我国教育大数据的研究现状、问题与对策-基于CNKI学术期刊的内容分析_2

1、    我国教育大数据的研究现状、问题与对策基于cnki学术期刊的内容分析    摘要：教育大数据现已成为促进教育变革与创新的技术力量和思维方式，也成为当前教育技术领域研究的热点问题。但目前国内教育大数据的研究主题相对分散，缺乏系统性的梳理总结。鉴于此，以cnki 20102018年刊发的相关学术论文为研究对象，采用内容分析法，从基础理论、分析模型、关键技术与方法、典型应用等方面对其进行分析、归纳，以构建国内教育大数据研究的全景框架。研究发现，当前我国教育大数据研究形态以模型构建为主，基础理论研究不足、关键技术方法有待突破、应用及实证研究有待加强等问题突

2、出。针对这些问题，我国教育大数据的发展急需强化跨学科探索性研究，加强研究数据融合等关键技术，加强基于深度学习的教育大数据智能分析，强化大数据的常态化应用并开展广泛的实证研究。关键词：教育大数据，教育数据科学，分析模型，学科交叉，深度学习【基金项目】2017年度吉林省科技发展计划项目“智能移动终端教学软件平台构建的关键技术与应用示范”（编号：20170204001gx）。引言大数据作为“互联网+”时代教育发展的新引擎，其思维与技术正推动着教育中科学化决策、智能化管理、精准化教研、个性化学习等方面的变革与创新，促使教育从粗放型、规模化、经验化向精细化、个性化、智能化方向转型。教育大数据带来教育信息

3、化发展的新机遇，为提升教育决策质量以及教育治理能力提供了重要的支撑，成为推动教育信息化和教育现代化发展的重要驱动力。然而，目前国内教育大数据研究涉及的主题相对分散，缺乏系统性的梳理，导致广大研究者难以厘清与教育大数据相关的基础理论、分析模型、关键技术方法等相关问题。因此，采用内容分析法对国内近年来发表的相关文献进行归纳，从而构建国内教育大数据研究的全景框架。在此基础上，进一步分析当前我国教育大数据发展所面临的问题，提出相应的对策，以期为后续研究与实践提供参考和借鉴。一、国内教育大数据研究文献概况（一）数据来源与初步分析“大数据”的概念最早可以追溯到1980年的第三次浪潮一书，但真正进入人们的视

4、野是2008年9月自然杂志推出的“大数据”专栏，2010年正式进入互联网行业。因此，本文以2010年1月至2018年6月期间我国cssci期刊所刊发的文章为研究对象，以“教育大数据”“教育数据挖掘”“教育数据分析”“学习分析”为关键词，在中国知网进行主题检索，共检索到相关文献2127篇，涉及教育理论与管理、计算机软件及应用和信息资源管理等学科领域。根据图1所示的论文发表年度趋势，可将国内教育大数据的研究分为以下三个阶段。（1）起步阶段（2010年2012年）。此阶段学界对教育大数据的关注度较弱，发文量较少。以顾小清等发表的论文为标志，首次将学习分析技术引入国内1。（2）快速发展阶段（2013年

5、2015年）。这一阶段关注教育大数据的论文数量日渐增加，国内教育大数据的研究进入快速上升期。以徐鹏等学者发表的论文为重要标志2。（3）稳定发展阶段（2016年以后）。近年来，随着促进大数据发展行动纲要和国家教育事业发展“十三五”规划等相关文件的印发以及国家大数据战略地位的确立，教育大数据的研究在经历了爆炸式增长后，逐渐进入一个平稳发展期。图1 教育大数据文献年度分布情况如图2所示，从期刊来源角度对论文进行统计，结果发现载文量较多的期刊都是教育技术领域最具代表性的cssci来源期刊，可见教育大数据的研究群体比较集中。从研究机构角度进行分析，北京师范大学和华东师范大学的发文量远远超过其他高校，这不

6、仅说明了这两所高校对于教育技术新事物的接受能力强，同时也体现了这两所高校对国内教育信息化的引领作用。图2 教育大数据文献期刊来源分析（二）分析框架的确定为了解当前国内教育大数据的研究主题，通过采用文献计量软件citespace对获取的文献进行聚类分析，具体过程如下：设置时间分片为2010年2018年，筛选标准为top100的关键词，剪枝方式为路径发现，可视化方式为静态聚类视图和显示合并网络，最终生成的关键词共现知识图谱如图3所示。聚类结果主要包括教育变革、研究范式、个性化学习、智慧教育、分析模型、学习行为、学习过程、学习者分析、感知数据、学习分析、分析方法、社会网络分析、人工智能、数据挖掘、机

7、器学习、知识可视化等。图3 国内教育大数据关键词共现知识图谱对上述聚类结果进一步总结归纳，可将其分为以下几类：基础理论研究类、分析模型构建类、关键技术与方法研究类、应用研究类。其中基础理论研究类主要探讨教育大数据的内涵、特点、作用和价值等本体层面的问题；分析模型构建类主要研究教育大数据的分析要素、分析过程以及针对具体分析目标的概念模型，其中以学习行为分析模型为主；关键技术与方法研究类主要研究教育大数据开发中的关键技术、分析方法，为教育大数据平台的建设提供必要的技术支持和算法基础；应用研究类则从应用角度探索教育大数据对个性化学习、精准教学、精细化管理等方面的促进作用。图4 教育大数据文献分析框架

8、二、教育大数据的基础理论研究（一）教育大数据的内涵厘清教育大数据的内涵是开展相关研究的基础性工作，国内的杨现民、孙洪涛、方海光等学者都从不同角度对教育大数据的内涵进行了阐述。综合而言，教育大数据至少具有三方面的内涵。（1）教育大数据具有数据属性。教育大数据是蕴藏着巨大价值，能够为学习绩效提升、教学流程优化、教育决策支持提供依据的信息资产。（2）教育大数据具有技术属性。教育大数据从采集、存储、分析、挖掘到可视化应用的整个生命周期过程，都必须依托专门的高性能分析技术和工具来进行3。（3）教育大数据具有思维属性。教育大数据时代的到来，使数据成为驱动教育方式变革、促进教育公平与质量提升的核心动力，教育

9、大数据已成为教育科学研究的“第四范式”。从教育大数据特征的角度看，教育大数据除了具有一般大数据4v的共性特征外，还具有明显的领域特征，如多学科性、多语义性和层级性、情境性、追踪性、时序性等4。其中，情境性指的是教育大数据产生于真实的学习情境；层级性指教育大数据包括人机交互层、问题回答层、会话层、学生层、教室层、教师层和学校层等多层面的数据；追踪性是指通过教育大数据可追踪学习者的“数字足迹”；时序性是指教育大数据随时间呈现序列变化规律。（二）教育大数据的四大价值教育大数据作为教育信息化发展新阶段的产物，使传统教育产生了颠覆性的革命，对学习、教学、管理、教育科学研究进行了全方位的数字化重塑。（1）

10、从学习视角看，教育大数据为个性化学习提供数据支持，将引导教育回归“因材施教”的本质。基于对学习者全方位、大规模学习过程数据的采集，精准测量并智能诊断学习者知识状态、问题解决能力、思维特征、学科素养，助力个性化教育的发展。（2）从教学视角看，教学范式正从传统经验感知以及计算辅助教学走向数据驱动的精准化教学，教育大数据为精准化设定教学目标、控制教学过程、选择教学策略以及评测与干预教学提供了数据支撑。（3）从管理视角看，教育大数据为提升教育管理能力和教育治理水平提供科学依据，使教育管理模式由事后干预转向事前调控，促使教育治理模式由静态化向动态化管理转型。（4）从教育科学研究视角看，教育大数据作为教育

11、研究的新视角，推动教育科学研究范式从假设检验向数据驱动转型，由基于理论的演绎推理向基于数据的归纳推理转变。（三）教育大数据背后的科学数据科学数据科学是伴随着大数据的出现而兴起的一门科学，是大数据背后的科学，具体研究内容包括数据的产生、获取、存储、传输、处理、可视化、利用等5。数据科学在教育领域的具体应用被称为教育数据科学（educational data science，简称eds），其研究对象是教育环境中收集的数据，研究目标是通过教育大数据解决教育面临的重大问题。教育数据科学的研究范畴可以划分为四个子领域：学习者分析、学习分析/教育数据挖掘、制度分析、系统化教学改进。其中，学习分析/教育数据

12、挖掘是教育大数据研究和应用的主要范畴6。从学科角度来说，教育大数据是一个跨学科的领域，与学习技术、学习科学、计算机科学、决策科学、组织管理学和统计学等领域紧密相关。其中，计算机科学是教育大数据的基础，直接为上层提供创新的原动力。三、教育大数据的分析模型研究模型作为科学研究的有效手段，能够通过抽象的方式揭示被研究对象的结构、形态及其运行过程。教育大数据的分析模型主要针对教育大数据的分析对象、分析要素、分析环节等方面建立相应的概念模型、逻辑模型，不仅对教育大数据的平台构建和系统开发具有理论指导意义，而且对应用实践也具有重要的参考价值。（一）分析要素与分析过程模型在学习分析研究初期，国内学者以翻译和

13、介绍国外学习分析模型为主要研究内容，这些模型包括brown、siemens、elias、greller、chatti等人提出的学习分析五要素模型、学习分析过程模型、学习分析持续改进环模型、学习分析六个要素模型、学习分析参考模型等7。表1 教育大数据分析要素与分析过程模型对比领域学者/机构分析模型要素/过程学习分析领域brown等学习分析的五要素模型13数据收集、分析、学生学习、受益方和干预siemens学习分析过程模型14教育数据、分析模型、学习预测、个性化干预elias学习分析持续改进环模型15四个技术资源（计算机、理论、人力、组织因素）、三个循环阶段（数据获取、数据处理、知识应用）grel

14、ler等学习分析六个要素模型16目标、数据来源、分析方法、内外部约束、利益相关者chatti学习分析参考模型17数据与环境、技术、利益相关者、目标学习分析领域李艳燕等学习分析概念模型8学习过程、学习环境、教育环境、受众、数据分析祝智庭等面向智慧教育的学习分析过程模型11目标、理论基础、获取数据、处理分析、结果呈现、干预措施刘清堂等教育大数据视角下的学习分析过程模型9数据收集、数据分析、评估、预测和干预郑晓薇等面向对象的学习分析模型10目标、数据、干预数据挖掘领域daimlerchrysler、spss、ncrcrisp-dm模型18业务理解、数据理解、数据准备、建模、评估、部署spss等组织5

15、a模型19评估需求、获取数据、完备分析、模型演示、结果展现通用电气公司dmaic模型20定义需求、测量数据、分析建模、解决问题、反馈控制sas研究所semma模型21数据抽样、数据探索、数据调整、模型研发以及模型评估在借鉴国外研究成果的基础上，国内学者结合自身实践提出了一些本土化的分析模型。李艳燕等提出了改进的学习分析概念模型8，刘清堂等提出了教育大数据视角下的学习分析过程模型9。郑晓薇等基于软件工程面向对象方法学的理论，提出了面向对象的学习分析模型10。随着研究的不断深入，国内对于分析模型的研究逐步走向细化，并结合智慧教育、电子书包等教学情境提出了一些具体的应用模型，如祝智庭等提出的面向智慧教育的学习分析过程模型11；武法提等提出的电子书包学习环境下基于大数据的学习者个性化分析模型12。此外，传统数据挖掘领域提出的一些过程模型也为教育大数据的模型构建提供了借鉴与参考，如crisp-dm模型、5a模型、dmaic模型、semma模型等。其中，由spss等组织开发提炼的crisp-dm