大數(shù)據(jù)時代量化自我支持的個性化學習研究*

吳金紅

（武漢紡織大學 管理學院，湖北 武漢430073）

科技的發(fā)展拓展了人類認識世界的能力，而穿戴式傳感器、智能手機等移動智能終端的普及，則帶來了一種新趨勢——量化自我。量化自我是采用技術(shù)手段來認識自我的新嘗試，與隨時隨地掌握個體差異的功能與教育倡導的個性化不謀而合，量化自我成為深化發(fā)展個性化學習的新契機。2014年，美國新媒體聯(lián)盟發(fā)布《NMC地平線報告》，在報告中指出量化自我將取代可穿戴技術(shù)，成為未來4～5年在高等教育領域內(nèi)的關鍵技術(shù)。[1]目前對于量化自我如何與教育教學相結(jié)合成為一個研究熱點，本文在解析量化自我的基礎之上，探討了量化自我支持的個性化學習體系及其特征，最后分析了量化自我在個性化學習中應用面臨的現(xiàn)實挑戰(zhàn)。

一、量化自我的含義

量化自我并不是最近一兩年才出現(xiàn)的新概念，早在上個世紀70年代，就有人提出人本主義計算（Humanistic Computing）的理念，提倡運用穿戴式傳感器等技術(shù)手段來記錄人的行為、生理信息，通過這些數(shù)據(jù)來了解人類的智能、心理和行為。[2]由于當時的信息技術(shù)限制，可穿戴裝備尚處于概念階段，這種通過數(shù)據(jù)量化自我的理念并未受到人們的重視。近年來，隨著智能手表、智能手環(huán)和電子項鏈等微型可穿戴設備的發(fā)展，使收集自身數(shù)據(jù)、觀察身體狀態(tài)變化等復雜的過程變得輕松、簡便和廉價，量化自我再次進入人們的視野，并逐漸成為了一種社會運動。2007年，《Wired》雜志主編凱文·凱利（Kevin Kelly）正式提出了“量化自我（Quantified self）”的概念：“運用技術(shù)手段，對個人生活中有關生理吸收（Inputs）、當前狀態(tài)（Status）和身心表現(xiàn)（Performance）等方面的數(shù)據(jù)進行獲取?！保?］之后，人們從不同的角度對量化自我進行了闡釋，也有人將量化自我稱作“自我跟蹤”（Self－tracking）、“生理數(shù)據(jù)”（Body Data）或者“生活駭客”（Life Hacking）等。[4]

目前對于量化自我的研究尚屬起步階段，筆者以量化自我為關鍵詞，搜索WOS和CNKI，得到為數(shù)不多的幾篇論文。梳理這些論文和當前量化自我的實踐，我們可以從以下幾個方面來理解量化自我：

1.量化自我的緣起

量化自我緣起于人類對自我探索的渴望和對健康的追求。自古以來，人們對了解自身、認識自我就有很強的探索欲望。社會的進步，財富的積累，使人們越來越關注自身的健康。而同時，專業(yè)體育和醫(yī)療領域基于身體數(shù)據(jù)測量與觀察的成功案例，也讓普通人產(chǎn)生了強烈的量化自我欲望。

2.量化自我的基礎

信息技術(shù)的發(fā)展和智能可穿戴設備的普及是量化自我的基礎。普適計算、云計算、移動計算等新一代計算技術(shù)，讓量化過程無處不在。移動網(wǎng)絡、無線網(wǎng)、傳感網(wǎng)等泛在網(wǎng)絡，讓量化數(shù)據(jù)隨時隨地可以無障礙傳輸；電子化的手表、手環(huán)、項鏈、體重秤、眼鏡、手機等移動智能終端，讓數(shù)據(jù)收集無處不在；Fitbit、Jawbone UP、Nike Fuelband、Bodymedia、樂瘋跑等基于IOS或者Android的APP，讓量化自我簡便易行。

3.量化自我的手段

總體上看，量化自我的主要手段是穿戴式傳感技術(shù)與大數(shù)據(jù)挖掘。前者帶來了數(shù)據(jù)獲取范圍和方式的變革，后者帶來了認知模式的變革。通過可穿戴式傳感器，隨時隨地感知身體和周圍的環(huán)境變化，自主地獲取人體數(shù)據(jù)并且不打擾個體。而大數(shù)據(jù)則讓人的認知模式發(fā)生了變革，運用數(shù)據(jù)挖掘從大數(shù)據(jù)中提煉出對事物本質(zhì)與規(guī)律的認識，人們的認知模式由經(jīng)驗驅(qū)動變?yōu)閿?shù)據(jù)驅(qū)動的量化認知模式。

4.量化自我的數(shù)據(jù)

量化自我的數(shù)據(jù)包括個體數(shù)據(jù)和社會數(shù)據(jù)兩大部分。個體數(shù)據(jù)是個體生理行為的數(shù)據(jù)，如體重、計步、睡眠時間、消耗食物卡路里、空氣質(zhì)量、壓力指數(shù)、皮膚電導、血氧飽和度等數(shù)據(jù)。[5]量化自我最初的目的就是通過對這些數(shù)據(jù)、可視化、交叉引用分析，來研究分析自身。社會數(shù)據(jù)是個體與其周圍環(huán)境交互的數(shù)據(jù)，包括文字、照片、聲音、視頻、地理位置和消費記錄等數(shù)據(jù)。

二、量化自我支持的個性化學習

個性化學習是一種以反映學生個性差異為基礎，以促進學生個性發(fā)展為目標的學習范式，是教育學一直提倡和追求的目標。然而效果一直不夠理想，追究其原因，就是對于學習者的個性化差異把握不夠。量化自我采用一種數(shù)據(jù)化的方式來認識自我，為學習系統(tǒng)實時提供學習者個性化的學習需求、學習狀態(tài)和學習情境，建立個性化的學習興趣模型。圖1是量化自我支持的個性化學習體系的概念圖。

圖1 量化自我支持的個性化學習體系

量化自我支持的個性化學習體系是一個網(wǎng)狀結(jié)構(gòu)的學習網(wǎng)絡，通過教學網(wǎng)、知識網(wǎng)、學習網(wǎng)和社交網(wǎng)將學習者、教學者、知識社區(qū)和學習資源等各個主體平等地連結(jié)在一起。學習者通過量化自我工具實時地收集自身及周遭的生物信息、生理信息、運動信息、遷移信息等，并將這些數(shù)據(jù)發(fā)送到大數(shù)據(jù)系統(tǒng)中；大數(shù)據(jù)系統(tǒng)借助云計算和大數(shù)據(jù)分析技術(shù)，構(gòu)建學習者的個體學習模型，并結(jié)合學習者個性化的學習需求、實時化的學習狀態(tài)和特殊化的學習情境，向教學工作者反饋學習者的興趣、狀態(tài)和適當?shù)慕虒W建議；[6]教學工作者根據(jù)學習者量化的自我數(shù)據(jù)，實時調(diào)整教學內(nèi)容、教學方法，并反饋到學習者的移動學習終端；同時，學習者通過無所不在的社交網(wǎng)絡，與知識社區(qū)中的其他人進行交流，獲得支持和更多的知識。

量化自我支持的個性化學習系統(tǒng)中，大數(shù)據(jù)中心起到關鍵的作用。這實質(zhì)上反映了當前教育理念的變革：由任務導向轉(zhuǎn)變?yōu)閿?shù)據(jù)導向。以往的學習由一個個教學任務構(gòu)成，教學資源、教學大綱、教學內(nèi)容都圍繞著完成教學任務，卻忽略了教學中最重要的組成部分——學習者。量化自我的個性化學習用量化數(shù)據(jù)來監(jiān)測學習者的狀態(tài)、能力，由個性化的數(shù)據(jù)來驅(qū)動教學內(nèi)容、教學方案和教學資源的運用。與傳統(tǒng)的學習模式相比，它具有以下一些優(yōu)勢：

1.量身定制的因材施教

因材施教一直是為人所樂道的教學圣典，因為它能夠根據(jù)學習者的學識、能力和狀態(tài)來安排教學的內(nèi)容。個性化學習的目標就是要達到這種因材施教的效果。以往的個性化學習系統(tǒng)通常采用用戶建模的方式，由學生自行選擇或輸入自己的興趣愛好，生成模板，然后為學習者提供相對應的學習資源。這種生成的靜態(tài)模板不能包含動態(tài)變化的學習狀態(tài)。我們知道，學習狀態(tài)對學習的效果影響很大，同一個人在不同壓力不同環(huán)境下學習的效果相差巨大?，F(xiàn)實生活中，有經(jīng)驗的教學者會根據(jù)學習者學習狀態(tài)的變化，在教學內(nèi)容、教學強度、教學方法方面做出針對性的調(diào)整，實現(xiàn)因材施教的目標。

而在量化自我的情境下，通過量化自我的工具，教學者可以隨時隨地收集到與學習者生活方式、學習方式、知識結(jié)構(gòu)以及外部學習環(huán)境相關的情境數(shù)據(jù)，通過分析集成，幫助教學者制定有針對性的、個性化的教學方案。同時，可以根據(jù)學習者的生理數(shù)據(jù)，推斷出學習者的學習狀態(tài)、精神壓力，實時地調(diào)整教學進程、教學強度和教學方法。最主要的是，這種學習狀態(tài)變化是以一種很容易理解的方式表征出來，不需要多少經(jīng)驗就可以覺察得到。

2.目標明確的自我超越

技術(shù)是人類的延伸，量化自我無限擴展了人的感知本能，人獲得了對身體、意識、行為和環(huán)境的全視能力，那些非意識領域的不可知都通過數(shù)據(jù)呈現(xiàn)為可知，同時，通過數(shù)據(jù)的實時記錄和歷史記錄，讓認知過程突破時間性。[7]量化自我借助于信息技術(shù)手段來認識自我，將一個個復雜的模糊的過程通過數(shù)據(jù)呈現(xiàn)出來，成為人可以超越的明確目標。人與動物的區(qū)別就是在不斷的超越中得到進步，并且在這種超越中獲得成就和愉悅。比如，對于期望通過跑步來增強體質(zhì)的人來說，能夠堅持的距離反映著身體的健康程度。身體健康程度用跑步的距離進行量化，這樣多跑100米就是一種超越，就會感到身心愉悅，甚至會在社交APP上與好友分享這種喜悅。

學習也一樣。南京大學的桑新民教授指出，“學習的本質(zhì)是人類個體和人類整體的自我意識與自我超越”。量化自我與學習過程相結(jié)合有助于幫助學習者清楚地認識自身的知識水平，激發(fā)學習者內(nèi)心的學習動機，獲得成功的喜悅，實現(xiàn)不斷的自我超越。比如，背單詞的APP會記錄學習者每天學習的單詞數(shù)，給出學習者單詞量的評估，對于學習者來說，這些量化的數(shù)據(jù)都是自己要超越的目標，也是繼續(xù)學習的激勵因素之一。量化自我為自主學習提供了一個新的認知模式，過程量化、目標量化、效果量化，復雜模糊的學習轉(zhuǎn)變成目標明確的自我超越過程。

3.認知領域的無限擴展

無所不在的泛在網(wǎng)絡將學習網(wǎng)絡、知識網(wǎng)絡、教學網(wǎng)絡和社交網(wǎng)絡連結(jié)起來，為量化自我的學習者提供了一個無限的知識空間。在這個知識空間中，相互抱團，形成興趣聯(lián)盟；教師、公司職員、圖書館館員或其他人員、機構(gòu)等自發(fā)形成動態(tài)的知識社區(qū)；MOOCs、可汗學院、精品課程、微課程等通過泛在網(wǎng)絡構(gòu)建無所不在的學習資源網(wǎng)絡。任何感興趣或者必需的知識都可以通過無所不在的泛在網(wǎng)絡、學習網(wǎng)絡、知識網(wǎng)絡得到學習資源，任何時候都可以通過協(xié)作性社交網(wǎng)絡與興趣同盟進行交流。更為重要的是，知識空間中的所有個體相互學習、協(xié)作和幫助，并且在學習過程中不斷聚合，自發(fā)形成知識導師（不一定是教師），“認知孤島”將不復存在，讓學習者的認知領域得到無限擴展。

4.極具智慧的學習智能

在量化自我支持的個性化學習中，技術(shù)和設備將深度參與到教學和學習中來?？纱┐髟O備、大數(shù)據(jù)挖掘、泛在計算等相互協(xié)作，每時每刻都在關注著學習者的動態(tài)，探測和判斷學習者的行為。量化自我工具隨時隨地記錄學習者的顯性數(shù)據(jù)（如體征數(shù)據(jù)）和隱性數(shù)據(jù)（如情緒數(shù)據(jù)），大數(shù)據(jù)挖掘?qū)崟r集成和發(fā)掘?qū)W習者的學習規(guī)律和學習狀態(tài)，提出適當?shù)膶W習指導、干預、追蹤和反饋；泛在計算則不斷優(yōu)化學習資源和知識資源的提供路徑，為學習者提供最適合的知識支持。

現(xiàn)代技術(shù)的深度參與為學習者提供強大精確的學習智能，將極大限度地提升教學和學習效果。例如，通過對學習者的分析，可以發(fā)現(xiàn)其學習習慣中存在的問題，及時地給予技術(shù)或者行動上的指導；在學習過程中，根據(jù)學生的體征數(shù)據(jù)，計算學生的情緒狀態(tài)，及時幫助教師調(diào)整教學強度和教學方法等。另外，與以往技術(shù)促進教學不同的是，這種技術(shù)的深度參與卻不會干擾學生，所有的過程都是在悄無聲息地自動進行，不會分散學生的注意力。

三、面臨的挑戰(zhàn)

量化自我將學習者徹底融入到學習過程之中，有望實現(xiàn)真正的基于個體差異化的個性化學習。然而，作為一項跟蹤或進行分析個體數(shù)據(jù)的一種“新運動”和“新潮流”，要廣泛應用到個性化學習之中，還面臨著眾多的現(xiàn)實問題，其中最為困難的有以下幾個方面：[8]

1.數(shù)據(jù)隱私問題

量化自我支持的個性化學習，重點在于將量化自我工具收集的自我數(shù)據(jù)應用到個體差異分析中，也就是說要分享個人的隱私數(shù)據(jù)。量化自我的數(shù)據(jù)存入個性化學習系統(tǒng)的數(shù)據(jù)庫中，成為一筆不可多得的寶貴財富。就像錢存入銀行，如何處理它就由銀行來決定一樣，量化自我數(shù)據(jù)能否應用到合法的途徑，能否被保護不被肆意傳播，成為個性化學習首先要解決的問題。

目前，個人隱私數(shù)據(jù)安全問題不是個性化學習系統(tǒng)獨有的挑戰(zhàn)，同樣是整個大數(shù)據(jù)時代都要面臨的挑戰(zhàn)，各國也在加強對互聯(lián)網(wǎng)隱私的研究和立法。以美國為例，早在1970年，美國就通過了《公平信用報告法》法案，該法案主要是為了應對大型主機對隱私的威脅，規(guī)定個人財務信息只能用于信用、保險以及就業(yè)等三個方面。1986年頒布了《電子通訊隱私法案》，禁止電子通信服務供應商將服務過程中產(chǎn)生的通訊內(nèi)容提供給任何未經(jīng)批準的實體。2014年5月，美國白宮發(fā)布2014年度“大數(shù)據(jù)”白皮書，其中專章解讀“美國隱私法案與國際隱私法框架”以及“大數(shù)據(jù)對隱私法的啟示”，意在對已有隱私法更新完善。[9]

2.數(shù)據(jù)發(fā)掘問題

信息系統(tǒng)理論里有一個GIGO（Garbage In，Garbage Out）原則，即輸入的是垃圾數(shù)據(jù)，輸出的同樣也是無價值的信息。這個原則同樣適用于量化自我支持的個性化系統(tǒng)。要使用有效、高質(zhì)的量化自我數(shù)據(jù)，首先要解決多源數(shù)據(jù)的整合問題，如果不能有效地整合，就無法全面、精確地解讀學習者，不能真正表征出個體的差異性，就更不能實現(xiàn)真正意義上的個性化學習。目前市面上的量化自我工具五花八門，量化自我的數(shù)據(jù)類型也多種多樣，有文本、圖形、圖像、聲音、視頻等多種類型。

其次要解決的是量化自我數(shù)據(jù)的挖掘問題。個性化學習需要的不是單獨的數(shù)據(jù)，而是從量化自我數(shù)據(jù)中挖掘出反映個體差異性的特征，那么如何才能挖掘出有價值的知識，又如何評判哪些是有價值的知識呢？同時，個性化學習系統(tǒng)需要近乎實時地獲得這些個體差異特征，那么如何從海量的量化自我大數(shù)據(jù)中，實時地解讀出個體差異性特征以及這些特征的動態(tài)變化呢？

3.教學模式問題

個性化的關鍵在于對學習行為的建模、分析與預測，根據(jù)學習者的學識、能力和學習狀態(tài)，及時在教學內(nèi)容、教學強度、教學方法方面做出針對性的調(diào)整，從而為每個學生打造一個量身定做的學習規(guī)劃。那么如何在教學過程中讓學生既要學習體系化的知識，又要在教學中恰到好處地調(diào)整教學內(nèi)容、教學強度和教學方法呢？國外有學者做了一些探索性的研究，如華盛頓大學的研究者Consolvo等嘗試以游戲的方式來吸引學生參與到健康活動之中。[10]研究中，Consolvo教授設計了一個虛擬花園，他巧妙地將花園中的鮮花長勢與量化自我數(shù)據(jù)結(jié)合起來，量化數(shù)據(jù)來自學習者，量化自我數(shù)據(jù)越高，虛擬花園中的鮮花越茂盛。為了鮮花越長越好，學生不斷加強鍛煉，既身心愉悅，也達到了教學目的。

四、結(jié)束語

量化自我是人類認識自我的一種數(shù)據(jù)化探索，將自我量化數(shù)據(jù)融入到學習體系之中，能實時自動感知學習者的個體差異，實現(xiàn)真正的個性化學習和教育。本文探討了量化自我支持的個性化學習的含義、基本體系及主要優(yōu)勢，分析了當前量化自我在學習中應用所面臨的挑戰(zhàn)。量化自我無疑給教育和學習模式帶來了全新的沖擊，如何將這種“時尚”和“潮流”正確地引入到教學之中，尚需要深入的研究。相信在不久的將來，智能的可穿戴設備和強大的大數(shù)據(jù)技術(shù)必將給我們的學習帶來更加可供決策的數(shù)據(jù)和創(chuàng)新，我們的教育教學方式也會越來越精準，越來越精彩。

[1]焦建利.《地平線報告》2015高等教育版發(fā)布[EB/OL].http：//www.jiaojianli.com/8440.html.

[2]M ann,S.Humanistic computing："W earComp"as a new framework and application for intelligent signal processing[C].New York,USA：Proceedings of the IEEE,1998,86(11)：2123-2151.

[3]Kevin,Kelly."W hat is the Quantified Self?"[EB/OL].http：//www.webcitation.org/66TEY49wv.

[4]陳然,楊成.量化自我：大數(shù)據(jù)時代教育領域研究新機遇——2014年地平線報告研究啟示[J].現(xiàn)代教育技術(shù),2014(11)：4-10.

[5]鄭悅.你怎么知道自己不是傳感器？[J].IT經(jīng)理世界,2013(6)：82-83.

[6]張枝實,張吉先,林卉.量化自我技術(shù)教育應用的現(xiàn)狀和趨勢研究[J].中國遠程教育,2015(3)：66-72.

[7]劉振聲.“量化自我”——從數(shù)據(jù)化個體的角度重新審視“大數(shù)據(jù)”[EB/OL].http：//media.people.com.cn/n/2014/0321/c150620-24705386.html.

[8]焦建利.量化自我及其對學習的意義[EB/OL].http：//www.jiaojianli.com/6937.html.

[9]屈一平.大數(shù)據(jù)：隱私黑洞與蒼白立法[EB/OL].http：//finance.eastmoney.com/news/1622,20141010432557332.html.

[10]Consolvo,S.,M cDonald,D.W.,Toscos,etal.Activity sensing in the w ild：A field trial of Ubifit Garden[A].Proceedings of the SIGCHI Conference on Human Factors in Computing Systems[C].Florence,Italy.2008.