大数据学习有什么方式？在大数据背景下，作为教育大数据时代的学习方式，量化学习引起了研究者越来越多的关注。同时也是基于此，本文将主要回答量化学习面临的几个问题：量化学习是什么？量化学习的技术支持是什么？量化学习的价值意义何在？量化学习面临着哪些发展和挑战？笔者期望能与同行研究者进行探讨，将量化学习有效、切实地推进于教育改革实践中。

　　一、量化学习概述

　　1.新技术不断涌现，高等教育领域中技术应用日新月异

　　翻转课堂、学习分析、自带设备等研究主题在2014—2016年被持续关注，2017 年《地平线报告》（高等教育版）揭示下一代学习管理系统、人工智能、自然用户界面等新的技术即将涌现。除自带设备、翻转课堂、学习分析技术、自适应学习被持续关注外，物联网技术时隔两年也重新获得关注。2014 年《地平线报告》（高等教育版）中学习分析、3D 打印技术等技术发展成熟后。

　　可见自适应学习技术、智能技术、学习分析技术在未来教育教学中的重要性。研究发现，学习分析技术将朝着智能化方向，遵循从描述学习行为到诊断学习者的学习过程再到预测和干预学习过程这样一种思路进行发展。2017 年《地平线报告》（高等教育版） 所预测的关键技术也包括学习分析、自适应学习、增强现实和虚拟现实技术、量化自我、机器学习。可见，在教育大数据时代，数据分析技术与智能技术对于高等教育的教与学具有变革性影响，利用数据驱动教育创新与变革是未来教育领域发展的重要趋势。

　　2.量化学习得到持续关注

　　随着人们对个性化学习需求的增长，自带设备和机器人技术已不能满足学习者的需求，更为前沿的自适应学习和人工智能技术则在2017 年《地平线报告》中得以呈现并成为重要的新技术。混合式学习已经成为学生学习方式的常态。随着可穿戴技术、虚拟现实技术、大数据、人工智能等技术的迅猛发展，教师的教与学生的学等方式正在发生深刻的变化，当大规模开放在线课程、翻转课堂、自带设备、创客空间等应用于高等教育教学时，线上线下的混合式教学已经变成了高校教学改革和应用的重点。在大数据背景下，量化自我、学习分析等技术兴起，量化学习更加关注学习者的学习过程，更加关注人的全面发展，与教育所提倡的个性化学习发展理念契合。未来，在教育大数据背景下，量化学习方式将会逐步成为常态的学习方式。

　　（二）量化学习介绍

　　外关于量化学习的研究较少，刘三指出量化学习的内涵主要包括以下三个方面：量化学习的前提是构建数据化认知，核心是提供个性化学习服务，目标是构筑新的学习方式[3]。维罗妮卡（Verónica） 通过量化自我设备收集和记录学习者学习行为方面的相关数据并进行数据分析，引起学习者进行学习反思[4]。迈克·鲁斯特（Michael Rust）等人将量化自我设备作为学习工具，通过对量化自我设备获得的数据进行分析，为学习者提供相关参考和设计理念[5]。综上，本研究认为，量化学习是在教育大数据背景下，学习者借助新技术、新媒体等手段实现的一种混合式学习，通过学习分析等技术对学习者学习行为所产生的数据进行分析，为实现学习者的个性化学习提供服务。

　　（三）量化学习的特征

　　1.量化学习呈现出性

　　实现量化学习的基本要求是学习资源能被推送，并能个性化地服务学习者。量化学习呈现出性主要体现在学习过程所产生的数据能够清楚地反映出学习者的学习行为、学习节点等，可以帮学习管理师师根据学习过程中产生的大数据进行教学内容和形式上的科学调整，基于教育大数据，可以实现以学习者为中心的自适应学习。大数据、量化自我、物联网、云计算等技术在教育教学中的应用，使学生的学习将具有智能感知、智慧识别、智能推送等特征，而量化学习是借学习管理师育大数据和学习分析技术对学生学习过程和学习结果进行预测，使得教育教学将更加化、个性化、科学化，对于促进教育教学质量和培养全面发展的人具有重要意义。

　　2.量化学习具有实时性

　　在教育大数据时代，量化学习的实时性体现在学习反馈的实时性上，学习者在智慧教育服务平台上的线上学习，可以借助各种学习分析技术迅速地统计出个人的学习情况，线下课堂学习可以借助大数据技术对课堂教学行为、学生学习行为、学生作业回答情况、师生互动等情况进行分析，且实时反馈给教师、学生、管理者，以便对学习者的学习内容、学习目标等进行优化。

　　3.量化学习将更加关注学生的全面发展

　　量化学习在重塑学习方式方面将具有无限的潜能， 而潜能的发挥需要突破现有的学习方式、学习评价，才能助力学生实现巨大进步。当前，学生的学习方式、学习评价、学习过程、学习价值等呈现出一系列的现实难题，而学生的学习方式问题又显得异常复杂，学生能否实现深度学习、具备核心素养，教师能否更加关注学生的全面发展等系列现实问题我们无法回避，然而我们将大数据、学习分析、人工智能等新技术与教育教学进行融合，实现量化学习，或许能解决当些难题。