陳彥君

[摘要]本文結(jié)合英語教學的特點，對狹義教育大數(shù)據(jù)的分析，提出了一系列狹義大數(shù)據(jù)在英語教學中的應(yīng)用模式，包括學習者知識模型、學習者行為模型、學習者體驗?zāi)Ｐ?、學習者檔案、領(lǐng)域知識模型、學習組件分析和教學策略分析，趨勢分析，適應(yīng)性和個性化等應(yīng)用。

[關(guān)鍵詞]教育大數(shù)據(jù) 英語教學 應(yīng)用模式

[中圖分類號]G434 [文獻標識碼]A [文章編號]1009-5349（2016）24-0226-03

隨著互聯(lián)網(wǎng)及其衍生物的不斷發(fā)展，我們可以獲得的數(shù)據(jù)呈幾何式增長。大數(shù)據(jù)的出現(xiàn)，對我們生活的方方面面產(chǎn)生了巨大的影響，也把我們的英語教學帶入到一個全新的紀元。數(shù)字數(shù)據(jù)的急劇增長，讓我們的學習方式和教學方式帶來了重大變革，如何利用大數(shù)據(jù)，服務(wù)于英語教學，是值得我們思考的問題。

一、大數(shù)據(jù)

（一）教育大數(shù)據(jù)

教育大數(shù)據(jù)分為廣義大數(shù)據(jù)和狹義大數(shù)據(jù)：廣義的教育大數(shù)據(jù)泛指所有來源于日常教育活動中人類的行為數(shù)據(jù)；狹義的教育大數(shù)據(jù)指學習者行為數(shù)據(jù)，主要來源于學生管理系統(tǒng)、在線學習平臺和課程管理平臺等。[1]教育大數(shù)據(jù)也滿足所有大數(shù)據(jù)的共同特征，即海量的數(shù)據(jù)規(guī)模（Volume），快速的數(shù)據(jù)流轉(zhuǎn)和動態(tài)的數(shù)據(jù)體系（Velocity），多樣的數(shù)據(jù)類型（Variety），巨大的數(shù)據(jù)價值（Value）[2]；除此之外，和傳統(tǒng)數(shù)教育據(jù)相比，教育大數(shù)據(jù)的優(yōu)勢還體現(xiàn)在實時性、顆粒度、真實性和決策度等方面。[3]

然而，很多案例研究表明，多數(shù)教師的決策都依賴于直覺或有限的觀察經(jīng)驗[4]，多數(shù)的學校管理者及教師不會去系統(tǒng)地分析學?，F(xiàn)有數(shù)據(jù)，或者使用分析結(jié)果來改革教學、課程設(shè)置或?qū)W校運行狀況。[5]多數(shù)教育數(shù)據(jù)都用來監(jiān)測教學過程，而沒有用來優(yōu)化教學結(jié)果，學校方面有著豐富的可用數(shù)據(jù)，但是這些數(shù)據(jù)卻很少被利用起來。[6]充分利用教育大數(shù)據(jù)，我們可以更加了解英語學習者的學習行為，幫助教學者作出更好的決策，優(yōu)化學習者英語學習體驗，提升目前英語教學的效率。

在教育領(lǐng)域，多所世界一流院校都開設(shè)了和大數(shù)據(jù)相關(guān)的研究項目，為了鼓勵大數(shù)據(jù)在教育活動中的應(yīng)用，美國教育部與2012年10月發(fā)布了《通過教育數(shù)據(jù)挖掘和學習分析促進教與學》（Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics）報告（以下簡稱報告）[7]，報告通過描述大數(shù)據(jù)在業(yè)內(nèi)的應(yīng)用案例，為美國高等院校及K-12學校在“大數(shù)據(jù)”教育應(yīng)用方面提供有效指導。

（二）教育數(shù)據(jù)挖掘和學習分析

教育數(shù)據(jù)挖掘（Educational Data Ming， EDM）指應(yīng)用數(shù)據(jù)挖掘方法從來自于教育系統(tǒng)的數(shù)據(jù)中提取出有意義的信息的過程，這些信息可以為教育者、學習者、管理者、教育軟件開發(fā)者和教育研究者等提供服務(wù)。數(shù)據(jù)挖掘技術(shù)可應(yīng)用于招生、就業(yè)、后勤、圖書館管理、人事管理、設(shè)備管理、師資管理等方面，有助于管理者作出科學的決策。[8]《報告》將“數(shù)據(jù)挖掘”定義為：綜合運用機器學習、數(shù)學統(tǒng)計和數(shù)據(jù)挖掘的方法和技術(shù)，對海量教育數(shù)據(jù)進行處理和分析，建立數(shù)學模型，發(fā)現(xiàn)和解釋學習者的學習結(jié)果與學習內(nèi)容、學習資源與教學行為等變量之間的相關(guān)關(guān)系，用語預(yù)測學習者的未來學習趨勢。[9]

2011年，在第一界學習分析與知識國際會議（The International Conference on Learning Analytics and Knowledge， LAK）上，有關(guān)專家將學習分析定義為“測量、采集、分析和匯報有關(guān)學習者及其學習情景的數(shù)據(jù)集，用以理解和優(yōu)化學習及學習情景”[10]。顧小清等人認為，學習分析技術(shù)是圍繞與學習者學習信息相關(guān)的數(shù)據(jù)，運用不同的分析方法和數(shù)據(jù)模型來解釋這些數(shù)據(jù)，根據(jù)解釋的結(jié)果來探究學習者的學習過程與情境，發(fā)現(xiàn)學習規(guī)律；或者根據(jù)數(shù)據(jù)闡釋學習者的學習表現(xiàn)，為其提供相應(yīng)反饋從而促進更加有效學習的技術(shù)。[11]

二、教育大數(shù)據(jù)的應(yīng)用方向

周若松等人（2015）認為大數(shù)據(jù)對教育的影響，主要體現(xiàn)在以下四個方面：改變教育研究中對數(shù)據(jù)價值的認識，方便教師更全面了解每一個學生，幫助學生進行個性化高效學習，增強教師的責任心和強化師德建設(shè)。[12]

在《報告》對教育數(shù)據(jù)挖掘和學習分析的應(yīng)用領(lǐng)域做了詳細的闡述，并指出對教育數(shù)據(jù)的挖掘和學習分析可以用來解決教學中復(fù)雜的實際問題。本文根據(jù)報告中提到的視角，結(jié)合英語教學的實際情況，對教育數(shù)據(jù)在英語教學中的應(yīng)用給出了相應(yīng)的建議，這些領(lǐng)域可以分為：學習者知識模型、學習者行為模型、學習者體驗?zāi)Ｐ?、學習者檔案、領(lǐng)域知識模型、學習組件分析和教學策略分析，趨勢分析、適應(yīng)性和個性化。[13]

（一）學習者知識模型

學習者知識模型的建立，主要是為了使系統(tǒng)根據(jù)學習者的具體需求，在適當?shù)臅r間用適當?shù)姆椒ǔ尸F(xiàn)適當?shù)男畔?。[14]對于不同水平的英語學習者，他們所掌握的具體英語知識不同，希望達到的學習目標也不同，通過學習者知識模型的建立，我們可以使學習者獲得最適合其學習需求的學習資源。

根據(jù)克拉申二語習得的“輸入假說”，學習者是通過對語言輸入的理解而逐漸習得第二語言的，其必備條件是“可以理解的語言輸入”（comprehensible input），也就是說，語言輸入難度稍高于學習者現(xiàn)有水平，才能達到良好的學習效果。[15]學習者知識模型的建立，有助于系統(tǒng)根據(jù)學習者的具體英語水平，推薦符合其自身學習情況的學習資源。

（二）學習者行為模型

學習者行為模型主要把學習者的行為分為“與學習任務(wù)相關(guān)”和“與學習任務(wù)無關(guān)”的行為，并以此作為學習者參與度的一項重要指標。

學習者行為模型除了英語的課堂教學之外，目前線上英語學習平臺也已經(jīng)非常普遍，而且眾多的線上學習平臺已經(jīng)成為教師課堂教學的重要補充。研究表明，在參與線上課程時，學習者的“與學習任務(wù)無關(guān)”的行為會導致低于平均水平的學習效果[16]，除此之外，學生在現(xiàn)實學習中的出勤情況、課堂反應(yīng)、測試成績等數(shù)據(jù)，都可以用來建模。學習者行為模型的建立，可以幫助線上學習平臺及時發(fā)現(xiàn)并回應(yīng)學習者的“與學習任務(wù)無關(guān)”行為，在課堂教學者，能夠有效預(yù)測學習者不能完成學習任務(wù)的可能性，診斷學生在學習中出現(xiàn)問題的環(huán)節(jié)，以便教師給予更好的干預(yù)。

（三）學習者體驗?zāi)Ｐ?/p>

學習者體驗?zāi)Ｐ椭饕脕碓u估學習者對學習體驗是否滿意。學習者體驗?zāi)Ｐ涂梢愿鶕?jù)學習者對學習過程的滿意度調(diào)查等獲取數(shù)據(jù)。Dawson等人調(diào)查了高等院?？梢酝ㄟ^學生信息系統(tǒng)、學習管理系統(tǒng)、通訊工具等獲取有效數(shù)據(jù)，來提升學生的學習體驗并告知教師是否取得某項特定的學習成果。[17]

學習者體驗?zāi)Ｐ涂梢杂脕磉M行對課程和教師的評估，不僅局限于英語學科，學生自入學開始，學校即可通過全方位的數(shù)據(jù)追蹤及挖掘來分析學習者的整個學習過程。例如，在英語學習中，我們可以細化學習者體驗?zāi)Ｐ偷铰犝f讀寫各個模塊，分析學習者在各個模塊學習者體驗，幫助教師發(fā)現(xiàn)學習者體驗好與差的課程單元，分析原因，調(diào)整授課順序，優(yōu)化整體課程設(shè)置。

（四）學習者檔案

學習者檔案是描述學習者所以學習行為的數(shù)據(jù)總和。學習者的偏好、興趣、背景及學習目的不同，趙慶紅等人的研究顯示，大學生英語的“學習需求”總體上表現(xiàn)出多樣性和個性化的傾向，呈分散態(tài)勢。來自不同專業(yè)，不同水平學校的同學在英語學習需求方面有著顯著的不同。[18]

學習者檔案的建立的長期目標是為了個人或群體夠提供可適應(yīng)的個性化學習環(huán)境，提高學習效率，優(yōu)化學習效果。檔案建立之后，我們可以根據(jù)英語學習者的偏好、興趣、學習目的、學習習慣等為其分類，方便教學者的課堂管理，也有助于教師給予適當?shù)闹笇А?/p>

（五）領(lǐng)域知識建模

領(lǐng)域知識模型代表的是某個學科或者主題內(nèi)的關(guān)鍵概念，以及各個概念或者單元之間的關(guān)系。領(lǐng)域知識模型的教育數(shù)據(jù)挖掘和學習分析主要研究不同學習模塊和知識點組織方式、組織順序。

根據(jù)趙雯等人的研究，中國大學英語語言能力可以被分為以下能力板塊及其組成要素[19]，表1：

表1 大學英語語言能力描述維度及其組成要素

能力組成要素 組成要素

認知能力（ 語言知識） 語言能力、社會語言能力、語用能力

功能能力（ 語言技能） 聽、說、讀、寫、譯

策略能力（ 元能力） 學習策略、自我學習能力

社會能力 思辨能力、溝通能力、合作能力、跨文化能力、解決問題能力、創(chuàng)新能力、使用信息、媒體與技術(shù)的能力

我們可以根據(jù)英語語言能力的構(gòu)成要素，構(gòu)建起英語學習的橫向領(lǐng)域知識模型。另一方面，我們可以根據(jù)不同能力的難度水平，構(gòu)建縱向的領(lǐng)域知識模型。

（六）學習組件分析和教學策略分析

學習組件分析和教學策略分析可以給英語教學活動提供強大的數(shù)據(jù)支持。在英語教學中，教學策略分析主要研究教師教學過程中和學生學習過程中的不同組成單元，以及教師或?qū)W習系統(tǒng)在不同時間施予不同學生群體的不同種類教學策略。主要試圖解決的問題包括：在促進學習效果方面，哪些學習單元更有效，哪種課程設(shè)置更有效，哪種類型的教學實踐更有效。

早在20世紀70年代，在關(guān)于二語習得順序的研究中就已經(jīng)指出英語學習者是如何習得英語的語法結(jié)構(gòu)的。[20]通過對語言使用準確度的研究，克拉申提出了語言學習的自然順序，無論母語是什么，是否受到過訓練，第二語言學習的自然順序是固定的（ing/plural/copula；auxiliary/article； irregular past； regular past/3rd person singular/possessive-s）[21]。

基于自然順序假說，我們可以進行相關(guān)的學習組件分析，并且分析相對應(yīng)的教學策略是否取得了良好的教學效果。研究證實，對教育數(shù)據(jù)的挖掘能夠幫助研究和改良線上課程，對目前多種多樣的線上語言課程和語言學習平臺，學習組件分析和教學策略分析就顯得更加重要。[22]

（七）趨勢分析

趨勢分析一般是指在一段時間內(nèi)對學習者在線學習的相關(guān)數(shù)據(jù)進行采集和分析，觀察學習者在這一階段中學習結(jié)果的變化，探尋學習者當前學習行為和未來學習結(jié)果之間的相關(guān)關(guān)系，并且利用己發(fā)現(xiàn)的相關(guān)關(guān)系，基于新增學習者的當前學習行為，預(yù)測其未來的學習結(jié)果。

被稱為大數(shù)據(jù)核心價值的概率預(yù)測，在教育領(lǐng)域中也發(fā)揮著至關(guān)重要的作用。英語教學作為一門基礎(chǔ)學科，涉及的學習者范圍廣，數(shù)量多，從大量學習行為的數(shù)據(jù)分析中可得出一定的秩序和規(guī)律，用于預(yù)測未來的學習發(fā)展趨勢。在實際的英語教學中，如果發(fā)現(xiàn)未來趨勢中存在某些影響學習效果的因素，教師和教育管理者能夠及時在行為管理或紀律約束等方面采取干預(yù)措施，防止這些因素演化為更加嚴重的學習危機。

（八）適應(yīng)性和個性化

舍恩伯格（Sch?nberger）等認為大數(shù)據(jù)時代的教育可以打破“一個尺寸適合所有人”的同質(zhì)性，即通過對知識傳遞進行的個性化處理，使之更好地適應(yīng)特定的學習環(huán)境、學生能力和學習偏好。[23]姜強提出了從數(shù)據(jù)與環(huán)境（What）、關(guān)益者（Who）、方法（How）和目標（Why）等4維度構(gòu)建個性化自適應(yīng)在線學習分析模型。[24]

結(jié)合英語教學，筆者認為英語學習者的個性化教學模型應(yīng)該建立在之前的學習者知識模型、學習者行為模型、學習者體驗?zāi)Ｐ?、學習者檔案、領(lǐng)域知識模型、學習組件分析和教學策略分析，趨勢分析結(jié)果之上，以學習者為中心，建立英語學習的自適應(yīng)學習系統(tǒng)（adaptive Learning System）。

三、結(jié)語

目前，大數(shù)據(jù)在商業(yè)方面的應(yīng)用已經(jīng)日漸成熟，對教育大數(shù)據(jù)的研究成果也頗豐，我們每個人都是大數(shù)據(jù)的產(chǎn)生者，也是大數(shù)據(jù)分析的受益者。英語作為一種被廣泛使用的語言，一種交流工具，一門基礎(chǔ)學科，是我們?nèi)粘Ｉ钪蟹浅Ｖ匾慕M成部分。通過對英語相關(guān)教育數(shù)據(jù)挖掘和學習分析的研究成果，我們可以建立相應(yīng)的模型，完善英語學習的自適應(yīng)系統(tǒng)，在大數(shù)據(jù)技術(shù)的支持下，為廣大英語學習者提供個性化的英語學習方案，推送個性化學習資源，具有針對性的解決學習問題，提升英語學習體驗及學習效率。

【參考文獻】

[1]徐鵬，王以寧，劉艷華，張海.大數(shù)據(jù)視角分析學習變革——美國《通過教育數(shù)據(jù)挖掘和學習分析促進教與學》報告解讀及啟示[J].遠程教育雜志，2013（06）：11-17.

[2]Barwick H.The"four Vs"of Big Data.Implementing Information Infrastructure Symposium[EB/OL].[2012-10-02].http：//www.computer-world.com.au/article/396198/iiis_four_vs_big_data/.

[3]張燕南.大數(shù)據(jù)的教育領(lǐng)域應(yīng)用之研究[D].華東師范大學，2016.

[4]Ingram， D.， Louis， S. K.， & Schroeder， R. G. （2004）. Accountability policies and teacher decision making： barriers to the use of data to improve practice. Teachers College Record，106（6），1258-1287.

[5]Schildkamp K，Kuiper W.Data-informed curriculum reform Which data， what purposes， and promoting and hindering factors[J].Teaching & Teacher Education，2010，26（3）：482-496.

[6]Stecker， P.M.，F(xiàn)uchs， L.S.，& Fuchs，D.（2005）.Using curriculum-based measurement to improve student achievement： review of research. Psychology in the Schools，42（8），795-819.

[7][9][13]Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics[DB/OL].[2012-10-12]. http：//www.ed.gov/edblogs/technology/files/2012/03/edm-la-brief.pdf.

[8]李婷，傅鋼善.國內(nèi)外教育數(shù)據(jù)挖掘研究現(xiàn)狀及趨勢分析[J].現(xiàn)代教育技術(shù)，2010（10）：21-25.

[10]Siemens G，Long P.Penetrating the Fog：Analytics in Learning and Education[J].Educause Review，2011，45（05）：30-32.

[11]顧小清，張進良，蔡慧英.學習分析：正在浮現(xiàn)中的數(shù)據(jù)技術(shù)[J].遠程教育雜志，2012（01）：18-25.

[12]周若松，王志娟.淺談大數(shù)據(jù)對教育的影響[J].高教學刊，2015（13）：5-6.

[14]Gerhard，F(xiàn).2001.“User Modeling in Human-Computer Interaction.”User Modeling and User-Adapted Interaction 11：65-86.

[15][20]Krashen S.Principle and Practice in Second Language Acquisition[M].Oxford： Pergamon Press Inc，1982.

[16]Baker，R.S.，A.T.Corbett，K.R.Koedinger，and A.Z. Wagner.2004.“Off-Task Behavior in the Cognitive Tutor Classroom： When Students ‘Game the System.”In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems （CHI '04）. New York， NY： Association for Computing Machinery，383-390.

[17]Dawson，S.，L.Heathcote，and G. Poole.2010.“Harnessing ICT Potential： The Adoption and Analysis of ICT Systems for Enhancing the Student Learning Experience.”International Journal of Educational Management 24（2）：116-128.

[18]趙慶紅，雷蕾，張梅.學生英語學習需求視角下的大學英語教學[J].外語界，2009（04）：14-22.

[19]趙雯，王海嘯，余渭深.大學英語“語言能力”框架的建構(gòu)[J].外語與外語教學，2014（01）：15-21.

[21]Dulay H，Burt M K.NATURAL SEQUENCES IN CHILD SECOND LANGUAGE ACQUISITION[J]. Language Learning，1974，24（01）： 37-53.

[22]Baker，R.S.J.D.，and K.Yacef.2009.“The State of Educational Data Mining in 2009： A Review and Future Visions.”Journal of Educational Data Mining 1（01）：3-17.

[23]邁爾·舍恩伯格，庫克耶盛楊燕，周濤.大數(shù)據(jù)時代：生活、工作與思維的大變革： Big data a revolution：that will transform how we live，work，and think[M].杭州：浙江人民出版社，2013.

[24]姜強，趙蔚，王朋嬌，王麗萍.基于大數(shù)據(jù)的個性化自適應(yīng)在線學習分析模型及實現(xiàn)[J].中國電化教育，2015（01）：

85-92.

責任編輯：楊柳