数据：用于预测还是学习?

　　对于数字化学习数据的最常见疑问就是预测，包括对毕业、流失，以及诸如修习课程模式等对未来产出的预测。但是需要牢记的一点是，在所有教育改革过程中，衡量预测和实际产出之间差距的预测标准都是不准确的。相反地，衡量采用预测算法时学生的学习效果和没有预测算法时的差距，这个标准才有重大意义。我们发现，人们对技术复杂的预测模型和对错综曲折的学习途径的关注是不成比例的。而且，为了确定学生和教师是否能使用数字化工具来提高学习效果，要进行严格的实验设计，但是极少有人关注此事。

　　简而言之，如果预测模型说某个学生将会失败，我们要让这个预测只有在无法干预的情况下才能成真。如果这个学生真的失败了，应当看作是整个系统的失败。预测模型应该是预测-响应系统的一部分，这个系统要对没有响应的失败情况做出准确预测，而且启动响应使得预测变成错误(例如，准确预测在特定的干预下学生将会成功)。在良好的预测-响应系统中，所有预测都最终被负反馈调整。展现这一效果的最佳经验方式是在系统分派上引入随机变量，例如将预测-响应系统随机地分派给部分学生而不是全部学生。这个方法极少用于在校高等教育，而数字化数据的存在使之变得可行。

　　   大家是怎么看的呢？