数据勘探和数据分析软件可以通过提供实时反馈学业表现来帮助学生。此外，教师可以使用数据驱动工具来研究学生的学习模式并修正课程以便满足学生个人的需要。

     那是根据Brookings机构(一个总部在华盛顿的非盈利公共政策组织)的一项新研究。该报告“教育中的大数据：数据挖掘技术，数据分析，以及Web指示板，”作者是Darrell M. West，Brookings的技术创新中心主管，他还是《数码学校：科技如何改变教育》这本书的作者。

     在报道中，West解释了合并实时数据的教育工具是如何提供即使反馈给学生和教师的。举例来说，一个教阅读的程序控件可以收集关于学生阅读某篇文章所需时间的数据。小测验将马上告诉学生们他们的答案是否正确——这就将教师从冗长累人耗时巨大的评分工作中解放出来——并能将学生的表现欲同班同学和全国范围内的学生相比较。

     教师同样会受益，West说。实时工具可以制作报告，详细展现每个学生阅读时间和理解力，词汇技能，以及补充工具的使用(例如提供额外词汇细节和概念知识的网站)。这些大数据技术可以帮助教育者评估学生们的表现，包括花在阅读上的时长，以及每个学生学习关键概念的速度。

     “所谓的‘大数据’使得查探关于学生表现和学习途径的学习信息成为可能。而不用依赖阶段测验表现，导师可以分析学生懂得什么以及每个学生最有效的技术是什么。通过聚焦于数据分析，教师可以用更微妙的方式研究学习状况，”West写到。

     除了快速测定学生表现之外，数据勘探和分析软件还可以帮助教育者研究能够预测其他效果的学习模式。举例来说，卡耐基梅隆大学领导的实验提供教授用以建立某些科目(如化学和物理学)在线教学的工具，检测前和检测后评估，以及学生们与电子导师互动的记录。

     “如果学生遵循的方法是错误的，该系统就会发出错误信号并根据该学生要求提供答案提示。导师可以获得一个详细的分析，不仅仅是该学生是否正确得出答案，还包括他们如何解决难题，”West写到。

      一个由大量数据支持的技术驱动的教育系统可能看起来冷酷不近人情，但是研究显示真实情况恰恰相反。

     比如WebQuest，它是一个基于网络的教育工具，允许学生在线来解决具体问题或研究信息。它的意图是教学生们发现并评估在线材料。一项来自139个参加WebQuest教导讨论的教师的研究显示，大多数导师发现这些形式的项目都很有效率。

     他们的学生，实际上，都很享受WebQuest的“合作式互动式本性。与他们自己寻找一般性互联网信息截然相反，学生们必须与别人讨论才能完成任务。”   

     数据驱动教育工具已经在美国很大范围内使用了，报道说。举例来说，16个州的学校，使用数据勘探技术去确认处于危险中的学生。通过使用关键因素(如旷课，纪律问题，课堂表现变化)预测模式，教育者可以确认哪些学生最有可能退学。

     数据可视化工具也显示了良好的潜力。比如仪表盘，用一种简单的用户界面展示主要绩效指标，允许学校管理者看到他们的学生的总体表现。

     但是要在学校中广泛启用大数据工具存在许多障碍，包括预算不足，不兼容的信息系统，对数据驱动技术潜力的缺乏理解以及对隐私的担忧。