技术治理范式下的教育数据治理

2021-08-09赵成杰张峰凡申世越郑旭东

数字教育 2021年3期

赵成杰?张峰凡?申世越?郑旭东

摘要：技术逻辑导向的教育数据治理将显著提高教育数据的安全和质量，保障数据治理业务的高效、稳定开展。文章在阐述当前教育数据治理面临的治理困境和传统治理路径的局限性驱动教育数据治理效果不佳的基础上，梳理了技术治理范式下教育数据治理中的关键技术、技术关系与技术功用。在未来，技术治理范式下的教育数据治理将面临高成本的信息基础设施建设、失序的智能技术应用生态、边界模糊的教育数据治理业务以及潜在的教育数据伦理风险四方面的挑战。

关键词：教育治理;教育数据治理;技术治理范式;技术融合;大数据

中图分类号：G4文献标志码：A文章编号：2096-0069（2021）03-0015-06

收稿日期：2020-12-18

基金项目：2020年江苏师范大学研究生科研与实践创新计划项目“面向协作问题解决能力发展的项目式学习设计与实践研究”（2020XKT907）;2020年度江苏省研究生科研与实践创新计划课题“户外学习虚拟仿真环境的设计与应用”（KYCX20_2113）

作者简介：赵成杰（1994— ），男，河南安阳人，硕士研究生，研究方向为教育信息化、教育治理;张峰凡（1995— ），男，江苏徐州人，硕士研究生，研究方向为教育信息化、智慧教育环境;申世越（1997— ），女，河南郑州人，硕士研究生，研究方向为教育技术基本理论;郑旭东（1988— ），男，山西太原人，硕士生导师、博士，研究方向为教育治理、学习科学。

《教育信息化2.0行动计划》中明确指出，要开展教育治理能力优化行动，充分利用大数据、人工智能、云计算等新技术，构建全方位、全过程、全天候的支撑体系，助力教育教学、管理和服务的改革发展[1]。这种通过把智能技术嵌入治理活动，实现人与技术协同治理的治理范式，学界称之为“技术治理”，这一新的治理范式已成为现代治理得以持续推进的基本驱动[2]。就教育数据治理而言，技术治理范式下教育数据治理的理想状态是善治，即教育数据价值最大化的治理过程，其本质特征是技术的运用和数据价值的发挥处于最佳状态，其关键在于建构和谐的技术应用生态。鉴于此，面对纷至沓来的智能技术，学界有必要对教育数据治理中的关键技术体系做一个系统性的梳理与分析，以便教育数据治理业务能更好地开展。

一、技术治理支撑教育数据治理的逻辑归因

（一）教育数据治理面临治理困境

当前教育数据治理主要面临治理理念有待提升、教育数据的安全质量和共享程度有待深化、数据应用存在风险三方面的问题。就治理理念而言，主要表现在信息化建设过程中建设方案不灵活，存在着分批进行、多头建设的问题，这就导致各系统之间数据标识各异、标准不一，从而难以实现教育数据的互通共享，为后期的教育数据治理工作埋下隐患。教育数据本身的安全和质量是教育数据治理领域关注的重点。然而，目前教育数据的存储主要采用中心化存储模式，由各教育单位、机构自行安排数据的存储，数据存储中心异常则对数据存储安全构成威胁。而且目前的数据安全体系多为中心化体系结构，随着系统安全架构的规模日益增大、复杂性日益增加，数据安全问题不容小觑。同时，数据孤岛问题引发数据开放共享程度不够，导致教育数据质量不高，教育数据的准确性、完整性和可用性难以满足教育数据治理业务的需求。除此之外，教育数据的应用风险表现为：教育数据应用前，教育数据主要存在数据确权困难的问题，即无法确保教育数据的归属和权限，这就造成数据贡献者参与意愿不强、数据拥有者权益无法保障，从而导致数据的开放共享性差、数据过度集中。教育数据应用过程中，教育数据主要面临应用安全问题：第一，教育数据面临泄露和被篡改风险。传统信息加密算法多采用对称加密，算法相对简单，数据安全等级也不高，这就造成教育数据资料在存储和传输过程中存在泄露和被篡改的风险。第二，隐私安全受到威胁。智能时代，教育数据的共享开放要求不断提升，共享应用场景不断丰富，导致个人隐私空间被严重压缩，隐私存在泄露风险。

（二）传统治理路径的局限性致使教育数据治理效果不佳

针对上文教育数据治理中存在的问题，传统的数据治理路径包括法律路径、制度路径、道德路径和技术路径，是实现教育治理能力现代化的关键。法律路径主要是通过法治手段来建立教育数据治理的约束框架，由国家出台教育数据治理的相关法律、法规，从而规范治理行为，明確治理主体权利和义务，保障教育数据治理业务的有序开展，但也需要随着时代的发展不断改进。制度路径是法律路径的补充和完善。其虽有一定的规范性和稳定性，可以有效支撑教育数据治理业务的正常开展，但组织机构等内部的制度只适用于本部门人员，无法约束外部人员。道德路径是教育数据治理的重要途径，也是法律路径、制度路径和技术路径的重要补充，其对多元治理主体的调节约束、自我管理和利益共生有较强的内生引导作用。但是，随着社会的发展，道德路径的功能正在经受挑战，师生数据隐私的泄露已成为普遍关注的社会问题。技术路径是指用技术来促进教育数据治理，以此来提高教育数据治理的效率、稳定性、安全性和治理成效。传统的技术治理更多关注将技术作为治理对象，关注技术路径引发的“技术万能”等问题，对技术促进教育数据治理的系统性思考不多，忽略了技术在教育数据治理中的积极作用。上述传统的治理路径在有效支撑教育数据治理的同时，其局限性也使得教育数据治理中的数据安全不足、质量不高、开放程度不够和应用风险等问题长期存在，因此寻求一种适切的治理路径成为一个亟待解决的问题。

当然，法律路径、制度路径、道德路径和技术路径各有其特点和优势，其在教育数据治理中是互相融合和彼此依存的关系。随着新一代智能技术的日益发展，技术路径以其技术融合性、稳定性、精准性和普适性在教育数据治理中有着较高的应用价值，或许会对解决教育数据治理问题有所裨益。

二、教育数据治理中的关键技术及其关系审思

技术逻辑导向下的教育数据治理，其实质是把智能技术嵌入教育数据治理之中，使其成为教育数据治理的“准主体”，进而发挥其内在的善治逻辑[3]。但是作为准主体的智能技术因其自身的边界性、互补性，导致其必须融合应用才能释放出更大的技术价值。当前阶段，教育数据治理的关键技术包括大数据、人工智能、区块链、云计算、5G，它们之间是相辅相成、互相促进的关系，其具体关系如表1所示。

（1）大数据。大数据技术是预测分析、数据挖掘、统计分析、人工智能、自然语言处理、并行计算、数据存储等技术的综合运用[4]。其主要为其他关键技术提供大规模、高速率、多样化与高真实性的数据支持，同时大数据也需要借助其他技术来进行数据的获取、整理和价值增值。

（2）人工智能。人工智能是借助计算机等设备模拟人类智能活动的技术，同时也是一门涉及模拟、延伸与扩展人类智能的理论、技术、方法与应用系统的前沿交叉技术学科。它主要为各个技术系统赋以广泛智能性。在技术融合应用的系统中，人工智能将占据主导地位，借助其他技术手段和工具进行学习、计算和控制，确保系统智能、高效地运转。

（3）区块链。区块链技术是一种集体维护数据的分布式账本数据库，具有去中介化或信息不可篡改、透明可追溯、保密性、自信用等特点[5]。区块链技术主要是保障各个技术系统的安全性，确保数据的安全。因此，基于数据的其他技术也就具有较高的安全性，与此同时，区块链也可以确保数据的准确性与可用性，保证数据质量。而人工智能建立于大规模、高质量的数据基础之上，运算力、数据质量和算法模型是其三大要素，其中，数据质量对人工智能算法模型的训练有着极为重要的作用。人工智能可以借助更高质量的训练数据优化自身智能，使自身智能更加高质。

（4）云计算。云计算是一种无处不在，通过网络可以随时随地、按需便捷获取共享资源的计算模式[6]。其在教育领域的迁移应用称为教育云，它以按需分配、弹性扩展的模式为教育提供教学、科研、管理等应用服务[7]。主要包括提供基础设施服务、平台服务和软件服务等三个方面的服务[8]。云计算技术主要为其他技术系统提供运算力和存储支持。大数据、人工智能、区块链等新技术的高效、稳定运行离不开高运算力的支持。

（5）5G。5G是利用现存的网络技术和新的网络技术构成的多种网络形态，它包括各种现有的通信网、互联网、传感网、物联网等[9]。它可将信息空间与物理空间实现无缝对接，帮助人类实现在任何时间、任何地点、任何人、任何物都能顺畅地通信，都能通过合适的终端设备与网络进行连接，获得前摄性、个性化的信息服务[10]。因此，5G技术主要为其他技术系统提供超高速与泛在化的网络支持。尤其以5G通信技术和物联网技术为代表的下一代5G，以其超高数据速率、大规模连接、低时延、高可靠性等特征为教育数据治理业务的数据传输和处理提供了超高速与泛在化的网络支撑。

三、教育数据治理中的关键技术功用

智能技术的边界性与互补性要求其融合应用才能释放更大的价值，但就单个技术而言，其在教育数据治理领域有其自身的功能所在。

（一）大数据：推动教育治理由传统治理向现代化治理转型升级

大数据应用于教育治理的最大的价值在于数据治理思维的形成，这对推动教育治理转型升级、引领教育治理走向现代化起到不可估量的作用[11]。数据治理思维的形成意味着，教育数据不再只是被治理的对象，也是治理的工具。一方面，大数据作为被治理的对象是因为传统的教育治理中存在数据安全度不够、数据质量不高等问题，限制了数据业务的有效开展。另一方面，大数据作为新的生产要素和治理手段，其驱动教育治理转型升级的价值主要体现在：治理理念上由传统的“管理本位”向“服务本位”转型，治理体制上由传统的科层化、碎片化向网状化、扁平化转变，治理主体上由传统的单一管理主体向多元共治转变，治理方式上由传统的基于部分抽样和个案试点的经验判断转向基于全样本数据的科学决策，治理模式上由稳定的静态化治理向复杂的动态化治理转变五个方面[12]。如2017年重庆邮电大学启动“数据共享行动计划”和“大数据分析行动计划”的教育数据治理实践[13]，该实践表明数据治理思维在校级层面已经开始形成。该校从智慧校园的顶层设计出发，编制数据标准和技术规范，颁布学校数据管理办法，并以智慧校园基础软件平台和底层应用为支撑，全面促进学校教育教学管理等业务的数字化转型，逐步建立了“一中心三库”的校园数据服务体系和统一的数据共享交换服务中心，形成了“一分析多应用”的教育大数据分析应用格局，保障了教育业务和教育数据治理工作的高效、稳定开展。

（二）人工智能：为教育数据治理体系赋智

人工智能主要通过人機协同下的智力支持和教育数据治理生态的智慧孕育为教育数据治理体系赋智，推动数据治理走向“智治”。人机协同下的智力支持具体可概括为三个方面：第一，业务替代，人工智能可替代教育数据治理人员执行标准化、程序化任务，这样不仅可以提升数据治理效率，降低数据治理业务人员负担，也可以使教育管理人员更加聚焦于决策性任务。第二，决策补偿，教育管理者是有限理性的，人工智能可对其决策进行实时验证，辅助其进行科学决策，有效规避决策错误、遗漏等行为的发生。第三，方案创造，人工智能通过对教育大数据进行深度挖掘和数据分析，可为教育管理者提供创新性的行动解决方案。当然，人工智能赋智的教育数据治理体系不能仅仅聚焦数据治理问题的解决，更应致力于建立智能化、自动化、个性化、多元化以及协同化的教育数据治理秩序，并进一步推动“秩序”与教育数据资产价值发展的对接[14]，形成教育数据的智慧治理生态。

（三）区块链：降低数据应用风险

区块链作为一个可信任的分布式系统，其核心准则是通过消除或减弱系统中心节点的高控制性，将系统各节点的权利层级扁平化，进而降低数据应用风险。具体而言，是通过保障数据的安全与质量来降低数据应用风险。数据安全方面，它通过去中心化的存储和创建由区块链本身为可信根的去中心化系统保障数据的存储安全，以及采用非对称加密算法和共识机制来确保节点间的通信安全。数据质量方面，区块链的溯源技术可对数据操作行为进行溯源查找和验证追责，为监管机制的落地实施提供保障，与此同时，区块链也可对数据进行确权，健全数据共享机制，进而促进数据质量的稳步提升。

（四）云计算：教育业务“云化”，支撑教育数据治理业务高效开展

大数据时代，庞大的数据体量和高速率的数据通信需求使传统的数据存储、数据流动方式越来越难以支撑数据治理业务的正常开展，教育数据治理业务的“云化”成为必然。而作为“云化”的关键技术云计算，一方面，其可以根据数据业务规则对原始数据进行初步的清洗与过滤，提高数据质量及可用性，同时还可对数据业务按照优先级自动排序，避免短时数据量过大导致的系统延迟。另一方面，教育数据搜集覆盖面向横纵延伸，直达学生、业务，可实现由上到下、由点到面联结每一个人、每一个物。通过对数据进行挖掘与建模分析，还可以研判突发事件的发生概率，提升教育治理体系应对突发事件的能力。如其时间灵活性和空间灵活性可以较好地应对特殊时期出现的数据量处理需求。

（五）5G：为教育数据治理流程的无缝衔接提供网络支撑

多样化智能终端和传感器在教育领域的应用使教育数据呈指数级增长，对教育数据治理而言，传统的4G通信网络已难以满足教育领域日益增长的网络需求。而具有超高数据速率和低延迟等技术特征的5G通信网络为教育数据治理业务的高效开展提供了机遇。一方面，其可以提供通信基础设施支撑，确保终端设备和云端网络之间的良好衔接、配合、互补，促使教育应用更加丰富和普及，实现万物互联[15]，将教育教学、科研、管理等领域中沉睡、分散的教育数据有效利用，保障教育数据的生命周期高效、流畅地运行。另一方面，5G通信网络的普及可促进教育数据治理业务网络化，推动电子合同、发票、印章、签名、认证等业务的数字化应用，为在线办公等数据业务提供更好的支持。

四、技术治理范式下教育数据治理面临的挑战

教育数据治理技术体系中关键技术的融合应用符合协同化理论，即大数据、人工智能、区块链、云计算、5G的融合应用将超越各技术自身的数据治理功能总和。它们可形成最大的合力，产生最大的价值，能够有效推动教育数据治理体系更加智能化、精准化、协同化、有序化发展。但是，其在未来将面临以下挑战。

（一）高成本的信息基础设施建设

不可否认，先进技术在教育数据治理领域的融合应用，会极大推动治理流程的智能化、治理工具的便捷化，最大程度消除教育数据治理的条件限制，降低数据治理成本，但其首要前提是信息基础设施建设必须普及。信息基础设施建设在我国高校教育信息化建设成本中占比最大，尤其是大数据、云计算、人工智能、区块链和以5G为代表的先进技术的融合应用，需要进行大量的硬件和软件建设，其种类、规模都将迈入新的量级，高昂的信息基础建设成本给新技术的融合应用和教育数据治理业务工作的开展带来了巨大的挑战。

（二）失序的智能技术应用生态

善治是技术治理范式下教育数据治理的核心要义，也是智能技术应用教育数据治理的最终导向。要实现善治，实现技术对教育治理的有效支撑，技术范式下的教育数据治理至少要实现两方面目标：防止自身失序和控制失序造成的负外部性。具体体现在，第一，技术应用失序带来的负秩序效应。如果单个技术不能有序并合乎伦理地应用，将会妨碍技术应用生态的基本运行和维系。第二，教育数据治理失序带来的负秩序效应。教育数据治理是教育治理现代化的重要支撑，如果教育数据治理可以有效开展，则可以有效地约束自身的负外部性，但是教育数据治理一旦失序或弱序，引发如数据孤岛、隐私泄露等问题，那么其必将对教育治理构成威胁，影响教育治理的现代化进程。

（三）边界模糊的教育数据治理业务

教育数据治理业务边界的模糊性主要体现在：第一，教育数据治理人员权责边界的模糊。智能技术的融合应用使数据治理工具操作简单、便捷，治理业务开展智能、准确，因此，非数据治理人员也可以参与到数据治理工作中来，数据治理业务范围逐渐模糊，这就使教育数据治理队伍管理难度增加。第二，责任归属的模糊性。当前的人工智能处于弱人工智能阶段，随着强人工智能阶段的到来，其必然在教育数据治理中担任更多的角色和任务，但是由于技术自身的局限性，如人工智能算法的漏洞，导致数据治理业务的延误，更有甚者造成严重损失的情况出现，责任属于人还是属于机器，是数据管理者必须考虑的问题。

（四）潜在的教育数据伦理风险

智能技术嵌入教育数据治理有其适度性，其主要体现在嵌入的必然性和或然性两方面。其必然性意味着绝大部分教育数据治理业务需要智能技术来支撑其灵活、高效地开展，或然性则意味着小部分教育数据治理业务不需要智能技术的过多干预。进一步而言，数据驱动的教育决策，尤其是教师应当保持适当的警惕，避免技术对学生主体的遮蔽。除此之外，由于教育数据的特殊性和敏感性，其对数据隐私具有较高的要求，在具体的应用场景中要考虑到技术伦理问题。

五、总结

技术的问题要优先用技术来解决，而教育数据治理的核心在数据本身，因此，针对当前教育数据质量不高、安全不够、开放共享不足等问题，选择以数据治理的技术逻辑为导向，以建构和谐的技术应用生态为落脚点，是推动教育数据治理问题解决，走向教育治理现代化的关键着力点。在未来，要充分发挥智能技术对教育数据治理的支撑作用，将新技术融合应用与教育数据治理相结合，进而更好地提升教育数据治理能力，提高数据质量。

[1]教育部.教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL].（2018-04-13）[2018-04-18].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2][3] 宋辰熙，刘铮.从“治理技术”到“技术治理”：社会治理的范式转换与路径选择[J].宁夏社会科学，2019（6）：125-130.

[4] 张锋军.大数据技术研究综述[J].通信技术，2014，47（11）：1240-1248.

[5] 郑旭东，杨现民.基于区块链技术的学生综合素质评价系统设计[J].现代远程教育研究，2020，32（1）：23-32.

[6]Mell P，Grance T.The NIST Definition of Cloud Computing[J].Communications of the ACM，2011，53（6）：50.

[7] 吴砥，彭娴，张家琼，等.教育云服务标准体系研究[J].开放教育研究，2015，21（5）：92-100.

[8] 刘成新，张松，苌雨.我国教育技术领域云计算研究现状述评[J].电化教育研究，2014，35（3）：41-45.

[9] 孙其博，刘杰，黎羴，等.物联网：概念、架构与关键技术研究综述[J].北京邮电大学学报，2010，33（3）：1-9.

[10]张平，苗杰，胡铮，等.泛在网络研究综述[J].北京邮电大学学报，2010，33（5）：1-6.

[11]杨现民，郭利明，王东丽，等.数据驱动教育治理现代化：实践框架、现实挑战与实施路径[J].现代远程教育研究，2020，32（2）：73-84.

[12]劉来兵，张慕文.大数据时代教育治理现代化的内涵、愿景及体系构建[J].教育研究与实验，2017（2）：30-35.

[13]熊余，储雯，蔡婷，等.高校教育大数据应用支撑体系的设计与实践[J].现代教育技术，2020，30（11）：91-97.