來，看看我國教育大數據都有哪些研究熱點和研究成果？

數據來源與研究方法

本文以我國最大的知識資源平台——中國知網（CNKI）資料庫作為檢索源，檢索時間為2017年1月18日。以「篇名」或「關鍵詞」為「大數據」&「教育」、「大數據」&「教學」、「大數據」&「學習」進行高級檢索，共檢索出1,595篇相關文獻，最終使用的有效文獻共1,408篇。

本文採用關鍵詞共現分析方法對收集文獻的關鍵詞進行共詞挖掘分析，通過統計一組詞在同一組文獻中出現的次數，測度關鍵詞頻次的高低分布及兩兩之間的親疏關係，來研究教育大數據領域的研究熱點和演進趨勢。

我國教育大數據熱點分析

一、教育大數據理論基礎研究

大數據對教育領域的改變和重塑要基於對教育大數據基礎理論的研究，該研究熱點的關鍵詞主要有大數據、大數據時代、大學生、高等教育、思想政治教育等。關注的焦點集中於兩個方面：一是教育大數據的概念、內涵、特徵以及作用；二是討論大數據在高等教育、職業教育以及思想政治教育等領域的應用。

廣義的教育大數據概念泛指一切日常教學活動過程中直接產生的各種行為數據，而狹義的教育大數據是指學生的各種點滴的學習行為數據，主要來源於在線學習平台和教育管理系統等（徐鵬, 等, 2013）。

楊現民等（2016）從數據採集的角度出發認為教育大數據是根據教育需要進行採集、從整個教育活動中產生的具有巨大潛在價值的數據集合，教育大數據的採集具有高度的複雜性、連貫性和全面性。

孫洪濤等（2016）從數據和技術兩個層面將教育大數據定義為：服務於教育主體與過程，具有強周期性和高教育價值的複雜性數據集合。

與傳統教育數據相比，教育大數據具有更強的多樣性、海量性、實時性和價值性，大數據對學生學習過程的重塑主要是基於三個特徵：反饋、個性化和概率預測（維克托, 等, 2013,p.34）。

美國高等教育改革的最新利器就是對大數據的利用。我國高等教育也正逐漸藉助大數據技術構建各省市高校參與的大數據合作聯盟，藉助國家、高校、企業三方力量，帶動所有教學資源的整合與利用，全面促進高等教育質量的提高，推進我國高等人才的培養（趙伶俐, 2013）。

但是，大數據技術在與高等教育的融合中仍存在利用效率低、數據不全面、技術不成熟等諸多問題，還需要在思維、推廣、環境、政策等方面構建相關機構的協同機制，以儘快推進基於數據驅動教學的科學化決策與信息化管理（甘容輝, 等, 2015）。

大數據在思想政治教育領域的應用主要是分析大數據對思想政治教育帶來的機遇與倫理挑戰、大數據思想政治教育平台應用，以及如何利用大數據增強思想政治教育的時效性等方面，但是研究範式、研究手段與方法還有待於實現革命性突破，尚需要加強實證分析的支撐（王莎,等,2015）。

二、教育大數據技術

大數據對教育變革的推動基於各種新技術的誕生和發展，該研究熱點包括信息技術、數據挖掘、數據分析、物聯網等關鍵詞，主要探討教育大數據的核心技術在教育領域的應用。

大數據與機器學習的整合形成了新型數據分析技術，在完成海量學習數據的統計分析基礎上，實現智能化的發現和預測，展示了智能化大數據技術背景下的未來教育模式。

教育數據挖掘是運用統計學與數據挖掘技術，對教育大數據進行整理和分析，藉助建模方法，挖掘學習者學習行為和學習效果之間的關係，並預測學生未來的學習情況。

教育數據挖掘主要的研究目標有：預測學習者學習趨勢、改進教師教學內容、分析教學支持的有效性、促進學習的有效性。

我國教育數據挖掘的研究和國外相比還有一定的差距，主要體現在發表文章的期刊多屬於教育類且偏理論性，技術類的實證研究較少；研究面主要集中於系統構建和個性化學習兩個領域（周慶,等,2015），今後還需要加強研究的深度和廣度。

基於海量數據的雲計算技術在教育領域的應用研究主要集中於雲計算基礎理論研究和教育雲平台的構建，尤其是基於雲計算的教育資源共享平台的建立，能夠有效解決我國城鄉教育資源分布不均的問題，擴大優質教學資源的覆蓋面，加速教育資源共享，促進教育公平和遠程教育的發展（陳晶, 等, 2015）。

物聯網技術不僅僅是一個感測系統，基於數據驅動的物聯網技術被廣泛應用於信息化教學、智慧校園建設、教學資源管理等教育領域，使精細化教育成為可能，其與當代教學理念的整合，將重建創新性的教育模式，促進我國智慧教育的發展與變革。

三、學習行為分析

大數據在教育領域的應用，不但改變了傳統的教學方式，也對學習者的學習行為產生了深遠的影響。該研究熱點的關鍵詞有學習行為、學習分析技術和學習模式等，主要研究大數據對學習行為產生的學習效果和反饋。

學習分析是大數據在教育領域的最直接的應用，是通過對廣義交易大數據進行解釋和分析，用已知模型和方法評估學生的學習進程，並對未來的學習績效進行預測並發現潛在的問題（Johnson, Adams, &Cummins, 2012）。

教育大數據與學習分析技術在我的理論研究較為豐富，但應用領域仍需要進一步深化和拓展。海量的學習信息大數據中蘊含著學生的隱性學習特徵，通過挖掘這些數據中有價值的信息，可以發現學生各種學習行為的內在邏輯，從而作出最正確的教學決策。

傳統的衡量學習行為的主要指標為考試和作業，這種教育反饋系統無法全面地評價學生的學習情況，大數據將重塑教育評價系統，將傳統的單一的經驗式評價轉變為基於教育大數據的過程式評價（喻長志, 2013）。

大數據技術被全面地應用於教育領域，意味著更多的學習過程信息被捕捉和分析，促進教師及時掌握學生的學習動態並加強與學生的全方位互動與了解，促進更科學的學習行為評價。了解不同學習者的學習行為特徵有助於教師做出科學的教學決策，有助於為學生提供更為有效的教育服務。

斯坦福大學機器學習專家吳恩達教授實時追蹤學生與視頻講座的互動行為：如果學生在播放過程中點擊了暫停、快進或關閉按鈕——這種學習行為揭示了學生對課程的理解程度，通過對數據的追蹤和解析，可以探求學生的學習狀態，幫助教師及時調整授課內容，從而確定最有效的課程元素和教學方式，提高教學的針對性和科學性（Chafkin, 2013）。

四、學習方式探索

學習方式的變革是教育進步的內在要求，隨著人工智慧、大數據以及信息技術的快速發展，打破了陳舊的教育觀念的束縛，同時也改變了傳統的學習方式。

該研究熱點的關鍵詞有高效學習、深度學習和自適應學習等，主要分析大數據時代下的新型學習方式。

美國斯坦福大學教育學專家琳達·達林經過10年的實踐研究，在2008年提出了高效學習和理解性教學的理念，指出高效學習主要包括基於「項目導向的學習、問題解決的學習、課程設計的學習」的三種探究性的教學方式（馮銳, 等,2009）。

高效學習的實施需要現代信息技術的輔助，包括可操作的課程評價系統和教師對學習進程的實時監控，大數據的參與讓教師能更有效地組織探究性的教學，用高效的教學決策支持學生的學習。

深度學習與淺層學習相對應，強調對特定學習情境進行持續性的理解和深層次的研究，使學生跨越表層知識，將知識順利地遷移和運用到新情境中，並對新的學習進程做出精準判斷（閻乃勝,2013）。

王樹濤等（2015）通過實證分析發現：深度學習方式在課堂內外的學習經驗和教育效果各指標間存在顯著的中介效應，使用深度學習方式的學生教育收穫指標高於採用淺層學習模式的學生。深度學習是一種基於實踐以及問題解決的學習方式，推進以深度學習為精髓的教學模式改革，需要構建以「學生為中心」「問題解決為導向」的教學模式，加強學生對所學知識的批判性態度，真正做到「學以致用」。

2016年，培生集團在《解碼自適應學習》的研究報告中給出「自適應學習是一種教育技術，它可以實時地響應學生的互動，自主地為學生提供適合每個人的支持和幫助」的定義。

教育大數據完善了自適應學習系統的架構，實現了基於數據驅動的挖掘機理和學習分析，讓以往無法實現的精準預測和分析成為可能，教育大數據技術能夠深入探尋學生學習情境，基於海量數據發現學習規律，對每一個學生的學習行為和需求進行預測並為其推薦個性化的自適應學習（方海光,等,2016；姜強,等, 2015）。

五、教育資源管理

大數據技術促進了優質教育資源的開發與共享。教育信息資源管理的理念越來越受到重視，各大高校正全力打造基於互聯網技術和大數據思維的數字化教學資源平台。該主題以數據平台、網路資源、教育信息資源為核心關鍵詞，研究了我國教育信息化進程中教育資源的開發與利用問題。

傳統的教育資源管理存在共享程度差、低水平重複建設、管理水平低等問題，而大數據技術可以對海量的信息進行存儲、分析、計算和傳遞，通過互聯網將線上和線下的教學資源進行優化整合，數據資源潛在的價值在開放式的流動中被不斷激發，促進了高校之間優質教學資源的共享和利用。

我國一直非常重視教學資源庫的建設工作，早在2010年，在《國家中長期教育改革和發展規劃綱要》中就明確提出要「建設覆蓋各級各類教育的教學資源庫和公共服務平台」。隨著對教學資源庫建設認識的逐步加深，在2015年，教育部提出要建設「能學、輔教」的教學系統，並督促實現對資源庫的有效監控和應用推廣（魏順平,等,2016）。

雖然基於大數據技術的教育資源管理系統具有很強的共享性和開放性，但仍然存在系統安全、隱私保護和應用率低下等問題，還需要結合政校行企等多方力量進行聯合開發，促進教育信息資源的高效利用和長久發展。

另外，教育資源管理的研究方向也應從高度關注系統建設向教學應用效果研究轉移，開始關注教學資源的實踐應用和評價體系，全面、客觀地考察基於大數據技術的教育資源管理系統的有效性。

六、個性化教學改革

傳統教育系統主要依靠教師的教學經驗對學習者的學習行為進行判斷並制定教學決策。21世紀以來，教學改革逐漸倡導針對學生的特定學習需求、個體學習差異實施個性化教學，根據學生學習行為大數據進行教學策略的動態調整，一個徹底打破傳統教育理念、學習框架、教學方法的個性化教育時代已經來臨。

該研究熱點以個性化教學/學習、教育變革、傳統教育為核心關鍵詞，重點分析基於大數據技術的個性化學習模式給教育帶來的巨大變革和挑戰。

美國新媒體聯盟發布的《2016地平線報告（高等教育版）》指出：在2016-2020 年間，個性化教育仍然是最艱難的挑戰，技術的發展還不能完全滿足個性化學習的要求，個性化教學對教育領域的作用尚未顯現出來，目前的研究與應用主要局限於進行技術上的嘗試，並沒有在教育改革的整體框架下進行規模化推廣（金慧, 等,2016）。

個性化教育必須建立在大數據技術支持的基礎之上，大數據技術將引導教育回歸因材施教的本質，這是對傳統的同質化教育的巨大挑戰，體現以學生為主導的教學方式，學習不再按照同質的教學資源，以同樣的步調進行，而變成數千種不同的教學組合。

大數據分析將指引教師選出最有效的教育方案，推進「一個尺寸適合一個人」的個性化教學的實現。個性化教學系統主要包含最適宜的教學模式和學習環境、實施深度學習、信息化學習系統的構建等（吳剛,2015）。只有通過個性化教學，教師輔助學習者獲得最適合的學習路徑，才能真正實現教育公平。

七、教育政策研究

教育大數據的理念被逐漸應用於對教育政策決策的研究與實踐當中。2012年，美國教育部發布了《通過教育數據挖掘和學習分析促進教與學》的報告，提出了教育大數據應用將面臨的挑戰，並期待可以將K-12教育體系的數據全部打通，實現大數據對教育領域的徹底變革（陸璟,2013）。

我國正在全力推進教育管理的信息化建設，通過「兩級建設、五級應用」來解決教育大數據的準確性、及時性、規範性和科學性的問題。大數據技術對於科學化的教育政策的制定具有顯著的優勢：有助於通過對教學活動和教學效果清晰的分析，描述出政策對象的微觀表現，從而判斷教育政策的有效性；教育大數據更容易進行實時且有效的雙向傳遞，更容易進行教育政策的及時反饋和修正。

大數據在教育領域的應用是我國「十三五」期間國家大數據戰略的重要組成部分，但大數據與教育的結合仍處於起步階段，還存在數據安全、隱私保護、運營監督等諸多問題，需要相關機構迅速制定有效的《教育大數據發展指導意見》，進行引導與監督，促進教育大數據在我國健康穩定的發展（楊現民,等,2016）。

產權及免責聲明：本文系轉載編輯文章，對文中觀點保持中立，對所包含內容的準確性、可靠性或者完整性不提供任何明示或暗示的保證，不對文章觀點負責，僅作分享之用。如果分享內容侵犯您的版權或者非授權發布，請及時與我們聯繫進行審核處理。本文節選自：《中國遠程教育》作者：裴瑩、付世秋、吳鋒，有刪改。