探索｜大数据在英国高校的应用案例

本文摘取英国联合信息系统委员会（JISC）的研究报告《学习分析--英国高等教育和成人教育现状》部分内容，以帮助国内高校了解教育大数据在英国高校中的应用与发展。该报告主要探讨英国部分大学和学院在学习分析方面的发展现状，对英国10所大学、2所学院以及伦敦大学计算中心的高级管理人员、学者、信息技术部门的管理人员、图书馆和教育技术单位的管理人员等进行采访，深入了解实际发展情况，其中涉及教育数据的采集、分析、应用模型以及未来发展预测等部分。

　　贝德福德郡大学

　　贝德福德郡大学出于学生留存率的考虑，通过收集学生相关数据对学生出席和参与情况进行监控。这些数据包括：去图书馆次数、图书馆使用情况（借阅的书目）、上课情况和在校园情况、学生信息帮助台（SiD）使用情况、虚拟学习环境使用情况（Blackboard）、网络登录情况（Novell）、e-Vision使用情况（学生个人信息和考试成绩）、作业提交情况、参会情况和参加考试等。

　　贝德福德郡大学致力于将数据转化为关键的管理信息，正试图利用Oracle、Excel、SharePoint和ReportBuilder来实现项目报告工具的标准化，方便贝德福德郡大学内所有的管理人员和教职员工使用。虽然目前为止，很难确定因分析技术的使用而直接提高了留存率，不过，一些证据表明，贝德福德郡大学的出勤率和图书馆的出席率得到了提高。

　　目前贝德福德郡大学所面临的挑战是，如何利用正在数据仓库中集聚的“大数据”。教学大数据可以完成很多事情，但现阶段收集数据、分析数据的成本很高，且院校的专业知识不足。这需要以后有更多的高管参与业务智能和分析技术，并共同努力制定一个包容的高层战略，将所有现有的项目和线索整合在一起。

　　布里奇沃特学院

　　布里奇沃特学院使用教学大数据的主要驱动因素是支持其学生要取得比全国相似入学水平的学生的平均成绩更好的成绩。

　　为此，布里奇沃特学院使用称之为“第三级增值数据”的第三级国家数据集，它由来自授权组织的数据组成，如Edexcel（英国爱德思国家职业学历与学术考试机构）和OCR（牛津、剑桥和RSA考试局）。主要跟踪16～18岁的学生，从其第2级成绩到第3级成绩（包括第A级成绩和大多数职业资质），用此来指明学生是否达到了高于或低于全国平均成绩水平。

　　除了国家数据集，学校已经开发了自己的数据系统--布里奇沃特学院增值数据。根据学生之前的成绩、出勤记录、愿望和其它因素（如是否为护理员），创建个人档案。一些学生不是学校活动的“常客”，或者来自经济条件不是很好的家庭，布里奇沃特学院就要为此找到最好的办法来支持积极主动的学习行为和态度，以便这些学生都能取得成功。

　　数据分析系统可供指导教师使用，例如，如果学生出现严重的、有关心理健康的问题或者当无家可归时，可将该学生信息提交给高级指导老师。

　　德比大学

　　德比大学全校很大一部分学生来自黑人和少数族裔，许多学生背负照顾家庭的责任或是残疾学生。基于此，德比大学通过调取分析学生相关数据，希望能更好地了解学习者及其各种各样的需求，着力提高学生成绩和丰富学生经验。

　　2010年，德比大学启动学生经验“红绿灯”项目（SETL）。主要调取29个维度的数据，确定监控学生的参与情况。这其中，包括教程和讲座的出勤率和互动情况、成绩单、教学评测中的表现、对虚拟学习环境中资源的访问情况、入学资质和背景，以及校外责任，如照顾孩子、年龄资料和兼职/全职状况。

　　德比大学考察了QlikView（可视化数据的主要系统），认为建立一个数据仓库系统会更有效地储存数据。因此，德比大学正在开发一个数据仓库，主要面对存放在学生信息系统中的学生记录数据。

　　拉夫伯勒大学

　　拉夫伯勒大学开发Co-Tutor系统，该系统旨在整理和可视化数据的系统，它们为特定的教职员工群体而定制，以便教师展开教学活动。Co-Tutor系统使用数据作为一个通往各个学生学习经验的窗口，实现自动的消息通报，以便在适当的时候予以提醒、提出问题。

　　目前学校正在开发一个关于Co-Tutor的学生门户网站。另外，通过学生实习活动来开展的一项研究分析了什么是教育数据，以及可视化对学生的重要程度，以帮助确定网站开发路线图。校方认识到，需要一个更加移动和友好的接口，以便从拉夫伯勒大学的各系统中获取教育数据。

　　Co-Tutor的数据采集自多个系统，包括：VLE（Moodle）；学生信息系统（一个定制的系统）；时间表系统；保存用户照片的安全系统（Symmetry）；考勤监控系统（Attendant）和作业处理系统（CASPA）。目前尚未纳入任何来自图书馆的数据，但希望能连接阅读列表系统（LORS）和图书馆借阅记录。

　　拉夫伯勒大学的各种各样项目正在进一步积累关于学习者的数据，这些包括连接系统，负责记录物理的和虚拟的课程作业提交情况、自动获取考勤数据和反馈意见、电子资料等。这在未来会起到很大的作用。

　　东伦敦大学

　　东伦敦大学很早就开始收集学生考勤数据，对学生实施考勤监控。数据主要来自于磁卡考勤数据，该部分数据保存在SQLServer数据仓库中。其他数据主要是，学生信息系统关于成绩数据和学生特征、来自虚拟学习环境的活动数据（Moodle）、图书馆活动（Athens）、物理图书馆借贷报告、课程接收活动、免费图书下载活动等，这些数据则被传输到Oracle数据仓库中。东伦敦大学部署应用了一个业务智能工具--QlikView，来对系统中的数据进行可视化分析。

　　QlikView可用的数据包括：学生个人信息页面，显示出勤百分比、成绩和其它特征；每个学生每个星期一份显示Moodle活动的报告。学校以及个人能够查看数据，图形显示明确的出勤率与模块分数之间的关联关系。

　　学校每月都会自动向学生发送电子邮件，显示其出勤率。出勤率也会放到学生门户网站（UEL+）上去，这样学生在其上就可以查看自己的出勤率。如果学生的出勤率没有改善，那么系统会向学生发出警告，最终可能撤销其学习资格。

　　诺丁汉特伦特大学

　　诺丁汉特伦特大学未来计划将更多的数据提交到学生自己手中，这样，学生就可以自主管理学习行为，同时，学校会为其开发一个手机界面。

　　之前，诺丁汉特伦特大学的数据资源主要来自于学生信息系统、图书馆系统、智能卡和评估系统等。并为指导老师开发了一个仪表板，用于与学生讨论表现情况。系统从七个来源获取数据，使用关于课程考勤情况、资源使用情况、评估意见书、图书馆借贷情况、刷卡情况和学业历史等的数据来计算出席率。

　　目前，该模式没有明显弊端，学校希望以一种对教职员和学生来说都更富有激励性的方式来指导学校生活，所以校方希望日后数据能够提交到学生自己手中。