大数据学习分析支持的个性化学习——技术回归教育本质

大数据时代的来临,引领学习者学习方式发生变革。提供给学生有针对性的个性化学习是教育发展方向,是技术回归教育本质的实践。个性化学习已经成为教育课程改革的重点内容之一,如何有效地实现个性化学习已经成为一个无法回避的关键议题。

大数据学习分析则使个性化学习的实现成为可能,在大数据变革教育时代如何“促进有效教学、推动学生个性化发展”已成为教育可持续发展关键所在。鉴于此,本文将从2个方面深度分析大数据如何支持个性化学习:

一、大数据被谁而用:大数据学习分析对个性化学习中利益相关者的影响

随着大量的学生姓名、性别、学校、专业、标准化考试成绩、已达到的学术标准、出勤记录、纪律记录、家庭作业完成情况等学生信息的产生,学校机构需要开展对数据集的收集与分析,获取有用信息。大数据分析是一种变革,改变了现有的管理流程、教学、学习以及工作等,有益于政策和实践成果,促进教育公平,回归教育本质,使个性化学习真正地实现。大数据在个性化学习实施过程中对其利益相关者(学生、教师、教育管理者)均产生积极影响,如图所示。

1

(一)对学生的影响

大数据学习分析可以预测学习者个性化的学习行为,让学生获得自己的数据,给予学生积极的反馈。学习者可以依据自己某一时期的学习状况进行分析与预测,设定自己的目标,制定符合自己个性化发展的学习路径。此外,大数据还可以跟踪学生的学习进展,让学生可以计划自己的学习活动。这些数据可以对学生进行指导,使学生做出最适合自身发展的决策。

(二)对教师的影响

大数据学习分析通过总结相关问题的关联,发现学生发展趋势,识别学生未来可能存在的任何问题,以评估问题出现的可能性。它可以帮助教师识别出学生在学习过程中的潜在问题,在学生遇到问题时帮助学生,使学生更容易获得成功。此外,大数据可以在与学生成功直接相关的细节、工具和内容上帮助教师进行预测。在教师教学的过程中,通过对学生数据进行有效的分析,掌握学生学习状况与发展需求,有利于提高学生的学习质量,促进有效教学,推动学生快速发展。此外,大数据技术可以更加精确地记录学生的学习行为,准确记录到每位学生使用学习资源的过程细节,使教师更准确地追踪学生学习轨迹和学习时长,从而给予学生实时的、可操作的反馈。

(三)对教育管理者的影响

对于教育管理者来说,为推动学生个性化的发展,可以通过跟踪多种类型的数据,为学生创建个性化的学习环境,使学生个性化学习得以实现。此外,教育管理者需要帮助学生丰富个人的学习成果,大数据可以提供预测工具,以确保学术课程达到高质量标准。通过制定学术课程,在学生学习过程中的每一步收集数据,定制模块、任务、反馈和学习步骤满足学生需求,促进更有效、更丰富的课程学习。利用大数据工具分析个别学生的技能和技术水平,可以更好地为学生分配个性化的资源,并设计一个个性化的学习经历,以满足其特定的学习路径,从而实现个性化学习。

二、大数据为何而用:大数据对个性化学习的价值分析

个性化教育内含了教育公平的理念,应用大数据学习分析技术使实现真正的个性化学习成为可能,而个性化学习必然回归教育本质。通过大数据学习分析技术的应用,以教育测评为基础,全方位了解学习者的个性特征,提供给学习者适宜的发展条件。其价值体现在以下五个方面:完善个性化学习者档案、分析预测个性化学习行为、优化个性化的教育决策、改善个性化的学习评估以及提供个性化的学习反馈与建议。

(一)完善个性化的学习者档案

个性化学习得以实现的前提是拥有更多且不同类型的数据点。大数据学习分析的应用,使得收集数据点的数目与类型显著增加。这些数据点之间的相互作用可以使学习者档案建立更为完善,使教师更为准确地了解学生个性化发展需求,从而提供真正的个性化教学。

(二)分析预测个性化的学习行为

学习行为是影响个性化学习的主要因素。基于大数据的学习分析旨在用学生数据预测学生的学业成绩,发现学生的不良学习行为以及影响学习者个性化学习的因素,亦可鉴别出在学业上需要帮助的学生。此外,还可以预测学生的学习行为,帮助学生设定自己的目标,并跟踪他们的学习进展,让学生获得自己的数据。学生可以通过数据信息确定他们的目标是否达成或确定采用什么策略。这些数据点还可以对学习者进行指导,使学习者在自己的学习过程中发挥更大作用。

长期分析学生的信息可以为学生个体或团体提供适应性的和个性化的学习环境,最大限度地提高学习效果和效率。由此可见,基于大数据的预测对于个性化学习是至关重要的。

(三)优化个性化的教育决策

在传统的公共教育模式中,教师被视为拥有自主权的课程内容专家。课程是由学校决定的,但教师可以根据需要自行修改或增减教学内容。此外,教师还被视为具有权威性质的教育专家和教学实践者。而大数据学习分析的使用,正改变着教师在教育决策中的角色。傅瑞姆(Frame)认为在基于大数据的个性化学习中,教师不再是无所不知的信息提供者,而是作为教练和指导者,引导学生主动获取知识。

基于大数据做出决策,使课堂教师的角色弱化,这有利于获得教育领域以外的其他个人的知识与经验。由于教师角色减弱,教师的作用被重新定义和“扩展”,教师已扩展至没有教学背景或未受认证的个体。随着“新参与者”参与创建课程,教师关于课程选择和教学的决定作用也在减弱。非教育领域(如游戏、移动、社交技术)的技术开发人员开发的数字资源,可以与教科书和其他学习材料发挥同样的作用。

(四)改善个性化的学习评估

在传统的公共教育模式中,学习评估是基于教师、辅导员或管理者的专业知识以及与学生日常交互的经验而展开,通常发生在学校或课堂。教师虽然有自己的学习经验和方法来记录每个学生的优势和不足,但这些记录不易携带,难于分享,也难于进行快速分析。此外,虽然教师能够进行个性化的评估活动与互动,但这种课堂活动所反映出来的数据,通常是片面的和短暂的。教师和学习者在一起工作时,其他个体(政府、校长)不能系统地监控结果。教师“内心记录”不如那些用技术创建的记录方法,仅凭教师做出学习评估是不全面的。大数据学习分析技术比仅凭教师的学习评估更高效。用教育系统评估学生的成绩,大数据和新的证据模型可以进行转移测量,把重点放在真正重要的地方,并为教育工作者和学生提供更及时的信息反馈。基于数据的评估有助于真正的实现个性化学习。

(五)提供个性化的学习反馈与建议

教师经常会使用标准的考试分数和测试数据来指导自己的教学计划。然而,这种测试无法立即给予学生实时“可操作”的反馈。随着新的数字化学习资源和学习技术的普及,能够超越传统方法的新的测量方式正在出现。例如数据挖掘技术可以追踪学生的学习轨迹和学习时长,从而为学生和教师提供可操作的反馈。

如果没有全面的数据库帮助,教师不会有一个完整的关于学生知道什么和能够做什么的认知。他们也无法使用学习分析和非认知数据,为每个学生定制学习并推送个性化的学习建议。学习分析系统应用模型,可以回答学生何时准备好进行下一个知识点学习、课程学习哪里落后、何时遇到困难未完成课程学习、哪些年级的学生不喜欢被干预,给学生的最好的课程是什么以及学生是否需要教师提供帮助等。