大數據：尋找教育中隱藏的智慧

目前，教育大數據和深度學習炙手可熱。然而教育大數據由於涉及到教育的各個要素，存在跨專業等複合型人才，需要不同領域的專家協同，需要教學原有體系發生變化等諸多影響因素，尤其還存在過程性數據的採集、自然語言處理、教育心理參與不夠，以及深度學習人才匱乏等諸多困難，在教育實踐中尚未發揮到最大價值，需要進行更多的探索。

教育大數據是挖掘大千世界中的小數據

教育大數據是在教育生態系統中尋找、挖掘隱含教育發展規律、學生身心發展規律等，從思維方式、技術內容到結果應用的整套解決方案，也是從教育的全樣本、全過程的教育大數據中挖掘形成教育智慧這個小數據的過程。

教育大數據分為個體教育大數據、課程教育大數據、班級教育大數據、學校教育大數據、區域教育大數據、國家教育大數據等六種，它們從下向上、從小到大逐級匯聚。有三層含義：第一層含義，教育大數據是教育領域的大數據，是面向特定教育主體的多類型、多維度、多形態的數據集合；第二，教育大數據是面向教育全過程的數據，通過數據挖掘和學習分析支持教育決策和個性化學習；第三，教育大數據是一種分布式計算架構方式，通過數據共享的各種支持技術達到共建共享的目的。

總之，教育大數據首先是一種思維方式，即讓數據開口說話，讓數據背後的規律、智慧成為人類在教育領域思考問題、做出決策的基本出發點。其次，教育大數據也是一種數據處理技術和能力，即從海量複雜的教育數據中尋找有意義關聯、挖掘事物變化規律、準確預測教育發展趨勢的能力。最後，教育大數據更是一種生產力，結合深度學習等構建教育的人工智慧，從單個領域向多個領域覆蓋的過程，直接影響人與工具的關係，也決定了未來教育的目標。

對真實性、表現型、發展性數據的挖掘

教育大數據的重點是要求數據是真實客觀的，它是來自學生學習過程，是學生學習過程中的表現，體現的是學生素養和能力的發展的非結構化數據，而非一般的為了收集學生髮展狀況而專門採集的結構化數據的挖掘與分析。

隨著「AI+」時代的來臨，人類的生活生產方式發生了重大變化，人類賴以生存的知識和技能以及某些單一領域的創新已經被人工智慧所取代，呼喚複合創新能力等培養學生高層思維能力的新工具、新模式新方法，高級思維能力的培養與評價更加關注教育的過程而非結果。我們應當把關注點由教育成果遷移到教育過程從而為教育系統帶來變革，需要我們對教育大數據進行深度挖掘後有效使用。

具體就教育變革而言，大數據技術可以對海量管理數據、教學數據及學生學習行為數據進行深度挖掘、分析與預測，以「互聯網+志願填報」為例，大數據可以幫助學生做出明智選擇，即基於大數據來提高填報志願精準度已經成為一種趨勢，關鍵就在於其分析的科學性和精準性。

比如，升學e網通就從這兩點上充分利用了大數據分析的優勢，得出有效的預判，從而幫助考生在志願填報時進行科學選擇。拿2016年高考舉例來說，浙江一名理科考生高考成績529分，剔除自選模塊31分，實際有效成績498分，當年浙江第二批分數線為429分。作為理科生來說學生自己傾向於選擇通信工程、環境科學、計算機等理科熱門專業，但是最後該學生被浙江工業大學之江學院廣告專業錄取，今年上大二的她這樣說道：「讀這個適合自己的專業感覺一份學費學到了好多東西!」

該學生填報志願的第一步，是利用平台的升學專業測評系統，科學專業地幫助她清晰認知自己的性格特徵、職業興趣、專業興趣，測評結果顯示該學生是理想主義者氣質，專業和職業興趣全部是法學類、語言類、新聞傳播類等文科類專業。隨後又測出學生在文字和繪畫方面的優勢以及她自己的喜好，進一步確定了學生的適合且能夠發揮優勢的專業。

專業大致確認之後，在升學e網通全面完整的院校、專業的歷年大資料庫中，根據該學生的名次在系統內按位次法以及按專業兩種主要查詢方式，篩選出她這個位次學生歷年的去向，再結合按專業查詢所得的結果框定了合適的幾所備選院校。通過清晰明了的統計圖表，了解院校、專業錄取情況，以及全國各省份的本科錄取人數、錄取率等大數據，包括院校庫、專業庫、職業庫三大庫。院校庫涵蓋了全國近3000所本專科院校的詳細信息；專業庫涵蓋本專科31個學科大類1300餘個專業具體信息；職業庫涵蓋近1000種職業的信息資源，學生能夠全面地比較,正是這些「庫」里的大數據幫助學生做出了明智的選擇。

大數據在教育評價中的創新應用

教育大數據助力國家大規模表現型評價。2016年5月，教育部基礎教育質量監測中心在音樂表現型測評上開創了先例，真正實現了表現型評價的大規模應用，覆蓋了全國31個省、直轄市、自治區以及新疆建設兵團，參加演唱測試的學校近萬所，有近5萬學生參加此次演唱測試的數據採集，總回收音頻數據近10萬條。科學的音樂監測指標和工具通過專業的音樂演唱測試平台、結合專用演唱測試設備進行學生音樂演唱數據的電子化採集、存儲及回收，並在此基礎上利用智能語音識別與分析技術、機器學習技術等人工智慧演算法對學生的演唱數據進行機器自動評分，機器評分的準確性達到了專業評委的水平，開創了我國對學生的音樂表現性水平進行監測評價的先例。在此基礎上，又將大數據技術，機器學習技術應用到了中文作文的自動評分，以及對教師、校長的問卷調查的作答過程數據進行挖掘，國家監測評價從評價工具、評價方法、評價的技術等多個過程進行不斷創新。

教育大數據助力學生學習過程數據的挖掘。以教客網·數字學伴互動網路學習社區為例，這是一個教育型SNS平台，學生通過註冊開設個人空間。截至2017年6月13日網站訪問量1843萬，積累了5萬多篇個人日誌，近60萬條小作文，成為遼寧、甘肅、四川等地多個學校上千個班級師生開展學習活動的重要聯通平台，也因此積累了大量中小學生創作的語言素材以及互聯網操作行為數據。

我們正與英國劍橋大學心理測量中心、北京師範大學心理學院、腦科學、心理健康、教育測量等專家，如劉紅雲、駱方、薛貴和中山大學大數據分析專家胡延慶教授等合作，對教客網上的數據進行多維度分析，也有了很多發現。對於學生人際關係的畫像可以及時發現每個學生偏離共性的發展特點，建立異常情況預警機制；網路學習空間不僅為班內同學之間的溝通提供了一個虛擬的平台，同時一定程度上也起到了弱連接的作用，促進了信息在不同群體之間的傳播。

總之，無論是大規模的國家評價，如高考和基礎教育質量監測，還是對過程性數據的研究，大數據已經變得不可或缺，在評價、教育變革的多個環節和階段將發揮越來越重要的作用。（作者張生，系中國教育技術協會教育測量與評價專業委員會常務副會長）

《中國教育報》2017年07月01日第3版

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！