大数据背景下课后服务监测实施路径

随着大数据技术的逐渐成熟，大数据与教育领域的融合越来越紧密。本文在梳理学校课后服务发展现状的基础上，分析大数据背景下学校课后服务监测的基本逻辑，剖析当前学校课后服务监测的困境，并提出实施路径：构建基于伦理本位的课后服务采集系统，推进基于循证理念的课后服务诊断方案，完善基于校本特色的课后服务评估机制，创设基于人技协同的课后服务决策体系。

关键词 大数据 课后服务监测 现实困境 实施路径

随着互联网、物联网技术的蓬勃发展，大数据时代的信息风暴席卷各个行业领域。与传统数据相比，大数据具有处理速度快、数据可重复利用、价值回报高等特点，大数据的应用促使各行业领域实现技术升级。学校课后服务监测是保障课后服务质量、提升课后服务评估信度和推动课后服务风险防控的重要手段。当前课后服务监测以传统的教师管理、监测为主，对于课后服务质量的监测仍实行量化的评估方式，监测手段单一、教师主观评价具有偏向性。随着义务教育“双减”政策落地，社会各界对于学校课后服务的实施给予了更多的关注与期望。把大数据融入学校课后服务建设，以信息化手段助力课后服务监测的高效实施是一条值得探索的路径。

大数据背景下学校课后服务监测的基本逻辑

大数据背景下课后服务监测是依托数字化技术，将大数据与传统监测模式深度融合，以实现课后服务监测的优化与转型。大数据背景下，应以师生行为数据为基础，监测课后服务质量与潜在风险，实现学校课后服务的高效监测。

1.以教育评价云平台为课后服务环境依托

课后服务监测依托于已搭建的教育评价云平台，促进课后服务的质量提升，课后服务管理具备实时预警能力，为课后服务监测提供环境基础与空间保障。中国基础教育质量监测协同创新中心在全国创建多个数据管理中心，搜集全国各地区教育质量检测数据，为课后服务监测与后续数据分析提供平台与系统。教育评价云平台涵盖数据采集系统、实时分析系统、数据库及应用系统等多个系统，打造大数据采集、数据分析、数字化运维、监测实施管理等多功能的综合运用平台。部分学校建立教育教学质量实时监测大数据平台，对影响课堂教育教学质量的各类要素进行智能化大数据分析，面向用户提供教学课堂质量监督的全过程信息化服务，形成科学合理、行之有效的教学质量保障与监控体系。

2.以大数据结构模型为课后服务信息采集抓手

基于课后服务监测的数据采集需考虑课后服务数据的不同结构与形态，教育大数据依照结构可分为基础层、状态层、资源层和行为层四个不同层次：基础层存储以国家教育基础数据为核心的所有数据，如不同地区学校管理信息、教育统计信息等;状态层存储教育环境、教育基础设施的运行状态信息，如学校智能设施配备与运行时间、教室基础设施折损情况等;资源层存储教育过程中的教学資源，如PPT课件、教学录像、微课、教案、教学软件等;行为层存储师生的行为数据，如学生作业的完成时间与学习习惯，教师教学的风格等。由于课后服务监测中采集的数据体量大、类型多，课后服务监测需实时观测并记录课后服务的全过程。

3.文本挖掘与机器学习助力课后服务评价创新

文本挖掘与学习分析是课后服务监测分析的基础。当前文本挖掘软件以中科院研发的ICTCLAS的表现最为突出，用户可自定义字典，对文字进行分类存储，其文本词频分析的正确率已达98%，支持全方位的应用开发。针对课后服务监测的不同数据类型，机器学习通过监督学习系统满足语音识别、自然局域网数据和自然语言处理等数据处理需求，实现课后服务数据的高质量分析，用以理解和优化课后服务产生的学习环境与教学技术。文本挖掘与学习分析为课后服务评价提供技术支持与分析方案，推动课后服务评价的数字化与智能化创新。

4.数据智能监测为课后服务决策提供现场证据

数据智能监测主要针对教师的教学资源、学习者的学习行为数据以及学习者学习过程中自我探究与反馈的数据内容，根据目标受众与教育资源平台的需求，优化课后服务供给的质量。当前的课后服务监测目标应以实现学生的全面发展为核心，通过数据智能监测，建构学生的知识图谱，例如Plotly就已经在纽约大学等多所高校中使用，用于建立学生的可视化学习报告，监测学生的学习实况。数据智能监测建立在大数据即服务（DBaaS）的理念基础之上，以提升课后服务为目标制定课后服务监测决策，防范监测实施过程的未知风险，保障课后服务决策的合理性与科学性。

大数据背景下学校课后服务监测的现实困境

1.课后服务信息采集受伦理失序威胁

从信息安全方面来看，课后服务监测的数据涉及学生、教师、家长等多个主体的数据，其安全性很难得到保障。例如，在线课程MOOC通过集中采集和分析学习者的数据，追踪学习者的教育记录、学习表现，优化MOOC对于学生个性化学习的推荐，但学习者的登录时间与地点此类信息，可能遭受恶意使用。此外，从隐私管理方面来看，学生的个体性与发展性没有得到应有的尊重。由于大数据的集合性较强，传统的安全技术（如防火墙、加密和防病毒软件）不足以保护大数据下的课后服务监测数据，一旦隐私泄露，数百万名学习者的个人信息和相关的教育记录将可能在网络流通。随着教育数据的采集与使用，教育管理者无形中侵犯了学生与家长的知情权等合法权益。

2.课后服务诊断受困于低质量数据资源整合

当前课后服务采集的数据仍以师生行为与自评为主，课后服务监测在不同部门间尚未形成体系。一方面，课后服务监测未成体系，不同部门间的监测数据并未联合分析，数据资源存在割裂现象，低质量数据未经事先筛选即进行整合分析。另一方面，由于结构化数据多来自于学生自评、学生考试成绩与教师评价等，低年段学生的自评通常具有主观性与人为偏见，虽然用于大数据分析，但此类数据难以为课后服务监测提供科学依据。

3.课后服务评估急需完善校本化反馈机制

依托于大数据背景，课后服务评估缺乏个性化与针对性。从课后服务质量监测角度而言，海量数据资源存在于不同学校的系统中，由国家建立的教育数据云平台进行统一管理，各学校缺乏校本化的质量监测机制。从课后服务反馈角度而言，反馈机制是指导课后服务实施的必要环节，由于课后服务平台仍待完善，数据处理无法及时反馈课后服务问题。与此同时，尚未根据学校的差异性制定相应的课后服务评估反馈机制，尤其对于乡村地区的学校来说，难以监测当地学生课后服务的实施情况。

4.课后服务决策尚需渗入人力支持与监管

我国教育信息化已发展数年，现阶段学校教育管理工作以传统的管理模式为基础。当前课后服务数据和信息较为分散，完全依赖于数字化处理的课后服务决策具有数据偏向的风险。因此，课后服务决策尚需渗入人力支持与监管。首先，从课后服务的信息资源方面而言，课后服务监测获取的信息资源未得到应有开发，完全依托于数据决策易导致数据偏向，忽视课后服务中的师生需求。其次，当前教育管理人员缺乏数据素养，面对海量数据难以高效处理，基于数据分析实现的教育决策缺乏有效判断，数据治理人才明显匮乏。

大数据背景下学校课后服务监测的实施路径

基于当前学校课后服务监测的逻辑与困境，本文提出以下课后服务监测实践路径，以学校课后服务监测优化课后服务的实施。

1.构建基于伦理本位的课后服务采集系统

课后服务的数据采集应考虑师生需求并保证采集过程中的数据安全。一方面，课后服务数据采集须尊重数据来源者的合法权益，保障学生与教师的知情权、使用权，划清权责界限，避免法律伦理向度的威胁。另一方面，为保护学生与教师的个人隐私，通过数据的加密转换，可在课后服务数据采集时有效保障数据安全，例如美国的马理斯特学院在数据采集时隐藏了表明学生与教师身份的敏感信息。因此，课后服务数据采集系统需要采用匿名化、数据加密、分散控制、专项审查等方式对学生和教师的信息与数据进行保护，防范伦理风险。

2.推進基于循证理念的课后服务诊断方案

课后服务诊断需识别与分析经过初步转换、编码的数据信息，根据数据对课后服务实施质量与潜在风险进行诊断。首先，学校有必要建立一体化的课后服务云平台，加强数据分析、整合、交流等功能，对数据进行预测性分析，筛查因同伴互评造成的主观性数据，剔除数据中的影响因素。其次，提前预警布控，及时调整阈值或指标，对异化点进行核查与纠正，尤其聚焦于学生的情绪问题与心理健康，教师与教育管理者应及时关注预警问题，分类处理化解未发生的问题。

3.完善基于校本特色的课后服务评估机制

课后服务评估需建立课后服务质量检测报告与反馈机制，使课后服务监测的管理模式在不同学校、不同地区间有效共享。首先，建立监测与教研共同体，解决学校课后服务质量与课后服务风险的关键问题，以“数据探路—服务诊断—评估反馈—实施改进”的思路，将质量监测与日常课后服务实施紧密结合。其次，根据不同学校，建立“学校—年级—师生”三级课后服务监测档案，健全课后服务评估机制。最后，从学校、企业、社会三方协同角度出发，学校应根据课后服务监测实际需求，与政府和企业合作，共同打造校企社三方协同创新模式（政府主导、企业搭建平台、学校应用）。

4.创设基于人技协同的课后服务决策体系

首先，从技术上升级数据防护，注重教师数据素养的提升，有意识培养教师掌握基础数据分析工具，例如学习Weka、SPSS进行数据挖掘，促进教育管理人员利用大数据技术创设课后服务决策体系。其次，成立专门的课后服务审查部门，定期进行评估分析、安全漏洞监测和规范化审计，从而保证课后服务安全防护体系的持续改进。再次，政府应大力推行大数据融入课后服务监测，完善课后服务决策的监测法规与机制。由于“双减”政策的实施，当前，政府以政策规章形式保障课后服务的实施，但对完善课后服务监测体系中关注较少。课后服务决策的制定和实施中，应处理好人与教育大数据的关系，将数据理念贯彻于课后服务监测的推进与管理过程中。

（吴小凡，江南大学人文学院在读研究生。）

责任编辑：夏英  邮箱：chinadisedu@zxxx.net.cn