|
大數據時代來臨 教育行業三大特點：非透明化: 大腦是黑盒子 非標準化: 人不能是產品（人是目的本身） 非即時化: 面向未來的行業 在教育學習領域，五種主要的大數據技術應用：
大數據和教育相交集的六個領域：
大數據分析在教育中的十五個應用案例（一）反饋 1. 實現由“預設性教學”向“生成性教學”的轉變 2016年12月3日上午，北京中科院附屬實驗學校英語老師孟欣在中南大學鐵道學院大禮堂作了中學英語創新課例示范，孟欣展示了自己利用智能化同步教學平臺對學生學習情況的數據統計分析結果，參考智能作文批改工具提供的作文修改建議，針對學生預習和作業當中出現的薄弱環節，有針對性地改進課程設計。 平臺能對教師的教學結果和學生的學習行為進行記錄、存儲、統計、分析和預測；教師可以根據所得數據調整教學思路、教學設計以及教學方法，準確的數據分析可以極大節省教師時間，學生在智能平臺上的學習結果，可以得到及時反饋，教師也可以及時發現學生在學習中普遍存在的問題，改進下一步教學。讓課堂教學從“預設性教學”向“生成性教學”轉變。 在持續反饋和不斷調整的過程中，教師可以對學生進行連續測評，分析學生學習行為及學習方式的變化，為教師后續教學提供課程設計參考，使課堂教學管理從經驗型向數據型、智能型、科學型轉變，從以課堂和教材為中心實現以學生完成教育目標任務為中心轉變，從統一教學標準的工廠化模式向基于學生能力的個性化教學轉變。 2. 實時分析課堂數據輔助教學 廣州市第一中學初中部將“小班化教學試驗”與“教學數據化試驗”結合起來的新嘗試。 學生人手一臺上課“神器”，隨時可以把上課狀態用數據“曬”出來。每位學生的桌前都放著一個“神器”。老師提問時，學生可以按下“神器”按鈕示意可以作答，這時“神器”便充當起“搶答器”；有學生回答了，同伴之間可以對回答進行評分，這時“神器”又成了“評價器”；有學生回答問題，“神器”自動錄入答案，算出學生的回答正確率，便成了“打分器”。 要求每一位學生都參與到評價同學的回答，這就要求學生時刻留心別人的答案。否則，學生隨便打分，老師就能看穿“你可能走神了”。 隨堂的大數據系統記錄并呈現學生的課堂練習結果、快速檢測預習效果、主動發言的愿望、發言質量的評價、主動反映聽課效果、準確檢測學生課堂關注度、準確統計老師問題的回答結果、調查統計學生的學習效果、輔助教師記錄統計學生課堂的批評表揚表現情況。通過這些課堂實時數據的呈現，可以快速幫助老師隨時調整教學進度，充分關注每一位同學的課堂表現。“收集課上所有數據信息并上傳到數據云端，通過數據反映出學生的真實學習狀態和學習習慣。” 據悉，這些實時課堂信息積累成“數據云”后，學校、老師、家長和學生都可以在系統后臺查看。家長會上，老師對學生在校表現的反饋，也將以更直觀的數據呈現。“當家長疑惑自己的小孩為何在某些科目上成績不錯，而在某些科目上又有大的起伏時，我們完全可以調出學生在各個科目上課時的表現，如課堂參與度，回答問題的積極度、正確率等等，用數據去分析原因了。”一位老師如是說。 3. 數據化測評判斷老師成長 KickUp 是一個專注教師測評的標準化 SaaS 工具，測評數據來自教師的自查報告及學年內的各項教學結果的反饋，這些數據可以縱向記錄教師的成長歷程，提出有待改善的地方。KickUp 根據學生和老師的數量、按地區進行收費，目前全美有超過 50 個地區的學校在使用這款測評工具。 4. 擇優錄取學生 據PBS教學，伊薩卡學院（Ithaca College）自2007年開始收集學生的社交網絡數據。該學院為申請者設立了一個類似Facebook的網站IC PEERS，讓申請者得以通過網站聯系學院教師和彼此。 伊薩卡使用IBM統計分析系統來收集IC PEERS上產生的數據，研究擁有怎樣的網絡行為的學生更有可能選擇就讀伊薩卡。收集的數據包括申請者上傳了多少張賬戶照片、擁有多少名IC PEERS好友。研究人員認為，這能反映出申請者對這所學院有多感興趣。 5. 發現需要學生關懷的對象 電子科大曾做過一個課題——尋找校園中最孤獨的人。他們從3萬名在校生中，采集到了2億多條行為數據，數據來自學生選課記錄、進出圖書館、寢室，以及食堂用餐、超市購物等數據。通過對不同的校園一卡通“一前一后刷卡”的記錄進行分析，可以發現一個學生在學校有多少親密朋友，比如戀人、閨蜜。 最后，通過這個課題找到了800多個校園中最孤獨的人，他們平均在校兩年半時間，一個知心朋友都沒有。這些人中的17%可能產生心理疾病，剩下的則可能用意志力暫時戰勝了癥狀，但需要學校和家長重點予以關愛。 6. 為學生資助提供依據 每個月在食堂吃飯超過60頓、一個月總消費不足420元的，被列為受資助對象。據教學，南京理工大學教育基金會通過數據分析，每個月在食堂吃飯超過60頓、一個月總消費不足420元的，被列為受資助對象。南京理工大學還采取直接將補貼款打入學生飯卡的方式，學生無需填表申請，不用審核。 （二）個性化 1. 紀錄學生成長數據促進精細化管理 （閔行區） 小虎是上海閔行區某小學四年級的學生。他早晨上學是從哪個校門進的，中午吃了什么，選了那些興趣課，有沒有去圖書館，他喜歡看哪些課外書？這些情況，小虎媽媽從家里的IPTV數字電視中都能看到。如果她打開電腦，登錄學生電子檔案的個人門戶網站，孩子的成長信息更一覽無余。 這一切得益于閔行區教育局依托大數據所進行的數字化校園建設。全面客觀地記錄學生成長軌跡，沉淀和積累多維度的學生成長數據，讓反映學生發展狀態的數據完整顯示出來，才能推進教育質量觀的轉變，引導學生培養模式和教育質量管理方式的科學發展。 閔行區學生電子成長檔案的內容包括身心健康、學業進步、成長體驗、個性技能4個維度，圍繞4個維度，設立了14個一級、38個二級、53個三級數據采集指標。在多元化的考核體系下，學校不再僅僅注重學生的學業成績，而是讓學校認識到在促進學生全面發展某些方面的管理“缺位”。 通過基于客觀數據的科學分析，改變了以往傳統以資料檢查、調查訪談和印象評分為主的教育評價，讓數據告訴學校管理者自己在某些方面的‘缺位’。閔行區基于數字化的教育評價體系探索，將重點放在學生的全面發展、教師專業發展、學校特色發展等方面。當十幾張量化的數據統計表擺在教育管理者面前時，精細化管理、績效量化將不再是傳說。 2. 全程實時分析在線學習進度（培生） 以培生集團最新出版的全球少兒美語旗艦課程Big English為例，這套課程引入了首款應用于少兒英語學習領域的MyEnglishLab在線學習輔導系統（以下簡稱MEL），應用大數據技術全程實時分析學生個體和班級整體的學習進度、學情反饋和階段性成果，從而及時找到問題所在對癥下藥，實現對學習過程和結果的動態管理。 Big English的大數據分析系統以學生為中心，按照教、學、測三個環節組織線上學習內容與學習過程，將學生、教師、家長、機構四類用戶群有機整合在MEL學習管理系統中，各司其責，相互作用，實現了個性化的課堂教學、家庭輔導和自主學習管理環境。 3. 實現真正的翻轉課堂 學校教育無法將翻轉課堂實施好的時候，K12個性化教輔機構們卻給出了新的解決方案。以學大的個性化小組課為例，學生不僅可以享用e學大的免費教學視頻資源，還能在線下接受N對1教育小組老師的優秀線下小組課，在時間、空間、心理三方面幫助了學生，也解放了學生，凸顯了翻轉課堂理念的本質價值和意義。 據了解，個性化小組課由3至6名學生，課堂完全實現“以學生為中心”，通過前期學生在線上的自我學習，老師在線下的教學中會充分安排與學生互動的時間，實現知識點釋疑、盲點解讀等。同時由于小組的科學合理劃分，學生們的相互交流、互動、提問等問題都明顯加強，起到了“三人行，必有我師”的相互問答、相互學習的效果，從而避免了國內翻轉課堂中遇到的學生呆滯和孤獨的糟糕場景。 大數據將大量學生的學習素材、學習過程、提問過程、解決問題過程、測試、反饋等整個學習鏈條的信息結構化、數據化、模型化，讓翻轉課堂變成真正的一門具有科學實證特色的項目。 4.幫助學生提高成績 國內教育科技公司開發的極課系統目前可以做到批改，分析，并形成錯題本、診斷報告、個性化學習包、學業信息檔案、學科內容評價報告單等。依此為基礎，形成學習和行為相關增值方案，為學生的個性化學習提供依據。極課系統基于自主研發的圖像算法和數據分析模型，可以做到極速批改，極致分析，極便響應。 通過”圖像模式識別”“云計算”與”大數據分析”，對科學教學模型進行常態化應用、整合、智能管理，實現科學解放教育生產力。運用“極課大數據”，可以對海量的學生試卷及練習題進行專業常態化處理，快速形成計分電子表格、錯題本、診斷報告、個性化學習包、學業信息檔案、學科內容評價報告單等，并基于數據的分層、關系和行為進一步形成相關增值方案。有效助力老師精巧教學，學生靈巧學習，家校互助無間。 5. 大數據學業診斷助力精準教學 （衢州教育局）傳統的學業診斷方法存在以下三個弊端：一是畫“正”字雖然是一種簡單的勞動，但耗費了教師大量的時間；二是診斷的精準度低，教師雖然統計出做錯題學生的人數，但一般不會記錄是哪些學生出錯；三是診斷的跟蹤性差，畫“正”字統計是點狀診斷，缺乏對學生個體的線狀跟蹤分析，診斷的教學價值因此大大降低。 大數據學業診斷給出一次考試中每個選擇題的正確答案、錯題人數、高頻錯誤選項，填空題錯誤人數，計算題得分率等。教師可以快速、精準定位講評重點，提升講評效率和講評質量。 大數據學業診斷可以提供最新的學業成績單，從高分到低分排序，從低分到高分排序等，教師可以快速查找學業困難學生，判定是否實施個性化輔導及針對性的輔導方案。 （三）預測 1. 預測學生是否能順利完成課業 紐約州波基普西市瑪麗斯特學院（Marist College）與運營數據分析公司Pentaho合作發起開源學術分析計劃（The Open Academic Analytics Initiative），旨在一門新課程開始的兩周內預測哪些學生可能會無法順利完成課程。 該計劃基于Pentaho的開源運營分析平臺（Business Analytics Platform）開發了一個分析模型，通過收集分析學生的學習習慣——例如點擊線上閱讀材料、是否在網上論壇中發言、完成作業的時長——來預測學生的學業情況、及時干預幫助問題學生，從而提升畢業率。 “希維塔斯學習”是一家專門聚焦于運用預測性分析、機器學習從而提高學生成績的年輕公司。Civitas Learning提供了一套應用程序，學生和老師可以在其中規劃自己的課程和安排。“希維塔斯學習”各種基于云的智能手機第三方應用程序（APP）都是用戶友好型的，能夠根據高校的需要個性化。這意味著高校能聚焦于各自不同的對象，相互不同地用這家公司的分析工具開展大數據工作。 該公司在高等教育領域建立起最大的跨校學習數據庫。通過這些海量數據，能夠看到學生的分數、出勤率、輟學率和保留率的主要趨勢。通過使用100多萬名學生的相關記錄和700萬個課程記錄，這家公司的軟件能夠讓用戶探測性地知道導致輟學和學習成績表現不良的警告性信號。此外，還允許用戶發現那些導致無謂消耗的特定課程，并且看出哪些資源和干預是最成功的。 2.輔助學校專業設置等復雜決策 大數據可以幫助大學院校更好地預測產業是如何變化的，這樣他們可以據此調整學院的信息技術課程和其他項目。使用預測性數據分析來設置新的學位或證書計劃，以此擴大就業的機會。 美國國家教育改革實驗室擁有一些重量級專家成員來協助工作，該中心主席Gordon Freedman認為，通過構建數據庫，采集雇主對技能需求和學院人才供給的最新數據，然后運用人工智能以預測何時某些地區或技能就業需求會擴大。他把這種方法稱為“就業機會管理”。 IanRoark，亞利桑那州皮鄧社區學院職業發展副部長，一直就期望這樣的“就職機會管理”系統出現。他解釋說，當學校開始設計新的課程方案，需要時間來開發新的課程，還要通過認證機構無休止的審核。“有時候等拿到應有的資格或證書，該雇傭市場已轉向或雇主搬往他處，”羅克說。“現在的情況是，高校已非常在意規避開發新課程風險，但因為時間的問題，投資回報還是有巨大的不確定性。” 3.輔助教育管理決策 美國教育分析機構BrightBytes以專家意見為基礎，結合具體地方和學校的數據，提供可操作的工具Clarity，讓用戶能了解某一決策對學生的影響，并找出更好的方案，從而提高學生成績。 Clarity是一個基于SaaS的數據分析產品，根據數據進行圖表式呈現，把復雜的數據和前沿研究轉化成簡明、易懂，可操作的路線圖。在政府、學校、機構做出或打算做出某一決策時，Clarity會給出主要利益相關者報告，預估這一決策的影響。在決策實施之后，還能夠追蹤效果。 Clarity按用戶不同（政府、服務機構、地區、學校）分為4種版本，不同用戶不同需求，不同需求不同呈現。政府版，主要是衡量聯邦或州政府的方案和倡議對學生帶來的影響，提高財政教育支出的效率。服務機構版，衡量服務對學生的影響，判斷學校需要什么，促進學校與學生之間的關系。地區版，即時獲取報告數據，為區域措施提供支撐。學校版則是，分析發起的項目或投入的資源對學生學習的直接影響，衡量學校提議對家長等其他主要利益相關者的影響。 4. 職業大數據幫助選擇心中的大學 以美國的著名高校卡內基梅隆大學和普渡大學為例：對這兩所高校，領英都收集了60000多名畢業生的職業生涯數據。數據量之龐大，足以在其中看出清晰的規律。輸入“MIT”，你很快就會看到這所高校的畢業生一般會在谷歌、IBM和甲骨文公司找到工作。輸入“普渡”，你會發現禮萊、康明斯和波音是畢業生的首選。 這類信息對于中學的高年級生和低年級學生都是一座金礦，因為大多數中學生對將來的職業都只有模糊的想法。運用領英的這個工具，對太陽能、編劇、或者醫療器械感興趣的學生，就可以挑選那些畢業生最容易進入相關領域的大學報考了。 |
|
|
