学习分析技术挖掘大数据时代下教育数据价值.docVIP

学习分析技术挖掘大数据时代下教育数据价值 　　【摘要】当前，大数据时代已经来临，教育领域同样积累了海量数据。教育领域已经部署了众多的学习管理系统，在这些软件系统中存储着海量的学习者信息及学习过程数据。如何利用这些数据，使这些数据转变为信息、知识，并为教学决策、学习优化服务，已成为教育工作者以及学习者们所关注的内容。学习分析技术有助于发挥学习过程数据的价值，使数据成为审慎决策、过程优化的重要依据。该文介绍了国内外学习分析技术研究现状，归纳出学习分析技术的关键技术及分析模式，并以实例从不同用户视角包括管理者、辅导教师、学习者展示了学习分析技术在网络学习过程分析中的应用过程。 　　【关键词】大数据时代；教育数据；学习分析；关键技术；分析模式 　　【中图分类号】G40-057 　　【文献标识码】A 　　【论文编号】1009-8097（2013）02-0005-07 　　刚刚过去的2012年，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。国际数据公司（IDC）的研究结果表明，2008年全球产生的数据量为0.49ZB，2009年的数据量为0.8ZB，2010年增长为1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人产生200GB以上的数据。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”在教育领域，《2013NMC地平线报告（高教版）》（预览版）非常有预见性的认为“大数据和学习分析”将在未来2至3年成为主流技术。 　　一 核心概念界定 　　在首届“学习分析和知识国际会议”上，与会者一致认为：学习分析技术是测量、收集、分析和报告有关学生及其学习环境的数据，用以理解和优化学习及其产生的环境的技术。《2012NMC地平线报告（高教版）》也给出了近似的定义，即学习分析技术是对学生生成的海量数据的解释和分析，以评估学生的学术进展，预测未来的表现，并发现潜在的问题。从这些定义可以看出，学习分析技术分析的对象是学生及其学习环境，目的是评估学生、发现潜在问题、理解和优化学习，基础是海量数据。 　　二 国内外研究现状 　　2011年2月底，首届“学习分析技术与知识国际会议”在加拿大的阿尔伯达省班芙市举行，主题之一就是学习分析技术。美国新媒体联盟发布的2010年度和2011年度《地平线报告》均预测学习分析技术将在未来的四到五年内成为主流。可见，学习分析技术已逐渐成为教育中的一项新兴技术。 　　事实上，在“学习分析技术”概念出现之前，与之相关的技术、工具及其应用研究已经开展起来。2004年在高等教育中出现的“智能导师系统”和“人工智能系统”掀起了“教育数据挖掘”研究的热潮，也促使学术分析技术这一关注学习者行为的分析技术的诞生。RomeroVentura（2007）以及BakerYacef（2009）对10余年的教育数据挖掘研究进行分析，归纳出5类教育数据挖掘方法，它们是统计分析与可视化；聚类（聚类、离群点分析）；预测（决策树、回归分析、时序分析）；关系挖掘（关联规则挖掘、序列模式挖掘、相关挖掘）；文本挖掘。另外，随着网络学习及相关学习管理系统的不断普及，数据挖掘方法在学习管理系统中得到应用，并开启了利用网络分析技术对学习者行为加以分析的研究，Romero，C.等人（2005）对Moodle学习平台的日志分析是这方面研究的典范。记录在学习管理系统中的学习者行为数据，经过聚集、分类、可视化以及关联规则分析等操作，生成实时的数据报告，或者利用从行为数据中反映出的常模来生成预测模型。随着学习分析研究与实践的不断深入，除了数据挖掘方法外，一些原本属于社会科学领域的方法如社会网络分析法、话语分析法、内容分析法等也得到成功应用并成为学习分析的关键技术，这些方法的典型应用之一是师生交互行为分析。 　　国内外多位研究者的研究实践证明，学习分析技术对于学生、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：（1）对于学生而言，学习分析技术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，以基于学习行为数据的分析为学习者推荐学习轨迹，开展适应性学习、自我导向学习。（2）对于教师和管理人员而言，学习分析技术可用来评估课程和机构，以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。（3）对于研究人员而言，学习分析技术可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。（4）对于技术开发人员而言，借助学习分析技术发现的学习管理系统各模块使用频次以及使用