量化教育数据，革新选拔机制

刘义峰

教育数据挖掘是一门新兴学科，是关注探索教育内容中数据的独特类型的新方法。有专家从数据挖掘在课程管理系统中的应用角度展开研发，有专家提出利用数据挖掘技术来分析学习者喜好的方向，也有专家提出信息技术有提高学习环境的潜力的看法。美国政府目前已应用数据挖掘技术分析学习者的学习行为，提供教学成绩预测、学习者划分等多种功能，不久的将来计划为家长开放所需的功能。在国外，教育信息处理技术的发展十分迅速，已经不再局限于教育统计学，但业内专家仍然认为，目前教育部门正处于“使用数据的婴儿期”。

国内教育信息化领域研发专家蒲石认为，在教育决策中，数据挖掘可用于教师教学方法的选择、学习评价与学生特征挖掘、干预师生行为、合理设置课程、考试分析及网络教育资源建设、智能题库建设、招生就业管理以及个性化校园网建设等教育领域。任职西南财经大学天府学院信息技术教学中心研究员期间，他带领科研团队关注教育环境中各种类型的数据，通过开发或运用数据挖掘相关的方法探索其中的关系，使教育系统中的各种要素产生良性互动，最终实现了改进教学模式与管理的目的。

蒲石对于教育数据的收集与分析主要从学生的日常学习行为与成绩入手。他发现，一直以来，传统教育中学校的课程通常是预先计划好的。课程设计者在学习者进入课程学习之前创建课程内容、交互环节和支持资源，这是一个“有效学习者假说”。假设学习者处于大致相同的层次，当他们开始学习课程时，他们的步调也大致相同。任何教育者都知道这是不符合实际的，并反对别人将他们的教学定义为这种假说模式。系统不会说谎，教育机构设计的学习模式与实际的学习过程是相抵触的。

对此，蒲石利用机器学习、数据挖掘分析技术将学习内容计算出来，创新研发了成绩分析系统、学生成绩预测系统等一系列教育信息化管理系统，帮助学校与教师更好地了解影响学生成绩及表现的原因，分析及预测学生的成绩，并针对性地采取相应对策，转变教学方法，改善学习环境，帮助学生提高学习成绩。目前，这些系统已经在各大高等教育学府中得到广泛应用。利用智能数据科学地指导教学，规划教学侧重点，不仅显著提高了教学质量，提高了教育教学管理水平，其表现出来的个性化学习路径与内容筛选也有利于因材施教教育理念的开展，为不同学生“量身定制”了个性化的学习方案。

成绩分析系统、学生成绩预测系统的优势，在短时间内就显露无遗。但在实际应用中，规模化一直是教育信息系统问世推广的最大问题。低师生比、高科技设备渗透率、优秀工程师聚集之地、开放思维的教师群体以及愿意创新和尝试的开明家长等，这个在实验的土壤生长起来的学习模式，在大多数人看来仅仅是一种“特权阶级”才能够享受到的教育成果。成绩分析系统、自适应学习方案所获得的小范围成功可能难以在更复杂的体系下被复制，尤其是在中国，乃至全球已经实践了多年的标准化考试，以及基于标准化考试所建立的教学体系、评分标准和人才选拔机制，都是这种“智能教育”最大的敌人。

但蒲石并没有放弃对教育数据的挖掘与分析，在他看来，教育科技的创新恰恰是推进教育改革的关键所在。他希望提供一种更公平、更全面的方式，完成学校对学生素质、成绩的检验与考量。随后，蒲石与多个合作院校建立了跨校学习数据库，收集记录了学生的分数、出勤率、辍学率和保留率等日常学习生活中的海量数据，并加入了严密细致的逻辑推理系统，全面客观地展现一个学生的完整形象。此外，蒲石还设置云端分立的数据库彼此相联，可用来进行多维度的联机分析，这样就呈现给我们一个宏大的教育场景，可以把每个学生置于一个公平的教育场景中来进行审视与评估，帮助教师、学院对学生作出全面、正确的评价，完成人才的选拔。

时至今日，蒲石創新研发的一系列教育信息化系统已经成功落地施行，并得到了业界的充分肯定，在中国教育行业发展技术创新奖评选活动中，蒲石荣获奖项，影响力进一步扩大。个性化自适应学习模式开始被人们认为是解决现代教育“僵化”的良方，教师、家长与教育科研人员也都开始呼吁课堂改革。

的确，蒲石的教育信息化系统与自适应学习系统将学生从“标准化”的教育体系里解救出来，使每个人发挥其最大的潜能，让个性化学习的教学理念的实践变得更加“高效”。而随着人工智能技术的不断发展，相信不久的将来，人们都将会拥有AI老师，它终将在教学环节中起到核心作用，通过数据和算法来规划孩子们的成长路径。