許是前一天下午睡覺摸魚被周詩亦逮個正著，李洛今天一上午都在亦舟上躥下跳，抓人開會請教技術問題。林語一直溫溫柔柔地回答著，讓李洛很是滿意。
李洛順著筆記問道：“我不太理解的是，教育數據挖掘（EducationalDataMining，EDM）和學習分析技術（LearningAnalytics，LA）的主要區別在什么地方呢？兩者不都是利用學習過程中產生的大量數據來分析反饋學習成果嗎？”
李洛和涂世欣正擠在林語的卡座旁，各自抱著電腦做著會議記錄。
林語的辦公桌上整齊地疊放著各類書籍和論文資料。涂世欣掃了一眼，書籍包括了計算機數據結構、算法、圖論、離散數學、概率論和統計學、機器學習等等科目。桌子右上角邊上還堆放著各種打印好的文獻，用彩色標簽分門別類地歸檔了。
涂世欣低下頭，瞄了一眼自己靠放在桌角地上的黑色書包，里頭幾份打印資料毫無章法地穿插在一起，一本隨身背著英文原版《大空頭》是李洛推薦的金融趣味科普讀物，書角都磨破了，但是自己從來沒能一口氣讀過十頁以上。他突然對于自己能有這份工作倍覺珍惜，感激地瞧了李洛一眼。
林語笑了笑，解釋：“你提到的這點，正是二者共通之處。至于區別，從研究方法上來說，學習分析技術更注重運用統計學手段主觀地分析數據、人為做出推斷，為傳統教學方式配備了數據反饋作為支持；而教育數據挖掘強調自適應，會傾向于使用無監督或者半監督的機器學習算法。
“從應用角度來說，學習分析技術的主要目的是對學生的學習結果進行測驗和監控，為教師提供更詳細的學生數據，從而改進教學方法。而教育數據挖掘更注重學習行為和學習過程，意圖對行為本身進行量化分析。如果你感興趣可以去找一下卡耐基梅隆大學教授RyanBaker的論文，里面有相當詳盡的對比。”
除了那教授的名字涂世欣沒能聽清楚，他飛速地把這幾句話一字不差地敲在了電腦上。偶爾他打字的速度跟不上林語說話的節奏，林語還貼心地放慢語速，等了等他。
涂世欣敲完一段后，偷偷瞄了一眼李洛的屏幕，發現李洛只是簡略地記了兩行。
“學習分析技術（LA）：人為分析、主觀、輔助教學手段。”
“教育數據挖掘（EDM）：自適應、無監督模型、行為數據挖掘。”
在最下面，李洛記下了“RyanBaker”的名字。涂世欣又快速把這位教授的名字補填在了自己筆記的空檔里。
李洛好奇地問：“可不可以給我講一個教育數據挖掘在行業里具體應用的例子呢？”
林語點頭，“比方說，現在有一個選擇題有四個選項，C是正確選項，其他都是錯誤的。傳統的考試批改方式，老師會這么判斷：如果學生選擇了C，他對這個知識點的理解就是正確的；沒有選擇C，則判斷學生還沒有熟練掌握這個知識點。”
“嗯！”李洛睜著大眼睛十分感興趣。
林語笑著繼續說道：“考試排名依照答題結果來評分，無可厚非。但也許有的同學偶爾粗心，實際上扎實地學懂了這個概念，卻手滑填寫了B作為答案；也有同學只是運氣很好，隨機選了個C，恰好答對了。學習系統接下來該如何自適應調整個性化的學習路徑，還是需要AI形成更深層次的判斷。基于貝葉斯網絡的學生知識點追蹤模型，可以根據測試題前后其他習題之間的聯系來推測學生是否真實掌握了這個知識點，從而盡量避免無效的學習時間，也盡量防止被遺漏的知識點。”