在許多的線上服務網站（如 Amazon 或 Netflix）都會針對不同的使用者特性，提供客制化的服務，而現在網路上也有很多線上學習網站，隨著這些網站與使用者數量的增加，就會產生很多的資料，藉著這些資料就可以分析出學習者的學習狀況，以及該如何針對每個學習者提供個別的客制化教材，並改善學習的成效。
基本上我們可以利用資料採礦（data mining）的方法，從我們搜集的資料中找出我們有興趣的資訊，例如針對特定的學生，各個學習主題的先後順序應該如何安排？學生的哪些反應跟學習成效有關？或是有沒有哪些線上學習網站的特徵可以對學習者有所幫助等等。
找出資料內的一些資訊之後，在經過一些分析（analytics），我們就可以推論出一些有用的結果，例如判斷某個學生該在何時進入下一個學習主題？某個學生在不進行進一步輔導的情況下，他最後的成績如何？或是某個學生是否需要個別的輔導或幫助等。
而這整個學習系統大概可以分為六大步驟，而這六個步驟則構成一個循環：
- 學生進入學習系統，獲得客制化的教材，並透過線上的互動，蒐集資料。
- 將搜集到的詳細資料（包含各種使用者經驗等）存入資料庫。
- 使用搜集到的使用者資料預測該學生未來的表現。
- 整理出預測報表，並整合一些使用者回饋。
- 針對該學生的程度與興趣，提供適合的教材。
- 老師或管理員在需要的時候進行個別輔導。
使用這些新的技術當然也會伴隨著一些成本與困難，例如要儲存大量資料就需要一筆經費維持硬體設備與技術人員，不同的系統間的整和不是一件容易的事，要從大資料中分析出簡要的資訊也很困難，有時候連要拿哪些資料來分析都是很難決定的事情，另外隱私與道德問題也是需要妥善處理的。
最後這張圖給了一些建議，到底該怎麼做，首先要先有一套這樣的想法，然後找資訊背景的人處理大資料的儲存與使用問題，然後在購買學習軟體之前，要先了解這些軟體，最後找一個特定的領域，開始施行，最後看看學生的反應如何。
這裡看起來規劃的很理想，但是其實這裡面有很多很難處理的問題，牽涉到各種軟體、硬體、統計分析、甚至是行為科學等等，真的要做恐怕沒有想像中容易，應該無法在短時間內就做出來，不過對於這些相關領域的研究者而言，倒是個好消息，因為這裡面就會產生許多可以進一步研究的主題。
參考資料：Big Data Startups
沒有留言:
張貼留言