好老师和普通老师的区别到底在哪里？也许运气比较好的你，遇到过这样的老师，他们的课堂坐无缺席，无论怎样的学生，只要他们一教，定能提分。这些都会被总结为一个词，叫做“经验”，有经验的老师就像个老中医，一把脉便知道你的弱项，给出针对性的解决方案。

而科技遇上教育，我们便在想，这个虚幻的“经验”，是不是可以在算法和数据的世界里变成确切的程序和关联。而大数据遇上学习，是不是可以让我们看清楚学习动机、学习过程以及学习效果的来龙去脉。考满分的创始人刘庆逊在讨论中表示，希望通过数据采集和数据挖掘，像西医一样，拍个X光片，诊断学生的问题，药到病除。

教育+大数据，可能第一个热点关联词就是“自适应学习”（adaptive learning）。什么是自适应？简单来说，通过收集学生数据，基于知识图谱，用算法匹配到最适合某个学生的学习内容、方法和路径。要做好自适应，那就涉及到第一收集哪些有意义的学生数据以及是否能收集到，第二知识图谱的建立以及知识颗粒的切分，第三算法匹配逻辑。

而除了自适应学习的智能系统外，大数据之于学习的意义还在于学习分析（Learning Analytics）。通过挖掘各类学习、行为以及背景数据，找到学习效果和各个因素的关联，加强我们对于学习的理解。而这种关联和理解，能帮助我们预测学习行为，以修正教育体系和政策。乂学教育的王枫说，大数据即使不是自适应，那些海量数据的学习分析报告也非常有用。

“大”数据，第一步是找到采集海量数据的方法

大数据需要一个量的累计。拓欣菁优的杨栋表示，就目前来说采集K12学生的海量数据并非易事，可能需要某种技术上的突破才能真正采集到大数据。为什么不容易采集到学习的大数据呢？第一、学校作业基本还是在纸上完成，并没有被电子化。第二，虽然有许多学习app，但是大多数家长并不允许孩子们长时间地使用移动设备。第三、能够被采集到的考试数据，其实只是学生学习中的单点，而不是线。一件事情如果不连续，那么数据就是被扭曲的。而要拿到学生数据，可能会是在智能硬件上的突破。

而babycan的万鹏也讲到，在幼教市场，数据的来源有两个：一是幼儿园，二是家长。幼儿园较为保守，很难攻克。而家长是比较愿意记录宝宝的数据，但是采集成本也很高，需要家长主动记录宝宝的成长或者回答问卷中的问题。而智能硬件的产生可能会使得采集数据的过程更为流畅和易于发生。

怎样利用好已经获取的数据更重要

其实除了学习数据，对于学习有影响的还包括行为数据、性格数据、以及学生的背景信息等等。比如一个学生是否学得好，除了他的答题和作业，也许还和他的家庭背景，是不是和辅导员经常交流，甚至和他住在哪间寝室都有关。而超人学院的吴超说，他们除了分析学习数据，还会通过性格数据、行为习惯来预测学生的学习。

而从另一个角度来说，有时候我们有了大数据，却用不起来。这就和最开始的设计有关。乂学教育的王枫说数据一定要有目的的去采集。如果没有目的的收集了各种数据，并不能对我们的研究或者实践有任何指导作用。所以要做好学习分析，需要基于研究证实的数据分析框架，并且不断试验和迭代。

大数据+教育，带给我们许多想象，而更进一步也需要我们对数据采取更开放的态度。独立信息设计师郭瑽表示，由于大家都觉得数据是块金矿就保护起来，所以人为造成很多数据孤岛。而数据集之间的交叉分析能产生更多有意义的结论。

8月26日在未来工场举办了第三期“象话”沙龙，主题为“教育+大数据”。

附-“教育+大数据”讨论参与者名单：

王刚 申请方 创始人

郭瑽 独立信息设计师

吴超 超人学院 创始人

王枫 乂学教育 联合创始人

万鹏 babycan CTO/联合创始人

刘冰 来锐教育 创始人

杨栋 拓欣菁优 创始人

刘庆逊 考满分 创始人

陈庆 智慧流 创始人

马肖风 ATA 创始人