教育信息化新阶段对军事职业教育的影响及对策

谈少盈 李小平 弥华见

摘 要：教育信息化新阶段的核心特征是大数据，大数据是把双刃剑，对军事职业教育领域的资源、教学过程、教育管理等提供改革的机遇，但也产生诸多隐患。为加快军事职业教育数据建设水平，根据教育信息化新阶段的特征，分析了教育信息化新阶段对军事职业教育发展的影响，从数据基础设施、数据运用能力、学习模式、管理模式等方面提出了教育信息化新阶段军事职业教育发展的对策。

关键词：教育信息化；大数据；军事职业教育

中图分类号：G712 文献标识码：A

一、教育信息化新阶段的特征

教育信息化是指在现代教育思想和理论指导下，在教育领域全面深入地应用现代信息技术，促进教育的根本变革与发展。教育现代化具有两个阶段，即：工业时代的教育现代化、信息时代走向智慧时代的教育现代化。当前我国教育教育现代化处于第二阶段，即智慧时代的教育信息化，这一阶段可以称为教育信息化新阶段。在这一阶段，学习分析技术、可视化技术、虚拟现实技术等先进技术逐步渗透到教育信息化的进程当中，出现翻转课堂、微课程、大规模开放在线课程的课程形式，促使“人人皆学、处处能学、时时可学”的学习型社会初具规模。教育信息化新阶段具有的特征归纳如下：

一是学习需求旺盛。社会变革速度加剧，使得终身教育成为个人赖以生存和发展的基础。未来社会是一个以学习为中心，以学习求发展的社会。越来越多的公司、企事业单位要求雇员通过短期培训、脱产学习、网络远程教育或阅读教育性材料等方式进行定期自主学习，从而适应不断更新的工作需求，如学会使用新的复杂的工具、程序和技术。人们普遍意识到，为了生存、发展，必须进行终身学习，以适应既迅速又广泛的变革。2016年，我国参加各级各类非学历教育学生结业生数高达56，568，767人，其中参加高等教育资格证书培训的有2，837，563人，参加高等教育崗位证书培训的有2，829，065人，终身教育已经成为一种需要，终身学习已经为民众所接受。终身学习理念的普及，促使国家和社会各界大力发展教育信息化，有力推动了教育信息化新阶段的良性发展。

二是教育数据繁荣。习近平主席指出：”大数据是信息化发展的新阶段”。随着大数据时代的到来，教育领域开展了诸如微课程、翻转课堂、MOOC等教育实践，并且在各种教育系统内积累了大量数据，称之为教育大数据。教育大数据产生于教育活动过程中，可分为学习过程大数据、教育资源大数据和教育管理大数据。教育大数据能够帮助教师更加深刻的了解学习者、帮助管理者更加科学把握教育规律、帮助学生进行自我评价，总之，教育大数据通过跟踪学习轨迹，能够做出基于数据的预测、评价和反馈，使得“因材施教”、个性化教育进入实施。

三是课程开发市场化。在现代信息技术助推下，教育体系逐渐突破学校、国家的限制，教育内容拓展到社会经济、文化、生活等各方面、各领域。因此，教育信息化新阶段的办学模式不再局限于传统的学校办学模式，而是全社会联动开发教育资源，以政府作为龙头，学校、企业、行业协会、社会各民间团体、国际化机构等共同参与，更多资源聚集到教育领域，建立以学习需求为导向的、多向度的教育资源开发模式。教育资源呈现出了开放性、多元性、全球性与网络性等特点，从而能满足教育信息化新阶段学习者多样化的学习需求。

四是学习方式混合化。混合式学习特指采用面对面学习与在线学习相结合的方式来完成学习任务，达成学习目的的学习方式。混合式学习整合线下和线上两种学习方式，激发学生的创新精神，提升学生的学习效率和效果。混合式学习模式具有教学资源多样化、集成度高、交互性强、强调学习的自主性、能够激发学生学习的动机等优势，适应大数据环境下终身学习、碎片化学习的特征，能够将理论知识学习与实践能力培养相结合，推动学习者走向学习的中心，从而有效培养学习者的实践能力。

二、教育信息化新阶段对军事职业教育发展的影响分析

在大数据技术支持下，现代教育通过从宏观上把握教育规律、微观上对教育者、学习者个体的支持，未来教育的曙光已经显现。教育信息化新阶段军事职业教育在知识形态、教学模式、学习内涵、教学思维、教学主体、教育资源等各方面，都发生着改变，迎来了发展的机遇，但资源的丰富、数据的增多，给学习者带来混淆，给教师提出新的挑战，对军事职业教育参与者的数据素养提出挑战。

（一）丰富的教育数据既能满足个性需求，也易产生数据干扰

军事职业教育是“面向军队人员的在岗继续教育”，为满足岗位需求和任职经历欠缺，军事职业教育办学主体必须提供每个部门、每个岗位的个性化的教育资源，必将导致军事职业教育的资源异常丰富。来自军队院校、部队和机关的各种推送课程，能够适应个性化、碎片化的学习要求，各类学习系统、教学分析系统上会产生大量的数据。挖掘和分析这些数据能够让我们“看得更清、看得更远、看得更全”，但也会带来数据干扰。“信息干扰无处不在”，调查显示，电脑使用者被电子邮件提示音打扰后，平均需要花22分钟才能回答之前的工作状态。资源虽多，但能用、可用的不一定多。以人们经常使用的搜索引擎为例，在利用关键词搜索时，搜索引擎给出的答案往往超出百万条，远超出人类能处理的范围。多媒体技术的广泛应用，给学习者带来丰富的感官享受，提高了学习效率。但过量的媒体元素应用，“反而分散了学生的注意力，影响了教学质量”。在“信息海洋”之中，权威被打破，信息以多样和无序的状态进行野蛮生长，需要学习者进行较长时间的鉴别。基于网络开展教学的军事职业教育，不可避免会被网上大量的无用、过量、无序的信息数据干扰，影响学习效果。

（二）详细的数据既能精确描述过程，也易产生信息失实

教学大数据像“痕迹”一样，全方位记录细节，从而“无限地逼近”事件的真相，最大限度还原教学的本来面目。依靠从网络和传感器获取的海量，我们开始真正“用数据说话”，揭示教学规律，不用担心“信息缺失”“样本数据不够”。舍恩伯格却尖锐指出“数据远没有分析的那么可靠”。“谷歌流感趋势”（Google Flu Trends）系统对搜索引擎上的“热词”分析，从而估计各地区流感类疾病患者数目，其分析结果比美国疾病控制与预防中心的数据更快速。在2012年，其估计数目比实际高了约一倍。究其原因，竟是媒体对流感类疾病的关注，使得太多人搜索了此类关键词，干扰了谷歌系统的分析。大数据长于相关分析，短于因果分析，因此产生信息失实，得出了错误的分析结果。而被操控的数据，甚至会说谎。网络常见的“问卷调查”、“网上阅读时间”，为获得潜在预期的结果，人为操纵调查结果的行为屡见不鲜。空军军事职业大学学习过程考查成绩由网上在线学习成绩和网上复习自测成绩组成，要求是不少于25小时的网上在线学习，达到要求方可记为单项成绩满分。很多学习者平时未学习，到考试期间，为凑足学习时间，利用软件长时间挂机，有的甚至彻夜不下线，以满足学习时间的要求。因此，Frank Pasquale在《黑匣子：操纵金钱与信息的秘密算法》中指出：“（网站）可以包容、排斥、排名的权力决定了何种公众言论可以长期存在，何种会日渐式微。”

（三）精准的教育数据既能支持教育管理，也易产生样本偏差

通过数据可视化和数据挖掘技术，能够更加细致、准确、实时地获取军事训练过程中的细小“痕迹”，过去极其感性、抽象、不可计量的事物，现在都能转变为理性、具体、可以量化的数据信息，变模糊的直觉判断为精确的数据结果，从而揭示过去教育教学中无法发现的细节，使军事职业教育管理的视角进入微观层面和全方位视野，克服人为的宏观观察带来的局限性。统计学认为，在进行数据分析之前，必须分析数据的样本误差和样本偏差。样本误差是指一组随机选择的样本观点可能无法真实的反映全部人群的看法，而误差的幅度，则会随着样本数量的增加而减少。为了减少样本误差，我们可以通过更大量的数据收集用以糾正，大数据在数据量积累方面具有天然优势。然而，仅仅分析样本误差还远远不够，还必须分析样本偏差。样本偏差是指一个样本的采集对象不是随机的，很多原本应该包含在内的样本被提前筛除了。比如，某知名化妆品牌因质量不达标准而信誉受损，新浪对此进行网络调查，预言该品牌会失去95%的消费者。但是该品牌的后续销量表明，其销量仅下降了40%。可见，网民不能代表该品牌的全部消费者，新浪的网络调查发生了样本偏差。与样本误差相比，样本偏差具有很强的隐蔽性，容易被研究者所忽视。以上例子说明样本偏差极易被忽视。在是用数据分析军事职业教育的时候，以学习者社区互动为例，有的学习者会在讨论社区发言活跃、积极活动，也有学习者可能成为“超级潜水者”，会默默关注讨论的进程，但是不会上线交流讨论。如果在采集数据时，仅仅以活跃用户的意见为准绳，就会发生样本偏差。

（四）开放的数据既能共享教育资源，也易产生隐私泄露

教育信息化新阶段，通过硬件基础设施和软件基础设施的建设改造、标准制定，有望破除以往军事职业教育存在的“条块分割、存储分散、格式不一、共享不畅”的现状，通过数据规范化建设和接口技术，制定数据分类方法、数据格式标准、传输协议、编码规则等，实现各类型各层次数据的规范化、标准化，实现互联互通的军事职业教育资源网络。但是随着社交网络、位置信息等数据的广泛采集，不同数据相互关联，弱信号相互结合之后会逐渐变强，最终生成具有强烈个人特征的“社交签名”，足以确定一个人的身份。迪博德是美国著名计算机专家，他认为用户在银行交易之后，留下的痕还包括大量其他信息，例如时间、地点等，这些信息和用户的通讯、旅行、消费等数据记录结合起来，可以部分还原用户当天的行踪和行为，从而透漏用户隐私。因此，在大数据时代，每一次计算机操作都是个人隐私的宣扬，数据和信息的加工、整合对隐私的穿透力很多时候是大于“1+1>2”的。军人上网行为具有明显特征，比如有些人为吸引眼球故意说一些涉军信息，还有的人喜欢评论涉军事件，如果“有心人”搜集和分析这些行为留下的数据，很容易就能够找出军人信息。“当军人的网上行为变得有迹可循，其带来的涉军信息安全问题也开始日益凸显。”

三、教育信息化新阶段军事职业教育发展的对策

随着“2110工程”、全军训练管理信息网、军事职业教育MOOC网站等建设，我军军事职业教育建设已步入教育信息化新阶段，积累了大量的教育数据。然而还存在很多不足，为推进教育大数据在军事职业教育中的科学有效运用，需从数据基础设施、数据运用能力、学习模式、管理模式等方面，整体提前谋划，加强军事职业教育数据建设。

一是完善军事职业教育大数据基础设施。要整合软硬件基础设施。按照数据采集的标准和要求，对军事职业教育的软硬件资源进行整合更新，解决设备兼容性差、管理调度难、存储能力弱、共享使用难等问题；要加强数据系统建设。为激活军事职业教育领域大量封闭和限制的数据，需要对数据存储、传输、处理等标准进行统一；要扩大数据来源。从学习平台采集线上数据、从营区一卡通和营区视频监控采集线下数据，建立人员全方位数字图像。如图1所示。要加快人才培养。大数据技术的运用，需要复合型人才，既要对行业内的核心数据有深入的了解，同时需要熟练使用SQL、Apache Pig、Hive等主流的统计分析工具，还要理解数据库原理，理解主流机器学习算法的原理和应用，深入学习数据挖掘的理论基础，熟悉各种大数据技术的原理和相对的优劣势，合理利用各种技术来设计大数据平台的架构。“培养一个合格的数据工程师和数据科学家至少需要五到十年的时间” ，因此，军事职业教育领域的大数据人才培养工作必须尽快启动。

二是提高军事职业教育数据运用能力。数据运用的前提是数据解读，即对数据的“阅读”“理解”和“翻译”，要把数据放在特定的时间、背景、文化中解读。百度搜索有组数据反映关注长征话题的人群的年龄分布情况，比例最高的是19-23岁年龄段，关注“长征”话题的高达30.7%，比例最低的是51岁以上年龄段，比例为1.1%。这一结果可能与人们“年纪较长的人更关注历史类话题”的感知不相符。对此数据进行推理，会解读出此数据的缘由，即：年长的人（51岁以上）对于“百度关注”此类新功能运用比13岁至30岁人群要少一些，百度的数据产生了样本偏差；13岁至30岁人群中有很多人尚处在求学阶段，时值长征胜利80周年，很多学校有关于“长征”的作业，学生在上网搜索相关知识的时候，使用“百度搜索”的可能性更高。数据运用的关键是数据转换分解，即把复杂的教育问题转换成可量化的数据分析问题，进而转变成数据采集问题。通过构建数据运用模型，确立数据采集的一级指标、二级指标、三级指标等，采集到适合的数据，通过挖掘和分析，解决军事职业教育的具体问题。将抽象的、非量化的、模糊的事物转换成具体的、量化的、精确的数据描述，是一个复杂的过程，要求教育者要善于数据转换分解，通过数据的挖掘分析寻找和认识教育的规律，进而促进军事职业教育的发展。

三是推广军事职业教育混合式学习模式。混合式学习模式适应教育信息化新阶段终身学习、碎片化学习的特征，强调主动学习，推动学习者走向学习的中心，能有效提高军事职业教育学习效率。有三种混合模式，一是线上与线下混合。在网络学习平台上进行集中学习、集中讨论，在线答疑；在线下进行多种形式的自主式学习，强化巩固线上学习内容，弥补线上学习时间不足，补齐个人知识短板，同时通过线下学习，对线上所学知识内容拓宽加深，更新提高。二是自主与协作混合。自主学习可自主选择学习时间、内容、方式，具有高度个性化特征，满足军人学习岗位知识和深化个人能力素质的需要。协作学习可与网络上学习同伴的联系，通过交流与互通，促进思考和反思。不同战区、不同军兵种、不同单位的学习成员，在数字化学习环境中，可以进行跨战区、跨军兵种、跨单位的协作学习。学习者在自主学习的基础上，通过协作学习，在数字化的学习环境中实施各种学习问题的讨论与交流，享受大数据带来的丰富的教育资源和便利的学习方式。三是固定与移动混合。根据各单位营区网络建设情况，实行固定位置学习和移动学习相混合的学习方式，有效利用碎片化学习时间。利用手机APP和微信公众平台作为移动学习平台，推动师生之间、生生之间的密切协作，充分发挥教师的主导性和学习者的主体性，实现正式学习与非正式学习的有效融合，让学生“学会”学习。

四是改进军事职业教育管理模式。运用数据挖掘技术，从数据中寻找教育管理规律，是“大数据”驱动军事职业教育管理创新发展的关键。管理思维向“数据思维”延伸。军事职业教育学习者多、专业广、教师来自各个岗位，为了对这样海量的人员、课程进行管理，必须运用大数据思维，做到宏观上观察规律，微观上精准定位分析。以美国K-12教育的一项研究涉及7539名学生在883门注册课程中的两千万多份学习日志、学生人口特征数据、课程结束时对学生开展的课程评价问卷调查，这些数据似乎是杂乱的、互相不关联的，然而正是通过对这些数据的深度研究，可以对学生进行分类、发现高危学生和高表现的特征、预测学生成绩、并研究学生表现和对课程满意度的关系。管理依据向“数据支撑”拓展。要提高用具体的数据摆证据、讲道理的能力。将教育活动的数据变为信息，将信息归纳为相应的知识，并由知识分析出具体的行动建议，让最初的数据产生价值，最终形成具有说服力的教育管理依据。管理决策向“可视化”发展。数据可视化是指将数据以视觉形式来呈现，帮助人们了解这些数据的意义。春节期间我国人口迁徙繁忙，百度公司利用百度地图LBS开放平台、百度天眼，对手机用户地理位置大数据进行计算分析，并采用创新的可视化呈现方式，实现了全程、动态、即时、直观地展现人口大迁徙的轨迹与特征，如图2所示。运用可视化技术，可以使用计算机创建可视图像，通过观察数据在可视化图形、图表中不同维度的显示形态，可以充分展示数据的模式，趋势和相关性，迅速、直观地分析数据发展趋势，从而为理解大量的复杂数据提供帮助。

四、结语

习近平主席指出，大数据在保障和改善民生方面大有作为。推进教育领域大数据的运用，必须善于获取数据、分析数据、运用数据。在以大数据为核心特征的教育信息化新阶段，開展军事职业教育需要打好基本功，在数据基础设施、数据运用能力、学习模式、管理模式等方面，整体提前谋划。为加快军事职业教育数据建设水平，提高军事职业教育质量效益，培养信息化军事人才助力。

参考文献

[1]李运林.正确认识与践行教育信息化——七论信息化教育暨纪念南国农先生逝世三周年[J].电化教育研究，2017（10）.

[2]陈琳，王丽娜.走向智慧时代的教育信息化发展三大问题[J].现代远程教育研究，2017（6）.

[3]韩秀芳.优化高等数学多媒体教学的思考[J].高等财经教育研究，2013（11）.

[4]卞友江.“大数据”概念考辨[J].新闻研究导刊，2013（5）.

[5]警惕大数据中的“陷阱”[E B/O L].h t t p：//m.s o h u.c o m/ n/434942704，2016/8/15.

[6]反思“大数据”[EB/OL]http：//chuansong.me/n/437890，2016/10/26.

[7]陈宇新.大数据营销三大陷阱[M].销售与市场，2014（15）.

[8]涂子沛.大数据[M].桂林：广西师范大学出版社，2012（1）.

[9]孙迁杰，马建光，孙洋舟.小心，你被“大数据”锁定了[N]解放军报，2016-4-15.

[10]光明网-光明日报：大数据产业莫让人才拖后腿[EB/OL]http：// news.gmw.cn/2016-11/08/content_22873891.htm，2016/11/8.

[11]踏遍青山人未老，风景这边独好-百度大数据[EB/OL]https：// zhidao.baidu.com/bigdata/view？id=64，2016/10/24.

[12]百度迁徙[EB/OL] http：//qianxi.baidu.com/，2016/12/26.