注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

仁者见智

有大德才会有大智

 
 
 

日志

 
 

教育+大数据:机遇与挑战(摘)  

2015-04-15 16:08:03|  分类: 云教育 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
      近年来,随着云计算、移动通讯、物联网等新一代技术的快速发展和应用,大数据已然成为热门话题。2012年,联合国发布《大数据促发展:挑战与机遇》白皮书,指出“大数据时代已经到来,大数据的出现将会对社会各个领域产生深刻影响”。作为关系国家未来的教育也不例外。大数据的出现为教育研究提供了多种可能性,引发着一场空前的教育革命。

  何为大数据

  大数据有三层内涵:一是数据量巨大、来源多样和类型多样的数据集;二是新型的数据处理和分析技术;三是运用数据分析形成价值。大数据的基本特点一般用4个V来概括,即数据量大(Volume)、数据类型多(Variety)、数据处理快速(Velocity)和数据价值密度低(Value)。通过研究和分析由多种类型数据构成的数据集,可以从中提取一些有意义和价值的信息,从而为解决现实生活中的实际问题提供科学依据。例如,曾经流行的韩剧《来自星星的你》,就是运用大数据技术,在互联网的环境下,调查观众对演员服饰、剧情、结局的期待,并通过科学的分析得出观众对这部剧的期待,然后将这些期待加入到剧情里。最后,这部剧的收视率非常高,不仅满足了观众的期待,同时也创造了很高的商业价值。

  教育+大数据:机遇

  大数据的出现,正影响着我国教育教学的改革与发展。一个基本的变化是:大数据使教育越来越关注教育事实。教育大数据为教育研究者提供了丰富的资源,比如:教师和学生的一言一行,都可以借助新的技术手段转化为数据。每位学生在用计算机终端学习时,所有的学习过程都能被详细记录下来,成为教育大数据。教育研究者可以采用科学的方法分析这些大数据,将自然科学方法中的“实证化”应用到教育研究中,以挖掘大数据背后所隐藏的大量信息。

  教育视角的多元化 多元化是当下大数据时代教育研究的一个重要现状,也是未来的必然趋势。这里的多元化指研究对象、研究方式、研究目的、研究策略的多样化。受到传统数据的影响,教育研究领域的研究内容单一、研究方式单一、研究结论也单一。比如,影响中学生学习动机的因素,传统的教育研究通常是进行抽样调查,让学生填写一系列的问卷,然后经过统计分析,得出相应的结论。参阅以前的相关研究不难发现,大多数研究基本上都是围绕着影响中学生学习动机的几个有限因素进行探讨,并没有实质性的创新。而大数据时代的来临,使得教育视角的多元化成为现实。大数据有能力去关注每位学生的微观表现,比如,在学习时每个细小的动作、是否会主动与同学交流等等。大数据还能跟踪个体完整的过程,如学生在整个课堂上的过程表现、师生互动的过程等等。不同层面的数据收集,给教育研究的多元化提供了可能性。以前研究方法也相对单调,而大数据则要求研究者掌握更多的研究方法。在面对大数据时,可以凭借新的研究对象、研究方式,进而得出新的研究结论。

  数据收集的完整性 传统的教育数据处理一般采用抽样调查的方法,这种方法基本上可以调查清楚主要调查的问题。但是,这种统计方法到最后会发现存在各种各样的问题。一般情况下,用抽样调查方法得出的结论趋于表面化,不能进一步深入揭示现象背后的原因。比如,要了解独生子女在校的表现情况,传统的方法可以通过调查问卷,收集相关信息,进而比较独生子女与非独生子女各方面的表现,并得出相应的结论。有研究发现,独生子女比非独生子女在校表现更好。这一结论可能与我们长期所认为的独生子女容易娇惯、被宠坏的观点不相符,但这只是在抽样调查下得出的结论,为什么会出现该现象以及背后的原因是什么?传统的数据研究很难回答。但对于某一结论,它的背景可能更有意义,如果没有相应的背景做支撑,那么在变化很快的环境下会造成无效的结论。就教育的角度而言,如果仅靠抽样获取的数据来证明谁表现好、谁表现不好,是不准确的。教育现象的研究离不开具体的社会背景,在具体的背景下,独生子女和非独生子女的表现可能会有所不同。离开了具体的背景,进行抽样得到的信息,有可能会出现偏差,也使得对独生子女的理解不全面、不客观。而教育大数据可以提供详细、客观的背景资料。例如,可以通过先进的信息技术记录学校每位学生的不同表现,然后分析在何种情况下,独生子女表现好;何种情况下,非独生子女表现好。这些都是通过实实在在的数据得到的,这个庞大的数据中所有的信息都是原始的数据,不需要抽样。这些数据如果加上现代信息化的分析技术,可以做大量的研究。大数据给了我们一种可能性,使我们可以从不同的视角去看同一件事情,并以完整真实的数据为依据,分析教师、分析家长、分析社会,这样得出的结论才更科学、更精确。

  教育评价的客观性 教学评价是教育过程中一个非常重要的环节,客观、科学、公正的评价对教育至关重要。只有这样,才能促进教育者和学习者正视和接受客观存在的问题,反思教与学的过程和方法,并改进自己的行为,以提高教与学的质量。而教育信息化的发展使跟踪学习者的学习过程成为可能,这为教学评价提供了客观、准确的依据,使教学评价从终结性评价转向过程性评价。基于大数据分析的教学评价可以通过大量数据的归纳,找出教学活动的规律以及学习者的思想、心态与行为的发展变化情况,然后更好地优化、改进教学过程。这样的评价方式不再是基于经验,而是转向基于数据。比如,现在学校使用的在线学习平台,通过记录学习者鼠标的点击情况,来研究学习者的活动轨迹,可以发现不同的学生对不同知识点所用的时间差异、哪些知识点需要重复、哪些知识点需要进一步深化等等,这些都是分析每个学习者个体行为的直接依据。对学习者而言,随着大数据时代的到来,他们对自我的了解从依赖教师的经验性评价转向更多地依赖客观的数据分析;根据这些过程性信息,学习者对自我的认识将更加客观化、全面化和科学化。另外,教育者还可以利用大数据提供的信息来分析自己的教学行为,发现自身的教学特长和教学不足,并不断改进,促进成长。同时,教育者也可以依据基于教育大数据的客观评价给学习者的发展提出建设性意见。

  教育方式的个性化 国际个性化 教 育 协 会(InternationalPersonalizationEducationAssociation,简称IPEA)将个性化教育定义为:“为受教育者量身定制教育目标、教育计划、教育培训方法、辅导方案并加以执行,组织相关专业人员为受教育者提供学习管理策略和知识管理技术以及整合有效的教育资源,帮助受教育者突破生存限制,实现自我成长、自我实现和自我超越。”大数据时代的到来,使实施个性化教育具有了可能性,能真正实现从群体教育的方式转向个体教育。利用大数据技术,可以关注并记录学习者在学习过程中每个个体的微观表现。比如,在什么时候记笔记、在听到什么话时会点头微笑、什么时候会开小差等等。通过分析这些数据,可以深入了解教学过程中学习者的学习需求、学习风格和行为特点,进而深入理解学习者内在的心理和认知发展特点。由于这些数据的采集非常自然、真实,因此可以获得学生的真实情况。大数据可以给教育者以及教育研究者提供最真实的第一手资料,教师在教学过程中可以根据学生真实的内在需求和心理发展特点,提供相应的学习内容以及恰当的学习指导,进行有针对性的因材施教,从而实现真正意义上的个性化教育。

  教育研究的可重复性 当前,大数据在教育研究中的作用日益凸显,在教育研究中一些科学的研究方法被采纳,使得教育研究的科学性显著增强。一方面体现在大数据的收集过程。大数据的收集一般是对大量数据实时、动态地监测得到的,较为客观真实。而传统教育的实证研究一般通过问卷调查的方式,这种方法很容易受到多种因素的干扰,尤其是社会评价的影响。比如,学生在选择答案时,会倾向于选择社会允许的行为模式和思考方式。因此,使得调研内容的真实性受到影响。而大数据借助于先进的技术手段,收集到的数据可能更客观、形象。另一方面体现在统计分析方法的科学性。在大数据背景下,数据成为教育科学研究的基础,教育研究者运用现代化信息的统计分析方法,利用海量数据的可对象化、可计算化,借助于科学的统计方法,通过严密的逻辑推理过程,得出较为可靠的研究结果。在大数据教育背景下,由于研究结论是通过科学数据分析和严密的逻辑推理过程得来的,因此具有可重复性。其他教育研究者可以采用同样的方式来验证该研究结论,使教育研究更加客观化。

  教育+大数据:挑战

  尽管大数据的到来为教育带来了巨大的机遇,但作为新生事物,许多相关的研究仍处于探索和尝试阶段,在大数据应用的过程中也伴随着不少问题和挑战,有待于在实践过程中不断完善。

  知识与能力的挑战 传统数据分析所需要的人才、专业技能和相关的设施设备都较为普通,比较容易做到,一般在普通电脑上,采用EXCEL或SPSS软件就能完成相关的统计分析工作。分析人才只需要具备中级水平的教育与心理统计知识,经过几个月的实际操作训练就可以胜任。而大数据的分析完全是另一种层面的技术,对人才、专业技能以及设施设备的要求比较高。大数据需要运用云计算技术,采用Matlab、Mathematica、Maple等软件进行处理,并进行数据可视化。这就需要具有数学或计算机工程知识的专业人才,需要极强的专业知识与长期的培训。此外,数据挖掘者还需要有一定的天赋和创新意识,才能在大数据的分析和挖掘中,发现更多有价值、有意义的内容。

  合作与分工的挑战 在传统数据的背景下,由于对统计方法要求相对较低,教育研究者一般都掌握相关的数据分析方法,然后结合研究的具体问题展开相应的调查和数据分析,并得出研究结论。但是,大数据的挖掘需要专业的数据分析人才,这就必然会导致教育研究者和数据分析者的分离,掌握数据统计技术的人才对教育理论和心理发展规律的理解不够,而教育研究者对大数据的分析方法掌握较少。这样会影响其教育理念、教育构想与大数据的结合程度,在一定程度上,会影响数据挖掘的质量和对教育理论深入系统的探讨。

  思维与观念的挑战 近年来,在国际社会科学主流研究范式的影响下,实证意义的定量研究在我国教育研究领域开始兴起,不可否认,这种规范化的研究弥补了我国在教育领域重视逻辑思辨研究的缺陷。但是,在实证主义思维模式的引导下,很容易走向另一个极端,即过分夸大数据所揭示的意义。有一个问题是我们不容回避的,那就是在大数据背景下,究竟该如何理解教育研究中的数据?基于数据所建构的理论模型是否具有跨情景的一致性?仅数据分析是否就能真正洞穿事物本质、反映世界规律以及获得确定性客观知识?教育本身是个复杂的话题,而学生在教育过程中的表现也带有很强的情景性和可变性。因此,数据所揭示的教育现象和规律不一定是一成不变的真理,更何况在社会科学领域,人们原本就对经验世界中事件背后存在的因果关联持怀疑态度,即使是最完美的理论也不能排除因偶然因素所造成的误差;更何况人类认识能力受特定时空的局限,理论本身也会存在一些偏差。例如,基于学生以往的学业成绩和表现来推荐的课程,学生不一定喜欢,也不一定符合学生的真实情况,这样反而不利于其挑战性和积极性的激发。此外,大数据过分强调个性化特征,而忽略了群体的整体特征,这对于整个教育政策的制定将会有一定的负面影响。

  大数据对我国教育领域来说是新生事物,在教育中应用的研究尚处于起步阶段。大数据为教育领域带来了新的发展机遇,使得教育研究更加科学化和多样化,但同时也面临着一系列的挑战。教育本身是个十分复杂的问题,人的发展是多种因素综合作用的结果,仅靠对理论假设或经验事实进行概率分析是远远不够的,也很难展开较为完美的解释。教育是一门人文社会科学,还需要相应的教育理论和文化背景做支撑,才能走得更远、更稳。当然,面对大数据时代的到来,每个教育研究者必须学会3种最基本的技能,那就是阅读、搜索和辨别真伪,这样才能真正适应大数据时代。

  作者简介:刘宁,华东师范大学心理与认知科学学院博士生,海南师范大学教育科学学院讲师。胡谊,华东师范大学心理与认知科学学院教授、博士生导师。

  评论这张
 
阅读(36)| 评论(0)
推荐 转载

历史上的今天

在LOFTER的更多文章

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017