数据驱动“知能发展”的微型学习系统分布架构研究

权国龙 赵春 蔡慧英 顾小清

[摘   要] 创新驱动发展战略下“知能发展”是创新人才培养的重要目标。在技术融合应用中，可以充分利用教育数据促进主体“知能发展”以发挥其支持创新人才培养、驱动教育创新发展的作用。在教育系统全景中考虑驱动“知能发展”的技术形态和技术架构，在分布式格局中思考系统化建设的技术途径，并通过教育数据的技术设计支持主体“知能发展”图景，可以最大化教育数据的“使能创新”作用。基于文献调研和实践展开分析，在信息与数据教育应用的理性逻辑和实践经验间寻求技术结合点，可为数据驱动主体“知能发展”的系统建设提供建设性方案。研究认为，联结教育数据的表征本相和教育系统活动特征，以“知能图谱”和微型化学习系统为架构基础，将基于微型系统的分布式架构置于中心地位，实行数据驱动的微型化“知能”训练模式，可以通过可定位、可连续、可精准的学习历程促进主体“知能发展”，支持科创人才培养。

[关键词] 教育信息化2.0; 教育数据; 知能图谱; 微型学习系统; 分布式共建共享

[中图分类号] G434            [文献标志码] A

[作者简介] 权国龙（1983—），男，甘肃高台人。副教授，博士，主要从事学习科学与技术、可视化设计与应用、知识表征与建模、STEM教育研究。E-mail：quangl@jiangnan.edu.cn。

一、引   言

在群体预见中，信息技术对教育教学活动的深入影响，将造就数字化学习新格局。实际应用中，点对点式的资源共享与信息流通和多对多型的师生间与学习者之间的联系，已经形成了通达而复杂的新型数字化学习环境。与此同时，数字化学习理念、架构、资源与服务要与时俱进，才能切实帮助学习者提高学习绩效、增强学习体验、改善学习效果，进而达成个体发展。“教育信息化2.0行动计划”和“教育现代化2035”中都明确指出，未来教育发展必须贯彻实行教育强国国策，必须聚焦人才培养新需求。这就要求信息化教育措施要以主体知识与能力发展（简称“知能发展”）为先[1]。核心素养、STEM教育、“创客”教育等的涌现与推进，都是对科教兴国国策的积极响应;尤其是在创新驱动战略背景下，STEM教育的推进和人工智能技术的发展，为科技创新人才的培养提供了又一次契机。所以，如何充分利用信息技术优势，在教育系统的信息化实践中有力地支持主体知能发展，以促进教育信息化发展和科技创新人才培养，是非常值得探索的问题。

在大数据视野下，教育数据可被理解为对复杂教育系统的表征[2]。虽然教育大数据研究的热点和偏向透射了教育数据应用的热潮，但缺少对其应用“理法”的研究[3];实践中需要加强其关键技术方法和基础理论的研究，从模型构建转向设计与应用及实证研究[4]。完整、可用的数据知识是数据分析的前提，要利用数据来准确描述或解释客观现象，还需要有科学、合理的分析模型[5]。所以，对教育大数据的研究与应用，仍需要“理”定“本相”“法”正“金身”，以使其在教育系统中发挥信息技术的变革作用。同时，在全日制学习体制内和终身学习背景下，将教育数据用于学习者持续、长期的知能发展，需要宏图架构。信息化环境下针对学习者、学习过程和学习结果等的教育数据应用，情境多有不同、过程相互独立、数据各有不同。事实上，多种多样原因导致了教育数据实践的不足[6]。这虽然有益于解决特定的教育现象、活动、议题，但不利于长远的教育目标的实现，如学习者的知能发展。实际应用中数据孤立、数据不相融、数据缺少来源或来源不可靠、学习需求多样等问题的解决，需要在信息化环境和大数据背景下形成面向未来的上位架构，以深化教育数据应用、满足人才培养需要。

从此上位着眼，本研究立意于教育数据的应用效力，以及基于教育数据的持续、长期的主体知能发展，聚焦于指向主体知能发展的知能图谱、微型学习系统与分布式共建共享架构。基于文献内容分析，在勾绘教育数据与教育系统关系的基础上阐述信息系统和数据系统的双层分立，在教育数据应用理论结合教育实践需求的分析中主张以“知能体系”为纲，在共享框架下建立微型学习系统的分布式架构，从而达成以教育数据驱动主体知能发展及创新人才培养的战略目标。这也将为学习领域研究、部门监测与管理等带来实用的教育信息化支持。

二、教育数据驱动的主体知能发展

从教育系统的全景视角透视教育数据与教育系统的关系，有利于把握其研究与应用重点，聚焦其实践应用的关键之处。教育系统培养创新人才的使命，必然使教育数据应用锁定主体知能发展。

（一）数据驱动：主体知能发展

教育数据是对教育系统的人为的数据化表征。作为教育系统在现实中的生成性表现[2]，教育数据是对教育活动的过程性或状态性的符号记录。教育大数据之所以主要针对复杂系统，主要原因是具体的应用中要使用高维、高密的大规模数据，而人力无法把握、存储、处理大规模数据;而且，大数据的来源决定了这种表征并不是系统化的、一致完整的。数据与反映意义的理论和体现意义的实践当具有同一指向性，即其符合价值与目标取向的“有”与“用”才是重点。而支撑主体知能发展，当是教育数据的重要价值体现之一。

以数据驱动主体知能发展，就要基于教育活动中数据产生过程对教学过程数据的捕捉、记录、分析和利用，来支持并服务于课程资源建设、学习环境塑造、教学科学评价和教师能力提升等活动[7]。根据活动性质与主体需要的不同，数据的维、密、形、义也会不同，其特定意义指向下的运算会有差异，如将数据用于帮助教师教导学生、调整教导行为就需要“换维”处理数据。而教育数据的“实践指向、历史性、多元性和动态性”为教育大数据的架构提供了一个比较完整的頂层设计维度[7]。

面向主体知能发展的教育数据应用中，要清楚其价值追求、目标需要、针对事物、建构方法、数据对象，进而通过数据处理与利用达成目标。“理论是数据采集处理的尺度”“理论在场，数据才有意义”;价值目标、理论依凭、数据对象是构造有价值数据的三个要素。而没有科学、合理的数据生产方法与途径，就难以实现教育活动与系统的数据支持与驱动作用。侧重主体知能发展的学习系统，其目的是帮助、引导或辅助学习者达成目标并获得发展，其目标是在与学习者的交互中帮助学习者完成特定的学习任务、操作并达到特定的学习结果，其理论基础是根据所秉持的学习理念而选择的学习理论与原理，数据对象是按理论的情境映射而确定的数据实体，数据流是数据在完成系统目标前所经历的过程，而数据的价值归依就是由其支持的系统目标所实现的目的。以“数据流—态”[8]和逻辑结构完成的学习系统设计，就是设计者对面向主体知能发展的教育活动的数字化理解，就是其对该教育活动数据关系的系统架构。

（二）数据驱动：分布式架构系统与数据

学习系统开发与应用的代表KNEWTON，结合了学习者数据、统计、心理测量、机器学习、标记统一的学习经历，能帮助使用者构建成熟、实时的学生数据分析，进而可以大规模地实现个人化服务[9]。知识图谱（Knowledge Graph）、学习数据、心理测量和推理机制是其重要的组织部分。匹配知识图谱与学生数据是其完成实时心理测量与推断的主要手段。与之相比，一方面国内在知识图谱、心理测量和推理等技术要件上难以在短时间内发展起来，另一方面创新人才培养中的主体知能发展需求又亟待解决。在这种情形下，分布式的數据系统与信息系统架构可用以缓解信息技术教育应用的瓶颈问题，减轻技术促进教育发展和主体发展的阻力。

教育系统全景视角下的学习系统，可被理解为一种开放的架构。现实的学习系统多种多样，而其数据通常不能对接。但从学生主体发展的路径上完整理解其所经历的教育系统，就可以映射出连续、有序的数据系统。而分布式的教育历程与学习活动，也就决定了其数据化过程及数据系统的分布式架构。分布式架构下将数据系统与信息系统并举，可以把对教育活动的表征与教育实践的运行完整地统一起来，更好地支持教育活动的实施，以及主体知能的发展。分布式数据架构中的知识图谱、心理测量、预测分析等问题，也可以通过模块、接口方式在开放、协作中得到缓解，在“众筹”[10]中得到保障，在科学研究中得到优化与补偿[11-12]。

三、基于“知能图谱”的分布式共建共享架构

在较高的抽象与概括层面上，教育组织视角或学习主体视角的知能发展目标是有某种特征的“知能体系”。它是一个秩序井然的有关知识、技能与能力的有限集，可结合发展需要形成群体或个体的“知能”图谱。此图谱，将成为分布式架设学习或训练系统的蓝图，使连续、系列或相关的系统基于数据与信息通过分布式共享框架服务于主体持续的“知能”延展。

（一）以“知能图谱”导航主体知能发展

以学习系统支持主体知能发展，需要在连续的学习历程中考虑学习者自身相对完整的、连续的知能体系的形成与延展。已有各类学习系统的设计与应用，无力顾及学习者体系化发展的“知能结构”，系统数据与信息的割裂就是其中致命的原因。以“知能图谱”为技术手段和向标辅助于学习主体的知能发展，在学习者知能发展历程中非常必要。

知能图谱是主体需要达到的知识、技能与能力体系的图示化表达。基于修订版的布鲁姆教学目标分类，它可以从知识结构和认知水平两个维度考虑，用以标定学习者在专业上要达到的知识与能力要求。知识图谱的重要性在于，它是具有基础性参照功用、可作动态调整的“知能”体系蓝图，是诸多学习系统设计与开发的目标依据，用以辅助主体不断形成知能积累并形成体系化的知能发展。事实上，知能图谱的存在符合教育系统发展的现实目标，因为它们的服务目标一致，其指向更为明确，而且在以“有限”目标应对无限发展的工作中更具技术上的优势。知能图谱可以以课程标准、学生发展核心素养、数字化学习核心素养等理念与理论研究为基础提炼，并可以依赖已有工作形成（如教育实践中的各级各类“知能”目标，以及像布鲁姆教育目标分类等已有的理论研究），尽管这样的知能体系并不容易绘制。知能图谱可按学科或领域进行组织，也可以按“知能”培养预期将之体系化。它在本质上是一个高质量的参照样本，是国家教育对培养对象的基本的或核心的要求。知能图谱的要求是有限的、体系化的、符合教育实际的、预期可达的。

以“知能图谱”导航，利用指向有限/特定“知能”目标的微型化系统，以及可持续知能延展的分布式架构，可使数据驱动、信息互连、系统辅助的主体学习活动、计划、行动获得更多助益。学习系统微型化的重要性就在于目标明确、内设精良、过程明晰、评测相映。对于有限的知能目标，学习者容易在短期内达成。而对于系统的研发，其人力要求相应降低，周期也会缩短，也容易实施并推行。对于中长期的连续的、紧密相关的知能发展，则需要一个可依赖的“知能”蓝图。相应地，系统研发中就需要一个共享框架，为特定“知能”目标的微型学习系统提供数据连接和知能体系联结的支持。

（二）基于“知能图谱”分布式共建学习系统

分布式架构比较适合于教育系统中主体阶段性、连续性的学习活动实情。基于“知能图谱”分布式架构适配于共享框架的信息（系统）与数据体系。因此，可以通过“知能”目标明确、独立且完整的微型系统，以开放、扩展的方式支持主体在学习历程中持续发展。应学习群体的各式学习目的和需要，可以基于数据接口标准将诸多针对单一或局部“知能”目标的微型学习系统统摄于共享框架之下。这样就可以让学习主体灵活选择相近或相似的学习目标，实现学习或教育中的知能发展目的。

以微型学习系统为单位的分布式架构，针对的是教育教学的实践要求、课程与资源建设的需要，以及不同学习群体的数字化学习需求。它更具有体制内大规模应用的可能。分布式共建微型学习系统可以充分发挥“供给侧百花齐放”的优势，使微型学习系统的共建得到足够的发展空间。同时，在“需求侧多源共用”，使学习者在分布式共享环境下获取足够的微型学习系统大资源。即，在开放的信息化网络环境下，相关供给者提供针对特定“知能”目标的、带有某种适应性的微型学习系统，并在共享框架与接口标准的规约之下，允许其他学习群体共享这些微型学习系统。

分布式共建可以发挥主体优势。在共享方面：（1）不同地域的微型学习系统供给者，可以根据自身需要快速开发微型学习系统;（2）通过共建框架，不同地域群体对不同学习内容与学习目标的需要可在更大程度上得到满足;（3）围绕“知能图谱”，不同地域供给者可以提供丰富的、各具特色的学习系统，甚至可以合作共建，优势互补。在个性化方面：（1）供给侧在微型学习系统的设计与开发中，在内容选择、材料准备、功能设定等方面带有区域的、团体的特色，这是个性化的体现;（2）微型学习系统的共享，使得学习主体对相同或相近学习目标、主题，可以在学习方式、操作功能等方面有多样化的选择;（3）对于相同的学习需求，也可在不同难度、不同路径、不同风格上得到满足。大量的微型化系统的开发与共享，使个性化产品的总体丰富性与学习者个性差异的丰富性[2]通过知能图谱、搜索、知能分析与推荐关联起来，使主体知能发展服务得以优化。可以说，只要建立完善的共享规约和微型学习系统创建、集成、使用、管理规则，就能充分实现分布式架构在支持共享式与个性化方面的预期。

（三）以分布式共建共享框架支持知能发展

数据驱动的主体知能培养与发展，需要表征活动与“知能”状态的数据系统与支持活动的信息系统的并立分布;而分布式共建共享框架及数据与信息并立的微型学习系统，则需要明确自身的服务功能，确定实施的目的、要素、过程与方法，以支撑多源共享微型学习系统工程的实现。这些可以落实为国家或区域层面的共建共享平台。共建共享框架主要涉及共建共享规约、微型学习系统信息、用户数据和学情报告、知能学习推荐、推进引擎和知能图谱等几大部分。其基本结构如图1所示。

共建共享框架定位于管理视角和服务立场，配套共建共享规约，以确定微学习系统的准入许可、建设者和使用者的权益和义务，以及相应的其他条件和附加信息。框架以容纳针对“知能”目标而设计的学习活动支持系统为主要目标，以数据空间的建立与数据收集为根本目的，通过微型学习系统的数据（如功能类型、学习目的、内容种类、系统特征等相关信息）、学习者数据以及知识图谱和分析推理引擎，奠定以数据驱动学习者知能发展的技术基础。

分布式框架中的数据空间设计，需要充分考虑目的、内容、活动与用户间的关系。在设计上需要包容目标有别、内容各异、方式不同的微型学习系统的表征;在数据记录上，要能充分反映活动的特征、类型、方式、过程和结果，以及学生学习方式、进度、结果、体验等。它们构成了学习报告中推荐后续学习系统的基础。数据接口是一个重点，涉及分布式框架与微型学习系统的开放式整合和相融互通，并直接关系到对群体与个体知能发展的分析与推理、报告与推荐。相应地，系统、活动与用户的数据结构是核心工程。未来的研究可以基于当前适应性学习系统的研究，在结合数字化学习实际问题与关键技术实现的基础上，加强数据系统设计与系统整合性能。在后续研发中，需要着力钻研数据结构、数据接口、数据共享协议与框架、数据推理规则等数据技术，以形成教育系统与教育应用的大数据驱动策略，促进教育养成中的知能发展。

分布式框架对微型系统的容纳，以知能图谱为基本依据之一，并与分析和推理引擎紧密结合，为支撑实践应用的报告与推荐部分提供支持。在实际应用中，共建共享框架主要通过使用者搜索和系统推荐两个途径完成共建共享中的交互应答，保证框架运行的协调统一。学习者通过使用一个或多个微型学习系统，一套完整的知識与技能就可以形成，其相应能力也逐渐形成。分析推理引擎是基于微型系统数据与学习者数据，对当前“知能”状态的判断，以及对进一步可使用的微型系统的建议。分析推理模块可兼容搜索功能，为学习者自主设定知能目标、自主搜索特定微型系统提供便利。换言之，学习者可以基于系统报告、知能图谱及微型系统参数，自主选择微型学习系统。而所累积的个人数据与所生成的个人报告，也可以通过数据分离由自己独立使用。

四、基于数据映射的微型学习系统创建

“知能目标”明确的学习或训练系统，是分布式共建共享框架的基本单位。微型学习系统是符合共建框架技术要求，具有明确可达的知能目标，具备知能缺口检测、完善的学习资料与学习活动、学习效果测评、学习分析与推荐报告，以及完备的数据记录与生成功能的学习或训练系统。利用它可以使学习者在“形神”兼备的系统支持下在有限的学习历程内达成既定目标，即微型学习。微型学习主体体现在目标和结果微化具体、内容与过程微化练达、数据与方法微化集成三个方面。

（一）微型学习系统之目标和结果的微化具体：靶向具体“知能”目标

分布式共建共享框架下微型学习系统的“知能目标”源于教育系统预置或动态生成的知能图谱。在图谱明晰、协议明确的分布式共建共享框架内，众多微型学习系统（组）的建立过程，也是分化“知能图谱”为具体目标的过程。分布式多源共建共享可以在更广范围内满足不同群体或个体的学习需要。学习者不仅可以通过微型学习系统弥补知能缺口，而且还可以通过自选或推荐，选择相关或相连“知能”目标的微型学习系统，促进自身知能发展。

微型学习系统直接面向学习者特定的“知能”需求，具有特定的学习目标、学习材料、学习方式与测试内容，在分布式共享框架的约束下被设计并实现，用以帮助学习个体或群体达到延展知能的目的。靶向特定“知能目标”的微型学习系统，其设计目标明确、内容集中而完整;主体学习后的知能结果也是明确而具体的。相较于已有诸多学习系统而言，以“知能”为目标的微型学习系统在设计与实现方面的优势在于：（1）共享框架，以及可重用目标、内容、活动、测试与分析模块，可以极大地方便设计与研发者开发微型学习系统;（2）目的明确、目标集中的微型学习系统，更易于做到适应性设计与设置;（3）微型学习系统实现周期短，便于维护。同时，微型学习系统在应用中也兼具个性化支持共享服务能力：（1）学习者可以在目的明确的微型学习系统的支持下灵活地训练;（2）学习者可以围绕相近学习目标，选择更多共享的微型学习系统进一步训练，以扩展知能结构;（3）通过分布式共享框架的服务，学习者可以利用多源微型学习系统（组）进行更多灵活而个性的选择，以促进自身知能发展。

（二）微型学习系统之内容与活动的微化凝练：定向模块化适应性设计

以特定“知能”为目标的微型学习系统，以前后测为“知能”状态检测手段，通过具有一定适应性的学习材料与适宜的学习活动帮助学习者拥有或提高目标知识、技能和能力水平。其微化具体的“知能”目标由其多种特点保证：（1）它可以设计、开发成多种形态，供学习者选择;（2）它兼有内容与活动的一些适应性，媒体多样、难度分级、活动分型等;（3）有灵活、可选的测试安排;（4）带有数据记录、分析与反馈功能。所以，有“知能”目标靶向的微型学习系统在开发中需要满足其基本要素，如目标与内容、方式与过程、测试、分析和报告，以及一定的共建与共享要求，如标记系统信息、记录系统内容数据、学习主体数据等。

微型学习系统可基于目标、内容、活动、测试和数据等组件，进行模块化设计与实现。在功能上可由如下模块组成：系统目标、主题内容、学习活动、学习测评数据、学习报告生成与知能学习推荐，以及相应的数据记录与存储。其系统基础模型，如图2所示。

其中，学习内容和学习活动是重要的组成部分。如何把“知能”形成与学习内容及学习活动的适应性设计相统一，以帮助弥补学习主体的知能缺口、提高其知能状态，是决定系统设计成败的关键部分。所以，对学习内容的适应性调整、材料运用的适应性设计，以及学习活动的适应性安排，就显得比较重要。而排列有序、媒体多样、难度分级、活动分型等可成为适应性设计的主要手段，在主体学习数据和目标测试数据的支持下，完成适应性优化。实际上，现有数字化资源的设计的确需要作适应性改进[13];而在微型学习系统中，指向特定“知能”目标的适应性设计更加容易实现。

另外，分布式共享框架和微型学习系统可以通过知识图谱推荐“知能”目标相近或相关的系统，适应主体的“知能”需求。像系统信息、知能目标、学习内容信息、活动过程信息、测评数据和学习常模数据等，这些数据可被用于分析分布式框架中微型学习系统的设计效能、学习者体验、学习方式、内容质量及彼此间的关系;在分析中形成结论与规则之后，用于未来微型学习系统的设计指导与可重用部件的设计与开发。

（三）微型学习系统之数据与测评的微化集成：数据驱动知能状态和系统改良

微型学习系统的另一大特征，就是将学习信息与数据相统一，使教育活动与数字系统紧密结合。如图3中，测评与分析报告模块就是这一特征的集中反映，它使学习系统在数据层面将系统的“知能”目标和内部测评功能统一起来。测试模块中的学前测试，用于了解个体对本系统学习目标和内容的了解程度，并为学习者转至学习活动的相应序列和学习材料的相应难度。学后测试用于评测学习者学完后所达到的水平是否满足系统预设知识、技能与能力的要求。通过前后测，既可以明确学习者的“知能缺口”，又能判断学习者利用系统学习后的状态差异，这能保证“知能”目标的达成。微型学习系统的分析报告反映学习主体的学习过程与结果，如以识记为主还是以练习与项目为主、材料学习时间分布特点、附带习题正确率，以及子目标与技能练习达成率等。分析报告以前后测和过程记录为数据基础，有群体报告与个体报告两个模板，除反映学习状态与结果外，还简要分析影响知能学习结果的过程性环节，并给予针对“知能目标”的学情建议。

微型学习系统基于数据的表征与可计算特性，使其自身具备精准改良的能力。在其生存周期内，开发者可基于所记录的系统、主体、活动、测试等数据（如学习行动表现、学习体验情况、学习测评结果），依据“知能”目标和系统设计效力要求，对学前测试设计的准确度、学习内容的适当性、学习材料的适宜度、学习活动的合理性、学习方式的适配性、学习难度的适宜性、测评方式的科学性、测评过程的合理性等进行改良。

作为学习支持系统，微型学习系统在应用中有鲜明的特点：（1）将“知能”目标与学习内容相分离。这样对于同一或相近的知能目标，可以有多种训练设计，相当于“同课异构”，这为“供给侧”提供了更大的发挥空间。（2）其“知能”目标是教育视角下学科或领域内特定的知识、技能和能力要求，是当前知能学习的标靶，代表学习者知能发展的特定阶段。“知能”目标可以以中心化视图明暗有别地呈现当前目标知能，并作为标识之一动态改变其明暗，以帮助学习者了解目前的“知能”状态，也了解可进一步学习的“知能”目标。（3）设置学前和学后测试，使学习目标的达成具有可靠的依據，保证学习者在训练前后其目标“知能”发生改变。（4）作为重要的分布式学习架构中的共享对象，它也被作为一种更为完善的学习对象、一种大资源进行考虑，既能被收纳于分布式学习架构中集中管理，又能基于数据以成熟组件的方式进行系统内的分析与报告和系统外的共享与推荐。

五、结   语

数据与信息的系统并立和分布式架构方式适应于教育系统运行和学习主体知能发展的需求。网络空间作为一个新型的生存空间，是一个虚拟的世界，它的诸多可能性只有在网络生活中不断显现出来后，才能被真正认识。[14]综合对教育数据与教育系统、信息系统与教育活动，以及微型系统与知能发展间关系的认识，可以有以下结论：（1）重视教育数据生产与连接是教育信息化2.0进程中促进主体知能发展的重要方向;（2）以“知能图谱”为纲分布式架构微型学习系统可用以满足共建共享、持续支持、多维适应、数据说话、数据驱动、服务决策等多种需求;（3）以特定知能为目标的微型学习系统，可以作为学习活动的基本单位，具备目标诊断、引导学习、结果记录和后续建议的功能，以在完整的学习周期内通过“知能”状态数据记录与处理支持主体知能发展;（4）分布式共享框架是实现共建共享的重要设施，而微型学习系统是辅助知能发展的基础单位。基于以上结论，对教育数据实践应用有如下建议：一是在同一愿景与目的引导下，架构、组织并生产数据，为分析、诊断、推荐、管理等利益相关者提供支持;二是在系统、卓越的教育顶层设计下建立具有适应度的教育数据标准，为数据融合、信息沟通和事务需求提供最大支持;三是在清晰、明确的教育目标指引下应用教育数据，为面向学习主体与管理者的教育服务提供支持。

数据是现实教育系统或活动的符号化表征，信息系统就是对它的信息化映射。所不同的是，数据代表了教育活动的情况和结果，系统则意味着教育活动的展开过程。在这个意义上，作为教育活动的价值追求，学习主体的“知能”目标在信息化实践中被忽视太久——没有在数据系统层面运行起来。数据视角的学习设计与技术补偿，将使信息化理论在信息化实践中更加系统化——上有知能之本，下连数据之源。在人工智能没有高度发展的情况下，放低大数据对教育应用关照的姿态，将大数据的技术处理与应用置于辅助学生学习和教师教学的位置，会让数据技术的价值边际不断放大，让数据驱动的教育活动更有魅力。因为，在这种模式下，学习主体可以根据教育规划或自主计划的“知能”发展蓝图，更有理有据地选择微型学习系统大资源中的学习内容和学习方式，并根据框架服务与学习系统中的分析报告，掌握自己的学习进度与效果，在持续学习中不断完善、实现自我;而且，资源设计者可以获得数据型、系统化大资源开发的空间，从而刺激微型系统大资源的多源供给。

总之，面向主体“知能”发展的分布式共建共享框架及其微型学习系统，可以尽显人才培养中辅助主体“知能”发展、资源建设中大资源共享共建、大数据时代数据驱动的优势。将教育数据应用置于运转信息系统、连通数据与需求、服务学习和教学的关键位置，可以在科创人才培养背景下最大化数据技术的教育价值，活化教育数据创新应用和教育信息化2.0发展。然而，尚有技术设计与数据架构等方面的问题，需要更多详尽研究。如，“知能图谱”、数据接口、共享规约等。

教育信息化2.0背景下，“知能为标”的分布式学习架构，优势显著。在大数据视野下，它可为广域教育计划的实施提供平台。

[参考文献]

[1] 教育部. 教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL].[2019-04-02]. http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.

[2] 杨开城.教育何以是大数据的[J].电化教育研究，2019，40（2）：5-11.

[3] 涂涛，胡柯铭.一极两仪：教育大数据与厚数据关系辨析[J].中国电化教育，2019（8）：18-22.

[4] 李振，周东岱，董晓晓，黄雪娇.我国教育大数据的研究现状、问题与对策——基于CNKI学术期刊的内容分析[J].现代远距离教育，2019（1）：46-55.

[5] 彭兰.假象、算法囚徒与权利让渡：数据与算法时代的新风险[J].西北师大学报（社会科学版），2018（5）：20-29.

[6] 董晓辉，郑小斌，彭义平.高校教育大数据治理的框架设计与实施[J].中国电化教育，2019（8）：63-71.

[7] 吴南中，夏海鹰.教育理解：教育大数据的意义之维[J].现代教育技术，2018，28（9）：26-32.

[8] 权国龙，顾小清.面向智慧教育的教育“信息化”观察[J].中国电化教育，2018（8）：35-44.

[9] WILSON K， NICHOLS Z.The Knewton platform： a general-purpose adaptive learning infrastructure[EB/OL].[2018-02-21].http：//www.profijt.nu/wp-content/uploads/2015/09/20150902-White-paper-The-Knewton-Platform.pdf.

[10] 何文涛.智慧学习环境下基于知识建模图的在线教育资源众筹及其应用研究[J].电化教育研究，2019，40（4）：59-67.

[11] 赵呈领，陈智慧，黄志芳.适应性学习路径推荐算法及应用研究[J].中國电化教育，2015（8）：85-91.

[12] 黄志芳，赵呈领，黄祥玉，万力勇，陈智慧.基于情境感知的适应性学习路径推荐研究[J].电化教育研究，2015（5）：77-84.

[13] 黄志芳，梁云真，万力勇.适应性学习支持系统用户使用行为及影响因素实证研究[J].电化教育研究，2018，39（1）：42-48.

[14] 王金元.网络生活的伦理困境——基于康德哲学的网络生活伦理分析[J].西北师大学报（社会科学版），2018（6）：85-90.