基于大数据的区域教育评价变革论文10篇基于大数据的区域教育评价变革论文 大数据 BigDataResearchISSN2096-0271,CN10-1321/G2 《大数据》网络首发论文 题目： 基于数据智下面是小编为大家整理的基于大数据的区域教育评价变革论文10篇,供大家参考。
Big Data Research ISSN 2096-0271,CN 10-1321/G2
《大数据》网络首发论文
题目：
基于数据智能的区域教育大平台建设与应用实践 作者：
贺相春，郭绍青 网络首发日期：
2020-11-11 引用格式：
贺相春，郭绍青． 基于数据智能的区域教育大平台建设与应用实践．大数据. https://kns.cnki.net/kcms/detail/10.1321.G2.20201111.1634.004.html
网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容，只可基于编辑规范进行少量文字的修改。
出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出版广电总局批准的网络连续型出版物（ISSN 2096-4188，CN 11-6037/Z），所以签约期刊的网络版上网络首发论文视为正式出版。
基于数据智能的区域教育大平台建设与应用实践
贺相春，郭绍青
西北师范大学教育技术学院，甘肃 兰州 730070
摘 摘 要 要 ：数据智能引领是新时期区域教育大平台建设与应用的重要方向。从区域教育大平台建设与应用的现状和挑战出发，从理念视角明晰了基于数据智能的区域教育大平台的发展阶段，提出运用迭代思维推进平台建设、坚持 3 个导向统筹平台建设、聚焦 3 个重点推动平台建设、创新建设机制助推生态构建等方面的建设思路，从技术视角分析了平台的整体框架与核心关键技术，从应用视角提出了平台应用的推进路径、着力点及推进方式，并给出典型实践案例，为相关领域的研究者与实践者提供借鉴。
中图分类号：TP31
文献标识码：A
关键词：
：数据智能；区域教育大平台；数据标准 Construction and application of regional education platform based on data intelligence HE Xiangchun, GUO Shaoqing School of Educational Technology, Northwest Normal University, Lanzhou 730070, China Abstract: Data intelligence leading is an important direction of regional education platform construction and application in the new era. Starting from the current situation and challenges of the construction and application of regional education platform, the development stage of regional education platform based on data intelligence was clarified from the perspective of concept. The construction ideas of using iterative thinking to promote platform construction, adhere to three guidance to overall planning platform construction, focus on three key points to promote platform construction, innovate construction mechanism to boost ecological construction, were put forward. The overall framework and key technologies of the platform were analyzed from the perspective of technology. The application promotion path, application focus and application promotion mode were put forward from the perspective of application, and typical practice cases were given, which provides reference for researchers and practitioners in related fields. Key words: data intelligence, regional education platform, data standard
基金项目：2020 年甘肃省高等学校创新基金项目（No.2020B-082）
Foundation Item: Innovation Fund Project of Colleges and Universities in Gansu Province in 2020 (No.2020B-082)
网络首发时间：2020-11-11 16:43:33网络首发地址：https://kns.cnki.net/kcms/detail/10.1321.G2.20201111.1634.004.html
1
引言 “十三五”以来，在国家系列政策的引领与驱动下，“数据中心上移、服务应用下沉”[1] “政府主导，企业参与，应用驱动，机制创新”的建设理念与模式不断创新与变革，“构建一体化的‘互联网+教育’大平台”，引入“平台+教育”模式，“信息化引领构建以学习者为中心的全新教育生态”成为国家教育信息化战略部署和要求。教育部于 2019 年 5 月确立北京市东城区、上海市闵行区、湖南省长沙市、广东省广州市、河北省雄安新区等首批8 个“智慧教育示范区”，各省市也在积极推动区域内“智慧教育示范区”建设，各类示范区的实施方案和建设重点涵盖了区域大平台的融通建设、“教、学、研、评、管”教育全过程场景的应用，强调数据驱动、服务体系与教育治理，区域教育大平台的建设已经进入一个新阶段，融合大数据创新、大数据智能引领是新时期区域教育大平台建设与应用的重要方向。笔者在参与国家和区域智慧教育示范区建设的规划、评审、战略咨询等过程中发现，由于区域教育大平台的顶层设计者在平台建设理念与目标、建设流程与方法、推进与深化应用路径等方面认知的差异，存在平台顶层设计不到位、统筹规划不全面、建设周期不可控、应用推进不均衡等诸多问题。因此，立足区域教育大平台建设的现状与面临的挑战，聚焦基于数据智能的区域教育大平台建设的技术框架、建设思路与模式、应用推进路径与方式，是当前需要研究的重要课题。
2
区域教育大平台建设与应用的现状和挑战 2019 年教育部遴选 8 个区域作为“智慧教育示范区”，以期基于数据采集与分析，“为学生、教师和家长等提供个性化支持和精准化服务”，为区域师生提供高学习体验、高内容适配和高教学效率的教育供给，促进教育公平，提高教育质量。从各示范区的建设方案来看，顶层设计者希望区域教育大平台在“学生综合评价”“教师画像”“精准教学”“区域教育治理”等方面发挥支撑服务作用，然而大平台在承载相应的服务功能方面还面临着挑战。
2.1
对区域教育大平台的认知存在差异 区域管理者对网络学习空间、数字教育资源公共服务体系、“互联网+教育”大平台的认知不统一，在进行区域平台顶层规划与设计时，由于对其价值定位、功能定位、建设目标定位不同，导致平台建设走向不同路径，对未来各区域大平台的数据融通带来技术壁垒，进而影响教育大平台实现数据智能的进程。网络学习空间是融资源、服务、数据为一体，支持共享、交互、创新的实名制网络学习场所 [2] ，数据服务是其提供的基本服务之一。数字教育资源公共服务体系是政府通过网络学习空间提供数字教育资源基本公共服务的载体 [1] ，体系中的资源及其应用数据是网络学习空间提供个性化服务的重要依据。“互联网+教育”大平台则是支撑“互联网+教育”的一体化平台，不仅涵盖提供数据、资源、服务的软件平台，
还包括与软件平台相配合的体制机制与模式 [3] 。各区域内的“互联网+教育”大平台通过数据融通共同构成国家的“互联网+教育”大平台。由于对三者的界限认知模糊，建设者往往不能恰当处理三者间的数据关系，随着平台建设与应用的深入，数据融通的难度不断增大，数据价值难以发挥，给实现数据智能带来挑战。
2.2 对“数据”与“数据化”的重视度不够 区域教育大平台是以数据的流动、共享为驱动，以系统应用为基本组件的教育平台，然而其核心要素“数据”及其应用尚未得到足够重视。
（1）数据资产意识不强 数据是一种资产，基于数据资产，可以构建区域、个体的数字画像，为教学、决策提供深度数据支撑。但目前的区域教育大平台建设中，对平台中外显功能的重视程度远高于内在数据资产。随着平台建设与应用的深入，各外显功能模块不断更替、迭代，而数据碎片化现象严重，不能有效积累形成资产，数据无法融通应用，价值无法发挥。
（2）标准先行尚未得到足够重视 数据采集与交换标准界定了采集何种数据、如何采集、如何共享，是发挥数据资产效益的关键技术和关键环节。目前数据贯通的方式主要有两类：一是实现完全的数据交换。所有业务系统遵循基本的标准，各系统数据能够进行全面交换。二是通过统一身份认证，实现平台应用间的无缝跳转。但目前仅仅实现了用户基本信息和权限的连通，整体业务数据并未真正贯通。在当前区域教育大平台的建设中，由于缺乏统一的数据标准，数据贯通往往采用第二种方式，首先建立一些相对独立的应用系统，然后通过统一认证登录的方式连接各个系统，而这为后续数据的采集、整合带来了更多的技术壁垒，真正的数据共享与应用难以实现。
（3）“数据化”应用碎片化 由于数据采集分散和融合困难，平台中各类应用各行其是，在各类应用中利用自身获取的片面性、片段性数据进行数据分析，分析结果往往呈现两种状态：一是分析结果简陋。由于缺乏充足的数据，只能做简单分析，对师生能力、素养等的高阶分析无法开展。二是分析结果片面。仅仅依赖应用自身获取的片面性、片段性、单维度数据进行分析，往往会导致分析结果不客观、片面化。
2.3 对区域教育大平台的应用推进路径不明 以区域为主推进教育大平台，是一次教育信息化平台建设与应用的转段升级。尤其在后疫情时代，对平台的数据智能提出了更高的要求，需求导向更加明确，问题导向也更加聚焦。当前各个区域都在进行试点探索，由于各区域信息化建设基础不同、地方经济社会条件不同、教育发展水平不同，形成可完全复制和推广的成熟模式、策略和方法还需要一个较长的实践与探索周期。
3
基于数据智能的区域教育大平台建设 从区域教育大平台建设与应用的现状与面临的挑战来看，亟需从数据智能的视角来进行顶层设计与规划，以推动平台的建设。数据智能视角下的区域教育大平台建设是一项多层面、多因素构成的社会系统工程。在技术层面，要求要有先进的技术标准和规范、安全体系、软硬件环境，符合区域教育现代化人才培养的物质基础，以先进的教育设施和技术手段支持区域人才培养；在建设层面，要求区域教育大平台的建设紧跟域内和国家教育发展战略的需要，以数据的流动、共享为驱动，以系统应用为基本生产工具，不断实现区域教育大平台的迭代更新，形成区域教育多元发展的产业生态链，构建符合区域特色的新型教育数据大平台。在应用层面，推动市级统筹、县（区）为主、学校实施，围绕课程改革、人才培养、教育治理等现实问题，采取“一校一案”的措施，着力解决教育教学改革、教育资源建设与精准供给的难题。形成一个“基础理论研究+关键技术突破+产品研发+应用示范”的研究与实践共同体，协同推动教育大数据生态的建设与发展。
3.1 基于数据智能的区域教育大平台的发展阶段
从应用系统建设的生命周期和教育大数据的生命周期来看，区域教育大平台发展一般分为 3 个阶段，如图 1 所示。一是分散建设阶段。在这一阶段，单个系统的部属与应用有效提升了区域内个人或集体教育生产服务效率，数据随系统而存在。二是贯通发展阶段。在这一阶段，区域内的教育个体与群体在系统应用中有了更多的互动关系，这就要求不同系统之间要有一定的数据互通，以便形成多维、多元、快速传递资源与信息的新体系，不同系统的数据之间开始建立连接。三是融通发展阶段。在这一阶段，不同应用系统之间完全实现数据的融通，形成了教育数据体系，为教育的智能化和个性化提供了体系化的数据支撑服务。
图 1 基于数据智能的区域教育大平台发展阶段 3.2 基于数据智能的区域教育大平台的建设思路 基于数据智能的区域教育大平台的 3 个发展阶段决定了区域教育大平台建设需要遵循相应路径。
（1）运用迭代思维推进平台建设 一蹴而就、一劳永逸的大平台建设是不存在的，必须秉持“迭代思维”，依据教育信息的数据来源条件、支持服务条件、软件基础条件以及应用需求条件的不同而灵活建设，如图2 所示。
第一阶段，主要解决“有无”问题。建设者对大平台进行顶层规划设计，确定近期、中期和长期目标。同时初步建立教育大数据采集与交换标准、数据共享安全保障机制等，基于标准快速部署已有应用系统，初步实现已有系统数据的整合与汇聚。该阶段的主要任务包括：从应用场景出发进行梳理，形成数据采集和交换标准，建立数据管理规范。确定数据采集的优先级、可行性、需求紧迫性，形成递进的数据采集任务列表。以区域内的基础设施建设为契机，基于标准接入或新建应用，初步实现各类应用的数据采集。
第二阶段，主要解决“能用”问题。建设者在第一阶段的基础上推进应用，尤其是推进应用的组合使用，在应用过程中，不断迭代完善平台的数据标准及功能。主要任务包括：优化各应用的功能，推动应用自身以及应用之...
专 题 研 究是既涵盖教育部中小学教育质量综合评价指标体系要求，又具有本地特色的包括品德与社会化水平、学业发展水平、身心发展水平、兴趣特长潜能、学业负担状况、对学校的认同六大方面 22 项关键性指标的评价指标体系框架。阳光评价的评价主体从“一元评价”走向 “多元评价”，评价目的从 “鉴定性评价”走向 “发展性评价”，评价手段从单一的 “定量评价”走向 “定量评价”与 “定性评价”相结合，评价方法从单一的 “总结性评价”走向“形成性评价”和 “总结性评价”相结合。基于大数据的阳光评价指标的观测有别于传统的教育评价信息的片段化与单一性，在评价过程中受评价者经验和主观性影响过大。基于大数据的评价意味着对教育评价数据进行全方位与过程性的采集，不但注意对结构化数据的收集，也重视对非结构化数据的收集。基于大数据的教育评价突破传统教育评价对学生学业成绩的过分依赖，将碎片化评价整合为系统化评价，从单一评价发展为多元评价，使评价指标的观测全面、可持续、多维度、多元化，有效地丰富了教育评价的功能，提高了教育评价的科学性与客观性。广州市海珠区立足 《广州市中小学教育质量阳光评价体系》，以 “公平、个性、开放”三个体现现代教育特征的核心要素为原则，以 “学业负担改变”、 “身心发展水平提升”为目标，不求面面俱到，但求突出重点、强调实证、呈现过程、体现客观、便于操作。改变传统的单一、终结与经验评价的做法，将评价建立在大数据支撑和科学分析的基础上，建立每个学生基于观测点的过程性成长档案，根据 “数据 + 证据”进行分析判断，科学诊断， “用数据说话”， “用数据评价”，体现过程，关注个体促进发展。例如:在 “身心发展水平”方面，传统教育评价评价主体常常只有教师，定性取决于学生体育考核成绩的好坏，评价方式单一，忽略对学生体质健康形成过程性的分析，并且缺乏对分析与评价结果的充分利用。在海珠区 “数据 +证据”的评价实验中，我们充分运用大数据技术和基于互联网的传感技术，对照指标体系将学校的体质健康数据、实验学生手环运动数据、饭堂饮食数据、兴趣选修数据、图书借阅数据、问卷等多种评价数据作为各指标的观测点，如表 1 所示。表 1 身心发展水平测评点对应表评价内容 关键指标 指标内涵 测评点身心发展水平身体健康身体机能和体能素质达到 《国家学生体质健康标准》要求的情况以及视力状况等;养成文明健康的生活方式心理健康了解心理健康的标准，掌握有利于心理健康的知识和技能;能够觉察与排解自己的情绪，约束自我行为，并应对和克服学习、生活中遇到的困难;自尊自信，有效应对日常生活学习和环境变化，具有坚强的意志力和良好的精神面貌自我管理认识自己，具备自我评估、自我发展的意识和能力;能够独立自主地行动，生活自理，行为自律，对自己的行为负责;学会自我规划，能根据环境要求做出适当的调整并付诸实践1． 学校体质健康数据;2． 手环传感数据;3． 饭堂数据;4． 兴趣班、选修课数据;5． 图书馆借阅数据;6． 调查问卷等数据进行采集观测38
专 题 研 究这些对应指标测评点的数据采集真实客观地记录了学生身心发展过程，让我们走近每一个学生的真实状况，并形成实验校每一个学生的成长数据档案。图 1 广州市海珠区教育质量综合评价平台二、面向阳光评价的大数据收集利用大数据的前提是能够获取大数据及便捷处理分析数据，广州市海珠区在阳光评价的实施过程中，根据 “数据 + 证据”实验方案构建覆盖全区的教育质量综合评价平台 (如图 1 所示)。平台基于互联网和物联网传感技术进行数据采集，采用大数据技术对学生测评点数据做出分析与研判。建设区、校两级数据中心，对数据接口与数据标准进行了规范统一。学校通过在系统进行观测点数据采集、管理、信息录入等，向上提供决策的数据支撑，向下提供数据诊断，这些数据在系统之间相连互通，形成多维实时的数据评价资源网络。这为阳光评价准确地管理、分析、分类处理与利用每一位学生的数据夯实了基础。为了保障教育数据的质量，我们在实验推进过程中采取了如下措施:(1)解决了各数据系统兼容性，统一了图书馆借阅设备、饭堂订餐设备、手环、门禁等各设备的数据接口和数据格式转换，使各数据系统的数据能在统一数据平台中利用。(2)标准化数据定义，统一了数据的定义与表达方式，使得不同区域、不同学校的数据具有可比性，并能进行有效整合。(3)切合评价指标找准数据，确保数据的可用性。(4)及时更新数据，确保数据的完整性与代表性。三、阳光评价的数据应用(一)确定评价数据应用范围数据是为评价服务的，在进行大数据评价之前，我们首先依据 “阳光”评价指标体系对评价目标、评价对象、评价范围、评价内容、评价方法等进行整体规划。其次，充分结合阳光评价需求定位与指标内涵，深入分析需要利用哪些数据来解决评价中涉及的问题，确定相关数据的证据作用。例如，“身心发展水平”根据一、二级指标先确定评价范围，是针对学生整体身心健康水平或某一方面进行评价，是针对哪一个时间段的身心发展水平进39
专 题 研 究行评价，还是针对学校中某一类学生在身心某一方面的发展情况进行评价?只有根据评价需求与内涵找准观测点数据加以采集分析，才能保障评价结果的实效性。(二)了解评价服务对象需求评价服务对象主要有区、学校、班级教师、家长以及学生，各类型用户的关注点不同，数据应用服务也应有所不同。对于教育行政部门来说，更关注本地的总体教育水平、学校、师生发展现状等。对于学校及教师，更关心的是本校或本班学生的评价情况，可以横向与其他学校、与全区整体数据现状进行比较分析，纵向与自身发展各阶段进行比较分析，通过数据诊断学校的教育发展水平，支持相关决策。对于家长来说，主要关心孩子的综合素质现状，通过与孩子自身、本校、本区的纵横数据比较分析以了解孩子的发展情况，发现问题及差异，为更好地培养孩子提供参考方向。对于学生自身而言，更重要的是能够使学生进行一次综合素质的 “体检”，帮助其对自身的发展水平、发展路径有一个更感性、客观的认识，促进学生从自身的角度提高综合素质水平〔2〕 。(三)挖掘数据内涵体现数据价值对采集的评价数据根据相关评价原理、选择相应数据分析方法，进行数据挖掘，围绕各大指标与观测数据之间的相关性开展研究。通过数据找出学校及师生的发展规律，使评价结果能对各观测学校及师生给出科学有效的发展建议，让阳光评价 “好用，有用，实用”。(四)创建 “安全”环境推广数据应用在评价数据应用过程中，要制定一些适合学校实情的大数据应用制度，避免让大数据的应用成为教师的负担。尽量不要将评价数据与教师的工作绩效、工作地位直接关联，让教师在一个相对安全、自信的环境下利用数据支持教学评价，反思并利用评价数据以优化自己的教学。同时，对大数据的来源、质量与处理方法要有高要求，保障数据有效性与实用性，并对可能影响教育评价有效实施的相关因素做好应对措施。“数据 + 证据”大数据评价模式的应用使对每一个学生进行多元的、科学的、动态的评价成为可能。在后续的实验工作中，我们将加强数据的相关性研究，建立数据模型，促进教育评价的科学化，让大数据助推阳光评价，让每一个学生都享有教育公平，每一所学校都得到均衡发展。参考文献:〔1〕郑燕林，柳海民． 大数据在美国教育评价中的应用路径分析 〔J〕． 中国电化教育，2015 (7):25 －31．〔2〕张鹏高，张生，李宣宣． 基于大数据的教育质量综合评价 〔J〕． 中国教育信息化，2015 (4):12 －14．(责任编辑:张敏)40
关键词 ：教育大数据；教育评价；发展性评估；数据采集；可视化分析 【中图分类号 】G40-057【文献标识码】A 【论文编号】1009----8097(2016)O6__0oo5-．_o7 IDO1]10．3969／]． 1ssn．1009-8097． 2016．06． 001 数据 (Data)是按照一定规则排列组合的物理符号，可以表现为符号、文字、数字、语音、 图像 、视频等形式，是信息的表现形式和载体。2001年高德纳咨询公司在研究报告中指 出，人 类社会数据爆炸从三个维度展开：一是同一类型的数据量在快速增大，二是数据增长的速度在 加快，三是数据的来源和新的数据种类在不断增加一一上述事实清楚地说 明人类真正进入到 了 大数据时代【¨。
·
关于大数据的定义暂时还没有达成共识，现存的定义主要从大数据具备的性质出发进行界 定。目前，研究界认可的是大数据应当满足 3V特点，即规模性 (Volume)、多样性 (Variety) 和高速性 (Velocit y)【2】．随后，不同的机构将其扩展成为 4V，如IBM提出的准确性 (Veracit y) 以及 IDC提出的价值性 (Value)等【引。大数据立足于对大量数据的深度挖掘与科学分析，寻求 数据背后的隐含关系与价值，使得人们可以从基于小样本数据的推测或基于感性的偏好性选择 转 向基于数据分析与理性证据 的决策[4】。当前，大数据正不断地深入教育领域，对一些 “数据密 集型”的教育业务如考试、学习分析等产生了强劲的冲击。
大数据与教学评价变革 教育评价指的是在系统、科学、全面地搜集 、整理、处理和分析教育信息的基础上，对教 育的价值做出判断的过程。从个人层面来看，教育评价的目的在于了解学生的发展情况，对学 生的学习情况进行客观总结、对教师的教学质量进行评估；从宏观来看，评价的目的更在于促 进教育改革，提高整个国家的教育质量[ 。我国《国家中长期教育改革和发展规划纲要(2010．2020 年)》指 出：“要改进教育教学评价，根据培养 目标和人才理念，建立科学、多样的评价标准 。
开展由政府、学校、家长及社会各方面参与的教育质量评价活动。做好学生成长记录，完善综 合素质评价，探索促进学生发展的多种评价方式。”美国于 2010年发布的 《国家教育技术计划》 (National Education Technology Plan)中强调各级各类教育系统要利用技术来测量、评价学习 过程，教育管理者应该利用技术来收集学习过程中的实时数据，为持续改善学习效果提供依据[们。
5 一
l[)l _ 中美两国的重要教育文件都揭示了教育评价在整个国家教育系统中的重要地位，并预示着 教育评价将在理念、内容、方式等方面的转型取向，在现代教育价值趋于多元化的基础上，教 育评价方式面临全面转变 的现实需要[
。这种转变主要表现在如下方面：①做好学生成长记录 、 收集学生学习过程中的实时数据等评价措施的提出，体现了评价理念从 以往 “经验主义”向 “数 据主义”转变的趋势；②完善综合素质评价、探索促进学生发展的多种评价方式以及提供持续 改善学习效果等评价 目标的提 出，体现了评价 内容从以往注重认知水平的 “总结性评价”向综 合素养的 “发展性评价”转变的趋势；⑨政府、学校、家长及社会各方面参与的评价主体的提 出，体现了评价方式从 “单一封闭”向 “多元开放”转变的趋势。事实上，上述教育评价的转 型并非全新的理念和思想。依据数据所提供的证据进行判定是实证主义的基本思想，发展性原 则一直是教育评价本身应有之义，学生的自我评价、家长 的校外评价( ]也是很多学校采取的评价 方式之一 。然而近几年来，这些思想在 国家教育纲要性文件 中被显著地提及 ，说明其在过去落 实的力度欠缺，或者说直至今日这些思想的落实方才具备可操作性的条件，这就是现代信息技 术和大数据在教育领域中应用的用武之地。
教育评价是为 了让我们更好地 了解学生、审视我们 的课堂和教学过程 。在传统的教育环境 下，了解学生的主要方法为问卷调查、课堂行为观察、考试、作业分析等 。这些方法存在着耗 时长、数据不准确、过程型数据遗漏或者无法采集等多种弊端，建立在这种不完整数据之上所 获得的分析结果只能揭示某些特定的问题 ，缺乏综合性。此外，不 同来源的数据之间难以整合 ，
因为采集成本等原因，获得的数据缺少持续性，导致数据 内部隐含 的信息连接被割裂 。比如学 生作业水平和学生课堂学习行为之间的所存在关系的挖掘；学生阅读能力对其数学学科表现的 影响分析等都难 以实现。因而教师往往只能根据经验来处理教学 问题 ，这些都对于科学、精准 地 了解学生，做出教学决策甚至制定教育政策造成不利影响 。教育大数据 的应用则为克服现有 教育评价中的不足提供 了效果 良好的解决方案 。
1大数据推动数据驱动的教学决策 数据驱动决策在教育中是指收集 、分析 、报告和使用数据用于教育教学改进的过程[
。比如 美国普渡大学的 “课程信号灯”(Course Signals)项 目是国际知名的大数据诊断学生、提供教育 决策的典型案例之 -[ ]。如图 1所示，“课程信号灯 ”系统主要 以成果算法为基础 ，对学生课程 表现、课程努力程度、前期学业历史、学习者特征等数据进行采集和计算，实现对课程的实时 预测 。预测结果将通过红、黄、绿三种颜色信号灯 的形式 ，呈现在学生的学习页面以及教师的 课程控制页面中一一 红灯表示课程学习中存在极大 的失败可能性；黄灯表示在课程学习中存在 一定的问题 ，有失败 的可能；绿灯表示学习成功的几率很高。根据不同的信号显示，教师通过 发送 电子 邮件、短信 以及面谈等方式对学生学 习进行适 当的干预 ，还可 以通过 “课程信号灯 ” 系统自带的推荐学习导师与学习资源模块，对学习者学习提供适当的帮助，以促进其在课程学 习中取得成功。
2大数据促进了学生发展性评估 早在 1940年 ，美 国史密斯一泰勒报告中就指出教育评价不能只测量学生的某些能力和特征， 而应该根据教育 目标来评价学生发展及成长的进程和水平 ，这是发展性评价理念在现代教 育评 价 中的确立。发展性评价是指通过系统地搜集评价信息和进行分析，对学生的教育活动进行价 值判断，实现其发展 目标 的过程 。发展性评估主要发挥评价诊断的功能 ，突出评价的过程，重 6
视学生 的个性差异，因此 ，其往往要和学生的学习过程 紧密结合，进行长期追踪。如北京、成 都、深圳等地的中小学校，以发展性评价理念为指导，持续跟踪学生历次考试成绩，通过时间 序列分析、聚类分析等手段，对学生的学习数据进行挖掘 ，构建学生的学科知识地图，进行学 习风格和学习行为分析，最终完成对每个学生的学习力诊断【l1】
11。
2015年成立的北京市未来教育高精尖创新 中心，正致力于利用学生学习全过程的大数据分 析 ，帮助学生发现并提升优势学科 、诊断和补救劣势学科 ，以适应新型的学生评价机制 ，实现 个性化、差异化的学生发展目标。
3大数据提供了多方参与评价的途径 过去的学生评价主要是针对学生的学业水平测试，评价主要由学校相关部 门和教师完成， 整个评价体系呈现出封闭性的特征。当前强调学生的发展性评价和综合素质评价，评价活动贯 穿学生 的整个学习过程，覆盖学生在校园内外的学习活动和行为表现 。多种来源、结构不同的 数据汇总将用来分析学生的综合素质 ，并通过数据的不断积累，使各类参数和模型得以确立， 以提高分析的精确性。可见教育大数据直接产生于各种教育活动 (包括教学活动、管理活动、 科研活动、校园活动等)，每个教育利益相关者既是教育数据的生产者也是教育数据的消费者[
】， 基于开放性大数据的评价活动 ，为那些能够掌握和提供学生不同情境下学习数据的多方主体共 同参与评价活动架设了桥梁。可以说，数据是驱动教育评估转型变革的核心因素。研究认为， 从用户 的视角来看，在教育评价活动 中很容易从数据的入 口和使用，即数据的采集和分析两个 方面感受到大数据带来的变化。
二 教学评价数据的采集 1教学评价数据的采集类型 2013年颁布的 《教育部关于推进 中小学教育质量综合评价改革的意见》强调要改革评价方 式，将定量与定性评价相结合，注重全面客观地收集信息，根据数据和事实进行分析判断【 】。
该意见说 明，教育质量评价不再单一地依托考试成绩 ，而是要将学生发展的所有信息收集、整 理、分析并得出结论性的认识，也就是说要基于 “数据”和 “证据”对教育质量做出评价[H】。
在当前倡导的以学生为中心的学习环境中，学生学习 “数据”和 “证据”的主要产生途径如图 1 所示 。其 中，学生在学校 内外的学习过程数据包括学习交互、学习行为、学习路径、各类过程 性学习档案等，学习者个性数据则包括学生的生理、情感 、认知状态数据等，以及各类 以考试、 作业、作品等形式展现的学习成果。
2教学评价数据的采集技术 为了实现 “数据”+“证据”为基础的教育评价，学校采取了很多评价数据采集措施，如考 试、问卷 、作业档案袋等 。然而这类信息多是采集学生的学习结果信息或者状态信息 (如学习 风格 )，属于静态信息，而学生在学习过程 中实时产生的诸多动态信息如学习路径、学习行为等 未能实现有效采集。不完整的数据采集势必会影响评价结果的准确度和可信度，也会制约大数 据下教育评价的实施，因而教育全过程数据的采集研究是大数据应用与教育评价的关键要素。
目前，智能学习环境以及具有数据采集能力的学习终端如平板电脑、智能手机、数码笔、 可穿戴设备等的应用，为破解学生学习数据采集难题提供了技术方案。
7
管理系统、键盘数据、浏览器数据等学生操作电脑的数据，缺少对现实情境中学习过程数据的 捕捉 ，从而导致分析者难以深入 了解学习和教学过程[
】。2007年凯文 ·凯利提 出了量化 自我的 概念，就是用实时测量或记录的方法，测试、量化和记录个人 的生命数据 (如饮食、运动、睡 眠、情绪等 )，并通过数据反馈进行 自我调整["】。量化 自我概念的提 出和大数据密切相关，其 中 传感器网络、可穿戴技术、移动终端等对量化自我起关键作用。
教育领域也可使用 RFID芯片、眼动仪以及可穿戴设备如各种手环等技术，真实地采集学生 在教室内外的学习信息和学生的日常行为数据，供精确化学习分析和个性化教育评估与管理的 使用 。如眼动技术通过对眼动轨迹 的记录，从 中提取诸如注视点、注视时间和次数、眼跳距离、 瞳孔大小等数据，从而研究个体的内在认知过程 。有研究就采用眼动仪采集 2～3岁婴幼儿对 图 画书页面 区域的注视 点个数、注视注视 点时间长度 、回视等行为数据和生理数理，用来评估其 图画书阅读的注意力水平、阅读喜好、读图能力、阅读理解能力等【l8]。手环等设备则可以实时 地记录学生的位置信息、运动数据和身体健康指标等，可以随时将这些数据与学生的学业表现 关联 ，用来分析、预测不同类型学生的学习表现和发展。
三 教学评价数据的分析 采集到教育大数据以后，需要通过数据挖掘和分析技术来提取数据中蕴含的教学信息以便 开展教学评价。除了常规的教育统计手段外，还可对大数据构成的数据立方体进行多维度的下 钻或上卷操作以提炼出更深层次的知识需求，促使聚类分析和关联分析等数据挖掘技术越来越 多地应用于学生的教学评价当中。
如根据历次试题答题情况对学生进行聚类分析 ，可 以确定学生的基本类型并帮助甄别表现 异常的学生 。若聚类结果发现部分学生多次解答难度高的题 目能够保持正确 ，而难度低的题 目 错误率较高，可能这部分学生是因为粗心造成，可以对其答题注意力状态进行辅导；部分学生 若长期聚类在同一知识点答题正确率起伏较大的区间，则可能这部分学生存在抄袭或者随意选 择的情况，可以进一步关联其它数据对其进行分析和诊断。再如对学科不同知识点得分情况进 行关联和回归分析，就能精准地进行教学归因分析，如 B知识点得分低，是因为 A知识点得分 低，那么应当先解决 A知识点的学习问题等。
上述这些数据分析很多是基于结构性数据的分析，它能够确定或者否定我们对教学问题的 预期性判断。然而教育大数据具有非结构化、稀疏性等特征，难以像结构化数据的方式构建出 其内部的正式关系，或者使用先验的模型来进行分析，这就 需要我们在教学评价领域 引入新的 数据分析技术。在当前大数据环境下，信息可视化分析可以通过可视化图形呈现数据中隐含的 信息和规律，建立起符合人类的认知规律 的心理映像，成为人们分析复杂 问题的强有力工具[19]。
教育领域 中的大数据主要包括师生基本信息数据、课业测试与作业数据 、校 园实录数据， 课程资源数据【2 o-、课外学习数据、学生...
海南师范大学教育学院蔡宝来（通讯作者）
海南师范大学数据科学与智慧教育教育部重点实验室、教育学院随着5G网络技术、大数据、云计算、人工智能技术的颠覆式创新和发展，教育管理和评价也迎来了一场新一代信息技术驱动的变革与转型。在线教育和泛在学习的兴起，使学习者不受时间、空间、地点的限制，可以根据自己的需要进行学习。这就给传统教育评价和学习评价带来了强烈的冲击和挑战。在5G网络技术支持的泛在教育和泛在学习环境下，大数据挖掘技术可以通过大量数据来有效跟踪和全面记录学习者的学习过程，学习分析技术则对采集到的大数据进行汇总、处理与分析，从而帮助教育者和学习者对教育、教学和学习做出全面、客观、科学的评价。
● 学习大数据的内涵及价值1.学习大数据的内涵所谓学习大数据，是指学习者借助互联网平台，在与外界交互过程中所产生的一系列数据，主要包含课程内容数据、学习行为数据、互动交流数据以及学习资源数据等。[1] 学习大数据催生和推动了智慧教育的产生和发展，在实践应用中学习大数据能够将“线上”“线下”学习衔接起来，便于准确掌握学生的学习状态和进度计划。通过学习大数据，教师可为学生制订个性化的学习和成长方案，精准解决学生在学习过程中遇到的各种问题。学习大数据可在自然情境下收集教育教学过程中所有与学习有关的静态和动态数据，并保证数据记录的连续性，如教学资料、互动反应、登录频次以及在每个知识点学习上所花费的时间等内容。2.学习大数据的应用价值第一，学习大数据的本身价值。利用大数据分析技术，教育行业从业者可对在线学习过程中产生的访问次数、视频观看、互动讨论、作业完成、考试成绩等学习过程数据进行深度挖掘，梳理和发现其中隐含的教育关系，并通过可视化图表将分析结果呈现出来。这样，学习评价贯穿学生的整个学习过程，遵循“观测学习—解释学习—反馈学习”的评价逻辑，给予学生在每个学习阶段的个性化摘要：
本文在界定学习大数据和学习评价概念的基础上，分析和阐述了学习大数据对学习评价在评价观念、评价主体、评价过程、评价目标和评价结果等五个方面带来的冲击和挑战，并预测阐释了未来信息技术赋能学习评价变革创新的三大主要趋势：物联网感知技术与学习评价衔接融合趋势、大数据分析技术与学习评价创新融合趋势、人工智能技术与学习评价集成融合趋势。关键词：
学习大数据；学习评价；内涵；挑战；趋势中图分类号：
TP393
文献标识码：
A
论文编号：
1674-2117（2021）01-0095-0595JAN. 2021 NO.01。
。. .。
。
理论与探索 tougao3@chinaitedu.cn96中国信息技术教育学习支持。[2]第二，学习大数据的资源价值。随着大数据理念和大数据技术在全球的兴起，大数据的资源价值越来越受到关注和重视，以美、英、法为代表的发达国家率先将大数据作为新型战略资源，称其为“未来的石油”。未来，学习大数据作为学习理念和学习方式转型、学习评价创新的重要资源的价值定位也日益凸显，大数据支撑的学习分析技术，能够精确引导学生发现适合自己的学习方式和学习策略，支持和促进个性化学习的完美实现。第三，学习大数据是学习评价变革的核心驱动力。学习大数据的另一价值，体现在大数据支撑教育模式创新、赋能课堂教学革命、驱动学习评价模式变革等，并成为教育评价和学习评价变革创新的核心驱动力，具体表现为 [3] ：首先，学习过程从“非量化”到“可量化”，学生学习过程和学习行为数据可以被精准地记录、采集和获取；其次，学习大数据作为学习评价的可靠证据和证据链，对学习评价观念、评价目标、评价主体、评价过程、评价结果等带来了巨大的冲击和挑战，支撑学习评价从“经验主义”向“科学主义”的变革转型；最后，学习评价从“大众化”向“个性化”转型。学习大数据将赋予教师“认识”每个学生的能力，驱动学习评价从关注班级集体成绩排名的“大众化”评价向学习大数据支持的个性化学习评价转型。3.基于大数据的学习评价 在“5G+大数据”与教育教学深度融合的时代背景下，教育大数据加持并赋能教育评价模式创新和学习评价模式转型，由此，教育评价和学习评价概念必须重新定义。本文对基于大数据的学习评价的定义是：以自主性、差异化、个性化评价理念转型为驱动，利用学习大数据库和大数据分析技术，对学习者的学习从发起和过程展开到完成目标和结果反馈等个性化学习大数据进行精确分析和解释预测，以为学习者的个性化学习和发展提供精准支持和指导。基于数据挖掘技术收集学习过程中产生的实时数据，为每个学生建立属于自己的数字化学习成长轨迹档案袋和学习画像，为个性化高效学习提供大数据支持，进而实现学习评价从“经验主义”向“科学主义”的变革和转型，是大数据时代赋予学习评价变革的任务和使命。[4]● 大数据对学习评价的冲击和挑战大数据作为一种新生产力要素和一种重要的教育资源，已与教育教学全面渗透深度融合，从而给学校教育带来全方位、结构化、系统性的冲击和挑战。学习大数据对学习评价的冲击和挑战主要表现在以下五个方面：1.学习评价观念方面（1）赋能多元智力评价在5G的大数据环境下，通过实时采集学习大数据，可以为每个学生建立属于自己的覆盖了整个学习过程的学习数据库和成长档案袋；利用人工智能分析技术、视觉分析技术、大数据深度挖掘技术等算法和工具，为学习者多元智力的培养和发展建立全面、全程的学习数据库，从而为多元智能的测量评价提供准确、客观的证据和证据链。[5]（2）尊重个体差异评价基于个性化自适应学习大数据，教师可以对每个学生学习过程中产生的数据和数据链，进行系统、科学、全面的搜集、整理、处理和分析，及时诊断和发现每个学生学习中发生的疑难、困惑和问题，合理优化学习过程，精确分析学习结果和学习效率，科学制订学习计划和个性化学习方案，为尊重个体差异的学习评价奠定证据和证据链基础。（3）强调自主性评价在“互联网+大数据”的学习环境下，学习者必须充分发挥学习自主性、主动性和独立性，利用一切碎片化时间，人人皆学、时时能学、处处可学，并产生自主学习大数据。利用详细记录的自主学习大数据，学习者可以清楚地了解和掌握当前课程学习进度、参与互动交流、作业与考试、课外学习资源利用等情况，明确自己在学习中存在的难题和需要解决的问题，寻求问题解决方案。
。. .。
。
理论与探索 tougao3@chinaitedu.cn和策略。2.学习评价主体方面在5G加持和赋能的教育和学习评价环境下，数据挖掘技术以价值中立的立场设计和架构教育、教学、学习和管理过程数据采集平台，深度学习技术和学习分析技术为评价方案研制提供了精细、精确、精准的指标和标准体系。基于大数据的教育评价和学习评价，教育者、管理者和学习者，教师、学生和家长，甚至平台本身都被纳入评价体系。在这一评价体系中，管理者、教育者和学习者既是评价者也是被评价者，既是评价主体也是评价对象，评价者和被评价者的角色切换和转型，是依据各自的大数据的应用目的和评价目标决定的。可见，基于大数据的学习评价，淡化了评价者和被评价者的关系定位，强化了评价的目标定位；弱化了评价的主体意识和定位功能，强化了评价的服务意识和支持学生成长发展功能。3.学习评价目标方面教育信息化2.0时代，学习评价目标不是为教学结果测评等级，也不是为知识掌握做出终结性鉴定，而是通过学习大数据还原学习者成长发展的轨迹，描述解释学习过程的活动行为与学习效率之间的内在关系，分析发现个性化学习所需要的学习支持，并以学习分析和学习评价促进学生个性化和谐全面发展目标的实现。大数据分析技术为学习评价目标确定提供了新的视野和角度，学习评价目标从关注教到强调学，并通过评价为学生的个性化、差异化学习提供精准支持，是大数据时代教育评价和学习评价目标转型面临的重大挑战。4.学习评价过程方面5G网络技术和大数据分析技术加持的学习评价过程，能持续生产和采集各种学习过程大数据，利用这些数据可以建立合适的学习评价模型，根据需要可以从不同角度对学生学习进行全面细致的评价，保证学习评价过程的客观性、科学性和准确性。5.学习评价结果方面学习评价结果是指导学生改进学习的重要依据，主要包括学生知识掌握情况、学习能力、学习风格、学习态度、学习进度、学习成绩、学习问题等方面的结果性分析和描述。基于学习大数据的学习评价结果的得出，是以整个学习过程大数据分析技术为支持，并以可视化图表和模型分析形式更为直观地呈现出来。因此，与传统学习评价结果相比较，它能够及时地反馈学习者学习现状和问题，并针对存在的问题和学习漏洞提出补救措施和改进对策建议，保证了大数据分析技术支持的学习评价结果的高信度和高效度。● 未来学习评价变革与转型趋势1.物联网感知技术与学习评价的深度融合趋势随着5G网络技术的迭代更新和快速发展，更快的传输速率和多点接入技术满足了物联网的实现条件，推动并赋能网络化、数字化和智能化校园的建设。眼下，物联网感知技术赋能教育教学，支持教育和学习大数据采集与获取，为在线学习、数字化学习和智慧学习等学习评价提供了强大的数据支持。5G加持的物联网赋能数字化校园建设和现代教育治理方式转型。宽带校园网、各种终端设备、可穿戴设备和校园一卡通，实现“物与物”“物与人”和“人与人”的随时随地交互联通，完整记录了校园内人、财、物（终端设备）、时、信（数据）的流动方向、交互轨迹和运行特征，产生了巨量的师生日常学习生活图片、视频和音频等详细信息资料，采集并形成学习者校园内的个体生活数据和学习行为数据。利用收集到的大数据，可以为教育评价、教学评价和学习评价提供丰富的证据资源，所有这些，都是传统学习评价长期以来想做而做不到的事情。未来，物联网感知技术与学习评价方式深度融合创新发展将成为学习评价变革转型的新生长点和新趋势。2.大数据分析技术与学习评价的创新融合趋势基于大数据的学习评价应用技术，主要包括大数据挖掘和学习分析技术两个方面。所谓学习大数据挖掘，是指对学习行为和学习过程数据进行量化、分析和建模，通97JAN. 2021 NO.01。
。. .。
。
理论与探索 tougao3@chinaitedu.cn98中国信息技术教育过整合处理学习者知识掌握、元认知水平、学习习惯偏好和动机态度等数据信息，进行学习行为建模，以评估和预测学习者未来发展方向、目标和趋势，进而促进学习者向深度学习和高阶学习的方向迈进。所谓学习分析技术，是对学习者、学习过程、学习环境等数据的测量、采集和分析，通过对教育大数据的分析，描述勾画出学习者行为特征和学习画像，以此为依据，为学习者优化学习过程和学习环境，匹配推送个性化学习内容和学习资源。[6][7] 5G赋能的大数据分析技术在学习中的应用，使得学习评价实施操作更加及时、精准、科学和高效。整个大数据分析技术的底层架构是基础设施和终端设备、网络互联、内存与存储，具体表现为计算节点、数据中心、数据储存、文件管理、数据分析和可视化分析，运用计算模型，可对不同的数据进行结构化和可视化分析和处理。基于大数据分析技术的学习评价，通过建立学习评价模型实现对每个学生的个性化学习测量和评估，以便帮助学生及时发现学习中的痛点和难点问题，并为学习者提供精准学习策略指导和学习方式改进建议。未来，数字化校园和智慧教育为学习评价模式创新奠定了坚实的技术和资源基础，而随着学习过程大数据库的丰富完善和学习分析技术的不断成熟，基于大数据分析技术与学习评价的融合创新将成为学习评价变革的主要趋势。3.人工智能技术与学习评价的集成融合趋势未来已来，人工智能技术主导的新一代信息技术跨界融合和颠覆式创新，正在为大数据支持的学习评价变革赋能加力。[8] 首先，利用深度学习的算法对学习大数据进行优化，赋能学习评价从智能感知、个性化、预测性、动态平衡、智能化和学习过程可视化等多层面、多角度进行多元化评价。其次，运用人工智能技术中图像识别和语音识别技术，可随时捕捉、追踪、记录和分析每个学生的课堂动作行为、交互行为和情感表现 [9] ，而这些数据采集设备也成为“智慧教室”架构的关键组成部分。再次，智慧教室的“线下”学习过程数据也可以被详细记录，从而实现“线上”“线下”两组学习数据的集成整合，并从学习内容、学习方式、学习进度、学习成绩等方面全面地做出智能化评价。根据大数据分析结果，因应学习者当前学习状态，从学习风格、学习习惯、学习偏好方面匹配推送适合学生个性化和智能化学习需求的学习内容和学习资源，真正实现智能化学习评价中以学习者为中心、为学习者服务和提供个性化学习支持的理念和目标。“5G+智能辅助学习系统”的逐步完善，为个性化、体验式和自适应学习评价方式转型持续赋能。“增强现实”和“虚拟现实”技术的逐渐成熟，使得体验式学习在教育领域强势兴起 [10] ，这是一种完全区别于课堂讲授的教学方式，主要利用虚拟现实、增强现实和各种可穿戴设备，丰富课堂教学内容和教学手段，通过终端设备所呈现的虚拟场景，学生不出校门就可以获得身临其境的学习感受和学习体验，为学生知识掌握和能力发展提供了智能化生态场景支持。同时，智慧课堂的智能辅助学习系统的引入，推动了学习评价与智能化学习大数据的深度融合，为学...
摘要：随着云计算和移动互联网的发展，大数据正在进入并逐步影响教育领域，本文追溯了大数据的起源，教育大数据特点和具体应用，以及学校如何面对大数据，使大数据在教育领域发挥更好的作用。
关键词：大数据，起源，特点，教育革新，数据治理
大数据概念的起源
大数据的雏形最早可追溯到托夫勒在 1970 年出版的畅销书《未来的冲击》，在这本书中，他指出“人工编码信息”将代替自然信息， 充斥人们的生活。1997 年，美国太空总署的两位工程师为解决空气动力学问题，阐述了大数据的相关特征：分布、远程、大量信息、可视化和处理。2008 年《自然》杂志刊登了一个名为“Big Data”的专辑，首次提出“大数据”的概念。
目前比较通行的对大数据的解读是“通过对海量数据进行分析， 获得有巨大价值的产品和服务，或深刻的洞见，最终形成变革的力量”。
数据应用于教育的三个发展阶段一、初始起步阶段（1970—1997）
上世纪七十年代出现了利用人工智能所创建的智能适应学习系统，随后，八十年代末到九十年代初出现了各种数据挖掘软件，这些系统和软件通过将学生的学习方法、学习习惯、学习过程中的数据收集分析，用以改善学生的学习方法和学习效率。但这期间，由于计算
机普及率较低，使用成本较高，数据库技术的滞后性，所以采集到的数据相对较少，限制了该方法的大规模流行。
二、重点探索阶段（1997—2008）
这时期明确了数据在教学、管理、决策中的决定性作用，出现的“智能导师系统”和“人工智能系统”掀起了教育数据挖掘的热潮， 也促使学习分析技术诞生。出现了各种独立的教育信息化系统，数据挖掘技术迅速发展，但数据分析利用仍处于初级水平。
三、快速发展阶段（2008—至今）
随着 2008 年“大数据”概念的提出，全球数据量进入 ZB 时代， 2012
年被称为“大数据元年”，“大数据”概念引起空前关注。大数据意识和观念开始席卷各行各业，教育数据挖掘和学习分析技术得到长足发展，被广泛应用到教育教学领域，正在形成一定的规模效应。政府、企业、学校都在积极开展教育大数据的应用探索，民众也在谈论大数据对教育发展的影响。教育数据的应用发展进入了“快车道”。
教育大数据的特点
大数据技术能让体验者的感受得以量化和显现。具体而言，教育大数据与传统教育数据的区别主要表现在以下几个方面。
1、数据更具有实时性。大数据关注每个学生的微观表现，如学习的过程轨迹，学习当中的情绪表现，这些数据通过传感设备实时地、不间断地获取采集，具有很强的实时性。
2、数据颗粒度更细。大数据来源于过程性、即时性的行为与现象的记录，如学生在一道题上逗留了多久，和多少同学发起主动交流，
这些数据的颗粒度更细，通过分析这些数据，可以改变教学过程，转换师生互动的方式，更好的服务于教育。
3、数据真实性更强。大数据的采集来源于观测技术与设备的辅助， 不存在人为偏差，采集的数据会相对自然、真实。
4、数据处理难度更大。大数据采集的数据规模更大，且多为非结构化数据，需要通过专业的算法和技术进行处理 5、教育决策性更强。许多以前未曾重视或缺乏收集手段的信息， 现在都可以作为“数据”进行记录和量化分析，通过对这些个体、微观数据的分析，可以调整教育行为，实现个性化教育。
教育大数据的具体应用一、大数据应用于教学 1、驱动教学模式的改变。大数据为教育提供了另外一种可能，即标准化的教育将转向网络完成，而人才培养和个性化将主要由学校承担。课堂教学的组织形式，也将从封闭式教学逐步发展到半开放的混合式课堂、完全开放的社会化课程教学。对由此而来的海量数据进行分析，将能够预测学习过程中的变量，挖掘各变量之间的关系，构建有效现象解释模型，促进高质量、个性化的学习，有助于学生在学业上取得成功。
2、驱动分类教学的发展。所谓分类教学即“教师根据学生自身在知识、技能、能力倾向方面不同的情况，对学生个人进行有针对性的辅导、帮助，让学生明确自己的优劣势，真正做到因材施教。学校利用采集到的各类结构化数据和非结构化数据，结合数据挖掘的关联分
析等功能，就能挖掘出一些价值的规则和信息，最终找到影响学生成绩的原因，并在此基础上对教学策略、课程设置、学生学习等方面做出合理的安排。
3、对教学行为的准确预测。大数据优于其他信息技术的因素在于它对未来强大的“预判”能力。通过相应的平台收集每个学习者学习时长、学习方式、反馈互动等详细数据，可以建立学习者的体验模型， 对其进行评估预测，并以图表化的形式将结果反馈给学生和老师。一方面可以帮助学生了解自己知识点的薄弱之处，弥补不足，另一方面可以帮助老师了解每个学生的学习进度，诊断问题所在，提出改进建议，并预测学生的考试成绩。。
二、大数据应用于学习
1、驱动个性化学习的实现。有别于过去只能收集学生分数和作业的结果，数字化学习平台能够持续采集学习者的学习行为数据，得到像阅读时间长短等这样更为详细的重要信息并进行智能分析，根据学习者的体验模型推送适合的学习资源，给予个性化的学习评价，提供准确的诊断结果，给出适合学习者的学习建议。学习的个性化最终将促使教育的个性化。
2、学习资源的准确推荐。大数据技术能够准确记录每位用户使用学习资源的过程细节，什么时候点击的，停留了多长时间，多少道题答对了，资源的回访率，什么时候被推荐，以何种方式推荐。基于这些资源的使用记录，可以对学习资源的质量进行精准分析，进而优化学习资源的设计与开发。
三、大数据应用于评价
1、教育评价的科学转型。大数据技术的发展将使教育评价从“经验主义”走向“数据主义”，新技术可以采集教和学的全过程数据，记录学习过程，识别学习情景，连接学习社群，感知物理学习环境， 为中小学学业成就评价提供更全面的数据支持。将数据存储于云端， 不但可以对学生在校期间的学业成就进行评价，还可以持续追踪学生毕业后的发展情况，为学校教学质量评估提供更全面、更准确的科学数据分析结果。
2、学习评价标准需要重构。大数据的大量、高速、多样与价值等特性为学生学习评价提供了新思路。学生的日常行为数据将被动态抓取和实时记录，并在系统内自动生成各种数据统计图表，从而让学生的隐形状态和需求显性化，让家长和教师能够更直接看到学生的点滴进步或潜在问题。多元化的考核体系也将促使学校将重点放在学生全面发展、教师专业发展、学校特色发展等方面，避免某些方面的管理缺位。
3、学习评价方式也将变革。大数据时代，学习评价方式不再以最终的学习结果作为评判的主要依据。学习者的学习过程、学习内容、知识迁移能力、情感获得和包括讨论、互动等一系列活动都将成为成绩评判的依据。通过大量的过程性数据，生成学生成长评价记录，既可以实现学校、教师、学生的高效评价，又为综合评价建立创新的途径。
学校如何面对大数据的浪潮
随着互联网、物联网、智能硬件的进一步普及，越来越多的多元数据被采集应用于教育领域，提高教育管理水平和服务水平。教育大数据的价值亟待人们去挖掘。为了有效发挥这些数据资源的宝贵价值，需要树立“数据治理”的理念，即形成“数据文化”，“激活”数据价值，“强化”数据治理。
一、形成数据文化
数据是一种文化，是尊重事实、强调精确、推崇理性和逻辑的文化。认识数据的作用，承认数据的价值，实际上就是尊重科学的体现。随着数据采集渠道的方便、成本的递减、分析工具的多样化，非技术人员也可以直接利用大数据的相关知识和工具分析各种现象，所以在教育界要形成“用数据说话、用数据管理、用数据决策、用数据创新” 的文化氛围和时代特点。
二、激活数据价值
数据本身并不具有价值，只有通过数据整合，从无序到关联；通过数据激活，从静态到动态；通过数据转换，从隐形到显性，数据才能变成有价值的资产，才能转变为竞争力和创造力。可以让企业利用数据进行精准研发，改善教育体验，提升教育质量；可以利用大数据开发实用性强的大众应用，提升公众在教育管理中的参与度。
三、强化数据治理
数据治理的主体要多元化，从组织内部管理向数据开放、共享和协同转变，创造开放性的生态系统，推动多主体、多领域的整合、互补，为政府、学校和个人带来更多的协同价值。加快公共教育数据开
放进程，推进学校教育数据的共享和交换，激发社会化利用教育数据的创新能力。
在创新 2.0 时代，大数据将助推学校人才培养模式变革，推动教学过程改革，加速形成终身教育体系。随着大数据在教育中的广泛应用，其影响力和效用将逐步显示。一个开放的、可自循环的，能实现可持续发展的教育生态体系正在日渐成熟。
参考文献：
1、舍恩伯格，《大数据时代》，浙江人民出版社 2、舍恩伯格，《与大数据同行，学习和教育的未来》，华东师范大学出版社 3、柯林斯，哈尔弗森，《技术时代重新思考教育》，华东师范大学出版社 4、邬贺铨，“大数据思维”，科学与社会-2014（1）
5、魏忠，何立有，“大数据：开启面向未来的教育革命”，中小学信息技术教育-2013（10）
6、张燕南，赵中建，“大数据时代思维方式对教育的启示”，教育发展研究-2013（21）
7、朱莉，“论大数据如何改变教育”，现代教育科学.普教研究 -2014（3）
2 5总第 288 期 2018 年 4 月校本研修的重点一般是教材的分析和处理、教学重难点的确定、教学策略的选择、教学计划的制订、教学进度的安排等[4] 。教育研究者对于探索高效教学模式表现出强烈意愿，但是受限于样本容量较小，校本研修大都仍然停留在总结经验的层面，其科学性和有效性值得商榷。随着现代教育技术的进步，通过对教育大数据进行深入挖掘，关于高效课堂的经验总结得以被教育统计所证实。首都师范大学王陆教授研究团队组建的教师在线实践社区 ( 简称 COP)，基于课堂教学行为大数据，构建起高效课堂的标准化常模，新手教师可以通过与常模的对比、分析，发现自身教学过程中存在的问题和缺陷，从而更有针对性地改换教学策略、改进教学方法。教育大数据能够为教师专业化发展提供社会的、规范的、资源密集型的、持续不断的学习支持服务，引领教师的专业能力发展。教育教学研究，正在朝着“研修并重”的方向转型。在教研活动中，评课环节应该成为提升教师专业水平的重要契机，但以往的教研活动由于缺少过程性、即时性的大数据的佐证，往往停留在陈旧空泛、主观评价的较低层面，未能发挥出教研活动的重要作用。随着教育测量技术的不断进步，教育大数据呈现出爆发式增长的趋势，教师和学生的行为数据得以被观测、记录并处理，过程性的、发展性的数据成为教研活动的资料来源。大数据使得教育教学研究方式朝着标准化、客观化、可操作的方向不断进步，教育教学研究能够有的放矢，真正落到实处，教育大数据助力教师专业发展的路径越来越明晰。3. 大数据驱动教育评价方式的转变教育是一个国家人力资源开发的基础，教育的成效直接关系到国家的未来。在当前的教育体制下，高校毕业生普遍存在着较难适应社会生活、人际关系紧张等问题，造成这些问题的根本原因在于教学测量与评价体系的落后。目前教育评价方式存在的一个严重问题，即所谓“客观量化”的教育评价制度并非真正地为了学生的个性化发展而制订。现行的教育测量与评价方式，是将学生的行为表现简单地数量化，进而在有限的维度上给出基于社会或者群体对于学生的“好坏”的绝对判断。这种测量与评价方式，没有摆脱旧有的评价模式中“区分学生”的弊端，实际上体现了量化对于学生的“偏见” [5] 。评价标准越来越细化、可操作性越来越强，各方对于教育测量与评价的质疑声却越来越强烈。尽管各方已经普遍认识到培养创新型人才的必要性和紧迫性，但如果仅仅是变革课堂教学模式，而没有随之对教育评价体系进一步变革，那么教育改革终究还会回到原点。现代教育评价体系逐步体现出多元化发展趋势，评价更加重视“个别差异”的存在。美国哈佛大学教育研究院的心理发展学家霍华德 •加德纳 (Howard Gardner) 在 1983 年提出的“多元智能理论” [6] 认为， 传统学校教育只强调学生在逻辑数学和语文 ( 主要是读和写 ) 两方面的发展，但事实上，不同的人会有不同的智能组合，每个人先天的智能组合不同，比如有些人在数学和音乐方面表现突出，但是社交能力却显得很弱。每种智能都有一定的年龄关键期，过了关键期就很难进一步得到发展，需要尽早地发现青少年的智能组合。通过基于大数据的测评系统，找出学习者的最佳智能组合及学习形态组合，从而使学习者能扬长避短，尽早地提升自身优势。MIDAS 是一个严格遵循多元智能理论并运用科学方法测评智能发展现状的权威工具，它可以详尽地分析人的多元智能发展分布和有效学习风格，并针对其特殊的分布情况，提供促进优势智能提升和弱势智能弥补的建议。基于 MIDAS 多元智能理论测评系统的评价弱化了评价本身对于学生的选拔作用，而重在诊断学习者的智能潜力，避免因盲目而埋没学习者的优秀天赋和潜能，从而帮助学习者实现个性化地发展，为学习者提供建立自我价值感的有效途径。4. 大数据提升教育管理与决策效能在学校日常工作管理中，由于缺少大数据的支持，统一管理的弊端主要体现在学校管理者难以及时获取信息、掌握整体情况，无法实施动态监管[7] 。大数据与学校管理工作深度融合，引起的变化有两点：一是决策的精准化，二是管理的智能化。在活动管理、行政管理、人事管理、财务管理等学校管理工作的各方面，以及教育评估、教学质量检测等方面，大数据的重要性日益凸显。
以英语学科教学为例，英语词汇量达标是提高英语成绩的前提和重要保证，教师对于学生词汇量掌握情况的判断，以往仅能通过抽查、考试检测等手段进行分析，效率低下且准确度不高。在智能化学习系统的帮助(下转29页)万方数据
2 9总第 288 期 2018 年 4 月4. 开设区域编程竞赛 激发学生编程热情对于学生而言，兴趣是发挥创造的第一动力，为了避免编程知识的书本化、记忆化，提升知识的实用性，提高学生的成就感，学校和企业可以开展区域性、全国性的编程比赛，在编程中学习、在比赛中改进、在过程中创新、成长。参考文献[1] 人工智能创新未来教育 [J]. 中小学信息技术教育 ,2017(12):54-56.[2] 郁晓华 , 肖敏 , 王美玲 , 陈妍 . 基于可视化编程的计算思维培养模式研究 : 兼论信息技术课堂中计算思维的培养 [J]. 远程教育杂志 ,2017,35(6):12-20.[3] 国务院最新发文 : 普及中小学阶段人工智能、编程教育 [J]. 苏州教育信息化 ,2017(5):1-2.[4] 李铮 . 关于中学生人工智能教育的思考 [J]. 科协论坛 ,2017(9):36-37.[5] 许阳 . 人工智能教育红遍全球
我国中小学AI 课程学什么？怎么做？[N].21世纪经济报道,2017-09-05(007).[6] 周明 . 基于计算思维培养的中小学编程教育校本课程开发与实践 [J]. 中小学信息技术教育 ,2017(3):61-65.[7] 蒋锦锦,田玉贺.美国:编程教育进入更多中小学[J].上海教育 ,2016(2):37-39.[8] 佚名 . 计算机编程成为美国中小学热门课 [J]. 当代教育家 ,2015(2):72.[9] 施晓军 . 每个人都应该学习编程 [J]. 中小学信息技术教育 ,2014(Z1):158-160.(上接25页)下，学生学习的轨迹被记录并保存下来，通过统计英语单词出错的频率、生均学习时间等指标，教师能够方便、准确地掌握学生学习情况，进而分析学生在学习中遇到的困难。在基于大数据的学情分析的基础上，根据分析结果采取适当的策略进行教学。大数据不仅记录了学生的学习轨迹，同时帮助教师根据反馈的情况，及时把控自身的教学进度，提升了教学效率。对教育大数据的全面搜集、科学分析和有效利用，一是能够减轻管理者的工作压力，提升管理效能，二是能够助推决策创新，促进教育改革。教育管理与决策从过去感性的经验判断、教条的考核评价，转变为利用大数据技术，主动排查存在的问题和隐患，进而逐步完善各项评价考核指标，建立起高效、公正的考核评价体系，使得教育决策精准化、科学化。三、结语大数据应用于教育领域，势必引发教育的新一轮变革。在建设教育大数据的过程中，有两方面的问题值得注意。一是数据时代的信息安全和个人隐私保护。个人隐私数据一旦泄露，不仅给财产安全带来风险，甚至可能威胁人身安全。相关部门应建立健全法律制度，强化信息安全意识教育，保障大数据时代公民的合法权益。二是提升数据素养。教育大数据不能直接指导教育教学，必须提升教师的数据素养，提高教育工作者收集、处理和分析数据的能力，以及培养对数据的敏感性和批判性思维。参考文献[1] 胡德维.大数据革命教育[N].光明日报,2013-10-19(05).[2] 何克抗 . 建构主义的教学模式、教学方法与教学设计[J].北京师范大学学报:社会科学版,1997(5):74-81.[3] 张滢 . 教育系统结构性变革究竟如何实现 [J]. 中国民族教育 ,2017(Z1):4-7.[4] 汤友清 . 立足校本培训，促进教师专业化发展 [J].新课程 : 中旬 ,2014(11):203.[5] 冯建新 . 现代教育评价与测量学 [M]. 第 1 版 . 北京 :中国社会科学出版社 ,2005.[6] 张晓峰 . 对传统教育评价的变革 : 基于多元智能理论的教育评价 [J]. 教育科学研究 ,2002(4):28-30.[7] 吴砥 , 余丽芹 . 大数据推进教育深度变革 [N]. 中国教育报 ,2017-09-21(07).万方数据
关键词：大数据；教育；价值 ；师德 ；思维方式 中图 分类 号 ：G642 文献 标志 码 ：A 文章 编号 ：2096—000X( 2015)13—0005—02 A bstract ：W ith the development of innovative Internet technology，big data begin to spread to various industri es and fi elds，affecting people S knowle dge sy stems and life styles．In the era of big data ，whether it stimulate s and uti- lizes hidden data inside untapped va lue，achieve in education innovation，it depends on the aware ness of da ta and at— titude s toward their potential v alue and function．T his a rticle focuses on the basic c onc ept of big da ta and the era of big data，desc ribe the greater demands of responsibility and ethic sfor teachers ask ed by large data．It summarizes the inspiration brought bythethink ing mode of education in the era of big data． K eyw ords：big data ；educa tion；value ；ethic s；think ing mode 随着计算机互联 网、移动互联网 、物联网、平板 电脑 、手机 的大众化 和微博 、论坛 、微信等网络 交流方式的 13 益红火 ，数 据资料 的增长正发生着 巨大 的变化 。而在教育行业 ，随着 MOOC(massive open online courses)的流行 ，大数据对教育的 影响也逐渐显露头角。2013 年是大数据时代元年 ，是传统的 教育研究走 向“新式”教育 的重大机遇。与此同时，随着国外三 大 MOOC 平 台(包括 Coursera、Udacity、edX )的推出并且吸引 广泛注册人群 ，中国的 MOOC 平 台(包括中国大学 MOOC、学 堂在线 )也逐渐开始完善并受到各大高校广泛支持。
一、 大数 据 (一 )微观大数据 作为一个较为抽象且新兴的概念 ，有关大数据的概念众 说纷纭。对大数据的理解取决于定义者的态度和学科背景。我 们认为，大数据定义之所以众说纷纭 ，主要是 因为大数据如其 名一样 ，所涉 内容太 “大” ，大家看它的角度不一样 ，于是 出现 了仁者见仁 、智者见智的局面。美国互联网数据中心将大数据 定义为 ：通过高速捕捉 、发现和分析 ，从大容量数据中获取价 值的一种新的技术架构 。《大数据时代》[ 怍 者对大数据的定义 为：大数据指那些超过传统数据系统处理能力 、超越经典统计 思想研究范围、不借用网络无法用主流软件工具及技术进行 单机分析的复杂数据的集合。对于这一数据集合 ，在一定的条 件下和合理的时间内，我们可以通过现代计算机技术和创新 统计方法 ，有 目的地进行设计 、获取 、管理 、分析 ，揭示 隐藏在 其 中的有价值的模式和知识[21。另外 ，我们再看维基百科对大 数据的定义圄：“大数据”(Bigdata)，或称 巨量数据 、海量数据 、大 资料，指的是所涉及 的数据量规模巨大到无法通过人工 ，在合 理时间内达到截取 、管理、处理 、并整理成为人类所能解读 的 信息。
业界通常用 四个 V ，即 Volume、Variety 、Value、Velocity 来 概括大数据的特征。Volume 指的数据量 ：大量资料 的产生 、处 理 、保存谈的就是大数据字面上的意思 ，就是说海量资料 。
V ari ety 指的多变性 ：资料的形态包含文字 、影音 、网页 、串流等 结构性 、非结构性的资料。Value指的是价值密度低：即数据的 价值分布在数据 的各个部分 ，而非集 中于某一部分 ，这也要求 了大数据的样本必须是整体。Velocity 指的是时效性 ：大数据 最大的用途就是做预测 ，那处理的实效如果太长就失去 了预 测 的意义了，所以处理的实效性对大数据来说也非常关键。
(二 )宏观大数据 在《第三次浪潮》一书中，大数据第一次被未来学家阿尔 文 ·托夫勒所提 出，他将大数据热情地赞颂为“第三次浪潮的 华彩乐章” ，但大数据在 2012 年才开始发展 ，并且 2013 年才 被称作“ 大数据元年” 。这期间必然有某种“力量”推动了大数 据 的发展。
大数据兴起 的第一个原因也是前面所谈到过 的数据量越 来越大。从监测 的数据来看 ，数据量越来越多 ，每年都会翻番 ， 数据一直在飞速增长 ；针对 即时数据的处理也变得越来越快 ； 通过各种终端 ，比如手机、PC、服务器等产生的数据越来越多。
大数据兴起 的第二个原因也是最重要 的原 因就是科技 的进步 } 本 文获 国家 自然 科 学基金 项 目 (No．61331013 ) 、国家语 委项 目(No．W T125—46、WT 125—11) 和 国家语 言资 源检 测与 研究 中心 少数 民族 语言 分 中心研 究 生项 目(CML15B05) 资助 。
一5一
前 沿 视 界 高 教 学 刊 J ournal of Higher Education 2015 年 13期 导致 了存储成本的下降，这使得设备的造价 出现大幅下降。30 年前 ，人们要存储数据需要 16 亿美金 ，但存储相同的数据在 今天只需要 100 美金。新技术和新算法 的出现是大数据火起 来的第三个原 因。最后一个原因也是最本质的原因就是商业 利益的驱动极大地促进了大数据的发展。现如今各大互联 网 公司均有针对个人或集体 的大数据分析服务。
二 、大数 据对 教 育产 生的重 大 影响 大数据对商业 、经济 、交通 、医疗等领域均产生 了前所未 有 的影响 ，教育也不例外。而大数据之所以会对教育产生巨大 的影 响，这与前 面所谈 到的 MOOC 教育有着 千丝万 缕的关 系。
阿尔文·托夫勒在他的著作《未来 的冲击》中提出“未来的 教育” ，他预测未来的教育要面对服务 、面对创新 ，因此在家上 学、教育空间设计 、面向未来 的学校界限的消失将成为趋势 。
在大数据时代里 ，教师将主要致力于挖掘与学生学习相关 的 表现 ，探寻最适合学生学习的方法 ，而不是依赖于某些周期性 的能力测试。教师可以分析到学生已经掌握了什么 ，什么方法 对学生来说是最有效 的学习路径 。通过对在线学习等工具的 分析 ，可以评估学生在线学习行为的时间长度 ，以及学生们如 何获得电子资源，如何迅速地掌握概念嘲。
大数据主要在四个方面对教育产生了影响，主要体现在 ：
(一 )改变教育研究中对数据价值的认识 大数据与传统数据最核心的区别体现在信息采集的方式 以及对数据的应用上。传统数据 的采集方式相对来说只能够 彰显出学生的群体水平，而非个人水平。其中包括学生整体的 学业水平(通过周期性考试 ) ，身体发育与体质状况(通过体育 课检测 ) ，社会性情绪及适应性的发展( 通过班 主任观察 ) ，对 学校 的满意度(通过课堂问卷调查 )等等。这些数据是在学生 已知的前提下获得 ，所 以 ，从某个层面来说 ，带有很强的强迫 性和刻意性 ，并不能准确反映学生最真实一面。
而大数据最大的特点和优点是可以逐个去关注到学生的 微观表现 ，例如他在不同学科课堂上 “开小差” 的次数分别为 多少 ，他在一道题上逗 留了多久，等等。这些数据对其他个体 没有意义 ，但将所有学生的数据综合起来就能解答许多在教 育过程中的所遇到的各种疑问 ，甚至是一些在过去无法解决 的难题 。而最明显 的区别是 ，这些数据是在学生毫不知情的情 况下被收集到的 ，即数据收集工作与学生 自己的行为是完全 独立 的，这使得从学生那返回的数据具有客观和真实性。
(二)方便教师更全面了解每一个学生 大数据让教师能够更方便获得每一个学生在学校 中的真 实信息 ，例如 ：在不 同考试 中的错误对 比分 析情况 ，有利于开 展个性化教育。另外 ，也能够帮助教师根据学生整体学习情况 选择最合理 、最能让全体学生接受的教学模式 ，从而提高教师 的工作效率和学生的学习效率。
(三 )帮助学生进行个性化高效学习 对性开展 自主学习，提高学习效率。教育领域的大数据跟当下 发展得如火如荼的在线教育密不可分 ，当前的教育模式不再 仅仅局限于老师讲 ，学生听、期 中期末考试评分等等。大数据 帮助我们以全新的视角判断事物的可行性和利 弊性 ；详尽地 展现了在传统教学方式下无法察觉到的深层次学习状态 ，进 而有条件为每个学生提供个性化教学服务。
在文献[6]中也提到了大数据时代思维方式的启示有三个 方面 ：( 1)为个性化教育指引实践方向。(2)为教育决策提供科 学依据。(3)为教学评估拓展新的思路。
( 四)增强教师责任心和强化师德建设 201 1 年年底 ，教育部研究制定 了《高等学校教师职业道 德规范》 。这项《规范》是在“大数据”元年之前发布的。在大数 据真正来临时 ，它对教师的责任心以及师德提出了更高的要 求 。因为在大数据平台下 ，教师之间的竞争更加明显和强化 ， 教师要不 断提高 自己的文化素养和教育素养来应对这种竞 争。文献[8]指出 ，教师职业道德包括外化的师德规范和内化的 道德品质两部分 ，教师职业道德规范是教师职业道德 的重要 组成部分。例如 ：在大数据之前 ，教师教书授业 的好坏 ，对他个 人影响甚微。而如今 ，不认真备课 、授课的老师将逐渐被市场 淘汰或事业停滞不前 。
三 、结束 语 与其他行业 的大数据相 比，教育行业大数据 目前数据量 依 旧比较小，远小于当下如火如荼的电商行业的商业数据 。所 以当前阶段主要还是以传统教学为主 ，并一定程度上结合大 数据所带来的便利共同促进学生的发展。但在不远 的将来 ，大 数据一定会对教育产生更深远的影响 ，能更好地服务于基础 教育 以及高等教育 。同时 ，有利必有弊 ，大数据同样也能带来 “隐私”忧患 ，如何避免将来教师恶 意利用大数据而对部分学 生进行隔离教学也是今后该值得思考的问题。另一方面 ，教师 应该根据大数据的“监督”作用去增强 自身责任心和强化 自身 道德建设 ，而不是想着钻大数据的“漏洞”使得 自己看起来富 有责任心和道德高尚，这点尤为重要 。
参 考文 献 [1】维克托 ·迈 尔一舍恩伯格 ，肯尼思 ·库克耶．大数据 时代[M】．浙 江 ：浙江人 民 出版社 ，2014． [2]朱建平 ，章贵军，刘晓葳．大数据时代下数据分析理念的辨析 [J]．统计研究，2014，31(2)． [3]http：／／zh．wikipedia．org／wiki／％E5％A 4％A7％E6％95％B8％E6％ 93％9A [4]阿尔文 ·托夫勒．未来的冲击【M]．北京 ：中信 出版社 ，2006． [5]喻长志．大数据时代教育的可能转向『J]．江淮论坛 ，2013(4)． [6】张燕南，赵 中建．大数据时代思维方式对教育的启示【J】．决策 参考，2013(21)． 【7】教 育部扁 等学校教师职业道德规范[Z]．201 1． [8]黄正平．当代教师核心价值观与教师职业道德【z】．2013． 学生借助“大数据” ，可 以更好地了解 自己的学 习状况 ，针 一6一
要 从推动教学模式进行根本性变革、助力教师专业化发展、驱动教育评价方式转变、提升教育管理决策效能等四个方面，对大数据给教育带来的影响与变革进行阐述。关键词 大数据；网络教育；MOOC；SPOC；翻转课堂；校本研修；智能化学习系统中图分类号：G434
文献标识码：B文章编号：1671-489X(2018)13-0006-021 前言数据（data），一般而言是指通过科学实验、检验、统计等方式所获得的，用于科学研究、技术设计、查证、决策等目的的数值。大规模、长期地测量、记录、存储、统计、分析这些数据，所获得的海量数据就是大数据（big data）[1] 。一般认为，大数据主要具有四个方面的典型特征：规模性（Volume）、多样性（Varity）、高速性（Velocity）和价值性（Value）。2 大数据推动教学模式的根本性变革现代教育技术应用于远程教育领域，催生了网络教育。网络教育的广泛开展，同信息技术的诸多特性（如不受时空限制，网络资源丰富，能够很好地满足网络教育的需求）有关。网络教育所依据的建构主义学习理论认为，学习者在与周围环境相互作用的过程中，逐步建构起关于外部世界的知识，从而使自身认知结构得到发展[2] 。但是随着实践的推进，人们发现网络教育存在严重的局限和问题。传统的建构主义片面地强调学习者的个性化建构和自主探究，忽视了教师引导的必要作用。在网络教学模式下，师生互动性较差，大部分学习者只能被动地接受知识[3] 。如大规模开放式网络课程（MOOC）的开展效果不尽如人意。由于缺乏传统课堂教学模式下教师的有效管束，学习者的自学能力受到很大考验，绝大部分学习者不能完成既定学习目标，MOOC 的完成率仅有 5% 左右。方兴未艾的 MOOC 教学模式，本质上仍然没有脱离传统教学模式的范畴，而仅仅是教学手段的创新。在反思 MOOC 模式弊端的基础上，产生新的混合式教学模式 SPOC。尽管 SPOC 模式下的教学效果较 MOOC 模式有明显改善，但仍属于传统教学模式的渐进式微创新，不足以解决目前存在的主要问题。作者：庄丽琴，鄂尔多斯市电化教育馆（017000）。面向现代化的教育应该“以学生为中心，依靠学生，发展学生”。在教育大数据的支持下，传统课堂教学模式的根本性变革逐渐成为可能，翻转课堂等新型教学模式被广泛认可并得到大范围推广。传统教学模式几乎完全依赖教师单方面的讲授，但是学习者的认知发展在客观上存在差异，因此无法实现对每位学习者的精准教学。随着大数据在教育领域的应用，可以通过客观数据更精确地勾勒出教师或者学习者的认知特征，利用大数据挖掘技术对知识脉络进行梳理，进而构建联系各层级知识点的概率模型，从而更精准地推送学习者需要的资源和服务。学习者结合自身特点，选择适应自身发展需求的教学内容，使得基于教育大数据的自适应学习成为可能，真正达到建构主义的理想境界。3 大数据助力教师专业化发展教师专业化发展是教育领域的重要研究课题。传统的教师专业化发展路径面临两个问题：一是新老教师间“传帮带”，新手教师的专业化发展往往受限于老教师的专业水平；二是针对新手教师的培训缺少互动，效果不佳，教师进修实效甚微。开展校本研修是促进教师专业化发展的有效途径。校本研修的重点一般是教材的分析和处理、教学重难点的确定、教学策略的选择、教学计划的制订、教学进度的安排等[4] 。教育研究者对于探索高效教学模式表现出强烈意愿，但是受限于样本容量较小，校本研修大都仍然停留在总结经验的层面，其科学性和有效性值得商榷。随着现代教育技术的进步，通过对教育大数据进行深入挖掘，关于高效课堂的经验总结得以被教育统计所证实。首都师范大学王陆教授研究团队组建的教师在线实践社区（简称 COP），基于课堂教学行为大数据，构建起高效课堂的标准化常模，新手教师可以通过与常模的对比、分析，发现自身教学过程中存在的问题和缺陷，从而更有针对性地改换教学策略、改进教学方法。教育大数据能够为教师专业化发展提供社会的、规范的、资源密集型的、持续不断的学习支持服务，引领教师的专业能力发展。教育教学研究正在朝着“研修并重”的方向转型。教研活动中，评课环节应该成为提升教师专业水平的重要契机，但以往的教研活动由于缺少过程性、即时性的大数据的佐证，往往停留在陈旧空泛、主观评价的较低层面，未·理论研究 - 6 -2018年7月上 第13期（总第439期）万方数据
能发挥出教研活动的重要作用。随着教育测量技术的不断进步，教育大数据呈现出爆发式增长的趋势，教师和学生的行为数据得以被观测、记录并处理，过程性的、发展性的数据成为教研活动的资料来源。大数据使得教育教学研究方式朝着标准化、客观化、可操作的方向不断进步，教育教学研究能够有的放矢，真正落到实处，教育大数据助力教师专业发展的路径越来越明晰。4 大数据驱动教育评价方式的转变教育是一个国家人力资源开发的基础，教育的成效直接关系到国家的未来。在当前的教育体制下，高校毕业生普遍存在较难适应社会生活、人际关系紧张等问题，造成这些问题的根本原因在于教学测量与评价体系的落后。目前教育评价方式存在的一个严重问题，即所谓“客观量化”的教育评价制度并非真正地为了学生的个性化发展而制定。现行的教育测量与评价方式，是将学生的行为表现简单地数量化，进而在有限的维度上给出基于社会或者群体对于学生的“好坏”的绝对判断。这种测量与评价方式，没有摆脱旧有的评价模式中“区分学生”的弊端，实际上体现了量化对于学生的“偏见” [5] 。评价标准越来越细化、可操作性越来越强，各方对于教育测量与评价的质疑声却越来越强烈。尽管各方已经普遍认识到培养创新型人才的必要性和紧迫性，但如果仅仅是变革课堂教学模式，而没有随之对教育评价体系进行进一步变革，那么教育改革终究还会回到原点。现代教育评价体系逐步体现出多元化发展趋势，评价更加重视“个别差异”的存在。美国哈佛大学教育研究院的心理发展学家霍华德·加德纳（Howard Gardner）在1983年提出的“多元智能理论”[6]认为，传统学校教育只强调学生在逻辑数学和语文（主要是读和写）两方面的发展，但事实上，不同的人会有不同的智能组合，每个人先天的智能组合不同。比如有些人在数学和音乐方面表现突出，但是社交能力显得很弱。每种智能都有一定的年龄关键期，过了关键期就很难进一步得到发展，需要尽早地发现青少年的智能组合。通过基于大数据的测评系统，找出学习者的最佳智能组合及学习形态组合，从而使学习者能扬长避短，尽早地提升自身优势。MIDAS 是一个严格遵循多元智能理论并运用科学方法测评智能发展现状的权威工具，它可以详尽地分析人的多元智能发展分布和有效学习风格，并针对其特殊的分布情况，提供有针对性的促进优势智能提升和弱势智能弥补的建议。基于 MIDAS 多元智能理论测评系统的评价弱化了评价本身对于学习者的选拔作用，而重在诊断学习者的智能潜力，避免因盲目而埋没学习者的优秀天赋和潜能，从而帮助学习者实现个性化发展，为学习者提供建立自我价值感的有效途径。5 大数据提升教育管理与决策效能在学校日常工作管理中，由于缺少大数据的支持，统一管理的弊端主要体现在学校管理者难以及时获取信息、掌握整体情况，无法实施动态监管[7] 。大数据与学校管理工作深度融合，引起的变化有两点：一是决策的精准化；二是管理的智能化。在活动管理、行政管理、人事管理、财务管理等学校管理工作的各方面，以及教育评估、教学质量检测等方面，大数据的重要性日益凸显。以英语学科教学为例，英语词汇量达标是提高英语成绩的前提和重要保证，教师对于学生词汇量掌握情况的判断，以往仅能通过抽查、考试检测等手段进行分析，效率低且准确度不高。在智能化学习系统的帮助下，学生学习的轨迹被记录并保存下来，通过统计英语单词出错的频率、生均学习时间等指标，教师能够方便、准确地掌握学生学习情况，进而分析学生在学习中遇到的困难。在基于大数据的学情分析的基础上，根据分析结果采取适当的策略进行教学。大数据不仅记录了学生的学习轨迹，同时帮助教师根据反馈的情况，及时把控自身的教学进度，提升了教学效率。对教育大数据的全面搜集、科学分析和有效利用，一是能够减轻管理者的工作压力，提升管理效能；二是能够助推决策创新，促进教育改革。教育管理与决策从过去感性的经验判断、教条的考核评价，转变为利用大数据技术主动排查存在的问题和隐患，进而逐步完善各项评价考核指标，建立起高效、公正的考核评价体系，使得教育决策精准化、科学化。6 总结大数据应用于教育领域，势必引发教育的新一轮变革。在建设教育大数据的过程中，有两方面的问题值得注意。一是数据时代的信息安全和个人隐私保护。个人隐私数据一旦泄露，不仅给财产安全带来风险，甚至可能威胁人身安全。相关部门应建立健全法律制度，强化信息安全意识教育，保障大数据时代公民的合法权益。二是提升数据素养。教育大数据不能直接指导教育教学，必须提升教师的数据素养，提高教育工作者收集、处理和分析数据的能力，培养对数据的敏感性和批判性思维。■参考文献[1] 胡德维 . 大数据“革命”教育 [N]. 光明日报 ,2013-10-19(05).[2] 何克抗 . 建构主义的教学模式、教学方法与教学设计[J]. 北京师范大学学报 : 社会科学版 ,1997(5):74-81.[3] 张滢 . 教育系统结构性变革究竟如何实现 [J]. 中国民族教育 ,2017(Z1):4-7.[4] 汤友清 . 立足校本培训，促进教师专业化发展 [J]. 新课程 ,2014(11):203.[5] 冯建新 . 现代教育评价与测量学 [M]. 北京 : 中国社会科学出版社 ,2005.[6] 张晓峰 . 对传统教育评价的变革 : 基于多元智能理论的教育评价 [J]. 教育科学研究 ,2002(4):28-30.[7] 吴砥 , 余丽芹 . 大数据推进教育深度变革 [N]. 中国教育报 ,2017-09-21(07).·理论研究 - 7 -2018年7月上 第13期（总第439期）万方数据
[关键词 ] 大数据 ；高校 ；教学质量；教学评价 [作者简介] 阎升光(1978-)，男，博士，华北理工大学副教授，研究方向：教育学；何丽娟 (1977一)，女 ，开滦总医院主管护师，研究方向：护理学、教育学。(河北唐 山 063000) 人才培养是高校的职能之一，人才培养质量 是高校的立校之本。教师教学质量的优劣直接影 响学生学习质量的高低，教学质量的提高是高等 教育事业 的首要任务。
做好教学质量的评价工作是提高教学质量的 重要保障，是优化学校教务管理的抓手，是满足创 新型国家人才需求的源泉。教学质量评价是对教 师教学活动评价 的重要手段 。教学质量评价是动 中，高校首先需要根据 自身的办学理念、培养目 标、项目特色、财政支持等因素规划出符合自身发 展特点的合作办学项目。应选定自身需要的合作 方式，国际高校间的合作方式有多种，高校应当判 定适合 自己，也是 自身需要的合作方式。应慎重地 寻找合作伙伴 ，高校不仅需要对潜在的海外合作 伙伴进行全面的评估，更要考察其所在国家的高 等教育环境，以及该国的教育政策、行政结构，甚 至合作办学的审批流程，这些因素都将影响着海 外合作办学项目的顺利实现。要实施海外合作办 学项目。在推行和实施海外合作办学项 目中，必然 会遇到一定的意想不到的困难。高校应当组建项 目实施的领导集团，并广泛动员全校师生积极参 与项目，努力克服海外合作办学项 目实施中的难 题 。
教育国际化是教育发展适应世界历史发展变 化的结果，它不但有利于加深学生对 界各国文 化的认识和理解，促进各国友好关系的发展，而且 对世界各国的教育与社会发展都有一定的促进作 用 。从世界各 国高等教育的发展来看 ，教育 国际化 已经成 为不可逆转的趋势 ，也成为高校转型发展 的重要机遇。当前，建立清晰的教育国际化发展规 划、搭建强有力的国际化组织架构、设置合理的国 际化视野课程、培养具有国际化视野的师资队伍、 有效地促进生源的国际间流动、积极拓展海外合 作办学项 目，是高校教育国际化发展道路的重要 途径。
参考文献 ：
[1]国家中长期教育改革和发展规划纲要(2010—2020 年)[Z]．2010． [2]朱雪波，王绘建．我 国大学教育国际化发展路径研 究[I]．高等工程教育研究，2014，(6)．
[3]张树泉．我国高等教育国际化的若干对策[J]．江苏 高教 ，2006，(2)．
[4]朱兴德．教育国际化及其最新发展 [J]．中国高等教 育，2014，(11)．
[5]刘艳，何知．高等教育国际化给我们带来的挑战和 应对策略[J]． 科学教育家，2008，(4)．
责任编辑 ：王峰 2C0H仃INh门A4DU中LT国E成DU人CA教TIO育N 49 -_r7
态的、持续 的过程评价 ，是规范化和发展性相联系 的评价模式。借助有效 的技术手段 ，合理判断教学 的影响因素和教学效果 ，及时发现教学中的长处 ， 快速修正教学活动中存在的问题，有利于教师提 高自身素质、完善自我，有利于学生提高学习热 情 ，激发师生 的潜能 ，促进教学相长。客观 、公正 、 合理地评价高校的教学质量 ，是培养创新创业人 才的重要措施 。
一、 大数据时代概述 数据(Data)是按照一定规则排列组合的物理 符号 ，可 以表现为符号 、文字 、数字 、语音 、图像 、视 频等形式，是信息的表现形式和载体。人类社会数 据爆炸从三个维度展开 ：一是同一类型的数据量 在快速增大 ，二是数据增长的速度在加快 ，三是数 据的来源和新的数据种类在不断增加 。
大数据是指无法使用传统的软件技术和工具 在一定时间内完成获取 、管理和处理的数据集 。大 数据的重点不仅在于数据规模的定义，而且代表 着信息技术发展进人了一个新的时代，代表着爆 炸性的数据信息给传统的计算技术和信息技术带 来 的技术挑 战和困难 ，代表着大数据处理所需 的 新 的技术和方法 ，也代表着大数据分析和应用所 带来的新发 明、新服务和新的发展机遇。
大数据具有 5V特点 ，即规模性 (Volume)、多 样性 (Variety)、高速性 (Velocity)、准确性(Veraci— tv)和价值性(Value)。大数据立足于对大量数据的 深度挖掘与科学分析 ，寻求数据背后的隐含关系 与价值 ，使得人们可以从基于小样本数据 的推测 或基于感性 的偏好性选择转向基于数据分析与理 性证据的决策 。当前 ，大数据正不断地深人教育领 域 ，对一些数据密集型的教育评价和学习分析产 生 了强劲的冲击。
所谓大数据时代 ，是指以互联网为主的一整 套信息技术(包括移动互联 网、云计算等 )在经济 、 社会生活各部 门的扩散应用过程。在大数据时代 ， 对高校教学质量评价的研究主要是利用无所不在 的大数据对教学质量进行评价 ，使评价活动始终 处于一个动态的发展过程中。大数据时代 ，数据分 析与数据挖掘作为一门信息技术，主要是受数据 积 累的增长和对数据分析 的需求 的驱动。大数据 将 引发新 的“智 慧革命”：从 海量 、复杂 、实时的大 数据 中可 以发现知识 、提升智能、创造价值。
二、教学质量评价体系的转型与发展 教学质量评价指的是在系统 、科学 、全面地搜 集 、整理、处理和分析教育信息的基础上 ，对教育 5O高 默 的价值做 出判断的过程。随着大数据时代的到来 ， 教育质量评价研究加快了量化研究进程 ，精确的 信息让质量评价数据化 、直观化变为可能，其评价 借助前沿技术 的发展 ，从宏观群体走 向微观个体 ， 从而引发高等教育质量评价的彻底变革 。
从个人层面来看 ，教育评价 的目的在于了解 学生的发展情况 ，对学生的学习情况进行客观总 结 ，对教师的教学质量进行评估 ；从宏观来看 ，评 价的 目的更在于促进教育改革 ，提高整个 国家 的 教育质量 。《国家中长期教育改革和发展规划纲 要》指出：“要改进教育教学评价 ，根据培养 目标和 人才理念 ，建立科学 、多样的评价标准。开展由政 府 、学校、家长及社会各方面参与的教育质量评价 活动。做好学生成长记录 ，完善综合素质评价 ，探 索促进学生发展的多种评价方式 。” 在现代教育价值趋于多元化的背景下 ，高等 教 育教学质量评价方式 面I临全面转 变的现实需 要。教学评价的转型是依据数据所提供的证据进 行判定 ，是实证主义的基本思想 。教学评价在理 念、内容、方式等方面转变主要表现在如下方面：
1．做好学生成长 记录 、收集学生 学习过程中 的实时数据等评价措施 的提出，体现 了评价理念 从以往“经验主义”向“数据主义”转变的趋势 ； 2．完善综合 素质 评价 、探索促进 学生发展的 多种评价方式 以及提供持续改善学习效果等评价 目标的提出，体现了评价内容从以往注重认知水 平的“总结性评价”向综合素养 的“发展性评价”转 变的趋势 ； 3．政府 、学校 、家长及社会各方面参与的评价 主体 的提 出，体现 了评价方式从“单一封闭”向“多 元开放”转变 的趋势。
三、基于大数据的教学质量评价主要优势 (一)大数据有利 于评价层 次 多元化 随着高等教育投资体制和就业分配制度改革 的进行 ，现有的教学质量评价体 系在运行过程 中 存在诸多问题。一是 由于大学生和教师在评价活 动中参与度低，主体作用得不到体现，质量评价只 能为主管部 门在对高校实施 目标管理时提供一些 依据，不能调动师生的积极性 ，实现提高人才培养 质量 的终极 目标 。二是质量评价方式较为单一 、维 度窄，影响了质量评价的效度和信度 ，质量评价信 息的失真容易造成对宏观政策制定和实施 目标管 理产生误导 。同时 ，教育主管部门为主导的质量评 价体系不能全面顾及不同地域、不同层次、不同学 科的高等教育学校办学理念 、育人 目标的差异 ，以
这种单一的质量评价为参考，高等教育学校建设 和人才培养容易陷入同质化困境。
大数据的运用则实现了质量评价体系向多主 体和多层次扩展 ，建立社会 、个体共同参与的多元 化评价体系。由三个主体带来的三个层次的评价 构成一套完整的评价过程。首先，大学生对学习与 发展质量的自我评价和老师对学生学业与发展的 质量评价是质量评价的核心环节。其次 ，学校对本 校教育质量评价和教育主管部门对高等学校的评 价对教育活动起着宏观指导和调控作用。最后 ，社 会对高等教育质量的评价是整个高等教育质量的 终极评价。大数据时代的信息化克服了由于用人 单位具有广泛性和分散性带来的评价困难，使高 校对毕业生入职后的跟踪评价途径更为广泛 ，反 馈信息更加全面真实，可指导高校及时调整人才 培养方案，来适应社会需求。
(二 )大数据有利 于过程评价科学化 高校质量评价有两种形式 ，一种是过程性评 价 ，另一种是分等级(结果性 )评价 。过程性评价基 于考察办学、教学和科研等行为的过程，分等级 (结果性)评价则更多地考察行为的结果和成绩 。
由于过程性评价很难测量和评估，过去在高等教 育质量评价中往往只考虑分等级评价或者将两种 评价混为一谈。对高等教育教学与学术计划、研究 与学术成就 、教学设施设备等多维度 、多层次 的探 索最终都为分等级评价服务。评价的排名排队指 向，导致很多高等教育学校不再是以培养人才为 目的，而是以增加评价排名为 目的。教育科研活动 围绕各种评估维度来运转。
大数据使单独进行过程性评价的测量和评估 变为可能。如在课堂教学中，学生 的出勤率、作业 的正确率、师生互动的频率与时长等多方面发展 的表现率数据均可通过收集、分类 、整理、统计 、分 析，形成新的过程性教育质量评价方式。对于办 学、科研的过程也可以以同样的方式实现对具体 过程的考核。
(三)大数据有利于评价结果客观化 评价标准是教育质量评价 的一把尺子 ，我国 现阶段高等教育质量评价标准以学科评估 为主 ，
全面考察学校基本办学条件 、基本教学管理和基 本教学质量等方面因素。但受到客观条件限制，该 标准中界定模糊和难以衡量的因素很多，如：学校 服务地方经济社会发展的能力、应用型人才培养 的能力、学校教学改革和内部质量保障体系建设 等，都难以形成可操作衡量的量化指标。
大数据时代，由于信息量的增加和信息网络 建设的日趋完善，人们对于数据的监测和分析能 力不断增强，某些难以衡量的因素将会实现量化。
一方面，通过建立客观的质量内控机制，使原来宏 观的服务地方经济社会发展的能力等评价指标通 过细分，转化为一个个微观个体，通过对微观个体 的分析 ，即可以达到宏观 目标 的实现 。另一方面， 对于学生学习兴趣、身心发展等难以评估的因素， 可 以通过采用大规模调查研究的方式进行分析 ， 辅之以必要的现场观察、资料查阅等进行数据和 信息的处理，最后做出科学的推论和评价。
(四)大数据推动 了数据驱动决策 数据驱动决策在教学中是指收集、分析、报告 和使用数据用于教育教学改进的过程。教学评价 系统以科学的算法为基础，对学生课程表现、课程 努力程度、前期学业历史、学习者特征等数据进行 采集和计算 ，实现对课程 的实时预测。预测结果呈 现在学生 的学 习页面以及 教师的课程控 制页面 中。根据实时预测 ，教师通过发送电子邮件 、短信 以及面谈等方式对学生学习进行适当的干预，还 可以通过教学评价系统的推荐学习导师与学习资 源模块 ，对学习者学习提供适当的帮助，以促进其 在课程学习中取得成功。
(五 )大数据提供 了多方评价途径 过去 ，学生评价主要是针对学生的学业水平 测试 ，评价主要 由学校相关部 门和教师完成 ，整个 评价体系呈现出封闭性的特征。当前，强调学生的 发展性评价和综合素质评价 ，评价活动贯穿学生 的整个学习过程 ，覆盖学生在校园内外的学习活 动和行为表现。多种来源、结构不同的数据汇总将 用来分析学生的综合素质 ，并通过数据的不断积 累，使各类参数和模型得以确立，以提高分析的精 确性。教育大数据直接产生于各种教育活动(包括 教学活动、管理活动、科研活动、校园活动等)，每 个教育活动相关者既是教育数据的生产者也是教 育数据的消费者 ，基于开放性大数据的评价活动 ， 为那些能够掌握和提供学生不同情境下学习数据 的多方主体共 同参与评价活动架设了桥梁。因此 ， 数据是驱动教育评估转型变革的核心因素。从用 户的视角来看 ，在教育评价活动 中很容易从数据 的人 口和使用，即数据的采集和分析两个方面感 受到大数据带来的变化。
(六)大数据促进 了学生发展评估 现代教育评价不仅测量学生的某些能力和特 征 ，而且根据教育 目标来评价学生发展及成长的 2017／14中 国成 人教 育 < 1 CHINA ADULT EDUCAT10N J 上
进程和水平。发展性评价是指通过系统地搜集评 价信息和进行分析，对学生的教育活动进行价值 判断，实现其发展 目标 的过程。发展性评估主要发 挥评价诊断的功能 ，突出评价 的过程 ，重视学生的 个性差异 ，因此 ，其往往要和学生 的学习过程紧密 结合 ，进行长期追踪 。如以发展性评价理念为指 导 ，持续跟踪学生历次考试成绩 ，通过时间序列分...
教育人力资源 HUMAN RESOURCE MANAGEMENT
P. 361摘要：随着大数据时代的来临和科技的进步,大数据时代的教育得到了迅猛的发展,通过对大数据时代教育特点的分析,可以得出这一教育模式可以为提高目前的教育水平和质量做出巨大贡献,但也对现代教育管理和教师的综合素质提出了挑战。因此,怎样进行有效的管理,以及对大数据进行利用,为现阶段的教育管理更好地服务,还存在很多挑战,需要综合考虑,找出对策。关键词：大数据时代;教育特点;分析一、大数据时代的教育特点大数据时代的教育有着显著的新特点，信息量充足，管理更为科学和深入。相比于课堂教学，大数据时代教育的互动特征突出。大数据时代的教育要将受教育者的利益放置在主流地位，帮助学生更好的适应后续的学习与就业，通过教育来获取到等值的利益汇报。大数据时代下的教育工作，呈现出了几个突出的特点:1.1 数字化在教育部门的倡导下，各个学校都开始将数据中心、数字校园、现代教学环境的建设提上了日程，希望以此来丰富学生的学习生活与思想观念。国家教育部门明确提出，要整合现有的校园资源，优化学校办学空间，完善办学条件，促进教育信息化的发展。通过数字化校园的建设，能够为学习者提供丰富多彩的学习资料，获取先进的学科知识，自由自在的在知识海洋中驰骋。1.2 深入化在大数据时代下，学生可以利用大数据提供的各项教育资源进行深入的学习与钻探，在一定程度上，有助于教育质量的提升以及教育公平的实现。此外，大数据教育平台的构建还能降低学校成本与师生通信费用，提供了远程学习平台，降低了学校的费用支出。1.3灵活性大数据教育模式的教学时间、教学地点相对灵活，使得传统授课方式突破了时间、地点的限制。从教学内容来说，授课内容也可以根据学生需要及时调整，对学生薄弱环节对症下药，大幅提高了教育的效率，达到事半功倍的教育效果。大数据时代的教育可以通过手机等设备，看直播、回放、听录音等途径进行学习，学习方式灵活多样。虽然大数据为教育领域提供了新的渠道，但是由此也带来了新的问题。首先，大数据时代的数据类型繁琐，充满陷阱，如果学习者的选择不当，就会严重影响自身的学习质量;其次，大数据时代下，学习者的主动性更强，这也给教师的综合水平提出了新的要求，这也是教育领域面临的新挑战;最后，在大数据带来的商业时代，学习者与电脑、智能手机之间的联系也变得日益紧密，与外界的沟通和交流大受影响，由此引发了抑郁、偏执、焦虑、敏感等一系列的病症，为此，必须要加强对学生人际交往、价值观、自我认知、心理健康等方面的指导。二、大数据时代下的教育改革措施分析2.1 根据大数据理念制定教育模式大数据为教育领域的发展赋予了新的契机，从某个角度而言，大数据直接影响着教育活动的规划与决策，大数据统计思维、倡导理念，都给教育决策带来了有益的支持。基于此，要以大数据理念、统计思维为依托，对数据进行分析、整合，发挥出数据的作用，更好的为教育工作来服务。为此，要采用科学的方式提高当前的数据分析能力，通过数据分析掌握教育的不足与实际需求，以此来制定行之有效的教育策略。2.2 以大数据思维来推行教学改革在大数据时代下，对于学生而言，有三项能力是最重要的，即阅读能力、搜索能力、辨识真伪的能力，为了提高教育工作的实效性，要基于学校育人需求、大数据时代特点来推广教育改革。在教育评估活动中，要发挥出大数据的作用，解决传统教学评估的随意性问题，突出大数据的功能，让教育活动更为科学、实效。2.3 构建出大数据教育服务平台在大数据时代下，信息资源的整合是一个难点问题，为了满足学生的发展需求，需要以学生的成长规律为出发点，梳理出对学生发展有益的教育资源，搭建出科学化的数据教育服务平台，便于学习者的专业化、系统化、个性化学习。在这一方面，要追求真实可靠、及时多样的数据信息，打破封闭自享、信息分割的局面，解决信息孤岛、消息烟囱的问题，让特色教育资源转化为教育资源，满足各个阶段、类型受教育者的需求，构建出便捷、全面的大数据服务平台，将图书馆馆藏、出版物、博物馆馆藏相整合，对资源进行规范处理，整合相关的终端产品，满足学习者多元化的需求。2.4 充分利用数据的便捷性大数据技术的发展和智能手机的普及，使得在线教育飞快发展，通过在线直播课程。新型的教育模式能够打破传统教育对时间、空间的限制，使得授课方式更为灵活。网络的普及使得一些教育资源可以在全国推广，西部偏远山区也可以听到东部沿海地区的高质量课程，有利于教育公平的实现。大数据为课程的学习提高里丰富的学习资源，只要利用得当，往往能有事半功倍的效果。三、结语大数据时代的到来，对教育的模式、授课的方式等产生了显著的影响，吸引了越来越多的关注，相关的研究也取得了一定的成效。未来的教育模式要顺应时代发展的潮流，进一步深入研究大数据教育的特点，实现和现在教育的高度融合，为学生和教育工作者提供技术支持，推动教育模式的创新。参考文献[1]钟玲会.
浅谈大数据时代下高校思想政治教育模式的改革[J]. 太原城市职业技术学院学报. 2017(07)[2]薛守星.
浅谈大数据时代的成人教育管理模式变革[J]. 黑龙江科学. 2017(03)[3]郑立海. 大数据时代的教育管理模式变革刍议[J].
中国电化教育. 2015(07)[4]孟瑞琴.
浅析大数据时代的教育管理模式变革[J]. 新校园(上旬). 2018(03)[5]陈少涛. 大数据时代对教育管理模式的影响[J].
学园. 2017(11)大数据时代的教育特点分析曾逸雯
北京师范大学株洲附属学校社会地位，维护教师的合法权益，提倡全社会都来关心、支持、配合教师的工作，从而提高教师的工作积极性。社会支持系统是个体应对压力的重要外部资源，很多研究显示，支持系统可以使个体减轻压力，延缓倦怠感的产生。学校管理制度的科学化、人文化是解决教师职业倦怠的根本。要改革教师评价和管理机制，加大教师参与管理的力度，降低职业倦怠感。为此，应该要改革教师的评价体系，强调形成评价的重要性，最终建立形成性评价与总结性评价相结合的以评价为主的复合型评价体系，并以合理的激励机制来保障。参考文献[1] 杨秀玉，孙启林. 教师的角色冲突与职业倦怠研究 [J]. 外国教育研究，2004（09）：10-13.[2] 杨翠娥，黄祥祥. 论教师职业倦怠 [J]. 教育探索，2004（09）：105-106.[3] 兰惠敏. 关于我国高校教师职业倦怠的调查研究 [J]. 教育探索，2012（05）：143-145.[4] 徐志勤. 高校教师职业倦怠及其对策 [J]. 扬州大学学报(高教研究版)，2006（04）：72-74.[5] 李兆良，高燕，冯晓黎，等. 高校教师职业倦怠现状调查及对策 [J]. 医学与社会，2006（11）：49-52.万方数据
相关热词搜索： 基于大数据的区域教育评价变革论文 变革 区域 评价版权所有:安华文秘网 2009-2024 未经授权禁止复制或建立镜像[安华文秘网]所有资源完全免费共享
Powered by 安华文秘网 © All Rights Reserved.。备案号：粤ICP备09117125号-1