索菲·玛丽·奥杜姆（Sophie-Marie Odum）
您生活中的每一个细节（无论您购买什么，去哪里（和谁和谁在一起））都从互联网上提取出来，由数据挖掘公司打包和交易。 大数据分析或挖掘大量数据集以识别趋势和模式，已迅速成为许多部门（包括教育）的标准做法。
数据是从您浏览的网站，购买的商品，社交媒体帖子，客户忠诚度奖励卡以及您在网上听的音乐中收集的。 您最喜欢的品牌使用此信息可以更好地了解您和您的消费习惯，从而可以针对其产品和服务进行营销。 有些人担心隐私受到侵犯，而另一些人则欢迎这种增长的做法。
实际上，越来越多的业务模型建立在大数据之上。 例如，音乐共享平台Spotify和流媒体服务Netflix之所以成功，是因为它们使用看不见的算法来推荐您喜欢的内容。
随着学校寻求改进和个性化学与教，许多学校正在采用数据驱动的方法。 通过使用算法（一系列指令或一组规则），学校可以加深对学生学习方式的理解，并提供必要的支持。 可以将测验和成就分数输入算法，以帮助制定课程，改善教学，区分课堂教学并鼓励教育工作者考虑其他评估方法。 大数据还可以帮助确定某些社区辍学率和旷工的原因。
在世界各地，高等院校都依靠大数据来增强学生人口的种族和经济多样性，以及保留率和毕业率。
这些机构一直在收集有关其学生的信息-从完成某些课程的数量到在一门课程的成绩预测其在其他课程中的成功的准确度-到目前为止，这些信息中的大部分只是出于问责目的收集的，而很少更多。
为学生做好就业准备
英国开放大学的学习技术教授兼数字创新学术总监Allison Littlejohn表示，如果正确使用数据，可能性将是无限的。
“我们可以查看趋势，并获取来自教育和学校系统的一些数据，并将其与国家内部的就业联系起来。 然后，根据未来的工作机会，学校可以调整课程设置。
“从一个层面上看，这看起来很可怕，就像’老大哥’，但我们现在处于一个工作和就业机会不断变化的社会。 我们需要确保学生做好充分的准备，以便在离开学校时能够将目标对准仍然存在的工作，并在以后改变职业生涯，这是他们一生中很可能从事的职业。” 。
开放大学正在使用定量数据来检查学校和教育系统的运作方式。 Littlejohn预测，将来，大多数学生将在网上学习更多，为分析和个性化提供更多机会。
利特尔约翰说：“如果所有学生都有自己的数字设备，并通过这些设备学习，他们将有很多机会与世界各地的老师和其他学生建立联系，收集资源或在线贡献知识。”
“所有这些都可以追溯，我们将能够查看学生可以做出的发展。 老师和家长可以更清楚地看到学生的进步情况。 学校将能够针对学生更好地学习所需的支持，因为一切都变得更加透明。”
IB认为在教育中拥有大数据的潜力。 总干事西瓦·库马里（Siva Kumari）博士希望IB成为数据的基础，这是IB战略2.0的重要组成部分。
Kumari博士说：“大数据提供了一种方法，可以帮助学生进行量身定制的学习。”
“教育界正在唤醒技术，我们希望成为传播最佳实践的组织。 我们有一个非常活跃的社区，它花费大量时间来思考良好的教学，并且我们在全球拥有成千上万的教师，他们都致力于良好的教学。 因此，我们可以作为分发这些做法的平台。”她补充说。
“作为策略2.0的一部分，我们可以快速分享在特定类型学校中运作良好的内容，我们还可以构建预测系统。 但是，我们应该知道如何从学校的数据集中收集，使用和创建情报。 在大多数情况下，我们如何才能成为一个强大的，数据丰富的组织，然后再分发回学校。 所有这些旨在为学生创造一个真正好的教育。”
数据的阴暗面
大数据的潜力巨大，但风险也是如此。 由于算法是由人们产生的，他们可能会有内在的偏见，因此批评家认为算法会反映这些并损害学习。
谷歌的自动完成功能旨在帮助用户完成互联网搜索，这是算法如何产生有偏见的结果和永久的定型观念的简单示例。 但是，同样重要的是，要认识到Google的自动完成功能是基于它从用户和热门搜索中学到的东西。 多项研究发现，性别和种族偏见在课堂上起作用，并且粗心地相信算法会加强而不是消除歧视。
凯西·奥尼尔（Cathy O’Neil）是《数学毁灭性武器：大数据如何加剧不平等并威胁民主 》一书的作者，该书追踪了当今社会计算机化歧视的影响，他说，算法在所有方面都采用歧视性甚至掠夺性方式我们的学校制度对刑事司法制度是有害的。
她认为，从我们不断生成的整个数据领域中得出的算法都被用来反对我们。 她的工作强调了在算法决策的错误方面如何以难以置信的破坏性方式滚雪球。
比利时鲁汶大学的人工智能教授贝蒂娜·贝伦特（Bettina Berendt）表示同意。 “一方面，大数据可以促进公平，并且可以克服偏见，陈规定型观念和歧视。 但与此同时，这会使情况变得更糟。
“正在进行监视的正常化，最终将削弱民主的学习和意识。 这是非常棘手的问题，而且在观察人们的学习行为方面完全没有科学的东西，而且与当前具体处理大数据的方式以及大数据的经济性有关。”
Berendt补充说，大数据和算法会导致标记，从而对开发产生负面影响。 她说：“他们营造了一种氛围，让学生和老师感到受到监视，他们感到一直承受着表演的压力。 传统上，学习环境具有受保护的安全性质。 至少在分阶段中，没有恐惧和竞争压力对学习至关重要。”
她认为，由大公司构建的，可能会有其他议程的系统也会影响数据结果。
Littlejohn说，即使算法可能存在偏差，但与教师相比，偏差可能较小。 “无意识的偏见影响了教学。 通过浏览代码并理解其背后的基本假设，您甚至可以辩称，偏差和算法比无意识的偏差问题少，并且可以解决。”
Kumari博士说，让学生参与进来可以抵消这一点。 “理想情况下，我们的算法将为IB学生创建。 至关重要的是，在创建算法时，尤其是在IB环境中，我们应专注于正确的事情。 我的兴趣是解构概念，我们如何为学生建立学习和脚手架。 例如，我们如何评估学生对掌握新学习所需的先验理解，并帮助他们迈向新的掌握。”
Littlejohn补充说，正确的专业知识在创建算法时至关重要：“算法的成功取决于编码人员，老师和真正了解学习的人们在一起工作的良好程度。 实际收集要得出结论所需的数据也非常困难。
“例如，我们已经知道评估（我们传统上通过测试或考试评估的方式）实际上只是对学习的一种近似。 因此，例如，如果您正在测试物理等科目，并且给学生做计算，那么您只是在测试他们的部分知识，而不是在测试他们的整体工作能力。物理学家。 数据也一样。 我们测量和分析的很多东西都是人们实际能力的近似值。”
大数据还造成一些重大的道德困境。 关键问题包括：儿童数据的存储位置，谁可以访问这些数据以及学生在学习方面有多少选择自由。 例如，开放大学使用预测模型来预测学生是否将通过下一次评估。 所有学生都需要获得许可，但要使该系统有效，需要尽可能多的人员参与。 Littlejohn解释说：“您贡献的人越少，模型的准确性就越低。”
“对于不提供数据的人存在道德困境； 他们还应该从该系统中受益吗？ 其次，一旦我们知道某人极有可能不通过其下次评估，我们将如何处理？ 我们是否告诉他们，如果这样做，我们如何告诉他们，因为我们不能简单地说“我们的系统正在告诉我们您将要失败”。 一旦学生知道了，他们就有失去动力的风险，这可能对学习以及健康和福祉产生其他负面的连锁反应。 因此，我们必须找到能够帮助他们颠覆系统的方法。 这种数据可以用来引导学生走向成功。”
是时候信任大数据了
分析人士同意，教育中的大数据将继续存在。 贝伦特说：“这有点像20年前提出的论点：’应该让互联网进入学校吗？’。”
大数据表征了这些孩子将成长的世界。 她补充说，现在是时候帮助学生理解大数据了。
“为什么不鼓励孩子们建立一个气象站，例如，他们用来收集有关学校花园的大数据。 教育者可以与他们一起分析数据，帮助他们改变成长方式等，以响应他们从大数据中获得的见解。 这样的项目不需要学生监视他人，但是它们将帮助学生学习理解和质疑大数据的使用和滥用。”
Littlejohn认为，组织将来可能会合并不同类型的数据，以提供查看教育数据的全新方法。 她说，现在是教育部门信任大数据的时候了，因为我们会毫不犹豫地向生活中许多其他方面的公司提供信息。
“您认为Google或任何网站拥有您的数据并知道您的位置，您在做什么等情况是否令人恐惧？ 如果我们对使用我们的信息的Google感到非常满意，那么为什么我们对使用我们的数据的学校系统也不满意呢？”
Kumari博士鼓励IB教育者接受变化。 “这一点很重要
她说：“作为我们的国际教育组织，我们可以参与对话并接受这种不可避免性，因为这种可能性已经在我们的日常生活中发生了。” “我们所有人都应该塑造出更新的教学方式和更好的学习方式，这绝对是一项技术优势。”
最初于 2017年10月 在 IB World杂志上发表 。
