大数据时代学习分析与高职院校教育改革
陈永
doi=10.3969/j.issn.1001-8794.2014.07.017
【摘 要】面对来势汹涌的大数据时代，如何有效度量、发现、评估与操纵信息化学习管理系统中积累的海量数据，已成为未来高职院校教育改革过程中不可回避的棘手问题。学习分析是大数据时代高职院校教育改革的助推器，是解决这一现实问题的有效途径之一。从高职院校教育改革在大数据时代所遭遇的挑战出发，阐述学习分析技术对高职院校教育改革的推动作用，并从高职院校教育管理、教师教学与学生学习三个方面分析学习分析技术对高职院校教育改革的影响。
【关键词】高职院校；大数据；学习分析；教育改革
【中图分类号】G7185
【文献标识码】A
【文章编号】1001-8794(2014)07-0060-03
【收稿日期】2014-04-25
【基金项目】山东省教育教学改革立项课题“基于能力链的工商管理人才协同培养模式研究”，项目编号为2012475
2008年9月，美国《Nature》杂志刊登“Big Data: Science in the Petabyte Era”一文，正式提出“大数据(Big Data)”一词。作为继云计算、物联网之后又一颠覆性技术革命，大数据理念迅速渗透到教育领域，一方面，大数据有助于更好地掌握学生的个人学习行为和学习程度，能为学生提供个性化的教学内容、支持和指导；另一方面，大数据的规模效应也使教育数据的存储、管理以及分析面临极大挑战。
集中于“测量、收集、分析和报告涉及学生及其学习环境的数据，用以领会和改善学习及其产生环境”的学习分析技术有助于发挥学习过程数据的价值，使数据成为审慎决策、过程优化的核心依据。因此，探究大数据时代学习分析技术将如何推动高职院校教育的改革，具有十分重要的现实意义。
一、大数据时代对高职院校教育改革的诉求
自教育信息化推行以来，多媒体计算机、远程教学、数字化教学资源等开始进入教育领域，学习载体不再局限于纸质教材，教学工具不再局限于黑板，学习环境也从单纯的“黑板+粉笔”逐步进入数字化时代。然而，大多数教学活动并没有真正改变知识传递的传统方式，只是简单地将纸质教学知识数字化，教师教学方式过多依赖于多媒体，课堂教学知识从“人灌”过渡到“电灌”。总体而言，高校教育教学改革仍停留在低级阶段，局限于培养高校学生的“回忆、理解和应用”低阶认知目标。既然现有学习环境无法达成学习者“分析、评价和创造”的高阶认知目标，就需要考虑重构学习环境，满足大数据时代学习者个性化学习的需求，使其与大数据时代高校教育目标相适应。
学习环境随教学活动的发生而演变，构建学习环境是实现学与教方式变革的基础。［1］在新的学习环境中，技术及衍生工具正在重构现代人的思维方式，技术不再是教育的辅助工具，而成为教育活动中不可或缺的组成部分。在大数据时代，高职院校学生吸收新知识的速度加快，学习者课堂外学到的知识远远超过课堂上教师讲授的知识量。在外部环境的冲击下，学习者的学习观、知识观和能力观也必然发生转变，精加工式的学习方式向贯通式过渡，［2］“以教师为本”的教学范式彻底向“以学生为本”过渡。因此，创造自主学习环境，推广学生个性化学习就成为高职院校教育改革的发展趋势。个性化教育是当代国际教育思想改革的重要标志之一。［3］在联合国教科文组织1972年发表的报告《学会生存》中提到，当代教育的基本宗旨是促进人个性的和谐、全面发展。
大数据在教育领域的应用主要集中在教育数据挖掘和学习分析。［4］其中，学习分析技术为自主、个性化学习方式的推进提供了有力支持，推进了个性化学习由奢谈向现实的演变。随着教育信息化的推进以及网络学习方式的渗透，学习分析技术在职业教育教学改革实践中的重要性日益凸显。《国家中长期教育改革和发展规划纲要(2010-2020年)》中提到，宏观上要整合异构的信息化教育资源，完善教育管理信息系统，强化应用信息技术，鼓励教师应用信息技术，激励学生利用信息手段主动学习、自主学习。当教育信息化成为高职院校的发展目标，以信息技术推进高职院校教育改革就成为高职院校的主要任务，学习分析的重要性不言而喻。若能有效结合学习分析技术与其他教改实践，必将为高职院校教育改革创造无限可能。
二、学习分析：大数据时代高职院校教育教学改革的助推器
一般认为，学习分析技术在四个方面推动了高职院校教育改革的进程：一是推进了学生学习活动的转变；二是推进了教师教学方式的转变；三是推进了高职院校教学管理规则的转变；四是推进了教师、学生与教学资源间传统关系的转变。目前，对于“学习分析”的概念，学术界尚未达成共识。学习分析协会(The Society for Learning Analytics Research, SoLAR)将学习分析定义为“预测、采集、评价和报告一系列学习情境中所产生的数据，以便掌握和改善学习者的学习过程”；［5］2011年新媒体联盟地平线项目(The New Media Consortiums Horizon Project)报告将学习分析定位为“借助数据挖掘、推断和建模等技术帮助教师对教学、学生对学习的认识和了解，进而推动个性化教育的开展”；［6］加拿大阿萨巴萨卡大学George Siemens教授认为，从根本上说，学习分析就是收集、测量学生学习过程中产生的海量数据，通过分析、评价所包含的信息，并将结果反馈给学习者的过程；［7］顾小青等提出学习分析是运用不同的分析方法和数据模型来解释与学习者信息有关的数据，进而探究学习者的学习过程与规律。［8］尽管以上定义表述不同，但存在一个普遍的观点，学习分析是指用于预测学习结果、诊断学习问题、优化学习效果的教学技术集合。
学习分析技术具有传统的学习实践无法比拟的优势，具体如下：增加了教学手段与教学评估的多样性与便捷性，优化了教学方式改革；通过挖掘学习管理系统积累的海量数据，分辨教学过程中可能遇到的问题学生，并主动干预，帮助解答学生疑惑；借助智能化学习管理系统提供自动化监控和分析手段，在减少教师工作量的同时，有效提升学生的学习体验；引导学生自我监督、自我管理和自我激励，养成良好的学习习惯；凭借智能化的数据分析获得较全面的评估报告，总结教学方式的长处与短处；能显著提升高职院校教育管理的决策效率和优化分配高职院校的教育资源。
现在教育领域已经开发和应用了多款学习分析系统，主要集中在绩效评估、学习过程预测与学习活动干预三个方面。［9］
绩效评估：如美国Northern Arizona University研发的GPS(Grade Performance Status)系统，可实现全校在校大学生的课堂学习绩效评估。该系统能为教师提供最新的学生出勤情况、学生的反馈意见，为学生提供教师的最新评价以及重大事项的提醒。
学习过程预测：如澳大利亚University of Wollongong研发的Snapp(Social Networks Adapting Pedagogical Practice)系统。该系统可以记载和分析在线学习者的网络活动情况(如学生在线时间、浏览论坛次数、聊天内容等)，使教师能深入了解学习者的行为模式，进而调整教学方式，最大化地为学习者提供适应的教学指导。
学习活动干预：可分为人工干预和自动干预，现在主要集中在人工干预上，借助绩效评估工具和学习活动预测工具，由教师完成学习干预。自动干预是未来学习分析技术发展的方向，大数据将为这一目标的实现提供强大动力。
三、学习分析技术支持下的高职院校教育改革
学习分析以教育大数据为分析对象，在大数据背景下不断升级，融合人工智能领域、专家系统和教师领域的知识，为教学和学习提供支持服务，完成监督和跟踪教学和学习过程、评估教学和学习效果，以此促进个性化的职业教育支持系统，为新时代高职院校教育的深入改革提供前进动力。2012年新媒体联盟发布的《地平线报告：2012年职业教育版》中指出，在未来2-3年内，学习分析将成为主流技术，在推动教育发展与改革方面发挥重要作用。
在教育管理改革方面，学习分析能为高职院校教育管理系统的方方面面提供指导教学管理活动的相关数据。依靠这些数据，高职院校管理部门可以有针对性地完善不足之处，修订教育管理方案，优化教学资源配置，并最终评估修订方案及资源配置情况。
在教学改革方面，学习分析技术能真正意义上营造信息化的教学环境，保证教师提供的学习服务契合学习者个性化学习、协作学习的需要。传统教学模式中，教师无法保证所提供的学习资源能真正满足学生的学习需求，无法适时调整和分配资源，无法提供个性化地学业指导，无法及时了解学习过程中出现的障碍与疑惑。这些问题都限制了高职院校教育改革的深度，而学习分析技术恰恰可以弥补这些缺陷。通过应用学习分析的相关工具和技术，教师可以及时获取学生的学习行为数据，从而支持一种既能体现教师主导作用，又能兼顾学生主体地位的新型教学方式，以最大化地激发学生的潜能，为新世纪培养创新性人才。
在学习方式改革方面，学习分析技术的作用在于：自动识别学习情境，能够从大量纷杂的数据中自动分析出学习者的特征信息，根据其需要推送适应的目标资源，并提供学习建议以协助学习者修订自己的学习任务；学习者可以实时调整自己的学习计划，预约辅导以解答学习疑惑；在特定情况下，还可以通过锁定学习者所在地理区域、学习特点等因素划分学习小组，以满足个别学习者的协作学习需求。此外，学习分析能为在校学生提供个性化的学习指导建议，以帮助学生规划在校学习路径，明确其学业成就的期望。
四、结束语
大数据标志着面向数据的应用已从起步阶段过渡到成熟和深化阶段。［10］学习分析技术构建下的智能学习环境，能感知学生学习行为、识别适宜的学习资源、改变教学信息传递方式及内容、自动追踪网络学习过程、提供实时信息反馈，是教育信息化进程的高级阶段，是高职院校教育改革的重要发展方向。毫无疑问，学习分析技术是大数据时代极具发展后劲的领域，借助其广泛的应用前景，必将为新时代高职院校教育改革的推进提供崭新的视角。
【参考文献】
［1］黄荣怀,杨俊峰,胡永斌.从数字学习环境到智慧学习环境：学习环境的变革与趋势［J］.开放教育研究, 2012, 18(1): 75-84.
［2］黄荣怀,等.关于技术促进学习的五定律［J］.开放教育研究, 2010, 16(1): 11-19.
［3］李广,姜英杰.个性化学习的理论建构与特征分析［J］.东北师大学报：哲学社会科学版, 2005，(3): 152-156.
［4］Bienkowski M, Feng M, Means B. Enhancing teaching and learning through educational data mining and learning analytics: an issue brief［R］. Washington, D.C. Office of Educational Technology, U.S. Department of Education, 2012: 9-13.
［5］魏雪峰,宋灵青.学习分析：更好地理解学生个性化学习的过程［J］.中国电化教育, 2013，(9): 1-4.
［6］EDUCAUSE. The new media consortium. Learning Analytics［J/OL］. The Horizon Report 2011 Edition, 2011: 28-30.
［7］George Siemens. What is learning analytics［EB/OL］.
http://www.elearnspace.org/blog/2010/08/25/what-are-learning-analytics/about, 2010-07-22.
［8］顾小清,张进良,蔡慧英.学习分析：正在浮现中的数据技术［J］.远程教育杂志, 2012，(1):18-25.
［9］李艳燕,马韶茜.学习分析技术：服务学习过程设计和优化［J］.开放教育研究, 2012，(10): 18-24.
［10］冯芷艳,等.大数据背景下商务管理研究若干前沿课题［J］.管理科学学报, 2013,16(1): 1-9.
Learning Analytics and Higher Vocational Schools Educational Reform in the Big Data Era
CHEN Yong
(Weifang Medical University, Weifang 261053, China)
【Abstract】Facing the Big Data Era with a sudden rush, it have become a hot problem that how to measure, discover, evaluate and operate the huge amounts of data produced in the information learning management system. Learning analytics is the booster of high vocational schools educational reform, and one of efficient routes to solve the practical problem. From the severe challenge for high vocational schools educational reform, this paper expounded the positive promotion and the influences that learning analytics have strongly worked on the educational reform.
【Key words】big data; learning analytics; educational reform
（编辑/赵晓东）
