教师和学习分析之间有什么联系
几乎不可能摆脱数据正在改变我们生活的方方面面的观念。“大”数据通常与人工智能和机器学习等思想以及隐私和安全等道德问题混为一谈。当然，这些想法已经进入教育领域，这意味着数据、学习分析和相关想法将对学校、学生和教师产生影响。但是这种效果会是什么样子呢?这对教师职业意味着什么?教师如何准备好安全地使用学习分析提供的工具?
我们已经在生活的许多方面进行了量化。通常，我们选择这样做 - 跟踪我们一天走了多少步，或者我们阅读了多长时间，或者我们花在屏幕上的时间。有些人总是以数字和模拟形式这样做。然而，我们现在正在进入“大”数据时代，这在质和量上都是不同的。大数据的特点主要有四种。首先，数据量——其规模是前所未有的。其次，不同类型的数据(或它的 Variety)。第三，生成这些数据的速度(Velocity)是一个关键特征。最后，数据的真实性或可信度是一个重要的考虑因素。
教师总是使用数据来指导他们的教学。那么为什么“大数据”应该有所不同呢?答案可能不在于收集了哪些数据，而在于如何处理这些数据，而机器学习和人工智能 (AI) 正是在这一点上进入对话的。根据大数据，据称人工智能可能具有半自动化或完全自动化教学设计过程的能力，并且在这样做时比教师自己做得更好。英国政府最近发表的一些评论表明，无论社会经济地位如何，人工智能都可以通过确保所有学生的优质教学来促进社会流动。这种关于计算机辅助教学的说法并不新鲜，目前，尽管有一些新闻报道，但这些承诺尚未实现。
虽然完全自动化的干预可能还有一段路要走，但学习分析可能是寻求增强实践的教师的有用工具。简单地说，学习分析是教育理论、学习设计和数据科学的结合。它试图将可用的大量数据转化为可操作的见解，以帮助教师做出决定，或者让他们自由地做最适合教师做科普体验的事情(通过做比较好由计算机完成的事情)。
这可能发生在许多不同的级别。Simon Buckingham-Shum (2012) 建议学习分析可以在宏观层面运作，例如区域或州、混乱或机构层面，以及微观层面(与群组或个人用户相关)。对于教师来说，学习分析可以在中观和微观层面发挥作用。两个可能的领域是自动和半自动反馈以及自适应或个性化学习。
在自动反馈中，机器学习算法根据学生收集的数据以及学生表现与学生成功模型的一致性向学生提供反馈。这是一项复杂的助孕，可能包括与情境、情感、认知和行为参与以及对预期学习成果的预测相关的措施。目前，像 AcaWriter(在 UTS 试用)这样的工具可以根据学生的写作向他们提供自动反馈，但更复杂的用途还有待开发。更常见的是半自动反馈的概念，其中分析可能会揭示需要注意的特定领域，此时教师可以进行干预。例如，快速测验可能会发现班上的大多数人不理解特定概念;教师可能会决定以不同的方式处理该主题。另一个例子是识别因缺乏参与而面临课程或科目不及格风险的学生，允许教师及早干预。
