教育数据挖掘与学习分析未来发展趋势

季孟雪 张海 杨絮

多年来，包括教育在内的许多部门的数据一直在急剧增加，许多行业面临海量、高速和多模态数据的冲击。在医疗保健、教育等领域，数据增长率每年高达35%。SAS研究所研究表明，处理大数据任务所需的员工增长了240%。为了理解大数据，教育数据挖掘和学习分析正在成为寻求提高战略和运营决策能力的教育机构的通用语言。通过考察学生成功率、学生保留率、学习成果以及其他教育指标，分析和预测建模的使用成为教育大数据领域的导航性资产。大数据分析和基于直觉的决策已经成为大数据时代的关键组成部分。本文对教育数据挖掘和学习分析未来四种发展趋势进行了介绍，期待为研究者与教师提供参考和启示。

● 趋势一：建立教育领域的数据分析概念框架

在深入研究某些目标区域之前，必须建立某种信息分析概念框架。而迄今为止，各种领域中数据概念框架仍很匮乏，相对较为发达的是商业领域的数据分析概念框架研究，可以将其作为教育领域概念框架的参考。Liebowitz基于商业情报/分析领域的研究和最佳实践，提出了如图1所示的商业智能分析概念框架，教育领域同样可以据此构建一个信息分析概念框架。这一框架表明，业务和IT驱动因素会影响组织的分析策略，而业务推动因素会影响分析策略的成功程度；借助成功因素，可以從分析策略中获取价值，构建发展路线图（通常为三年）。

● 趋势二：自适应学习与教育数据挖掘

自适应学习和教育数据挖掘是近年来不断发展的领域。自适应学习通常也和个性化电子学习、自适应课件和智能辅导系统互换使用。

Grubisic（2013）对这个领域的文献进行了回顾，发现了5924篇涉及自适应电子学习系统、智能辅导系统、课件生成、课件排序、自动课件、动态课件、自适应课件或自动生成课件的相关论文。21%的论文与自适应电子学习系统有关。这些自适应电子学习系统，主要使用宏观和微观两种方法来实现适应。宏观适应发生在学习和教学过程之前，收集关于学生认知能力的数据，然后驱动最适合这些决定的学习环境和教学类型。微观适应发生在学习和教学过程中，从而调整学习方法，根据在电子学习会话期间学生的知识变化而变化。后一种方法也可称为“个性化学习”。

教育数据挖掘与自适应学习密切相关，着重于发现驱动学生学习结果的隐藏模式和关系。例如，美国马里兰大学学院应用数据挖掘来识别第一或第二学期具有关键“风险”的转学生，以便提供必要的支持服务来帮助他们成功毕业。

Pena-Ayala（2013）回顾了240份教育数据挖掘论文发现：首先，描述性或预测性的方法经常被应用于教育数据挖掘中，因此未来教育数据挖掘模块期待能集成在典型的教育体系结构中。其次，教育环境中基于数据决策的概念将越来越重要，大数据和分析在教育环境中的重要性越加凸显。最后，教育数据挖掘将通过社交网络、网络和文本挖掘、虚拟三维环境、空间挖掘、语义挖掘、协作学习、大数据体系结构和其他技术领域的进展得到进一步增强。

● 趋势三：数据可视化和可视化分析

一图胜千言，对管理人员而言，数据可视化对于理解和快速掌握分析大数据结果至关重要，因此教育大数据分析领域的一个关键增长领域是使用可视化分析。无论是公司的CEO还是大学校长，分析结果都必须以易于理解的方式展示。

执行仪表板（如流行的Tableau软件）是将数据可视化应用于分析结果的一种方法。图2显示了使用SAS可视化分析进行K12学生分析的示例。

图3显示了一个使用Tableau 软件的例子，它是一个区级的评估仪表板，用于比较学生分数和餐食计划。

Thomas和Cook（2006）指出，未来视觉分析从研究转向实践，应注意以下几点：开发基础设施以促进对新的可视化分析技术的评估；创建和使用通用的安全和隐私基础设施，密切结合隐私支持技术，如数据最小化和数据匿名化；为视觉分析软件使用基于组件的软件开发方法，以便于评估集成原型中的研究结果，并在不同的操作环境中部署有前途的组件；确定并公布将可视化分析技术插入运营环境的最佳实践。

许多组织，如美国高等教育协会Educause和英国知识媒体研究所，正在研究如何在教育环境中改进可视化分析。例如，Educause的学习分析计划一直在关注视觉分析如何在教育中发挥关键作用；知识媒体研究所的Catalyst项目则利用基于Web的注释工具，帮助用户优先关注推荐内容、在线创建触发器，通过交互式可视化以及社交网络和审议分析来增强现有社交媒体平台。此外，在未来几年，数据可视化和可视化分析还可能继续发展，允许决策者在沉浸式环境和交互式游戏场景中分析数据。

● 趋势四：教育中的知识管理

另一个重要趋势是教育中的知识管理。知识管理是指如何最好地利用组织内部和外部的知识，处理知识保留和转移问题，组织应用知识管理来增加创新，建立组织的机构共同记忆库，提高适应性和敏捷性，以及组织内部和外部的有效性。

在教育领域，有一些组织，如教育知识管理研究所，其任务是改进教育部门的持续学习、合作和变革的实践。在美国范德比尔特大学医学中心，他们的知识管理信息中心提供高水平的数据和知识组织技能，以优化企业临床、研究和教育活动。美国马里兰大学圣母院有一个新的知识管理分析硕士学位，研究知识管理和分析学之间的协同作用。此外，香港大学教育学院创建了《知识管理与电子学习》杂志来专门研究这一新领域。

《地平线报告》指出，数据驱动学习和评估的兴起近年将成为推动教育变革的趋势，大数据和分析在高等教育中的应用前景一片光明。因此，自适应/个性化学习、教育数据挖掘、数据可视化、可视化分析以及知识管理和混合/电子学习将发挥越来越大的作用，更好地为高等教育的管理者和教师提供服务和支持。