數據挖掘+人工智能，教育定制化下的學霸量產

【編者按】大數據將給現在的教育體制帶來變革，用數據分析找出教學過程中的問題，完善教學方法，讓學生接受自適應學習，培養終生學習的能力。大數據可以用來聘用優秀教師，合理配置教育資源，減少寶貴教育資源的浪費，大數據還可以用來為學生未來的事業發展提供幫助……有大數據，一切皆有可能，作家Gail Dutton為我們帶來了精彩分析。

以下為譯文：

大數據已經應用到課堂上了，比如：創建自適應學習課程，指導學生通過更有效的方式取得成功，而有些應用則針對管理人員和學校，這些數據應用幫助校長和老師有效地提高教學水平、跟蹤教學狀態的變化趨勢，而且大數據應用到大學后，對學生未來事業會有更加直接的幫助。用一句話說就是：大數據給現在的教育體制帶來了變革。

自適應學習

這是從小學到大學整個教育體制的再造，McGraw-Hill教育正在開發數字課程，準備相關的課程資料，它從200萬學生中收集信息，利用人工智能為每個學生創建自適應的學習體驗。當一個學生閱讀材料并回答問題時，系統會根據學生對知識的掌握情況給出相關資料。系統知道應該考學生什么問題，什么樣的方式學生更容易接受。系統還會在盡可能長的時間內保留學生信息，以便未來能給學生帶來更多的幫助。

Stephen Laster是McGraw-Hill教育的首席數字官（CDO，chief digital officer），他說：“我們把學習看作對目標建立映射的過程，學習的方法不會只有一種。”

自適應學習學習的既不是簡單的符號或文字，也不是言語或文字陳述的概念或原理，而是一些具體的實例或問題，學習者的任務是通過考察實例和解決問題，從中發現有關的知識和解決問題的技能。在自適應學習的條件下，學習不是一個被動地接受知識的過程，而是在考察實例和解決問題中主動地發現知識的過程。

Laster說：“例如，通過追蹤學生的整個學習過程，記下他們在每個任務上花費的時間，我們可以采用最適合他們的學習方法，讓他們主動參與到學習過程中，接受各種各樣的挑戰。”

為了強化學習的效果，McGraw-Hill和技術合作伙伴Time to Know共同開發了數字化教學平臺，提供四到七年級的數學和英語課程，這個平臺可以為教師提供實時反饋，比如，當一個學生遇到數學問題時，老師會立即知道，并對學生進行針對性的輔導。也就是說，課堂教學會更加有效。

定制化學習，終身學習

大數據有可能會將教育從同一模式的“批量化生產”變為Laster所說的“科學管理下的定制化學習過程，幫助學生培養更好的學習技能，“讓學生了解如何利用時間、應對挑戰、成為終身學習的人”，有了大數據，這些目標將逐漸被實現。

教育捐助與教育投資

DonorsChoose.org，這個組織會根據教師的需求建立特定的項目籌集資金，該組織在兩個層次上利用了大數據。首先，該公司通過使用電子郵件和社交網絡向超過100萬注冊捐助者發送學校的請求（大約80%的請求會得到捐助）。該公司可以跟蹤和分析捐助者的捐助形式（購買教科書、實地考察、貢獻技術、資金支持）。2000年以來，DonorsChoose.org已為美國一半以上的學校籌集了超過1400萬美元，報告顯示在過去的一年期間這個數據又增漲了50%。

2月，DonorsChoose向公眾公布了捐贈的歷史數據和趨勢報告。DonorsChoose.org的數據科學家Vlad Dubovskiy說：“校長和管理人員可以對這些數據進行挖掘，及時了解學校教師的請求。”他們也可以將本學校的需求和其他學校比較，按區域、貧困程度、民族比例或其他標準分類。

這些信息能夠促使政策改變，Dubrovskiy說：“現在有數百萬美元的融資機會，如果捐助者可以讓管理人員了解他們需要什么、錢花在什么地方，這會有助于對教育財政作預算，有助于教育資金的合理分配。”

聯合國教科文組織發布的最新一份《全民教育全球監測報告》顯示，全世界用于教育的寶貴經費正在被低質量教育所浪費，其損失金額高達每年1290億美元。報告就此呼吁各國政府在投資教育時，要注重教師的數量與質量，確保把最好的老師配備給最需要的學生。

預測教學質量

Chula Vista、Calif.、Winston-Salem、N.C.以及其他城市的學校都在使用大數據工具，用于幫助學校聘請教師。該學區計劃開展一個預測分析軟件項目，來自Hanover研究所的Paragon K-12用大量歷史數據研究教師個人能力以及學生成就，既有單個項目的研究，也有對兩者關系的研究。Joel Sackett是Paragon K-12的管理者，他說公司與學校的合作使教師招聘過程得到優化，在聘請教師時，分析教師的信息來預測教師能否在教育事業上取得成功，哪一位教師是最優秀的。

例如，Sackett說：“系統考慮到教師的學位和專長，以及信仰、人生觀、態度、經驗開放性等因素。這并不會決定老師是否被聘用，但從中得出的數據會對聘用過程有一定的影響。”

Sackett強調，在招聘過程中，基于預測分析的得分不應該作為唯一標準，“我們是想為面試提供一個更加客觀的決策依據”，在美國有好幾個學校已經建立了研究試點。

Tod R. Massa是弗吉尼亞州高等教育委員會政策研究和數據倉庫的負責人，他告訴我們：當大數據應用到教育領域時，“一切皆有可能”，作為弗吉尼亞州縱向數據系統（Longitudinal Data System）的一部分，委員會目前正在挖掘所有公共和非營利大學的學生數據，追蹤學生表現情況。

最初委員會用數據分析是為了做預算，或者是為招生、財政援助和學位獎勵做報告。Massa說：“過去十年中，我們已開始著手完善教育體系，幫助學生取得成功。”

例如，2008年，委員會將獲得佩爾助學金（Pell grant）以及其他形式財政援助學生的成功率與所有學生的成功率進行了比較。

沒有太大差別，但如果我們沒有進行這樣的比較，我們就不會知道如何改進它。在接下來幾個星期，我們還會調查一些其他因素對學生的影響，如家庭收入。

Massa告訴我們委員會正在做畢業生工資情況的統計報告，包括了過去20年的畢業生情況。通過和失業率與工資記錄相關聯，還可以預測畢業生未來的工資情況，“幫助學生了解畢業后收入和學生貸款的變動，使他們了解教育決策對經濟的影響。”

數據可幫助教育部門負責人和決策者了解資金政策的影響，“我們的目標是創造一種環境――一切基于事實，而不是猜想或直覺。”

原文鏈接： Big Data Goes To School（編譯/毛夢琪 審校/魏偉）

生活不易，碼農辛苦
如果您覺得本網站對您的學習有所幫助,可以手機掃描二維碼進行捐贈