教師和學習分析之間有什么聯(lián)系
幾乎不可能擺脫數據正在改變我們生活的方方面面的觀念?！按蟆睌祿ǔＥc人工智能和機器學習等思想以及隱私和安全等道德問題混為一談。當然，這些想法已經進入教育領域，這意味著數據、學習分析和相關想法將對學校、學生和教師產生影響。但是這種效果會是什么樣子呢?這對教師職業(yè)意味著什么?教師如何準備好安全地使用學習分析提供的工具?
我們已經在生活的許多方面進行了量化。通常，我們選擇這樣做 - 跟蹤我們一天走了多少步，或者我們閱讀了多長時間，或者我們花在屏幕上的時間。有些人總是以數字和模擬形式這樣做。然而，我們現(xiàn)在正在進入“大”數據時代，這在質和量上都是不同的。大數據的特點主要有四種。首先，數據量——其規(guī)模是前所未有的。其次，不同類型的數據(或它的 Variety)。第三，生成這些數據的速度(Velocity)是一個關鍵特征。最后，數據的真實性或可信度是一個重要的考慮因素。
教師總是使用數據來指導他們的教學。那么為什么“大數據”應該有所不同呢?答案可能不在于收集了哪些數據，而在于如何處理這些數據，而機器學習和人工智能 (AI) 正是在這一點上進入對話的。根據大數據，據稱人工智能可能具有半自動化或完全自動化教學設計過程的能力，并且在這樣做時比教師自己做得更好。英國政府最近發(fā)表的一些評論表明，無論社會經濟地位如何，人工智能都可以通過確保所有學生的優(yōu)質教學來促進社會流動。這種關于計算機輔助教學的說法并不新鮮，目前，盡管有一些新聞報道，但這些承諾尚未實現(xiàn)。
雖然完全自動化的干預可能還有一段路要走，但學習分析可能是尋求增強實踐的教師的有用工具。簡單地說，學習分析是教育理論、學習設計和數據科學的結合。它試圖將可用的大量數據轉化為可操作的見解，以幫助教師做出決定，或者讓他們自由地做最適合教師做科普體驗的事情(通過做最好由計算機完成的事情)。
這可能發(fā)生在許多不同的級別。Simon Buckingham-Shum (2012) 建議學習分析可以在宏觀層面運作，例如區(qū)域或州、混亂或機構層面，以及微觀層面(與群組或個人用戶相關)。對于教師來說，學習分析可以在中觀和微觀層面發(fā)揮作用。兩個可能的領域是自動和半自動反饋以及自適應或個性化學習。
在自動反饋中，機器學習算法根據學生收集的數據以及學生表現(xiàn)與學生成功模型的一致性向學生提供反饋。這是一項復雜的業(yè)務，可能包括與情境、情感、認知和行為參與以及對預期學習成果的預測相關的措施。目前，像 AcaWriter(在 UTS 試用)這樣的工具可以根據學生的寫作向他們提供自動反饋，但更復雜的用途還有待開發(fā)。更常見的是半自動反饋的概念，其中分析可能會揭示需要注意的特定領域，此時教師可以進行干預。例如，快速測驗可能會發(fā)現(xiàn)班上的大多數人不理解特定概念;教師可能會決定以不同的方式處理該主題。另一個例子是識別因缺乏參與而面臨課程或科目不及格風險的學生，允許教師及早干預。
