教育智能相比其英文Education Intelligence(EI)来说更加抽象,不过希望下面的分析可以使其更加具体一些。
在理解EI之前,让我们先来看看"BI". BI, Business Intelligence, 是这样被定义的:
English Definition:
Normally describes the result of in-depth analysis of detailed business data. Includes database and application technologies, as well as analysis practices. Sometimes used synonymously with "decision support," though business intelligence is technically much broader, potentially encompassing knowledge management, enterprise resource planning, and data mining, among other practices. (source)中文定义:
这个过程包括分析和挖掘结构化的、特定领域的、经常是存储在信息仓库内的信息, 它使用户能够认清趋势、识别模式、获取洞察力和得出结论。BI过程包括交流发现的信息和处理变化。BI的范围包括客户、产品、服务和竞争者。(来源)
简单来说, BI 是对历史数据进行分析,为商业决策提供合理的信息,增强产品和服务对客户的价值,从而提供产品在竞争产品中的地位。
看到了商业智能之后,我们用类比的方法研究教育智能就不再困难了。
和BI 类似,EI也是对过去的历史数据进行分析。通过分析来发现学习中的原理,从而优化学习方法,提供合理的知识管理体系,帮助建立完善和复杂的学习计划,全面 提升学习的效率。
对历史数据的分析,涉及到两大类数据的处理:
1) 学习者个人的学习历史;对1)类数据的研究,我们可以规范个人的学习,制定合适的学习计划;而对2)类数据的研究,我们便能了解整个知识体系的分布。
2) 众多学习者累计起来的学习现象。
举例来说,对于个人词汇量/阅读/写作能力的研究,我们可以知晓一个学生的英文水平。这个英文水平的确立依赖于各类指标,如英文测验成绩,阅读速度,词汇 总量,写作能力等等各种要素,而其现在所就读的年级关系可能不大。 在我们确立了这个学生的英文水平之后,我们可以为其定制一个下一部分的英文学习计划。
而对于所有英文语料的分析,我们可以得知英文用词的规律和词语的分布。 这个预料一定要广,要涉及到很多不同的语言材料。分析的时候,我们还要分门别类,才可以看出文学家和blogger们的语言风格的不同。根据这个大规模的 语言分析,我们对如何为学生提供合适的学习材料就做到"心中有数"了。
我们旨在实践中不断提供教育数据的分析,并将这些数据应用到我们的产品中,并期望通过我们不屑的努力,可以打造更合适的教育智能产品平台。