大数据背景下的个性化学习.docx

大数据背景下的个性化学习 2012年3月29日，美国国务卿宣布将投资2亿美元实施“大数据研究和计划”。该计划的主要任务之一是通过大数据技术来改善美国目前的教育和学习模式。长期以来, 美国一直把教育上的领先地位看做是维持其全球领导力的重要保障, 此番投入巨资改善教育模式, 无疑是传递了一个重要信号———一场借力大数据改变传统教育模式的序幕已经拉开, 而这种改变必将对我国传统的高校思想政治教育模式产生强烈冲击。 一、 效率:生成速度快、构建新关系、推进数据“树立” 根据维基百科的定义, “大数据” (Big Data) 指无法在一定时间内用通常的软件工具进行捕获、管理的数据集合。大数据的出现是信息社会发展到一定阶段的必然产物。而物联网、云计算技术则为其提供了技术保障。大数据的特点可以总结为4个V, 即Volume (体量浩大) 、Variety (模态繁多) 、Velocity (生成快速) 和Value (价值巨大但密度很低) 。首先是规模巨大。数据量已从GB到TB再到PB级。Google公司通过大规模集群和Map Reduce软件, 每月处理的数据量超过400PB;百度每天大约要处理几十PB数据;Facebook注册用户超过10亿, 每月上传的照片超过10亿张, 每天生成300TB以上的日志数据;淘宝网会员超过3.7亿, 在线商品超过8.8亿, 每天交易数千万笔, 产生约20TB数据。数据集合的增长速度已经远远超过了人们的想象。其次是类型繁多。传统数据集合大多是结构化的, 而随着物联网和互联网数据的剧增, 音乐、视频、图片等半结构化和非结构化数据的比例大幅上升, 至2012年末, 非结构化数据量的比例已经接近75%。再次是生成更新速度快, 大数据通常以数据流的形式快速动态的产生, 时效性非常强, 对数据流的掌控程度是有效利用数据的关键。最后是价值密度低。当如此海量规模的数据呈现在人们面前, 用户往往无所适从, 如何从中挖掘出对用户有价值的信息才是大数据发展的关键点。根据《大数据时代》的作者维克托·迈克-舍恩伯格的观点, 大数据的核心功能体现在预测上面。而且这种预测的基础来自于数据的相关性而非因果联系, 这是大数据时代带给人类思维方式的最大变革。“知道‘是什么’就够了, 没必要知道‘为什么’。在大数据时代, 我们不必非得知道现象背后的原因, 而是要让数据自己‘发声’”。这一点已经在商业、农业、医疗等诸多领域得到了广泛应用。例如:沃尔玛可以根据消费者的采购行为进行数据分析, 从而把顾客习惯同时购买的商品摆放在一起进行销售, 并且取得了非常好的效果。谷歌公司则通过分析网民搜索内容分析全球流感与相关疫病的状况, 建立“谷歌流感趋势”, 与美国疾病控制和预防中心提供的报告对比, 该指标追踪疾病的精确率达到97%。阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和讲究诚信的企业, 对他们发放无需担保的贷款。目前已放贷300多亿元, 坏账率仅0.3%。这些领域的成功经验无疑给教育行业提供了有益的参考和借鉴。 二、 大数据技术的应用 大数据在商业领域的大规模应用, 很快就扩展到教育领域, 并且得到了政府的大力支持。美国教育部门对大数据的运用主要是创造了“学习分析系统”———一个数据挖掘、模化和案例运用的联合框架。这些“学习分析系统”旨在向教育工作者提供了解学生到底是在“怎样”学习的更多、更好、更精确的信息。例如, 一个学生最近的学习成绩下降明显, 那么是什么原因引起的呢?过去, 这只能借助于教师的个人经验, 并通过与学生及家长的沟通来寻找答案。但有时学生的日常行为与以往并无区别, 甚至连学生自己和家长也找不到原因所在。而借助于大数据则可以发现学生学习成绩下降与日常行为表现的某种相关性, 从而帮助教师和家长有针对性地对学生进行辅导和教育。正是看到了大数据在教育领域的美好前景, 美国很多著名的商业公司已经开始开发针对个性化学习的数据分析系统, 并进入到了实践阶段。例如, 美国的IBM公司就与亚巴拉马州的莫白儿中学合作, 试图利用大数据分析技术来降低该校的辍学率, 并提升学生的整体成绩 (该校的辍学率一度达到48%) 。“西维塔斯学习” (Civitas Learning) 公司则在高等教育领域内建立起规模庞大的跨校学习数据库, 里面记录了100多万学生的个人信息记录和700万个课程学习记录, 运用大数据技术可以让用户提前发现导致学生成绩下降甚至辍学的警告性信号, 并提供改进课程体系和优化教学资源的相关性建议。“梦盒学习” (Dream Box Learning) 公司和“纽顿” (Knewton) 公司则开发了各自版本的利用大数据的适应性学习 (adaptive learning) 系统———“我的实验室/高手掌握” (My Lab/Ma