大數據之美在“披沙瀝金”專訪西安交通大學副校長鄭慶華

文/本刊記者　傅宇凡

大數據之美在“披沙瀝金”專訪西安交通大學副校長鄭慶華

文/本刊記者傅宇凡

大數據是美好的，但須大浪淘沙，才能見到金子。

2016年4月25日，西安交通大學正式啟動了“陜西省高校大數據分析服務平臺”。在接受《中國教育網絡》雜志的專訪時，西安交通大學副校長鄭慶華難掩自豪的神色：“這是解放生產力之舉。大數據是美好的，但須大浪淘沙，才能見到金子，西安交大在這方面先行一步。”

大數據+教育具有四個重要價值

《中國教育網絡》：大數據已經成為各個領域各個行業的一個重要話題，您如何看待這種情況？

鄭慶華：如何從海量的大數據當中獲取有價值的知識，已經成為一種普遍性的需求。在國家層面來說，在金融預測、網絡安全、信息保護、智能電網、氣候預測，包括社會治安、國家安全等等各個領域，都需要從大數據當中獲取有價值的知識。對于我們普通的個人來說，這也是一個必須具備的層面。作為一個現代人，我們已經不能超越，不能回避這樣一個事實，就是我們必須依賴互聯網這個平臺，去獲取知識、溝通和交流。

圖1　高等教育大數據的頂層設計

當前大數據分析平臺與大數據庫之所以蓬勃發展，來源于三個方面的需求。第一，目前普遍使用和廣泛存在的社交網絡， 帶來內容生產的變化Web技術從最早的1.0版本，到正在向3.0版本發展，人人都可以參與內容的生產，人人都可以作為一個信息源來發布和交流信息。這使得信息的發布渠道，從有限的網站變成了所有人，數據的增長是海量和龐大的。第二，從互聯網到物聯網的發展。物聯網的核心是把傳感器技術，嵌入到各個物體當中，使得原本沒有感知功能的物體，也能采集數據。再通過無線網絡把信息送到后臺的云平臺上，進行存儲和計算，并且得出結論以后反饋到前端的物體。這也產生了海量的數據。第三，統計技術發展的需要。如何適應互聯網時代信息特點進行統計，傳統統計學理論已經不能適應，統計技術和模型需要順應發展而變化。

《中國教育網絡》：大數據在高等教育中的價值與發展，您又是怎么看的？

鄭慶華：在大數據時代中，高校承擔著重要的責任，即人才培養和技術研究。當前的大數據就是一個深海資源，如何圍繞某一個特定的應用點開展研究工作，尚有差距。大數據是美好的，但須大浪淘沙，才能見到金子。

從教育教學的角度，“大數據+教育”有4個方面的重要價值。

首先，讓教育管理更有效。大數據對如何提高高校精細化、規范化管理，促進高?，F代化具有非常重要的意義。它可以支持大學的管理更加有序和有效，可以真正實現教師、后勤、科學研究、人才培養方面的分類管理，而且可以實現在目標導向、問題驅動下的過程監控，也可以對未來趨勢進行預測，同時，對可能出現的問題進行早期的預防和預警。

其次，教育評價可以做到更精準。因為大數據建立在海量、多類型，以及實時采集的各種數據基礎之上，它的樣本是海量化的，采集方式是實時多元化的、分析是多維度的，數據采集分析挖掘也是根據不同的類型，采取不同的多樣的分析手段。所以可以做到更加精準。

第三，也是最重要的，是指導教師如何面向學生，在“教與學”上可以做到更加智慧。在學生層面上，學生可以對自己的實時學習行為進行跟蹤分析，可以找到自己的學習興趣點、關注點，可以進行有效的學習路徑的設計和選擇，在海量資源中可以深度挖掘并且實現資源的精準化訂閱，可以實現知識的學習。從教師層面，可以實現真正的互為師生關系，跨地域的資源整合和共享學習協作，實現多人的協同教學；可以進行班級或者針對專業學生的自身診斷；可以開展課程評估；可以對學習者進行興趣的聚類或者進行資源的有效聚合。

第四，為老師和學生提供個性化的資源推薦和服務，包括文獻資源、績效評價、各課程教學管理、手機APP。從目前來看，大數據確實將對高校的管理、人才培養、科學研究、社會服務等等方面做出前所未有的支撐和服務。

破解數據唯一性難題

《中國教育網絡》：西安交大與陜西省教育廳成立陜西省高等教育大數據服務平臺是基于什么考慮，有何意義？

鄭慶華：西安交通大學與陜西省教育廳共同建立了一個全省高等教育大數據中心， 這個數據中心于2014年12月正式成立，旨在為省教育廳管理部門、評估機構、社會團體、行業協會、企事業單位甚至個人，提供高等教育相關數據的查詢、統計、分析和咨詢等服務，如圖1所示。

這個數據中心中，匯聚了全省各個高校的辦學狀態數據，包括人事、財務、學生以及科研、后勤等等方方面面的數據，同時也整合了陜西省教育廳各個業務處室的各個業務管理信息系統，并且與互聯網上開放的各類教育行業大數據相互聯系、相互共享，可以在線獲取各個高校的辦學狀態數據。在大數據中心的基礎上，以大數據引擎來統籌實現數據的共享、關聯、挖掘、統計分析，以及各種各樣的智能服務。比如，整合了各類科技資源的服務，本科教育評估專業認證診斷方面的服務。另外，該中心與教育部的主要職能部門，如教育部評估中心、規劃司、財務司等部門，也形成了數據相互交換的功能。這樣，將全省的高校數據資源通過數據中心進行匯聚、融通、共享。

陜西省高等教育數據中心已經成立有一年多，通過全省高等教育大數據支撐平臺建設、全省高等教育數據資源融合以及線上線下服務支持等多種形式工作的實施，有效支撐了省教育廳各項工作的開展。基于這個數據中心，我們又于最近正式向社會發布了“陜西省高等教育大數據服務平臺”，初衷就是解放生產力，并提供社會服務。以往我們統計查詢以及核實高校的業務數據，需要大量的人工工作，現在，技術手段已經不成問題，但是數據的唯一性，仍然問題重重，這也是大數據平臺成立的最大原因。破解數據唯一性這樣的難題，關鍵在于匯聚辦學的數據，第一，面向某個數據業務的融通，將離散的碎片化的數據進行整合，第二，針對不同部門的考核，進行歸集化處理，第三，利用數據進行教學的績效評價，使得數據采集落地，真實實時準確地了解一線教學的情況，為本科教育評估專業認證提供數據支撐。未來，這個平臺將承擔陜西省高等教育大數據的統計查詢、分析評估、咨詢建議和決策支持等應用服務工作。

《中國教育網絡》：陜西省高校大數據服務平臺上如何與當前的教育教學過程相結合？如何提供服務？

鄭慶華：陜西省高校大數據服務平臺上首先是陜西省高校大數據的匯聚與分析評估（如圖2所示），這是整個陜西省高校大數據的匯聚。通過業務查詢、數據統計、電子報表、圖形展現、分析報告等功能，為省教育廳領導、管理單位、高校及社會公眾提供服務。

每年教育部公布的各種公開數據、招生數據、就業數據等等，全都融匯到這一平臺，形成了一個全省的數據中心和數據倉庫。在此基礎上，還開發了若干核心的引擎支撐模塊，預測預警、通用查詢、在線分析、信息發布，以及決策支持、評估分析應用、數據挖掘等等，并面向陜西省教育廳各個職能部門、各高校、社會公眾等提供數據支撐服務。

首先，該平臺為陜西省教育廳職能業務部門及決策層提供了十一大類的功能，包括領導的儀表盤，可以進行陜西省跟其他兄弟省市的數據橫向縱向比較，描述歷年來各個業務數據歷史變化的情況；為陜西省教育廳高教處、研究生處、科研處等11個部門提供專項數據服務；提供教育質量數據的在線查詢、監測預警、對比分析，質量報告；提供全省高基統計報表及統計年鑒報表81張的查詢查閱；提供全省教育經費統計報表191張和統計報告的查詢查閱以及高校就業數據的統計分析、重點指標結構分析等。

第二，為高校提供服務。為高校對內自查、自評、自糾，對外橫向關聯比較提供支持，定位問題，尋找差距，促進高校人才培養、學科建設決策的科學化。陜西省目前有100多所高校，未來還可以進行省內高校的橫向比較、陜西省同類高校和兄弟省市同類高校之間的對比分析，通過數據整合，在基礎數據層面解決應用數據的碎片化問題，在管理體制層面建立健全學校數據的智能化管理體系，從而實現管理信息化向服務信息化、服務智能化的方向轉變，這是過去管理信息系統所難以做到的。

在高校大數據平臺的基礎上，支撐教育教學的評估和專業認證。過去的評估都是專家進校，通過長時間的現場考察、師生交流等等來發現問題。有了數據平臺之后，現在評估可以分兩個階段。第一階段，在高校大數據平臺基礎上，通過數據的分析找到問題；第二階段，專家進校考證這些問題的實際情況。所以數據的前期分析將對專家的進校評估提供有效的、有針對性的、面向問題和目標的引導。該平臺上可以提供高校審核評估、專業綜合評估認證、學生學習經歷、與高等教育滿意度的測量與評價，以及全省高等教育質量監控數據分析平臺。

圖2　陜西省高校大數據匯聚與分析評估

《中國教育網絡》：高校大數據服務平臺還有哪些典型應用案例？

鄭慶華：在高等教育大數據服務平臺上，我們還開展了陜西省高等教育MOOC平臺的建設和服務工作，該MOOC平臺已經匯聚了包括西安交大在內高校的253門課程，包含思想政治板塊、通識類課程板塊、基礎學科板塊、專業課程和特色課程板塊一共五大板塊的課程。MOOC平臺將全省的優質教育資源分層分類地向全省高校提供支持服務，并實現了網上選課、課程互選、學分互認等。陜西省高校的學生足不出戶即可以分享世界名校的課程，可以分享其它兄弟高校的優質課程資源。特別是，該平臺通過學習大數據分析，進行學習過程的全過程跟蹤與分析。

另一個典型應用是把互聯網技術以及云計算技術滲透到日常的教學過程管理、智慧教室的建設當中。2015年學校一次性建立了80個智慧云教室，每一個教室的信息化設備全部通過互聯網實現了互聯互通，包括投影儀、還有中控系統、門禁系統、考勤系統等，全部實現了集約化、智能化、互聯網的一卡通，將傳統的安全監控、考勤系統、IP電話，以及教師教學的實時隨堂錄制、師生互動等功能整合到這一平臺上。

目前，西安交大80個教室的課堂情況，教師上課實時場景、講課內容、學生課堂狀況等，可以通過一個集中監控屏的界面實時掌握。并且很多新的內容、新的教學管理手段可以部署和實現，如督導組的可通過授課錄像實現精準督導；學生的到課率、考勤率、出勤率、排頭率等等，通過這個平臺也可以一覽無余。通過教師授課的隨堂錄制，老師自己可以查找、審閱自己上課的過程，為今后改進教學提供很好的手段。

此外，對條件保障和資源的節約使用也有很大作用。過去學校中午有大量教室投影儀、燈光沒關的現象，現在通過云的集中控制，所有教室設備都可以實現集約化管控。一旦出現故障，遠端也可以集中恢復；設備系統的升級，也可以采用云的方式來完成，無須逐個教室手工進行。所有這些都給我們教育教學的智慧化管理、集約化管理提供了很好的支撐手段。

知識圖譜：既見樹木又見森林

《中國教育網絡》：大數據的應用一直以來都是匯聚容易，分析難，價值體現更難，西安交大是如何實現的？做了哪些研究和嘗試？

鄭慶華：大數據如何挖掘價值，是當前大數據發展中的一個重大技術挑戰，也是高校進行大數據研究的一個機遇。針對大數據的個性智能化的知識獲取與個性化的知識服務，西安交大做了一些研究和嘗試，并取得了明顯的成效。

高校大數據平臺最終目標是希望提高教育教學的質量，這個工作知易行難?？陀^上，大數據的確給人類自身造成嚴重的認知障礙、包括認知過程學習迷航等問題。原因是什么呢？首先是大數據造成了嚴重的認知碎片化問題。什么叫知識碎片化呢？就是某個特定主題的知識資源分散在了不同的數據源當中，分布在不同的網站或者數據庫當中。比如，在百度中查“糖尿病”關鍵詞，它會反饋回來4440萬個數據源，有關于糖尿病的定義、有關于糖尿病的治療、有關于并發癥等等，林林總總，這些數據分散在各個網站、數據庫，用戶就像瞎子摸象一樣，我們得到的永遠是一個片面的、局部的、散亂的狀態信息?？梢韵胂螅@樣的情況給人們的認知造成很大困難。再比如，一家三口預算十萬元到歐洲十日游，不管是百度還是谷歌，沒有哪個網站能給出滿意的答案，并不是說這個信息在網上沒有，而是因為這些信息散落在各個網站上，而且得到信息之后還需要經過人工的處理才能得到需要的信息，這就是我們面臨的現實問題。

簡單地說教育大數據造成了四個方面的問題。第一，資源的分散特性，第二，快速動態變化的特性，第三，人人都可以產生資源、人人都可以提供資源，導致的資源低質化特征。這些特性我們日常都會有體會，比如動態性，每天的微信、微博、各個論壇帖子，都在發布各種各樣的信息，海量信息讓人們疲于跟蹤；同時，這些信息源良莠不齊，內容可靠性、真實性、完整性以及可信度，都值得商榷，這也是我們在大數據處理方面要處理的典型問題。第四，結構無序性。數據源并非經過精心組織，導致其結構是無序的、散亂的，類型也是多樣化的。

如何去粗存精、去偽存真，我們提出了知識圖譜、知識地圖的理論，這是一種全新的資源組織方式，面向用戶提供精準化的信息推薦，為用戶建立個性化的知識模型，將這兩者融合起來，建立用戶興趣和個性的精準化資源模型，將無關的、冗余的信息去掉，從而實現了精準化的推薦。

研究模型是面向智能學習的一個新模式，即基于知識地圖導航的知識學習系統。把知識的概念、定理、知識源通過語義關系，組合成一張知識地圖，它的邊是反應知識單元之間的語義關系，在這個知識地圖的導航下，進行面向用戶和學習的精準化推薦。

在這個模型中，第一個核心技術是解決知識地圖海量資源的組織問題。我們在此模型下建立了一套研究平臺和大數據集，包括對數百門課程進行了標注、研究，獲取了它們之間的知識地圖關系，開發了一系列知識語言處理工具、信息抽取工具、復雜網絡分析工具、挖掘工具等等。

第二個核心技術是碎片化知識的聚合。碎片化知識聚合，就是要讓學生既見樹木又見森林，每一棵樹是面向某一個主題的知識結構，而森林則是把某個領域的知識，比如計算機領域、互聯網領域的知識主題組合起來，也就是“主題樹”和“知識森林”的概念。所謂碎片知識聚合就是把多元、片面、無序的碎片化知識聚合成符合人類認知的多維關聯整合的知識森林，其目的就是緩解學習迷航、認知過程的問題。整體來說它包括三個步驟，首先是構建主題分面樹；第二，把語義和碎片化知識裝配到知識主題樹上，解決知識的散亂問題；第三，進行知識關系的挖掘，解決知識無序問題，最后形成了一個“知識森林”。在“知識森林”當中，既可以面向某個主題開展學習，也可以在主題之間按照知識的依賴關系，按照路徑實現導航學習，也就是“既見樹木又見森林”（如圖3所示）。

這中間重點是解決三個關鍵理論和技術問題，第一關鍵技術是知識森林及聚合過程的建模問題；第二關鍵技術，如何建立主題分面、分層關系，即如何將碎片化知識裝配到分辨樹上，從而為學生、為用戶提供按照學習者興趣和個性的學習路徑的選擇；第三個關鍵技術是用戶模型的建立，即如何找到用戶的興趣、需求、喜好、偏好。目前的工具可以實現對學習者的行為進行深度的分析和挖掘。在用戶模型建立基礎上，面向學習者定制、推薦個性化的學習路徑、學習內容，反映學習者的學習進度等等。

《中國教育網絡》：高校要實現大數據整合，難點何在？您認為應具備哪些要素？

鄭慶華：我前面提到的數據整合，最終的目標是破解數據唯一性的難題，作為高等教育大數據，當前的難點在于如何建立一套技術、應用、管理、服務相互協同的運行機制，要建立一套數據的準入與規范的標準、建立數據相互交換的機制，以及大數據融會貫通、相互共享的平臺，支撐服務平臺。而要實現數據匯聚融通、落實數據整合工作，需要具備三個要素，第一，堅強的行政支持，第二，技術要過關，第三，要做好支撐服務體系，需要有一支能戰斗的隊伍，一支專業的技術隊伍、管理服務隊伍，以及職業化培訓隊伍，真正把技術、管理和服務滲透到我們教學環節當中。這三個要素，缺一不可。

圖3　既見樹木又見森林

為了實現數據整合，西安交大還建立了計算能力為122萬億次的高性能計算平臺，能夠支撐各類學科高新技術研發的需求。在這一高性能計算平臺建立之前，西安交大一共有122個網站，每個網站都有自己的服務器，既占空間資源，也耗費大量能源和經費，建立高性能云計算機平臺以后，122個服務器全部收并統一，所有二級網站只需要一個虛擬機就可以支撐服務，用物理機實際上不到一臺物理機就可以支撐。這樣，不僅集中了資源用以支持校內各個學科的高性能科學計算的需求，也整合了大量網絡服務器資源，同時還可以面向高等教育大數據進行支撐服務。

大數據的三點體會

《中國教育網絡》：從教育教學上說，您既是大數據的應用者，也是大數據的研究者，您對大數據時代的互聯網創新有什么體會？

鄭慶華：任何一個時代的技術創新與技術進步，我們不僅要關注技術本身和技術在個體上的應用，更重要的是要仰望星空，實現模式的創新。頂級的互聯網公司有不同的商業模式，有不同的盈利點，有不同的技術支撐，但都是一種模式創新。微軟的模式是建立在人人都要買我的軟件，人人都要安裝我的操作系統之上的。而谷歌的云平臺則顛覆了這個模式。阿里巴巴也一樣，對于傳統零售模式在一定程度上的顛覆。因此，在互聯網時代首先是模式創新，在這個領域沒有遲到者，只有失敗者。我常常說，空間無限，創新也無限。俄羅斯科學家、以太網絡的發明人羅伯特·梅特卡夫提出了著名的“梅特卡夫定理”，即網絡的價值與聯網的用戶數的平方成正比。電話是一個人打給了另外一個人，所以信息的效率就是一；電視是一個頻道播出，有N個人收看，它的效率是N；而在互聯網上有7個用戶的話，它是用全互連的方式，每個人都是貢獻者，也是共享者，所以它的效率是N的平方。IBM內部也有一句很好的名言，你有一美元，我有一美元，大家交換一下，大家還是一美元；如果是你有一個新的思想，我有一個新思想，兩者交換一下，人人都有兩個思想。這就是互聯網信息是帶給我們的好處，模式創新是最根本的創新。

第二，一定要樹立一種觀念就是打造平臺，沒有平臺就像人缺鈣一樣。IBM作為IT領域的百年老店，之所以能長盛不衰，原因就在于它有自己非常堅強的軟硬件技術基礎，做設備、做集成、做服務都可以。微軟、谷歌、蘋果都是這樣的發展，所以，真正能夠長遠發展的，一個平臺是必不可少的。高等教育信息化也一樣，要真正獨立，應該有這樣一個強大的技術平臺支撐，不能老是依靠第三方的供應商解決問題，與公司的合作和交流是必要的，但是不應完全依賴于企業的技術和平臺。

第三，也是非常重要的，內容、活力和服務是信息化平臺賴以成功的三要素。MOOC之所以在短時間內能夠快速成長，原因就在于受眾群體的活躍度，及優秀的內容。IT領域中，軟件比硬件重要，資源比軟件重要，內容比形式重要，而服務比內容更重要。MOOC平臺的優秀之處，在于平臺上的每一門課好像就是在給你一個人上課，而不是傳統的視頻課程的模式，這一點吸引了很多年輕人。此外，MOOC網站不是一成不變，而是天天更新。它設法保持學習者的持續關注，內容時刻更新，服務隨時到位。這是我認為作為一個信息平臺來說，非常成功的三個基本要素。

沒有錯誤的技術，只有錯誤的選擇。在互聯網上，在信息化時代，適者生存同樣是一個法則。在這個時代我們更要強調，教育和學習要重視思維模式和方法。對今后的教育發展，個人認為這既是一個重大的新課題，也是未來很有探索空間的理論方法和技術的問題。