教育数据挖掘与学习分析
2012年，美国教育部发布了题为《通过教育数据挖掘和学习分析技术来提高教与学：问题简述》（以下简称《报告》）的报告，主张通过教育数据挖掘、学习分析和可视化数据分析来改进自适应学习系统，实现个性化学习。《报告》指出，大数据在教育中的应用主要有两大领域：教育数据挖掘（Educational Data Mining，简称EDM）和学习分析技术（Learning Analytics，简称LA）。根据《报告》观点，教育数据在采集和处理后，要对数据进行深度价值挖掘，这里主要用的是教育数据挖掘和学习分析。
教育数据挖掘是一个将来自各教育系统的原始数据转换为有用信息的过程，这些有用信息可为教师、学生、家长、教育研究人员以及教育软件系统开发人员所利用。传统教育数据挖掘的多是结构化、单一对象的小数据集，其挖掘更侧重根据先验知识预先人工建立模型，然后依据既定模型进行分析。对于非结构化、多源异构的教育大数据集的分析，往往缺乏先验知识，很难建立显式的数学模型，这就需要发展更加立体化、全息高维的数据挖掘方法与技术。《报告》通过对教育数据挖掘领域专家进行访谈，列出了教育数据挖掘的四个研究目标。
（1）通过整合学习者知识、动机、元认知和态度等详细信息进行学习者模型的构建，预测学习者未来的学习发展趋势
（2）探索和改进包含最佳教学内容和教学顺序的领域模型
（3）研究各种学习软件所提供的教学支持的有效性
（4）通过构建包含学习者模型、领域模型和教育软件教学策略的数据计算模型，促进学习者有效学习的发生
学习分析是指通过测量、收集、分析、汇报学习者和他们所处环境的数据，理解和优化学习以及学习发生的环境。学习分析和教育数据挖掘密切相关，应用的分析方法也较为相似。目前，学习分析领域常用的分析方法包括网络分析法、话语分析法和内容分析法。近年来，越来越多的研究者开始应用滞后序列分析法来识别各种在线学习行为模式。除了教育数据挖掘与学习分析，如何利用数据可视化技术让复杂的分析结果以更加直观、易于理解的方式呈现给用户，也是教育大数据发展过程中亟须解决的重要问题。(https://www.daowen.com)
《报告》认为，学习分析是指综合运用信息科学、社会学、计算机科学、心理学和学习科学的理论和方法，通过对广义教育大数据的处理和分析，利用已知模型和方法去解释影响学习者学习的重大问题，评估学习者的学习行为，并为学习者提供人为的适应性反馈。例如，教师和学校可根据学习分析的结果，调整教学内容、对有学习失败风险的学生进行干预等。学习分析一般包括数据采集、数据存储、数据分析、数据呈现和应用服务五个环节。
《报告》中有关教育数据挖掘和学习分析应用领域的内容主要来源于对领域内公开发表和未公开发表文献的综述，以及对领域专家的访谈。教育数据挖掘和学习分析应用领域主要包括：学习者的知识、行为和经历建模，学习者建档，领域知识建模和趋势分析。详细应用领域情况如表8-1所示：
表8-1 教育数据挖掘和学习分析应用领域
（续）
（续）
