大数据时代应用型本科院校人才培养的困境与解决路径

徐立忠 王 磊

·公安教育研究·

大数据时代应用型本科院校人才培养的困境与解决路径

徐立忠 王 磊

依据大数据的反馈、个性化与概率预测等三大要素和以此形成的“双回路学习”“适应性学习”“学习分析”等理念，可以探知大数据教育背景下应用型本科院校人才培养所面临的现实困境与冲突，即隐私与权利、鸿沟与公平、敏感与渐变、解构与建构等。从发展趋势来看，应用型本科院校解决这些问题的进路则在于完善保护隐私法律、确保良性关系赋权、坚持发展导向的教学改革、构建贴近实践情境意义课堂等四个方面。

大数据教育；应用型本科院校；人才培养

1858年，达尔文的进化论轰动了全世界，引发了罗马教廷的震怒与恐慌。其原因就在于这一理论基于大量的数据支持，形成了合乎逻辑的结论而为世人广泛接受。[1]当下，“慕课”（MOOCs）、“翻转课堂”（flipped classroom）、小规模限制性在线课程（SPOCs）等新的教育手段也以其产生的海量数据，极具说服力地向我们揭示了什么才是受教育者获得认知、创造价值的更有效方式。对此，作为人才培养重要基地的应用型本科院校，应积极把握大数据所带来的机遇，不断深化教学改革，迎接时代挑战。

一、大数据教育的定义、要素及理念

（一）定义

大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法，即利用大量（Volume）、高速（Velocity）、多样（Variety）、有价值（Value）的数据进行分析的方法。[2]借助相关概念和界定，本文认为，大数据教育是指在当前信息时代的社会背景下，利用大量、高速、多样及有价值的数据，促进学习者个体社会化和社会个性化的实践活动，[3]它主要强调了教育实践发生的“大数据”时代背景。传统教育教学方式通常借助抽样（课堂提问、测验）、调查、推理，甚至经验来获得反馈与评价的依据，而大数据则“利用一种前所未有的方式、通过对海量数据进行分析，获得巨大价值的产品和服务，或者深刻洞见”，①从而深刻地影响了现代大学的教育和人才培养方式。

（二）核心要素及关键理念

大数据研究的权威人士维克托·迈尔-舍恩伯格（Viktor Mayer-Schnberger）和肯尼思·库克耶（Kenneth Cukier）在他们的著作中指出，大数据是以大规模数据为基础，做小规模数据无法完成的事情，其核心是关注“相互关系”并进行“预测”，比如“选择有效的教材、教学风格和反馈机制等”[4]。针对传统学习形式中缺乏数据支持的不足，美国斯坦福大学计算机科学家吴恩达（Andrew Ng）利用大数据对其教授的机器学习（machine learning）课程进行变革，包括收集和提取学生动作信息实现课程自动教学、穿插课程视频突击测验了解学生学习进度、追踪学生网上课业情况归纳有效课程元素等，收到了非凡成效。③CAPTCHAs文字识别软件和Duolinguo外语学习软件等应用软件也有类似的功能。这些案例分别揭示了大数据在改善教育和学习过程中体现的三大核心理念，即反馈（feedback）、个性化（individualization）与概率预测（probabilistic predictions），以及由此对应形成的“双回路学习”（double-loop learning）、“适应性学习”（adaptive learning）和“学习分析”（learning analytics）理念。③

1.反馈与“双回路学习”理念。以课堂提问、课后作业、考试测验等为基础的教育反馈模式，大多采用的是“单回路学习”（single-loop learning）模式，无法建立以数据多样抓取和深度分析为基础的教育评价体系，而云计算等新技术手段却可使这一现状得到改观。通过对学习者上网习惯、APP使用情况进行深度加工和实时处理，大数据会“智慧”地呈现新的数据组合和数据关系，实现教育者和学习者对当前学习问题的双向度反馈，这就是“双回路学习”模式。可汗学院（Khan Academy）是该模式的运用典范，其设计了收集数据的一系列程序，将学校、班级、教材和课程作为追踪、分析数据的平台，通过扩展和改善反馈机制，让家长和学生知晓学习进度、重点难点等，以便实时查缺补漏。

2.个性化与“适应性学习”理念。2018年，我国各类高等教育在学总规模达到3833万人，高等教育毛入学率达到48.1%，[5]即将迈入高等教育普及化阶段。但是，教育普及化的代价就是“批量生产”，小数据时代的教育强调“整齐划一”，学校中所见、所闻、所学均是“经过打包和标准化处理的信息”，如同“均码的服装”,[6]其满足了大机器生产的“规模效益”，却忽视了学习者的智力、能力等差异，以形式的公平掩盖了在人才培养中事实上的不公平。为改变“基于平均水准设计教育系统”造成的“损害位于正态分布曲线两侧学生的利益”的做法，个性发展的“适应性学习”理念具有实现“一个尺寸适合一个人”⑤的巨大优势。“适应性学习”是指教育组织者利用收集的数据进行深度分析和实时反馈，重新规划设计已经开展的教学内容、规划教学进度，制定特定时刻学生所需要的学习内容的技术理念。[7]它可以让学习者依据新的数据组合，适时调整学习策略和内容。为实现“掌握学习”（mastery learning），学校应保障学习者充足、合理的学习时长，为每个学生“私人订制”教材和课程。

3. 概率预测与“学习分析”理念。通过大数据系统的“学习分析”，教育者可以对整体的学习状况和个体的知识掌握情况做出判断，进而改进教学内容和风格。更具革命性意义的是，大数据借助包罗万象的数据集和低廉的数据成本，可以进行更为精确的分析，并以概率预测形式呈现出来，从而为学习者优化学习方式、教育者改进教学方式提供有针对性的建议，减少学习选择中的“机会成本”。这些分析揭示了本不为我们所知的变量之间的关系，向我们表明正在或将会发生什么，即如果我们选择某种学习方式将会比别的方式相对地产生出更多“回报”和收益。

二、大数据教育背景下应用型本科院校人才培养的现实困境与冲突

培养人才是高校的使命和任务。目前，我国拥有世界上“体量最大”的本科教育体系，各类本科院校已达1200余所。如何才能使这些高校在培养人才方面更好地服务和贡献于区域经济发展呢？习近平总书记在全国教育大会上发表的重要讲话指出，高校要“着重培养创新型、复合型、应用型人才”，把应用型人才培养提到了突出的位置。[8]因此，应用型本科院校需主动顺应时代的变化、满足人民群众的需求，视培养一流行业人才为己任，不断深化大数据教育背景下的教学改革，提升教育教学和社会服务的质量。那么，在大数据教育背景下，应用型本科院校主要面临着怎样的人才培养困境与冲突？

1.隐私与权力。应用型本科院校的教学改革以服务地方经济社会发展、培养行业需要的专门人才为目标。在一些公安院校，为使学生更好地了解公安业务工作，学校会对教学资源进行提档升级，对教学网络进行优化，使部分授课教室接入公安内网，模拟并在后期真实接入公安内网平台了解警情处理。由此，公安本科院校的学生已成为生活、学习中数据的产生者和未来公共数据的掌握和使用者。但是，在数据可能产生的物质利益的驱动下，近年来民警违规使用大数据的行为屡见不鲜。[9]正确使用海量数据，确保保护隐私和行使公权力之间的平衡，正成为包括公安院校在内的应用型本科院校教育管理者在人才培养过程中面临的重要任务。

2. 鸿沟与公平。高等教育大众化后，每年规模庞大的毕业生像是从大学“生产流水线”下线的产品一样。他们既获得了接受高等教育的机会，也付出了一定的代价：学校给每个人制定的课程大同小异、教学内容千篇一律。由于前期发展滞后和积淀不足，与综合型或研究型大学相比，应用型本科院校在软硬件建设上的差距十分明显。笔者对所在城市的三所不同类型高校观察发现，综合研究型大学D共有5个专业入选国家级综合改革试点项目，23个专业入选国家特色专业建设点，拥有36门首批国家级精品资源共享课、11门国家级精品在线开放课程；应用型本科院校J拥有1个国家级特色专业建设点，4个省级特色专业，6门国家精品在线开放课程，5门慕课在教育部爱课程网上线，12门在线课程在全国地方高校UOOC（优课）联盟上线；应用型公安本科院校P，则拥有2个国家级特色专业建设点、6个省高校特色专业建设点，1门国家精品网络在线开放课程和2门省级立项建设在线开放课程。美国纽约大学教授克莱·舍基（Clay Shirky）指出，“决定着教育未来的，是那些更好利用大数据来适应学习的组织”[10]。因此，不同高校在软硬件建设上的差距将造成学生学习思维养成的差距，进而形成学习者之间、大学或本科院校之间的数字鸿沟，影响教育的公平。

3.敏感与渐变。某些理论、技术、路径在其他领域的“巨大成功”对“敏感”的教育学界而言，意味着“诱惑和激励”，个性化、适应性、多反馈的教学形式与教育功能的形成和应用路径貌似与之十分契合。大数据确实改变了教学形式，促进了师生在课程教学中的合作，但依托在线教育平台的模式是无法在以面授教育为主、职业特色明显的应用型本科院校中大显神通的。不可否认，学校教育在寻求变革，但它面临“教育者的文化传递与受教育者的自我生成之间矛盾”[11]，即如何从内部把教育的事情做好。因此，学校变革和人才培养是渐进式的，既要自我保存和继承，又要自我“超越”。

4.解构与建构。以加德纳（Howard Gardner）等人为代表的建构主义教育家认为，学习是基于情境的，是通过协作、对话进行的意义建构。其经典的“抛锚式教学”强调要让学生在完整、真实的问题情境中产生学习需要，要通过师生互动、交流合作学习来达到教学目标，[12]从而实现对受教育者的技能锻造、价值塑造及人格提升。其中，“锚”是指教学过程中使用的以逼真情节为内容的影像，它是受教育者进行探索性学习的重要前提。大数据条件下应用型本科院校教学改革和人才培养，应鼓励学生对课本理论知识进行解构，而后将丰富、鲜活的职业实践案例输入课堂，给学生创造意义建构学习的情境，由此提升他们的认知能力和知识经验的增长，培养高素质的应用型专门人才。

三、大数据教育背景下应用型本科院校人才培养的进路

大数据时代来临之前，人们认为数据的生命周期在研究者达到数据采集、处理、利用的目的后就结束了，但现在从创新和发展的角度来看，数据已成为“科技时代的原油”。大数据改变了市场、组织机构、政府和公民关系，已经成为学习者获取新知的源泉。[13]在大数据时代，应用型本科院校应顺势而为，将教育教学改革和创新型专门人才培养不断推向深入。

（一）完善保护隐私法律，提升数据使用者素养，保证信息安全

大数据的一个重要特点在于数据全面。教育活动中的数据包括了在线学习数据、实体学习数据、泛在学习数据以及相关的社会生活数据等，[14]这些数据将会被大容量的高速计算机永久保存并进行概率预测，从而对个人隐私造成巨大威胁。目前，这方面的法律规范还存在空白，监管部门无法可依，执法效果受到很大限制。对此，首先应提升数据使用者的道德素养，建立相应的伦理规范，使自律与他律相结合，确保应用型本科院校与实务部门（如公安机关、医院等）合作中的信息安全。其次，应增强教育领域数据隐私规则意识的培养，建立互信环境、合理使用大数据应成为当前大数据教育背景下应用型本科院校人才培养的关注点。

（二）确保良性关系赋权，防止数据异化，保障社会公正

大数据时代因利益关系失调而导致的社会公正问题是“数字鸿沟”引起的。关系赋权就是为弱势群体争取平等分配数据资源的机会，增强其达成目标的动机，最大限度地激活个体潜能，实现价值共同体的利益最大化。[15]个人是海量数据的贡献者，数据分析、应用的权利理应归于他们。但事实上，政府、大型企业、统计机构和互联网公司等作为数据资源的“掌控者”，基于经济利益，通过挤压少数群体、边缘群体等来垄断数据。数据“霸权”和数据算法的人为偏见等也造成了性别、年龄、学习能力、高等院校之间的数字鸿沟问题。所以，满足大众学习者的需求，消除数据算法的歧视与偏见，保证教育数据有效流动，维护学生的发言权和话语权，是确保大数据教育条件下良性关系赋权的前提，是防止数据异化和数字鸿沟扩大的有效路径，也是应用型专业人才培养的重要基石。

（三）坚持发展导向的教学改革，警惕同质化，突出特色优势

新制度主义学派认为，信息和通讯技术的发展和进步是造成全球高等教育同质化的重要原因，这尤其体现在高校治理、组织和课程安排的趋同性上。[16]改革本质上是使学校内外部的各种要素更加有序、合理地运行，促进教学质量的提升，大数据应服务于教育系统的设计和改进以及学生的成长。因此，要警惕同质化倾向，拒绝专业建设、项目立项中“人云亦云”“盲目跟风”。理想的状态是，将不是特别重要的导论课程和基础课程由世界一流的专家来教授，[17]而把大数据学习引入到必修的基础课程中。应用型本科院校要将更多的资金、精力、思考用在一流专业、特色课程的开发及“双师型”教师的培养上，推动学校的特色发展和学生的职业素质培养。另外，应用型本科院校还应加强软硬件建设，打造导论课程和特色专业课程，推动大数据条件下的教学和学习平台的开发、建设，而不是总依托于以营利为目的的课程开发公司。

（四）构建贴近职业情境的课堂，提倡个性化学习，培养新型应用型专门人才

知识发生于特定的情境之中，借助他人之力如协作、交流、利用必要的工具等，并经由个体主动进行意义建构而获得。[18]首先，应用型本科院校可以充分利用丰富的实践案例和数据平台，设计学生未来从事职业所需要的多种情境；其次，应用型本科院校教师和管理者应成为数据的“脱盲者”，要知道如何通过平台数据了解学生的学习进展；最后，依据相对准确的概率预测，通过合作和交流，以细致、关心而非武断的视角分析和鼓励学生改进学习方式，实现个性化学习，从而培养大数据条件下能够完全适应具体行业岗位知识和能力要求的应用型专门人才。

Difficulties and Solutions of Talents Training in Application-oriented Universities in the Era of Gig Data

XU Li-zhong WANG Lei

Based on the feedback, personalization and probability prediction of big data and the concepts of "double loop learning", "adaptive learning" and "learning analysis", we can explore the practical difficulties and conflicts faced by the talent cultivation of Application-oriented Universities under the background of big data education, namely privacy and rights, gap and fairness, sensitivity and gradual change, deconstruction and construction, etc. From the perspective of development trend, the way to solve these problems lies in four aspects: improving the privacy protection law, ensuring the empowerment of benign relations, adhering to the development-oriented teaching reform, and constructing the classroom close to the practical situation.

Big data education; application-oriented universities; personnel training

[1]吴军：《全球科技通史》，中信出版社2019年版，第207页。

[2][英]维克托·迈尔-舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作与思维大变革》，盛杨燕、周涛译，浙江人民出版社2013年版，第4、30页。

[3]全国十二所重点师范大学：《教育学基础》，教育科学出版社2014年版，第2页。

[4][英]维克托·迈尔-舍恩伯格、肯尼思·库克耶：《与大数据同行：学习和教育的未来》，赵中建、张燕南译，华东师范大学出版社2014年版，第43、5、13页。

[5]教育部：《2018年全国教育事业发展统计公报》，http://www.moe.gov.cn/jyb_sjzl/sjzl_fztjgb/201907/ t20190724_392041.html，访问日期：2020年2月14日。

[6]同③，第13、35页。

[7]赵建超：《迈尔-舍恩伯格和库克耶的大数据教育思想研究》，《当代教育科学》2017年第10期。

[8]柯勤飞：《应用型本科改革发展的根本路径》，《光明日报》2019年04月02日，第15版。

[9]蒋涛：《大数据侦查带来的法律思考》，《江苏警官学院学报》2017年第5期。

[10]维克托·迈尔-舍恩伯格、肯尼思·库克耶：《与大数据同行：学习和教育的未来》，赵中建、张燕南译，华东师范大学出版社2014年版，第11页。

[11]杨开城：《教育何以可能》，《电化教育》2017年第10期。

[12]全国十二所重点师范大学：《教育学基础》，教育科学出版社2014年版，第212页。

[13]维克托·迈尔-舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作与思维大变革》，盛杨燕、周涛译，浙江人民出版社2013年版，第41页。

[14]吴南中等：《大数据视角下“互联网+教育”生态观及其构建》，《中国电化教育》2018年第10期。

[15]赵丽涛：《大数据时代的关系赋权和社会公正》，《探索与争鸣》2018年第10期。

[16]谷小燕：《探析全球化时代高等教育的几种理论》，《清华大学教育研究》2012年第6期。

[17]维克托·迈尔-舍恩伯格、肯尼思·库克耶：《与大数据同行：学习和教育的未来》，赵中建、张燕南译，华东师范大学出版社2014年版，第128页。

[18]朱茂玲：《基于建构主义学习观的教学反思》，《教育与职业》2014年第5期。

D631.15

A

1672-1020(2020)06-0117-05

江苏省教育科学“十三五”规划课题“公安院校实战化教学体系研究”（编号：B-b/2018/01/22）；江苏省教育厅高等教育综合改革试点项目“警务大数据条件下公安院校实战化教学训练综合改革”（编号：2018010）；2019年江苏省高等教育教改研究立项课题“公安本科院校大数据条件下实战化教学改革路径研究”（编号：2019JSJG006）。

2020-08-27

徐立忠（1973-），男，江苏徐州人，汉族，江苏警官学院教务处教务科科长，南京，210031；王磊（1986-），男，山东莱芜人，汉族，江苏警官学院教务处副研究员。

[责任编辑：王 焱]