发展教育大数据：内涵、价值和挑战

摘要：我国教育领域的发展与改革正面临前所未有的挑战，大数据与教育的结合成为时代发展的必然要求。教育大数据是指整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合。在当前国际形势下，教育大数据从战略高度应定位为推动教育变革的新型战略资产、推进教育领域综合改革的科学力量以及发展智慧教育的基石。教育大数据的最终价值应体现在与教育主流业务的深度融合以及持续推动教育系统的智慧化变革上，具体表现在驱动教育管理科学化、驱动教学模式改革、驱动个性化学习真正实现、驱动教育评价体系重构、驱动科学研究范式转型、驱动教育服务更具人性化。然而由于教育系统自身更强的独特性和复杂性，我国教育大数据的发展也面临应用落地、数据安全、数据治理与运营等诸多挑战。只有正视并深入研究这些问题，才能推动我国教育大数据持续健康发展。

关键词：教育大数据；教育改革；教育信息化；内涵界定；战略定位；价值潜能；现实挑战

（1）教育大数据驱动教育评价体系重构

随着大数据时代的到来，教育评价正在从“经验主义”走向“数据主义”，从“宏观群体”评价走向“微观个体”评价，从“单一评价”走向“综合评价”。

智慧学习环境中通过新一代信息技术可以采集到教与学的全过程数据，不仅仅包括网络教学平台上记录的档案数据，还包括更多学习情境数据（如地点、时间、个体特征、所用设备、周围环境等），为开展中小学学业成就评价提供了更全面的数据支持。每个学生拥有相伴一生的学习档案袋，持续存储每个学期、每门课程、每节课、每次学习的表现数据。每个教师拥有一个教学档案袋，全面记录每个学期、每门课程的教学表现。基于云计算技术，将档案袋数据永久存储在云端，同时通过科学的评估模型，对教师和学生的发展进行定期评估，提出更具针对性的发展建议。学校不仅要对学生在校期间的学业成就进行评价，还要持续跟踪学生毕业后的发展情况，以期为学校教学质量评估提供更全面、更准确的科学数据。

目前，我国教育部已经建立了较为完整的国家基础教育质量数据库和多级数据采集网络。全面客观地记录学生成长轨迹，沉淀和积累多维度的学生成长数据，让反映学生发展状态的数据完整显示出来，将能引导学生培养模式和教育质量管理方式的科学健康发展。上海作为试点区域于2011年开始建立了“上海市中小学生学业质量绿色指标”体系，“绿色指标”在收集学生学业水平数据的基础上，还收集了有关学生家庭背景、学习动机、学业负担和师生关系以及教学方式和校长领导力等信息，并及时向区县和部分学校反馈评价结果，以合理引导教育管理、教学指导以及各种教与学行为。现阶段已有不少地区尝试将基于大数据的学习评价方式应用于教学中。如田纳西州增值评价系统（TennesseeValueAddedAssessmentSystem，TVAAS）是一个通过对学生的成绩进行多年连续追踪分析来评估学区、学校和教师效能的系统。在TVAAS中，3~12年级的每个学生都要参加一系列的测试，如语言、数学、科学等，该系统采用增值评价方法分析每个学生的学业进步，并依此评估各区、各校、各教师对学生学业进步的贡献大小（Ballouetal.，2004）。TVAAS可以为教育决策者提供大量的诊断信息，有利于促进形成性评价的开展与实施；可以计算每所学校或学校子群体在各科上的成绩进步率，然后参照以往的进步率，发现那些没有取得足够进步的学生群体，并对其进行干预；可以预测每个学生在各科上将来可能获得的成绩，有助于学校管理者与教师尽早发现那些将来有可能会达不到毕业要求的学生，使他们有足够的时间为这些学生制定不同的课程和教学策略；还可以帮助教师提前了解那些即将在他们班就读学生以前的成绩，有助于教师根据学生的学习情况制定更加适合本班学生的教学方案，从而提高教师的教学质量。

（2）教育大数据驱动科学研究范式转型

随着大数据技术的不断成熟，各种科研数据的获取将更加便利，传统科研的复杂性将大大降低，也在一定程度上破解了科研经费投入、数据分析以及科研管理等难题，为科研工作者提供了更为便捷的技术支撑与人性化服务，大大提高了研究的效率和结果的可信度。

在自然科学领域，大数据为发现更多“意外”的结果提供了可能，使传统研究中很多的不可能逐步成为可能。美国的大数据研究计划中专门列出寻找“希格斯粒子”（被称为“上帝粒子”）的大型强子对撞机实验，实验目标是至少要在1万亿个事例中才可能找出1个希格斯粒子。2012年7月4日，终于发现新的玻色子，标准差为4.9，被认为可能是希格斯玻色子（承认是希格斯玻色子粒子需要5个标准差，即99.99943%的可能性是对的）。大数据处理是整个实验的一个预定步骤，为实验的成功提供了数据保障。

在社会科学领域，由于实验设施及人员精力的限制，研究者总是通过人工搜集、资料查找等方式获得科研数据，并根据对“抽样”数据的分析，推算一般规律。这种研究范式导致社会科学研究一直备受逻辑性和科学性不足的诟病。随着大数据的出现，越来越多的社会科学变得可以被量化，社会科学的研究范式正在从抽样模式走向全样本模式，成为一门实实在在的实证科学（北大新媒体，2013）。此外，大数据技术还可以为科研人员便捷地获取个性化的学术文献资源、自动寻找研究同行和合作伙伴、组建跨学科跨地域的国际研究团队提供支持和便利。

参考文献：

[1]北大新媒体(2013).大数据助力社会科学研究[EB/OL].[2015-12-10].http://www.looooker.com/archives/6765.

[2]北京民教信息科学研究院(2013).大数据技术如何处理大学校园IT安全问题[EB/OL].[2015-12-10].http://www.cnein.ac.cn/html/special/2013/0423/109.html?pc_hash=0xvnuG.

[3]陈律(2013).大数据背景下学习分析技术对教学模式的变革[J].中国教育信息化,(24):15-17.

[4]葛道凯,张少刚,魏顺平(2012).教育数据挖掘:方法与应用[M].北京:教育科学出版社.

[5]顾建军(2000).浅析教育的双主体性特征[J].教育科学,(1):1-5.

[6]顾明远(2014).教育领域综合改革的宏观视野[J].教育研究,(6):4-9.

[7]顾小清,张进良,蔡慧英(2012).学习分析:正在浮现中的数据技术[J].远程教育杂志,(1):18-25.及教育变革趋势——大数据时代教育变革的最新研究进展综述[J].现代大学教育,(4):98-104.

[9]吉安教育网(2014).大数据时代教育管理谋求信息化变革[EB/OL].[2015-12-10].http://www.jaedu.com/Article/ShowInfo.asp?InfoID=10122.

[10]柯清超(2013).大数据与智慧教育[J].中国教育信息化,(24):8-11.

[11]李国杰,程学旗(2012).大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J].中国科学院院刊,(6):647-657.

[12]刘雍潜,杨现民(2014).大数据时代区域教育均衡发展新思路[J].电化教育研究,(5):11-14.

[13]马红亮,[英]袁莉,郭唯一等(2014).反省分析技术在教育领域中的应用[J].现代远程教育研究,(4):39-46.

[14]宓詠,赵泽宇(2013).大数据创新智慧校园服务[J].中国教育信息化,(24):3-7.

[15]人民网(2013).教育部:目前我国教育规模位居世界首位2.6亿学生在校[EB/OL].[2015-12-10].http://politics.people.com.cn/n/2013/1015/c1001-23206346.html.