近兩年，“互聯網”這個詞被妖魔化的很厲害，大家都在談“互聯網+教育”，談“教育信息化”，談“教育大數據”，其實互聯網只是推動機構業務發展的一種生產力。當前互聯網熱門的應用是“教育+大數據”，通過搜集學生的學習行為數據來判斷其學習狀況，給予個性化的指導，這是大數據之于教育理想中的狀態。
那么，從機構的角度看，大數據究竟能不能服務機構教學呢?又能為學生的學習發揮什么樣的作用呢?帶著疑問，我們采訪了教育信息化領導企業——小禾科技的創始人，史治國老師。史治國老師曾擔任好未來教育集團高管、巨人教育集團副總裁，一手打造了好未來的信息化體系，并沿用至今。因此，在“教育大數據”這方面史治國老師擁有絕對的話語權。
【圖1：小禾科技創始人史治國】
對于國內目前教育行業信息化程度偏低這一現象，史治國老師認為主要是因為教育從業者還沒有體驗和想象到信息化帶來的好處與便利。單就教育大數據這一點來講，有關學習的數據收集和分析在教育的各個層面都呈數級增長的趨勢，這些數據為深入了解學生學習提供了前所未有的資源，因此，我們認為在未來幾年，數據與學習科學將會彼此相互影響。原因有以下幾點，我們將簡明扼要的依次闡述。
一、從預習報告到精準教學
學習數據分析為新教改提供了一扇廣闊的大門，將教學系統(ICS)與大數據分析技術相結合，能夠深入挖掘學生的學習規律，解決學生在學習中遇到的深層次難題。同時，在線教學平臺能夠提供多樣化的傳統課堂教學方法，能在一定程度上做到精準教學。所以即使學習分析的概念出現了不到十年，但仍有大量的研究報告表明“提前預習能有效提高教學效果”。
然而在實際過程中，沒有工具是無法實現讓學生和老師產生互動，而實現精準教學的目標，只能依靠教學系統。以教學系統(ICS)來講，不僅在設計之初就參考教學論和學習理論的研究成果，更是在授課過程中不斷采集學習者的各種數據，通過各種數據分析方法總結學習者特征，預測學習者下一步需要的教學內容和形式，從而實現精準教學，達到傳統實體課堂很難達到的效果。
下面以小禾科技的教學系統為例，我們來看一組數據分析報告：
【圖2：班級學情分析】
【圖3：學生作業詳情】
【圖4：學生作業正確率】
如圖2所示，教學平臺除了提供正常的教師管理、課程資源功能和學生瀏覽、學習課程功能之外，增加了在線學習分析系統功能。這是一個數據挖掘引擎，主要完成數據采集、應用協同過濾、關聯規則等數據挖掘算法，來處理“消噪”后的數據，發現學生的學習模式。
如圖3、4所示通過對學生的預習情況分析，平臺可發現學生對知識點的掌握程度。學習分析可以直觀的發現學生訪問平臺的積極性、學習的時間分布、學生的地理位置分布、教學資源對學生的吸引力等。教學平臺提供了全面的跟蹤和預習報告，這些預習報告直觀反映了學生在學習過程中的每個細節、行為和操作。如做了幾道題、哪些知識點沒掌握、瀏覽了哪些資源、有哪些評價意見等，為自我修正學習行為提供了參考。
并且教師通過平臺可以及時掌握宏觀層面的學習情況，為學習評價和后期的教學決策提供依據，同時平臺在對學生的預習報告進行充分挖掘后，還實現了根據學生的預習記錄，自動推薦學生資源給學生。因此，利用好大數據，我們就可以為學生提供更好地學習平臺，營造精準、個性化的學習環境，提高教學的針對性和有效性。
二、從學校行為判斷得出退班預警
人是有主觀偏見的，數據卻能夠客觀審視學生們到底是什么情況，讓我們更審慎地決策。比如，實驗室研究表明了在學習活動中學生感到困惑會出現哪些明顯行為，如果這些判斷標志在學生的線上學習中出現，我們就能有依據地判斷：該學生可能有困惑。
史治國認為，如果識別了學生的潛在困惑，我們就能適當的實施干預，減少生源流失。除此之外，學校行為數據還能記錄學生的學習方法，比如頻率和順序，通過判定能夠提高學生學習計劃和學習管理水平的策略，將對學生學習產生積極影響。
在這一點上，美國華盛頓州的波斯坎學校為其提供了佐證：
波斯坎學校的“Tableau系統”能夠基于學生的在校行為數據推斷出學生狀況，并發出預警信息。該學校針對7000個學生進行了模擬研究，其中既有已順利畢業的學生，也有未能畢業的。早期預警系統分析這些歷史記錄后，對86%的輟學生發出了預警信息。
【圖5：Tableau系統后臺】
波斯坎學校的教務主任認為，“Tableau的數據處理能力是紙質文件所不能比的，我們的目標是盡早響應，只要在一個孩子身上看到預警信號，就能盡快幫助他，把他留在學校。只要做到這一點，我們肯定能達成輟學率降到個位數的目標。
由此表明，學校行為分析為機構判定問題學生提供了工具。
三、從知識大數據提高教學效率
就學習分析目前發展的階段，很清晰的一點是，知識大數據的確能有效提高教學效率。比如，自適應學習平臺能將每一個知識點按照先后順序通過題目關聯起來，系統會實時根據學生學習情況繪制知識圖譜，得到知識大數據。下面這個案例能夠很清晰的證明這個觀點：
美國的Knewton公司自2008年成立以來，代表著目前全球自適應學習技術的最高水準。下面兩圖為Knewton系統的兩個學生的學習過程對比：系統沒有預先設定學習的路徑，知識點呈網狀結構，學生在學習過程中，系統會不斷地根據最新的學習數據(比如知識的掌握情況)，通過算法(比如題目難度，答題時間，提示次數，學生過去和預期的成績，與數據庫中歷史學習數據的對比分析)從知識網中推薦最優的下一步學習點，而且在每一步學習過程中都會重新計算，從而實現動態地讓系統適應學生的學習進程。
【圖6：Knewton系統知識圖譜對比圖】
據此，老師就能從學習過程中精準判斷學習錯因，如：不會本知識點，還是不會上一個知識點，還是沒讀懂題目，又或是因為老師沒有講解清楚，而導致的錯題等情況都可以通過知識圖譜進行分析，從而提高教學效率。
舉個簡單的例子：若A學生在所有需要用二元一次方程式解題的題目上都做錯了，說明A學生沒有掌握好這個知識點;又比如同樣包含求根知識點的五道題，A學生只做錯了一道題，那說明學生沒有沒有讀懂題目，并不是A學生沒有掌握好這個知識點;倘若全班都在同一個知識點上出了錯，那老師就需要反省自己，是否在教學的過程中沒有講解清楚，導致學生沒學會做錯題。
當然，有人會認為以上種種問題經驗豐富的老師都能判斷出來，但一個人的精力與能力畢竟有限，不可能同時掌握幾十、幾百甚至幾千學生的學情，這時候就需要一套系統去進行標準化、流程化、精準化的管理，從而提高教學效果，減少生源流失。
最后，大數據時代已經來到我們身邊，它并不神秘，只要大家肯大膽去嘗試，就一定能嘗到甜頭，你的機構也更有競爭力。更何況，已經有那么多機構在前面探路，我們又何須膽怯。
采訪嘉賓：史治國，原好未來教育集團高管、巨人教育集團副總裁;他是最早一批進入教育行業的互聯網高管，把互聯網帶入教育行業;他曾帶領團隊從無到有建設了好未來整個信息化體系和學而思網校平臺，從此“好未來的系統，新東方的名師”成為行業標桿。
