大数据视角下的个性化教育探索

杜圣东　杨燕

摘 要：传统教育重视结果而忽略过程，注重事后统计而忽视提前预测分析。文章从大数据角度重新审视个性化教育，论述大数据技术、个性化教育和学习评价的关系，对基于大数据的个性化教育分析目标、内容和关键技术进行初步探索，提出一种基于大数据深度学习技术的多维度学习评价方法，并对其原理、模型、框架进行分析和设计，构建具有反馈优化能力的深度信念网络多维学习评价模型。

关键词：个性化教育；大数据；多维度学习评价；深度学习；深度信念网络

0 引 言

如果说互联网和移动互联网技术促进了教育的全球化、民主化和多元化，那么大数据技术将实现教育的个性化和定制化，大数据时代个性化教育[1]的研究价值和应用潜力巨大。教育领域积累了具有广泛应用价值的海量数据，教育数据的多样性、关联性、时效性、可追溯性等特点为教育大数据分析提供了绝佳条件。大数据挖掘可以对教育数据进行从微观到宏观的统计、分析、推理和预测，发现学习和教学的相互作用规律和趋势走向，帮助教师和管理者更好地做出学习指导和教育决策，既能为学生提供高质量、个性化的学习体验，又能改进教师的教学方式，完善和优化教学过程。在当今大数据时代，利用数据挖掘、机器学习、深度学习等大数据技术，进行大规模教育數据集的深度挖掘和分析预测，从而指导个性化教育决策，使传统教育从统一化、标准化转向个体关注，能实现真正意义上的个性化教育。

1 大数据时代看个性化教育

1.1 教育大数据成为研究热点

随着教育信息化和教育大数据技术的高速发展，教育的形式、内容、渠道等方面都在加速演化和变革，国内外层出不穷的教育大数据研究与应用就是很好的例证。在国外，以Coursear、TED、Udemy、Udacity、edX、可汗学院等为代表的大型开放式在线课程（MOOC，massive open online courses）的兴起，为教育全球化和大数据驱动的个性化教育提供了新的试验场。麻省理工学院（MIT）于2014年7月发布了名为《麻省理工学院教育之未来》（The Future of MIT Education）的研究报告[2]，用模块式课程代替学期制课程，并充分利用大数据技术和edX开放式网络课程进行教育改革。纽约大学创新了教育数据管理体制，设立专门的大数据机构（CDS， The NYU Center for Data Science）进行校级大数据管理分析工作，旨在通过运用大数据技术改善教育，向教师和管理者提供学生到底在“怎样”学习更多、更细、更精确的信息。在国内，近几年大数据研究覆盖了多个学科领域[3]，基于大数据的个性化教育研究逐渐成为热点，周进[4]提出了一种过程支持框架，以支持大数据时代的个性化教育。朱天宇、陈恩红等[5]对基于认知诊断的个性化试题推荐方法做了深入研究，为课程、试题等教育资源的科学推荐提供了很好的参考。毕鹤霞[6]对大数据条件下高校贫困生确认模型进行了实证研究。电子科技大学的周涛[7]对数万名学生的生活和学习信息（包括食堂消费、图书借阅、学习成绩等）进行了大数据分析，找出了成绩好和成绩差学生的群体特征，对有心理问题的学生可以进行初步预测和定位，为教师和管理者提供了鲜活的个性化教育决策支持。

1.2 个性化教育将由大数据技术驱动

大数据时代的教育有几个显著特点：一是教育数据的时效性，传统的《百科全书》多年才印刷一次，如有错误需要数年后才能修订，如今的维基百科每分每秒都在进行海量条目数据的更新；二是教育形式和数据的多样性，在线、离线、课上、课下、手机、电脑、平板、图像、文本、视频等层出不穷，随着教育形式、渠道、载体的多样化，教育大数据积累的广度和深度在急剧扩展；三是教育数据的可追溯性，比如一个学生考试得了70分，在传统教育管理模式下这只是一个数字，难以深入挖掘原因，在大数据时代这个数字能变成可追溯评价的信息，这个学生为什么考了70分，而不是50分或90分？跟他的家庭情况、智力水平、学习态度、努力程度等有什么联系？当前成绩对后续课程的学习会造成怎样的影响？上述3个方面对传统教育的内容、方式、评价等都提出了挑战。由于传统教育采用的是大规模、标准化的教育模式，重视结果而忽略过程，只能事后分析而无法提前预测和介入指导。这种教育在一定程度上讲，还是分数教育，很难做到因材施教和个性化。随着教育大数据的积累和数据挖掘、机器学习技术的快速发展，利用大数据对学习行为、学习趋势、学习心理、教学效果等进行深入分析和评价成为可能。已有众多学校、企业和教育管理机构在不断创新、探索和应用教育大数据技术，以期达到个性化教育之目的。同时为基于实证的教育（evidence-based teaching， EBT）[8]目标提供数据支撑，并为教育管理者提供统观全局的决策支持。大数据技术促使教育形式、规模、影响力发生深刻的变化，决定教育未来的将是那些有效利用大数据技术，通过挖掘分析、追溯评价改进并适应个性化教育的组织机构。

2 面向个性化教育的大数据技术初探

2.1 实现个性化教育的关键是学习评价

怎么进行更深入、更专业的学习评价，是实现个性教育的关键环节。面向个性化教育的学习评价技术要考虑教育大数据的多样性、时效性、可追溯性等特点，并根据学生、教师、管理3个维度的评价需求，对教育教学中海量数据进行大数据挖掘分析，结合态度、行为、背景等因素，分析发现学生思想、行为和心态的变化，通过各种数据指标的评价分析为个性化教育提供一手资料。基于大数据的个性化学习评价技术，需重点关注如下几个方面的分析内容。

（1）学习行为：学生学习效果的优劣与其学习行为紧密相连，学生的行为数据包括进出图书馆的次数、借阅书籍的种类、生活记录信息等，计算出每名学生的学习、生活状态。对学生的学习行为进行分析，能为学习预测和学习预警提供更科学的数据支持，例如刻画学生生活与学习的规律性。如果某学生最近几个月作息极不规律，那么他的成绩就会有下滑的可能，或者某学生进出图书馆的频率较高，学习成绩会往好的趋势发展；或者分析所修课程相关性，如先导课程的掌握程度对后续课程的成绩有较大的影响。通过多种学习行为数据的分类、聚类和预测挖掘技术，进行多角度学习预测分析，是学习评价技术要解决的主要问题。