教育研究如何跟上大數據時代_數據分析師考試

 如何能有效地將巨量的數據資源轉化為豐碩的教育研究成果，應用于改善教育的決策與實踐，對教育研究界來說意義重大。而要實現這個目標，需要完成將數據資源轉化為生產要素、合理搭配生產要素、高效完成研究生產、產品的轉化與傳播四個步驟。

第一步，資源轉化為生產要素。

    大數據被喻為“第三次浪潮”，其價值已得到商業(yè)領域的充分證實。然而，如何把沉睡的數據資源變成具有增值性的生產要素，是教育研究生產的預備步驟。

    首先，作為生產要素的數據應具有明晰的價值性。大數據記錄的既包括研究對象的實在行為，也包括他們的主觀選擇，顯示了人們應然和實然的表現，且不再拘泥于以往的抽樣方式，因為樣本=全部。然而在大數據具有先天信效度優(yōu)勢的同時，還伴生著劣勢，即數據雖具價值，但單位時間價值的含量可能有所不同。如兩個小時的監(jiān)控錄像中也許有用的信息僅2-3秒。此刻，需要研究人員對問題進行明確的界定，并列明清晰、可計算的篩選標準，用以提取該研究需要的有價值數據，而其余的數據“尾礦”，應留存給其他研究者或相關部門挖掘。

    其次，作為生產要素的數據可以被標準化。大數據時代要提高對混雜、無序數據的接納程度，但這種接納卻是研究的大忌。中國人民大學應用統(tǒng)計科學中心主任趙彥云就曾表明，“指標不一致、指標口徑不一致、時間不一致、空間不一致、指標體系不一致、分類不一致、編碼不一致等，如此雜亂的數據庫，基本上連常規(guī)的統(tǒng)計整理、統(tǒng)計描述和分析都無法做到。”研究者能做且該做的是，把非結構化信息進行一定標準化處理，將其變成可用于分析的數據，依此來建模并尋找因果關系。

    再次，作為生產要素的數據應具有安全性。如各類騷擾短信和電話推薦教育信息讓人不勝其煩，各國也多次出現叫停兒童發(fā)展數據的相關計劃。那么用技術（如匿名化）與立法雙重保護信息安全是數據用于研究的前提。

第二步，合理搭配生產要素。

    期望在高等教育研究當中使用大數據，單純投入數據顯然是不夠的，還需要匹配人力、物力和財力。

    一方面，大數據時代最缺乏兩類人才：數據科學家和跨學科的學者。大數據的優(yōu)勢在于數據科學家能用不同的算法呈現不同事物之間的相關聯系——而這些事物往往不是同一領域或是直接符合我們主觀預期的。新一代的教育研究學人需與數據科學家和其他學科專家合作，抑或是自己及時補充此類知識，以便于繼續(xù)有說服力的探尋教育相關事務的因果聯系，豐富人類的教育認知。

    另一方面，大數據的運用需要硬件設施的匹配。云計算為存儲和利用大數據提供了便利，卻仍舊需要對維護與儲存的平臺系統(tǒng)進行支持。這部分器材造價不菲，且對環(huán)境也有一定要求，對巨量的教育數據搜集需要對應的財政投入保障。

第三步，高效完成研究生產。

    一方面，研究應體現效率理念。在大數據的背景下，時間性顯得格外重要——數據隨時隨地更新，科研數據的精度可更高，而延誤的信息可能毫無價值。

    另一方面，研究應呈現更準確的因果關系。大數據為我們展現了多種類型的相關關系，而研究者的責任在于從巨量的資料中挖掘更貼合實際、有說服力和實效的因果關系，厘清其間可能出現的干擾因素，讓教育服務變得更精確，更符合個人發(fā)展需求。

    此外，研究產生的應是更親民的成品。所謂親民，是指產品能用更鮮活、通俗、便捷的方式來提供，且產品本身更符合消費者的個人需求。大數據的優(yōu)勢就在于其可以充分地捕捉微觀個體特征來進行分析，實現所謂的互動和可視化服務。未來的研究理應是服務友好型，而不再是板著臉說理論。

第四步，產品的轉化與傳播。

    大數據時代不僅為研究者豐富了研究數據與題材，還為研究成果的轉化與傳播帶來了便利。大數據讓科研（知識產品）生產更具科學性，它使實踐者在先驗中成長，使決策者在自信中完善，不僅拓展了教育服務的機會，也改善了教育服務的質量。

    但在不斷肯定大數據改變我們的研究范式之時，我們也需要提前思考一些問題：大數據的實時更新、動態(tài)分析對整體形勢的判斷是否足夠準確？會不會形成依賴而低估經驗的價值？會不會消磨我們的創(chuàng)新力？我們的“學習自由”和“研究自由”被機器左右甚至決定？大數據的占據是否會引發(fā)新的社會不均等——固化甚至加深貧富差距？在數據處理技術差異大的情況下，大數據的公開是否可能危及國家安全？而到大數據發(fā)展到極致之時，大家的決策均享有并依據數據而行，這種動態(tài)的判別方式是否可能消解彼此的數據優(yōu)勢，而最終達到新的“數據對沖均衡”，到那時想取得先機還得回歸經驗