“双减”背景下在线教育治理智能决策机制研究

○高 振 王书瑶 娄方园 王 娟

一、绪论

随着在线教育不断发展，我国教育体系发生了重大变革，在线教育成为当前主要教育形式之一，在线教育的有效治理成为当下重点任务之一。因此，建立完善的在线教育治理机制刻不容缓。近几年，我国已从政策文件方面提出了在线教育治理的相关意见。2019年9月，《教育部等十一部门关于促进在线教育健康发展的指导意见》提出，“创新管理服务方式”，并“加强部门协同监管”。2022年，教育部等五部门发布《关于加强普通高等学校在线开放课程教学管理的若干意见》指出，“建立在线开放课程学习过程监管机制”，并“建立多部门协同联动机制”。同年7月，教育部办公厅发布《关于开展2022年职业教育国家在线精品课程遴选工作的通知》中也提出，“构建校、省、国家级职业教育在线精品课程培育、遴选、共享和持续更新机制”。一系列文件的出台强调了建立治理机制的重要性。

在线教育的大规模开展也将其存在的问题暴露在了公众视野之下。我国诸多学者先后尝试分析了在线教育治理的问题，从不同视角出发提出了在线教育治理的手段、框架和机制等。例如，刘永林等从理念变革、体系再造、能力重塑、资源增配四个方面提出了在线教育治理的实践逻辑和应对政策；李芒等从中小学在线教育乱象出发，分析了其病灶所在，并提出了中小学在线教育的治理路径；王娟等构建了智能时代在线教育治理框架和在线教育智慧治理框架。纵观各种关于在线教育治理的研究，其关注的要点多是在线教育的困境、在线教育治理的应对策略以及在线教育治理框架的构建等，尚缺乏对在线教育治理机制构建的相关研究。尤其是在线教育治理的决策机制，影响着整个在线教育治理工作的进程和效率。因此，有必要通过系统分析解决在线教育治理智能分析决策机制构建的相关问题，探索在线教育治理智能分析决策机制的运行逻辑。基于此，研究通过探索在线教育治理的现实困境，发掘在线教育治理智能分析决策机制的着力点，融合各种智能技术手段，建立在线教育治理智能分析决策机制，以肃清当下在线教育病灶，实现智慧治理。

二、在线教育治理的现实困境

在线教育发展的不断深入暴露出诸多现实问题，近年来，我国发布《教育部等十一部门关于促进在线教育健康发展的指导意见》等在内的多个政策文件，以规范在线教育发展。我国亦有诸多学者对在线教育的现状及治理对策、在线教育治理框架构建、在线教育发展展望等方面进行了深入研究。随着“双减”政策的深入实施，我国的在线教育治理也取得突破性进展，但是，在线教育治理在治理决策、数据管理和协同治理等方面仍存在不可忽视的问题。

（一）治理决策缺乏系统性、全面性

随着信息化的不断深入发展，我国先后在《国务院关于印发促进大数据发展行动纲要的通知》和《教育部关于加强新时代教育管理信息化工作的通知》等多个文件中强调，要以数据为驱动力，推动教育决策由经验驱动向数据驱动转变。在此背景下，我国的治理决策也由“经验主义”向“数据驱动”转变。但是，在数据驱动教育决策的过程中，数据的筛选、测试等环节尚存在问题，用于教育决策的数据质量不高，导致在线教育治理决策缺乏系统性、全面性，主要表现在区域各级教育部门和各学校间的数据开放共享不足、用于决策的教育数据的质量不高、权责关系不明以及数据安全隐患等方面，这就需要转变决策方式，优化决策流程，以保证治理决策的系统性、全面性和针对性。

（二）数据管理缺乏智能性、科学性

教育信息化以及各种新型技术的发展，为我国教育管理带来了巨大帮助。政府、学校、机构纷纷建立起数据开放系统和数据管理系统，以便于人员与数据的统一管理。但是，当前我国的教育管理中的数据分析存在数据盲从、数据信息杂乱难以处理、学生的隐私信息易受侵犯以及系统化、结构化数据库的缺失等问题，严重阻碍了我国的教育管理的进一步发展。尤其是在线教育发展至今，产生了海量庞杂而无序的数据，对其治理也呈现出多元纷杂的趋势，这就需要创新数据管理机制，实现在线教育治理数据的全面管理。

（三）教育治理缺乏协同性、一致性

随着教育治理体系与治理能力现代化进程的不断推进，我国教育治理模式已从政府单一治理转向了多元治理，政府、企业、学校以及公众等主体也参与到国家教育治理事务中，提高了我国教育治理工作的效率与准确性。但是，在多元治理过程中也存在着诸多问题。一方面，在线教育治理缺乏协同性，具体表现在治理结构的失衡，政府与学校、企业和公众之间的有效合作不够深入，民众参与程度较低，加之各区域在线教育治理资源的不均，导致了在线教育治理难以高效协同，制约了在线教育治理效能。另一方面，在线教育治理缺乏一致性。在治理工作中，因数据的开放共享力度不足，且缺乏信息共享的标准和规制，导致了各区域、各部门、各学校无法及时更新数据信息，各部门间各行其是，缺乏一致性，限制了在线教育治理工作的效率。

综上，在线教育治理目前仍存在着诸多现实问题，在治理决策、数据管理以及协同治理等方面均需要进行系统规划。这就需要探究在线教育治理的决策机制，并处理好政府与市场、学校、师生等主体之间的关系，形成科学管理与协同治理的治理格局，助力科学决策，提高在线教育治理效率。

三、在线教育治理智能分析决策机制设计

智能时代，在线教育治理应是智慧的治理，需要充分利用现代信息技术，探讨人工智能应用在政府决策、行业分析、产品监控、资源整合、学习者分析等方面的智能分析决策机制，在采集大量在线教育及其治理数据的基础上，对大规模数据进行融合、聚类、测评、优化，生成证据信息，实现“数据——信息——证据”的转化，最终形成循证决策，实现数据驱动的循证治理，如图1所示。

图1 在线教育治理智能分析决策机制

（一）数据采集与分析

在线教育及其治理过程中，会产生大量的、难以收集的数据，如个人、学校、区域、国家的在线教育数据、在线课程教育数据、在线教育决策数据以及政府、企业、学校、公众等主体参与在线教育治理产生的各种数据，这就需要更加高效、安全的信息收集手段。因此，政府、企业和学校等多个治理主体要发挥各自职能，积极参与数据采集与分析工作，针对多模态的在线教育数据，采取多样化的采集与分析手段，融入各种智能化技术，促进数据采集与分析更加高效、准确。一方面，可以利用多源异构数据融合技术实现“一地一档”“一校一档”“一课一档”“一师一档”以及“一生一档”的数据监测，通过对半结构化和非结构化数据的清洗，针对不同主体的教育数据战略、教育数据质量、教育数据安全、教育数据共享、教育数据治理等数据粒度分别进行数据监测，实现不同平台、不同部门间的数据高效共享、整合。另一方面，通过对不同数据颗粒度的分析，精准识别在线教育病灶所在，发现在线教育治理决策漏洞，提高在线教育治理决策能力，实施精准治理。例如，湖南省长沙市对全市进行全样本采集并研发基础教育质量综合评价系统，以保障数据更有说服力，同时对于综合评估报告进行多次剖析，以发现教育问题，提出整改措施。

人工智能和大数据技术的发展满足了智能化数据采集与分析的需求。人工智能辅之以大数据技术对在线教育及其治理中的学生的学习数据、教师的教学数据、在线教育平台的管理数据以及教育行政部门的教育政务数据等数据进行智能存储、整理，以达到高效数据采集和海量数据存储的目的。通过深度挖掘实现在线教育发展的现状和存在问题的精准识别，预判潜在风险，为在线教育治理提供决策支持和安全保障。

（二）数据自适应测评

自适应是指改变自己以使自己的行为符合新的或者改变了的环境。自适应测评在20世纪中后期得以发展，美国华盛顿与俄勒冈州的教育研究者组成了自适应教育测评机构，并引入大数据技术和自适应学习共同研发了CPAA和MAP两大自适应系统，致力于为学生创建最优学习路径，搭建有效的学习支架，并形成系统的诊断报告，以满足自适应需求。随着技术的不断发展，自适应测评的研究正在不断深入，并不断拓展到自适应决策和在线教育领域。

由于在线教育治理过程中收集的数据并不是规则排序的，且未形成细致的分类或整合标准，导致收集到的数据无法直接用于在线教育治理决策。因此，需要对收集到的数据进行科学筛选，将原始数据转化为成熟可用的数据，并实现对数据的模拟优化，为在线教育决策提供可靠的证据，助力科学决策，因而对数据的自适应测试显得尤为必要。在线教育治理中的自适应测评，是指在收集大量的在线教育治理数据的基础上，通过数据融合、特征提取等方法对数据进行智能分析，利用自适应控制策略，获取最佳的在线教育治理数据，以形成最佳的在线教育治理决策的过程。自适应测评过程中应包括数据特征的提取、高质量数据挖掘、自适应适配以及演化调整。首先，在收集大规模在线教育治理数据后，通过预处理对多源数据的融合将原始数据转化成结构化的成熟数据。其次，在数据预处理之后，针对在线教育治理需求，提取一定的特征向量，并完成数据的聚类分析，优化治理数据结构。最后，结合在线教育治理的现实需求和在线教育治理的已有成效，关联多样化数据可以对已有的数据进行模拟优化，测试决策数据的科学性与价值性，最终通过多轮测评形成在线教育治理决策证据，助力科学决策。

（三）智能决策

智能时代，人工决策与分析已无法满足在线教育治理的需求，这就需要通过智能化手段，实现在线教育治理决策的精确与高效。例如，顾小清团队提出的人工智能教育大脑，融合了多样的数据、算法以及高度的计算力，可以通过数据聚类、决策优化等过程，挖掘教育数据的关联和价值，助力智能化和适切化的决策，在在线教育治理领域存在一定的适切性。在线教育治理决策应是数据驱动的决策、循证决策以及多元协同的决策。

1.数据驱动决策。智能时代，在线教育治理决策应转向数据智能驱动，以数据和算法为中介，将数据经由信息转化为行动知识，智慧生成决策方案。智能化的决策手段在帮助管理者精准识别在线教育治理的政策问题、灵活设置在线教育治理政策议程的优先级、优化在线教育治理的政策规划方案、推动在线教育治理决策的合法化方面具有显著优势。数据驱动的智能决策以收集在线教育及其治理过程中的大规模数据为基础，通过对数据的组织、聚类、分析、总结以及数据的测评以获取在线教育治理决策信息，最终形成科学决策。在数据驱动智能决策的过程中，依托的是对于数据的采集、分析与测评，最终形成有利于政策决策的科学性与准确性信息，助力在线教育治理科学决策。

2.循证决策。大数据环境下，运用数据决策理念可以保证在线教育治理由经验决策走向循证决策，指向准确的教育证据，保障在线教育治理决策的科学性。循证决策要求在科学的证据之上制定公共政策，以助力科学政策的制定。1999年，英国《政府现代化白皮书》中提出，利用证据制定政策。随后，循证决策在国际公共政策领域得到了广泛关注。循证决策意味着以大数据为证据的来源，强调“信息”向“证据”的转换，强调用科学的方法获取客观的证据作为政府决策的依据，即以数据为驱动，最终转化为决策证据的过程。通过采集、分析、测评在线教育治理过程中的所有数据，最终都会转化为在线教育治理决策的重要证据，而大数据和人工智能等技术在多模态数据的收集、分析、挖掘以及可视化呈现方面均有独特的优势。循证决策的实现是以数据驱动决策为基础的决策方式，其一切决策证据均来自在线教育及其治理的数据。利用大数据等技术可以全面获取、收集在线教育治理的相关数据，经分析、测评后形成科学的证据，以助力在线教育治理精准决策，最终将决策应用于治理实践中，验证治理效果，形成完善、科学、基于证据的治理决策。

3.多元协同决策。在线教育治理中的决策主体应转向多元协同。有效证据的产生与扩散以包括政策制定者与执行者、公众以及利益集团在内的相关方之间的一系列稳定机制为前提；反过来，有效证据的产生与扩散又依靠循证决策机制维持着不同主体之间的有机联系与有效互动。这也是多中心治理理论所倡导的，社区、市场、公众等共同作为治理的中心，形成多个中心协同管理公共事务，权力回归民众的公共事务的治理方式。在线教育治理的决策过程中，政府、市场、学校、公众等利益相关者协同参与政府治理决策的各个过程。相对于其他主体而言，公众在参与在线教育治理的过程中，更能切身感受在线教育的真实需求，且可以通过智能化政务平台为在线教育治理决策的制定提出反馈与建议；对于学校而言，疫情暴发以来，学校作为在线教育开展的主要场所，各学校可以根据在线教育开展状况，了解在线教育的痛点、难点，及时通过信息化平台上传相关数据，为政府循证决策提供数据和技术支持；对于市场而言，其对市场中在线教育平台软件的应用现状及应用效果有充分了解，市场的参与有利于政府在线教育治理工作中对于平台和资源建设的科学决策，市场通过不断探索大数据、人工智能等技术，为在线教育治理的智能决策提供技术支持；对于政府而言，在线教育中的各利益相关者可以从不同方面为在线教育治理决策提供有针对性的建议，政府利用科学的技术手段，搭建智能化的数据开放共享和管理平台，合理组织各主体基于平台参与政策决策，并通过内置数据分析处理、智能分类等技术对各主体参与决策的数据进行全面整合、分析，生成循证决策信息，促进科学、高效、精准的在线教育治理决策体系的建立。

综上，在线教育治理智能分析决策机制要求在顺利收集大规模数据的基础上，智能分析、测评并获取高质量的证据信息，以保障在线教育治理决策的科学性与准确性。首先，在线教育及其治理过程中会产生大量的数据，而决策数据的产生依赖于对这些数据的科学分析，最终获取对治理决策有用的信息。其次，在线教育治理决策的最终目标是寻找在线教育治理的最优化决策方案，智能决策可以针对不同的决策方案的治理效果进行仿真模拟，并且每个决策方案都可以根据不同的决策环境进行模拟计算，使决策者对不同政策进行比较，寻求最优化的决策方案。最后，智能决策可以针对在线教育治理决策的实施效果进行复盘，寻找关键变量及在线教育发展演变过程，并不断提高决策的智能化，从而不断提高治理决策实施效果评估的科学性和准确性，准确评估短期利益和长期利益的大小，扫清决策迷雾，减少重大决策失误的可能性。

四、在线教育治理实践路径

随着在线教育的不断普及与深入发展，在线教育治理工作愈发复杂，迫切需要进行系统设计，以更加全面地提升治理成效。为此，研究从科学转变决策方式、合理统筹治理主体、系统打造管理平台、积极探索技术手段四方面提出了在线教育治理的实践路径，如图2所示。

图2 在线教育治理实践路径

（一）科学优化决策流程，转变治理决策方式

在线教育治理是一项系统工程，其智能分析决策机制的运行需要政府部门发挥政府职权，对在线教育治理工作进行顶层设计。政府不仅要制定科学决策，更重要的是对各主体进行宏观调控。首先，政府作为在线教育治理中权力最大的主体，须制定在线教育治理标准与在线教育治理问责办法等文件，从顶层系统规划在线教育治理决策流程，实现标准化治理。其次，政府是在线教育治理的决策者。政府应通过建立在线教育治理数据管理平台，嵌入多个接口，涵盖所有区域所有机构的在线教育数据，对在线教育治理数据进行全面收集。再次，政府应积极探索精准的数据分析和测试工具，对在线教育治理数据进行自适应测试，筛选高质量数据，以提高在线教育治理决策水平，促进其决策制定的精准性、全面性。最后，基于智能分析决策机制提出的运行逻辑，发挥数据驱动下循证决策模式的作用，保证决策的科学性与准确性。

（二）合理统筹治理主体，提高主体协同效率

社会治理不是政府单方面的事务，治理过程也不是自上而下的单向度管控，而是多元主体的平等协作。为解决当前在线教育治理的协同性和一致性缺失的问题，并保障在线教育治理智能分析决策机制中多元协同决策得以高效实施，需要打造基于政府统筹、企业响应、学校衔接、师生参与的多元治理模式。政府作为政策法规的制定者和治理工作的统筹者，需要在打造智能政府的前提下，利用各种技术分析形成的科学决策，完善政策法规，同时统筹在线教育治理工作中各主体的治理行为和治理流程，并行使对企业、机构、学校的审查权，发挥“元治理”作用，保障治理主体间的数据流通，让治理工作“少走弯路”。企业具有双重身份，一方面，作为治理的对象必须严格遵循政府的政策决策，积极配合治理工作；另一方面，作为治理主体必须积极发挥治理主体的职责，优化企业内部文化，积极探索大数据、人工智能等现代信息技术，积极将技术融入在线教育平台中，同时针对新技术应用的安全性问题，探索多种加密技术，保障数据和技术应用的安全性。作为连通学生和其他主体的桥梁，学校具有至关重要的作用，一方面，要积极响应政府政策决策的号召，配合政府工作，保证政策惠及每一位师生；另一方面，要打造多元化的优质在线教育资源，探究优质教学模式，通过建立学习资源中心，打造数据处理中心，为学生学习提供优质化的在线资源，严格管理学生数据，保证学生数据安全。

（三）系统打造管理平台，推进数据高效共享

在线教育覆盖面广而杂，各地区、各学校的数据各自独立，数据颗粒度较大，数据跨平台流通困难。要想保障在线教育治理智能分析决策机制的顺利运行，就需要政府部门出台系统文件，统筹打造一体化的在线教育治理智能管理平台，嵌入各地区、各学校以及各平台端口，并进行数据细粒度的分类存储和分析，保证在线教育治理数据的统一化管理。平台不仅要实现各行政单位、组织以及个人的系统管理，还要包含在线教育治理全面的数据，并智能分析在线教育治理数据特征，实现治理数据的自动聚类。首先，在数据管理方面，一体化在线教育治理智能管理平台可以将所有的治理数据和在线教育数据统合到一起，并根据在线教育教学数据、在线教育管理数据、在线教育市场数据、在线教育决策数据等多种类型的数据进行分类整合，以保证数据的统一管理和透明化、可视化呈现。其次，所有主体均会被置于一体化在线教育治理智能管理平台之上，所有治理工作均基于平台进行分配调度和汇报，各主体的治理数据均会在平台上透明展示，以保障在线教育治理工作的透明化管理。最后，在公众参与治理方面，平台可以收集公众的反馈意见，通过智能识别将不同的反馈问题智能分配给不同的权责主体，并实时跟踪主体治理进展，以保障在线教育治理更加具有针对性，提高在线教育治理主体的积极性。

（四）积极创新技术手段，智能打造安全环境

各项技术的飞速发展，为我国技术与治理工作的融合带来了显著优势，但技术应用过程中出现的偏差极大可能会造成严重后果，威胁着教育治理的数据安全。因此，有必要加强数据安全保障。首先，政府需厘清数据应用的伦理规范，明确治理数据的所有权及使用权限，在对数据的调查与分析中做好信息的脱敏处理、保证数据的严密性。其次，政府需建立健全治理数据的安全审查与问责制度，保证在线教育治理过程中数据违规操作的精准问责，在一定程度上避免数据违规行为。最后，各治理主体可以基于各种智能化技术手段，实现在线教育治理数据风险的动态捕捉与识别，分析其可能性的危害与诱因，及时排查在线教育数据风险，并基于数据分析动态生成在线教育数据风险治理方案。各治理主体充分利用创新的技术手段，共同打造安全的在线教育治理环境。

五、结语

本文从在线教育治理的现实困境着手，重点设计了在线教育治理的智能分析决策机制，并对在线教育治理过程中的数据采集与分析、自适应测评和智能决策进行了详细论证，最后提出了在线教育治理机制的实践路径，以期为我国在线教育治理提供借鉴。但是，智能时代的在线教育治理具有复杂性，仅仅从在线教育治理智能分析决策机制方面着手还远远不够，未来还需从智能管理、质量保障、数据安全等多个方面对在线教育治理机制进行系统设计，以期为我国在线教育治理工作提供全面的机制借鉴，实现在线教育的良性治理。