从最近几年的发展趋势来看，每一波信息技术要素的出现，都会融合到具体的行业中，引发原行业的解构与重组，带来新的机遇与变革。大数据技术自出现以来，已经实现了多行业的技术革新，提高了运营效率，创造了更优的用户价值。现如今，大数据技术与教育领域的融合越来越热，支持与质疑地声音交替出现。理论上讲，AI 教育将构建新的教学形态、内容研发形态和师资管理形态。但实际上，技术只是表象，智能学习分析系统也不是拯救教育系统的那把万能钥匙。当下各大教育机构推出的智能学习软件、自适应学习系统都更像是传统的 LMS 学习管理系统。
　　教育数据挖掘技术到底是否能够推进教育体制改革？学习分析系统又能否进行大规模推广？带着问题，记者专访国内教育信息化领域专家，西南财经大学天府学院信息技术教学中心研究员蒲石。
　　记者：您涉足教育信息化领域多年，已经做出了不错的成绩，自主研发了多项智能学习系统深受业界认可，用户好评。对于当下热门的AI 教育模式，学习分析系统，您如何看待？
　　蒲石：学习分析系统就是使用智能数据、学习者数据，以及分析模型来发现信息的社会性联系，并以此为依据进行学习预测和提供建议。美国高等教育信息化协会曾给出了比较清晰地定义：“学习分析系统是使用数据和模型来预测学生学习进展和成果，并在这些信息基础上采取行动的现代教学模式。”我的理解是，学习分析系统是建立在网络分析技术和数据挖掘技术基础上，让学习者的学习活动，包括鼠标点击、热点地图、社交网络分析、推荐系统等有意义。学习分析系统不只关注数据分析技术，还包括学习者行为、课程地图、个性化和适应性，预测，干预以及决策。
　　记者：数据分析是您的专业，从这个角度来看，教育数据挖掘技术在这个系统中是如何运作的？
　　蒲石：在学习者的原始数据库中，有些数据是非常明确的，比如登录学习管理系统或者发布博客内容，而有些数据则是间接的，比如日常事务产生的过程数据。如何发现这些静静躺在数据库里地隐性数据之间的联系，并将其运作起来，就是数据挖掘技术的意义与关键。随着大数据技术越来越智能化，学习者数据、个人档案信息和课程数据可以以某种形式放在一起进行分析。结合数据轨迹和个人档案以及现有的课程数据，有效利用数据挖掘技术足以帮助学校和教师及时捕捉到学习者学习出现困难的信号。比如通过在学习过程中出现的学习时间的缩短、论坛发言中体现出的挫败感，长时间未登录，缺乏与其他学习者和教师的交流等信号，都可以及时发现学生学习中出现了问题。
　　记者：对于教育数据挖掘技术与学习分析系统，业内出现了支持与反对两种声音，比重相当。目前学习分析系统的发展处于一种怎样的状态？
　　蒲石：目前对于学习分析系统的两种声音，一半来自教育科研人员的支持，另一半是一线教育工作者的反对。确实，目前很多被科技包裹着的“个性化学习”软件并没有带来教学模式的转变和学生成绩的提升，实质上更像是传统的 LMS 学习管理系统。因此各个科研团队对于学习分析系统的研发也有反思，一方面开始重新审视科技在现阶段个性化教育中所能够达到的效果，另一方面也在加速其商业化地进程，缩短从“实验学校”到“大规模可应用”的路程。这种“减速”与“加速”之间地冲突正是当下教育模式所面临的问题。
　　记者：您在这一领域也开展了诸多研发，有怎样的成果和心得？
　　蒲石：以我对于当前学习分析系统的发展现状以及存在问题的调查，我更注重“人” “科技”共同作用的效果。比如基于数据挖掘技术的成绩分析系统和基于机器学习的学生成绩预测系统，都是通过对学生日常学习数据的分析，发现学生地情緒波动、成绩变化，并及时反馈给院校、教师，有针对性地采取相应对策，转变教学方法，帮助学生提高学习成绩，也就有效避免了辍学或延迟毕业情况的发生。目前在各大高等教育学府均有应用，反馈还是不错的。
　　记者：数据挖掘技术与教育领域的结合，未来会呈现怎样的发展趋势？您有哪些规划？
　　蒲石：其实在美国，教育数据挖掘技术已经不再局限于教育统计学领域。我在美国普渡大学院校研究办公室也有任职，以普渡大学为例，院校收集与储存地庞大数据群足以找到其中地联系与规律。对于毕业生而言，你可以在上面找到礼莱、康明斯和波音等毕业生的推荐，了解太阳能、编剧、或者医疗器械等专业的具体情况，帮助学生找到自己喜欢的专业或学校，这对于在读学生而言，可谓是一座金矿。
　　未来地教育数据挖掘，将不仅仅是教室里的屏幕，而是会深入到人们日常学习生活中的每一个领域，实现素质化教学、个性化学习，甚至终身学习的环境与构想，这才是AI 教育模式真正地价值和影响，我也会全力支持教育科技的发展，为推进教育改革贡献最大的力量。