大数据背景下的教育变革

2018-02-10庄丽琴

中国现代教育装备 2018年8期

庄丽琴

一、大数据的内涵

数据(data)，一般而言是指通过科学实验、检验、统计等方式所获得的，用于科学研究、技术设计、查证、决策等目的的数值。大规模、长期地测量、记录、存储、统计、分析这些数据，所获得的海量数据就是大数据(big data)[1]。一般认为，大数据主要具有以下四方面的典型特征：规模性(Volume)、多样性(Varity)、高速性(Velocity)和价值性(Value)。

二、大数据背景下的教育变革

大数据已经成为互联网信息技术行业的流行词汇，应用大数据将给教育领域带来革命性的变化。

1.大数据推动教学模式的根本性变革

现代教育技术应用于远程教育领域，催生了网络教育。网络教育的广泛开展，同信息技术的诸多特性如不受时空限制、网络资源丰富能够很好地满足网络教育的需求有关。网络教育所依据的建构主义学习理论认为，儿童在与周围环境相互作用的过程中，逐步建构起关于外部世界的知识，从而使自身认知结构得到发展[2]。但是，随着实践的推进，人们发现网络教育存在着严重的局限和问题。传统的建构主义片面地强调学生的个性化建构和自主探究，忽视了教师引导的必要作用。网络教学模式下，师生互动性较差，大部分学习者只能被动地接受知识[3]。例如，大规模开放式网络课程(MOOCs)的开展效果不尽如人意。由于缺乏传统课堂教学模式下教师的有效管束，学习者的自学能力受到很大考验，绝大部分学习者不能完成既定学习目标，MOOC课程的完成率仅有5%左右。方兴未艾的MOOC教学模式，本质上仍然没有摆脱传统教学模式的桎梏，而仅仅是教学手段的创新。在反思MOOC模式弊端的基础上，产生了新的混合式教学模式SPOC。尽管SPOC模式下的教学效果较MOOC模式有明显改善，但仍属于传统教学模式的渐进式的微创新，无法解决当前教育存在的根本问题。

面向现代化的教育应该“以学生为中心，依靠学生，发展学生”，在教育大数据的支持下，传统课堂教学模式的根本性变革逐渐成为可能，翻转课堂等新型教学模式被广泛认可并得到大范围推广。传统教学模式几乎完全依赖教师单方面的讲授，但是，学习者的认知发展在客观上存在着差异，因此无法实现对每位学习者的精准教学。随着大数据在教育领域的应用，可以通过客观数据更精确地勾勒出教师或者学习者的认知特征，研究者利用大数据挖掘技术，对知识脉络进行梳理，进而构建联系各层级知识点的概率模型，从而更精准地推送学习者需要的资源和服务。学习者结合自身特点，选择适应自身发展需求的教学内容，使得基于教育大数据的自适应学习成为可能，真正达到建构主义的理想境界。

2.大数据助力教师专业化发展

教师专业化发展是教育领域的重要研究课题。传统的教师专业化发展路径面临两个问题：一是新老教师间“传帮带”，新手教师的专业化发展往往受限于老教师的专业水平。二是针对新手教师的培训缺少互动，效果不佳，教师进修实效甚微。

开展校本研修是促进教师专业化发展的有效途径。校本研修的重点一般是教材的分析和处理、教学重难点的确定、教学策略的选择、教学计划的制订、教学进度的安排等[4]。教育研究者对于探索高效教学模式表现出强烈意愿，但是受限于样本容量较小，校本研修大都仍然停留在总结经验的层面，其科学性和有效性值得商榷。随着现代教育技术的进步，通过对教育大数据进行深入挖掘，关于高效课堂的经验总结得以被教育统计所证实。首都师范大学王陆教授研究团队组建的教师在线实践社区(简称COP)，基于课堂教学行为大数据，构建起高效课堂的标准化常模，新手教师可以通过与常模的对比、分析，发现自身教学过程中存在的问题和缺陷，从而更有针对性地改换教学策略、改进教学方法。教育大数据能够为教师专业化发展提供社会的、规范的、资源密集型的、持续不断的学习支持服务，引领教师的专业能力发展。

教育教学研究，正在朝着“研修并重”的方向转型。在教研活动中，评课环节应该成为提升教师专业水平的重要契机，但以往的教研活动由于缺少过程性、即时性的大数据的佐证，往往停留在陈旧空泛、主观评价的较低层面，未能发挥出教研活动的重要作用。随着教育测量技术的不断进步，教育大数据呈现出爆发式增长的趋势，教师和学生的行为数据得以被观测、记录并处理，过程性的、发展性的数据成为教研活动的资料来源。大数据使得教育教学研究方式朝着标准化、客观化、可操作的方向不断进步，教育教学研究能够有的放矢，真正落到实处，教育大数据助力教师专业发展的路径越来越明晰。

3.大数据驱动教育评价方式的转变

教育是一个国家人力资源开发的基础，教育的成效直接关系到国家的未来。在当前的教育体制下，高校毕业生普遍存在着较难适应社会生活、人际关系紧张等问题，造成这些问题的根本原因在于教学测量与评价体系的落后。目前教育评价方式存在的一个严重问题，即所谓“客观量化”的教育评价制度并非真正地为了学生的个性化发展而制订。现行的教育测量与评价方式，是将学生的行为表现简单地数量化，进而在有限的维度上给出基于社会或者群体对于学生的“好坏”的绝对判断。这种测量与评价方式，没有摆脱旧有的评价模式中“区分学生”的弊端，实际上体现了量化对于学生的“偏见”[5]。评价标准越来越细化、可操作性越来越强，各方对于教育测量与评价的质疑声却越来越强烈。尽管各方已经普遍认识到培养创新型人才的必要性和紧迫性，但如果仅仅是变革课堂教学模式，而没有随之对教育评价体系进一步变革，那么教育改革终究还会回到原点。现代教育评价体系逐步体现出多元化发展趋势，评价更加重视“个别差异”的存在。

美国哈佛大学教育研究院的心理发展学家霍华德·加德纳(Howard Gardner)在1983年提出的“多元智能理论”[6]认为，传统学校教育只强调学生在逻辑数学和语文(主要是读和写)两方面的发展，但事实上，不同的人会有不同的智能组合，每个人先天的智能组合不同，比如有些人在数学和音乐方面表现突出，但是社交能力却显得很弱。每种智能都有一定的年龄关键期，过了关键期就很难进一步得到发展，需要尽早地发现青少年的智能组合。

通过基于大数据的测评系统，找出学习者的最佳智能组合及学习形态组合，从而使学习者能扬长避短，尽早地提升自身优势。MIDAS是一个严格遵循多元智能理论并运用科学方法测评智能发展现状的权威工具，它可以详尽地分析人的多元智能发展分布和有效学习风格，并针对其特殊的分布情况，提供促进优势智能提升和弱势智能弥补的建议。基于MIDAS多元智能理论测评系统的评价弱化了评价本身对于学生的选拔作用，而重在诊断学习者的智能潜力，避免因盲目而埋没学习者的优秀天赋和潜能，从而帮助学习者实现个性化地发展，为学习者提供建立自我价值感的有效途径。

4.大数据提升教育管理与决策效能

在学校日常工作管理中，由于缺少大数据的支持，统一管理的弊端主要体现在学校管理者难以及时获取信息、掌握整体情况，无法实施动态监管[7]。大数据与学校管理工作深度融合，引起的变化有两点：一是决策的精准化，二是管理的智能化。在活动管理、行政管理、人事管理、财务管理等学校管理工作的各方面，以及教育评估、教学质量检测等方面，大数据的重要性日益凸显。

以英语学科教学为例，英语词汇量达标是提高英语成绩的前提和重要保证，教师对于学生词汇量掌握情况的判断，以往仅能通过抽查、考试检测等手段进行分析，效率低下且准确度不高。在智能化学习系统的帮助下，学生学习的轨迹被记录并保存下来，通过统计英语单词出错的频率、生均学习时间等指标，教师能够方便、准确地掌握学生学习情况，进而分析学生在学习中遇到的困难。在基于大数据的学情分析的基础上，根据分析结果采取适当的策略进行教学。大数据不仅记录了学生的学习轨迹，同时帮助教师根据反馈的情况，及时把控自身的教学进度，提升了教学效率。

对教育大数据的全面搜集、科学分析和有效利用，一是能够减轻管理者的工作压力，提升管理效能，二是能够助推决策创新，促进教育改革。教育管理与决策从过去感性的经验判断、教条的考核评价，转变为利用大数据技术，主动排查存在的问题和隐患，进而逐步完善各项评价考核指标，建立起高效、公正的考核评价体系，使得教育决策精准化、科学化。