基于块数据的教育精准扶贫及其模式创新

（陕西师范大学，陕西 西安 710062）

一、问题的提出

2020年是中国全面打赢脱贫攻坚战收官之年，也是全面建成小康社会关键之年。无疑中国有能力在2020年彻底消除绝对贫困，但消除绝对贫困并不意味着贫困问题得到解决，贫困依然会以新的表现和形式存在。中国扶贫工作的重心将转向解决相对贫困问题，建立解决相对贫困的长效机制刻不容缓，对教育扶贫将提出更高、更严格、更精准的要求。教育在脱贫攻坚中具有根基性、阻断性和回报性特点，在扶贫工作中承担着重要使命。与其他扶贫方式不同的是，教育扶贫不仅是促进经济增长的源泉，而且是从根本上阻断贫困代际传递的有效之策。要打好脱贫攻坚战，就要求教育扶贫必须向精准化迈进，不仅要做到 “真正把教育摆在先行官的位置，努力实现教育、科技、经济相互支持、相互促进的良性循环”[1]，而且要借助互联网和大数据等技术手段实现向教育精准扶贫的方向前进。块数据 （Block Data）作为大数据发展的高级形态，为我们带来了一场新的科学革命，这场革命是以人为原点的数据社会学范式，更加强调用数据技术分析人的行为、把握人的规律、预测人的未来，核心是上升到人类社会发展规律的高度，推动大数据从技术层面向社会科学跨越和转型。对后扶贫时代贫困的多维性、复杂性和长期性以及相对贫困进行精准研判，推动 “发展教育脱贫一批”战略和工作体系顺利平稳转型，多措并举巩固教育扶贫成果，不断创新教育扶贫模式是大数据时代教育扶贫迫切需要解决的关键问题。

二、从大数据到块数据：教育精准扶贫的必然转向

信息技术与社会的交融触发了数据的爆炸式增长，大数据是互联网时代的必然产物，它能够通过数据集合揭示事物间的内在关联。2015年4月，习近平总书记在网络安全与信息化工作座谈会上指出：可以发挥互联网在助推脱贫攻坚中的作用。同年8月，国务院印发了 《促进大数据发展行动纲要》，提出在大数据时代，政府治理需要依靠大数据科技，加快建设数据强国，建立数据化的决策、服务、管理和创新机制。数据驱动已成为全球大势，大数据将是现代社会中观测、度量和预测事物的重要依据，也由此将成为国家基础性战略资源，大数据的开发与应用将成为提高国家竞争力与提升政府治理能力的新途径。如果说大数据是推动信息化时代变革的重要产物，那么块数据的出现则将这一变革又推上了一个全新的螺旋式的高潮。教育扶贫是政府治理的重要领域，要达到 “扶知”、“扶智”和 “扶志”的目标，还得依靠教育。在大数据向块数据迈进的时代，教育扶贫可借助块数据技术支持从思维、理念和路线三个方面完成转向，这是其走向精准化的必由之路。

1.整合辩证的思维变革

思维方式是人们看待事物、思考问题的角度、方式和方法。不同的时代会对人们的思维方式产生不同的影响。“大数据时代来临的重要意义更多的在于引发了人们思维的转变，让人们不再像过去将关注点放在解读为什么，而是转移到关心未来应该是什么。”[2]“是什么”的追问体现了数据之间的相关关系，这种关联为大数据判断现在和预测未来提供了基础。大数据技术与教育扶贫的联姻在很大程度上加强了教育扶贫的精准性和靶向性，大数据教育扶贫体现了社会是一个相互联系、相互制约的有机体，承认了贫困的多维性与致贫因素的多元性与复杂性。与以往传统教育扶贫中分析贫困与教育之间的因果联系不同的是，大数据在浩若烟海的数据海洋中转而寻求事物内部的、复杂的关联机制。但离散系统的孤立数据 （点数据）和单维度下的数据集合 （条数据），更多的是关于某一领域内的数据的纵深集合，其数据间的联系呈点状和直接链状的线性分布，从而忽略了与其他致贫因素间的横向比较，削弱了数据间联系的多样性和多维性，造成了数据间的相对分散与部分割裂，不利于对贫困问题的深层次探究和对教育扶贫价值的深层次挖掘，在某种程度上造成了教育扶贫不彻底与不精准的隐忧。

大数据正在对社会生产生活的各个层面产生巨大而持久的影响，但到目前为止，人类所形成的大数据更多的是以领域、行业为单位，往往是彼此割裂、互不相通的数据。块数据是与大数据相伴而生的一个全新概念，“意指把各种分散的点数据和分割的条数据汇聚在一个特定的平台上，使之发生持续聚合效应”[3]。块数据内含一种高度关联的机制，这种机制为数据的持续集聚提供了条件。块数据不是大数据的翻版与附庸，而是将各类数据解构、交叉、融合的数据，是大数据发展的高阶形态；它将引发大数据时代的范式革命，标志着大数据时代的真正到来。作为条数据的集合，块数据实现了条数据的整合与重构，体现着整体性和整合性的思想。在块数据教育扶贫中，任何与教育、贫困等关键词相关的人、事、物的条数据都将被划归到相对应的空间当中，实现数据点、线、面的集合，形成全面、整合的具有辩证性思维的教育扶贫块数据。在块数据教育扶贫中，教育扶贫大数据组成的条数据内部不仅具有一定的关联性，而且在各条数据组成块数据之后，条数据之间也会形成纵横多向的联系；此外，块数据间的高度关联同样也为数据的交换和优化提供了条件，“从而真正达到动态地、全面地、联系地完成数据识别与价值交换”[4]。

2.开放共享的理念转变

与传统的教育扶贫相比，大数据教育扶贫带有明显的开放性，但是大数据本身是一个开放与封闭的矛盾结合体。大数据时代的到来促使资源向数据化转型，“信息资源的低成本复制和快速传播特性，极大地提高了优质数字教育资源在更大范围的配置效率”[5]。以大数据为技术支撑的共享教育打破了知识的边界，突破了时空的重围，这种以计算机和光纤为传播载体和路径的数据化分配方式加速了教育资源配置的公平化，在一定程度上扩大了贫困地区获取优质教育资源的途径，为推进优质教育资源下沉与共享、促进城乡教育均衡发展提供了可能。但是，大数据本身存在着领域单一、数据封闭和极易垄断的固有弱点，加之它产生于特定的行业领域且信息量单一，在很大程度上是一种“就事论事”的数据，且其本身的条状形态决定了它难以在大范围内进行数据交换与共享，极易造成数据孤岛，这在教育扶贫过程中就容易造成部门间信息的割裂、过剩以及数据价值流失，使得部门协作与群策群力化为空谈与泡影。

块数据通过对复杂科学思维的技术化处理，让复杂科学方法论成为可操作的工具，进而形成一种全新的大数据方法论。“块”是一个物理区域或行政区划内众多条数据的集合，更能反映现实世界和社会的极度复杂性，其综合应用无疑会带来数据价值的显著提升。“开放、共享、连接是块数据形成的基本机制，在一个个 ‘块’内形成开放、共享、连接的块数据，再把一个个块数据开放、共享、连接起来，就会产生更大的块数据网状结构。”[6]块数据催生的共享文化，将打破行业中的垄断、信息不对称等问题，并促进信息在不同领域间的流动。块数据以其自身具有的特点能够从数据中体现出更高、更多的价值。要挖掘块数据的教育扶贫价值，就要不断推动各个行业、各个领域数据的汇集、聚合、联通，拓宽政府各部门间数据交换与共享的渠道，形成一个开放与共享的 “数据池”。块数据能够依托其整合性特征加强教育扶贫数据采集与处理的灵活性，建立起纵横交错的扶贫关系网络，使得各部门间的数据得到相互印证，增强教育扶贫系统信息的真实性、有效性和权威性。块数据可实现部门间的数据共享与分工合作，形成立体衔接的教育扶贫信息数据体系，确保各级、各部门的扶贫部门能够随时了解和监测教育扶贫的进度，以便统一调度和分配扶贫工作，对教育扶贫的成效进行研判，切实提高各级部门在教育扶贫工作中的工作效率，促进扶贫政策的落实。

3.精准决策的路线革新

教育扶贫决策是管理者为了消除贫困、实现全面建设小康社会的目标，根据贫困地区的现实情况，在具有和掌握大量经验和事实基础之上借助一定的辅助工具，通过分析判断之后做出的决定。个体的经验源于社会实践，是人们认识客观世界的开端，但是教育贫困是一个持续存在与不断发展的问题，具有复杂性、持久性与多维性等特点，特别是绝对贫困阶段的贫困人口数据的不断变化会对相关教育扶贫政策的延续和新的教育扶贫政策的制定带来巨大挑战。绝对贫困时代的教育扶贫是以大数据为基础，采用政府点数据的分析与统计方法，在大量的数据海洋中及时检测各贫困地区教育发展的即时动态，对教育贫困的根源进行深层次挖掘以获得深层次的认知，为决策者提供客观科学的数据依据，深刻把握教育扶贫的过去和现在，并预测未来走向与发展趋势，辅助决策者进行智慧决策，加强决策的统筹性和前瞻性。

然而，大数据通常用概率说话且带有明显的混杂性。人们在掌握了海量的数据之后，便可从大量数据中分析和挖掘数据内在的规律，对事物发展趋势进行预测，这就意味着大数据允许不精确的存在，同时也无法实现精确性。此外，大数据掌握的仅仅是有限领域中的有限数据，利用有限的数据进行对全局的预测难免有以偏概全的嫌疑，且预测的时效性也难以得到保证，同时还有可能会造成预测的失真，从而不利于为决策者提供精准的数据判断依据。就数据的精确性而言，块数据显然要高出大数据一筹。一方面，块数据由各种相关的条数据组合而成，它不但拥有更广泛的相关数据，而且数据内部还具有自身独特的逻辑结构和运行规律，能够保证教育扶贫各项数据间井然有序，避免数据混杂和冗余带来的模糊分析和粗略决策的问题；另一方面，块数据内部条数据的微小变化能够引起整个数据的变化，且数据极具时效性，数据的变化与增长不但能够及时反映出教育贫困最真实的状态，还能为决策者提供精确、快速、科学的数据，这无疑是推动教育扶贫决策走向科学的道路的助推器。当然，实现扶贫决策从有偏差的大数据时代转向精准的块数据时代，是块数据驱动下后扶贫时代智慧决策技术路线革新的内在要求和必然趋势。

三、块数据与教育精准扶贫的耦合性

“块数据是大数据发展的高级形态，是大数据融合的核心价值，是大数据时代的解决方案。”[7]块与大数据相比，块数据具有主体性、集聚性、关联性、多维性和强活性五大特征，这些特征与精准扶贫中的精准定位、精准识别、精准帮扶、精准管理和精准监测在内部机制上具有较强的耦合性，它们在内容和逻辑上具有一致性和互补性，能为教育精准扶贫提供理论支撑和学理依据 （见图1）。块数据能够从多个层面冲破 “数据孤岛”，弥合教育扶贫中的信息鸿沟，提高教育扶贫的精准化程度进而实现数据价值最大化。

图1 块数据与教育精准扶贫的耦合关系

1.主体性：凸显以人为本的精准定位

人的主体性是个体发展和社会存在不可或缺的重要内容，同时也是构成社会关系以及人类活动的重要基础。块数据是以人的需求和活动为中心，围绕人和与人相关的事物产生的“数”和 “据”。教育扶贫主要任务在于 “扶人”。教育扶贫的功用主要体现在塑造贫困人口的思想观念、激发贫困人口的内生动力和提升贫困人口的生产技能等方面。人的静态数据、行为数据和意识数据是教育扶贫块数据的重要组成部分。人的静态数据包括人的姓名、职业、年龄、居住地和受教育程度等信息，这是政府部门收录的人口的基本信息，能够为贫困人口的筛选和确定提供宝贵的数据资源；人的行为数据主要是记录人在教育方面的行为活动的数据，包括对教育的投入和接受教育的轨迹等；人的意识数据主要是记录人的意识和意愿的数据，通常以问卷、访谈和民意采集等形式进行收集。以上三种数据在块数据教育扶贫中的存在和应用，充分体现了 “以人为本”的哲学命题，能够依据贫困人口教育块数据提高教育扶贫的针对性和精准性，为个性化教育扶贫奠定基础。

人同样是教育扶贫的主体。“世界不会满足人，人决心以自己的行动来改变世界”[8]，人的主体性还体现在个体价值的实现上，人的价值的实现不但是人在社会生活中的基本诉求，而且是人维护自身存在和体现主体意义的表现，是人对自身的一种内在关怀。马克思主义历史唯物论认为，人是历史活动的主体，是历史进程的推动者。教育精准扶贫与先前的自上而下、救济式教育扶贫的最大区别就在于把扶贫对象同样视为扶贫主体。贫困人口是精准扶贫脱贫的内生性和关键性力量，小康社会的全面建成和扶贫目标的实现都需要充分发挥贫困人口的主体性。在政府和社会各界的倾力帮扶下，贫困人口充分发挥自身的主观能动性，体现个体的主体性价值，通过接受各类教育，掌握基本和先进的文化知识，提高生产和生活能力，抛却陈旧腐朽的观念，转变贫困落后的思想意识，树立积极向上的脱贫信念，积极参与配合政府的教育扶贫计划，在实现个体价值的同时达成协同扶贫和脱贫的目标。

2.集聚性：强调扶贫对象的精准识别

精准识别是精准扶贫的前提。只有精准识别真正的贫困对象，才能够提高教育扶贫的针对性，保证后续的教育精准帮扶和精准管理的有效实施。自上而下的纵向识别法是中国对贫困对象进行识别的主要方法，在教育扶贫领域当中亦是如此。这种纵向的识别方法主要是遵照上级指示按照区域发展情况制定贫困标准，按照人口比例确定好贫困指标，将指标依次下放到各县级乡镇，由基层领导干部完成教育贫困人口的识别。但是这种识别方式层级过多，过程繁杂，且存在着数据造假的隐患。大数据时代的到来与日趋成熟的技术推动了块数据在教育扶贫中的应用，这将大大提高教育贫困对象的识别度，但是海量的、复杂的、彼此分散的大数据难免会影响教育贫困对象识别的精准性。因此，对数据进行 “提纯”成为大数据时代贫困对象精准识别过程中亟待解决的难题。

作为大数据高阶形态的块数据所具有的更高强度的聚集性特点决定了它是一种结构性的、模型化的数据，它能够利用数据间的强引力波将与教育贫困对象有关的内在要素模化为块状，并对残缺和错误数据进行清洗，提高数据的客观性与精确性，进而实现数据的聚合，实现数据的横向聚合与纵向深化和从 “数据”到 “数聚”的演变，避免数据的杂乱无章。块数据技术的出现能够协助相关部门对相对贫困人口进行建档立卡，且具有很强的活动性，能够根据后续数据的不断录入，对数据进行更新，对教育贫困地区和贫困户进行实时动态监测与观察，避免 “一穷永逸”和 “越扶越贫”现象的发生，实现真正意义上的教育贫困对象精准识别，增强教育贫困地区及贫困户认定的透明性与公平性，从源头上保证教育扶贫资源的合理支出与公平分配。

3.关联性：保障扶贫过程的精准帮扶

精准帮扶是精准扶贫的关键。精准帮扶是通过大数据对教育贫困对象的贫困现状、致贫因素等进行挖掘和精准分析获得深刻认识的一项重要工作，是教育精准扶贫稳步推进的重要保证。大数据在教育扶贫中的应用提升了教育扶贫帮扶的精准化程度，实现了针对同类型帮扶对象贫困情况的帮扶措施制定。然而，传统的大数据是利用条数据的处理方式进行数据处理的，这种处理方式将数据困在链条上，形成了数据孤岛，且条数据是关于某一特定领域的纵向深化，“不同领域之间彼此割裂、互不融通，反映在价值观上，条数据是一种利我的、闭合的观念”[9]。教育贫困是一个复杂的问题，造成教育贫困的因素多种多样，或是经济因素导致，或是家庭文化资本缺失导致，或是其他因素导致。这种传统的数据研究范式忽略了教育贫困问题的多元化与致贫机制的复杂性，关注到了教育贫困问题的共性，而忽略了教育贫困问题的特殊性。

“孤立的数据本身不存在价值，只有通过数据与人的互动、关联和融合，实现数据与人、物、事之间关系的重构，才能最终形成全新的价值链条——块数据价值链”。[10]海量数据背后隐藏着一个充满关联的世界，高度关联性是块数据的显著特性，这一本质属性解决了条数据在教育贫困问题解读浅显方面的问题。“块数据之间会形成一种高度关联的格局，汇聚于平台上的数据领域交叉、彼此交错呈空间网状分布，并具有明显的网线、节点、脉络及其自身内在的逻辑运行规律。”[11]基于块数据的教育贫困不仅能够反映教育贫困程度和类型，还能够反映该贫困地区与贫困户相关的人与人、人与物和人与地等的关联，实现数据的融合与重构，建立数据关联机制，其构建的教育帮扶生态具有靶向性、适切性、个性化和精准化特点。

4.多维性：确保扶贫过程的精准管理

精确管理是精准扶贫的保证。利用信息网络系统对教育贫困对象信息进行系统和精准的管理是数据化时代教育精准扶贫的契机。在大数据时代，甘肃省率先进行了教育扶贫大数据管理的尝试，于2016年构建了教育扶贫 “大数据”应用格局并建设了 “甘肃省精准扶贫大数据管理平台”，完成了全省贫困人口的信息采集工作，并将相关数据纳入了教育精准扶贫大数据库，实现了对省内88万教育精准扶贫对象的清单式管理和动态监控。[12]利用大数据平台对教育扶贫对象的信息进行动态管理，能够在很大程度上提高管理的精准化程度。事物处于永恒的运动和变化当中，动态管理和精准管理并非是矛盾的双方。动态管理就是要根据现实情况对扶贫对象进行调整，实现教育贫困对象的“有进有退”，可以说动态管理是为了实现更加精准性管理。一方面，大数据式的管理提高了教育贫困对象信息管理的精准化，实现了贫困对象的公开化与教育精准扶贫工作操作的阳光化；另一方面，大数据本身的无序性和零散性也为精准管理带来了些许不便。

在块数据形成过程中，既有原始数据的汇集，又有原始数据排列组合后衍生的新数据，这些数据在特定平台上块化中发生的聚合效应和最后形成紧密的网状结构具有明显的脉络和节点。与大数据驱动下的数据管理相比，块数据实现了更加高精度的管理，块数据中人与人、物与物、人与物的全方位高关联度形成的关系网络是其高精度管理的支撑体系。在这个网络体系中，块数据实现了点、线、面的集成与融合，分布于网络中的各相关节点能够快速聚合，全方位记录帮扶对象的历史轨迹，反映数据主体的相关情况，通过块数据的预测机制，对相关对象进行动态管理与分析，确定贫困对象的教育现状及其他相关要素，制定切实可行的帮扶措施和项目，使帮扶措施和帮扶项目真正有效地推进，达到预期的目标和结果，集中解决贫困地区和贫困对象在教育和其他方面贫困的突出问题，确保教育精准扶贫有序有效进行。

5.强活性：助力扶贫数据的精准监测

对贫困人口和贫困数据的精准监测是数据精准化管理的必然要求，保障教育扶贫资源得以充分落地的重要环节，同时也是继帮扶过后继续提高教育扶贫精准化程度的重要工作。强活性是数据价值的重要体现与衡量指标，互相关联的数据一般被看作一个整体，在计算机软件的运行过程中一组数据被读写的频次和周期称作该组数据的强活性，通俗来讲，“强活性是一种能迅速自主反应或促进其他相关反应的激活属性”[13]，强活性越大说明数据更新的频率就越快。块数据的更新和鲜活度主要发生在增量和存量两个方面。块数据的来源比大数据广泛得多，增量不断地在发生变化，因此数据随时随地都在进行着更新，形成源源不断的应用价值。就存量而言，数据源发生细微的变化都会对数据的精确性和稳定性造成影响，但是块数据细节级数据颗粒处理和综合级数据颗粒处理，能够以最快的速度完成变化存量与其他相关数据的组合，这就为数据的精准监测提供了技术辅助与保障。

贫困问题也是一个强活性的问题，它时时刻刻处在不断的变化和发展中。随着教育扶贫工作的不断推进必然会产生大量的新数据，贫困地区教育基础设施的不断完善、贫困人口受教育程度的提高、收入的增加等都是增强教育扶贫数据强活性的重要因素。对数据的精准监测能够为扶贫开发工作的全局提供支持，为帮扶绩效考核提供最重要依据。对扶贫对象的相关数据进行核查和全方位的监测，能够实时反映帮扶成效，对扶贫对象进行跟踪调查服务，及时了解和反馈脱贫对象在脱贫过程中和脱贫后的教育、生产、生活状况，防止返贫；同时通过对贫困对象数据的精准监测和调查，及时对返贫人口实现再识别和再帮扶。

四、块数据驱动下教育精准扶贫模式创新

人是一切社会关系的总和。今天我们的时代从深层次联系在一起，形成了不可分割的整体。“走向精准”是块数据驱动下扶贫工作的必然之路。块数据驱动下的教育精准扶贫模式是建立在大数据教育扶贫模式之上的，它能利用平台化实现对扶贫对象的精准识别和精准研判，借助标准化的技术对数据进行可视化处理与解读，通过数据无界化推动科学决策与施策，采用结构化管理方式完成对相关数据的精准和管理，形成 “精准识别—数据解读—精准决策—精细管理”的教育扶贫循环模式，打造块数据教育精准扶贫的大格局 （见图2）。

1.数据平台化创新识别路径

图2 块数据驱动下的教育精准扶贫模式

平台是数据存在的空间与场域，数据平台是实现从多维数据到共享数据的重要载体，也是数据实现从解构到重构转换的操作环境。数据平台的建立实现了数据的吸收与集结。作为大数据时代的范式革命，块数据驱动下的教育精准扶贫需要创建可靠的元数据，避免出现教育扶贫对象失焦的窘境。基于大数据平台，块数据也需借助互联网，依据自身特点建立块数据公共平台，但不同的是它需要实现数据平台从平台到平台化的创新。“从平台到平台化，描述的是海量数据通过流动实现聚集的过程，也就是从 ‘数据’到 ‘数聚’的过程。在这个过程中，孤立的数据得以聚集，为发现和挖掘数据价值奠定了基础。”[14]块数据平台化精准识别贫困对象需要以下四个步骤。首先是数据投放环节。块数据平台为数据的投放与吸收提供了空间，将所收集的建档立卡的贫困人员的相关数据汇集于平台内部等待下一环节。其次是数据汇聚环节。在这一环节，数据根据相关性和内在联系实现流动汇聚，流动的数据能够消除数据间的不对称，在数据平台上形成巨大的数据连接网络，并根据数据主体进行区块划分，形成区块链。再次是筛选甄别环节。利用区块链的联结信息，对各贫困对象进行分类与精准识别，辨别该对象是否是由教育致贫，有无接受教育的能力与基础，是否能够成为教育扶贫的对象，这一环节实现了对贫困对象的深刻识别，避免了教育资源的浪费。最后是对象确认环节。在分类和甄选之后确定符合标准的贫困对象并对其进行帮扶。

2.技术标准化精细数据解读

数据的解读和显化是块数据教育扶贫继对象识别之后的又一核心环节，在教育扶贫的过程中，教育扶贫数据的解读具有承上启下的作用。首先，块数据能够实现信息公开，使得人民群众和决策者能够全面了解和把握教育扶贫的现状及成效；其次，块数据能为决策者提供决策的依据与参考。传统教育扶贫数据的解读大多是以文本和简易图表的形式呈现，然而这种方式对于拥有庞大数量的块数据来说却难以实现，不仅工程浩大，而且它无法使块数据教育扶贫的分析结论以直观、易懂的方式得以呈现。块数据将打破传统信息不对称和物理区域、行业领域对数据流动的限制，极大地改变数据的采集、传输、分析和应用方式，这给教育扶贫模式的创新发展带来新的驱动力。通过计算机程序当中设置好的标准化参数，对教育扶贫数据进行智能化计算，将相关数据转化为复合图表和图形等，实现教育扶贫数据的可视化呈现与数字化解读。在数据可视化过程中，多种维度的教育扶贫数据被收集起来并得以块化，并将教育、贫困、地域和文化间的一些深层次的关系更好地体现出来，同时也为数据间产生对比和映照提供可能。多维信息在图形上的集成不但可以体现教育扶贫的动态变化过程，而且图解的过程也是对教育扶贫的情状进行梳理和整合，为教育精准扶贫决策施策做好准备的过程。

3.数据无界化推动决策施策

教育扶贫重点失实和教育扶贫布局失准是阻碍教育扶贫进程的重要因素，其中政府各部门间的数据壁垒及信息交流的不畅是导致这一现象的根源。块数据是具有多维性的数据，它的多维性来源于块数据本身的强聚集性和高关联性，块数据的多维性给予了我们看待和分析问题的新思路，让我们的思维摆脱了单一领域的桎梏。无界化是块数据多维性的首要体现，它融合了数据对象多方面的数据进而形成了一个更大的数据有机体，在这个数据有机体内，不同领域的数据有着各自的边界，但这并不妨碍数据之间的流动、交换与传递。各部门在共享信息的基础上，借助可视化数据图表对教育致贫原因进行全方位、深层次的科学分析，明确教育致贫的根源，是由于基础教育投入不足和不均衡，还是因为学校数量较少、办学条件差、办学质量低，抑或说师资力量不足、结构不合理、综合素质不高，或是由于家庭经济因素导致的对教育重视程度不够，在找到致贫根源之后对其对症下药、采取个性化的帮扶决策。此外，“块数据就是数据世界中混沌理论的代表，它是一种将量化分析与质性思考高度结合的分析方法，其任务是通过无规律、不可预测的数据寻求事物内在规律，实现精准预测”[15]，这无疑有助于辅助帮扶决策的制定与实施。

4.数据结构化支撑精细管理

精细管理是贯穿教育精准过程始终的重要环节，它对于促成教育扶贫对象精准识别、帮扶措施精准和教育脱贫成效精准具有评价意义。一是要实现数据精细管理。教育扶贫对象信息精准管理可通过线下和线上两种途径进行，在线下利用走访、跟踪调查等方式完成对贫困对象 “扎根式”原始资料的收集与核对，在线上可通过块数据平台实现对扶贫对象相关数据的管理。二是要完成对数据的结构化处理。与非结构化的数据相比，结构化的数据一般存在于特定的数据库中，且数据之间存在着一定的序列和逻辑结构，因此，数据间的关系也可通过可视化方式呈现。结构化的数据更加精确，便于储存、分析和利用，更能够反映事物的本质。数据清洗也是数据结构化过程的重要环节，它能够保证结构化数据的完整、客观与准确。最后，数据库的建立和数据的结构化并非是精准管理的重点，各扶贫对象的状况是处在不断的变化之中的，随着国家对教育的投入以及接受基础教育和职业技术教育人数的增多，先前确立的教育扶贫对象的情况必然会有好转，因此，要定期对数据库进行更新，建立实时监测、有进有出的动态化准管理机制，确保扶贫信息真实可靠，最终实现教育扶贫的精细化管理。

五、结语

教育扶贫是阻断贫困代际传递的有效手段，但是教育扶贫对象的失焦、教育帮扶重点的偏移和信息管理的粗放是抑制教育精准扶贫的重要因素。在后扶贫时代利用块数据的先进理念与技术实现块数据理念与教育精准扶贫的有效对接，推进块数据技术在教育扶贫开发领域的应用，建立块数据教育精准扶贫机制与模式，实现对象识别、数据解读、决策施策和信息管理的高度精准化，在教育扶贫工作中做到目标清晰、有的放矢，加速教育扶贫工作的精准落地。“人类社会秩序处于一个历史性的关键拐点。”[16]大数据时代的到来，无疑给中国的教育扶贫事业带来了前所未有的机遇，但是辩证地看待新事物才能够促进其更好更快地发展。一方面，作为大数据发展的高级形态，块数据克服了条数据指向性集聚所带来的数据孤岛、应用价值低、安全风险等问题，[17]以先进的技术和独特的性质给予教育扶贫向更加精准化方向迈进的可能，为更快实现教育扶贫目标打开绿色通道；另一方面，块数据作为新兴的技术产物，其必然存在着技术方面的不足之处，同时也引起了些许的现实隐忧，如块数据顶层设计的不完善、块数据发展过程中的技术漏洞以及数据的隐私问题等。教育扶贫事业是一项长期、艰巨和复杂的任务，块数据作为新生事物自身还存在极大的完善空间，二者在实施的过程中还需不断磨合，在双向发展的过程中进行资源整合与合理配置，共同完成教育精准化扶贫的历史使命。