教育大数据,想说爱你不容易_数据分析师

近两年，“大数据”在教育领域日益成为热点名词，和“在线教育”相呼应。从今年新东方、学大等教育机构发布的教育产品来看，几乎每一款产品都会提到大数据。既然如此受到重视，那么在当下教育领域，“大数据”有何特点？又有何作为？

专家指出，目前国内教育领域的“大数据”仍处于概念阶段，大家都在起步和探索过程中，尚无比较成功的大数据应用案例，不少大数据应用也都处于较浅的层次。不过，随着教育大数据的不断积累和深入发展，“大数据”必将有利于我们的个性化教育，对教学和管理产生深刻影响。

随着“大数据”概念不断升温，教育行业如今也被认为是大数据可以大有作为的一个重要应用领域。几乎每家不甘落后的教育机构都在拥抱大数据，把大数据当作在激烈竞争中脱颖而出的秘密武器。

“其实，十几年前我们就在做数据仓库和数据挖掘。如今大数据这个概念兴起，主要基于两点，一是数据海量增长，处理样本数变多；二是物理运算能力增强，给处理海量数据带来可能。”在计算机博士、朗播网CEO杜昶旭看来，大数据既没有那么神秘，但也不像有些人想象得那么简单。

干扰性数据多 影响统计分析精度

杜昶旭认为，与其他行业的大数据相比，教育行业大数据目前数据量比较小，教育数据噪声也比较高。他解释，目前在线教育不像电商，用户数量庞大，数据可以累积到海量。而且教育垂直属性特别明显，大量数据会分流向不同垂直领域。

而不同垂直领域之间的数据融合度比较低，比如语文和数学的数据很难放到一起来分析；数据噪声简单讲指干扰性数据、无用数据，比如录播视频，用户行为很简单，有暂停、关闭、重看等等，但是这些操作的原因很多，并不一定是没看懂内容，所以干扰性数据非常多，数据统计分析的精度会受影响。

“此外，教育数据标准化程度非常低。数据大致可分为结构化数据和非结构化数据。以描述人一个人打比方，结构化数据就是人的身高、体重、性别；非结构化数据则可以是人的声音、照片等。”杜昶旭说，很多教育数据比如视频数据、语音数据等都是非结构化数据，数据模型构建会比较复杂，“所以，教育大数据需要解决数据量和数据处理的问题。”

优质技术分析 要有一流试题保障

互联网教育研究院院长吕森林也指出，教育大数据分析并不是有数据就可以，如果数据中有很多垃圾数据，那么分析得出的结论也可能是垃圾结论。

“比如题库类产品，一道题可能需要20多个指标来分辨学生各方面的情况，如区域、学科、难度、知识点等等，如果试题质量比较低，区分度比较低，那做大数据分析的意义就不会太大。此外，现在的大数据分析多集中在选择、判断等客观题，对带有步骤的主观题、作文等进行统计分析则有更高难度。”因此，题库的大数据分析看起来比较简单，但实际上技术、资金门槛都比较高。