大數據(Big Data)改變未來教育樣貌的三種可能

大數據(Big Data)改變未來教育樣貌的三種可能
唸給你聽
powered by Cyberon
Photo Credit: Kevin Krejci CC BY 2.0

「每十年,總是有極少數的書,能改變你看待一切的方式。」這是哈佛法學院教授對十分暢銷的商業科技書《大數據》的書評,也宣示了一個新的、資料主宰世代的興起。隨著網路的普及和雲端運算的熱門發展,巨量資料(Big Data,與大數據同義)的取得與分析為人們帶來新的思維,顛覆了許多領域的理解與運作模式,從電子商務、社交生活、公共行政、健康醫療、到教育學習都是。

這個從資料探勘(Data Mining)延伸出來的概念,現在重視的不在於分析技術的進步,而是在大量資料本身所蘊含的資訊,以及提供人們對於各種現象新的解讀方式及預測能力。「樣本=母體」的時代不僅突破了傳統統計學在取樣以及分析上的侷限,資料展現的「相關性」(非拘泥於直接的「因果關係」)經常帶來意想不到,但十分符合邏輯,且有用的發現。

例如從Google的搜尋紀錄能掌握流感傳染的即時狀況;從顧客購買的物件分析,能推測顧客的個人狀況(例如已經懷孕);從天候及機場航程資料,能預測機票價格的變化;從手機訊號的聚集,能查知交通的狀況;從住房相關資料的分析,能篩選出高火災危險的住宅等等。大量資料潛藏的寶貴訊息,因為新的分析思維及技術,逐步釋放出來。

在教育及學習領域,這幾年也因為線上學習(例如付費或開放的網路課程/MOOCs/微課程等)及行動學習(例如電子書包)的推廣,不只課內課外的教學模式有了許多變革,從學生和老師的教學應用和行為中,也抓取了許多學習相關的數位化資料,我們應該逐漸運用大數據的觀念,來進一步探究教育資料裡潛藏的訊息,同時更為發揮數位教育的特性與價值。

Photo Credit: Wikipedia

我嘗試從三個方面描繪大數據在教學中可能的發展及應用,涵蓋了正式及非正式的教學體系,希望能刺激大家更多發想:

1. 學習歷程的紀錄與分析

學生每一個學習動作,包括上課、讀書、寫筆記、做作業、考試、發臉書、進行實驗、討論問題等等,無不可以轉化為資料,作為紀錄。特別是當學生大量使用電腦、網路,以及行動裝置進行學習時,龐大的數位化紀錄將成為學生學習歷程重要的資料庫。

這樣的學習歷程資料庫在有系統的管理及分析下,能提供學習者以及指導者(老師或家長)十分有用的資訊。例如風行全球的可汗學院平台,能記錄學生學習的確切時間、在一個課程或一個問題上所花的時間、在同一種類型的題目答錯幾題後才正確(通常要求也要連續答對幾題)、在學習地圖上的發展軌跡等等,都十分個人化以及有效。

另外的系統(例如史丹佛大學的Coursera)有互動及群組學習的功能,能紀錄學生提問的次數、參與討論的細節,學生互評的內容等等,經常也能在這個基礎上,對學生的學習行為進行適當的評價與誘導。

這些多面向的學習數據,能持續累積,跟著一個學生從一次學習到另一次學習,不僅可做為老師評量學生學習成效的重要參考,也可做為學生自我量化/自主學習的管理基礎,相當有用。

2. 教學歷程的紀錄與分析

老師的一言一行,從課堂教課、出考題、改考卷、引導討論、回答學生問題、進行個別輔導等等,也都可留下重要且值得分析的數據。過去在標準化的課程內容及模式下,每個老師因為經驗及能力的不同,要維持整齊的授課品質一直都是個挑戰,在偏鄉地區這樣的問題更為嚴重。未來若是想發展到「翻轉課堂」式的引導教學,對於老師能力的考驗更大。

(推薦閱讀:上課不再打哈欠 用這四種方式一起「翻轉教室」

除了體制上在老師的養成以及培訓上需要有更好的投資外,蒐集及運用老師教學的種種數據,交叉比對學生的學習以及考試紀錄,能提供教育管理者及一線老師許多有用的資訊。比如說老師在學習平台上改考卷,提供評語的方式(文字語意、回應次數、內容的型態等等),通常與學生改進學習的成效十分相關,利用大數據的分析模型,我們很有可能可以發掘出一些最佳的評價組合,避免一些會造成較無效或負面學習的舉措,整體增加老師輔導學生的能力。

另外老師在製作教案以及考卷的時候,若能擷取及參考同類教學者的資料(不只是直接copy內容,而是針對這類學習者,過去教學所累積的數據分析得來的重點,例如哪裡或什麼樣的微課程影片最受歡迎),便能更有效的根據她授課的環境與需求來設計。這些數據分門別類,但未來都將垂手可得,成為認真老師的得力助手。

3. 評量考試的紀錄與分析

數位化(多半是網路式)的評量系統已經有許多成功的理論與實作,能替個別學生,特定班級以及族群(例如全台北市)做各個面向的統計與分析。比如說知識點串連題目,能讓老師在測驗後即時得知學生掌握某一概念的程度;或是根據不同學生程度,動態提供不同難度考題的適應化測驗(Adaptive Testing,or Practicing),能增加學生評量及練習的多樣性與有效性。這些評量模式,目前透過更多經由電腦裝置的操作與紀錄,逐漸形成更能分析的大數據。

我所期望的是上述大量的測驗紀錄,搭配更細緻的學生背景以及操作細節,能觀測到不同學生族群在學習上更多的相關的元素,以及改善的機會。舉例來說,我們可能發現在英語考試中,來自特定地區(操特定方言)的學生,對於某一種發音類別理解有困難。過去這種資料很難取得,現在只要把學生的考試錄音結合語音評價系統,再交叉分析學生的各種特質,就可能產生許多洞見。

上海復旦大學曾對學生進行資料分析,發現學生成績受不同地區基礎教育發展狀況影響很大,但不一定直接與城鄉差異有關。例如來自東部、中部、及西部地區學生的成績呈遞減趨勢,在中部和西部地區,城鎮學生成績優於農村學生,東部地區則相反。因為在中、西部地區,城鎮的基礎教育資源和水準明顯高於農村;而在東部地區,農村和城鎮教育資源和水準相對均衡,不少農村學生在基礎教育階段反而可能學得更好。

未來一個學生考試得了80分,這不僅是一個「數據」,若把他背後的家庭背景、努力程度、學習方式、智力水準等等聯繫在一起,就成了有用的「資訊」,可供各級的教育工作/決策者,為這場正在發生的教育變革提供更有價值的參考。

有專家認為,今後的大數據時代只有三種基本能力是學生必須學,且用得到的東西:「第一是閱讀,第二是搜索,第三是辨別真偽」。這當然是過於簡化,但不失要點。我認為教育的目的在於傳遞知識及啟發思考,其中還有許多人性的考量。傳遞知識方面已有許多標準化的內容形式,以及更為普及的來源管道,讓知識垂手可得;而啟發思考方面則還有很大的挑戰與進步空間,特別是在未來的教師身上。

大數據在教學上的應用還在十分早期發展的階段,透過越來越多教學數據的取得與分析,我們能更深刻瞭解不同種類的學習群體,他們特有的學習需求與學習傾向,因而設計更為個性化的教育課程,以及教學形式。期待未來的教育因為善用這些資訊,而能真正達到「因材」與「適性」教學的理想。

(作者是澔奇教育科技集團創辦人)

 參考資料:

或許你會想看
更多『評論』文章 更多『教育』文章 更多『孫憶明 (Jim)』文章
Loader