人與科技協作，開采教育數據金礦

從最近幾年的發展趨勢來看，每一波信息技術要素的出現，都會融合到具體的行業中，引發原行業的解構與重組，帶來新的機遇與變革。大數據技術自出現以來，已經實現了多行業的技術革新，提高了運營效率，創造了更優的用戶價值。現如今，大數據技術與教育領域的融合越來越熱，支持與質疑地聲音交替出現。理論上講，AI+教育將構建新的教學形態、內容研發形態和師資管理形態。但實際上，技術只是表象，智能學習分析系統也不是拯救教育系統的那把萬能鑰匙。當下各大教育機構推出的智能學習軟件、自適應學習系統都更像是傳統的 LMS 學習管理系統。

教育數據挖掘技術到底是否能夠推進教育體制改革？學習分析系統又能否進行大規模推廣？帶著問題，記者專訪國內教育信息化領域專家，西南財經大學天府學院信息技術教學中心研究員蒲石。

記者：您涉足教育信息化領域多年，已經做出了不錯的成績，自主研發了多項智能學習系統深受業界認可，用戶好評。對于當下熱門的AI+教育模式，學習分析系統，您如何看待？

蒲石：學習分析系統就是使用智能數據、學習者數據，以及分析模型來發現信息的社會性聯系，并以此為依據進行學習預測和提供建議。美國高等教育信息化協會曾給出了比較清晰地定義：“學習分析系統是使用數據和模型來預測學生學習進展和成果，并在這些信息基礎上采取行動的現代教學模式。”我的理解是，學習分析系統是建立在網絡分析技術和數據挖掘技術基礎上，讓學習者的學習活動，包括鼠標點擊、熱點地圖、社交網絡分析、推薦系統等有意義。學習分析系統不只關注數據分析技術，還包括學習者行為、課程地圖、個性化和適應性，預測，干預以及決策。

記者：數據分析是您的專業，從這個角度來看，教育數據挖掘技術在這個系統中是如何運作的？

蒲石：在學習者的原始數據庫中，有些數據是非常明確的，比如登錄學習管理系統或者發布博客內容，而有些數據則是間接的，比如日常事務產生的過程數據。如何發現這些靜靜躺在數據庫里地隱性數據之間的聯系，并將其運作起來，就是數據挖掘技術的意義與關鍵。隨著大數據技術越來越智能化，學習者數據、個人檔案信息和課程數據可以以某種形式放在一起進行分析。結合數據軌跡和個人檔案以及現有的課程數據，有效利用數據挖掘技術足以幫助學校和教師及時捕捉到學習者學習出現困難的信號。比如通過在學習過程中出現的學習時間的縮短、論壇發言中體現出的挫敗感，長時間未登錄，缺乏與其他學習者和教師的交流等信號，都可以及時發現學生學習中出現了問題。

記者：對于教育數據挖掘技術與學習分析系統，業內出現了支持與反對兩種聲音，比重相當。目前學習分析系統的發展處于一種怎樣的狀態？

蒲石：目前對于學習分析系統的兩種聲音，一半來自教育科研人員的支持，另一半是一線教育工作者的反對。確實，目前很多被科技包裹著的“個性化學習”軟件并沒有帶來教學模式的轉變和學生成績的提升，實質上更像是傳統的 LMS 學習管理系統。因此各個科研團隊對于學習分析系統的研發也有反思，一方面開始重新審視科技在現階段個性化教育中所能夠達到的效果，另一方面也在加速其商業化地進程，縮短從“實驗學校”到“大規模可應用”的路程。這種“減速”與“加速”之間地沖突正是當下教育模式所面臨的問題。

記者：您在這一領域也開展了諸多研發，有怎樣的成果和心得？

蒲石：以我對于當前學習分析系統的發展現狀以及存在問題的調查，我更注重“人”+“科技”共同作用的效果。比如基于數據挖掘技術的成績分析系統和基于機器學習的學生成績預測系統，都是通過對學生日常學習數據的分析，發現學生地情緒波動、成績變化，并及時反饋給院校、教師，有針對性地采取相應對策，轉變教學方法，幫助學生提高學習成績，也就有效避免了輟學或延遲畢業情況的發生。目前在各大高等教育學府均有應用，反饋還是不錯的。

記者：數據挖掘技術與教育領域的結合，未來會呈現怎樣的發展趨勢？您有哪些規劃？

蒲石：其實在美國，教育數據挖掘技術已經不再局限于教育統計學領域。我在美國普渡大學院校研究辦公室也有任職，以普渡大學為例，院校收集與儲存地龐大數據群足以找到其中地聯系與規律。對于畢業生而言，你可以在上面找到禮萊、康明斯和波音等畢業生的推薦，了解太陽能、編劇、或者醫療器械等專業的具體情況，幫助學生找到自己喜歡的專業或學校，這對于在讀學生而言，可謂是一座金礦。

未來地教育數據挖掘，將不僅僅是教室里的屏幕，而是會深入到人們日常學習生活中的每一個領域，實現素質化教學、個性化學習，甚至終身學習的環境與構想，這才是AI+教育模式真正地價值和影響，我也會全力支持教育科技的發展，為推進教育改革貢獻最大的力量。