大數據時代，教育領域變革趨勢的分析預測？

01-15

期待更豐富開闊一些的思路，基礎教育、職業教育、高等教育都可以。我個人覺得，對學生而言

個性化學習

終身學習

按需學習（比如公開課、微學位）

課業負擔可以得到減輕（比如通過大樣本數據分析發現，做錯A題的學生一般會錯B題,做對C題一般不會錯D題，那麼學生下次只需要做B題）

知識的共享和高度自主化可以教育出更有創造性的人才

對教師而言，

經驗的積累可以更高效的利用數據挖掘來完成

教育方式的變革(例如翻轉課堂)也對傳統的教學方式提出了挑戰

希望大家可以來熱烈的討論一下，舉雙爪歡迎：）

在分析變革趨勢之前，了解一下現狀非常有必要。

嬰幼兒教育：父母極度重視樂意花錢，但是他們時間有限，而且嚴重缺乏專業知識。
中小學教育：在中國、東亞乃至全球絕大多數國家都是屬於政府體制行為，有嚴格的課程體系和考核機制。中小學教育是最成熟，體制本身沒有大問題。學生日益增長的個人興趣和老師僵硬的教育方式是這一階段最主要的矛盾。
職業/技能教育：這是中國教育市場化最失敗的地方，與發達市場經濟差距最大的地方。根據十八大的精神指示，應該讓市場在資源配置中起決定性的作用，這一塊應該是未來教育市場化的最佳試驗田。建立起與國際接軌的真實有效的全國性資質評估體系是成功的職業技能教育的必由之路。
高等教育（本科/碩士/博士）：這是目前國內外教育變革呼聲最高的領域，無論是老師還是學生都有足夠的意識和動力去嘗試和推動。但是高等教育體系的複雜度和目前政府壟斷/半壟斷的認證資格就像南極大冰川。以Coursera的公開課為代表的新興力量暫時只能觸及其冰山一角。
MBA/EMBA/TOFEL等商業化教育：這一塊基本是市場的力量在運作，各個方面的力量博弈已經達到一定程度的均衡。這是一個願打，一個願挨的問題，每一個參與方都要為自己的行為負責。
智障殘疾人教育：比較不幸的是，我們對於智障殘疾人還處於慈善/賣哭的初級階段。無論是家庭/社會/政府都還沒有比較成熟的規範來切實有效地幫助他們。智障殘疾人教育不僅僅要求專業技能，還需要關心和愛護，以及福利體系的保障。智障殘疾人教育反應了一個社會的下限和節操，但我真的不知道我們還有沒有底褲？還希不希望守住自己的底褲？

我不是神棍，大數據也不是神器，我分享一些個人看法，與諸君共勉。

個性化學習是個偽命題：沒有個人性化的課程和認證機制，就沒有辦法進行個性化的學習。你可以進行個人化學習，但是沒有人會認同和接納，一切只能謀事在人，成事在天。
終身學習是個大趨勢：在一個技術革新和社會大變遷的時代，老頭老太也會用微信發微博。哪些不能適應社會環境變化的人，無論男女老少都將面臨生活娛樂圈子縮小，工作創業機會渺茫的困境。
按需學習是個微創新：你不需要重新發明課程，你只需要重新組織課程。這個社會不缺少資源和知識，但是如何找到和學習自己想要學習的課程卻不容易。誰能夠解決好這個看似簡單的問題，誰就能獲得用戶的用嘴投票（口碑）。想想Google吧，所有的信息早已遍布互聯網的每個角落，但是沒有Google，你如何在瞬間找到自己想要的信息？
知識要共享，經驗要分享：前者需要集中管理，後者需要個性分享。如何協調兩者之間的關係並不容易。
平台得免費，工具得收費：一個收費的平台很難吸引足夠的人氣，一個不收費的工具很難維持長期的運營。做平台就要有免費的覺悟，做工具就要有收費的勇氣。
學生愛興趣，老師愛名氣：學生沒有興趣，就沒有尋找老師的動力。老師沒有名氣，就沒有吸引學生的能力，為他們牽線搭橋還得對症下藥。如果一個紅娘誇一個姑娘勇敢義氣，說一個哥們溫柔賢惠？

。。。為什麼會邀請我。。。我不從事教育相關啊。。

---------------------------------------------

作為一個大學生，我簡單說說我的看法好了

1.我覺得這個標題，不應該叫大數據時代，叫互聯網時代更合適，大數據還有點遠，而且對的口小，成本和效益不成正比。

2.我說說我身邊發現的需求吧

2.1技能教育，光看現在大學生低水平的PPT製作以及比較爛的文稿邏輯就足以體現針對性的技能教育的重要性，類似的還有ps，排版啥的，這比大學學的奇葩東西有用多了

2.2碎片化教育，因為現在時間的碎片化，所以這個很有必要，但是碎片化時間對應的是碎片化學習，並不是教育，怎麼劃等號是一件蠻要技巧的事情

2.3專門化教育，個人感覺在互聯網普及什麼公務員教育，考研教育等挺有必要的，現在也有，但是怎麼做到專門化，高水平，收費低或者免費是需要努力的方向

2.4政治上的教育，這是一個很特殊的話題，可能很多人沒關注到，教育是一種很重要的維穩手段，你在向少數民族輸送漢族高品質教育的同時，是一個維穩和民族同化的過程，能夠產生更多的認同感。這種面向政府埠的教育，是以後很重要的發展方向

3.一些有趣的東西

3.1基於教育以及學習內容的虛擬社區建設，形成三方互動。

3.2關於教育公益

------------------------------------------------

完畢，另外我還是無法理解為什麼會邀請我。。。。

利用在線教育產生的大量數據，進行學習分析，大致可以有以下目的：

（一）學習者知識建模

為了描述學習者知識和技能的掌握情況，研究者從課程、知識單元和知識點等多個層面，抽取在線學習系統中學習者的交互數據，構建學習者知識模型。該模型主要應用於自適應學習系統和智能教學系統等，體現了學習者過程性知識和高階思維能力，便於系統在恰當時間採用恰當的學習方式推送恰當的學習內容。例如，弗格森（Ferguson et al.，2013）基於線索詞匹配和k-近鄰聚類技術，利用語篇特徵和局部特徵相結合的方式，構建學習者知識模型。

（二）學習情緒建模

為檢測學習者無聊、沮喪、興奮等不同情感狀態對學習積極性和學習進展的影響，研究者利用心臟速率監視器、視覺跟蹤器等多種可穿戴技術，收集和分析學習者心跳速率、微笑次數、專註時間等身體活動數據，掌握學習情緒對學習成績的影響。例如，瓦特拉普（Vatrapu et al.，2013）通過技能測量、微笑等九個指標描述學習者學習狀態。視覺追蹤研究表明，較高的情緒容易促進學習者學習積極性。

（三）學習行為特徵抽取

為研究不同學習行為範式和學習成績之間的關係，研究者收集在線學習系統的網頁點擊次數、點擊順序、停留時間等信息，抽取學習行為範式或形成的網路結構特徵，並研究其與成績之間的聯繫。例如，加拿大薩斯卡通大學（University of Saskatoon）布魯克斯（Brooks et al.，2014）獲取在線學習系統中學習者交互數據，採用非監督機器學習技術，抽取五種學習者行為範式，包括活躍型、早期型、及時型、最少活動型和延期型，指出活躍型對提高學習成績並無顯著性影響。吳忭等（2014）對學習者圖示化學習過程開展序列分析，發現具有「概念建構一假設提出一推理論證」學習行為模式的學習者比較容易取得好成績。

（四）學習活動跟蹤

為了展示學習者當前學習狀態，研究者收集在線作業完成情況、教學視頻學習時長、在線測評得分、論壇參與等信息，以可視化形式呈現知識建構過程和個人在小組學習中的貢獻情況，有助於學習者調整學習計劃和學習進展。例如，有學者針對可汗學院在線學習平台大量學習活動數據，基於分類器將全體學習者的學習狀態進行等級劃分，然後利用個體可視化工具查看個體相對於班級平均學習狀態所處的位置（Ruiperez-Valiente et al.，2014）。

（五）學習者建模

為聚類學習特徵相似的學習者，有研究者通過分析個人基本信息及相關數據，例如人口統計、學習風格和學習偏好、學習目標、學習背景等數據，構建描述個人學習特性的學習者模型，並運用該模型將學習者分組，提供有針對性的個性化學習環境，從而提高學習效率。例如，希臘開放大學針對在線論壇中學習者的討論內容，利用文本挖掘和社會網路分析技術探索學習者的參與模式，並使用統計軟體R和數據挖掘工具Weka將學習者按照特徵分類（Lotsari，2014）。北京師範大學武法提等（2014）分析電子書包中電子學檔系統記錄的數據，從學習內容、學習活動、學習方式和學習評價四個方面構建學習者個性化模型。

（六）學位獲取分析

為探究學習群體信息與學位獲取之間的關係，即學習者保持率或畢業率，研究者通過採集入學信息、生源信息、完成情況、學位信息等數據，從課程、學校和政府三個層面探索其中蘊含的序列模式或規律。例如，美國紐約州立大學謝伊等選取弗吉尼亞州和華盛頓州的入學信息和最終學位獲取數據，發現參與遠程教育課程的學習者比接受傳統課程的學習者更易獲得學位（Shea Bidjerano，2014）。

（七）教學資源和教學策略優化

為幫助教師完善在線課程，研究者通過收集在線學習系統中的學習行為和成績，評估課程設計效果，找出能夠有效促進學習的教學實踐類型。例如，列文（Leeuwen，2014）提出基於人工智慧框架，從有效性、可用性和效率三方面評估教學大綱質量。北京師範大學沈欣憶等（2014）通過分析MOOCs學習的不足，提出十二種網路課程教學策略，以提高在線學習參與度。

（八）自適應學習系統和個性化學習

為實現網路環境下學習行為的自動化反饋，研究者綜合運用學習者知識模型等，獲取學習偏好、學習效果等信息，結合預定義的教學策略和學習路徑，為學習者提供個性化學習建議，從而調整和改善學習體驗。例如，德國杜伊斯堡-埃森大學（University of Duisburg-Essen）哈金（Hecking，2014）在學習管理系統中通過增加操作日誌服務、通知代理、分析服務和人工製品檢索服務四大服務組件，實現基於上下文的學習內容個性化推薦。深圳大學曹曉明等（2014）提出使用智能Agent技術構建「一對一」的泛在自主學習系統。

（九）在線學習影響因素分析

由於各級教育機構問責制的加強，教育機構需要解釋在線學習過程和學習效果，部分學者以調查問卷的形式分析在線學習影響因素。例如，加拿大西蒙弗雷澤大學阿里等（Ali et al.，2013）指出在線學習工具的易用性和實用性將影響在線學習效果。中山大學舒忠梅（2014）指出多元能力的培養氛圍、學習資源豐富程度、教師授課水平及相關係統支撐度是在線學習滿意度的關鍵影響因素。

按研究目標聚類的學習分析文獻年度分布如圖3所示。其中，以教學資源和教學策略優化、學習活動跟蹤為研究主題的文獻分別佔23.7%和23.4%，成為學習分析的主要研究內容。這與大多數研究者基於微觀層面開展學習分析相吻合。2012年以來，學習行為特徵抽取、學習情緒建模、在線學習影響因素分析逐漸成為熱門主題。而自適應學習系統和個性化學習過多強調學習軟體的自動反饋機制，更適於教育數據挖掘，因此近三年來相關文獻數量呈下降趨勢。隨著學習分析應用的推廣，其研究主題日益趨向多角度、多樣化，例如學習者動機建模、大數據訪問中正常訪問行為的變化情況均成為新的研究內容。可見，在各類學習數據日益豐富的時代背景下，學習分析對教育信息化發展將起到更為突出的推動作用。

大數據給教育帶來的變化包括四個主要的方面：

01 從定性化向定量化轉變

傳統教育很大程度上是基於經驗的積累和傳承，我們的很多判斷主要來自於主觀或者印象深刻的少數幾個案例。對於很多問題，例如：高中早戀是否會影響學習？外語教學應該從什麼時候開始？色情電影和武俠書會給大學生帶來不良影響嗎？個子矮的男生和肥胖的女生會出現心理和學習上的問題嗎？拚命修更多學分，獲得更多學位長期而言是否有價值？等等，我們都很少能給出一個基於數據的定量回答。清紅先生在書中舉了一個讓我印象深刻的例子，就是通過對提問記錄的分析，顯示教師的提問對象傾向於講台的右前方。雖然清紅先生用來分析的數據量還不夠大，但是這種理念就是定量化教育管理的精髓。

02 從普適化向個性化轉變

儘管教育手段越來越豐富，特別是音視頻等多媒體方法得到了廣泛應用，但我國目前教育的主要手段還是工業時代的課堂教育。也就是把所有學生看成一樣的——大家聽一樣的課，做一樣的家庭作業。這一點在K12基礎教育中尤其明顯。四年前我給成都七中的高中生作了一次講座，那時候清紅先生還在七中擔任副校長。當時他很感概地對我說：「很多優秀的中學生，把90%的時間都用來做他們會做的題目，而得不到提高」。這恰恰是因為我們沒有辦法提供個性化的教學。現在通過在線課堂的點擊記錄，可以知道每個學生感興趣的課程、在這個課程上所花的時間以及停頓和重看的位置、這門課程的成績等等數據，從而能夠知道學生的興趣和學習過程中遇到的難點，進而進行個性化的課程推薦。清紅先生曾經利用累積的學生答題數據，給每個學生建立了一顆屬於自己的知識樹，以此為基礎，藉助現代化的信息手段，給學生設計個性化的家庭作業甚至教育方案，也應該不是一件難事！

03 從靜態化向動態化轉變

在缺乏實時數據採集能力的情況下，我們所有的分析都只能基於一段時間後數據的彙集，所以即便能夠獲得「定量化的結果」，也會有相當的延時。在很多時候，動態實時的分析以及相應的及時反饋，會大幅度提高教學和教育管理的效果。我曾經為電子科大及其他幾所高校做過一個簡單的產品，叫做「失聯告警」，思想很簡單，就是如果一個大學生平時刷校園一卡通的行為很頻繁，但是正常上課的時間裡連續三天都沒有刷卡數據，就向輔導員報警，讓輔導員關注一下這個學生是否出現了異常。這麼簡單的一個產品，卻實實在在發現甚至拯救了一些沉迷於網路遊戲，或者因為矛盾紛爭突然離校離家的學生。試想一下，如果這不是一個動態的分析過程，而是每個期末分析學生的刷卡行為，找出異常，那麼所有的結果都只有研究的意義，而沒有什麼教育管理的價值了。清紅先生設計的翻轉課堂，也有類似的理念。因為老師在課堂上，例如信息化手段，就能知道一道題目有多少人選擇正確（難不難）以及錯誤主要集中在哪幾個選項上（典型錯誤是什麼）。老師立刻就能有針對性地進行講解，並且更多讓出現典型錯誤的學生講述自己解題的思路。如果等到考完試，分析試卷，過了幾天以後再來講，效果就大大遜色了。

04 從後置化向前置化轉變

當學生在學習生活過程中出現異常之後，我們往往只能進行事後的補救。現在大數據的採集和分析能力，使得我們可以進行提前的預測預警，從而在問題發生之前就進行預防。舉個例子，我們能夠通過分析學生進出圖書館、進出寢室、教學樓打水、圖書館借閱、教學系統選課等等數據，從努力程度和學習生活習慣這兩個主要維度對學生進行分析，發現學生學習生活中的異常行為，甚至對學生是否會出現考試不及格以及大學畢業後的去向（就業、讀研、出國深造……）進行預測，從而提前干預和防止可能出現的負面問題。對於學生的心理和思想問題，也可以採用類似的方法進行預測性管理。

這是周濤教授在給羅清紅先生新書寫的序中所提到的，全文可查看：周濤：教育大數據革命

如題主想詳細了解教育大數據以及實際應用，可關注我們的微信公眾號，歡迎隨時交流探討。

列出五種可能性：

一輩子上大學

過去，我們18歲上大學，22歲畢業，然後就用在這期間學到的知識來支撐後面40多年的工作。我們很可能終生只從事一種職業，甚至在同一家公司工作。今天，我們不僅壽命更長，而且平均每四年換一次工作。未來的大學教育將需要被分解成小塊，在我們生命中的不同階段分段完成，就像我們利用視頻學習做菜，或在可汗學院複習高中數學一樣。大學將不再僅有固定學制和學位課程，而是越來越多地提供短期的教育，讓我們在需要的時候隨時獲取。

大學入學時間推遲

18歲的時候，大多數學生還沒作好上大學的準備。然而在大多數國家，他們沒有別的地方可去，於是校園變成了便利倉庫。但隨著高等教育的價格持續上漲，將會出現更多替代大學的途徑，可能是工作或者社會服務，讓學生獲得寶貴的經驗、資金，甚至一些大學學分。

學生的分層

隨著高等教育可以終生獲取，大學將會服務於更廣闊的學生，他們來到校園的原因千差萬別。今天，大多數院校試圖以同樣的方式滿足所有的學生，提供的不夠個性化的學習體驗。未來，一所大學如果想要生存下去，就必須為一兩個層次的學生提供專門化的服務，以迎合他們的動機。

個性化教育

即根據學生的個性化需求調整內容，而不是僅僅面對班上的中等生準備課程內容。個性化學習仍然是高等教育的一大希望，因為它的創新可能減少獲取學位的時間，從而在一定程度上真正改變成本曲線的走向。

混合學習

雖然網路教育不會讓校園在不久的將來完全消失，但它在傳統的學校中將發揮越來越大的作用，給予學生更多的選擇，讓他們選修自己學校之外的課程，加快完成學位的速度，或者作為面對面課程的補充

ACTK12 亞洲國際市場總監 David Yi 首先談了他對大數據的理解。David Yi 幽默地稱，大數據簡單說就是很 " 大 " 的數據。目前大數據在全世界各個領域，比如醫學、航天、金融已經廣泛、較深度的應用，如今全球兩天內產生、使用到的大數據比人類過去十年得到的所有數據綜合起來還要多幾倍。不過，相較於其他行業，全球教育行業在大數據的應用方面整體速度偏慢。http://suo.im/4rZZpP

ACT 在利用大數據對學生測評方面在努力做三件事情：第一件事是通過學生學習數據的處理讓教育定製化，個性化。第二件事，ACT 在嘗試不是通過一次特定的測試，而是在學生日常不知情的學習狀態下進行多次相應知識獲取程度測試。第三件事，ACT 試圖做教育大數據整合及篩選。