大數據視角下的個性化教育探索

杜圣東　楊燕

摘 要：傳統教育重視結果而忽略過程，注重事后統計而忽視提前預測分析。文章從大數據角度重新審視個性化教育，論述大數據技術、個性化教育和學習評價的關系，對基于大數據的個性化教育分析目標、內容和關鍵技術進行初步探索，提出一種基于大數據深度學習技術的多維度學習評價方法，并對其原理、模型、框架進行分析和設計，構建具有反饋優化能力的深度信念網絡多維學習評價模型。

關鍵詞：個性化教育；大數據；多維度學習評價；深度學習；深度信念網絡

0 引 言

如果說互聯網和移動互聯網技術促進了教育的全球化、民主化和多元化，那么大數據技術將實現教育的個性化和定制化，大數據時代個性化教育[1]的研究價值和應用潛力巨大。教育領域積累了具有廣泛應用價值的海量數據，教育數據的多樣性、關聯性、時效性、可追溯性等特點為教育大數據分析提供了絕佳條件。大數據挖掘可以對教育數據進行從微觀到宏觀的統計、分析、推理和預測，發現學習和教學的相互作用規律和趨勢走向，幫助教師和管理者更好地做出學習指導和教育決策，既能為學生提供高質量、個性化的學習體驗，又能改進教師的教學方式，完善和優化教學過程。在當今大數據時代，利用數據挖掘、機器學習、深度學習等大數據技術，進行大規模教育數據集的深度挖掘和分析預測，從而指導個性化教育決策，使傳統教育從統一化、標準化轉向個體關注，能實現真正意義上的個性化教育。

1 大數據時代看個性化教育

1.1 教育大數據成為研究熱點

隨著教育信息化和教育大數據技術的高速發展，教育的形式、內容、渠道等方面都在加速演化和變革，國內外層出不窮的教育大數據研究與應用就是很好的例證。在國外，以Coursear、TED、Udemy、Udacity、edX、可汗學院等為代表的大型開放式在線課程（MOOC，massive open online courses）的興起，為教育全球化和大數據驅動的個性化教育提供了新的試驗場。麻省理工學院（MIT）于2014年7月發布了名為《麻省理工學院教育之未來》（The Future of MIT Education）的研究報告[2]，用模塊式課程代替學期制課程，并充分利用大數據技術和edX開放式網絡課程進行教育改革。紐約大學創新了教育數據管理體制，設立專門的大數據機構（CDS， The NYU Center for Data Science）進行校級大數據管理分析工作，旨在通過運用大數據技術改善教育，向教師和管理者提供學生到底在“怎樣”學習更多、更細、更精確的信息。在國內，近幾年大數據研究覆蓋了多個學科領域[3]，基于大數據的個性化教育研究逐漸成為熱點，周進[4]提出了一種過程支持框架，以支持大數據時代的個性化教育。朱天宇、陳恩紅等[5]對基于認知診斷的個性化試題推薦方法做了深入研究，為課程、試題等教育資源的科學推薦提供了很好的參考。畢鶴霞[6]對大數據條件下高校貧困生確認模型進行了實證研究。電子科技大學的周濤[7]對數萬名學生的生活和學習信息（包括食堂消費、圖書借閱、學習成績等）進行了大數據分析，找出了成績好和成績差學生的群體特征，對有心理問題的學生可以進行初步預測和定位，為教師和管理者提供了鮮活的個性化教育決策支持。

1.2 個性化教育將由大數據技術驅動

大數據時代的教育有幾個顯著特點：一是教育數據的時效性，傳統的《百科全書》多年才印刷一次，如有錯誤需要數年后才能修訂，如今的維基百科每分每秒都在進行海量條目數據的更新；二是教育形式和數據的多樣性，在線、離線、課上、課下、手機、電腦、平板、圖像、文本、視頻等層出不窮，隨著教育形式、渠道、載體的多樣化，教育大數據積累的廣度和深度在急劇擴展；三是教育數據的可追溯性，比如一個學生考試得了70分，在傳統教育管理模式下這只是一個數字，難以深入挖掘原因，在大數據時代這個數字能變成可追溯評價的信息，這個學生為什么考了70分，而不是50分或90分？跟他的家庭情況、智力水平、學習態度、努力程度等有什么聯系？當前成績對后續課程的學習會造成怎樣的影響？上述3個方面對傳統教育的內容、方式、評價等都提出了挑戰。由于傳統教育采用的是大規模、標準化的教育模式，重視結果而忽略過程，只能事后分析而無法提前預測和介入指導。這種教育在一定程度上講，還是分數教育，很難做到因材施教和個性化。隨著教育大數據的積累和數據挖掘、機器學習技術的快速發展，利用大數據對學習行為、學習趨勢、學習心理、教學效果等進行深入分析和評價成為可能。已有眾多學校、企業和教育管理機構在不斷創新、探索和應用教育大數據技術，以期達到個性化教育之目的。同時為基于實證的教育（evidence-based teaching， EBT）[8]目標提供數據支撐，并為教育管理者提供統觀全局的決策支持。大數據技術促使教育形式、規模、影響力發生深刻的變化，決定教育未來的將是那些有效利用大數據技術，通過挖掘分析、追溯評價改進并適應個性化教育的組織機構。

2 面向個性化教育的大數據技術初探

2.1 實現個性化教育的關鍵是學習評價

怎么進行更深入、更專業的學習評價，是實現個性教育的關鍵環節。面向個性化教育的學習評價技術要考慮教育大數據的多樣性、時效性、可追溯性等特點，并根據學生、教師、管理3個維度的評價需求，對教育教學中海量數據進行大數據挖掘分析，結合態度、行為、背景等因素，分析發現學生思想、行為和心態的變化，通過各種數據指標的評價分析為個性化教育提供一手資料。基于大數據的個性化學習評價技術，需重點關注如下幾個方面的分析內容。

（1）學習行為：學生學習效果的優劣與其學習行為緊密相連，學生的行為數據包括進出圖書館的次數、借閱書籍的種類、生活記錄信息等，計算出每名學生的學習、生活狀態。對學生的學習行為進行分析，能為學習預測和學習預警提供更科學的數據支持，例如刻畫學生生活與學習的規律性。如果某學生最近幾個月作息極不規律，那么他的成績就會有下滑的可能，或者某學生進出圖書館的頻率較高，學習成績會往好的趨勢發展；或者分析所修課程相關性，如先導課程的掌握程度對后續課程的成績有較大的影響。通過多種學習行為數據的分類、聚類和預測挖掘技術，進行多角度學習預測分析，是學習評價技術要解決的主要問題。