【大数据思维对开放教育数据挖掘的启示】启发思维

大数据思维对开放教育数据挖掘的启示

黄欣荣将大数据思维与小数据思维相比较，从数据的增长速 率、使用范围考虑，认为大数据思维具有整体性、多样性、 平等性、开放性、相关性和生长性等六大特征[5]。周世佳 从数据产生的状态、处理的模式、结果的呈现样式出发，认 为大数据思维的特征是：整体性与涌现性、多样性与非线性、 相关性与不确定性、并行性与实时性[6]。大数据思维是大 数据时代形成的特定思维方式，与传统的数据思维有所差别。

本文从数据对象、关注点、数据处理方式、支撑技术等方面 总结归纳了大数据思维与传统数据思维的差异，如表1所示。

（三）大数据思维的教育应用 二、开放教育领域教育教学数据应用现状 （一）开放教育领域教育教学数据类型 随着互联网技术的发展与应用，远程开放教育领域部署了众多学习管理系统，比如三级“电大在线”远程教学平台、 形成性测评系统、国家开放大学学习网，除此以外，还有招 生、教务、考试报名等信息管理系统，这些系统经过多年的 教育实践，不但存储着海量学习者信息及学习过程数据，还 存储着大量的管理数据。2012年，葛道凯等人根据教育活动 中技术手段的差异，将教育数据来源划分为传统教育数据和 远程教育数据。根据业务活动的不同，将教育数据挖掘的数 据来源划分为教学数据、管理数据、科研数据三大类。[17]1. 教学数据挖掘远程教学数据主要来源于各类数字化学习环 境，既可以是保存在服务器和客户端上的日志数据[18]，还 可以是图片信息、动画、视频、地理位置信息等，前者多为 结构化数据，后者多为半结构化或非结构化数据。随着智慧 课堂等信息化项目的建设，各种电子教具、智能设备逐渐进 入课堂，课堂教学过程也会产生并保存丰富的数据。对教学 数据进行挖掘，对学习过程中产生的各类信息进行深度分析， 能够实时洞察学习者的行为，从而预测和把握每一个学习者 的学习需求、学习风格、学习态度乃至学习模式，学校、教 师可以为不同学习者提供合适的学习内容与指导，实现真正 意义上的个性化教育。2.管理数据挖掘管理数据主要来自于 教育机构、部门使用数字化管理系统过程中录入、保存和管 理的数据，主要表现为结构良好的报表形式。比如人事管理、 招生管理、学籍管理、教务管理、师资管理等常见系统。在 现今管理中，学校决策很多时候仍然主要依赖领导的经验和直觉，而非基于客观的数据。大数据思维可以重构决策路径。

挖掘并分析管理数据，能够为教育管理人员提供参考，实现 对管理对象（学生、教职工）及各种业务流程的更好理解， 并据此优化各项管理工作。3.科研数据挖掘目前许多与科学 研究有关的信息资料已被转换为数字形式，存于数据库中， 并可通过各类检索系统检索使用。科研数据结构良好，非常 适合进行数据挖掘。将科研数据库，如文献数据库、政策数 据库、语料库等的原始数据转换为有用信息，可提高研究效 率，优化研究成果的呈现方式，实现全面、快速、准确地了 解某一研究领域的现状，并预测未来的发展方向。比如，基 于CNKI期刊论文数据库的“终身教育与远程教育”之关系的 文献研究[19]。

（二）开放教育领域教育教学数据应用现状 尽管开放教育领域早已形成了“大数据仓库”，但学校 缺乏对数据的集中管理与有效利用，对数据的应用相当有限， 绝大部分数据只是沉寂在数据库中，很难从中发现规律和有 价值的信息，这种情况主要表现为以下几方面：1.业务部门 难以提出数据的准确需求学校的业务部门对数据的采集、整 理、分析主要出于业务驱动，业务流程结束后，数据也随之 沉睡，数据分析处于被动状态。此外，很多业务部门不了解 大数据及其应用场景和价值，尚未形成大数据思维来指导各 项工作的开展，在实际工作中难以提出大数据的准确需求：
要优化某项业务，到底需要哪些数据？这些数据应当如何获取？采集的数据要按什么标准进行整理、挖掘和分析？数据 的可视化处理应做到什么程度？2.对数据的应用受制于平 台和技术学校各级各类学习系统、信息管理系统的数据产量 很大，但对数据的保存和利用率总体偏低。就数据的存储和 处理来说，存在数据类型多样化、数据读写瓶颈、存储压力、 系统性能瓶颈、数据分析效率低、数据安全等问题。比如开 放教育的教务管理系统，庞大的学生成绩数据已超出传统系 统的存储和分析能力，导致对成绩数据的处理停留在简单的 查询、统计、打印和报表阶段，未能对数据进行深入分析， 获得有利于教学工作的信息[20]。3.现存的数据分析是零散 的、割裂的大数据时代，强调形成机构内部各模块数据、数 据库网、多媒体数据、各类平台数据、各类信息载体数据之 间的互联，力求最大限度地利用数据。但现有的教育数据存 在机构化、部门化问题，数据呈现割裂、零散状态，数据分 析也较少关注数据之间的相关性。比如，教务处会有意识地 整理每学期的在籍生人数、各专业人数、开设课程明细、学 期选课人次、学生到课率、按期毕业率、学位获取率、退学 率、终结性考试及格率等数据，但却很少挖掘这些数据之间 的相关性和影响关系，更不用说不同部门数据之间的联动关 系。4.缺乏专门的数据分析岗位及人才大数据时代带来很多 新的理念和技术，拥有与过去完全不同的数据存储和处理模 式，但现有的系统管理员、数据库管理员仍然习惯使用传统 关系数据库管理系统，短期内很难具备面向未来的数据分析技能。究其原因，一方面在于学校对数据分析相关岗位和人 才的需求态度尚未明朗，另一方面，新技术应用门槛较高， 许多大数据技术在成熟度和可访问性方面暂时不及传统数 据库和数据管理套件，可用于帮助系统管理员熟悉这些环境 的补充分析工具也非常有限。

三、大数据思维对开放教育数据挖掘的若干启示 （一）自上而下，形成教育教学管理的数据思维 随着广播电视大学向开放大学的转型，成人院校在办学 种类、办学规模、专业结构和数量、师生来源、甚至所处环 境都会发生变化。对开放教育数据进行挖掘与分析，有助于 成人院校找准办学定位，提高教育、教学、管理的科学性， 也为学校改进和加强宏观管理提供了有益的检测模式和评 估技术。大数据思维的推广应用，需要学校的管理方式、架 构、技术均与大数据时代相适配。因而有必要在区域或学校 层面形成整体的大数据战略，并将此作为学校的重要任务， 通过大数据思维将信息化教学、信息化管理、远程教育支持 服务与学校日常工作相整合，通过协调化方式，所有部门共 同培养和提高收集、存储、管理、分析和共享海量数据所需 的思维与技术，逐步实现数据管理的常规化、即时化、网络 化、公开化。

（二）从智慧校园建设入手，为数据挖掘与分析创造充 分条件 随着云计算和物联网的出现，校园信息化建设应尽快从数字校园向智慧校园过渡。智慧校园建设通过把传感器嵌入 到校园的各种系统中，将校园管理的众多软件系统平台融入 到校园云，实现云、物联网、互联网的串通联接，由此可实 现校园实时数据的获取、存储和加工分析，从而为学校发展 和教学应用提供有效的决策依据，智慧校园作为教育信息化 建设的一个实体，对实践大数据的价值提纯有重要的现实意 义[21]。此外，智慧校园还包括大数据的标准体系、校园数 字化生态环境以及相应的信息化组织管理体系等方面的建 设[22]。从基础设施建设着手，逐步开展基于云计算的大数 据应用，实现对教师网络教学行为、学生远程学习行为、学 生个性特征等的分析和预测，为促进学生身心发展提供适时 引导和帮助，提供学校运转的实时动态数据，助力教学管理 科学化、智能化。

（三）脚踏实地，充分挖掘和分析现有数据 大数据时代，数据类型丰富，除结构化数据以外，还混 杂着大量的半结构化和非结构化数据。掌握分析半结构化和 非结构化数据的能力对大多数学校来说是一个持续的挑战。

学校应将结构化数据挖掘作为大数据思维应用的切入点，注 重收集和存储用户信息和行为数据，为将来各项应用做好充 分准备；
与此同时，借助已有的数据分析手段和研究方法， 借助数据指导开放教育的发展。在初级应用阶段，可以考虑 从教学数据、管理数据两方面进行教育数据挖掘：1.基于网 络教学平台的数据挖掘（1）学习者特征识别：识别学习者特征，特别是学习者群体的特征，并依据某些关键特征对学 习者群体加以细分，有助于做好前期的教学设计，并为个性 化学习的实施提供依据。比如“学生数量统计与趋势预测” 和“学生特征分类与相关分析”。（2）学习者在线学习行 为分析：基于网络教学平台中师生学习过程的数据，针对教 师和学生的行为方式，如登录、浏览资源、发帖、练习等行 为和行为发生时间，以及各类资源、课程模块的使用情况进 行统计、可视化和挖掘。比如“学生登录行为分析”、“学 生资源浏览模式分析”、“师生交互论坛分析”和“学生行 为影响因素分析”等。（3）师生交互分析：对网络教学平 台交互论坛中的数据进行分析，帮助教师诊断学生对教学目 标的掌握程度，以便给学生提供及时的反馈和指导。2.基于 教育管理信息系统的数据挖掘（1）教职工管理：从人事信 息数据库、后勤信息系统、师资管理和测评系统挖掘现有数 据，对学校在人才引进、教师绩效评价、教师发展、职业规 划、后勤管理、教育决策支持系统等方面提供快速、准确的 决策帮助。（2）学生管理：基于学籍数据库、招生数据库 开展数据挖掘，优化学生管理工作，为学校的招生决策、就 业指导、毕业生追踪、课程设置等提供有益帮助。比如挖掘 学生修业结果数据，开展毕业生（辍学学生）特征分析、毕 业（辍学）结果影响因素和毕业（辍学）时间影响因素分析， 进行毕业（辍学）结果预测规则和毕业（辍学）时间预测规 则等。（四）着眼未来，做好数据型人才储备 大数据时代，学校的管理决策、课堂的教学决策和对成 人学习者的学习支持服务决策都将依赖于海量数据的分析 结果，数据分析与挖掘将逐渐成为学校的常规工作，除了注 重提升各部门人员的数据分析能力外，成人院校还需有意识 地培养和储备以下人才：1.大数据管理人才在大数据教育应 用的萌芽阶段，学校对大数据管理人才需求的迫切性要远超 对技术人才的需求。信息技术发展日新月异，过去的教学、 管理经验甚至可能成为现在的束缚。为了应对新时代的挑战， 除设立专门的数据管理岗位外，管理者必须要有意识地转变 思维方式，学会用数据思考、说话和管理；
必须学会用大数 据的方法，去寻找合适的解决方案。2.大数据技术人才[23] 要想对教育教学数据进行充分挖掘，成人院校无疑需要一批 懂得大数据，且善于研究大数据、深挖大数据的专家。这部 分人才要综合掌握数学、统计学、数据分析、机器学习和自 然语言处理等多方面知识。（1）数据科学家：具有数据分 析能力，精通各类算法，能够直接处理数据的人。（2）数 据架构师：精通开放教育各项业务，了解业务需求和业务系 统架构，能够把数据和业务进行对接的人。（3）数据工程 师：能够搭建数据存储、管理以及处理的平台，并支撑数据 科学家提出的数学模型或算法的运行。

四、小结 大数据时代的到来，给开放教育和成人教育理论创新和教育教学变革提供了前所未有的大好机遇。大数据不仅是一 种实用工具，更是一种思维方法。开放教育必须从以往的小 数据思维迅速转换成大数据思维，以适应这场急速的变革。

通过对数据的获取，分析和智能化信息挖掘，为学校的教学、 管理、服务提供有价值的数据信息，帮助学校形成科学的决 策，为教育教学活动的改进提供客观依据。如此一来，开放 教育制定的教育政策将更具前瞻性和引导性；
远程开放教育 的实施将真正考虑到学习者的个体发展，教育模式将逐步从 传统课堂的集体教学向数字化个性教育发展；
教育评价和学 习分析将从传统的经验性向客观性发展。