黛安娜·劳里劳德

大数据已经被商业世界热烈拥抱了。现在，是时候让我们来看一看在教育方面，大数据可以如何运用了。

简而言之，人们使用网站的每一次行为都被追踪和记录，这些数据被收集、汇总并分析，就是大数据。我们都对亚马逊这类网站非常熟悉—当我们很喜欢某一本书时，我们很可能喜欢与之主题相似的另一本书。这些推荐都基于收集的海量顾客数据，而且确实行之有效。毫无疑问，这优化了顾客的购物体验。

直到最近，这种技术才被开始用于改善学生的学习体验。就高等教育领域的教学而言，我们可能无法从典型意义上真正掌握数以千计的学生，但是现在我们开发了“慕课”这种免费向所有人开放的课程，而且对参与者的数量没有限制。那么，我们能否从商业使用大数据的经验中有所借鉴，然后将其应用于在线教育上呢？通过观察学生在线上的学习习惯，这些数据可以帮助我们让学生学习得更有效率吗？答案是：应该可以，但可能没那么简单。

不同于传统研究，从“慕课”上收集的数据无法简单地统领于一个研究问题之下，这些数据仅仅是用户与系统互动的副产品。因此，我们必须考虑，基于这些数据，我们可以提出怎样的问题。这不是人们从事科学研究所习惯的顺序—首先收集数据，然后在数据的基础上提出问题。当然，我们应该采用正确的方法处理大数据，因为它能告诉我们很多非常有用的信息。

我曾经在世界三大“慕课”平台之一的Coursera上开设了一门信息和通信技术初级课程。其中有超过2000人的选课者来自新经济体国家。这一群体需要访问免费的关于信息和通信技术的工具以及资源，在互联网欠发达的地区尤其如此。这一信息影响了我们对该课程最初的一些活动设置。这一平台同时也告诉我们许多数据，比如每周课程的退课率，哪些课程活动选课者花了最多的时间，哪些又被他们忽略了等等。

但是，这些数据仅仅能告诉我们从哪里提出问题，却无法告诉我们该怎样解释选课者的某些行为习惯，也不会告诉我们该如何应对这些问题。想要把数据用于“设计—测试—再设计”这一过程，就需要一个设计目标。讲课者与整个班级的目标是达成某些学习成果，他们设计某些活动、收集学生表现的数据，解释这些数据，从而优化课堂设计，以期更好地达到教学目标。

这一切看上去很美好，但是这一过程并不会生成大数据。这是本科数据，与课程主讲者的特定学习设计有关。我们不可能对其进行大范围的测试，也没有独立的同行检测，从这个意义上说，它算不得科学。

令人兴奋的是，如今有了这个大样本量的学习平台，学习数据不需要保持所谓的本地属性。如果学习设计（学习活动的规划和管理）可以被其他讲课者使用，而这些讲课者也可以从学生身上收集相同的数据，这就变得可以广泛地检验了，也可由一些独立同行进行评审，并给出建议，重新设计课程。

目前，网络上有一些关于学习活动的设计工具，讲课者通过它们分享彼此的教学心得。如果众多讲课者通过软件进行课程设计，而学生也使用同样的数字化工具汇集他们的表现数据，我们就可以得到基于大样本量的海量数据。而且，这种大数据是处于主讲者的控制之下的—主讲者根据未来课程设计的需要，决定他们需要何种类型的数据。

大数据可以优化教学，但是不能离开教育者对数据的掌控。目前，这一领域的开发基本上都是由技术型的专业人士来完成，但这些人并非教育者，也从来没有进行过网上教学。因此，我们可以招募所有的讲课者一同合作和研发，进行他们自己的大样本数据收集与分析。届时，大数据才真正可以有所作为。