当前位置:首页> 信息中心 > 

教育大数据访谈-中国教育报

时间:2018/1/15 14:21:54 来源: 作者:admin 点击:2241

主谈人:云南师范大学民族教育信息化教育部重点实验室 常务副主任 甘健侯教授

 

参加人员:

赵波:云南师范大学教授

钟维:云南师范大学副教授

唐麟:云南师范大学副教授

杨文正:云南师范大学博士

 

一、数字、数据、信息之间的关系?

数字是一种用来表示数的书写符号,最普遍的就是阿拉伯数字“0到9”,它常见的还有中文数字、罗马数字等;数据是对客观事物的符号表示,是用于表示客观事物的未经加工的原始素材,如图形符号、数字、字母等,或者说,数据是通过物理观察得来的事实和概念,是关于现实世界中的地方、事件、其它对象或概念的描述;信息是向人们或机器所提供的关于现实世界新的事实的知识,是数据、消息中所包含的意义。

简单来说,数字是一种符号,是原始信息,数据是加工过的有意义的信息,而信息是经过加工的数据,即利用信息技术对数据进行加工处理,使数据之间建立相互联系,或者说,信息是数据处理的结果。信息与数据既有联系又有区别。数据是信息的表现形式和载体,可以是符号、文字、数字、语音、图像及视频等;而信息是数据的内涵,是对数据所具有含义的解释。数据和信息是不可分离的,信息依赖数据来表达,数据则生动具体地表达出信息,两者是形与质的关系。另外,相对于物理性和符号性的数据来说,信息是对数据进行加工处理之后所得到的并对决策产生影响的数据。

二、教育大数据越多越好吗?好的教育大数据是什么样?

教育大数据之“大”并非只是数量之大,更为强调的是数据蕴含的“价值”之大。实质上,教育大数据并不是越多越好。对于数据科学家来说,重要的不是得到最多的的数据,而是看通过哪些数据可以得出真正有价值的结果。教育大数据大致分为四类,第一类是教学资源类大数据,第二类是教育教学管理大数据,第三类是教与学行为大数据,第四类是教育教学评估大数据。

从教育大数据中能够从冗杂的数据中发现相关联系、诊断现存问题、预测发展趋势,发挥教育大数据在提升质量、促进公平、实现个性化学习、优化资源配置和辅助教育决策等方面的作用。教育大数据并非包括所有数据,因为教育活动过程中也会产生大量无意义的“噪音”数据,需要根据教育的应用目的进行数据过滤和“清洗”,为后期深度挖掘和分析做准备。因此,好的教育大数据一定是科学的、客观的、准确的、有用的,要把数据与人的差异化有益结合。

三、好的教育大数据应该怎么挖掘?非结构化的教育数据(图片、文本等)怎样转化为结构化的教育数据(如多维数据表)?

基于教育大数据的数据挖掘过程即将学习结果、学习内容、学习资源与教学行为等教育原始数据使用多种技术,如聚类、关系挖掘和模型构建等,最终达到预测学习者发展趋势、促进有效学习的目标。教育大数据有多种分类方式。从数据结构化的程度来看,包括结构化数据、半结构化数据和非结构化数据。从数据产生的环节来看,还可分为过程性数据和结果性数据。过程性数据是活动过程中采集到的、难以直接量化的数据(如课堂互动、在线作业、网络搜索等),结果性数据则常表现为某种可量化的结果(如成绩、等级、数量等)。

挖掘教育大数据,首先要建立与国家教育信息化标准相衔接的数据采集、分析处理与管理等方面标准的数据指标体系,涵盖基础数据标准、数据处理标准、数据安全标准、数据质量标准、数据服务标准等;然后,搭建挖掘和分析处理的框架。这就需要回答“谁分析、为什么分析、分析什么、分析过程、分析技术工具、分析结果如何”等基本问题;最后,构建分析处理模型。因此,好的教育大数据需要对教育数据进行深度挖掘,是从海量的不同结构、不同环节的数据集中自动提取不明确的或研究者感兴趣的原始数据量的复杂过程。而这个过程中需要综合运用数学统计、机器学习、数据挖掘和人工智能等多交叉领域的技术和方法,对教育大数据进行处理和分析。通过数据建模,发现学习者学习结果与学习内容、学习资源和教学行为等变量的相关关系,来预测学习者未来的学习趋势,促进学习者有效学习的发生。

随着传统数据库不再能够有效的对非结构化数据进行管理这一问题的出现,许多研究者在非结构化数据库模型的设计上投入了大量的精力,而非结构化数据库也成为了今后数据库技术的研究热点以及发展方向。虽然目前还没有出现一个真正意义上像关系型数据库模型一样主流的非结构化数据库模型,但是现在工业界己经出现了如Google提出的GFS、BigTable和MapReduce等对于非结构化数据存储与处理等技术理念。

四、在云存储和云计算的基础上,如何利用信息技术等手段对非结构化和半结构化教育数据进行有效处理?

如何利用信息技术等手段对非结构化和半结构化数据进行有效处理是目前大数据面临的三大挑战之一,已成为各国大数据专家共同关注的前沿科研问题。大数据中,结构化数据只占 15% 左右,其余的 85% 都是非结构化的数据,它们大量存在于社交网络、互联网和电子商务等领域。另一方面,也许有 90% 的数据来自开源数据,其余的被存储在数据库中。这样的数据构成对于教育数据来说也不例外。

教育数据的处理可分为教育数据的获取与抽取、教育数据的存储与管理、教育数据的分析与挖掘三个阶段。对于半结构化和非结构化特点的数据处理技术贯穿在这三个阶段中。在云存储和云计算的基础上,传统关系数据库无论从描述能力上还是从管理数据的规模上,都无法应对非结构化和半结构化的数据管理要求,因此如何利用信息技术建立有效的非结构化和半结构化教育数据管理平台是关键。

首先,针对半结构化和非结构化数据存储和分析的需求,建立统一数据模型。该模型能够实现各种模态信息的融合集成,从而能有效支持面向大数据的检索与关联分析。

其次,利用云存储和云计算,构建分布式与并行处理模型和架构,支持高度并行化与可扩展性,从而保证教育大数据的高效处理。

最后,支持查询语言与数据可视化功能,满足用户对教育大数据进行访问与分析的接口需要,以指出灵活丰富的数据操作,提升教育数据处理的有效性。

五、在教育大数据的挖掘及分析处理上还面临哪些挑战?如何解决?

教育本身是个复杂的系统工程,其结构非常复杂,涉及到教育数据教学资源、教育教学管理、教与学行为、教育教学评估等多方面的大数据,因此教育大数据的挖掘和分析处理上还面临一些挑战:

(1)缺乏统一的数据规范

目前教育大数据没有统一的数据规范,缺乏标准的数据指标体系,在数据采集过程中可能出现数据冗余和“噪音数据”等情况,这些都为教育大数据的挖掘及分析处理带来挑战,此外,不同系统之间的兼容也是一大问题。

(2)教育大数据结构性短缺、数据分析模型有待验证

教育大数据实质上包括了教学资源、教育教学管理、教与学行为、教育教学评估等四类大数据,但目前大部分的数据还是作业数据,关于学生社交行为等其他方面动态性比较强的数据,挖掘得远远不够;同时,现有数据分析都是基于已有的数学模型,但是这些模型是否具有科学性,是否适合于教育大数据处理却仍有待验证。

(3)非结构化的数据处理技术尚不成熟

随着教育信息化的发展,教育大数据中的非结构化数据将越来越占据主导地位,要在海量、复杂、多维的数据中挖掘数据中的隐含信息及其之间的相关性具有一定的难度,在数据采集、数据存储、数据管理和数据挖掘等相关的数据处理技术有待深入。

 

针对以上挑战,我们给出相应的解决办法和意见建议:

(1)遵循顶层设计,制定统一规范

目前,教育大数据建设还没有统一的信息标准与技术规划,基础数据分散、重复、孤立。数据重复采集、数据不一致等问题造成工作效率低下,同时高校教学和管理对数据依赖程度越来越高,只有通过系统间数据共享才能解决基层管理信息系统建设中遇到的问题。从全局考虑,教育大数据系统应遵循顶层设计原则,由教育管理部门对数据格式、数据存储等问题制定统一规范,各级各类教育机构在进行类似系统的规划和建设中,系统的数据结构和数据格式要符合统一规范要求,使得各级教育机构的系统数据可以实现无障碍迁移和共享。

(2)注重全过程多维度数据采集,建立科学准确的数据分析模型

教育数据的全面、自然、动态、持续采集是构建教育大数据的基础性和先导性工作。业务的差异性直接导致教育数据来源更加多元、数据采集更加复杂。因此,教育大数据应更加注重全过程多维度的数据采集,比如从个体、课程、班级、学校、区域、国家等多个层面,通过物联感知类技术、视频录制类技术、图像识别类技术、平台采集类技术等多渠道获取全面客观的教育数据。只有在全面、客观、准确的数据基础上,研究数据挖掘的方法,才能为越来越多有关学习者建立科学准确的数据分析模型。

(3)善于使用新方法和新工具,深化挖掘模型、分析方法与教育教学的融合

要找到适合于教育大数据挖掘和分析处理的方法和模型,既要运用传统的数据分析方法与工具,又要合理采用专门针对教育和大数据处理的新方法与新工具。目前已有的一些大数据分析方法与工具如深度神经网络分析、异步数据分析、网络图模型分析、基于云模型的大数据CCA方法和计算智能方法等都可以尝试应用到教育大数据的挖掘和分析中。此外,为了克服挖掘和分析处理模型的局限性,需要深化挖掘模型、分析方法与教育教学的融合。在教育实践中对模型和方法进行检验,通过技术改进实现模型的迭代优化,形成持续反馈的机制,不断提升教育大数据挖掘的价值和有效性。

六、大数据对学习过程和教学反馈带来了哪些改变?对个性化教育提供了哪些帮助?

大数据对学习过程和教学反馈主要带来了以下改变:

第一,形成数据驱动教学范式:大数据技术可以全程记录学习者的学习过程,深度挖掘数据背后反映的教学意义与价值,并以可视化的方式清晰呈现,从而有效支持教师精准地“教”,进而指导学生更精益地“学”。

在传统教学范式中,学习者在学习过程中的认知心理变化较难进行预测,学习作用机制很难得到精确解释。即使脑科学的高度发展,学习者学习过程中的某些行为变化及变化程度,很难进行仪表式的表达。然而,以云计算、物联网、虚拟现实和人工智能等为代表的新型智能化技术在教育教学领域应用的普及,学习者和教学者的各种行为数据均以数字化的形式存储下来,赵来越多、越来越细的学与教“行为印迹”被各种网络教学平台、移动教育APP、可穿戴设备等“真实”地记录下来。学习者特征、兴趣偏好、知识水平、情境特征及学习状态变化等通过教育大数据技术实现有效捕捉,借助教育数据挖掘与学习分析技术,可将教学过程中生成的大量数据“翻译”成有价值的信息(如学困生的识别,知识缺陷的发现,学习能力和状态的诊断,学习目标达成度等),进而为教学者的教学决策(调整教学进度,修改教学方案,改进教学评价,优选教学资源等)和学习者的学习决策(调整学习计划,定制学习资源,改进学习路径,改善学习方法等)提供更加及时、更加全面和更加精确的支持,推进数据驱动的精准教学和精准学习。

第二,大数据技术改变了教学反馈的方式、反馈形式和反馈途径,使教学反馈更具有准确性、时效性、过程性、全面性、智能化和科学性。

教育大数据是教与学过程中自然而然产生的数据,不受主观意识的主导,是一种原生态的数据,以此做出的教学反馈更具有客观准确性;充分利用各种先进信息技术,可以对教与学过程中生成的行为记录进行即时采集、实时处理分析并提供及时反馈,使教学反馈更具有时效性;借助物联网、可穿戴技术,可以在不影响正常教学活动的前提下实时采集数据,使采集到的数据更具有连续性和微观价值,从而真正实现对教学的过程性评价与反馈;大数据将所有与教学有关的立体化数据提供给我们处理与分析,这些全面而广泛的数据,使教学评价更加全面和客观;充分利用各种智能化数据挖掘手段,从杂乱无章的数据里“清洗”出有用数据,探索和发现数据之间的相关性,形成教学反馈的数据结构或规则,构建教学反馈智能专家系统;大数据可以将教学过程中每一项活动即时保留下来,这些连续性、及时性和细颗粒性特征的数据,可以为教学评价者更精深地探索一些微观层面的学习问题提供可能,为学习者提供更加科学的教学反馈。

第三,基于大数据的学习分析技术成为教育技术的新范式,关注每个学习者的个性发展,实现真正意义上的个性化学习,促使教育回归本质。

大数据学习分析技术为个性化学习提供全方位的支持,其主要价值体现在五个方面:完善个性化学习者档案,分析预测个性化学习行为、优化个性化的教育决策、改善个性化的学习评估以及提供个性化的学习反馈与建议。大数据技术不仅可以收集学习者智力成就方面的数据,还可以收集学习者成就的非认知属性的数据、生物识别数据、学习行为数据和情感数据等,为学习者构建更完整的个性化档案,成为个性化学习得以实现的前提;基于大数据的学习分析旨在用学生数据预测学习的学业成绩,发现不良学习行为和发现影响学习者个性化学习的因素,有利于定制符合自身的学习策略,对学习者进行个性化学习指导和帮助;大数据学习分析的使用,正改变着教师在教育决策中的角色,教师的角色正由知识的传授者转变为学习的辅助服务者,作为教练或指导者引导学习者主动获取知识;对学习者更加全面的学习评估需要大数据提供更为准确且有效的实时数据,基于数据和新的证据模型的学习评估有助于为学习者提供真正的个性化学习服务;大数据将将学生的一切行为或复杂品质等数据量化,并形成完整且全面的数据库,提升了个性化学习的效率,帮助学习者调整学习路径和速度,为教师和学习者提供更及时的信息反馈。

七、教育大数据与数字教材、智慧校园、智慧课堂之间是什么样的关系?

我认为,教育大数据与数字教材、智慧校园、智慧课堂之间主要关系是:

第一,大数据技术驱动交互式、个性化和智慧型数字教材的发展。

数字教材伴随着数字化技术的发展而出现,特别是基于新一代信息技术发展而来的富媒体数字教材,与多媒体数字教材具有本质区别。富媒体数字教材不仅注重内容呈现,而且能够为学习者提供非常丰富的交互式体验。基于大数据的分析技术,通过建立移动学习平台,连续采集学习者学习过程中所产生的数据,包括学习成果数据、作业数据、学习时间数据等,可以精准评估学生对知识的掌握程度,并进行有针对性的教材教辅推送及科学的指导,形成符合学习者差异的个性化数据教材。作为数字教育资源的基础性资源,数字教材在大数据技术支持下呈现出明显的动态性、精准性、关联性和实时性。数字教材的内容可以根据不同学习者的需求和学习者自身知识水平进行动态调整与组合,向学习者提供个性化知识内容服务;在大数据技术支持下,可以对用户需求进行精准化描述,通过学习者使用数字教材过程的行为记录、用户兴趣等,预测其后的使用行为。借助深度学习技术将其转换成更加精准的资源需求,针对性地在特定时间为用户提供特定内容、形成的数字教材资源;依据大数据技术,充分挖掘用户在使用数字教材过程中的相关联的人际网络,以学习者为中心建立学习社会关系网络,进而丰富和扩大数字教材使用的群体网络;借助大数据支持的数字教材使用人际网络关系进行相互推荐,可以为用户提供教材内容的实时更新状况,保证教材内容的时新性。

第二,教育大数据是智慧校园的“核心大脑”,是发展智慧教育的基石。

智慧校园是借助新一代的智能物联、大数据、移动互联、知识管理等信息技术,全面感知校园用户群体(教师、学生、管理者)的工作、学习、生活场景特征,并对其进行信息处理,从而为校园用户群众建立智能化教育教学环境和舒适便利的工作学习生活环境。智慧校园是具有物联化、智能化、感知化、信息化的新型校园,而智慧教育则是依托物联网、云计算、移动互联网和大数据等新一代信息技术所打造的物联化、智能化、感知化、泛在化的教育生态系统。教育大数据在促进智慧教育发展方面实现几个重要的转变:其一,教育过程从“非量化”到“可量化”,教与学的行为信息将越来越精确地被记录下来;其二,教育决策从“经验化”到“科学化”,数据驱动的决策将变得越来越可靠;其三,教育模式从“大众化”到“个性化”,学习分析技术将赋予教师认识每个“真实”学生的能力,实现因材施教;其四,教育管理从“不可见”到“可视化”,通过可视化技术将实现更直观、更准确、更高效的教育资源与业务管理。

第三,教育大数据有效促进信息技术与教学深度融合,“以教学数据生成教学智慧”的智慧课堂成为未来课堂发展的新路向。

为了应对信息时代对人才的多元化需求,以“知识传递”为主的课堂转变为以“智慧生成”为主的课堂成为世界各国教育改革的核心。移动互联网、大数据、云计算、人工智能等技术的快速发展,使技术本身的显性化特征正在应用场景中逐渐消融,智慧课堂的功能价值被重新界定,将逐渐摆脱技术化的偏向,回归智慧教学的本质,形成一条以数据智慧贯通的学习者持续的、全面的、个性化的发展需求不断被尊重、被支持、被满足的课堂教学智慧生成路径。智慧课堂是采用智能形态的技术构建富有智慧的课堂教学环境以满足学习者个性化学习需求的课堂,它是技术与教学双向深度融合基础上的教学流程再造与智慧生成,是一个真正为教师与学生提供无限参与和自我价值提升的发展空间。智慧课堂具有“资源分层共享”、“实时内容推送”、“即时反馈评价”、“过程追踪记录”、“协作互动交流”和“移动通信互联”等信息化和智能化的特征。在智慧课堂教学情境中,教学数据被赋予丰富的教育内涵转变为有价值的教学信息,再经思维共同体的认知加工演变为鲜活的教学知识,这些知识在教学应用中逐渐升华为教与学的智慧,推动了以数据智慧为主导的智慧课堂的发展。

八、大数据在提高教育质量方面可以起到哪些促进作用?大数据在提高教育质量方面,还面临哪些挑战?如何应对?

(1)大数据在提高教育质量方面的促进作用,可以一句话概括:

大数据在教育领域的应用价值体现为拓宽教育的认知、实现基于数据的教育决策、促进教育的进化、培养大数据文化等方面,在提升教育质量,促进教育公平方面具有显著作用。

大数据在教育领域应用的基本目标可以归结为:通过全面的数据记录,了解和预测学习者的学习行为并加以干预,以此促进或优化学习过程。教育大数据的应用可以支持学习者的个性化学习,为教师精准教学提供服务,为教育管理者制定促进教育公平的政策提供依据。基于数据的决策既可以预测学生的学习潜质、预防学习过程中的问题,为学生提供个性化学习支持,又可以帮助学生合理利用学习空间、引导学生合理管理学习时间,提供差异化的学习内容和保障学习资源的合理分配。大数据可以在促进教育理论的变化,促进教育信息的共享和促进提供更好的教育服务等方面促进教育的进化。

(2)大数据在教育领域的应用是一个机遇与挑战并存的过程,应积极应对。

教育大数据能够帮助我们加深对学习者成长的理解,基于数据做出对个人和群体发展的预测,最终实现对人性的洞察,提供更符合需求的教育。大数据在变革课堂教学方式、促进教育质量评价改革、促进教育公平等方面具有强大的优势,然而对教育基础平台建设、教育大数据的收集、存储、处理,以及如何将教育大数据提取为教育教学所需要的有价值、有意义的知识,实现教育最优化发展目标还存在诸多问题。

和大数据在其他行业的应用一样,大数据是为解决问题以寻求更好发展而存在的,做教育大数据研究,首先是理解智慧教育环境下,大数据技术要帮助解决教育领域的什么问题、又能帮助解决教育领域什么问题。第二,需要思考解决教育问题涉及的因素是什么,可以从哪里获得相关原始大数据,保证足够大的数据量且需要多元化的数据。第三,需要建立数据分析的模型。第四,进入教育大数据的分析应用阶段,进行描述性分析,了解正在发生什么,潜在的趋势及发生的原因;还要进行预测性分析,确定未来可能发生什么;最后进行规范性分析,认识正在发生什么,对未来做出可能预测,同时制定决策以获得最大收益。要想真正发挥大数据在教育领域应用水平,促进教育质量的提升,一方面要在正确的支持理念下应用大数据,保证数据获取渠道更加多元化和更畅通,另一方面要加强大数据人才的培养,推动教育大数据技术的研发与应用。培养一批懂得大数据,具有大数据收集、处理和分析大数据技能,并且善于研究大数据, 深挖大数据的人才, 对于教育大数据发展至关重要。

九.大数据技术对边疆民族地区的教育有哪些促进作用?

由于边疆民族地区特殊的自然条件和历史背景,在特有的社会环境下形成特殊的文化系统和宗教信仰,致使边疆民族地区的教育总体水平不高且发展极不均衡。将大数据技术应用于边疆民族地区的教育领域,既可以促进“教育精准扶贫”政策的实施,也可以促进边疆民族地区优质教育资源的均衡发展,助推民族地区教师专业发展,促进民族地区学生个性化学习,从而有效提升边疆民族地区的教育质量,为民族地区教育均衡、教育公平发展提供科学决策依据。

首先,基于大数据有助于教育精准扶贫。

通过收集边疆民族地区的学生资源、建立动态数据库,识别出教育根本问题;利用大数据分析边疆地区需要接受哪些方面的教育;对收集的数据进行实时管理分析,及时调整教育计划;对考核结果进项数据分析,提供反馈,对贫困方式和教育内容进行总结性分析。基于大数据的精准扶贫可以做到精准识别、精准帮扶、精准管理和精准考核,为边疆民族地区教育扶贫提供决策依据。

其次,大数据能助推边疆民族地区教师教育发展。

现在民族地区的办学条件得到了极大地改善,如教育信息化的“校校通”工程的实施,不仅使民族地区的师生能共享网上优质教育资源,提高教学质量,而且能让广大教师通过网络、无线通讯等技术手段接受旨在提高其专业素质和专业能力的各种远程培训、在线讨论等。充分利用大数据技术,探索适合边疆民族地区教师专业发展的途径。

第三,大数据分析能实现民族学生的多样化教育和个性化教育,从而真正实现多元文化教育。

通过大数据分析,我们也可以在真正意义上将民族教育发展为精准的个性化教育,如从族裔、地域、兴趣爱好、思想倾向、行为特征、性别、年龄、家庭背景和从小形成的学习习惯等大数据为每个民族孩子制定独特的教育方式。在即时的、动态的大数据分析之后,一方面能为民族学生提供个性化的教学,另一方面能预测学生将来的学习发展状况。大数据分析让民族教育者能实时调整教育方式和手段,从而使教学活动达到最佳效果。

九、教育大数据怎样实现跨班级、跨区域共享?教育大数据在促进教育均衡发展方面可以起到什么样的作用(可举例说明)?

“三通两平台”工程建设以来,宽带网络校校通、优质资源班班通、学习空间人人通使得云南极大部分学校可以共享优质教育资源,地区教育得以均衡发展。特别地,极大部分中小学校可享受全国优质的教育教学资源,同时也是最为及时的优质资源,农村和城市,教师与学生都可以享受同质同时的优质资源,缩小了城乡教育在资源应用上的差距,为公平教育,为地区教育均衡发展奠定基础。因此,在教育资源公共服务平台和教育管理公共服务平台的建设和推动下,教育资源已经基本实现了跨班级、跨区域共享。

教育大数据既有共时的也有历时的。一方面,共时数据指的是在同一时期所获得的大规模数据,比如统测、中考分数、或者教育财政拨款收支分布等,将班级或者学校的单一数据与总体数据均量进行比较可以更加全面的呈现班级和学校的教育质量、教育投入情况等,更重要的,对数据进行相关分析能够更好地发现教育规律,并帮助相关政策的制定,进而推进教育均衡。另一方面,历时数据指的是针对同一指标在不同时期的数据观测,比如同一个学生英语分数的平时成绩和期末成绩的所有数据,从小学到大学的数据等,这些数据能够帮助教师针对学生个体更好地制定学习计划,其核心要义就是实现对学生个体的教育均衡。

此外,我们还可以实现:(1)利用大数据技术持续跟踪采集学生成长过程中的各种数据,进行全面系统的统计分析和数据挖掘,为每个学生提供相应的学习和成才机会,同时提供更加科学全面的发展评价报告;(2)对教师成长记录进行分析总结,获取教师的教学优势与不足,以促进教师专业发展同时有助于教师资源的科学分配;(3)对学校历史数据进行挖掘,分析地方特色生源特征资源优势等,制定符合学校自身发展的特色方案;(4)准确挖掘教育均衡发展的影响因素,为教育政策的及时调整提供科学依据;(5)通过对学校信息化基础设施与资源的建设与应用情况进行监控,促进区域信息化环境的均衡布局。

十、教育大数据在促进教育均衡发展方面,还面临哪些挑战?如何应对?

数据的共享是大数据资源平台建设的重要基础,正如前面所言,教育大数据要真正实现必须有一个共建共享的教育大数据管理平台,只有获得大量数据才能够实现数据的分析和决策建议。目前,大部分教育数据都处于保密不公开状态,大部分教育数据的获取方式都是通过统计上报,部分数据甚至在教育管理体系内部也难以流通和共享,数据获取渠道不畅通,导致教育数据时效性和连贯性都相对较弱。其次,各个学校使用的教育管理平台不一致,历时的有效数据分布在不同的厂商平台,各类软件平台的教育数据的观测点太散,不利于大数据整合。最后,缺乏教育大数据相关技术人才。

因此,教育大数据的重中之重是出台教育大数据的“统一标准”,规范所有教育数据管理平台都必须提供的数据指标。该体系除了以往的年终统计数据外,还应该关注学习过程中的具体数据。第二,配合“统一标准”,各区域教育大数据管理平台能有效对接相关数据,实现数据间的跨平台融合。第三,加快教育大数据相关人才的培养进程。

十一、民族地区的教育大数据该怎么采集、处理及应用?在民族地区教育数据采集中面临哪些困难?如何克服?

教育大数据的采集、处理及应用是目前国内所有相关领域学者共同面临的难题,前面提到的“国标指南”是核心突破口。教育数据采集的方式和渠道有很多,目前教育数据的采集方式主要包括物联感知类技术、视频录制类技术、图像识别类技术、平台采集类技术等四大类。其中,物联感知类技术包括可穿戴设备技术和校园一卡通技术等;视频录制类技术包括校园安全监控系统、智能录播系统、情感识别技术等;图像识别类技术包括互联网阅卷系统、点阵数码笔、拍照搜题技术等;平台采集类技术包括在线学习与管理平台技术、日志搜索分析技术、移动APP技术与网络爬虫技术等。

然而目前,民族地区的教育依然存在教育信息技术相对落后的状况,虽然近几年来国家投入大量的财力和物力改善民族地区的教育现状,但缺乏懂技术的人员,导致大量设备成为摆设也是严峻的问题。数据采集取决于数据类型,如果是统计型的数据,缺的就是人力,民族地区没有专门的信息采集人员来做专项工作,老师大多兼职承担许多科目的教学或者不同部门的工作,这正是数据滞后的原因。如果是过程性的数据,缺的是技术平台和懂技术的人员。民族地区结合信息技术的教学还不是教学的主要途径,大部分教师依然采用传统的口口相传以及题海战术的教学模式,虽然部分学校通过远程教研、同课异构等活动在使用信息化技术改善师资和教学,但毕竟这些活动并不是常态化的。

因此,改善“人”即师资是教育大数据工作推进的最重要内容。首先,教师需要熟悉信息技术以推进教学改革,唯有师生都能有效地使用信息化设备,教育大数据的收集才成为可能。其次,学校领导需要认可教育信息化革新对改善教学的作用,许多民族地区的学校依然禁止师生在教室中使用手机,这类做法不但不能提升学生的学习效果,还会禁锢师生教学的改革。任何新技术都是双刃剑,在教育领域,信息化手段可以扬长避短,关键在于我们怎么使用。第三,高校专家与教育信息化产品提供商合作,加强对过程性数据的分析。2016年iEng的英语绘本跟读平板电脑实验项目进入我省沧源县某中心学校,学校老师坚持在1个小学实验班督促学生使用平板跟读,在没有英语教师的情况下,该班学生使用初一学生期末考试卷参加考试(仅听力和阅读题),分数高出全县平均分40多分。iEng负责沧源的技术人员与重点实验室合作,在深度分析学生学习数据的基础上通过对教师的指导和升级系统实现智能化的教育决策干预,目前实验还在进行中。

十二、民族教育信息化教育部重点实验室在教育大数据应用上的主要工作。

当前,伴随信息科学的发展和科技革命的爆发,世界已经迎来大数据时代。2015年国家正式启动了“互联网+”行动计划和大数据战略,充分说明国家层面非常重视数据的价值和应用,发展教育大数据已成为当前推进我国教育领域深化改革与创新发展的战略选择。

云南师范大学非常重视教育大数据工作的开展。在第十二届党代会上明确指出在“十三五”期间要建立云南教育大数据研究院。研究院目标是建成“集教育大数据领域中科学研究、技术研发、人才培养、产品推广为一体的产学研研究基地”,努力打造成“立足云南、扎根边疆、面向高等教育、强化基础教育、服务教育决策与发展,建设具有国内先进水平的教育大数据协同创新中心”。

我们民族教育信息化教育部重点实验室,已经成立了“云南师范大学教育大数据研究中心”,中心结合云南省边疆、民族、边境等区域特点,突出云南师范大学附属中小学的优势资源,基于“互联网+”的大背景下,重点做好云南师范大学校内教育大数据的处理与服务,突出基础教育大数据的利用与服务,建设集数据采集、挖掘、分析、整理及应用的一体化教育大数据研究平台。

近年来,民族教育信息化教育部重点实验室在教育大数据建设方面做的工作主要包括:

(1)研究高校教育大数据下的学习分析技术,改变传统的教育评估手段,通过系统的自适应设计能够预测教与学的结果,可以针对学习者进行自动干预,并为其推送恰当的个性化学习内容,方便教育工作者调整教学决策,干预学生个体的学习,提供个性化教学,推动学习者之间的合作学习与资源共享。

(2)围绕深度学习在教育大数据挖掘中的应用、高校教育大数据的学习分析技术、高校教育大数据的可视化分析技术和民族地区少数民族学生行为大数据可视化分析等几个方面开展了研究。

(3)探索产教融合的教育模式,推动企业与学校共建人才培养机制,推动人工智能技术在教育大数据领域的创新应用。

 

参考文献:

[1] 刘红, 胡新和. 数据革命:从数到大数据的历史考察[J]. 自然辩证法通讯, 2013, 35(6):33-39.

[2] 郑金月. 关于档案与大数据关系问题的思辩[J]. 档案学研究, 2016(6):37-40.

[3] 孔昭煜, 李晨阳, 贾丽琼. 大数据时代下地质资料数据安全保障的思考[J]. 中国矿业, 2017, 26(s1):43-46.

[4] 杨现民, 唐斯斯, 李冀红. 发展教育大数据:内涵、价值和挑战[J]. 现代远程教育研究, 2016(1):50-61.

[5] 杜婧敏, 方海光, 李维杨,等. 教育大数据研究综述[J]. 中国教育信息化, 2016(19):1-4.

[6] 郑金月. 关于档案与大数据关系问题的思辩[J]. 档案学研究, 2016(6):37-40.

[7] 王祖霖. 大数据时代学生评价变革研究[D]. 湖南大学, 2016.

[8] 卢文青, 秦志永. 教育大数据应用中存在的问题、原因及对策[J]. 中国教育技术装备, 2017(17):78-79.

[9] 徐鹏, 王以宁, 刘艳华,等. 大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J]. 远程教育杂志, 2013(6):11-17.

[10] 何颖鹏. 非结构化数据统一存储平台的设计与实现[D]. 浙江大学, 2013.

[11] 石勇. 大数据与科技新挑战[J]. 科技促进发展, 2014(1):25-30.

[12] 郎波, 张博宇. 面向大数据的非结构化数据管理平台关键技术[J]. 信息技术与标准化, 2013(10).

[13] 褚清源, 教育大数据变革:从技术走向组织-《中国教师报》-2016-07-06

[14] 陈奕飞. 国家教育管理信息系统数据共享研究与实践[J]. 中国教育信息化, 2016(7):21-23.

[15] 邢蓓蓓, 杨现民, 李勤生. 教育大数据的来源与采集技术[J]. 现代教育技术, 2016, 26(8):14-21.

[16] 沈忠华. 新技术视域下的教育大数据与教育评估新探——兼论区块链技术对在线教育评估的影响[J]. 远程教育杂志, 2017(3):31-39.

[17] 杨雪, 姜强, 赵蔚. 大数据学习分析支持个性化学习研究——技术回归教育本质[J]. 现代远距离教育, 2016(4):71-78.

[18] 刘军. 智慧课堂:“互联网+”时代未来学校课堂发展新路向[J]. 中国电化教育, 2017(7):14-19.

[19] 肖玉敏, 孟冰纹, 唐婷婷,等. 面向智慧教育的大数据研究与实践:价值发现与路径探索[J]. 电化教育研究, 2017(12):5-12.

[20] 刘强. 大数据时代民族地区教师专业发展途径探索[J]. 凯里学院学报, 2016, 34(6):142-143.

[21] 刘雍潜, 杨现民. 大数据时代区域教育均衡发展新思路[J]. 电化教育研究, 2014(5):11-14.

[22] 高琪, 乜勇. 基于学习分析技术的智慧教育环境构建研究[J]. 中国教育信息化, 2017(17):1-4.

[23] 赵淑梅. “大数据”与提高党的建设科学化水平[J]. 江西社会科学, 2014(6).

[24] 陈亚聪, 大数据带来的教育“变革”-《人民政协报》-2016-07-20

------分隔线----------------------------
推荐内容