一、大数据思维
（一）大数据思维的内涵
对于大数据思维的诠释有多种说法，《大数据时代》的作者维克托•迈尔-舍恩伯格认为：所谓大数据思维，是指一种意识，认为公开的数据一旦处理得当就能为千百万人急需解决的问题提供答案[1]。王建华认为：大数据思维，指的是用大数据思想文化去思考解决问题的一种方法。大数据思想文化也就是用大数据去反映事物发展过程的环节、要素等，在此基础上通过建立多种模型模式加以控制，以达到精准解决各类问题的目的[2]。黄欣荣认为：人们迅速地以数据的眼光来观察世界和理解、解释这个纷繁复杂的世界，就是所谓的大数据思维[3]。不管哪一种诠释，都包含两层意思：数据可以反映问题、数据可以指导问题的解决。借助大数据思维，开放教育教学工作者能够进一步靠近并挖掘教育教学的潜在现实，有机会深入探索教育教学的变革与发展。
（二）大数据思维的特征
维克托•迈尔-舍恩伯格从数据本身出发，认为大数据有三个主要特点，分别是全体、混杂和相关关系。全体，指的是收集和分析更多数据，通过这种方式可以看到很多随机抽样得不到的细节。混杂，指的是接受混杂，大数据时代追求的，是在宏观上失去精确性，在微观上获得准确性。相关关系，则是指应该关注“是什么”，而非“为什么”[4]。黄欣荣将大数据思维与小数据思维相比较，从数据的增长速率、使用范围考虑，认为大数据思维具有整体性、多样性、平等性、开放性、相关性和生长性等六大特征[5]。周世佳从数据产生的状态、处理的模式、结果的呈现样式出发，认为大数据思维的特征是：整体性与涌现性、多样性与非线性、相关性与不确定性、并行性与实时性[6]。大数据思维是大数据时代形成的特定思维方式，与传统的数据思维有所差别。本文从数据对象、关注点、数据处理方式、支撑技术等方面总结归纳了大数据思维与传统数据思维的差异，如表1所示。
（三）大数据思维的教育应用
大数据思维在商业、金融、通讯、经济、医疗等行业的应用已有较长时间，近期伴随着移动互联网、云计算、物联网的发展而引起国内外广泛关注[7]。然而大数据在教育领域的应用并不深入，“教学应用大数据分析处于起步阶段，还需要几年才能成熟。”[8]2012年10月，美国教育部发布了《通过教育数据挖掘和学习分析促进教与学》的报告，宣告了“数据驱动学校，分析变革教育”的教育大数据时代已经来临，掀起人类教与学的又一次变革[9]。目前，大数据分析已应用到美国公共教育领域，成为教学改革的重要力量[10]。美国教育部门创造了“学习分析系统”——一个数据挖掘、模化和案例运用的联合框架，旨在向教育工作者提供更多、更好、更精确的信息，从而了解学生到底是“怎样”学习的[11]。美国的新兴企业“希维塔斯学习”（CivitasLearning）运用预测性分析、机器学习来提高学生成绩。加拿大“渴望学习”（Desire2Learn）教育科技公司的“学生成功系统”（StudentSuccessSystem）通过监控学生阅读电子化课程材料、提交电子版作业、在线与同学交流、完成考试与测验，让其计算程序持续、系统地分析每个学生的教育数据[12]。2013年是中国的大数据元年，也是我国大数据在教育领域应用研究的起步阶段[13]。国内教育技术领域掀起了基于大数据技术促进教育改革和创新发展相关研究的热潮，大数据的教育应用研究迅速发展起来。部分高校开始实践对教育数据的挖掘与利用。清华大学的“大规模在线教育研究中心”，通过大数据技术对众多学习者在平台留下的学习行为数据进行分析，得出学习者对哪些知识点比较感兴趣、哪些学习工具和学习资料使用频率最高等规律[14]，进而打造更具适应性的智能学习平台。华东师范大学对校园网站数据进行分析，从而改善用户体验[15]。浙江大学通过对资产的归纳、整理，最终形成权威、全面的资产数据，并基于资产数据提供数据查询和分析服务[16]，帮助教务处更好地利用教室、实验室等资源。
二、开放教育领域教育教学数据应用现状
（一）开放教育领域教育教学数据类型
随着互联网技术的发展与应用，远程开放教育领域部署了众多学习管理系统，比如三级“电大在线”远程教学平台、形成性测评系统、国家开放大学学习网，除此以外，还有招生、教务、考试报名等信息管理系统，这些系统经过多年的教育实践，不但存储着海量学习者信息及学习过程数据，还存储着大量的管理数据。2012年，葛道凯等人根据教育活动中技术手段的差异，将教育数据来源划分为传统教育数据和远程教育数据。根据业务活动的不同，将教育数据挖掘的数据来源划分为教学数据、管理数据、科研数据三大类。[17]1.教学数据挖掘远程教学数据主要来源于各类数字化学习环境，既可以是保存在服务器和客户端上的日志数据[18]，还可以是图片信息、动画、视频、地理位置信息等，前者多为结构化数据，后者多为半结构化或非结构化数据。随着智慧课堂等信息化项目的建设，各种电子教具、智能设备逐渐进入课堂，课堂教学过程也会产生并保存丰富的数据。对教学数据进行挖掘，对学习过程中产生的各类信息进行深度分析，能够实时洞察学习者的行为，从而预测和把握每一个学习者的学习需求、学习风格、学习态度乃至学习模式，学校、教师可以为不同学习者提供合适的学习内容与指导，实现真正意义上的个性化教育。2.管理数据挖掘管理数据主要来自于教育机构、部门使用数字化管理系统过程中录入、保存和管理的数据，主要表现为结构良好的报表形式。比如人事管理、招生管理、学籍管理、教务管理、师资管理等常见系统。在现今管理中，学校决策很多时候仍然主要依赖领导的经验和直觉，而非基于客观的数据。大数据思维可以重构决策路径。挖掘并分析管理数据，能够为教育管理人员提供参考，实现对管理对象（学生、教职工）及各种业务流程的更好理解，并据此优化各项管理工作。3.科研数据挖掘目前许多与科学研究有关的信息资料已被转换为数字形式，存于数据库中，并可通过各类检索系统检索使用。科研数据结构良好，非常适合进行数据挖掘。将科研数据库，如文献数据库、政策数据库、语料库等的原始数据转换为有用信息，可提高研究效率，优化研究成果的呈现方式，实现全面、快速、准确地了解某一研究领域的现状，并预测未来的发展方向。比如，基于CNKI期刊论文数据库的“终身教育与远程教育”之关系的文献研究[19]。
（二）开放教育领域教育教学数据应用现状
尽管开放教育领域早已形成了“大数据仓库”，但学校缺乏对数据的集中管理与有效利用，对数据的应用相当有限，绝大部分数据只是沉寂在数据库中，很难从中发现规律和有价值的信息，这种情况主要表现为以下几方面：1.业务部门难以提出数据的准确需求学校的业务部门对数据的采集、整理、分析主要出于业务驱动，业务流程结束后，数据也随之沉睡，数据分析处于被动状态。此外，很多业务部门不了解大数据及其应用场景和价值，尚未形成大数据思维来指导各项工作的开展，在实际工作中难以提出大数据的准确需求：要优化某项业务，到底需要哪些数据？这些数据应当如何获取？采集的数据要按什么标准进行整理、挖掘和分析？数据的可视化处理应做到什么程度？2.对数据的应用受制于平台和技术学校各级各类学习系统、信息管理系统的数据产量很大，但对数据的保存和利用率总体偏低。就数据的存储和处理来说，存在数据类型多样化、数据读写瓶颈、存储压力、系统性能瓶颈、数据分析效率低、数据安全等问题。比如开放教育的教务管理系统，庞大的学生成绩数据已超出传统系统的存储和分析能力，导致对成绩数据的处理停留在简单的查询、统计、打印和报表阶段，未能对数据进行深入分析，获得有利于教学工作的信息[20]。3.现存的数据分析是零散的、割裂的大数据时代，强调形成机构内部各模块数据、数据库网、多媒体数据、各类平台数据、各类信息载体数据之间的互联，力求最大限度地利用数据。但现有的教育数据存在机构化、部门化问题，数据呈现割裂、零散状态，数据分析也较少关注数据之间的相关性。比如，教务处会有意识地整理每学期的在籍生人数、各专业人数、开设课程明细、学期选课人次、学生到课率、按期毕业率、学位获取率、退学率、终结性考试及格率等数据，但却很少挖掘这些数据之间的相关性和影响关系，更不用说不同部门数据之间的联动关系。4.缺乏专门的数据分析岗位及人才大数据时代带来很多新的理念和技术，拥有与过去完全不同的数据存储和处理模式，但现有的系统管理员、数据库管理员仍然习惯使用传统关系数据库管理系统，短期内很难具备面向未来的数据分析技能。究其原因，一方面在于学校对数据分析相关岗位和人才的需求态度尚未明朗，另一方面，新技术应用门槛较高，许多大数据技术在成熟度和可访问性方面暂时不及传统数据库和数据管理套件，可用于帮助系统管理员熟悉这些环境的补充分析工具也非常有限。
三、大数据思维对开放教育数据挖掘的若干启示
（一）自上而下，形成教育教学管理的数据思维
随着广播电视大学向开放大学的转型，成人院校在办学种类、办学规模、专业结构和数量、师生来源、甚至所处环境都会发生变化。对开放教育数据进行挖掘与分析，有助于成人院校找准办学定位，提高教育、教学、管理的科学性，也为学校改进和加强宏观管理提供了有益的检测模式和评估技术。大数据思维的推广应用，需要学校的管理方式、架构、技术均与大数据时代相适配。因而有必要在区域或学校层面形成整体的大数据战略，并将此作为学校的重要任务，通过大数据思维将信息化教学、信息化管理、远程教育支持服务与学校日常工作相整合，通过协调化方式，所有部门共同培养和提高收集、存储、管理、分析和共享海量数据所需的思维与技术，逐步实现数据管理的常规化、即时化、网络化、公开化。
（二）从智慧校园建设入手，为数据挖掘与分析创造充分条件
随着云计算和物联网的出现，校园信息化建设应尽快从数字校园向智慧校园过渡。智慧校园建设通过把传感器嵌入到校园的各种系统中，将校园管理的众多软件系统平台融入到校园云，实现云、物联网、互联网的串通联接，由此可实现校园实时数据的获取、存储和加工分析，从而为学校发展和教学应用提供有效的决策依据，智慧校园作为教育信息化建设的一个实体，对实践大数据的价值提纯有重要的现实意义[21]。此外，智慧校园还包括大数据的标准体系、校园数字化生态环境以及相应的信息化组织管理体系等方面的建设[22]。从基础设施建设着手，逐步开展基于云计算的大数据应用，实现对教师网络教学行为、学生远程学习行为、学生个性特征等的分析和预测，为促进学生身心发展提供适时引导和帮助，提供学校运转的实时动态数据，助力教学管理科学化、智能化。
（三）脚踏实地，充分挖掘和分析现有数据
大数据时代，数据类型丰富，除结构化数据以外，还混杂着大量的半结构化和非结构化数据。掌握分析半结构化和非结构化数据的能力对大多数学校来说是一个持续的挑战。学校应将结构化数据挖掘作为大数据思维应用的切入点，注重收集和存储用户信息和行为数据，为将来各项应用做好充分准备；与此同时，借助已有的数据分析手段和研究方法，借助数据指导开放教育的发展。在初级应用阶段，可以考虑从教学数据、管理数据两方面进行教育数据挖掘：1.基于网络教学平台的数据挖掘（1）学习者特征识别：识别学习者特征，特别是学习者群体的特征，并依据某些关键特征对学习者群体加以细分，有助于做好前期的教学设计，并为个性化学习的实施提供依据。比如“学生数量统计与趋势预测”和“学生特征分类与相关分析”。（2）学习者在线学习行为分析：基于网络教学平台中师生学习过程的数据，针对教师和学生的行为方式，如登录、浏览资源、发帖、练习等行为和行为发生时间，以及各类资源、课程模块的使用情况进行统计、可视化和挖掘。比如“学生登录行为分析”、“学生资源浏览模式分析”、“师生交互论坛分析”和“学生行为影响因素分析”等。（3）师生交互分析：对网络教学平台交互论坛中的数据进行分析，帮助教师诊断学生对教学目标的掌握程度，以便给学生提供及时的反馈和指导。2.基于教育管理信息系统的数据挖掘（1）教职工管理：从人事信息数据库、后勤信息系统、师资管理和测评系统挖掘现有数据，对学校在人才引进、教师绩效评价、教师发展、职业规划、后勤管理、教育决策支持系统等方面提供快速、准确的决策帮助。（2）学生管理：基于学籍数据库、招生数据库开展数据挖掘，优化学生管理工作，为学校的招生决策、就业指导、毕业生追踪、课程设置等提供有益帮助。比如挖掘学生修业结果数据，开展毕业生（辍学学生）特征分析、毕业（辍学）结果影响因素和毕业（辍学）时间影响因素分析，进行毕业（辍学）结果预测规则和毕业（辍学）时间预测规则等。
（四）着眼未来，做好数据型人才储备
大数据时代，学校的管理决策、课堂的教学决策和对成人学习者的学习支持服务决策都将依赖于海量数据的分析结果，数据分析与挖掘将逐渐成为学校的常规工作，除了注重提升各部门人员的数据分析能力外，成人院校还需有意识地培养和储备以下人才：1.大数据管理人才在大数据教育应用的萌芽阶段，学校对大数据管理人才需求的迫切性要远超对技术人才的需求。信息技术发展日新月异，过去的教学、管理经验甚至可能成为现在的束缚。为了应对新时代的挑战，除设立专门的数据管理岗位外，管理者必须要有意识地转变思维方式，学会用数据思考、说话和管理；必须学会用大数据的方法，去寻找合适的解决方案。2.大数据技术人才[23]要想对教育教学数据进行充分挖掘，成人院校无疑需要一批懂得大数据，且善于研究大数据、深挖大数据的专家。这部分人才要综合掌握数学、统计学、数据分析、机器学习和自然语言处理等多方面知识。（1）数据科学家：具有数据分析能力，精通各类算法，能够直接处理数据的人。（2）数据架构师：精通开放教育各项业务，了解业务需求和业务系统架构，能够把数据和业务进行对接的人。（3）数据工程师：能够搭建数据存储、管理以及处理的平台，并支撑数据科学家提出的数学模型或算法的运行。
四、小结
大数据时代的到来，给开放教育和成人教育理论创新和教育教学变革提供了前所未有的大好机遇。大数据不仅是一种实用工具，更是一种思维方法。开放教育必须从以往的小数据思维迅速转换成大数据思维，以适应这场急速的变革。通过对数据的获取，分析和智能化信息挖掘，为学校的教学、管理、服务提供有价值的数据信息，帮助学校形成科学的决策，为教育教学活动的改进提供客观依据。如此一来，开放教育制定的教育政策将更具前瞻性和引导性；远程开放教育的实施将真正考虑到学习者的个体发展，教育模式将逐步从传统课堂的集体教学向数字化个性教育发展；教育评价和学习分析将从传统的经验性向客观性发展。
作者：马祖苑 单位：珠海城市职业技术学院成教学院
