:::

大數據與學習革命:契機與挑戰


大數據(Big Data)運用在教育上,如同肯‧羅賓森爵士(Sir Ken Robinson) 2010年在著名的TED演講《推動學習革命》中所強調的,如果希望教育系統能夠發掘個人與生俱來的才能,發揮人力資源真正的意義,那麼就需要學習的革命。

應用大數據作為教育改革的驅力,已成為世界趨勢。2011年9月,美國總統歐巴馬(Barack Obama)在白宮宣布推動「數位承諾(Digital Promise)」,發表《數位教育白皮書》(Transforming American Education: Learning Powered by Technology, 2010),重點在於帶動教育科技產業,在美國興起了一系列透過資訊科技帶動學習的趨勢與作法。資訊專家麥爾荀伯格(Mayer-Schönberger)及庫基耶(Cukier)在《大數據:教育篇》(Learning with Big Data: The Future of Education)書中指出,教學與學習未來的趨勢,在於回饋(Feedback)、個人化(Individualization)、及可能性預測(Probabilistic predictions),本文透過這些向度,提供大數據對學習革命帶來的契機,同時也提出相關的挑戰。

 

一、回饋(Feedback)

首先在回饋上,大數據可以實現雙向度的教學回饋,亦即能夠突破以往回饋僅由老師提供給學生,而能夠透過學生學習歷程的資料,進一步讓老師,以及教育系統當中的參與者,能夠獲得回饋,進而實現「生成性教學」的轉變。

具體而言,躍升(KickUp)公司從教師教學行動開始,紀錄教師以及學生的資料(針對如批判、創造思考等高層次思考,以及學生的解釋歷程),並且連結至學區內的各項結果,以及教師的專業成長過程,提供給學區教育系統參考。目前全美有超過50個地區的學校在使用這款測評工具。

躍升公司的資料收集,首先是教師教學行為及學生持續表現高層次思考(如批判、創造思考)的資料,接著聚焦在教師教學,以及學生如何描述自己的思考歷程上。 

圖一、躍升公司資料應用項目

(取自https://kickup.co/what-we-do)

 

吳恩達博士人工智能線上課程Coursera,是一個開放的線上課程供應商,目前已經開放使用。當系統發現大量的學生犯相同錯誤時,會主動提醒老師,同時也會針對這個部分對學生給予提示。學生不需要等待教師的回覆,就可以得到即時修正,幫助釐清概念。

 

二、個人化(Individualization)

透過資訊科技的發展,適性學習以及補救教學,已經實施許久,並且獲得了初步的成效。國外有如Bill & Melinda Gates Foundation資助的許多適性學習公司,如卡內基學習(Carnegie learning)公司所研發的MATHia,便是透過這樣的方式協助學生進行數學的個人化學習。國內也有「因才網」及「均一教育平台」等相當優秀的個人化學習系統。這些學習系統背後的數據,若進一步進行分析以及探勘,便能夠達成「大量客製化(Mass customization)」的目的,亦即將學習回歸到每位學生個人的生長歷程當中。

例如紐頓(Knewton)公司,目標是為全世界的學生量身訂作個人化的學習。教育公司可利用 紐頓的技術,建置能因應個別學生獨特需求動態調整的課程。紐頓能透過分析資料查明學生已掌握的知識,進而建議接下來的學習目標,幫助更多學生徹底熟悉教材並繼續進步,同時提供出版商修正教科書的依據。紐頓支援的分析工具能辨識知識落差並預測表現,以協助教育工作者、家長及行政人員為每一位學生提供更好的支援。

紐頓公司的三個服務,第一個是對學習者提出建議,第二個是對學習者及教學者進行學習分析,第三個是對出版商提出內容上的建議。

圖二、紐頓公司提供的服務

(資料來源:Knewton - NOAH15 Berlin)

 

透過大數據分析的資料,能夠對於教學過程進行詳細的分析,發現學生學習的難點,並且節省大量紙本作業的時間,對於下一個循環的教學工作做出更加精準的改善。

奧特學校(AltSchool)公司於2013年由文提拉(Max Ventilla)在美國Palo Alto創立,至2017年創設了6所小學,並且獲得鉅額的融資,被視為運用大數據進行個人化學習的典範之一。奧特學校透過思考方式、存在方式、互動方式、知識與經驗的四大教育目標,透過完整的「教育平台」,希望達成真正的個人化學習。在學習歷程中紀錄學生的投入程度、情緒、教室資源的使用情形、社交習慣、語言和單字使用、注意廣度、學業表現等等,並回饋給老師、家長及學生。其後,學校也會關注這些建議被採用的方式。完整的循環可說是最符合回饋-個人化模式的理念。

奧特學校個人化模式四個部分,第1個是計劃,第2個是投入,第3個是評估,第4個是理解,是一個圓圈式的循環。

圖三、奧特學校個人化模式理念

(資料來源:altitudelearning.com)

 

三、可能性預測(Probabilistic predictions)

對於學習的各種觀點,大數據提供的是可能性的建議,然而最終的決策還是仰賴個人的判斷。透過更加精細的分析,對於可能性的評估會更加精確,也更能夠提供教育系統的發展者,以及期望進行教育改革的教育者,做出判斷。

在運用大數據進行預測輔助的案例中,最著名的為紐約伊薩卡學院(Ithaca College),該校自2007年開始收集學生的社交網絡數據。透過IC PEERS網站,學院能夠紀錄申請者和學校教職員以及其他申請者的交流紀錄,透過分析這些資料,學院進行學生留校的相關預測以及評估。也因此Ithaca College被視為社會招募管理(Social enrollment management)的先驅。

另外一個著名的例子為希薇塔學習(Civitas Learning)公司,成立於2011年,主要提供大學數據分析軟體和服務。主要提供四個項目的解決方案,「整體建議(holistic advising)」、「毅力管理(Persistence management)」、「有效管理(Efficacy measurement)」、「解放學生資料預測潛力(Unlock the predictive power of your student data)」。特別是在最後一個項目,希薇塔透過資料整合平台的服務,將學生各種資料串接,並且透過個別高等教育機構的獨特性分析,最終呈現在資料建議平台上。

 

四、挑戰—隱私風險及教育風險

應用大數據最大的挑戰,就是在揭露學生隱私的風險。資訊專家麥爾荀伯格及庫基耶指出,大數據在教育上的風險,在於歷程的資料形成「數位印記」,對於個人來說容易形成刻板印象;同時,若過度依賴大數據形成決策,會影響教育分流的彈性,甚至形成新形式的教育機會不均。也因此,兩位作者建議不完全讓過去決定我們的未來,以寬容成長的心態,面對大數據在教育中的發展。此外,前述奧特學校公司也表示,學生的資料量以指數速度成長,可以想見,這些資料也隱含著對於學生生涯發展影響的道德問題。目前來自各界有許多對於隱私權及資料擁有權的爭議,資訊安全可能是這股趨勢發展最大的挑戰。

綜而言之,大數據雖然對學習革命提供了雙向回饋的可能性,並且透過更加個人化的分析,提供學生適性學習的可能。在串聯各種類型資料之後,對於學生的學習以及系統的管理,提供了更加精確的可能性預測。但同時我們也必須注意對於學生隱私的保護,並保持個人生涯發展開放性的空間,以達成教育改革的真正目的—解放人類的心智。

 

延伸閱讀:

  1. 麥爾荀伯格(Viktor Mayer-Schönberger)(2014)。大數據:教育篇(Learning with Big Data)(林俊宏譯)。台北市:遠見天下。
  2. Peters, M. A., & Araya, D. (2011). Transforming American education: learning powered by technology.
來源:阮孝齊/國家教育研究院教育制度及政策研究中心助理研究員