基于大数据的学校教育质量监测与评估

江苏省姜堰中学/ 孙友新 周建文

大数据时代的到来对整个社会都产生了重要的影响，教育领域也不例外。加快教育数字化转型，是“十四五”时期国家教育改革发展的重要战略。教育部部长怀进鹏强调“要把数字资源的静态势能转化为教育改革的强大动能”。教育大数据在教育质量监测与评估中发挥着越来越显著的作用。依托于大数据的学校教育质量监测与评估是落实立德树人根本任务的助推器，是素质教育与新课程改革成果的诊断器，躲不开也避不掉。发达国家包括部分发展中国家普遍建立起了大数据情境下学校教育质量监测与评估制度和系统，并逐步完善技术手段。

一、基于大数据的学校教育质量监测与评估的必要性

（一）监测更全面，评价更客观，分析更深入

在监测方面，不少教师对教育质量和效果的监测更多依赖于观察和谈话，这种做法有时可能会被表象所迷惑。因为当学生意识到自己正在被老师观察的时候，会刻意去掩饰一些行为，这就是心理学上所说的“霍桑效应”。在学生综合素质评价中，传统的数据采集方式一般以学生自评、互评和教师评价为主，所采集的数据容易受评价主体的主观因素影响，数据的客观性、真实性难以保障。但大数据系统采集的信息有效避免了这一短板。俗话说“人在做，天在看”，大数据可以看作是网络世界的“天眼”,在人们无意识的状态下采集数据，学生在线的学习和行为轨迹被实时记录和跟踪，这些数据真实、全面，是原生态的，没有经过加工。

在评价方面，以往学期末老师给学生写评语时，由于观察到的信息有限，再加上班主任工作繁忙，评语常常套路化、模式化，基本可以概括为几种模型，如“爱学习”“爱劳动”“成绩好” ……基于几个关键词进行重组，千人一面、非常单调。而学生情况千差万别，怎么表现出来？可以借助大数据为每个学生做数字画像，除了学科成绩的数字画像外，更能看到学生其他方面的成长，包括运动、情商、社会交往、情感表达等。数字画像对于一个人的生涯设计，包括因材施教和高校的持续培养甚至就业都有重要的价值，这些在大数据出现之前很难实现。

传统模式下评估教学动态和教学成效，更多地依赖考试分数。教师根据名次，想当然地率先找出所谓“学神”和“学渣”，缺少对学习行为的追踪和反溯，往往会失之偏颇。而借助现代技术进行大数据分析，可对学生的学业发展状况进行多元化评估。不仅能够看到考试分数，更能够发现学生学业成绩成因。如两个学生的数学成绩都是A，但是通过大数据教育监测和分析可能会发现，甲学生主要是依靠逻辑思维能力进行学习的，而乙学生主要是依靠记忆力进行学习的。可见，乙学生缺少后劲，需要对其尽早提供有针对性的学习策略，帮助他弥补思维能力上的不足。大数据还能对学习者课外活动、自主开展社团课程进行跟踪了解，全面周密把握，明察秋毫。家长同样可以实时用手机软件对孩子的活动进行跟踪，了解孩子每天课余作业时间，看过哪些书，去过哪里玩，等等；也可以通过对老师的数据咨询，在横向上将孩子与同班同学进行数据比较，如果发现自己的孩子花在作业上的时间已经超过同班学习者的平均时间，就要与孩子沟通如何改进学习方法策略，予以减负。

（二）引领学生个性化、多样性、自主化发展

新课改强调，教育监测和评估应该是过程性和个性化的。大数据不仅关注结果，而且实现了对过程的监测和评估，以发现每一个学习者独特的常态。在班级授课制的条件下，教师不可能实时将全班学习者的每一个细微反应都记录下来。传统的教学模式因为无法照顾到每个人，所以经常有老师说，“班上有几个学生失败，是理所当然的，难以百分百成功”。事实上，每一个人的成长过程都有一个不可复制的路径，如果把一个人的思维重新注入另一个人体内，其行为是否会表现出高度一致？答案是否定的。每一个人都是在基因表达和时空的特定环境下的一种互动，因此学生的个体成长是不能被复制的。不同的学生在达到不同的目的时需要的支撑或走过的路径都是不一样的，因此在什么情境下、在什么时机、在什么路径下、用什么方法来提供精准独特的帮助，就显得尤其重要。而在大数据情境中，无需通过教师的观察，就能做到全程“无微不至”。教师可根据任何一位学生的表情及感兴趣的程度，有选择性地回放，反思教的过程与学生学的过程的交互作用，促进学生个性化成长。基于大数据的自适应学习技术，不仅可以通过复盘式的反馈对教学重新设计，还可以根据学生的学习能力和偏好私人定制和推送学习内容和任务，从而引领教育进入一个高度个性化的时代。

最理想的教育应该是自主教育，而非强加在头上的沉重的监管和约束。借鉴大数据，能让学生真正实现自我评价，免去外来压力，从而淡化对教育者的精神依赖和畏惧，最大限度地激发发展潜力。主动的评价代替被动的评价既是新课改要求也是大势所趋，符合学生身心发展规律。随着技术的发展，在不久的将来，自我量化的有效评价将部分取代传统的月考测评和老师的评语等外部评价，成为促进学生成长进步的推进器。学生可以利用计算机、手机以及各种便携感应器来记录和分析自己学习、工作、运动、休息、娱乐、饮食、心情等数据，对各项指标进行自主监控，了解、分析和改进自己的行为。这样在一定程度上还可以消除教育监测中的盲点、直觉的误判和纯理性的局限。即使对于自律性很强的孩子，也一样适用。因为人的大脑的记忆和信息加工并不是高度吻合的活动，人是有限理性的动物，要始终做到科学地加工信息、精准地认识自己是不容易的，尤其是青少年学生。

（三）促进教育者科学、公平、精细化管理

教育质量监测与评估的最终目的是优化学校管理，提高育人质量。大数据的引入能够让教育者发现隐藏在纷繁复杂的假象背后的教育规律，摒弃误解，推进学校教育的科学化。比如一般认为英语学科好的学生语文成绩也好，但前几年江苏教育考试院借助大数据统计后发现，英语高考成绩和数学学科的正相关更加明显。再比如肺活量和数学成绩之间到底有没有关系，有什么关系？很多人认为喜欢运动的孩子肺活量大，而喜欢运动的人往往头脑简单、四肢发达，但事实上完全不是这样。经过大数据分析，会发现肺活量对于成绩影响非常大，特别是与数学科目相关性极强，肺活量大的同学数学成绩明显优于其他同学。这些颠覆一般人认知的常识，为教育工作者改进教学、揭示教育的规律提供了数据支撑。

大数据监测与评价教育质量一定程度上能够促进教育公平。一生一策、因材施教、个别辅导是一种理想的、优质的教育，但是成本极高，所以很多学校无法支持这一过程。由于没有教育大数据的支持，过去一直做得很有限，而现在的技术为此提供了可能。通过计算机、手机可以实时记录学习进程和细节，检测学生答错后及时反馈的情况；了解学生在网上提问、参与讨论次数的多少，如此等等。教育者通过统计鼠标点击的次数，可以研究学生的学习轨迹，分析学生对不同知识点的不同反应。大数据测评系统为每一位学生发放个性化的诊断报告，展示学生的学业水平和细节，包括知识点掌握现状、能力定位、错题本、学习结果变化等多方位、大样本的数据信息，从而在学生成长过程中提供最优的适时帮助，而不是在发现学生做错了以后再重新让学生做一遍。试错成本高的教育，不是科学的教育。另外，一所学校非常优秀的教师往往集中在实验班，从国家层面看，西部地区、边缘地区、农村地区优秀教师相对缺乏；而针对学校内、区域内教育资源不平衡问题，充分发挥大数据的作用可能是一个更好的解决方案。

大数据监测不会疲劳，误差很小，精细精准。教师能批量地自动获取学生群体的学习统计结果，能得到精确的教学前测信息。教师以前测的结果为起点实施教学，可以实现课堂教学的高效化；教师还可以查询学生的历史学习资源，准确了解学生成长变化过程的诊断结果。教师通过对学习小组的合作学习展开调查（包括同质的和异质的具体数据），特别是对任何学习者个人进行个案调查分析，视线从宏观群体走向微观个体，用数据说话能够促进师生信息双向反馈，服务教与学；教师通过学习理解、实践操练、创新迁移等学习环节，会快速系统地建构学科知识、教育心理学知识和教育组织与管理知识，精细化研究资源的组织体例和体现形式，增强业务功底，提升教育能力；教师在研究大量特级教师、骨干教师建成的教学资源过程中，专业化水平也会快速提高。家长也能精确地知道孩子在哪一个知识点和认知层次上有优势或出了问题，需要鼓励还是需要帮助，从而实施有针对性的教育指导，实现家校全过程、全员一体化的教育。

二、大数据情境下教育质量监测与评估的实施

（一）信息监测与数据搜集

信息监测与数据搜集需要专业的设备与软件系统等技术支撑。不少学校在教室、操场、图书馆、实践活动基地等公共场所安装了全程摄像设备。智学网、课后网等线上教学服务商也纷纷与学校展开合作。智慧校园、智慧教室等智能系统业已在不少学校得到应用，这些都是信息采集的重要渠道。随着大数据技术水平的不断提升，教育数据越来越无处藏身，不断地被记录、采集。

对于教育质量监测而言，大数据像是“看不见的眼”,在学生、教师、家长无意识的情况下采集客观数据，它能不知疲倦，洞悉一切,从白天到黑夜，从行为到结果，从外在到本质，看到人工所看不见的内容，装下人工所容纳不下的巨量信息，完成人工所完成不了的大量工作，进行人工所无法承受的计算量，得出人工所无法得出的评估结果。

当前数据搜集遇到的困扰是面对这些海量的数据信息，如何有效甄别、科学遴选。例如课堂教学过程性数据，存储量就是一个挑战。荷兰一所著名的行为观察软件公司经过研究，发现在一节40 分钟的普通中学课堂中，动作、姿势、运动、表情、情绪、社会交往与人际交互中各种信息的全新数据，大概为5～6 GB，其中可以归类、分析、标签的可分析量化数据约为50～60 MB。在录播教室，当一个学生站起来的时候一个摄像头会对准他，当他站起来回答问题的时候，数据被采集。学生在课堂上的表现可以通过摄像技术捕捉，40 分钟的课堂时间所经历的每一个细节，包括微表情、眼球的运动，甚至脑电波等，直到深层次的情绪变化、心理反应、人际交互等都可能被跟踪，这对于学生综合素质评价将是一个巨大的宝藏。但是这些数据究竟怎么用，如何让它们发挥教育价值，仍然是有待破解的难题。

（二）数据分析与质量评估

不少学校虽然借助大数据进行教育监测与评估，掌握了一定的数据信息，但仅仅停留在简单的业务系统应用管理上，缺乏相应的数据分析方法和工具，不能够完全解析这些数据信息的本质含义，自然也无法为教育教学提供强有力的支撑。而利用大数据技术，对收集的海量数据分析解码，则能够为教师教学和学生学习提供量化的指标依据，促进教育现代化的发展。分析教育质量监测的数据，不能按传统的模式全凭主观印象，而要通过科学的算法对大量的数据进行自动分析，揭示数据之间内在的关联和趋势，从而客观公正地评判教育质量，为决策者提供有用的信息。数据分析的主要目的，一是通过描述性分析发现潜藏在数据表面之下的历史规律，二是通过预测性分析确立未来努力的方向。

姜堰中学的大数据评估主要分为学期过程性评估数据和结果性评估数据。以往学期末学生可能只得到一份各学科考试成绩和教师评语，而现在有了大数据支撑，更多有价值的数据可以通过可视化的图表呈现出来。比如某位学生考了一个分数，这只是一个数字，这个数字可以帮助判断这位学生的名次、可能升入哪一些学校，但是数字的分析要结合努力程度、家庭教育、学习态度、智力水平等很多因素，经过数据采集与分析，才能发挥重要的教育价值。当然，姜堰中学采集得更多的是线上学习的过程性数据和结果性数据。学校使用的智学网、课后网以及其他各种各样的教育软件和教育学习平台，将促使这些宝贵的数据不断地被挖掘出来。

质量评估要有科学综合的人才指标评估体系，否则是经不住推敲的。尽管有些监测与评估的质性评价结果通过量化转变为数量不是特别精确，但从等级制来看还是必要的。为了说明指标体系与量化评估的现实可能性，姜堰中学参照优秀人才标准，初步分出四个指标系统，即品德指标系统、智力指标系统、能力指标系统、成绩指标系统，每一个指标系统分为三级指标，复合构成优秀人才评估指标体系。

（三）报告出具与实践指导

依据学校教育质量评价体系，姜堰中学借助智学网、课后网等系统为教师和学生提供尽可能精准的学生学业诊断报告和教育指导建议。该系统通过分析学生的作业、测试、互动问答信息等，生成个性化学习报告、定制化学习内容，给予学生有针对性的学习建议。诊断与错题本为学生提供了很好的自我诊断与检测条件，同时也提供了自主学习与互动环境。系统能自动记录学生的错题，形成错题本，自动存储和绘制学生的学习结果轨迹图；系统能根据学生学习后诊断的结论，推送学习资源和论坛空间，促进学生生成学习结果；选课与泛在式学习为学生的泛在学习提供了有利的环境，把系统架构在云端，帮助学生集合碎片时间，利用各类终端选择课程进行泛在学习。

学校将上述资料分别发送给学生、教师、家长、管理者等不同角色，为全面提升学生学习效果、提升师资水准、优化教学环节设计、提升教学质量提供参考依据。学校搭建了诊断平台，诊断平台向上对接学校课程体系、课堂教学，向下连接教育质量管理、学生综合能力判定，全程记录教与学的过程，记录学生学业完整的生命周期，为国家实施开放性人才选拔新机制提供了关于学业水平、学习过程的监控与测评服务。

需要补充的是，在原始记录中，每一个学生每一次活动的数据似乎是杂乱无章的，但当各种数据累积到一定程度时，学生、学习小组、班级和年级等群体的行为就会经过大数据的自组织统计呈现出秩序和规律。学生自身可通过分析这些秩序和规律调整自主学习。大数据、云计算的自动整合和跳转，将会成为师生新的学习方式。

三、现实的挑战及应对

将大数据应用到学校教育质量监测与评估是一个不可逆转的变革，变革必然会遇到挑战和风险。教育是一个特别复杂的育人系统，将大数据融入其中自会面临诸多问题和风险，因此要科学地应对挑战，谨慎地规避风险。

（一）技术瓶颈的挑战

尽管不少学校已经在教育质量监测与评估中进行大数据分析，做着相应的尝试，但由于学校环境、文化积淀、技术设施等诸多差别，实际操作中首先会遇到硬件设施和软件系统的短板，在数据收集、存储、处理和结果的可视化实证化等环节中面临各种技术问题。

监测和评估的数据类型、应用模型各不相同，导致某一学校的研究应用成果未必能推广到其他学校。这一问题早就被提及，但仍未得到有效解决。“数据兼容性挑战也不容忽视，不同数据存储系统中的编码和格式不统一，造成不同系统间的数据共享困难，无法形成统一的数据平台。”这就要求学校管理者要有前瞻性眼光，大胆决策，积极完善监控、录播设施，优化先进信息技术，开展相关大数据技术资源的前瞻性部署。产业和技术部门也要通过技术研发，降低操作和使用难度，提高使用率，迈向共建、共享、开放的未来教育。

（二）人才缺乏的挑战

学校教育质量监测与评估大数据系统的使用既需要信息技术专业人员的组织、协调与培训，也依赖于全体教师信息素养的提升。该项目的应用和推广最大的优势是市场庞大，有国家政策的支持，有各级融改项目的推进，有各省智慧校园的评比，运用前景广阔。最大的劣势则是人才缺乏。学校往往缺乏吸引胜任监测和评估需要的大数据人才的政策支持。收集、分析、处理质量监测数据事实上已成为优秀教师不可或缺的能力,而基于数据分析改进课堂教学、助推师生素养提升理当成为当下学校所关注的焦点。因此，学校迫切需要构建吸引普通教师积极学习大数据技术的有效机制。

（三）隐私和伦理道德的挑战

数据能够改变教育，这是毫无疑问的，但是在整理和分析数据时，随着智能化程度越来越高，越来越多的人担心隐私问题，尤其是孩子们的隐私问题，这是一个无法回避的事实。这就要求学校在将学生的教育、学习数据用于数据分析时，必须注意严守相应的政策和法律规定。个人隐私保护是实现数据采集和分析的重要前提条件，否则就会面临巨大的法律风险和道德压力。要增加学生活动的透明性，不能让数据信息成为他人偷窥的目标，更不能沦为渔利的工具。