教育大数据辩证

尹者金

摘 要：公众数字素养教育不足正在影响创新的可持续发展，因此，迫切需要提升数字素养以适应社会的发展进步.教育工作者提升数字素养，必须正视教育大数据在大小、死活、真伪和冷暖等方面的辩证关系，真正把握其本质，让大数据为教育事业发挥出正效益.

关键词：教育大数据;数字素养;数据本质

[中图分类号]G471   [文献标志码]A

Dialectics in Educational Big Data

YIN  Zhejin

（Yangzhou University Asset Management Co.，Yangzhou 225009，China）

Abstract：While the inadequate public literacy of digital data is affecting the sustainable development of innovation， it is urgent to promote the digital data literacy to adapt to the social progress. Educators must face up to the dialectical relationship in educational big data in terms of their big-small， dead-alive， true-false， and cool-warm aspects so as to truly grasp the essence of big data and exert their positive role in the educational commitment.

Key words：educational big data; digital data literacy; essence of data

以人工智能、大数据、互联网、云计算、物联网、区块链等为代表的数字技术引领着新一轮产业革命，影响着人类生产生活的方方面面.2019年在日本召开的G20峰会通过“贸易和数字经济宣言”，呼吁公众数字素养教育不足正在影响创新的可持续发展，希望各国正视“数字鸿沟”，提升“数字素养”，以适应社会的发展进步.为了促进公民的数字素养，许多国家提出了自己的战略構想.美国在《21世纪技能框架》中，将数字素养视为重要技能.欧盟在《数字技能宣言》中推出数字素养教育框架，将数字素养列为21世纪劳动者的首要技能.我国出台了《国家信息化发展战略纲要》《“十三五”国家信息化规划》等重大战略规划，为建设“数字中国”作出战略决策和总体布局.发改委在《关于发展数字经济稳定并扩大就业的指导意见》中提出，到2025年，我国国民数字素养不低于发达国家平均水平.[1]教育领域从管理系统到课堂教学、从教材编撰到考试改革，无不受大数据的影响.教育工作者必须提升数字素养，辩证思考数据的大小、死活、真伪和冷暖，从而真正把握大数据的本质，让大数据为教育事业发挥出正效益.

1 数据大小辩证

维克托·迈尔·舍恩伯格、肯尼斯·库克耶在《大数据时代》中对“大数据”的定义是，在调查研究中不是采用抽样从而获得部分数据，而是对所有样本进行分析处理——这个包含“所有样本”的数据库就是“大数据”.IBM在此基础上进一步明晰了大数据的五大特征，即“5V”——大量（volume），高速（velocity），多样（variety），低价值密度（value），真实（veracity）.

教育大数据不能以规模大小论.单从数字规模是不能定义大数据的，而应将其放到更广阔的空间、更长的时间维度中比较，其相对性往往就显露出来.近年来，人工智能在我国教育领域发展迅猛，仅过去一年，我国人工智能教育领域的融资数量和金额就已跃居世界第一，但这是否就能说明，我国相关行业在技术研发和产业应用方面取得了突破性进展呢？与金融、医疗、制造等大规模应用人工智能的行业相比，教育行业数据储备量严重不足.[2]教育要实现与人工智能的深度融合，需要大量级的教育数据储备.但是，仅仅依据大数据手段又很难实现教育过程的还原，教育大数据还必须具有多维性.教育大数据的多维性表现在它这不仅需要结构化数据，如学生成绩、出勤记录、课程教案、作业和评语等，更需要非结构化数据，如学生的学习行为、教师的教学过程.从这个角度看，教育大数据，显然不能以规模大小论.

2 数据死活辩证

数据是有生命的.从教育大数据的角度，可以看到数据的流动性和生成性.教育大数据几乎都来自有生命的鲜活个体——教师、学生以及与他们相关的各个方面.他们活动在讲台前、教室中、操场上，正是他们的所教、所学以及所有活动，构成了教育数据源.诸如教师的出勤率、学生的期中期末成绩等一直在变化，它们不仅在时间的维度上流动，还在空间的维度上流动;不仅在物理的时空中流动，而且在心理的时空中流动.比如学生成绩，如果只看某一次的绝对成绩甚至排名，而看不到学生整个学习期间成绩的变化，看不到学生成绩变化与身心发展、与家庭环境、与同学交往之间的相关性，看不到学生面对成绩变化而产生的学习态度的演变及其相关性，看不到成绩在亲子间的中介作用及其发挥，看不到下一个节点可能出现的成绩波动和希望，那就是没有看到学生个体这个生命的成长，就是没有看到“成绩”这个“数据”是怎么在学生生长的时空中穿梭跳跃.

教育大数据鲜活的生命性还体现在它的终身性上.教育是终身的，而人又是社会的、历史的，因此，教育大数据不仅贯穿、包含教育主体一个完整的生命周期，是属于某个个体“他的”大数据，教育大数据还前出、后展，既受前贤往哲的影响，也影响着后来者，是属于社会群体“大家的”大数据.

3 数据真伪辩证

大数据管理也直接影响着数据的真实性.为确保教育大数据的质量，有研究者对美国教育大数据的收集、处理、运行进行了考察，总结出六条举措，即确立数据质量管理基准、规范数据收集过程、落实数据输入职责、执行数据审查程序、强化异常数据监测、推动数据常态管理等.[4]从数据采集的源头和数据处理、利用，运行全流程规范管理，确保第一手数据资料的完整、准确.

考试大数据在教育大数据中最具代表性，也是教育大数据中最主要的部分.考试是各层各级教育机构在对教育对象进行评价时常用的工具，被试面对测试载体按要求回答，从而体现出自身的知识和能力，并以分数为形式予以呈现.所有被试的考试及成绩，或者某一被试所有的考试及成绩，或者两者兼而有之，可以汇成一个大数据.[3]但是请注意，这个大数据的构成，是由“考试及成绩”，而不是仅仅只有“成绩”！因为，如果仅仅只有“成绩”，这个大数据的真实性是应该受到质疑的.考试的功能就是将被试在某一领域的心理认知过程通过试题解答转化成分数，但更重要的，考试并不仅仅只有分数这个结果，它更是一个过程，在这一过程中，最直接的联系固然是被试个体知识能力与答题心理活动，还包括教育、科技、经济等社会生活的各个领域实际上与被试发生着的更多的间接联系.分数这个数据是否真实，恰恰就由考试各个环节及其影响因素所左右.遗憾的是，很多学校在采集学生成绩大数据时，主要还是围着分数打转，即便有所拓展，无非就是试卷的难易度、区分度、信度、效度，至于试卷本身包括答题草稿，除了服务于教师阅卷，根本没有纳入考试大数据的采集范围.考试构成、考试周期和频率、密切考试中试题的复现率、学生应试状态等，实际上也都影响着考试成绩，但这些因素在大数据构建时几乎被忽视了.

4 数据冷暖辩证

大数据的挖掘和分析必须与人工智能相结合.[5]有研究者针对不同类型学习者，建構能使其高效学习的模式，提出在分析学习者学习动机、情感态度、认知水平乃至社交环境诸方面多粒度特征表现的基础上，量化其学习经历数据，并提取其中的关键特征，最终激发群体智慧和效能，使学习者实现积极的参与与融入.[6]这个设想确实考虑到了动机、态度乃至社交环境等学习者的主观性感受，但是相关数据在去躯体化后如何“保温”——人的个体性及能动性如何在数据中持续存在，并与其他数据形成数据链，才是问题的关键.苏霍姆林斯基在其给教师的建议中，特别要求教育工作首先要记住的是，“没有也不可能有抽象的学生”[7].苏霍姆林斯强调这一点，固然是从学生的多样性、成长性来立论的，但也隐含着教育的重要原则——教育是全方面的，既面向全体学生，也面向学生的全方面发展，因此，教育从内容到形式乃至主体都应该是丰富多彩的.教育大数据又当如何面对学生的个体性与整体性、多样性与统一性，则是问题的另一个方面.

教师既是教育大数据的直接源头，也是教育大数据的直接应用人.教师对教育大数据特征的认知、我国各地区教师对教育数据的认识并不存在显著差异，但教龄、任教学校的类型层次等显著影响教师的大数据运用，工作时间、使用权限、教学需求、配套设施等也直接影响教师对教育大数据的应用[8]，提升教师数字素养，引导教师正确认识教育大数据任重道远.

参考文献

[1]佚名.数字化社会需要补上数字素养教育[N].光明日报，2019-09-24（13）.

[2]李艳.AI与教育深度融合 先得做强基础研究[N].科技日报，2019-09-24（5）.

[3]李骐，李全龙.从评价到决策：考试大数据的价值分析与实践路径[J].中国考试，2019（9）：72-78.

[4]王正青，但金凤.大数据时代美国教育数据质量管理流程与保障[J].现代远程教育研究，2019（5）：96-100.

[5]李开复，王咏刚.今天的人工智能还不能做的7件事[EB/OL].[2019-08-28].https：//www.thepaper.cn/newsDetail_forward_4259320.

[6]刘芳，高兴，王苗.学习者行为分析建模与智能导学研究[J].福建电脑，2019年（8）：70-71.

[7]瓦·阿·苏霍姆林斯基.给教师的建议[M].北京：教育科学出版社，1984：1.

[8]王学男.不同教师群体对大数据的认知[N].中国信息化周报，2019-09-16（15）.

编辑：琳莉