大数据学习分析技术在外语教学中的价值与挑战

钱俊利

摘 要：随着大数据时代的到来，大数据与教育的结合势在必行，学习分析技术成为教育信息化的新浪潮。本研究在梳理大数据，学习分析基本概念的基础上，以句酷批改网为例阐述了学习分析技术在外语教学上的价值和存在的问题，并提出了相关的改进策略，以期提高利用大数据进行学习分析的成效，实现学习分析技术挖掘教育大数据价值潜能的预期目标。

关键词：大数据；学习分析；外语教学

1 引言

2012年联合国在发布的《大数据促发展：挑战与机遇》白皮书中指出：“大数据时代已经到来，大数据的出现将对社会各个领域产生深刻影响。”大数据时代的到来改变了人类工作，生活以及思维，其“威力”也强烈的冲击着整个教育系统，正在成为推动教育系统创新与变革的颠覆性力量。教育大数据领域已有学者探讨了发展教育大数据的内涵，价值和挑战（杨现民、唐斯斯、李冀红，2016 ）、大数据时代学习分析及外语教学研究展望（甘容辉、何高大，2016）以及把大数据应用于韩国大学教育系统（Yeon Hee Kim、Jin-Ho Ahn，2016）等等。本文主要以句酷批改网为例阐述学习分析技术在外语教学上的价值和存在的问题，并提出了相关的改进策略。

2 大數据和学习分析的定义

大数据指无法用传统数据分析工具收集，保存和分析的海量数据。（Manyika，2011）其核心特征常被概括为“4V”，即数据量大（Volume）、输入和处理速度快（Velocity）、数据多样（Variety）和精确性（Veracity）。

学习分析是测量、收集、分析以及报告学生及其学习环境的数据以便理解和优化学习及其发生的环境（Siemens & Gasevi c，2012）。即大范围收集学生的学习数据并加以分析，从而评价学生的学习进度，预测其未来的学习表现，并查找潜在问题。

3 大数据学习分析的价值潜能

3.1 教育大数据驱动教育模式的改革

在传统的外语教学课堂场域，教师始终是有权势的一方，而学生毋庸置疑则是受支配的一方。因此，课堂体现为教师对学生的控制。其具体表现在：第一，教师启动话轮，宣布上课开始；第二，教师确定上课学习内容；第三，教师安排上课程序；第四，教师明确指令，安排课堂活动；第五，教师指定学生发言；第六，教师打断学生话语；第七，教师对学生发言给予反馈；第八，教师提问置学生与困境。这就是典型的以教师为中心的教学模式，即教师主导和控制教学。

进入21世纪以来，微课、慕课、翻转课堂作为新式课程资源及教学模式，体现了教学要素的新式关系。学生可以自主观看微课的教学视频，参加慕课的在线学习，课后也可以自主观看全国各地的视频讲座、听播客、参与网络讨论等等。互联网催生的“翻转课堂式”教学模式，引发教学内容、课程模式、管理模式和教师角色等一系列变革。通过这种方式，学生可以主动接受教学内容和自我创生教学资源。学生在经历和见证知识产生的过程，自己确信知识存在，更好地理解知识，激发学习兴趣。教育大数据驱使学生由被动学习转向主动学习。再如句酷批改网，作为写作测评技术与语言智能技术深度融合的产物，支持泛在移动持续即时测评学生在写作平台留下的数据。其自我量化正好契合了学生从外部认识自我的天然需求，体现了外语学习“去权威化”、“去中心化”的大趋势。（甘容辉、何高大， 2016）

3.2 大数据学习分析驱动个性化学习

传统的教学模式是以教师为中心的。在教师主导一切的情境下，教材的选择，教学内容，教授方式以及评价方式等都由教师决定，学生的个性化学习受到阻碍。

随着教育大数据的挖掘，各种以问题的形式或者主题形式来呈现教学内容的方式出现，这为教育提供丰富的数据信息。各种学习分析工具的出现驱动了学生的个性化学习。使得每个学生根据自己的习惯和立场，选择与问题或主题相关的数据并发现他们之间的关联性，而不是被动地接受教师安排的问题或者教学内容。句酷批改网利用学习分析技术挖掘每个学生个体的非正式学习表现，并数据化、可视化，生成作文体检报告单。不同专业知识水平、不同学能的学生通过与技术的深层交互，满足了学习认同需求和情感需求，释放个性，获得愉悦的学习体验。（甘容辉、何高大， 2016）通过句酷批改网学生可以在新型学习环境下开展个性化阅读，个性化写作和个性化评估，促进深度知识建构。

3.3 大数据学习分析重构教育评价体系

我国长期推行的评价体系存在着诸多问题，如：一、在评价功能上，过分强调甄别与选拔功能，主要用于排名次。比高低，忽视了评价的激励与改进功能；二、在评价内容上，过多倚重学科知识，忽视人的全面考察；三、在评价标准上，过多强调共性和一般趋势，忽视了个体差异和个性化发展的价值；四、评价主体上，评价主体单一，被评价这多处于消极地位，基本没有形成多元素共同参与、交互作用的评价模式；五、评价重心上，过多关注结果的评价，忽略被评者在各个阶段的进步状态和努力程度，没有形成真正意义上的形成性评价。

不同于传统的评价体系，大数据挖掘背景下，对学生的评价不再拘泥于学科最终成绩的评定。如句酷批改网通过分析学生在写作平台留下的数据，支持泛在移动持续即时测评。这脱离了传统终结性测试的窠臼，做出发展性、过程性的学习评价。这有利于学生认识自我知识盲点，从而做到及时补缺补差。 评价的主体也由原来的单一转向多元，学生之间不仅可以匿名互改，还可以通过点赞的方式评选出最佳作文。评价的功能不仅停留在比高低的层面，还激发了学生的参与感，促进深度个性化学习。

4 大数据学习分析面临的挑战及应对策略

4.1 隐私与伦理问题

大数据学习分析存在众多潜在价值，与此同时也引发了很多伦理问题。学习分析的对象是学习者和学习相关数据。在学习分析过程中，分析者有意无意地泄露学习者的个人信息。这些个人信息一旦被不法人员二次利用，将给学习者的生活带来诸多不便。也有些不法机构因为一己之私贩卖学生的个人信息。另外，由于学生学习过程中使用不同的软件工具和在线资源，每个软件供应商都会有不同的数据访问标准，当大量大学托管服务及第三方云服务出现时，保护学生的隐私就成为一个重要的挑战。（魏雪峰、宋灵青，2013）学生个人隐私的泄露将危及其生理，心理以及财产安全等方面。endprint

为了避免个人隐私的泄露，研究者必须遵守透明原则，提高学习者数据的透明度。也就是说，在学习分析的过程中，学习者的哪些数据可以被利用、利用的目的与条件、数据访问权限及学习者个人信息的保护等都要公开详细地予以说明。另外，教育机构也应该承担相应的责任，保护学习者的数据安全，并时常加强学生的数据安全防范意识。学习者个人也应该提高警惕，注意学习系统之外可能存在的风险，避免由于个人因素引起的隐私泄露。

4.2 学习分析的发展受到技术处理的局限

学习分析基于各种数据实现对学习的描绘，典型的评测指标包括登录次数、花费时间、点击率、访问资源类型与数量、个人作品与观点、测试成绩等，但这些终究只能体现出学习者在线学习的局部信息。因此，应用学习分析技术建立的预测模型无法做到完全精准。尽管这些模型具有一定的预见性，但由于数据收集的局限性，难以更准确地预测学生的学业成绩。比如，如果把文豪大家所写的经典著作输入进句酷批改网，生成的最终得分可能并没有想象中的那么高。一些地道的英语表达方式，会因为数据收集的局限性无法正确识别而被定义为错误表达，最终导致总分很低。相反，如果输入的作文恰好符合句酷系统里的数据排列，那么最终的成绩则会很高。这种对学生作文的评价，有时会因为技术处理的局限性不能正确反映其真实水平，所得出的最终成绩也就不那么准确。而且，学习者的线下学习信息无法收集，仅凭在线学习的局部信息来评价一个学生是不充分的。因此，在学习分析技术尚未达到发达技术之前，需要多方面综合考虑，各种因素结合来促进教育发展。不能重此轻彼，而应平衡好科技与传统这杆秤。

此外，当前学习分析多采用定量研究的方法，对于学习过程中的质性数据较少兼顾。对此有学者提出了虚拟民族志的方法对学习网络进行分析，以探索数据背后的行为动因。（Hine，2005）学习分析报告旨在提供学习者学习分析投入与技能掌握程度的测评。但是技术的发展并没有达到完全智能准确可靠的地步，任何技术都会有误差。因此在解读学习报告，或者进行学习分析时，我们应该结合常识和理论，做出综合性判断。

5 结语

大数据学习分析技术对外语教学产生了深远的影响，不仅驱动教育模式的改革还驱动了学生的个性化学习，重构了教育评价体系。当然巨大潜能的背后也引发了一系列问题，如隐私与伦理问题，其发展还受到技术处理的局限，尚未成熟。相关法律制度和道德规范的制定及实施应与大数据学习分析相关安全技术的使用保持同步，互相补充。当前，我国教育大数据的发展面临的应用落地、数据安全、数据治理和数据运营等挑战也给教育大数据的利用带来了诸多问题。为此，正副部门应对教育数据加强监管，以确保教育数据的使用是合法的，是有利于教育创新发展的。

参考文献

[1] Hine， C. Internet Research and the Sociology of Cyber-Social-Scientific Knowledge[J]. Information Society. 2005.

[2] Manyika，J. Big Data： The Next Frontier for Innovation，Competition， and Productivity[J]. Executive Summary， Mickinsey Global Institute. 2011.

[4] Siemens， G. & D. Gasevi c. Special issue on learning and knowledge analytics [J]. Educational Technology & Society. 2012.

[6] Yeon Hee Kim， Jin-Ho Ahn. A Study on the Application of Big Data to the Korean College Education System[J]. Procedia Computer Science. 2016.

[7] 甘容輝，何高大. 大数据时代学习分析与外语教学研究展望[J]. 外语电化教学. 2016.

[8] 魏雪峰，宋灵青. 学习分析：更好的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.

[9] 杨现民、唐斯斯、李翼红，发展教育大数据：内涵、价值和挑战[J]. 现代远程教育研究. 2016.endprint