大數據在教育領域的深層應用探析

周偉

【摘 要】人工智能、云計算、大數據、物聯網等信息技術的快速發展為解決教育難題、促進教育領域綜合改革與發展提供了重要機遇和巨大的可能性。其中，大數據技術無疑是推進教育創新發展的科學力量。數據作為重要資產已獲得政府與企業的一致共識，教育信息化2.0更將以數據化為基本特征。本文就筆者親身體驗美國對教育數據的開發與應用情況，結合自己的學習與思考進行闡述。

【關鍵詞】大數據;教育管理;學習方式;教育評價

【中圖分類號】G434? 【文獻標識碼】A

【論文編號】1671-7384（2022）01-067-05

聯合國在 2012 年發布的大數據白皮書Big Data for Development：Challenges & Opportunities中指出，大數據的出現將會對社會各個領域產生深刻影響[1]。美國教育部于2012年10月發布的《通過教育數據挖掘和學習分析促進教與學》中指出，通過對教育大數據的挖掘與分析，促進美國高等院校及K-12學校教學系統的變革。2015 年 9 月 5 日，國務院印發了《促進大數據發展行動綱要》，指出“數據已成為國家基礎性戰略資源”，并在啟動的十大工程之一“公共服務大數據工程”中明確提出要建設教育大數據。2017 年2 月，國家發展和改革委員會正式批復同意由華中師范大學作為牽頭單位建設教育大數據應用技術國家工程實驗室，標志著教育大數據正式進入了為教育治理現代化服務的軌道。在教育部2018年4月發布的《教育信息化2.0行動計劃》中，明確指出“優化教育業務管理信息系統，深化教育大數據應用，全面提升教育管理信息化支撐教育業務管理、政務服務、教學管理等工作的能力。”由此可以看出，教育信息化2.0將以數據為基礎 ，參與主體、教育元素、教育行為數據化將是教育信息化 2.0 的基本特征。

教育大數據概念及內涵

1.教育大數據的定義

目前，關于大數據的概念還沒有完全統一。維基百科對大數據的定義是：大數據是指利用常用軟件工具捕獲、管理和處理數據所耗時間超過可容忍時間的數據集。研究機構Gartner認為大數據是指需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。麥肯錫把大數據定義為無法在一定時間內用傳統數據庫工具對其內容進行獲取、存儲、管理和分析的數據集。

教育大數據是大數據的一個子集，特指教育領域的大數據。有學者提出，所謂教育大數據，是指整個教育活動過程中所產生的以及根據教育需要采集到的，一切用于教育發展并可創造巨大潛在價值的數據集合[2]。余勝泉、李曉慶等學者認為，教育大數據是全樣本、全過程的數據，關注每一位學生的微觀個性表現，包含學生學習過程中產生的數據，如學習時間、學習內容、學習活動、人際交互、學習投入與情感投入等各類數據，這些數據在日常教育業務中產生，全樣本覆蓋，實時收集、實時分析、實時反饋、實時改進[3]。

綜上所述，教育大數據是在信息技術支持下的教育教學活動中產生的各種數據的總和，并且通過數據分析、可視化等技術進行價值挖掘的過程。

2.教育大數據的特征

關于大數據特征比較統一的說法是四V特征：數據體量大 （Volume）、類型多樣化 （Variety）、價值高 （Value）、處理時效高 （Velocity）。相比傳統數據，教育大數據具有教育特性。隨著信息技術的發展及其在課堂教學中的廣泛應用，目前可以在自然狀態下無感知地輕松記錄學生的學習軌跡、回答問題次數，甚至在作業題上逗留的時間等。教育大數據的數據結構更加復雜，常規的結構化數據（如學業成績、學籍信息、體質健康信息等）依舊重要，但非結構化數據（如圖片、視頻、教案、教學軟件、學習游戲等）將越來越占據主導地位。

3.教育大數據內容分類

教育數據有多種分類方式。從數據產生的業務來源來看，有教學類數據、管理類數據、科研類數據以及服務類數據。從數據結構化的程度來看，包括結構化數據、半結構化數據和非結構化數據。從數據產生的環節來看，還可以分為過程性數據和結果性數據。

綜合目前的研究，有不同學者從不同的角度對數據進行了分類，主要包括下面幾個類型。

楊現民等將教育數據分為四層，由內到外分別是基礎層、狀態層、資源層和行為層。其中，基礎層存儲國家教育基礎性數據，包括教育部 2012 年發布的7個教育管理信息系列標準中提到的數據;狀態層存儲各種教育裝備、教育環境以及教育業務的運行狀態信息;資源層存儲教育過程建設或生成的各種形態的教學資源;行為層存儲廣大教育相關用戶（教師、學生、教研員、教育管理者等）的行為數據。

孫洪濤和鄭勤華將教育大數據依照不同層級的主體和教育教學活動的各項內容，分為四個層次和六大類型。四個層次包括個體、學校、區域和國家;六大類型包括基礎數據、管理數據、教學數據、科研數據、服務數據、輿情數據等[4]。

李振等根據教育大數據的來源分為四種類型：管理類數據，包括學籍數據、學生成績、上網數據、一卡通數據等，這些數據多以結構化的形式存儲在關系型數據庫中;資源類數據，包括媒體素材、試卷、課件、案例等;行為類數據，包括教師教學行為和學生學習行為產生的數據;評價類數據，包括學業水平考試類數據和綜合素質評價類數據[5]。

大數據在教育教學中的應用初探

大數據已經在教育中產生了一些實踐案例，本部分主要根據筆者的調研學習經歷，以案例分析的角度來探討教育大數據的應用可能性。維克托·邁爾-舍恩伯格在《大數據時代生活、工作與思維的大變革》中指出：“大數據的價值不再單純來源于它的基本用途，而更多源于它的二次利用。”“大數據時代，很多數據在收集的時候并無意用作其他用途，而最終卻產生了很多創新性的用途。”

筆者認為大數據在教育教學中的應用主要體現在科學化決策、精細化管理、個性化教學以及智能化評價方面，而這些方面都是體現教育現代化的核心技術指標，直接決定了教育現代化的發展進程。

1.教育大數據推動教育科學決策

傳統的教育決策制定常常缺少有效的數據科學分析，存在決策者以自己有限的理解、假想、推測為出發點，依據直覺或趨勢來制定政策，這種缺少數據分析依據的決策往往與實際情況相差甚遠，而教育大數據正可以幫助解決這種不足。

美國作為教育大數據的積極倡導者，利用教育大數據為美國政府、教育管理部門、學校與教師做出合理的教育教學決策提供了可靠的證據。整體上，美國建立了嚴格的教育問責制度，包括利用州教育問責系統（State Accountability Systems）對各州教育發展情況進行全方位評價，借助于學區級評價系統（District-level Evaluation Systems）評價各學區、各學校的整體教育質量。美國聯邦政府以及各州政府基于對教育大數據的分析結果評價各州或州內學區的教育進展水平，并以此作為教育投入以及教育政策制定的依據。例如，筆者深度訪問的伊利諾伊州就實施“學習報告卡”（https：//www.illinoisreportcard.com）系統，伊利諾伊州教育委員會每年發布年度報告，顯示了州以及每所學校和地區在實現教育目標方面的進展，還提供了學生和學校表現的完整情況，如圖1所示。

在報告卡中還呈現每所學校的五要素調查情況（包含卓有成效的領導、團結協作的教師、支持有力的環境、不斷進取的教學、積極參與的家庭）、地區財政、學校財政、生均支出、平均班級人數、總上課天數、健康與保健（平均每周上體育課的天數）等。

類似伊利諾伊州的學習報告卡系統，加利福尼亞州為提高教學質量，與一家從事教育研究開發的知名公司簽訂了對學生進行數據驅動決策工具開發的合作協議。該協議涉及該州全部高校、高等教育管理者、在校的教師和學生，顯示了該州高等教育主管機構為縮小學生成績差距、改善教育管理、提高整體教學質量在標準化數據連接和評價應用方面做出的巨大努力。這些系統都基于教育大數據的分析來確定學校需要提升的關鍵領域、學生分班或安排相關學習支持服務、評價教師的教學質量并提出教學方式變革計劃，為州、學區制定科學的教育決策，提供了有力的數據支撐。

2.教育大數據促進教育精細化管理

大數據時代，教育者將更加依賴于數據和分析，而不是直覺和經驗;同樣，教育大數據還將改變領導力和管理的本質。服務管理、數據科學管理將取代傳統的行政管理、經驗管理。技術不斷發展，教育數據挖掘與分析不斷深入，不僅要著眼于已有的確定關系，更要探尋隱藏的因果關系。利用大數據技術可以深度挖掘教育數據中的隱藏信息，可以暴露教育過程中存在的問題，提供決策來優化教育管理，促進精細化管理。

當然，要做到精細化管理，必須采集更為細致的數據，以便做出精準分析。如在美國2500多所學校中得以廣泛應用的Learnsprout系統。該系統能夠整合學生信息系統和學習管理系統的數據，對學生日常表現進行監測，通過構建模型對學生綜合狀況進行分析，并對管理和教學提出建議。剛才提到的伊利諾伊州實施的學生報告卡系統，包含了11000多個數據點，這些數據詳細描述了伊利諾伊州852個學區中的每一所學校的概況、學術進步、學校環境、學生情況、教師情況、管理者情況、學校亮點等方面的內容，通過科目、年份、年級或者人口統計（包含多種族、性別等）等字段進行數據分析。如學習績效散點圖顯示的是某學校低收入家庭的學生在數學學科上獲得優秀比例的情況與州其他學校的比較，可以通過選擇年份、學科或者某一類型的學生做進一步的精細化數據分析，從而提出更好的教學建議。

又如，普渡大學實施的課程信號系統（Course Signals）。通過收集分析學生個體的基本信息和學習過程數據，通過大數據算法建立預測模型，判斷學生是否存在學習危機，如果判斷學生存在學習危機，系統將發出預警信號，并給予及時的干預指導。

3.教育大數據變革學習方式

大數據將變革現有學習方式，促進個性化學習。對教師而言，大數據可揭示學生的特點，預測未來的表現，提供教學幫助，教師對教學過程的掌握從依靠經驗轉向以教育數據分析為支撐。對學生而言，對于自己學習狀況的了解從模糊不清到心中有數，可以更好地認識自我、發展自我、規劃自我。

如美國紐約市教育部門實施的“一人學校”（SO1，School of One）項目，以學生為中心，搭建混合式網絡學習環境，滿足學生的個性化學習需求。通過采用大數據分析，對學生的學習基礎和歷史、之前的評估數據以及教師、人員和技術等進行綜合算法分析，從而確定哪些課程最適合哪種類型的學生。然后，系統會為每位學生和教師生成一張個性化的課表，引導學生進行不同方式的學習。

4.教育大數據改變教育評價方式

傳統的教育評價由于缺乏高效的數據采集分析工具，難以進行多元量化評價。隨著信息技術的發展，尤其是大數據技術的普及，越來越多的學校正在嘗試通過多種渠道采集教育數據進行多元評價。教學評價不再僅僅由靜態的考試成績和紀律表現等教師的主觀感受來決定，而由大量的數據感知得到更為公正客觀的評價。

如舊金山的教師家長互動交流平臺（ClassDojo），用于幫助教師實時管理教學行為。在平臺上，每位學生都擁有自己的頭像，通過點擊學生的頭像，教師可以實時輸入學生的表現行為數據，包括參與、幫助他人、洞察、干擾、遲到和自定義行為。學生可以實時收到教師的反饋數據，如一個綠色徽章表示教師給予學生一次積極行為的反饋，而紅色徽章則用來標記消極行為。教師可根據他們的行為適當增減學生的分數，同時也允許學生之間進行行為評價，從而培養學生對適當和不適當行為的判斷，激發更好的行為。

當然，ClassDojo需要依靠教師人工點擊從而獲取課堂數據，這無疑增加了教師的工作量。隨著數據采集技術的改進以及人工智能技術的加入，無感知數據采集將更為智能高效，是目前的發展趨勢。如中慶智課系統，將課堂教學過程實時錄制并將非結構化的視頻數據結構化，并在平臺上對課堂行為數據進行輸出和分析，以期讓教師更了解自己的課堂和學生，學校更了解教師的教學水平，以便做出更精準的評價和決策，如圖2所示。

教育大數據建設建議與思考

可以預見，隨著大數據在教育教學中的深入應用，必將掀起區域及學校管理模式的革新、教學方式的創新以及學習評價模式的變革。當然，大數據的應用不會一蹴而就，一定是基于長期數據的積淀。筆者認為當前教育大數據建設需要重點關注以下幾點。

（1）構建完整的區域數據管理機制與保障體系。區域層面要建立教育領域大數據共享機制和數據治理的標準規范，并建設大數據基礎平臺，從技術和機制上做到能夠在盡可能短的時間內完成對不同部門、不同領域的大數據匯集整合，解決目前“數據不可用、數據不夠用、數據不敢用、數據不會用”的問題。

（2）學校建立完整的數據采集與應用系統。學校層面建設信息系統時在考慮平臺功能的同時，一定要注重平臺本身的應用數據記錄，建立完整的伴隨式數據采集體系，并重視在應用過程中進行數據治理工作。

（3）全面提升數據素養。注重教育從業人員數據思維與數據素養的提升，教育決策者要建立基于數據的科學決策觀，培養教師良好的信息技術能力和數據素養，大力推進一線教學中的數據應用。

（4）加強區域教育大數據的研究。通過高校合作、企業參與的模式，發揮各自力量，對重點難點問題進行深入的研究。

無論區域還是學校都要做好在一段時期內沒有可見成果的心理準備，要有耐得住寂寞的意志力，抽絲剝繭，潛心研究，有厚積薄發的耐心，在大量數據積淀后，方能挖掘數據背后的價值。從而制定有效政策，采取適當措施，提高教育質量，真正推進教育現代化進程。

參考文獻

Big Data for Development： Challenges & Opportunities[DB/OL].2012-05-01.http：//www.unglobalpulse.org/sites/default/files/BigDataforDevelopment-UNGlobalPulseJune2012.pdf.

[4] 孫洪濤，鄭勤華. 教育大數據的核心技術、應用現狀與發展趨勢[J]. 遠程教育雜志，2016（2）：40-49.

余勝泉，李曉慶. 區域性教育大數據總體架構與應用模型[J]. 中國電化教育，2019（1）：18-27.

李振，周東岱，劉娜，董曉曉，鐘紹春.教育大數據的平臺構建與關鍵實現技術.[J]現代教育技術，2018（1）： 100-106.