教育大數據進化史

大數據教育，是以數據採集分析技術為重要輔助手段的現代化教育變革方法。目前對大數據的定義有三種，分別從數據體量、複雜性程度、價值這三個角度來界定,反映了大數據三個最主要的特性。而當前大數據在教育領域的主要應用是教育數據挖掘和學習分析。大數據正演變為一種「人人產生數據、人人共享數據、人人熱愛數據、人人管理數據」的社會變化。

一、國際教育大數據發展

2012年4月，歐盟委員會發起歐洲數字化議程，致力於利用數字技

術刺激歐洲經濟增長，幫助公眾和企業最大程度利用數據技術。

2012年3月，美國政府投資2億美元啟動「大數據研究和發展計劃」，國防部積極部署開展大數據行動，利用海量數據挖掘高價值情報，提高快速響應能力，實現決策自動化。

2013年6月，日本安倍內閣正式公布「創建最尖端IT國家宣言」，提出建設 「世界最高水準的運用信息產業技術方法的社會」。

2013年8月，韓國建立特需大數據中心。

二、國內教育大數據發展

1996年5月，國家教委發布《國家教委關於進一步提高教育統計數據質量的意見》；

2002年9月，教育部科技司發布《教育信息化「十五」發展規劃（綱要）》；

2005年6月，教育部印發《教育部科技基礎資源數據平台建設管理辦法》；

2012年3月，教育部印發《教育信息化十年發展規劃（2011-2020年）》；

2013年1月，工信部發布《關於數據中心建設布局的指導意見》；6月，工信部發布《電信和互聯網用戶個人信息保護規定》；7月，「金橋產業技術創新會議」在滬召開；

2014年2月，貴州省印發《關於加快大數據產業發展應用若干政策的意見》和《貴州省大數據產業發展應用規劃綱要（2014-2020年）》；12月，廣東省公布《廣東省大數據發展規劃（2015-2020年）》；

2015年4月，國家發改委在部委中首家專門成立了大數據分析中心；7月，國務院印發《關於運用大數據加強對市場主體服務和監管的若干意見》；9月，國務院發布《促進大數據發展行動綱要》，提出建設教育文化大數據，教育大數據已經上升到國家戰略層面；10月，第十八屆中央委員會通過《中共中央關於制定國民經濟和社會發展第十三個五年規劃的建議》；

2016年1月，貴州省通過《貴州省大數據發展應用促進條例（法案）》；2月，教育部辦公廳發布《2016年教育信息化工作要點》。

三、大數據在教育中的深遠影響

為了更好地指導現階段教育大數據的實踐應用，構建了七大教育數據分析模型。

1、學習者檔案模型

通過對學習者基本學習信息的採集，建立基本信息資料庫。運用數據挖掘、學習分析、機器學習演算法等手段，根據不同維度，如學習者的學習特徵等，將具有相同學習特徵的個體進行分組、聚類，建立學習者檔案。

1）解決的問題：學習者聚類分組

2）用於分析的數據

學習者正確的、不正確的和部分正確的應用數據；學習者做出應答花費的時間；幫助請求數據；犯錯和重複數據。

2、學習者知識模型

通過採集學習者與在線學習系統的交互數據，包括：學習者請求幫助的性質和數量、學習者回答問題花費的時間、學習者回答錯誤的重複率、學習者回答問題的正確率等，通過數據挖掘和學習分析構建的學習者知識模型，能夠將學習單元層面、課程層面、知識點層面的數據信息，通過人工反饋或是自動反饋，選擇適合的方式，充分的考慮學習者的時間，為學習者提供合適的學習內容。

1）解決的問題：學習者掌握了哪些知識（例如：概念、技能）過程性知識和高級思維技能等）

2）用於分析的數據

（1）學習者正確的、不正確的和部分正確的應用數據；學習者做出應答花費的時間；幫助請求數據；犯錯和錯誤重複數據。

（2）學習者的技能練習數據（內容和持續時間）。

（3）學習者的測試（形成性和總結性）結果數據。

3、學習者行為模型

通過對學習者在學校情景中學習行為變化的情況、學習者完成課程學習的狀況、學習者在網路系統中花費的學習時間以及學習者的考試成績等信息數據的採集，研究學習者的學習行為與教學成果之間的關係，形成學習者行為模型。

1）解決的問題：學習者不同的學習行為範式與學習者的學習結果的相關關係

2）用於分析的數據

（1）學習者正確的、不正確的和部分正確的應用數據；學習者做出應答花費的時間；幫助請求數據；犯錯和重複錯誤數據。

（2）學習者學習情境相關數據；

4、學習者經歷模型

根據學習者在線課程學習中的選擇、學習軌跡、表現、行為等，構建學習者經驗模型。如通過模型，進行線上課程評估，信息反饋后再進行課程的設計等。

1）解決的問題：學習者對於自己的學習經歷的滿意度

2）用於分析的數據

（1）滿意度調查問卷和量表測試數據。

（2）在後續學習中學習者對於學習單元或課程的選擇和表現數據

5、領域知識模型

構建領域知識模型，深入研究學習者與知識點、課程、學習單元等學習內容之間的關係，採集、整合、分析學習者相關學習數據，畫出學習者的學習曲線。

1）解決的問題：學習內容的難度級別、呈現順序與學習者學習結果的相應關係

2）用於分析的數據

（1）學習者正確的、不正確的和部分正確的應該數據；學習者在不用難度學習模塊中的表現情況數據。

（2）領域知識分類數據。

（3）技能和問題解決的關聯性數據。

6、教學戰略分析模型

通過對收集的學習者的信息進行分析，探索學習系統中各種組件的功能，分析學習者學習結果與教學策略之間的關係，然後對教學策略進行分析和總結，為教育領域提供更多、更有效的教學策略。

1）解決的問題：在學習系統中學習組件的功能、在線教學策略與學習者學習結果的相關關係

2）用於分析的數據

（1）學習者正確的、不正確的和部分正確的應該數據；學習者在不用難度學習模塊中的表現情況數據。

（2）領域知識分類數據。

（3）技能和問題解決的關聯性數據。

7、趨勢分析模型

通過對已採集、分析的學習者相關數據進行進一步的整合、分析，探索學習者在學習過程中的學習結果變化趨勢，探索學前行為與未來結果之間的關係，預測未來學習的趨勢和結果。

1）解決的問題：學習者當前學習行為和未來學習結果的相關關係

2）用於分析的數據

（1）在線學習系統中學習者學習行為相關的橫向和縱向數據。

（2）學生信息管理系統中，持續一段時間且相對穩定的學習者基本信息數據。

談及教育大數據，首推廠商康賽，2014年康賽產品成功中標教育部部省兩級數據平台。目前，教育部和32個省市自治區教育廳（教委）信息中心都在使用的基礎資料庫平台就採用了這家公司的數據產品，該平台負責收集全國所有中國小及高校的學生、教師和辦學條件等基礎數據，同時負責數據收集、元數據管理、數據質量管理等技術服務。這家公司的願景是利用大數據實現了真正意義上的因材施教。公司總裁唐雪飛博士公開表示：「致力於信息技術與教育教學深度融合，發揮教育大數據的應用價值，實現教學方式、學習方式和管理方式的轉變， 助推教育現代化發展進程。」