数据挖掘+人工智能，教育定制化下的学霸量产

【编者按】大数据将给现在的教育体制带来变革，用数据分析找出教学过程中的问题，完善教学方法，让学生接受自适应学习，培养终生学习的能力。大数据可以用来聘用优秀教师，合理配置教育资源，减少宝贵教育资源的浪费，大数据还可以用来为学生未来的事业发展提供帮助……有大数据，一切皆有可能，作家Gail Dutton为我们带来了精彩分析。

以下为译文：

大数据已经应用到课堂上了，比如：创建自适应学习课程，指导学生通过更有效的方式取得成功，而有些应用则针对管理人员和学校，这些数据应用帮助校长和老师有效地提高教学水平、跟踪教学状态的变化趋势，而且大数据应用到大学后，对学生未来事业会有更加直接的帮助。用一句话说就是：大数据给现在的教育体制带来了变革。

自适应学习

这是从小学到大学整个教育体制的再造，McGraw-Hill教育正在开发数字课程，准备相关的课程资料，它从200万学生中收集信息，利用人工智能为每个学生创建自适应的学习体验。当一个学生阅读材料并回答问题时，系统会根据学生对知识的掌握情况给出相关资料。系统知道应该考学生什么问题，什么样的方式学生更容易接受。系统还会在尽可能长的时间内保留学生信息，以便未来能给学生带来更多的帮助。

Stephen Laster是McGraw-Hill教育的首席数字官（CDO，chief digital officer），他说：“我们把学习看作对目标建立映射的过程，学习的方法不会只有一种。”

自适应学习学习的既不是简单的符号或文字，也不是言语或文字陈述的概念或原理，而是一些具体的实例或问题，学习者的任务是通过考察实例和解决问题，从中发现有关的知识和解决问题的技能。在自适应学习的条件下，学习不是一个被动地接受知识的过程，而是在考察实例和解决问题中主动地发现知识的过程。

Laster说：“例如，通过追踪学生的整个学习过程，记下他们在每个任务上花费的时间，我们可以采用最适合他们的学习方法，让他们主动参与到学习过程中，接受各种各样的挑战。”

为了强化学习的效果，McGraw-Hill和技术合作伙伴Time to Know共同开发了数字化教学平台，提供四到七年级的数学和英语课程，这个平台可以为教师提供实时反馈，比如，当一个学生遇到数学问题时，老师会立即知道，并对学生进行针对性的辅导。也就是说，课堂教学会更加有效。

定制化学习，终身学习

大数据有可能会将教育从同一模式的“批量化生产”变为Laster所说的“科学管理下的定制化学习过程，帮助学生培养更好的学习技能，“让学生了解如何利用时间、应对挑战、成为终身学习的人”，有了大数据，这些目标将逐渐被实现。

教育捐助与教育投资

DonorsChoose.org，这个组织会根据教师的需求建立特定的项目筹集资金，该组织在两个层次上利用了大数据。首先，该公司通过使用电子邮件和社交网络向超过100万注册捐助者发送学校的请求（大约80%的请求会得到捐助）。该公司可以跟踪和分析捐助者的捐助形式（购买教科书、实地考察、贡献技术、资金支持）。2000年以来，DonorsChoose.org已为美国一半以上的学校筹集了超过1400万美元，报告显示在过去的一年期间这个数据又增涨了50%。

2月，DonorsChoose向公众公布了捐赠的历史数据和趋势报告。DonorsChoose.org的数据科学家Vlad Dubovskiy说：“校长和管理人员可以对这些数据进行挖掘，及时了解学校教师的请求。”他们也可以将本学校的需求和其他学校比较，按区域、贫困程度、民族比例或其他标准分类。

这些信息能够促使政策改变，Dubrovskiy说：“现在有数百万美元的融资机会，如果捐助者可以让管理人员了解他们需要什么、钱花在什么地方，这会有助于对教育财政作预算，有助于教育资金的合理分配。”

联合国教科文组织发布的最新一份《全民教育全球监测报告》显示，全世界用于教育的宝贵经费正在被低质量教育所浪费，其损失金额高达每年1290亿美元。报告就此呼吁各国政府在投资教育时，要注重教师的数量与质量，确保把最好的老师配备给最需要的学生。

预测教学质量

Chula Vista、Calif.、Winston-Salem、N.C.以及其他城市的学校都在使用大数据工具，用于帮助学校聘请教师。该学区计划开展一个预测分析软件项目，来自Hanover研究所的Paragon K-12用大量历史数据研究教师个人能力以及学生成就，既有单个项目的研究，也有对两者关系的研究。Joel Sackett是Paragon K-12的管理者，他说公司与学校的合作使教师招聘过程得到优化，在聘请教师时，分析教师的信息来预测教师能否在教育事业上取得成功，哪一位教师是最优秀的。

例如，Sackett说：“系统考虑到教师的学位和专长，以及信仰、人生观、态度、经验开放性等因素。这并不会决定老师是否被聘用，但从中得出的数据会对聘用过程有一定的影响。”

Sackett强调，在招聘过程中，基于预测分析的得分不应该作为唯一标准，“我们是想为面试提供一个更加客观的决策依据”，在美国有好几个学校已经建立了研究试点。

Tod R. Massa是弗吉尼亚州高等教育委员会政策研究和数据仓库的负责人，他告诉我们：当大数据应用到教育领域时，“一切皆有可能”，作为弗吉尼亚州纵向数据系统（Longitudinal Data System）的一部分，委员会目前正在挖掘所有公共和非营利大学的学生数据，追踪学生表现情况。

最初委员会用数据分析是为了做预算，或者是为招生、财政援助和学位奖励做报告。Massa说：“过去十年中，我们已开始着手完善教育体系，帮助学生取得成功。”

例如，2008年，委员会将获得佩尔助学金（Pell grant）以及其他形式财政援助学生的成功率与所有学生的成功率进行了比较。

没有太大差别，但如果我们没有进行这样的比较，我们就不会知道如何改进它。在接下来几个星期，我们还会调查一些其他因素对学生的影响，如家庭收入。

Massa告诉我们委员会正在做毕业生工资情况的统计报告，包括了过去20年的毕业生情况。通过和失业率与工资记录相关联，还可以预测毕业生未来的工资情况，“帮助学生了解毕业后收入和学生贷款的变动，使他们了解教育决策对经济的影响。”

数据可帮助教育部门负责人和决策者了解资金政策的影响，“我们的目标是创造一种环境――一切基于事实，而不是猜想或直觉。”

原文链接： Big Data Goes To School（编译/毛梦琪 审校/魏伟）