狭义教育大数据在英语教学中的应用模式.docVIP

狭义教育大数据在英语教学中的应用模式 　　[摘要]本文结合英语教学的特点，对狭义教育大数据的分析，提出了一系列狭义大数据在英语教学中的应用模式，包括学习者知识模型、学习者行为模型、学习者体验模型、学习者档案、领域知识模型、学习组件分析和教学策略分析，趋势分析，适应性和个性化等应用。 　　[关键词]教育大数据 英语教学 应用模式 　　[中图分类号]G434 [文献标识码]A [文章编号]1009-5349（2016）24-0226-03 　　随着互联网及其衍生物的不断发展，我们可以获得的数据呈几何式增长。大数据的出现，对我们生活的方方面面产生了巨大的影响，也把我们的英语教学带入到一个全新的纪元。数字数据的急剧增长，让我们的学习方式和教学方式带来了重大变革，如何利用大数据，服务于英语教学，是值得我们思考的问题。 　　一、大数据 　　（一）教育大数据 　　教育大数据分为广义大数据和狭义大数据：广义的教育大数据泛指所有来源于日常教育活动中人类的行为数据；狭义的教育大数据指学习者行为数据，主要来源于学生管理系统、在线学习平台和课程管理平台等。[1]教育大数据也满足所有大数据的共同特征，即海量的数据规模（Volume），快速的数据流转和动态的数据体系（Velocity），多样的数据类型（Variety），巨大的数据价值（Value）[2]；除此之外，和传统数教育据相比，教育大数据的优势还体现在实时性、颗粒度、真实性和决策度等方面。[3] 　　然而，很多案例研究表明，多数教师的决策都依赖于直觉或有限的观察经验[4]，多数的学校管理者及教师不会去系统地分析学校现有数据，或者使用分析结果来改革教学、课程设置或学校运行状况。[5]多数教育数据都用来监测教学过程，而没有用来优化教学结果，学校方面有着丰富的可用数据，但是这些数据却很少被利用起来。[6]充分利用教育大数据，我们可以更加了解英语学习者的学习行为，帮助教学者作出更好的决策，优化学习者英语学习体验，提升目前英语教学的效率。 　　在教育领域，多所世界一流院校都开设了和大数据相关的研究项目，为了鼓励大数据在教育活动中的应用，美国教育部与2012年10月发布了《通过教育数据挖掘和学习分析促进教与学》（Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics）报告（以下简称报告）[7]，报告通过描述大数据在业内的应用案例，为美国高等院校及K-12学校在“大数据”教育应用方面提供有效指导。 　　（二）教育数据挖掘和学习分析 　　教育数据挖掘（Educational Data Ming， EDM）指应用数据挖掘方法从来自于教育系统的数据中提取出有意义的信息的过程，这些信息可以为教育者、学习者、管理者、教育软件开发者和教育研究者等提供服务。数据挖掘技术可应用于招生、就业、后勤、图书馆管理、人事管理、设备管理、师资管理等方面，有助于管理者作出科学的决策。[8]《报告》将“数据挖掘”定义为：综合运用机器学习、数学统计和数据挖掘的方法和技术，对海量教育数据进行处理和分析，建立数学模型，发现和解释学习者的学习结果与学习内容、学习资源与教学行为等变量之间的相关关系，用语预测学习者的未来学习趋势。[9] 　　2011年，在第一界学习分析与知识国际会议（The International Conference on Learning Analytics and Knowledge， LAK）上，有关专家将学习分析定义为“测量、采集、分析和汇报有关学习者及其学习情景的数据集，用以理解和优化学习及学习情景”[10]。顾小清等人认为，学习分析技术是围绕与学习者学习信息相关的数据，运用不同的分析方法和数据模型来解释这些数据，根据解释的结果来探究学习者的学习过程与情境，发现学习规律；或者根据数据阐释学习者的学习表现，为其提供相应反馈从而促进更加有效学习的技术。[11] 　　二、教育大数据的应用方向 　　周若松等人（2015）认为大数据对教育的影响，主要体现在以下四个方面：改变教育研究中对数据价值的认识，方便教师更全面了解每一个学生，帮助学生进行个性化高效学习，增强教师的责任心和强化师德建设。[12] 　　在《报告》对教育数据挖掘和学习分析的应用领域做了详细的阐述，并指出对教育数据的挖掘和学习分析可以用来解决教学中复杂的实际问题。本文根据报告中提到的视角，结合英语教学的实际情况，对教育数据在英语教学中的应用给出了相应的建议，这些领域可以分为：学习者知识模型、学习者行为模型、学习者体验模型、学习者档案、领域知识模型、学习组件分析和教学策略分析，趋势分析、适应性和个性化。[13] 　　（一