本文關(guān)鍵詞：分析學(xué)

  更多相關(guān)文章： 大數(shù)據(jù) 教育數(shù)據(jù)挖掘 學(xué)習(xí)分析

內(nèi)容摘要：“數(shù)據(jù)驅(qū)動(dòng)學(xué)校，分析變革教育”的大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨，利用教育數(shù)據(jù)挖掘技術(shù)和學(xué)習(xí)分析技術(shù)，構(gòu)建教育領(lǐng)域相關(guān)模型，探索教育變量之間的相關(guān)關(guān)系，為教育教學(xué)決策提供有效支持將成為未來(lái)教育的發(fā)展趨勢(shì)�！按髷�(shù)據(jù)”的出現(xiàn)，將掀起人類(lèi)教與學(xué)的又一次變革。2012年，美國(guó)國(guó)家教育部發(fā)布了《通過(guò)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》報(bào)告，對(duì)美國(guó)國(guó)內(nèi)大數(shù)據(jù)教育應(yīng)用領(lǐng)域和案例，以及應(yīng)用實(shí)施所面臨的挑戰(zhàn)進(jìn)行了詳細(xì)的介紹。借鑒此報(bào)告，我們認(rèn)為未來(lái)我國(guó)教育領(lǐng)域的大數(shù)據(jù)研究和應(yīng)用，應(yīng)加強(qiáng)國(guó)家和地方對(duì)相關(guān)的研究和應(yīng)用在技術(shù)層面、管理體制層面以及法律制度層面的支持，按需合理規(guī)劃具體研究和應(yīng)用，整合現(xiàn)有資源，發(fā)揮后進(jìn)優(yōu)勢(shì)，借助“大數(shù)據(jù)”實(shí)現(xiàn)真正意義上的個(gè)性化學(xué)習(xí)，進(jìn)而實(shí)現(xiàn)教育公平。

關(guān)鍵詞：大數(shù)據(jù);教育數(shù)據(jù)挖掘;學(xué)習(xí)分析

作者簡(jiǎn)介：

　　作者簡(jiǎn)介：徐鵬，東北師范大學(xué)在讀博士研究生，工程師，東北師范大學(xué)信息化管理與規(guī)劃辦公室，研究方向：教師教育技術(shù)、大數(shù)據(jù)教育應(yīng)用；王以寧，東北師范大學(xué)傳媒科學(xué)學(xué)院教授，博士生導(dǎo)師，研究方向：教師教育技術(shù)；劉艷華，吉林大學(xué)公共外語(yǔ)教育學(xué)院講師，研究方向：網(wǎng)絡(luò)教育、數(shù)字化教學(xué)設(shè)計(jì)，吉林　長(zhǎng)春　130012；張海，東北師范大學(xué)傳媒科學(xué)學(xué)院副教授，博士生導(dǎo)師，研究方向：教師教育技術(shù)，吉林　長(zhǎng)春　130024

　　內(nèi)容提要：“數(shù)據(jù)驅(qū)動(dòng)學(xué)校，分析變革教育”的大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨，利用教育數(shù)據(jù)挖掘技術(shù)和學(xué)習(xí)分析技術(shù)，構(gòu)建教育領(lǐng)域相關(guān)模型，探索教育變量之間的相關(guān)關(guān)系，為教育教學(xué)決策提供有效支持將成為未來(lái)教育的發(fā)展趨勢(shì)�！按髷�(shù)據(jù)”的出現(xiàn)，將掀起人類(lèi)教與學(xué)的又一次變革。2012年，美國(guó)國(guó)家教育部發(fā)布了《通過(guò)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》報(bào)告，對(duì)美國(guó)國(guó)內(nèi)大數(shù)據(jù)教育應(yīng)用領(lǐng)域和案例，以及應(yīng)用實(shí)施所面臨的挑戰(zhàn)進(jìn)行了詳細(xì)的介紹。借鑒此報(bào)告，我們認(rèn)為未來(lái)我國(guó)教育領(lǐng)域的大數(shù)據(jù)研究和應(yīng)用，應(yīng)加強(qiáng)國(guó)家和地方對(duì)相關(guān)的研究和應(yīng)用在技術(shù)層面、管理體制層面以及法律制度層面的支持，按需合理規(guī)劃具體研究和應(yīng)用，整合現(xiàn)有資源，發(fā)揮后進(jìn)優(yōu)勢(shì)，借助“大數(shù)據(jù)”實(shí)現(xiàn)真正意義上的個(gè)性化學(xué)習(xí)，進(jìn)而實(shí)現(xiàn)教育公平。

　　關(guān) 鍵 詞：大數(shù)據(jù) 教育數(shù)據(jù)挖掘 學(xué)習(xí)分析

　　一、報(bào)告發(fā)布背景簡(jiǎn)介

　　近年來(lái)，隨著互聯(lián)網(wǎng)的飛速發(fā)展，人們?cè)絹?lái)越多的行為在網(wǎng)絡(luò)中發(fā)生，這直接導(dǎo)致互聯(lián)網(wǎng)中人類(lèi)行為相關(guān)數(shù)據(jù)呈爆炸式增長(zhǎng)，人類(lèi)在不知不覺(jué)中已經(jīng)進(jìn)入了一個(gè)“大數(shù)據(jù)”時(shí)代。聯(lián)合國(guó)在2012年發(fā)布的大數(shù)據(jù)白皮書(shū)"Big Data for Development：Challenges & Opportunities"中指出，大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)，大數(shù)據(jù)的出現(xiàn)將會(huì)對(duì)社會(huì)各個(gè)領(lǐng)域產(chǎn)生深刻影響[1]。為此，世界各國(guó)都在此領(lǐng)域投入大量人力物力來(lái)支持“大數(shù)據(jù)”相關(guān)研究和應(yīng)用。美國(guó)作為世界科技強(qiáng)國(guó)，在2012年3月29日正式啟動(dòng)"Big Data Research and Development Initiative"計(jì)劃，提出“通過(guò)收集、處理龐大而復(fù)雜的數(shù)據(jù)信息，從中獲得知識(shí)和洞見(jiàn)，提升能力，加快科學(xué)、工程領(lǐng)域的創(chuàng)新步伐，強(qiáng)化美國(guó)國(guó)土安全，轉(zhuǎn)變教育和學(xué)習(xí)模式”，正式將“大數(shù)據(jù)”提高到國(guó)家戰(zhàn)略層面，美國(guó)政府為該計(jì)劃投入了2億美元[2]。2013年2月6日，美國(guó)國(guó)家科學(xué)基金會(huì)(National Science Foundation)宣布將額外投入1萬(wàn)美元，以激勵(lì)社會(huì)及人文科學(xué)中的“大數(shù)據(jù)”研究的發(fā)展。另外，國(guó)際著名學(xué)術(shù)期刊Nature和Science分別在2008年和2011年推出大數(shù)據(jù)相關(guān)專(zhuān)刊，由此可見(jiàn)，“大數(shù)據(jù)”已經(jīng)得到了世界各國(guó)學(xué)術(shù)界、工業(yè)界和政府機(jī)構(gòu)的高度重視。

　　在教育領(lǐng)域，耶魯大學(xué)、哈佛大學(xué)、斯坦福大學(xué)等世界知名高校也啟動(dòng)了教育大數(shù)據(jù)相關(guān)研究計(jì)劃；另外，美國(guó)學(xué)校管理者協(xié)會(huì)(AASA)攜手學(xué)校網(wǎng)絡(luò)聯(lián)合會(huì)(COSN)，以及全球性的信息技術(shù)研究和咨詢(xún)公司Gartner共同實(shí)施了一個(gè)名為"Closing the Gap：Turning Data into Action"的項(xiàng)目，旨在促進(jìn)學(xué)校對(duì)學(xué)生信息系統(tǒng)和學(xué)習(xí)管理系統(tǒng)中大數(shù)據(jù)的使用。為了更好地促進(jìn)美國(guó)國(guó)內(nèi)“大數(shù)據(jù)”教育應(yīng)用，為美國(guó)高等院校及K-12學(xué)校在“大數(shù)據(jù)”教育應(yīng)用方面提供有效指導(dǎo)，美國(guó)教育部(U.S. Department of Education)在2012年10月發(fā)布了《通過(guò)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析促進(jìn)教與學(xué)》(Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics)報(bào)告(以下簡(jiǎn)稱(chēng)《報(bào)告》)�！秷�(bào)告》內(nèi)容主要包括以下五個(gè)方面：個(gè)性化學(xué)習(xí)解讀；教育數(shù)據(jù)挖掘和學(xué)習(xí)分析解讀；自適應(yīng)學(xué)習(xí)系統(tǒng)中大數(shù)據(jù)應(yīng)用介紹；美國(guó)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析應(yīng)用案例介紹；美國(guó)的大數(shù)據(jù)教育應(yīng)用挑戰(zhàn)和實(shí)施建議�！秷�(bào)告》內(nèi)容主要來(lái)源于以下三個(gè)方面：對(duì)公開(kāi)發(fā)表或未公開(kāi)發(fā)表的教育數(shù)據(jù)挖掘和學(xué)習(xí)分析相關(guān)文獻(xiàn)的綜述；對(duì)教育軟件和學(xué)習(xí)管理系統(tǒng)開(kāi)發(fā)公司中15位數(shù)據(jù)挖掘和分析方面專(zhuān)家的采訪；8位數(shù)據(jù)挖掘和學(xué)習(xí)分析領(lǐng)域?qū)W術(shù)專(zhuān)家討論的總結(jié)[3]。

　　二、核心概念界定

　　(一)教育大數(shù)據(jù)

　　“大數(shù)據(jù)”這一概念對(duì)于我們來(lái)說(shuō)已不陌生，維基百科上給出的大數(shù)據(jù)定義是：數(shù)據(jù)量規(guī)模巨大到無(wú)法通過(guò)目前主流軟件工具獲取、管理、處理、整理成為幫助企業(yè)經(jīng)營(yíng)決策，達(dá)成更積極目的的信息[4]。

　　國(guó)際數(shù)據(jù)公司(IDC)認(rèn)為，大數(shù)據(jù)是符合4V特征的數(shù)據(jù)集，即海量的數(shù)據(jù)規(guī)模(Volume)、快速的數(shù)據(jù)流轉(zhuǎn)和動(dòng)態(tài)的數(shù)據(jù)體系(Velocity)、多樣的數(shù)據(jù)類(lèi)型(Variety)、巨大的數(shù)據(jù)價(jià)值(Value)[5]。而《報(bào)告》則引用了國(guó)際著名的咨詢(xún)公司麥肯錫(Mckinsey)在2011年對(duì)大數(shù)據(jù)的定義，認(rèn)為大數(shù)據(jù)是指數(shù)據(jù)量極大，以至于無(wú)法使用常規(guī)數(shù)據(jù)軟件進(jìn)行獲取、存儲(chǔ)、管理和分析的數(shù)據(jù)，“大數(shù)據(jù)”具有數(shù)據(jù)量大、數(shù)據(jù)多樣和數(shù)據(jù)產(chǎn)生速度快三大特征[6]。教育領(lǐng)域中的大數(shù)據(jù)有廣義和狹義之分，廣義的教育大數(shù)據(jù)泛指所有來(lái)源于日常教育活動(dòng)中人類(lèi)的行為數(shù)據(jù)，它具有層級(jí)性、時(shí)序性和情境性的特征；而狹義的教育大數(shù)據(jù)是指學(xué)習(xí)者行為數(shù)據(jù)，它主要來(lái)源于學(xué)生管理系統(tǒng)、在線學(xué)習(xí)平臺(tái)和課程管理平臺(tái)等。

　　(二)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析

　　通過(guò)對(duì)教育大數(shù)據(jù)的獲取、存儲(chǔ)、管理和分析，我們可以構(gòu)建學(xué)習(xí)者學(xué)習(xí)行為相關(guān)模型，分析學(xué)習(xí)者已有學(xué)習(xí)行為，并對(duì)學(xué)習(xí)者的未來(lái)學(xué)習(xí)趨勢(shì)進(jìn)行科學(xué)預(yù)測(cè)�！秷�(bào)告》指出，目前教育領(lǐng)域中大數(shù)據(jù)的應(yīng)用主要有教育數(shù)據(jù)挖掘和學(xué)習(xí)分析兩大方向，兩個(gè)研究方向雖然同源，卻在研究目的、研究對(duì)象和研究方法等方面截然不同，具體比較情況如表1所示。

　　1.教育數(shù)據(jù)挖掘

　　教育數(shù)據(jù)挖掘是綜合運(yùn)用數(shù)學(xué)統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的技術(shù)和方法，對(duì)教育大數(shù)據(jù)進(jìn)行處理和分析，通過(guò)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，來(lái)預(yù)測(cè)學(xué)習(xí)者未來(lái)的學(xué)習(xí)趨勢(shì)�！秷�(bào)告》通過(guò)對(duì)教育數(shù)據(jù)挖掘領(lǐng)域?qū)＜疫M(jìn)行訪談，列出了教育數(shù)據(jù)挖掘的四個(gè)研究目標(biāo)[7]：(1)通過(guò)整合學(xué)習(xí)者知識(shí)、動(dòng)機(jī)、元認(rèn)知和態(tài)度等詳細(xì)信息進(jìn)行學(xué)習(xí)者模型的構(gòu)建，預(yù)測(cè)學(xué)習(xí)者未來(lái)學(xué)習(xí)發(fā)展趨勢(shì)。(2)探索和改進(jìn)包含最佳教學(xué)內(nèi)容和教學(xué)順序的領(lǐng)域模型。(3)研究各種學(xué)習(xí)軟件所提供的教學(xué)支持的有效性。(4)通過(guò)構(gòu)建包含學(xué)習(xí)者模型、領(lǐng)域模型和教育軟件教學(xué)策略的數(shù)據(jù)計(jì)算模型，促進(jìn)學(xué)習(xí)者有效學(xué)習(xí)的發(fā)生。

　　《報(bào)告》指出，為了達(dá)到以上四個(gè)研究目標(biāo)，研究者主要采用以下五類(lèi)技術(shù)方法：(1)預(yù)測(cè)。建立一個(gè)能夠從整合多個(gè)預(yù)測(cè)變量推斷單一被預(yù)測(cè)變量的模式，例如，研究者通過(guò)在線學(xué)習(xí)環(huán)境中學(xué)習(xí)者參與在線討論的情況、測(cè)試情況等，預(yù)測(cè)學(xué)習(xí)者在該門(mén)課程的學(xué)習(xí)中是否有失敗的風(fēng)險(xiǎn)。(2)聚類(lèi)。根據(jù)數(shù)據(jù)特性，將一個(gè)完整的數(shù)據(jù)集分成不同的子集，例如，研究者根據(jù)學(xué)習(xí)者在在線學(xué)習(xí)環(huán)境中學(xué)習(xí)困難、交互模式等將學(xué)習(xí)者分成不同的群組，進(jìn)而為不同的群組提供合適的學(xué)習(xí)資源和組織合適的學(xué)習(xí)活動(dòng)。(3)關(guān)系挖掘。探索數(shù)據(jù)集中各變量之間的相關(guān)關(guān)系，并將相關(guān)關(guān)系作為一條規(guī)則進(jìn)行編碼，例如，研究者利用關(guān)系挖掘，探索在線學(xué)習(xí)環(huán)境中學(xué)習(xí)者學(xué)習(xí)活動(dòng)和學(xué)習(xí)成績(jī)的相關(guān)關(guān)系，進(jìn)而用于改進(jìn)學(xué)習(xí)內(nèi)容呈現(xiàn)方式和序列，以及在線教學(xué)方法。(4)人類(lèi)判斷過(guò)程簡(jiǎn)化。用一種便于人類(lèi)理解的方式描述數(shù)據(jù)，以便人們能夠快速地判斷和區(qū)分?jǐn)?shù)據(jù)特征，該方法主要以可視化數(shù)據(jù)分析技術(shù)為主，用以改善機(jī)器學(xué)習(xí)模型。(5)模型構(gòu)建。通過(guò)對(duì)數(shù)據(jù)集的聚類(lèi)、相關(guān)關(guān)系挖掘等過(guò)程，構(gòu)建供未來(lái)分析的有效現(xiàn)象解釋模型。

　　2.學(xué)習(xí)分析

　　學(xué)習(xí)分析是近年來(lái)大數(shù)據(jù)在教育領(lǐng)域較為典型的應(yīng)用，在國(guó)際上有專(zhuān)門(mén)針對(duì)學(xué)習(xí)分析研究和應(yīng)用的國(guó)際會(huì)議“學(xué)習(xí)分析技術(shù)與知識(shí)國(guó)際會(huì)議”，目前已舉辦兩屆。在首屆會(huì)議上將學(xué)習(xí)分析定義為“測(cè)量、收集、分析和報(bào)告有關(guān)學(xué)習(xí)者及其學(xué)習(xí)情景的數(shù)據(jù)集，以理解和優(yōu)化學(xué)習(xí)及其發(fā)生情景”[8]。新媒體聯(lián)盟(New Media Consortium)將學(xué)習(xí)分析定義為：利用松散耦合的數(shù)據(jù)收集工具和分析技術(shù)，研究分析學(xué)習(xí)者學(xué)習(xí)參與、學(xué)習(xí)表現(xiàn)和學(xué)習(xí)過(guò)程的相關(guān)數(shù)據(jù)，進(jìn)而對(duì)課程、教學(xué)和評(píng)價(jià)進(jìn)行實(shí)時(shí)修正[9]。我國(guó)學(xué)者顧小清認(rèn)為，學(xué)習(xí)分析是圍繞與學(xué)習(xí)者學(xué)習(xí)信息相關(guān)的數(shù)據(jù)，運(yùn)用不同的分析方法和數(shù)據(jù)模型來(lái)解釋這些數(shù)據(jù)，根據(jù)解釋的結(jié)果來(lái)探究學(xué)習(xí)者的學(xué)習(xí)過(guò)程和情景，發(fā)現(xiàn)學(xué)習(xí)規(guī)律；或者根據(jù)數(shù)據(jù)闡釋學(xué)習(xí)者的學(xué)習(xí)表現(xiàn)，為其提供相應(yīng)的反饋從而促進(jìn)更加有效的學(xué)習(xí)[10]�！秷�(bào)告》中認(rèn)為，學(xué)習(xí)分析是綜合運(yùn)用信息科學(xué)、社會(huì)學(xué)、計(jì)算機(jī)科學(xué)、心理學(xué)和學(xué)習(xí)科學(xué)的理論和方法，通過(guò)對(duì)廣義教育大數(shù)據(jù)的處理和分析，利用已知模型和方法去解釋影響學(xué)習(xí)者學(xué)習(xí)重大問(wèn)題，評(píng)估學(xué)習(xí)者學(xué)習(xí)行為，并為學(xué)習(xí)者提供人為的適應(yīng)性反饋。例如，教師和學(xué)校根據(jù)學(xué)習(xí)分析的結(jié)果，調(diào)整教學(xué)內(nèi)容、對(duì)有學(xué)習(xí)失敗風(fēng)險(xiǎn)的學(xué)生進(jìn)行干預(yù)等。學(xué)習(xí)分析一般包括數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)表示和應(yīng)用服務(wù)五個(gè)環(huán)節(jié)[11]。

　　三、報(bào)告核心內(nèi)容解讀

　　(一)自適應(yīng)學(xué)習(xí)系統(tǒng)中教育大數(shù)據(jù)應(yīng)用

　　在線學(xué)習(xí)系統(tǒng)中包含大量的細(xì)粒度的學(xué)習(xí)者學(xué)習(xí)行為相關(guān)數(shù)據(jù)，例如，學(xué)習(xí)日志、學(xué)習(xí)路徑、學(xué)習(xí)成果數(shù)據(jù)、課程數(shù)據(jù)、學(xué)習(xí)管理數(shù)據(jù)等，研究者利用教育數(shù)據(jù)挖掘和學(xué)習(xí)分析技術(shù)對(duì)數(shù)據(jù)進(jìn)行采集、存儲(chǔ)和分析，為包括學(xué)校管理者、教師和學(xué)生在內(nèi)的各級(jí)各類(lèi)人員提供相應(yīng)的反饋，以幫助其改善學(xué)校管理、教學(xué)和學(xué)習(xí)�！秷�(bào)告》為了讓業(yè)內(nèi)對(duì)大數(shù)據(jù)教育應(yīng)用有一個(gè)系統(tǒng)完整的認(rèn)識(shí)，以教育大數(shù)據(jù)在自適應(yīng)學(xué)習(xí)系統(tǒng)中的應(yīng)用為例進(jìn)行了詳細(xì)的說(shuō)明[12]。

　　該自適應(yīng)學(xué)習(xí)系統(tǒng)包含六大模塊：(1)內(nèi)容傳遞模塊。管理、維護(hù)、傳遞個(gè)性化的學(xué)習(xí)內(nèi)容與評(píng)價(jià)給學(xué)習(xí)者，以支持學(xué)習(xí)者的學(xué)習(xí)行為。(2)學(xué)習(xí)者數(shù)據(jù)庫(kù)。存儲(chǔ)學(xué)習(xí)者在學(xué)習(xí)系統(tǒng)中的時(shí)間戳標(biāo)記的學(xué)習(xí)者輸入和學(xué)習(xí)行為數(shù)據(jù)。(3)預(yù)測(cè)模塊。整合系統(tǒng)外部學(xué)習(xí)者信息系統(tǒng)中的數(shù)據(jù)和系統(tǒng)內(nèi)部學(xué)習(xí)者學(xué)習(xí)行為數(shù)據(jù)，通過(guò)對(duì)數(shù)據(jù)的處理和分析，對(duì)學(xué)習(xí)者未來(lái)的學(xué)習(xí)行為和結(jié)果進(jìn)行預(yù)測(cè)。(4)顯示模塊。將預(yù)測(cè)模塊中的運(yùn)行結(jié)果以可視化的方式顯示給各類(lèi)使用者。(5)自適應(yīng)模塊。根據(jù)預(yù)測(cè)模塊的運(yùn)行結(jié)果，觸發(fā)內(nèi)容傳遞模塊，再根據(jù)學(xué)習(xí)者的學(xué)習(xí)水平和興趣，推送合適的學(xué)習(xí)內(nèi)容給學(xué)習(xí)者。(6)干預(yù)模塊。允許教師、教學(xué)管理者和系統(tǒng)開(kāi)發(fā)人員根據(jù)預(yù)測(cè)模塊的運(yùn)行結(jié)果，對(duì)自適應(yīng)系統(tǒng)實(shí)施人為干預(yù)。

　　另外，自適應(yīng)學(xué)習(xí)系統(tǒng)中除了這六大模塊以外，還包括作為系統(tǒng)重要外部數(shù)據(jù)來(lái)源的學(xué)校、地區(qū)和機(jī)構(gòu)的學(xué)生信息系統(tǒng)(SIS)，該系統(tǒng)中存儲(chǔ)著學(xué)習(xí)者相對(duì)穩(wěn)定的個(gè)人基本信息數(shù)據(jù)。

　　基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)系統(tǒng)運(yùn)行流程圖如圖1所示。第一步，學(xué)習(xí)者生成學(xué)習(xí)行為數(shù)據(jù)，經(jīng)過(guò)內(nèi)容傳遞模塊，數(shù)據(jù)將被標(biāo)記上時(shí)間戳；第二步，數(shù)據(jù)按照預(yù)先定義的結(jié)構(gòu)存入學(xué)習(xí)者數(shù)據(jù)庫(kù)；第三步，預(yù)測(cè)模塊從學(xué)習(xí)者數(shù)據(jù)庫(kù)和學(xué)生信息系統(tǒng)中采集數(shù)據(jù)，根據(jù)不同的分析目的，調(diào)用不同的分析工具和模型對(duì)數(shù)據(jù)進(jìn)行分析；第四步，自適應(yīng)模塊根據(jù)預(yù)測(cè)模塊中數(shù)據(jù)挖掘和分析的結(jié)果，通過(guò)內(nèi)容傳遞模塊為學(xué)習(xí)者提供合適的學(xué)習(xí)指導(dǎo)和學(xué)習(xí)策略；第五步，預(yù)測(cè)模塊中數(shù)據(jù)挖掘和分析的結(jié)果同時(shí)被傳遞給顯示模塊，供教師和教學(xué)管理者使用；最后，教師和教學(xué)管理者根據(jù)分析結(jié)果，通過(guò)干預(yù)模塊對(duì)系統(tǒng)進(jìn)行人為干預(yù)。

　　圖1　基于大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)系統(tǒng)組成及運(yùn)行流程

　　(二)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析典型應(yīng)用

　　《報(bào)告》通過(guò)對(duì)基于教育大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)系統(tǒng)的組成和運(yùn)行流程的個(gè)案描述，使業(yè)內(nèi)對(duì)于大數(shù)據(jù)的教育應(yīng)用有了一個(gè)整體的認(rèn)識(shí)，屬于縱向描述；接下來(lái)，《報(bào)告》對(duì)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析的應(yīng)用領(lǐng)域作了詳細(xì)描述，使業(yè)內(nèi)對(duì)大數(shù)據(jù)的教育應(yīng)用有了一個(gè)更加具體的認(rèn)識(shí)，屬于橫向描述�！秷�(bào)告》中有關(guān)教育數(shù)據(jù)挖掘和學(xué)習(xí)分析應(yīng)用領(lǐng)域的內(nèi)容主要來(lái)源于對(duì)領(lǐng)域內(nèi)公開(kāi)發(fā)表和未公開(kāi)發(fā)表文獻(xiàn)的綜述，以及對(duì)領(lǐng)域?qū)＜业脑L談。

　　教育數(shù)據(jù)挖掘和學(xué)習(xí)分析應(yīng)用領(lǐng)域主要包括：學(xué)習(xí)者的知識(shí)、行為和經(jīng)歷建模；學(xué)習(xí)者建檔；領(lǐng)域知識(shí)建模；趨勢(shì)分析。詳細(xì)應(yīng)用領(lǐng)域情況如表2所示。

　　1.學(xué)習(xí)者知識(shí)建模

　　研究者通過(guò)采集學(xué)習(xí)者與在線學(xué)習(xí)系統(tǒng)的交互數(shù)據(jù)，包括學(xué)習(xí)者系統(tǒng)應(yīng)答正確率、回答問(wèn)題花費(fèi)時(shí)間、請(qǐng)求幫助的數(shù)量和性質(zhì)，以及錯(cuò)誤應(yīng)答的重復(fù)率等，這部分?jǐn)?shù)據(jù)可以是課程層面的、學(xué)習(xí)單元層面的或知識(shí)點(diǎn)層面的。通過(guò)數(shù)據(jù)挖掘和分析，構(gòu)建學(xué)習(xí)者知識(shí)模型，然后通過(guò)自動(dòng)或人工反饋，為學(xué)習(xí)者在合適的時(shí)間，選擇合適的方式，提供合適的學(xué)習(xí)內(nèi)容。例如，Onsophic公司的在線學(xué)習(xí)平臺(tái)就是通過(guò)收集平臺(tái)中學(xué)習(xí)者每一個(gè)知識(shí)點(diǎn)學(xué)習(xí)(例如二次方程)的詳細(xì)數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘和分析，建立學(xué)習(xí)知識(shí)模型，為學(xué)習(xí)者提供詳細(xì)的學(xué)習(xí)反饋和建議。

　　2.學(xué)習(xí)者行為建模

　　研究者通過(guò)采集學(xué)習(xí)者在網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)中花費(fèi)的學(xué)習(xí)時(shí)間、學(xué)習(xí)者完成課程學(xué)習(xí)情況、學(xué)習(xí)者在課堂或?qū)W校情境中學(xué)習(xí)行為變化情況、學(xué)習(xí)者線上或線下考試成績(jī)等數(shù)據(jù)，探索學(xué)習(xí)者學(xué)習(xí)行為與學(xué)習(xí)者學(xué)習(xí)結(jié)果的相關(guān)關(guān)系，最終構(gòu)建學(xué)習(xí)者學(xué)習(xí)行為模型。例如，麥克費(fèi)登(Macfayden)和道森(Dawson)通過(guò)跟蹤和采集Blackboard在線學(xué)習(xí)平臺(tái)上學(xué)習(xí)者學(xué)習(xí)行為相關(guān)數(shù)據(jù)，構(gòu)建學(xué)習(xí)者行為模型，該模型被用于預(yù)測(cè)平臺(tái)中學(xué)習(xí)者的學(xué)習(xí)失敗可能。經(jīng)過(guò)實(shí)證研究，該模型的預(yù)測(cè)正確率可以達(dá)到80％以上。

　　3.學(xué)習(xí)者經(jīng)歷建模

　　研究者通過(guò)采集學(xué)習(xí)者的學(xué)習(xí)滿意度調(diào)查問(wèn)卷或量表數(shù)據(jù)，以及其在后續(xù)單元或課程學(xué)習(xí)中的選擇、行為、表現(xiàn)和留存率數(shù)據(jù)，構(gòu)建學(xué)習(xí)者體驗(yàn)?zāi)Ｐ�，利用該模型�?duì)在線學(xué)習(xí)系統(tǒng)中的課程和功能進(jìn)行評(píng)估。例如，可汗學(xué)院(Kaplan Inc)通過(guò)構(gòu)建學(xué)習(xí)者體驗(yàn)?zāi)Ｐ�，�?duì)其線上課程進(jìn)行評(píng)估，進(jìn)行線上課程的再設(shè)計(jì)，改變課程學(xué)習(xí)順序，大大提高了教師的教學(xué)效率和學(xué)習(xí)者的學(xué)習(xí)成績(jī)。

　　4.學(xué)習(xí)者建檔

　　研究者采集在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)者相關(guān)數(shù)據(jù)以及線下學(xué)習(xí)者基本信息數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)算法，構(gòu)建學(xué)習(xí)者個(gè)人學(xué)習(xí)檔案，分析學(xué)習(xí)者的學(xué)習(xí)特征，對(duì)具有相同學(xué)習(xí)特征的學(xué)習(xí)者進(jìn)行聚類(lèi)和分組，最終為不同類(lèi)型的學(xué)習(xí)者提供個(gè)性化的學(xué)習(xí)環(huán)境，促進(jìn)學(xué)習(xí)者有效學(xué)習(xí)的發(fā)生。例如，卡丹(Kardan)和克納蒂(Conati)利用數(shù)據(jù)挖掘技術(shù)對(duì)學(xué)習(xí)者與在線學(xué)習(xí)平臺(tái)的交互日志進(jìn)行分析，確定不同學(xué)習(xí)者的學(xué)習(xí)類(lèi)型和交互特點(diǎn)，構(gòu)建學(xué)習(xí)者的學(xué)習(xí)檔案。該研究結(jié)果主要用于對(duì)新學(xué)習(xí)者進(jìn)行分類(lèi)，并提供合適的學(xué)習(xí)支持和交互支持。

　　5.領(lǐng)域知識(shí)建模

　　研究者通過(guò)對(duì)教育大數(shù)據(jù)的挖掘和學(xué)習(xí)分析，對(duì)現(xiàn)有領(lǐng)域知識(shí)模型進(jìn)行重構(gòu)，探索課程、學(xué)習(xí)單元和知識(shí)點(diǎn)的學(xué)習(xí)內(nèi)容組織方式與學(xué)習(xí)者學(xué)習(xí)結(jié)果之間的相關(guān)關(guān)系。例如，，馬丁(Martin)等人采集、處理學(xué)習(xí)者相關(guān)數(shù)據(jù)，構(gòu)建學(xué)習(xí)者的學(xué)習(xí)曲線，并通過(guò)對(duì)大量學(xué)習(xí)者學(xué)習(xí)曲線數(shù)據(jù)的分析，對(duì)現(xiàn)有領(lǐng)域知識(shí)模型進(jìn)行重構(gòu)。

　　6.學(xué)習(xí)組件分析和教學(xué)策略分析

　　研究者通過(guò)對(duì)學(xué)習(xí)者在在線學(xué)習(xí)系統(tǒng)中的學(xué)習(xí)相關(guān)數(shù)據(jù)進(jìn)行采集和分析，探索在線學(xué)習(xí)系統(tǒng)中學(xué)習(xí)組件的功能、在線教學(xué)策略與學(xué)習(xí)者學(xué)習(xí)結(jié)果的相關(guān)關(guān)系，進(jìn)而實(shí)現(xiàn)對(duì)在線學(xué)習(xí)系統(tǒng)的評(píng)估。例如，里特(Ritter)等人通過(guò)對(duì)一個(gè)名為"Cognitive Tour"的數(shù)學(xué)教學(xué)智能導(dǎo)學(xué)系統(tǒng)中數(shù)據(jù)的挖掘和分析，為該系統(tǒng)提供了長(zhǎng)達(dá)15年的動(dòng)態(tài)、細(xì)粒度的系統(tǒng)評(píng)價(jià)，優(yōu)化了系統(tǒng)的組成模塊和線上教學(xué)策略。

　　7.趨勢(shì)分析

　　研究中通過(guò)對(duì)大量學(xué)習(xí)者(2000人以上)一段時(shí)間內(nèi)學(xué)習(xí)相關(guān)數(shù)據(jù)的采集和分析，探索學(xué)習(xí)者在這一階段學(xué)習(xí)過(guò)程中的學(xué)習(xí)結(jié)果改變，發(fā)現(xiàn)學(xué)習(xí)者當(dāng)前學(xué)習(xí)行為和未來(lái)學(xué)習(xí)結(jié)果的相關(guān)關(guān)系。并利用已建立的相關(guān)關(guān)系，依據(jù)新學(xué)習(xí)者的當(dāng)前學(xué)習(xí)行為，預(yù)測(cè)其未來(lái)的學(xué)習(xí)趨勢(shì)和結(jié)果。例如，加州高等教育協(xié)會(huì)為州內(nèi)高等教育機(jī)構(gòu)提供了一個(gè)在線趨勢(shì)分析工具，該工具允許用戶檢索加州高等教育數(shù)據(jù)庫(kù)，自定義檢索條件，生成個(gè)性化的教育趨勢(shì)預(yù)測(cè)結(jié)果。

　　8.自適應(yīng)學(xué)習(xí)系統(tǒng)和個(gè)性化學(xué)習(xí)

　　這部分應(yīng)用屬于教育數(shù)據(jù)挖掘和學(xué)習(xí)分析的高級(jí)應(yīng)用，是教育大數(shù)據(jù)相關(guān)研究的終極目標(biāo)，通過(guò)對(duì)教育大數(shù)據(jù)的采集、處理和分析，最終實(shí)現(xiàn)學(xué)習(xí)者自適應(yīng)和個(gè)性化學(xué)習(xí)環(huán)境的構(gòu)建。

相關(guān)文章