CNET科技資訊網(wǎng) 1月20日 北京消息（文/周雅）：過去幾十年中，大數(shù)據(jù)改變了一個又一個領(lǐng)域。在氣象科學(xué)領(lǐng)域，借助大數(shù)據(jù)，人們已經(jīng)建立了更好的氣象模型，提前預(yù)報天氣；在高能物理領(lǐng)域，通過分析每秒4000萬次質(zhì)子碰撞的數(shù)據(jù)，人類可以尋找曾經(jīng)難以捉摸的希格斯玻色子的證據(jù)；在生命科學(xué)領(lǐng)域，通過大數(shù)據(jù)，研究人員得以在超過30億核苷酸的人類基因組中，探究其中至少一個版本的全序列，從而展開個性化基因研究；電商領(lǐng)域更是離不開大數(shù)據(jù)......我們知道，大數(shù)據(jù)的應(yīng)用有很多，現(xiàn)在在教育行業(yè)，大數(shù)據(jù)應(yīng)用也越來越多。

“正如越來越多的學(xué)生開始使用教育軟件和在線學(xué)習(xí)平臺，這些平臺獲取每一個學(xué)科、每一個學(xué)生的學(xué)習(xí)數(shù)據(jù)也變得越來越容易。”2017年1月10日，在論答公司（Learnta Inc.）于北京主辦的教育大數(shù)據(jù)研討會上，美國賓夕法尼亞大學(xué)（University of Pennsylvania）教育學(xué)院終身教授Ryan Baker指出。從Baker的分享中我們得知，教育數(shù)據(jù)挖掘至關(guān)重要，這些數(shù)據(jù)為教育平臺提供模型，這些模型讓學(xué)習(xí)系統(tǒng)從千人一面變成千人千面，從而改善目前的教育環(huán)境。具體情況，我們聽聽這個教授怎么說。

人類基因組測序

在美國，大量的學(xué)生每天都在使用Cognitive Tutor、ASSISTments、Reasoning Mind這樣的在線學(xué)習(xí)系統(tǒng)。比如，學(xué)生可以通過故事線索學(xué)數(shù)學(xué)，也可以在工作任務(wù)的情境中做語文題，甚至，孩子們一邊“打僵尸”一邊玩“數(shù)字游戲”：每個孩子都有很多武器，每件武器上都有自己的數(shù)字，如果要擊敗僵尸，武器上的數(shù)字必須整除僵尸胸口上的數(shù)字。

網(wǎng)絡(luò)教學(xué)（左下角：僵尸動作游戲Zombie Division）

Baker認為，這些個性化教育平臺至少要做到三件事：1、確定學(xué)生的有關(guān)數(shù)據(jù)；2、了解對于學(xué)生的學(xué)習(xí)來說什么是真正重要的；3、有針對性地為學(xué)生提供合適的教學(xué)。

所有這些在線學(xué)習(xí)系統(tǒng)都會產(chǎn)生大量的數(shù)據(jù)流。當一個學(xué)生使用一個在線學(xué)習(xí)平臺時，他每小時會產(chǎn)生數(shù)以百計的行為，多個學(xué)生就產(chǎn)生了教育大數(shù)據(jù)，比如在做出錯誤回答前可能會暫停和思考、尋求幫助、快速更改設(shè)置、從僵尸身邊跑開等，這些數(shù)據(jù)可以用于教育數(shù)據(jù)挖掘與分析。

這些教育數(shù)據(jù)挖掘有很多應(yīng)用的方向，比如可以預(yù)測學(xué)生是否會輟學(xué)還是會成功完成學(xué)業(yè)；或者能自動檢測學(xué)生的學(xué)習(xí)投入程度、情感、學(xué)習(xí)策略等，目的就是為了更好地實現(xiàn)個性化教學(xué)；甚至可以給老師、家長提供學(xué)習(xí)分析報告，進行教育科學(xué)的基礎(chǔ)研究。

現(xiàn)在，通過教育數(shù)據(jù)挖掘，很多研究團隊已經(jīng)開發(fā)出了研究模型，這些模型可以推斷很多事情：

1、學(xué)生的元認知（meta-cognition，即學(xué)生對自己認知的認識）和求助行為。比如，這個學(xué)生有多自信？當他需要幫助時，有沒有在尋求幫助？他有沒有在給自己解釋問題，有沒有思考這個答案是正確的還是錯誤的？最重要的，當他面臨挑戰(zhàn)時，能否堅持下去？

2、有沒有投入學(xué)習(xí)、還是開始分心了。Baker舉了一個很有意思的親身經(jīng)歷，看到有學(xué)生為了找正確答案而瞎蒙，在填空題里面填了“1”，發(fā)現(xiàn)不對，又改為填“2”，一直試到“38”這個數(shù)字，才找到正確答案。另外，有一些孩子會有非常難以解釋的行為，比如做數(shù)學(xué)題時不用方程的符號而是畫了一個笑臉。

3、學(xué)生情感。Baker 的研究團隊和其他研究團隊，已經(jīng)創(chuàng)造了研究模型，可以根據(jù)數(shù)據(jù)推斷，學(xué)生是否感到厭倦、沮喪、困惑、好奇、興奮、快樂，是否投入，等等。

4、長期的學(xué)習(xí)結(jié)果。比如，學(xué)生能夠記住剛才他學(xué)的東西嗎？學(xué)生也沒有準備好學(xué)習(xí)下一個主題、下一個知識？這個中學(xué)生能上大學(xué)嗎？他會從大學(xué)畢業(yè)還是輟學(xué)？

學(xué)生的成績與結(jié)果數(shù)據(jù)表

并且，這些模型已經(jīng)被大規(guī)模地應(yīng)用于自適應(yīng)學(xué)習(xí)系統(tǒng)，為成千上萬的的學(xué)生所使用。

Baker列舉了全球七個大規(guī)模應(yīng)用教育大數(shù)據(jù)分析模型的自適應(yīng)學(xué)習(xí)系統(tǒng)，包括：

1、Knewton，系統(tǒng)自動決定下一步該給學(xué)生推送什么樣的學(xué)習(xí)問題，已經(jīng)在全球范圍實際應(yīng)用于多個學(xué)科。

2、ALEKS，基于先行知識結(jié)構(gòu)和知識點模型，為學(xué)生推薦學(xué)習(xí)內(nèi)容，已經(jīng)應(yīng)用于美國高中與大學(xué)的數(shù)學(xué)和科學(xué)學(xué)科。

3、Cognitive Tutor，自動檢測學(xué)生的知識掌握情況，把握教學(xué)進度，直到學(xué)生最終掌握知識；同時，自動檢測學(xué)生的學(xué)習(xí)專注程度，為學(xué)校做出相關(guān)分析報告。已經(jīng)應(yīng)用于美國的初中和高中數(shù)學(xué)學(xué)科。

4、Learnta（論答自適應(yīng)學(xué)習(xí)系統(tǒng)），基于先行知識結(jié)構(gòu)和知識點模型，為學(xué)生推薦學(xué)習(xí)內(nèi)容；同時，自動檢測學(xué)生的知識掌握情況，把握教學(xué)進度，直至最終掌握每一個知識點。根據(jù)中國學(xué)生的學(xué)習(xí)需求而本土化開發(fā)，目前涵蓋數(shù)學(xué)和英語學(xué)科。

5、Reasoning Mind，自動檢測學(xué)生的學(xué)習(xí)專注度，為每個地區(qū)的教學(xué)管理員提供教師教學(xué)效果的報告，已經(jīng)應(yīng)用于美國的小學(xué)數(shù)學(xué)教育。

6、Duolingo（多鄰國），自動檢測學(xué)生的記憶，建議學(xué)生應(yīng)當在什么時候復(fù)習(xí)之前學(xué)過的知識，已經(jīng)在世界范圍內(nèi)應(yīng)用于外語詞匯的學(xué)習(xí)。

7、Civitas, Course Signals, Zogotech, 這些系統(tǒng)提供各種風險預(yù)測模型，給老師和學(xué)習(xí)顧問提供可具體實施和操作的學(xué)生信息，已經(jīng)在世界范圍內(nèi)的大學(xué)開始應(yīng)用。

印度老師用手里的移動端采集學(xué)生的學(xué)習(xí)投入程度數(shù)據(jù)

Baker說，有足夠的實證研究證據(jù)證明，這七個學(xué)習(xí)系統(tǒng)中至少有以下兩個系統(tǒng)對于學(xué)生的學(xué)習(xí)是有顯著效果的：

其中一個是由胡祥恩教授在美國領(lǐng)導(dǎo)開展的多項實證研究項目，證明了ALEKS系統(tǒng)能夠有效提高各個不同族裔的美國學(xué)生的數(shù)學(xué)學(xué)習(xí)成績。

ALEKS系統(tǒng)

第二個是論答（Learnta）的自適應(yīng)學(xué)習(xí)系統(tǒng)。Ryan Baker的研究團隊和論答公司合作，基于中國三個不同地區(qū)開展了三個實證研究項目，研究結(jié)果表明，學(xué)生通過論答自適應(yīng)學(xué)習(xí)系統(tǒng)學(xué)習(xí)，比通過一個傳統(tǒng)的在線學(xué)習(xí)系統(tǒng)學(xué)習(xí)效果更好。

論答自適應(yīng)學(xué)習(xí)系統(tǒng)

從長遠角度，Baker分析了這些教育大數(shù)據(jù)算法模型的潛在發(fā)展方向：

首先，通過學(xué)生知識和學(xué)習(xí)模型，來確定學(xué)生在什么時候需要更多支持，在學(xué)生掌握上一個知識之前，不會推薦該學(xué)生去學(xué)習(xí)下一個知識；而當學(xué)生需要支持的時候，系統(tǒng)會自動介入，并同時告訴該學(xué)生的老師和父母。

其次，通過學(xué)習(xí)投入程度模型，來檢測學(xué)生什么時候開始變得厭倦或者沮喪，并相應(yīng)地調(diào)整學(xué)習(xí)任務(wù)，比如為那些厭倦的學(xué)生選擇一些更有趣的學(xué)習(xí)活動，為沮喪的學(xué)生選擇相對容易一些的學(xué)習(xí)任務(wù)。學(xué)習(xí)投入程度模型也可以用來確定為了讓學(xué)生更投入學(xué)習(xí)，需要什么樣的學(xué)習(xí)活動，最終甚至可以確定需要在什么時候提供、給什么樣的學(xué)生提供這些學(xué)習(xí)活動。

另外，還能告訴老師和父母，學(xué)生在什么時候開始在學(xué)習(xí)上變得分心。

最后，當一名學(xué)生沒有真正學(xué)會時，學(xué)習(xí)模型就可以檢測出來，并相應(yīng)提供更多的練習(xí)，用不同的方法為學(xué)生提供解析，或者鼓勵學(xué)生自己去闡釋問題。

Baker最后總結(jié)道，這些不同的模型和方法現(xiàn)在都有很多應(yīng)用的案例。教育人工智能（Artificial Intelligence in Education）、智能輔導(dǎo)系統(tǒng)（Intelligent Tutoring System）、教育數(shù)據(jù)挖掘（Educational Data Mining）、學(xué)習(xí)數(shù)據(jù)分析（Learning Analytics）等研究領(lǐng)域已經(jīng)有大量有關(guān)這些模型和方法的研究文獻。下一步的目標應(yīng)當是在系統(tǒng)中不斷優(yōu)化現(xiàn)在已經(jīng)成功應(yīng)用的模型和方法，最大限度地造福于中國和全世界數(shù)十億的學(xué)生。

據(jù)悉，Baker是美國賓夕法尼亞大學(xué)（University of Pennsylvania）教育學(xué)院終身教授、學(xué)習(xí)數(shù)據(jù)分析研究中心（Penn Center for Learning Analytics）主任，國際教育數(shù)據(jù)挖掘協(xié)會（International Educational Data Mining Society）的創(chuàng)始人、《教育數(shù)據(jù)挖掘》雜志（Journal of Educational Data Mining）的主編。Baker教授在各類期刊和會議發(fā)表了260余篇學(xué)術(shù)論文，先后主持了美國科學(xué)基金會（National Science Foundation），蓋茨基金會（Gates Foundation）等研究基金的多項項目，累計獲得研究經(jīng)費超過1600萬美元。Baker的研究實驗室同時與亞洲，南美洲，以及歐洲的大學(xué)和研究機構(gòu)開展合作項目。Baker本人也在哥倫比亞大學(xué)教育學(xué)院（Teachers College, Columbia University）和愛丁堡大學(xué)同時擔任教職，并在Coursera 和 edX 慕課平臺上開設(shè)了“Big Data in Education”《教育大數(shù)據(jù)》課程，注冊學(xué)生來自100多個國家和地區(qū)。

本次活動的合辦方包括賓夕法尼亞大學(xué)學(xué)習(xí)分析學(xué)研究中心（Penn Center for Learning Analytics）、中國人民大學(xué)統(tǒng)計與大數(shù)據(jù)研究院、華中師范大學(xué)心理學(xué)院、Knewton公司、芥末堆。