大数据引发的让人心动的教育场景

张渝江

育的各个环节都被数据包裹着。不过这些零散产生的数据都是以纸质形式记录或存储于教育工作者的大脑中，并没有被特有的信息化工具收集起来加以有效的利用。过去，这些数据的汇总和分析使用需要耗费大量的人力和物力。所以，教育管理者和教师往往是凭着记忆和经验来处理教育中的问题和应对学生的发展需求。

大数据在商业领域的成熟应用引起了教育行业人士的极大兴趣。因为，按照相似的办法，教育中采用大数据进行学习分析可以预测学生的发展，对将要出现的问题提前做准备并及时干预。这样可使更少的学生失败和促进更多的个性化学习。

大数据促进混合学习

混合学习将在线学习与传统面对面的课堂教学活动相结合，从而为自动采集数据和个性化教学提供契机。当前，随着混合学习在基础教育领域的逐渐普及，越来越多的学校采用学习管理平台推送学习材料，并通过在线评估工具进行测试。学生通过电脑或移动终端进行联网学习和测试，相关的学习痕迹和测试数据会形成大量的数据。在线学习中产生的主动数据是进行学习分析的重要基础。

在芬兰的一所高中（MartinlaaksonLukio），学生采用混合的形式自主参加课程的学习。学生使用纸质材料，在学习管理系统中使用形成性评估工具，按照自己的进度开展学习。教师会有更多的时间集中考虑学生个体的需求问题。同时学生运用自己的学习数据进行自我评估，目的是为了在学习这门课程的过程中有所提高。学习分析的实施不仅使学生学到所需要的内容，还教给他们自我评价的技巧。

美国马里兰州蒙哥马利县公立学校的评估专家设计了一个追踪公式，以惊人的准确度预测哪些学生会在他们高中一年级第二学期的时候辍学。教育专家通过对学生阅读习惯、阅读水平以及相应教材文本等数据的分析，发现学生早期阅读的问题会形成后期多个学科的学习困难，进而产生辍学的危险。不过这一危险可以预测。利用大数据进行学习分析，在早期发现学生的情况，对未来可能发生的问题进行预警，及时地干预和校正，就能极大地降低学生后期辍学的风险。

目前，美国和欧洲数百所中小学校都在使用学习管理系统——Itslearning，推动利用大数据进行学习分析的战略。Itslearning平台为英国的Flint高中提供课程学习数据面板，使教师和学生课内外的学习情况都能获得迅速评估，教师们可以追踪学生课程进展并确定如何更好地满足学生的个体需求。

大数据促进学校管理

现在很多学校和教育工作者更多利用在线平台和资源来完成自己的工作。利用这个过程中产生的大数据进行分析，对教育管理及教师评价也有很好的支撑作用。mydistrict360.com为教师和行政人员量身定做了门户网站，从而使学生数据和财务信息更加直观。学校能够更加有效地为学生提供个性化关注以及预算支出。

美国某州公立中小学的数据分析显示，在语文成绩上，教师SAT（美国高考）的分数和学生成绩呈现显著的正相关。也就是说，教师的SAT考试成绩与他们现在所教语文课上的学生学习成绩有很明显的关系。教师的高考成绩越好，学生的语文成绩越好。这个大数据分析带来的研究结果，促使我们进一步探讨教育管理背后诸多非显性的因素。如果有了充分的数据，便可以发掘更多的教师特征与学生成绩之间的关系，从而为挑选教师提供更好的参考。

同样，美国的某所私立高中通过大数据分析发现了小学和初中学校与学生高中成绩的相关性。他们对本校和其他学校学生在高中的学业表现和最终考取的大学数据进行了分析，发现来自某些小学和初中的学生与其他学校的学生相比，学习潜力和发展有明显的优势。于是他们增加了对这些小学和初中毕业学生的录取。在分析了这些学校的办学情况后，把其优势用于本校的教育改造中。

大数据促进自适应学习

教育大数据的挖掘和分析可以提供给教育管理者和教师使用，以促进更好的学校发展和学生成就。随着对机器学习的深入研究，教师也可以利用这些大数据分析来推动智能化的教学。也就是，在教师通过数据分析发现问题做出判断之前，电脑也可以做出相应的工作，并帮助教师对学习预警进行干预。技术系统可能更细致全面、更大规模地提供随时随地的自适应学习支持。

在未来，学习绝不会是按照一本给定的教科书、一门科目或课程，以同样的顺序和步调进行，而将是有数千种不同的组合方式。教师不再需要凭借主观判断和手动选择最适合教学的书籍，大数据分析带来的自适应学习系统将指引他们选出最有效的、支持进一步完善和私人定制的教材，以满足学生个性化的学习需求。

美国非营利组织“NewClassroom”在纽约、芝加哥和华盛顿的几所公立的初中学校试点“School of One”项目。这个项目通过特定的算法把教师、教室、多种在线课程等资源链接起来，为学生提供自适应学习服务。系统根据每天学生的学习情况和学习特点，自动为学生推送学习资源，并生成定制的个人学习列表。第二天，学生按照个人学习列表参与到教师辅导、在线学习、群体讲座、在线测试等多种学习活动中。

皮尔逊集团正在将自适应学习整合到在线课程当中。2013 年夏天，皮尔逊与大数据技术公司Knewton 结成伙伴关系，为40 多万学习科学和商科课程的一年级大学生提供自适应辅导服务；通过技术发现学生学习课程材料的成功与失败，并找到相应的模式，提供个性化的辅导。该项目在几百名学生中进行了实验，结果显示实验课程能有效地改善学生的学习成绩。随着自适应学习服务在网络环境中的大规模应用，能够真正满足不同学习风格和更多学生需求的课程也将很容易得以实现。

Alleyoop.com是游戏化社交学习网，为学生进入大学提供在线预科学习课程。它并不提供游戏，而是把第三方提供的学习内容以社交游戏(Zynga)方式分配给初高中学生，其特点是个性化、自适应，并建立学习者档案，为升学或职业选择做推荐。学生登录网站后，需要通过一项测试，系统会根据学生测试情况推荐相应的课程内容和学习方式。比如，某个学生需要补充学习数学，但通过前测发现其不擅长听讲，系统可能会推送游戏化的数学学习软件给他，帮助其建立数学概念。

美国教材出版商McGraw-Hill推出自适应电子教材Smartbook。这种智能教材可根据学生在学习中遇到的问题不断调整课程内容，巩固他们的学习成果。在该电子书里阅读的最初5分钟，看到的课本内容是一样的，但此后随着学生回答书中的问题，不同的字段就会被加亮以提示读者哪里需要更加留意。这样可帮助学习者更加关注其需要补充的内容。

大数据促进学生全面发展

目前大数据主要是教育管理人员、教师以及学生通过在线平台进行工作、学习、评估活动而产生的。这部分数据仅仅是涉及教和学这一狭小的范畴。很多情况下，非学习行为的因素也在制约着学生的成就与发展。因此，促进学生全面发展的更多隐藏的因素没有被纳入其中加以分析和利用。而这些因素的相关数据仅仅通过学习平台难以得到大量的收集。可穿戴设备和物联网逐步成熟的应用为收集这类数据带来了契机。

可穿戴设备带来了量化自我的趋势。这类设备不需要学生主动与相应平台发生互动，即可收集到相对丰富的数据。不但包括学生的身体健康指标，学生的经历和周遭的环境数据也能被可穿戴设备记录下来。将这些数据与学习数据结合起来进行分析，可能会发现影响学生成绩更细致而不为人知的原因，或者可发现学生隐性的特质，从而为其定制未来的发展道路。

例如，手表、手环和项链这些可穿戴设备的出现，能自动收集数据，用以帮助学生管理他们自己的健康、睡眠周期和饮食习惯。移动应用程序也提供了分享的功能，通过移动应用程序为消费者提供易于阅读的用户面板，从而方便学生或教师查看和分析学生的指标。这些数据不但能让教师发现学生成绩退步的隐性因素，更重要的是能唤起学生的自我意识，促进其自我管理，进而促进未来更好的发展。

而今，可穿戴设备不仅追踪用户去了哪里、做了什么以及他们花费在这些事情上的时间，而且还关注他们的愿望是什么，以及这些愿望何时能够实现。新型设备，如Memoto 是一种能够别到用户衬衣领子或纽扣上的微型相机，旨在每半分钟自动捕捉一次信息，它使得学生和教师可以追踪自身的生活。依靠可穿戴设备来收集学生周遭的环境数据也能为学生心理发展提供良性的帮助。比如，学生在学校观察或经历了冲突事件，这让教师能快速找到学生辍学或产生不良行为的内在因素。

现在，Google 眼镜和iWatch 一类的工具能帮助学生们在正式的教室情境里收集与自身或研究课题相关的数据，极大地减轻了对课堂效果进行分析的难度。如果从学习分析数据里面搜集的考试成绩和阅读习惯的数据能与其他生活方式追踪的信息相结合，那么这些大数据将可能揭示环境变化是如何改进学习成果的。

物联网是另一个扩展数据源的重要技术。随着校园物联网的普及，学生与环境交互的数据能得到更充分的收集。比如，学生消费的信息，学生经常停留的场所，学生使用设施设备的情况，学生在实验室工作的情况，都能通过物联网进行数据采集。这些数据与已有的学习数据、自我量化数据结合起来，能更好地促进学生的全面发展。

大数据带来的担忧

大数据收集、储存、处理数据的能力比以往任何时候都要强大，它将会颠覆传统的教育行业。大数据将在教与学环节增加前所未有的数据化体验，不仅学生受益，教师也受益。然而，这么做也蕴藏了风险。长久以来，家长和教育专家都在忧虑如何保护未成年人的隐私。同时人们还担心，对于那些在学业上被“跟踪”过的学生，他们的人生道路是否会因此而变窄。大数据不仅放大了以上这两个问题，而且改变了问题的本质。

2014年4月，美国学生数据收集机构inBloom关闭。

教育大数据机构inBloom是由比尔与梅琳达 ? 盖茨基金会资助成立的一个非营利学生数据存储机构，在短短的15个月内，由于隐私问题受到公众的抗议因而被法院勒令关闭。这家为教育大数据提供基础服务的机构从气势如虹到黯然关闭，是否令教育大数据前景堪忧？的确，大数据为教育带来了丰富的想象，但一些问题随着教育大数据应用的深入逐渐显现。

亚利桑那州立大学为了改变每年1/3学生辍学的糟糕现状，开始使用一款由Knewton科技教育公司提供的基于大数据的个性化学习软件。实践的成果喜人，在2009年至2011年期间，学生的毕业率从64%窜到了75%，辍学率减少了一半。不过这个成功案例背后存在着潜在的问题。比如，那些被软件收集起来的数据将被永久保留，个人被要求参加补习课的事实被永远记录在案，可供查找，这会导致学生毕业后在就业时可能遭遇歧视。

而非营利组织inBloom的停摆，人们出自本能地反对这件事，并不仅仅是一般意义上的对隐私和数据保护的忧虑，而是一种更特殊的忧虑。如果一个人在学生时代的活动都被记录下来，当他在若干年后申请工作时，那些记录都能被潜在雇主查到，那么事情的发展很难完全受理性控制。因此，教育数据引发的问题不仅是信息泄露，而是把我们禁锢在过去，否认我们成长、蜕变的能力。

另外，教育大数据的收集会被用于预测我们的未来，但这种预测也可能限制我们学习的自由，最终可能会限制我们的人生道路。比如，系统告诉我们，这门课我们很有可能学不好，然后系统转而向我们推荐另一门课。结果是我们可能会认同系统推荐的就是对我们最有利、最容易走的路，选择一个退而求其次的结果，而放弃逆流而上地坚持自己的路。

这就把人更残忍地限制在某条路上，让人们无法打破常规去走自己想走或能走的路。目前系统里有10亿条不同的学习情况记录和学习轨迹安排，每一条都只对应一位学生。这样做有利有弊，有利的方面在于教育是为每个人量身定做的；有弊的方面在于学生仿佛困在了形如峡谷的凹槽中，跳不出来，只能顺着走下去。这样一来，我们的人生依然受限于“已知道路”，虽然这是一条为我们量身定做的道路。

如何解决呢？科技快速发展并没有带来相应社会文化的转变，这正是关键所在——文化的形成远比科技变革慢。不过未来是人文和科技融合的时代，这正是未来学家凯文·凯利为了避免人类恐惧科技发展的失控而描绘的情景。

（作者单位：重庆聚奎中学）