CNET科技資訊網 1月20日 北京消息（文/周雅）：過去幾十年中，大數據改變了一個又一個領域。在氣象科學領域，借助大數據，人們已經建立了更好的氣象模型，提前預報天氣；在高能物理領域，通過分析每秒4000萬次質子碰撞的數據，人類可以尋找曾經難以捉摸的希格斯玻色子的證據；在生命科學領域，通過大數據，研究人員得以在超過30億核苷酸的人類基因組中，探究其中至少一個版本的全序列，從而展開個性化基因研究；電商領域更是離不開大數據......我們知道，大數據的應用有很多，現在在教育行業(yè)，大數據應用也越來越多。

“正如越來越多的學生開始使用教育軟件和在線學習平臺，這些平臺獲取每一個學科、每一個學生的學習數據也變得越來越容易。”2017年1月10日，在論答公司（Learnta Inc.）于北京主辦的教育大數據研討會上，美國賓夕法尼亞大學（University of Pennsylvania）教育學院終身教授Ryan Baker指出。從Baker的分享中我們得知，教育數據挖掘至關重要，這些數據為教育平臺提供模型，這些模型讓學習系統(tǒng)從千人一面變成千人千面，從而改善目前的教育環(huán)境。具體情況，我們聽聽這個教授怎么說。

人類基因組測序

在美國，大量的學生每天都在使用Cognitive Tutor、ASSISTments、Reasoning Mind這樣的在線學習系統(tǒng)。比如，學生可以通過故事線索學數學，也可以在工作任務的情境中做語文題，甚至，孩子們一邊“打僵尸”一邊玩“數字游戲”：每個孩子都有很多武器，每件武器上都有自己的數字，如果要擊敗僵尸，武器上的數字必須整除僵尸胸口上的數字。

網絡教學（左下角：僵尸動作游戲Zombie Division）

Baker認為，這些個性化教育平臺至少要做到三件事：1、確定學生的有關數據；2、了解對于學生的學習來說什么是真正重要的；3、有針對性地為學生提供合適的教學。

所有這些在線學習系統(tǒng)都會產生大量的數據流。當一個學生使用一個在線學習平臺時，他每小時會產生數以百計的行為，多個學生就產生了教育大數據，比如在做出錯誤回答前可能會暫停和思考、尋求幫助、快速更改設置、從僵尸身邊跑開等，這些數據可以用于教育數據挖掘與分析。

這些教育數據挖掘有很多應用的方向，比如可以預測學生是否會輟學還是會成功完成學業(yè)；或者能自動檢測學生的學習投入程度、情感、學習策略等，目的就是為了更好地實現個性化教學；甚至可以給老師、家長提供學習分析報告，進行教育科學的基礎研究。

現在，通過教育數據挖掘，很多研究團隊已經開發(fā)出了研究模型，這些模型可以推斷很多事情：

1、學生的元認知（meta-cognition，即學生對自己認知的認識）和求助行為。比如，這個學生有多自信？當他需要幫助時，有沒有在尋求幫助？他有沒有在給自己解釋問題，有沒有思考這個答案是正確的還是錯誤的？最重要的，當他面臨挑戰(zhàn)時，能否堅持下去？

2、有沒有投入學習、還是開始分心了。Baker舉了一個很有意思的親身經歷，看到有學生為了找正確答案而瞎蒙，在填空題里面填了“1”，發(fā)現不對，又改為填“2”，一直試到“38”這個數字，才找到正確答案。另外，有一些孩子會有非常難以解釋的行為，比如做數學題時不用方程的符號而是畫了一個笑臉。

3、學生情感。Baker 的研究團隊和其他研究團隊，已經創(chuàng)造了研究模型，可以根據數據推斷，學生是否感到厭倦、沮喪、困惑、好奇、興奮、快樂，是否投入，等等。

4、長期的學習結果。比如，學生能夠記住剛才他學的東西嗎？學生也沒有準備好學習下一個主題、下一個知識？這個中學生能上大學嗎？他會從大學畢業(yè)還是輟學？

學生的成績與結果數據表

并且，這些模型已經被大規(guī)模地應用于自適應學習系統(tǒng)，為成千上萬的的學生所使用。

Baker列舉了全球七個大規(guī)模應用教育大數據分析模型的自適應學習系統(tǒng)，包括：

1、Knewton，系統(tǒng)自動決定下一步該給學生推送什么樣的學習問題，已經在全球范圍實際應用于多個學科。

2、ALEKS，基于先行知識結構和知識點模型，為學生推薦學習內容，已經應用于美國高中與大學的數學和科學學科。

3、Cognitive Tutor，自動檢測學生的知識掌握情況，把握教學進度，直到學生最終掌握知識；同時，自動檢測學生的學習專注程度，為學校做出相關分析報告。已經應用于美國的初中和高中數學學科。

4、Learnta（論答自適應學習系統(tǒng)），基于先行知識結構和知識點模型，為學生推薦學習內容；同時，自動檢測學生的知識掌握情況，把握教學進度，直至最終掌握每一個知識點。根據中國學生的學習需求而本土化開發(fā)，目前涵蓋數學和英語學科。

5、Reasoning Mind，自動檢測學生的學習專注度，為每個地區(qū)的教學管理員提供教師教學效果的報告，已經應用于美國的小學數學教育。

6、Duolingo（多鄰國），自動檢測學生的記憶，建議學生應當在什么時候復習之前學過的知識，已經在世界范圍內應用于外語詞匯的學習。

7、Civitas, Course Signals, Zogotech, 這些系統(tǒng)提供各種風險預測模型，給老師和學習顧問提供可具體實施和操作的學生信息，已經在世界范圍內的大學開始應用。

印度老師用手里的移動端采集學生的學習投入程度數據

Baker說，有足夠的實證研究證據證明，這七個學習系統(tǒng)中至少有以下兩個系統(tǒng)對于學生的學習是有顯著效果的：

其中一個是由胡祥恩教授在美國領導開展的多項實證研究項目，證明了ALEKS系統(tǒng)能夠有效提高各個不同族裔的美國學生的數學學習成績。

ALEKS系統(tǒng)

第二個是論答（Learnta）的自適應學習系統(tǒng)。Ryan Baker的研究團隊和論答公司合作，基于中國三個不同地區(qū)開展了三個實證研究項目，研究結果表明，學生通過論答自適應學習系統(tǒng)學習，比通過一個傳統(tǒng)的在線學習系統(tǒng)學習效果更好。

論答自適應學習系統(tǒng)

從長遠角度，Baker分析了這些教育大數據算法模型的潛在發(fā)展方向：

首先，通過學生知識和學習模型，來確定學生在什么時候需要更多支持，在學生掌握上一個知識之前，不會推薦該學生去學習下一個知識；而當學生需要支持的時候，系統(tǒng)會自動介入，并同時告訴該學生的老師和父母。

其次，通過學習投入程度模型，來檢測學生什么時候開始變得厭倦或者沮喪，并相應地調整學習任務，比如為那些厭倦的學生選擇一些更有趣的學習活動，為沮喪的學生選擇相對容易一些的學習任務。學習投入程度模型也可以用來確定為了讓學生更投入學習，需要什么樣的學習活動，最終甚至可以確定需要在什么時候提供、給什么樣的學生提供這些學習活動。

另外，還能告訴老師和父母，學生在什么時候開始在學習上變得分心。

最后，當一名學生沒有真正學會時，學習模型就可以檢測出來，并相應提供更多的練習，用不同的方法為學生提供解析，或者鼓勵學生自己去闡釋問題。

Baker最后總結道，這些不同的模型和方法現在都有很多應用的案例。教育人工智能（Artificial Intelligence in Education）、智能輔導系統(tǒng)（Intelligent Tutoring System）、教育數據挖掘（Educational Data Mining）、學習數據分析（Learning Analytics）等研究領域已經有大量有關這些模型和方法的研究文獻。下一步的目標應當是在系統(tǒng)中不斷優(yōu)化現在已經成功應用的模型和方法，最大限度地造福于中國和全世界數十億的學生。

據悉，Baker是美國賓夕法尼亞大學（University of Pennsylvania）教育學院終身教授、學習數據分析研究中心（Penn Center for Learning Analytics）主任，國際教育數據挖掘協(xié)會（International Educational Data Mining Society）的創(chuàng)始人、《教育數據挖掘》雜志（Journal of Educational Data Mining）的主編。Baker教授在各類期刊和會議發(fā)表了260余篇學術論文，先后主持了美國科學基金會（National Science Foundation），蓋茨基金會（Gates Foundation）等研究基金的多項項目，累計獲得研究經費超過1600萬美元。Baker的研究實驗室同時與亞洲，南美洲，以及歐洲的大學和研究機構開展合作項目。Baker本人也在哥倫比亞大學教育學院（Teachers College, Columbia University）和愛丁堡大學同時擔任教職，并在Coursera 和 edX 慕課平臺上開設了“Big Data in Education”《教育大數據》課程，注冊學生來自100多個國家和地區(qū)。

本次活動的合辦方包括賓夕法尼亞大學學習分析學研究中心（Penn Center for Learning Analytics）、中國人民大學統(tǒng)計與大數據研究院、華中師范大學心理學院、Knewton公司、芥末堆。