2017年3月20-21日，由华东师范大学-北德克萨斯大学教育技术联合实验室主办的“教育大数据应用技术”国际学术研讨会在华东师范大学召开。AECT前主席、《教育技术研究与发展》（EducationTechnologyResearch&Development）期刊主编MichaelSpector教授，北德克萨斯大学讲座教授CathleenNorris、GeraldKnezek，密歇根大学教授ElliotSoloway，密苏里大学教授JoiMoore，华东师范大学副校长、计算机科学与软件工程学院周傲英教授，教育信息技术学系顾小清教授、陈向东教授、吴永和研究员，复旦大学管理学院戴伟辉教授，北京师范大学教育技术学院武法提教授，国防科技大学朱华勇教授，国家数字化学习工程技术研究中心常务副主任、华中师范大学刘三女牙教授，上海市电化教育馆张治馆长，上海大数据联盟常务副秘书长马慧民等20多位专家出席研讨会并做学术报告，300多位教育领域及企业代表参加了此次研讨会。与会专家学者就教育大数据的发展现状、应用案例、未来趋势等内容作了精彩汇报，为大会带来许多理念、技术和应用之间的启示、互动和交流。
一、教育大数据的深度认知和解读
1.互联网与大数据的本质及其对教育的启示
周傲英教授还指出当今时代个人发展的重要差距，不是“数字鸿沟”，而是“热情鸿沟”（MotivationalDivide）。如何实现“因材施教”、“寓教于乐”、“教学相长”，这些传统教育由来已久的命题，在互联网经济时代和大数据时代，仍是教育研究者应当思考和回应的关键议题。一方面教育应顺应生产和生活方式的变化，如教材、课堂教学、作业等都应该考虑互联网带来的有利条件，使得寓教于乐变为现实；另一方面教育应充分利用信息技术提升教学效率和质量，摆脱应试教育的噩梦，培养学生的学习兴趣，提高创新能力，弥合学生的“热情鸿沟”。
2.大数据带给教育的机遇和挑战
针对大数据给教育行业带来的机遇和挑战，许多中外学者都发表了各自的见解。刘三女牙教授认为大数据为教育带来三方面的机遇：首先是创新的思维方式，教育大数据不仅在微观层面为个体提供了精准的个性化教学支持，也在宏观层面为教育决策提供了科学依据；其次，教育大数据有利于推动教学管理、教学方式和教学评价的创新实践；最后，教育大数据能够帮助重构教育生态，包括创新人才培养模式，重塑教育理论体系。张治馆长认为大数据能够为现代化的教育治理包括资源配置、宏观调控、科学决策、效率评估、遴选评价等提供支撑；改善学校服务，使学校的课程服务和评价走向科学化，可根据学生的发展规律设计教学内容和流程；助力学生的个性成长，根据学生不同的学习路径提供定制的学习内容和差异化指导；此外还能够帮助企业发现学习规律和改进教育产品。
3.教育大数据的理解视域
二、教育大数据的应用案例
1.新技术支持的教育大数据应用
武法提教授展示的高中物理“摩擦力”的翻转课堂教学案例则是明显的带有本土化特征的技术变革教育的缩影。武教授指出翻转课堂实施的关键在于教师对翻转情况的精准把握，而技术支撑的翻转课堂的关键在于获取学生数据，便于教师及时掌握学情。通过“云平台+多终端”构建的智慧学习环境为翻转课堂学习过程的数据化提供了可能。无论是课前导学单驱动的自主学习、互动交流，还是课中学习分析驱动的按需教学、问题驱动的合作探究、及时评测驱动的知识内化，无不体现出数据支撑下的学习分析所具有的精准、个性、思维、创造等智慧教育特征。
针对教育大数据的校本应用，朱华勇教授例举了云教学系统在促进个体学习迁移中的作用。在云教学系统中，通过跨接纸质和数字学习场景的工具，能够打破跨介质学习场景的壁垒，实现智能数据的采集和处理；通过基于云应用的选课排课，能够实现分层走班、个性选课的教学管理；通过学生参与设计、教师跨域合作，能够建立个人、校本、区域三级云资源库，为互动翻转课堂的高效生成提供支撑。而基于云教学系统的校本数据则可以从个体学习迁移的分类角度开展不同主题的分析研究，建立大量典型的个体学习模型，从而实现以大数据构建主要学习特征、以小数据开展分析应用服务的目的。2.多模态数据的分析技术及应用
在教育领域，非认知因素诸如学习情绪、动机、态度等在学生成长发展和学业表现中的作用，已经受到学术界越来越多的重视。许多学者（O'Regan，2003；Phelps，2006；Artinoetal.，2010；D'Melloetal.，2012）指出学习过程是在认知活动和情感状态的相互作用下发生的，有效管理和干预学习情绪、动机等非认知因素有助于提升学生的学习表现。但是当前教育数据的获取和分析仍以认知和社交维度为主，而对于情绪等非认知因素的探知手段有限，通常采用主观问卷调查的方式，有效性较差，且难以实时动态地感知情绪和动机等的变化，更遑论基于情绪感知的情感教学干预。戴伟辉教授展示了一系列关于脑神经科学与传统行为学研究方法相融合的情感计算研究在教育和其他社会科学领域的应用，例如知识建构等认知活动以及情感教学的脑神经机制研究，课堂场景的观测数据（肢体行为、声音的情感特征），网络行为的心理计算，物理和虚拟环境的融合分析，人-机共融环境下的情感识别和计算等。
3.大数据驱动的教育研究范式转移
4.教育大数据的跨学科研究
三、教育大数据的应用趋势展望
华东师范大学陈向东教授援引图灵奖得主JimGray的观点，认为科学研究可分为四个范式，即实验范式、（理论）模型范式、（计算）仿真范式以及数据密集型范式。具有海量（Volume）、多样（Variety）、价值（Value）、高速（Velocity）特征的大数据，将成为科学研究的第四范式（Heyetal.，2009）。这一研究范式将与传统的科学研究（包括传统的教育科学研究）有很大不同。以往的数据只是经验研究和理论研究的配角和检验者，强调先有设计再通过数据验证模型的合理性，而在基于大数据的科学研究中，大数据模型是数据驱动，强调的是建模过程以及模型的可更新性，模型承担了一部分理论的角色。未来这种数据驱动的经验模型将带来一种新的研究范式。当然，对于这一观点，无论是哲学界还是具体学科领域，都存在较大的争议。