大数据赋能高等学历继续教育的价值与路径

李 霖

(广州开放大学 乡村振兴学院,广东 广州 510091)

一、引言

近年来,全球掀起科技革命的浪潮。大数据的发展,对教育、经济、社会等诸多领域带来了广泛而深远的影响。2012年7月,联合国号召全球将数据资源利用起来,发挥其经济和社会价值[1]。与此同时,大数据也以其广阔的应用前景被中国吸纳。2019年,中共中央办公厅、国务院办公厅在《加快推进教育现代化实施方案(2018—2022年)》中再次强调,要“大力推进教育信息化,加快推进信息技术新模式,更新教育服务供给方式”。与此同时,教育部《推进教育治理体系和治理能力现代化》也指出,“解决好教育供给能力问题,构建服务全民终身学习的教育体系,为教育升位赋能”[2]。可见,大数据赋能教育发展成为大势所趋。

高等学历继续教育是中国教育体系的重要组成部分,在不同的社会环境和历史背景下,中国高等学历继续教育经历了成人教育、电大开放教育和远程教育等多种形式。从目前的情况看,高等学历继续教育还不能满足新时代学习者的需求,呈现出教育模式固化、精准资源匮乏、教育过程功利和继续教育课程形式较为单一等问题[3]。破解上述困境的可行途径即是通过大数据赋能高等学历继续教育,提供大规模开放的教育供给与智能多样的教育模式,找准制约高等学历继续教育的瓶颈与问题,根据困境和诉求“对症下药”,将大数据的“基因”嵌入到高等学历继续教育“分子”层面,实现二者深度耦合,推进高等学历继续教育的创新发展。

二、高等学历继续教育的发展现状

高等学历继续教育是面向学校教育之后所有社会成员特别是成人的教育活动,是终身学习体系的重要组成部分[4]。它有助于丰富成人知识,提升技能,是一种补充性教育。中国高等学历继续教育经过近70年的发展,在不同的历史时期为中国现代化经济建设和社会发展提供了强有力的支撑和保障[4]。

(一)中国高等学历继续教育的发展回顾

中华人民共和国成立以来,中国高等学历继续教育的发展由精英化走向大众化。作为中国教育体系的重要组成部分,高等学历继续教育的发展脉络可分为三大阶段。

1.创办起步阶段(1949—1976年)。中华人民共和国成立后,成人高等教育逐渐兴起。1949年,在国家政府的支持下夜大学首次兴起。1950年,以清华、北大为首的继续教育培训基地兴起,专门面向工农兵干部开放,使得培养对象更具针对性[5]。1966年之后的十年间,半工半读学校的教育教学活动受十年动乱影响,函授教育和夜大学等基本停办,高等学历继续教育也因此受到破坏,直到1972年,函授教育才慢慢恢复办学。时至今日,高等学历教育的规模空前扩大。教育部数据显示,目前全国共有1 725所普通高校举办学历继续教育,其中部属高校53所(仍有在籍生的)、高职院校753所。2021年招生501万人,在籍生1 209.3万人,按人头算,基本占到整个高等教育总规模的四分之一。

2.发展完善阶段(1977—1997年)。改革开放以来,成人高等教育需求激增,主要以业余教育为主。1979年,广播电视大学正式创办。进入80年代,教育部明确将函授和夜大学纳入高等教育事业计划,促进了成人高校招生制度的最终建立[6]。到了1986年,全国实行成人高等教育统一入学考试,更增加了继续教育的影响力,人才培养规模也得到扩大。到了20世纪90年代初期,国家教育委员会再次颁发《关于进一步改革和发展成人高等教育的意见》,促进了高等学历继续的长远发展。

3.创新转型阶段(1998年至今)。进入21世纪,高等学历继续教育获得了创新发展。1998年,“现代远程教育工程”试点工作得以展开,正是这一举措的实施创新了高等学历继续教育人才培养模式。2000年,教育部进一步明确了高校现代远程教育试点任务,不断加强网络教学,促进网络资源的建设,实现了高等学历继续教育的飞跃式发展[7]。此后十多年,高等学历继续教育注重与时俱进,不断革新,迎来了百花齐放的新局面。直到2016年,《高等学历继续教育专业设置管理办法》将不同形式的成人继续教育名称进行“大一统”,普通高校、开放大学以及其他机构举办的成人高等学历教育统称为高等学历继续教育[8]。随着互联网等新技术的广泛应用,许多高校优化教学模式,推进了高等学历继续教育信息化建设。自此,中国高等学历继续教育进入转型发展阶段,“规范管理”与“提高质量”成为这一时期高等学历继续教育发展的主旋律。

(二)中国传统高等学历继续教育的发展困境

传统的高等学历继续教育,从教育模式、资源对接、课程设置、互动机制、评价考核等方面较多沿袭普通高校的做法,在解决工与学、规模与效率等方面往往较乏力,呈现出教育模式固化、精准资源匮乏和教育过程功利、网络课程资源供给动力不足等困境。

1.教育模式固化,高等学历继续教育供需失衡。改革开放以来,高等学历继续教育由学历补偿为主到服务终身学习发展,它不仅承担着满足成人继续教育需求的任务,同时是构建全民终身学习教育体系的重要内容,是建设学习型社会、大力提高国民素质的重要支撑[9]。从历史发展阶段来看,中国高等学历继续教育的规模在1978年至2014年间稳步增长,在2015年后追求高质量、内涵式发展。2020年教育统计数据显示,中国高等学历继续教育的学生人数为:成人本专科7 772 942人、网络本专科生8 464 464人[10]。可以看出,中国高等学历继续教育蕴藏着巨大的需求。事实上,过于固化的传统教学模式使得受益群体十分有限,再加上社会人员由于工作时间和精力等方面难以协调,往往无法参加线下学习,导致高等学历继续教育的收益不明显。此外,高等学历继续教育需强大的资源支持,而目前继续教育主要由政府支持,缺乏社会力量办学机构的参与,随着高校数量不断增加,办学规模不断扩大,政府难以维持资源和经费等方面的投入。存量不足、增量有限的现状使高等学历继续教育面临着资源和资金缺乏的双重危机,更显露出传统继续教育模式的弊端与种种不适应,甚至进一步加剧了高等学历继续教育供需失衡的矛盾。

2.精准资源匮乏,高等学历继续教育大数据建设能力亟待加强。过去,高等学历继续教育的资源较为单一、封闭。中国信息技术在数十年间获得了长足发展,再加上大数据的兴起与广泛运用,高等学历继续教育资源不断走向开放多元。尤其是疫情时代的到来更是加速了线上教育的发展,例如慕课的创新应用、区块链与教育的深度融合等,一定程度上为丰富了教育资源,为大众拓宽了接受高等学历继续教育的渠道。一系列的发展让我们看到了高等学历继续教育的可喜势头,然而,看似喜人的背后也暗含了潜在的威胁,即大部分的课程受众不广,群体单一,针对社会人员继续教育的精准资源较为匮乏[11]。此外,就高等学历继续教育的需求者而言,他们自身所能获取的社会与文化资源往往较为薄弱,要想在多元、异构、海量的教育资源中精确获取所需仍存在诸多困难与挑战。大部分教育对象熟练于通过快手等短视频软件获取信息,难以保证学习的全面性和系统性。大数据教育资源的建设在高等学历继续教育中具有重要作用,它不仅需要收集海量数据,更重要的是作为高等学历继续教育过程中的学生主体,需能够尽快适应大数据带来的学习行为与学习方式的变化。然而,尽管目前信息化技术已经较为普遍,但大数据支持多主体参与高等学历继续教育治理的技术体系并不完善,且更多是承担“辅助性支持”而非一以贯之的“贯穿性支持”。

3.教育过程功利,高等学历继续教育人才培养质量亟待提升。中国社会的飞速发展、国际地位的日益提升、经济转向高质量发展阶段对人们的综合素质提出了更多新的高要求。对于高等学历继续教育的需求者而言,他们提升学历的目的不仅是解决生活温饱问题,更多是为了提升自身核心竞争力,力争个人事业和家庭生活迈入更高台阶。然而,从目前高等学历继续教育的现状来看,往往呈现出功利化和劣质化的困境。功利化是指高等学历继续教育急功近利,主要表现在学校重“利”及学生求“凭”两方面。具体来说,一是部分学校只顾眼前利益,通过盲目扩大招生规模牟取经济利益,忽略学校教师队伍、管理队伍、教学资源建设及学校治理水平提升等实际情况,使效益最大化的价值诉求取代了对教育质量的追求。二是部分学生学习动机过于功利,只求“快”而忽略知识与技能的习得。劣质化是指高等学历继续教育教学质量亟待提高,主要体现在“过程关”监督薄弱、“出口关”把关不严。就“过程关”而言,由于高等学历继续教育更多依赖于学习者的自律、自省,同时也放大了学生诚信学习与考试等监管难题。就“出口关”而言,一方面是毕业论文质量参差不齐,部分学校对毕业论文管理不规范,选题、答辩等环节流于形式；另一方面,毕业手续复杂烦琐,受限于毕业年限、学分等,容易耗费大量人力物力[3]。

4.网络课程资源供给动力不足,高等学历继续教育课程形式较为单一。不同受众对继续教育的需求多种多样,网络课程资源供给不足,匹配度不够成为高等学历继续教育面临的又一难题。具体表现在:一方面,部分网络课程资源在形式和内容上比较陈旧,内容与职业所需脱节,无法满足当前快速变化的社会需求,导致学生学习积极性不高。另一方面,网络课程内容繁多,学员难以有针对性地选择。再加上教学形式有限,师生间难以产生有效沟通和互动,高等学历继续教育的质量无法保证。究其原因,主要有两点:一是网络课程的投入成本高,建设周期较长,需耗费大量人力物力资源；二是许多高校各自为政,无法实现网络课程资源共享,导致各高校资源重复利用,网络课程资源供给动力不足。总之,由于当下传统高等学历继续教育存在工学矛盾突出、师资素质不高、面授组织困难等现实问题,单纯的线下教育已不能适应新时代高等学历继续教育教学需求,丰富网络课程资源供给是高等学历继续教育转型发展的必然之路。

三、大数据赋能高等学历继续教育的价值

大数据(Big Data)最早由美国未来学家阿尔文·托夫勒(Alvin Toffer)提出[12],部分学者试图通过归纳形成大数据的定义[13],3V 定义是众多定义中较有特点的一种,即大数据应集规模性(volume)、多样性(variety)、高速性(velocity)于一体[14]。“赋能”指的是为行动主体实现既定目标而提供一种新的方法、路径或可能性[15]。大数据赋能高等学历继续教育的优势在于其社会、个体、实践与课程四大方面的价值。

(一)社会价值:扩大教育供给,解决高等学历继续教育供需矛盾

进入21世纪,尽管教育资源走向开放,教育形式日益丰富,但仍无法满足公共教育的实际需求[16]。随着中国大数据产业的快速崛起,数据资源“家底”更加殷实,数据收集、运输、储存能力显著提升,为高等学历继续教育提供更丰富多样的教育资源,极大地拓展继续教育的时间与空间。具体来说,体现在两大方面:一是提供大规模的受教育机会。继续教育学员大部分为社会人士,工学矛盾突出,教学时空分离,集中统一面授困难大,大数据赋能高等学历继续教育打破了传统的课堂教学体系,将处于不同时空的教育者、受教育者和教育内容等要素重新整合,发挥现代远程教育教学资源多层次、多元化的优势,避免继续教育教学资源类型单一、内容陈旧、形式简单的缺憾,满足培养混合型人才的需求。二是提供多样的受教育环境。学员通过手机等智能终端可以不受时间、地点和环境的约束,实现随时随地处处学习。因此,大数据赋能高等学历继续教育能够有效提升教育供给,改善当前继续教育供给短缺的问题。

(二)个体价值:提供个性化教育资源,满足高等学历继续教育对象多元需求

中国是人口大国,不同人群对高等学历继续教育的需求与要求各异,包括学历提升需求、职业素养提升需求等。以大数据思维赋能高等学历继续教育,一方面可以从学生需求的角度整合优质的信息化资源,而不是从校方或者教师方的主观思维来取舍教育信息化资源,避免浪费学生学习时间和精力[17]。另一方面,通过大数据的调研,可更精准了解和分析学生对学习内容和方式方法的需求,能够权衡不同课程、不同学习能力、条件和学习基础等因素,提供针对性更强的课程内容与教学资源,最大限度满足不同教育对象的教育需求,实现个性化和多元化教育的同频共振。具体而言,大数据技术主要涉及数据的收集和处理等不同阶段。一是在数据收集阶段,以“云计算”为基础技术之一的大数据,能够全面、客观收集教育对象的任何有关数据,超越传统“小数据”的思维局限,从而更加全面把握教育对象的特征,为实现“依数治理”提供依据与决策。二是在数据处理阶段,数据挖掘等技术在数据处理阶段将会更加精准地描述教育对象的特征,并由此预测教育对象的未来行为倾向。在数据挖掘成果的基础上,形成的相关材料将为学习研究和课程设计提供指导[18],可进一步确保高等学历继续教育更加符合教育对象的不同要求,真正走向因人而异、因材施教。

(三)实践价值:优化内部改革与数据赋能成效,破解高等学历继续教育质量提升难题

就高等学历继续教育而言,推进内部改革主要在于矫正其中存在的功利化与劣质化问题,并帮助其实现自主发展、自我约束、自我评价和自我诊改[19]。其主要体现在两个方面:一是可进一步优化内部改革。以大数据作为质量诊改数据平台的底层架构,形成多元协同综合数据治理结构,推进办学体制机制改革,建立“循数治理”的结构性和程序性协同机制。高等学历继续教育各管理部门只需要按照标准建立数据并进入该系统,便可以实现共建、共享数据,提升办公效果,也避免了因忽略学校各类资源盲目扩招带来的弊端。二是提升数据赋能成效。在大数据的支撑下,通过建设智慧教室和学分银行等智能系统,利用大数据技术远超个人所理解的数据量级和存储时间跨度,实现对教育对象长时间、全方位的跟踪分析,溯源学习者全过程的学习记录,更精准把好“过程关”。同时,注重将毕业论文选题、答辩等环节向全网广播,实现数据资源的一体化、价值化和共享化,既可避免以往纸质材料的可篡改性,也使论文质量暴露在“阳光”下,进一步严守“出口关”。

(四)课程价值:丰富网络课程资源,促进高等学历继续教育课程改革

当前,大数据、人工智能等新兴技术持续推动教育变革,对高等学历继续教育个性化、精准化和智能化发展提出了更高要求。教育数字化与中国高等学历继续教育发展融合乃大势所趋。大数据赋能高等学历继续教育为丰富网络课程提供了技术支持:一是可以推进高等学历继续教育网络园区建设,借助园区大数据平台开发丰富多样的网络课程资源,满足学员碎片化的学习需求,提高其学习效率；二是以大数据知识块为基本单位建立课程并建构课程教学团队,加强与高校、网络课程开发机构的合作,实现资源共享进而提高网络课程利用率。借助大数据平台构建的云课程,有利于实现个性化学习,使得高等学历继续教育突破学习时间和空间的局限性；三是改革高等学历继续教育课程模式。以香港大学为例,将大数据充分运用于学员管理、课程管理、教学管理、质量保证等方面,既采用先进的网络管理和技术理念,将继续教育的技术支撑立足于本校需求,又遵循教育驱动和技术支撑的理念,发挥教师的核心作用和技术人员的支持作用,使大数据赋能高等学历继续教育的管理和教学工作成效显著。

四、大数据赋能高等学历继续教育的路径

面对着发展的机遇和严峻的挑战,中国高等学历继续教育必须紧跟时代步伐,积极迎合大数据时代的发展背景,借助新兴技术手段,突破以往固定模式的局限,走向校外、走向线下,不再局限于时间和地点,实现转型发展。

(一)发展高等学历继续教育联盟,加强大数据平台建设

高校联盟日渐成为高等教育竞争中谋求发展的必然选择。不论是企业之间的联盟还是高校联盟都非常注重共享资源,期望降低成本以提升价值和竞争力。例如,2009年中国正式启动的“C9高校联盟”由首批985工程高校的九所顶尖大学组成,尽管以促进联盟走向规范化和制度化为初衷,但其本质仍离不开各高校对于资源的渴求与自身利益的维护。借助大数据平台,创新高等学历继续教育模式乃当前中国高等教育转型发展的重要途径,也是促进高等学历继续教育更好地与时代接轨的首选手段。基于大数据的高校联盟,一方面可以发挥“集中力量办大事”的优势,提高资源利用率,扩大教育开放度,实现不同办学单位与学员的共赢；另一方面,可以利用技术分析学员类型,测量学员知识水平,并对预警学生进行干预[20]。可以说,高校联盟建设的主要目的在于加强大数据平台建设,实现联盟成员间资源共享、互利共赢。值得注意的是,建设过程中要注重平台的安全性、灵活性和延展性,打通数据通道的“堵点”与“断点”,夯实数据基础,构建起良性的数字化教育生态环境。

(二)树立大数据思维,整合高等学历继续教育资源

高等学历继续教育中,大规模教育数据是一把双刃剑。面对庞杂、混乱的教育数据,只有树立大数据思维,变革数据采集方式、改变数据开放方式、建立数据标准和创设数据制度,才能有效解决当前面临的各类问题[21]。具体来说,一方面要树立大数据思维。借助大数据技术收集教育数据,建立健全完善的数据收集规章、制度与流程。同时,注意防范信息泄露、信息滥用等风险,建立数据安全保障体系,开发数据安全保障技术。另一方面,通过大数据平台的资源整合,推进在线课程资源等优质教学资源的共享,包括根据上级要求、时代需要而建设的基础平台课、立足于破解学员工学矛盾建设的专业课程,根据学校特点自建的特色课程等。此外,通过大数据筛选课程内容,建设教学内容,解决学员难以精准寻找资源配置的难题。

(三)深挖数据价值,提升高等学历继续教育质量

大数据时代之下,高等学历继续教育面临的一大问题是数据收集意识薄弱。主要体现在中国部分高等学历继续教育机构存有“一家独大”的利己思想,不愿共享大规模数据,也未提前将数据收集功能嵌入软硬件平台建设中[20]。事实上,实现我国高等学历继续教育的转型发展,关键在于挖掘数据价值,以达到提升教育质量的最终目标。具体可从两方面着手:一是运用大数据开展教学诊断,发现教学问题。较于线下的继续教育课程,线上教育无法对学生学习进行实时监管,受多层因素的干扰,学习者容易终止学习。大数据赋能高等学历继续教育,可以将教学诊断充分融入大数据环境中,收集学习者的学习状况,分析其学习动机、学习心理等变量因素,进而针对性地改进教学,提升教育质量。二是实现教学与信息化技术深层次融合,推进线上教育资源的共建共享,增强资源配置的预测性。此外,利用大数据还可以实现教育过程的全面跟踪,进一步加大监管力度。

(四)构建学习者画像,搭建学习支持服务体系

一般来说,学习者画像被应用于发现目标用户、挖掘用户需求、明确产品设计等方向[22]。在教育领域,学习者画像应用于识别、分析学习者特征并据此提供针对性学习。“学习支持服务”又叫“学生支持服务”,包括向学生提供各种信息、技术、人员和设备服务[23]。随着大数据时代各类教育技术的发展,高等学历继续教育学习支持服务直接影响着远程教育的教学质量和效果。哈佛大学Christopher J Dede教授认为,利用大数据对学生学习状态进行全方位分析,可以识别高危学习者,判断学生可能遇到的困难,并进行有针对性的干预[24]。具体而言,构建学习者画像,定制学习支持服务体系可从三方面着手:一是可视化,即将数据、信息和知识以直观形式表现出来,包括信息可视化、数据可视化和知识可视化；二是利用大数据精准推送学习资源,包括各类学习内容和相似的学习伙伴；三是根据学员实际情况,开展个性化教学。