近两年，“互联网”这个词被妖魔化的很厉害，大家都在谈“互联网+教育”，谈“教育信息化”，谈“教育大数据”，其实互联网只是推动机构业务发展的一种生产力。当前互联网热门的应用是“教育+大数据”，通过搜集学生的学习行为数据来判断其学习状况，给予个性化的指导，这是大数据之于教育理想中的状态。
那么，从机构的角度看，大数据究竟能不能服务机构教学呢?又能为学生的学习发挥什么样的作用呢?带着疑问，我们采访了教育信息化领导企业——小禾科技的创始人，史治国老师。史治国老师曾担任好未来教育集团高管、巨人教育集团副总裁，一手打造了好未来的信息化体系，并沿用至今。因此，在“教育大数据”这方面史治国老师拥有绝对的话语权。
【图1：小禾科技创始人史治国】
对于国内目前教育行业信息化程度偏低这一现象，史治国老师认为主要是因为教育从业者还没有体验和想象到信息化带来的好处与便利。单就教育大数据这一点来讲，有关学习的数据收集和分析在教育的各个层面都呈数级增长的趋势，这些数据为深入了解学生学习提供了前所未有的资源，因此，我们认为在未来几年，数据与学习科学将会彼此相互影响。原因有以下几点，我们将简明扼要的依次阐述。
一、从预习报告到精准教学
学习数据分析为新教改提供了一扇广阔的大门，将教学系统(ICS)与大数据分析技术相结合，能够深入挖掘学生的学习规律，解决学生在学习中遇到的深层次难题。同时，在线教学平台能够提供多样化的传统课堂教学方法，能在一定程度上做到精准教学。所以即使学习分析的概念出现了不到十年，但仍有大量的研究报告表明“提前预习能有效提高教学效果”。
然而在实际过程中，没有工具是无法实现让学生和老师产生互动，而实现精准教学的目标，只能依靠教学系统。以教学系统(ICS)来讲，不仅在设计之初就参考教学论和学习理论的研究成果，更是在授课过程中不断采集学习者的各种数据，通过各种数据分析方法总结学习者特征，预测学习者下一步需要的教学内容和形式，从而实现精准教学，达到传统实体课堂很难达到的效果。
下面以小禾科技的教学系统为例，我们来看一组数据分析报告：
【图2：班级学情分析】
【图3：学生作业详情】
【图4：学生作业正确率】
如图2所示，教学平台除了提供正常的教师管理、课程资源功能和学生浏览、学习课程功能之外，增加了在线学习分析系统功能。这是一个数据挖掘引擎，主要完成数据采集、应用协同过滤、关联规则等数据挖掘算法，来处理“消噪”后的数据，发现学生的学习模式。
如图3、4所示通过对学生的预习情况分析，平台可发现学生对知识点的掌握程度。学习分析可以直观的发现学生访问平台的积极性、学习的时间分布、学生的地理位置分布、教学资源对学生的吸引力等。教学平台提供了全面的跟踪和预习报告，这些预习报告直观反映了学生在学习过程中的每个细节、行为和操作。如做了几道题、哪些知识点没掌握、浏览了哪些资源、有哪些评价意见等，为自我修正学习行为提供了参考。
并且教师通过平台可以及时掌握宏观层面的学习情况，为学习评价和后期的教学决策提供依据，同时平台在对学生的预习报告进行充分挖掘后，还实现了根据学生的预习记录，自动推荐学生资源给学生。因此，利用好大数据，我们就可以为学生提供更好地学习平台，营造精准、个性化的学习环境，提高教学的针对性和有效性。
二、从学校行为判断得出退班预警
人是有主观偏见的，数据却能够客观审视学生们到底是什么情况，让我们更审慎地决策。比如，实验室研究表明了在学习活动中学生感到困惑会出现哪些明显行为，如果这些判断标志在学生的线上学习中出现，我们就能有依据地判断：该学生可能有困惑。
史治国认为，如果识别了学生的潜在困惑，我们就能适当的实施干预，减少生源流失。除此之外，学校行为数据还能记录学生的学习方法，比如频率和顺序，通过判定能够提高学生学习计划和学习管理水平的策略，将对学生学习产生积极影响。
在这一点上，美国华盛顿州的波斯坎学校为其提供了佐证：
波斯坎学校的“Tableau系统”能够基于学生的在校行为数据推断出学生状况，并发出预警信息。该学校针对7000个学生进行了模拟研究，其中既有已顺利毕业的学生，也有未能毕业的。早期预警系统分析这些历史记录后，对86%的辍学生发出了预警信息。
【图5：Tableau系统后台】
波斯坎学校的教务主任认为，“Tableau的数据处理能力是纸质文件所不能比的，我们的目标是尽早响应，只要在一个孩子身上看到预警信号，就能尽快帮助他，把他留在学校。只要做到这一点，我们肯定能达成辍学率降到个位数的目标。
由此表明，学校行为分析为机构判定问题学生提供了工具。
三、从知识大数据提高教学效率
就学习分析目前发展的阶段，很清晰的一点是，知识大数据的确能有效提高教学效率。比如，自适应学习平台能将每一个知识点按照先后顺序通过题目关联起来，系统会实时根据学生学习情况绘制知识图谱，得到知识大数据。下面这个案例能够很清晰的证明这个观点：
美国的Knewton公司自2008年成立以来，代表着目前全球自适应学习技术的最高水准。下面两图为Knewton系统的两个学生的学习过程对比：系统没有预先设定学习的路径，知识点呈网状结构，学生在学习过程中，系统会不断地根据最新的学习数据(比如知识的掌握情况)，通过算法(比如题目难度，答题时间，提示次数，学生过去和预期的成绩，与数据库中历史学习数据的对比分析)从知识网中推荐最优的下一步学习点，而且在每一步学习过程中都会重新计算，从而实现动态地让系统适应学生的学习进程。
【图6：Knewton系统知识图谱对比图】
据此，老师就能从学习过程中精准判断学习错因，如：不会本知识点，还是不会上一个知识点，还是没读懂题目，又或是因为老师没有讲解清楚，而导致的错题等情况都可以通过知识图谱进行分析，从而提高教学效率。
举个简单的例子：若A学生在所有需要用二元一次方程式解题的题目上都做错了，说明A学生没有掌握好这个知识点;又比如同样包含求根知识点的五道题，A学生只做错了一道题，那说明学生没有没有读懂题目，并不是A学生没有掌握好这个知识点;倘若全班都在同一个知识点上出了错，那老师就需要反省自己，是否在教学的过程中没有讲解清楚，导致学生没学会做错题。
当然，有人会认为以上种种问题经验丰富的老师都能判断出来，但一个人的精力与能力毕竟有限，不可能同时掌握几十、几百甚至几千学生的学情，这时候就需要一套系统去进行标准化、流程化、精准化的管理，从而提高教学效果，减少生源流失。
最后，大数据时代已经来到我们身边，它并不神秘，只要大家肯大胆去尝试，就一定能尝到甜头，你的机构也更有竞争力。更何况，已经有那么多机构在前面探路，我们又何须胆怯。
采访嘉宾：史治国，原好未来教育集团高管、巨人教育集团副总裁;他是最早一批进入教育行业的互联网高管，把互联网带入教育行业;他曾带领团队从无到有建设了好未来整个信息化体系和学而思网校平台，从此“好未来的系统，新东方的名师”成为行业标杆。
