基于大数据视野下心理学与教育学研究变革

来源:用户上传      作者:

　　摘要：大数据是研究领域的重要辅助工具。分析了心理学与教育学的大数据特征及获取方法，阐述了大数据环境下心理学与教育学的研究方法及研究的主要特征，为相关工作人员提供理论参考，发挥大数据的信息整理功能，为心理学和教育学的发展奠定良好的基础。
　　关键词：大数据;心理学;教育学;研究变革
　　大数据即是海量资料，具有规模化、多样性、效率性和价值密度低等特点，能为社会和学科的研究提供有效的理论依据。现阶段，大数据涉及的领域有经济、生产、科技、教育、管理等，打破了传统学术研究的局限性，使研究更为高效和准确。
　　一、心理学与教育学的大数据特征
　　在价格不变的前提下每隔一段时间，大数据系统就会完成一次升级和优化，该理论相似于著名的摩尔定律，与大数据时代的发展不谋而合。随着现代化技术的发展，计算机对数据的储存和处理能力越来越强大，为大数据的发掘和应用奠定了基础。
　　在心理学和教育学中，大数据的应用主要体现在结构化、半结构化和非结构化三個方面。前者属于现阶段研究的主题内容，后两者由于数据量大，内容复杂，未来的发展前景广阔。
　　结构化数据主要是利用图表、数字以及符号等内容呈现的数据，表达类型有纵向、截面和面板三种。纵向是以时间轴为顺序纵向排列的数据，可按照发展情况统计数据并加以分析;截面是将同一阶段的个体水平截取比较，最终获得统计结果;面板是通过多个截面数据的分析比较获得结果的过程，其准确性和客观性较强。
　　非结构化数据是将文本、视频、音频、图片、文档等信息搜集整理，掌握数据的过程。非结构化数据大体上可分为文字、多媒体及行为几种，文字是指网上交流互动中保存的文字记录，也可以是留言评论或文学作品等;多媒体是使将发送到互联网上的视频、图片、音频等内容记录下来的过程，研究人员可基于此对多媒体中的人物展开分析，获取其状态和心理;行为是对个人的日常操作、一举一动进行监控的手段，如网页浏览时长等。
　　二、心理学与教育学大数据获取方法
　　无论是心理学还是教育学，主体皆为人，所以结构化数据通常来自调查问卷、参考文献或实验探究等，而非结构化数据则是通过提取产品使用、服务以及互联网数据等有价值的信息达到研究的目的。具体研究方法如下。
　　其一，最小数据库。顾名思义，最小数据库是研究主体的某一状态或某件事，通过具有代表性的情况来分析主体，相比之下数据库较小，内容较简。由多个最小数据库组成的数据库集需要具备两种优势，一方面可将有价值的代表性数据简化整合，另一方面要求数据完全围绕研究主体展开，变量保持一致。利用最小数据库获取研究信息可避免在大数据中迷失方向，确保数据的客观性。心理学及教育学主要是研究主体的心理动态、学业水平和动机产生的成就，所以最小数据库应以此建立并完善，如，将某校学生作为主要研究对象，需要获取的内容有班级、年龄、性别、身高、体重、成绩、父母职业以及人格量表等，还可酌情增加其他变量，如，民族、籍贯等，成绩和心理是主要研究方向，建立数据库后，整合信息即可统计出数据之间的关系。
　　其二，大数据。随着大数据时代的到来，结构化数据逐渐转变为非结构化以及半结构化形式，操作更为简单便利，数据准确性强，打破了调查问卷、交流访谈等传统信息搜集方法的局限性，使其适应性更强。大数据获取有两种方法，一种是线下获取，另一种是线上获取。
　　线下获取是对各机构数据的获取，如，保险公司关于车险开展调查，将各种车型的出险数据及司机的驾驶习惯数据进行统计处理，进而有针对性地提供保险服务;教育部门为了调查青少年心理健康，开始每五年全国范围大面积地获取统计数据，这些数据可以作为学术探究的参考。
　　线上搜集主要利用互联网技术进行，例如，获取研究对象频繁搜索的字词，了解研究对象的网页浏览速度、网站偏好以及点击习惯等。与此同时，电子设备也可将用户的常用词汇、软件使用情况、通话时间等内容传递给研究人员。再如，智能手环可将用户的行走步数呈现出来。
　　其三，数据仓库。数据仓库是利用众多信息采集工具获取数据后整合而成。其与传统数据库相同点在于储存功能强大，不同点在于支持数据运算处理，为决策提供参考条件。心理学及教育学研究需要将数据采集、筛选、处理、整合等，形成数据仓库，为研究者提供有效信息。如，张强等三人获取了所在地高二学生相关信息，建立了数据仓库并得到了最终研究结果，获取了学生心理和成绩、家庭特征、家长受教育情况等内容。
　　三、大数据视野下心理学与教育学的研究方法
　　（一）分类算法
　　分类算法中包括神经网络、决策树、支持向量机以及贝叶斯等分类形式，可为心理学及教育学研究奠定基础。如，统计高校新生的心理、学习和生活情况建立分类树，最终有效判断其初入新环境的适应能力。现阶段，分类算法在心理学领域的研究应用日益完善，而对于被研究者掌握的知识技能、答题速度以及考查知识的统计和研究也能作为教育教学的参考标准，帮助教师从学生的角度出发，制定符合学生心理特点和认知能力的教学计划。
　　（二）聚类分析法
　　聚类分析法需要将数据归类整理，从同一阶段的数据中寻找特征，将相似性强的数据集中归类，与其他类别组间差距较大。例如，将A、B两市的小学生作为研究主体，研究内容为适应能力，以此为方向将学生一分为三，第一种为交际良好，适应能力强型;第二种为人际关系不佳，孤僻健谈型;第三种为自尊心不强型。就此展开调查，帮助教师有针对性地采取教学方法。
　　（三）关联分析法
　　关联分析要求数据间有必然联系，如，超市销售量的研究，其中交易数据即是销量的最直接体现，但还要分析相关商品之间的关联性，如，牛奶和被子、泡面和泡面碗、水果和水果盒等，可以此为据关联销售，提升经济效益。关于心理学和教育学的例子，如，将高中学生作为研究对象，选取高一、高二学生的入学成绩、现在成绩、学习现状、生活习惯、家庭状况、自我评价内容等，最终发现家庭状况会对学生的成绩产生影响，表现了心理与教育之间的关联性。 　　（四）其他分析法
　　其一，贝叶斯分析法。将分类转化为决策，为学术研究带来了更多的可能性。如，获取学生学习的行为，判断其对任务执行的态度;再如，通过学生学习情况，判断预测学生的成绩走向。
　　其二，数据可视化。若研究变量较少，可通过直方图、散点图、茎叶图、饼图等形式呈现;若空间数据较多，则可使用等高线、切片图等形式呈现;数据变量较多，可通过平行坐标系、矩阵等形式呈现。
　　其三，社会网分析法。社会行为中涉及到的內容较为复杂多样，研究主体可选择组织、个体、社区、集体等，通过相互之间的关系和指标来获取研究结果。教育及心理学研究需要从社会网出发，而网络技术可作为研究媒介，例如，在微博上利用社会网分析方法，提取个体以及社会结构的相关数据，二者之间的深入探究是未来学术研究的主要发展方向。
　　四、大数据视野下心理学与教育学研究的主要特征
　　大数据视野下教育学和心理学研究的特征主要体现在以下几方面。
　　首先，抽样趋近于全面。以往研究多从局部出发，利用抽样调查的方法，将部分分析作为整体研究的代表，而大数据具有海量信息整合处理的能力，可将成千上万的样本采集整合，生成数据结果。这些样本可实现整体范围的研究和调查，避免局限性或制约性，防止结果以偏概全。线上及线下数据的整合和积累可使数据参考价值更强，打破时间或空间上的狭隘眭，使目标选择更为科学合理。
　　其次，定期调查转变为实时获取。传统研究中的调查问卷、参考文献或实验探究需要耗费大量的时间和精力，而且由于抽查的对象自身情况不同，平均水平受到的外界干扰较多;调查环节还可能会受到个体素质、时间、环境、状态等影响。大数据获取信息的方式主要源于网络，研究人员可足不出户获取被调查者的相关信息，通过双向性的交流互动获取数据。无需面对面访谈，可打破时间和空间上的双重局限。网络系统还可直接将采集的信息进行整合处理，在短时间内制得统计图，为分析提供依据。与此同时，研究者和被研究者进行一对一或一对多的互动，能实时掌握其情况，一旦发现不稳定因素能在第一时间更改数据，避免影响调查结果。
　　第三，主观转为客观。传统被调查者或多或少会在问卷中渗入主观色彩，如，实时情绪的变动，获取的结果可能也与平时存在较大差距。大数据时代是客观数据的获取，通过长时间规律性行为的掌控来判断被调查者的心理活动，是一种无法自控的行为，这些数据不会受主观意识所干扰，结果更为准确。
　　第四，因果转为精准。传统学术调查是由因溯果，存在一定的推导性，掌握的只是数据之间存在的关联性或非关联性，而大数据时代可以精确地获得预测数据，根据客观精准的结果制定调整和控制计划，使研究方法更为先进科学。
　　总之，大数据时代给心理学领域和教育学领域带来了研究变革的契机，研究人员应打破结构化研究的局限性，结合大数据内容探索学术研究的更多可能性，从现阶段研究出发，发现数据之间的变化情况和关联关系，借鉴以往成功经验，创造出更多有价值的信息内容，确保大数据环境下研究的实效性。
转载注明来源:https://www.xzbu.com/1/view-14869839.htm