教育大数据的三大颠覆性应用

当前，最具代表意义的适应性学习系统当属Knewton和可汗学院(KehanAcademy)。此类适应性学习系统重点支持了学生的学。学习系统试图扮演教师的角色，对学生的学习进行自动化记录、诊断和干预。适应性学习的另一个层面是对教师教的支持。在大数据技术支持下，教师可以根据自身的需求对学生的学习进行监测，并通过自己设定的标准，对学生进行自动化或半自动化的评价。在数据的支持下，教师可以结合自身的教学经验对学生进行诊断和干预。在教师的训练下，大数据工具将对教师的教提供更有力的支持。大数据工具将成为教师最好的帮手，而不是竞争者。

教育规律发现

教育研究是一项复杂的系统性研究。在大数据的驱动下，教育研究将出现不同的态势，通过挖掘、分析教育大数据，研究者可以量化学习过程，表征学习状态，发现影响因素，找到干预策略，从更深的层次揭示教育规律。

图3通过大数据揭示教育规律

美国的预测分析报告项目(PAR)对高校学生的学习状况进行了全面分析，在学生辍学等重要风险的预测方面进行了探索。从2011年开始，该项目与美国的高校合作，建立了标准化数据收集框架，通过对学生学习数据的收集和分析，发现影响因子并构建预测模型。该项目分析的原始数据包括学生人口学数据、教学管理数据、学习过程数据、成绩数据和学生财务信息数据等。通过分析，该项目建立了通用分析标准和风险预测模型，并为各个学校提供了定制化风险因素模型。

精准管理支持

图4数据支持下管理模型构建

Learnsprout能够整合学生信息系统和学习管理系统的数据，对学生日常表现进行监测，通过构建模型对学生综合状况进行分析，并对管理和教学提出建议。例如，Learnsprout能够对高中学生进入大学的准备情况等进行评价，对存在问题的学生进行早期预警，提出教学干预建议，并评估干预效果。Learnsprout不仅提供了自动化分析，还建立了有教育专家和数据专家构成的团队对数据进行深入挖掘，并形成分析报告。Learnsprout已经在美国42个州、200多个学区的2500多所学校中得以广泛应用。该公司于2016年1月被苹果公司收购，这也从一个侧面说明了市场对其应用效果的认可。

Calarity是通过构建模型提供管理支持的另一个典型案例。Calarity旨在评估学校应用信息化技术促进教学的状况，并提出改进建议。它针对学校师生的技术应用情况，采集了280个数据点，建立82个变量，形成21个指标，进而聚合成了4个维度，分别为课堂学习、技术应用、信息化技能和信息化环境。在模型化数据分析的基础上，Calarity对存在的问题进行了分析和诊断，并提出了解决方案建议。

Altschool是学校层次上进行整体性数据采集、分析与应用的代表。这所由前谷歌工程师MaxVentilla创办的学校，将教育教学和工程化思维密切结合，将提供个性化的教育作为办学宗旨。在教育教学过程中采用全方位数据采集和分析，成为了这所学校提供适应性教与学的重要依据和支撑。Altschool构建了独特的信息化基础设施进行数据采集，它为教室设计的AltVideo系统，通过各种传感器、摄像头和麦克风采集学生行为数据，这些数据每天都将被分析，用来改进教学过程和教学系统。Altschool还开发了Stream等教学系统和移动应用，在支持教学过程的同时，其基于数据开展教学研究，并通过研究结果支持教学和管理。不同于传统教育研究，Altschool的研究周期非常短，教学设计更新以周为单位，教学管理调整速度极快。快速迭代的工程化思维、系统化信息技术环境支持、完整的数据采集与分析，构成了Altschool在精准教学管理方面的整体解决方案。