苏州友达光电宿舍图片:傅德荣：教育信息处理综述

　　我们将从信息的观点出发，分析教育信息的特点和处理的方法。

　　人类的社会正从工业化社会向着信息化社会、高度信息化社会不断发展。工业化社会的基本要素是物质和能源。在这社会中，人们利用各种能源进行加工，生产出所需要的各种物质。信息化社会的基本要素除物质和能源外，还有更重要的要素——信息。信息化社会是一种以信息的产生、信息的处理为中心的社会形态。信息借助于物质和能源产生一定的价值。

　　一、什么是信息

　　信息不是像物质这样的实体，具体地讨论什么是信息往往是十分困难的。现在，人们对信息并没有一个完全统一的认识和定义。

　　简单地讲，通过信息，可以告诉我们某件事情，可以使我们增加一定的知识。我们称报纸、广播、电视是信息源就是这个道理。英语中，信息是“information”，其语源由in和formation组成。in具有接受的意识，formation表示一定的形成物，information表示信息可以让受者产生某种形式的变化，这种变化可以让受者从认识上的不完全、不理解、不确定、变为完全理解、确定。信信息论的重要奠基者香农(C．E．Shannon)将信息定率为烦的减少，即信息可以消除人们对事物认识的不确定性，并将消除不确定程度的多少作为信息量的量度。

　　有人曾这样形象地对数据、信息和知识进行说明，数据以How much，How many，Which，Yes／No所表现，信息以What，巩en，where，Who所表示，知识则以How，Why的形式所记忆。

　　三、信息的特点

　　物质是具有一定的大小和重量的实体。信息与之不同，在处理信息时，信息具有以下的特点。

　　1、没有大小

　　物质是具有一定的大小，因此，在保存、移动时占有一定的空间。由于信息不具大小，无论怎样小的空间，都可存放大量的信息，无论怎样狭窄的通道，都能高速地传递大量的信息。信息的这一特点告诉我们，计算机可以不断地小化，人的头脑可以存贮大量的信息。信息产业是一种省空间、省能源的产业。

　　2、没有重量

　　物质不仅具有大小，而且具有重量，因此，在处理时，需要一定的能量。信息由于没有重量，在处理时，不需要能量。信息产业是一种省能源产业。

　　3、容易复制

　　信息一旦产生，很容易制作，它有利于大量生产。

　　四、信息科学

　　信息论是一种研究信息过程的一般规律的科学。信息论有狭义和广义的两种划分。狭义的信息论是应用统计学的方法研究通信系统中信息传递和信息处理的科学。广义的信息论则是应用数学和其它有关科学的方法，研究一切现实系统中存在的信息传递和信息处理的科学。

　　美国数学家香农1948年发表的“关于通信的数学理论”一书被认为是信息论正式诞生的标志。香农第一次从理论上阐明通信的基本问题，提出了通信系统的数学模型，给出了定量描述信息的计算方法，为信息的定量描述提供了理论根据。

　　同一时期，美国的维纳提出了维纳滤波器的理论和预测的理论，他为控制理论的发展作出了重要贡献。维纳的理论对于研究机器和生物中信息的传递、变换、处理和控制具有重要意义。

　　信息系统、控制系统往往是一种十分复杂的系统。对于这些系统的分析、设计需要系统理论的指导。系统理论是一种研究系统化和最佳化的科学。所谓系统化是指为了达到一定的目的，构成系统的各种要素进行最佳的连接，以求得到最大的效果。系统中各种要素的连接是通过信息来实现的。信息的有效处理，对于系统化是十分重要的。

　　信息论主要研究信息的量度方法和信息传递的理论。控制论主要研究以信息进行控制的原理和方法。系统论主要研究如何以信息对各要素进行连接，构成最佳系统。

　　信息科学是一种研究机器、生物和人类关于信息的获取、存贮、变换、处理、呈现、利用和控制的综合性学科。信息论、控制论、系绷帕扰温和睁的主要内容，电子科学、t—隙枷限期柴熄科学的主要工具。

　　教育信息是指涉及教育、教育过程中的各种信息。教育信息的传递、存贮和处理中，教育信息的数量化是一个十分重要的问题。

　　一、教育信息数量化的特点

　　在各种统计处理中，所处理的信息应是一些数量。教育信息的这种数量与自然科学中的数量有着不同的特点。教育信息是一些定性的信息，表示这种信息的数量多以数量化的方法得到。教育研究中，根据教育现象的特点，对该现象赋以一定的数量，称之为数量化(quanti5dcation)。例如，一个小班有五个组，为了区分的方便，我们分别赋予它们分别为一组、二组…五组，这种赋以数量过程为数量化。

　　为了说明表示教育信息数量的特点，我们看以下的事例。在研究家庭文化程度对学生智能发展的影响中，我们往往以智能指数IQ作为学生智能发展的测度(注：IQ＝(MA／CA)·100，其中MA：精神年龄；CA：生活年龄)。IQ具有一定的数值，但它与身长、体重等特理测量的数值具有不同的特点。以身长为例，在160Ccm和159cm之间可以有159．5cm，159．4cm…等许多个测量值，这些数值可以是连续的，具体的数值与测量的精度有关。对于智能指数，例如在IQ110和IQ111之间，并不存在110．5这样的数值。另外，体重为30kg的小孩，其重量是60kg的一半，两个30kg的小孩与60kg重的大人的重量是相等的。我们不能说两个IQ75小孩，其智能之和与IQl50的小孩的智能相同。

　　表示教育信息的数量与各种物理测量的数量有着明显的不同，在教育信息的统计处理中，应根据教育信息数量化的方法不同、特点不同，决定对这种信息进行统计处理的具体方法。这是进行教育信息处理的重要关键。教育研究涉及人类的复杂活动，由于教育活动的复杂性，更应注重对教育信息的特性及其处理方法的研究。

　　二、数量化的尺度

　　数量化与教育研究的目的密切相关，数量化的方法不同，所赋的数量也有不同的特性。史蒂文斯(S．Stevens)基于尺度(Scale)值的观点，将数量化的数字分为四类。

　　1、名义尺度(nominal scale)

　　名义尺度的数值仅具符号的意义。前面我们谈到的一组、二组……的数值就是名义尺度数值，它仅是表示不同组别的符号。同样有9801班19802班的班级划分和学生学号的划分，它们是表示不同班级、不同学生的符号。这时数量化所赋以的数字仅是某一现象的代码，是表示该现象的符号。

　　因为名义尺度的数字仅是一种符号，数字之间不能进行代数运算，显然，两个一组之和不是二组。

　　名义尺度的数字多用于表示不同的数别，它为教育信息的表示、存贮带来了很大的方便。

　　2、序数尺度(ordial scale)

　　在表示教育现象州顺序排列时，多使用序数尺度的数字。例如，全班有50名学生，经测试后，按测试的成绩排序，测试成绩从高到低，可排出第1名、第2名……，第50名。这里的1—50是一种序数尺度的数字，它表示了学生成绩高、低的排列。序数尺度数字可比较其大小，但不能进行四则运算。

　　序数尺度的数字多用于表示某些现象的排列顺序，所以，对这类数字的数值群的和处理较多。

　　3、距离尺度(interval scale， equal unit Scale)

　　以温度为例，将10cC和20Y等量的水混合(相加)在一起，可得到15℃的水。在这种处理的过程中，绝对零度的位置不是十分重要，零点的位置可以任意设定。不论零点的位置在何处，都能保证加法性的成立。

　　4、比例尺度(ratio scale)

　　比例尺度数字除具有距离尺度的性质外，还要求具有绝对零度。这是一种具有绝对零度的距离尺度值。

表示身长、体重的数值是比例尺度值。对比例尺度的数字可进行各种统计处理。

　　对于某种教育信息，通过数量化可能赋以一定的数量。该数量应属于的尺度值与其数量化的方式有关。有关各种尺度值所能进行的基本操作，所适应的统计处理方法如表1所示。

　　教育信息的量度水平因尺度的值不同而不同，将它按从低向高的顺序排列，其排列顺序是名义尺度一序数尺度—距离尺度一比例尺度。名义尺度的数字，其量度水平最低，比例尺度数字的量度水平最高。

　　教育系统是一种包含人，并以人为主导的系统。教育系统主要研究人的内部，或人与人之间所发

　　教育信息多是一些量度水平较低的信息。

　　教育过程中的某些信息，例如学习成绩，测试分数，学生的身高、体重等是一些量度水平较高的信息，对这些数据的处理也较为容易。

　　然而，教育过程中的许多信息，例如学习课程、学习方法、学习特性、学习环境、教材内容、教学方法等，多是一些量度水平较低的信息，对这些信息的处理较为困难。

　　此外，还有一些教育信息，例如，对问题的反应、对问题的选择、学习的爱好等，多是一些反映个人的思想、意志的信息，它与个人的思维模式、思维特点、认识水平有关，对于这些信息的描述、处理十分困难。

　　二、教育数据多是一些小样本的数据

　　教育数据中，有些涉及较大的范围，例如一个年级、一个学校、一个地区，其数据量较大，样本数较多。对于这些数据、可有效地利用数理统计的方法进行处理。

　　实际的教学过程中，往往仅涉及一个班，人数仅为30。50人左右。由于样本数较少，它给数据的统计处理带来了很大的困难。

　　三、注重个体数据的分析

　　教育过程中，除注重一个学校，一个年级、一个班级的数据的分析外，往往还要注重某些学生个体的分析，分析某个学生的个体特性，分析某个学生个体在集团教学中的位置。

　　教育改革中，我们特点强调学生的个性化学习。对学生个体数据的分析，可为个性化学习提供反馈信息，可实现有效的个别指导。

　　四、教育信息多是一些模糊倍息

　　以教学测试时学生的应答为例，对于学生的错误应答，可能有多种情况，有近似正确的误答，有完全的误答，也有完全不能理解问题的误答。对于各种误答，要设置一个误答的标准是十分困难的。教育信息的这种模糊性与教育系统是一种包含人在内的复杂系统是密切相关的。

　　又如学生对知识的理解，设某一学生能计算a x b，若将a x b进行某种变换，或变成包含a x b在内的组合问题，该生可能就不一定能计算了。学生对于指定知识的理解和应用，简单地设置像(0，1)这样的标准进行判断是十分困难的。在这种情况下，应进行模糊处理。

　　教学过程中，教师对学生的理解，对学生掌握知识的判断也是十分模糊的，教学过程中，对于教师的提问，学生的反应，学生的应答多是一些模糊信息。基于这些信息，教师通过个人意志进行某种判断，在此基础上决定教学过程的展开，这不仅是一种极为复杂的，也是一种模糊的过程。

　　教育信息处理的过程中，应很好的注意信息的各种特点，更重要的是应根据教育信息的这些特点，创造性地研究对这些信息进行处理的方法，实现教育信息的有效处理。

　　教育信息包括十分广泛的范围。教学活动是学校教育中最重要、最基本的活动。我们讨论的对象仅涉及教学活动中的有关信息。

　　教学活动的基本周期是教学的：设计一展开一评价

　　教学活动中的有关信息主要是指这种教学过程中的有关信息。作为教育信息处理的对象主要是：

　　一、有关测试的教育信息

　　测试往往与评价联系在一起，测试结果的分析和处理是各种评价的根据。可以认为测试是评价的一个重要组成部分。

　　测试可用于学习结果的评价，测试也可用于学习过程的完善，测试在教学过程中占有重要的位置。

　　测试结果除包括尺度水平较高的测试得分外，还包括尺度水平较低的应答信息。测试得分可利用一般的统计方法进行处理。作为多重选择问题的应答信息的尺度水平很低，我们可采用S—P表分析、教学过程中各种信息及其交流作为研究对象的分析方法称之为教学分析。

　　教学分析中，将教师的行为、学生的行为进行分析，通过对这些行为类型的迁移和行为内容的分析实现教学过程的分析。

　　三、有关学习目标和教材分析的教育信息

　　学习目标是教学设计的起点，又是教学评价的根据，它在教学中占有重要的位置。学习目标的制定、学习目标的分析是教学过程设计的重要根据。

　　学习目标可分为行为目标、达到目标，也可根据某种分类体系予以制定。学习目标可根据高级目标、低级目标间的形成关系进行分析。

　　教材是一种信息源，对教材的分析主要是教材的结构分析，通常有逻辑分析法和ISM分析法。

　　教材的结构化分析往往与教师的教材观、教师的认知特性有关，特别是对那些逻辑关系不甚明显的教材内容，教师的教材观、教师的认知特性对教材的分析起到重要的作用。

　　四、有关传播过程的教育信息

　　教学过程仅要考虑教学内容，更要考虑这些内容以怎样的过程传递给学生。在这个过程中，构成教学系统的各要素间所进行的信息传递、信息交流、相互作用是十分重要的。

　　为了有效地实现各种信息的传递，应对教学过程中所传播的各种信息进行分析和处理，以实现教学过程的有效控制。教学分析、GSR生理分析是分析这类信息的重要方法。

　　五、有关学习环境的教育信息

　　教学过程中，需要使用包括黑板、文字、0HP、电视、计算机等各种媒体，并以各种媒体来呈现、传递各种教育信息。各种媒体是教学的重要环境和资源，对这些环境、资源及其传递信息的分析、处理，可获得最佳的教学效果。

　　基于教育系统的基本特点，教育信息的结构形式主要有以下的几种类型。

　　一、矩陈

　　设某班有n名学生，经过m门课的测试，其测试成绩如表2所示。

姓名

语文

数学

外语

......

张兵

91

70

82

刘洪

62

68

70

李荣

75

80

78

　　表2中的成绩可以用以下的矩阵表示式中，x；表示第i名学生第j门课程的测试成绩。称这样的矩阵为得分矩阵。显然，矩阵中，第i行各元素之和为第i名学生的各科成绩之和，第j列各元素之和为第j门课程全班学生的得分之和。

　　若表2中给定的不是测试成绩，而是n学生名的m个体检指标，由此可得体检结果的身体状况矩阵。同样，可以有应答矩阵、问卷矩阵。矩阵是表示教育信息结构的一种基本形式。

　　二、时间序列

　　教学过程是一种在时间轴上展开的过程，为了研究这一过程，往往使用时间序列(简称时序列)的方法来表示和研究该过程。

　　对于某个教学过程，可以用

　　xi tji＝1”n (2)

　　这样的概率模型所表示，式中

　　xi第i个行为状态的类型；

　　ti产生第i个行为状态的时间；

　　n：教学过程中所出现行为状态的总数。

　　对于式(2)给出的数据，可以用列表的方式或图形的方式表示。

　　三、图

　　所谓图是指由一些点和连接这些点的线所构成的总体。以数学的语言表示，图是一个有序对(V，E)，其中，V＝(Vl，Vz…)是一些点的集合，E＝(E，E2…)是弧(又称边)的集合。图又分为无向图和有向图。元向图中，E是V上的无序关系，即Ek元序对(Vi，Vj)所定义。有向图中的，Ek由有序对所定义。教育信息中，多为有向图，即连接点的边是有序(有方向)的。

　　对于结构化的各种教育信息，例如教材的结构化关系，学生认知的结构化关系都是以有向图所表示的。

对于给定的某个图，可能通过一定的矩阵所表示。图与矩阵相互对应。利用矩阵的变换可实现图的变换，从而达到信息处理的效果。

　　教育系统是一种包括人在内的复杂系统，由于这种系统的复杂性、多样性和模糊性，期待着高度的方法论，以对这样的系统和系统中的信息进行有效分析和处理。

　　一、教育信息处理应解决的问题

　　教育信息处理是以教育信息作为处理的对象的。教育系统的特点决定了教育信息的复杂性、多性性和模糊性。对于这样的信息如何去表示，如何去编码，是教育信息分析、处理应解决的第一个问题。

　　1、处理方法

　　处理方法应适用于教育信息的特点和要求。所谓处理是指对给定的信息所进行的某种运算、变换和逻辑的分析。对于信息施加的各种运算、变换、分析，不应给教育现象产生任何矛盾。

　　2.有效性

　　处理是基于某种目的对信息所实施的操作，处理的有效性是指经过处理后所得到的信息在多大的程度上达到处理目的要求。

　　处理的结果不仅应能有效地达到预期的目的，而且要求它与处理前的信息不产生任何矛盾。处理前的原始信息所说明的教育现象，处理后的信息不仅能更清楚地表明该现象中的某些实质性的内容，且和原始信息所说明的现象不应产生任何矛盾。

　　二、教育信息的处理方法

　　为了达到这些要求，我们应寻求各种有效的处理方法。作为教育信息的处理方法，应该：

　　1、加强与其它学科的交流

　　教育信息处理是一种跨多门学科的综合性学科领域。它涉及教育学、心理学、认知科学、信息科学等多门学科的研究。教育信息处理应努力与这些学科进行交流，学习它们的思想、方法，学习它们的理论、技术，努力地完善自己，在实践的基础上确立自己的理论和方法。

　　2、从行为向认知变换

　　教育系统是一种以人为主体的复杂系统。在教育信息处理时，不仅要注重教学过程中的各种行为，更要注意产生这种行为的思想，产生这种行为的认知过程。作为教育信息处理的方法，对行为表现的分析、处理，应逐渐转换为对人们内在知识特点、认知过程的分析、处理，即从行为向认知变换。在教学过程的设计、教材的构成、教学模式的决定中，教师的教育思想、教学观点、认知特点起到重要的作用，在对有关的教育信息分析、处理中，应从认知的观点上进行分析和处理。

　　3、从集团向个体的变换

　　教育的发展，不仅要求我们注重集团(班级)的教育，更要注重学生的个性发展。教育信息处理不仅要注重集团，例如：学校、年级、班的有关信息为了说明的方便，表中的数据按前10年(1976—1986年)。后10年(1986年”1996年)两段进行表1．3教育工学杂志论文中使用数学方法的累计表的处理，更应注重学生的个体信息的处理，例如，某个学生学习过程的分析，学生个体与班级关系的研究等。这种变换有利于学习个性化的研究和实施。

　　4、数量化向结构化变换

　　许多信息处理，往往只注重数量化程度较高的信息处理(当然，这种信息处理较为容易)，而忽视了数量化程度较低的信息处理。教育信息中，更多的是数量化程度较低的信息，在这种信息中，往往具有较明显的结构化特点。教育信息处理中，应根据教育信息的特点，将注重数量化的处理变换为注重结构化的处理。

　　在信息处理中，广泛地使用着各种数学方法。教育信息处理应根据教育信息的特点和处理的目的，选择合适的数学方法，实现教育信息的有效处理

　　教育系统是一个多变量系统，为了研究和评价这种系统，使用单变量法，即一个一个变量单独地时行分析、处理存在着很多问题，需要对这多个变量综合地进行分析、处理。教育信息的多变量分析——多元分析在教育信息处理中占有十分重要的位置，得到了多方面的应用，并越来越多的受到人们的重视。

　　教学过程是一种信息过程，以信息理论来研究教学过程是教育信息处理的重要内容。以信息理论作为指导。通过信息量的计算，可实现教学过程的有效研究。

　　在很多情况下，教学系统是一种定性系统，我们可利用系统科学中有关定性系统的分析方法，以图作为工具，对这种系统的结构进行分析。

　　教育信息往往是一种模糊信息。利用模糊教学的方法可对这种信息进行处理。

　　教学实践中，更多地使用数理统计的方法对教育信息进行处理。例如，当一次测试结束后，要计算得分的平均值、偏差，要计算各门课程的相关系数，要作出得分的分布。数理统计是教育信息处理中使用得最为广泛的一种数学方法。

　　为了说明教育信息处理中各种数学方法的应用情况及其发展趋势，我们借用日本教育工学杂志自1976年创刊到1996年共20年发表的论文中使用各种数学方法的累计表(表1．3)进行说明。

　　为了说明的方便，表中的数据按前10年（1976年----1986年）。后10年（1986年----1996年）两段进行统计。

数学方法

1976--l986

1986--1996

数量化I类

分散分析

0

7

t检验

x’检验

F检验

k—s检验

1

0

图论

12

20

时序列分析

12

6

外线性最小二乘法

1

1

AIC

1

1

模粗理论

2

7

贝叶斯统计

2

1

项目反应理论

0

4

神经元计算机

0

1

总数

88

96

　　从统计的结果可以看出，使用多元分析的论文居于首位，第一个10年为27篇，约占总数的30．7％。第二个10年为33篇，约占总数的34．4％。从使用的情况看，呈上升的趋势。

　　由于教育信息的结构化和模糊性，使用图论和模糊理论对教育信息进行分析和处理受到了人们的高度重视。教育技术的各种论文中，图论、模糊理论得到了广泛地应用，二者之和，在第一个10年为14篇，约占总数的16％，在第二个10年有了很大程度的增加，猛增到27篇，占总数的28％。

　　随着信息技术、计算机技术的不断发展，项目反应理论的应用，神经系统、神经元计算机的研究开始受到人们的重视，有了一定的应用。

来源：华中师范大学