1、    我國教育大數據的研究現狀、問題與對策基于cnki學術期刊的內容分析    摘要：教育大數據現已成為促進教育變革與創新的技術力量和思維方式，也成為當前教育技術領域研究的熱點問題。但目前國內教育大數據的研究主題相對分散，缺乏系統性的梳理總結。鑒于此，以cnki 20102018年刊發的相關學術論文為研究對象，采用內容分析法，從基礎理論、分析模型、關鍵技術與方法、典型應用等方面對其進行分析、歸納，以構建國內教育大數據研究的全景框架。研究發現，當前我國教育大數據研究形態以模型構建為主，基礎理論研究不足、關鍵技術方法有待突破、應用及實證研究有待加強等問題突

2、出。針對這些問題，我國教育大數據的發展急需強化跨學科探索性研究，加強研究數據融合等關鍵技術，加強基于深度學習的教育大數據智能分析，強化大數據的常態化應用并開展廣泛的實證研究。關鍵詞：教育大數據，教育數據科學，分析模型，學科交叉，深度學習【基金項目】2017年度吉林省科技發展計劃項目“智能移動終端教學軟件平臺構建的關鍵技術與應用示范”（編號：20170204001gx）。引言大數據作為“互聯網+”時代教育發展的新引擎，其思維與技術正推動著教育中科學化決策、智能化管理、精準化教研、個性化學習等方面的變革與創新，促使教育從粗放型、規模化、經驗化向精細化、個性化、智能化方向轉型。教育大數據帶來教育信息

3、化發展的新機遇，為提升教育決策質量以及教育治理能力提供了重要的支撐，成為推動教育信息化和教育現代化發展的重要驅動力。然而，目前國內教育大數據研究涉及的主題相對分散，缺乏系統性的梳理，導致廣大研究者難以厘清與教育大數據相關的基礎理論、分析模型、關鍵技術方法等相關問題。因此，采用內容分析法對國內近年來發表的相關文獻進行歸納，從而構建國內教育大數據研究的全景框架。在此基礎上，進一步分析當前我國教育大數據發展所面臨的問題，提出相應的對策，以期為后續研究與實踐提供參考和借鑒。一、國內教育大數據研究文獻概況（一）數據來源與初步分析“大數據”的概念最早可以追溯到1980年的第三次浪潮一書，但真正進入人們的視

4、野是2008年9月自然雜志推出的“大數據”專欄，2010年正式進入互聯網行業。因此，本文以2010年1月至2018年6月期間我國cssci期刊所刊發的文章為研究對象，以“教育大數據”“教育數據挖掘”“教育數據分析”“學習分析”為關鍵詞，在中國知網進行主題檢索，共檢索到相關文獻2127篇，涉及教育理論與管理、計算機軟件及應用和信息資源管理等學科領域。根據圖1所示的論文發表年度趨勢，可將國內教育大數據的研究分為以下三個階段。（1）起步階段（2010年2012年）。此階段學界對教育大數據的關注度較弱，發文量較少。以顧小清等發表的論文為標志，首次將學習分析技術引入國內1。（2）快速發展階段（2013年

5、2015年）。這一階段關注教育大數據的論文數量日漸增加，國內教育大數據的研究進入快速上升期。以徐鵬等學者發表的論文為重要標志2。（3）穩定發展階段（2016年以后）。近年來，隨著促進大數據發展行動綱要和國家教育事業發展“十三五”規劃等相關文件的印發以及國家大數據戰略地位的確立，教育大數據的研究在經歷了爆炸式增長后，逐漸進入一個平穩發展期。圖1 教育大數據文獻年度分布情況如圖2所示，從期刊來源角度對論文進行統計，結果發現載文量較多的期刊都是教育技術領域最具代表性的cssci來源期刊，可見教育大數據的研究群體比較集中。從研究機構角度進行分析，北京師范大學和華東師范大學的發文量遠遠超過其他高校，這不

6、僅說明了這兩所高校對于教育技術新事物的接受能力強，同時也體現了這兩所高校對國內教育信息化的引領作用。圖2 教育大數據文獻期刊來源分析（二）分析框架的確定為了解當前國內教育大數據的研究主題，通過采用文獻計量軟件citespace對獲取的文獻進行聚類分析，具體過程如下：設置時間分片為2010年2018年，篩選標準為top100的關鍵詞，剪枝方式為路徑發現，可視化方式為靜態聚類視圖和顯示合并網絡，最終生成的關鍵詞共現知識圖譜如圖3所示。聚類結果主要包括教育變革、研究范式、個性化學習、智慧教育、分析模型、學習行為、學習過程、學習者分析、感知數據、學習分析、分析方法、社會網絡分析、人工智能、數據挖掘、機

7、器學習、知識可視化等。圖3 國內教育大數據關鍵詞共現知識圖譜對上述聚類結果進一步總結歸納，可將其分為以下幾類：基礎理論研究類、分析模型構建類、關鍵技術與方法研究類、應用研究類。其中基礎理論研究類主要探討教育大數據的內涵、特點、作用和價值等本體層面的問題；分析模型構建類主要研究教育大數據的分析要素、分析過程以及針對具體分析目標的概念模型，其中以學習行為分析模型為主；關鍵技術與方法研究類主要研究教育大數據開發中的關鍵技術、分析方法，為教育大數據平臺的建設提供必要的技術支持和算法基礎；應用研究類則從應用角度探索教育大數據對個性化學習、精準教學、精細化管理等方面的促進作用。圖4 教育大數據文獻分析框架

8、二、教育大數據的基礎理論研究（一）教育大數據的內涵厘清教育大數據的內涵是開展相關研究的基礎性工作，國內的楊現民、孫洪濤、方海光等學者都從不同角度對教育大數據的內涵進行了闡述。綜合而言，教育大數據至少具有三方面的內涵。（1）教育大數據具有數據屬性。教育大數據是蘊藏著巨大價值，能夠為學習績效提升、教學流程優化、教育決策支持提供依據的信息資產。（2）教育大數據具有技術屬性。教育大數據從采集、存儲、分析、挖掘到可視化應用的整個生命周期過程，都必須依托專門的高性能分析技術和工具來進行3。（3）教育大數據具有思維屬性。教育大數據時代的到來，使數據成為驅動教育方式變革、促進教育公平與質量提升的核心動力，教育

9、大數據已成為教育科學研究的“第四范式”。從教育大數據特征的角度看，教育大數據除了具有一般大數據4v的共性特征外，還具有明顯的領域特征，如多學科性、多語義性和層級性、情境性、追蹤性、時序性等4。其中，情境性指的是教育大數據產生于真實的學習情境；層級性指教育大數據包括人機交互層、問題回答層、會話層、學生層、教室層、教師層和學校層等多層面的數據；追蹤性是指通過教育大數據可追蹤學習者的“數字足跡”；時序性是指教育大數據隨時間呈現序列變化規律。（二）教育大數據的四大價值教育大數據作為教育信息化發展新階段的產物，使傳統教育產生了顛覆性的革命，對學習、教學、管理、教育科學研究進行了全方位的數字化重塑。（1）

10、從學習視角看，教育大數據為個性化學習提供數據支持，將引導教育回歸“因材施教”的本質。基于對學習者全方位、大規模學習過程數據的采集，精準測量并智能診斷學習者知識狀態、問題解決能力、思維特征、學科素養，助力個性化教育的發展。（2）從教學視角看，教學范式正從傳統經驗感知以及計算輔助教學走向數據驅動的精準化教學，教育大數據為精準化設定教學目標、控制教學過程、選擇教學策略以及評測與干預教學提供了數據支撐。（3）從管理視角看，教育大數據為提升教育管理能力和教育治理水平提供科學依據，使教育管理模式由事后干預轉向事前調控，促使教育治理模式由靜態化向動態化管理轉型。（4）從教育科學研究視角看，教育大數據作為教育

11、研究的新視角，推動教育科學研究范式從假設檢驗向數據驅動轉型，由基于理論的演繹推理向基于數據的歸納推理轉變。（三）教育大數據背后的科學數據科學數據科學是伴隨著大數據的出現而興起的一門科學，是大數據背后的科學，具體研究內容包括數據的產生、獲取、存儲、傳輸、處理、可視化、利用等5。數據科學在教育領域的具體應用被稱為教育數據科學（educational data science，簡稱eds），其研究對象是教育環境中收集的數據，研究目標是通過教育大數據解決教育面臨的重大問題。教育數據科學的研究范疇可以劃分為四個子領域：學習者分析、學習分析/教育數據挖掘、制度分析、系統化教學改進。其中，學習分析/教育數據

12、挖掘是教育大數據研究和應用的主要范疇6。從學科角度來說，教育大數據是一個跨學科的領域，與學習技術、學習科學、計算機科學、決策科學、組織管理學和統計學等領域緊密相關。其中，計算機科學是教育大數據的基礎，直接為上層提供創新的原動力。三、教育大數據的分析模型研究模型作為科學研究的有效手段，能夠通過抽象的方式揭示被研究對象的結構、形態及其運行過程。教育大數據的分析模型主要針對教育大數據的分析對象、分析要素、分析環節等方面建立相應的概念模型、邏輯模型，不僅對教育大數據的平臺構建和系統開發具有理論指導意義，而且對應用實踐也具有重要的參考價值。（一）分析要素與分析過程模型在學習分析研究初期，國內學者以翻譯和

13、介紹國外學習分析模型為主要研究內容，這些模型包括brown、siemens、elias、greller、chatti等人提出的學習分析五要素模型、學習分析過程模型、學習分析持續改進環模型、學習分析六個要素模型、學習分析參考模型等7。表1 教育大數據分析要素與分析過程模型對比領域學者/機構分析模型要素/過程學習分析領域brown等學習分析的五要素模型13數據收集、分析、學生學習、受益方和干預siemens學習分析過程模型14教育數據、分析模型、學習預測、個性化干預elias學習分析持續改進環模型15四個技術資源（計算機、理論、人力、組織因素）、三個循環階段（數據獲取、數據處理、知識應用）grel

14、ler等學習分析六個要素模型16目標、數據來源、分析方法、內外部約束、利益相關者chatti學習分析參考模型17數據與環境、技術、利益相關者、目標學習分析領域李艷燕等學習分析概念模型8學習過程、學習環境、教育環境、受眾、數據分析祝智庭等面向智慧教育的學習分析過程模型11目標、理論基礎、獲取數據、處理分析、結果呈現、干預措施劉清堂等教育大數據視角下的學習分析過程模型9數據收集、數據分析、評估、預測和干預鄭曉薇等面向對象的學習分析模型10目標、數據、干預數據挖掘領域daimlerchrysler、spss、ncrcrisp-dm模型18業務理解、數據理解、數據準備、建模、評估、部署spss等組織5

15、a模型19評估需求、獲取數據、完備分析、模型演示、結果展現通用電氣公司dmaic模型20定義需求、測量數據、分析建模、解決問題、反饋控制sas研究所semma模型21數據抽樣、數據探索、數據調整、模型研發以及模型評估在借鑒國外研究成果的基礎上，國內學者結合自身實踐提出了一些本土化的分析模型。李艷燕等提出了改進的學習分析概念模型8，劉清堂等提出了教育大數據視角下的學習分析過程模型9。鄭曉薇等基于軟件工程面向對象方法學的理論，提出了面向對象的學習分析模型10。隨著研究的不斷深入，國內對于分析模型的研究逐步走向細化，并結合智慧教育、電子書包等教學情境提出了一些具體的應用模型，如祝智庭等提出的面向智慧教育的學習分析過程模型11；武法提等提出的電子書包學習環境下基于大數據的學習者個性化分析模型12。此外，傳統數據挖掘領域提出的一些過程模型也為教育大數據的模型構建提供了借鑒與參考，如crisp-dm模型、5a模型、dmaic模型、semma模型等。其中，由spss等組織開發提煉的crisp-dm