中央民族大学孙洪涛:教育大数据的现状与挑战

2016-03-28

目前,大数据的触手已经深入到了各行各业,教育行业也不例外。那么,究竟什么才是教育大数据?教育大数据与一般意义上的大数据有何区别?我国教育大数据发展状况如何,面临哪些挑战?

  

  3月22日,在2016北京师范大学智慧学习与VR教育应用学术周期间,中央民族大学孙洪涛副教授就《教育大数据的现状与挑战》为参会者作了精彩讲座。下面为记者根据PPT整理的内容。

  教育大数据与大数据的区别

  教育大数据是大数据的一个子集,特指教育领域的大数据,是整个教育活动过程中所产生的以及根据教育需要采集到的,一切用于教育发展并可创造巨大潜在价值的数据集合。

  相较于一般大数据:海量规模、快速流转、多样构成、真实可信、巨大价值等特点,教育大数据具有:中等体量、非实时性、周期较长、非结构化、高复杂性等特性。

  

  教育大数据的构成与需求

  教育数据每时每刻都在产生,然而教育领域究竟包含哪些数据?需要采集哪些数据?

  孙洪涛认为教育大数据主要可分为四个层级、六大类型。四个层级指国家、区域、学校、个体。六大类型为:基础数据、舆情数据、管理数据、服务数据、教学数据、科研数据。相对应的,教育大数据需求来自学习、教学、研究、管理和政策五个层面。

  

  

  

  教育大数据的两大发展方向

  教育大数据是一种无形的资产,是孕育新型教育形态的“土壤”。深耕教育大数据是实现数据教育价值,促进技术与教育深度融合,实现个性化学习重要途径。

  2012年,美国教育部发布了题为《通过教育数据挖掘和学习分析技术来提高教与学:问题简述》的报告,主张通过教育数据挖掘、学习分析和可视化数据分析来改进自适应学习系统,实现个性化学习。报告指出,大数据在教育中的应用主要有两大领域:教育数据挖掘(Educational Data Mining,简称EDM)和学习分析技术(Learning Analytics,简称LA)。

  教育数据挖掘(EDM)的内涵是要对学习行为和学习过程进行量化、分析和建模;EDM的目的是利用统计学、机器学习和数据挖掘等方法来分析教与学过程中所产生的数据。

  

  孙洪涛介绍了当前一些较为成功的教育大数据应用范例:可汗学院与Knewton的适应性学习、MasteryConnect的动态跟踪测评以及Predictive Analytics Reporting (PAR) Framework的跨机构测评与预测。

  PAR在自身研究的基础上,建立了数据采集与分析规范,通过与大量学校和机构建立广泛合作。2015年,PAR的数据已经获得了190万学生的相关数据,对每个学生的77个相关变量进行了记录,建立了预测模型与评价标准。

  我国教育大数据发展状况与面临的挑战

  

  

  如何利用大数据促进在线教育发展

  

  

  

  教育大数据“落地生根”尚需政策和机制保障

  教育大数据正在成为推动教育系统创新与变革的颠覆性力量。未来的国际教育竞争中教育大数据的有效应用不可或缺。

  然而在我国教育大数据才刚刚起步。大数据技术要在教育领域真正落地,给教学带来切实的益处,还有很长的一段路要走。但其中一些先行者已经牛刀小试,他们的探索或许会引发新的变革。在线教育市场中的一些企业开始着手教育数据产品和服务的研发与推广,颠覆式创新的“苗头”已经出现。

  与商业、交通、环境、医疗等领域相比,教育领域具有更强的独特性和复杂性,大数据技术在教育领域的应用推广仍存在诸多难题,诸如教育数据的规范化采集标准与共享应用机制仍未建立,在线学习环境的数据收集与分析功能尚存在较大不足,教育机构各类数据的部门间共享仍存在管理壁垒,学习者隐私数据的泄露与不当应用的风险较大等等。

  上述问题影响了教育大数据在教育教学领域应用推广的进程,是实践领域中亟待解决的难题。此外,随着教育领域大数据产业的快速发展,教育数据的安全、治理、运营等诸多问题和挑战也将越来越凸显。

  教育大数据蕴含着教育变革的动力,但这一动力的释放需要在系统化思考的基础上,从政策制定、管理应用、教学实践的角度进行通盘考虑;出台相关政策机制,建立系列标准规范,研发各类产品应用,形成多元服务模式。最终促进教育大数据在我国的良性快速发展。

  (中国教育信息化在线记者:李晓萍)