论文部分内容阅读
当前的信息技术已经逐步在向着数据主导的方向过渡。社会经济的各个领域都在不断地通过数据的引导进入一个新的精细化管理和运营的时代，教育行业也在这一趋势的影响下逐步发展，不断涌现出越来越多的基于数据的应用，助力教育的进一步变革。
“数据”与“数字”的区别何在？有个简单的例子：一个学生考试得了78分，这只是一个“数字”。但如果思考这78分背后的因素：家庭背景、努力程度、学习态度、智力水平等，把它们和78分联系在一起，这就成了“数据”。国际数据公司定义了大数据的四大特征：海量的数据规模（vast）、快速的数据流转和动态的数据体系（velocity）、多样的数据类型（variety）和巨大的数据价值（value）。
教与学过程中的大数据采集和技术挑战
近些年最热的“题库”类应用，也是基于大数据的教育应用细分行业。越来越详尽的知识点体系，不断优化的交互反馈，使其成为很多教师、学生常用的在线学习工具。通过在线的形式，在用户使用过程中可以积累大量的学习行为数据。这些数据不仅包括答题的结果，还包括学习者的答题过程、时间、速度、停顿甚至部分思路，这样就可以让学习者更加方便、有效地提升自己的学习效果。在这一方面，我们的题库还有相当多需要努力的地方。从用户体验角度看，倒是移动端的App相对好些，例如魔方格。
相比题库这一类产品，以微课、MOOC为代表的新一代视频学习载体，则帮助学习者快速地获取学习资料，与全世界范围内有相同兴趣的人结成学习小组，通过互动讨论，促进共同的学习和进步。在这一过程中，我们可以获取到更立体的关于学习者的信息。比如，通过视频播放过程的观察，通过在线互动和课后作业完成情况的追踪，我们可以越来越真实地建立起学习者模型，从而为更好的课程和更有针对性的教学服务提供有力的参考依据。正如岳雷老师在网上教师实名互助社区中所说，微课最大的价值之一就是获得学习者的数据，更有效地支持他们的学习。Coursera（世界三大MOOC平台之一）发展团队中国区业务负责人伊莱·布林德博士介绍说，他们的平台会给教课的教授提供数据分析工具。通过这个工具，教授能够看到有多少学生看了他发布的视频、学生看了几遍这个视频;教师可以通过监测学生的具体表现，及时调节学习内容。他说，若学生不直接使用Coursera平台，而采取翻转课堂的学习方式，平台上的数据则可以帮助教师甄别哪些是学生已掌握的内容，哪些是学生需要进一步练习的内容。数据分析工具还可以应用于学生的互评活动。比如，可以通过数据把那些花了不到一分钟就给出的评价去掉，只取可靠的学生评分。同时，从研究者的角度看，平台记录下的所有的学生行为，可用于对不同教育问题进行深入研究。
电子书包经过多年的努力，在国内部分学校展开了实验性使用。电子书包最大的改变就是每位学生都配备了一台数字化的终端。当学生有了这台终端后，对其学习过程的数据采集，才有了坚实的技术支持和可能性。在笔者分析的电子书包7大杀手级应用中，“评测和数据分析”位列第一。这也是电子书包行业内做得最突出的一个功能，让教师、学生、家长、领导、专家都叹服于数据的瞬时即达。基于数据库的数据分析让用户实现了梦寐以求的愿望。将来，随着电子书包监测能力的提高，其收集的数据将不仅仅是使用学习应用产生数据，还将记录学生在学习活动中个体行为表现，比如学习时眼到书本的距离、体态位置、用眼强度等，从而实现从单纯的知识学习到健康学习的转变。
所有这些数据的处理基础在于构建于云端的数据中心集群和新形式的结构化、非结构化的数据库和数据挖掘工具。这些工具能够让我们更便捷地搭建起有力的数据模型，不论是基于群体行为的“大”数据模型，还是针对学习个体或者典型学习群组的“小”数据仓库。
然而，无论“大”还是“小”，所有这些应用都存在一个前提，就是我们能否用一种更有效的方式获取到更多的全面、真实的数据。而这一点，对于教育行业的大数据应用，则尤其需要重视。
获取数据的真实性需求，意味着数据的提供者不能“主观地”提供“假”的数据给系统，否则基于此的数据挖掘和分析就变得越来越有局限性。这点在题库类型的应用中会表现得比较突出，学习者为了得到较好的结果，往往会尝试通过一些手段“欺骗”系统。比如，笔者曾在一次实验中发现，某个班级的学生在在线试卷的完成过程中，有相当比例的学生完成试卷的连贯性非常不好，甚至在提交作业后又会主动要求教师重新布置作业让其重做。深度访谈后发现，这其中很多学生为了获得足够好的成绩，会主动通过其他途径取得答案（比如提交一次，记下答案，要求重做，或者QQ上向其他已经提交的同学要答案）。这种情况下获得的学习数据，多少会有一些失真。真实数据的获取，最佳的状态应该是提供者根本意识不到数据被采集，或者至少没有主动作伪的动机，而学生为了取悦教师、家长，则经常有作伪的动机。从这个意义上来说，获取高可信度的数据是有困难的，需要从技术策略上对其进行有针对性的设计。
物联网在教育教学数据采集过程中具有天然优势
前述所有的数据获取来源，几乎都是“线上”通过PC或者移动终端获取而来。对于教学来说，当下还是有大量的学习时间、学习过程是发生在线下而非线上。教室中，家庭里，人与人之间的真实的互动反馈，通过线上的交流来替代，显然还是一种幻想。这就给数据采集带来了另外一个难题：怎样采集到更多的线下发生的学习数据？最近几年，越来越成熟的物联网技术和可穿戴设备，给我们提供了一条新的思路。
物联网技术应用到教育教学数据采集过程中，具备天然的优势：首先，数据采集过程，对于使用者来说是“离线”的，而非“在线”的;其次，数据的收集，大部分是学习者无法干预的;最后，这些数据的收集对传统业务流程的“改革”更小、“改善”更多，可以大大减少业务推进的阻力。
这样一种技术在最近几年越来越多地被引进到教育系统中来，从各个角度协助教育部门调整、改进管理和教学手段，提升教育服务质量。这其中，最早也是最普遍的应用，应该算使用智能校徽的校园门禁和安全管理系统。这类应用多数基于2.4GHz通讯的有源卡加接收器件，也有一些通过其他的Rfid无源卡辅以较大功率的有源天线加以实现。使用这样的系统后，学生可以自然上下学，无需在通过校门的时候刻意地到某个刷卡机器上刷卡，其位置信息就可以自动记录下来。类似的技术解决方案在矿山、物流等需要复杂的定点定位的系统中也有非常成熟和精巧的案例。 虽然上下学签到这样的业务对于校园日常的教育教学工作的影响非常有限，但却为物联网进入校园开了一个好头。当教师和学生开始拥有如Rfid卡片这样的物联器件的时候，我们就有可能采取更多、更有效的手段去深度挖掘其应用空间。
同样基于2.4GHz通讯的抢答器应用就是一款活跃在很多中小学课堂中的应用。它的操作非常简单，就是通过几个简单的按钮，收集课堂上学生对于某个问题的理解或者对某个作品的评价，并且即时产生出统计图表，这样可以更加方便地让教师获得学生的反馈信息，更好地组织教学。
最近跟着STEAM系统进入一些校园的传感器实验室应用，则是一种更加Geek式的操作，它构建一个相对封闭独立的小环境，集成温度、湿度、化学等多种传感器，利用摄像头、麦克风和互联网的辅助，帮助学校记录一些长期性的探究性课程，并借助网络让更多学生参与进来。比如，可以利用这套系统观察一株植物的全部生长过程，生成成长图表，记录观察日记，等等。唯一遗憾的是，这类系统对于学习者本身的观测和数据记录相对比较匮乏，更多属于教学探究工具。那么，有没有直接深入日常课堂教学流程，采集课堂学习数据的物联网技术形式呢？2014年的普教展上有一种基于物联网的教棒，让我们看到了这种方向的实践。
图1
“数据”与“数字”的区别何在？有个简单的例子：一个学生考试得了78分，这只是一个“数字”。但如果思考这78分背后的因素：家庭背景、努力程度、学习态度、智力水平等，把它们和78分联系在一起，这就成了“数据”。国际数据公司定义了大数据的四大特征：海量的数据规模（vast）、快速的数据流转和动态的数据体系（velocity）、多样的数据类型（variety）和巨大的数据价值（value）。
教与学过程中的大数据采集和技术挑战
近些年最热的“题库”类应用，也是基于大数据的教育应用细分行业。越来越详尽的知识点体系，不断优化的交互反馈，使其成为很多教师、学生常用的在线学习工具。通过在线的形式，在用户使用过程中可以积累大量的学习行为数据。这些数据不仅包括答题的结果，还包括学习者的答题过程、时间、速度、停顿甚至部分思路，这样就可以让学习者更加方便、有效地提升自己的学习效果。在这一方面，我们的题库还有相当多需要努力的地方。从用户体验角度看，倒是移动端的App相对好些，例如魔方格。
相比题库这一类产品，以微课、MOOC为代表的新一代视频学习载体，则帮助学习者快速地获取学习资料，与全世界范围内有相同兴趣的人结成学习小组，通过互动讨论，促进共同的学习和进步。在这一过程中，我们可以获取到更立体的关于学习者的信息。比如，通过视频播放过程的观察，通过在线互动和课后作业完成情况的追踪，我们可以越来越真实地建立起学习者模型，从而为更好的课程和更有针对性的教学服务提供有力的参考依据。正如岳雷老师在网上教师实名互助社区中所说，微课最大的价值之一就是获得学习者的数据，更有效地支持他们的学习。Coursera（世界三大MOOC平台之一）发展团队中国区业务负责人伊莱·布林德博士介绍说，他们的平台会给教课的教授提供数据分析工具。通过这个工具，教授能够看到有多少学生看了他发布的视频、学生看了几遍这个视频;教师可以通过监测学生的具体表现，及时调节学习内容。他说，若学生不直接使用Coursera平台，而采取翻转课堂的学习方式，平台上的数据则可以帮助教师甄别哪些是学生已掌握的内容，哪些是学生需要进一步练习的内容。数据分析工具还可以应用于学生的互评活动。比如，可以通过数据把那些花了不到一分钟就给出的评价去掉，只取可靠的学生评分。同时，从研究者的角度看，平台记录下的所有的学生行为，可用于对不同教育问题进行深入研究。
电子书包经过多年的努力，在国内部分学校展开了实验性使用。电子书包最大的改变就是每位学生都配备了一台数字化的终端。当学生有了这台终端后，对其学习过程的数据采集，才有了坚实的技术支持和可能性。在笔者分析的电子书包7大杀手级应用中，“评测和数据分析”位列第一。这也是电子书包行业内做得最突出的一个功能，让教师、学生、家长、领导、专家都叹服于数据的瞬时即达。基于数据库的数据分析让用户实现了梦寐以求的愿望。将来，随着电子书包监测能力的提高，其收集的数据将不仅仅是使用学习应用产生数据，还将记录学生在学习活动中个体行为表现，比如学习时眼到书本的距离、体态位置、用眼强度等，从而实现从单纯的知识学习到健康学习的转变。
所有这些数据的处理基础在于构建于云端的数据中心集群和新形式的结构化、非结构化的数据库和数据挖掘工具。这些工具能够让我们更便捷地搭建起有力的数据模型，不论是基于群体行为的“大”数据模型，还是针对学习个体或者典型学习群组的“小”数据仓库。
然而，无论“大”还是“小”，所有这些应用都存在一个前提，就是我们能否用一种更有效的方式获取到更多的全面、真实的数据。而这一点，对于教育行业的大数据应用，则尤其需要重视。
获取数据的真实性需求，意味着数据的提供者不能“主观地”提供“假”的数据给系统，否则基于此的数据挖掘和分析就变得越来越有局限性。这点在题库类型的应用中会表现得比较突出，学习者为了得到较好的结果，往往会尝试通过一些手段“欺骗”系统。比如，笔者曾在一次实验中发现，某个班级的学生在在线试卷的完成过程中，有相当比例的学生完成试卷的连贯性非常不好，甚至在提交作业后又会主动要求教师重新布置作业让其重做。深度访谈后发现，这其中很多学生为了获得足够好的成绩，会主动通过其他途径取得答案（比如提交一次，记下答案，要求重做，或者QQ上向其他已经提交的同学要答案）。这种情况下获得的学习数据，多少会有一些失真。真实数据的获取，最佳的状态应该是提供者根本意识不到数据被采集，或者至少没有主动作伪的动机，而学生为了取悦教师、家长，则经常有作伪的动机。从这个意义上来说，获取高可信度的数据是有困难的，需要从技术策略上对其进行有针对性的设计。
物联网在教育教学数据采集过程中具有天然优势
前述所有的数据获取来源，几乎都是“线上”通过PC或者移动终端获取而来。对于教学来说，当下还是有大量的学习时间、学习过程是发生在线下而非线上。教室中，家庭里，人与人之间的真实的互动反馈，通过线上的交流来替代，显然还是一种幻想。这就给数据采集带来了另外一个难题：怎样采集到更多的线下发生的学习数据？最近几年，越来越成熟的物联网技术和可穿戴设备，给我们提供了一条新的思路。
物联网技术应用到教育教学数据采集过程中，具备天然的优势：首先，数据采集过程，对于使用者来说是“离线”的，而非“在线”的;其次，数据的收集，大部分是学习者无法干预的;最后，这些数据的收集对传统业务流程的“改革”更小、“改善”更多，可以大大减少业务推进的阻力。
这样一种技术在最近几年越来越多地被引进到教育系统中来，从各个角度协助教育部门调整、改进管理和教学手段，提升教育服务质量。这其中，最早也是最普遍的应用，应该算使用智能校徽的校园门禁和安全管理系统。这类应用多数基于2.4GHz通讯的有源卡加接收器件，也有一些通过其他的Rfid无源卡辅以较大功率的有源天线加以实现。使用这样的系统后，学生可以自然上下学，无需在通过校门的时候刻意地到某个刷卡机器上刷卡，其位置信息就可以自动记录下来。类似的技术解决方案在矿山、物流等需要复杂的定点定位的系统中也有非常成熟和精巧的案例。 虽然上下学签到这样的业务对于校园日常的教育教学工作的影响非常有限，但却为物联网进入校园开了一个好头。当教师和学生开始拥有如Rfid卡片这样的物联器件的时候，我们就有可能采取更多、更有效的手段去深度挖掘其应用空间。
同样基于2.4GHz通讯的抢答器应用就是一款活跃在很多中小学课堂中的应用。它的操作非常简单，就是通过几个简单的按钮，收集课堂上学生对于某个问题的理解或者对某个作品的评价，并且即时产生出统计图表，这样可以更加方便地让教师获得学生的反馈信息，更好地组织教学。
最近跟着STEAM系统进入一些校园的传感器实验室应用，则是一种更加Geek式的操作，它构建一个相对封闭独立的小环境，集成温度、湿度、化学等多种传感器，利用摄像头、麦克风和互联网的辅助，帮助学校记录一些长期性的探究性课程，并借助网络让更多学生参与进来。比如，可以利用这套系统观察一株植物的全部生长过程，生成成长图表，记录观察日记，等等。唯一遗憾的是，这类系统对于学习者本身的观测和数据记录相对比较匮乏，更多属于教学探究工具。那么，有没有直接深入日常课堂教学流程，采集课堂学习数据的物联网技术形式呢？2014年的普教展上有一种基于物联网的教棒，让我们看到了这种方向的实践。
图1