数字化转型下的教育数据成熟度模型研究*

崔宇路 张誉元 张 海

数字化转型下的教育数据成熟度模型研究*

崔宇路1张誉元2张 海3

（1．信阳师范大学 教育科学学院，河南信阳 464099；2．东北师范大学 信息科学与技术学院，吉林长春 130117；3．东北师范大学 传媒科学学院，吉林长春 130117）

在推进教育数字化转型的进程中，教育数据成熟度决定着教师有效教学和学生精准学习的深度与广度，是实现学校教育高质量发展的关键。基于此，文章首先阐释了教育数据成熟度的概念并进行了价值审视。接着，文章依托数据生命周期理论和成熟度模型，构建了以数据设施架构、数据能力水平、数据管理应用三大关键过程域为坐标轴，融合A、B、C、D四个教育数据成熟度发展阶段和初始、探索、深化、创新四个成熟度等级的教育数据成熟度模型。随后，文章介绍了教育数据成熟度模型的教育数据质量建设评估、区域教育教学质量改进成效评估、学校业务流程评估三大应用场景。最后，文章通过案例分析，验证了教育数据成熟度模型在评估中小学教育数据质量上的有效性。文章旨在通过教育数据成熟度模型，为教育数字化转型成效评估提供借鉴。

数字化转型；教育数据；数据成熟度；数据生命周期；精准教学

当前，受人工智能、大数据、区块链等数字技术发展的影响，教育领域数字化转型引起了研究者的广泛关注。作为驱动教育数字化转型的核心要素之一，教育数据的质量影响着数字化转型实践的深度与广度。杨开城等[1]指出，从本质上看教育系统就是一种信息系统，因此教学实践必然由教育数据驱动。学界也广泛认同教育数据是驱动和实现精准教学、促进师生发展的重要因素[2]，因此高质量的教育数据是实现精准教学的核心。然而，在当前基础教育教学实践中，针对教育数据质量的研究还存在一些不足，主要表现为：首先，当前研究聚焦于教育数据应用、教育数据伦理、教育数据治理等，虽然教育数据质量是支撑学校教育数字化转型进程的关键，但其缺乏具体的理论阐释。其次，近年来学界广泛重视教育数字化转型成熟度模型的构建[3][4]，用以评估教育数字化转型的成效，却缺少对基础教育中教育数据质量建设的系统考量。最后，基础教育数据质量评估的实践相对较少，如何根据教育数据质量的评估结果提出有针对性的意见，应成为学校数字化转型的努力方向之一。作为事物发展评测的一个指标，“成熟度”在计算机、管理、数据治理、医疗等许多研究领域均有涉及。而“教育数据成熟度”是“成熟度”的迁移概念，可用作勾勒教育数据发展成长轨迹的指标。参照成熟度在数字化转型的应用，剖析“教育数据成熟度”，有助于判断和评估教育数据的成熟水平，帮助学校发现教育数字化建设现状与预期之间的差距，为其进一步优化和改善提供依据。基于此，本研究尝试构建教育数据成熟度模型并进行案例应用，以期为基础教育数字化转型提供借鉴。

一 教育数据成熟度的概念阐释及其价值审视

1 教育数据成熟度的概念阐释

杨现民等[5]强调，要想实现和发挥教育数据的价值，首先依赖于教育数据的质量和规模。王正青等[6]指出，教育数据是教育变革的重要支撑。因此，为体现教育数据的关键变革力、实现教育质量的系统改进和科学的教育决策，亟需关注教育数据质量的评估。

“成熟度”既是一个生态学概念，也是一种描述事物发展的标准，可用于评估事物发展的进程[7]。广义上来看，成熟度描述了个体、组织获得或提升技能水平的过程；狭义上来看，成熟度是一种评测并持续改进过程能力水平的工具和方法[8]。例如，“技术成熟度”是对技术发展水平的衡量和评估，可以划分教育领域信息化发展的不同阶段、长短期发展热点，进而为教育的创新发展提供借鉴[9]。而“数据成熟度”描绘了“数据”这一要素的发展水平，建构“数据成熟度”对确保数据的质量具有重要价值。数据质量越好，从数据分析中产生的信息可信性就越好，就越有助于管理层做出更好的决策。反之，低质量的数据会给业务带来许多负面影响，如客户不满、无效决策等[10]。“教育数据成熟度”是“成熟度”这一概念在教育领域更加具体的迁移，描述了教育数据在教育教学中的发展脉络和演化水平。受教育数据结构复杂性、数据多样性等特征的影响，数据的成熟度既是发挥教育数据价值、实现教育数据“效用”的前提，也是达成教育数据“可解释性”的重要依据[11]。从实践应用的角度审视，教育数据成熟度可以反映学校在教育教学、教学管理中是否具有完善的数据设施、数据资源、数据文化、数据技能等。教育数据成熟度越高，表明教育数据在学校数据驱动的教学和管理方面做得越好，因此教育数据成熟度可为未来学校数字化转型和教育数据评估提供重要参考。

2 数字化转型下教育数据成熟度的价值审视

基于数字化转型的三个阶段审视教育数据成熟度的应用价值，可得到教育数据赋能学校发展的三个层级，分别指向精准教学和学习、精准教育决策、教育数字化转型，最终引领学校高质量发展，如图1所示。

图1 教育数据赋能学校发展的层级

（1）教育数据驱动精准教学和学习

顾小清等[12]指出，“数据”对学校发展至关重要，让海量数据“说话”已成为教育信息化的重要课题。低位的教育数据成熟度指向学校的日常教育教学过程，即学校仅仅使用教育数据来改进教师的教学决策、学生的学习方式，以实现学校教师教学和学生学习的“数字化”，主要表现为：①实现教师智能备课，减少教师备课负担；②实现教师智慧教研，提升教师教研协同度；③实现智能学习辅助，增强学习精准资源推荐和路径规划；④实现智能测评，提高教学效果质量测评实效；⑤实现师生综合素质智能评价，促进师生个性、精准化发展等[13]。由此，低位的教育数据成熟度可以引领和实现精准教育教学，推动教育公平的实现。

（2）教育数据驱动精准教育决策

对于学校信息化建设来说，基于数据驱动的区域教育治理是实现和引领学校高质量发展的重要支撑[14]。中位的教育数据成熟度是在关注精准教学和学习的基础上，更多地强调教育数据在驱动学校教育决策、执行、监督、评估等方面发挥作用。目前，学校和区域教育信息化发展过程中产生的各类教育大数据仍然存在一些问题，如数据采集、整合程度不高，数据质量和可用性程度较低等[15]，这些问题阻碍了学校教育数字化转型的进程。如何甄别教育数据，如何解决数据标准差异导致的“信息孤岛”问题，如何提高教育数据的利用率，已经成为学校发展关注的重要话题之一[16]。因此，在关注低位教育数据成熟度效用的前提下，更大程度地发挥中位教育数据成熟度的教育决策价值对于实现教育全维治理具有重要意义。

（3）教育数据驱动教育数字化转型

教育数字化转型可以划分为数字化转换、数字化升级、数字化转型三个层级。低位、中位的教育数据成熟度对应前两个层级，而高位的教育数据成熟度对应最后一个层级，反映了教育生态的一种系统性变革。余胜泉[17]指出，教育数据驱动学校教育数字化转型划分为三个方面：一是技术，智能技术促进教育数据变革教育教学方式，实现教育教学的创新融合；二是业务，教育数据促使学校业务升级和重构，实现不同业务的有效协同；三是人本，在减少和降低教师负担的同时提高教育教学的效率，促进学习者有效学习。由此来看，低位、中位、高位的教育数据成熟度都可以为数字化转型提供路径支撑，但高位的教育数据成熟度更多地体现为一种技术、业务和人本的整体跃迁，目标在于引领学校高质量发展，实现学校教育生态的重构。

二 建构教育数据成熟度模型的理论支撑

从数据生命周期的角度审视教育数据从产生到消亡的完整生命历程，有助于诠释教育数据成熟度模型的重要子关键域。而现有的成熟度模型提供了评估子关键域的可行方式。基于此，本研究以数据生命周期理论和成熟度模型为理论支撑，来建构教育数据成熟度模型。

1 数据生命周期理论

数据生命周期（Data Life Cycle）理论强调用一种动态变化和循环的视角审视数据收集、转换、处理和应用的整个流程[18]。在教育数据收集、存储、分析和应用的完整生命周期中，教育数据质量是其依托的核心指标之一。因此，在教育教学实践中迫切需要从教育数据生命周期的视角对教育数据质量进行全维审查。对于数据生命周期的阶段划分，不同研究者的划分标准不尽相同。例如，Alshboul等[19]将数据生命周期划分为数据采集、数据存储、数据处理分析、知识创造四个阶段；李月等[20]将数据生命周期划分为数据规划、数据汇聚、数据联通、数据利用、数据增值五个阶段；Jeannette[21]将数据生命周期划分为数据生成、数据收集、数据处理、数据存储、数据管理、数据分析、数据可视化、数据解释八个阶段；张誉元等[22]认为数据生命周期分为收集、处理、储存、管理、分析可视化、应用六个阶段；而张海等[23]将教育大数据的使用过程划分为收集、存储、分析、应用四个阶段。从数据生命周期的视角审视，教育数据成熟度内嵌于教育数据从收集到应用的完整生命历程中，由此产生了教育数据收集能力、教育数据存储能力、教育数据分析能力、教育数据应用能力四种数据能力水平。这四种数据能力水平，正是构成教育数据成熟度模型的重要子关键域。

2 成熟度模型

“成熟度”既是描述自然系统逐渐成熟和成长过程的生态学概念，也可作为事物发展进程的评估指标。“成熟度模型”源自美国卡耐基梅隆大学的能力成熟度模型（Capability Maturity Model，CMM）[24]。随着数据要素重要程度的不断增加，一些研究者和机构开始使用CMM来建构各行业领域中的成熟度模型，并按照不同的成熟度级别（如初始级、可重复级、已定义级、已管理级、优化级等）来评估、界定成熟度的发展水平，以实现持续的质量改进[25]。随着研究的不断深入，研究者开始关注“成熟度”在评估数据质量中的作用，由此形成了许多数据成熟度模型，这些模型可为数据质量的持续评估和改善提供依据。

然而在教育领域，研究者往往较为关注教育数据实践应用、伦理内嵌和风险治理，而对教育数据的成熟度研究相对较少，对教育数据发展成熟水平的审查也相对欠缺。为建构教育数据成熟度模型、评估教育数据的质量，本研究对国外比较经典的大数据成熟度模型进行了对比（如表1所示），发现：①数据成熟度往往采用几个不同的等级描述数据成熟度水平，如BDMM大数据成熟度模型采用从“不完整”到“优化”六个等级、Zakat大数据成熟度模型采用从“忽视”到“创新”五个维度；②数据成熟度体现了从感知、到成熟、再到创新的持续发展进程，如SafeGraph数据成熟度模型包含从“探索”到“创新”四个阶段，TDWI大数据成熟度模型包含从“新生”到“富有远见”五个等级；③数据成熟度模型的主要维度与其发展定位密切相关，如BDMM大数据成熟度模型从“战略”“过程”等六个等级评判企业数据。这些模型的梳理可为教育数据成熟度的界定提供以下借鉴：一是要界定教育数据成熟度有哪些关键过程域（Domains），二是要如何通过成熟度发展阶段（Stages）或成熟度等级（Levels）进行评价。

三 教育数据成熟度模型的建构

关键过程域描述了教育数字化转型的主要维度。依托数据生命周期理论和成熟度模型，本研究将教育数据成熟度分为数据设施架构、数据能力水平、数据管理应用三大关键过程域（如图2所示），并通过A、B、C、D四个教育成熟度发展阶段进行评价。

1 教育数据成熟度的关键过程域

（1）关键过程域一：数据设施架构

数据设施架构是基于人工智能、大数据、区块链等新一代信息技术建立的数字基座。构建基于数据的学校设施架构、实现校园建设从数字化向智能化的转变，已成为当前智能教育的建设重点之一[31]。吴永和等[32]认为，数据设施架构涵盖信息网络、系统平台、校园设施和可信安全四个方面；祝智庭等[33]强调，数据设施包含教育专网、混合云平台、智慧平台等，这些为基于教育数据的学习场景、教学方式、教育管理的系统变革提供了重要支撑[34]。基于此，本研究主要从数据信息基础设施、数据智能系统、数据智能云平台三个子关键域评估数据设施架构。

图2 教育数据成熟度的关键过程域

图3 教育数据成熟度模型

（2）关键过程域二：数据能力水平

数据能力水平是对教育数据收集、存储、分析、应用等阶段中数据处理情况的阐释，描绘了学校教育数据从收集到应用的完整生命周期历程。从实践的角度审视，这一能力的形成“从教育中来”（即基于教育问题和教育的实际需要产生）、最后又到“教育中去”（即反馈并解决教育的实践问题），形成了一个闭环[35]。基于此，本研究主要依托数据生命周期理论，从数据收集能力、数据存储能力、数据分析能力、数据应用能力四个子关键域判定数据能力水平。

（3）关键过程域三：数据管理应用

数据管理应用是智慧教学环境下达成教育数字化转型的实践路径，主要为学生、家长、教师、管理者服务。王永固等[36]指出，数据管理应用涉及领导决策、协同办公、政务服务、教学教研、资源服务、督导督查六大应用场景，目的在于帮助领导进行科学决策、协助智能管理，促进学生个性化学习、辅助教师精准教学，最终形成全局教育的自适应生态[37]。胡翰林等[38]提出，为实现教育数据的价值，需要关注教育决策和管理、学习者分析、学习策略调节，并为学习干预提供支撑。基于此，本研究主要从智慧教学管理应用、智慧学习管理应用、智慧服务管理应用三个子关键域对数据管理应用进行评估。

2 教育数据成熟度的发展阶段

对成熟度发展水平的界定，一般基于发展阶段或基于成熟度等级进行。本研究同时融合这两种界定方式，在界定关键过程域后，结合智慧教育示范区教学实践的经验，将教育数据成熟度的发展界定为四个阶段：A对应教育数据的起步应用，B对应教育数据的持续探索，C对应教育数据的流程深化，D对应教育数据的创新变革，而这四个阶段需要通过成熟度等级（即初始级、探索级、深化级、创新级）进行评价。成熟度模型在教育数字化转型中的应用效果表明：只有满足全部的关键过程域，才能实现成熟度的进阶和跃迁[39]。如果数据设施架构处于深化级、但数据能力水平和数据管理应用仍然处于初始级，那么教育数据成熟度可判定为仍处于A阶段。照此进行判断，可以得到教育数据成熟度对应的发展阶段，各阶段的具体解释如下：

①教育数据的起步应用（A）。这一阶段意在初步探索教育数据的可行性，使用教育数据储存和重整现有的教育信息，实现教育数字化转换。参照企业管理的信息化进程，首先要实现数据的记录、存储和管理。同样，教育数据的初步探索也是实现学校教育数字化转换的重要方式，可为下一步的教育数据持续探索和流程深化提供数据支撑。

②教育数据的持续探索（B）。这一阶段意在以管理和教学的业务流为导向，通过教育数据实现教学、管理和教育决策的流程改进——这可对应于教育数字化转型中业务流程的“重构”，新的教育教学和管理流程随之出现。这一阶段的目标是深入到备课、教研、学习、考试、综评等各阶段，实现教育数据对教学和管理业务的整体驱动，进而改善学校业务流程。

③教育数据的流程深化（C）。这一阶段意在不断拓展教育数据的应用范围，重构学校的教育教学流程，系统提升学校教育教学和教学管理的整体效率。这一阶段已经达成教育的数字化升级目标，可实现学校教学和管理业务流程的全面深化和系统改善。

④教育数据的创新变革（D）。这一阶段意在通过教育数据持续改进学校的教育教学，重塑学校的组织文化、规章制度和各项流程。这一阶段学校的教育理念、组织形态、运作机制会发生根本转变，实现学校教育生态的系统性变革和教育数字化转型。

基于上述分析，本研究以数据设施架构、数据能力水平、数据管理应用三大关键过程域为坐标轴，融合上述四个发展阶段和四个成熟度等级，设计了教育数据成熟度模型，如图3所示。此模型将教育数据成熟水平划分为四个空间场域，即教育数据的起步应用、教育数据的持续探索、教育数据的流程深化、教育数据的创新变革，并据此评估教育数据的成熟水平。

四 教育数据成熟度模型的应用场景

从教育数字化转型发展的角度审视，教育数据成熟度模型可主要应用于教育数据质量建设评估、区域教育教学质量改进成效评估、学校业务流程评估三大场景。

1 教育数字化转型中数据质量建设评估

教育数据成熟度作为数据质量建设评估的重要指标，可以实现对教育数字化转型的发展性评价。具体来说，可在智慧教育示范区评估系统中内嵌教育数据成熟度模型，实现对数据质量的整体评估，主要的应用场景有：①通过教育数据成熟度模型的数据可视化，绘制区域教育数据质量建设知识图谱，采用点对点方式改进区域教育数据质量，评估区域数字化转型的实效；②基于教育数据成熟度模型，衡量和定位区域教育发展进程中教育数据基础设施建设的实际水平，为薄弱学校的定位和持续改进提供支撑；③明确区域发展进程中的教育数据管理和应用水平，在时间跨度上对区域教育数据成熟度进行横向比较，形成学校数据管理和数据应用能力的发展脉络图示结构，引领和驱动区域整体的数据质量改进。

2 区域教育教学质量改进成效评估

教育数据成熟度作为质量改进成效评估的重要指标，可以实现对区域教育教学改进成效的整体性评价，主要的应用场景有：①在数据设施架构方面，教育数据成熟度模型可用于衡量和测评学校教育新基建的建设应用水平，为学校教育新基建的改进提供依据；②在数据能力水平方面，教育数据成熟度模型可用于探索师生教育数据分析、评估和应用的效果，提高教育数据应用的广度和深度；③在数据管理应用方面，教育数据成熟度模型可用于补充和衡量学校当下的教育数据管理与应用水平，为持续的学校信息化领导力建设提供支持。

3 学校教学、学习和管理的业务流程评估

教育数据成熟度作为学校业务流程评估的重要指标，可以实现对学校教育、学习和管理系统的有效审查，主要的应用场景有：①从学校管理层面审视，教育数据成熟度模型可用于评测学校智能安防、智能教育平台、智慧教育资源等的数据成熟水平并衡量其应用的程度；②从学校教学层面审视，教育数据成熟度模型可用于衡量教育数据驱动精准教学的水平，为教师持续的教学改进提供可行方案；③从学生学习层面审视，教育数据成熟度模型可用于评测学生利用教育数据的水平，实现学生的精准学习。

五 教育数据成熟度模型的应用案例

为落实数字化转型战略，推进区域智慧教育发展，本研究于2022年11月对东北地区C市市市辖区的21所小学、5所中学进行了实地走访。依据教育数据成熟度模型，本研究针对数据设施架构、数据能力水平、数据管理应用三个关键过程域，采用三位专家主观赋权法首先按照初始、探索、深化、创新四个成熟度等级进行评价，然后根据评价结果来界定教育成熟度处于A、B、C、D哪一发展阶段。专家赋值范围定为1～4分，若专家的平均赋值水平大于满分的85%，则可认定全面实现了关键过程域[40]。例如，当数据能力水平这一关键过程域的平均赋值为2.1分时，仅认定其满足探索级（≥1.7分），而尚未达到深化级（≥2.55分）。当三大关键过程域全部满足探索级时，才能认定评估对象进入了教育数据的持续探索（B）阶段。

本研究采用Excel、SPSS进行数据统计，结果表明：C市市辖区的21所小学在数据设施架构、数据能力水平、数据管理应用三大关键过程域上满足的层级和分数分别为成熟级（2.89）、探索级（1.89）、探索级（1.92），而5所中学在这三大关键过程域上满足的层级和分数分别为探索级（1.89）、初始级（1.42）、探索级（1.78）。由此可以判断，C市市辖区被调研小学处于教育数据的持续探索（B）阶段，而被调研中学处于教育数据的起步应用（A）阶段，整体来说被调研小学在三大关键过程域上的教育数据成熟度优于被调研中学，具体如图4所示。

（a）被调研小学的教育数据成熟度评估（b）被调研中学的教育数据成熟度评估

1 校际数据设施架构存在差异，降低教育数据应用的可能性

整体来看，C市市辖区被调研学校的教育数据成熟度相对一般，其数据设施架构、数据能力水平、数据管理应用三大过程域专家的平均赋值仅为2.33、1.67、1.83。另外，虽然被调研学校的教育数据设施建设相对完善，被调研中学的数据设施架构差异也相对较小，但被调研小学的差异明显。具体来说，被调研小学的整体数据设施架构得分为2.89，达到成熟级，但存在明显的“校际差异”：“强校”在数据设施架构上的表现显著优于“弱校”，且“强校”的教育数据中台、教育网络资源、教育专网建设成效更佳；而各“弱校”的数据设施架构虽然相对完善，但数据意识普遍缺失，大部分资料以非数据的文本形式存储，且大多缺乏专业的数据管理人才。这进一步削弱了教育数据应用的可能性，致使各“弱校”日常数据的管理应用水平受限、处于教育数据的持续探索（B）阶段。

2 各类教育数据获取不便，限制师生数据能力水平的整体提升

在走访过程中，大部分被调研学校声称自己“有数据不可获取”。对相关学校负责人和代表教师进行访谈后发现，其主要原因在于：①学校专业化人才有限，尤其缺少信息化领导和建设的人才、管理学校各类数据的专业人员和专业教师，学校信息化管理工作往往由信息技术教师担任。②学校信息设备利用有限，虽然很多学校在智慧校园建设上投入巨大，但大部分教师对学校信息设备仅进行了简单使用。例如，被调研中学的数据能力水平得分仅为1.42、对应初始级，而数据管理应用得分仅为1.78、对应探索级。③数据驱动的教学和研究意识尚不强烈，加上被调研学校教师的年龄普遍偏大，其在利用教育数据进行日常的教学、班级管理和促进个人发展上意识薄弱。例如，被调研学校的数据能力水平仍处于初始级或探索级，最高分仅为1.92。

3 各校数据生命周期链条尚不明晰，阻碍教育数据成熟度的后续提升

数据的收集、处理和应用需要统一的标准接口和可对接的服务支持，然而被调研学校在这两方面的发展程度有限，导致出现了“数据孤岛”的现象。大部分数据存储于学校和上级管理部门的教务处、信息化中心和网络教学平台中，教师教学数据、学生学习数据与其他数据的衔接不足，且数据的冗余性和复杂性显著增加。虽然C市市辖区在教育信息化建设方面已投入很多财力，不少学校的数据设施架构达到了探索级甚至更高等级，如被调研小学得分2.89、达到成熟级（≥2.55），但在数据应用上仍处于较低的发展水平，而所有被调研学校在数据能力水平、数据管理应用上专家的平均赋值为1.83、1.67，少有学校满足成熟级、更没有学校达到创新级（≥3.4）。可见，C市市辖区基于数据驱动的学区化管理和服务机制尚未成熟，校际间和学区内数据收集、处理、应用的全数据生命周期发展链条尚不明晰，教育数据成熟度发展受限。

六 结语

教育数据是引领教育数字化转型、促进学校高质量发展的重要支撑，因此对教育数据的质量进行测评十分重要。本研究依托数据生命周期理论和成熟度模型，建构了教育数据成熟模型并进行了应用。案例的数据分析结果表明，教育数据成熟度模型可以有效衡量中小学在数据设施架构、数据能力水平、数据管理应用三大关键过程域上的整体发展：被调研小学处于教育数据的持续探索（B）阶段，而被调研中学处于教育数据的起步应用（A）阶段；除了数据设施架构，少有学校满足成熟级，没有学校达到创新级。需要注意的是，虽然教育数据成熟度模型可有效评估中小学教育数据质量，但目前该模型高度依赖于专家的主观赋权，后续研究需设计更为客观的评测指标，并需将教育数据成熟度模型内嵌于学校数字化转型生态评估体系，且依靠智能技术进行实时监测，以期为实现学校高质量发展、促进学校教育数字化转型提供支撑。

[1]杨开城,邓钰红.教育现代化何以可能[J].中国电化教育,2019,(9):7-12、21.

[2]张海,崔宇路,余露瑶,等.基于数据挖掘的智慧课堂教学行为事理图谱研究[J].远程教育杂志,2020,(2):80-88.

[3][8][32]吴永和,许秋璇,王珠珠.教育数字化转型成熟度模型研究[J].华东师范大学学报(教育科学版),2023,(3):25-35.

[4][24][33]祝智庭,孙梦,袁莉.让理念照进现实:教育数字化转型框架设计及成熟度模型构建[J].现代远程教育研究,2022,(6):3-11.

[5]杨现民,吴贵芬,李新.教育数字化转型中数据要素的价值发挥与管理[J].现代教育技术,2022,(8):5-13.

[6]王正青,但金凤.如何构建教育数据治理体系:美国肯塔基州的成功经验[J].现代远程教育研究,2021,(1):77-86.

[7]张宇杰,安小米,张国庆.政府大数据治理的成熟度评测指标体系构建[J].情报资料工作,2018,(1):28-32.

[9]胡卫星,徐多,赵苗苗.基于技术成熟度曲线的教育信息化发展热点分析[J].现代教育技术,2018,(1):38-44.

[10]Farah B. A value based big data maturity model[J]. Journal of Management Policy and Practice, 2017,(1):11-18.

[11]张务农.大数据推动教育科学研究进入新境界[J].中国教育学刊,2018,(7):32-36.

[12]顾小清,黄景碧,朱元锟,等.让数据说话:决策支持系统在教育中的应用[J].开放教育研究,2010,(5):99-106.

[13]张海,崔宇路,余露瑶,等.人工智能视角下深度学习的研究热点与教育应用趋势——基于2006～2019年WOS数据库中20708篇文献的知识图谱分析[J].现代教育技术,2020,(1):32-38.

[14]薛耀锋,曾志通,王亚飞,等.面向区域教育治理的学生画像研究[J].中国电化教育,2020,(3):62-68.

[15]徐超超,陈世超,赵鑫硕,等.区域教育大数据中心平台建设探讨[J].现代教育技术,2016,(11):5-12.

[16]陈良雨,陈建.大数据背景下的教育治理能力现代化研究[J].现代教育技术,2017,(2):26-32.

[17]余胜泉.教育数字化转型的层次[J].中国电化教育,2023,(2):55-59、66.

[18][20]李月,曹海军.数据生命周期视角下政府跨域协作数据治理及其运行逻辑[J].东北大学学报(社会科学版),2020,(3):56-63.

[19]Alshboul Y, Nepali R K, Wang Y. Big data life cycle: Threats and security model[OL].

[21]Jeannette M W. The data life cycle[J]. Harvard Data Science Review, 2019,(1):1-6.

[22]张誉元,张海.数据生命周期视阈下教育数据伦理问题及规约之径[J].中国电化教育,2022,(10):118-125.

[23]张海,孙帙,李哲,等.日本教育大数据的应用现状、特点及启示[J].现代教育技术,2017,(7):5-11.

[25][29]Comuzzi M, Patel A. How organisations leverage big data: A maturity model[J]. Industrial Management & Data Systems, 2016,(8):1468-1492.

[26]Halper F, Krishnan K. TDWI big data maturity model guide: Interpreting your assessment score[R]. Renton: TDWI Research, 2013:1-20.

[27]Sulaiman H, Cob Z C, Ali N. Big data maturity model for Malaysian zakat institutions to embark on big data initiatives[A]. 2015 4th International Conference on Software Engineering and Computer Systems(ICSECS)[C]. Kuantan, Malaysia: IEEE, 2015:61-66.

[28][30]Teresa de Onis. The four stages of the data maturity model[OL].

[31]孙聘,蒋宇.我国智能教育政策十年回顾与反思[J].现代教育技术,2022,(12):68-75.

[34]张贵勇.辽宁省沈阳市大东区积极推进智慧教育建设——数字化让区域教育更“智慧”[N].中国教育报,2023-4-26(12).

[35][37]王永固,王怡,王会军,等.区域教育智慧生态系统构建:模型、框架与策略——基于浙江教育大数据工程行动实践[J].中国电化教育,2022,(12):114-120.

[36]于方,刘延申.“以用户为中心”的教育数据挖掘应用研究[J].电化教育研究,2018,(11):69-77.

[38]胡翰林,沈书生.基于中台技术的教育大数据应用研究[J].现代教育技术,2021,(9):78-86.

[39][40]万力勇,范福兰.教育数字化转型成熟度模型的构建与应用[J].远程教育杂志,2023,(2):3-12.

Research on the Educational Data Maturity Model under the Digital Transformation

CUI Yu-lu1ZHANG Yu-yuan2ZHANG Hai3

In the process of promoting education digital transformation of education, the maturity of education data determines the depth and breadth of teachers’ effective teaching and students’ accurate learning, which is the key to achieving high-quality development of school education. Based on this, the paper firstly explained the concept of education data maturity and examined its value. Then, relying on the data life cycle theory and maturity model, this paper constructed an educational data maturity model with taking three key process domains of data infrastructure architecture, data capability level, and data management application as the coordinate axes, integrated four maturity development stages of educational data named A, B, C, D and four maturity levels of beginning, exploration, progression, innovation. After that, three application scenarios of educational data maturity model were introduced, which included the quality construction evaluation of educational data, the quality improvement effectiveness evaluation of regional education teaching, and evaluation of school business processes. Finally, through case analysis, the effectiveness of the educational data maturity model in assessing the quality of primary and secondary schools’ educational data was verified. The purpose of this paper was to provide reference for the effectiveness evaluation of education digital transformation through the educational data maturity model.

digital transformation; educational data; data maturity; data life cycle; accurate teaching

G40-057

A

1009—8097（2023）11—0019—10

10.3969/j.issn.1009-8097.2023.11.002

本文为教育部人文社科青年基金“数字化转型下数据画像赋能教师数字胜任力评价与培育机制研究”（项目编号：23YJC880067）、教育部教育管理信息中心课题“数字教育政策法规国际比较研究及其数据库建设”（项目编号：MOE-CIEM-20230015）、2022年度东北师范大学哲学社会科学中长期研究重大培育项目“人工智能时代未来卓越教师成长机制研究”（项目编号：JSJY20220102）的阶段性研究成果。

崔宇路，讲师，博士，研究方向为智慧教育、教师专业发展，邮箱为724201647@qq.com。

2023年4月20日

编辑：小米