戴红++安继芳+侯爽
摘 要：现在，运用软件东西和网络渠道能够发生和搜集很多教育教育大数据。高校教师怎么运用这些数据，展开科学、有用的教育研讨，干涉和辅导教育与学习行为、供给个性化学习效劳、猜测和点评学习趋势与作用，是大数据年代为教师提出的新的重要课题。文章将视角放在大数据之下，在剖析国内外教育教育大数据运用现状的根底上，以教育有用性理论为依据，探讨了构建教育研讨办法模型的运用价值和关键问题，提出了一种大数据视角下的教育研讨办法模型。该模型以在教育研讨中的科学办法和技能手段为中心，适用于遍及的教育研讨，具有必定的范式作用。
关键词：大数据；教育研讨办法；模型
中图分类号：G640 文献标识码：A 文章编号：1002-4107（2017）08-0043-03
现在，国内外关于教育教育大数据的价值都有充沛的知道。国外，特别是美国在政府层面，以及高校、企业、教育者和教育教育研讨者对大数据的运用都有着比较多的实践，发生出较多的现已投入运用的运用系统。而国内的教育教育研讨者多停留在理论研讨的层面，而有用系统，多为企业行为，如一些网站，也仅仅在部分运用上供给一些依据大数据剖析的个性化效劳。国内高校大数据视角下的教育研讨首要是对MOOC/SPOC渠道上发生数据的剖析，首要重视关于在线课程的教育施行供给协助。运用教育教育大数据进行教师教育和学生学习两个方面的线上线下、全进程、全方位的支撑和效劳的研讨，还正在起步阶段。
国内外关于大数据视角下教育研讨办法的评论较少，特别是新视角下教育研讨的一般进程、规则和办法的触及较少。长期以来，教育办法的研讨得到教育教育工作者的遍及重视，发生了很多的教育法和教育教育技能，也构成了专门的学科——教育技能。可是关于教育研讨办法论的重视不行，大都教育研讨还仅仅停留在经历总结和试验实证研讨层面。跟着大数据年代的核算机互联网技能、数据搜集及处理技能、剖析办法的展开和前进，教育形式的革新、大数据视角下的教育研讨的办法论研讨越来越得到重视。笔者企图将视角放在大数据之下，探究这一新视角下的教育研讨的新办法、新范式，发现教育研讨的一般性进程和规则，树立教育研讨办法模型，用于辅导教育研讨，然后终究在教育中发挥科学办法和技能手段的优势。
一、国内外关于教育教育大数据的运用总述
（一）国外运用大数据进行学习进程和行为剖析，学习点评、学习干涉、学习引导和学习成果猜测，规划学习自适应系统
国外的学者现现已过对学生的在线课程材料阅览、作业提交、学生之间的沟通沟通、考试检验成果等进程进行数据搜集和剖析，对学生的不良学习成果表现给予干涉性辅导，然后有用、高效地改善学生的出勤率、辍学率等，进步学习成果，改善教育。如，美国Harford和MIT对EDX渠道上发生的大数据进行剖析，研讨世界各国学习者的行为形式，增加了行为点评和学习诱导的成分，以便打造更好的在线渠道；美国DreamBox Learning公司和Knewton公司，现已成功规划发布了运用大数据的自适应学习系统，旨在为学生供给个性化学习效劳；美国McGraw-Hill公司、英国的Pearson集团共同开发的“课程精灵”系统，能够盯梢学生的学业展开，并显现学生的学习参加度和学习成果等很多的数据信息；加拿大的Desire2Learn公司面向高等教育范畴的学生推出“学生成功系统”，系统地剖析每个学生的在线学习数据，然后及时确诊学习问题，提出改善主张，并猜测学生的期末考试成果；等等[1]。
美国教育部在《经过教育数据发掘和学习剖析促进教与学》的简报中指出，大数据在教育范畴的运用首要表现在两个方面：学习剖析（LA，Learning Analytics，以下简称LA）和教育数据发掘（EDM，Educational Data Mining，以下简称EDM）。EDM的意图是研讨和运用统计学、机器学习和数据发掘办法来剖析教和学的进程中发生的数据；LA的意图是了解和优化学习以及学习情境，其间一个重要运用是监测和猜测学生的学习成果，及时发现潜在的问题，并据此做出干涉以防备学生在某一科目或课程学习中发生危险。国外学者关于大数据在教育范畴的研讨简直侧重于这两个方面的研讨[2]。运用LA 和EDM数据剖析成果，教师能够更好地了解学生、了解和观测学生的学习进程、发现最合适的教育办法和次序，及时发现问题并进行干涉，以供给个性化的学习效劳[3]。
（二）国内会集在在线教育网站或一切引擎网站为学习者或用户供给个性化學习辅导和个性化需求效劳方面
比较而言，国内的研讨者针对大数据在教育范畴中的运用研讨相对少些。少量学者从理论层面进行了大数据学习剖析在考试点评、促进高校教师专业展开等方面的研讨。部分从事在线教育的网站运用大数据，盯梢学生的学习轨道，为学习者供给个性化学习计划、个性化考试辅导，陈述学习问题、学习才能的增加、学习情况的预警等。一些查找引擎网站运用对查找数据的剖析，运用大数据与天然语言算法将查找数据与个性化需求相匹配，为用户供给个性化协助，如高考估分、专业挑选和校园报考。一些国内闻名高校，如清华大学，它运用在MOOC/SPOC教育中发生的数据，对其进行剖析，然后对在线课程内容、次序、进展进行改善，为学生供给更好的学习体会和效劳[4]。
二、教育研讨办法模型构建角度和依据
（一）模型构建的角度
1.年代特征在教育教育范畴的投影带来教育和教
学研讨实践的革新。大数据年代的突出表现之一是对思想办法和工作办法的严重革新，带来了在教育教育研讨范畴的思想办法和研讨办法、办法的革新。大数据年代：（1）研讨事物的全面性，即非采样性的全面数据形式；（2）研讨事物之间的相关联络而非因果联络；（3）数据的价值在于运用和立异等思想办法和工作办法在教育教育研讨范畴带来的革新首要表现在：教育研讨不再仅仅是经历的总结和体会的提炼，而是在搜集到一切教与学数据的前提下，进行数据剖析和发掘，找出学生学习进程、行为、习气的特征，发现规则和联络，使教育和教育研讨趋向量化、科学化和才智化。
2.在教育和教育研讨实践中，重视和从头认知大数据的价值。依据IBM、Gartner等界说的大数据一般具有4V特征，包含数据体量大（Volume）、数据品种繁复 （Variety）、实时性强所要求的处理速度快 （Velocity）和数据提纯后的价值高 （Value）。跟着互联网技能、移动技能、传感器技能等的不断展开，MOOC、SPOC、微课等在线课程在教育中发挥着越来越大的作用，在教与学的进程中发生出越来越多的教育教育大数据，这些数据除了量大之外，品种也多，有传统办法发生的传统学习数据，如考勤数据、检验数据、作业数据、考试成果数据等也有运用网络渠道或移动互联技能主动搜集的学生学习观看视频、课件等学习材料的时刻、时长、频数数据；学生检索和阅读主题或页面的数据；学生沟通评论、共享等日志、Wiki、评论区记载数据等。而这些数据所具有的潜在的“大价值”正是教育教育工作者在教育研讨中树立数据知道的意义。
大数据促进信息化教育革新，发生出新的资源观、教育观和教师展开观。教育资源向学习资源改动，MOOC、SPOC、微课和翻转讲堂使教育教育信息化前移，教师信息素质的要求进一步进步，教育研讨中科学办法和数据剖析技能得到更多的运用。
与“教育教育+大数据”不同，“大数据+教育教育”是从根本上改动传统教育研讨观念和形式，并充沛知道和运用数据价值效劳于教育教育，这正是构建教育研讨办法模型的根本角度。
（二）模型构建的理论依据
教育研讨一般是以教育问题为研讨目标，运用科学的理论和办法，有意图、有知道地对教育范畴中的现象进行研讨，以探究和知道教育规则，进步教育质量。19世纪末呈现了“教育是一种艺术仍是一种科学”的争辩。前者以为教育是一种教师个性化的、没有“公共办法”的行为；后者以为教育不只有科学的根底，并且还能够用科学的办法来研讨。20世纪上半叶西方呈现了教育科学化运动，发生了后来闻名的“教育有用性理论”。在教育研讨理论的展开进程中，无论是巴班斯基的教育进程最优化理论，仍是奥苏贝尔的有意义承受学习理论，都与教育有用性理论有着亲近的联络和相关的论述。教育有用性理论所倡议的教育科学化，教育研讨的意图要改善学生的学习办法和办法、促进学生有用学习的观念，正是大数据视角下进行教育研讨所秉承的思想办法和意图。
（三）模型构建的运用价值
跟着国内外高校依据网络渠道和在线课程办理系统展开教育活动越来越遍及，MOOC和SPOC理念下的教育研讨和教育实践正在蓬勃展开。在此条件和环境下，教育中发生和搜集大数据成为可能，教师充沛有用地运用这些数据也成为现在迫切要探究和实践的。运用哪些数据、怎样获取和运用、运用作用点评等问题的处理是大数据视角下教育研讨的使命，也是这类教育研讨办法论要研讨和处理的问题。
三、教育研讨办法模型的关键问题
模型自身就是对某个实践问题或客观事物、规则进行笼统的形式化表达。大数据视角下的教育研讨办法模型就是用形式化办法，笼统表达大数据观念下的、以教育有用性理论为辅导的教育研讨办法。故该模型要描绘的关键问题包含如下几个方面。
1.面向数据处理及运用问题的研讨维度，包含数
据、操作、进程和运用四个维度。
2.面向科学化办法的科学系统问题的研讨系统，包含主题、研讨办法、研讨结构、研讨目标和人员结构。
3.面向大数据处理和运用的杂乱性问题的研讨保
障，包含方针确保、人员确保、技能确保、软/硬件确保和时刻确保。
四、大数据视角下的教育研讨办法模型
（一）研讨维度
多个维度描绘教育研讨进程中的数据支撑。数据维度为数据品种，如运用传统办法搜集的传统数据，如学生和教师的根本数据、学生作业检验考试数据、问卷调查数据等；大数据，特指运用网络教育渠道或其他交互式沟通评论渠道主动搜集的数据；元数据，即描绘数据的数据，对研讨系统中的数据的意义、特征、目标、取值规模、有用性、处理和运用办法等进行描绘的数据。操作维度首要描绘整个数据处理进程及其各处理阶段的技能和东西，包含数据的搜集、集成、清洗、表明和存储，结构化数据、非结构化与半结构化数据的表明和存储，多种搜集办法下、不同格局的数据集成，冗余、缺失和噪声数据的处理等；面向主题的数据仓库的规划和完成，数据剖析和发掘成果的运用办法，如学习内容的选取和推送，学习途径的规划、学习模型的树立等。进程维度首要描绘大数据视角下的研讨进程，能够从单个→一般→单个的概括→演绎的进程下手。可从详细课程下手，研讨其特色、一般进程、规则、环境等，在大数据视角下，研讨展开教育研讨的办法，找到一般性规则和进程，构成教育研讨范式或模型。在将该模型用于教育研讨工作中，并将教育研讨成果运用于详细课程的教育实践中，点评验证模型。运用维度的运用意图很大程度表现了大数据的运用价值，包含学生学习行为和进程的可视化、学习成果猜测、学习干涉和辅导、学生学习的个性化效劳以及点评等。
（二）研讨系统
科学化教育研讨系统的要素，包含问题鸿沟清晰的研讨主题，标准化和系统化的研讨办法、天然科学研讨形式下的研讨结构和研讨目标以及人员结构[5]。其间天然科学研讨形式首要对各种现实和现象进行调查、分类、概括、演绎、剖析、推理、核算和试验，然后发现规则， 并对各种定量规则予以验证和公式化。在人员结构中除了学生和教育工作者外，数据工程师在整个研讨系统中也扮演着重要人物。
（三）研讨确保
大数据视界下的教育研讨因其内容和进程的杂乱性，使得研讨确保尤为重要。为了确保教育研讨的顺利展开，从方针层面到详细的技能层面，以及支撑的软硬件条件和人员配备，都需求有严厉的要求。
五、教育研讨办法模型的运用点评
（一）模型的运用
在研讨确保具有的情况下，挑选详细课程或教育活动，断定研讨主题，在必定的研讨结构下，在研讨办法的辅导下，选取和运用操作技能和办法，获取各类数据，按照研讨进程，获取契合研讨目标的研讨作用，包含剖析数据、模型、形式、陈述等。环绕运用意图，依据必定的运用办法在设定的时空下，运用于研讨目标，取得應用点评。
（二）模型的点评
它能够从两个方面点评模型——定性点评和量化点评。
1.定性点评。在运用点评中，可调查研讨者（教育工作者）和研讨目标（学生或受教育者）对模型运用的片面感触，来进行质性剖析和点评。研讨者深化教育活动，而不是人为设定的试验环境，充沛地搜集材料，对各种教育和学习表现进行整体性的研讨，与研讨目标进行实践互动，对材料进行概括剖析，经过了解他们的行为，得出模型的有用程度、可信程度、可推行程度等定性定论。
2.量化点评。依据研讨目标的量化以及运用点评的量化成果，经过对数据的特征、数据之间的联络、数据的改变趋势等进行剖析，然后对模型进行量化点评。
六、结语
掌握年代脉息，树立大数据知道，改动教育研讨观念，革新教育研讨办法，使教育研讨更趋于科学化、标准化和系统化，辅导和标准契合年代要求的教育研讨，是树立大数据视角下的教育研讨办法模型的意图。运用大数据视角下的教育研讨办法模型，运用多种数据搜集、处理、剖析和发掘技能，展开教育研讨工作，为学生供给个性化教育效劳、辅导和干涉学生的学习进程、科学点评学生的学习行为和猜测学习成果，表现树立大数据视角下的教育研讨办法模型的价值。模型仅为概念模型，依据详细的问题，还需进一步详细化。
参考文献：
[1]姜强，赵蔚，王朋娇等.依据大数据的个性化自适应在线
学习剖析模型及完成[J].我国电化教育，2015，（1）.
[2]祝智庭，沈德梅.依据大数据的教育技能研讨新范式
[J].电化教育研讨，2013，（10）.
[3]侯冬梅，谷雨，谷新胜.大数据在科技、教育与信息范畴
的运用[J].核算机教育，2014，（1）.
[4]金陵.依据大数据的教育技能研讨新范式.大数据与信
息化教育革新[J].我国电化教育，2013，（10）.
[5]蒋凯.修养科学精力：教育研讨办法的省思[J].北京大
学学报：哲学社会科学版，2004，（1）.
