過(guò)去幾十年中，大數(shù)據(jù)改變了一個(gè)又一個(gè)領(lǐng)域。在氣象科學(xué)領(lǐng)域，借助大數(shù)據(jù)，人們已經(jīng)建立了更好的氣象模型，提前預(yù)報(bào)天氣；在高能物理領(lǐng)域，通過(guò)分析每秒4000萬(wàn)次質(zhì)子碰撞的數(shù)據(jù)，人類可以尋找曾經(jīng)難以捉摸的希格斯玻色子的證據(jù)；在生命科學(xué)領(lǐng)域，通過(guò)大數(shù)據(jù)，研究人員得以在超過(guò)30億核苷酸的人類基因組中，探究其中至少一個(gè)版本的全序列，從而展開(kāi)個(gè)性化基因研究；電商領(lǐng)域更是離不開(kāi)大數(shù)據(jù)......我們知道，大數(shù)據(jù)的應(yīng)用有很多，現(xiàn)在在教育行業(yè)，大數(shù)據(jù)應(yīng)用也越來(lái)越多。
       “正如越來(lái)越多的學(xué)生開(kāi)始使用教育軟件和在線學(xué)習(xí)平臺(tái)，這些平臺(tái)獲取每一個(gè)學(xué)科、每一個(gè)學(xué)生的學(xué)習(xí)數(shù)據(jù)也變得越來(lái)越容易。”2017年1月10日，在論答公司（Learnta Inc.）于北京主辦的教育大數(shù)據(jù)研討會(huì)上，美國(guó)賓夕法尼亞大學(xué)（University of Pennsylvania）教育學(xué)院終身教授Ryan Baker指出。從Baker的分享中我們得知，教育數(shù)據(jù)挖掘至關(guān)重要，這些數(shù)據(jù)為教育平臺(tái)提供模型，這些模型讓學(xué)習(xí)系統(tǒng)從千人一面變成千人千面，從而改善目前的教育環(huán)境。具體情況如何，我們聽(tīng)聽(tīng)這個(gè)教授怎么說(shuō)。
      在美國(guó)，大量的學(xué)生每天都在使用Cognitive Tutor、ASSISTments、Reasoning Mind這樣的在線學(xué)習(xí)系統(tǒng)。比如，學(xué)生可以通過(guò)故事線索學(xué)數(shù)學(xué)，也可以在工作任務(wù)的情境中做語(yǔ)文題，甚至，孩子們一邊“打僵尸”一邊玩“數(shù)字游戲”：每個(gè)孩子都有很多武器，每件武器上都有自己的數(shù)字，如果要擊敗僵尸，武器上的數(shù)字必須整除僵尸胸口上的數(shù)字。

      Baker認(rèn)為，這些個(gè)性化教育平臺(tái)至少要做到三件事：1、確定學(xué)生的有關(guān)數(shù)據(jù)；2、了解對(duì)于學(xué)生的學(xué)習(xí)來(lái)說(shuō)什么是真正重要的；3、有針對(duì)性地為學(xué)生提供合適的教學(xué)。
      所有這些在線學(xué)習(xí)系統(tǒng)都會(huì)產(chǎn)生大量的數(shù)據(jù)流。當(dāng)一個(gè)學(xué)生使用一個(gè)在線學(xué)習(xí)平臺(tái)時(shí)，他每小時(shí)會(huì)產(chǎn)生數(shù)以百計(jì)的行為，多個(gè)學(xué)生就產(chǎn)生了教育大數(shù)據(jù)，比如在做出錯(cuò)誤回答前可能會(huì)暫停和思考、尋求幫助、快速更改設(shè)置、從僵尸身邊跑開(kāi)等，這些數(shù)據(jù)可以用于教育數(shù)據(jù)挖掘與分析。
      這些教育數(shù)據(jù)挖掘有很多應(yīng)用的方向，比如可以預(yù)測(cè)學(xué)生是否會(huì)輟學(xué)還是會(huì)成功完成學(xué)業(yè)；或者能自動(dòng)檢測(cè)學(xué)生的學(xué)習(xí)投入程度、情感、學(xué)習(xí)策略等，目的就是為了更好地實(shí)現(xiàn)個(gè)性化教學(xué)；甚至可以給老師、家長(zhǎng)提供學(xué)習(xí)分析報(bào)告，進(jìn)行教育科學(xué)的基礎(chǔ)研究。
      Baker說(shuō)，通過(guò)教育數(shù)據(jù)挖掘，我們可以推斷學(xué)生的元認(rèn)知（meta-cognition，即學(xué)生對(duì)自己認(rèn)知的認(rèn)識(shí)）以及學(xué)生是否會(huì)主動(dòng)尋求幫助。同樣，也可以推測(cè)和推斷一個(gè)學(xué)生是否真正開(kāi)始投入學(xué)習(xí)了，還是開(kāi)始分心了。Baker舉了一個(gè)很有意思的親身經(jīng)歷，看到有學(xué)生為了找正確答案而瞎蒙，在填空題里面填了“1”，發(fā)現(xiàn)不對(duì)，又改為填“2”，一直試到“38”這個(gè)數(shù)字，才找到正確答案。另外，有一些孩子會(huì)有非常難以解釋的行為，比如做數(shù)學(xué)題時(shí)不用方程的符號(hào)而是畫了一個(gè)笑臉。
      現(xiàn)在，基于教育大數(shù)據(jù)，Baker的研究團(tuán)隊(duì)還有很多其他研究團(tuán)隊(duì)都已經(jīng)開(kāi)發(fā)出了研究模型，這些模型可以根據(jù)數(shù)據(jù)來(lái)推斷學(xué)生是否厭倦、沮喪、困惑以及是否真正地投入到學(xué)習(xí)中去了也可以推斷學(xué)生在未來(lái)更長(zhǎng)時(shí)間范圍內(nèi)的學(xué)習(xí)結(jié)果：學(xué)生能夠記住剛才學(xué)到的知識(shí)嗎？學(xué)英語(yǔ)的時(shí)候，不僅現(xiàn)在能填對(duì)答案，在五年后還能用到嗎？學(xué)生在未來(lái)會(huì)不會(huì)有一個(gè)好的職業(yè)發(fā)展？
      并且，這些模型已經(jīng)被大規(guī)模地應(yīng)用于自適應(yīng)學(xué)習(xí)系統(tǒng)，為成千上萬(wàn)的的學(xué)生所使用。

      Baker列舉了全球七個(gè)大規(guī)模應(yīng)用教育大數(shù)據(jù)分析模型的自適應(yīng)學(xué)習(xí)系統(tǒng)，包括：
      1、Knewton，系統(tǒng)自動(dòng)決定下一步該給學(xué)生推送什么樣的學(xué)習(xí)問(wèn)題，已經(jīng)在全球范圍實(shí)際應(yīng)用于多個(gè)學(xué)科。
      2、ALEKS，基于先行知識(shí)結(jié)構(gòu)和知識(shí)點(diǎn)模型，為學(xué)生推薦學(xué)習(xí)內(nèi)容，已經(jīng)應(yīng)用于美國(guó)高中與大學(xué)的數(shù)學(xué)和科學(xué)學(xué)科。
      3、Cognitive Tutor，自動(dòng)檢測(cè)學(xué)生的知識(shí)掌握情況，把握教學(xué)進(jìn)度，直到學(xué)生最終掌握知識(shí)；同時(shí)，自動(dòng)檢測(cè)學(xué)生的學(xué)習(xí)專注程度，為學(xué)校做出相關(guān)分析報(bào)告。已經(jīng)應(yīng)用于美國(guó)的初中和高中數(shù)學(xué)學(xué)科。
      4、Learnta（論答自適應(yīng)學(xué)習(xí)系統(tǒng)），基于先行知識(shí)結(jié)構(gòu)和知識(shí)點(diǎn)模型，為學(xué)生推薦學(xué)習(xí)內(nèi)容；同時(shí)，自動(dòng)檢測(cè)學(xué)生的知識(shí)掌握情況，把握教學(xué)進(jìn)度，直至最終掌握每一個(gè)知識(shí)點(diǎn)。根據(jù)中國(guó)學(xué)生的學(xué)習(xí)需求而本土化開(kāi)發(fā)，目前涵蓋數(shù)學(xué)和英語(yǔ)學(xué)科。
      5、Reasoning Mind，自動(dòng)檢測(cè)學(xué)生的學(xué)習(xí)專注度，為每個(gè)地區(qū)的教學(xué)管理員提供教師教學(xué)效果的報(bào)告，已經(jīng)應(yīng)用于美國(guó)的小學(xué)數(shù)學(xué)教育。
      6、Duolingo（多鄰國(guó)），自動(dòng)檢測(cè)學(xué)生的記憶，建議學(xué)生應(yīng)當(dāng)在什么時(shí)候復(fù)習(xí)之前學(xué)過(guò)的知識(shí)，已經(jīng)在世界范圍內(nèi)應(yīng)用于外語(yǔ)詞匯的學(xué)習(xí)。
      7、Civitas, Course Signals, Zogotech, 這些系統(tǒng)提供各種風(fēng)險(xiǎn)預(yù)測(cè)模型，給老師和學(xué)習(xí)顧問(wèn)提供可具體實(shí)施和操作的學(xué)生信息，已經(jīng)在世界范圍內(nèi)的大學(xué)開(kāi)始應(yīng)用。
      Baker說(shuō)，有足夠的實(shí)證研究證據(jù)證明，這七個(gè)學(xué)習(xí)系統(tǒng)中至少有以下兩個(gè)系統(tǒng)對(duì)于學(xué)生的學(xué)習(xí)是有顯著效果的：
其中一個(gè)是由胡祥恩教授在美國(guó)領(lǐng)導(dǎo)開(kāi)展的多項(xiàng)實(shí)證研究項(xiàng)目，證明了ALEKS系統(tǒng)能夠有效提高各個(gè)不同族裔的美國(guó)學(xué)生的數(shù)學(xué)學(xué)習(xí)成績(jī)。
第二個(gè)是論答（Learnta）的自適應(yīng)學(xué)習(xí)系統(tǒng)。Ryan Baker的研究團(tuán)隊(duì)和論答公司合作，基于中國(guó)三個(gè)不同地區(qū)開(kāi)展了三個(gè)實(shí)證研究項(xiàng)目，研究結(jié)果表明，學(xué)生通過(guò)論答自適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)習(xí)，比通過(guò)一個(gè)傳統(tǒng)的在線學(xué)習(xí)系統(tǒng)學(xué)習(xí)效果更好。
      從長(zhǎng)遠(yuǎn)角度，Baker分析了這些教育大數(shù)據(jù)算法模型的潛在發(fā)展方向：
      首先，通過(guò)學(xué)生知識(shí)和學(xué)習(xí)模型，來(lái)確定學(xué)生在什么時(shí)候需要更多支持，在學(xué)生掌握上一個(gè)知識(shí)之前，不會(huì)推薦該學(xué)生去學(xué)習(xí)下一個(gè)知識(shí)；而當(dāng)學(xué)生需要支持的時(shí)候，系統(tǒng)會(huì)自動(dòng)介入，并同時(shí)告訴該學(xué)生的老師和父母。
      其次，通過(guò)學(xué)習(xí)投入程度模型，來(lái)檢測(cè)學(xué)生什么時(shí)候開(kāi)始變得厭倦或者沮喪，并相應(yīng)地調(diào)整學(xué)習(xí)任務(wù)，比如為那些厭倦的學(xué)生選擇一些更有趣的學(xué)習(xí)活動(dòng)，為沮喪的學(xué)生選擇相對(duì)容易一些的學(xué)習(xí)任務(wù)。學(xué)習(xí)投入程度模型也可以用來(lái)確定為了讓學(xué)生更投入學(xué)習(xí)，需要什么樣的學(xué)習(xí)活動(dòng)，最終甚至可以確定需要在什么時(shí)候提供、給什么樣的學(xué)生提供這些學(xué)習(xí)活動(dòng)。
      另外，還能告訴老師和父母，學(xué)生在什么時(shí)候開(kāi)始在學(xué)習(xí)上變得分心。
      最后，當(dāng)一名學(xué)生沒(méi)有真正學(xué)會(huì)時(shí)，學(xué)習(xí)模型就可以檢測(cè)出來(lái)，并相應(yīng)提供更多的練習(xí)，用不同的方法為學(xué)生提供解析，或者鼓勵(lì)學(xué)生自己去闡釋問(wèn)題。
      Baker最后總結(jié)道，這些不同的模型和方法現(xiàn)在都有很多應(yīng)用的案例。教育人工智能（Artificial Intelligence in Education）、智能輔導(dǎo)系統(tǒng)（Intelligent Tutoring System）、教育數(shù)據(jù)挖掘（Educational Data Mining）、學(xué)習(xí)數(shù)據(jù)分析（Learning Analytics）等研究領(lǐng)域已經(jīng)有大量有關(guān)這些模型和方法的研究文獻(xiàn)。下一步的目標(biāo)應(yīng)當(dāng)是在系統(tǒng)中不斷優(yōu)化現(xiàn)在已經(jīng)成功應(yīng)用的模型和方法，最大限度地造福于中國(guó)和全世界數(shù)十億的學(xué)生。
      據(jù)悉，Baker是美國(guó)賓夕法尼亞大學(xué)（University of Pennsylvania）教育學(xué)院終身教授、學(xué)習(xí)數(shù)據(jù)分析研究中心（Penn Center for Learning Analytics）主任，國(guó)際教育數(shù)據(jù)挖掘協(xié)會(huì)（International Educational Data Mining Society）的創(chuàng)始人、《教育數(shù)據(jù)挖掘》雜志（Journal of Educational Data Mining）的主編。Baker教授在各類期刊和會(huì)議發(fā)表了260余篇學(xué)術(shù)論文，先后主持了美國(guó)科學(xué)基金會(huì)（National Science Foundation），蓋茨基金會(huì)（Gates Foundation）等研究基金的多項(xiàng)項(xiàng)目，累計(jì)獲得研究經(jīng)費(fèi)超過(guò)1600萬(wàn)美元。Baker的研究實(shí)驗(yàn)室同時(shí)與亞洲，南美洲，以及歐洲的大學(xué)和研究機(jī)構(gòu)開(kāi)展合作項(xiàng)目。Baker本人也在哥倫比亞大學(xué)教育學(xué)院（Teachers College, Columbia University）和愛(ài)丁堡大學(xué)同時(shí)擔(dān)任教職，并在Coursera 和 edX 慕課平臺(tái)上開(kāi)設(shè)了“Big Data in Education”《教育大數(shù)據(jù)》課程，注冊(cè)學(xué)生來(lái)自100多個(gè)國(guó)家和地區(qū)。
      本次活動(dòng)的合辦方包括賓夕法尼亞大學(xué)學(xué)習(xí)分析學(xué)研究中心（Penn Center for Learning Analytics）、中國(guó)人民大學(xué)統(tǒng)計(jì)與大數(shù)據(jù)研究院、華中師范大學(xué)心理學(xué)院、Knewton公司、芥末堆。
      http://tech.huanqiu.com/news/2017-01/9991891.html
      來(lái)源于：環(huán)球網(wǎng)科技