基于大数据的教育宏观决策信息化智库构建研究

王加祥

摘要：[目的/意义]构建信息化智库辅助教育宏观决策，将更加重视基于全面数据的大数据决策思维，是区别于传统决策方式的重要特征，对提升教育治理体系和治理能力现代化水平具有重要作用。[方法/过程]通过对教育宏观决策信息化智库建设的背景和研究现状的分析，本文运用文献研究法和跨学科研究法，围绕基于大数据的教育宏观决策信息化智库的定位和实践作用，分析数据来源，构建数据库架构模型和三级联动数据库平台管理体系。[结果/结论]本文提出了教育宏观决策信息化智库可行的构建方案，并从政策、管理、人才等方面给出实施建议，对推进我国教育宏观决策信息化智库建设具有一定的参考意义。

关键词：教育宏观决策智库    治理现代化    大数据    辅助决策

分类号：G311

1  引言

世界已经进入大数据时代，对多源数据进行整合、挖掘、分析进而创造价值已成为趋势，以大数据为代表的数字技术已经在政府决策管理、企业运营、社会治理和经济运行等方面发挥了重要的智库作用。根据腾讯研究院联合中国人民大学统计学院指数研究团队发布的《国家数字竞争力指数研究报告（2019）》[1]、瑞士洛桑国际管理发展学院（International Institute for Management Development，简称IMD）2020年发布的世界数字竞争力排名第四版[2]，可以看出现阶段世界各国的整体竞争力和发展潜力与其数字竞争力紧密相关。

教育竞争力是国家综合竞争力的重要组成部分，而教育宏观决策质量直接影响着国家教育竞争力，构建基于大数据的教育宏观决策信息化智库，将有利于提升教育宏观决策创新力。国家在推动利用大数据等信息化技术优化教育治理能力方面，已出台相关政策支持，2018年4月出台的《教育信息化2.0行动计划》[3]中，提出要完善教育管理信息化顶层设计，全面整合教育政务信息系统，开放共享教育政务信息，提高利用大数据支撑保障教育管理、决策和公共服务的能力。2021年2月，教育部发布2021年工作要点，提出推动形成教育系统数据资源目录和数据溯源图谱，制定教育领域的基础数据标准规范，并逐步实现共享[4]。

2  教育宏观决策信息化智库建设的背景和研究现状

教育宏观决策作为政府部门或教育行政部门对重大教育问题的政策，是针对教育发展趋势和教育结构调整所做的宏观层面决策，而不是对教育工作中对某件具体事务的微观决定，一般包括与教育相关的法律法规、决定、条例等[5]。国家教育决策的发展历程体现了社会在不同时期对教育的不同需求，以及教育自身改革发展过程中面临的众多矛盾和挑战。这些决策均是在回应社会的教育需求，不同阶段的政策既有一定的连续性，又有一定的变化和发展[6]。随着社会经济的快速发展，社会各界对教育的关注程度越来越高，各层次教育普及度和质量要求不断提高，教育领域面临的变化和发展问题也变得尤为突出。然而，在教育决策过程中，由于决策者的情感及价值判断等因素，“拍脑袋决策”的现象依然存在，这就可能导致决策在执行过程中偏离期望目标，甚至成为错误决策，这反映出传统决策方式已不能完全适应现代教育决策发展的需要。

由此可见，要提升教育治理现代化水平，应使决策过程从依靠经验向基于证据的循证思维转变，强化政策研究和决策的多主体协同意识、证据意识与大数据思维方式，加快教育决策信息化智库建设。

国内外对基于大数据的教育决策智库的研究均处于探索阶段。2013年12月，华东师范大学国家教育宏观政策院成立，其目的在于全面对接国家和经济社会对教育发展的需求，为国家宏观和全局教育决策提供支持，为国家教育决策科学化和治理现代化提供专业支撑，并于2019年4月正式启动教育大数据决策标准研究。胡弼成和邓杰[7]认为，顺应大数据时代的发展，教育变革已经进入了一个新的阶段，教育领域将迎来一场前所未有的大变革。杨现民等[8]也认为，教育大数据正在“成为推动教育系统创新和变革的颠覆性力量”。冯·扎斯特罗（Von Zastrow）和泽克·佩雷斯（Zeke Perez）[9]通过对州政府纵向大数据系统（Statewide Longitudinal Data System，簡称SLDS）的基础和结构研究认为，在幼儿教育、K-12、高等教育和职业教育四个核心国家教育机构中的两个或更多个系统之间建立正式联系，可以跟踪学生从幼儿期到职业生涯的进步，为国家领导人能够更有意识地和有效地使用这些数据来为关键教育决策提供信息。

拉迪卡·戈鲁尔（Radhika Gorur）[10]研究认为，充分利用大数据技术为决策提供辅助支撑，推进决策方式从“基于有限数据”向“基于全面数据”转变，并对数据信息进行提取重构，最终转化为有意义的“知识”甚至“智慧”用于辅助决策，有利于推动教育宏观决策研究从经验型、粗放型向精细化、科学化转变。钟婉娟和侯浩翔[11]认为，将大数据挖掘分析技术应用到教育管理决策和研究领域，是大数据时代发展的必然，将教育相关数据按照关联关系建立模型以起到预测、论证的作用，这也是一种方法论和思维方式上的革新。

3  功能定位与实践作用

3.1  功能定位

不同于一般的教育智库为某一具体教育问题给出决策咨询和建议，基于大数据的教育宏观决策信息化智库，是为国家教育改革与发展所面临的全局性、战略性以及综合性的重大问题提供决策辅助，要求数据的规模更大、涉及面更广、实效性更高，甚至要有一定的趋势分析能力。其利用大数据技术建立的多类型、多维度、多形态的与教育相关的多源数据库，严格执行数据质量和数据安全管理，以确保数据准确、来源可靠且可追溯，并通过数据接口进行数据共享及数据交互服务，是服务于教育宏观决策的知识平台，也是提升国家教育治理体系和治理能力现代化的重要抓手，其基本功能定位包括如下三个方面。

3.1.1  教育宏观决策基础资源库    本文通过构建教育宏观决策大数据标准体系，以元数据规范采集整合历史数据、业务数据以及与教育决策相关的其他多源数据，严格执行数据质量和数据安全管理，确保数据准确、来源可靠且可追溯，成为安全可信的基础资源数据库，并不断完善数据资源共享机制，提供数据服务。

3.1.2  教育宏观决策信息化智库    教育政策所追求的數据科学客观性是标准化和量化实践的结果，这些实践通过将人的素质定义和量化为类别和数字来解决争议。客观性取决于三种转化：首先，将科学专业信息转化为标准化和可列举的定义;其次，对标准化信息进行量化;最后，把量化技术产生的数据转换为与政策相关的客观数据。构建高质量的知识库，为教育宏观决策及其研究工作提供支撑，发挥智库作用，改善政策制定者长期面临的客观建构的不确定性问题，是政策决策科学化和“循证”教育治理的重要保障[12]。

3.1.3  教育宏观决策研究数据信息交互平台    建立基于大数据库的信息交互平台，一方面，可以实现教育行政部门各项基本业务的实时在线业务协同;另一方面，通过为教育决策者、研究专家、社会公众共享数据资源，丰富教育决策研究群体的知识结构，消除因个人知识储备的局限性和数据信息的滞后而造成的决策研究与教育实践不匹配。同时，通过及时有效的信息交互，其有利于直接采集研究机构、咨询机构以及社会公众对教育宏观决策研究的意见建议和实践反馈数据信息，丰富数据库样本，使决策过程更加民主和科学。

3.2  实践作用

教育宏观决策大数据库的应用，在深化教育综合改革、提高教育质量、保障教育公平、优化教育结构、支持教育宏观决策和改进教育公共服务等方面，发挥其智库作用。其实践作用主要表现为以下四个方面。

3.2.1  使决策方式更加科学    利用大数据挖掘分析技术，对教育领域复杂的系统问题，及时把控趋势和动态，通过构建国家级、省级、地市级完整的数据体系，及时识别突出矛盾和关键问题，明确调控的目标和任务，做到超前预判和未雨绸缪，提高政策应对的主动性，适时推出有针对性的有效决策。

3.2.2  使决策依据更加透明    构建国家级、省级、地市级完整的数据库，通过数据共享建立高效的数据库管理平台，支撑教育决策和研究工作协同。具体包括：技术与政策的工作协同;行业和部门间的工作协同;上级政府和下级政府之间的工作协同;不同地市间的工作协同;决策制定、执行和监督各工作环节间的工作协同。

3.2.3  使决策过程更加民主    通过建立大数据库交互应用平台，鼓励教育决策相关信息和数据的开放和共享，引导教育咨询机构、教育决策研究人员以及社会公众更便捷、更直观、更高效地认知和参与教育决策，为不同群体能够更好地表达教育诉求和建议而提供平台和渠道的同时，也能够直接采集到关于教育决策实施质量和效果的有效反馈信息。

3.2.4 使决策管理动态优化变为常态    数据样本数量的不断增加，以及数据分析策略模型的持续优化，为教育决策研究成果和相关决策成效的长期动态评估、反馈、修正和完善提供了重要支撑。教育宏观决策信息化智库辅助决策的循环优化过程和措施如图1所示。

4  教育宏观决策信息化智库构建

4.1  数据来源

教育宏观决策信息化智库，并不是简单地用于提高民众受教育程度和提升教育治理水平，应该遵循国家的发展战略需要，兼顾社会发展、经济发展等需要，因此，教育宏观决策信息化智库在发挥辅助决策功能时，更加重视对全面数据的采集和分析。其数据来源复杂，一方面，涵盖国家各级教育发展战略、教育体制改革、教育政策、基础教育、高等教育、继续教育，以及不同国家、民族和地区的教育方面的综合对比研究数据、教育评价数据;另一方面，涉及经济、人口、文化、就业等社会管理及产业结构、国家政策法规等数据。

此外，其还包含来自教育政策的执行者在政策实践过程中的实时反馈信息，以及关于教育的网络舆情信息数据和调查数据，这些数据的聚合体现出教育宏观决策信息化智库数量大、多类型、多维度以及结构复杂的特点，如表1所示。

4.2  架构设计

在构建基于大数据的教育宏观决策信息化智库时，应统筹管理数据来源，并按数据特征分类采集，将分散、零乱、标准不统一的数据，按照元数据分类标准和数据结构关系整合到一起。通过对数据仓库中的数据进一步进行抽取、清洗操作，按照多维的方式进行存储，包括定义维度、需要计算的指标、维度的层次等，生成面向决策分析需求的数据立方体，建立面向部门级业务并且只面向某个特定主题的数据集市[13]。在此基础上，对数据进行封装，建立专用接口提供数据服务，教育决策部门、研究机构、咨询机构以及社会公众可以通过数据引擎和数据共享接口获取数据。本文将基于大数据的教育宏观决策信息库总体架构划分为数据源、数据处理与存储以及数据服务三个层次，如图2所示。

数据源层包含教育宏观决策所有可用于分析的数据，提供解决业务问题所需的基础数据资源。数据可以是通过批量模式采集的共享数据，也可以是通过实时模式采集的互联网数据。按照结构特征，数据可分为结构化、半结构化和非结构化。数据处理与存储层负责从数据源获取数据，依据数据标准规范进行数据治理，经过清洗、转换、加载等预处理后，提供给用户进行调用，如元数据库、业务数据库、模型数据库等，该层直接面向应用系统，要求高可靠、高并发以及高精度[14]。在数据服务层，用户可以通过联机处理，进行实时业务交互、数据分析，也可以通过数据接口获取数据库共享服务。

4.3  分阶段建设

教育宏观决策数据涉及面广，结构类型复杂，在构建大数据库时，要先建立统一的数据标准，统筹管理数据来源，并根据数据特征分类采集，将分散、零乱、标准不统一的数据，按照元数据分类标准和数据结构关系整合到一起。本文将建设过程划分为五个阶段。

4.3.1  第一阶段：构建教育宏观决策大数据标准体系    大数据库建设标准先行，在遵循大数据国际标准和國家标准的基础上，本文依据标准化、规范化和开放性原则，将教育宏观决策大数据标准体系总体上分为基础标准、数据标准、技术标准、管理标准等，涵盖术语概念、元数据、数据分类、采集处理、数据服务和质量管理、安全管理、共享管理等内容的标准和规范，将教育宏观决策相关的业务范围界定、业务数据接口形成统一的理解，消除信息壁垒，促进数据互联、互通，推动数据共享和业务数据协同[15]。同时，该标准体系也可以作为学校信息化建设、教育部门业务系统和其他教育应用系统数据库建设的指导规范。标准体系参考模型如图3所示。

4.3.2  第二阶段：以反映事实为目标，建立基础业务数据库    在标准体系的基础上，一方面，通过数据共享批量采集教育系统以外的社会基础数据，如人口、经济、就业、法律法规等结构化数据;另一方面，整合各级教育系统包括学校在内的各项业务流程和业务数据，这些部门的工作既是数据的使用者，也是数据的生产者和管理者，应规范和管理好这部分数据，确保数据质量，实现教育系统内的业务实时交互和查询，实现业务数据的图形化展示和基础数据的统计分析。例如，全国教育水平质量分布、全国各层次受教育状况、区域教育资金投入、教师和学生比例、毕业生就业情况跟踪等，并实现图形化展示历年的变化情况，供教育决策部门参考，同时实现对外开放共享。

此外，采集学生个人学习能力水平、健康状况、家庭基本情况等数据，这些看似不重要的微观数据的汇集，对于反映地区乃至全国教育质量、学生身体素质、家庭结构对教育的影响等方面的问题，均能够给出较好的参考价值。

4.3.3  第三阶段：以全面数据为目标，采集多源数据    一个科学公平的决策应符合决策相关群体各方的利益，决策者应充分了解政策利益相关者的需求和想法，在决策过程中尽可能地取得各方的意见和建议，体现集体决策智慧。

首先，通过建立数据信息交互平台，在实名认证的前提下，利用互联网向教育研究机构、教育咨询机构、学者和社会公众开放共享大数据库内容。同时，采集其对教育决策的分析研究信息、教育需求以及政策实施情况的监督和政策效果的反馈信息，如在线问卷调查、投诉建议等。在决策过程中，建立有效的沟通机制，使政策相关各方能够实现信息对称。

其次，通过热门词条爬取社交网络中有关社会公众对教育的关切数据，如择校、公民同招、减轻学生负担、校外培训、高考改革、大类招生等热门舆情数据[16]。这些数据虽然不一定被认为是必不可少的，但对于公民教育需求分析而言，属于较为短缺的另一类数据。

最后，跟踪采集实时数据能够大大提高应对突发事件的决策时效性和应急决策能力。在过去很长的一段时间，此类数据的搜集只能靠各级部门的人工处理统计，再进行层层上报，并应用于决策参考，很容易造成决策的滞后，影响政策效果。在大数据时代，互联网应用的普及，为此提供了可行的途径。例如，新型冠状病毒疫情期间，政府和教育部门通过对全国各地区疫情实时数据的分析，统筹安排各地区不同学龄阶段学生的入学时间，这正是基于大数据决策的一个重要体现。

4.3.4  第四阶段：根据决策类型及数据特征建立辅助决策模型库    辅助决策模型库是一种需要动态优化的模型库，受政治、经济、就业、社会文化及自然环境等多重因素影响。在不同时期，各类因素所占的权重也可能不同。根据教育宏观决策的重要程度和时效性，可以分为一般问题决策、重要问题决策、应急事件决策、临时决策、短期决策和长期决策[17]。在建模过程中，除了部分结构化的数据外，更多的是各类非结构化的文档数据，对这些数据建模之前不能简单地基于字符串正则表达的方法进行分词，需要利用基于神经网络和基于统计信息等的分词方法对文本进行分词处理[18]。通过建立文本特征，对问题事件的重要程度和时效性赋予相应的特征权重，构造决策词袋模型，最后根据不同类型的决策主题，选择相应主题数据库以及关联的数据库，对关键要素按元数据标准进行分解，从而形成结构化的和可量化的数据。

辅助决策模型库的建立，一方面，可以用来将采集到的数据与历史数据进行纵向和横向比较，并进行定性和定量分析，从而对已发生的问题事件输出决策建议;另一方面，是对采集到的各类问题事件数据进行自动分类，并利用相关性融合分析算法，对潜在的发展趋势进行全方面预测判断，将可能的各种结果以文字图表等方式呈现出来，供决策者参考[19]。

4.3.5  第五阶段：实现大数据库开放服务    在决策支持服务方面，国家对教育结构均衡发展的调控将更加精准。地方政府及教育部门可以利用大数据平台更加准确地把握地区社会教育需求，合理调整教育资源，解决教育矛盾。例如，当前较为热门的优质教育资源均衡化问题。只有掌握真正的优质资源的数据，才能精准施策，接受社会公众的监督，消除质疑。

在社会公共服务方面，各级各类学校以及社会培训机构可以以教育政策数据信息为导向，对自身定位和发展进行优化调整。任何人都可以通过互联网查询教育政策数据信息，规划个人发展，社会研究机构和咨询机构可以在授权范围内，共享相关数据用于分析研究。

4.4  构建三级联动数据库平台管理体系

近年来，国家教育部和省市教育系统在信息化平台建设方面，都已建立各自的信息应用系统，且都拥有一定规模的数据信息资产;然而，由于在建设过程中各自为战，没有形成统一的数据标准和共享机制，数据只在系统部门内部进行数据交互和共享，从而导致数据孤岛的出现。此外，上级部门和下级单位之间在决策过程中，容易因数据不一致或数据交互不及时而出现决策意见分歧，导致在决策实施过程中出现缓执行甚至不执行的情况。为了做好科学决策，应在构建国家教育宏观决策主数据库平台基础上，根据大数据标准体系指导省级中观数据平台、市县级微观数据平台建设，与国家主数据库平台形成三级数据联动，保证自上而下的政策统筹，增加自下而上的数据信息交互渠道，如图4所示。

国家级数据库平台整合国家层面教育宏观发展战略、教育体制改革、教育政策、教育基础数据，经济、人口、就业等社会统计数据以及教育评估与教育研究数据，并提供在线数据接口，向省级、地市级开放共享。

省级数据库平台起到承上启下的作用，负责整合本地区中观层面教育政策研究及教育决策规划、制定和监督管理数据。

市县级业务数据平台整合本级别对应的教育数据、政策执行的效果、意见、建议等微观数据，并与省级、国家级数据平台进行数据共享和交互操作。

5  教育宏观决策信息化智库实施建议

为推动教育宏观决策信息化智库建设工作的稳步实施，保障建设成效，应从政策、管理、人才等方面多措并举，形成合力，充分发挥大数据在政策制定和决策研究中的价值。

5.1  加强政策支持，提高数据汇集效率

教育宏观决策信息化智库的建设过程不仅需要大数据技术方面的支撑，还需要其他配套政策措施的同步推进。长期以来，教育管理者和教育研究者往往更加重视自身擅长领域的数据搜集与管理，并非其不重视对全面数据的搜集利用，而是缺乏有效的数据汇集途径和技术方法，从而影响我国教育宏观决策对全面数据的分析利用。目前，各级教育管理部门、教育机构、科研机构都建有与自身业务相关的信息系统，积累了大量的与教育研究、教育管理相关的研究数据和业务数据，这些数据主要由各级相关部门独自管理，并仅限于有限范围内的分享应用，人为地制造了数据壁垒。由于数据共享机制的缺失，无法获取数据采集权限，直接影响数据汇集的效率，因此，需要政府制定相关政策并监督执行，引导和促进各级各部门落实数据共享，提高数据汇集效率。

5.2  建立数据交互渠道，重视被动的数据采集

信息化智库中的基础数据和业务数据的内容一般以“主动的数据采集”方式为主。例如，通过公对公渠道向其他领域申请数据共享，向各级业务部门下达数据提交的要求，或者通过网络爬虫爬取网络中的相关信息等。而“被动的数据采集”方式也应被引起重视，通过建设交互平台，为教育研究机构、咨询机构、社会公众等开辟参与教育决策工作的有效渠道。“被动的数据采集”方式具有数据准确性、用户自发性、快速和即时性等优点，如平台信息关键词的搜索频率、在线教育评论等。决策系统可以捕捉到发生在当下的社会所关注的教育相关热点问题、矛盾焦点以及最新的教育需求等信息，便于教育决策者及时调整政策预期，优化决策内容[20]。此举既能激发社会对教育问题的参与热情，也能推动决策制定过程更加科学和民主。

5.3  提升信息化智库建设管理能力，强化数据安全风险意识

信息化智库的建设离不开各级相关单位业务部门的共同协作，这些直接或间接的数据接触者既是数据的使用者，也是数据的生产者和管理者，其能否具备一定的大数据应用管理能力，直接关系到教育宏观决策大数据库的建设成效，因此，有必要进行大数据应用管理培训，普及数据的标准和规范，在符合规范的前提下，正确使用数据，对数据进行加工、保存和输出，确保数据真实有效。

此外，数据安全是智库应用的基础保障，作为国家战略资源的一部分，一定要从国家信息安全的高度出发，从技术上、制度上加强安全管理。为防止数据信息被人为泄露、篡改，在技术层面，可以利用区块链技术的不可伪造、全程可追溯、集体维护等技术特点，对每一个决策研究项目建立子链，在特定小组成员范围内，建立透明、可靠的信息交互通道[21]。同时，数据应用主体的安全责任和安全意识也非常重要，应定期开展数据安全培训，强化对部门业务数据和其他隐私数据的保护意识，建立严格的数据权限等级保护制度，责任到人，以确保数据库信息的安全。

5.4  提升跨领域、跨学科协同能力，激发专家智囊合力

由于教育宏观决策涉及面广，复杂程度高，学科关联度强，其信息化智库建设不仅需要大数据技术人才从软硬件方面提供框架设计、平台搭建、运行维护方面的技术支持，更重要的是组建专家智囊团队。在专家智囊团队遴选过程中，要求成员既应具有较好的政治素养和社会责任感，也要具备较高的学术造诣和创新力。由于教育宏观决策信息化智库建设更加重视基于全面数据的决策思维，因此，专家成员将不仅限于来自教育行业，可扩展至具有多学科背景的行业资深专家、各级行政主管机构负责人、经济学家、企业家以及关心国家教育发展的社会团体和个人等，并在此基础上引进高水平数据分析人才，建立激励机制，利用各自专业优势各展所长。

团队成员之间的协作方式可表现为两种方式。方式一，教育决策主体根据自身研究提出决策目标想法，通过信息化智库平台专门通道，向智囊团队成员征求决策意见和建议，成员针对不同类型的决策需求，提出各自领域的方案和建议，利用信息化技术进行实时交互反馈。此时，数据分析人才负责理解专家组成员发出的决策反馈信息，对信息数据进行结构化处理和分类量化处理后存入数据库，以便于系统利用指标模型调用和输出，最终做出决策辅助参考信息。方式二，由数据分析人才通过对采集到的各类数据进行量化分析和挖掘，发现与教育相关的突发事件或可能的重大趋势问题，向智囊团成员抛出待解决的问题，然后重复方式一的过程，输出决策辅助建议，最终为职能部门决策提供证据支撑。专家智囊团队之间的跨领域协同以及其与数据分析人才跨学科协作，能够有效地激发专家智囊的合力，大大提升决策过程的效率和质量。

5.5  扩大外部合作，重视数据库建设成效

与外部合作可以促进信息化智库建设的高起点、高質量部署实施。本文建议从三个层面积极开展多方合作：首先，技术层面与有政务大数据应用开发经验的互联网企业合作，利用其先进的技术和政府项目运营管理经验，获取前沿、成熟的技术支持，少走弯路;其次，研究层面与教育研究机构、咨询机构合作，共同研究和优化教育大数据评价分析模型，使决策更加科学;最后，实践应用层面与高校、基础教育学校以及社会团体合作，通过在线问卷调查等方式，获取教育政策实践反馈数据信息，及时优化决策内容，提升决策效果。

6  结语

在国家大数据战略以及教育强国战略的大背景下，教育决策创新越来越依赖海量、系统化、可信度高的数据资源，信息化智库的建设有助于推进教育治理体系和治理能力的现代化，对教育决策相关数据的全面收集、准确分析和合理利用，将成为教育决策创新的重要驱动力。同时，应该理性看待大数据在教育研究与教育决策领域的应用价值，现阶段大数据在教育决策研究方面的应用尚不成熟，关于教育大数据的概念、意义、本质、认知差异、技术挑战、道德与隐私以及对教育研究人员的专业培训等的一系列关键问题亟待解决[22-23]。教育行政部门应提供政策和资金保障，重视复合型数据人才队伍建设，结合实际，从基础做起，依据数据标准体系，重视数据准确性和数据安全，逐步完善信息化智库建设，使其真正为教育宏观决策工作提供智力支持。

参考文献：

[1] 腾讯研究院， 中国人民大学. 2019国家数字竞争力指数研究报告[EB/OL]. （2019-05-20）[2021-05-05]. http：//www.360doc.com/content/19/0520/22/49586_837128653. shtml.

[2] IMD商学院发布2020全球数字竞争力排行榜： 中国大陆排名大幅提升[EB/OL]. （2020-10-02）[2021-05-05]. http：//news.hexun.com/2020-10-02/202180150.html.

[3] 中华人民共和国教育部. 教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL]. （2018-04-18）[2021-05-05]. http：//www.moe.gov.cn/srcsite/A16/s3342/ 201804/t20180425_334188.html.

[4] 中国教育和科研计算机网. 教育部2021年工作要点发布 积极推进教育信息化建设[EB/OL]. （2021-02-04）[2021-05-05]. https：//www.edu.cn/info/focus/zc/202102/t20210204_2074919.shtml.

[5] 周满生. 教育宏观决策比较研究[M]. 北京： 人民教育出版社， 2009： 1-8.

[6] 王毅. 解读中国教育宏观战略决策： 谈松华访谈录[J]. 教育发展研究， 2005， 25（20）： 9-13， 6.

[7] 胡弼成， 邓杰. 大数据时代的教育变革： 挑战、趋势及风险规避[J]. 教育科学研究， 2015（6）： 29-34.

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

[9] ZASTROW V， PEREZ Z. Using state data systems to create an information culture in education[R]. Education Commission of the States， 2019：1-14.

[10] GORUR R. Afterword： Embracing numbers？[J]. International Studies in Sociology of Education， 2020， 29（1-2）： 187-197.

[11] 钟婉娟， 侯浩翔. 大数据视角下教育决策机制优化及实现路径[J]. 教育发展研究， 2016， 36（3）： 8-14.

[12] WILLIAMSON B， PIATTOEVA N. Objectivity as standardization in data-scientific education policy， technology and governance[J]. Learning， Media and Technology， 2019， 44（1）： 64-76.

[13] 百度百科. 数据集市[EB/OL]. （2021-07-08）[2021-07-08]. https：//baike.baidu.com/item/数据集市/607135？fr= aladdin.

[14] 李联宁. 大数据技术及应用教程[M]. 北京： 清华大学出版社， 2016： 82-90.

[15] 中国电子技术标准化研究院. 大数据标准化白皮书（2018）[EB/OL]. （2018-03-29）[2021-05-10].http：//www.cesi.cn/201803/3709.html.

[16] 胥伟岚. 我国教育领域的网络舆情研究： 热点与转向[J]. 教育传媒研究， 2020（4）： 40-44.

[17] 李树峰. 宏观教育政策决策研究[D]. 上海： 华东师范大学， 2009：65-73.

[18] 王星， 李超， 陈吉. 基于膨胀卷积神经网络模型的中文分词方法[J]. 中文信息学报， 2019， 33（9）： 24-30.

[19] 葛宁玲. 基于相关性分析的多维数据融合方法[D]. 北京： 北京邮电大学， 2020：19-54.

[20] 刘兰， 吴振新. 网络存储信息采集方式研究[J]. 图书馆杂志， 2009， 28（8）： 28-31.

[21] 百度百科. 区块链[EB/OL]. （2020-10-22）[2021-05-20]. https：//baike.baidu.com/item/区块链/13465666#4.

[22] 母小勇， 张卫民. 理性面對教育研究与教育决策的“实证科学”化[J]. 教育发展研究， 2017， 37（17）： 31-37.

[23] DANIEL B K. Big data and data science： a critical review of issues for educational research[J]. British Journal of Educational Technology， 2017， 50（1）： 101-113.