基于大数据的教育技术研究新范式

2016-05-30缪丽萍

教书育人·高教论坛 2016年2期

缪丽萍

教育技术拥有存在差异很大的范式、在大数据时代背景之下，数据科学、学习分析学以及教育等都取得了非常重大成就，在大数据之下的教育领域之中，各种新范式在也不断地涌现并且在实际教育之中也取得了非常好的效果。作者对当前的科学范式在教育方面的应用进行了分析，提出了全新的教育理念，以期促进大数据的教育技术研究新范式的发展。

一科学范式

美国一学者在《科学革命的结构》提出了范式的概念，指出在特定的时间和空间之内能够为研究群体提供解决问题的方案，并且能够得到大多数人认可的方案就是科学范式。库恩范式理论是科学范式的主要核心理念。库恩表明科学主要有以下两个特征：（1）在一定的条件下，术语是可以共享或者模拟的，在此基础上也可以进行一些示例性的实验；（2）对范例进行共享的相关意见能够影响相关证据的收集。在不同的研究领域之中，科学范式的理解也是存在一定偏差的，研究问题、研究方案等会随着研究群体的改变而改变，除此之外，范式能够对理论、信念和价值观等进行暗示。

库恩还表示，范式是会随着时间的推移而产生变化的，并且会在变化中不断地完善自身，随着科学技术不断发展，新的科学范式会纷纷涌现，对旧的科学范式进行补充或者是取代原有的科学范式，这也在一定上促进了科学革命的进程。库恩认为，科学革命的过程在本质上就是范式转换的过程，在被大多数人认可的科学范式之中，仍旧有着其不能解释的特殊情况，这样就为其他的科学范式提供了演变的基础，这也是科学范式能够不断进步的基础条件。科学范式不属于社会科学的范围之内，原因在于社会科学学者的许多意见与科学范式中的理念存在很大差异。在《科学革命的结构》中指出，与社会科学奖科学范式分开的主要原因是，在当前的自然科学之中科学范式是不可能出现的。尽管如此，社会科学与科学范式在小范围内还是存在一定的关系，社会学、教育学等比较小的学科领域中，社会科学和科学范式存在的矛盾是比较小的。

二大数据分析应用的兴起

大数据分析应用兴起于上世纪末，当时在飞机周围模拟气流的实验中研究人员无法对各项复杂的数据进行观察，这就在一定程度上促进了超级计算机大数据分析应用的发展。大数据分析应用的产生与网络信息时代的各项技术是分不开的，并且应用的范围也越来越广泛，多媒体、社会网络等都是大数据应用分析的具体表现形式。在传统的行业中也有需要募集性数据分析的相关工作，在本世纪一些新兴的产业等就更离不开大数据分析应用的相关内容。Facebook在全球的用户达到了10亿左右，Google的用户30亿左右，Twitter每天需要处理的信息要高达4亿次左右，这些都是在大数据分析应用下才可以达成的。

在今天，在大数据应用分析方面仍旧没有非常权威的组织对其进行定义，但是其作用却是不可估量的。现如今学者用大数据的概念来解释传统计算机软件无法计算出的数据类型，并且利用大数据的概念对质和量都非常复杂的数据进行分析，大数据拥有大量体、高速度、多样化以及真实性等特点。各项数据能够在很短的时间内达到千兆兆字节，可以通过各种不同的方式进行运算就是大量体；能够对大数据信息进行及时的处理，对预测客户的流失以及详细的消息记录进行分析，并且及时地采取应对措施就是高速度；数据的存在形式是多样化的，文本、视频、音频、图片等都可能是数据存在的形式，大数据分析应用可以根据形式的不同采取不同的分析方法，这就是多样式；真实性则要保证数据的真实性和可靠性，以此来决定是否采取下一步的工作。部分学者还将大数据分析应用分为非结构化、半结构化和结构化三种，在PDF、电子邮件、Word中采取的就是非结构化的数据形式；在XML和THML等对数据具有一定加工能力的软件中采取的就是数据化结构分析的模式。

大数据分析在各行各业的应用都有所体现。“大”只是前提，大数据在研究方向的使用上也比较注重不同种类信息的获取，并且以这些信息为研究的基本条件，根据实际的需要作有利的决策。在航空航天的研究方面SDSS是美国天文学家主要的大数据信息源之一，另外，天文学家在星空的拍摄中获取数据来支持各项研究的方法也是很常见的。大数据应用分析应用在企业之中能够使得企业在各项关键决策的制定中占据着比较有利的地位，大数据体现的相关信息也可以作为企业加快自身发展的重要依据，能够为公司的发展提供正确的方向。大数据的重要性也被越来越多的国家所认可，美国自2012年之后，在大数据应用分析上每一年的投入都超过了2亿美元，这对美国环境、教育、医学以及社会科学的发展等都起到了重大的作用。远程教育的发展也导致了大数据适用范围在提升，大数据能够对交互信息、个人资料、系统等进行比较准确的记录，这一系列的特征对教育方面的学习和分析也是有利的。

三科学研究范式的挑战和机遇

大数据是各个学科都通用的一门科学，对自然领域、工程领域、金融领域、商业领域等都有着非常直接的影响，这也是科学研究范式的机遇和挑战。从科学研究的角度出发，现今的科学研究范式主要存在以下几种形式：（1）实验科学。这种方法起源是非常早的，在一千多年前就有人对自然现象进行研究，对自然现象的种类进行初步的分类，对元素进行最初始的分类就是起源在这个时期；（2）理论演示。在科学实验与人们的预期相互吻合的时候，就使得理论演示具有了一定的权威地位，建模方式是使用比较广泛的理论演示方法，针对某一模式的特殊情况，得出一般情况下的相关理论；（3）计算机科学。主要起源于上世纪中期，利用超级计算机对复杂的情况进行计算模拟，许多的数据都可以利用计算机进行模拟，用来获取比较权威的数据，传统的科学实验方法逐渐被淘汰，单一的实验也不能满足科学研究范式的快步推进；（4）密集型科学研究范式。以前三种科学为基础，结合现如今的IT技术，对复杂的数据信息进行获取、加工、储存和分析等，从而获得人们需要的信息。密集型科学研究范式是在现如今非常重要的一种研究范式，可以说是前三种研究范式的总结。

密集型科学研究范式主要对数据能够做出以下几种处理：获取、储存以及分析等三种。虽然大数据时代为科学范式的发展提供了更好的发展机遇，但是不可避免地也带来了一定程度上的挑战。大多数学者认为，在数据处理的各个阶段都是有可能存在困难的，同时也是一定会存在机遇的。因此，在获取数据的时候，就要对用处不大的数据进行及时地删减，尽可能避免在收集数据的时候出现数据多余的情况，这样就可以避免内存不够的现象出现，与此同时，根据剩下的有效数据进行相关数据处理程序的运行。由于传统的事务数据处理与储存功能存在的关系不是十分的明显，因此在大数据分析方面的相关分析过程就不便于使用，传统的计算方法是要保证数据的共同性的，但是由于差异的存在，就必须寻求其他的方法来对大数据的相关应用分析进行研究。

四教育技术研究范式的发展历程

教育技术研究范式的核心就是在教学方面对应用技术进行支持。设计研究是研究教育技术范式中必须要重点关注的话题，从研究范式的角度出发，对教育技术在大数据应用分析的相关影响下进行探究。

大多数学者表示，在教育的相关领域之中，与社会诸多领域的科学范式都是存在共同点的，都是以一种多种范式并存的形式存在的。其实存在某一种研究范式呈现主要地位，但也是相对的，不存在能够独霸教育领域研究范式的可能。在上世纪，社会形态之中物理科学、媒体学、传播学和系统学等研究范式是比较权威的，但是也不可能达到一枝独秀的程度。在某学者提出的八种范式理论中，主要对行为和认知领域研究范式中存在的问题和相关的设计研究进行了分析。教育技术研究范式是能够不断进步的重要力量，其能够加快人类知识库的变更速度。在如今绝大多数的教育研究范式之中，都是比较重视理论方面的相关知识的，计算机技术是在大数据背景下，教育技术研究范式能够稳定发展的主要促进因素之一。

在教育中融入计算机的相关技术之后，教育技术也开始作为一个独立的学科存在着，所以针对教育技术的相关范式研究，也要重视计算机技术在其中的重要影响因素。库恩提出了这几种计算机技术范式，计算机辅助系统、科技教学系统、计算机协同教学。上文提到的第四种科学研究范式是前三种研究范式的延伸，而又独立存在的研究范式。前者是以心理学为基础的，都是对行为和认知进行心理学的研究。后者涉及的学科就比较广泛，这些学科主要存在以下特点：（1）重视研究过程，对研究结果不是很重视；（2）更注重描述性的知识，对实际操作不是很重视；（3）重视合作学习以及讨论的过程。社会文化理论也是大数据教育技术研究范式的必备条件，情境知识的相关认知需要学生在学习的过程中摆正自身的位置，必须要全身心投入其中。

五科学数据下教育技术研究——个性化适应学习

数据研究法凭借大数据信息时代的发展契机。在教育界，大数据主要应用在教育数据挖掘和学习分析学，分别简称为LA和EDM，二者没有明显的界限。LA是对学习环境数据测量、整理、分析以及汇总的过程，其目的是优化学习环境。LA应用了计算机科学、心理学、统计学、社会学、信息学。EDM的作用是分析研究和应用统计学和数据挖掘法来对学习过程产生的数据进行分析研究。EDM分析研究的目的是发现及改进学习内容的展现和最优教学序列的模型；研究各种学习软件提供支持的效果；推动与学习、学习者相关的科学研究。应用EDM和LA，教师能够更加深入地了解学生，观察和理解学生学习的过程，探索出最优的教学方案，对于发现的问题可以及时地处理并反馈，提供个性化的学习服务。

国外教育部门认为应用两者达成自适应学习环境应当包括如下部分：学习的内容，通过和学生的交流互动，能够辨识出学生的能力以及所处的水平，所以能够更加高效地制定适合学生的学习内容；学生学习的数据库，以便获取并储存学习内容的互动交流；通过学生数据来检测追踪学习的过程，预测其成绩和学习行为，除了上述组成部分之外，还有外部学生信息系统。此系统是教育部门或者学校掌握的学生信息背景资料，例如性别、年龄、学习风格、所学的课程种类以及成绩，等等。预测模型能够通过获取的数据作为依据预测学生的行为。自适应学习系统主要包括三个数据流：第一是学生和学习内容的交流互动。第二是交流互动的内容的存储。第三是预测模型抽取学生的背景和学习数据，利用EDM和LA开展分析，而后把结果反馈至自适应学习系统的引擎，并以此做出相应地调整，预测的结果应当及时地传达至管理人员或者教师，学生、管理人员和教师得到相关的信息也就意味着反馈回路的完成，学生能够通过自适应学习系统引擎获得学习活动情况、测评情况等信息进行自我调节，例如可以在自身掌握欠佳的学科上多花费时间和精力，对学习方法加以改进。教师能够通过这些信息对学生个体和整体的学习状况有清晰地了解，并作出相关课程内容或者进度的调整，如对个别学生的学习进行干预，为其提供必要的学习资料。管理人员获取的是多个学生及教师、课程的状况，依据整体的信息，管理人员可以依据这些做出科学合理的决策。

美国教育部门提及的自适应学习系统通过EDM和LA，指引学生对自身学习的状况有着一定的了解，为教师教学干预提供必要的支持。值得注意的是，在数据密集科学的基础上，EDM和LA技术可以更加全面地分析学生的特点和需求，进而使得学习向着个性化的目标又进了一步。所以，自适应学习系统应当显现个性化学习的特点，未来教育技术研究是个性化自适应学习，就是在自适应的前提下，学习的内容更能体现学生的需求和特点。依据学生学习风格、已有知识的特点和性别、年龄、爱好等其他信息数据将学生合理地分组，学习系统能够依据学生的需求和特点推荐具体的学习内容，学生选取适合自身的学习资料以及考评的方式，等等。

六个性化学习的相关研究

个性化适应学习可以显现“以学习者为核心”的基本学习理念，并和智慧教育的出发点相同，成为目前教育技术的全新研究模式。智慧教育强调信息技术的重要性，营造具有如推理、感知、辅助决策等智慧特性的学习环境，其目的是推动学习者的智慧向着全方位的方面发展，通过学习以及生活环境的选择、适应以及改造，实现对个人、他人、社会的共善。智慧教育将“以学习者为中心”的思想显现的淋漓尽致，强调学习是平衡以及充满张力的过程。智慧学习环境的基本特征之一是考虑学习者能力、需求、偏好、风格等个体差异，为其提供个性化学习服务，并对学习历史数据进行细致地记录科学地分析，数据结果的作用是对学习过程进行评估，并发现问题和预测学习者的未来表现，并通过数据分析工作进行干预。所以，以大数据为背景的个性化适应学习是智慧学习环境的关键组成因素之一，于此同时，LA和EDM科学为高等院校提供科学的信息，对学生的学习、生活进行干预，最终实现降低辍学率、提高毕业率的目标。此外，大数据除了对学习过程分析提供必要的支持外，还能够在可视化、概念提取、本科建立等知识表征和利用方面提供很大帮助。所以，除PLA外，大数据可以推动社会智慧的发展与个性化的学习服务，实现人本主义教育，并成为社会知识生态发展模式的关键组成因素。

总之，大数据对教育技术发展产生诸多积极的影响，如创设高效管理决策的平台、知识发现的工具、个性化的学习环境等，同时大数据在教育技术发展中的应用也面临着很多的困难。数据方面，采用何种方式储存海量非结构化的数据，如学生发言、讨论等文本数据的记录，此外还有数据分析、数据传递的困难。如果大数据管理技术有着突破性的发展，才能实现大数据为教育技术发展产生重大积极影响的目标。数据科学在教育方面的应用主要体现在EDM和LA，通过数据可以让学习过程可视化，分析学生的行为以及成绩。数据只是表象，数据无法表达表象出现的原因，所以怎样把学生的学习情感、动机等无法由数据看出的因素纳入设计中，这是一大难题。

参考文献

[1]李勇，孟小峰，刘继，等.基于小数据的在线用户兴趣长

程演化研究[J].计算机研究与发展，2015，52（4）.

[2]周忠根，水鹏朗.基于复数据经验模式分解的天波超视

距雷达瞬态干扰抑制[J].电子与信息学报2011（5）.

[3]韩璞，袁世通.基于大数据和双量子粒子群算法的多变

量系统辨识[J].中国电机工程学报2014（12）.

[4]林硕蕾.基于小数据冲突检测的坏点数据挖掘模型仿

真[J].科技通报，2015（1）.

[5]陈臣.基于大数据的图书馆个性化服务用户行为分析

研究[J].图书馆工作与研究，2015（2）.

[6]姜强，赵蔚，王朋娇，等.基于大数据的个性化自适应在