数字产业
您的位置:首页 > 数字产业
大数据与教育评估的关联与特点
摘要:大数据正影响着当今社会的各个领域,改变着人们的思维、生活和工作方式。研究大数据与教育评估的关系以及新技术对教育评估的影响,对于驱动教育改革与发展、促进教育者和受教育者思维变革具有重要的现实意义。为此,基于从分析教育大数据的特征出发,研究了大数据驱动与教育评估的关联性,并从信息数据化、深度学习、情感计算、区块链、人工智能等方面,探究了新技术对于大数据背景下教育评估的影响和作用,以期为教育评估的改进和发展提供有益参考。
关键词:区块链;大数据;教育评估;情感计算;深度学习;教育人工智能(EAI)
所谓教育评估,是以实现教育目标和理念为价值标准,依据一定的评估指标体系,通过系统地收集信息,运用一系列科学、可行的方法、教育技术和手段,对教学活动、过程及其结果进行系统的考察和价值判断,从而为优化教育改革提供决策依据。作为提高教育教学质量的一个重要抓手,教育评估对于加强教育与社会联系、实现教育目标和促进教育发展发挥了积极作用。
大数据的快速发展与驱动,正对教育评估产生着深远的影响。一般而言,大数据具有4V特征,即海量的数据规模(Vast)、快速的数据流转和动态的数据体系(Velocity)、多样的数据类型(Variety)和巨大的数据价值(Value)[4]。教育大数据作为社会大数据的一部分,除了具备大数据的一般特征之外,还有着有别于其他领域大数据的一些个性化特征,这些特征使得大数据驱动与教育评估之间产生了较为紧密的关联。图1展示了这些个性化的特征以及大数据驱动与教育评估的关联性。
具体来说,这种关联性与特点主要体现在以下几个方面:
(一)大数据的客观性与教育评估的准确性
教育评估都需要大量的数据作支撑,以往传统情况下都是依靠人工采集。比如,评估者根据需要,设计相应的方案或调查问卷,在大家知情的情况下进行采集,这种采集方式所获得的数据一定程度上往往带有评估者的主观刻意性和被评估者的非意愿性。因此,在数据准确性方面往往受到质疑。而在今天,教育大数据是人们在教育活动过程中或在其他相关领域中自然而然产生的数据,不受主观意识主导,是一种原生态的数据。即与传统的数据相比,它更具有客观性,从而使教育评估结果更具准确性。
正如信息论奠基者香农所提出的,“信息是用来消除不确定性的东西,是不定性减少的量,是两次不定性的差”[5]。教育评估正是需要利用定量的信息——数据来得出定性的结论,信息的多少、正确与否将直接影响教育评估的信度。由此可见,数据或数据化的信息是教育评估过程中最基础、最重要的评估依据,它的客观性与否,直接决定着教育评估的准确性。相比而言,基于大数据的评估,较之传统做法更为准确。
(二)大数据的即时性与教育评估的时效性
教育评估一般都针对某个阶段的教育工作所开展的,具有一定的时效性。它需要大量的数据作支撑,而这些数据产生的时间间隔越短,评估的结果就越具可靠性。换句话说,如果评估者能即时采集数据,则评估结果就越能反映当时态下的教育过程。然而,传统情况下开展的教育评估,往往是对过去一个需要评估的周期内,通过人工方式进行数据采集。由于技术和客观条件所限,传统的教育评估很难做到数据的即时采集,很难反映教育的当时情况。
而在大数据时代,各种新技术的介入与应用,使得我们把对数据的即时采集变成现实。这为教育评估者带来了极大地便利,从而有效地保证了教育评估的时效性。
(三)大数据的连续性与教育评估的过程性
随着新技术的发展和教育实际工作的需要,教育评估也越来越强调过程性。教育活动是一个动态的连续统,本身都处在不间断地变化过程中,教育数据每时每刻都在产生,数据的连续性,为过程性的教育评估奠定了基础。但在传统的教育评估中,这些连续的数据并未能为过程性教育评估起到实际的作用,主要原因是在数据采集过程中技术手段的受限,我们无法有效采集到连续的数据,只能采集某一阶段的数据。
而在大数据时代,我们可以借助传感设备以及物联网技术等,在不影响教育活动的前提下即时采集数据,使采集到的数据更具连续性和微观价值,从而真正实现对教育的过程性评估。
参考文献:
[1]姜奇平.大数据的时代变革力量[J].互联网周刊,2013(1):34-37.[2]BigDataforDevelopment:Challenges&Opportunities[EB/OL].[2016-12-17].http://www.mckinsey.com/insights/business_technology/big_da-ta_the_next_frontier_for_innovation.
[3]张燕南,赵中建.大数据教育应有的伦理思考[J],全球教育展望,2016(1):48-55.
[4]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013(1):146-169.
[5]香农,通信的数学理论[J].贝尔实验室技术杂志,1948(27).
[6][英]维克托·迈尔-舍恩伯格,赵中建,张燕南译.与大数据同行——学习和教育的未来[M].上海:华东师范大学出版社,2015.
[7]孟玲玲,顾小清,李泽.学习分析工具比较研究[J].开放教育研究,2014(4):66-75.
[8][11]孙洪涛,郑勤华.教育大数据的核心技术、应用现状与发展趋势[J].远程教育杂志,2016(3):41-49.
[9]PistilliMD,ArnoldKE.Purduesignals:Miningreal-timeacadem-icdatatoenhancestudentsuccess[J].AboutCampus,2010,15(3):22-24.[10]SiemensG.Whatarelearninganalytics[EB/OL].[2017-01-16].http//
www.elearnspace.org/blog/2010/08/25/what-arelearning-analytics/.[12]GeoffreyHinton,SalakhutdinovRR.Reducingthedimensionality
ofdatawithneuralnetworks[J].Science,2006,313(5786):504-507.
YuKai,JiaLei,ChenYuqiang,etal.Deeplearning:yesterday,today,andtomorrow[J].JournalofComputerResearchandDevel-opment,2013,50(9):1799-1804.
LiY,JinY,WangJ,etal.Facefeaturepointsextraction:areview[J].ChineseJournalofComputers,2016,39(7):1356-1374.
JiangT,WangC,LiuD,etal.Extractingtarget-opinionpairsbasedonsemanticanalysis[J].ChineseJournalofComputers,2016,40(3):617-633.
KhezriM,FiroozabadiM,SharafatAR.Reliableemotionrecogni-tionsystembasedondynamicadaptivefusionofforeheadbiopoten-tialsandphysiologicalsignals[J].ComputerMethodsandProgramsinBiomedicine,2015,122(2):149-164.
PicardRW.Automatingtherecognitionofstressandemotion:Fromlabtoreal-worldimpact[J].IEEEMultimedia,2016,23(3):3-7.
[18]牟智佳.学习者数据肖像支撑下的个性化学习路径破解——学习计算的价值赋予[J].远程教育杂志,2016(6):11-19.
[19][20][21][27]许涛.“区块链+”教育的发展现状及其应用价值研究[J].远程教育杂志,2017(2):19-28.
[22][23][26]李青,张鑫.区块链:以技术推动教育的开放和公信[J].远程教育杂志.2017(1):36-44.
[24]HoffmanR.Disruptingthediploma.[DBOL].[2016-11-23].http://rei-dhoffman.org/disrupting-the-diploma/.
[25]蔡斯.共享经济:重构未来商业新模式[M].杭州:浙江人民出版社,2015:9.
[28]闫志明,唐夏夏,秦旋,张飞,段元美.教育人工智能(EAI)的内涵、关键技术与应用趋势[J].远程教育杂志,2017(1):26-35.