我国教育大数据研究热点及存在问题的可视化分析.docx
- 文档编号:6087402
- 上传时间:2023-05-09
- 格式:DOCX
- 页数:15
- 大小:29.79KB
我国教育大数据研究热点及存在问题的可视化分析.docx
《我国教育大数据研究热点及存在问题的可视化分析.docx》由会员分享,可在线阅读,更多相关《我国教育大数据研究热点及存在问题的可视化分析.docx(15页珍藏版)》请在冰点文库上搜索。
我国教育大数据研究热点及存在问题的可视化分析
我国教育大数据研究热点及存在问题的可视化分析
作者:
裴莹付世秋吴锋
来源:
《中国远程教育》2017年第12期
【摘要】
继互联网与物联网之后,教育被认为是与大数据最相关的行业,发展教育大数据已成为推动我国教育改革和创新发展的重要战略选择。
本文以中国知网(CNKI)数据库中教育大数据领域的文献为研究对象,运用关键词共现分析方法,通过CiteSpace5.0软件对我国教育大数据的研究热点和研究路径进行可视化分析。
研究表明:
我国教育大数据的研究热点可以分为基础理论研究、教育大数据技术、学习行为分析、学习方式探索、教育资源管理、个性化教学改革与教育政策共7个核心领域;教育大数据的研究始于2013年,2015-2016年文献数量爆发式增长,研究的广度持续延伸,研究的深度进一步扩展,研究视角逐渐走向多元化。
本文最后对我国教育大数据研究中存在的问题进行了总结与展望。
【关键词】教育大数据;个性化教育;研究热点;可视化分析
【中图分类号】G43【文献标识码】A【文章编号】1009-458x(2017)12-0046-08
一、引言
自2011年麦肯锡全球研究所在《大数据:
下一个竞争、创新和生产力的前沿领域》的研究报告中对大数据的应用和商业价值进行详细分析以来,基于海量数据挖掘得出决策已经成为经济、通讯、环境、医疗等诸多行业运行的基础。
2016年7月,全球知名信息技术调研机构Gartner在“新兴科技技术成熟度曲线报告”中指出:
中国庞大的互联网消费群会为大数据的发展带来无限前景,在中国政府的全力支持下,大数据技术将在中国大行其道。
大数据已成为各行各业决策的依据,大数据产业链正在加速形成,继互联网、云计算、物联网后,教育被认定为与大数据最相关的行业。
随着教学管理系统的应用及在线学习系统的激增,教育数据呈现出爆发式的增长势头,传统的技术手段显然无法对海量的数据进行处理和分析,而大数据技术可以计算和分析教、学、研、用、管等多角度的数据集合,以提取出对学生学习行为和教师教学情况的反馈和建议,从而为改善教学质量做出最合理的决策。
2015年9月,国务院发布的《促进大数据发展行动纲要》中明确提出要完善教育公共服务平台,推进教育文化大数据建设,充分发挥大数据技术对教育变革的支撑作用,说明大数据在教育领域的应用已经上升到国家战略层面。
2016年4月,中国首份教育大数据发展报告——《中国基础教育大数据发展蓝皮书》正式发布,蓝皮书中对教育大数据基础理论、发展理念和应用范式进行了梳理,发展教育大数据决定着教育的未来,是我国深化教育领域改革与推进教育创新演进的必由之路。
《中国基础教育大数据发展蓝皮书》中认为,2015年是我国教育大数据发展的元年,但从2013年开始我国教育工作者就从不同角度开展了教育大数据的研究工作,为一线学校进行教育大数据的实践活动提供理论指导。
本文利用多样化的科学知识图谱对我国教育大数据领域的研究热点和演进趋势进行梳理和可视化分析,指出现有研究中存在的主要问题,以期为我国教育大数据研究和实践工作的完善和发展提供借鉴。
二、我国教育大数据研究热点网络图谱
(一)数据来源与研究方法
本文以我国最大的知识资源平台——中国知网(CNKI)数据库作为检索源,检索时间为2017年1月18日。
以“篇名”或“关键词”为“大数据”&“教育”、“大数据”&“教学”、“大数据”&“学习”进行高级检索,共检索出1,595篇相关文献,通过对文献信息进行阅读和手工清理,删除重复文章、会议通知、征稿启事、书评等无关文献共187篇,最终使用的有效文献共1,408篇。
关键词是最能反映文献主体内容、从摘要或文中提炼出来、精确说明论文主旨的词组。
关键词作为对论文核心内容的高度概括,能够有效地展现某一研究领域的热点内容和主题分布,从而揭示该学科的研究结构。
本文采用关键词共现分析方法对收集文献的关键词进行共词挖掘分析,通过统计一组词在同一组文献中出现的次数,测度关键词频次的高低分布及两两之间的亲疏关系,来研究教育大数据领域的研究热点和演进趋势。
(二)关键词共现分析
本文运用美国德雷塞尔大学计算机与情报学专家陈超美教授设计开发的基于Java应用程序的引文分析软件CiteSpace5.0进行关键词的分析。
CiteSpace通过可视化的手段呈现某一科学领域的结构、规律和分布情况,可以专门针对文献中的关键词进行共现分析,挖掘科学文献的知识聚类和演化动态(李杰,等,2016,p.2)。
将收集到的有效文献信息进行格式转换预处理之后,将时间跨度设置为2013-2016年,时间切片为1年,NodeType选择Keyword,每个时间切片数据抽取对象为Top50,连线强度选择Cosine,运行CiteSpace5.0,对1,475个关键词进行共现分析,绘制出我国教育大数据研究领域关键词网络聚类(见图1)。
图1中的关键词共现网络知识图谱共132个网络节点,357个连接,网络密度为0.0413,网络模块化度量值ModularityQ和网络同质性指标MeanSilhouette均大于0.5,说明聚类是可行的。
软件共运行出14个聚类,每个聚类都代表了教育大数据的研究热点,并选取关键词作为聚类标签,在排除边缘聚类后,本文共选取7个核心聚类进行教育大数据的热点分析(见表1)。
三、我国教育大数据研究热点分析
(一)教育大数据基础理论研究
大数据对教育领域的改变和重塑要基于对教育大数据基础理论的研究,该研究热点的关键词主要有大数据、大数据时代、大学生、高等教育、思想政治教育等。
关注的焦点集中于两个方面:
一是教育大数据的概念、内涵、特征以及作用;二是讨论大数据在高等教育、职业教育以及思想政治教育等领域的应用。
广义的教育大数据概念泛指一切日常教学活动过程中直接产生的各种行为数据,而狭义的教育大数据是指学生的各种点滴的学习行为数据,主要来源于在线学习平台和教育管理系统等(徐鹏,等,2013)。
杨现民等(2016)从数据采集的角度出发认为教育大数据是根据教育需要进行采集、从整个教育活动中产生的具有巨大潜在价值的数据集合,教育大数据的采集具有高度的复杂性、连贯性和全面性。
孙洪涛等(2016)从数据和技术两个层面将教育大数据定义为:
服务于教育主体与过程,具有强周期性和高教育价值的复杂性数据集合。
与传统教育数据相比,教育大数据具有更强的多样性、海量性、实时性和价值性,大数据对学生学习过程的重塑主要是基于三个特征:
反馈、个性化和概率预测(维克托,等,2013,p.34)。
美国高等教育改革的最新利器就是对大数据的利用。
我国高等教育也正逐渐借助大数据技术构建各省市高校参与的大数据合作联盟,借助国家、高校、企业三方力量,带动所有教学资源的整合与利用,全面促进高等教育质量的提高,推进我国高等人才的培养(赵伶俐,2013)。
但是,大数据技术在与高等教育的融合中仍存在利用效率低、数据不全面、技术不成熟等诸多问题,还需要在思维、推广、环境、政策等方面构建相关机构的协同机制,以尽快推进基于数据驱动教学的科学化决策与信息化管理(甘容辉,等,2015)。
大数据在思想政治教育领域的应用主要是分析大数据对思想政治教育带来的机遇与伦理挑战、大数据思想政治教育平台应用,以及如何利用大数据增强思想政治教育的时效性等方面,但是研究范式、研究手段与方法还有待于实现革命性突破,尚需要加强实证分析的支撑(王莎,等,2015)。
(二)教育大数据技术
大数据对教育变革的推动基于各种新技术的诞生和发展,该研究热点包括信息技术、数据挖掘、数据分析、物联网等关键词,主要探讨教育大数据的核心技术在教育领域的应用。
大数据与机器学习的整合形成了新型数据分析技术,在完成海量学习数据的统计分析基础上,实现智能化的发现和预测,展示了智能化大数据技术背景下的未来教育模式。
教育数据挖掘是运用统计学与数据挖掘技术,对教育大数据进行整理和分析,借助建模方法,挖掘学习者学习行为和学习效果之间的关系,并预测学生未来的学习情况。
教育数据挖掘主要的研究目标有:
预测学习者学习趋势、改进教师教学内容、分析教学支持的有效性、促进学习的有效性。
我国教育数据挖掘的研究和国外相比还有一定的差距,主要体现在发表文章的期刊多属于教育类且偏理论性,技术类的实证研究较少;研究面主要集中于系统构建和个性化学习两个领域(周庆,等,2015),今后还需要加强研究的深度和广度。
基于海量数据的云计算技术在教育领域的应用研究主要集中于云计算基础理论研究和教育云平台的构建,尤其是基于云计算的教育资源共享平台的建立,能够有效解决我国城乡教育资源分布不均的问题,扩大优质教学资源的覆盖面,加速教育资源共享,促进教育公平和远程教育的发展(陈晶,等,2015)。
物联网技术不仅仅是一个传感系统,基于数据驱动的物联网技术被广泛应用于信息化教学、智慧校园建设、教学资源管理等教育领域,使精细化教育成为可能,其与当代教学理念的整合,将重建创新性的教育模式,促进我国智慧教育的发展与变革。
(三)学习行为分析
大数据在教育领域的应用,不但改变了传统的教学方式,也对学习者的学习行为产生了深远的影响。
该研究热点的关键词有学习行为、学习分析技术和学习模式等,主要研究大数据对学习行为产生的学习效果和反馈。
学习分析是大数据在教育领域的最直接的应用,是通过对广义交易大数据进行解释和分析,用已知模型和方法评估学生的学习进程,并对未来的学习绩效进行预测并发现潜在的问题(Johnson,Adams,&Cummins,2012)。
教育大数据与学习分析技术在我国的理论研究较为丰富,但应用领域仍需要进一步深化和拓展。
海量的学习信息大数据中蕴含着学生的隐性学习特征,通过挖掘这些数据中有价值的信息,可以发现学生各种学习行为的内在逻辑,从而做出最正确的教学决策。
传统的衡量学习行为的主要指标为考试和作业,这种教育反馈系统无法全面地评价学生的学习情况,大数据将重塑教育评价系统,将传统的单一的经验式评价转变为基于教育大数据的过程式评价(喻长志,2013)。
大数据技术被全面地应用于教育领域,意味着更多的学习过程信息被捕捉和分析,促进教师及时掌握学生的学习动态并加强与学生的全方位互动与了解,促进更科学的学习行为评价。
了解不同学习者的学习行为特征有助于教师做出科学的教学决策,有助于为学生提供更为有效的教育服务。
斯坦福大学机器学习专家吴恩达教授实时追踪学生与视频讲座的互动行为:
如果学生在播放过程中点击了暂停、快进或关闭按钮——这种学习行为揭示了学生对课程的理解程度,通过对数据的追踪和解析,可以探求学生的学习状态,帮助教师及时调整授课内容,从而确定最有效的课程元素和教学方式,提高教学的针对性和科学性(Chafkin,2013)。
(四)学习方式探索
学习方式的变革是教育进步的内在要求,随着人工智能、大数据以及信息技术的快速发展,打破了陈旧的教育观念的束缚,同时也改变了传统的学习方式。
该研究热点的关键词有高效学习、深度学习和自适应学习等,主要分析大数据时代下的新型学习方式。
美国斯坦福大学教育学专家琳达·达林经过10年的实践研究,在2008年提出了高效学习和理解性教学的理念,指出高效学习主要包括基于“项目导向的学习、问题解决的学习、课程设计的学习”的三种探究性的教学方式(冯锐,等,2009)。
高效学习的实施需要现代信息技术的辅助,包括可操作的课程评价系统和教师对学习进程的实时监控,大数据的参与让教师能更有效地组织探究性的教学,用高效的教学决策支持学生的学习。
深度学习与浅层学习相对应,强调对特定学习情境进行持续性的理解和深层次的研究,使学生跨越表层知识,将知识顺利地迁移和运用到新情境中,并对新的学习进程做出精准判断(阎乃胜,2013)。
王树涛等(2015)通过实证分析发现:
深度学习方式在课堂内外的学习经验和教育效果各指标间存在显著的中介效应,使用深度学习方式的学生教育收获指标高于采用浅层学习模式的学生。
深度学习是一种基于实践以及问题解决的学习方式,推进以深度学习为精髓的教学模式改革,需要构建以“学生为中心”“问题解决为导向”的教学模式,加强学生对所学知识的批判性态度,真正做到“学以致用”。
2016年,培生集团在《解码自适应学习》的研究报告中给出“自适应学习是一种教育技术,它可以实时地响应学生的互动,自主地为学生提供适合每个人的支持和帮助”的定义。
教育大数据完善了自适应学习系统的架构,实现了基于数据驱动的挖掘机理和学习分析,让以往无法实现的精准预测和分析成为可能,教育大数据技术能够深入探寻学生学习情境,基于海量数据发现学习规律,对每一个学生的学习行为和需求进行预测并为其推荐个性化的自适应学习(方海光,等,2016;姜强,等,2015)。
(五)教育资源管理
大数据技术促进了优质教育资源的开发与共享。
教育信息资源管理的理念越来越受到重视,各大高校正全力打造基于互联网技术和大数据思维的数字化教学资源平台。
该主题以数据平台、网络资源、教育信息资源为核心关键词,研究了我国教育信息化进程中教育资源的开发与利用问题。
传统的教育资源管理存在共享程度差、低水平重复建设、管理水平低等问题,而大数据技术可以对海量的信息进行存储、分析、计算和传递,通过互联网将线上和线下的教学资源进行优化整合,数据资源潜在的价值在开放式的流动中被不断激发,促进了高校之间优质教学资源的共享和利用。
我国一直非常重视教学资源库的建设工作,早在2010年,在《国家中长期教育改革和发展规划纲要》中就明确提出要“建设覆盖各级各类教育的教学资源库和公共服务平台”。
随着对教学资源库建设认识的逐步加深,在2015年,教育部提出要建设“能学、辅教”的教学系统,并督促实现对资源库的有效监控和应用推广(魏顺平,等,2016)。
虽然基于大数据技术的教育资源管理系统具有很强的共享性和开放性,但仍然存在系统安全、隐私保护和应用率低下等问题,还需要结合政校行企等多方力量进行联合开发,促进教育信息资源的高效利用和长久发展。
另外,教育资源管理的研究方向也应从高度关注系统建设向教学应用效果研究转移,开始关注教学资源的实践应用和评价体系,全面、客观地考察基于大数据技术的教育资源管理系统的有效性。
(六)个性化教学改革
传统教育系统主要依靠教师的教学经验对学习者的学习行为进行判断并制定教学决策。
21世纪以来,教学改革逐渐倡导针对学生的特定学习需求、个体学习差异实施个性化教学,根据学生学习行为大数据进行教学策略的动态调整,一个彻底打破传统教育理念、学习框架、教学方法的个性化教育时代已经来临。
该研究热点以个性化教学/学习、教育变革、传统教育为核心关键词,重点分析基于大数据技术的个性化学习模式给教育带来的巨大变革和挑战。
美国新媒体联盟发布的《2016地平线报告(高等教育版)》指出:
在2016-2020年间,个性化教育仍然是最艰难的挑战,技术的发展还不能完全满足个性化学习的要求,个性化教学对教育领域的作用尚未显现出来,目前的研究与应用主要局限于进行技术上的尝试,并没有在教育改革的整体框架下进行规模化推广(金慧,等,2016)。
个性化教育必须建立在大数据技术支持的基础之上,大数据技术将引导教育回归因材施教的本质,这是对传统的同质化教育的巨大挑战,体现以学生为主导的教学方式,学习不再按照同质的教学资源,以同样的步调进行,而变成数千种不同的教学组合。
大数据分析将指引教师选出最有效的教育方案,推进“一个尺寸适合一个人”的个性化教学的实现。
个性化教学系统主要包含最适宜的教学模式和学习环境、实施深度学习、信息化学习系统的构建等(吴刚,2015)。
只有通过个性化教学,教师辅助学习者获得最适合的学习路径,才能真正实现教育公平。
(七)教育政策研究
教育大数据的理念被逐渐应用于对教育政策决策的研究与实践当中。
2012年,美国教育部发布了《通过教育数据挖掘和学习分析促进教与学》的报告,提出了教育大数据应用将面临的挑战,并期待可以将K-12教育体系的数据全部打通,实现大数据对教育领域的彻底变革(陆璟,2013)。
我国正在全力推进教育管理的信息化建设,通过“两级建设、五级应用”来解决教育大数据的准确性、及时性、规范性和科学性的问题。
大数据技术对于科学化的教育政策的制定具有显著的优势:
有助于通过对教学活动和教学效果清晰的分析,描述出政策对象的微观表现,从而判断教育政策的有效性;教育大数据更容易进行实时且有效的双向传递,更容易进行教育政策的及时反馈和修正。
大数据在教育领域的应用是我国“十三五”期间国家大数据战略的重要组成部分,但大数据与教育的结合仍处于起步阶段,还存在数据安全、隐私保护、运营监督等诸多问题,需要相关机构迅速制定有效的《教育大数据发展指导意见》,进行引导与监督,促进教育大数据在我国健康稳定的发展(杨现民,等,2016)。
四、我国教育大数据研究演进路径
CiteSpace5.0中根据关键词首次出现的时间,将关键词共现网络进行Timezone的时区展示,进一步反映聚类所关注的时间特征。
根据软件运行结果(见图2)及所阅读的文献资料,我国教育大数据研究发展路径如下:
(一)2013年,大数据技术开始应用于教育领域
2011年6月,麦肯锡公司通过长达150页的报告提出了“大数据时代”的到来,大数据开始迅速渗透到金融、制造、通讯、医疗等诸多行业。
2012年3月,奥巴马政府在白宫网站发布了《大数据研究和发展倡议》,宣布将2亿美元投入到大数据领域,以提高从海量复杂数据中获取信息的能力,并转变现有的教学与学习方式(刘凤娟,2014)。
倡议的提出进一步推进了大数据时代的发展,同时也引起了教育学者对大数据技术的关注。
2013年初,大数据技术开始应用于教育领域的研究,这一阶段发表的文章开启了我国教育大数据研究的先河,被引频次较高。
截至2017年1月,徐鹏等(2013)的《大数据视角分析学习变革》共被引138次,文章揭示了“数据驱动教学,分析革新教育”的大数据时代的到来;魏顺平(2013)的《学习分析技术:
挖掘大数据时代下教育数据的价值》共被引134次,介绍了学习分析技术如何利用教学数据理解和优化学习过程;张燕南等(2013)的《大数据时代思维方式对教育的启示》共被引119次,主要阐述了大数据环境下教育评价与教育决策的新思路。
该阶段主要是学者们关于大数据应用于教育领域的思考,虽然首次出现了物联网、数据挖掘、个性化教育等关键词,但研究并不深入,仅阐述了各种大数据技术对教育带来的影响和启发。
(二)2014年,教育大数据的研究逐渐兴起
2014年,教育大数据首次作为关键词出现在引文当中,主要研究内容仍然以大数据技术给我国各层次的教育教学带来的创新与挑战为主,重点探讨了信息化时代背景下大数据技术对传统教育的颠覆和对教学改革的推进。
维克托·迈尔-舍恩伯格教授作为最早洞察大数据时代发展趋势的牛津大学大数据研究权威,在2014年与大数据评论员肯尼思·库克耶合作出版了《与大数据同行——学习和教育的未来》一书,用浅显易懂的语言揭示了“大数据正逐渐进入到教育领域的每个层面,并将对全世界的学习方式和教学活动产生深远的影响,大数据浪潮来袭,推动教育变革的力量将席卷大中小学,没有任何一家教育机构能置身事外”(Mayer-Schönberger&Cukier,2014,p.68)。
《2014地平线报告(高等教育版)》也认为,大数据与学习分析将在短时间内对教育产生深刻影响。
因此,该阶段我国教育大数据的研究也随之进入更深层次的思考。
刘雍潜等(2014)探讨了大数据时代区域教育均衡发展新思路,用海量的教育大数据来解决区域教育均衡发展的问题。
香港中文大学的陈霜叶教授等(2014)则提出要利用大数据技术来推进我国教育向治理现代化的模式转变,用海量的教育数据挖掘来还原教育的本质,制定公平而科学的教育政策。
总之,此阶段预示着教育真正开始走向大数据时代,大数据已经做好准备为教育带来全新的理念和变革。
与大数据同行的教育才是未来的教育。
(三)2015-2016年,教育大数据的研究逐步深化与扩展
2013被媒体称为“中国大数据元年”,2015年则被称为“中国教育大数据元年”。
该阶段文献数量爆发式地增长,关键词数量急速上升,研究的广度持续延伸,研究的深度进一步扩展,研究视角逐渐走向多元化。
除了持续关注教育大数据的内涵与外延、教学改革和个性化教育之外,信息与数据素养、教学效果、教育决策等问题开始受到关注。
伴随大数据技术在教育领域的深入应用,要求教师能够根据海量的非结构性学习数据分析结果,采用最高效的教学方式并制定个性化的教学路径。
因此,大数据时代对教师的数据素养提出了新的要求:
教师数据意识、数据处理和应用能力的提高,有助于促进教学思维的变革、科学的教育决策、改进教学效果并促进科研成果产出(张进良,等,2015)。
黄如花等(2016)提出从小学生到博士生、教师、科研人员和社会大众都迫切需要提高数据素养,并通过专门的学位设置、学分课程、短期培训等多种教学活动来完成。
前期的研究对象主要针对大数据对高等教育带来的影响和变革,此阶段开始逐渐向职业教育、成人教育和基础教育拓展。
2015年初,教育部提出对职业教育资源库的数据质量、运行效果以及更新状况进行实时的监控,基于大数据技术的职业教育资源库的设计研究进一步深化了高职教育教学改革。
《中国基础教育大数据发展蓝皮书(2015)》的发布,确立了教育大数据在我国各层次教育事业发展中的重要战略地位,为进一步促进教育大数据理论体系的完善和研究成果的实践应用打下了坚实的基础。
五、结论与展望
本文基于信息可视化与科学知识图谱的研究理念,通过CiteSpace5.0软件对我国教育大数据的研究热点和研究阶段进行了可视化分析。
在对文献的关键词共现知识图谱进行动态信息挖掘的基础上,结合对相关文献的深入阅读,发现我国教育大数据的研究尚有以下几点不足。
(一)实证研究的广度和深度均有待拓展
大数据技术通过对海量数据进行多元化的挖掘和分析,体现了教育决策的实证数据的支撑,推进了教学质量的提高,有利于教育公平的实现。
我国现有教育大数据的研究多集中于概念特征、教学改革、关键技术、学习分析等基础理论层面,大数据是如何重塑学生学习过程、应对大数据挑战的具体方案、个性化学习怎样实现等诸多实践应用问题并没有涉及,真正将理论融入教学实践并产生实质性影响的案例研究非常有限。
在所搜集到的1,408篇有效文章中,以“实证”为主题词进行二次检索,结果仅有26篇,且存在研究范围小、跨越时间短、缺乏重复验证性等问题,说明教育大数据相关研究的领域虽然广泛但研究的深度还远远不够,要提高教育科学研究的水平,不能仅依靠理论研究成果,更要加强以有证据、能量化、能重复为特征的教育实证研究水平。
教育大数据的研究必须与一线教学实践相结合,不能仅停留在“是什么”和“为什么”的阶段,应该更多地解决“做什么”和“怎么做”的问题。
未来教育领域的应用研究应以大数据技术为工具,重视量化指标,寻找学习现象背后的因素关联,要为教育改革和教育决策提供最精确的支撑服务,拓展教育研究中实证与规范分析的广度和深
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 我国 教育 数据 研究 热点 存在 问题 可视化 分析