大数据视角下教学研究方法模型的构建
中图分类号：G640 文献标识码：A 文章编号：1002-4107（2017）08-0043-03
目前，国内外对于教育教学大数据的价值都有充分的认识。国外，特别是美国在政府层面，以及高校、企业、教育者和教育教学研究者对大数据的利用都有着比较多的实践，产生出较多的已经投入使用的应用系统。而国内的教育教学研究者多停留在理论研究的层面，而实用系统，多为企业行为，如一些网站，也仅仅在局部应用上提供一些基于大数据分析的个性化服务。国内高校大数据视角下的教学研究主要是对MOOC/SPOC平台上产生数据的分析，主要关注对于在线课程的教学实施提供帮助。利用教育教学大数据进行教师教学和学生学习两个方面的线上线下、全过程、全方位的支持和服务的研究，还正在起步阶段。
国内外对于大数据视角下教学研究方法的讨论较少，特别是新视角下教学研究的一般过程、规律和方法的涉及较少。长期以来，教学方法的研究得到教育教学工作者的普遍关注，产生了大量的教学法和教育教学技术，也形成了专门的学科――教育技术。但是对于教学研究方法论的关注不够，多数教学研究还只是停留在经验总结和实验实证研究层面。随着大数据时代的计算机互联网技术、数据采集及处理技术、分析方法的发展和进步，教学模式的变革、大数据视角下的教学研究的方法论研究越来越得到关注。笔者试图将视角放在大数据之下，探索这一新视角下的教学研究的新方法、新范式，发现教学研究的一般性过程和规律，建立教学研究方法模型，用于指导教学研究，从而最终在教学中发挥科学方法和技术手段的优势。
一、国内外对于教育教学大数据的应用综述
（一）国外利用大数据进行学习过程和行为分析，学习评价、学习干预、学习引导和学习成绩预测，设计学习自适应系统
国外的学者已经通过对学生的在线课程资料阅读、作业提交、学生之间的沟通交流、考试测验成绩等过程进行数据采集和分析，对学生的不良学习成绩表现给予干预性指导，从而有效、高效地改善学生的出勤率、辍学率等，提高学习成绩，改进教学。如，美国Harford和MIT对EDX平台上产生的大数据进行分析，研究世界各国学习者的行为模式，增加了行为评价和学习诱导的成分，以便打造更好的在线平台；美国DreamBox Learning公司和Knewton公司，已经成功设计发布了利用大数据的自适应学习系统，旨在为学生提供个性化学习服务；美国McGraw-Hill公司、英国的Pearson集团共同开发的“课程精灵”系统，能够跟踪学生的学业进展，并显示学生的学习参与度和学习成绩等大量的数据信息；加拿大的Desire2Learn公司面向高等教育领域的学生推出“学生成功系统”，系统地分析每个学生的在线学习数据，从而及时诊断学习问题，提出改进建议，并预测学生的期末考试成绩；等等[1]。
美国教育部在《通过教育数据挖掘和学习分析促进教与学》的简报中指出，大数据在教育领域的应用主要体现在两个方面：学习分析（LA，Learning Analytics，以下简称LA）和教育数据挖掘（EDM，Educational Data Mining，以下简称EDM）。EDM的目的是研究和利用统计学、机器学习和数据挖掘方法来分析教和学的过程中产生的数据；LA的目的是理解和优化学习以及学习情境，其中一个重要应用是监测和预测学生的学习成绩，及时发现潜在的问题，并据此做出干预以预防学生在某一科目或课程学习中产生风险。国外学者对于大数据在教育领域的研究几乎侧重于这两个方面的研究[2]。应用LA 和EDM数据分析结果，教师可以更好地了解学生、理解和观测学生的学习过程、发现最合适的教学方法和顺序，及时发现问题并进行干预，以提供个性化的学习服务[3]。
（二）国内集中在在线教育网站或所有引擎网站为学习者或用户提供个性化?W习指导和个性化需求服务方面
相比而言，国内的研究者针对大数据在教育领域中的应用研究相对少些。少数学者从理论层面进行了大数据学习分析在考试评价、促进高校教师专业发展等方面的研究。部分从事在线教育的网站利用大数据，跟踪学生的学习轨迹，为学习者提供个性化学习方案、个性化考试指导，报告学习问题、学习能力的增长、学习状况的预警等。一些搜索引擎网站利用对搜索数据的分析，利用大数据与自然语言算法将搜索数据与个性化需求相匹配，为用户提供个性化帮助，如高考估分、专业选择和学校报考。一些国内著名高校，如清华大学，它利用在MOOC/SPOC教学中产生的数据，对其进行分析，从而对在线课程内容、顺序、进度进行改进，为学生提供更好的学习体验和服务[4]。
二、教学研究方法模型构建视点和依据
（一）模型构建的视点
1.时代特征在教育教学领域的投影带来教学和教
学研究实践的变革。大数据时代的突出表现之一是对思维方式和工作方式的重大变革，带来了在教育教学研究领域的思维方式和研究方式、方法的变革。大数据时代：（1）研究事物的全面性，即非采样性的全面数据模式；（2）研究事物之间的关联关系而非因果关系；（3）数据的价值在于利用和创新等思维方式和工作方式在教育教学研究领域带来的变革主要体现在：教学研究不再仅仅是经验的总结和体验的提炼，而是在采集到所有教与学数据的前提下，进行数据分析和挖掘，找出学生学习过程、行为、习惯的特征，发现规律和联系，使教学和教学研究趋向量化、科学化和智慧化。 2.在教学和教学研究实践中，关注和重新认知大数据的价值。根据IBM、Gartner等定义的大数据一般具有4V特征，包括数据体量大（Volume）、数据种类繁多 （Variety）、实时性强所要求的处理速度快 （Velocity）和数据提纯后的价值高 （Value）。随着互联网技术、移动技术、传感器技术等的不断发展，MOOC、SPOC、微课等在线课程在教学中发挥着越来越大的作用，在教与学的过程中产生出越来越多的教育教学大数据，这些数据除了量大之外，种类也多，有传统方式产生的传统学习数据，如考勤数据、测验数据、作业数据、考试成绩数据等也有利用网络平台或移动互联技术自动采集的学生学习观看视频、课件等学习资料的时间、时长、频数数据；学生检索和浏览主题或页面的数据；学生交流讨论、分享等日志、Wiki、讨论区记录数据等。而这些数据所具有的潜在的“大价值”正是教育教学工作者在教学研究中建立数据意识的意义。
大数据促进信息化教学变革，产生出新的资源观、教学观和教师发展观。教学资源向学习资源转变，MOOC、SPOC、微课和翻转课堂使教育教学信息化前移，教师信息素养的要求进一步提高，教学研究中科学方法和数据分析技术得到更多的运用。
与“教育教学+大数据”不同，“大数据+教育教学”是从根本上改变传统教学研究观念和模式，并充分认识和利用数据价值服务于教育教学，这正是构建教学研究方法模型的基本视点。
（二）模型构建的理论依据
教学研究通常是以教学问题为研究对象，运用科学的理论和方法，有目的、有意识地对教学领域中的现象进行研究，以探索和认识教学规律，提高教学质量。19世纪末出现了“教学是一种艺术还是一种科学”的争论。前者认为教学是一种教师个性化的、没有“公共方法”的行为；后者认为教学不仅有科学的基础，而且还可以用科学的方法来研究。20世纪上半叶西方出现了教学科学化运动，产生了后来著名的“教学有效性理论”。在教学研究理论的发展过程中，无论是巴班斯基的教学过程最优化理论，还是奥苏贝尔的有意义接受学习理论，都与教学有效性理论有着密切的关系和相关的阐述。教学有效性理论所倡导的教学科学化，教学研究的目的要改进学生的学习方式和方法、促进学生有效学习的观点，正是大数据视角下进行教学研究所秉承的思想方法和目的。
（三）模型构建的应用价值
随着国内外高校基于网络平台和在线课程管理系统开展教学活动越来越普遍，MOOC和SPOC理念下的教学研究和教学实践正在蓬勃开展。在此条件和环境下，教学中产生和采集大数据成为可能，教师充分有效地利用这些数据也成为目前迫切要探索和实践的。利用哪些数据、怎样获取和利用、利用效果评价等问题的解决是大数据视角下教学研究的任务，也是这类教学研究方法论要研究和解决的问题。
三、教学研究方法模型的关键问题
模型本身就是对某个实际问题或客观事物、规律进行抽象的形式化表达。大数据视角下的教学研究方法模型就是用形式化方法，抽象表达大数据观念下的、以教学有效性理论为指导的教学研究方法。故该模型要描述的关键问题包括如下几个方面。
1.面向数据处理及应用问题的研究维度，包括数
据、操作、过程和应用四个维度。
2.面向科学化方法的科学体系问题的研究体系，包括主题、研究方法、研究框架、研究指标和人员结构。
3.面向大数据处理和应用的复杂性问题的研究保
障，包括政策保障、人员保障、技术保障、软/硬件保障和时间保障。
四、大数据视角下的教学研究方法模型
（一）研究维度
多个维度描述教学研究过程中的数据支持。数据维度为数据种类，如使用传统方式收集的传统数据，如学生和教师的基本数据、学生作业测验考试数据、问卷调查数据等；大数据，特指使用网络教学平台或其他交互式交流讨论平台自动采集的数据；元数据，即描述数据的数据，对研究系统中的数据的含义、特征、指标、取值范围、有效性、处理和应用方法等进行描述的数据。操作维度主要描述整个数据处理过程及其各处理阶段的技术和工具，包括数据的采集、集成、清洗、表示和存储，结构化数据、非结构化与半结构化数据的表示和存储，多种采集方式下、不同格式的数据集成，冗余、缺失和噪声数据的处理等；面向主题的数据仓库的设计和实现，数据分析和挖掘结果的利用方式，如学习内容的选取和推送，学习途径的设计、学习模型的建立等。过程维度主要描述大数据视角下的研究过程，可以从个别→一般→个别的归纳→演绎的过程入手。可从具体课程入手，研究其特点、一般过程、规律、环境等，在大数据视角下，研究开展教学研究的方法，找到一般性规律和过程，形成教学研究范式或模型。在将该模型用于教学研究工作中，并将教学研究结果应用于具体课程的教学实践中，评价验证模型。应用维度的应用目的很大程度体现了大数据的应用价值，包括学生学习行为和过程的可视化、学习成绩预测、学习干预和指导、学生学习的个性化服务以及评估等。
（二）研究体系
科学化教学研究体系的要素，包括问题边界明确的研究主题，规范化和系统化的研究方法、自然科学研究模式下的研究框架和研究指标以及人员结构[5]。其中自然科学研究模式主要对各种事实和现象进行观察、分类、归纳、演绎、分析、推理、计算和实验，从而发现规律， 并对各种定量规律予以验证和公式化。在人员结构中除了学生和教育工作者外，数据工程师在整个研究体系中也扮演着重要角色。
（三）研究保障
大数据视野下的教学研究因其内容和过程的复杂性，使得研究保障尤为重要。为了保证教学研究的顺利开展，从政策层面到具体的技术层面，以及支撑的软硬件条件和人员配备，都需要有严格的要求。
五、教学研究方法模型的应用评估
（一）模型的应用
在研究保障具备的情况下，选择具体课程或教学活动，确定研究主题，在一定的研究框架下，在研究方法的指导下，选取和应用操作技术和方法，获取各类数据，依照研究过程，获取符合研究指标的研究成果，包括分析数据、模型、模式、报告等。围绕应用目的，依据一定的应用方法在设定的时空下，应用于研究对象，获得??用评价。
（二）模型的评估
它可以从两个方面评估模型――定性评估和量化评估。
1.定性评估。在应用评价中，可调查研究者（教育工作者）和研究对象（学生或受教育者）对模型应用的主观感受，来进行质性分析和评估。研究者深入教学活动，而不是人为设定的实验环境，充分地收集资料，对各种教学和学习表现进行整体性的研究，与研究对象进行实际互动，对资料进行归纳分析，通过理解他们的行为，得出模型的有效程度、可信程度、可推广程度等定性结论。
2.量化评估。依据研究指标的量化以及应用评价的量化结果，通过对数据的特征、数据之间的关系、数据的变化趋势等进行分析，从而对模型进行量化评估。
六、结语
把握时代脉搏，建立大数据意识，转变教学研究观念，改革教学研究方法，使教学研究更趋于科学化、规范化和系统化，指导和规范符合时代要求的教学研究，是建立大数据视角下的教学研究方法模型的目的。使用大数据视角下的教学研究方法模型，利用多种数据采集、处理、分析和挖掘技术，开展教学研究工作，为学生提供个性化教学服务、指导和干预学生的学习过程、科学评价学生的学习行为和预测学习成绩，体现建立大数据视角下的教学研究方法模型的价值。模型仅为概念模型，根据具体的问题，还需进一步具体化。
- 上一篇：“建筑工程计量与计价”教学改革探索
- 下一篇：“机械振动”课程教学改革探究
