大数据下区域学业质量分析的困境及其破解

摘   要

学业质量作为教育质量的重要组成部分，其优劣不仅体现了学生的学业发展质态，更是衡量教育教学管理水平的重要标尺，对其进行全面、科学、规范的评价至关重要。利用大数据进行学业质量评价能让我们客观、准确、有效地了解并发现当前学业质量发展现状与差异程度。但实践过程中，出现了数据源单薄、评价功能缺失、分析模式单一等诸多实施困境。立足区域内一线实践者的视角，分析实施困境产生的原因，并提出区域内的解决策略及实施路径。

关键词

大数据  区域  学业质量  知识图谱

随着大数据概念的提出及大数据技术迅猛发展，利用海量数据及大数据技术，对参与教学管理和教学实践中的个体或群体，如学校、教师、学生等进行全面的、科学的、动态的学业质量评价成为可能。基于此，各地全面展开了利用大数据技术进行学业质量精准分析的研究与实践，从应用现状看，它们为推动学业质量分析与评价提供了很多有益的支持，譬如提高了数据计算的准确率和效率，对分析对象提供了多样的数据指标分析，提出了一些个性化的解决方案等，但随着质量需求的日益提高，在分析过程中出现了诸多实施困境。

一、区域性学业质量分析的实施困境

1.数据采集、甄别困难，难以形成“大数据”的广度与深度

首先是对动态过程数据及隐私数据直接采集缺少有效的途径与办法，如无法有效地获取教师教学行为数据，因涉及隐私等原因对教学个体心理数据、家庭及社会环境数据也没有合适的采集途径。其次是历史形成的“数据孤岛”，制约了数据的间接获取。所谓“数据孤岛”，我们认为是由于条块管理的原因，导致各级各类教育教学组织机构和一些社会团体在教育教学管理及教学过程中或是在社会实践过程中所积累的各类独立数据资源，这些资源虽然宝贵，但因条块原因，形成了各自的数据构成及处理方式，极大地增加了我们获取有效数据的技术难度与成功率。再次是甄别、清除“数据杂质”，复杂性大，时间跨度长，采集、积累的各类数据中，肯定存在重复、多义或错误的信息“杂质”，去除“杂质”、规范数据，是数据处理的重要前提，但要有效甄别和清除“数据杂质”，困难较大。

2.数据分析功能性“缺失”，不能满足用户的系统性需求

这里功能性“缺失”是指以下几个方面：大数据分析系统不能提供相应分析功能;分析依据及形式单一化;分析过程及结论的静态化;数据结论引用的复杂化等。由于这些“缺失”，导致我们必要的学业质量分类指标、客观的分析结论、影响学业质量的归因分析等系统性需求不能满足，具体表现为：（1）仅注重学业成绩分析，归因分析功能缺失，我们利用大数据平台分析学业质量，不仅要了解学业质量的现状，更要对引发这些现状的因素进行归因分析，找到真正原因及联系，才能对症下药，作出精准决策，目前还不能精准提供这些功能;（2）分析依据单一，当前分析主要围绕“分数”展开，如平均分、标准差、分段频数、合格率、排名位置等展开，对成绩中蕴藏的“知识结构及能力要求”涉及较少，且不深入，导致只见分数表象，不见背后隐藏的对“知识点”理解程度及解决问题“能力状态”等原因;（3）缺少“动态”分析与追踪，仅注重当前批次的“静态”分析，不能或很少“动态”融合前后批次的分析内容，尤其是缺乏对同类知识点及解决问题的能力点的分析与追踪，缺少对学业质量变化的延续性观察，致使难以对学业质量作出客观评价;（4）用户数据引用没有针对性、便捷化的设计，我们经常发现由于分析结果指标众多、呈现庞杂，导致一线应用人员无法分辨、读懂数据结论，甚至要花大量时间研究数据结论，这无疑会给实践应用帶来诸多不便，降低使用效率。

3.数据平台“适应”性的分析设计，无法真正形成个性化需求

分析学业质量，应充分考虑个性化需求，推出个性化的定制方案。这里的个性化有两个方面的涵义：一是具有区域特色的本地化;二是面对不同分析对象的个性化。当前，大数据分析是“广谱”式分析，抓住所有地区、所有对象的共同点，以服务最大化、利益最大化为目标，对具有区域性的“个性化”需求支持较弱，具体表现在：（1）不能融入本地化需求，无法提供区域特色的服务。譬如，当前各地高考模式存在差异，某些省份高考政策中，对部分学科实行按比例划等方式，在其他省份又以原始分计入总分方式，不同的高考政策就有不同的分析方式和分析指标，但当前数据分析系统忽略了这些差异，没有针对性的有效设计。（2）对评价对象的个性化定制能力较弱，区域内评价对象可视为在整个教育教学活动中参与实践的教学管理部门、学校、班级、教师、学生等个体或群体，不同的评价对象有不同的属性，相同评价对象内部个体也存在差异，有各自特色，所以大数据分析平台应能作出独立的个性化分析，但当前还不能真正满足需求。

二、区域性学业质量分析困境的破解

1.进行科学的系统功能设置及分析架构设计

（1）科学、系统性

分析学业质量，我们的依据是什么、需求是什么、分析资源如何采集、功能如何设计等等这些都必须进行系统性的思考，在充分学习、调查、研究的基础上，科学制定评价标准体系和分析功能架构，采用系统化的设计理念，自上而下，顶层设计，细化模块构成，同时还应系统性地思考实施细则，如源头数据的规范与分类，分析过程的策略与方法，结果数据的呈现与利用，环境因素的整理与细化等，从根本上为科学、精准分析学业质量奠定基础。

（2）客观、实用性

分析学业质量，无论是数据分析指标、决策指导建议，还是影响因素的归因分析、个性化的定制方案等，最终目的都是为区域内一线教学管理者、研究者、实施者提供帮助与指导，所以学业质量分析切忌繁而不实的主观数据指标臆定，更不能有庞杂的数据表格或结论呈现，使一线实践中的应用人员无法读懂、分辨数据结论，无法获取有效信息，甚至要花大量时间研究数据，这无疑会给实践应用带来诸多不便，降低使用效率。学业质量分析应贴近实际，保证客观与实用。

（3）多维、精细化

海量的分析数据源，其数据构成一定是“多维度、多层次”的，质量分析的视角也应该是“多维”的。在学业质量分析过程中，除了学生学业成绩数据这个关键数据外，学校管理的过程数据、教师教学行为数据、学生学习过程数据、教学个体心理数据、家庭及社会环境数据都会对分析学业质量产生积极作用，即使面对不同的使用对象，多维的数据分析，不论是分析过程还是结果呈现都是相当复杂的，这就需要我们在整个处理过程中，精细、科学规划处理，用精准、清晰、简洁的分析结论帮助学业质量分析。

（4）持续、可追溯

对学业质量的精准评价，其实是一个动态、持续的过程，不能仅凭某次或某个时间点的分析作出主观的判断。影响学业质量的因素是多方面的，就某次观察点而言，学生的学习状态、教师的教学行为、教学个体的心理状况、社会与家庭的环境等都会对学业质量产生影响。一个较长的观察周期，一条学业质量发展的趋势线，会更客观、精准地反映学业质量。在这条线上，我们可追溯过去，总结原先采取的提升学业质量的举措表现如何、是否有效，也能立足当前，综合影响学业质量的新情况及影响因素，并基于过去的经验教训，提出更为科学的提高学业质量的策略。学业质量分析，要注重分析过程的可持续性及追溯性。

（5）本地、个性化

从地域方面来看，各地教学能力、学生水平、管理举措各有不同，有的甚至差异很大，学业质量评价的体系、过程、方法不能放之四海而皆准，必须结合当地实际情况与需求，做到适配与适应，将本地特色融入数据分析，才能挖掘出符合本地需求的决策服务。另外，从评价对象看，区域内，无论是学校、教师、班级及学生个体，都是有差异的，有各自特色的，所以对不同的个体对象，应推出个性化的分析，既便于结合各自特点作出归因分析，也有利于提供个性化的解决方案，为学业质量的提升提出精准的、有效的策略和方法。

2.创设丰富的学业质量评价策略源

（1）因型施策、按类存放的数据采集与存储，为学业质量分析提供有效“数据源”

一是科学的数据类型分类。先将须采集数据按属性分类，比如师生基本信息数据、教学行为数据、心理健康数据、教学管理政策数据、家庭环境背景数据等，再对不同类型数据的组成详细分析，制定不同的采集方式。如“教学行为数据”，它既有教师的课堂教学行为及策略，还有学生的学习习惯、方式和行为，有“静态”的组成数据，更有“动态”的数据汇集，可采用“手工填报”“电子档案读取”“电子设备拍摄实录”等方式综合处理，采集的同时，利用审核、过滤机制，去除数据“杂质”。二是合理的按类存放，采集的数据按其构成可分为结构化数据和非结构化数据[1]，结构化数据如教学部门评价考核数据，教师、学生管理数据，学生质量监测分析数据等，可用二维表结构来表达实现与存放;非结构化数据包含教学管理过程中的教学文件、管理文档以及课标文献、教学图片、图像和音、视频等教学资源等，该类数据没有固定的格式，可采用数据库管理和文件管理相结合的方式，非结构化的原始数据按规范存放在规定目录中，数据库则存放该数据的地址，实现快速检索、读取、使用。

（2）精心构建“知识图谱”，为学业质量评价提供精准分析方式

知识图谱就是显示知识发展进程与结构关系的一系列各种不同的图形，它用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系[2]。区域内，为了学业质量分析需要，我们对“知识图谱”的涵义作了进一步扩展，认为它由体现知识结构及知识点组成的“知识结构图谱”和体现“认知”需求及“技能”需求等“能力要素图谱”组成，其中“知识结构图谱”是描绘整个学科知识体系及相关知识点的层次性、结构性、拓展性、关联性结构，“能力要素图谱”由与知识点相关联的理解、知道、掌握、应用等“认知”要素点和与解决问题相关的阅读、书写、计算、概括、推理验证等“技能”要素点组成。利用知識图谱，在学业质量分析中，不仅能让我们知道学生对知识点的认知程度，更能了解学生在解决问题时的技能状态，从而分析出学业质量的质态。相较用分数衡量学业质量而言，在教学过程中实时检测学业质量、精准把控学业质量的质态、持续追踪学业质量的发展趋势、精准定制个性化服务内容等方面，知识图谱为我们探查学业质量提供了精准的分析依据。

（3）因地制宜、深层挖掘，为学业质量运用提供精准的服务

一是与区域化、本地化融合。充分挖掘、研究本地化的政策特点、管理特色、教学策略、学生水平等地域优势，提炼具有分析价值的标准和依据，在大数据分析“通用”功能的基础上，增加地域特色的分析标准，开发符合本地需求的服务功能，提供针对性的决策服务。二是深层挖掘，做好归因分析。学业质量评价不仅围绕“学生考试与成绩”分析维度，还要充分考虑到学校管理、教师教学、学生学习、学生心理及家庭社会环境等多种因素对学生学业质量的影响，建立多维、多层分析的数据模型，深层挖掘各类因素对学业质量的影响关联与原因，做好为学校、教师、学生、家庭提供精准支持。三是延伸动态服务，增加精准的决策内容。影响学业质量因素并非一成不变，随着时间、条件的改变而发生变化，分析学业质量应适时与应用者进行沟通，了解主客观因素的变化，进行动态性、过程性的延伸服务，这样才能提供愈加精准的决策内容与服务。

（4）精确呈现、引用简便，为学业质量的使用效能提供分析数据

一是面向对象，精确呈现。不同的使用者，需要不同的分析数据，如教学研究人员，需要对学业质量的整体状况分析数据以及本学科的详细分析数据;教师需要本学科学业质量的整体分析与所教班级的详细分析数据，尤其是知识点的认知分析数据等。二是化繁为简，实用方便。学业质量分析结果一般会包含众多分析指标、决策指导建议、影响因素的归因分析、个性化的定制方案等，对呈现数据进行预处理，去除无关指标与分析，简化数据呈现方式，给使用者以实用方便的应用体验。

参考文献

[1] 罗明.教育测评知识图谱的构建及其表示学习[J].计算机系统应用，2019（07）：28-29.

[2] 秦长江，候汉清.知识图谱日——信息管理与知识管理的新领域[J].大学图书馆学报，2009（01）：30.

[3] 曹雷.基于学业质量评价的县域大数据平台建设的几点思考[J].中小学信息技术教育，2017（12）：39.

【责任编辑  关燕云】