美國可汗學(xué)院數(shù)據(jù)平臺功能與數(shù)據(jù)分析框架研究及啟示

（華東師范大學(xué)教育學(xué)部 上海 200062）

可汗學(xué)院（Khan Academy）是由美國薩爾曼·可汗（Salman Khan）在2007年創(chuàng)立的一家非營利性質(zhì)的教育機構(gòu)，它的愿景是“向世界上任何地方的任何人提供免費的一流教育”[1]，滿足渴望學(xué)習(xí)的人們的個性化學(xué)習(xí)需求。2018年6月12日，從發(fā)布世界網(wǎng)站流量排名的公司Alexa官網(wǎng)獲得的信息中我們可以看出，可汗學(xué)院的訪問量在全球所有網(wǎng)站排名中高居第635位，而世界三大慕課網(wǎng)站Coursera、edX和Udacity的訪問量分別為680位、1 027位和1 473位，都低于可汗學(xué)院[2]。訪問人數(shù)之多，足見其受歡迎程度。

從高校圖書館對提升大數(shù)據(jù)應(yīng)用服務(wù)水平的需求來看，可汗學(xué)院的數(shù)據(jù)平臺及其框架在提供學(xué)習(xí)內(nèi)容和數(shù)據(jù)分析方面有非常成功的經(jīng)驗，值得借鑒。

1 可汗學(xué)院的課程與教學(xué)理念

目前，可汗學(xué)院擁有150人的團隊為世界各地的人們開設(shè)了3 500多個視頻課程，內(nèi)容系統(tǒng)全面，涵蓋了數(shù)學(xué)、科學(xué)與工程、計算、藝術(shù)與人文、經(jīng)濟學(xué)和金融學(xué)，還設(shè)置SAT、GMAT等備考科目以及大學(xué)入學(xué)申請培訓(xùn)等共七大類課程[3]，如圖1所示。

這些課程的目的在于給學(xué)習(xí)者提供符合個人節(jié)奏的校內(nèi)外學(xué)習(xí)機會。目前，成千上萬的來自世界各地的學(xué)生都在利用可汗學(xué)院學(xué)習(xí)，它的學(xué)習(xí)資源被翻譯成36種語言，受到不同年齡學(xué)習(xí)者的喜愛。它利用練習(xí)、教學(xué)視頻以及個人學(xué)習(xí)儀表板等為學(xué)生提供課內(nèi)外的學(xué)習(xí)支持，其中數(shù)學(xué)教學(xué)的目標(biāo)是給學(xué)習(xí)者提供從幼兒園數(shù)數(shù)到微積分的學(xué)習(xí)內(nèi)容，通過自適應(yīng)技術(shù)發(fā)現(xiàn)學(xué)生的學(xué)習(xí)優(yōu)勢和學(xué)習(xí)差距。

圖1 可汗學(xué)院的課程（截至2018年6月11日）

可汗學(xué)院的貢獻(xiàn)者們相信大腦通過學(xué)習(xí)可以得到很好的鍛煉，智力水平在持續(xù)的思考中可以不斷提升，每一個人都能控制自己的學(xué)習(xí)能力，在學(xué)習(xí)中構(gòu)筑自己的思維模式，成為更好的學(xué)習(xí)者。正如可汗學(xué)院董事局主席Ann Doerr所說：“可汗學(xué)院的即時反饋，給予了學(xué)生了解自己掌握了什么和沒有掌握什么的機會。學(xué)生在可汗學(xué)院可以嘗試、失敗、再嘗試。學(xué)生們可以反復(fù)觀看視頻，逐步找到需要掌握的問題解決線索。過去學(xué)生要是不會什么，經(jīng)常會經(jīng)歷尷尬無助的場面，如今可汗學(xué)院減少了這樣的可能?！盵1]

基于這樣的教育理念，可汗學(xué)院為全世界的學(xué)習(xí)者提供了高質(zhì)量的課程內(nèi)容，除了最初的數(shù)學(xué)課程，它還與美國國家航空航天局（NASA）、美國現(xiàn)代藝術(shù)博物館（MoMA）、加利福尼亞州科學(xué)館（The California Academy of Sciences）以及麻省理工學(xué)院等機構(gòu)合作提供更專業(yè)的課程內(nèi)容[1]。這些整合了其他資源的課程，也為可汗學(xué)院帶來了大量的可利用數(shù)據(jù)。

2 可汗學(xué)院的基本功能及其數(shù)據(jù)分析框架

2.1 可汗學(xué)院的基本功能

2.1.1 觀看視頻（watch）

教學(xué)視頻是可汗學(xué)院為學(xué)生提供的獲取知識的主要手段，它有以下特點：①均為微視頻，時長10分鐘左右，質(zhì)量極高、趣味性強，短平快；②講師不出鏡，避免干擾，有助于學(xué)生集中注意力；③電子板書中包含大量圖示，猶如現(xiàn)場授課，淺顯易懂、循序漸進(jìn)；④學(xué)生可以按自身學(xué)習(xí)水平對視頻操作快進(jìn)、后退，也可反復(fù)播放。

10分鐘的視頻教學(xué)易于消化，降低了認(rèn)知負(fù)荷。學(xué)生無需再依賴教師授課，而是看視頻自主學(xué)習(xí)。這樣的學(xué)習(xí)模式是開放與自由的。

傳統(tǒng)的課堂教學(xué)中，教師要顧及多數(shù)學(xué)生的認(rèn)知水平，可能為了趕進(jìn)度，放棄部分落后于班級平均水平的學(xué)生。在可汗學(xué)院，學(xué)生通過視頻，可以按照自己的步調(diào)學(xué)習(xí)，能夠在任何不懂的地方暫停、重播，不用自卑和尷尬、提防外部負(fù)面評價；當(dāng)然，對于已經(jīng)理解的內(nèi)容同樣可以快進(jìn)，提高學(xué)習(xí)效率。這樣的講課形式更具人性化，更能理解和尊重學(xué)生，使學(xué)習(xí)從恐懼走向了愉悅。

2.1.2 做練習(xí)（practice）

（1）不求及格，唯需精通

看完視頻，針對每個知識點都相應(yīng)提供配套的即時練習(xí)。每10分鐘一節(jié)課，隨堂測試，作業(yè)量不大，以免對學(xué)生造成過重負(fù)擔(dān)?？珊箤W(xué)院推崇精熟教學(xué)，一個知識點學(xué)通透了，才可以進(jìn)入下一環(huán)節(jié)?！熬旖虒W(xué)法”是1919年美國激進(jìn)教育家卡爾頓·沃什伯恩提出的，原本因為教學(xué)成本太高而未被推廣，而由于技術(shù)的支持，可汗學(xué)院的教學(xué)模式很好地解決了這個問題。

最初學(xué)生覺得連續(xù)答對10題是很苛刻的事，但如果他們做到了并得到獎勵，會很有成就感，自信心和自尊心都獲得大幅度提升，進(jìn)而對更難的挑戰(zhàn)充滿期待[4]。練習(xí)過程中若有疑問，可先點擊“提示按鈕”。平臺會就同一個問題，根據(jù)問題的難度給出3～12個不同提示[5]，確保學(xué)生能夠掌握知識點的精髓，避免了傳統(tǒng)教育中存在的一知半解。

為了調(diào)動學(xué)生好奇心和學(xué)習(xí)熱情，把教育目標(biāo)與孩子的天性相結(jié)合，學(xué)習(xí)過程采取發(fā)放經(jīng)驗值與徽章獎勵的模式。學(xué)習(xí)猶如游戲通關(guān)，只有完全學(xué)通透了，“十分過關(guān)”，才可以進(jìn)入下一階段學(xué)習(xí)。

可汗學(xué)院的學(xué)生統(tǒng)計數(shù)據(jù)如圖2所示，餅圖分為外、內(nèi)兩圈，外圈表示做過的知識點練習(xí)，內(nèi)圈表示看過的知識點視頻。鼠標(biāo)移到外圈不同區(qū)域，可以看到該知識點的名稱、練習(xí)耗費的時間、完成了多少道題目、正確率如何、是否精通。

（2）串聯(lián)相通的知識地圖

在練習(xí)界面出現(xiàn)的星空圖，實質(zhì)是建立了一個基于知識點內(nèi)在聯(lián)系的知識地圖。圖3中標(biāo)識了每個具體的知識點，畫出了知識點之間的相關(guān)邏輯。知識不應(yīng)該強制性地分出科目和章節(jié)，傳統(tǒng)的學(xué)科劃分局限了學(xué)生的思維，教學(xué)應(yīng)該將課程之間縱橫打通，幫助學(xué)生梳理各知識點間的聯(lián)系。根據(jù)學(xué)生的知識點選擇，可汗學(xué)院會依據(jù)知識點之間的聯(lián)系，給學(xué)生推薦下一步學(xué)習(xí)的內(nèi)容[2]。

圖2 可汗學(xué)院的學(xué)生統(tǒng)計數(shù)據(jù)

圖3 知識地圖

2.1.3 提供指導(dǎo)（coach）

（1）個人主頁

在個人主頁，學(xué)生可以查看自己的數(shù)據(jù)統(tǒng)計，了解系統(tǒng)針對每次學(xué)習(xí)與測試的數(shù)據(jù)分析后提供的實時評估，掌握自己的學(xué)習(xí)進(jìn)度。

（2）指導(dǎo)者

每個學(xué)生都可以在個人頁面上綁定一名或多名指導(dǎo)者，指導(dǎo)者可以共享學(xué)生的學(xué)習(xí)進(jìn)度，方便更加及時和有針對性地進(jìn)行管理和輔導(dǎo)。

（3）學(xué)習(xí)社區(qū)

在看完視頻后，還可以進(jìn)入學(xué)習(xí)社區(qū)，向指導(dǎo)者或者其他學(xué)習(xí)者提問、交流。

（4）其他數(shù)據(jù)分析

除了正確率的數(shù)據(jù)外，平臺還會統(tǒng)計學(xué)生在每個模塊的停留時間、能力培養(yǎng)情況，以及學(xué)生的個人目標(biāo)等。學(xué)好了有獎勵，學(xué)不好可以自查問題所在；指導(dǎo)者會及時對癥下藥地進(jìn)行輔導(dǎo)；有疑問可以在交流區(qū)進(jìn)行討論，互相啟迪創(chuàng)新、激發(fā)靈感。這種方式可促使學(xué)生對自己的學(xué)習(xí)更積極、更具有責(zé)任心。

2.2 可汗學(xué)院的數(shù)據(jù)分析框架

可汗學(xué)院教育平臺擁有強大的在線課程，能夠讓學(xué)生觀看視頻，解決練習(xí)或獲得徽章。該平臺提供了具有可視化功能的高級學(xué)習(xí)分析模塊。每天可汗學(xué)院的數(shù)據(jù)分析師需要收集大約800萬運動和視頻互動的數(shù)據(jù)點，以及數(shù)百萬個關(guān)于社區(qū)討論、計算機科學(xué)課程和注冊的數(shù)據(jù)。同時還有原始的web請求日志，以及發(fā)送給MixPanel的一些客戶端事件。從難以理解的原始數(shù)據(jù)提取有意義的信息，分析處理，可視化為與技能進(jìn)步、練習(xí)報告或?qū)W生活動等有關(guān)的報告并反饋于用戶，這些數(shù)據(jù)使指導(dǎo)者與學(xué)生由此做出明智的選擇，因而可以產(chǎn)生積極的影響。

在可汗學(xué)院，目前主要有以下幾種框架用于從收集的數(shù)據(jù)中提取有意義的信息并分析。

2.2.1 MixPanel

Jace Kohlmeier是可汗學(xué)院前數(shù)據(jù)分析總監(jiān)，之前則是著名對沖基金Citadel的高管。在可汗學(xué)院，Jace Kohlmeier使用Mixpanel的服務(wù)來分析數(shù)據(jù)。MixPanel是移動網(wǎng)絡(luò)最先進(jìn)的分析平臺之一，讓開發(fā)者跟蹤用戶的使用習(xí)慣，并提供實時分析。MixPanel的漏斗工具十分強大，主要跟蹤關(guān)鍵行為，可從頁面訪問量數(shù)據(jù)的局限跳出來，轉(zhuǎn)而以用戶行為為驅(qū)動。

Mixpanel主要給可汗學(xué)院提供了幾大關(guān)鍵指標(biāo)：

（1）用戶動態(tài)分析（Trends）：你關(guān)心的用戶行為發(fā)生了多少次，占總比例多少。

（2）行為漏斗模型（Funnels）：某些關(guān)鍵行為是怎么發(fā)生了，每一步有多少的留存率和流失率。

（3）用戶活躍度（Cohorts）：網(wǎng)站用戶的活躍度如何，可以用來區(qū)分忠實用戶和普通用戶。

（4）單用戶行為分析（People）：單個用戶在網(wǎng)站上做了哪些操作，過程是如何的。

漏斗圖是對業(yè)務(wù)流程最直觀的一種表現(xiàn)形式，通過漏斗圖可以很快發(fā)現(xiàn)流程中存在的問題，通過相應(yīng)的方式進(jìn)行優(yōu)化，漏斗圖又可以很直觀地告訴我們流程的優(yōu)化效果。

MixPanel比其他公司的同類產(chǎn)品更好理解和設(shè)計。Jace表示，他們研究了其他分析提供商，但發(fā)現(xiàn)“類似的功能，例如事件跟蹤和漏斗報告，但很難理解，文檔很差，并且在可以跟蹤的事件的限制方面有一些障礙”[6]。

2.2.2 MapReduce

MapReduce最早是由Google公司研究提出的一種面向大規(guī)模數(shù)據(jù)處理的并行計算模型和方法。Google公司設(shè)計MapReduce的初衷主要是為了解決其搜索引擎中大規(guī)模網(wǎng)頁數(shù)據(jù)的并行化處理。可以把MapReduce理解為，把一堆雜亂無章的數(shù)據(jù)按照某種特征歸納起來，然后處理并得到最后的結(jié)果。Map面對的是雜亂無章的互不相關(guān)的數(shù)據(jù)，它解析每個數(shù)據(jù)，從中提取出key和value，也就是提取了數(shù)據(jù)的特征。經(jīng)過MapReduce的Shuffle階段之后，在Reduce階段看到的都是已經(jīng)歸納好的數(shù)據(jù)了，在此基礎(chǔ)上可以做進(jìn)一步的處理以便得到結(jié)果。這就回到了最初，終于知道MapReduce為何要這樣設(shè)計。

Khan academy的數(shù)據(jù)分析師Matt Faus指出，MapReduce庫允許數(shù)據(jù)分析師在生產(chǎn)服務(wù)器上對生產(chǎn)數(shù)據(jù)執(zhí)行查詢和數(shù)據(jù)維護(hù)。最常用的MapReduce庫是在數(shù)據(jù)存儲區(qū)中的許多實體上執(zhí)行模式更改和數(shù)據(jù)清理。例如，從模型中刪除現(xiàn)在未使用的屬性，授予基于時間的成就徽章，或者基于最終一致的問題日志重新計算鍛煉進(jìn)度。

另一個常見用途是計算聚合數(shù)據(jù)，以確定學(xué)生完成練習(xí)的平均時間。MapReduce圖書館功能強大，但可能難以按需要正確地工作[7]。

2.2.3 Hive

目前，可汗學(xué)院最成熟的系統(tǒng)是在Amazon EMR上運行Hive。Matt Faus和同伴們創(chuàng)建了幾個在App Engine中直接運行的Google MapReduce和Pipeline框架的工作。快速實現(xiàn)簡單的MapReduce統(tǒng)計，不必開發(fā)專門的MapReduce應(yīng)用，十分適合數(shù)據(jù)倉庫的統(tǒng)計分析。而且他們已經(jīng)開始將備份導(dǎo)出到Google Cloud Storage，Google BigQuery可以以瘋狂的速度消耗和運行查詢。

將數(shù)據(jù)從生產(chǎn)數(shù)據(jù)存儲區(qū)移動到Hive中，使之能夠使用強大的HiveQL功能（如UNION，子查詢，最重要的是JOIN）來迭代查詢。有了這些，就可以回答“根據(jù)學(xué)生的活動，哪些指導(dǎo)者在過去一年中最活躍”的問題。分析師還使用這個系統(tǒng)來訓(xùn)練Khan academy的機器學(xué)習(xí)模型，以了解學(xué)生的知識狀態(tài)，并推薦最有可能幫助他們改進(jìn)的內(nèi)容。這個設(shè)置需要幾個轉(zhuǎn)換的數(shù)據(jù)轉(zhuǎn)換成一種Hive可以理解的格式?，F(xiàn)在提供的數(shù)據(jù)存在一些地方不同程度的可訪問性，可以啟動一個Hive實例做一些重型查詢，或REST調(diào)用下載一個緊湊的總結(jié)。Hive并不提供實時的查詢和基于行級的數(shù)據(jù)更新操作。Hive的最佳使用場合是大數(shù)據(jù)集的批處理作業(yè)，如網(wǎng)絡(luò)日志分析。

Matt Faus提到使用Hive和GCS進(jìn)行數(shù)據(jù)倉庫和巨型查詢，無需輸出原始的實時信息。Hive系統(tǒng)自創(chuàng)建以來一直運行良好，但現(xiàn)在Google技術(shù)正在提升，所以未來的數(shù)據(jù)分析工作將會更加輕松快捷[7]。

2.2.4 谷歌BigQuery云存儲

BigQuery是一個功能強大的大數(shù)據(jù)分析平臺，是Google專門面向數(shù)據(jù)分析需求設(shè)計的一種全面托管的PB級低成本企業(yè)數(shù)據(jù)倉庫。Google Cloud Storage和BigQuery管道在概念上非常類似于EMR和Hive管道，但是更容易設(shè)置。BigQuery是Google推出的一款SaaS查詢產(chǎn)品，其發(fā)展勢頭似乎越來越好。它允許查詢云中的大型柱狀數(shù)據(jù)結(jié)構(gòu)。開發(fā)人員可以通過上傳到Google云存儲（相當(dāng)于Amazon的S3）或者以流數(shù)據(jù)的方式把數(shù)據(jù)加載到BigQuery中，然后使用類似SQL的查詢語言執(zhí)行OLAP風(fēng)格的查詢。

它能提供許多強大的聲明，但缺乏添加自定義地圖或減少項目的功能，這在Hive中已經(jīng)完成?？珊箤W(xué)院的數(shù)據(jù)分析師對這些新技術(shù)產(chǎn)生了興趣，認(rèn)為它設(shè)置和檢索查詢結(jié)果的速度非常好，將來會更廣泛地使用它[7]。

2.2.5 ALAS-KA

ALAS-KA被設(shè)計為可汗學(xué)院平臺的新型輔助型插件。這種架構(gòu)可以讓指導(dǎo)者處理大量的教育低級數(shù)據(jù)（以事件的形式），并獲得能以可視化和建議的形式呈現(xiàn)的更高級別的學(xué)習(xí)信息。

相比其他視覺分析工作通常集中在直接指標(biāo)（例如訪問次數(shù)、帖子數(shù)量和正確的練習(xí)次數(shù)）上，ALAS-KA可顯示更復(fù)雜過程的信息，與學(xué)習(xí)相關(guān)的信息包括如主觀意圖明顯的用戶，他們的想法和情感取向，可作為分析時的補充。

以對馬德里卡洛斯三世大學(xué)（UC3M）本科課程（物理、化學(xué)和數(shù)學(xué)）的300多名新生研究為例，研究者發(fā)現(xiàn)ALAS-KA模塊可以更加細(xì)致地分析學(xué)生的情感狀態(tài)與學(xué)習(xí)風(fēng)格，并可視化。例如圖4，使用ALASKA開發(fā)和實施的算法，設(shè)置縱坐標(biāo)情緒飽滿閾值為1.0，可以推斷出每個學(xué)生在課堂上的幸福感、無聊感、混亂感和沮喪感。之后對這些測量進(jìn)行匯總，可顯示整個教室的每個狀態(tài)。在這個例子中，與學(xué)習(xí)收益正相關(guān)的情感狀態(tài)是灰色的，而黑色狀態(tài)已被證明與學(xué)習(xí)成果呈負(fù)相關(guān)。

圖4 學(xué)生情感狀態(tài)

ALAS-KA模塊是支持可汗學(xué)院學(xué)習(xí)分析的重要附件，它提供的信息能夠幫助可汗學(xué)院關(guān)注到原先非設(shè)定的重要信息，如這里提到的情感、學(xué)習(xí)風(fēng)格等，不單是效率、行為，老師們將有更多機會通過直觀的圖表了解學(xué)習(xí)的全貌，有益于教師基于學(xué)生的數(shù)據(jù)做出更符合學(xué)情的決策，激發(fā)學(xué)生的學(xué)習(xí)動機[8]。

3 啟示

3.1 利用更好的數(shù)據(jù)呈現(xiàn)形式為讀者提供更直觀的圖書館使用報告

從傳統(tǒng)圖書館向數(shù)字圖書館轉(zhuǎn)型以實現(xiàn)服務(wù)升級的視角來看，當(dāng)前高校圖書館除了提供學(xué)習(xí)空間、書刊借閱之外，還提供了大量電子數(shù)據(jù)庫資源和開設(shè)一些資源利用的講座，滿足師生在資源利用方面的個性化需求。因此，高校師生的圖書館生活不僅僅限于流通閱覽，除了實體書外，他們還會在圖書館的網(wǎng)頁上瀏覽和使用數(shù)字化資源，參與圖書館的講座，目前這部分?jǐn)?shù)據(jù)在學(xué)校提供的個人圖書館信息中沒有反映。如果高校圖書館能夠像可汗學(xué)院一樣，建立讀者圖書館利用儀表盤，就可以幫助讀者整合自己的圖書館利用現(xiàn)狀，分析自己的資源利用類型。一方面可以將為讀者提供諸如精準(zhǔn)推送這樣的個性化服務(wù)落到實處，另一方面也為讀者基于準(zhǔn)確了解自己的閱讀現(xiàn)狀、反思閱讀習(xí)慣、選擇閱讀方向提供支持。比方說，某位讀者在進(jìn)行研究的過程中，已經(jīng)通過學(xué)校的圖書館查閱了大量的文獻(xiàn)，這些文獻(xiàn)除了下載的之外，還有很多可能已經(jīng)瀏覽過。目前，讀者想知道自己是否看過，需要去回看瀏覽歷史，它是完全線性的、獨立的一篇篇文章。而儀表盤的設(shè)計往往具有聚類分析的功能，通過瀏覽停頓時間、文章關(guān)鍵詞分類等符合數(shù)據(jù)采集需要的模塊化數(shù)據(jù)統(tǒng)計，讓讀者直觀看到自己在圖書館都看了什么，下載了什么，所查看的資源之間的關(guān)聯(lián)性是什么，哪些是關(guān)注的重點，哪些資源還關(guān)注得不夠，等等。因為在科學(xué)研究的過程中，反思自己對研究領(lǐng)域的文獻(xiàn)掌握了多少是衡量其對一個領(lǐng)域熟悉程度的重要指標(biāo)。

對圖書館而言，讀者利用儀表盤也能夠幫助更好地了解讀者的喜好、研究現(xiàn)狀和研究趨勢。何勝等人認(rèn)為“國內(nèi)外學(xué)者從多角度探討了圖書館大數(shù)據(jù)應(yīng)用面臨的問題，明確關(guān)注服務(wù)創(chuàng)新，提出應(yīng)對策略，但是多數(shù)偏重于概述方法和概念解析，在如何解決高校圖書館服務(wù)面臨的學(xué)科知識服務(wù)和個性化服務(wù)問題上，缺乏有效的理論支持和技術(shù)視角的應(yīng)對方案”[9]。他們的研究表明：“在數(shù)據(jù)開放和知識共享的大趨勢下，圖書館需要依據(jù)用戶需求，通過知識搜索、組織、分析、重組等方式為用戶提供知識服務(wù)，以支持知識應(yīng)用和知識創(chuàng)新”[9]。而讀者圖書館利用儀表盤的應(yīng)用，將有助于直接了解讀者的學(xué)科知識服務(wù)需求，成為為讀者提供精準(zhǔn)服務(wù)的重要依據(jù)。

3.2 推動圖書館在線課程資源建設(shè)

可汗學(xué)院提供的各類課程服務(wù)，主要是基于學(xué)科知識點建立起了串聯(lián)相通的知識地圖。目前，高校圖書館也普遍提供圖書館資源與服務(wù)利用課程或系列講座，這些課程或講座有些已經(jīng)能在線觀看，課件往往也能下載，極大地方便了師生的學(xué)習(xí)和研究。然而，普遍的問題在于這些課程都是單向的信息傳遞，未被設(shè)計成能夠互動交流的在線課程，因此不能隨時搜集到關(guān)于讀者使用這些課程的信息，同時，讀者在這些課程的收獲是什么，還有哪些問題以及這些課程本身有哪些改進(jìn)之處往往很難得到及時的回應(yīng)。可汗學(xué)院的數(shù)據(jù)平臺是建立在它提供了大量課程的基礎(chǔ)之上的，學(xué)生在學(xué)習(xí)課程的過程中，通過做練習(xí)、互動交流等在線學(xué)習(xí)行為，留下了他們對知識掌握程度、相應(yīng)速度、互動交流狀況等相關(guān)的數(shù)據(jù)以及對知識內(nèi)容準(zhǔn)確性和有效性的反饋數(shù)據(jù)，實現(xiàn)了數(shù)據(jù)流通和分析的雙回路有效信息溝通，增進(jìn)了彼此的了解，使雙方都獲得了提升所需要依據(jù)的信息。

如果圖書館的課程，特別是有關(guān)個人知識管理、文獻(xiàn)整理工具、在線數(shù)據(jù)庫有效利用等學(xué)習(xí)內(nèi)容被設(shè)計成類似可汗學(xué)院這樣可以通過完成挑戰(zhàn)性學(xué)習(xí)任務(wù)來學(xué)習(xí)的課程，將增加課程的吸引力和讀者的黏度，有助于提高這些課程被使用的頻度、靈活性和有效性，使圖書館課程真正成為支持讀者學(xué)習(xí)的助手，而學(xué)習(xí)者在課程學(xué)習(xí)時留下的痕跡以及反饋數(shù)據(jù)將幫助圖書館更好地提升課程水平，讀者學(xué)習(xí)數(shù)據(jù)和圖書館提供的課程內(nèi)容數(shù)據(jù)也因此被打通。圖書館也將成為支持讀者不斷成長的重要平臺。

3.3 利用大數(shù)據(jù)分析工具，有效處理海量的數(shù)據(jù)，獲得有效的信息反饋

每天有大量的學(xué)習(xí)者訪問可汗學(xué)院，高校圖書館在這方面也不遜色。目前各個高校圖書館都在關(guān)注智慧圖書館的建設(shè)，也非常重視大數(shù)據(jù)分析方面的研究。

魏來、張伊認(rèn)為智慧圖書館的資源管理，不僅要充分利用資源，還需要對資源進(jìn)行深度挖掘，探究數(shù)據(jù)層面間的關(guān)聯(lián)智慧圖書館業(yè)務(wù)數(shù)據(jù)的管理，不僅可以優(yōu)化圖書館的業(yè)務(wù)流程，提高圖書館工作效率，而且能夠?qū)D書館的發(fā)展決策和戰(zhàn)略規(guī)劃提供支持”[10]；何勝等人指出“伴隨著高校圖書館數(shù)字化進(jìn)程的迅速推進(jìn)，圖書館數(shù)據(jù)在一定程度上具備了大數(shù)據(jù)的特征，這些數(shù)據(jù)具有很強的時效性，只有及時加以分析，其價值才能得到有效利用發(fā)揮”[9]；包冬梅等人認(rèn)為“圖書館數(shù)據(jù)的統(tǒng)計分析，直接關(guān)系到高校圖書館的建設(shè)水平和服務(wù)質(zhì)量。一方面高校圖書館應(yīng)加強統(tǒng)計分析與挖掘，致力于推動信息資源體系的優(yōu)化、知識發(fā)現(xiàn)服務(wù)的完善、學(xué)術(shù)評價體系的創(chuàng)新，以及為高校教學(xué)科研和戰(zhàn)略決策提供權(quán)威、高質(zhì)量依據(jù)；另一方面，應(yīng)建立可實行的、可測量的統(tǒng)計與評估指標(biāo)體系，開發(fā)高校圖書館數(shù)據(jù)統(tǒng)計分析平臺及工具（問卷調(diào)查與統(tǒng)計分析），促成順暢、持續(xù)的統(tǒng)計報告制度”[11]。可見，對圖書館資源的深度挖掘，體現(xiàn)數(shù)據(jù)的價值，形成定期的圖書館統(tǒng)計報告已經(jīng)成為建設(shè)智慧圖書館的重要任務(wù)。

目前，關(guān)于高校圖書館數(shù)據(jù)治理有其特定的工具，如“OCLC對館藏資源的網(wǎng)格化分類、W3C圖書館關(guān)聯(lián)數(shù)據(jù)孵化小組從信息處理和組織角度對圖書館數(shù)據(jù)的狹義界定、中國國家圖書館對圖書館數(shù)據(jù)的劃分與歸總”[11]，“基于WorldCat數(shù)據(jù)庫和基于HPCABDS（High Performance Computing Apache Big Data Stack）的圖書館大數(shù)據(jù)應(yīng)用框架”[9]等。我們從理解讀者數(shù)據(jù)平臺使用習(xí)慣、使用結(jié)果，掌握使用動向的視角來看，可汗學(xué)院目前使用的幾類大數(shù)據(jù)分析框架，是有一定的啟發(fā)意義的。如可以通過MixPanel及相應(yīng)的升級平臺能夠?qū)崿F(xiàn)對讀者的動態(tài)分析，了解他們使用圖書館各類資源行文、頻率、活躍程度等；通過類似MapReduce的技術(shù)把不同讀者在應(yīng)用圖書館過程中產(chǎn)生的雜亂無章的數(shù)據(jù)，按照相應(yīng)特征歸納清洗，然后處理并得到最后可以說明問題的結(jié)果；通過Hive解決數(shù)據(jù)處理和計算問題，快速了解用戶的知識狀態(tài)，并推薦最有可能適合他們學(xué)習(xí)和研究需要的內(nèi)容；通過谷歌BigQuery云存儲來進(jìn)行大數(shù)據(jù)存儲與分析；通過ALAS-KA這樣的插件理解讀者的情感需求和體驗，等等。當(dāng)然這些數(shù)據(jù)平臺和工具并非與圖書館的大數(shù)據(jù)存儲、應(yīng)用和分析是一一對應(yīng)的關(guān)系，但是它們的數(shù)據(jù)處理、分析和應(yīng)用的方式能夠提供一定的思考視角，幫助圖書館在數(shù)字化資源建設(shè)的過程中高效地獲取整合的以及個性化的讀者信息，洞悉學(xué)習(xí)和科研的現(xiàn)狀和問題，為基于數(shù)據(jù)的高效決策奠定基礎(chǔ)。

4 結(jié)語

可汗學(xué)院作為學(xué)習(xí)內(nèi)容的供應(yīng)者，通過其數(shù)據(jù)分析為學(xué)習(xí)者提供了全面的學(xué)習(xí)診斷和學(xué)習(xí)指導(dǎo)。在今天這樣一個數(shù)字化時代，高校圖書館服務(wù)的升級和創(chuàng)新，同樣離不開對其海量數(shù)據(jù)的分析和應(yīng)用，也離不開所有讀者的積極參與，可汗學(xué)院的教學(xué)、運營和數(shù)據(jù)應(yīng)用模式的確給我們帶來了重要的啟示。