让数据产生价值：教育数字化转型的应有之义

王 浩

数据是教育数字化转型的核心要素，发挥着“动力引擎”的重要作用，是驱动教育改革创新的关键力量。怀进鹏部长指出，要深入实施教育数字化战略行动，建设国家教育数字化大数据中心，强化大数据赋能教育教学，更好推动优质资源均衡，服务人的全面发展、教育能力提升、教师能力提升。《上海市教育数字化转型“十四五”规划》对教育数据的采集、挖掘与应用作出了重要部署。比如，推进校园物联网建设，实现伴随式、无感知、守伦理、保安全的校园数据采集；构建教育数字基座，推进教育数据的深层次应用；加强教学过程数据、学业数据的分析和运用，开展精准教学和个性化指导；数据智能驱动，重构教育评价机制；挖掘数据要素价值，推进教育治理的科学化。

数据本质上是对客观事物或人类活动的一种记录，其价值是潜在的、隐性的、被动的。只有当数据被加工处理转化为信息，人们从信息中发现规律，用于解决问题或指导行动，数据才真正发挥作用，其价值才被激活和释放，否则它就仅仅只是一种记录。换句话说，数据价值既需要挖掘，也需要在应用中实现。数据的价值挖掘需要能够将其转化为信息的技术，更需要善于发现规律的思维和智慧。随着教育信息化的推进、各类平台的应用，教育领域产生了海量的基础数据、行为数据和业务数据，其中包括大量的非结构化数据和多模态数据。深度挖掘和释放这些数据的价值，是教育数字化转型的应有之义，也是衡量教育数字化水平的重要指标。那么，如何让数据产生价值？这是教育数字化转型亟待解决的现实问题。对此，可以从以下五个方面加以探索和解决：

第一，要确保数据质量的可靠性，这是数据价值挖掘的先决条件。首先，要大力推广学校数字基座的落地应用，实现不同平台数据的沉淀汇聚，进而消除数据孤岛，确保教育数据的全面性。其次，要强化教育数据治理，定期清洗和整理数据，处理海量数据中的冗余问题。最后，要加强教育数据规范管理，建立数据标准体系和数据质量评估制度，从数据源头和使用过程确保数据质量。

第二，要确保数据分析的科学性，这是数据价值挖掘的关键环节。数据分析就是从数据中提取信息的过程。一种是直接通过使用数据分析工具或应用程序进行，另一种需要重新建构数据模型再加以分析。一般而言，前者能够保证数据分析的科学性，而后者涉及数据模型建构与验证的科学性。正因如此，数据模型是制约教育数据价值挖掘的一大难点，需要技术人员、数据分析人员、教育研究者以及一线教师联合攻关。

第三，要注重数据解读的准确性，这是数据价值实现的重要条件。人们需要经过解读，才能发现数据分析提取的信息背后的规律和知识。不同的人从不同的角度、不同的立场出发，对于同一信息的解读会有多种多样，甚至截然不同的发现。这考验的是数据解读人员的知识储备、思维方式乃至实践智慧。为此，一方面，要不断提升教育工作者的数据素养；另一方面，学校要建立数据解读团队，利用团队智慧确保数据解读的准确性。

第四，要关注数据应用的有效性，这是衡量数据价值的唯一指标。一是数据应用要与教育业务场景或具体的教学情境相结合。数据分析和解读的结果只有用于解决业务问题、用于具体的行动决策才能保证其有效性。二是要关注数据应用对于减轻教师工作负担、提升教育教学质量、解决教育业务问题、实现个性化指导和因材施教等方面的实际效果。数据只有在有效应用中方能实现其价值。

第五，要确保数据的隐私安全和伦理风险，这是数据价值实现的基础保障。数据价值要服从于育人价值，数据始终是人为的，也是为人服务的，更是为育人服务的。数据价值挖掘决不能以牺牲隐私安全、导致伦理风险为代价，这是数据应用的底线和红线。无论是教育数字化转型还是教育数据治理，都要加强数据安全和隐私保护，增强网络与信息安全保障，规范数据采集的合法性和伦理性，明确数据开放共享和使用权责，通过人技协同的方式确保数据安全。

数据驱动教育创新变革、赋能教育高质量发展是教育数字化转型的根本目的。教育数据价值挖掘是一项复杂的系统工程，关乎数据的全生命周期管理，涉及数据分析技术的应用，更关涉教育主体的创新思维和实践智慧的介入。我们要始终坚持以人为本、以育人为本的理念，深入挖掘教育数据要素的潜在价值，充分发挥教育数据在推进教育数字化转型中不可替代的重要作用，为数字中国、教育强国建设作出应有的贡献。