开放教育数据应用的现状和需求调研——基于教职人员视角

乐理娇 杜 华 肖 君 赵徐铭

（1.华东师范大学 教育信息技术学系，上海 200062；2.安阳师范学院 信息化与基础教育均衡发展省部共建协同创新中心安阳师范学院分中心，河南 安阳 455000；3.上海开放大学 上海开放远程教育工程技术研究中心，上海 200043；4.南京师范大学 教育科学学院，江苏 南京 210024）

一、引言

著名未来学家阿尔文·托夫勒（Alvin Toffler）曾在20世纪80年代出版的《第三次浪潮》一书中，将“大数据”赞颂为“第三次浪潮的华彩乐章”。之后，随着现代信息技术的快速发展，数据呈现爆炸式增长，人类社会已进入大数据时代，数据之于教育领域的价值和意义也引发了研究者与实践者的关注。维克托·迈尔-舍恩伯格（Viktor Mayer-Schonberger）曾指出，数据和教育的结合，将超越过去那些“力量甚微的创新”，真正颠覆传统的教育模式，引领教育的转型和变革。

开放远程教育作为终身教育体系的重要组成部分，也是教育领域中对信息技术的发展和应用最敏感，相对依赖程度又最高的分支领域（丁新，2017），在这场数据浪潮中迎来了前所未有的机遇。教育数据在开放教育领域的应用，可能带来学习支持服务、学习资源与形式、学习绩效评价、管理决策方式等诸多方面的变革，并将深刻地改变开放远程教育的形态，为其良性发展提供更为广阔的空间。尽管如此，越来越多的研究却发现，教育数据并没有给远程教育带来立竿见影的助力，仍旧停留在“技术先进、方法滞后，理念认同、行动滞后”的摸索阶段，亟需进一步聚焦问题，找准路径，真正将数据推进教育领域改革落到实处。众所周知，开放远程教育是涉及学习者、教职人员等众多群体的复杂过程，教职人员是重要的利益相关者之一。面对教育数据这一重构开放远程教育的新拐点，如果缺失了教职人员的视角，恐怕难以从实际层面洞悉真实的实践状态。同时，远程教育中，一线教职人员面对更多的学生群体、更复杂的个体知识背景、更多样的学习环境，仅凭传统工作路径已经难以达到个性化的服务诉求。这使得教职人员在开放教育中的数据应用需求越来越受到重视，数据的存在不仅仅为学生提供服务，也为教师教学反思、教师职业发展等提供服务。尽管如此，在实际的教学和管理中，教育数据究竟能发挥多大作用，它在支持教师授课方面能起多大成效，并无切实可靠的研究和案例可循。因此，我们需要追本溯源，从使用者反观工具，找到数据与开放教育深度融合的实践依据。以更加敏锐的眼光洞察教职人员的需求，为开放远程教育的改革与发展提供最具实际效益的反馈与建议。基于此，本研究以教职人员的视角，调研了开放教育数据应用需求，从不同角度审视开放教育数据在实践推进中遇到的问题与症结，助力开放远程教育的教育决策。这既是开放远程教育应对大数据技术变革之战略所必需，也是开放远程教育自身可持续发展的诉求。

二、文献综述

在开放教育中，“数据”已经成为研究者和一线专家洞察学习全过程的重要依据。如果缺少数据，会直接导致教学中教职人员“盲人摸象”的窘态（方柏林，2016）。肖君、乔惠和李雪娇（2019）对学习者画像的构建研究，就是开放教育环境中发挥教育数据功能的重要成果。目前，对于教育数据的应用，多侧重于学习者视角，比如，宗阳、陈丽、郑勤华和胡红梅（2017）通过实证研究，收集了Moodle平台记录的学习痕迹，构建了学业情绪分析数据模型。尽管数据维度单一，数据量不够详实，但是为开放教育教职人员提供了反思的依据。李爽、李荣芹和喻忱（2018）基于LMS数据建立了学习投入评测模型，也为学习检测和优化教学设计与评价提供了依据。可见，无论从何种视角去分析和观察开放教育问题，数据模型的构建都非常重要。在大数据应用需求的调查模型或测量工具方面，有学者使用KAOS（Knowledge Acquisition automated System，知识获得系统）模型为大数据应用需求构建了通用式方法，为更好地将大数据开发应用于特定领域提供了有效支持（Eridaputra, Hendradjaya,& Sunindyo, 2015）。

尽管这些研究从数据应用现状、数据挖掘模式和教学过程等方面有所发现，但是尚不能从教职人员视角深入调研和分析教育数据的需求和应用现状，少有研究关注开放教育环境中教职人员对于数据的具体需求。徐鹏、王以宁、刘艳华和张海（2013）认为在大数据应用的未来建设中，要充分考虑教育数据的应用，确立技术人员、管理人员和教学人员共同参与的联合决策，借此保证教育数据应用的合理性。冯晓英、冯立国和于晶（2017）利用教育数据建立了教师专业发展的需求模型，将教师应用教育数据的需求与教师个人成长和专业发展之间建立相关关系，虽然缺少管理人员视角，但值得本研究借鉴。因此，有必要对教职人员的应用需求给予重视，为其提供教育数据的解读，并在可行的情况下提供特定的数据分析服务。

教职人员作为教育数据中重要的利益群体，对于数据的解释和理解能力培养十分重要。夏尔马等人认为，开放教育的机构和个人还未做好迎接新兴数字资源挑战的准备，只有在高阶层面出台相应的数字化战略和政策，从教、学、评、测、管五大方面全面融合多样化的智能技术，才能帮助开放教育有效应对挑战（拉梅什·钱德尔·夏尔马，彭一为，肖俊洪，2018）。为此，陈蕴和李云芳（2019）提出了开放大学教职人员数据需求分析指标体系，将教育数据在开放教育领域中工作人员的应用范畴划定为管理服务、教学服务、科研服务和生活服务四个方面，并建立了更详细的分析维度，这为本研究的有效开展提供了重要启发。

在大数据技术的发展和教育变革的驱动下，开放大学建设已经进入快速发展阶段。然而数字转型的关键驱动因素是“策略”而非“技术”（拉梅什·钱德尔·夏尔马 等，2018）。以需求、问题和效果为导向的方式，为深化开放教育的内部改革提供了理论基础和方向（袁雯，2018），也为我国以“需求”驱动“开放”的发展提供了启示和思考。作为研究者，我们需要做的或许不是一味地规划蓝图，而应该站在教学的最前线，才能对问题产生最为鲜活的感知。

三、研究设计

（一）研究问题及假设

本研究以开放大学的教职人员为研究对象，以了解开放大学教职人员对教育数据的认知和实际需求为目的，从研究理论和实践中提炼分析维度，以期为教育数据在开放远程教育中应用提供来自于实践的事实依据。研究问题主要包括：开放大学的教职人员对教育数据的认知和应用现状如何？不同群体对教育数据应用需求的差异如何？教师应用教育数据的需求与教师认知态度、学校投入、教育数据推广程度之间有什么关系？

基于上述三个基本问题，本研究提出如下研究假设：①开放大学的教职人员对教育数据的认知和应用达到普及水平；②开放大学教职人员对教育数据技术的应用需求较高，且相应的需求由于角色、性别、教龄、职称、需求维度（管理服务、教学服务、科研服务、生活服务）等不同而存在显著性差异；③教职人员的认知态度越好，教育数据的应用需求越强；④学校所拥有的教育数据的数据基础越好，教职人员的需求程度就越高；⑤学校对教育数据的技术应用推广程度越广泛，教职人员的需求程度就越高。

（二）研究工具

在结合现有理论的基础上，本研究对教职人员的工作情况进行了细致采访，明确了样本的统一属性和不同维度上的差别，吸取了教育专家的建议和教职人员的反馈，进而依托陈蕴和李元芳（2019）提出的开放大学需求分析指标体系，将教育数据在开放教育领域中工作人员的应用范畴划定为管理服务、教学服务、科研服务和生活服务四个方面。同时，借鉴Eridaputra等（2015）提出的“Generic Requirement Model for Big Data Application”，在征得专家意见后，编制了开放大学教育数据应用需求调查问卷。为保证问卷的可靠性和稳定性，问卷初设完成后，研究者在小范围内进行了一次试测，并对得到的64份有效问卷进行探索性因子分析，结合陡坡检验，剔除问卷中不合适的因子，最终确定了26个因子，如表1所示，最终构成了开放教育数据应用需求研究的正式问卷。

问卷主体包括四个部分：一是教职人员的基本信息，包括性别、年龄、学历、工作时间、职称和角色，共6题；二是开放教育数据的应用看法，包括应用现状和认知态度两部分，共11题；三是对开放教育数据的数据需求，包括“管理服务”（7题）、“教学服务”（8题）、“科研服务”（5题）和“生活服务”（6题）四个维度；四是目前开放教育数据的应用推广程度。问卷中每个题目均采用李克特五点量表评分。随后通过SPSS 23.0对问卷进行信效度分析检验得知，问卷整体信度Alpha值为 0. 862，可靠性较强；结构效度KMO值为 0. 823，结构效度较高。总体而言，具备较好的稳定性和内部一致性，测验结果能够真实反映被试者的特征和想法。

表1 开放教育数据应用需求

（三）样本选择与构成

研究采用简单随机抽样的方法，选取了国家开放大学、上海开放大学、山东开放大学的教职人员为调查对象。在各个开放大学信息与网络管理中心相关人员的协助下，使用线上问卷的方式进行调查，共回收问卷82份，问卷有效率为100%，使用SPSS23.0软件进行数据的处理与分析。样本的基本信息详见表2。

表2 调查对象的基本信息

四、结果与分析

（一）开放教育中教职人员数据应用现状

该部分主要调查了开放教育中教师和行政管理人员，在教育数据方面的应用现状。调查显示，35%左右的教职人员认为自己对于数据的相关知识和概念有全面的了解和认识；65%左右的教职人员认为自己在个人工作过程中需要经常使用大数据；70%以上的教职人员认为自身具备可开展教育数据应用的知识技能；50%以上的教职人员认为自己在工作中出现的技术问题能够获取相关部门的帮助和支持。总体而言，开放大学的教职人员在教育数据方面的应用情况处于中等（均值3以上）水平，应用情况较好，但仍存在数据相关知识了解程度不足以及技术使用频率不高的问题。

（二）开放教育数据应用前景及态度

对于教育数据在开放教育中的应用前景，大多数教职人员都持看好的态度，认为有必要深入开展教育数据的应用，并且非常愿意尝试使用教育数据。85.2%教职人员认为教育数据的相关应用能够有效减少时间、地点对工作的限制，87%的教职人员认为教育数据能够提高个人的工作效率，同时满足个人工作的发展需求，70%左右的教职人员认为大数据分析在操作上简单高效便捷。相比较而言，开放教育教职人员对数据操作的简捷高效这一项内容的认可程度较低，对教育数据有用性的总体认知态度很好（均值4以上）。

（三）开放教育数据应用需求分析

1. 总体需求分析

为了解开放大学教师和行政管理人员在教育数据管理服务、教学服务、科研服务和生活服务四个方面的总体需求。该部分选取这四个维度每个题项的平均得分进行比较。

如表3所示，根据得分统计可以了解到，开放大学教职人员在四个方面的需求程度均很高（均值4以上），在教学服务方面的需求最高，其次是科研服务的需求。从需求水平前10位的细分项分布情况来看，教职人员对于教学服务方面的需求水平占比最多（占6项），其次是科研服务（占2项），管理服务和生活服务各占1项。这与开放大学教职人员在四个方面的总体需求情况基本一致，说明他们对于教学服务方面的需求最为强烈，其次是科研服务方面的需求，对于管理和生活服务有一定的需求，但相对较低。

表3 教育数据应用需求分析统计结果

2. 需求差异及相关性分析

1）不同群体应用教育数据的需求差异分析

为考察不同群体应用教育数据的需求差异，研究者对不同角色和性别的教职人员应用需求进行差异分析。结果如下页表4所示，对于不同角色的教职人员而言，在管理服务和科研服务这两个维度上，其需求差异的p值分别为0.087和0.078，虽然没有达到通常的0.05显著性水平，但p值均小于0.10，处于0.05～0.10之间，可以认为存在边缘显著性，即不同角色的教职人员对开放大学教育数据的部分应用需求存在差异。进一步分析可知，教师对于管理服务和科研服务方面的应用需求要高于行政人员的相应需求，而对于不同性别的教职人员而言，其应用需求在各个变量维度上的p值均＞0.1，不存在显著差异。

表4 不同角色和性别的教职人员需求差异分析

对不同年龄、工龄、学历和职称的教职人员对教育数据的应用需求进行ANOVA分析，需求差异的p值均大于0.10，无显著差异。就平均得分（M±SD）情况来看，20～30岁和50岁以上的教职人员对教育数据的应用需求（121.00±14.66）较其他年龄段更高；从工龄考虑，工作时间为4～6年的教职人员对教育数据的应用需求最高（128.00±12.70），工作时间为7～9年的教职人员应用需求最低；从学历的角度考虑，本科生（120.15±14.26）和博士研究生（119.50±.70）学历的教职人员对教育数据的应用需求相对较高，硕士研究生学历的教职人员应用需求略低；此外，职称越低的教职人员对于教育数据的应用需求就越高，但差异并不明显。

2）不同认知态度水平的教职人员需求差异分析

根据开放大学教职人员对教育数据应用的认知态度得分，按照总分最低和最高10%的划分方式，将教职人员认知态度水平分为高态度水平组（总分＞49）和低态度水平组（总分＜36）。以认知态度水平为被试间变量，方差分析结果表明（见表5），不同认知态度水平的教职人员在应用需求和它包含的4个维度上均存在显著差异（p＜0.01）。进一步比较分析可以发现，对于开放教育数据方面的应用前景及态度越积极，相关教职人员的数据应用需求越高。

表5 不同认知态度水平的教职人员的应用需求方差分析

3）开放教育数据需求与认知态度的关系分析

利用相关分析研究开放教育数据技术应用的认知态度与管理服务、教学服务、科研服务、生活服务这4个数据需求变量之间的相关关系。结果显示，开放教育数据技术应用的认知态度与它们之间的相关系数分别为0.64、0.76、0.70、0.62，与4个变量之间均呈现显著的正相关关系。

在相关分析的基础上，为进一步探索开放大学教育数据应用需求4个一级变量与开放大学数据应用前景的认知态度间的相关关系，研究使用多元线性回归分析方法对两者间的回归影响关系进行分析。结果显示（见表6），教学服务方面的需求对教育数据应用的认知态度具有显著影响。

表6 认知态度与数据需求回归分析

表7 教职人员对教育数据的应用需求多元回归分析

（四）应用需求的影响因素回归分析

研究者以教职人员对教育数据的应用需求为因变量，以应用现状、认知态度、数据需求和应用推广这四个因素为自变量，进行多元回归分析后发现，其中三个变量能正向预测教职人员对教育数据的应用需求程度，另外一个变量负向预测。教职人员对教育数据的应用需求与影响因素的判定系数R2为0.724，调整后R2为0.701，说明自变量可以解释因变量70.1%的变化原因。模型公式为：应用需求= 0.588 - 0.039×应用现状+ 0.635×认知态度 + 0.014×数据需求。

针对模型的多重共线性检验结果表明，模型VIF值均小于5，意味着不存在共线性问题；D-W值在2附近，说明模型不存在自相关性，样本数据之间没有关联，模型较好。模型通过F检验（ F=32.111，P ＜0.05），不同程度地说明应用现状、认知态度、数据需求、应用推广这四个因素对应用需求产生影响（见上页表7） 。

五、结论及建议

教育数据的应用，不仅提高了开放大学信息资源的获取和运用能力，也促进了开放教育新模式的建立（胡立强，2017），推进了未来开放教育与数字创新的有机融合。通过研究，得出以下结论，并在此基础上提出相关建议。

（一）研究结论

1. 开放教育中教职人员数据应用需求不断增强

本次调查数据显示，总体上，当前教职人员对教育数据的应用前景非常看好，均值在4分以上，对数据的应用需求亦处于较高水平。这说明当前开放大学开展教育数据的相关研究与应用，不仅是发展变革的必然要求，也是提升其教学质量和管理效率的内在需要。开放大学应紧跟时代发展步伐，抢占技术创新前沿，加快推进大数据技术应用的研究与实践。

2. 开放大学不同类型的教职人员教育数据应用需求存在差异化

不同角色、性别、年龄、职称的教职人员，对开放教育数据的应用需求存在差异性。从不同角色的教职人员来看，管理人员对于管理服务方面的需求程度高于其他项目；教学人员对于教学服务方面的需求程度明显高于其他项目。另外，低职称人群对教育数据应用需求程度更高，对大数据应用前景更为看好。这提示我们在开放大学数据应用管理和研发过程中，应根据教职人员的核心需求，围绕核心角色进行研发设计，特别要加强对不同职称和角色的教职人员教育数据应用需求进行深入分析。通过对教学系统、管理系统和后勤系统的全面智慧化改造与完善，更好实现开放大学在大数据时代的转型升级。

3. 开放教育中教职人员数据应用的认知态度变化

认知态度与开放教育中的各级服务均呈现显著的正相关关系。教职人员对于开放教育数据的认知态度越好，其教育数据应用需求越高，这与以往针对态度与需求变化的研究结论相一致。其中，开放大学教师对于教学服务的需求，与态度的影响关系最为明显。这说明在大数据时代，学生依旧是开放教育关注的核心与重点，教师对于学生学习结果的分析和学习支持的相关需求是教学服务方面的核心需求。在教师教学服务方面，研究者不仅应该关注教师个人的认知态度和满意度，还应关注对学生学习数据的解读以及数据对教师教学的辅助支持能力。

（二）研究建议

针对开放教育中教职人员需求不断增强、教育数据应用需求差异化、教育管理智能决策能力不足等问题，研究可以从以下三个角度，关注教职人员的多样化需求，开展数据应用和可视化等工作。另外，从不同视角构建数据模型和分析平台，全面满足教职人员的个性化需求，解决开放教育数据在实践推进中的服务应用问题，有效地提升他们的教育教学和管理的智能化水平。

1. 关注教职人员的个性化需求

通过数据分析可以发现，教育数据的认知态度、应用需求之间均存在显著相关关系。高认知态度水平的教职人员的应用需求高于低认知态度水平组。不断增加的数字人口对数字服务和需求提出了更高的要求，但是相关企业和平台未能为不同的人群提供对应的数字解决方案（Baller, Dutta, & Lanvin, 2016）。因此，有必要采取针对教育数据应用的培训和保障措施，提升教职人员对于大数据的认知态度，并帮助教职人员克服技术门槛，从“想用不会用”变为“会用经常用”，真正实现教育数据为管理、科研、教学等工作服务。

2. 构建数字平台满足全一体化需求

需求变化是公共服务体系战略转型的最强大的驱动力，而主动适应需求应该包括发现需求、培育需求和引领需求（王迎，孙治国，刘述，2017）。研究发现，当前在开放大学中，教职人员对于教育数据在管理服务等四个方面存在较高的应用需求，呈现出多样化的特点。英国开放大学2020版《创新教学报告》认为，开放互通的数据可以支持研究成果的公开透明，在专业社群和用户群体之间，形成参与共享的文化氛围（李青，郜晖，李晟，2020）。围绕开放大学中的核心业务信息，构建全一体化数字平台，能够促使各业务系统数据的整合与共享，实现各类数据的抽取采集、存储共享、数据挖掘、分析应用的互联互通。通过全一体化数字平台设计，能够解决开放大学中不同人员以及不同学校及系统之间的数据交换和共享问题，使每一主体成为信息化过程中数据管理与服务的受益者。

3. 创设大数据分析团队，深入挖掘数据，解读需求

研究结果表明，在各级需求方面，教职人员对于数据价值的发现与挖掘、数据流程与效率监测调控和数据管理决策辅助支持等方面的需求格外突出；教职人员对于数据监控预测和可视化数据支持的需求更为强烈。然而，非技术人员通常很难从海量的教育数据中获取高价值信息。一线教职人员对教育数据的信息获取，往往停留于浅层分析，难以深入到数据的多维多性之中。随着不同人员对于数据解释需求的增加，国外许多高校聘请了专业数据解释人员，通过专业化的数据分析方式，为有需要的教职人员提供专业的数据解读和具有可操作性的分析报告（Drachsler &Greller, 2016）。因此，国内开放大学在教育数据的应用发展中，有必要创设大数据分析团队，准确快速地帮助教师、教学设计师、管理人员等解析复杂的教育数据，为其提供切实可行的教学支持或行动计划。

研究者基于现有调研结果，构建了面向开放教育教学和管理数据平台建设的指导框架，如图1所示。该开放教育数据分析模型从管理、科研、教学、生活四个方面，满足教职人员的需求。数据服务中心通过采用各种数据挖掘技术和学习分析技术，对采集的各类数据进行数据挖掘和学习分析，实现教学、科研过程的智能教研应用、用户画像构建和多元智能评价；通过将决策理论和数据挖掘相结合，为教育管理提供智能决策支持，满足开放教育环境中对于生活服务、质量管理、教育管理智能决策、教育大数据可视化等需求。数据的分析结果可以：①辅助开放教育管理部门实时监测教学过程质量并给予及时指导；②对在线教学的全周期过程进行监测和干预；③为开放教育过程提供课程决策支持；④为教育管理部门提供教育舆情决策支持；⑤为教职人员提供生活服务和体验优化等便利。

图1 开放教育数据分析模型

六、结语

本研究从需求分析的角度出发，立足开放大学教职人员相关对象的现实情况，对开放大学数字化发展中的实际需求进行实证分析。结果表明，当前开放教育教职人员对于教育数据在开放大学中的应用具有较高的需求；不同人员对于教育数据在开放教育中教、学、评、测、管各方面需求存在一定的差异性；教职人员的认知态度变化与教育数据的应用需求之间存在较强的相关性。相关结论与建议为教育数据在开放大学的应用发展和模式设计，提供了科学导向及有效的理论和实践依据。

然而，开放教育作为一个复杂的系统，要想打造以大数据为驱动的开放教育实施路径，需要从社会、学校、学生等各方面全方位了解教育数据建设需求。因此在后续研究中，将立足开放教育中的社会需求，开放教育管理人员、教师及学习者的总体需求，构建全面发展的系统性框架，共同推进开放大学在大数据时代的转型升级。