教育数据思维的内涵、构成与培养路径

李新 杨现民

摘要：随着数据驱动教学时代的到来，数据素养成为教师能否将教育数据转化为有意义教学信息的关键，而教育数据思维作为教师数据素养的核心要素之一，正逐渐引起教育研究者与实践者的关注。教育数据思维是指教师以教育数据为基础，运用数据科学、统计学相关知识对数据进行分析、比较、应用，创造性地形成解决教育问题的思路与方法，以实现教育模式的创新与变革的思维活动。教育数据思维具有关联性思考、基于数据的决策、数据结果的辩证审视以及数据价值创造四大特征，包括数据量化思维、数据关联思维、数据驱动思维和数据反馈思维四个相互联动的关键要素。为了使教育数据思维能够切实在教学中落地，可以从理念、技能、方法及应用四个层面对教师进行教育数据思维培养，具体包括六大路径：一是通过发现数据来培育教育数据理念，二是通过玩转数据来提升数据处理技能，三是通过量化数据训练来洞察数据与教学的联系，四是通过深入剖析数据来研判教育教学问题，五是通过审视数据来培养数据批判精神，六是通过利用数据来创新教育教学模式。

关键词：大数据时代;教育数据思维;内涵特征;思维构成;培养路径

中图分类号：G434   文献标识码：A    文章编号：1009-5195（2019）06-0061-07  doi10.3969/j.issn.1009-5195.2019.06.007

一、引言

大数据技术的迅速发展对传统思维方式造成了强烈冲击，正在引领一场思维方式的变革（Kitchin，2014）。维克托·迈尔-舍恩伯格等（2013）在《大数据时代：生活、工作与思维的大变革》一书中指出大数据带来的思维变革主要体现在三个方面：“不是随机样本，而是全体数据;不是精确性，而是混杂性;不是因果关系，而是相关关系。”大数据时代的数据储备和技术理念使得人们可以洞见事物的发展趋势与规律，重新建构价值体系、知识体系以及生活方式（张燕南等，2013），这赋予了思维方式新的形式和内涵，数据思维在此时代背景下应运而生。可以说，数据思维为我们看待世界提供了全新的视角（Provost et al.，2013），它是根据数据来思考事物的一种思维方式，强调量化、重视事实以及追求真理（张康之等，2015）。

大数据时代，数据已经渗透到人类生产和生活的方方面面，数据思维已经成为人类解决问题的重要思维方式，并被广泛应用于商业、金融、农业、医疗、制造业等领域，为各行业的发展创造了巨大价值（邬贺铨，2014）。在教育领域，随着数据驱动教学范式的发展（杨现民等，2017），教育数据思维逐渐成为大数据时代教师应该具备的基本思维，对于教师的专业发展和教学的创新变革均具有重要价值。基于此，笔者将从教师视角出发，对教育数据思维的内涵、构成以及培养路径等进行分析探讨，以期为教师教育数据思维的培养提供一定指导。

二、什么是教育数据思维：内涵与特征

1.数据思维与教育数据思维

思维是人类区别于动物的基本属性，是人类得以认识世界和改造世界的基本方法（李艳坤等，2017），是通过观察到的事物来判断推测未知事物的一种思想活動（约翰·杜威，2014）。在人们解决问题的过程中，思维更接近于“思考”（郅庭瑾，2007），是人脑借助于语言对客观事物的本质及其内在规律的概括与间接反映（朱智贤等，1986）。从本质上讲，思维是人类特有的一种高级认识活动，是人类认识客观世界的高阶能力，旨在探索与发现事物的本质联系与发展规律。

大数据时代的思维方式离不开大数据的支撑。大数据思维是人们在大数据基础上获得新认知和创造新价值的源泉（高天，2017），是对“人类的自然认知模式”的模拟，涉及数据采集、数据关联分析、用户画像以及预测等能力（赵晋等，2018），体现了人们在思想上对大数据的认识和重视程度（张弛，2015）。数据思维从本质上讲是人类利用数据创造价值的一种思维能力（Jimerson，2014），它以人们获得的数据为基础，再利用已经拥有的数据知识对数据进行分析、比较、综合、抽象和概括，进而形成概念、推理和判断，使之对客观事物的认识从感性上升到理性的一种思维过程。

基于大数据的数据思维有助于激发出大数据自身的决策力与洞察力，发挥大数据的高价值特性，驱动社会各领域快速发展。在教育领域，随着数据的持续累积和深度挖掘，教育数据作为大数据的一个子集，正在成为一座可无限开采的“金矿”（杨现民等，2016），但如何充分挖掘这些“金矿”的价值从而助力教育教学的决策与师生的个性化成长，是摆在教育研究者与实践者面前的难题。众所周知，数据驱动的理念在电商、金融、医疗等领域发挥了极大的作用，并为各行业带来巨大的经济价值，但是其对教育领域的变革与影响似乎并没有像其他领域那般明显，这可能归因于教育系统的复杂性和师生情感的多样性。但是，我们必须认识到一个客观事实，那就是教师作为教育教学的引导者并没有像其他领域的管理者那样拥有较好的数据思维，这导致教师无法全面认识并充分发挥教育数据的价值。如果教师拥有良好的数据思维，将有助于其充分挖掘教育数据中隐藏的潜在价值，助力教师树立数据驱动教学的理念。基于上述分析，笔者认为教育数据思维是指教师以教育数据为基础，运用数据科学、统计学相关知识对数据进行分析、比较、应用，创造性地形成解决教育问题的思路与方法，以实现教育模式的创新与变革的思维活动。

2.教育数据思维的四大特征

大数据思维的特征在本质上表现为一种决策思维（赵晋等，2018），因而围绕这一本质特征，教育数据思维表现出四个明显特征：关联性思考、基于数据的决策、数据结果的辩证审视以及数据的价值创造。

关联性思考。关联性思考是指教师基于大量数据从多个方面进行关联性分析，强调数据的多元、综合和相关。关联性思考包括横向和纵向两个维度，横向是指数据在时间上的关联，如教师对学习者产生的日数据、周数据、月数据以及年数据进行关联性思考;纵向是指数据在空间上的关联，如教师对教学、评价、管理、科研等不同方面的数据进行关联性思考。教师通过对数据的关联性思考，有助于挖掘数据间深层次的关系与价值，从而更好地把握教育规律，发现教育问题。

基于数据的决策。传统的教育决策过分依赖于经验、直觉甚至流行趋势，而往往缺乏数据的支撑（杨现民等，2017）。教育数据思维使得教师的数据应用能力得到明显提升，促使基于数据的决策成为提高教育决策绩效的新模式。基于数据的决策就是让数据在教师的教育决策中“说话”，为教师开展教学提供科学依据，这有助于教师突破教学经验、常识、主观臆断的视野局限，克服传统教育决策存在的主观性与盲目性缺陷，进而提升教育决策的科学性与准确性。

数据结果的辩证审视。数据结果的辩证审视是指教师应用辩证批判的思维分析和审视数据，并对数据的分析结果进行正确解读与应用。重视数据并对数据的准确性和完整性保持怀疑是发挥数据价值的关键。对数据结果的辩证审视有两层含义：一是教师对教育数据本身的辩证批判，通过质疑和反思，剔除无效数据，保证数据的科学准确;二是教师对数据分析结果的辩证批判，通过结合教学知识与经验，从而对数据结果辩证地看待和选择性地接受。

数据价值创造。教育数据思维具有明显的价值导向，即利用数据创新性地解决现实教育问题，挖掘数据背后潜在的教育价值，将教育数据转化为可行动的信息，以期改善教与学。数据的价值创造体现在教师对教育本身的“洞察”，即让教师有机会通过大数据深度观察自身的教学行为和每位学生的真实状态（刘三女牙等，2017）。

总之，教育数据思维不是一种简单的数据统计思维，而是教师利用数据推动教育教学创新发展的高阶思维能力。它的提出具有强烈的时代感和现实需求，符合当前数据驱动教学范式发展的时代要求。同时，教育数据思维作为教师数据素养培养的重要内容，其在教师专业发展及教育体系变革中也具有重要价值。

三、何以构成教育数据思维：要素与关系

数据思维是随着大数据技术的持续应用与发展而引申出来的新概念，目前众多学者对数据思维的构成理解还比较模糊，尚未达成一致。高奇琦等（2016）提出，公共治理体系中的数据思维主要包括服务性思维、时效性思维、共享性思维和开放性思维四类。张义祯（2015）認为，大数据促进了人类思维方式的转变，主要体现在总体思维、容错思维、相关思维和智能思维四个方面。刘伟（2017）指出，大数据思维是一种整体关联性思维、发散开放性思维和多元共生性思维。在教育领域，笔者秉承“教育数据思维的本质是基于量化数据的深度分析以实现数据的价值创造”这一理念，认为教育数据思维不仅有助于教师基于数据形成解决教育问题的思路与方法，而且有助于教师基于量化数据进一步分析数据间的相关关系，对教育教学问题从多个方面进行关联性思考与分析，并基于数据分析结果进行教育决策、教育管理和教育评价。有鉴于此，笔者认为教育数据思维主要由数据量化思维、数据关联思维、数据驱动思维和数据反馈思维四个要素构成（见图1）。

1.数据量化思维

数据量化思维已经成为大数据时代人们的重要思维方式，是教育数据思维的基础和前提。数据量化思维是指教师用可量化的数据来描述和解释教育教学、教育管理、教育评价中的现象和问题，也就是“用数据说话”的思维能力（刁生富等，2017）。这也将成为教师解决教育教学问题的一种新的方法论。

在教育领域，教师运用数据量化思维可以将教育教学中的行为、问题、现象等进行量化处理，以数据可视化的方式进行呈现。比如教师可以将师生行为量化为讲授时长、听课时长、板书时长、提问次数、回答次数等，将教学评价量化为班级名次、答题时长、答题成绩、知识点正确率等，将课堂管理量化为班级人数、缺席人数、设备数量、设备故障次数等，将这些量化的行为以数据可视化的方式呈现，有助于教师更好地发现学生学习与自身教学存在的问题。在实践中，不少教育管理者和教育行政部门已经意识到数据量化思维在教育系统中的重要价值，如上海市闵行区教育局将学生的身心健康、学业进步、成长体验、个性技能等进行量化采集和多元分析，并利用电子学习档案来记录这四个维度的数据，帮助教师、家长更好地掌握学生的学习状态，从而实现教育的精细化管理与个性化教学（刘博智等，2014）。可见，数据量化思维作为大数据时代教育领域中最直接的思维体现，为教育工作者发现和解决问题提供了新的视角与方法。

2.数据关联思维

大数据时代，人们的思维方式正在从因果思维转向关联思维。数据关联思维的核心是在数据量化思维的基础上，通过数据间的相关关系预测未来。在教育教学中，数据关联思维是指教师对教育系统中量化的师生行为、师生情感、教学管理以及教学评价等数据的相关性进行分析并基于此进行教学决策的思维模式。教师运用数据关联思维可以更好地挖掘分析师生行为间的相关关系，构建教育数据关系模型，发现并解决教育教学问题。

教师通过数据关联思维不仅可以发现数据间存在的相关关系，为教学决策提供指导与依据，更重要的是可以通过相关关系预测学生的成长轨迹与发展趋势。比如教师基于大数据技术可以采集学习者在网络学习空间中花费的学习时间、学习者完成课程学习的情况、学习者在课堂或学校情境中学习行为的变化、学习者线上或线下考试成绩等数据，围绕这些数据探索学习者学习行为与学习结果之间的相关关系，最终构建学习者行为模型并预测学生的发展趋势。例如，有学者通过跟踪和采集Blackboard在线学习平台上学习者学习行为的相关数据，构建学习者行为模型，并用来预测平台中学习者的学习失败可能（徐鹏等，2013），这都是数据关联思维应用的直接体现。

3.数据驱动思维

随着大数据技术在教育领域的持续应用，利用数据驱动教育体系的变革与创新已经成为提升教育发展水平的重要路径（胡弼成等，2015）。数据驱动思维是指教师在数据量化思维与关联思维基础上，基于教育教学领域产生的各种数据进行教育决策、教育管理、教育评价，以驱动教育系统的创新和促进师生共同成长的思维模式。数据驱动思维有助于推动教育教学从“经验主义”走向“数据主义”。

数据驱动思维在教育教学领域主要体现在三个方面：一是基于数据驱动教育系统的变革与创新。数据驱动思维有助于教育工作者充分发挥教育大数据的价值和潜能，破解当前困扰教育发展的诸多难题（如学生负担重、素质教育推进难等），驱动教育管理的科学化、教育评价的精准化、教育服务的智慧化以及教育教学的个性化。二是基于数据驱动精准教学的实现。数据驱动思维有助于教师将线上与线下采集到的教学数据“翻译”成有价值的教学信息（如学困生的识别、知识缺陷的发现、学科能力的诊断等），进而为教学决策提供更准确、更及时、更全面的支持，以此实现数据驱动的精准教学（杨现民等，2017）。三是基于数据驱动教育治理现代化的实现。数据驱动思维有助于加强教育管理者的“数据治理”理念，协同政府、企业、社会以及学校等在教育大数据方面的优势，全面提升教育服务质量，促进教育公平，实现教育治理现代化。

4.数据反馈思维

反馈是大数据改进学习的三大核心要素之一（唐斯斯等，2015），数据反馈思维是教师充分发挥教育数据价值以改善教育质量、提升教育绩效的关键。数据反馈思维是指教师通过量化数据、关联性思考将基于教育教学产生的各种数据驱动结果反作用于教育教学以提升教育绩效和学生学习成绩的思维模式。教师可以通过数据反馈掌握不同学习者的学习需求，洞察不同学习者的学习行为路径与发展规律，并据此开展个性化的教学与指导。

随着教育研究者逐渐意识到教育数据的重要性，让数据“发声”成为发挥数据价值的关键。对于教师而言，数据反馈思维贯穿于课前、课中和课后三个教学环节，有助于教师改善教学质量和学生提升学习成绩。比如课前教师通过学生学习平台的数据反馈能够及时了解学生的预习情况，发现学生对内容掌握的薄弱点，从而有针对性地进行备课;课中教师通过教学平台的数据反馈能够实时诊断学生的学习情况，从而动态调整教学策略;课后教师通过学习作业平台的数据反馈能够了解并确定不同学生的知识掌握程度与学习需求，从而给予学生个性化的指导。自适应学习平台也是数据反馈思维的综合体现，如Knewton公司推出的适应性学习平台能够通过对学生学习过程产生的数据进行智能分析，并根据分析结果即时调整优化内容供应，推断学习者的学习困难和学习兴趣等，从而为学习者提供针对性的學习建议（甘容辉等，2015）。

四、如何培养教育数据思维：路径与方法

由于思维本身的复杂性，思维的培养则必然需要系统科学的培养模式与培养路径。笔者认为教育数据思维的培养可以从理念、技能、方法以及应用四个层面入手。理念层面旨在向教师普及教育数据的基本知识与理念，帮助教师更好地认识与理解教育数据的价值以及教育数据思维对教学工作的重要意义。技能层面旨在培养教师具有一定的数据意识，具备基本的数据处理技能。方法层面旨在通过建立数据模型量化数据、可视化呈现深入数据、审视数据实现科学决策等方法来培养教师的教育数据思维。应用层面旨在通过理念、技能和方法的培养，让教师能够基于大数据开展教育决策、教育评价、教育管理和教育科研方面的创新。

理念、技能、方法和应用四个层面由浅入深、由基础到高阶，是培养教师教育数据思维的重要路径。基于上述四个层面的培养设计，笔者提出教育数据思维培养的6条路径（见图2）。

1.发现数据，培育教育数据理念

第一，掌握教育数据内涵。教师要对教育数据的概念、结构、特征、来源等有所认识，可以通过参加教师数据素养培训等活动来进行系统地学习，不断提高自身的数据意识。比如浙江省衢州第一中学通过教职工大会、骨干教师培训、管理干部培训等活动宣传教育大数据理念和价值，营造了教育大数据的文化氛围（杨现民等，2018）。第二，了解教育数据类型。教师首先要了解大数据背景下教育领域中究竟有哪些数据，比如教育大数据分层架构中提到的国家层数据、区域层数据、学校层数据、课程层数据以及个体层数据（杨现民等，2015），教师要对每一层数据的类型有清晰的认识。第三，掌握教育数据价值。教育数据的最终价值体现在与教育教学的深度融合以及持续推动教育系统的智慧化变革上。教师可以通过参加专家报告或地区组织的培训活动了解数据对教育的变革推动作用。第四，树立数据驱动教学理念。数据驱动教学计划已经引起世界各国的高度重视，国际组织以及以美国为代表的多个国家纷纷推出数据驱动教学计划（Sanders，2008）。在数据驱动教学时代，教师要掌握利用数据支撑教育决策的基本能力。

2.玩转数据，提升数据处理技能

其一，获取数据。目前中小学教育教学的开展大多依托信息化教学平台，这些平台汇聚了大量的学生学习行为和教师教学行为数据。教师要有意识地对这些数据进行收集和整理，并对数据格式与内容进行预处理，使其满足数据处理软件的基本要求。其二，处理数据。教师面对从信息化教学平台导出的数据及日常练习和考试等数据，可以使用Excel、SPSS等软件对其进行存储、检索、加工、变换等基本处理，以便为接下来的数据分析奠定基础。其三，分析数据。教师面对处理后的教育数据，可以对其进行描述统计、相关分析、回归分析、方差分析等，不断挖掘数据的内在价值，建立数据与教学的联系，从而为教育教学带来直接的助益。比如学校可以定期邀请企业技术人员或数据分析师为教师提供专项技能培训，不断提高他们的数据处理与分析能力。其四，可视化数据。教师需要掌握基本的数据可视化知识，能够利用柱形图、折线图、气泡图、雷达图等图表呈现教育数据分析结果，从而清晰直观地发现教学问题与规律。

3.量化数据，洞察数据与教学的联系

第一，量化任务。量化任务是指教师将日常工作进行细分量化，通过数字化的方式进行呈现。量化任务还有助于教师合理安排教学计划，使教学安排更具预见性。第二，建立数据模型。数据模型是对现实数据特征的抽象概括，用来揭示数据的概念和价值。教师借助科学的数据模型能够将教育数据转化为对自身教学决策有参考价值的结论。比如教师可以建立各科成绩间的线性回归方程，利用数据分析各科成绩间的联系及未来走向等。第三，强化“数据+教育”应用模式。“数据+教育”应用模式亦即数据驱动教学计划。教师在教学过程中要主动利用数据发现学生学习问题、诊断学生学习效果、预测学生发展趋势等，以此建立数据与教学间的联系，推动数据驱动教学计划的实施。比如美国颁布的《不让任何孩子落后》法案就要求学校所采取的教学方法必须经过严格的数据分析得出（Linn et al.，2002），以及强制教师必须基于数据进行教学决策。

4.深入数据，研判教育教学问题

其一，利用教学知识与经验。教育数据思维的提升离不开已有教学知识与经验的支撑，教师只有将教学知识与数据挖掘相结合，才能更好地发现教学问题。同时，教师可以利用自身的教学经验关注学生存在或潜在的学习问题，再通过数据去验证问题。其二，可视化图表。可视化图表有助于教师直观地发现数据变化规律，更好地理解教学现象，发现教学问题。比如，教师可利用气泡图呈现全体学生的多科考试成绩以发现学生各科成绩的高低及相对关系，利用雷达图呈现某位学生的各科成绩以发现该学生是否存在偏科现象等。其三，开放性思考。开放性思考是发散思维强调的思考方式，教师面对教育数据时不应局限于数据本身，而应结合近期的教学情况、学生学习状态等开放性地思考教育数据呈现出来的问题，并据此提出有针对性的应对措施。比如，某位学生近期考试成绩不理想，教师可通过大数据对该生的学习态度、学习方法、行为特征以及学习策略等进行挖掘分析，以更全面地探寻原因并为该生提供相应建议。

5.审视数据，培养数据批判精神

教师对数据结果的辩证审视是教育数据思维的特征之一，意味着教师面对数据时要保持批判和质疑的态度、信念及价值观，教师可以通过以下途径培养数据批判精神。第一，“上帝视角”。“上帝视角”是指教师用带有批判质疑的眼光审视海量教育数据，培养独立思考的习惯，不盲从、不迷信，进而对数据做出理性批判和接受。第二，保持自信。虽然数据是对过去教学行为的客观记录与呈现，但是并不能确保所搜集数据的准确无误。因此教师要相信自己的专业和判断，大胆自信地抛弃不准确的数据，避免被错误的数据误导教学决策。第三，强调准确性。数据的科学准确是利用数据解决教育问题的基础，如果教师面对的数据明显违背客观教学事实，那么就要果断放弃。第四，正确地解释。教师对教育数据进行合理解释是发挥数据价值的关键。即使数据是准确的，但如果解释数据的逻辑不正确，那么该数据结果也将对教学决策产生误导。因此教师在面对不符合逻辑或教学实情的分析结果时也要保持一定的警惕。

6.利用数据，创新教育教学模式

教育数据思维的高阶目标是利用数据实现教育教学模式的创新变革。教师可通过以下途径提升利用数据变革教育模式的能力。第一，跳出数据局限。数据局限是困扰教师充分发挥数据价值的关键因素，教师面对教育数据时不能过分依赖“系统生成的数据”，而要敢于设想，打破常规思维，从多角度挖掘数据的价值，发挥数据对教育决策、教学管理、学生学习以及教学科研等方面的推动作用。第二，培养移植思想。数据思维在金融、商业、医疗等领域应用广泛且取得较为成熟的成果，教师可以参考这些领域的成功经验，再结合教育系统的独特性，将这些成功经验与做法移植到教育领域，进而实现教育教学模式的创新与变革。第三，多角度认识数据。教师在分析数据时不仅要从教育者的视角出发，也要从管理者、学习者以及研究者的视角来分析。从多角度切入，更能激发教师的创造性，挖掘数据的深层次价值，实现教学的创新发展。第四，培养好奇心。兴趣是最好的老师，教师要培养对教育数据的兴趣和好奇心，主动去了解、分析和研究数据的应用价值。对教育数据保有好奇心和主动性有助于激发教师的创新性教学理念。第五，构建学习型组织。学习型组织强调持续改进学习文化，是教师分享教学经验的重要方式。教师可以围绕数据驱动教学的实践案例展开讨论，激发数据灵感和创新理念，营造学习型数据文化氛围，推动数据驱动教学范式深入应用。

五、结语

教育数据思维作为教师数据素养的核心要素之一，有助于教师基于数据实现教育教学的创新变革以及自身专业能力的发展，是新时代教师需要具备的新思维。本研究通过对教育数据思维的内涵与特征、构成要素及其关系的辨析，提出了教育数据思维培养的六大路径。但是由于思维本身的复杂性与特殊性等，教师教育数据思维的培养仍存在一些现实难题，如培养难度更大、培养周期更长、培养要求更高等。接下来笔者将进一步聚焦教育数据思维的培养，围绕教育数据思维的培养难点，尝试对教育数据思维的培养课程、模式以及评价机制等进行深入探索，以期能够为教师教育数据思维培养提供更加有力的理论与实践支撑。

参考文献：

[1][美]约翰·杜威（2014）. 我們如何思维（第二版）[M]. 伍中友. 北京：新华出版社：8，11，65.

[2][英]维克托·迈尔-舍恩伯格，肯尼思·库克耶（2013）. 大数据时代：生活、工作与思维的大变革[M]. 盛杨燕，周涛. 杭州：浙江人民出版社：27，45，67.

[3]刁生富，姚志颖（2017）. 论大数据思维的局限性及其超越[J]. 自然辩证法研究， （5）：87-91，97.

[4]甘容辉，何高大（2015）. 大数据时代高等教育改革的价值取向及实现路径[J]. 中国电化教育， （11）：70-76.

[5]高奇琦，陈建林（2016）. 大数据公共治理：思维、构成与操作化[J]. 人文杂志， （6）：103-111.

[6]高天（2017）. 大数据思维视阈下体育课程教学案例库建设研究：以首都体育学院为例[J]. 首都体育学院学报， （6）：514-516.

[7]胡弼成，王祖霖（2015）.“大数据”对教育的作用、挑战及教育变革趋势——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.

[8]李艳坤，高铁刚（2017）. 基于思维视角的计算思维综合解读[J]. 现代教育技术， （1）：68-73.

[9]刘博智，宋伟涛（2014）. 大数据“导航”学生成长——上海闵行区的教育管理信息化变革[N]. 中国教育报，2014-03-26（005）.

[10]刘三女牙，杨宗凯，李卿（2017）. 教育数据伦理：大数据时代教育的新挑战[J]. 教育研究， （4）：15-20.

[11]刘伟（2017）. 大数据思维视阈下的高等教育治理变革[J]. 内蒙古社会科学（汉文版）， （1）：146-150.

[12]唐斯斯，杨现民，单志广等（2015）. 智慧教育与大数据[M]. 北京：科学出版社.

[13]邬贺铨（2014）. 大数据思维[J]. 科学与社会， 4（1）：1-13.

[14]徐鹏，王以宁，刘艳华等（2013）. 大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J]. 远程教育杂志， （6）：11-17.

[15]杨现民，骆娇娇，刘雅馨等（2017）. 数据驱动教学：大数据时代教学范式的新走向[J]. 电化教育研究， （12）：13-20，26.

[16]杨现民，唐斯斯，李冀红（2016）. 发展教育大数据：内涵、价值和挑战[J]. 现代远程教育研究， （1）：50-61.

[17]杨现民，田雪松（2018）.中国基础教育大数据（2016-2017）： 走向数据驱动的精准教学[M].北京：科学出版社.

[18]杨现民，王榴卉，唐斯斯（2015）. 教育大数据的应用模式与政策建议[J]. 电化教育研究， （9）：54-61，69.

[19]张弛（2015）. 大数据思维范畴探究[J]. 华中科技大学学报（社会科学版）， （2）：120-125.

[20]张康之，张桐（2015）. 大数据中的思维与社会变革要求[J]. 理论探索， （5）：5-14.

[21]张燕南，赵中建（2013）. 大数据时代思维方式对教育的启示[J].教育发展研究， （21）：1-5.

[22]张义祯（2015）. 大数据带来的四种思维[J]. 公安研究， （6）：96.

[23]赵晋，张建军，王奕俊（2018）. 大数据思维下教育发展机遇与挑战的再思考[J]. 电化教育研究， （6）：21-26.

[24]郅庭瑾（2007）. 为思维而教[M]. 北京：教育科学出版社：2-3.

[25]朱智贤，林崇德（1986）. 思维发展心理学[M]. 北京：北京师范大学出版社：7.

[26]Jimerson， J. B.（2014）. Thinking about Data： Exploring the Development of Mental Models for “Data Use” among Teachers and School Leaders[J]. Studies in Educational Evaluation， 42： 5-14.

[27]Kitchin， R.（2014）. Big Data， New Epistemologies and Paradigm Shifts[J]. Big Data & Society， 1（1）：1-12.

[28]Linn， R. L.， Baker， E. L.， & Betebenner， D. W.（2002）. Accountability Systems： Implications of Requirements of the No Child Left Behind Act of 2001[J]. Educational Researcher， 31（6）： 3-16.

[29]Provost， F.， & Fawcett， T.（2013）. Data Science and Its Relationship to Big Data and Data-Driven Decision Making[J]. Big data， 1（1）： 51-59.

[30]Sanders， M. G.（2008）. Using Diverse Data to Develop and Sustain School， Family and Community Partnerships： A District Case Study[J]. Educational Management Administration & Leadership， 36（4）：530-545.

收稿日期 2019-04-22 責任编辑 刘选