论文部分内容阅读
未来，是拥抱智能教育的时代，智能技术将打破教和学的方方面面，探索教育发展的新维度。蒲石提醒，在深挖教育数据价值与空间的同时，还要时刻注意数据分析的精准度。
数据驱动学校，分析变革教育的时代已经来临。这是全球教育界共识，人们开始重视教育数据带来的深层信息与对成绩的干预作用。在美国的全日制学校里，已经开始出现自适应学习技术的影子。这项新技术的背后，带来的是教师教学方法的变革，以及学校对硬件的新一轮升级。
数据分析技术为教育科技企业带来了一场学习分析技术争夺战，因为它瞄准了几个根本性问题：我们能否创建一种比传统教材更吸引孩子的传授方式？教授概念或技能的次序有多重要？我们怎样才能让考试或测评不仅用于对学生进行排名，还能成为了解学生学习动机的窗口？为此，国内教育信息化领域资深研究员、西南财经大学天府学院信息技术教学中心蒲石以独特的研究理念解答了这些难题。
在蒲石看来，学习分析系统在教学体系中的应用涉及三个方面：对象，时间，来源。
“当我们在研究学习分析系统服务的对象时，自然就生出了一个问题，它在学习中改变的是什么？”蒲石介绍说，学习分析系统面向三个群体提供服务——学生、教师、院校。从学生的角度来讲，关注点是系统中哪些内容可以调整。首先是改变内容或者题目，如何通过区分任务或项目的难度水平改变内容；其次是改变学习内容的表征形式和路径选择；再次是通过间接指导调整教学水平和可用的支持。结合每个学生的不同情况筛选最适合的内容与方式，循序渐进地提升学习成就感，理论上是能够显著提升学生学习兴趣的。
但是，当前市场上与之类似的自适应学习系统并不少见，却为何没能达到这一目标呢？蒲石分析，问题的关键在于如何处理科技和人的关系。因此，他整合了学习者的数据轨迹、个人档案与现有的课程数据，并集中进行分析，以小型网络集群的形式为学生提供学习内容与规划。由此研发出基于机器学习和数据挖掘的个性化自适应学习系统，能够跟踪学生的线下和线上的交互行为，分析学生的技能和能力，然后比较目前的技能和某一学科或领域知识要求的差距，并告知学生。例如，一个想要考取心理学博士的学生，可以利用个性化自适应学习系统来了解目前他的知识水平与目标要求的差距。可能他目前只达到了心理学博士学位要求的64%，那么，如果这位学生决定考取心理学博士学位，学习系统可以为他提供一个个性化的学习路径，并在学习的过程中不断调整，通过数据为这位学生的学习过程提供科学指导，显著提高学习效率。
关于学习次序的重要性问题，实质上是时间问题。系统会帮助教师调整好教授的模式与进度，这也就要求科学处理好教师的位置。蒲石将教育数据按照多层次结构建模，对学习者和学习环境的挖掘，涉及大量心理學、教育学和学习科学的范式与规律，比如厌倦、困惑、沮丧，或信任、满意度和独立情绪等，把这些相对独立的预测变量组合在一起，发现变量关系及关系程度，再通过关联规则挖掘、相关性挖掘、序列模式挖掘等，开启一个关于情感状态方面的智能学习新领域，实现对学生学习成绩的预测与学习状态的预警。教师可以通过系统实时了解学生的学习状态，及时调整教学内容与进度，从而提升教育教学水平。
让考试不仅用于对学生进行排名，还能了解学生学习动机，这对于预测院校、干预学生的心理与行为具有重要意义。解决了时间要素，蒲石针对这一目标展开了研发。
蒲石收集了学习者在学习活动中所有关于习惯与喜好的相关数据，包括鼠标点击、热点地图、社交网络分析、推荐系统等，并同时完成了学习者和系统的交互、学习参数与教学变量的交互，研发出基于数据挖掘的学习行为数据采集与分析系统，重构教与学与教育管理的模式。
“个性化学习，在现在依然没有完全统一的定义，你问不同的人，答案也是不同的。不过，需要承认的是，科技虽然是其重要组成部分，但其本质上是一种教学法，包含着几个重要的元素：多样的学习策略、实时的学习引导、倾听孩子的声音、精通式学习、灵活的学习进度以及学生-老师共同参与的学习路径等。这些元素最为核心的就是‘将学习的主动权从老师转换到学生，成为一个自我驱动型的学习者’。”利用机器学习与数据挖掘技术进行深入分析，基于数据挖掘的学习行为数据采集与分析系统，能够根据学习者最近的浏览状态，提供充足但不过分的内容，降低学习者的疲劳感、挫败感，提升成就感，是当下为数不多的真正能够影响学习效果的学习分析系统。
现如今，对学习分析技术的研发，教育科技团队间开始流行起来的一种新的务实精神，开始以学生、教师、院校的应用为中心，注重科技与人的结合。没人再谈论用科技取代教师，但都不会否认教育数据挖掘技术对于教育改革的作用与影响。未来，是拥抱智能教育的时代，智能技术将打破教和学的方方面面，探索教育发展的新维度。蒲石提醒，在深挖教育数据价值与空间的同时，还要时刻注意数据分析的精准度。
（作者单位：辽宁省沈阳北方时代文化传媒有限公司）
数据驱动学校，分析变革教育的时代已经来临。这是全球教育界共识，人们开始重视教育数据带来的深层信息与对成绩的干预作用。在美国的全日制学校里，已经开始出现自适应学习技术的影子。这项新技术的背后，带来的是教师教学方法的变革，以及学校对硬件的新一轮升级。
数据分析技术为教育科技企业带来了一场学习分析技术争夺战，因为它瞄准了几个根本性问题：我们能否创建一种比传统教材更吸引孩子的传授方式？教授概念或技能的次序有多重要？我们怎样才能让考试或测评不仅用于对学生进行排名，还能成为了解学生学习动机的窗口？为此，国内教育信息化领域资深研究员、西南财经大学天府学院信息技术教学中心蒲石以独特的研究理念解答了这些难题。
在蒲石看来，学习分析系统在教学体系中的应用涉及三个方面：对象，时间，来源。
“当我们在研究学习分析系统服务的对象时，自然就生出了一个问题，它在学习中改变的是什么？”蒲石介绍说，学习分析系统面向三个群体提供服务——学生、教师、院校。从学生的角度来讲，关注点是系统中哪些内容可以调整。首先是改变内容或者题目，如何通过区分任务或项目的难度水平改变内容；其次是改变学习内容的表征形式和路径选择；再次是通过间接指导调整教学水平和可用的支持。结合每个学生的不同情况筛选最适合的内容与方式，循序渐进地提升学习成就感，理论上是能够显著提升学生学习兴趣的。
但是，当前市场上与之类似的自适应学习系统并不少见，却为何没能达到这一目标呢？蒲石分析，问题的关键在于如何处理科技和人的关系。因此，他整合了学习者的数据轨迹、个人档案与现有的课程数据，并集中进行分析，以小型网络集群的形式为学生提供学习内容与规划。由此研发出基于机器学习和数据挖掘的个性化自适应学习系统，能够跟踪学生的线下和线上的交互行为，分析学生的技能和能力，然后比较目前的技能和某一学科或领域知识要求的差距，并告知学生。例如，一个想要考取心理学博士的学生，可以利用个性化自适应学习系统来了解目前他的知识水平与目标要求的差距。可能他目前只达到了心理学博士学位要求的64%，那么，如果这位学生决定考取心理学博士学位，学习系统可以为他提供一个个性化的学习路径，并在学习的过程中不断调整，通过数据为这位学生的学习过程提供科学指导，显著提高学习效率。
关于学习次序的重要性问题，实质上是时间问题。系统会帮助教师调整好教授的模式与进度，这也就要求科学处理好教师的位置。蒲石将教育数据按照多层次结构建模，对学习者和学习环境的挖掘，涉及大量心理學、教育学和学习科学的范式与规律，比如厌倦、困惑、沮丧，或信任、满意度和独立情绪等，把这些相对独立的预测变量组合在一起，发现变量关系及关系程度，再通过关联规则挖掘、相关性挖掘、序列模式挖掘等，开启一个关于情感状态方面的智能学习新领域，实现对学生学习成绩的预测与学习状态的预警。教师可以通过系统实时了解学生的学习状态，及时调整教学内容与进度，从而提升教育教学水平。
让考试不仅用于对学生进行排名，还能了解学生学习动机，这对于预测院校、干预学生的心理与行为具有重要意义。解决了时间要素，蒲石针对这一目标展开了研发。
蒲石收集了学习者在学习活动中所有关于习惯与喜好的相关数据，包括鼠标点击、热点地图、社交网络分析、推荐系统等，并同时完成了学习者和系统的交互、学习参数与教学变量的交互，研发出基于数据挖掘的学习行为数据采集与分析系统，重构教与学与教育管理的模式。
“个性化学习，在现在依然没有完全统一的定义，你问不同的人，答案也是不同的。不过，需要承认的是，科技虽然是其重要组成部分，但其本质上是一种教学法，包含着几个重要的元素：多样的学习策略、实时的学习引导、倾听孩子的声音、精通式学习、灵活的学习进度以及学生-老师共同参与的学习路径等。这些元素最为核心的就是‘将学习的主动权从老师转换到学生，成为一个自我驱动型的学习者’。”利用机器学习与数据挖掘技术进行深入分析，基于数据挖掘的学习行为数据采集与分析系统，能够根据学习者最近的浏览状态，提供充足但不过分的内容，降低学习者的疲劳感、挫败感，提升成就感，是当下为数不多的真正能够影响学习效果的学习分析系统。
现如今，对学习分析技术的研发，教育科技团队间开始流行起来的一种新的务实精神，开始以学生、教师、院校的应用为中心，注重科技与人的结合。没人再谈论用科技取代教师，但都不会否认教育数据挖掘技术对于教育改革的作用与影响。未来，是拥抱智能教育的时代，智能技术将打破教和学的方方面面，探索教育发展的新维度。蒲石提醒，在深挖教育数据价值与空间的同时，还要时刻注意数据分析的精准度。
（作者单位：辽宁省沈阳北方时代文化传媒有限公司）