基于大數據的教育技術研究新范式

繆麗萍

教育技術擁有存在差異很大的范式、在大數據時代背景之下，數據科學、學習分析學以及教育等都取得了非常重大成就，在大數據之下的教育領域之中，各種新范式在也不斷地涌現并且在實際教育之中也取得了非常好的效果。作者對當前的科學范式在教育方面的應用進行了分析，提出了全新的教育理念，以期促進大數據的教育技術研究新范式的發展。

一 科學范式

美國一學者在《科學革命的結構》提出了范式的概念，指出在特定的時間和空間之內能夠為研究群體提供解決問題的方案，并且能夠得到大多數人認可的方案就是科學范式。庫恩范式理論是科學范式的主要核心理念。庫恩表明科學主要有以下兩個特征：（1）在一定的條件下，術語是可以共享或者模擬的，在此基礎上也可以進行一些示例性的實驗；（2）對范例進行共享的相關意見能夠影響相關證據的收集。在不同的研究領域之中，科學范式的理解也是存在一定偏差的，研究問題、研究方案等會隨著研究群體的改變而改變，除此之外，范式能夠對理論、信念和價值觀等進行暗示。

庫恩還表示，范式是會隨著時間的推移而產生變化的，并且會在變化中不斷地完善自身，隨著科學技術不斷發展，新的科學范式會紛紛涌現，對舊的科學范式進行補充或者是取代原有的科學范式，這也在一定上促進了科學革命的進程。庫恩認為，科學革命的過程在本質上就是范式轉換的過程，在被大多數人認可的科學范式之中，仍舊有著其不能解釋的特殊情況，這樣就為其他的科學范式提供了演變的基礎，這也是科學范式能夠不斷進步的基礎條件。科學范式不屬于社會科學的范圍之內，原因在于社會科學學者的許多意見與科學范式中的理念存在很大差異。在《科學革命的結構》中指出，與社會科學獎科學范式分開的主要原因是，在當前的自然科學之中科學范式是不可能出現的。盡管如此，社會科學與科學范式在小范圍內還是存在一定的關系，社會學、教育學等比較小的學科領域中，社會科學和科學范式存在的矛盾是比較小的。

二 大數據分析應用的興起

大數據分析應用興起于上世紀末，當時在飛機周圍模擬氣流的實驗中研究人員無法對各項復雜的數據進行觀察，這就在一定程度上促進了超級計算機大數據分析應用的發展。大數據分析應用的產生與網絡信息時代的各項技術是分不開的，并且應用的范圍也越來越廣泛，多媒體、社會網絡等都是大數據應用分析的具體表現形式。在傳統的行業中也有需要募集性數據分析的相關工作，在本世紀一些新興的產業等就更離不開大數據分析應用的相關內容。Facebook在全球的用戶達到了10億左右，Google的用戶30億左右，Twitter每天需要處理的信息要高達4億次左右，這些都是在大數據分析應用下才可以達成的。

在今天，在大數據應用分析方面仍舊沒有非常權威的組織對其進行定義，但是其作用卻是不可估量的。現如今學者用大數據的概念來解釋傳統計算機軟件無法計算出的數據類型，并且利用大數據的概念對質和量都非常復雜的數據進行分析，大數據擁有大量體、高速度、多樣化以及真實性等特點。各項數據能夠在很短的時間內達到千兆兆字節，可以通過各種不同的方式進行運算就是大量體；能夠對大數據信息進行及時的處理，對預測客戶的流失以及詳細的消息記錄進行分析，并且及時地采取應對措施就是高速度；數據的存在形式是多樣化的，文本、視頻、音頻、圖片等都可能是數據存在的形式，大數據分析應用可以根據形式的不同采取不同的分析方法，這就是多樣式；真實性則要保證數據的真實性和可靠性，以此來決定是否采取下一步的工作。部分學者還將大數據分析應用分為非結構化、半結構化和結構化三種，在PDF、電子郵件、Word中采取的就是非結構化的數據形式；在XML和THML等對數據具有一定加工能力的軟件中采取的就是數據化結構分析的模式。

大數據分析在各行各業的應用都有所體現。“大”只是前提，大數據在研究方向的使用上也比較注重不同種類信息的獲取，并且以這些信息為研究的基本條件，根據實際的需要作有利的決策。在航空航天的研究方面SDSS是美國天文學家主要的大數據信息源之一，另外，天文學家在星空的拍攝中獲取數據來支持各項研究的方法也是很常見的。大數據應用分析應用在企業之中能夠使得企業在各項關鍵決策的制定中占據著比較有利的地位，大數據體現的相關信息也可以作為企業加快自身發展的重要依據，能夠為公司的發展提供正確的方向。大數據的重要性也被越來越多的國家所認可，美國自2012年之后，在大數據應用分析上每一年的投入都超過了2億美元，這對美國環境、教育、醫學以及社會科學的發展等都起到了重大的作用。遠程教育的發展也導致了大數據適用范圍在提升，大數據能夠對交互信息、個人資料、系統等進行比較準確的記錄，這一系列的特征對教育方面的學習和分析也是有利的。

三 科學研究范式的挑戰和機遇

大數據是各個學科都通用的一門科學，對自然領域、工程領域、金融領域、商業領域等都有著非常直接的影響，這也是科學研究范式的機遇和挑戰。從科學研究的角度出發，現今的科學研究范式主要存在以下幾種形式：（1）實驗科學。這種方法起源是非常早的，在一千多年前就有人對自然現象進行研究，對自然現象的種類進行初步的分類，對元素進行最初始的分類就是起源在這個時期；（2）理論演示。在科學實驗與人們的預期相互吻合的時候，就使得理論演示具有了一定的權威地位，建模方式是使用比較廣泛的理論演示方法，針對某一模式的特殊情況，得出一般情況下的相關理論；（3）計算機科學。主要起源于上世紀中期，利用超級計算機對復雜的情況進行計算模擬，許多的數據都可以利用計算機進行模擬，用來獲取比較權威的數據，傳統的科學實驗方法逐漸被淘汰，單一的實驗也不能滿足科學研究范式的快步推進；（4）密集型科學研究范式。以前三種科學為基礎，結合現如今的IT技術，對復雜的數據信息進行獲取、加工、儲存和分析等，從而獲得人們需要的信息。密集型科學研究范式是在現如今非常重要的一種研究范式，可以說是前三種研究范式的總結。

密集型科學研究范式主要對數據能夠做出以下幾種處理：獲取、儲存以及分析等三種。雖然大數據時代為科學范式的發展提供了更好的發展機遇，但是不可避免地也帶來了一定程度上的挑戰。大多數學者認為，在數據處理的各個階段都是有可能存在困難的，同時也是一定會存在機遇的。因此，在獲取數據的時候，就要對用處不大的數據進行及時地刪減，盡可能避免在收集數據的時候出現數據多余的情況，這樣就可以避免內存不夠的現象出現，與此同時，根據剩下的有效數據進行相關數據處理程序的運行。由于傳統的事務數據處理與儲存功能存在的關系不是十分的明顯，因此在大數據分析方面的相關分析過程就不便于使用，傳統的計算方法是要保證數據的共同性的，但是由于差異的存在，就必須尋求其他的方法來對大數據的相關應用分析進行研究。

四 教育技術研究范式的發展歷程

教育技術研究范式的核心就是在教學方面對應用技術進行支持。設計研究是研究教育技術范式中必須要重點關注的話題，從研究范式的角度出發，對教育技術在大數據應用分析的相關影響下進行探究。

大多數學者表示，在教育的相關領域之中，與社會諸多領域的科學范式都是存在共同點的，都是以一種多種范式并存的形式存在的。其實存在某一種研究范式呈現主要地位，但也是相對的，不存在能夠獨霸教育領域研究范式的可能。在上世紀，社會形態之中物理科學、媒體學、傳播學和系統學等研究范式是比較權威的，但是也不可能達到一枝獨秀的程度。在某學者提出的八種范式理論中，主要對行為和認知領域研究范式中存在的問題和相關的設計研究進行了分析。教育技術研究范式是能夠不斷進步的重要力量，其能夠加快人類知識庫的變更速度。在如今絕大多數的教育研究范式之中，都是比較重視理論方面的相關知識的，計算機技術是在大數據背景下，教育技術研究范式能夠穩定發展的主要促進因素之一。

在教育中融入計算機的相關技術之后，教育技術也開始作為一個獨立的學科存在著，所以針對教育技術的相關范式研究，也要重視計算機技術在其中的重要影響因素。庫恩提出了這幾種計算機技術范式，計算機輔助系統、科技教學系統、計算機協同教學。上文提到的第四種科學研究范式是前三種研究范式的延伸，而又獨立存在的研究范式。前者是以心理學為基礎的，都是對行為和認知進行心理學的研究。后者涉及的學科就比較廣泛，這些學科主要存在以下特點：（1）重視研究過程，對研究結果不是很重視；（2）更注重描述性的知識，對實際操作不是很重視；（3）重視合作學習以及討論的過程。社會文化理論也是大數據教育技術研究范式的必備條件，情境知識的相關認知需要學生在學習的過程中擺正自身的位置，必須要全身心投入其中。

五 科學數據下教育技術研究——個性化適應學習

數據研究法憑借大數據信息時代的發展契機。在教育界，大數據主要應用在教育數據挖掘和學習分析學，分別簡稱為LA和EDM，二者沒有明顯的界限。LA是對學習環境數據測量、整理、分析以及匯總的過程，其目的是優化學習環境。LA應用了計算機科學、心理學、統計學、社會學、信息學。EDM的作用是分析研究和應用統計學和數據挖掘法來對學習過程產生的數據進行分析研究。EDM分析研究的目的是發現及改進學習內容的展現和最優教學序列的模型；研究各種學習軟件提供支持的效果；推動與學習、學習者相關的科學研究。應用EDM和LA，教師能夠更加深入地了解學生，觀察和理解學生學習的過程，探索出最優的教學方案，對于發現的問題可以及時地處理并反饋，提供個性化的學習服務。

國外教育部門認為應用兩者達成自適應學習環境應當包括如下部分：學習的內容，通過和學生的交流互動，能夠辨識出學生的能力以及所處的水平，所以能夠更加高效地制定適合學生的學習內容；學生學習的數據庫，以便獲取并儲存學習內容的互動交流；通過學生數據來檢測追蹤學習的過程，預測其成績和學習行為，除了上述組成部分之外，還有外部學生信息系統。此系統是教育部門或者學校掌握的學生信息背景資料，例如性別、年齡、學習風格、所學的課程種類以及成績，等等。預測模型能夠通過獲取的數據作為依據預測學生的行為。自適應學習系統主要包括三個數據流：第一是學生和學習內容的交流互動。第二是交流互動的內容的存儲。第三是預測模型抽取學生的背景和學習數據，利用EDM和LA開展分析，而后把結果反饋至自適應學習系統的引擎，并以此做出相應地調整，預測的結果應當及時地傳達至管理人員或者教師，學生、管理人員和教師得到相關的信息也就意味著反饋回路的完成，學生能夠通過自適應學習系統引擎獲得學習活動情況、測評情況等信息進行自我調節，例如可以在自身掌握欠佳的學科上多花費時間和精力，對學習方法加以改進。教師能夠通過這些信息對學生個體和整體的學習狀況有清晰地了解，并作出相關課程內容或者進度的調整，如對個別學生的學習進行干預，為其提供必要的學習資料。管理人員獲取的是多個學生及教師、課程的狀況，依據整體的信息，管理人員可以依據這些做出科學合理的決策。

美國教育部門提及的自適應學習系統通過EDM和LA，指引學生對自身學習的狀況有著一定的了解，為教師教學干預提供必要的支持。值得注意的是，在數據密集科學的基礎上，EDM和LA技術可以更加全面地分析學生的特點和需求，進而使得學習向著個性化的目標又進了一步。所以，自適應學習系統應當顯現個性化學習的特點，未來教育技術研究是個性化自適應學習，就是在自適應的前提下，學習的內容更能體現學生的需求和特點。依據學生學習風格、已有知識的特點和性別、年齡、愛好等其他信息數據將學生合理地分組，學習系統能夠依據學生的需求和特點推薦具體的學習內容，學生選取適合自身的學習資料以及考評的方式，等等。

六 個性化學習的相關研究

個性化適應學習可以顯現“以學習者為核心”的基本學習理念，并和智慧教育的出發點相同，成為目前教育技術的全新研究模式。智慧教育強調信息技術的重要性，營造具有如推理、感知、輔助決策等智慧特性的學習環境，其目的是推動學習者的智慧向著全方位的方面發展，通過學習以及生活環境的選擇、適應以及改造，實現對個人、他人、社會的共善。智慧教育將“以學習者為中心”的思想顯現的淋漓盡致，強調學習是平衡以及充滿張力的過程。智慧學習環境的基本特征之一是考慮學習者能力、需求、偏好、風格等個體差異，為其提供個性化學習服務，并對學習歷史數據進行細致地記錄科學地分析，數據結果的作用是對學習過程進行評估，并發現問題和預測學習者的未來表現，并通過數據分析工作進行干預。所以，以大數據為背景的個性化適應學習是智慧學習環境的關鍵組成因素之一，于此同時，LA和EDM科學為高等院校提供科學的信息，對學生的學習、生活進行干預，最終實現降低輟學率、提高畢業率的目標。此外，大數據除了對學習過程分析提供必要的支持外，還能夠在可視化、概念提取、本科建立等知識表征和利用方面提供很大幫助。所以，除PLA外，大數據可以推動社會智慧的發展與個性化的學習服務，實現人本主義教育，并成為社會知識生態發展模式的關鍵組成因素。

總之，大數據對教育技術發展產生諸多積極的影響，如創設高效管理決策的平臺、知識發現的工具、個性化的學習環境等，同時大數據在教育技術發展中的應用也面臨著很多的困難。數據方面，采用何種方式儲存海量非結構化的數據，如學生發言、討論等文本數據的記錄，此外還有數據分析、數據傳遞的困難。如果大數據管理技術有著突破性的發展，才能實現大數據為教育技術發展產生重大積極影響的目標。數據科學在教育方面的應用主要體現在EDM和LA，通過數據可以讓學習過程可視化，分析學生的行為以及成績。數據只是表象，數據無法表達表象出現的原因，所以怎樣把學生的學習情感、動機等無法由數據看出的因素納入設計中，這是一大難題。

參考文獻

[1]李勇，孟小峰，劉繼，等.基于小數據的在線用戶興趣長

程演化研究[J].計算機研究與發展，2015，52（4）.

[2]周忠根，水鵬朗.基于復數據經驗模式分解的天波超視

距雷達瞬態干擾抑制[J].電子與信息學報2011（5）.

[3]韓璞，袁世通.基于大數據和雙量子粒子群算法的多變

量系統辨識[J].中國電機工程學報2014（12）.

[4]林碩蕾.基于小數據沖突檢測的壞點數據挖掘模型仿

真[J].科技通報，2015（1）.

[5]陳臣.基于大數據的圖書館個性化服務用戶行為分析

研究[J].圖書館工作與研究，2015（2）.

[6]姜強，趙蔚，王朋嬌，等.基于大數據的個性化自適應在

線學習分析模型及實現[J].中國電化教育，2015（1）.

[7]韓立志，權磊，李思李，等.基于大數據理論的瀝青路面

碾壓過程分析[J].公路交通科技，2015（3）.

[8]陳臣.基于小數據決策支持的圖書館個性化服務[J].圖

書與情報，2015（14）.

[9]顧建峰，魏平.基于偽數據域的最小冗余線陣測向算法

[J].電波科學學報，2007（6）.

[10]陳臣.基于大數據的圖書館個性化智慧服務體系構建

[J].情報資料工作，2013（6）.

[11]楊善林，周開樂.大數據中的管理問題：基于大數據的

資源觀[J].管理科學學報，2015（1）.