数据赋能教育评价的内在逻辑、现实困境与优化方略

● 龚毓琳 陈 琴

教育评价是我国深化教育体制改革，推动教育高质量发展的关键环节，对我国教育现代化强国建设发挥关键作用。2020 年，中共中央、国务院《深化新时代教育评价改革总体方案》（以下简称《方案》）提出要“创新评价工具，利用人工智能、大数据等现代信息技术，探索开展学生各年级学习情况全过程纵向评价、德智体美劳全要素横向评价”。实际上，“数据”赋予教育评价更多的客观性，如教育大数据为美国政府、教育管理部门、学校与教师做出合理的教育教学决策提供了可靠的证据。［1］运用教育大数据建立科学完善的教育评价体系，已成为教育评价改革中的关键内容。2018 年4 月，教育部发布的《教育数字化2.0行动计划》也指出，建成“互联网＋教育”大平台，推动从教育专用资源向教育大资源的转变。随着教育数据在教育领域的应用，数据赋能教育评价正在成为教育样态革新、学校场域重构和学习模式迭代的重要依据。为满足教育对数字技能的旺盛需求以及从容应对全球学习危机，2023 年2 月召开的“世界数字大会”中再次强调，教育数字化转型将重塑教育育人方式、不断引领教育变革新风向。怀进鹏部长进一步提出，要“强化数据赋能，提升教书育人效力”。［2］

教育数字化转型的驱动要素是数据，纵观国内外研究，学者们对数据与教育评价的结合持肯定态度。从技术赋能上看，数据挖掘通过识别变量进行教育领域赋能。［3］从提升效率上看，教育与数据的结合使学习过程有了更多可扩展的、更细化的理解和支持，从而实现科学的管理和决策。［4］还有研究进一步指出，加强技术创新，推进评价方法的科学化和现代化，［5］助推教育评价从经验决策向数据驱动的转型。［6］并且，教育评价依赖于全面的、可靠的数据支撑，对大量、多维数据的深度挖掘有助于扩展与深化教育评价本身的内涵。［7］但新技术的发展需要在“物”的层面和“人”的层面进行解构与重构。因此有学者指出，大数据下教育评价改革面临教育评价观迟滞、教师信息技术能力羸弱、资源分化、价值理性备受忽视等困境。［8］还有研究者认为数据统筹规划不充分、数据共享机制不完善、数据人才培养跟不上、数据隐私伦理受侵犯［9］是当下数据赋能教育评价的主要问题。整体来看，我国大数据下的教育评价仍处于探索起步阶段，在教育数字化转型的重大机遇下，存在诸多藩篱。何以形塑教育数据评价的优化方略？回答此问题必须探及教育数据评价背后的内在逻辑。基于此，本研究在教育数字化转型的大背景下，基于数据赋能教育评价内在逻辑的解释框架，纵深挖掘大数据下教育评价的现实困境，进而提出优化方略，以期为推动数据赋能教育评价高质量发展提供学理支撑和政策依据。

一、数据赋能教育评价的内在逻辑

在大数据与教育评价相关研究中，数据赋能教育评价在“物”的层面上被单维度地认为是数据、技术与教育评价的简易叠加。然而，数据赋能教育评价不仅只是三者关系结构组合，作为教育数字化的重要组成部分，聚焦从传统教育评价形式向数据赋能的转向，从“物”“人”层面对数据赋能教育评价内在逻辑进行双重解构，有助于突破教育评价“路径”依赖，实现教育评价范式转型。

（一）增值取向：实现育人逻辑与甄辨逻辑的平衡统一

教育评价是教育的主要存在形态之一，教育评价观指导着教育观。《方案》指出，教育评价应“探索增值评价”“扭转不科学的价值导向”。以大数据为代表的技术正在形塑一种新型的教育评价，通过数据赋能推动教育评价增值取向，有助于实现育人逻辑与甄辨逻辑的平衡统一。

随着技术在教育领域的延展，基于数据的教育评价不仅是育人的手段，更是数字时代的育人主动。因为一旦教育评价仅局限于数字关联的迭代变化，并以此为依据推导教育发展的后续规律，就可能丧失其育人价值。这可能引发工具性理性与价值性理性间的对立冲突，从而导致二者的撕裂与失衡。［10］卡尔·马克思（Karl Marx）认为，每个人的自由发展是一切人的自由发展的条件。［11］因此，就育人逻辑而言，数据赋能教育下的全面评价既不是对相关评价要素不分主次、轻重，也绝不是把相关指标数量简单相加评优，而是从评价标准体系、评价对象、评价过程、评价结果四个维度促成数据赋能教育评价的全面性。在评价标准体系上，以“育人为本”为标准，辅以“数据+专业研判”支撑，注重学生的综合素质考察；在评价对象上，鼓励多方主体间互惠互利，倡导协同“生长”的共生关系；在评价过程中，确保数据源真实可靠，在评价过程中育人，以评价促进育人，从而实现评价结果的全面育人。

让每一个学生在全面发展的基础上实现更富有个性的发展是教育的最终目的，这关切到数据赋能教育评价的甄辨逻辑。传统教育评价囿于甄别与选拔的狭隘范围，而数字化转型推进下，数据赋能为教育评价提供了技术甄辨。一方面，先通过数据“载体”以及数据“耦合”识别教育过程中个体的客观实际，获得个体之间差异性的数字化呈现。另一方面，在承认个体发展多样性的基础上，基于深层次学情数据精准分析与预测，为学习者设置“柔性”的评价标准，针对不同认知水平的学习者评价他们的思维技能、认知水平，以及综合问题解决能力是否得到了发展。最后，针对教育评价的个性化，实施个性化教育。如果说数字技术的应用促进教育体系从“工业化教育”到“因材教育”的转变，［12］那么数据赋能教育评价为这个过程提供可行性证据。

当教育评价的实践异化为将教育视为生产工具人的操作性实践时，教育活动便丧失了其培养个体全面发展的本质。［13］由此可知，数据赋能下教育评价应始终立足于育人逻辑，但数据赋能下教育评价的育人逻辑与甄辨逻辑并非对立关系，育人逻辑与甄辨逻辑的契合点在于达成“全面化”与“个性化”的价值共识，“全面化”是“个性化”的前提，“个性化”是“全面化”的超越。数据赋能教育评价须从我国本土价值立场出发，以大数据时代教育评价的育人实践探索、甄辨实践重构走出一条符合中国教育现代化强国需求的教育评价之路，实现育人逻辑与甄别逻辑的对立统一的增值取向。

（二）数据驱动：助力评价质量与评价效率的改造重塑

“数据”是实现“资源赋能”的重要生产工具，“教育数据”是实现学校“提质增效”的核心赋能工具。数据赋能教育评价强调数字化转型过程中利用教育要素与教育资源的精细重组驱动教育评价活动。数据驱动带来新态势、新技术，其内涵在于打造虚拟教育评价场域、公正教育评价理念、高质教育评价结果为主要特征的教育评价新模式。

一方面，基于数据的虚拟教育评价场域。在数字化智能时代，广泛分布的传感器和微处理器系统处理与社会行为相关的海量数据，而各种算法则在重塑人们的时空交流模式和语言表达结构。［14］数据赋能教育评价作为一种基于数字技术、信息数据集成和虚拟平台支撑的新型教育评价，突破了时间和空间的限制。虚拟教育评价场域通过数据资源的远程开放与共享，将教育评价纳入线上分级管理，促进以评价数据为基础、评价标准为重点、评价体系为核心的一体化评价场域，构建评价信息系统、规范的管理系统，实现“全覆盖”评价要素、“可视化”评价分析以及“全过程”评价机制，让教育评价随时、随地、随员进行，实现“效率”和“质量”的双轴驱动。

另一方面，基于数据的公正教育评价理念，机器伦理的本质问题是如何使得系统的行为或行为序列与人类的道德判断，［15］而大数据赋能评价的本质问题则在于如何避免评价系统由于评价者自身独特价值判断而做出主观决策，因此，在数据采集过程以及算法模型设计中嵌入公正理念是教育数据评价的重要逻辑。通过设定体系化、标准化、科学化数据采集规则，建立一种自下而上的、具有明确规则的教育评价数据采集秩序，将教育评价的平等理念编写成算法程序，将评价主客体互动同一于伦理的规范性审查之中，以规范的量化程序来指导评价者以及参与评价的主体的行为。由此，实现从多角度和多层面对学生进行全面而公正的评价，提高教育评价的客观性和科学性。

再者，基于数据的高质教育评价结果，在时效性上，数据赋能教育评价能准确及时地反馈评价结果，以便将评价进行结果分析和有效利用；在效用性上，数据赋能教育评价能通过对过往、现有数据全面分析的基础上预测未来趋势并监督其调整、改进评价思路和方法，提升教育评价活动的科学性和专业性，及时辅助学校实现精准化的教学质量改进和提升。在效能上，充分发挥数据在教育评价中的赋能作用，通过基于教育数据所提供的多维度、精细化数据分析，可显著提升教育评价的质量水平，从而实现对评价成果的持续改进，［16］以此促进评价模型的科学构建与不断优化。

（三）范式转型：促进数据驱动与教育评价的深度融合

数据赋能教育评价不应只是数据驱动与教育评价的叠加，更应是数据驱动与教育评价的全方位深度融合。［17］这种范式的转型，强调数据驱动从“治理”“工具”“意识”方面对教育评价的贯穿，从而促进教育评价新生态生成。在这个意义上，教育评价的范式转型包含以数据决策为代表的治理转变、以数据支持为核心的工具转向、以数据思维为代表的意识转化。

一是以数据决策为代表的治理转变。教育治理是教育改革的必然态势，教育评价改革则是提升现代教育治理能力的关键着眼点。数据治理始于顶层设计，教育部门提高教育评价的数字化水平和共享程度，进行数据全面定量采集以及互通，打通数据隔阂，通过优化评价的组织结构和流程，实现分析的实用性及数据的科学性，创造更具价值的教育数据应用和资产。学校立足于底层探索，深度理解数据赋能教育评价的定位，借助数据的创新动能，以数据评价为引擎，主动建构、积极迭代小学生综合素质数字化评价体系，以此实现顶层设计与基层探索的良性互动。

二是以数据支持为核心的工具转向。数据是数据赋能教育评价的有效支撑，是量化学习效果的重要工具，数据只有与教育评价的目标、导向、功能相互契合，数据赋能教育评价才能真正开启“智评”模式。在数据的工具维度下，教育评价依据将从主观经验判断走向客观数据支持，如运用数字化设备和智能化学习空间等现代技术，实时传输学生学习的精细化动态数据，利用显性的、多维的大数据分析和算法识别进行客观评价。不仅为现有教育评价研究和实践提供有理数据支持和充分的科学依据，而且有利于教育评价理论的深入发展。［18］

三是以数据思维为代表的意识转化。从历史嬗变的进程来看，单一维度的主客体无法适配大数据时代下教育评价的发展需要。教育数据既是思维的主体，又是思维的客体。数据赋能下，作为思维主体的教育数据，是从教育数据的角度出发看待教育评价；作为思维客体的教育数据，是从教育评价的角度出发看待教育数据。而第四次信息技术革命的到来，推崇以数据为基础理性思考，强调数据量化思维、数据关联思维、数据驱动思维和数据反馈思维四个相互联动的关键要素。［19］在技术时代，教育评价的变革需要进一步创新教育评价的数据挖掘路径，为数据驱动教学决策提供教育定制化服务，建立合理、有逻辑的教育“评价”。

二、数据赋能教育评价的现实困境

“所有成功的技术都会敲响警钟，都需要做出某种交换、承担一些风险”，［20］甚至“无法真正控制自己所创造出来的‘工具’，相反，被创造物‘统治’，有时甚至变成了它们的奴隶”。［21］以“数据”为核心赋能的教育评价已然成为教育数字化转型下教育评价的主要形态，但当前数据赋能下的教育评价正逐渐陷入精致性计算导致的情感丧失与标准化趋同、工具化规约造成的学生成长空间受限与窄化风险以及技术赋能下的过程性不平等扩散与正义遮蔽的现实困境。

（一）精致性计算导致评价情感丧失与标准化趋同

现代技术不仅在特定方面对“物”进行限定，使其从特定、有限的角度呈现给人类，同时它也对“人”施加限制，人们受到技术的制约而采用特定的视角，导致人们往往从技术的标准化和特定视角出发审视万物。在这种形势下，价值和利润成为人们衡量事物的普遍标准。［22］虽然教育数据可以呈现教育过程的具象化，数据赋能教育评价可以实现教育结果和教育目标二者差值的可视化，但并非所有的教育理念和目标都是可测量的、精准化的。在精致性计算下，教育数据的量化功能泛化，被用来限定作为主体的人，导致个体情感丧失和主体同质评价。

1.个体情感丧失，生命表现转化为冰冷的测评数值

人的发展既是一种状态，又是一个过程。卢梭在《爱弥尔》中主张，一切教育都要遵循人类的本性，使人的身心能够得到自然的发展。［23］因此对“教育人”的测量往往很难简单使用量化计量，对“教育人”的计算更多只能是一种“基于经验”的计算［24］，这可能导致数据赋能教育评价强势推行“数据话语霸权”。一方面，“漠视”学生作为不断发展变化中独立个体的生命表现。学生作为鲜活的个体，实践活动中必定伴随着主体认知、情感与意志的全面展现，内心的真实世界更需要教师深入探究。但基于霸权之下，对学生发展具有的差异性、稳定性和可变性视而不见，是对生命的丰富性和生命形式的意义置若罔闻，极易造成教育评价过程中不可控制性的浮躁。另一方面，把学生丰富多彩的生命表现简化为单一的数字测评。约翰·弗里德里希·赫尔巴特（Johann Friedrich Herbart）认为，通过教育想得到什么，教育要求达到什么目的，这是由人们对事物的见解决定的。［25］数据质量的价值远超数据数量的价值，但并非所有教育数据都是优质数据，极其简化地将数据与教育评价相结合，以统一化的指标或标准来测量、评价学生，不仅无法精准描绘学生，还易造成个体情感的忽视，甚至带来教育评价情感基础的丧失和应有“温度”的失真。［26］

2.同质评价采用，资源差异向评价标准趋同的风险

由于我国城乡二元经济结构发展不均衡，农村地区教育信息化发展起步晚、发展速度远低于城市地区，使得城乡间信息化基础环境建设水平仍存在较大差距。［27］在数据赋能教育评价背景下，传统的教育评价机制逐渐被淘汰，取而代之的是以数据为导向的教育评价，但这往往忽视信息传递的层次和差异。一是对区域、县域、校域采取同质性的评价方案。客观存在的经济发展水平差距导致教育差距，短期内难以改变大量信息化教学资源和基础设施，导致学校环境中与技术相关的行为和实践受到实质性影响。这些可能成为办学条件薄弱学校和经济薄弱地区的沉重负担，即课堂教学可用的技术资源与获得的教育数据评价二者之间的沟壑。二是数据使用者之间的理解鸿沟。不同教育工作者对教育数据基本概念、全局把控以及教育数据收集、使用和分析等方面的不足，难以建立数据赋能教育评价的常态化应用意识。有研究发现部分教师知识储备陈旧，对于数据评价普遍缺乏理解，同时也缺乏解释和分析数据的能力。［28］使用者对数据评价的能力缺失往往会导致生搬硬套、错用、误用等不良后果，如果教师难以获得他们需要的数据，或数据质量存在问题，那么数据的使用也会受到限制。［29］

（二）工具化规约造成成长空间受限与窄化风险

马歇尔·麦克卢汉（Marshall McLuhan）认为：“暴君搞统治不是靠棍棒或拳头，而是把自己伪装成市场调研人。他像牧羊人一样用实用和舒适的方式，把羔羊赶上崎岖的小道。”［30］数据恰恰是用这样一种“实用和舒适”的方式将接受者们赶上一条数据化之路，人们习惯通过数据技术感知“真实世界”，然而过于依赖数据意味着思想的数据化，这种工具化规约造成数据评价标签化和数据评价结论化。

1.数据评价标签化，束缚学生成长空间

一是将教育评价结果固化为“标签”。虽然教育数字化转型利用数据和技术支持教育评价的范式转型，但社会科学是一种以人类社会为研究对象的科学，无法完全精确地测量。数据赋能教育评价通过对成长中的学生符号化，运用评价模拟预测学生的发展趋势，将评价的方方面面进行可视化处理，突出强调可量化的学习成绩，导致评价异化为简单的排队，遗弃了教育作为生命存在方式的作用。二是束缚学生成长空间。教育理念和教育目标的诸多指标都是不可量化的、非结构化的，基于数据的评价方式，可能将评价者的行为异化为展示。例如，我国目前的标准化评价测试，使用人为制定的问卷量表进行知识考查，将评估的重点放在结果上，运用分数评价学生学习情况，希冀对学生阶段性学习进行量化结果判断，运用升学率评价教师教学质量，希冀提升教育教学质量，但不仅限制学生的创造力和生命力，还将教育束缚在在应试的管控之中。

2.数据评价结论化，约束学生全面发展

《基础教育课程改革纲要（试行）》提出：“建立促进学生全面发展的评价体系。评价不仅要关注学生的学业成绩，而且要发现和发展学生多方面的潜能，了解学生发展中的需求，帮助学生认识自我，建立自信。发挥评价的教育功能，促进学生在原有水平上的发展。”一方面，难以“全面”看待学生发展。教育数字化转型是全要素、全流程、全领域的转型，但当前学校工作围绕高考和各级统考开展，教育目标、教育评价普遍带有急于求成倾向，对关系到学生发展以及人本素质提高的价值、人格、品质、社会参与等方面的评价不足，欠缺对实践性任务的考查和测评，仅仅通过部分可量化的测评结果来评价学生的能力与水平，难以实现学生学习质量的全面提高。另一方面，过度追求“结论化”。过于功利看待数据赋能教育评价，仅停留在对知识表面理解的考查，评价结果变成学生追逐的单一目标。数据赋能所追求的不是给学生下一个精确的结论，不应止于结果判定，而应能促使学生发生积极变化，不但通过数据赋能评价促进学生在原有水平上的提高，更运用评价从供给驱动变为需求驱动。

（三）技术崇拜下诱发分配不平等与部门边缘化

凯西·奥尼尔（Kathy O'Neill）指出：“数学杀伤性武器建基于可测量和可计算的数据。但公平是模糊的，很难量化，它是一个抽象概念。我们的计算机程序尽管在语言学习和逻辑学习方面有所进步，但仍然不能很好地理解抽象概念。……所以，公平的概念没能被编入数学杀伤性武器，这导致了大规模的、产业化的不公平。”［31］简而言之，对技术的盲目崇拜掩盖了程序的不公平，主要表现为资源分配不平等，数据正义遮蔽；监管部门边缘化，数据隐私危机。

1.资源分配不平等，数据正义遮蔽

“数据本身不具有标准价值，它们的力量来源于其将复杂现象简化为少数可观察事实的能力，这就是为什么，数据推理在被系统应用于人类世界时，会引起各种各样的误差。”［32］教育数字化转型下海量数据形成强大的“数据链条”，但也引发了相关问题。一是数据赋能教育评价的过程中，社会不同个体或团体，在数据资源的占有、使用和分配上存在不平等，导致数据资源在决策支持、行动干预等不同维度上出现了不正义情形。教育评价不仅是对学生学业成绩的评价，更是对教师教学质量的测量和课程实施的考察，关系教师和学生的相关利益，在此之下很容易导致评价作弊。此外，数据赋能中歪曲、滥用数据也将导致数据决策不可信，影响教育评价的正义性。二是数据赋能教育评价的“黑箱”存在，势必导致私人利益主观上俘获公共利益。受到市场价值的驱动，数据的自主汇聚带来数据垄断问题，教育数据更多的被教育机构应用，用于创造经济利益，而我们对其内部运行机制一无所知。同时，教育活动过程中也会产生大量无意义的噪声数据（Noisy Data），因此需要根据教育应用目的进行数据过滤与整理，为后期深度挖掘与分析做好准备。［33］

2.监管部门边缘化，数据隐私危机

联合国教科文组织发布的《共同重新构想我们的未来》指出，数字化转型为教育开辟了新的富有希望的途径，在数字空间里，学习范围同时具有扩展与收敛的能力；技术创造了新的权力平衡和控制机制。借用法国哲学家米歇尔·福柯（Michel Foucault）对政府行使权力间接手段的分析［34］，人们可能会认为，评价的“客观”标准构建不仅使“其他人的监管或控制成为可能”，对“自我身份”的塑造还会“通过个人的自我认知和自我调节进行”。一方面，教育数据监管部门在“算法社会”中呈现出被边缘化的趋势。当前，教育数据的控制权主要集中在相关平台，数据制定规则比单纯的自上而下强制要复杂得多：它包含了很大程度上的自满情绪，并从根本上设计了主体的行为方式。这些平台操纵算法设计、运行、测试和分析教育数据，在数据和算法上占据非对称优势。另一方面，在教育数据收集、诠释、转变与存储的过程中存在严峻的隐私泄露问题。数据隐私保护是数据评价应遵循的底线，但数据隐私保护和开放共享之间存在严重的矛盾冲突性。［35］在监管部门边缘化之下，数据的使用权和道德伦理问题受到强大的冲击。例如，集中式数据存储和管理系统容易受到入侵和破坏，造成个人信息保护欠缺、数据安全管理存在盲区、大数据云平台成为攻击面，最后导致数据偏差、数据泄露、数据依赖等诸多问题，给信息文化安全、师生隐私保护、教育治理等带来巨大挑战。

三、数据赋能教育评价的优化方略

随着大数据的深入驱动，教育评价各环节都始终贯穿整个教育数据流中，从而作为提高教育教学质量的重要抓手。［36］在教育领域的数字化转型进程中，大数据已经显现出了作为推动教育评价变革与创新重要力量，《方案》中也明确提出“充分利用信息技术，提高教育评价的科学性、专业性、客观性”，科学是育人本位的回归，专业是评价范式的构建，客观是教育效能的提升。

（一）以价值理性为评价导向，回归教育评价的育人本位

技术自主性的追求日益突显，在与人类的关系中展现其独立性，表现为人类参与技术性活动的比率不断降低。理论上，技术的进步推动着教育数据评价逐渐演变为一种完全自主且独立存在的实体，不仅脱离了人类依存，甚至将其存在置于人类世界之外，这使得技术在这一背景下相对于人类而言成为一种客体。在这情形下，须基于学生全面发展的需要，增加教育评价的“后程”；融合增值教育评价方式，理解数据背后的“教育之道”。

1.基于学生全面发展需要，增加教育评价的“后程”

数据赋能教育评价的行之有效需建立科学、多样、全面的评价标准，客观公正、科学合理地评价学生的表现，促进大学生个性全面和谐发展。一是不仅从知识的掌握程度来衡量学生的学习效果，更从学生能力的培养、情感能力的锻炼上立体化地体现学生的学习效果。既考虑那些在学习过程结束时明显的，甚至是存在的结果，又要包括申请、转移和再学习的效果。二是评价既要能顾及学生最近发展区，又促进学生能力水平的发展，鼓励评价对象参与到评价标准设置的协商之中，设置不同的评价内容力求对学生各类指标进行全方位、多层次的考察，建立协调和划分各方考试权益的恰当型机制。三是注重教育数据评价下的效果反馈。在线监测学生每个学段、学年学习成绩的数据变化情况。构建各学段学生各学科成绩的水平基准线以及在学习过程中进步的幅度常模，及时反馈改进教学有助于提高教学质量和办学水平。

2.融合增值教育评价方式，理解数据背后的“教育之道”

不仅要注重学习的最终成果，而且要强调学生的进步情况和教师教学效果、教学效益的发展性，形成增值测量为主、兼顾质性方法的多元视阈融合。一方面对不同行政区域、校际之间设置富有差异的评价标准，采用多因素评价、决策树等方法来提炼不同区域之间的差异，兼顾普适宜性和反映地域差异的指标的统一，使评价的结果具有针对性、可行性。另一方面，科学、全面地使用分类、聚类和回归分析技术。通过构建每个学生的目标、偏好和知识模型，并在整个与学生互动过程中适应该学生的需求，以系统的、实时的方式进行评估，了解学生真实学习需求和发展水平，为学生和教师提供关于学习成绩的即时反馈，得出相应的评价，以预测学生的结果，进而由结果性评价走向过程性评价。最后，对学生学习采用多层次评价。由于学生学习基础和能力存在差异，教师对学生学习的评价和反馈应趋于层次化，跟踪学生的评价和效果反馈，依据效果反馈数据等进行综合评价研究。强调评价结果的客观性，调整唯知识、唯技能的单一评价倾向［37］，注重过程导向，帮助学生明确学习目标和提升学习动力。

（二）以数据使用规约为保障，构建至善的教育评价范式

凯西·奥尼尔（Kathy O'Neill）说道：“也有许多模型把人类的偏见、误解和偏爱编入了软件系统，而这些系统正日益在更大程度上操控着我们的生活。这些数学模型像上帝一样隐晦不明，只有该领域的最高级别的牧师，即那些数学家和计算机科学家才明白模型是如何运作的……模型得出的结论往往会惩罚社会中的穷人和其他受压迫的人，而富人却因此更加富有。”［38］基于此，需要完善教育数据保护准则，确保教育评价公平正义；确立数据分类管理制度，走向教育数据与伦理的耦合。

1.完善教育数据保护准则，确保教育评价公平正义

“一个毫无疑问的事实是：机器本身对于把工人从生活资料中‘游离’出来是没有责任的……因为这些矛盾和对抗不是从机器本身产生的，而是从机器的资本主义应用产生的！”［39］为确保数据赋能教育评价最大限度地满足教育需要，通过立法手段，明晰不同数据主体之间的责任义务，以规范数据的采集、传递和应用过程，在数据产权、数据安全以及数据隐私等方面起到保护作用。一方面，政府部门应完善教育数据安全保护的法律法规。结合《北京共识——人工智能与教育》①相关规定，通过制定数据保护法规对教育数据的采集、分析、使用、共享和决策等进行有效规制，禁止隐私泄露、数据滥用等违规行为，确保数据伦理、公平、透明和合理使用。另一方面，提高相关人员的信息安全意识。引导技术设计者与开发人员提升其伦理认知，坚守道德纲常，积极警醒并预防因技术滥用所引发之伦理风险与安全隐忧。主要包括教育数据的来源是否符合相关法律法规规定、数据源是否已获得完整的授权闭环，授权内容是否已经覆盖使用范围。由此可提升技术伦理所涵盖的利益权衡视角，进一步扩展技术伦理调整的涵盖范围，加强涉伦理责任尤其是设计技术决策的主体，以确保教育数据的安全得到妥善保护。

2.确立数据分类管理制度，走向教育数据与伦理的耦合

数据是宏观社会实践的根本载体，数据与伦理的耦合就如实践的程序和规范一样，制约着种种实践的失范，纠正人类的理性偏差。数据赋能教育评价所使用的数据，不仅包括衡量教学对教师、管理者和其他人的影响，还应包括设备磨损、学习环境影响、成本的数据。［40］一方面，建立数据分类管理制度。该制度基于高成功率、大数据量、高效益等关键准则，对不同类别的数据赋予特定权重，从而在法律框架内明确划定了各个“数据”等级。具体而言，国家战略级数据应受到严格封锁，私人级数据必须严守保密，商业级数据应以付费方式使用，而公共级数据则须实现透明公开和共享。另一方面，建立数据责任管理机制。明确界定数据提供、使用、协调管理及技术管理单位的使用权利和义务，划清单位管理边界，避免单位之间产生利益冲突，对各单位技术及管理的人员权责作出明确规定，保证责任追究到个人。

（三）以数据平台建设为动力，提升教育评价的教育效能

数据是驱动教育数字化转型的关键要素，也是教育评价增值与增效的核心要素。数据赋能下的教育评价要把握全面性与科学性，必须以数据平台建设为动力，着眼于共享平台和监管平台的搭建，促进数据生态开放式，形成畅通式评价机制。

1.构建教育数据共享平台，形成开放的教育数据生态

教育数字化的关键是通过彻底和全面的数字化转型，实现教育数据资源共享、交换和深度应用，教育数据共享平台是数据共享的一座桥梁。一方面，提供格式统一的教育数据采集标准。通过一体化数据设计形成统一的、可供各子系统调用的教育数据资源，保证每个评价环节的完整性与井井有条，形成顺畅的评价机制，如开展环节之间的交接活动等，便于跨平台、跨终端的教育数据共用。此外，整合各级各部门业务自建系统，全面打通部门间数据共享渠道，避免重复建设造成的资源浪费。另一方面，注重纵向追踪教育数据系统的建立。实现市级平台与省级、国家级平台的区域数据共享，完善基于中小学校的数据共享平台，搭建纵向数据系统衡量学生成绩，促进了各省、市、县高质量教育数据的收集和使用。

2.搭建教育数据监管平台，形成顺畅的教育评价机制

教育数据的使用监管与质量评估是一项繁琐而杂乱的系统工程，建立健全完善的教育评价管理体系，有利于阻遏教育评价落入单纯注重工具理性的窠臼。一是保障教育数据使用的透明化。运用区块链技术实现全链条追溯教育数据来源，对使用过程进行审查，确保目标方之间交换的教育数据的安全性和隐私性。满足宏观综合研究和跨省区交流的需要，达到提高数据透明度的目的。二是搭建全景数据监测新平台纵向贯通省、市、县三级。加强与各级部门的统筹协调，在分支管理的基础上，进行总体地统筹与衔接。健全网络教育数据监测预警和应急处置工作体系，建立网格化动态监测机制，开展常态化动态监测，设定多个数据监测节点，用以进行管理数据及信息的采集。

作为实现教育现代化目标的重要构建要素，教育评价范式的深刻变革旨在运用诸如数据分类、行为挖掘、数据预测和社会网络分析等方法，以收集、整合、分析并呈现与学习者相关的多样数据，促进教育战略的数据驱动型治理。［41］习近平总书记强调，要因应信息技术的发展，推动教育变革和创新。建设以数字化为支撑的高质量教育体系，以教育数据为基础，系统推进数据赋能教育评价，是教育强国人才培养挑战下的必然选择。教育数据为实现科学、精确的教育活动评价提供良好的基础环境，助力教育评价范式的转换。当前，应在教育数字化转型背景下以数据赋能教育评价的内在逻辑为起点，正确认识教育评价面临的精致性计算导致的评价情感丧失与标准化趋同、工具化规约造成的学生成长空间受限与窄化风险以及技术崇拜下诱发的分配不平等与部门边缘化等现实困境。以价值理性为评价导向，以数据使用规约为保障，以数据平台建设为动力，使数据赋能下的教育评价更好服务于教育强国转型的需要。

注释：

①2019 年5 月，中国政府与联合国教科文组织在北京举办国际人工智能与教育大会。会议以“规划人工智能时代的教育：引领与跨越”为主题。来自全球100 多个国家、10 余个国际组织的约500 位代表共同探讨智能时代教育发展大计，审议并通过成果文件《北京共识》，形成了国际社会对智能时代教育发展的共同愿景。