1.抓住2013年——大數據時代元年的歷史契機，是傳統的教育研究走向科學實證的重大機遇。如果我們再一次“輸在起跑線上”，未來的差距鴻溝可能將更為驚人。
2.大數據時代的到來，讓所有社會科學領域能夠借由前沿技術的發展從宏觀群體走向微觀個體，讓跟蹤每一人的數據成為了可能，從而讓研究“人性”成為了可能。而對于教育研究者來說，我們將比任何時候都更按近發現真正的學生。
人們還沒有來得及搞清楚信息時代是什么，數據時代已然來臨。大數據，更成為近一年來十分流行的熱點關鍵詞。各行各業都已經意識到，誰能率先實現大數據，誰對大數據的挖掘更為深刻，誰就將搶占未來先機。這種前沿技術領域的巨大變革對于在數據實證研究中處于不利位置的國家與領域來說既是一種壓力，也是一種好消息：在大數據理念面前，所有傳統數據的實證研究將被重新洗牌，過去無法收集與分析的數據都被新的技術手段賦予了可能性。可以想見的是，在教育領域，大數據也必然會成為個世界頂尖教育研究者競相爭奪的前沿研究陣地。
所以，抓們 2013 年——大數據時代元年的歷史契機，是傳統的教育研究走問科學實證的重大機遇。如果我們再一次“輸在起跑線上”，未來的差距鴻溝可能將更為驚人——數據時代的 1 年制造的領先優勢也許并不遜于信息時代10 年。
當所有人都在雀躍而又緊張地期待著大數據給自己帶來的沖擊之時，我們更有必要思考：大數據將給教育帶來什么？教育研究是否已經做好了迎接大數據時代的準備？如何通過大數據真正實現“以學生為本”的理念，真正讀懂我們的學生？
大數據離我們有多遠
一張試卷，它帶給我們的數據是什么？可以是簡簡單單的一個 92 分，但如果我們擁有足夠的技術與耐心，我們還可以得到許多充滿想象力的數據：可以是每一大題的得分，每一小題的得分，每一題選擇了什么選項，每一題花了多少時間，是否修改過選項，做題的順序有沒有跳躍，什么時候翻卷子，有沒有時間進行檢查，檢查了哪些題目，涂改了哪些題目……等等，這些信息遠遠比一個 92 分要來的有價值得多。不單是考試，課堂、課程、師生互動的各個環節都滲透了這些大數據。
大數據離我們并不遙遠，它就在我們身邊，在每時每刻發生著。
我們先從我們最熟悉的一些傳統數據看起。在我們的教育學院、學校檔案室中，是否有堆積如山的試卷和調查表？我們朦朦朧朧地意識到，這些資料是有價值的，但卻困惑于不清楚這些數據究竟能說明哪些成績以外的深層次問題：該如何去處理與統計？這些數據究竟可不可信、有沒有代表性？數據又如何成為決策的依據？
同樣的問題也困擾過美國的教育研究者們，因此他們早在 l968年就在教育部成立了全美教育數據統計中心。通過34年的長期摸索與反復試錯，終于形成了一套完整的教育數據處理方法的方法論，并在2002年通過了《教育科學改革法》，明確了數據在教育決策中的決定性地位：所有教育政策的制定都必須由實證數據進行支持。同年，美國教育研究所與全美教育數據中心合并重組后成立了教育科學研究院（IES，Institute of Educational Science），成為了全美最重要的教育決策咨詢機構。
因此，即使以2002年作為標志，我們對于傳統數據的理解與處理水平也至少與國際先進水準有著11年的差距。但本文要著力表現的，不是鑒距，而是機遇。大數據的到來必將顛覆傳統研究格局，所以我們面臨著后發制人的機會。
大家不禁要問，大數據到底是如何顛覆傳統的？如果我們把目光投向教育以外更廣闊的學科與行業，我們不難發現這樣的事例。比如，在2002年發生了一件重要的事情，諾貝爾經濟學獎竟然授予了心理學家丹尼爾•卡尼曼教授。卡尼曼教授反駁了傳統行為經濟學的假設，他指出，人的經濟行為與決策并非絕對理性，是十分錯綜復雜，無法預測的。但是，10年之后發生了一件更具影響力的大事，奧巴馬連任美國總統，而這次勝利被世界媒體與科技界總結為一場“大數據”的勝利。奧巴馬的數據團隊對數以千萬計的選民郵件進行大數據挖掘，精確預測出了更可能擁護奧巴馬的選民類型，進行有針對性地宣傳，從而幫助奧巴馬成為了美國歷史上唯一一位在競選經費處于劣勢情況下實現連任的總統。奧巴馬的例子告訴我們，只要數據量夠大，夠及時，挖掘夠深刻，我們完全可以洞悉每個選民的投票幾率。
這樣的例子，對于幫助我們去認識千差萬別的學生有何啟示？所以，大數據在教育中的應用，其最重大的意義，就是能夠“讓我們走近每一個學生的真實。”
大數據與傳統數據的區別
大數據所帶來的，并非源于我們電腦的硬盤變大了，CPU處理速度更快了——所以我們可以處理更大規模的數據了。大數據與傳統數據的區別在于人們對于“數據”的理解更為深入了, 許多我們曾經并沒有重視的，或者缺乏技術與方法去收集的信息，現在都可以作為“數據”進行記錄與分析了。
舉例來說，一個學生讀完9年制義務教育產生的可供分析的量化數據基本不會超過 10KB ，包括個人與家庭基本信息，學校與教師相關信息，各門各科的考試成績，身高體重等生理數據，讀書館與體育館的使用記錄，醫療信息與保險信息等。這樣的數據量，一臺較高配置的普通家庭電腦，初級的EXCEL或 SPSS 軟件就能進行5 000名以下學生量的統計分析工作。操作者也只需要中級水平的教育與心理統計知識，一套可供按部就班進行對照處理的數據分析模板，經過兩三個月的操作培訓就能基本勝任。
而大數據的分析則完全是另一種層面的技術。根據荷蘭著名的行為觀察軟件商NOLDUS公司的研究，在一節40分鐘的普通中學課堂中一個學生所產生的全息數據約5-6GB，而其中可歸類、標簽、并進行分析的量化數據約有50- 60MB ，這相當于他在傳統數據領域中積累5萬年的數據量總和。而要處理這些數據，需要運用云計算技術，并且需要采用Matlab、Mathematica、Maple等軟件進行處理并進行數據可視化。而能夠處理這些數據的專業人才一般來自數學或計算機工程領域，需要極強的專業知識與培訓，而更為難能可貴的是，大數據挖掘并沒有一定的方法，更多需要依靠挖掘者的天賦與靈感。
大數據與傳統數據最本質的區別體現在采集來源以及應用方向上。傳統數據的整理方式更能夠凸顯的群體水平——學生整體的學業水平，身體發育與體質狀況，社會性情緒及適應性的發展，對學校的滿意度等等。這些數據不可能，也沒有必要進行實時地采集，而是在周期性、階段性的評估中獲得。這些數據，完全是在學生知情的情況下獲得的，帶有很強的刻意性和壓迫性——主要會通過考試或量表調查等形式進行——因此也會給學生帶來很大的壓力。
而大數據有能力去關注每一個個體學生的微觀表現——他在什么時候翻開書，在聽到什么話的時候微笑點頭，在一道題上逗留了多久，在不同學科課堂上開小差的次數分別為多少，會向多少同班同學發起主動交流，等等。這些數據對其他個體都沒有意義，是高度個性化表現特征的體現。同時，這些數據的產生完全是過程性的：課堂的過程，作業的過程，師生或生生的互動過程之中……在每時每刻發生的動作與現象中產生。這些數據的整合能夠解答教育過程中的許多疑問：課堂應該如何變革才符合學生心理特點？課程是否吸引學生？怎樣的師生互動方式受到歡迎？……而最最有價值的是，這些數據完全是在學生不自知的情況下被觀察、收集的，只需要一定的觀測技術與設備的輔助，而不影響學生任何的日常學習與生活，因此它的采集也非常的自然、真實。
所以，綜合以上的觀點，我們不難發現，在教育領域中，傳統數據與大數據呈現出以下區別：
傳統數據詮釋宏觀、整體的教育狀況，用于影響教育政策決策；大數據可以分析微觀、個體的學生與課堂狀況，用于調整教育行為與實現個性化教育。
傳統數據挖掘方式，采集方法，內容分類，采信標準等都已存在既有規則，方法論完整；大數據挖掘為新鮮事物，還沒有形成清晰的方法、路徑以及評判標準。
傳統數據來源于階段件的、針對性的評估，其采樣過程可能有系統誤差；大數據來源于過程性的、即時性的行為與現象記錄，第三方、技術型的觀察采樣的方式誤差較小。
傳統數據分析所需要的人才、專業技能以及設施設備都較為普通，易獲得；大數據挖掘需要的人才，專業技能以及設施設備要求較高，并且從業者需要有創新意識與挖掘數據的靈感而不是按部就班，這樣的人才十分稀缺。
大數據如何改變教育
“不得不承認，對于學生，我們知道得太少”——這是卡耐基• 梅隆大學（Carnegie Mellon University）教育學院介紹中的一句自白，也同樣是美國十大教育類年會中出鏡率最高的核心議題。
在大多數教研活動中，評判一個課堂的好壞，更多是專家審美型的——教師的環節設計是否層層遞進，提出的問題是否有效，環節設置與本節活動的目標是否契合，等等。而學生在這個課堂中的體驗，大部分時間是被完全忽略的，即使獲得了關注，也往往是“被代表”的——聽課者會根據自己的經驗來假設學生的體驗，而學生真正的體驗如何，卻沒有強大的技術與數據源可提供分析與實證。
大數據的到來，恰恰正是能從技術層面讓體驗者的感受得以量化與顯現。學生在一個課堂中的需求與態度，經由大數據的處理變得可視，這也提供了教研活動以更為鮮活的素材——傾聽學生成為了可能，教師有了了解學生的途徑與方法，從學生的需求出發改變教學行為成為了可能。第一個變化在于思維路徑的改變——從演繹轉向歸納，在“去經驗”的過程中找到真正重要的教育影響因素。傳統的教育研究往往是經驗式的，我們總是認為某些因素對學生很重要，對課堂很重要，比如提問有效性，課堂的節奏等。然后，我們通過一次次反復的實踐來驗證這些經驗。但是，這些因素真的是重要的嗎？在大數據的思維方式下，真正的重要因素來自于數據挖掘而非想當然的經驗。
我們來看一個經典案例。作為一個筆記本電腦銷售門店的主管，哪些方法可以幫助提高銷額呢？有許多專家、專業人士會給出建議，比如提高庫存管理的能力，提供員工更多專業培訓，做更新更炫的廣告，或者搞一些促銷活動。這些方式當然都會很有效，分別能夠提高 2％-9%左右的銷售額。
但是，歷來講求創新的蘋果公司偏偏不信這個邪，而是將門店中所有能夠收集到的數據，不管看上去是不是有關聯，全都輸入了軟件。最后發現了一個驚人的現象，電腦屏幕和桌子呈70度角左右的電腦銷售量比其他電腦高出15%，比其他任何經驗式的建議更有效。這是為什么呢？因為當我們走到一個70度角的電腦前，總覺得反光非常地不舒服，而當人覺得電腦屏幕反光不舒服，很自然而然地會伸手去扳動屏幕。心理學理論告訴我們，一旦潛在客戶與貨物發生了肢體按觸，他購買這個商品的可能性就上升了15%。
這個例子，對于我們改變課堂與校園環境有何啟示呢？許多對學生真正起作用的影響因素，未必是我們經驗中認為重要的因素；而我們內心認定的重要因索，也未必真有如此重要。
大數據帶來的第二個變化在于信息真實性的凸顯，讓信息從可疑到可信，使研究者能夠真正獲悉真實的情況。比如，我們肯定都或多或少地接觸過問卷調研這種方法，但是對于問卷調研的結果，我們又有多少信心呢？
斯坦福大學的教育評估權威哈代教授曾經做過這樣一個有趣小實驗，他關注的內容是不同國家師生在做量表與問卷時的F值。F值指的是被試者填寫問卷時出現的掩飾傾向。結果發現，中國學生的F值比美國與以色列學生分別高23.4％與27.6%；而中國教師的這一傾向則更為明顯，達到 36.5% 與41.4%。在中國的文化環境下，師生更容易認為一個量表和問卷是用來評判自己的，從而更傾向于掩飾自己的真實想法。所以如果想獲得真實、客觀的數據，問卷并非是個好辦法。
另一種情況是，有時即使學生想提供真實的信息，但也無能為力。比如調研學生課外運動的時間，我們最通常的做法是設計一個問卷，問他“本學期平均每周參加課外運動的時間，A、l 小時以下，B、1-1.5 小時，C、1 .5-2 小時，D、 2小時以上”，且不論選項的設計是否能體現區分度，我們自己又能否比較準確地估算出自己一個學期里平均每周參加多少運動呢？
經常上微博的人也許會關注SOHO中國的總裁潘石屹，他每天早上都會發微博“今天早上我跑了幾點幾公里”。他的數據是可信的嗎？我相信是非常準確的。為什么呢？因為他隨身攜帶的手機上有這樣個 App ，能夠記錄他跑了多少公里，花了多少時間，甚至跑步的路線也能記載下來。有了這樣的方法，那么要計算每周他跑步的時間與距離就變得可行了。
這樣的例子，對我們進行科學的調研有何啟示呢？
大數據帶來的第三個變化在于個性化教育具有了可能性，真正實現從群體到個體。
我們通常布置作業的方法是“所有人完成第三題到第八題”，給學生推薦書目的時候也是給出同樣的推薦清單。這本是無可厚非的，因為集體教學的最初起源就是將同齡的學生聚在一起，把他們看作智力水平差不多的一組人，給予相同的教育以節省成本。但是，當技術能夠幫助我們了解每個學生的需求之后，綿延了兩千多年的“因材施教”的理想，是否離我們更近一些了呢？
你現在上網的時候，有沒有發現，這些網站正在變得越來越了解你？比如淘寶網，它會根據你買過一些什么，瀏覽過一些什么商品，來判斷你還有可能購買一些什么。比如新浪微博，它會根據你關注了哪些人來判斷你還可能對哪些人感興趣。這種技術實質上是通過數據的歸類與分析，來預測“出現某種行為的人還很有可能出現另種行為”。
如果這樣的技術能夠應用在作業上，會是怎樣呢？比如A同學做對了第4題，系統馬上可以告訴他，他可以跳過第7題和第9題，這是因為，做對第4 題的學生幾乎不可能做錯第7題與第9題，做這些題目是簡單重復浪費時間。如果B同學做錯了第 5 題，那么系統也會提示他繼續練習第 6 ，第 9 題，這是因為數據顯示，做錯第 5 題的人很可能做錯后兩題，這個知識點是該學生需要反復進行操練與鞏固的。這樣的應用，對于我們實現個性化教育有何啟示？
因此，大數據給我們帶來的改變主要有三點：第一，幫助我們找到真正起作用的教育影響因素；第二，幫助我們洞察學生的真實；第三，幫助我們走向個性化。
實現大數據，教育可以怎么做
在微觀實踐層面，一些探索已經起步。
第一，對學生的發展進行多元評估，發現學業成績背后的原因。金山區在小學生學習素養的研究中就發現了許多這樣的情況。兩個學生的數學成績都是 A ，從表面上看他們的學習能力似乎是一樣的，但是通過多元能力的評估我們就會發現，第一個學生更多是依靠比較出色的邏輯思維能力進行學習的，而第二個學生的邏輯思維能力并不理想，是憑借比較出色的記憶力獲得好成績。但是依靠記憶力進行學習的方式在低年級時也許比較有效，但對于長期發展，對于培養高級思維能力肯定是無效的。暫時的好成績完全有可能掩蓋他在全面發展過程中的不足與風險，而這一情況的發現有助于教師盡早提供有針對性的策略，幫助學生彌補能力上的不足。
因此說，大數據能夠讓我們更全面地看待學生的發展，發現成績所反映不了的發展問題。
第二，大數據實現過程性評估，發現學生的常態，改造課堂的流程。我們經常說，教學評估應該是過程性的，而非只有終結性的。如果我們想象，教師擁有一個課堂觀察的終端，可以隨手記錄學生的發言質量，作業完成情況，課堂紀律等。那么教師在期末時將這些數據匯總起來，就使得撰寫評語時不用絞盡腦汁，而有了更加豐富的素材與數據依據，能對學生的發展提出建議。同時，這些數據也可以促使教師反思，自己在哪些地方上需要進行改進。在長寧區的幼兒園主題運動項目中，也正在探索引入這樣的觀察技術。
如果我們更進一步，不是通過教師的觀察，而是直接應用信息化的課程載體對學生的行為進行記錄，就能夠真正實現大數據與課堂進程的結合。靜安區社會性情緒項目正在探索依靠終端去記錄每一個學生在課堂中每一個環節的表現。假設在一節擁有六個環節的課堂上，大部分時間內學生的節奏都是緊密跟隨教師的。但是在第三環節中，大多數學生停留的時間遠遠超過了教師。這就提醒我們，這個環節需要著重教研，需要調整，也許這個部分的內容非常吸引學生，也有可能這部分內容難度較高，他們需要更多的時間來閱讀與消化。
因此說，大數據通過對于學生在課堂中點滴微觀行為的捕捉，幫助我們了解學生對知識的掌握程度以及感興趣程度，進而反思我們的教學是否滿足了學生的需求。
第三，大數據實現學生課外學習軌跡的積累。如果家長通過手機就能獲得學校的通知與公告，可以快速地進行各種調研，可以記錄孩子每天課余作業時間，包括孩子看過哪些書，去了哪里游玩。這樣不但非常快捷，而且積累下了非常有價值的數據，從而我們可以有針對性地幫助家長發現一些現象。比如，他的子花在作業上的時間已經遠遠超過了同班同學。同時可以給他提出如何幫孩子減負的針對性的建議。而對于研究者，我們可以通過后臺數據庫統計一個學校、一個區域的整體情況，獲得有價值的數據報告。所以說大數據，還能夠讓我們更加了解學生課外學習的軌跡。
可以這樣說，大數據時代的到來，讓所有社會科學領域能夠借由前沿技術的發展從宏觀群體走向微觀個體，讓跟蹤每一個人的數據成為可能，從而讓研究“人性”成為了可能。而對于教育研究者來說，我們將比任何時候都更接近發現真正的學生。
