智慧教育研究趋势

教育大数据的因果关系发现

研究方向

当前对于教育大数据的分析，主要侧重于相关性分析，对千因果关系分析的研究还非常薄弱，而后者是构建智能化的导学、推荐、评价机制的重要依据．然而，教育大数据的因果关系还面临一系列技术难题：

1)教育大数据包含了学习者、内容、效果、行为等多个维度的变量．挖掘高维变量间的因果关系通常存在较高的复杂度．例如因果图构建的复杂度与变量个数呈指数函数关系[118]•

2)从高维的教育数据中识别出混淆因子(con­foundervariables)和偏倚(selectionbias)等隐变量也是一个难题．隐变量是指未能观察或无法度量的变量[119),通常是事件的隐性致因，对于简化因果关系、提升其可解释性具有重要作用．

围绕上述难题，需要开展的研究工作主要包括2个方面：1)针对教育数据的海量、高维和稀疏等特性，研究高效的因果图生成方法，解决图学习与方向学习中时空开销大的问题；2)研究教育数据的隐变量识别问题，并基于认知科学分析因变量的可解释性．

结论

当前，教育信息化经历了以解决教育资源及场景时空受限问题的计算机辅助教学、网络教育、MOOC等阶段，逐步过渡到大数据、人工智能驱动的智慧教育阶段．由于具有智能导学、精准推荐、定制辅导、精细评价等特点，智慧教育成为国际上教育信息化发展的趋势，也成为一个热点研究方向．本文在对国内外智慧教育研究与应用调研分析的基础上，从教育大数据分析挖掘、主要教学环节的关键技术以及国内外智慧教育平台3个层次对国内外相关研究进行对比分析，总结了其特点与存在的问题．本文进一步分析了当前智慧教育研究的局限性，总结了在线智能学习助手、学习者智能评估、网络化群体认知以及教育大数据的因果关系发现4项研究问题，指出了智慧教育未来的研究趋势．

参考文献

[I]ZhuZhiting,HeBin.Smarteducation,Anewrealmofeducationalinformationization[JJ.E-educationResearch,2012(12),7-15(inChinese)（祝智庭．贺斌．智慧教育，教育信息化的新境界[J].电化教育研究，2012(12),7-15)

[2]YangXianmin.Theconnotationandcharacteristicsofsmarteducationintheinformationage[J].ChinaEducationalTechnology,2014(1),29-34(inChinese)（杨现民．信息时代智慧教育的内涵与特征[JJ.中国电化教育，2014(1),29-34)

[3]iN2015SteeringCommittee.Innovation,integration,mternationalization,ReportbytheiN2015steermgcommittee[EB/OL].[2018-11-01].http,//unpanl.un.org/intradoc/groups/public/documents/unpan/unpan032993.pdf

[4]KizilcecRF,PiechC,SchneiderE.Deconstructingdisengagement,Analyzinglearnersubpopulationsinmassiveopenonlinecourses[CJ//Procofthe3rdIntConfonLearningAnalyticsandKnowledge.NewYork,ACM,2013:170-179

[5]CoetzeeD,FoxA,HearstMA,etal.ShouldyourMOOCforumuseareputationsystem?[CJ//Procofthe17thACMConfonComputerSupportedCooperativeWorkandSocialComputing.NewYork,ACM,2014,1176-1187

[6]WilkowskiJ,DeutschA,RussellDM.StudentskillandgoalachievementinthemappingwithGoogleMOOC[CJ//Procofthe1stACMConfonLearning@Scale.NewYork,ACM,2014,3-10

[7]FirminR,SchiorringE,WhitmerJ,etal.Casestudy,UsingMOOCsforconventionalcollegecoursework[J].DistanceEducation,2014,35(2),178-201

[8]CoffrinC,CorrinL,BarbaP,etal.VisualizingpatternsofstudentengagementandperformanceinMOOC[J].Procofthe4thIntConfonLearningAnalyticsandKnowledge.NewYork,ACM,2014:83-92

[9]RameshA,GoldwasserD,HuangB.Learninglatentengagementpatternsofstudentsinonlinecourses[CJ//Procofthe28thAAAIConfonArtificialIntelligence.MenloPark,CA,AAAI,2014,11-17

[10]HeJiazhen,BaileyJ,RubinsteinBIP,etal.Identifyingat­riskstudentsinmassiveopenonlinecourses[CJ//Procofthe29thAAAIConfonArtificialIntelligence.MenloPark,CA,AAAI,2015:1749-1755.

[11]JiangZhuoxuan,ZhangYan,LiXiaoming.LearningbehavioranalysisandpredictionbasedonMOOCdata[JJ.JournalofComputerResearchandDevelopment,2015,52(3):614-628(inChinese).