大数据下数字化学习环境的变革与趋势

庞敬文　赵琳

摘要：学习环境的构建是实现学与教方式变革的基础。近年来，随着大数据时代的来临，数字化学习环境也面临着巨大的变革与挑战。本文从美国发布的“大数据研究与开发计划”与《提升教与学：教育数据挖掘和学习分析》入手，并结合教育部科学技术研究重点项目成果《教育数据挖掘：方法与应用》，从学习分析的视角出发，探讨大数据对数字化学习环境带来的冲击与影响。笔者试图从个性化学习、协作学习环境建设、优化数字化学习过程及教学评估等几个维度展开具体论述。

关键词：大数据；数字化学习环境；变革与趋势

中图分类号：G434 文献标识码：A 论文编号：1674-2117（2015）20-0086-05

前言

近年来，随着新技术的不断开发与互联网技术的飞速发展，人们正在进入大数据时代。联合国在2012年发布的大数据白皮书Big Data for Development：Challenges & Opportunities中指出，大数据时代已经到来，大数据的出现将会对社会各个领域产生深刻影响。[1]世界各国都高度重视大数据带来的机遇与挑战，因此投入了大量的人力、物力来支持大数据的相关研究。美国在2012年3月29日正式启动“大数据研究与开发计划”（Big Data Research and Development Initiative），提出“通过搜集、处理庞大而复杂的数据信息，从中获得知识和洞见，提升能力，加快科学、工程领域的创新步伐，强化美国国家安全，转变教育和学习模式”，正式将“大数据”提高到国家战略层面。[2]

在教育领域，许多世界知名高校也启动了教育大数据的相关研究计划。为了更好地促进大数据为教育领域服务，美国教育部于2012年10月发布了《提升教与学：教育数据挖掘和学习分析报告》（Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics），旨在通过提升教育数据挖掘技术和学习分析技术，改变教与学的方式，实现教与学的提升与发展。

我国学者也逐渐意识到教育大数据对教育领域的重要作用，2012年岁末，教育科学出版社出版《教育数据挖掘：方法与应用》一书。它在大数据时代的背景下，指出致力于从大量数据中提取或“挖掘”知识的数据挖掘将有助于发挥教育数据的价值，数据以及数据挖掘可以作为审慎决策的依据。[3]随着移动终端等先进的网络设备逐渐进驻课堂，传统的学习环境已经演变成数字化学习环境，学生在借助数字化学习环境中的网络设备进行学习时，大量的学习行为被记录下来，形成了规模宏大的教育大数据。分析这些大数据，能有效促进学生在数字化学习环境下的学习。

基本概念

1.大数据

自2009年以来，IDC、Gartner、麦肯锡、普华永道和埃森哲等咨询公司，《纽约时报》《福布斯》《财富周刊》《斯隆管理评论》《技术评论》等商业管理刊物，以及《科学》《自然》等科学杂志，都连篇累牍地介绍了大数据。其中，麦肯锡认为，“大数据”将成为下一个创新前沿。[4]

麦肯锡全球研究院将“大数据”定义为“无法在一定时间内使用传统数据库软件工具对其内容进行获取、管理和处理的数据集合”。“大数据”可以认为是“分析”的另一种表述，它是寻求从数据中萃取知识，并将其转化为商业优势的智能化活动。在大多数文献中“大数据”被总结为以下三个特征（即三个V）[5]：①容量大（Volume）。2012年，全球数据总量约为2.7～3.5ZB。而每秒钟通过网络传输的数据总量已经超过了20年前互联网的总存储量。②产生速度快（Velocity）。IBM将这一属性定义为数据进出的高速性，也可以将这一特性引申理解为对大数据迅速的处理能力以及决策能力的要求。③多样性（Variety）。大数据所包含的数据种类不仅有常规意义上的关系数据库或数据仓库数据，而且容纳了如图片、流媒体以及社会网络信息等在内的全新数据类型。

此外，大数据的“信息价值大与冗余信息多（Value）”这一属性也被众多学者纳入大数据的第四个特征。

2.学习分析

2012年10月，美国教育部发布的《提升教与学：教育数据挖掘和学习分析报告》将学习分析定义为，对学生学习过程中产生的大量数据进行解释，目的是评估学业进步、预测未来表现、发现潜在问题。数据来自学生的显性行为，如完成作业、参加考试等；还有学生的隐性行为，如在线社交、课外活动、论坛发帖，以及其他一些不直接作为学生教育进步评价的活动。学习分析模型处理和显示的数据帮助教师和学校更好地理解教与学。学习分析的目标是使教师和学校创造适合每位学生需要和能力的教育机会。

学习分析技术对学生、教师、管理人员、研究人员以及技术开发人员均具有重要价值。对学生而言，可以从学习者行为角度了解学习过程的发生机制，并用来优化学习，开展适应性学习、自我导向学习；对教师和管理人员而言，可以用来评估课程和机构，改善现有的学校考核方式，并提供更为深入的教学分析，以便教师在数据分析基础上为学生提供更有针对性的教学干预；对研究人员而言，可以作为研究学生个性化学习的工具和研究网络学习过程和效用的工具；对技术开发人员而言，可以优化学习管理系统。[6]

3.数字化学习环境

数字化教学应用环境的基础是多媒体计算机和网络化环境，最基础的是数字化的信息处理。所谓数字化的学习环境，就是信息化学习环境。这种学习环境，经过数字化信息处理具有信息显示多媒体化、信息传输网络化、信息处理智能化和教学环境虚拟化的特征。为了适应学习者的学习需求，数字化学习环境包括以下五个基本组成部分：①基础设施，如多媒体计算机、多媒体教室网络、校园网络、城域网、因特网等；②教育资源库为学习者提供经数字化处理的多样化、可全球共享的学习材料和学习对象；③平台向学习者展现的学习界面，是实现网上教与学活动的软件系统；④通讯是实现远程协商讨论的保障；⑤学习者进行知识构建、创造实践、解决问题的学习工具。

数字化学习环境中的大数据

数字化学习环境主要是基于网络的各种学习平台、学习工具、资源库，学生在教师的指导下在学习环境中进行个性化学习，他们在学习过程中的各种学习行为被记录在相应的学习系统中，下面围绕系统生成的数据内容和数据类型做具体介绍。

1.学习数据内容分析

学习数据内容主要是记录在电子教材系统、学习资源系统、作业与考试系统和互动交流系统中。其中，电子教材系统主要数据内容是交互式电子内容、知识管理和社会性阅读，记录了学生看过的知识点、对知识点的标记与管理等，生成了海量的学习内容序列节点数据；学习资源系统主要数据内容是课外阅读和课件点播，记录了学生看过的视频、浏览过的课件等，生成了海量的学习资源序列节点数据；作业与考试系统主要数据内容是作业练习和考试测评，记录了学生练习的试题及批阅的结果、答题时间等，生成了海量的练习测评序列节点数据；互动交流系统主要数据内容是互动答疑、学习社区和家校互动，记录了学生参与讨论互动等情况，生成了海量的互动交流序列节点数据。

2.学习数据类型分析

学生学习过程中生成的数据类型多种多样，主要有音频、视频、图片、动画和文本等资源。其中，视音频资源中的学习数据内容主要是教学视音频、微视频和网络视音频，生成的数据名称是结构化和半结构化数据；图片资源中的学习数据内容主要是网页图片和教学图片，生成的数据名称是结构化和半结构化数据；动画资源中的学习数据内容主要是Flash动画和网页动画，生成的数据名称是结构化和半结构化数据；文本资源中的学习数据内容主要是电子教材、课外阅读和教学课件，生成的数据名称是结构化数据。

大数据对数字化学习环境的冲击与影响

1.更支持个性化学习

个性化学习的实现对技术的依赖程度较高，因此在技术发展的不同时期有着不同的含义。学者曹晓明等对个性化学习的发展脉络进行了梳理，认为个性化学习从主张教学系统的智能型到自适应网络教学系统的应用，再到目前基于移动互联网络的支持个性化的学习情境和智能答疑等系统的开发。个性化学习内涵的说法虽然一直在变化，但个性化学习的实质是充分考虑学生的个体差异，为了更好地促进每位学生的全面发展而提出的。武法提教授及一些学者根据个性化学习的内涵及相关文献的分析，通过归纳整理认为个性化学习包括学习内容个性化、学习活动个性化、学习方式个性化和学习评价个性化。

目前，各种移动学习终端的普及为支持学生个性化学习提供了硬件设施的基础支持，学生在利用学习终端学习时，学习系统也记录了学生学习过程的大量学习行为数据，包括学习者学习能力、学习结果等关键信息，根据对这些信息的分析可以全面了解学习者的学习现状，如依据学习者有效登录时间和登录比值来分析学习者的学习意愿，用学习相关比例来分析学生是否利用线上讨论区进行闲聊而非学习的情况等。利用这些结构化、半结构化和非结构化的大数据进行学习分析，可以实现根据学生的个体差异推送个性化的学习资源和学习路径，以及对学习过程与学习结果的个性化监控、指导与反馈等。由此可见，基于大数据的学习分析使真正实现学生的个性化发展成为可能，为进一步支持个性化学习提供了新的途径。

2.促进协作学习环境建设

协作学习（Collaborative Learning）是以小组合作为组织形式，以掌握知识，培养学生合作互助、人际交往的技能为目标，以活动任务为载体，通过互动协作的方式进行学习的一种方式。与传统的学习方式相比，它能更好地发挥学习者的主动性和创造性，有利于学习者对知识的深化理解与运用，有利于培养学生的协作能力、与他人交往的能力等，顺应了时代发展对人才的要求。

协作学习环境包括协作学习的组织环境、空间环境、硬件环境和资源环境，应具备共享信息资源、提供交互工具、提供协作空间和个人学习空间的功能。小组协作学习的学习成果很大程度上依赖小组成员之间的协作互动，传统课堂环境下的协作学习主要是小组成员之间就某一问题或任务进行讨论，交流看法，是低效的小组协作。而随着多媒体、网络技术进入到普通课堂中，以及云技术、基于大数据的学习分析技术、增强现实等技术不断被应用在学习平台等系统的开发中，使目前的课堂学习环境越来越智能化、个性化。在这样的学习环境下，学生的学习场所不再局限于课堂之内，可以利用学习平台进行远程协作学习，也可以利用各种社交软件进行实时和非实时的交流，还可以从云端获取大量学习资源。与此同时，学生的协作学习行为和相关数据会被记录在学习系统和其个人电子档案中，如学生在某一界面的停留时间、登录时间、学生交流对话、学习结果呈现等信息，利用学习分析技术来分析这些大数据，可以了解到学生的协作学习情况，同时，这些反馈信息有利于教师教学系统的开发，有利于管理人员设计更符合学生协作学习需要的数字化学习环境。

虽然目前的研究者都意识到这些数据对学习环境建设的重要性，但是如何将海量的大数据进行分类并从中抽取重要的相关数据进行分析，仍是一大技术难题，正如著名的学习分析研究专家George Siemens在谈到如何分析学习情境时说的那样：“我们还没有恰当的数据搜集方法，数据搜集还是过多地依赖于按键、记录键盘和浏览器数据等，并没有跟踪广泛的学习情境。”[7]

3.优化数字化学习过程

信息技术在课堂中的广泛运用，不仅是为了促进教师的教，更主要的是为了促进学生自主知识意义的建构。李克东教授认为，“数字化学习是信息时代学习的重要方式，是信息技术与课程整合的核心，数字化学习的关键是要把信息技术作为学习的认知工具”。[8]学者张国英等认为，“数字化学习是指在教育领域建立互联网平台，学习者通过网络进行学习的一种全新的、能充分体现学习者主体作用的学习方式，它带给人们的不仅是获取教育资源的便捷，还是有别于传统课堂学习的崭新观念”。[9]关于数字化学习含义的说法可能不尽相同，但对数字化学习实质的认识基本一致，就是利用先进的信息技术更好地促进学生的学习和全面发展。

数字化学习过程是指学生利用先进的现代信息技术学习的过程。在这个过程中，信息技术的运用不仅有利于学生完成知识的获取，而且有利于培养学生的能力、发展学生的思维、提高学生的素质。数字化学习过程主要包含学习者、内容和资源三大要素，而数字化学习过程的优化具体包括学习资源、学习交流和学习过程中信息处理的优化。

在学生利用信息技术进行学习的过程中，学习系统会记录学生的具体学习行为，如学生学习日志、学习路径、学习成果数据、课程数据、学习管理数据等，这些数据构成了学生学习过程中的学习行为大数据，研究人员利用基于大数据的学习分析技术或教育数据挖掘技术对数据进行采集、存储和分析，可以获得学生的知识掌握水平、学习规律以及学习态度等非认知因素，有助于了解学生详细的学习过程。同时，教师借助这些信息可以对学生进行个性化资源推送与辅导，还可以对学生的学习结果有更细致的分析与反馈，使系统开发人员可以创设更符合学生学习特点的学习平台或资源库，让数字化学习更符合学生的学习特点，从而优化数字化学习过程。

4.对数字化学习评价的影响

传统的学习评价是指以学习目标为评价标准，利用课堂观察、问卷、测验等方式获得学生学习状况信息，并根据量化处理结果，对学生的学习状况作出判断。教师利用所获得的判断结果，不断调整教学过程与教学活动，保证教学目标的完成，为改进教学提供依据。可见，传统的教学评价试图通过教师不断改进学习策略来改善学生的学习结果，还停留在教师主导整个教学的认识阶段，而随着信息技术和先进的学习理论的广泛运用，学习评价不只是提供给教师改进教学策略，还应提供给学生个性化、可视化的评价，以促进学生自主知识的建构。

学生利用各种终端、平台进行数字化学习，这些学习系统中记录了学生在学习过程中的所有学习行为数据，这些数据在电子教材系统数据库、数字资源系统数据库、作业与考试系统数据库和互动交流系统中都有相应的记录。通过对学生知识点的掌握情况、学生写作交流情况、作业完成情况以及考试信息等记录的分析，教师可以对学生的学习进行深层次的评价，不仅能了解学生学习的不足，还能在此过程中发现学生学习的潜能，为学生、教师、学习系统开发人员提供有效反馈。

具体对学生学习评价的内容有课程内容学习评价、参与互动交流分析评价、考试与学习作品评价和课外资源学习评价。课程内容的学习评价主要是对学习过的知识点进行评价，评价信息包括学习时长、学习过的知识点、知识点学习次数和学习笔记等内容；参与互动交流分析评价主要是对学生的课堂活动及课外互动进行评价，具体评价信息包括在学习空间中问题发布的数量、答疑的数量，互动交流的主题数量等；考试与学习作品评价是对学生的学习作品和单元测验的评价，对学习作品的评价包括对个人作品和小组作品的评价；课外学习资源评价包括学生在正式和非正式学习的拓展资源中的评价，包括文本的下载量、视频的点击量等。

基于大数据的数字化学习评价，使学习评价走向多元评价和深层次评价，评价不再单纯依赖课堂观察和学习测验，而是根据学生学习过程中的学习行为进行评价，这样能观测到学生学习过程中更多的细节，给教师、学习系统开发人员、学生更详实的反馈信息，有利于更好地促进学生对知识的掌握和能力的发展。

结语

大数据时代的到来，极大地推动了教育信息化的深入发展。随着新技术的不断发展，各种移动终端、基于移动终端的学习平台、学习空间被广泛地应用在学生的学习活动中，学生在借助移动终端进行学习时，学习过程等被记录在各种系统上，这使得他们的大量学习行为数据能够被轻易获得。基于大数据的学习分析技术使得关注学生个性化发展这一诉求有了实现的途径，也使得为学生提供个性化资源、个性化学习评价等个性化服务成为可能。

参考文献：

[1]Big Data for Development：Challenge & Opportunity[OB/OL].[2012-05-01].http：//www.unglobalpulse.org/sites/default/files/Big Data for Development-UNGlobalPulseJune2012.pdf.

[2]Big Data Researchand Development Initiative[DB/OL].[2012-03-29].http：//www.whitehouse.gov/sites/default/files/microsites/ostp/bigdata-press_release_final_2.pdf.

[3]页川.大数据时代背景下挖掘教育数据的价值——教育部科学技术研究重点项目成果《教育数据挖掘：方法与应用》出版[J].中国远程教育，2013（04）：94.

[4]陈明奇，姜禾，张娟，廖方宇.大数据时代的美国信息网络安全新战略分析[J].信息网络安全，2012（08）：32-35.

[5]朱东华，张嶷，汪雪锋，李兵，黄颖，马晶，许幸荣，杨超，朱福进.大数据环境下技术创新管理方法研究[J].科学学与科学技术管理，2013（04）：172-180.

[6]陆璟.大数据及其在教育中的应用[J].上海教育科研，2013（09）：5-8.

[7]魏雪峰，宋灵青.学习分析：更好地理解学生个性化学习过程——访谈学习分析研究专家George Siemens教授[J].中国电化教育，2013（09）：1-4.

[8]李克东.数字化学习（上） ——信息技术与课程整合的核心[J].电化教育研究，2001（08）：46-49.

[9]章国英，张燕，施称.数字化学习环境及学习过程的优化[J].现代教育技术，2009（13）：87-88.