2021-02-01
上回说到教育大数据采集的概念、分类和重要性（点此回顾），这回我们来说说教育大数据采集的模型。
教育大数据采集的场景具有多样化的特点，包含教学活动、科研活动、社交活动等，并且这些数据结构异质，涵盖数字、文字、图像、声音或视频等形式。如何将这些多元化的数据建立成可识别、可分析、可应用的模型，这里有两个思路。
“冰山一角”常用来比喻事件背后隐藏了更多的内容，因为在现实中海平面以上的冰山只是很小一部分，海平面下蕴含更多未知，这也是冰山模型的原理。
如果将冰山模型套用在教育大数据的采集上，可以发现教育大数据采集的内容目前使用最多的是管理化、结构化、结果性数据。这些数据位于“海平面”以上，具有显性化、易测量的特点，比如招生信息、学籍管理、人事统计、教务信息等等。
而随着教育大数据的发展，非结构化的、过程性的数据逐渐变得越来越重要，比如学习兴趣、学习行为、情绪状态、教学过程、课堂互动、家校沟通等。这些隐性化、难测量的数据位于“海平面”以下，具有重要的潜在价值。
采集与深度挖掘“海平面”以下这部分数据，有利于加强教育大数据与其他领域（医疗、交通、经济等）大数据的融通和关联，立体化、数字化构建个体与群体等教育大数据体系，进一步增强教育决策的科学性。
除冰山模型外，教育大数据采集的内容结构还可以基于洋葱模型来呈现，从最核心部分向外依次为基础层、状态层、资源层、行为层，分别对应不同的采集方式以及应用场景。
云蝶科技以数据运营服务为核心价值，以智慧教育数据采集智能硬软件为主要产品，研发了一系列智慧教育终端，包含乐教智慧黑板互动显示系统、乐教常态化互动录播系统、乐教智慧班级管理系统、AI教学行为分析系统、乐教纸笔交互系统、乐学智慧作业系统等等。
上述软硬件设备在使用时，无感采集课前、课中、课后数据，用于汇总个人、班级、学校、区域数据，系统分析教学开展情况，挖掘教学薄弱环节，为提升教育质量、促进个性化教育提供必要的支持。
通过以上模型采集的数据，既分门别类又互相促成，共同构建出全面而丰富的教育大数据采集内容。不过，这些内容是通过什么方式被采集的呢，我们下回接着聊。
*部分内容源自《中国基础教育大数据发展蓝皮书》
