教育大数据应用行动要坚持“统筹规划、创新发展”

崔伟

【摘 要】教育大数据的价值在于应用，本文结合北京市《教育信息化三年行动计划（2018-2020年）》和当前发展现状，探讨了落实教育大数据应用所面临的三个主要困境：信息孤岛大量存在、教育大数据开放准备不充分、教育大数据相关利益人数据素养不足。要克服上述困境，实现教育大数据应用，需坚持统筹规划和创新发展的原则，尽快研究制定教育大数据的标准；建设大数据平台，借鉴已有的公共数据开放经验，制定开放标准，平衡数据透明度与个人隐私保护间的关系；通过培训、平台和工具提升教育大数据相关利益人的数据素养。

【关键词】教育大数据；教育信息化；行动计划

【中图分类号】G40-057 【文献标识码】A

【论文编号】1671-7384（2018）06-015-03

信息时代，人们生活在充满数据的世界，什么都可以用数据表示。大数据正深刻改变着人类的工作、生活与思维，并成为社会各行各业变革的重要驱动力。许多国家纷纷将大数据政策上升为国家战略性政策[1]。北京市教委7月份发布的《教育信息化三年行动计划（2018-2020年）》（下简称《行动计划》）将“教育大数据应用行动”作为主要的行动之一。学者认为教育大数据将为解决教育难题、促进教育领域综合改革提供重要机遇和巨大的可能性[2]。但大数据作为近几年被提出的概念，要真正实现教育大数据的应用仍面临诸多现实困境。

落实教育大数据应用所面临的困境之一是“信息孤岛”大量存在。信息化的本质是计算机与计算机之间、系统与系统之间以数据形式的对话。而现在不同的地区和学校运行着多个信息系统，收集着大量的数据却是一个个“信息孤岛”。因此，《行动计划》提出“加强教育信息化顶层设计，全面统筹业务需求，科学规划假设内容，合理设计总体框架”等基本原则，“形成以统一目录体系为统领、以深度关联为特征……的北京教育大数据新体系”。

数据的规范化和标准化是打破数据壁垒、联通“信息孤岛”的关键，是建立教育大数据新体系首先需要解决的问题。规范不同地区、部门、系统的数据定义、数据表示、数据编码，用有序统一的标准数据理顺混乱的数据环境，从信息语义共享的角度，实现信息使用者、拥有者对共享数据的涵义、表示及标识有相同无歧义的理解[3]。如此才能保障计算机与计算机之间、系统与系统之间顺畅的数据流转。

教育大数据标准的研究可以借鉴国外教育数据标准和我国其他行业的大数据标准。美国作为率先将大数据从商业概念上升到国家战略的国家，其一直重视数据标准的制定。美国教育统计中心（NECS）很早便制定了数据统计标准，并于2012年修订了标准，从而与OMG公布的数据调查标准一致。该标准对数据采集、数据编辑、数据分析和数据传播均制定明确的标准和指导[4]。在我国，全国信息技术标准化技术委员会已经开展大数据标准化工作，提出大数据标准体系框架的7个组成类别：基础标准、数据标准、技术标准、平台/工具标准、管理标准、安全标准和行业应用标准。其中，行业应用类标准主要是针对大数据为各个行业所能提供的服务角度出发制定的规范[5]。该类标准指的是各领域根据其领域特性产生的专用数据标准。许多行业已经着手研究并提出本行业的大数据标准，如医疗健康大数据标准[6]、金融大数据标准[7]、工业大数据标准[8]等。教育大数据标准的制定工作迫在眉睫，北京作为科技创新中心，应担负起引领该标准研究和制定的重任。

落实教育大数据应用所面临的困境之二是教育大数据开放准备不充分。平台建设和数据开放是教育大数据落地的基础和关键，覆盖了从数据采集、存储计算、分析挖掘到具体应用的整个生命周期。但目前相关教育大数据的研究大多停留在理论探索阶段， 尚缺乏成熟、完整的教育大数据平台架构，尤其缺乏公共数据开放的實践[9][10]。《行动计划》将“构建教育大数据平台”作为未来三年的重要行动之一，并提出将“面向社会公众提供公开教育数据服务”。这是对2015年国务院《促进大数据发展行动纲要》中“加快政府数据开放共享”要求的落实。数据的价值在于融合、挖掘和应用[11]，数据在系统中“睡眠”是毫无价值的，只有让数据流动起来，才能充分发挥其价值。教育大数据开放、共享是应用的保障。“十三五”规划中也明确提出：实施国家大数据战略，推进数据资源开放共享。

公共数据开放已经成为全球趋势，教育数据作为一种特殊的公共数据，也需要在合理的范围内以合理的方式对外开放[12]。当前我国政府数据开放存在数据量少、价值低、可机读比例低和多为静态数据等问题。许多地方政府在开放什么、开放程序、管理方式等方面有疑问，不知该如何开放政府数据，如何描述和发布数据，如何让用户找到并利用这些数据。西方国家普遍将开放数据视为促进政府透明性和民主改革、激发知识创新和建设信息经济的重要手段，并由此采取了一系列政策措施推动数据开放。2009年，美国政府推出Data.gov，不涉及隐私和国家安全的相关数据，均在该网站公开发布；2011年，法国政府推出公开信息线上共享平台data.gouv.fr。2012年，纽约市通过了《开放数据法案》[13]；2012年，韩国首尔市开放了“首尔开放数据广场”公共信息网络平台；2013年，八国集团首脑在北爱尔兰峰会签署了《开放数据宪章》。

需要看到，公共数据开放是一件说易行难的事情，公共数据开放是把政府所掌握的大量原始数据，以“机器可读”的形式，让任何人可免费使用、转化和共享[14]。这就存在泄露个人隐私、侵害公民隐私权的风险，但若过度个人隐私保护则会降低数据的质量和透明度。政府开放数据的透明性与公民个人隐私保护成为两难诉求。教育大数据开放需要以统筹规划的原则，进行数据开放顶层设计，制定自上而下的执行标准和开放标准[15]。为保护学生的教育隐私，任何被确定为潜在的个人身份信息的数据在平台发布前均需进行保护。

落实教育大数据应用所面临的困境之三是，教育大数据应用面临相关利益人的数据意识和数据素养不足困境。大数据是一种思维方式和能力，是从海量复杂的数据中寻找有意义的关联、挖掘事物变化的规律、预测事物发展的趋势。当前，教育大数据利益相关人普遍存在数据意识不强、数据分析能力不足的问题。轻视数据与数据万能论并存：一部分人对大数据的价值存在疑虑，对大数据促进和提升教育的价值存在观望心态[16]；另一部分人则过度依赖和信任数据，认为数据能解决任何问题，甚至将数据视为一切决策的唯一依据。许多教师对数据分析逻辑的理解不足，无法熟练使用常见的数据分析软件。这不仅仅是中国的现状，其他国家也面临这一问题。例如，Newland（2015）等人对英国高校高级管理者的调查发现，有一半学校未进行任何学习分析的尝试，的高级管理者对学习分析所能带来的益处理解不足，且学校各部门对学习分析的理解存在巨大差异[17]。

美國的大数据发展较早，对民众数据素养的提升非常重视。美国教育部通过三方面工作提升教育数据相关利益人的数据素养。第一，颁布指导说明性文件，帮助管理者和决策者了解教育大数据的具体形式，以及大数据如何可以应用于教育改进[18]。第二，明确数据技能的含义（定位数据、理解数据、解释数据、基于数据的教学决策、提出问题），并在教师培训时加强数据技巧、数据决策技术相关内容的培训[19]。第三，提供便捷的数据获取平台和数据分析工具提升全民数据素养。如，教师、民众和研究者可以在美国教育统计中心网站、美国教育部教育数据快线、国际教育成就评价协会网站获得丰富的教育开放数据。上述网站同时提供多种不同的数据分析工具和数据可视化展示，从新手到研究人员均能从中获得支持。

总之，要真正发挥教育大数据的价值，就需要落实教育大数据的应用。当前落实教育大数据的应用所面临的上述三个困境具有基础性、全局性和支撑性影响。要解决这些问题需要坚持《行动计划》中的“统筹规划”和“创新发展”原则，加强顶层设计和全面统筹，积极探索新模式、新业态。

参考文献

中国信息安全. 世界主要国家的大数据战略和行动[EB/OL]. http：//www.cbdio.com/Big Data/2015-07/02/content_3395203.htm， 2018-08-19.

杨现民，王榴卉，唐斯斯. 教育大数据的应用模式与政策建议[J]. 电化教育研究，2015（9）： 54-61.

李冬梅. 统一数据标准实现业务协同[J]. 信息技术，2010（6）： 235-237.

2012 Revision of NCES Statistical Standards： Final [EB/OL]. https：//nces.ed.gov/statprog/2012/.2018-8-19.

张群. 大数据标准化现状及标准研制[J]. 信息技术与标准化，2015（7）.

陈敏，牟海燕，秦健. 健康医疗大数据标准体系框架研究[J]. 中国数字医学，2018（4）.

郭琨， 李建平. 金融大数据标准规范体系比较研究[J]. 大数据，2017（1）： 12-18.

齐建军. 工业大数据专题组： 提出工业大数据标准体系框架[J]. 信息技术与标准化，2016（z1）.

李振，周东岱，刘娜，等. 教育大数据的平台构建与关键实现技术[J]. 现代教育技术，2018（1）： 100-106.

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，2016，26（11）： 5-12.

邬贺铨. 大数据共享与开放及保护的挑战[J]. 中国信息安全，2017（5）： 55-58.

杨现民，陈世超，唐斯斯. 大数据时代区域教育数据网络建设及关键问题探讨[J]. 电化教育研究，2017（1）： 37-46.

大邑. 开放数据平台是打开“智慧城市”的钥匙[J]. 计算机光盘软件与应用，2013（15）： 16-18.

陈明艳. 政府开放数据的语义描述与实体同一性研究[D]. 华南理工大学，2015.

张群，吴东亚，赵菁华. 大数据标准体系[J]. 大数据，2017（4）： 11-19.

杨现民，李新，田雪松. 学校导入教育大数据项目： 动因、模式、路径与误区[J]. 中国电化教育，2018（1）： 50-58.

Newland， B.， Martin， L.， Ringan， N.. Learning Analytics in UK HE 2015： A HeLF Survey Report. Heads of eLearning Forum [EB/OL]. http：//helfuk.blogspot.co.uk/2015/10/uk-he-learninganalytics-survey-2015.html， 2018-08-19.

U. S. Department of Education，Office of Educational Technology. Enhancing Teaching and Learning Through Educational Data Mining and Learning Analytics：An Issue Brief [R]. Washington，D.C.，2012.

US Depart of Education， Office of Planning， Evaluation and Policy Development （2011）. Teachers Ability to Use Data to Inform Instruction： Challenges and Supports [EB/OL]. https：//www2.ed.gov/rschstat/eval/data-to-inform-instruction/report.pdf， 2018-08-19.