教育信息化步入数字化转型时代

【摘 要】教育面临着数字化转型的机遇与挑战。数据驱动下的教育数字化转型是指以数据为核心，通过人工智能、5G、区块链等技术，实现教学模式、教学评价、教师教研等方面的全方位变革。本文从城市数字化转型的视角引入，指出数据是数字化转型的基础，阐释了数据智能和数据智能驱动的教育数字化转型的内在机制与逻辑。同时，根据数据治理面临的挑战，提出了区校两级教育数据治理的实施方案。最后对教育数字化转型的未来发展提出了几点建议。

【关键词】教育信息化;数据智能;数据驱动;数据治理;教育数字化转型

【中图分类号】G434  【文献标识码】A

【论文编号】1671-7384（2022）04-005-05

2020年元月，上海市公布全面推进城市数字化转型的意见。“数字化转型”这个概念，最早出现在经济领域。2018年11月，习近平主席在二十国集团领导人峰会上指出，“世界经济数字化转型是大势所趋，新的工业革命将深刻重塑人类社会”。由经济带动，上海率先推动经济、生活、治理的全面数字化转型。在上海的总体数字化转型举措中，教育当然也是重要的组成部分。由于教育的重要性、转型的复杂性，以及将带来的示范作用，2021年7月，教育部复函上海市政府，同意将上海作为全国教育数字化转型的试点区，这标志着教育信息化步入了數字化转型时代。

教育，作为数字化转型的重要组成部分，其核心目标是以数据驱动教育的“整体性转变、全方位赋能、革命性重塑”。数据驱动的教育变革步入了数字化转型时代，以智能技术为基础，充分发挥数据驱动效能，促进数字技术与教育的深度融合，实现教育形态、教育服务、教育治理等方面的全方位赋能、综合性变革，成为未来教育的发展方向。

以数据驱动的教育变革引起了国内外的广泛关注与重视。2020年9月，联合国教科文组织、国际电信联盟和联合国儿童基金会联合发布了《教育数字化转型：学校联通，学生赋能》，明确提出要关注教育的数字化连通。同年，欧盟发布了《数字教育行动计划（2021-2027年）》，将“促进高性能的数字教育生态系统的发展”和“提高数字技能和能力以实现数字化转型”两大战略事项作为未来推进的重点工作。近期，我国教育部发布的《教育部2022年工作要点》中明确提出：“要实施教育数字化战略行动，加快推进教育数字转型和智能升级。”各层面的战略规划都指向新一轮技术革命与教育生态系统的重塑，大力实施教育数字化战略行动，成为当前教育信息化的热点。

相比已经让普通市民感受到便利的城市数字化转型，教育的数字化转型关键在于利用数字化转型助力解决教育中的核心问题和难点痛点，创建教育发展新环境、更新数字教育资源、提供全面的数字公共服务，真正提升人民群众的获得感和满意度。但是，在转型的过程中，难点就是如何打通应用之间的数据壁垒，激活数据价值，构建起数字化转型的数据基础，更好地赋能民生服务，实现学、教、管、评等多场景的建设与应用。

数据作为数字化转型的基础

大数据技术的支持者认为，世界万物皆可量化，世界的本质理应是数据[1]。数据改变了人们看待、理解事物的发展方式，泛在海量的数据被采集应用到教育领域，数据正成为一种推动教育变革的核心要素和宝贵资源，同时也是驱动教育数字化转型的基础。

1.数据智能

当前，基于人工智能技术的数据智能化、多元化和个性化应用正在推动教育的数字化转型[2]。数据智能作为数据驱动的高级发展阶段，进入了自动化、智能化驱动状态，业内将之隐喻为“人工智能教育大脑”。其主要内涵是大数据与人工智能、机器学习算法等进行紧密结合，赋予了数据感知、理解、推理、决策等能力，从而实现对大规模非结构化数据的处理加工，最终“提炼”出所需的、有价值的信息。数据智能的实现基础是对基础数据集进行深度追踪、结构化组织与动态监测[3]。要实现数据智能，促进数据融合、关系挖掘、问题诊断等方面的智能应用，其中最关键的核心技术是教育数据中台和智能分析引擎。

（1）教育数据中台

教育数据中台简单地说就是教育数据的汇集仓库，致力于将教育数据进行融合、处理，使之成为可理解、可使用、可管理的数据资产，并将教育数据服务于教育体系之中[4]。具体的架构主要包括底层的数据环境、数据中台建设、数据治理机制等。其中，底层的数据环境是整个架构的基础，主要通过互联网、5G、数据平台等工具对多场域、多空间、多维度的数据进行采集;数据中台则是通过数据技术对采集到的大规模数据进行存储、加工、计算、分析、流通等，实现数据的精准服务;数据治理机制等主要通过加强数据质量、数据安全的管理，实现数据流通的科学性与合理性。

（2）智能分析引擎

智能分析引擎是通过测试评估、分析挖掘、调整适应等系统化流程操作，为个性化学习样态提供有力支持[5]。一方面，智能分析引擎以用户行为数据为基础，采用深度学习等机器学习算法，构建教育数据智能分析系统，实现对用户“千人千面”的个性化推荐，满足多场域教与学活动的开展。另一方面，智能分析引擎能够聚集大量的学习资源，并且通过算法和规则构建优质的资源库。

2.数据智能驱动的教育数字化转型

目前教育系统正处于信息化驱动变革的关键窗口期。数字化转型是教育系统变革的关键特征，也是科技创新全方位赋能教育综合改革、支撑高质量教育体系建设的重要途径[6]。以数据为基础，要实现数据智能驱动的教育变革与重塑，不仅需要考虑学生学的业务数据，还要深入到教、管、评等多个方面。图1从价值、目标和实践三个层面探讨数据智能驱动教育数字化转型的内在机制与基本逻辑。

（1）价值逻辑：推动教育的高质量发展

数据的智能化、科学化，实现了教育与学生学习、教师发展、学校管理等方面的融合，促进了学生的个性化学习，提升了教师的专业能力和学校精细化、科学化管理水平，从而有效地推动了教育的高质量发展。在学生学习方面，通过实时捕获和识别学习者的课堂行为（动作、语言等）、心理（情绪、人格）、生理（血压、脑电波等）等多模态数据，以更加全面、准确地反映学生的认知水平、高阶思维发展等情况[7]。在教师教研方面，以数据赋能，实现对教研“外显”的管理与评价[8]，促进精准教研的发生。在学校管理方面，人工智能技术将数据和算法相融合，助力教育管理的科学决策，实现了人与机器的高水平协作。人机协同成为未来学校发展的新形态。在教育治理方面，数据的精准化、智能化，推动多方主体协同参与，实现管理决策的科学化、透明化。同时，在政府、企业、学校所构建的新型社会关系中，创生出以数据服务为核心，从智能硬件、软件开发到定制化服务为一体的新教育产业链，推动教育的高质量发展。

（2）目标逻辑：提升教育数字化转型能力

从宏观层面来说，基于数据智能的教育数字化转型，一方面是推进国家教育现代化和教育高质量发展的重要引擎，同时也是全方位赋能教育综合改革、促进教育公平的关键特征;另一方面，数据智能驱动的教育数字化转型，是促进信息技术与教育教学的深度融合，支撑构建“互联网+教育”新生态，推进教育一体化进程的重要抓手。

从微观层面来说，基于数据的教育数字化转型可以实现以下几个目标：一是助力课堂教学模式的变革。通过对课堂中教师和学习者全方位、多维度的建模分析，形成基于数据的“采集—应用—分析—反馈”流程，将原本模糊的经验驱动的教育活动通过数据清晰地描述出来，帮助教师全面了解课堂教学情况，为课堂教学模式的改进和教学结果的优化提供依据。二是提升教师的教研效能。依托数字技术、大数据，实现了教研活动方式由形式单一、经验主导、小范围协同，向大规模协同、数据深度挖掘的精准教研转变，为教师教研能力的提升、促进其专业发展予以数据维度的有力支持。三是改变教育评价方式。通过将课前、课中、课后多场域多维度的数据进行采集，促进教育数据从传统的考试成绩到现在全过程的“质变”，构建个性化的学习者数字“画像”，為科学决策、个性发展、智能监管等提供智能化的支持。四是提升教育管理的科学性。大数据为学校的科学治理提供服务，利用大数据平台开展教育大数据主题分析，如校园安全监控、食堂管理、体质健康监测等，通过对校园管理数据、师生动态数据的分析，实现数据驱动的智能化教育决策和管理。

（3）实践逻辑：实现数据应用的完整闭环

为了打破数据孤岛问题，实现数据驱动的教育升级，在教育数字化转型的实践中将重点围绕教育数据治理来推进和实现数据应用的闭环。关于数据闭环，就是从数据被感知、采集，然后通过各个层次的计算、推理、分析，最终利用人工智能技术产生新的模型和决策，并将这些决策应用到终端，形成业务场景与数据的一整套流程，实现教育数据最理想的价值状态。数据闭环形成之前，非常关键的一步就是对数据进行融合。目前数据融合在实践应用中刚刚起步，如上海市通过构建市、区、校三级教育数据中台，以互联的方式，实现各级教育中台数据的融通共享。

以教育数据治理应对挑战

1.数据治理挑战

不同于其他领域的数据治理，教育系统中的数据来源广泛、各类应用种类繁多，以致于出现多元数据难以做到“一网通办”“一网统管”，这成为教育数据治理所面临的重要问题。究其原因，主要表现为以下几个方面：一是教育业务场景的抽象具有领域门槛，且常常呈现标准化程度低的特点;二是教育业务中需要模型化的教学知识、学生知识、教学法知识，尚处于不断深化认识的过程中，标准化、模型化程度较低;三是教育信息化的应用普及相对滞后于其他领域，师生数字轨迹的形成尚有较大差距。

2.区校两级数据治理实施方案

在参与上海的教育数字化转型工作中，我团队针对数据治理的上述挑战，基于教育场景中数据的特点，以教育数据开放共享规范体系、数据分析模型、数据管理工具等方面已开展的建设性探索为研究基础，构建了区校两级数据治理系统，以便为数字化转型提供数据基础。

区校两级教育数据治理系统的总体思路，可以概括为三句话：一是实现数据的接入并赋予语义，以建立师生用户的数字轨迹;二是在教育业务分析模型基础上，结合成熟的数据治理服务，形成教学数据智能引擎;三是本着“应用为王”的理念，推进应用的开放和接入。系统的示意图如图2所示。

（1）数据工具集

数据应用工具集是为相关用户提供封装与集成的数据及应用管理的窗口，实现数据API的建设与应用API的管理，为各类应用数据融通提供通道。主要包括开放应用管理工具、数据管理工具和模型管理工具。通过数据工具集，一方面能够便捷高效地管理复杂数据，完成数据互操作;另一方面，支持数据模型个性化应用，充分挖掘数据价值。

（2）数据驱动智能引擎

数据驱动智能引擎即所谓的轻量级教育中台，主要以教与学活动的个性化特征为切入点，通过对学生过程性行为数据、教师教学过程数据与核心素养内在结构进行关联，实现对教学活动数据、作业测评数据、素养结构数据及教师教研数据等进行多维度的挖掘、处理与分析，为学生个性化自主学习、教师精准教学提供支持，以满足多场景的个性化教与学需求。同时，以数据驱动智能引擎核心模型（教与学有效行为发现与分析模型、素养结构深度刻画与诊断模型、个性化素养提升与干预决策模型）为基础，结合教育技术学理论，搭建服务于教育的各类模型。

（3）开放应用池

统一集成与管理APP是解决目前区域学校信息化应用软件系统混乱，无标准、无监管问题的重要手段;是教育资源公共服务平台的延伸，满足了学校、教师、学生、家长多方高效沟通与教育教学的需要。

未来教育数字化转型的发展方向

1.价值导向：增强理论引领与典型示范作用

数智时代，教育的发展重心应落脚于教育，而非一味注重技术的介入。应该加强教育基本理论、原理的研究，以创新的教育理论诠释教育系统的发展规律。首先，数字时代改变了人们的学习、工作方式，为了帮助学生获得最佳的学习效果，我们需要“可见的学习”。哈蒂主张“可见的学习”，认为教与学的过程及结果对教师和学生而言都是清晰可见的[9]，把学习看成是一种基于数据的结果分析过程。因此，在探究教育数字化转型的相关教育理论中，需要充分利用数据去考虑教师和学习者等因素，对理解教师激活学习者的学习具有重要意义。其次，随着多模态感知技术的发展，借助经典教育理论和多媒体学习认知理论探究学习者对信息的感知、加工、理解，运用多模态数据的采集分析方法，剖析学习者学习发生的表征，实现对学习者学习全过程、全方位的建模，为多学科融合的教育理论体系的构建提供支持。再次，示范引领方面，在市级统筹规划的基础上，区域、学校努力探索“先行先试”的创新体系，做好本区域、本学校优秀案例或实践经验的总结工作，形成可推广、可复制的经验。

2.数据智能：促进学、教、管、评多场景应用

教育数字化转型是一个长期系统工程，其实践和发展的过程涉及各级各类教育行政部门的统筹规划，国家、市区、学校缺一不可，仅凭一方的改变，难以实现成功转型。在学校层面，要做好教育数字化转型的试点工作，首先就是以日常教学为突破，通过对课堂中教师和学习者的建模分析，形成基于数据采集、分析、应用的闭环，为课堂教学模式的改进和教学结果的优化提供支持。其次，重构教育评价方式。以学生在学习过程中的动态数据为基础，形成学生核心素养发展阶段评价报告，构建“五育并举”的学生综合素质评价体系，创新和完善学生品德发展、智育启发、身心健康、审美能力和劳动实践的评价新机制。此外，优化管理机制，促进数字轨迹支撑的精准治理。

3.应用为王：开发与建设更多优质教育资源

数字化教育资源是提升教育教学质量，推动教育数字化转型的重要因素之一。怀进鹏部长在近日教育部举行的党组理论学习中心组集体学习暨教育信息化首场辅导报告会上强调：大力推进教育信息化、教育资源数字化建设，按照“应用为王、服务至上、示范引领、安全运行”的工作要求一体化推进建设与应用。为了提高教育资源的建设质量，融合新兴技术优势、创新教学模式，需要从以下几个方面进行：第一，需要注重实践经验的积累，挖掘真实的教学需求。第二，协同政府、地方高校和中小学校的力量，构建多方参与的开发建设模式。第三，立足教学实际，积极探索学科核心素养在课堂教学落地的路径与方法，鼓励优秀教师参与教育资源的设计与开发过程，以适应教育数字化转型的需求。

参考文献

黄欣荣. 大数据的本体假设及其客观本质[J]. 科学技术哲学研究，2016（2）： 90-94.

郑思思，陈卫东，徐铷忆，袁凡，褚乐阳. 数智融合：数据驱动下教与学的演进与未来趋向——兼论图形化数据智能赋能教育的新形态[J]. 远程教育杂志，2020，38（4）： 27-37.

顾小清. 数据智能驱动教育生态重塑[N]. 中国教育报，2021-6-11（4）.

李爱霞，舒杭，顾小清. 打造教育人工智能大脑： 教育数据中台技术实现路径[J]. 开放教育研究，2021，27（3）： 96-103.

顾小清，李世瑾. 人工智能教育大脑： 以数据驱动教育治理与教学创新的技术框架[J]. 中国电化教育，2021（1）： 80-88.

光明网.强化“5G+智慧教育”应用实效，助推教育全面数字化转型[EB/OL].[2022-01-27].  https：//m.gmw.cn/baijia/2022-01/27/35478764.html.

顧小清，王超. 打开技术创新课堂教学的新窗：刻画AIoT课堂应用场景[J]. 现代远程教育研究，2021（2）： 3-12.

贾积有. 人工智能赋能教育与学习[J]. 远程教育杂志，2018（1）： 39-47.

彭正梅，伍绍杨，邓莉. 如何培养高阶能力——哈蒂“可见的学习”的视角[J]. 教育研究，2019（5）： 76-85.