教育，我想对大数据说：“我深爱着你！” （之六）
论大数据在普通教育中的应用
关键词：教育信息化、大数据、数据管理、集算器
随着互联网、云计算与物联网技术的发展，政府加大了对各级教育机构的信息化建设投入。“十二五”以来，特别是《教育信息化十年发展规划(2011-2020年)》发布和全国教育信息化工作会议召开以来，教育信息化工作坚持促进信息技术与教育教学深度融合的核心理念，坚持应用驱动、机制创新的基本方针，加强顶层设计、多方协同推进，以“三通两平台”为主要标志的各项工作取得了突破性进展。学校网络教学环境大幅改善，全国中小学校互联网接入率已达87%，多媒体教室普及率达80%，优质数字教育资源日益丰富，信息化教学日渐普及；全国6000万名师生已通过“网络学习空间”探索网络条件下的新型教学、学习与教研模式。
但是，教育行业具有其他行业不具备的三大特点：
非透明化:大脑是黑盒子
非标准化:人不是产品、人是目的本身
非即时化:面向未来的行业
现在世界各国普遍实行的教育是依据常识和教育经验来进行决策，基于证据的教学正是未来教育的理想形态。
所以，尽管考试成绩很重要，但是在大数据层面来讲，我们需要更多维度的数据结合在一起进行分析才能得到更具体更准确的结果。如果单有学生的成绩变化，能生成的只会有一份作为教师工作业绩考核的报表，而并不能产生希望得到的教学质量的提升。
一、实现真正的“因材施教”离不开教育大数据
大数据给出了较好的出路，它让学生在教学中产生的细小反馈也能及时被收集。家校沟通的渠道增多，学生在家中的表现，系统也能通过家长来了解。将多类别的数据纳入分析的范畴，并通过大数据手段分析这些数据，我们能重塑学生的整个学习过程，除了结果，我们还能得到精确到每个学生的学习细节和状态。这可以说是非常便利了。
让我们举两个栗子。
比方说我们有个同学，叫小明，他放学在家用平板复习功课做作业。本来正在看第七课的解三角形，却再三跳回第三课查阅三角函数的知识点。这说明小明对三角函数的掌握不到位，没什么信心。
小明和他同桌小亮，数学上都在平板上做解三角形的测验。小亮用时特别短，题都完成得很快，小明多用了半节课的时间才做完所有题。做完题后，答案一提交，两个人错得都不少。
换做以前，老师在办公室里一看，怎么都错这么多。但结合过程，数据展示的结果就不再片面了。做得快错得多，说明学习态度上出了问题。而小明解题时间长，正确率低，说明他态度端正却在能力或方法上出现了问题。
在大数据时代，我们可以将学生每个科目、每道题目的得分数据都收录进系统，这样就能勾勒出学生知识点的掌握情况，准确发现学生的弱点短板，并根据学生在测试中在不同知识点的回答表现的变化趋势，进而完成对学生未来的学习情况的预测。
在普教领域，教育关乎国计民生，教育问题又异常复杂，大数据在重塑普教的教育方面具有无限的潜能。那么，大数据怎样才能有效驱动普通教育改革?大数据进入普通教育领域面临着哪些困难与挑战?
舍恩伯格认为：“我们对潜在后果和概率性结果的预测有加大教育不平等的可能。全面教育数据带来的首个重大威胁，并不是信息的发布不当，而是束缚于我们的过去，否定我们进步、成长和改变的能力。”
如果教育大数据被不加约束地使用，则一定会产生风险。
人是发展性的、具有能动性的物种。过去的选择是清晰的、决定性的、不可更改的，但今天我们会做出什么样的选择则充满了无限的可能性，有无限的变数，这些变数是大数据决定不了的，是不可预测的。这些不可预测的选择和既定的现实，将我们引向可知又充满变数的未来。大数据预测不是占卦算命，一切皆在这变与不变之中。
普教不同于高等教育，它处于人生发展的初始阶段，可塑性极大，变化也极大，有着与高等教育阶段不同的特性：
比如数据收集，获得相关数据并不是一件容易的事。对于大学阶段的学生而言，数据的收集并不是主要问题。然而，对于中小学阶段的学生而言，挑战却很大，因为有些数据的收集存在法律问题，有的则存在伦理道德（隐私）的问题。
再比如预测，教育大数据可以修正教育过程，使之更加符合教育的本质，但教育大数据的确不是万能的。大数据可以很好地展现一个人的学习过往，也可以预测未来该学生的成长轨迹，但大数据预测他可能会成为一名数学家，可这名学生长大后却有可能走上商业的道路。作为个人，我们不断地成长、发展、变化，而那些多年来全面收集的教育数据却始终保持不变。如果教育大数据被不加约束地使用，则一定会产生风险。
总体来说，大数据和普通教育的交集在以下六个领域：
【课堂】生成性教学课堂即时反馈
【学生】学生成长纪录电子档案
【教学】个性化学习智能数据处理
【教师】教师发展与评测
【管理】智慧校园教育管理
【决策】学业与职业抉择辅助
在这六个交集中，大数据在普教领域的应用，概括起来看，主要有以下五个方面：
1、预测：觉知预料中的事实的可能性。例如，要具备这样一种能力，它知道一个学生在什么情况下，尽管事实上有能力但却有意无意的回答错误。
2、聚类：发现自然集中起来的数据点。这有助于把有相同学习状况和学习兴趣的学生分在一组，这非常的实用。
3、模型：使用通过大数据分析开发出学习模型。
4、关联：发现各种变量之间的关系，并对其进行解析。这对探知学生在寻求帮助后是否能够正确回答问题的可靠性很有帮助。
5、决策：建立可视的教学管理的决策参考。
二、大数据分析在普通教育中的典型应用
1、由“预设性教学”向“基于证据教学”转变，提高靶向命中率
利用大数据平台对学生学习情况进行分析，进行智能作业批改和其提供的建议，从学生预习和作业当中出现的薄弱环节，有针对性地改进课程设计。
大数据能对历史教学数据、教学结果和学生的学习行为等进行记录、存储、统计、分析和预测；教师可以根据所得数据调整教学思路、教学设计以及教学方法。准确的数据分析可以极大节省教师时间，学生在平台上的学习结果，可以得到及时反馈，教师也可以及时发现学生在学习中普遍存在的问题，改进下一步教学。让课堂教学从“预设性教学”向“生成性教学”转变，提高靶向命中率。
在持续反馈和不断调整的过程中，教师可以对学生进行连续测评，分析学生学习行为及学习方式的变化，为教师后续教学提供课程设计参考，使课堂教学管理从经验型向数据型、智能型、科学型转变，从以课堂和教材为中心，实现以学生完成教育目标任务为中心转变，从统一教学、标准的工厂化模式向基于学生能力的个性化教学转变。
2、实时分析课堂数据，真实掌握学生学习状态和学习习惯
例如，某初中部将“小班化教学试验”与“教学数据化试验”结合起来的新尝试。
学生人手一台上课“神器”，随时可以把上课状态用数据“晒”出来。每位学生的桌前都放着一个“神器”。老师提问时，学生按下“神器”可以作答，它充当起“抢答器”；有学生回答了，同伴之间可以对回答进行评分，这时它又成了“评价器”；有学生回答问题，它自动录入答案，算出学生的回答正确率，便成了“打分器”。
要求每一位学生都参与到评价同学的回答，这就要求学生时刻留心别人的答案。否则，学生随便打分，老师就能看穿“你可能走神了”。
随堂的大数据系统记录并呈现学生的课堂练习结果、快速检测预习效果、主动发言的愿望、发言质量的评价、主动反映听课效果、准确检测学生课堂关注度、准确统计老师问题的回答结果、调查统计学生的学习效果、辅助教师记录统计学生课堂的批评表扬表现情况。通过这些课堂实时数据的呈现，可以快速帮助老师随时调整教学进度，充分关注每一位同学的课堂表现。
收集课上所有数据信息并上传到数据云端，通过数据反映出学生的真实学习状态和学习习惯。这些实时课堂信息积累成“数据云”后，学校、老师、家长和学生都可以在系统后台查看。家长会上，老师对学生在校表现的反馈，也将以更直观的数据呈现。
当家长疑惑自己的小孩为何在某些科目上成绩不错，而在某些科目上又有大的起伏时，我们完全可以调出学生在各个科目上课时的表现，如课堂参与度，回答问题的积极度、正确率等等，用数据去分析原因。
3、数据化测评判断老师成长，提出改善的地方
可以根据积累的数据做出“教师测评的标准化工具”，测评数据来自教师的自查报告及学年内的各项教学结果的反馈，这些数据可以纵向记录教师的成长历程，提出有待改善的地方。
4、发现需要被关怀的“孤独者”
通过对“校园一卡通”的数据采集和分析，可以采集到足够的行为数据，数据来自学生上课记录、进出图书馆、寝室，以及食堂用餐等数据。通过一卡通的记录进行分析，可以发现一个学生在学校有多少亲密朋友等数据。
如果，他们平均在校期间，一个知心朋友都没有，那么，根据统计数据，这些人中的17%可能产生心理疾病，剩下的则可能用意志力暂时战胜了症状，但需要学校和家长重点予以关爱。
这些就是需要被学校和教师关怀的对象，帮助他们摆脱孤独，走向健康的学习和生活状态。
5、纪录学生成长数据，促进精细化管理，完成从主观到客观评价的转变
依托大数据所进行的数字化校园建设。可以全面客观地记录学生成长轨迹，沉淀和积累多维度的学生成长数据，让反映学生发展状态的数据完整显示出来，才能推进教育质量观的转变，引导学生培养模式和教育质量管理方式的科学发展。
学生早晨上学是从哪个校门进的，中午吃了什么，选了那些兴趣课，有没有去图书馆，他喜欢看哪些课外书？这些情况，学生妈妈在家里都能看到。而且，这些数据记录在“学生电子档案的个人门户网站”，家长可以登录后，对孩子的成长信息一览无余。
学生电子成长档案的内容包括身心健康、学业进步、成长体验、个性技能4个维度，围绕4个维度，设立N个一级、M个二级、L个三级数据采集指标。在多元化的考核体系下，学校不再仅仅注重学生的学业成绩，而是让学校认识到在促进学生全面发展某些方面的管理“缺位”。
通过基于客观数据的科学分析，改变了以往传统以资料检查、调查访谈和印象评分为主的教育评价，让数据告诉学校管理者自己在某些方面的'缺位’。
基于“数字化的教育评价体系”探索，将重点放在学生的全面发展、教师专业发展、学校特色发展等方面。当十几张量化的数据统计表摆在教育管理者面前时，精细化管理、绩效量化将不再是传说。
6、全程实时分析学习进度
应用大数据技术全程实时分析学生个体和班级整体的学习进度、学情反馈和阶段性成果，从而及时找到问题所在对症下药，实现对学习过程和结果的动态管理。
大数据分析系统以学生为中心，按照教、学、测三个环节组织线上学习内容与学习过程，将学生、教师、家长、机构四类用户群有机整合在管理系统中，各司其责，相互作用，实现了个性化的课堂教学、家庭辅导和自主学习管理环境。
完全实现“以学生为中心”，实现知识点释疑、盲点解读等。同时由于小组的科学合理划分，学生们的相互交流、互动、提问等问题都明显加强，起到了“三人行，必有我师”的相互问答、相互学习的效果。
7、大数据学业诊断帮助学生提高成绩，助力老师精巧教学
大数据的利用可以对海量的学生试卷及练习题进行专业常态化处理，快速形成计分电子表格、错题本、诊断报告、个性化学习包、学业信息档案、学科内容评价报告单等，并基于数据的分层、关系和行为进一步形成相关增值方案。为学生的个性化学习提供依据，有效助力老师精巧教学，学生灵巧学习，家校互助无间。
传统的学业诊断方法存在以下三个弊端：一是耗费了教师大量的时间；二是诊断的精准度低，教师虽然统计出做错题学生的人数，但一般不会记录是哪些学生出错；三是诊断的跟踪性差，统计是点状诊断，缺乏对学生个体的线状跟踪分析。
传统的学业诊断的教学价值因此大大降低。
而大数据学业诊断给出一次考试中每个选择题的正确答案、错题人数、高频错误选项，填空题错误人数，计算题得分率等。教师可以快速、精准定位讲评重点，提升讲评效率和讲评质量。教师可以快速查找学业困难学生，判定是否实施个性化辅导及针对性的辅导方案。
8、预测学生是否能顺利完成课业，发出警告信信号
纽约州波基普西市玛丽斯特学院与运营数据分析公司合作发起开源学术分析计划，旨在一门新课程开始的两周内，预测哪些学生可能会无法顺利完成课程。
该计划基于运营分析平台建立了分析模型，通过收集分析学生的学习习惯，例如点击线上阅读材料、是否在网上论坛中发言、完成作业的时长等等，来预测学生的学业情况、及时干预帮助问题学生，从而提升毕业率。
通过教育部门的跨校学习数据库，能够看到学生的分数、出勤率等的主要趋势。通过使用学生的相关记录和课程记录，能够让学校探测性地知道导致辍学和学习成绩表现不良的警告性信号。此外，还允许学校发现那些导致无谓消耗的特定兴趣课程等等，并且看出哪些资源和干预是最成功的。
9、辅助教育管理决策
大数据工具可以让学校了解某一决策对学生的影响，并找出更好的方案，从而提高学生成绩。
根据数据进行图表式呈现，把复杂的数据转化成简明、易懂，可操作的路线图。在政府、学校、机构做出或打算做出某一决策时，大数据应用会给出主要利益相关者报告，预估这一决策的影响。在决策实施之后，还能够追踪效果。
政府版，可以衡量政府的方案和倡议对学生带来的影响，提高财政教育支出的效率。
服务机构版，可以衡量服务对学生的影响，判断学校需要什么，促进学校与学生之间的关系。
地区版，即时获取报告数据，为区域措施提供支撑。
学校版则是，分析发起的项目或投入的资源对学生学习的直接影响，衡量学校提议对家长等其他主要利益相关者的影响。
三、中小学大数据存储和分析架构建议
我国的中小学都是义务教育，义务教育经费由国家支出，导致教育系统的经费有限，没有足够的资金注入到新型技术的应用。
针对现有的教育国情，可以采用低成本，高实用性的大数据存储和分析方案，用于解决中小学教育中存在的问题。
1、数据存储架构
将大数据应用在中小学教育中的首要问题是数据存储。因为中小学教育的资金有限，直接购买大容量的数据存储服务器成本太高。所以，如何以最低的成本来建立大数据的存储是设计中面对的第一个重要的问题。
如图1所示，设计中采用大数据分布式文件系统（HDFS）架构，利用低成本的数据存储接点，来搭建数据存储单元，以达到有效的降低存储成本的目的。该设计中主要包括元数据管理器、元数据节点、大数据的用户（教师、家长和学生）和用户数据节点。
2、低成本冗余存储设计
设计中采用冗余的策略来保证数据节点的可靠性。冗余的机制就是通过对相同的数据进行不同节点的备份。通过冗余机制，如果一份数据出错，可以通过备份的数据进行恢复，以此，可以提高数据的可靠性。冗余信息的存储位置同样由元数据管理器进行管理，存储在元数据节点中。
3、数据分析架构
上图描述了数据的分析架构。数据分析架构是工作在大数据存储节点和元数据管理器上层，通过从数据存储节点中获取数据进行数据的分类、整理和分析。数据分析架构主要由五个模块组成：数据采样、特征提取、数据训练、模型对比和训练结果。
五个部分在数据分析管理中起不同的角色但相互又有一定的依赖性。
这整体的解决方案可以采用“润乾信息”的轻型大数据计算引擎来构建，在它上面可以轻松的整合原有的和将来需要新建的任何大数据分析产品。一方面降低了建设的成本，另一方面，可以脱离对原有应用厂商的不同系统的绑定，是真正的中小学大数据平台应用的“神器”。
随着大数据时代的到来，将大数据应用到现在中小学教育中有重要和深远的意义。在设计的过程中，综合考虑到中国中小学教育存在的经费不足的问题。在大数据的分析管理过程中，考虑和对比各种不同的学习设计方案，以采用最优的解决方案。
【TIPs】
“销盟”成员企业在2017年中，分别在教育部和省级平台、高校、职校和普教等领域有着较好的合作和成功案例，这些合作包括系统运维、业务性能管理、数据平台建设、数据共享、安全体系建设、大数据分析、图书管理等。欢迎大家咨询合作。
在这里我们看到随着全国50多万所学校、1700多万名教师、2.4亿名学生、200多万栋校舍等海量的数据入库。全国各类应用超过500个，省部级应用超过100个，部级应用超过80个这样一个庞大的体系的运转，在信息安全、数据信息孤岛的信息共享、数据管理、分析、传输、同步等机会将会大量的涌现。这让笔者想起了销盟成员企业“润乾”的一句话：“未来无处不计算，应用技术推动发展！”
希望本文能帮助关注教育行业的企业和应用软件的企业了解未来趋势，有任何关于教育行业的IT和大数据、人工智能智能的问题和项目，我们可以提供相关的咨询和帮助，将是笔者和销盟的荣幸！
欢迎讨论和留言。
分享是一种美德，转载请注明来源和出处！
“相关文章阅读”