打开文本图片集
【摘 要】 《教育信息化2.0行动计划》将教育信息化作为教育系统性变革的内生变量，教育大数据的价值期待被无限扩大。教育大数据来源成为主要掣肘，探索积极的教育大数据生态体系建设，解决教育大数据来源和应用问题，提升教育大数据对教育教学支持程度显得尤其重要。文章通过开发研究与行动研究，归纳了教育大数据生态圈构建的基本特征：大数据生态圈的构建是有目标、有计划、有体系的整体构建;蕴含多样性、广泛性、全程性、持续性等特性;反映了人在环境实践改造中的能动性;对教育发展的价值引领性和自身具备一定的成长性。基于此，本研究嘗试构建学校层面的“3+3”教育大数据生态圈模型，并开展实践。结果表明，“3+3”教育大数据生态圈的构建对学校理解和应用好教育大数据有促进作用。
【关键词】 大数据;“互联网+教育”;生态圈;建构;学习分析;模型;逻辑;实践;数据采集
【中图分类号】 G434 【文献标识码】 A 【文章编号】 1009-458x（2019）7-0077-09
《教育信息化2.0行动计划》正式开启了信息化建设的第二阶段，提出了“信息技术与智能技术融入教育全过程，推进改进教学、优化管理、提升绩效”的发展目标。“加强教育信息化从研究到应用的系统部署、纵深推进”的战略任务，需要在教育的方方面面落实。在这样的目标体系下，教育大数据作为沟通物化的环境、符号化环境和人的反馈的载体，蕴含了更加理性地认识教育本质和功能、认识学习者学习过程和心理世界、改进教育研究的方法、提供人本化教育等认知价值和实践价值，备受学者重视。杨现民等（2016）认为教育大数据正在“成为推动教育系统创新和变革的颠覆性力量”。其他学者也提出基于教育大数据的教学模式转变（郑立海， 2015）、学习方式转变（徐鹏， 等， 2013）、研究范式转变（吴南中， 等， 2017）等。也有学者从理论上构建教育大数据的整合平台，如徐珊（2014）提出了基于XML的数据整合模型;孟玲玲等（2012）基于元数据标准设计了知识共享系统;常燕（2013）设计了基于本体技术的异构教育资源数据集成框架。“但鲜有学者对大数据平台架构进行统一、完整的设计”（李振， 等， 2018）。有的从应用层面构建一些数据收集系统，起到了一定的数据收集效用（刘宏达， 等， 2018），但很多文章对应用数据捕捉效果和应用有效程度语焉不详。综上所述，教育大数据促成了教育发展的新愿景，获取数据成为教育大数据发展和利用的掣肘，探讨形成大数据获取的环境构建，构建教育的数据生态圈，通过对教育大数据的捕捉、聚合、理解，促使其成为教育发展和变革的元素、动力、方法与支撑，进而形成可持续的信息化发展机制，积极支持国家信息化新战略，成为教育研究者关注的问题。
一、教育大数据应用掣肘：数据在哪里？
（一）教育大数据内涵及其来源
1. 教育大数据内涵
互联网时代的经济运行发现，数据达到一定量之后，各种相关关系和关联关系隐匿在传统因果联系无法识别和解释的框架中。随后，有人总结，大数据体现了数据量大、输入和处理速度快、数据多样和精准性等内在特性（Doug， 2017），“数据的交换、整合、分析，不断发现新的知识、创造新的价值，从而带来了大知识、大科技、大利润和大发展”（徐子沛， 2012， p. 12）。教育大数据是指在教育体系中的一切数据，包括了发生在教育领域内各个在线应用中的数据，也包括大教育场景中的其他数据（如学校、社会、家庭等），还包括教育管理和教学管理的相关数据等。整个校内校外数据，构成了教育大数据形成环境，是一个教育时间发展和空间拓展的概念。由于教育大数据要服务于特定目标的人群，过于宽泛的内涵会限制教育大数据的应用落地，需要对教育大数据进行分层：宏观层面上，教育大数据是指在广义的教育中发生的一切数据，涵盖全员（所有人）、全过程（从出生到死亡）、全方位（学习、生活、工作和闲暇）;中观层面上，教育大数据指的是人在教育体系中发生的一切数据，包括学前教育、初等教育、高等教育与职后教育;微观层面指的是在学校体系所发生的数据，包括学习数据、生活数据和相关管理数据。从现有的研究范畴来看，后两者是研究的主要领域，前者着重于决策，后者着重于微观的应用。本研究着眼于学校数据生态，在研究对象选取上指的是在一个学校中的所有数据和与外界的数据沟通，包括教学过程产生的数据、教育管理采取的数据、科学研究与校园生活产生的数据，也包含利用校外资源开展教育教学活动，提升生活体验等数据，是一个以学校内数据为主的数据生态。从实践来看，教育大数据具有三种特色：第一，数据来源复杂化。教育大数据既有各类学习者使用终端的数据，也有主动的情景感知终端的数据;既有蕴含过程的各类结构化数据和非结构化数据，也有展示结果的标准化数据和非标准化数据。第二，数据应用对称化。教育大数据在理论上讲，既能利用于教学管理，也能利用于学生自主使用;既能便利学生管理的数据挖掘，也能适应学生学习的自我调适。可以说，多种教育主体都能通过教育大数据找到其用处，这与商业情境中的数据挖掘和利用仅围绕公司和企业的利益最大化有一定区别。第三，数据应用多层次化。在商业数据中，大数据主要用于预测关系和相关关系的挖掘;在教育大数据中，数据利用具有多层化的特征：在宏观层面，可以用于教育政策制定;在中观层面，可以用于解释和预测;在微观层面，可以用于教学策略的适时调整和学习方式的即时转变。
2. 教育大数据来源
在社会经济领域，大数据主要通过社会应用（如借助移动终端）来收集数据，用于识别和预测日常生活、人际关系等（Eagle & Pentland， 2006）。这种层面的数据收集忽视了环境信息和个性化信息的处理，在教育应用层面的个体画像中存在缺陷，也无法提供教育大数据核心的价值归旨——服务于个性化学习。发挥教育大数据的作用，需要围绕学习者建立一系列的数据，才能开展基于数据的挖掘和分析。研究者进行了大量的探索，比如有学者基于在线教学平台，通过事先“埋点”的布局，以量化的方式获取数据，通过数据的增益分析学习者的进步程度（Seel， 2012， p.1176）。ADL使用学习管理系统，跟踪学习者与学习资源之间的交互（顾小清， 等， 2014），通过网络会话实现对学习经历数据的捕捉。传统的这些数据来源依然重要，但在泛在学习的概念和空间中，分析学习者学习进展，提供有针对性的支持，不能借助于简单的汇总统计和比较分析，需要借助移动通信、云计算、情境感知设备等，对伴随性的数据进行无感知、实时和持续的采集，比如学习者学习轨迹、停留时间、游离时刻、主动倾向等。除了学习过程本身，还包括学校的管理信息、状态信息（设备、天气环境等）和学校活动等。在某种程度上，微观的有意义的教育大数据需要涵盖学校生活的方方面面，实现实时的采集，从而挖掘与个性化学习、发展性评价、学习路径设计、教育行为和政策预测等相关的数据，服务于学校教学、科研、管理和服务。