新技术视域下的教育大数据与教育评估新探*——兼论区块链技术对在线教育评估的影响

沈忠华

（1.厦门大学 教育研究院，福建厦门 361005；2.杭州师范大学 教务处，浙江杭州 311121）

新技术视域下的教育大数据与教育评估新探*
——兼论区块链技术对在线教育评估的影响

沈忠华1.2

（1.厦门大学 教育研究院，福建厦门 361005；2.杭州师范大学 教务处，浙江杭州 311121）

大数据正影响着当今社会的各个领域，改变着人们的思维、生活和工作方式。研究大数据与教育评估的关系以及新技术对教育评估的影响，对于驱动教育改革与发展、促进教育者和受教育者思维变革具有重要的现实意义。为此，基于从分析教育大数据的特征出发，研究了大数据驱动与教育评估的关联性，并从信息数据化、深度学习、情感计算、区块链、人工智能等方面，探究了新技术对于大数据背景下教育评估的影响和作用，以期为教育评估的改进和发展提供有益参考。

区块链；大数据；教育评估；情感计算；深度学习；教育人工智能（EAI）

所谓“大数据”，就是人们通过分析海量数据而获取高价值的产品和服务，从而对所在领域或项目形成变革之力[1]。2011年，麦肯锡全球研究所首次在其研究报告——《大数据的下一个前沿：创新、竞争和生产力》中，提出了“大数据时代已经来临”和“数据已经渗透到当今每个行业和业务职能领域”等著名预言[2]。近些年来的事实，证实了这些论断。

世界各国已日益重视信息时代大数据对社会经济发展的影响，大数据将成为改变世界的战略资源逐渐成为人们的共识。大数据在经济、政治、医疗、教育等各个领域有诸多运用，为社会带来了前所未有的大利润、大科技和大知识等新的变化。大数据催生、带来的这些巨大变化已逐渐深入人心，并不断地影响着人们的价值体系、知识体系和生活方式[3]。

2015年，我国启动了国家大数据战略，对大数据在政府、教育、交通、农业、金融等多个领域中的影响和运用开始进行深入研究。今天，人们生活和工作的任何一个领域，理论上都无时无刻产生着大量的数据，但是大量的数据并不等于大数据。大数据是一个综合概念，它更强调跨领域数据的交叉融合和数据的流动生长。比如，教育大数据就是发生在教育领域内以及与教育领域相关的交叉领域间的大数据。一般是指在教育活动开展过程中产生的，或者根据需要在其他与教育相关领域中采集到的数据。

当前，随着教育信息化的不断深入，教育领域的大数据逐步形成并开始获得大量应用。比如，教育部主导的我国各高校教学状态数据库 （包括教学、科研、人事、学生、财务管理等活动数据）、各类网络课堂产生的数据、大规模在线开放课程（MOOC）数据等。而随着教育信息化建设逐步从基础建设、数据积累向数据应用的转变，更为教育大数据的发展和运用创造了条件。而我国是一个教育大国，现代信息技术和互联网的发展，正带动着海量教育大数据的不断生成与流动，这些大数据资源对教育领域产生着巨大影响并发挥着重要作用。

近年来，随着人工智能、深度学习、情感计算及区块链等新兴技术的迅速兴起与发展，给教育大数据与教育评估的分析与应用带来了新的契机。因此，在这些新技术的支撑下有效运用大数据资源来切实推进教育领域的改革与发展，从而快速顺应大数据时代的到来，成为我们面临的一个重要课题。而教育评估作为教育领域中进行教育管理、决策的重要手段，数据更是其重要的依据和基础。面对新技术挑战的教育评估有着更多、更新的内涵和特点，需要我们进一步去探究，充分分析它与大数据驱动与教育评估的关联以及新技术对大数据、教育评估的影响。开展这些研究，对推动教育评估的绩效的提升无疑有着积极的现实意义。据我们对“中国知网”的文献查询，目前国内相关的研究还比较匮乏，更显现其研究的价值所在。

一、大数据与教育评估的关联与特点

所谓教育评估，是以实现教育目标和理念为价值标准，依据一定的评估指标体系，通过系统地收集信息，运用一系列科学、可行的方法、教育技术和手段，对教学活动、过程及其结果进行系统的考察和价值判断，从而为优化教育改革提供决策依据。作为提高教育教学质量的一个重要抓手，教育评估对于加强教育与社会联系、实现教育目标和促进教育发展发挥了积极作用。

大数据的快速发展与驱动，正对教育评估产生着深远的影响。一般而言，大数据具有4V特征，即海量的数据规模（Vast）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）和巨大的数据价值（Value）[4]。教育大数据作为社会大数据的一部分，除了具备大数据的一般特征之外，还有着有别于其他领域大数据的一些个性化特征，这些特征使得大数据驱动与教育评估之间产生了较为紧密的关联。图1展示了这些个性化的特征以及大数据驱动与教育评估的关联性。

图1 大数据驱动与教育评估的关联性

具体来说，这种关联性与特点主要体现在以下几个方面：

（一）大数据的客观性与教育评估的准确性

教育评估都需要大量的数据作支撑，以往传统情况下都是依靠人工采集。比如，评估者根据需要，设计相应的方案或调查问卷，在大家知情的情况下进行采集，这种采集方式所获得的数据一定程度上往往带有评估者的主观刻意性和被评估者的非意愿性。因此，在数据准确性方面往往受到质疑。而在今天，教育大数据是人们在教育活动过程中或在其他相关领域中自然而然产生的数据，不受主观意识主导，是一种原生态的数据。即与传统的数据相比，它更具有客观性，从而使教育评估结果更具准确性。

正如信息论奠基者香农所提出的，“信息是用来消除不确定性的东西，是不定性减少的量，是两次不定性的差”[5]。教育评估正是需要利用定量的信息——数据来得出定性的结论，信息的多少、正确与否将直接影响教育评估的信度。由此可见，数据或数据化的信息是教育评估过程中最基础、最重要的评估依据，它的客观性与否，直接决定着教育评估的准确性。相比而言，基于大数据的评估，较之传统做法更为准确。

（二）大数据的即时性与教育评估的时效性

教育评估一般都针对某个阶段的教育工作所开展的，具有一定的时效性。它需要大量的数据作支撑，而这些数据产生的时间间隔越短，评估的结果就越具可靠性。换句话说，如果评估者能即时采集数据，则评估结果就越能反映当时态下的教育过程。然而，传统情况下开展的教育评估，往往是对过去一个需要评估的周期内，通过人工方式进行数据采集。由于技术和客观条件所限，传统的教育评估很难做到数据的即时采集，很难反映教育的当时情况。

而在大数据时代，各种新技术的介入与应用，使得我们把对数据的即时采集变成现实。这为教育评估者带来了极大地便利，从而有效地保证了教育评估的时效性。

（三）大数据的连续性与教育评估的过程性

随着新技术的发展和教育实际工作的需要，教育评估也越来越强调过程性。教育活动是一个动态的连续统，本身都处在不间断地变化过程中，教育数据每时每刻都在产生，数据的连续性，为过程性的教育评估奠定了基础。但在传统的教育评估中，这些连续的数据并未能为过程性教育评估起到实际的作用，主要原因是在数据采集过程中技术手段的受限，我们无法有效采集到连续的数据，只能采集某一阶段的数据。

而在大数据时代，我们可以借助传感设备以及物联网技术等，在不影响教育活动的前提下即时采集数据，使采集到的数据更具连续性和微观价值，从而真正实现对教育的过程性评估。

（四）大数据的广泛性与教育评估的全面性

任何一项评估都希望全面而客观地反映问题，教育评估也不例外。传统意义下的教育评估，人们往往都是为了研究分析某一特定现象，或者是为了某个专项而进行有针对性的评估，这种特定需求下开展的教育评估，对于数据往往带有很强的主观性色彩，因而，这些数据一般存有一定的片面性。另外受技术的影响，我们所能获得的数据也非常有限。数据的不完整使得评估者无法准确、全面地分析问题，从而影响评估结果的可靠性。

而大数据是将所有与教育有关的立体化数据提供给我们采集、处理和分析，这些全面而广泛的数据，都直接或间接地成为我们研究、分析问题的对象或基础，从而使教育评估更加全面、客观与精准。

（五）大数据的复杂性与教育评估的智能化

任何事物都具有两面性，大数据在带给我们无限便利和资源的同时，也因为它往往具有鱼龙混杂的特点，给教育评估者在进行数据处理时增添了复杂性与难度。而教育活动作为人类社会中比较特殊、较为复杂的实践活动，主客体关系本身就复杂多变，加上教育过程中教与学活动并存、教育模式和过程的不确定性等特点，一定程度上使得教育数据的复杂性更为明显。这些复杂性，在以往传统意义下的教育评估技术是很难有所作为的。

而在大数据背景下，我们完全可以依靠新技术与智能化的工具，比如，云端技术等智能化数据挖掘手段，从杂乱无章的数据堆里“清洗”出有用数据，寻找、分析、发现数据之间的相关性，最终形成教育评估体系中的数据结构。所以，如何把新技术与智化工具有效应用于教育大数据，这也是当今教育评估需要深入探讨的一个新课题。

（六）大数据的细颗粒性与教育评估的科学性

教育评估的科学性依赖于数据的精细程度。传统的教育数据大多是阶段性数据，数据之间间隔的时间比较长，相距的距离也比较远。即这些数据的颗粒度往往都比较粗糙，不利于精细化评估和进行更科学的判断。

而在大数据时代，每一项教育活动都可以即时保留下来，成为我们可以随时采集的鲜活对象。比如，学生在学习在线开放课程的过程中，我们可以利用互联网技术获知学生在某一个学习内容上停留的时间或次数、掌握程度、认知方式乃至表情等，更精细化、个性化地掌握该学生的学习细节，从而为师生提供教与学的建议。大数据的这种连续性和即时性使得它具备了细颗粒性的特征，为教育评估者更精确地探究一些微观层面问题提供了可能，从而能更加科学地反映评估结果。

可见，上述这些大数据驱动与教育评估的关联性，促使我们的教育评估观念、方式方法发生着根本性的转变。无论是教育评估结果在教育管理决策的运用，还是对教学过程的指导，这些相关联的特征都将发挥积极而有效的作用。并且针对不同层次的需求，大数据在教育评估中的应用将形成各种不同的产品和系列化、个性化的服务，从适应性教学到动态跟踪测评，从管理模型构建到数据共享门户，各种类型的应用与服务，勾勒出了大数据影响教育领域的一个崭新图景。

二、各种新技术对教育评估的影响

如果我们把大数据作为一种教育评估的技术来看待的话，那么，当今日新月异的各种新技术已经为教育评估提供了更多的选择，各种新技术的不断介入与渗透，正在为教育评估打造着更为多元、有效的应用场域，并将持续地影响着教育评估。

（一）信息数据化与教育评估

人类记录信息的能力和计量物体的方法的诞生，是原始社会和先进社会的分界线之一，这种记录和计量促使了数据的诞生，它们也是信息数据化最早的应用方式。计算机的出现带来了数字测量和存储设备，也使得通过数学分析挖掘出更大的数据价值成为可能。

随着技术的不断发展，在众多的信息中，除了少部分可以进行直接测量和分析的结构化信息外，更多的不能直接测量，如，图片、图像、音频、文档等，但这些非结构化信息也可以将其进行数据化。比如，亚马逊把上百万的图书进行了数据化，全球定位系统GPS将方位变成了数据，Facebook将沟通变成数据等等。大数据技术正促使世界万物信息的数据化不断推进，这为教育评估创造了良好的条件。

然而，数据化不是简单的“数字化”，它是一种把现象转变为新型可分析数据的量化过程，包括数据的采集和数据的处理，它是对教育领域中某些事件或事物进行描述、纪录、分析和重组，然后借助计算机、通信和高密度存储技术等，以数据的形式更高效、更准确地转变为教育评估的可视化资源。信息一旦被数据化，便具有通用性、开放性、标准化和高度整合性等特点，人们就可以通过技术手段，充分解读、揭示隐藏在数据中的价值和秘密。

今天，海量的教育信息被数据化以后，将成为教育评估的重要资源。我们可以利用数据分析工作（如，统计学和算法）以及必需的设备（如，信息处理器和存储器），进行更快、更大规模的数据处理。这必将会推动教育评估不断走向精准化、高效化和科学化，从而真正实现“用数据说话”的评估要求。

（二）基于深度学习算法的评估模型

我国对教育评估一直非常重视，把它作为教育管理、决策和改进教育质量的重要手段。目前，开展的教育评估主要有院校评估、专业评估、专业认证、专项评估，以及根据某一特定教育工作需要开展的教学或学习评价，如，教师课堂教学质量评估、学生课堂学习情况评估等。

无论哪一种类型的教育评估，都需要一定量的数据作基础。大数据时代我们拥有了庞大教育数据，可以通过建构评估分析模型，在对大量原始数据进行清洗、过滤和整理后，去除与评估无关的信息，然后将与评估有关的数据进行格式化整理，就可以得到较为精确的评估结果。也就是所谓从海量不相关的数据中，通过技术手段挖掘出隐藏于其中的各种有价值的信息与信息关联。

牛津大学互联网研究所教授、数据科学家维克托·迈尔—舍恩伯格曾指出，大数据将重塑教育，并提出了大数据改善学习的三大核心要素：反馈、个性化和概率预测[6]。这些核心要素也为教育评估开拓新的思路。为此，我们可以将基于大数据的教育评估分为三个阶段：

图2 教育大数据评估的三大阶段

1.第一阶段：反馈-数据驱动决策

在这一阶段期间，由于数据获取的有限性，教育评估通常是在教育理论和相关专家的指导下，构建一系列评估指标体系，按照每一类指标采集相应的数据，比照分析指标体系而获得结论。这种评估模式大多针对结构化数据，受数据的质量和数量的限制，其分析结果具有延时性和一定的局限性。

2.第二阶段：个性—基于数据决策

随着教育信息化的普及，各种课程教学、教学管理、学情信息、数字化校园等数据资源与日俱增，教育数据的采集变得及时和便利，为教育评估提供了良好的数据基础保障。信息众多，虽然我们能消除系统的不确定性，但原始数据往往是杂乱无章、离散分布，一般没有固定的格式和规范，很难让人一下子找到数据相互之间的联系。

从那些看似毫无联系的数据堆里找出有用的信息，经过精心的组织和概括，形成评估体系中的数据结构，需要借助数学模型分析方法的帮助。通过数据建模，我们可以发现学习者学习结果与学习内容、学习资源、教学行为等变量之间的相关关系。学者孟玲玲等曾对包含学习网络分析、学习内容分析、学习能力分析、学习行为分析以及综合学习分析在内的24种分析工具进行了比较[7]，我们可选择合适的工具分析教学活动，优化学习过程。

3.第三阶段：预测—数据感知决策

大数据在教育评估中的价值就是利用收集的庞大教育数据，通过数据挖掘算法、机器学习、回归分析等学习分析技术，来预测学习者未来的学习趋势[8]。从而使教育评估真正实现从“数据驱动决策”到“基于数据决策”进而实现“数据感知”，并可以做到为学习者进行数字化建模。

目前，Civitas Learning已经通过建立跨校学习数据库，采集100多万名学生的相关记录和700万个课程记录，建模得到学生的分数、出勤率、辍学率和保留率等主要趋势，利用预测分析大数据帮助学生提高成绩；Course Signals通过对学生学习习惯进行分析，预测其存在学习失败的可能性而提前做好预警支持[9]；George Siemens则提出了包含数据收集、数据分析、数据预测、个性化调整等四个阶段的学习分析应用模式，通过收集分析学生数据，可以判断学生的学习情况、及时发现教学中存在的问题，利用数据分析结果帮助教师预测、调整教学，以尽可能满足不同学生的学习需求，促进个性化学习的开展[10]。

可见，从教学的适应性到管理决策支持，都需要通过科学的模型来支撑[11]。建立有效的数据模型是实现对教育管理进行有效评估、诊断和预测的核心解决方案。

在现阶段的模型构建中，由于受专业水平限制，常用的数据分析方法仅局限于用归纳学习的决策树、利用逻辑推理来实现判断的自然逻辑推理方法、利用贝叶斯网络来完成概率计算的贝叶斯理论、模仿人脑神经工作原理而建立的神经网络计算模型以及支持向量机等，尚未能有效借力于前沿的数据分析方法与技术。这些数据挖掘算法虽然为决策分析提供了一定的技术支持，但面对来自各个领域的海量未经标注的原始文字、图像、声音和视频等结构化、非结构化、半结构化数据，大多数传统的机器学习算法已不再适用，探索对日益剧增的非标注数据进行有效分析与处理的方法，值得我们深入研究。

2016年，谷歌开发的AlphaGo与李世石的“人机大战”让我们从更深层次上认识了大数据驱动下的人工智能对人类社会的深刻影响。AlphaGo的成功依赖于两种深度学习模型，一是用于评估棋盘的位置的价值网络，二是用来选择下棋步法的策略网络。需要指出的是，这里所说的深度学习（Deep Learning），并非指学习者超越表层知识，对特定主题持续深入探究的学习模式，而是一种能够从海量的数据中进行学习、挖掘的机器学习方法。所以，深度学习算法的出现掀起了人工智能的又一次浪潮，它能实现对复杂输入数据的高效处理，智能化地学习知识，用于解决多种复杂的问题。

早在2006年，Hinton等[12]就提出由多个受限波尔兹曼机（RBM）[13]以串联的方式堆叠而形成的一种深层网络算法。该网络模型通过模拟人脑的分层结构，通过对深层结构进行逐层参数初始化，来实现对外部输入数据由低级到高级地特征提取，从而解释输入数据，如图3所示。

图3 基于深度学习算法的多尺度逐层特征提取过程

其最大的优势是能自动寻找出不同类型数据间的相关性，克服了过于依赖人为设计数学模型的难题。教育机构只需将所有收集的与教育有关的直接的、间接的数据作为输入对象，通过开源的深度学习仿真工具，如，Caffe、Torch及Theano等进行训练、测试、微调及部署模型工作。

总之，深度学习算法的深度分层结构与人类大脑认知系统具有深度分层的特点相一致，深度学习也强调可学习性的特点，因此，它适合于学习具有良好的特征表达能力，进而满足教育质量评估及以此为基础的政策分析研究。在一些专业评估中，大数据会提供我们更多被评估专业之外的数据，如，相关产业的发展趋势、国内外其他同类专业的建设情况和发展趋势、已毕业学生的就业质量和发展潜力等。通过这些不同维度的数据评估，可以更为综合地给出被评估专业的位点和态势，从而更准确地为其未来发展给出数据支撑。

（三）情感计算与在线教学评估

近年来，凭借受众广、价格低廉、教育质量优等优点，在线学习在全球范围呈现了快速的增长趋势。尽管开放式在线教育具有学习时间地点灵活、内容丰富等优点，但学习者和教育者之间缺乏互动、教学效果缺乏有效的评估手段是其突出问题。在长时间的在线学习过程中，由于缺乏交互、管理和监督，学习者容易感到无聊和疲惫，或缺乏自制能力，而逐渐丧失学习的动力甚至放弃学习。

现有的在线学习平台对学习者学习过程的记录方式较为单一，未能有效结合先进传感器网络和移动设备等技术，从数据分析的需求方面设计数据采集的内容。随着先进的测量传感器件的发明，以计算机技术为核心的传感网络技术的快速发展，可穿戴式设备将情感计算实现的可能性与可行性，从传统的固定电脑端延伸到了随时随地的生活和工作场所中。智能手环、环境传感器、可穿戴设备等通过捕获身体的心率、皮肤电信号、脉搏等数据，以及摄像机捕捉学习者的脸部表情和手势等，正为情感计算研究提供了多种多样的情景，从而使实时情感识别成为可能。

情感计算作为新兴的前沿研究，也是下一阶段人工智能需要实现的关键技术。已有的研究表明，人体多种模态的生物指征参数（如，脑电信号、心率脉搏信号、皮肤电信号、人脸表情、声音声纹、词频语义等）与人类情感存在紧密关联[14-15]。它与教育评估也有很大的关联，在教育、教学评估中的情感，可以通过效价（Valence）和唤醒度（Arousal）两个维度来描述，形成一环状模型，如图4所示。

图4 情感计算维度环状理论模型

图4中效价度量情感的极性，随着负面情感过渡到正面情感，效价也随之增大；唤醒度度量情感，随着唤醒度的提高，被测者的警觉性也随之增大。两者经由2-D SAM（Self-Assessment Manikins）量表实现标定[16]。国内外研究人员通过利用含有情感色彩的图片、影像和游戏等作为情感刺激源，提取脑电波谱特征，并先后利用朴素贝叶斯、支持向量机、决策树等分类器实现了对愤怒、高兴、悲伤三类情感分类，准确度达到80%以上。

除此之外，目前还研制了面向无线网络与手机应用的情绪监测系统，用于针对自闭症患者的情感，这类情感监测识别应用，已经不断地从实验室与医院走出，进入到人们的日常生活领域[17]。相信在不久的将来，通过配备适当的传感设备，情感计算将广泛运用于虚拟教室和在线教学评估过程中。

这种基于情感识别的过程化评估，犹如在某个连续的时间里将相应成果以“影像”记录下来，通过连续播放“影像”形成了一个连续的“活动”场景，评估者可以根据需要选择“连播”、“回放”或“选看”。它改变了以资料检查、调查访谈和印象评分为主的传统教育评估方式，而通过及时记录各种教育教学状态、表现、阶段性反馈等多种数据，依据对客观数据的分析，用数据描述发展过程中的教育现象与问题，并对教育活动开展情况和目标达成度给出恰当评判（如图5所示）。

对于学习者而言，情感计算能够作为调节手段，在学习过程当中创建实时的交互。在学习内容方面，动态调节内容的交互方式以模拟传统教师授课，即根据学员的课堂表现安排教学内容。同时，这种基于情感计算的过程化教学评估，能够根据学习者的喜好推荐和定制个性化的学习资源和学习任务[18]。对于教育者而言，教育者可以及时获得教学过程的全面、客观的反馈信息，促使他们能够更好地调整和优化教育决策，改进教育过程，完善课程开发，并根据学习者的学习状态来组织教学内容，重构教学计划等。

图5 情感计算的学习反馈系统

这里需要指出的是，这种“摄像式”的过程化评估方式需要有连续性的大数据作为支撑，这在传统评估中通过一次或几次采集数据的方式是不可能做到的，只有在教育大数据时代通过信息和互联网等技术的应用才能实现。

三、区块链技术：化解教育评估信任危机的一把新钥匙

世界经济论坛2015年在一份报告中指出，到2023年，全球国民生产总值的10%将存储在区块链或与区块链相关的技术中，并且到2023年，政府机构将普遍应用区块链技术[19]。

近年来，区块链技术被视为继云计算、物联网、大数据之后的又一项颠覆性技术，受到各国政府、金融机构以及科技企业的高度关注。2016年，美国、英国、日本等发达国家相继将区块链技术上升到国家战略层面，并且成立了区块链发展联盟[20]。同年，国务院印发的《“十三五”国家信息化规划》也首次将区块链列入我国的国家信息化规划，并将其定为战略性前沿技术之一。

当前，各行各业都开始关注区块链技术，积极探索利用该技术破解行业难题，促进行业的创新发展。区块链作为一种创新技术，已经引起国际金融界、计算机、物联网等高科技公司以及风险投资的广泛关注，正在变革当前全球金融、商业、公共管理以及教育的发展理念和模式[21]。区块链技术引发的技术变革主要包括以下几类：数字货币类，如，货币转移、汇兑和支付系统等；智能合同类，主要包括证券股票、银行贷款、不动产产权和智能合约方面；超越货币类，包括在教育、健康、科学、文化和艺术等方面。

所谓区块链（Blockchain）技术，顾名思义包括“区块”和“链”两部分，指将一连串相关联产生的分布式的数据（区块），通过密码学方法串（链）起来构成连续的交易记录的技术[22]。其中，每个区块都拥有其对应的时间戳标记，用于验证其信息的有效性和生成下一个区块。源于比特币底层技术的区块链集成了点对点网络（P2P组网）、非对称加密、分布式数据库等技术，每一区块都包含特定时间内系统的全部信息交流数据，因而每个区块都是平等的，且单一区块的损坏不影响系统整体的安全性，所以，区块链具有去中心化、高度自治、不可篡改等核心特征。这些特征使得区块链在金融领域具备降低审计成本、让交易和资产流动更加透明、便利等优势。

同时，区块链这种典型的去中心化、集体维护的特征，正好解决了教育评估过程中易受教育机构行政部门约束等难题。由于每一区块皆涵盖了系统的所有信息，信息的真实性可以交叉验证，从而保障了区块链中的所有信息都是真实的。这种真实性的特征为开放教育课程学习的教育评估提供了解决方案，也为广大学习者提供终身学习成绩单或学分成为可能。

可见，区块链技术为教育评估构建了一种全新的技术基础和实践模式，它将彻底改变和颠覆现有教育评估系统。目前，一些教育机构联合金融企业已经开始通过各种方式介入和研究区块链技术，比如，学位授予和学分认证。例如，美国麻省理工学院多媒体实验室已利用区块链技术颁发数字证书和数字币，以认可和表彰加入其全球研究伙伴计划的各行各业人才；霍博顿软件工程学院已从2017年开始和“比特认证”（Bitproof）公司合作，利用区块链技术给予学习认证；哈佛大学伯克·曼克莱恩“互联网和社会研究中心”正在研究区块链技术在物权法、数字金融等领域的应用和影响，以促进区块链技术专业人才的培养[23]。

四、区块链技术对在线教育评估的影响

（一）为开放教育课程教育评估提供可靠数据

随着在线/远程教育、大规模开放在线课程的普及与推广，丰富多彩的开放教育形式与资源，打破了传统学校面授教育的围墙，让更多的人通过互联网参与到教育中来。任何人都可以免受时间和空间的限制，通过自主选择线上学习课程，建立个性化课堂以及学习管理系统以开展学习。

开放式教育在为学生提供个性化自主学习、减轻教师负担、提高管理效率等方面发挥了积极的作用。但是，现有的相关教育制度和用人单位尚未很好地适应这种在线学习模式，他们的学习结果往往不被公众认可，学分很难打通，导致了较为严重的教育信任危机。因此，一种新型、权威的教育评估手段亟待产生，它既能保障大家享受教育开放带来的便利，又能保障教育应有的公信力。

由于区块链是按照时间顺序链接，真实记录学习者在在线课程每个时间点上的学习进度和成绩，时间戳为每一份记录加上水印，通过密码学算法保证其一经记录不可被篡改、删除和伪造，学习成绩通过区块链共享给参与网络的各用户，各用户经授权后可查询学习者的完整学习记录。所以，区块链技术作为一种新型的信息加密手段，科学有效地保证了数据的可靠性，较好地应对诚信度低、监管水平弱的某些环境，防止虚假数据、虚假信息传播及欺诈行为的发生。数据的可靠性为解决信任危机提供了保障，即解决了在线学习中存在的学习证书信任危机，有效保障了教育的开放性（如图6）。

图6 区块链有效保护在线学习信用

（二）为各类学生提供终身成绩单

如前所述，区块链技术将传统以集中方式存储的加密数据，分散存储到整个链条中的每一个节点，节点之间是对等的，且任一节点的损坏或丢失都不会影响整个系统。整个区块链体系架构没有中心硬件或者管理机构，数据传递共享也不再需要通过某个信任中心去完成。

正因为区块链的去中心化的这个特征，使得教育机构工作更加透明、有效率，进而更能适应网络社会和网络学习者的需求。在区块链技术支持下，任何教育机构和学习者可以跨平台和跨系统地记录学习行为和学习结果，而无需事前建立一个中枢存储机制或是协调机构。也就是说，学习成绩等有关学生的重要信息不再需要托管给学校等教育机构，他们可以选择自主管理学习内容，保存学习记录和数据，利用这些数据和文件证明自己的学习经历，作为升学应聘时的凭证。

这些包含学生详细学习信息的区块链将为学生、用人单位和机构提供基于授权的一站式服务，方便他们访问、分享和验证，而且能够保证这些信息具有较高的公信力。正如全球最大的职业社交网站领英（LinkedIn）创始人Hoffman[24]所言：“21世纪的文凭应包括学习者正式和非正式的学习经历，即从不同教育机构获得的学分、工作实践经历、在线学习等学习过程和结果能全面体现在一张文凭中。”这种被称为“动态的终身文凭”，甚至可用于呈现各类学习者终身学习的情况。

（三）构建不受时空限制的共享学校系统

在《共享经济：重构未来商业新模式》一书中，共享经济鼻祖罗宾·蔡斯提出，“共享经济是适应时代发展的新经济模式，也是未来最主要的经济模式之一”[25]。在“互联网+”背景下借助于区块链技术，共享学校模式正孕育而生，显示出了强大的发展趋势和潜力。

2015年，日本索尼公司成立了服务全球教育机构的区块链技术基础设施平台——“索尼全球教育”（Sony Global Education）[26]。该平台的学习过程和结果可以在学习者本人、教师、家长、学校以及平台上其它所有使用者之间实现共享，而无须发布给教育行政管理部门，大大减少了教育行政部门等第三方机构在学习过程和结果评价中的干预，提高了教学管理效率。同时，这也促使教育更加公平，学校之间的组织结构由从顶向下变成网状型结构。

日前，澳大利亚国立大学、英属哥伦比亚大学、美国波士顿大学、荷兰代尔夫特理工大学和瑞士洛桑联邦理工学院已经通过签订代码共享协议加入区块链[27]。每所学校作为区块链中的不同节点，可以安全、便捷、经济地连接知识库，构成共享学校系统。

（四）便于多形态教育资源/成果的界定

教育成果界定和审核也是教育评估的一项重要工作。新技术发展正在不断推进社会的信息化，信息资源的获取和复制变得非常容易，教育成果的表现形式更加多样化，数量也呈现指数级增长。目前，虽然丰富的网络资源给学习者带来了很大的便利，但这些教学资源的知识产权等依然不够清晰，为资源制作、发布者带来了很大困扰，特别是微课程、微视频、课件资料、电子文档等教学资源。教学资源版权保护急需完善的法律机制保障，但更需要强大的技术支撑，而区块链技术具有的按时间序列记录数据，数据信息不可随意更改、可追溯等特性，正好可以填补这一领域的空白。

除了各类学习资源以外，学术研究实验、学术论文、观点和创意作品等，因为缺乏相应的知识产权保护，很容易引起版权与学术纠纷，这严重影响了研究人员和学者对学术创新的积极性。针对这一情况，区块链技术构建的版权机制，也可以用时间戳作为水印，用于见证作著作人和发明人的作品或成果。

（五）有效解决学生信息隐私保护问题

教育大数据涉及庞大规模的学习者与教育者群体。这些人群中包含大量的未成年学生，对于他们的隐私信息保护至关重要。而现有在线教育的学生学籍管理中也包含着大量的私密性信息，比如，家庭状况、父母或配偶工作单位、住宅及健康情况等，这些信息应该受到有效的保护，不能随便泄露。但目前这方面的信息保护还存在着许多隐患，而区块链技术的应用，对广大学生的隐私信息保护方面具有很强的针对性。将来学生、教师等都可以自己设置私密，给私密性信息的使用添加“一把锁”，即未经授权无法窥探其隐私数据。这样让该共享的信息更加自由、充分的流动，让不该共享的信息受到有效保护，无疑会促进在线/远程教育的健康发展。

五、结论与展望

今天，教育人工智能（EAI）等新技术的快速发展与渗透[28]，赋予了教育、教育评估诸多新的理念、内涵和特点。大数据的兴起与应用，一方面，为教育评估提供了丰富的数据资源；另一方面，如何合理利用大数据技术为教育评估提供新的方法和手段是我们面临的新课题。本文分析了大数据背景下教育评估所具有的新特征，对大数据驱动与教育评估的关联性进行了阐述，同时结合深度学习算法、情感计算和区块链等新技术，对于大数据背景下教育评估的影响和作用进行了阐述。但是，区块链技术等应用还大多处在探索和试验阶段，深入推广应用还需要一个整合和发展过程，需要教育领域各方的共同协作，从政策制定和实践上鼓励各类教育机构探索、应用基于新技术的教育教学管理。

新技术的发展对教育评估的积极作用毋庸置疑，尤其是在4G迈向5G移动互联网的今天。文中对新技术视域下的教育大数据与教育评估问题只是进行了初步探究，还有诸多值得研究和思考的相关课题。比如，如何深刻认识大数据在改进教育领域管理决策过程中的重要性，逐步建立起用数据说话的习惯和思维方式？如何提出具体合适的模型、算法与工具，将大数据相关技术与教育领域的具体问题相结合？如何在当前我国大数据开放总体现状还不乐观的情况下，利用新技术解决教育领域中数据来源的问题？等等。这些，还有待我们今后深入研究。

[1]姜奇平.大数据的时代变革力量[J].互联网周刊，2013（1）：34-37.

[2]Big Data for Development:Challenges&Opportunities[EB/OL].[2016-12-17].http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation.

[3]张燕南，赵中建.大数据教育应有的伦理思考[J]，全球教育展望，2016（1）：48-55.

[4]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013（1）：146-169.

[5]香农，通信的数学理论[J].贝尔实验室技术杂志，1948（27）.

[6][英]维克托·迈尔-舍恩伯格，赵中建，张燕南译.与大数据同行——学习和教育的未来[M].上海：华东师范大学出版社，2015.

[7]孟玲玲，顾小清，李泽.学习分析工具比较研究[J].开放教育研究，2014（4）：66-75.

[8][11]孙洪涛，郑勤华.教育大数据的核心技术、应用现状与发展趋势[J].远程教育杂志，2016（3）：41-49.

[9]Pistilli M D，Arnold K E.Purdue signals：Mining real-time academic data to enhance student success[J].About Campus，2010，15（3）：22-24.

[10]Siemens G.What are learning analytics[EB/OL].[2017-01-16].http// www.elearnspace.org/blog/2010/08/25/what-arelearning-analytics/.

[12]Geoffrey Hinton，Salakhutdinov R R.Reducing the dimensionality of data with neural networks[J].Science，2006，313（5786）:504-507.

[13]Yu Kai，Jia Lei，Chen Yuqiang，et al.Deep learning:yesterday，today，and tomorrow[J].Journal of Computer Research and Development，2013，50（9）:1799-1804.

[14]Li Y，Jin Y，Wang J，et al.Face feature points extraction:a review [J].Chinese Journal of Computers，2016，39（7）:1356-1374.

[15]Jiang T，Wang C，Liu D，et al.Extracting target-opinion pairs based on semantic analysis[J].Chinese Journal of Computers，2016，40（3）:617-633.

[16]Khezri M，Firoozabadi M，Sharafat A R.Reliable emotion recognition system based on dynamic adaptive fusion of forehead biopotentials and physiological signals[J].Computer Methods and Programs in Biomedicine，2015，122（2）:149-164.

[17]Picard R W.Automating the recognition of stress and emotion:From lab to real-world impact[J].IEEE Multimedia，2016，23（3）:3-7.

[18]牟智佳.学习者数据肖像支撑下的个性化学习路径破解——学习计算的价值赋予[J].远程教育杂志，2016（6）：11-19.

[19][20][21][27]许涛.“区块链+”教育的发展现状及其应用价值研究[J].远程教育杂志，2017（2）:19-28.

[22][23][26]李青，张鑫.区块链：以技术推动教育的开放和公信[J].远程教育杂志.2017（1）:36-44.

[24]Hoffman R.Disrupting the diploma.[DBOL].[2016-11-23].http://reidhoffman.org/disrupting-the-diploma/.

[25]蔡斯.共享经济：重构未来商业新模式[M].杭州：浙江人民出版社，2015：9.

[28]闫志明，唐夏夏，秦旋，张飞，段元美.教育人工智能（EAI）的内涵、关键技术与应用趋势[J].远程教育杂志，2017（1）：26-35.

A Probe into the Education Big Data and Educational Evaluation from the Perspective of New Technology：Also on the Influence of Block Chain Technology on the Evaluation of Online Education

Shen Zhonghua1,2
（1.Institute of Education，Xiamen University，Xiamen 361005; 2.Dean’s Office，Hangzhou Normal University，Hangzhou Zhejiang 311121）

Big data is affecting all areas of society,changing people’s thinking,life and work.It is of great practical significance to drive the education reform and promote the reform of educators and educatees by studying the relationship between big data and educational evaluation and the impact of new technology on educational evaluation.Based on the analysis of the characteristics of large educational data,this paper studies the relevance of large data driven and educational evaluation,explores the new technology for the evaluation of education under the big data background from the aspects of information data,deep learning,emotional computing,and block chain，and provides a useful reference for the improvement and development of educational evaluation.

Block chain;Big data;Educational evaluation;Emotional computing;Deep learning；Educational artificial intelligence（EAI）

G434

A

1672-0008（2017）03—0031—09

2017年3月26日

责任编辑：陶 侃

本文系杭州市软科学项目“面向地方产业的高校应用型人才培养途径研究”（20170834M38）的研究成果。

沈忠华，厦门大学教育研究院在读博士研究生，杭州师范大学教务处处长、教授，主要从事教育评价、高等教育研究等。