• <bdo id="42kcu"><small id="42kcu"></small></bdo>
  • 實踐項目 返回列表

    教育何以是大數據的

    2019/2/12 9:08:52

    本文由《電化教育研究》雜志授權發布

    作者:楊開城

    摘要

     

    在大數據時代,教育能是大數據的嗎?據說,教育大數據能實現因材施教、能發現教育規律、能支持科學的教育決策。但實際上,這些領域并不需要教育大數據。很遺憾,至今未出現一例教育大數據應用的真實案例,而且我們總是把教育大數據與教育數據相混淆。諸如體量大、類型多、價值高等九個“V”并不能準確描述大數據。一個更準確的、非相對主義的判據是,大數據其實是復雜適應系統在現實中的顯現。大數據的體量不是樣本積累的結果,而是源自復雜適應系統自身。教育系統是復雜適應系統,因此,教育大數據是教育系統在教育現實中的生成性表現。只有以教育系統的設計、開發、實施和調節為核心內容的完整的信息化教育實踐,才可能是大數據的。

    關鍵詞:大數據; 教育大數據; 復雜適應系統; 教育系統


          隨著技術尤其是互聯技術、人工智能技術的迅猛發展,生活數據化的趨勢越發明顯,各行各業越來越重視數據,都試圖尋求數據增值的空間。教育也不例外。教育學界逐漸意識到數據驅動是現代教育的基本特征。隨著大數據風潮的興起,教育大數據的話題也備受關注。有學者認為, “教育大數據將重構教育生態系統,宏觀層面為教育決策提供科學依據,中觀層面推進教學管理和評價的創新實踐,微觀層面為個性化教學提供精準支持”[1];有學者將教育大數據的應用概括為五個層次,即“學習、教學、研究、管理與政策,學習層與教學層需求著眼于適應性學習;研究層需求著眼于發現教育教學規律;管理層需求著眼于精細管理和科學決策;政策層需求來自獲得機制設計依據”[2];也有學者這樣闡述教育大數據的應用:“(1)真實反映教育現狀,促進教與學的有效性……(2)把握學習者個體需求,推動個性化教育發展……(3)反映客觀教育現實,推進教育決策科學化……(4)提供技術、方法和思維支撐,驅動教育評價變革……(5)推動教育領域智慧化,促進智慧教育發展……”[3]。然而,教育真的進入了大數據時代嗎?

     

    一、關于教育大數據的幾個據說

     

    (一)據說能實現因材施教


          “因材施教”是教育界歷久彌新的追求。據說有了大數據,我們終于可以實現“因材施教”了。教育大數據“可助力教育向因材施教、個性化學習的目標高速邁進”[4],可“使教育研究從宏觀群體走向微觀個體,提供精準、個性化的教育,實現以數據驅動的‘因材施教’”[5],可“聚焦、診斷、服務于‘人’的學習全過程”[6],“聚焦于每一個學生的微觀表現……可以精準分析學習者的個體知識能力結構、個性傾向、思維特征、學習路徑和學科素養發展狀況;可以針對學生的實際需求實施‘精確供給’”[7],“有望……讓教師開展一對一的個性化教學,讓學生享受多對一的個性化學習輔導”[8]。


          因材施教已經成為教育大數據應用的重頭戲。在很多人看來,因材施教要么表現為現場精確診斷+英明決策的一次行動,要么表現為將這種智慧經過深思熟慮的設計放入學習系統,由學習系統代勞。但因材施教并不簡單。按照因材施教的主流理解,實現因材施教需要滿足三個條件:對學生個體差異的準確感知,干預手段的豐富性以及差異性與豐富性之間的對應關系,即對于這樣的學生我們這樣做,對于那樣的學生我們那樣做??墒俏覀儚臎]想過,即使我們能夠準確感知學生的個體差異,我們擁有與此相適應的同樣豐富的干預手段嗎?


          師生直接交流的情形下,真實的因材施教過程并沒有我們所預想的精確診斷和強針對性的干預,而是一個師生相互動態適應的過程。在這個過程中,學生嘗試著將自己的困惑表達清楚,教師嘗試著理解學生的困惑(如果想定量地理解學生,常規的統計分析即可),并基于對學生整體的直觀感知(而不是精確診斷)和現場的問題,嘗試各種可能適切的表達和鼓勵。面對學生的困惑,教師常常是這樣解釋試試、那樣解釋試試?;蛟S教師的解釋并沒有準確地幫到學生,學生卻可能把問題解決了,因為學生絕不是被動接受幫助的主體,而是積極參與的主體,在聆聽教師解釋的過程中,一直在積極主動地思考。教師的參與有時并不是提供了適切的、精確的解惑,而僅僅是打破了學生原來的思維定式,教師的話語中哪句話點化了迷惑,事先并不知道,甚至事后也不知道。在這種情形下,可否輔以基于大數據學習分析的、漠視教師主觀需要的精確診斷呢?未必管用。如果教師對學生非常了解,大數據分析就是多余的。如果教師對學生不甚了解,大數據分析即使提供了所謂的精確診斷,教師也無法據此臨場組織有針對性和適切性的指導。試想,一個漠視主觀感受的教師依據教育大數據的分析結論“客觀地”與學生交流、“科學地”為學生選擇特定學習資源或和誰都一樣說的那套話語,沒有相互理解和接納的溝通,這是怎樣一種可怕可憎的場景!


          成功診斷與有效反饋是兩個問題,診斷與反饋的針對性是兩個性質完全不同的問題,而且是無法徹底解決的問題。若將原本動態交往的適應性問題,錯誤地轉化為知識性的靜態問題,并內化于學習系統之中,希望利用學生的歷史學習記錄對學生進行準確診斷,在此基礎上完成精確推送反饋,這同樣無法實現因材施教。且不論一個學習系統到底依據什么理論、有多大能力記錄學生哪方面的多大量的學習數據(因而是否是大數據分析,這是可疑的),半年前的數據是否還對當前的分析有意義,單就反饋來說,系統推送的東西都是系統事先保存的現成的東西,頁面也罷、答案也罷,這種手段的單一性是非常明顯的,又怎么能達到因材施教? 至今無一款學習系統能提供嚴肅可信的因材施教有效性研究報告(這個問題好像被回避了)。其實,系統擁有N類反饋,就只能勉強應付N類學生,可是這個N只能很小,這意味著系統對學生的分類只能是粗略的,這種因材施教的實際效果也就可想而知了。


          個體是一個具體的存在,不是固定的抽象物,沒有人擁有關于個體人的完整知識。個體的學習過程是一種建構的過程,一種個性的、自由的、探索性的、模糊的內部心理過程。然而,對于這種永不定形的個體,我們卻盲目相信另一個套路:用教育大數據記錄和分析他們的外部學習行為, 利用局部的成長歷史定義個體,試圖建立一種基于“科學的”(其實只是“數據的”)診斷,從而實現精確的學習支持服務。這是一種多么深刻的矛盾!面對人的成長這種最需要投入信息和人性的工作,我們卻選擇了依賴數據和算法這種偷懶的方式!


    (二)據說能發現教育規律


          “在大數據時代,科學研究具有全樣本性、注重效率、注重因果和相關的復雜性等特征?!盵9]學界開始相信“大數據分析對于教育研究及規律的發現意義重大”[2],“大數據技術及應用為我們探索教育規律提供了前所未有的工具支撐?!F在有了大數據技術,就有可能讓我們從全領域、全維度、全樣本去看待教育現象和教育活動,發現教育教學規律?!盵10]


          讓人疑惑的是,面對小規模數據,Pedagogy教育學都無法擬定出可以檢驗的規律性命題,面對大數據時怎么就突然擁有這個能力了呢?僅僅全樣本就自動賦予人們發現教育規律所需要的理論想象力嗎?相對于隨機取樣或方便取樣,全樣本對于還原事實是有優勢的,但樣本處于數據層,只能用來確證規律卻不能用來發現規律。因此,取樣只需要能代表總體即可,其規模并不十分重要。規律的發現和確證并不那么渴求全樣本。再說,大數據未必是全樣本,反過來,全樣本也不一定意味著數據量很大。對于規律的發現,全樣本與精明取樣在收集證據方面沒有什么本質不同。規律的真理性并不會因為全樣本而得到提升。全樣本也無法回避未來的證偽。


          除了全樣本這種說法之外,人們普遍認為利用大數據發現教育規律的兩大利器是教育數據挖掘和學習分析??墒?,自從教育大數據被討論以來,未見一例聲稱通過大數據挖掘而發現的教育規律(或許我們需要再耐心一些),同時,學習分析也陷入行為分析的陷阱而無法自拔。要知道,純粹的數據挖掘所產生的教育學知識極有可能無法被常識所理解,自然也無用?;谛袨榫幋a的學習分析的結論對于教學的啟發也是似有還無。這種盲目樂觀是沒有道理的。


    (三)據說能支持科學的教育決策


          學界相信“隨著教育決策問題復雜性的增加,審慎的教育決策往往需要綜合考察多方數據,如經濟的、效益的、歷史的、民意的”[11],所以我們需要教育大數據支持教育決策。然而從列舉的情況看,這種大數據驅動的決策案例,并不需要多少數據。例如:“Signals系統通過數據挖掘和統計預測模型,根據多個變量……來預測學生是否能夠完成/通過該課程”[12];“以課堂教學評價為例,大數據可以精準記錄每位學生的出勤率、回答與提問次數、每道練習題的完成時間與得分、走神次數等,然后以可視化的儀表盤方式一目了然地呈現給任課教師”[8];“上海市對小學一年級學生家長進行全樣本調查,采集孩子作業情況、適應情況、學習壓力等各項數據并進行分析,以檢驗上海小學教育零起點政策的執行效果”[8],等等。


          我們并不反對利用數據分析輔助教育決策。但目前大多數教育決策并不需要教育大數據,擁有表達實情的教育數據即可。這倒不是說,教育決策注定不需要教育大數據,這取決于決策的具體內容。即使在需要大數據的情況下,教育大數據也是教育決策的實情依據,它無法自動賦予決策的合理性。更何況,很多決策具有“抓大放小”的性質,海量的細節、過多的維度,并不一定有利于決策,倒是很容易陷入進退維谷的境地。

          總之,我們目前尚沒有成功的教育大數據的研究與實踐案例。更為嚴重的是,我們并不真的知道、也不關注,哪些數據可以收集、哪些具有侵犯學生權利的風險、哪些數據的收集本身就是在侵犯學生的權利?;蛟S我們的傳統文化讓我們對學生的權利不敏感,使得那些侵犯學生權利的風險因盲目相信大數據而合法化。利用眼動儀、表情識別來記錄課堂教學,有了足夠的“證據”證明原來秩序井然的課堂實則很不堪,這可能成為主任、校長向教師施壓的理由,繼而也成為教師批評學生“不投入”學習的理由。大數據觀照的課堂中,些許的懈怠會被看到、放大,搞不好會受到懲罰。更有甚者,把學生上課的打盹或打鬧視頻,經過特定制作,在一部分人中傳看消遣,這不是不可能。這種被量化的教育生活哪里好?它只是滿足了各級各類的控制欲罷了。此外,特定機構利用擁有的數據優勢去強化某種成長焦慮并針對這種焦慮推出特定的產品和服務,這已經是資本的套路,不是教育的套路。

     

    二、教育大數據的真義 

     

          既然上述教育大數據的研究并非是大數據的,那么到底什么樣的教育研究和實踐才可能是大數據的呢?如何判定一項教育研究和實踐是大數據的呢?


          “大數據”給人的第一印象絕不限于規模超大。為了豐富對大數據的理解,人們用各種“V”來作為大數據的基本特征,以此區分于普通數據。它們是:(1)Volume,數據體量浩大;(2)Variety,數據類型多樣;(3)Velocity,數據生產速度快;(4)Value,數據價值高;(5)Veracity,真實性;(6)Visualization,可視化;(7)Viscosity,黏度;(8)Volatility,易失性; (9)Variability,易變性。[3,9,12]其中,體量大是最基本的指標,其他指標是隨著體量的提升而顯現出來的。然而,體量大就是指多嗎?到底多到什么程度才算大數據?計算機就是用來處理數據的,還怕多?如果僅僅是數據多,那就只是空間復雜度和時間復雜度的問題,不值得提出新的概念甚至范式。再說,今天的大數據問題,是否幾年后計算機運算速度和存儲能力足夠了,就不是大數據問題了?


          就教育而言,除了體量大,教育大數據的界定特別強調價值這個“V”(其他的“V”表現得不夠明顯)。有的把教育大數據定義為“服務教育主體和教育過程,具有強周期性和巨大教育價值的高復雜性數據集合”[2];有的把它定義為“面向教育全過程時空的多種類型的全樣本的數據集合”[13];還有這樣定義的:“所謂教育大數據,是指整個教育活動過程中所產生的以及根據教育需要采集到的,一切用于教育發展并可創造巨大潛在價值的數據集合?!盵14]如此界定和理解教育大數據很容易導致與教育數據相混淆。實際上,目前的文獻中,關于教育大數據的陳述與關于教育數據的陳述的確沒什么兩樣,只是強調量大。比如:“教育領域中的大數據有廣義和狹義之分,廣義的教育大數據泛指所有來源于日常教育活動中人類的行為數據……而狹義的教育大數據是指學習者行為數據……”[15];“教育大數據可以分為四個層次和六大類型。四個層次包括個體、學校、區域和國家;六大類型包括基礎數據、管理數據、教學數據、科研數據、服務數據和輿情數據”[2];“教育大數據主要分為四類:教學行為大數據、教學資源大數據、教學評估大數據、教學管理大數據”[16];“……在網絡時代……在學生使用教學平臺和數字化工具的時候,勢必產生大量的數據”[17],等等。如果把這些陳述中的“大數據”替換為“數據”,也沒有什么不妥。我們根本看不出這些陳述哪里是專門針對教育大數據的。對于個別陳述,我們甚至看不出其“量大”的特征。


          人們對大數據的理解從最初的驚異所引發的感嘆發展到如今的新視野、新方式,絕非僅僅幾個“V”能解釋的。僅僅強調那幾個“V”是不得要領的。那些“V”的相對性,帶來的只是相對主義的混亂。如果我們執著于那幾個“V”,或許我們就不得不承認,“大數據并不是一個準確的術語”[3]。


          其實,大數據的“大”,是一種隱喻,不能從字面上理解。單純由樣本數量增加所引發的“大”與大數據無關。大數據的體量絕不是因為樣本的增加而導致的,而是因為小規模數據無法完整地表征某種東西?!按髷祿侨藗冊诖笠幠祿幕A上可以做到的事情,而這些事情在小規模數據的基礎上是無法完成的?!盵18]也就是說,“大”與某種整體相關,這種整體是無法用某種高明的取樣或者全樣本來代表的,因為樣本集合中樣本之間是分立的,而整體是其組成部分的有機整體。因為知道了整體的真相,進而帶來全新理解,才可能帶來新的方式。即是說,不得不大數據的地方才可能是大數據的。大數據的“大”不是量的追求,而是一種質的需要。我們必須尋求大數據的更本質的判據。


          對于大數據的思考,我們不能僅限于數據層,只停留在隱喻水平。數據屬于顯現,所以重要的是,要搞清楚什么東西通過數據在顯現自身。上述所有的質疑與辨析都指向一個結論:大數據是某種復雜適應系統的顯現。復雜意味著非線性?!胺蔷€性”“適應”“系統”使我們擺脫了大數據的相對主義判據。


          只有復雜適應系統才能導致大數據,其中任何局部數據都無法代表整體。因為是復雜適應系統,完整表征系統的數據量不會小、內部關系不會是線性的。對于復雜適應系統來說,其表征數據的大是自然而然的,不是樣本積累的結果。我們之所以離不開大數據,是因為復雜適應系統的現實表達只能是大數據的。大數據使得復雜適應系統由概念的抽象存在轉變為數據的真實存在。只有針對復雜適應系統,大數據才具有方法論意義,也只有利用大數據的分析方法才能認識現實中的那個復雜適應系統。復雜適應系統又在以某種速度變化(適應),想準確認知當下對象的真相,對數據的即時處理才顯得至關重要。正因為如此,大數據的收集、存儲、加工、可視化表征才是難題,特別是在某些算法尚不明確的情況下??傊?,一個數據集是否是大數據,最根本的特征就是這個數據集是否是對某種復雜適應系統的完整表征。


          如果教育實踐中沒有復雜適應系統,教育就與大數據無緣。憑直覺,教育與大數據有關,因為教育實踐本身就是一個復雜巨系統。那么在教育實踐這個復雜巨系統中,我們能否找到可以按照大數據方式理解的復雜適應系統呢?


          存在是一回事兒,它是什么樣子的是另一回事兒。后者取決于理論。很明顯,那個復雜適應系統不是常識意義上能夠直觀得到的,而是理論投射的對象。只有理論在場,數據才有意義。數據只是理論的具體表達。理論也是數據采集處理的尺度。在哪些維度上、以什么顆粒度采集處理數據,是理論的規定。所以,只有先在學理上確認了那個復雜適應系統的概念模型、機制結構,我們才能夠在大數據層次上展開更深入的研究和應用,才能以此理解現實中那個活動的系統的真實狀況,才能確證教育規律、洞察教育。由此,教育實踐中的那個復雜適應系統在哪里、教育大數據在哪里,只能是教育學理論觀照的結果。只有在教育學理論邏輯上(不是指用大數據思想在教育領域中進行簡單往往又是牽強的演繹,似乎一夜之間我們便明了了教育大數據)需要大數據,教育實踐才真的可能是大數據的。根據Educology教育學(Pedagogy教育學不是理論[19]),教育實踐中的那個復雜適應系統就是教育系統,它本就是教育學的研究對象。


          一個教育系統就是一個完整的課程體系,而課程體系由門類課程組成,門類課程在實施時轉化為教學系統。因此,實施態的門類課程可以認為是由教學系統組成。教學系統區分為設計態(Design-time)和活動態(Run-time),設計態是活動態的規劃,即教學方案;活動態的教學系統即真實發生的教學活動,它是教育系統最微觀、最底層、生存期最短的子系統,它是教師、學生和具有信息處理能力的媒體這三個信息處理主體之間的信息流動網絡。[20]由此可知,對于教育系統,從課程體系至教學方案,都屬于設計態。不同層次的教育系統的活動態表現為隨時間展開的不同規模的活動態教學系統的有機組合。


          教育系統自身就是信息系統,包含著海量的非線性信息,信息量與復雜度相輔相成。同時,教育系統中各層次子系統之間又相互關聯,這種關聯一方面源自知識體系,另一方面源自行動,設計態系統轉化為活動態系統是教師通過教學設計與教學行動完成的,因此,這種內部關聯亦是非線性的??梢?,教育系統屬于一種復雜系統,其非線性特征是非常明顯的。教育系統又是適應性變化的,這種適應性最直接的表現是教學設計與教學行動的適應性。教師將課程轉化為教學方案時就要考慮所面對的各種實情條件,在按照教學方案進行教學時,更要根據現場的情況做出及時調整,但這種適應性調整不是一種任性胡來,我們用一致性來表達它,包括課程與教學的一致性、教學方案與行動的一致性。高度一致意味著失去適應性,若完全不一致,實施的就已經不是那個設計態系統了。其次,教育系統的適應性表現為整個系統的適時維護。如果實施過程中感知到系統的功能缺陷或性能不足,教育組織都會對教育系統做出調整,或者設計態的,或者活動態的??傊?,完整的教育系統是一種復雜適應系統,教育大數據就是教育系統在現實中的生成性表現。

     

    三、教育的大數據實踐正途

     

          現代教育必然是數據驅動的[21],而非純粹經驗主義的實踐。所謂數據驅動,是指在理論觀照下依據實情數據(而非僅僅感覺經驗)而采取與理論和數據相一致的職業行動的方式。數據驅動比經驗主義更具理性。

          數據驅動相對容易,有理論、有數據即可。但是將數據驅動升級為大數據驅動,那只能是Educology教育學理論完整觀照實踐的結果:以教育系統的設計、開發、實施和調節為核心內容的完整的信息化教育實踐,它是一種設計與分析相統一的教育實踐,其自然的結果就是因材施教。


          完整的教育系統既是設計出來的,又是行動的結果。但不存在一種千秋萬代的理想系統,教育系統必須與時俱進,與它自身的環境協同進化。所謂進化,對于教育系統來說就是改進設計、調整行動。改進設計的前提是理解,理解教育系統的現實表現。但細致地理解教育本身是一個難題,因為教育歷時長、信息量大。我們不能只是關注結果,諸如分數、升學率等,這些結果遠遠不能代表教育自身。理解教育需要著眼于真實發生的教育過程。理解離不開分析,通過梳理細節數據,整理出更高層次的真相。也只有依據這種分析出來的實情數據,改進性設計才能夠增強教育系統功能的確定性、提高教育系統的適應性,適應性即因材施教。

          歷史經驗表明,為了因材施教而設計開發大而全的學習產品是得不償失的,不但功能難以實現,而且初期成本和后期維護成本都居高不下。也就是說,單個學習產品內部完全的因材施教是難以奏效的。正確的做法是利用教育眾籌機制[22],開發大量的、功能各異、風格各異的學習產品,讓個性化產品的總體豐富性與學習者個性差異的豐富性建立關聯。對于某個具體的產品來說,它不需要精確地對學生進行分類,只需做到能滿足某類學生某個特定需求即可。當學習產品的豐富性足夠大時,學生經過短時間的有限嘗試,就可以選擇到自己滿意的學習產品。這才是因材施教的正途。這種因材施教的學習產品集合是經年累月的結果,是協同進化的結果,絕不是一朝一夕的精明決策的結果。


          因材施教不是一種產品功能,而是一種效應。因材施教的關鍵不在于對個體的精準感知,而在于教育自身的可選擇性。所以因材施教可以在教育組織內部表現為課程和教學系統的可選擇性,也可以表現為教育組織之間的理性擇校。這里,理性擇校的標準不是升學率,而是教育組織的服務質量和特色。一個教育組織的服務質量就是指將某個設計態教育系統轉化為與其一致的活動態教育系統的能力水平。一個教育組織的服務特色就是指將設計態教育系統轉化為活動態時的獨特性。


          無論是教育系統的改進性設計,還是特定功能學習產品的開發需求,抑或是確認教育組織的能力和特色,都需要真實的、完整的教育系統的分析,這種分析是一種一致性分析,關注活動態教育系統與設計態教育系統的一致性,關注教育組織之間的一致性,在不一致之處尋覓教育系統的缺陷、教育組織的能力短板以及教育組織的特色。教育系統是多層次復雜適應系統,又涉及設計態和活動態,對于它的分析包括課程、知識組件、教學方案、真實教學活動以及學習產品的真實運轉過程等從宏觀到微觀多個層次,活動的教育系統自然又是分布式存在的??梢?,這種分析只能是大數據的。教育系統的改進和調試從何處著手、優先處理何處以及如何調整等問題,只有依賴這種大數據分析,才能區分哪些缺陷是意外偶發,哪些是隱含的必然。

     

    四、結語

     

          教育學界是敏感的。某種哲學、某種技術、某種方式在其他領域的“巨大”成功對于教育學界而言,總是充滿了誘惑或激勵。但我們并不需要把首次嘗試或簡單嘗試當作典型案例,把影響力大(誰承認?)的嘗試當作成功案例,把基于數據的研究說成是基于教育大數據的研究,用教育數據冒充教育大數據。


          教育學界又是不敏感的。對于教育而言,做沒做不重要,做沒做好才重要。對于“做得好不好”,教育學界卻極度不敏感。其實只要想做好,就會觸及教育的基本矛盾:教育者的文化傳遞與受教育者的自我生成之間的矛盾[23],這種矛盾一直是并永遠是依賴直接的心靈和理性去調節的。教育所面對的挑戰一直是自身內部的。很多其他領域的發展,并未真正給教育帶來必須即時反應的挑戰或機遇。至于數據驅動以及教育大數據,則與潮流無關。教育一定會走向數據驅動,并最終實現大數據驅動。但數據驅動的絕不會是課堂或學習過程,因為它是靈魂驅動的。讓大數據服務于教育系統的設計與改進,讓人類教師服務于學生的成長,這才是教育大數據的正途。本文無力將教育大數據這個主題完全說清楚,我們只是希望,在孩子們懵懵懂懂地成長時,不要受到精確推理、武斷判決系統的嚴重影響!我們只是希望,冷冰冰的數據分析以及未來的人工智能在應用于教育時,位于教師圈之外,以人性作為緩沖再與學生照面,這或許是一個沒有辦法的辦法。

     

    【參考文獻】

    [1] 吳忭,顧小清. 教育大數據的深度認知、實踐案例與趨勢展望——2017年“教育大數據應用技術”國際學術研討會評述[J]. 現代遠程教育研究,2017(3):11-17.

    [2] 孫洪濤,鄭勤華. 教育大數據的核心技術、應用現狀與發展趨勢[J]. 遠程教育雜志,2016(5):41-49.

    [3] 張燕南. 大數據的教育領域應用之研究——基于美國的應用實踐[D]. 上海:華東師范大學,2016.

    [4] 劉三女牙,楊宗凱,李卿. 教育數據倫理:大數據時代教育的新挑戰[J]. 教育研究,2017(4):15-20.

    [5] 劉三女牙. 大數據開啟個性化教育新時代[N]. 中國教育報,2017-03-05(007).

    [6] 孟志遠,盧瀟,胡凡剛. 大數據驅動教育變革的理論路徑與應用思考——首屆中國教育大數據發展論壇探析[J]. 遠程教育雜志,2017(2):9-18.

    [7] 余勝泉,李曉慶. 基于大數據的區域教育質量分析與改進研究[J]. 電化教育研究,2017(7):5-12.

    [8] 楊現民,陳世超,唐斯斯. 大數據時代區域教育數據網絡建設及關鍵問題探討[J]. 電化教育研究,2017(1):37-46.

    [9] 劉寶存,楊尊偉. 大數據時代比較教育研究范式的轉型[J]. 比較教育研究,2015(10):1-5,18.

    [10] 田慧生. 大數據為教育帶來什么[N]. 社會科學報,2017-01-05(005).

    [11] 顧小清,薛耀鋒,孫妍妍. 大數據時代的教育決策研究:數據的力量與模擬的優勢[J]. 中國電化教育,2016(1):56-62.

    [12] 祝智庭,沈德梅. 基于大數據的教育技術研究新范式[J]. 電化教育研究,2013(10):5-13.

    [13] 杜婧敏,方海光,李維楊,仝賽賽. 教育大數據研究綜述[J]. 中國教育信息化,2016(19):1-4.

    [14] 楊現民,唐斯斯,李冀紅. 發展教育大數據:內涵 、價值和挑戰[J]. 現代遠程教育研究,2016(1):50-61.

    [15] 徐鵬,王以寧,劉艷華,張海. 大數據視角分析學習變革——美國 《通過教育數據挖掘和學習分析促進教與學》報告解讀及啟示[J]. 遠程教育雜志,2013(6):11-17.

    [16] 凌霄. 國內外大數據教育應用研究的對比研究[D]. 深圳:深圳大學,2017.

    [17] 孫妍妍,李艷. 大數據時代的學習分析將重塑教育格局——訪挪威奧斯陸大學托雷·赫爾教授[J]. 世界教育信息,2015(2):7-10.

    [18] 維克托· 邁爾—舍恩伯格,肯尼斯·庫克耶. 大數據時代[M]. 盛楊燕,周濤,譯. 杭州:浙江人民出版社,2013:8-9.

    [19] 楊開城. 教育學的壞理論研究之四:教育學的理論品性[J]. 現代遠程教育研究,2014(4):29-38.

    [20] 楊開城,林凡. 教學系統的IIS圖分析法及其實證研究[J]. 中國電化教育,2010(2):31-33.

    [21] 楊開城,許易. 論現代教育的基本特征與教育信息化的深層內涵[J]. 電化教育研究,2016(1):12-17,24.

    [22] 楊開城,李通德,惠治儒,田浩. 在線教育眾籌的技術機制與學習神經元[J]. 現代遠程教育研究,2017(1):51-58.

    [23] 楊開城. 論教育何以可能[J]. 中國電化教育,2010(10):1-4.


    How Can Education Be of Big Data

    YANG Kaicheng

     

    (Faculty of Education, Beijing Normal University, Beijing 100875)

     

    [Abstract] In the era of big data, can education be of big data? It is said that owing to educational big data, individualized learning can be realized, educational laws can be discovered and scientific education decision-making can be made. But actually, educational big data is not necessarily needed in those fields. Unfortunately, a real case of application of educational big data cannot be found yet. And we always confuse educational big data with educational data. Nine "V"s such as volume, types and value cannot accurately characterize big data. A more accurate and non-relativistic criterion is that big data is the manifestation of a complex adaptive system in reality. The volume of big data is not the result of sample accumulation, but comes from the complex adaptive system itself. Educational system is a complex adaptive system, so educational big data is the generative performance of educational system in education reality. Only the complete information-based educational practice, with the core content of design, development, implementation, and adjustment of the educational system, can be of big data.

    [Keywords] Big Data; Educational Big Data; Complex Adaptive System; Educational System

     

    作者簡介: 楊開城(1971—),男,遼寧海城人。教授,博士,主要從事新教育學(Educology)研究。


    轉載自:《電化教育研究》2019年第2期



    5544444