大数据背景下的个性化学习

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”(BigData)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MapReduce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”(CivitasLearning)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”(DreamBoxLearning)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(adaptivelearning)系统———“我的实验室/高手掌握”(MyLab/Mastering)。这款产品将向数百万名学生提供个性化学习服务,通过提供真实可靠的学习数据来使学校降低教学成本并提升学习效果。虽然这些公司所开发的各式各样的基于大数据技术的学习分析系统还处于实验的初期阶段,具体效果如何目前还不得而知,但是,教育变革的发展趋势已然逐渐清晰。第一,个性化学习将会是未来教育变革的主要突破点,人们盼望已久的因材施教教育模式将逐渐成为可能。第二,数据分析将在教育领域发挥越来越大的作用。未来的教师,将不仅仅是人类灵魂的工程师,而且还是灵魂数据的分析师。每一个教育从业者都应该做好这方面的思想准备。三、思想政治教育与教育改革的反应策略(一)通过标准化操作进行数据学习与分析“大数据发展的核心动力来源于人类测量、记录和分析世界的渴望”。数据化意识,是大数据时代思想政治教育工作者必须具备的基本素质。数据化就是指“一种把现象转变为可制表分析的量化形式的过程”。而这个过程的关键在于信息记录的标准化。在大学校园里,学生每天的学习、生活等日常行为都会产生大量的数据信息。从上课出勤,到图书馆的借阅记录,从校园一卡通消费情况到校内论坛里的留言情况,从校内视频监控录像到校内快递邮件的收发信息等,这些海量的信息资源在大数据时代都是了解学生思想发展动态的重要基础。而若想将如此庞大的信息转化为数据,必须要求在信息记录的过程中进行标准化操作,并且设立主管部门由专业数据人才进行统筹管理。只有经过标准化处理之后的信息才能转化为数据资源,并从中挖掘出有价值的信息。同时,庞大的数据资源也会带来一系列隐私安全的问题,如何保障数据的安全性,个人数据信息的私密性,这要求高校管理部门和思想政治教育工作者之间的通力合作,紧密配合才可能实现。(二)moodcs模式思想政治教育是高等教育的重要组成部分,离不开高等教育发展的大背景与大趋势。未来的高等教育在固守传统校园阵地的基础上,大规模开放远程教育MOODCS模式将是大势所趋。目前,全世界顶尖的高等学府都已经开发或者加入了MOODCS,如哈佛大学和麻省理工学院联合开发的EDX以及斯坦福大学开发的就吸引了大批顶尖知名学府的加入,北京大学和清华大学也已经加入了EDX。MOODCS的最大优势是可以将世界上最优秀的课程资源通过网络实现资源共享,这样可以让那些对某一领域感兴趣的人随时随地聆听这一领域最优秀教授的教诲和指导。这一模式同样适用于我国的思想政治教育课程。目前,各个高校思想政治教育的教学质量参差不齐,缺乏一流的教学名师以及优秀教学资源的不均衡分配是重要原因。如果引入MOODCS模式,一方面,可以让一些优秀的教学名师把主要精力放在课堂教学上面,形成一支以教学名师为核心,包含资料收集、视频制作、剪辑处理、数据分析与技术维护等众多教辅人员组成的教学团队。借助MOODCS平台与大数据技术,实现真正意义上的大规模开放式远程教育。(三)与思想政治教育、人文社会学科之间的跨界问题大数据人才的匮乏目前已经成为制约大数据未来发展的关键性因素。而思想政治教育领域内的数据人才目前几乎是一个空白领域。在我国当前的教育体制下,数据分析属于理工学科,而思想政治教育属于人文社会学科,二者之间跨度非常大。既要精通数据分析又要熟悉思想政治教育内在规律的人才培养将是未来成败