之上，其本質(zhì)是行為主義和認(rèn)知主義。而CSCL的基礎(chǔ)是人類學(xué)、社會(huì)學(xué)、語言學(xué)以及傳播學(xué)等。具體說來，其理論基礎(chǔ)包括（不限于）社會(huì)建構(gòu)主義、社會(huì)文化理論以及情景認(rèn)知理論等。社會(huì)建構(gòu)主義認(rèn)為知識(shí)的建構(gòu)本質(zhì)上是社會(huì)性過程；社會(huì)文化理論以維果斯基的文化—?dú)v史理論為代表，強(qiáng)調(diào)語言在智力發(fā)展過程中的作用；情景認(rèn)知理論認(rèn)為，學(xué)習(xí)是進(jìn)入實(shí)踐共同體（Community of Practice）的過程，“要想學(xué)會(huì)如同真正的專業(yè)從業(yè)人員那樣使用一個(gè)工具，一個(gè)學(xué)生就應(yīng)該像一個(gè)學(xué)徒，必須融入該社區(qū)及其文化。因而，在相當(dāng)大的程度上，學(xué)習(xí)是，我們相信，一個(gè)文化熏陶的過程”[39]。因此CSCL范式中，學(xué)習(xí)的社會(huì)性和文化性成為核心問題。不同于前三種范式針對(duì)的問題（教學(xué)效果、教學(xué)能力、教學(xué)遷移），CSCL被稱為“演繹的實(shí)踐性教學(xué)”（Instruction as Enacted Practice）。CSCL研究范式有幾個(gè)特點(diǎn)：（1）研究問題比較集中在學(xué)習(xí)過程而不是結(jié)果；（2）研究多傾向于描述性，而不是實(shí)驗(yàn)性；（3）很多研究者樂于以參與者（CSCL成員）的角度研究合作學(xué)習(xí)的過程。因此CSCL研究著眼于參加者的談話，合作過程中使用的工具，合作小組的成果等。CSCL范式下的研究問題包括：學(xué)習(xí)如何在學(xué)習(xí)者的語言中表現(xiàn)出來？社會(huì)性因素如何影響學(xué)習(xí)過程？技術(shù)如何在合作學(xué)習(xí)中應(yīng)用？Koschmann將這這四種范式做了簡(jiǎn)單對(duì)比，見表1。
　　五、數(shù)據(jù)密集科學(xué)影響下的教育技術(shù)
　　研究范式：個(gè)性化自適應(yīng)學(xué)習(xí)
　　數(shù)據(jù)密集型研究方法捕捉了整個(gè)信息時(shí)代帶來的大數(shù)據(jù)的基本整體影響。在不同的領(lǐng)域，研究方法的側(cè)重和目的不同，因此各有特點(diǎn)。如在工業(yè)界，商業(yè)智能系統(tǒng)（Business Intelligence System）體現(xiàn)了大數(shù)據(jù)對(duì)決策的影響。在教育領(lǐng)域，美國教育部在一份簡(jiǎn)報(bào)中指出，[40]大數(shù)據(jù)在教育領(lǐng)域的具體應(yīng)用主要為學(xué)習(xí)分析學(xué) （LA， Learning Analytics）和教育數(shù)據(jù)挖掘 （EDM， Educational Data Mining）。EDM 和LA 之間沒有明確的分界線，但它們的起源、理論和目標(biāo)不盡相同，并且逐漸成為涇渭分明的兩個(gè)研究領(lǐng)域。
　　EDM 的目的是研究和利用統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘方法來分析教和學(xué)的過程中產(chǎn)生的數(shù)據(jù)。學(xué)者們認(rèn)為，EDM的研究目的包括以下方面：[41]（1）應(yīng)用多方信息如學(xué)生的知識(shí)程度、動(dòng)機(jī)、元認(rèn)知、學(xué)習(xí)態(tài)度等建立學(xué)生模型，并以此預(yù)測(cè)學(xué)生的學(xué)習(xí)行為；（2）發(fā)現(xiàn)或改進(jìn)學(xué)習(xí)內(nèi)容展現(xiàn)和最佳教學(xué)序列的領(lǐng)域模型；（3）研讀由學(xué)習(xí)軟件提供的不同的教學(xué)支持的效果；（4）建立包括學(xué)生、領(lǐng)域模型和教學(xué)軟件的計(jì)算模型，推動(dòng)關(guān)于學(xué)習(xí)和學(xué)習(xí)者的科學(xué)研究。
　　美國教育部的簡(jiǎn)報(bào)中總結(jié)了EDM針對(duì)和所要回答的問題：[42]（1）什么樣的教學(xué)順序（不同學(xué)習(xí)主題）對(duì)不同特點(diǎn)的學(xué)生最有效？（2）什么樣的行為與更好的學(xué)習(xí)成績(jī)相關(guān)（如較高的課程學(xué)習(xí)成績(jī)）？（3）什么樣的學(xué)生的行為指標(biāo)預(yù)示了學(xué)生的滿意程度、參與度和學(xué)習(xí)進(jìn)步，等等？（4）什么特點(diǎn)的在線學(xué)習(xí)環(huán)境能導(dǎo)致更好的學(xué)習(xí)成績(jī)？（5）什么因素能夠預(yù)測(cè)學(xué)生取得成功？
　　Siemens將LA定義為“關(guān)于學(xué)習(xí)者以及他們的學(xué)習(xí)環(huán)境的數(shù)據(jù)測(cè)量、收集、分析和匯總呈現(xiàn)，目的是理解和優(yōu)化學(xué)習(xí)以及學(xué)習(xí)情境”。[43]LA的一個(gè)重要應(yīng)用是監(jiān)測(cè)和預(yù)測(cè)學(xué)生學(xué)習(xí)成績(jī)，及時(shí)發(fā)現(xiàn)潛在問題，并據(jù)此作出干預(yù)，以預(yù)防學(xué)生在某一科目或者院系課程學(xué)習(xí)中產(chǎn)生風(fēng)險(xiǎn)。[44]相比于EDM，LA借鑒了更廣泛的學(xué)科，除了計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、心理學(xué)、學(xué)習(xí)科學(xué)，還引進(jìn)并應(yīng)用信息學(xué)和社會(huì)學(xué)的理念和技術(shù)。[45]LA回答的問題如下：（1）什么時(shí)候?qū)W生可以進(jìn)行下一個(gè)學(xué)習(xí)主題？（2）什么時(shí)候?qū)W生可能在某一門課程中落后？（3）什么時(shí)候某個(gè)學(xué)生可能有完不成一門課程的風(fēng)險(xiǎn)？（4）如果沒有干預(yù)補(bǔ)救措施，學(xué)生可能得到什么樣的成績(jī)？（5）對(duì)特定學(xué)生來說，下一個(gè)最好的課程是什么？學(xué)生是否需要特殊幫助？
　　美國教育部[46]的簡(jiǎn)報(bào)中總結(jié)了應(yīng)用EDM和 LA 的范疇：（1）用戶知識(shí)模擬、用戶行為分析、用戶經(jīng)驗(yàn)分析；（2）用戶分類/分組（Profiling）；（3）知識(shí)域模擬如學(xué)習(xí)課題分類排序等，知識(shí)元素與相應(yīng)的教學(xué)原則分析；（4）趨勢(shì)分析；（5）自適應(yīng)和個(gè)性化學(xué)習(xí)。
　　應(yīng)用LA和EDM數(shù)據(jù)分析結(jié)果，教師可以更好地了解學(xué)生，理解和觀測(cè)學(xué)生的學(xué)習(xí)過程，發(fā)現(xiàn)最合適的教學(xué)方法和順序，及時(shí)發(fā)現(xiàn)問題并進(jìn)行干預(yù)，以提供個(gè)性化的學(xué)習(xí)服務(wù)為主旨。現(xiàn)在已經(jīng)研發(fā)出的應(yīng)用系統(tǒng)案例有普渡大學(xué)的“課程信號(hào)系統(tǒng)”（Course Signals System，以下簡(jiǎn)稱Signals）[47]、在美國加州大學(xué)圣巴巴拉分校以及阿拉巴馬大學(xué)使用的Moodog，[48] 以及美國西部州際高等教育委員會(huì)教育技術(shù)合作部（WICHE，WCET，Western Interstate Commission for Higher Education，Cooperative for Educational Technologies）的教育大數(shù)據(jù)分析項(xiàng)目——預(yù)測(cè)分析報(bào)告（PAR，Predictive Analytics Reporting）系統(tǒng)。[49]
　　Signals系統(tǒng)通過數(shù)據(jù)挖掘和統(tǒng)計(jì)預(yù)測(cè)模型，根據(jù)多個(gè)變量（表現(xiàn)指標(biāo)包括：現(xiàn)有平均分和努力程度，如學(xué)生LMS的交互頻率；個(gè)性特點(diǎn)指標(biāo)包括學(xué)術(shù)準(zhǔn)備，如高中平均分和各項(xiàng)標(biāo)準(zhǔn)考試成績(jī)；學(xué)生特點(diǎn)，如是否為美國居民、年齡和選修學(xué)分）來預(yù)測(cè)學(xué)生是否能夠完成/通過該課程。Signals 在課程進(jìn)行的過程中，以交通信號(hào)指示燈的方式，讓學(xué)生了解自己的學(xué)習(xí)狀況：課業(yè)良好（綠色），課業(yè)中度危急（黃色），或者課業(yè)嚴(yán)重危急（紅色）。同時(shí)教師可以提供給學(xué)生有效的反饋信息，引導(dǎo)學(xué)生使用合適的資源等來提高成績(jī)。[50]Moodog的主要功能是跟蹤記錄學(xué)生在課程管理系統(tǒng)（CMS，Course Management System）上的學(xué)習(xí)活動(dòng)，其基本目標(biāo)有兩個(gè)：（1）為教師提供學(xué)生與在線學(xué)習(xí)材料交互情況；（2）幫助學(xué)生將自己的學(xué)習(xí)行為和進(jìn)程與其他學(xué)生相比較。[51] 　　PAR[52]的主要目的是應(yīng)用EDM技術(shù)，分析跨越多所高等院校的學(xué)生數(shù)據(jù)，以期發(fā)現(xiàn)并確認(rèn)影響學(xué)生退學(xué)/以及是否能夠畢業(yè)的因子，并據(jù)此實(shí)施有效的教學(xué)干預(yù)。參與PAR的高校包括兩年制和四年制高校，有公共學(xué)校和私立學(xué)校，亦有傳統(tǒng)高校和非傳統(tǒng)高校如網(wǎng)絡(luò)大學(xué)。已經(jīng)有16個(gè)WCET成員機(jī)構(gòu)提交了1，700，000條匿名和去身份標(biāo)識(shí)的學(xué)生記錄以及8，100，000條課程級(jí)別數(shù)據(jù)記錄。所有高校使用統(tǒng)一的數(shù)據(jù)模型，該數(shù)據(jù)模型包括以下核心數(shù)據(jù)元素。（1）總體元素：基本框架，描述所有PAR數(shù)據(jù)的基本概況。（2）學(xué)生一般元素：描述學(xué)生人口數(shù)據(jù)和學(xué)術(shù)背景信息。（3）學(xué)生課程元素：描述學(xué)生參加的課程和學(xué)生的課程成果。（4）學(xué)生的學(xué)術(shù)元素：學(xué)生級(jí)別的數(shù)據(jù)。（5）課程目錄的元素： 教育機(jī)構(gòu)開辦的PAR學(xué)生就讀的課程細(xì)節(jié)信息。（6）學(xué)校元素：學(xué)術(shù)單位的具體信息。
　　應(yīng)用描述、推理和預(yù)測(cè)分析技術(shù)，PAR項(xiàng)目初步發(fā)現(xiàn)32個(gè)影響學(xué)生學(xué)習(xí)以及退學(xué)的普通變量（多為學(xué)生特點(diǎn)變量），包括性別、種族、學(xué)位種類、多種專業(yè)、課程數(shù)量、班級(jí)人數(shù)等。其他發(fā)現(xiàn)如學(xué)生的性別、年齡以及種族與該生是否會(huì)退出某門課沒有關(guān)系。該研究仍在繼續(xù)。
　　這些系統(tǒng)目前的主要功能是分析學(xué)生的網(wǎng)上學(xué)習(xí)活動(dòng)，判斷實(shí)施干預(yù)措施的時(shí)間以及方法等；其潛在功能則可能包括教師可以根據(jù)學(xué)生使用學(xué)習(xí)資源的情況發(fā)現(xiàn)哪些最受學(xué)生歡迎或者哪些活動(dòng)影響學(xué)習(xí)成績(jī)，提供適合不同學(xué)生需要的學(xué)習(xí)材料；調(diào)整學(xué)習(xí)順序或者學(xué)習(xí)活動(dòng)等；最終，完善的學(xué)習(xí)系統(tǒng)可以根據(jù)學(xué)生的特點(diǎn)（學(xué)習(xí)風(fēng)格、已有知識(shí)、動(dòng)機(jī)情況等）引導(dǎo)學(xué)生使用適合自己特點(diǎn)的學(xué)習(xí)材料和學(xué)習(xí)路徑。因此EDM和LA在教育技術(shù)領(lǐng)域內(nèi)的應(yīng)用最終指向個(gè)性化學(xué)習(xí)和自適應(yīng)學(xué)習(xí)環(huán)境的研究和開發(fā)。
　　美國教育部簡(jiǎn)報(bào)認(rèn)為應(yīng)用LA和EDM技術(shù)達(dá)成預(yù)測(cè)學(xué)生學(xué)習(xí)和干預(yù)學(xué)習(xí)過程的自適應(yīng)學(xué)習(xí)環(huán)境應(yīng)該包括六個(gè)部分：[53]（1）自適應(yīng)學(xué)習(xí)內(nèi)容，通過與學(xué)生的交互活動(dòng)，可以辨別學(xué)生的水平和能力，因此可以管理、維護(hù)和呈現(xiàn)適合特定學(xué)生的學(xué)習(xí)內(nèi)容；（2）學(xué)生學(xué)習(xí)數(shù)據(jù)庫，用來獲取存儲(chǔ)學(xué)生與學(xué)習(xí)內(nèi)容的互動(dòng)，包括時(shí)間和行為等；（3）預(yù)測(cè)模型，應(yīng)用學(xué)生學(xué)習(xí)數(shù)據(jù)和人口統(tǒng)計(jì)數(shù)據(jù)（儲(chǔ)存在另外的數(shù)據(jù)庫中，如年齡種族等），追蹤學(xué)生學(xué)習(xí)過程，預(yù)測(cè)未來行為以及成績(jī)，如課業(yè)成績(jī)，是否有可能輟學(xué)等；（4）可視化報(bào)告，將預(yù)測(cè)模型產(chǎn)生的結(jié)果用儀表盤形勢(shì)表現(xiàn)出來；（5）自適應(yīng)引擎，用來操控學(xué)習(xí)內(nèi)容，確保學(xué)習(xí)內(nèi)容適合學(xué)生的能力和特點(diǎn)；（6）干預(yù)引擎，教師、管理員、系統(tǒng)開發(fā)人員等可否決系統(tǒng)提供的建議進(jìn)行人為干預(yù)。除了六個(gè)自適應(yīng)系統(tǒng)內(nèi)部組成部分外，還包括一個(gè)外部的學(xué)生信息系統(tǒng)。這個(gè)信息系統(tǒng)是由學(xué)校學(xué)區(qū)或者地區(qū)教育部門持有維護(hù)的學(xué)生背景信息資料，如年齡、性別、所學(xué)過的課程、成績(jī)、學(xué)習(xí)風(fēng)格等。預(yù)測(cè)模型可以從中獲取數(shù)據(jù)作為預(yù)測(cè)學(xué)生行為成績(jī)等的部分依據(jù)。圖1提供了自適應(yīng)學(xué)習(xí)系統(tǒng)的概況。
　　圖1中的箭頭和數(shù)字表示自適應(yīng)學(xué)習(xí)環(huán)境中的數(shù)據(jù)流的方向和順序。整個(gè)自適應(yīng)學(xué)習(xí)系統(tǒng)包括三個(gè)信息反饋回路數(shù)據(jù)流（Feedback Loop）。數(shù)據(jù)流的第一步是學(xué)生與學(xué)習(xí)內(nèi)容的交互，交互內(nèi)容被儲(chǔ)存于學(xué)生學(xué)習(xí)數(shù)據(jù)系統(tǒng)里（第二步），第三步則是預(yù)測(cè)模型抽取學(xué)生學(xué)習(xí)數(shù)據(jù)和背景數(shù)據(jù)，應(yīng)用LA和EDM技術(shù)進(jìn)行分析，然后將結(jié)果傳遞至自適應(yīng)引擎（第四步），自適應(yīng)引擎據(jù)此針對(duì)特定學(xué)生作出學(xué)習(xí)方面的調(diào)整，而這些調(diào)整則通過學(xué)習(xí)內(nèi)容策略等的改變表現(xiàn)出來。同時(shí)，預(yù)測(cè)結(jié)果也可以通過數(shù)據(jù)儀表盤（數(shù)據(jù)可視化面板）傳達(dá)給教師和管理人員（第五步）。當(dāng)學(xué)生、教師，管理人員等得到相關(guān)信息時(shí)整個(gè)反饋回路得以完成。學(xué)生通過自適應(yīng)引擎獲取的反饋信息包括學(xué)習(xí)活動(dòng)情況、學(xué)習(xí)目標(biāo)/技能完成程度、測(cè)評(píng)結(jié)果等，學(xué)生可據(jù)此更好地進(jìn)行自我調(diào)節(jié)學(xué)習(xí)（Self-Regulated Learning），如在自己尚未完全掌握的學(xué)習(xí)內(nèi)容上投入更多時(shí)間、改變學(xué)習(xí)策略等。教師方面獲得的信息則包括學(xué)生整體學(xué)習(xí)情況以及每個(gè)學(xué)生的學(xué)習(xí)情況，教師可以根據(jù)這些信息做出課程內(nèi)容以及進(jìn)度方面的調(diào)整，例如決定是否對(duì)個(gè)別學(xué)生進(jìn)行干預(yù)，提供更多學(xué)習(xí)資料等。管理人員獲取的信息則是包括多門課程、多個(gè)學(xué)生和教師的情況。根據(jù)整體信息，管理者可以知道哪門課程的學(xué)生成績(jī)不盡如人意、哪些特點(diǎn)的學(xué)生的成績(jī)更出色等。管理層可以據(jù)此作出決策，如增加某門課程作為另一課程的先決條件（Prerequisite）等。
　　美國教育部簡(jiǎn)報(bào)中的自適應(yīng)學(xué)習(xí)系統(tǒng)通過LA和EDM，引導(dǎo)學(xué)生了解自己的學(xué)習(xí)狀況，為教師的教學(xué)干預(yù)提供依據(jù)，也使得管理層更好地進(jìn)行決策。然而，以數(shù)據(jù)密集科學(xué)為基礎(chǔ)，LA和EDM 技術(shù)能夠更好地分析學(xué)生的需要和特點(diǎn)，從而使得學(xué)習(xí)更傾向于個(gè)性化。因此我們認(rèn)為基于數(shù)據(jù)密集科學(xué)的自適應(yīng)學(xué)習(xí)系統(tǒng)應(yīng)該體現(xiàn)個(gè)性化的學(xué)習(xí)特點(diǎn)，下一個(gè)教育技術(shù)研究范式是個(gè)性化自適應(yīng)學(xué)習(xí)（Personalized Adaptive learning，簡(jiǎn)稱PAL）， 即在自適應(yīng)基礎(chǔ)之上，學(xué)習(xí)內(nèi)容更體現(xiàn)學(xué)生特點(diǎn)和需求。根據(jù)學(xué)生的特點(diǎn)（已有知識(shí)，學(xué)習(xí)風(fēng)格等）和其他信息（年齡，性別，興趣等）數(shù)據(jù)可以將學(xué)生分組（Profiling），學(xué)習(xí)系統(tǒng)可以根據(jù)學(xué)生特點(diǎn)和需要推薦學(xué)習(xí)內(nèi)容，教師針對(duì)不同特點(diǎn)的學(xué)生提供豐富的學(xué)習(xí)材料，學(xué)生同時(shí)可以自己選擇學(xué)習(xí)材料、測(cè)評(píng)方式等。圖2提供了PAL系統(tǒng)的基本結(jié)構(gòu)。
　　圖2中虛線部分代表了學(xué)習(xí)內(nèi)容生成的過程：學(xué)生背景數(shù)據(jù)（以往成績(jī)、所學(xué)課程、學(xué)習(xí)風(fēng)格等）導(dǎo)入預(yù)測(cè)模型，分析生成可視化數(shù)據(jù)，教師據(jù)此設(shè)計(jì)適合不同特點(diǎn)學(xué)生組的不同學(xué)習(xí)內(nèi)容。圖2的實(shí)線箭頭部分代表了自適應(yīng)學(xué)習(xí)過程和數(shù)據(jù)流。自適應(yīng)學(xué)習(xí)過程與圖1一樣，由三個(gè)反饋回路組成。
　　不同于以往的個(gè)性化學(xué)習(xí)和自適應(yīng)學(xué)習(xí)的是，PAL環(huán)境將以大數(shù)據(jù)為基礎(chǔ)，納入EDM和LA數(shù)據(jù)分析和結(jié)果，因此能夠提供更適合特定學(xué)生的學(xué)習(xí)內(nèi)容，獲取更多和更精確的學(xué)習(xí)者信息和學(xué)習(xí)活動(dòng)信息，更好地分析學(xué)習(xí)過程模式和學(xué)習(xí)活動(dòng)有效性，更準(zhǔn)確地進(jìn)行學(xué)習(xí)評(píng)估等。
　　PAL與Koschmann的四個(gè)教育技術(shù)范式相比較，其獨(dú)特之處在于它傾向于利用多方面數(shù)據(jù)：一方面根據(jù)已經(jīng)存在的數(shù)據(jù)，提供適合學(xué)生特點(diǎn)和需要的學(xué)習(xí)內(nèi)容；另一方面分析已有數(shù)據(jù)和學(xué)習(xí)過程中產(chǎn)生的數(shù)據(jù)，根據(jù)結(jié)果發(fā)現(xiàn)問題，并采取個(gè)性化干預(yù)措施。因此其基礎(chǔ)為數(shù)據(jù)密集科學(xué)，同時(shí)體現(xiàn)了以學(xué)生為中心，根據(jù)學(xué)生的個(gè)性特點(diǎn)，發(fā)展?jié)撃軄磉M(jìn)行教學(xué)的人本主義的教學(xué)觀念。 　　六、機(jī)遇與挑戰(zhàn)
　　個(gè)性化自適應(yīng)學(xué)習(xí)能夠體現(xiàn)“以學(xué)習(xí)者為中心”的學(xué)習(xí)理念，并且與智慧教育[54]的主張不謀而合，成為教育技術(shù)的一個(gè)新的研究范式。智慧教育主張借助信息技術(shù)的力量，創(chuàng)建具有一定智慧特性（如感知、推理、輔助決策）的學(xué)習(xí)時(shí)空環(huán)境，旨在促進(jìn)學(xué)習(xí)者的智慧全面、協(xié)調(diào)和可持續(xù)發(fā)展，通過對(duì)學(xué)習(xí)和生活環(huán)境的適應(yīng)、塑造和選擇，以最終實(shí)現(xiàn)對(duì)人類的共善（對(duì)個(gè)人、他人、社會(huì)的助益）。智慧教育充分體現(xiàn)了“以學(xué)習(xí)者為中心”的思想，強(qiáng)調(diào)學(xué)習(xí)是一個(gè)充滿張力和平衡的過程，揭示了“教育要為學(xué)習(xí)者的智慧發(fā)展服務(wù)”的深刻內(nèi)涵。
　　智慧學(xué)習(xí)環(huán)境的一個(gè)基本特征是：基于學(xué)習(xí)者的個(gè)體差異（如能力、風(fēng)格、偏好、需求）提供個(gè)性化的學(xué)習(xí)服務(wù)；并記錄分析學(xué)習(xí)歷史數(shù)據(jù)，便于數(shù)據(jù)挖掘和深入分析，數(shù)據(jù)結(jié)果用于評(píng)估學(xué)習(xí)過程、預(yù)測(cè)未來表現(xiàn)和發(fā)現(xiàn)潛在問題，并以數(shù)據(jù)分析結(jié)果進(jìn)行干預(yù)。因此以大數(shù)據(jù)為基礎(chǔ)的個(gè)性化自適應(yīng)學(xué)習(xí)將成為智慧學(xué)習(xí)環(huán)境的重要組成部分。同時(shí)，EDM和LA能夠?yàn)楦咝Ｌ峁┯行畔�，�?duì)學(xué)生進(jìn)行干預(yù)，最終能夠提高學(xué)生成就，降低輟學(xué)率，提升畢業(yè)率。
　　另外，大數(shù)據(jù)除了支持學(xué)習(xí)過程分析外，還可以在知識(shí)表征（概念提取、本體建立、可視化）與利用（自動(dòng)翻譯、答疑）方面大有可為，因此，除PAL方式外，大數(shù)據(jù)能夠促進(jìn)個(gè)性化學(xué)習(xí)服務(wù)與社會(huì)智慧發(fā)展，促進(jìn)人本主義教育理念的實(shí)現(xiàn)，并且成為社會(huì)知識(shí)生態(tài)發(fā)展模式的重要組成部分。
　　總而言之，大數(shù)據(jù)為教育技術(shù)的發(fā)展帶來很多可能性，例如創(chuàng)建個(gè)性化自適應(yīng)學(xué)習(xí)環(huán)境、知識(shí)發(fā)現(xiàn)工具、管理決策平臺(tái)等，同時(shí)它的應(yīng)用面臨諸多挑戰(zhàn)。首先是來自數(shù)據(jù)方面的挑戰(zhàn)：如何儲(chǔ)存海量的非結(jié)構(gòu)化數(shù)據(jù)，例如學(xué)生的討論等文本數(shù)據(jù)？如何分析這些復(fù)雜數(shù)據(jù)？如何真正理解數(shù)據(jù)結(jié)果并傳達(dá)給非數(shù)據(jù)專業(yè)人員？只有當(dāng)大數(shù)據(jù)管理技術(shù)、數(shù)據(jù)分析以及數(shù)據(jù)可視化工具方面取得突破性進(jìn)展，才有可能真正實(shí)現(xiàn)以學(xué)習(xí)者為中心，滿足不同學(xué)習(xí)者的需要的個(gè)性化自適應(yīng)學(xué)習(xí)環(huán)境。其次，數(shù)據(jù)密集型科學(xué)的應(yīng)用在教育方面的體現(xiàn)主要是LA和EDM，通過數(shù)據(jù)使得學(xué)習(xí)過程透明化，并以數(shù)據(jù)為基礎(chǔ)分析學(xué)生的行為和學(xué)習(xí)成績(jī)。這些數(shù)據(jù)可以傳達(dá)“發(fā)生了什么”，而不能回答“為什么”，尤其是那些數(shù)據(jù)中沒有體現(xiàn)出來的原因。因此如何將無法從數(shù)據(jù)中觀察到的因素，如學(xué)生的學(xué)習(xí)動(dòng)機(jī)、情感等納入干預(yù)設(shè)計(jì)，仍有待進(jìn)一步研究。
　　[參考文獻(xiàn)]
　　[1] Thomas S.Kuhn. The Structure of Scientific Revolutions（3rd Edition）[M]. Chicago： University of Chicago Press， 1996：10.
　　[2] T.S.Kuhn.The Structure of Scientific Revolutions（2nd Edition） [M]. University of Chicago Press，1970： 88 and 41respectively.
　　[3] Wikipedia， the free encyclopedia[EB/OL].http：//en.wikipedia.org/wiki/Paradigm.
　　[4] [5] [19] P.Thagard. Conceptual Revolutions[M]. Princeton， NJ： Princeton University Press，1992.
　　[6] U.Friedman（2013）. Big Data：A Short History[DB/OL].[2013-05-10].http：//www.foreignpolicy.com/articles/2012/10/08/big_data？page=0，1.
　　[7] [12] Purcell，B.. Theemergence of “big data” Technology and Analytics. Journal of Technology Research[DB/OL].[2013-05-10].http：//www.aabri.com/manuscripts/121219.pdf.
　　[8] C.Snijders，U.Matzat，U.-D.Reips.‘Big Data’：Big Gaps of Knowledge in the Field of Internet Science[J].International Journal of Internet Science， 2012，（7）：1～5.
　　[9] Doug Laney. 3-D Data Management： Controlling Data Volume， Velocity and Variety[DB/OL].[2013-04-10].http：//blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf.
　　[10] IBM[DB/OL].[2013-05-10]http：//www-01.ibm.com/software/data/bigdata/.
　　[11] E.Quinn. The 6 Vs： The BI/Analytics Game Changes so Microsoft Changes Excel[DB/OL].[2013-05-10].http：//www.esg-global.com/blogs/the-6-vs-the-bianalytics-game-changes-so-microsoft-changes-excel/.
　　[13] C.Coronel， S.Morris， P.Rob. Database Systems： Design， Implementation， and Management（10th Ed.）[M]. Boston： Cengage Learning， 2013. 　　[14] P.Baltzan. Business Driven Information Systems， （3rd ed.） [M]. New York： McGraw-Hill，2012.
　　[15] SDSS-III： Massive Spectroscopic Surveys of the Distant Universe， the Milky Way Galaxy， and Extra-Solar Planetary Systems [DB/OL].[2013-01-10].http：//www.sdss3.org/collaboration/description.pdf.
　　[16] White House OSTP. Obama Administration Unveils “Big Data” Initiative： Announces $200 Million In New R&D Investments[DB/OL]. [2012-03-29]http：//www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf.
　　[17] R.Mazza，C.Milani.GISMO： A Graphical Interactive Student Monitoring Tool for Course Management Systems[DB/OL].[2012-01-10].http：//linux3.dti.supsi.ch/～mazza/Web_area/Pubblicazioni/TEL04/TEL04.pdf.
　　[18] [20] J.Gray. Jim Gray on eScience： A Transformed Scientific Method[R].The Fourth Paradigm：Data-Intensive Scientific Discovery，2009.
　　[21] Agrawa， et al.. Challenges and Opportunities with Big Data [DB/OL].[2013-05-11].http：//cra.org/ccc/docs/init/bigdatawhitepaper.pdf.
　　[22] T.Hey，S.Tansley， K.Tolle（Eds.）.The Fourth Paradigm： Data-Intensive Scientific Discovery. Redmond， Washington. UNT Digital Library[DB/OL].[2013-04-23].http：//digital.library.unt.edu/ark：/67531/metadc31516/.
　　[23] J.Robertson，D.DeHart，K.Tolle，D.Heckerman. Healthcare Delivery in Developing Countries： Challenges and Potential Solutions[A]. T.Hey， S.Tansley， K.Tolle.（Eds.）. The Fourth Paradigm： Data-Intensive Scientific Discovery[C]. Redmond， Washington，2009：65～73.
　　[24] [25] C.R.Dills，A.J.Romiszowski.The Instructional Development Paradigm：An Introduction[A]. C.R.Dills， A. J. Romiszowski （Eds.）.Instructional Development Paradigms[C]. Englewood， NJ： Educational Technology Publications， Inc，1997.
　　[26] P.L.Saettler. The Evolution of American Educational Technology [M]. Englewood， CO： Libraries Unlimited，1990.
　　[27] M.P. Driscoll. Paradigms for Research in Instructional Systems[A]. In C. R. Dills， and A. J. Romiszowski （Eds.）.Instructional Development Paradigms[C]. Englewood， NJ： Educational Technology Publications， Inc，1995.
　　[28] R.E.Clark， B.M.Sugrue. Research on Instructional Media， 1978-1988[A]. G.J. Anglin （Ed.）. Instructional Technology： Past， Present and Future （2ed ed.） [C]. CO： Libraries Unlimited.
　　[29] C.M. Reigeluth. Educational Systems Development and Its Relationship to ISD[A]. G.J. Anglin （Ed.）.Instructional Technology： Past， Present and Future （2ed ed.）[C]. CO： Libraries Unlimited. 　　[30] [31] [38] T.Koschmann. Paradigm Shifts and Instructional Technology[A]. CSCL：Theory and Practice of An Emerging Paradigm [C]. Mahwah， NJ：Lawrence Erlbaum， 1996：1～23.
　　[32] T.Koschmann. Revisiting the Paradigms of Instructional Technology[A].Proceedings of the 18th Annual Conference of the Australian Society for Computers in Learning in Tertiary Education[C]. 2001：15～22.
　　[33] J.Carbonell. Mixed-Initiative Man-Computer Instructional Dialogues[D]. Massachusetts Institute of Technology， 1970.
　　[34] Z.Pylyshyn. Computing in Cognitive Dcience[A]. M. Posner （Ed.）. Foundations of Cognitive Dcience[C]. Cambridge， MA： MIT Press，1989：51～91.
　　[35] B.S.Bloom. The 2 Sigma Problem： The Search for Methods of Group Instruction as Effective as One-to-One Tutoring[J]. Educational Researcher， 1984，13（6）：4～16.
　　[36] M.Schommer. Effects of Beliefs about the Nature of Knowledge on Comprehension[J]. Journal of Educational Psychology， 1990，82： 498～504.
　　[37] S.Papert. Mindstorms[M]. New York： Basic Books，1980.
　　[39] J.S.Brown， A.Collins， P.Duguid. Situated Cognition and the Culture of Learning[J]. Educational Researcher， 1989，18（1）：32～42.
　　[40] [42] [45] [46] [53] U.S. Department of Education， Office of Educational Technology. Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics： An Issue Brief， Washington， D.C.[DB/OL].[2013-05-20].http：//www.ed.gov/edblogs/technology/files/2012/03/edm-la-brief.pdf.
　　[41] R. S. J. D.Baker， K. Yacef. The State of Educational Data Mining in 2009： A Review and Future Visions[J]. Journal of Educational Data Mining， 2009，1（1）：3～17.
　　[43] G.Siemens. Learning Analytics A Foundation for Informed Change in Higher Education[DB/OL].[2013-01-17].http：//www.slideshare.net/gsiemens/learning-analytics-educause.
　　[44] L.Johnson， R. Smith， H. Willis， A. Levine， K. Haywood. The 2011 Horizon Report. Austin， TX： The New Media Consortium. [DB/OL].[2013-05-20].http：//net.educause.edu/ir/library/pdf/HR2011.pdf.
　　[47] K. E.Arnold. “Signals： Applying Academic Analytics[DB/OL].[2013-04-18].http：//www.educause.edu/EDUCAUSE+Quarterly/EDUCAUSEQuarterly MagazineVolum/SignalsApplyingAcademicAnalyti/199385.
　　[48] EDUCAUSE. 2010. Next Generation Learning Challenges： Learner Analytics Premises[DB/OL].[2013-04-18].http：//www.educause.edu/Resources/NextGenerationLearningChalleng/215028.
　　[49] [52] WCET Predictive Analytics Reporting （PAR） Framework [DB/OL].[2013-05-11].http：//wcet.wiche.edu/advance/par-framework.
　　[50] R.Ferguson. The State of Learning Analytics in 2012： A Review and Future Challenges[DB/OL].[2012-12-11].http：//kmi.open.ac.uk/publications/pdf/kmi-12-01.pdf.
　　[51] H.Zhang， K.Almeroth， A.Knight， M.Bulger， R.Mayer. Moodog： Tracking Students' Online Learning Activities[A]. World Conference on Educational Multimedia， Hypermedia and Telecommunications [C].2007：4415～4422.
　　[54] 祝智庭，賀斌. 智慧教育：教育信息化的新境界[J].電化教育研究，2012，（12）：1～13.

  本文關(guān)鍵詞：基于大數(shù)據(jù)的教育技術(shù)研究新范式，由筆耕文化傳播整理發(fā)布。