新冠疫情下數據化教學的推廣與應用

金瀏河 唐高平

摘要：新型冠狀病毒的出現，引起世界教育界對新型教育模式的探討，“數據化”教學成為關注的重點，學習數據的應用可以明顯改善教學環境，提高學生學習能力。其中基礎工作是：通過制度設計，依法廣泛收集、整理教學相關的數據，培養一批推廣應用數據教學的人才，同時要創造一個良好的數據化學習環境。研究表明，“無距離的數據虛擬”化教學是今后“三教改革”的方向和重點。

關鍵詞：學習數據的使用;數據化教學;制度設計

一、從網絡課堂到數據化教學

由于新冠疫情的發生和傳播，引起世界各國的高度重視和警惕。尤其是各類學校，在疫情發生期間，學生往往不能按時到校上課;在校生集中上課又要考慮學生的健康和安全。學生的安全問題成為各類學校頭等大事，各學校都在苦思冥想希望能找到一個既保證學生健康安全又保證教學質量的教學方法。目前“數據化”教學方法的研究已經引起世界各國的高度關注和認可，是解決該問題的一種新思路和新方法，也賦予了“三教改革”（教師、教材、教法）新內涵。所謂數據（data）是事實或觀察的結果，是對客觀事物的邏輯歸納，是用于表示客觀事物的未經加工的原始素材。

現在針對新型冠狀病毒的教學策略——“數據化”教學正在逐步開展。各教育機構和民間企業使用學習支持系統和校務支持系統已經積累了各種學習數據，使用這個學習數據可以提高學生的學習能力。另外教師或者學生自己可以根據學習數據的分析結果，實時討論教育方法和學習方法。對于這樣的新穎教育，通過分析教師和學生之間、學生相互之間、學習支持系統之間的交互來整合知識，有可能構建新的教育學理論和實踐。在美國和英國等各國，以高等教育機構為中心，盛行LA的研究和實踐，LA（Learning Analythics）學習分析理論。[1]

根據這個理論，美國教育部2005年開始在全國范圍內導入時間序列數據系統（SLDS：Statewide longitudional data systems），開始學習科目和成績等學生數據的收集，2017年使用這個數據系統進行了大規模分析預測等各項研究。在大學教育方面，2012年以后，以密歇根大學、斯坦福大學為首，在大學中設置了LA（Learning Analytics）中心，有組織地收集大學內的教育、學習活動的數據，進行LA的研究和實踐。因為美國各大學都是獨立進行LA的，所以為了共享學習數據，又建立了Unizin和LearnSphere等網站。

在英國，從2014年到2017年，對50所以上的大學進行了LA的信息基礎系統的建設，各大學開始實施LA。

2011年以后，使用教育大數據為目標的LA的研究快速發展，作為與之相關的LAK（Learning Analytics and Knowledge）學習分析與知識和EDM（Education Data Mining）教學數據開發的國際會議相繼召開。除此之外，美國密歇根大學、紐約大學、亞利桑那州立大學等也設立了實踐LA的中心，整個大學有組織地實踐著LA。開展對成績的預測、論文的分析、案例方案的選擇、課程的評價，傳感器可以對獲得的各種數據信息進行綜合分析。日本2016年在九州大學設置了LA中心，以整個大學為對象逐步進行學習數據的收集。目前作為新型冠狀病毒的應急教學，以在線授課作為過渡，繼續推動數據化教學。在線網絡教學主要以單向傳授知識為主，還是屬于傳統的被動式教育。而數據化教學是一種雙向全新的教學模式，可以實時互動，學生更為主動的學習。AI大數據的使用，不僅僅是針對學校等教育機構，還跨越補習班、產業界、社會、行政等界限，進一步面向全社會。

二、學習數據的分類和使用

（一）學習數據的分類

學習數據定義為：根據教育的數據化，每個人一臺的信息終端，使用學習支持系統和校務支持系統等積累的數據信息進行學習的信息集合。學習數據的分類和功能有以下幾個。

1.學習支持系統，使用LMS學習管理系統（Learning Management System），也叫在線學習系統，也叫網絡培訓平臺，在線教育系統等;2.數據演算的回答和評分;3.學生問卷調查結果;4.學籍信息學生學年成績等基本信息;5.學生每天的出勤信息;6.每堂課的指導計劃和大綱;7.小測試測驗或定期測驗和結果;8.成績評定信息通知;9.教員問卷調查;10.健康觀察記錄。[2]

（二）學習數據的使用現狀

學習數據的使用稱為LA。所謂LA是應用信息技術，研究如何從教師和學生獲得教學的信息，如何分析反饋促進學習和教育的教學活動。以前使用LMS（Learning Management System）和MOOCs（Massive Open Online Courses）等的在線課程的數據進行處理的研究有很多，解決面對面的數據授課的研究很少。近年來面對面的數據授課也增加了，歐美大學開始出現學習成績提高和退學率降低等效果。目前國際很多研究者對個人授課中收集數據的研究和大學等教育機構對收集學習數據有效使用的研究并不多，理由是教育機構整體進行LA時，沒有作為用于收集、管理、使用學習數據的制度標準。今后為了將LA應用和推廣，有必要提出教育機構和整個國家的制度。學習數據有：1.學生或教師使用;2.教育機構或研究人員使用;3.全體社會使用。其中1是狹義的LA，2是教學IR（Instittional Research）也叫教學研究，3是根據制定制度（Evidence Based Policy Making：EBPM），開放數據、研究數據管理等相關措施。本研究主要目標是第3層面，也叫廣義的LA使用。[3]

（三）學習數據收集的對象和等級

現有的學習數據分散在小學、初中、高中、大學等公共教育機構中，以及提供補習班等私人教育機構或為教育服務的民間企業中。作為收集學習數據的對象，首先要將小學、初中、高中等分散公共教育機構一起進行數據收集管理，大學、研究生院等公共教育機構開展學習數據實際有效使用。然后逐步推廣到小學、初中、高中，各教育機構根據所屬關系，考慮到對個人信息保護，適當處理后交由國家認定的公共機構收集，這樣可以得到國家層面數據教育制度的支持和管理。

學習數據使用階段共分為4個等級：

1級：學校、地方社會、大學等校際內無法共享，應用學習數據在校內使用，或者被分散管理，各自為政。

2級：在校際內共享學習數據在同一校際內學生可以應用學習數據，學?？梢允褂霉芾淼仁侄?，但是因為有些學習數據屬于個人信息，所屬校際以外有必要進行嚴格的管理，數據沒有實現共享。

3級：在校際內共享學習數據，同時可以使用校際內外的學習數據，在對個人信息保護妥善處理后，應考慮學校信息保護，妥善處理公共團體、大學等外部對學習數據的使用，需要有校際間共享數據的規則，但校際內外的數據處理系統沒有統一，計算機難以識別處理。

4級：在校際內共享學習數據、校際內外的學習數據可以有效使用。個人信息得到保護和妥善處理，校際內外數據處理系統得到統一，可以使計算機處理數據更加容易，實現校際間學習數據共享。[4]

為了達到更高的目標，需要積累從過去到現在的大量學習數據并且有效使用。大規模的學習數據有助于提高個人學習水平、教材的推廣、學生的理解度、教學預測的精度，在教學上有助于優化教學計劃等。另外在全國范圍內大規模的學習數據中積累，實現基于個人能力培養的教育，從心理學、教育學、社會學等多種觀點來分析數據，積累學術性的知識，對教育科學來說是非常珍貴的基礎數據。[5]因此，教育機構要長期保存這些學習數據。在國家層面上保護個人信息，加工收集學習數據，使其長期處于可使用的狀態。由于學習數據有一部分屬于個人信息，為了在全國范圍內收集、使用學習數據，有必要好好研究并實施相應的制度設計和實施方法。

三、用于收集和使用學習數據的制度設計

（一）學習數據使用級別的統一

根據學習數據的使用級別分等級。1級在教育機構范圍內幾乎不能共享應用學習數據。在2級狀態下，由于學校收集的數據量會有很大的差異，使用學習數據進行的支持系統也有差異。在3級階段，即使跨校際間共享學習數據，由于系統和意識不統一，使用計算機上的程序處理也變得人為的復雜。因此，考慮到有效利用計算機處理系統，并且考慮到跨校際間集中收集學習數據的情況下，應該實現以標準、系統、統一地收集數據的等級。如果不那樣做，即使跨校際間收集學習數據，也很難用計算機處理數據。為了改善整個社會的教育，必須實現收集、使用學習數據的各項指標高度統一。[6]

（二）學習數據使用制度現狀

關于學習數據的使用，即使是在同一機構內使用，從保護個人信息等觀點來看，現在仍在討論。將來為了在初等、中等、高等教育機構中促進學習數據的有效使用，有必要制定國家級的“教育數據的使用制度”。大部分大學都制定了信息安全制度，制定以學校為對象的信息安全制度教育委員會。另外與社會安全制度多樣性進行整合，同時對教師的信息道德進行教育。

在制度設計中，在學習數據的使用上也有不同觀點。特別是注意到國內外對“基于學歷的教育”的批判性議論主要體現在教育原理性的層面上，主要人為教育總是以不同的人或環境為對象，進行不可再現性（非再現性）的面對面知識交流，體現了傳統教學認知方式，如果從學習數據中能提取能力，體現教育體系是很困難的。但是近年來科學分析各個教育實踐積累的教育大數據，并努力提取能力相關要素，要解決以上不同見解，在學習數據的使用中可以考慮如下。

1.在使用學習數據的時候，除了教育改善和教學改善的目的以外，不使用學習數據。表示教育改善的評價指標有成績、學生的發言次數、積極性、創造性等。通過實踐，在研究各自的數據指標時，也可以制定規則，適當擴大使用范圍。

2.教育相關的選擇是本人實施的，使用學習數據的推薦或提議對本人來說不會成為定論強加于人。

3.教師和LA專業人員對在教務中通過使用學習數據而得知的一定范圍內信息負有保密義務。數據的使用者或研究者等對特定個人的分析，在地區和學校之間不要做無用的比較。

4.教師不要過度相信過去積累的學習數據的知識，不能成為經驗主義。需要對照目前自己的經驗和學生的狀況，更好地發揮自身能力。

5.將數據用于制度制定的依據、制度和實踐的評價時，重要的是要仔細考慮收集到的數據來龍去脈和方法，檢查其可靠性和適用性，并考慮其使用界限。不僅要對有限的指標進行制度評估，還需要使用多方面的數據（例如：大規模調查的量的數據和根據學校和班級實踐的的數據）進行相互驗證。

國家要設立類似于倫理審查委員會那樣的第三方機構，定期進行評估，以個人的知識產權和人格尊嚴作為最大的評價基準，促進學習數據的安全、合法使用和防止濫用等，另外該制度需要在網頁上收集公眾意見，在有關各地召開說明會和研討會，通過多利益相關者的合作協商，在全國范圍內推廣應用。

（三）學習數據的管理體制

在現在的有關個人信息保護法下，國家或公共機構為了收集學習數據，應該在每個學?；蛘邔W校所屬的校際間（地方社會、大學、各類學校等），收集考慮到個人信息得到保護而適當處理后的數據。這樣一般就可以避免要一個個征求學生本人的同意，使用部分學生信息須取得監護人同意。為了避免現場教育缺乏公平性，在教育現場研究使用學習數據時，按照各研究機構的倫理委員會的規則，事前做好說明收集數據的項目和使用目的、管理方法等，從本人或法律代理人那里得到同意。[7]從不同的機構收集和分析學習數據時，要在數據完整性狀態下收集保存數據。如果只是為了第三方進行客觀分析，則不提供個人信息。如果需要研究將各教育機構所有的分散數據連結起來，保證數據完整性，可以用區塊鏈的方法。

（四）學習數據的系統和意識的統一

將來應用學習數據，需要使用平板電腦等設備，通過使用LMS等學習支持系統（虛擬學習環境系統）。但是學習支持系統有很多種類，那些數據以獨自的系統被記錄，使用這些學習支持系統，為了共享在不同的教育機構收集的學習數據并用計算機處理，需要有共同的系統。數據表現的世界標準的規格有xAPI和Caliper兩個。xAPI于2013年4月由美國ADL（Advanced Distributed Learning高級分布式學習系統）Initiative（主動）公開。之后IMS GLObal也提出了Caliper。xAPI和Caliper的學習數據通常存儲在LRS（Learning Record Store 學習數據存儲）中。通過使用這些標準的數據形式，可以很容易地在不同的機構之間交換學習數據。但是其中由于沒有規定數據的意思（詞語和數據的解釋），所以存在著美國的Common Education Data Standards（通用教育數據標準）和英國的Common Basic Data Set（基本數據集合）等數據解釋的標準化。這樣不僅是共享數據系統，而且理解意識也同時統一存儲，這對學習數據的推廣使用是非常重要的。這里的意識是指各自對數據系統表現的理解，不同的理解可以經過相互研究討論逐步趨于一致。

（五）教材等學習數據的著作權處理

數據教科書和數據教材的使用是把握教師和學生如何進行教學活動的重要數據，但是由于著作權規定的內容在授課或在線上教學有時難以推廣使用。考慮到辦理和遵守著作權法的手續會需要一定的時間，紙質教科書和教材的著作權作者和出版商已經完成了，但是那些電子版的著作權處理還要履行有關法律手續。如果使用這些電子教科書的話，也需要得到出版社許可。因此，為了使數據教科書和數據教材在課堂內外、在線、離線等方面都能充分使用，有必要重新修改教科書制度和著作權法。另外也可以討論通過一攬子補償金的制度，簡化對著作權的使用權方法。不僅是教科書和教材，學生提交的報告和作文等文章收集分析的時候，也需要考慮著作權的問題。

四、LA人才的培養

（一）專業教師的培養

收集和積累信息說到底只是一種手段，為了提高數據教學水平，教師必須理解如何使用數據的教育。因此，有必要構建在職教師重新學習系統。在大學的教師培養課程中，也有必要開設教授使用學習數據的課程。

（二）培養LA專業人員

在教育現場，作為通過學習數據的收集和分析來支持教育改善的人才，現實上可以考慮由現在的ICT操作員來負責，但是為了處理學習數據，有必要設立ICT操作員的職業資格制度。例如，除了ICT操作員的資格外，還考慮培養從事民間企業和大學等機構的數據分析、LA研究等LA專業人員。[8]

（三）構建學習數據科學的人才培養環境

為了改善教育，有必要通過使用學習數據來發現現場的問題點，提出改善策略，培養發現有效的學習方法和教育方法的研究人員。有教育學、心理學、認知科學等素養，培養擁有數據科學和教育工學技術的學習數據科學是當務之急。為了教授學習數據科學，積極設置研究生的專業，并重新加入LA的課程。

五、建議與思考

（一）建議

在全國范圍內收集學習數據，使用學習數據，不僅可以提高國家教育水平，也可以提高學生、教師的個人水平、學校等教育機構水平?？梢詫處煹膬炐憬虒W技巧，作為證據進行匯總、積累，重要的是能創造一個可以模擬的環境，把個人能力的成果應用到國家、社會、學校。

要創造一個使用學習數據的信息環境，完善用于收集學習數據的信息終端。學習數據不僅在課堂上，在課堂外也需要持續收集，因此，信息終端需要配備完整。有必要研究開發平板電腦和智能手機等已有的信息終端，使學校和家庭都能經常使用學習數據，建設快速連接互聯網和完善信息的基礎系統。

要完善信息道德教育和信息健康教育。信息環境要考慮對學生健康和精神方面的影響。例如，需要考慮信息終端的長時間使用對視力和身體的影響，以及睡眠不足和運動不足對精神方面的影響等，今后也需要繼續進行調查研究。

（二）思考

早在1995年The Economist雜志就提出隨著信息通信技術的發展，經濟、知識、教育等活動中的“無距離世界”（Death of Distance）就會到來。但是一般認為，即使互聯網普及了，也不會“距離消失”，反而會增加地理上的集成。但是受到新型冠狀病毒的影響，教育的距離有可能朝著消失的方向移動。在AI和大數據分析等云計算環境中可以實現教學的遠程研究開發，另外有些產品也可以在當地留下很少的操作員，進行在線研究。根據一些地區對外出進行限制，進入虛擬的數據研究開發的學校和研究機構就會增加，不考慮距離遠近的數據研究開發體制一旦形成的話，這種高效率新方法也很有可能被人們接受。

目前作為應對疫情的研究課題，如：制造虛擬化、隱私數據開發、距離的消失等都可以成為教學系統變革的契機。[9]

教育是國家的基礎，為了使整個社會都能更好地接受教育，要妥善處理開發好學習數據，統一數據系統，達到社會上共享和使用。特別是近年來學生學習處于多樣化的時代，為了提供符合每個學生特征的學習教育，使用學習數據將會越來越重要。另外現在實施應對新型冠狀病毒的在線授課需要進一步升級換代，學習數據收集、完善信息基礎系統，構筑基于自身能力的教育環境的。

參考文獻：

[1] Hiroaki Ogata， Toward the Realization of “Evidence-Based Education”[J].Using Learning Analytics， Journal of Educational Systems Information Society， 2019，36（03）：215-217.

[2] Hiroshi Ueda， Hiroaki Ogata， Tsuneo Yamada， Examination of policies regarding utilization of education and learning data in higher education institutions， Information Processing Society of Japan Research Report Electronic Intellectual Property and Social Infrastructure Study Group [R]. （EIP），2018 Vol.2018-EIP-81，? No.21， pp.1-6.

[3] Yuasa Harumichi： Issues of revision of the Personal Information Protection Law ─ Focusing on the problems of personal information protection of local governments ─. Information Security Comprehensive Science[R]. No.6，2014.

[4] Gert Biesta （translated by Hiroyuki Fujii and Hiroaki Tamaki） What is good education-ethics， politics， democracy-Shirasawasha[M].2016.

[5] Hirotaka Sugita and Shota Kumai （eds.）， Shumpusha Publishing， exploring the threshold of “evidence-based education”.[M].2019.

[6] Hiroaki Ogata， Introduction and Research of Learning Analytics in University Education[J]. Journal of the Japan Society for Educational Technology，2018，41（03）：221-231.

[7] Nozomi Kutomi. Characteristics of digital textbooks supported by educational sites inferred from paper textbooks. Digital textbook research[J]. 2014（01）：37-49.

[8] Obunsha， special edition in April during the snowy era National Universities Undergraduate / Department Information Basics of selecting a university Understand the faculties / departments！ ?。?[C]. 2019.

[9] Japan Educational Information Technology Promotion Association. Survey and research results report for training and securing ICT support staff. 2017 Ministry of Education， Culture， Sports， Science and Technology commissioned project[R].? 2018.