APP下载

大数据与教育管理专业深度融合路径研究

2019-06-11郑春玲

关键词:素养专业评价

郑春玲

(湖北广播电视大学,湖北 武汉 430074)

一、问题的提出

维克托·迈尔-舍恩伯格(Viktor Mayer-Schonberger)是最早洞见大数据时代发展趋势的数据科学家,他在其大数据研究的先河之作《大数据时代》中指出,随着大数据时代的来临,信息科学技术的应用即将进入新的阶段,整个世界的各个领域都会产生翻天覆地的变化。随之而来的信息风暴将加速社会转型,大数据将会对人们原来的生活、学习等方面产生深刻的影响,尤其会改变人们的思想观点和思维方式。[1]大数据时代所带来的巨变已映射到教育领域,具体表现为传统教育理念、教育模式的转型。开放教育是我国国民教育体系的重要组成部分,在大数据时代,其教育的对象、教学形式、教学重点等都在发生变革,呈现新的发展趋势。在大数据时代,开放教育如何抓住历史契机、迎接新的机遇和挑战,理应成为一个广泛关注的焦点问题。

开放教育的公共事业管理(学校管理方向)(本科)(下文简称为教育管理专业)的培养目标是:通过学习,学生应具有教育理论、现代管理理论、教育技术等多方面的知识及应用的实践能力,能在教育部门、各类学校、其他部门等从事教育管理或教学的工作。教育管理专业在开放教育中属于一个比较特殊的专业,其特殊性体现在其培养对象本身就是从事教育领域的工作,其教育理论和思维对其教学和管理工作产生直接的影响。而目前此专业在有些方面,如课程设置、教学评价等仍囿于传统,对学习行为的数据分析仅限于简单的统计。在大数据时代背景下,需要加速大数据与教育管理本科专业的深度融合研究。

二、大数据概述

1.大数据的含义

通过查阅文献,2011年,麦肯锡公司撰写了《大数据: 创意、竞争和生产力的下一个领域》一文,这是“大数据”首次被完整地提出。文中对“大数据”的描述是基于其表象特征,认为“大数据”规模庞大,传统意义的数据库软件和工具无法对其进行收集、分析和处理的数据集合。[2]到目前为止,学者对于“大数据”尚未给出一个严谨、科学的定义。有的学者甚至把巨量资料及采集资料的分析系统和工具、平台一起称作为大数据。

2.大数据的界定维度

迄今为止,理论学界对“大数据”主要从三个维度来进行界定:数据体量方面、复杂程度方面、价值体现方面。综合不同领域的学者对“大数据”的诠释,已基本达成的共识有:第一,大数据是一种信息的集合,包罗了一系列类型多、范围广、数量大的数据;第二,大数据是一种信息的技术,能够疾速、高效地分析和处理有关的信息;第三,大数据是一种新的观念和思维,引导着人们认识和探究世界的本质,并对人们改造世界的实践活动给予调整和完善。[3]

3.大数据的主要特征

对于大数据特征,学者们研究地比较多,主要认为有六个方面的特征:容量大(Volume)、种类多(Variety)、速度快(Velocity)、大价值(value)、可变性(Variability)、真实性(Veracity)、复杂性(Complexity)等。[4]其中四个方面是其典型特征: 第一,信息数量庞大;第二,数据类型繁多;第三,数据高速流动性;第四,极高的价值性。

三、大数据时代教育管理专业发展现状

阿里巴巴创办人马云曾在一次演讲中提到,未来的时代将不再是IT(Information Technology)时代,而是DT(Data Technology)时代,即大数据科技时代。对于教育管理专业而言,如何增强教师和学生的数据素养,并科学合理地利用大规模数据是专业发展的关键。从目前来看,教育管理专业在诸多方面尚未渗透大数据的思想,实现与大数据的深度融合,主要体现在以下三个方面:

1.课程设置同质化

通过对教育管理专业(本科)的课程模块和结构分析,我们不难发现,受惯性思维的影响,与普通师范类高校相比,没有突显开放教育网络教学的特点,课程设置同质化现象严重。图1、图2分别为公共事业管理(学校管理方向)(本科)专业规则(2018春)与华中师范大学教育经济与管理专业(本科)的学分分布情况,将专业的学分分布进行数据对比可以直观地看出这一点。

图1 公共事业管理(学校管理方向)(本科)学分分布

图2 华中师范大学教育经济与管理专业(本科)学分分布

比较上面两个图,我们不难发现:开放教育的教育管理专业与普通师范大学的教育经济与管理专业在学分分布上同质化严重,必修课、选修课、专业主干课三大模块占整个专业的百分比相当,三者的总和所占的百分比分别为76.76%和74.62%。

进一步分析这两个专业的课程结构,均开设了教育类、心理类和管理类的课程。两者相同的课程有:教育心理学、心理学、班级管理、教育法学、教育评价、课程与教学论、特殊教育概论、管理学、比较教育、家庭教育等。按国家开放大学教育管理的专业规则要求,所开设专业类课程共计16门,但与普通高校相同的课程达到了10门。

除此之外,教育管理专业在课程安排方面尚有少许不足:(1)课程设置科学性不强。如《计算机应用基础》这门课程按专业规则于第三学期开设,而作为开放教育的学生,掌握基本的计算机应用知识是开展网上学习的前提。另外有些专业基础课的设置也很难让学生建立承前启后、较完整的知识体系。(2)课程设置缺乏时代性。在大数据时代,课程设置需与时俱进,体现教育技术和信息化对专业的新要求。虽然专业规则中开设了《计算机应用基础》这门课程,但教学内容主要为Windows 7操作系统、Word 2010文字处理系统、Excel 2010电子表格系统、PowerPoint 2010电子演示文稿系统、Access 2010数据库应用系统等。其教材版本为中央广播电视大学出版社2012年8月出版的《计算机应用基础》,教材内容不能适应时代的快速发展。

2.学习分析浅显化

目前,虽然开放教育的学习主要是通过国开学习网来实现,但未能改变教师与学生时空分离的现实,教师无法实时监控学生的学习过程,也不能动态了解其学习规律,从而改变教学策略、有针对性地对教学课程设计做出调整也难以实施。虽然国开学习网也设计了对学习行为进行统计的功能,但这些数据分析具有以下特点:

(1)静态学习数据常规化

静态数据是可以直接获取学生信息,由学习者通过信息注册来完成,主要包括学生的身份信息、前期学习经历、工作背景等。在国家开放大学管理系统中,这一数据由教务处等学生管理部门进行收集,作为教学第一线的教师无法直接获得。这些静态数据具有一定的价值,通过对这些数据的深入分析,教师可以对学生的学习背景及环境有所了解,并可以大致分析学生的学习动机,从而设计有针对性的教学方案。

(2)动态学习数据宏观化

从国开学习网所开发的功能来看,动态的学习数据主要包括学生在线时长、学习具体时间分布、作业完成情况、参与教学活动次数等显性数据。这些数据属于宏观的范畴,对于学生学习的微观行为,如学生自主学习、参与小组学习的频率、作业思考的时间、学生高频学习的知识点等无法直观体现。

(3)学习行为分析表象化

在大数据时代背景下,学生在国开学习网上开展的各种学习活动,会形成大量的“原生态数字信息”。如果综合深入分析这些与学生息息相关的各种数据,动态捕捉分析学生在学习过程中的焦点、关注强弱度及在线时段、与教师和同学之间互动的频率等方面的数据,有助于教师重新审视学生对学习的需求,探求符合成人学生实际的学习模式,进而实现个性化教学。但目前对学生学习行为的数据分析还只是关注数据表象本身,尚未达到这一目标。

3.评价方式单一化

随着开放教育评价和考核方式的不断改革和创新,教育管理专业的课程考核也呈现出了多样化的趋势,如在线考核、形成性考核等,但纵观这些考核评价方式,考试的实质并没有随着形式的改变而发生变化。主要表现在以下几个方面:

(1)评价目标单一化

尽管教育管理专业有许多课程实现了网考、形成性考核等多种考核方式,但这些评价以教材上的知识点为主,学生可以较容易地直接找到答案。评价的目标是对知识的短时或长时记忆。评价的是学生对教材所呈现的知识点的掌握程度。从本质上讲,开放教育的评价实质仍为“应试”。

(2)评价形式外显化

教育管理专业课程的评价主要是对学生学习效果的评价,评价形式以分数或等级等外显方式呈现。即使是对学习过程的评价,也仅仅只是评价学生在某规定时间内的学习情况,如完成形成性考核所规定的时间跨度。这种外显化的评价形式似乎是“为了评价而评价”。

(3)评价作用单一化

现阶段对学生的评价主要囿于学科成绩的判断,评价的效用单一,对学生的评价与学生的学习行为没有紧密关联。目前教育管理专业对学习行为的数据分析尚停滞于考核分数、学习时长、资源浏览量、参与讨论次数等一些信息方面,对学生的评价还没有达到应有的高度,如从学生有效的学习行为中提取学习动机、认知风格、学习元认知等内隐信息。

四、大数据时代教育管理专业的发展路径

在大数据背景下,开放教育的教育管理专业的发展与大数据的深度融合可以从多个维度进行探讨,主要从课程结构重构、科学分析学习行为、拓展评价思维方式等方面进行探究。

1.从“经验主义”到“数据驱动”:培育教师的数据素养

大数据正在改变着人类认知和探究世界的模式,在教育领域,大数据让教师有了探索教育规律、回归教育本质的途径和手段。在这个变革的过程中,教师要具有高屋建瓴的意识,认清社会的发展趋势,积极主动地适应时代发展的需要。在大数据时代,教师是否具有数据素养和数据智慧显得尤为关键。

(1)培育教师数据素养的迫切性

数据素养(data literacy)是对信息素养、媒介素养等素养概念的一种赓续和拓展。一般指的是对数据的收集、分析、处理、管理和应用等过程中应具备的技能,也包括在数据的各个环节应共同遵循的道德意识及行为规范。[5]在开放教育的传统教学中,教师在进行各种教学活动时,大多实行的是“经验主义”,即主要是依靠自身的知识积累和教学经验进行知识的传授。由于教育管理专业学习对象的特殊性(既是知识接受者,同时又是知识传授者),作为这个专业的教师肩负着更重要的社会责任,更应紧跟时代的变化,将“大数据”的思维应用于教学中,实现从“经验主义”到“数据驱动”的转变。教师要能够借助信息技术轻松、快速地收集到学生的学习过程数据,并能加以科学分析和利用。而数据价值的体现取决于把握数据的人,因此培养教师的数据素养就显得尤为重要。

(2)提升教师数据智慧的模型

如何培育教师的数据素养,是目前理论界研究的一个热门话题。由于数据素养往往蕴含于数据智慧之中,于是研究者大多探求建构具有实践性强、易于操作的用以提升教师数据智慧(数据素养)的模型。“数据智慧改进过程”(简称DWIP) 模型[6]为我们提供了一种较科学的思维方式和实践模式,这个模型是由美国的波德特 (Boudett et al) 教授研究绘制而成,如图3所示。

图3 DWIP模型实施步骤

DWIP 模型包括八个步骤,教师需要有效使用学生的学习行为数据,波德特教授将这八个步骤分为了三个阶段。

Ⅰ 准备阶段(prepare):准备阶段主要是为支持教师开展协同工作及有效使用数据夯实基础。由两个步骤组成:为协同工作而组织数据团队;发展评价素养。

Ⅱ 探究阶段(inquire):包括三个步骤:创建数据概览;挖掘学生数据;检查教学。

Ⅲ 行动阶段(act):包括三个步骤:制定行动计划;计划如何评价学生学习进展;行动和评价。

由于模型的第八个步骤要随着持续性调整学习行动的开展,教师要多维度评价教学行动方案实施的有效性,并作进一步的调整。在大多数的情况下,教师还需再次或多次循环完成这一过程,返回到最初的阶段。因此,波德特教授在绘制“数据智慧”提升模型时,刻意绘制了一个弯回的箭头,指向第三个步骤。简而言之,如果能按DWIP模型进行不断地试验和实践,教师的数据素养和数据智慧将会有明显的提升。

(3)提升教师数据素养的重点

一般认为,数据素养应包含五个方面的能力:对数据的敏捷性;数据的搜集能力;进行数据分析、应用的能力;借助数据实行决策的能力;对数据的理性判断思维。在现阶段,对于开放教育的教师而言,社会及专业发展对数据素养提出了更高的要求:不再仅是简单的信息获取与检索,而是要具有给予所获得信息足够的辨别与使用能力。“数据分析和应用的能力”是提升教师数据素养的重点和关键,即教师在分析解读完学生数据之后,如何应用这些数据提供的信息改进教学。

2.从“统一规划”到“突显特色”:优化专业的课程结构

在大数据时代背景下,教育管理专业的学习者对个性化的需求更为迫切。开放教育目前绝大部分课程是“统一规划”,即由国家开放大学制定专业规则,确定各个模块的最低学分,在公共事业管理(学校管理方向)(本科)(2018春)的专业规则中,国家开放大学统一规定的课程达16门,学分为54,占71个学分的76%。教育管理的专业特色和优势未得到突显,优化专业的课程结构势在必行。

(1)优化课程结构的理论基础

美国著名教育学家、课程理论专家、评价理论专家泰勒(Tyler)在《课程与教学的基本原理》(Basic Principles of Currilum and Instruction)一书中提出的“泰勒原理”被公认为是课程开发原理最完美、最清楚的阐述。教育管理专业应以“泰勒原理”为理论基础,基于大数据理念和信息化时代背景,构建适合于成人学生的课程体系,使之既具有可操作性,又与专业的培养目标高度契合。

(2)优化课程结构的具体流程

由于开放教育是以网络学习为主,优化课程结构显得更为复杂,应是一个系统工程。笔者认为大致包括课程设计、课程开发、课程实施和课程评价改革等方面的内容,其具体流程如图4所示。

图4课程结构优化流程图

(3)优化课程结构的设计理念

在新的时代背景下,教育管理专业的课程结构从整体上要加强课程的专业方向性,注重以教育类的课程为主体,突显教育管理学科的特色,以心理学科为补充,建立起具有专业特色课程结构。同时要注重大数据与课程的深度融合,可以按照“三个有机结合”的总体思想来进行课程设计,即“大数据与教育理论结合”“大数据与管理理论结合”“大数据与应用结合”。“必修”和“选修”课程中要兼顾经典教育理论、管理理念和大数据理论方法,“专业主干”课程中需增加与大数据相关的课程,如“大数据技术原理与应用”“大数据技术概论”“大数据分析原理与实践”等。“综合实践”课程要注重引导学生应用相关理论,结合大数据的方法解决工作中的实际问题。

3.从“显性量化”到“隐性融合”:多维度分析学生的学习行为

掌握学习者的行为特征和行为规律,能够预测即将发生的学习行为,进而采取适当的措施有效干预不利于学习发生的行为。学习行为特征和行为规律是研究学习行为的基础,涉及到教育技术学、心理学、教育心理学、计算机科学等学科知识,是一个庞大而复杂的课题。在大数据时代,学习行为的分析对提高开放教育的教学质量具有重要意义。

(1)分析“隐性”学习行为的数据

在国开学习网的学习环境下,学生显性的学习行为,如在线时长、关注的知识点、参与活动的频率、形成性考核的成绩等等,是可以被完整观察和测量的。这也是目前教师和管理者使用得最多的数据。但对学习的一些“隐性”学习行为,如思考问题的时长、对知识掌握的程度、分析问题的能力等等这些思维活动,往往关注很少。而这些被忽视的学习行为往往对教育管理的专业发展和教师的教学活动更有意义。

(2)分析学生学习行为的流程

在大数据时代,对学生学习行为的分析可以充分发挥大数据带来的优势,这是大数据与教育管理专业深入融合的关键。由于学生的学习行为均在国开学习平台进行,笔者设计的学习行为分析流程如图5所示。

图5学生学习行为分析流程图

对学生学习行为的分析流程是基于大数据,分为三个阶段:数据准备、数据统计与分析、数据反馈。虽然流程图呈现的是自左而右的线性结果,但实为一个循环往复的过程。

Ⅰ 数据准备:数据准备是收集开放教育学生个人信息及与学生相关的信息数据,形成静态数据库的过程。前者主要是指学生在开放教育注册时所提供的身份信息,后者主要是学生选择专业、课程、网上学习资源等信息。

Ⅱ 数据统计与分析:数据统计是数据统计及应用技术分析学生各种学习行为,发现学生学习的规律与特点,并预测其学习风格,并形成动态数据库。

Ⅲ 数据反馈:通过对静态数据库和动态数据库的精准解读,将分析结果及时反馈给师生双方。学生可依此自我调整学习的计划、方式等等。教师则可以根据反馈结果及时调整教学计划、改进教学模式,并对学生进行指导和干预。反馈结果还有助于国开学习平台的技术开发人员完善模块设计和资源建设。

(2)分析学生学习行为的维度

在以往的数据分析中,往往是一种单向的分析过程,注重的是学生显性行为数据的获取,而在大数据时代,需要多维度深入分析学习行为。通过挖掘“隐性”的数据,促进开放教育的内涵发展和学生的自身成长。一方面,从教师的角度来说,通过分析教学数据,不仅能够依照数据结果来调整课程教学活动,还可归纳出新的教学方法以及新的知识,这样能够确保更为前瞻性的学习内容。另一方面,从学生的角度来讲,通过学习分析,他们能够更清楚地知道在课程学习当中自己存在的一些问题,然后有针对性地不断地优化学习习惯和行为,进行个性化学习。

4.从“注重结果”到“实时评价”:拓宽评价的思维方式

数据是最好的证据,也是无声的语言。开放教育的评价路径应以大数据技术为载体,通过收集所有关于课程学习和教学活动的评价数据,实现对教师教学过程和学生学习过程的精准评价。

(1)实现评价实时化

大数据使开放教育对教学及学习的评价“实时”化成为可能,及时性、全面性是大数据的基本特点。在国开学习平台上,合理科学地利用大数据,能够“实时”追踪和留存教学和学习行为。开放教育的决策者可以依据大数据对整个教学过程进行分析和评价,教师对学生评价,也应以大数据为基础,深入研究每个学生的先前的学习经验、学习目标、学习环境和学习策略等多方面的因素,实现对学生个性化、“实时”化的学习评价。

(2)评价主体多元化

对教育管理专业的学习评价要立足于全面促进学生的发展,改变以往由教师为主的评价方式,充分利用学生本身也是教育工作者这一特点,促使他们发挥已具有的评价优势,让他们由被评价的客体转换成评价同伴的主体。在学生自我评价和相互评价的过程中,学生既能从同伴中获得新的学习体会和经验;更能通过评价过程,培养学生辩证性的思维能力;同时还能促使那些自制力不强的学生调整学习状态,让他们提高元认知能力,增强其自我效能感。

(3)建立评价反馈机制

目前教育管理专业的评价是以单向为主,主要表现为教师对学生的评价。评价反馈机制尚未健全,笔者认为一个较完善的评价机制应是双向反馈。一方面,教师要及时反馈学生的学习行为和学习效果,当前本专业的网络核心课的形成性考核已做到了这一点,学生通过测评能第一时间对自己的学习状况有所了解。另一方面,学生也要及时反馈教师的教学过程、教学方式等,让教师了解学生对自己教学的评价,知晓学生的诉求,以此为依据做出相应的教学调整。

当然,在实施大数据与开放教育教育管理专业的融合中,我们也不能“唯数据”,过度推崇数据在教师教学中的作用与价值。毋庸置疑,“大数据与教育管理专业的深度融合路径”是一个“仁者见仁、智者见智”历久弥新的话题,在具体的实施中,需要国家开放大学进行顶层设计,制定有关的制度和保障措施。

猜你喜欢

素养专业评价
一句话惹毛一个专业
中药治疗室性早搏系统评价再评价
必修上素养测评 第四测
必修上素养测评 第三测
必修上素养测评 第八测
必修上素养测评 第七测
专业降噪很简单!
专业化解医疗纠纷
更聚焦、更深入、更专业的数据分析
基于Moodle的学习评价