構建數字化好學校：數智賦能的教學應用場景與實效

編者按：教育數字化是我國開辟教育發展新賽道和塑造教育發展新優勢的重要突破口。加快推進教育數字化轉型，對于深化教育改革創新、推進教育高質量發展乃至教育強國建設，都具有十分深遠的意義。上海市作為全國首個“教育數字化轉型試點區”，近年來已持續建設數字化賦能示范校以及信息化應用標桿培育校。在全國范圍內，越來越多的地區和學校響應號召，將數字化融入日常教學，旨在通過數字技術與教育教學的深度融合，驅動教學模式、方法及評價的全面革新。推進教育的數字化轉型，“數字化好學校”建設是重要的抓手。為此，華東師大數字化教育研究團隊攜手北師大、華中師大等團隊，并依托中國教育學會中小學信息技術教育專業委員會，研制《中小學學校數字能力規范（草案）》標準，發起了“發現數字化好學校”活動。這一系列活動，集中呈現了推進數字化教育所蘊含的教育理論創新、數據智能技術創新與數字教育實踐探索。本專題緊密圍繞教育數字化轉型的核心要素，即理論創新、數智技術革新、深入實踐探索與典型案例示范，擬對“數字化好學校”系列活動背后的理論與實踐創新進行綜合呈現。在理論研究層面，明確數字化學校的內涵特征和數智賦能的建設路徑；針對教育數據治理難題，設計教育數據跨平臺整合與深度分析的路徑；基于上海市和全國的數字化學校案例，提煉數字化好學校發展的典型范式及其實踐樣態。本專題通過構建學術與實踐交融的橋梁，促進教育數字化領域的專家學者與學校管理者間的深度對話，旨在提升社會各界對教育數字化轉型的深刻認識與廣泛關注，共同營造促進數字化好學校蓬勃發展的良性生態。

摘要：數字化在學校層面的落實，是教育數字化轉型切實推進的核心抓手。作為數字中國戰略背景之下的教育應對，學校教育的數字化既有著一般性的數據驅動重塑業務特征，更存在教育場景數字化的領域屬性。面對數字化這一新的挑戰，該文以構建“數字化好學校”為學校數字化轉型目標，明確了其內涵特征和建設需求，其中數智中樞的建設是有力保障各層面建設的持續優化與動態迭代的關鍵。接著，詳細闡述了數智賦能數字化好學校建設的路徑，剖析了其“從應用來，到應用去”的數智驅動轉型閉環。最后，展示了數智賦能數字化好學校建設的典型應用場景，借助實踐案例呈現其賦能成效。該文旨在為數字化好學校從理論走向實踐提供可復制、可操作的科學路徑。

關鍵詞：數字化好學校；教育數字化轉型；數據智能；教育數據治理

中圖分類號：G434 文獻標識碼：A

一、引言

教育興則國家興，教育強則國家強。加快建設教育強國，推進教育數字化是重要內容[1]。黨的二十大報告提出：“推進教育數字化，建設全民終身學習的學習型社會、學習型大國。”隨著國家教育數字化戰略行動的實施，我國教育數字化取得積極成效，國家智慧教育公共服務平臺加快建設，大數據賦能教育教學得到強化，教育的公共服務能力得到增強。新時代新征程，要以教育數字化開辟教育發展新賽道、塑造教育發展新優勢，必須因時而進、因勢而新，構建數字時代的教育新形態。學校作為教育發展的基本單元，擁有明確的育人目標，是教育數字化落地的重要依托，也是教育數字化進程中政策支持、技術配置等“杠桿力量”發揮最大作用的關鍵場域。學校層面的教育數字化是挖掘數智技術變革潛力并將其轉化為具體賦能路徑的關鍵實踐，也是推動整體、全面教育數字化進程最核心的抓手[2]。

數據作為激發數智技術潛能、釋放數字化價值的關鍵，是推動學校數字化轉型的重要引擎。如何夯實數據建設基礎、挖掘發揮教育數據價值、實現數據驅動的教育生態創新與變革是學校數字化轉型的核心關切。“數字化好學校”作為學校數字化的理想樣態，明確了學校數字化的價值目標、實踐路徑和實現關鍵。本研究通過對比產業數字化，理解教育數字化的關鍵特征，借此分析 “數字化好學校”的內涵特征與實踐樣態；深入探究數智大腦這一典型數智應用賦能數字化好學校建設的理論與實踐框架；描繪數智大腦賦能數字化好學校建設的典型應用場景，借助實踐案例分析其賦能效果。本研究旨在為學校探尋數字化之路提供可資借鑒的經驗，推動教育數字化戰略的深入落實。

二、理解數字化：對規模化的重塑

（一）教育數字化核心特征

教育的本質是育人，不僅關乎知識的傳授，更體現在對學生思想、人格、價值觀的塑造。在“數字中國”戰略背景下，教育數字化是我國開辟教育發展新賽道和塑造教育發展優勢的重要突破口[3]。要充分發揮教育數字化這一突破口作用，必須深刻理解其價值目標，準確把握其核心特征。產業數字化在“數字中國”戰略的推動下成效顯著，其發展速度令人矚目。通過類比產業數字化，可以為揭示教育數字化的特征提供獨特視角（如圖1所示）。

教育數字化表現為教育生態根本性變革和創新。作為參照，產業數字化經歷了信息化、數字化和智能化等發展階段，其核心在于通過數字技術與數據要素的深度融合，推動從傳統手工生產到規模化生產、精益生產、再到數據智能驅動的定制化生產的躍升。這一過程的實現是數字技術在企業運營模式重塑、客戶體驗提升、決策優化、成本控制等多個業務場景中的融合應用。類似地，教育數字化經歷了從傳統教學模式到規模化教育、差異化教學的過渡，并逐步向更加個性化、智能化的教學方向發展。要實現這一轉變，數字技術和數據智能在教育中的應用絕非單純的技術采納，而是與教學模式、教育評價、教育治理等教育實踐場景的深度融合，推動教育生態的全方位根本性創新與變革。

教育數字化的價值目標指向學生高質量學習與發展。作為參照，產業數字化的價值目標在于借助技術和數據智能，推動經濟轉型升級，實現效率和效益的最大化。如果教育數字化以功能和效率的最大化為目標，理應也快速見效。然而，以提升教學效率為目標的大規模班級授課制常常面臨質疑和挑戰，根本原因在于教育是一項“慢”的藝術，涉及學生生命成長與個體發展的深刻過程。教育的根本任務是關注學生的成長，關心學生的認知、情感、能力與品格的全方位發展。無論教學效率提升多高、模式創新多么新穎，若未能真正實現學生的鮮活成長和個性化發展，教育數字化價值意義便無從談起。促進學生全面發展、賦能學生個性化成長是衡量教育數字化的基本標準和根本遵循，也是教育數字化的終極價值目標。

教育數字化的實現關鍵在于教師經驗與數據智能融合的人機協同。作為參照，產業數字化以降本增效為目標，其發展經歷了從人類經驗深度參與，到人機協同生產，再到數據智能決策的定制化生產。與之對應，教育數字化發展的每一階段，不管是傳統教具的使用，還是不同技術階段的技術與媒體應用，人機協同始終貫穿其中[4]。在教育數字化初期，人機協同主要表現為技術作為輔助工具，用于提高教學效率和完成重復任務，數據則主要用于描述性分析，如成績跟蹤和學習進度監控，教師則依賴個人經驗和直覺來調整教學策略。隨著數字技術和數據智能的發展，人機協同逐漸轉向數據驅動的教學決策，借助數字技術和數據智能的優勢，教師能夠借助數據智能更精準地理解學生需求，并及時調整教學策略，推動教育實踐個性化、智能化。教育數字化的關鍵就在于教師經驗與數據智能融合的人機協同，突破單一教師智慧和機器智能的局限性，實現教育智慧創生[5]。

（二）數字化好學校樣態

學校是教育數字化推進的主陣地，是實現教育育人目標的關鍵抓手。學校數字化建設經歷了數字校園、智慧校園等階段[6]，但側重基礎設施建設與外圍教育場景的功能應用，未直接聚焦于學生高質量學習與發展的核心教育場景[7]。同時，理念意識滯后及技術瓶頸導致教育數據價值未能得到有效釋放，人機協同潛力未能充分彰顯。隨著新一輪科技革命的到來、對構建數字時代的教育新形態的呼喚，學校數字化迎來發展新機遇。本研究提出“數字化好學校”這一概念，作為學校數字化的理想范式，以此探究學校數字化的實現路徑。

何為“數字化好學校”？結合上節對教育數字化特征的理解，數字化好學校以促進學生全面發展、賦能學生個性化成長為根本價值目標，依托教師經驗與數據智能的深度融合，通過人機協同推動教學設計、評價方式、作業設計、班級管理等教育實踐場景全方位創新與變革，從而形成的學校教育新樣態（如下頁圖2所示）。數字化好學校是教育信息化經過多年量的積累后實現質的突破，也是未來學校建設的理想目標和高階形態[8]，切實彰顯并充分踐行學校作為育人文化場域所承載的獨特價值與重要使命[9]。

學校數字化建設中“建而無用、建而不會用、建而不想用”的問題較為常見[10]，根源在于學校支撐條件不足，轉型準備不夠。學校需要明確轉型愿景與文化，確保學校的數字化轉型與國家戰略、課程改革等宏觀理念高度契合[11]；優化政策制度和投入，與技術、應用、組織、業務等層面的實施相協調；重視學校數字業務能力、各教育主體數字素養等關鍵能力的培育，確保數字化好學校建設具備積極的價值導向與應對挑戰的能力[12]；夯實數據基礎建設，包括高速、安全、穩定的校園網絡環境，完善的硬件和軟件支持體系，集教學、管理與資源整合的數字化教育環境等；具備強大的數據與人工智能支撐能力，能夠有效匯聚、存儲與分析多源教育數據。

數字化好學校實現的著力點是通過教師經驗與數據智能融合的人機協同，推動教育治理變革。一方面，數字化好學校支撐條件建設并非一蹴而就，而是需要根據教育實踐效果持續迭代學校教育生態中的數字化產品、方式、流程和服務[13]。這一過程需要依托教育治理的價值評估結果來推動[14]。另一方面，數字化好學校中教育實踐創新和變革的方向、效果的評估，亦需依托教育治理結果的引導和支持。教育實踐是有控制、有目的、有組織的活動，其軌跡受到教育主體需求和教育理念引領雙重影響。然而，教育主體需求在實踐過程中不斷變化、教育理念也在不斷發展，并不是單次實踐就能取得預想的效果。這需要基于教育治理的結果來評估實踐的意義、診斷實踐的效果，引導學校迭代實踐以放大效果，或通過調整糾偏活動[15]。

三、構建數智中樞：數智賦能理論與實踐框架

（一）數智何以賦能

數字化好學校的建設是一個逐步累積小變革以達成大變革的過程（如下頁圖3所示）。數智賦能的人機協同教育治理是數字化好學校建設的著力點，數智驅動的條件支撐建設是數字化好學校成為可能的前提條件，數智賦能的教育實踐創新變革是實現育人價值目標的關鍵路徑。

數智賦能教育治理重塑，體現為數智驅動的治理理念、空間和能力的全面提升。借由科學規范的數據聚類、認知及決策優化過程，治理理念從傳統經驗驅動轉向基于教師經驗和數據智慧融合的人機協同循證實踐；通過學校、家庭和社會多維度數據的整合，治理空間能夠以學校為基點，鏈接學校、家庭與社會空間，達成“學校-家庭-社會”全域化教育生態系統整合；教師智慧源于豐富的教育經驗和對學生的深刻理解，而數據智慧則通過對大量學生數據的分析，揭示潛在的學習趨勢、個性化需求和教育資源配置的優化點。兩者的結合使得教育治理的決策不僅建立在直觀經驗之上，還能充分依托數據驅動的洞察，提升決策的精準度和科學性[16]。

數智賦能數字化好學校條件支撐建設，體現為數智驅動的前瞻性布局和實時監管。學校數字化轉型愿景與文化、制度與投入需要通過具體教育實踐驗證效果，依托教育治理動態調整方向，確保學校數字化轉型既能夠解決當下問題，又具備應對未來挑戰的能力[17]。教育治理對海量教育數據的需求推動學校優化基礎設施布局，促進數字機構、開發者、數據服務商與教育主體的合作，基于數據需求定點升級。同時，數據驅動評估基礎設施的應用效果，能夠持續識別技術配置中的痛點和優化空間。數智驅動的教育治理要求管理者具備更強分析與前瞻思維以利用數據智慧推動改革，師生具備數字素養以理解、應用數據于教學決策。這促使教育組織重視數字化業務與素養能力建設，推動能力建設落實[18]。

數智賦能教育實踐創新變革，體現為數智驅動的系統化統籌布局，以及基于證據的教育實踐漸進性創新與積累。數智驅動的教育治理能夠通過多場景數據采集、分析和反饋機制，形成動態調整的閉環，實時反映學生學習情況、教師教學效果以及學校的運營狀況。借助教育理論模型中的專家智慧，可以前瞻性地布局教育實踐的方向，確保育人目標的有序推進[19]。數智決策與分析能以實踐需求為導向，構建理論模型和數據模型，打破數據與固定教育要素的耦合，促進跨場景數據流動[20]。通過融合多維度數據的證據化分析，幫助教育主體反思現狀，優化創新教育實踐。教育實踐的持續創新和積累，經過學校生態系統內各環節協同，最終推動實踐變革性的發展，支持學生的全面發展和個性化成長。盡管某些創新實踐初期可能具有模糊性、缺乏明確目標，但往往在探索中逐步顯現價值，最終促發系統性變革。

在“教育新基建”的推動下，學校運行中產生的大量異構教育數據可用于區域教育監管和評估，以及日常的學校教學質量監測和管理決策，使數智賦能數字化好學校建設成為可能。然而，當前重點和難點在于突破普遍存在的“數據孤島、多源異構數據難統一計算，數據語義與情境缺失、數據意義混亂”等問題[21]。同時，技術的引入和應用不等同于教育實踐自然就會產生創新與變革。教育實踐的創新變革，一是要實現從傳統經驗驅動向數據智能驅動的范式轉變，超越教師的經驗定式；二是需要通過精準的反饋來明確改進方向，支撐持續的迭代優化和實踐進程調節。這要求能夠對教育實踐過程進行追蹤、診斷和優化，推動基于證據的個性化和智能化教學的深入應用。然而，當前教育實踐創新變革存在教育組織對數據智能的不信任、不會用；數據分析解釋性不強；數據從應用中來，卻難回到應用中去等難題。

（二）數智中樞建設

數字化好學校價值目標的達成需要經由持續分析問題、識別需求、定位方向、優化實踐來實現。核心在于構建數智中樞，實現數據基礎建設、數據價值挖掘、數據價值應用，達成數據驅動的教育治理重塑。數智中樞建設在數字化好學校的建設中起著承上啟下的關鍵作用，確保實踐優化基于證據的持續推進。本研究以“學校數智大腦”隱喻數字化好學校建設中的數智中樞所提供的功能。學校數智大腦通過建立數字軌跡、構建理論與數據雙向驅動的診斷模型和智能算法，對來自教育應用的多源數據進行價值挖掘，并以此回饋、深入、賦能教育實踐應用，推動數字化好學校有效建設[22]。

1.數據基礎建設

夯實數據基礎建設。需要解決的問題主要涉及三個層面，一是數據的匯聚，二是數據的融合，三是數據價值的激活。目標是打破不同教育應用之間的數據壁壘，構建一個統一且規范化管理的教育數據匯聚中心。

如何接入多源異構數據：通過創建符合語義互操作性的標準化API接口，實現不同來源、不同格式的教育數據統一接入，為教育數據交換與融合奠定基礎。得益于API接口的語義互操作性，不同數據源中的語義一致性得以確保，使得各類教育數據在同一語義框架下得到解析與處理，促進了系統間的無縫數據交換與功能擴展。由此，數智中樞的數據匯聚功能得以實現，為學校數字化建設提供實時且海量的教育數據支撐。

如何融合多源異構數據：通過制定教育數據結構標準，并根據數據特征，將數據劃分為基礎數據、行為描述數據、屬性數據等，支撐數據匯聚中心對接入的數據進行規范化、結構化、標準化管理。基于教育數據結構標準，數智中樞實現了高效的數據融合功能，確保不同來源數據結構統一。多源數據的融合也為教育數字軌跡構建提供了數據基礎，能描繪學生學習軌跡、教師專業發展軌跡、學校管理質量軌跡，為教育決策和實踐提供長周期的洞察。

如何激活教育數據意義：教育數據本身無法直接彰顯教育意義，其意義需要在特定的情境下解讀。數智大腦通過設計教育語義標簽，并對每一條教育數據進行語義標注，實現教育語義激活的功能。教育語義標簽及其結構關系通常以圖譜的形式呈現和管理，如學科知識圖譜、大概念地圖、素養能力地圖等，以此構建數據解讀情境。教育語義標注則是將學習行為數據、教育資源數據等與相關學科知識、大概念、核心素養等標簽相結合，激活數據的深層教育意義。

2.數據價值挖掘

教育數據價值的深度挖掘需要綜合教育理論智慧引領和對教育大數據中關系模式與潛在規律的發現與解析。

如何挖掘教育數據價值：建模是對問題的真切表達，也是從內部邏輯分析問題的最好方式。教育建模能夠將多樣化的教育問題依據實際場景結構化和數據化，是教育數據價值挖掘的有力途徑[23]。教育理論模型和與之匹配的數據量化模型的構建，能夠確保教育診斷結果不僅具備理論可解釋性，同時具有較強實踐應用價值，從而實現了數智中樞中教育數據價值挖掘的功能[24]。基于領域驅動建模的思想，融合教育學、心理學、學習科學的理論與規律，構建教育理論模型，彰顯以理論智慧引領教育數據價值挖掘[25]。通過設計理論模型對應的數據量化模型，支撐理論模型的可測量、可計算、數據分析的可解釋。數智中樞中的數據量化模型結合傳統量化研究方法與人工智能算法，針對理論模型的權重、層級、順序等要素進行科學設計與分析。同時，為支持教師、教學管理者基于學校實際數據情況，個性化定制契合實踐需求特色的教育模型，提供基于專家智慧的建模支架，開放人機協同理論建模和量化模型配置功能[26]。

3.數據價值應用

如何將教育數據價值回饋于教育實踐創新：通過為教師和管理者提供智能診斷報告、刻畫各教育主體數字軌跡、并通過持續的迭代優化支持，實現數智中樞中數據價值應用的功能。其中，基于“理論驅動”和“數據驅動”智能診斷的分析報告，支持教師和管理者獲悉教育實踐活動現狀和問題，推動個性化教育創新。例如，教師基于分析報告能夠獲得關于教學方法選擇、課程設計質量、或學生動機需求的關鍵洞察，從而決定是否繼續沿用現有的教學方法，或調整教學策略和設計。通過對數智大腦所匯聚形成的數字軌跡的分析，教師和管理者能夠清晰了解當前數字化教學和管理的運行現狀，進而優化教育資源配置，完善支撐條件建設。單次反饋和優化不足以滿足數字化好學校的可持續發展，通過實時收集和分析教育數據，定期評估學習、教學、管理、評價場景中的教育實踐的效果，推動教育實踐的持續落地、檢驗和優化，最終實現學生的高質量學習和發展。此外，數智大腦通過對教育實踐問題和學生需求的精準把握，以及對教育實踐迭代優化的支持，保障教師開展基于真實教育問題的科研創新，推動創新成果的實際落地和效果驗證。

（三）數智賦能實踐

學校推進數智賦能數字化好學校建設的實踐流程包括：數據生產→數據組織→教育建模→數據分析→數據應用，可概括為“從應用來，到應用去”的數據價值應用閉環（如下頁圖4所示）。在此過程中，學校教師、管理者的經驗智慧與數智大腦的數據智能融合，人機協同推進數字化好學校建設。同時，人工智能技術，特別是生成式人工智能技術融入數據價值應用流程，推動實踐向更高效化、智能化、科學化發展。在實際應用中，數智大腦通過提取海量實時數據、構建教育數字軌跡、對數據進行語義標注，依托理論驅動的分析引擎，挖掘數據意義與價值。在此基礎上，教育主體依據實踐需求，選擇適當的教育應用，協同構建教育模型，根據診斷分析結果調整教育策略。通過這一機制，數智大腦支持學校在數智驅動的轉型實踐中實現策略的迭代優化、轉型進度的追蹤、轉型整體架構布局的把握，最終推動數字化好學校落地。

1.數據生產階段：基于設計的數據生產與質量動態監管

數據生產是數據生命周期的起點，是后續數據處理與分析的基礎。教育數據的來源廣泛，包括教師備課助手、教師教研平臺、學校管理平臺、家校溝通平臺等數字化教育應用。教育主體根據教育實踐需求，選擇和使用相應的教育應用，產生海量教育數據，涉及學生學習進度、教師教學行為、家校互動情況、學校管理信息。例如，在備課時，教師通過備課助手查詢和整理教學資源、設定教學目標與評價標準、制定教學計劃，產生涉及課程內容、教學策略、教學進度的數據。

為了避免數據冗余或缺失問題，需要進行基于設計的數據生產規劃與數據質量動態監管。在這一階段，教育主體應根據教育實踐需求，明確數據來源，考慮數據生產過程中的業務連續性，建立數據與教育需求間的緊密聯系。數智大腦中的教育建模功能，支持教育主體根據教育理論的啟示，通過對比理想數據視圖與現實數據現狀的差距，識別缺失或冗余的關鍵數據維度和數據類型，進而優化教育應用的布局和數據采集方式。借助生成式人工智能技術的支持，可以依據大量的教育實踐案例和數據模式協助教育主體在規劃數據生產時進行更精準的場景模擬與需求預測。基于生成式人工智能技術，數智大腦不僅能根據歷史數據和實時數據的動態變化，智能調整數據采集的頻率建議，還能對可能出現的數據質量問題進行前瞻性預警，以此確保數據的時效性和準確性。此過程也依賴物聯網、傳感器技術自動化地采集數據；機器學習技術自動檢測冗余、缺失、異常或錯誤數據信息等。

2.數據組織階段：應用數據接入與語義結構管理

數據組織階段的目標是確保數據的一致性、可訪問性、結構化和語義化，為后續數據價值挖掘提供可靠的“原材料”。在此階段，教育數據需要統一接入、規范化存儲、便于檢索與分析、以及具有明確的教育語義。

數智大腦的標準化API接口能夠將分散在不同系統平臺和學習空間中的學習經歷數據、教學活動數據、教育管理數據統一接入，并按照統一的教育數據結構格式存儲。這一過程實現了多源數據融合，確保了數據的一致性和互操作性。借助云計算提供的強大計算能力，數智大腦能夠高效處理海量數據，推動教育數據的協同共享與智能分析；同時，區塊鏈技術為數據提供了透明性和安全性，確保數據在各平臺間流通時的可靠性和隱私保護。例如，數智大腦能夠接入并標準化處理教師教學、備課、教研平臺數據，為后續教師專業發展評估、教師服務支持分析提供數據基礎。數智大腦通過規范化存儲數據、構建數字軌跡，為各教育主體長期發展提供數據支持。

借助人工智能和機器學習，數智大腦能夠識別和分析數據特征，進行分類、標注和規范化處理，以確保不同類型數據（如基礎數據、行為描述數據、屬性數據）高效存儲。此外，數智大腦構建各教育主體的數字軌跡，包括學生學習的“一生一檔”、教師專業發展的“一師一檔”、學校管理的“一校一檔”，全面追蹤學生、教師和學校的長期發展。借助生成式人工智能技術，數智大腦也可以通過對大量歷史數據和動態變化數據的學習分析，預測教育主體未來的發展趨勢和潛在需求。區塊鏈技術在這一過程中確保數據在存儲過程中的完整性和不可篡改性，保護教育數據的安全性和隱私。例如，學生的“一生一檔”數據可以通過區塊鏈技術實現長期存儲和多方驗證，確保其真實性和可靠性。

借助人工智能技術和知識圖譜技術，如學科知識圖譜、大概念地圖、素養能力圖譜等，數智大腦能夠為教育數據注入語義標簽，激活數據的教育價值，使數據能夠在不同教育場景下被理解、解釋和應用。例如，在教學設計質量評估時，運用自然語言處理技術，可以自動識別和提取教學設計數據中的關鍵信息，將其映射到學科知識圖譜和大概念地圖中，打上相關學科、大概念標簽。而通過與已有的大概念知識圖譜對比，借助生成式人工智能的理解分析能力，數智大腦能夠識別當前設計與“大概念”所表征的專家思維模式之間的差距，從而為診斷教學設計的局限提供理論依據和數據基礎。

3.教育建模階段：理論模型啟示與人機協同建模

教育建模階段目標是基于教育理論模型，構建量化評估模型，充分利用結構化和語義化的教育數據，揭示教育現象背后隱藏的規律、趨勢以及各類變量之間的內在關聯。通過結合教育理論的經驗智慧與數據智能，確保教育決策的科學性和精準性，提升分析結果的可解釋性，為教育實踐優化提供可行的理論支持和證據依據。

在當前的學習分析與教育數據挖掘研究中，主流方法通常側重于數據和算法驅動，但往往忽視了結果的可解釋性。為了深度挖掘教育數據的內在價值，在數據建模階段，需要結合教育學理論、心理學理論、學科核心素養要求、教育政策法規等智慧。例如，基于自我決定理論和社會認知理論，可以構建學生課堂學習投入評估模型，在此基礎上形成數據量化模型，實現對學生學習投入表現的可解釋性評估。在這一過程也可以借助生成式人工智能技術，結合教育領域的最新研究成果和實踐經驗，對模型優化與動態調整過程提供前瞻性的指導，確保評估維度和權重的設置更契合教育發展的動態趨勢。數智大腦能夠為不同教育主體提供教育理論模型，并支持教育主體獲得開放權限，進行人機協同建模，構建與個性化教學需求匹配的理論模型。在數據量化模型構建過程中，數智大腦充分運用智能技術的優勢，如自然語言處理和機器學習算法，自動識別并分析多源教育數據的深層關系，將數據點和理論模型匹配、進行評估維度和權重的智能優化與動態調整。教育主體也可以根據實踐需求調整數據量化模型中的維度表述和權重匹配。

4.數據分析階段：理論與數據雙驅動的數據分析

數據分析階段是將處理后的教育數據轉化為有價值的信息和知識的關鍵環節。此環節需要對各教育主體的教育實踐表現進行科學診斷、提供針對性解決方案、追蹤各教育主體發展軌跡，從而為教育實踐迭代優化提供證據支持與可解釋性依據。

數智大腦以結構化、語義化教育數據為基礎，結合教育理論與數據分析雙向驅動，通過機器學習和自然語言處理技術，能夠高效地從大量教育數據中提取有價值的信息，識別潛在的模式、趨勢和關聯。例如，基于學生學習數據、教師教學數據以及學校管理數據，識別學習困難、教學策略的不足、資源配置的不合理等潛在問題。進一步地，數智大腦能夠運用生成式人工智能為教育主體提供可互動的診斷報告。根據診斷結果和理論啟示，生成式人工智能可以根據教育主體需求生成各類視角的報告，比如學生學習進展分析報告，學生有效失敗報告。在查看報告后，教育主體如有疑問，可以與報告互動，深入理解診斷結果，有理有據地調整教育實踐。同時，數智大腦能夠長期追蹤教育主體的發展軌跡，涵蓋學生的成長路徑、教師的專業發展路徑以及教育管理者的決策軌跡。通過對這些數據的動態監測，數智大腦可以預測潛在的實踐瓶頸，并提前提供預警，幫助教育主體做出更加精準的決策。例如，數智大腦可以根據教師的成長數據預測其職業發展趨勢，及時提供專業發展建議，或幫助教育管理者識別學校管理中可能出現的結構性問題，為學校的管理和發展提供戰略指導。

5.數據應用階段：數據價值應用與數據智慧實踐

實現“數據從應用來，到應用去”，是數據價值應用于數字化好學校建設的關鍵。借助數智大腦中的數字軌跡記錄和診斷報告，教師和學校管理者能夠實時了解教育實踐成效，并基于此調整實踐方向和策略，從而推動具體轉型任務的持續優化與迭代。例如，在學校的數字化轉型規劃中，學校設定有短期、中期和長期目標，并根據這些目標規劃了具體的轉型路徑和任務。基于數據驅動的效果評估，學校可以動態掌握每個轉型任務的進度，及時識別并糾正偏離方向的風險。學校能夠靈活決策，決定是否繼續、加速或擴大某項轉型實踐，或對其他實踐進行調整、減緩或糾正，確保數字化轉型目標的順利實現。

在數字化好學校建設過程中，轉型不僅是線性發展的過程，更是一個復雜的系統性工程，具有鮮明的策略性。因此，學校必須具備系統化思維，深入關注應用布局、組織素養提升、業務能力提升等多方面的深度變革。數智大腦通過系統性的數據整合、結合教育理論模型的解釋性分析，幫助學校形成全局視野，提供優化各項資源配置與應用布局的決策建議，并實時追蹤轉型進程中的關鍵指標，動態反饋轉型效果，促進學校教育體系的全面優化與升級。

四、數智賦能數字化好學校建設的典型場景及案例

落地教育場景是學校數字化轉型目的與歸宿[27]。數智賦能的數字化場景體現在學校全鏈路的教育數據組織、管理、建模分析以及應用服務，為技術、應用、組織建設提供優化迭代方向，在數智賦能的學生素養提升、教師教學創新、教育管理精細化、教育評價綜合化等典型業務場景中，持續彰顯數智賦能的獨特價值。

（一）數智助力學生素養提升

上海某小學致力于打造一套全方位提升學生數學素養的數學課程體系。然而，傳統數學教材在內容上對知識內在邏輯與核心概念挖掘不足，致使學生雖積累了一定數學知識，但難以形成系統的數學思維與解決實際問題的能力，制約了學生在數學抽象、邏輯推理等核心素養的培養。為了有效解決上述問題，學校通過數智賦能，全方位重塑數學課程設計與實施，涵蓋學生素養養成數字軌跡的刻畫、素養導向的教學課程設計、數智驅動的學生素養評估以及學生素養提升方案。數智大腦中的人機協同建模功能幫助該校數學老師構建了基于數學核心素養的大概念地圖。該地圖以提升學生數學核心素養為核心，將數與代數、圖形與幾何、統計與概率等知識領域通過 “數學模型的構建與應用”“空間觀念與幾何直觀” 等大概念進行有機整合。在學校數據匯聚中心，教師和學校管理者可以查看支撐學生數學科學素養評估的數據情況，并基于此選擇合適的數字化應用支持教學。在課程設計環節，教師借助大概念地圖，能夠深入理解數學各大概念的內涵及其相互關聯，進而開展以培育學生數學素養為目標的課程設計。數智大腦支持夯實學校數據基礎建設，在課后全面采集并融合學生學習數據，形成學生素養養成數字軌跡，幫助教師全局把握學生學習進展。大概念建模和診斷分析支持精準評估學生對數學各大概念掌握情況，為每位學生量身定制基于大概念的素養提升方案。

在該小學數學核心素養課程設計與實施過程中，數智驅動貫穿教學各環節。在數據生產階段，學校基于大概念地圖對學生素養數據的需求，通過對照學校數據匯聚中心數據情況，按需選用教學應用。在數據組織階段，數智大腦對教學實踐中產生的學生學習數據進行有效整合，實現數據的規范化存儲和融合，形成學生素養養成數字軌跡。在教育建模階段，基于大概念理論模型，構建科學的量化評估模型，從而對學生的數學學習能力與水平進行可解釋性評估，為教學策略的制定提供數據支持。在數據分析階段，教師借助數智大腦剖析學生學習數據，精確判斷學生的數學大概念掌握程度，為教學提供有力的反饋。在數據應用階段，數智大腦為教師設計以素養為導向的教學方案提供關鍵依據，為學生量身定制個性化的素養提升方案，推動數學教學朝科學化、精準化、高效化方向邁進。

（二）數智推動課堂教學創新

諸暨市某初中早前引入了作業、教學、測評三個核心教學實踐領域的智慧平臺，這些平臺在一定程度上解決了學校業務需求，例如提升了作業批改效率。然而，學生在課堂、練習和測評方面的表現并未達到預期。學校決定以英語課程作為試點，通過數智賦能激活各教育平臺上的教育數據價值，推動課堂教學創新與實踐轉型。數智大腦通過數據接入、融合和教育語義標注，統一管理三個智慧平臺上的數據。借助數智大腦中的英語作業設計質量、學生課堂參與度等教育模型，數據開始“動”起來，為教師提供精準的診斷分析，揭示學生在學習過程中存在的具體問題。根據診斷分析報告，教師發現學生英語閱讀中批判思維表現較為薄弱。人機協同建模支持教師構建針對學生英語閱讀批判性思維的理論與量化評估模型。教師在此基礎上設計并實施針對性英語教學措施。經過一段時間“實踐→評估→調整→再實踐”的持續教學迭代，教師發現班級學生的英語閱讀批判性思維表現顯著提高。該英語教師將此方法推廣應用于解決學生英語學習的其他問題，逐漸探索出了一套課堂教學創新實踐經驗。

該初中通過數智驅動，充分挖掘和利用現有教育應用平臺上的數據資源，開展了圍繞英語閱讀教學的周期性優化迭代。通過持續性數智驅動反饋和教師教學調整，學生的英語閱讀批判性思維表現得到了顯著提升。在數據組織階段，數智大腦支持接入并整合各平臺數據，使分散的學生學習數據得以系統整合。在教育建模和數據分析階段，多個教育模型共同支持教師全面洞察學生學習狀況，定位學生學習能力短板，在此基礎上，構建針對學生學習問題分析的針對性教育模型。在數據應用方面，教師依據分析結果調整教學策略，進而生產新的學生學習數據，進入下一個教學實踐迭代優化循環。

（三）數智支撐教育空間建設與素養測評綜合化實施

上海某高中在科創實驗室建設方面投入巨大，然而該實驗室存在特色匱乏、數據收集不易，對學生科學素養測評仍局限于紙筆測試和問卷調研。學校引入數智驅動重塑學生科學素養測評整體流程。數智大腦中的人機協同建模功能支持學校以化學、物理、生物學科知識及其核心素養為基礎，參考 PISA 和 TIMSS 科學素養評估框架，開展學生科學素養評估理論模型構建。基于理論模型啟示，學校得以確定了各學科在學生科學素養培養方面的職責，為實驗室的功能規劃和設備選型提供了堅實的科學依據。基于學生科學素養評估數據量化模型中對數據的需求，結合學校數據匯聚中心的數據現狀，學校設計實驗室數據采集方案，對實驗室進行定向升級改造。在數據接入、融合和語義打標功能支持下，學校得以實時收集實驗室數據，并按教育數據結構標準和教育語義標準進行統一組織與管理，刻畫學生的科學素養養成軌跡。進一步，基于科學素養評估模型，學生的科學素養表現得以深度診斷與分析。這些分析結果可為教師提供具有針對性的教學建議，幫助學生有針對性提升科創能力，同時為實驗室的教學功能迭代提供支持，使其真正成為培育未來科學家和工程師的理想場所。

該高中借力數據智能，創新性改造科學實驗室和構建學生在科學實驗室中科學素養表現測評方案。在數據生產階段，學校在科學素養測評的理念引導下，基于數據現實情況，開展基于設計的數據生產規劃，并借此升級科學實驗室，使之從僅支持實驗操作的物理空間升級為實踐—測評一體化的智能空間；數據組織功能支持規范化處理實驗室數據，和描繪學生的科學素養養成軌跡；教育建模和診斷分析功能助力構建科學素養評估模型、精準診斷學生科學素養狀況。數據價值應用圍繞實驗室升級和教師教學策略調整，以及學生科創實踐個性化指導。

（四）數智促進多主體協同教育治理

在某地區，教育局、幾所中等職業學校和當地企業借助數智賦能推動職業教育改革項目的設計和實施。項目啟動階段，借助數智大腦進行數據基礎建設，整合了政府、學校和企業三方的數據，并構建全面的數據視圖。基于職業教育發展評估模型的數據分析結果，各方對當地職業教育的現狀與需求有了更深入的理解。診斷分析報告揭示了該地區學生在技術技能培訓方面存在不足，同時也表明當地企業對具備此類技能人才的需求逐步增加。依據這些數據信息，教育局在資源規劃與決策制定方面做出相應調整。學校則依據數智大腦提供的分析結果，對課程設置進行優化，增加與技術技能相關的培訓課程，并且積極與企業展開合作，共同開展實踐活動，以此提升學生的實踐技能水平。區域職業教育發展情況相關數據持續匯入數據匯聚中心，并且開展周期性數智驅動的發展情況評估，由此推動各方持續溝通與協作，確保教育資源的高效配置，進而提升項目整體運行的效率和質量。

該地區通過數智賦能支持了教育局、學校和企業三方協同推動職業教育改革。在數據組織階段，數智大腦融合多方數據，打破信息孤島，使各方信息同步，對當地職業教育現狀有了宏觀把控。基于數據分析精準識別了技術技能培訓中的短板，并根據市場需求進行課程優化與調整。同時，借助持續的數智驅動評估和反饋機制，項目能夠動態調整教育資源配置，為職業教育的創新與發展提供了有力支持和示范。

五、結語

學校數智中樞建設支持夯實數據基礎、挖掘數據價值及落實數據價值應用，通過從數據生產到應用的全流程數智賦能實踐路徑，推動數字化好學校的建設。在這一過程中，數智賦能持續優化和迭代轉型實踐，動態監控轉型進程，并在宏觀層面把握整體轉型布局。這一轉型實踐路徑為學校數字化轉型提供了系統化、可復制的科學路徑。需要強調的是，目前關于數智賦能數字化好學校建設的探索，側重于理論可行性剖析、實踐路徑探索和離散場景梳理等層面。在未來的研究中，實踐案例分析和賦能效果分析應成為重點關注對象。例如，有必要深入開展數智賦能數字化好學校建設的多案例分析，通過多個不同類型學校的實際案例，全面解析不同情境下的賦能效果，諸如對教學質量提升的具體影響、對學生綜合素養發展的實際推動作用、對學校管理效能優化的量化評估等。

參考文獻：

[1][10] 顧小清.教育數字化轉型中數智賦能的三大關鍵要素[J].教育傳播與技術，2023，（5）：1.

[2] 顧小清，胡碧皓.教育數字化轉型及學校應變[J].人民教育，2023，（2）：47-50.

[3] 人民日報.以教育之強夯實國家富強之基——習近平總書記在中共中央政治局第五次集體學習時的重要講話指明教育強國建設方向[N].人民日報，2023-05-31（01）.

[4] 王一巖，朱陶等.人機協同教學：動因，本質與挑戰[J].電化教育研究，2024，（8）：51-57.

[5] 郝祥軍，顧小清等.人機協同學習：實踐模式與發展路向[J].開放教育研究，2022，28（04）：31-41.

[6][7] 余勝泉.教育數字化轉型的層次[J].中國電化教育，2023，（2）：55-59+66.

[8] 祝智庭，胡姣.教育數字化轉型的本質探析與研究展望[J].中國電化教育，2022，（4）：1-8+25.

[9] 顧小清.智能技術賦能教育數字化轉型的前沿趨勢——《2023人工智能促進教育發展報告》導讀[J].中國教育信息化，2024，30（7）：3-12.

[11] 蔡慧英，董海霞等.如何建設未來學校：基于智能教育治理場景的前瞻與審思[J].華東師范大學學報（教育科學版），2022，40（9）：45-54.

[12] 李世瑾，李睿，顧小清.智能素養的國際圖景與本土化發展框架[J].遠程教育雜志，2023，41（5）：56-66.

[13][19] 楊寧霞，唐愛民.教育數字化轉型中的“數字利維坦”風險及其規制——基于風險社會理論的視角[J].中國電化教育，2024，（9）：86-94.

[14] 錢小龍，朱家瑩，黃蓓蓓.基于PMC指數模型的“十四五”基礎教育數字化轉型政策評價——以江浙滬地區為例[J].遠程教育雜志，2024，42（1）：50-60.

[15] 祝智庭，胡姣.教育數字化轉型的實踐邏輯與發展機遇[J].電化教育研究，2022，43（1）：5-15.

[16] 范國睿.新時代基礎教育治理與學校活力激發[J].中國教育學刊，2023，（6）：1.

[17] 祝智庭，胡姣.教育數字化轉型的理論框架[J].中國教育學刊，2022，（4）：41-49.

[18] 賈同，顧小清.數據技術驅動的教育形態重塑：路徑與過程[J].中國電化教育，2021，（3）：38-45.

[20] Janssen M，Van Der Voort H，Wahyudi A.Factors influencing big data decision-making quality [J].Journal of business research，2017，70：338-345.

[21] 李世瑾，王成龍，顧小清.人工智能教育治理：邏輯機理與實踐進路[J].華東師范大學學報（教育科學版），2022，40（9）：55-66.

[22] 顧小清，王羽萱.以學習操作系統構建數字化轉型的數智動能[J].電化教育研究，2024，45（2）：55-61+70.

[23] Masschelein J.How to conceive of critical educational theory today [J]. Journal of philosophy of education，2004，38（3）：351-367.

[24] 柏宏權，朱俊.小學人工智能教師畫像構建研究[J].電化教育研究，2024，45（7）：96-104.

[25] 李倩夏，黃滔，李峻.基于大概念的歷史跨學科主題學習建模思考[J].歷史教學問題，2024，（2）：133-138+168.

[26] 宛平，顧小清.生成式人工智能支持的人機協同評價：實踐模式與解釋案例[J].現代遠距離教育，2024，（2）：33-41.

[27] 劉英群，周潛，韓錫斌.教育場景驅動的高校數據治理[J].中國電化教育，2024，（1）：38-43+67.

作者簡介：

顧小清：教授，研究方向為數字教育、教育數據治理、人工智能教育應用、學習分析技術及自適應學習技術系統。

李園園：在讀碩士，研究方向為對話教學、基于模擬的學習、教育中的多智能體。

Constructing Digitally-Enabled High-Quality Schools： How Artificial Intelligence Can be Deployed in Education Scenarios

Gu Xiaoqing， Li Yuanyuan

Department of Education Information Technology， Faculty of Education， East China Normal University， Shanghai 200062

Abstract： The digital transformation of education at the school level serves as the pivotal driving force behind the extensive and allencompassing process of educational digitalization. Amidst the backdrop of Digital China， the digitalization of school education encompasses not only the general traits of data-driven transformation but also integrates the unique attributes inherent to the educational domain. Confronting the novel challenges that educational digitalization presents， this study introduces the concept of the Digitally-Enabled HighQuality School as an exemplary paradigm for school-level digital transformation， elucidating its essential characteristics and construction requirements. At the heart of this transformation lies the development of the data engine， which plays a vital role in ensuring the continuous optimization and dynamic iteration of all facets of the transformation. The study further expounds upon the path of intelligent empowerment in constructing the Digitally-Enabled High-Quality School， analyzing the data-driven transformation loop of “From Application to Application.”Ultimately， the study showcases typical application scenarios of intelligent empowerment in the construction of the Digitally-Enabled HighQuality School， demonstrating its efficacy through four case studies. The objective of the study is to provide a scientifically grounded， replicable， and actionable pathway for translating the concept of a Digitally-Enabled High-Quality School from theory into practice.

Keywords： digitally-enabled high-quality school； educational digital transformation； data intelligence； educational data governance

收稿日期：2025年1月12日

責任編輯：宋靈青