教育數據挖掘研究與思考

導語：教育數據挖掘研究與思考一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

［摘要］對國內外教育數據挖掘的發展與應用進行深入分析，結合國內教育環境對數據挖掘在教育領域應用過程中遇到的問題進行探討，指出目前存在的不足，就如何在當前教育體制改革的背景下，結合國內高校的辦學特色和實際狀況，推動與促進教育數據挖掘的發展提出了一些建議。

［關鍵詞］教育數據;數據挖掘;現代教育技術

大數據時代的來臨，推動了數據挖掘技術的高速發展，也使得該技術進入了各個領域［1］。現代教育技術的蓬勃興起，催生了數據挖掘向著高校等教育領域的延伸，高校教育資源異常龐大和復雜，如何從這些海量的教育大數據中探索教育變量之間的相關關系，發現并診斷現存問題，預測發展趨勢，是一個非常迫切的問題。通過教育數據的挖掘與分析，與傳統教育業務相融合，可持續推動高校教育系統的智慧化改革、教學模式改革，對促進實現真正個性化學習、教育評價體系重構、科學研究范式轉型都具有非常重要的意義。本文對數據挖掘技術在教育領域的發展與應用進行研究，基于教育數據的特征分析，探討教育數據挖掘的關鍵環節與重點，就如何整合教育資源、推動教育數據挖掘在教育領域的發展和應用提出一些建議。

1國內外發展狀況

隨著數據挖掘技術的不斷發展，將該技術應用于教育領域，對海量的教育資源進行分析和處理是一個新興的正日益受到關注的研究領域。從早期基于調查問卷的統計分析到目前基于在線學習平臺的信息處理，教育數據挖掘技術日趨多樣化［2］。自2008年首屆教育數據挖掘國際學術會議召開以來，歐美等教育發達國家部分高校分別實施了教育數據挖掘相關計劃，而2012年美國教育部的《通過教育數據挖掘和學習分析促進教與學》藍皮書則標志著該研究方向已受到廣大教育學者的關注［3］。國內在教育數據挖掘方向的研究尚處于起步階段，加之受到現代教育技術發展和教育數據采集等因素的影響，直至2004年，隨著網絡教育、在線課程等的興起，數據挖掘技術才引起國內學者的關注，目前國內研究主要集中于理論研究和方法描述以及分析論證等描述性階段。例如，利用SPSS中關聯規則的Apriori算法來分析錄取結果與考生類別、地區等級之間的關系，為教育資源的統籌安排提供決策支持［4］。運用聚類方法對某一課程的多個模塊成績重新分類，再運用關聯規則算法找到院系類別、各題所得分與總分三者之間的聯系，最后利用聚類的結果和挖掘到的關聯規則得出有助于教學的結論［5］。在指導就業方面，利用Weka平臺，對決策樹分類方法進行改進，應用于分析市場上就業單位的類別、歸屬地等特征，以及與學生的性別、專業、學歷等之間的關系，從而為指導就業提供輔助信息［6］。總體來說，國內教育數據挖掘的研究還處于起步階段，多集中于對個別教育環節的技術研究，缺乏對教育系統資源的整體統籌與規劃。

2國內教育數據挖掘的主要問題

教育數據挖掘結合了教育學、現代教育技術、計算機信息處理技術、數據挖掘等多個學科，是隨著教育教學改革和信息技術的發展而產生的新領域，一方面教育數據資源的外延在不斷擴大，包括大量非結構化、異構的數據使得教育數據的復雜性在不斷增加，另一方面教育信息化的發展給教育機構的管理體制和運行機制也帶來巨大挑戰，教育人員不僅需要轉變觀念，還需要為教育信息化提供強有力的技術和管理支持，這對教育數據挖掘的技術和方法提出了更高的要求，結合國內教育數據挖掘的發展狀況，其發展與應用還存在著不少問題和矛盾，主要表現在以下幾個方面。2．1教育數據資源缺乏整合。高校教育數據資源龐雜而繁多，既包括存儲在教育管理系統數據庫中的結構化數據，也包括課件、成績、課程、畢業設計、學科競賽、評價、試題、大綱等傳統數據資源，涉及基礎、狀態、資源和行為等多個層次，具有多格式、多語義、多噪聲和數據缺失等特征。隨著信息技術和現代教育技術的不斷發展，以慕課、微課、反轉課堂、在線學習、網絡課程等為代表的新興教學方式代表了未來高校教育教學改革的方向，也是教育數據挖掘最能體現出價值的方面，但目前國內高校教育中仍以傳統的課堂教育為主，在這樣的背景下需要將傳統的教育信息與現代教育技術下的教育數據結合與整合，以奠定教育數據挖掘的基礎資源，但目前缺乏對基礎數據資源的整合，影響數據挖掘技術在教育領域的應用與推廣。2．2基礎設施薄弱。隨著現代教育技術和教學方法的發展和改革，教育數據不僅包括傳統的試卷、成績單、教材等基于紙質的數據，也包括微課、慕課、網上評教、實踐創新、過程考核等電子的非結構化的數據，如Word、PDF、網頁文本、圖像、視頻和地理空間數據等非結構化信息資源等，而現代化的教育數據挖掘的本質是一種教育信息化技術，是伴隨著信息技術的發展而發展的，特別是教育大數據的爆炸式增長對計算機存儲能力、數據采集分析和兼容性都提出了更高的要求。但與之不對應的是國內教育數據挖掘的基礎設施薄弱，相關技術有待提高，缺乏必要的數據應用的基礎設施建設，區域間技術資源分布不均。在系統的選擇方面缺乏統一規劃，因此數據兼容性矛盾較突出。數據資源繁雜多樣，即便是電子數據如教務管理、學生信息、在線教育平臺等數據，其數據結構和數據格式也存在不統一的問題，給進一步的研究工作帶來不便。2．3重理論研究，輕實用推廣。目前國內對于教育數據挖掘的研究多集中于理論、算法和技術本身，與教育實際結合不多，例如利用數據挖掘技術對線上教學方式的隱含影響因素進行挖掘與分析，得到教育各關鍵要素之間的關聯，力圖構建網絡教學評價的相關流程，為教學管理和決策提供有效支持［7］。利用離群點檢測技術從海量動態教育數據中定位異常數據，識別不符合一般特征規律的行為路徑，為學習者的個性化指導和教育決策提供有價值的信息［8］?；谟稍诰€評測系統所采集到的學習者信息，通過分析其數據結構構造學習者特征，再在此基礎上對學習者進行聚類分析，從而分析出學習者的特征信息［9］。這些成果具有一定的代表性，均是利用數據挖掘技術對某一方面的教育資源進行統計分析，但其成果沒有與具體教育應用相結合，而基于頂層設計、面向整個教育數據的分析框架更是鮮有涉及。盡管目前許多高校的教務、科研、教學、師資等教育信息均已實現了計算機自動化管理，但類似的系統只是實現了把紙面的表單遷移到了計算機系統中，并具備了簡單的增刪、查詢和統計功能，也就是事務處理功能，而更高級的管理決策功能仍依賴于人工經驗。因此從數據挖掘的角度分析，還遠未達到多角度、全方位的數據自動化分析以及深度數據挖掘，從而為教育及教學管理提供輔助決策的目的。

3促進教育數據挖掘的建議

3．1制定規范與標準。教育數據挖掘的基礎是數據，而教育數據復雜而龐大，應通過對這些多源異構數據的特征進行對比、分析和預處理，研究各類教育數據的特征，構建面向教育規范的特征數據模型和邏輯處理模型，使其統一到一個度量框架體系中，為其后的數據分析與處理奠定基礎。對于當前已經建設起來的信息化教學環境課，如課程中心、特色教學資源庫、智慧教學環境、雨課堂和各類課堂互動系統等，盡管在各自的教育領域都發揮著一定作用，但都是獨立運行的系統，各系統之間數據并沒有聯系，導致數據鴻溝與信息孤島問題依然存在，因此必須對現有的平臺進行統一，制定標準，加速與促進各類教育數據的融合。3．2強化頂層設計。隨著現代教育技術與教育教學理念的發展與變革，教育數據挖掘已成為高等院校順應信息時展的趨勢之一，因此應該對其從頂層進行設計，統籌規劃，將教育數據挖掘定位在新的高度，克服破解高校數據挖掘發展的瓶頸。例如，優化組織結構，組建現代教育中心或數據中心等信息管理機構，將信息化建設與教育數據挖掘提高到重要位置;制定教育數據管理標準，制定數據采集、分析、安全管理等方面的標準規范，形成統一完善的高等院校教育大數據規范體系;加快數字化校園建設進程，將課堂互動系統建設與一卡通系統、教務系統、網絡學習平臺、考試系統、圖書館資源等有機融合起來［10］。3．3特色化發展。盡管教育數據挖掘所用到的原理與技術基本相同，但不同學校有不同的歷史和現實條件，其在高等教育體系中所發揮的功能、承擔的任務以及范圍、作用也各不相同，學校自身的特色、區域、規模、層次、學科等也有很大差異。從國際角度而言，國內外高校更是存在著很大差異。因此，一方面國內高校在教育數據挖掘的研究方面需要緊跟國際方向，積極參與國際交流與合作研究，以保持對國際主流與前沿方向的跟蹤;另一方面，要基于國內高校教育環境的實際狀況，不盲目跟風、機械照搬，立足中國獨特的教育數據研究背景和實踐經驗，形成中國特色的教育數據挖掘學術概念和分析框架，推動中國教育數據挖掘研究的范式轉型與良性發展。

4結語

信息時代的發展，促進了高?，F代教育理念及技術的發展，也導致了教育數據的爆炸式增長。如何將數據挖掘技術引入教育領域，促進高校管理與教育發展是值得深入研究的課題。本文分析了國內高校教育數據挖掘技術發展過程中的不足與問題，就如何結合技術優勢與教育實際狀況提出了相應建議。

［參考文獻］

［1］王曉妮，韓建剛．數據挖掘在教育大數據中的應用研究［J］．無線互聯科技，2018(18):135－137．

［2］肖巍，倪傳斌，李銳．國外基于數據挖掘的學習預警研究:回顧與展望［J］．中國遠程教育，2018(2):70－78．

［3］雷曉鋒，楊明．教育數據挖掘的研究進展與趨勢［J］．北京航空航天大學學報(社會科學版)，2018(4):108－114．

［4］于寶華．基于數據挖掘的高考數據分析［D］．天津:天津大學，2009．

［5］柳玉巧．聚類分析和關聯規則技術在成績分析中的研究及應用［D］．武漢:華中師范大學，2014．

［6］孫中祥．數據挖掘技術在大學生就業指導中的應用研究［D］．重慶:重慶師范大學，2013．

［7］張鸰．數據挖掘技術在線上教學評價中的應用［J］．電腦知識與技術，2018(29):6－8．

［8］陳世超，楊現民，潘青青，等．離群點檢測技術在教育教學中的應用［J］．現代教育技術，2018(6):101－107．

［9］石振強．基于教育數據挖掘的學習者聚類分析與研究［J］．電腦知識與技術，2018(6):154－156．

［10］黎生，馮鳥東．基于課堂互動系統的教育大數據挖掘與學習分析研究［J］．教育信息技術，2018(Z2):57－60．

作者:張志剛 單位:西安財經大學信息學院