高校智慧教室数据融合应用路径研究

李炜 杭州师范大学信息中心

●研究背景

教室的发展历经了传统教室、多媒体教室、智慧教室三个阶段，北京大学在2007年就对研讨型教室这一智慧教室的雏形进行了探索式建设，而摄像头、触摸屏幕、各类环境传感器等大量信息技术设备的集成应用则开端于2016年，2019年至2021年高校智慧教室的建设规模逐渐扩大[1]，国内大部分高校已拥有一定数量的不同类型的智慧教室，并在某些方面已发挥出了较好的作用。智慧教室的优点如下：一是“深体验”，智慧教室整合了多屏显示，集成全息投影技术、AR/VR/MR虚拟等“智慧”教学设备和音视频教学资源，优化教学内容的呈现方式，学生可以由视听学习走向全身心深度体验学习；二是“强交互”，如智能学习终端、电子交互白板等智能设备以及触屏互动技术提供给教师和学生更为便捷和自然的人机交互；三是智能教室的空间布局更加人性化，有利于实现人、资源、环境及技术设备的多维互动。[2]然而，智慧教室当前有重硬轻软、重管理轻教学、课堂转型不足、驱动学习不足等问题，虽然花费大量人力、物力建设，但与传统教室相比，其智慧化应用尚未有较高的优势，究其根源在于对数据生产要素的融合与运用不足。

“十四五”规划明确提出要大力推进教育数字化转型[3]，并指出发展智慧教育是建设数字中国的重要内容。沿着“数字化”“网络化”“智能化”的方向，教育数字化转型也开始全面提速。2021年，教育部等六部门发布《关于推进教育新型基础设施建设 构建高质量教育支撑体系的指导意见》，提出“推动教育数字转型、智能升级、融合创新，支撑教育高质量发展”，在坚持创新引领的基本原则中突出强调了要“充分发挥数据作为新型生产要素的作用”。[4]教室是高校教育教学的主阵地，因此，制订完善的智慧教室数据融合应用方案与路径方法，满足高质量教育体系建设要求，成为高校教育教学关注的重点之一。

●当前高校智慧教室数据应用问题

1.重硬轻软思维问题

智慧教室当前存在的主要问题是关注硬件的升级堆叠，在智慧教室硬件环境基础实施建设方面不惜重金投入，有些设备的技术性能参数远远高于实际的需求，而最为重要的软件系统方面投入甚少，与传统多媒体教室相比没有太大的变化。

在智慧教室的应用方面，虽然有高校在教学过程管理、教学评价、设备智能控制等方面创建了一些智能应用，但也都是分散不成体系的，其原因一方面是没有支撑有力的“数字底座”，另一方面，数据应用策略抓不住重点，尚未有分类明确、高效复用、贴近业务的数据应用策略，体系缺失，合力尚未形成。

2.内部数据孤岛问题

目前，“智慧教室”相关应用主要集中在三方面：一是温湿度与空调，CO2与通风，光照度与灯光，投影机的使用与幕布、窗帘、照明等教学环境监测变量与教学环境保障设备间的策略化管理的智能联动，实现物联“智能化”；二是VR/AR/MR设备、全息投影、智能白板、移动终端、智慧学习笔等多种形态的智联终端和智能教育装备的运用；三是面向智慧教室内教学全过程的智能教学评价系统。这些应用的开发主要采用纵深式的方法，较少横向互相关联，甚至终端品牌各异、种类繁多难以融合使得数据割裂，影响了应用的横向智能程度。

3.外部数据孤岛问题

当前智慧教室为了实现电子班牌、线上教学平台、教学评价系统等应用功能，会主动对接学校这类与教学安排紧密相关的业务系统，但与其他轻度联结关系的业务系统的对接较少，智慧教室内置平台与学校其他业务运行系统存在隔阂，主要原因是不同领域不同系统之间的资源相对封闭、描述标准不一致、共享不畅通[5]，智慧教室应用开发人员尚未深入研究制订统一的元数据及数据资源描述规范与标准，各种类型数据尚未完全纳入分析应用，智慧教室外部数据孤岛问题使智慧教室应用对课堂之外的教学、成长全过程缺乏观测视角。

4.数据应用安全问题

智慧教室的数据涉及学生、教师、学科、教学资源、科研资源等诸多方面，涉及大量的教师和学生群体，随着网络威胁的快速变化，数据面临被篡改、窃取、盗用、泄露等威胁，一旦发生风险事件，不仅影响数据对象等主体自身，侵犯师生个人权益，还可能外溢到社会关联方，衍生网络或电信诈骗，波及更多群体和领域，造成经济等各方面损失。

●高校智慧教室数据中台构建

1.整体架构

智慧教室数据中台作为一项复杂的系统工程，其多形式的技术堆砌和多终端的技术设备、多源异构数据源，以及各种软件、模块、系统、协议增大了数据融合应用的难度，做好整体架构设计，有利于内部要素之间按规划关联衔接。笔者提出的智慧教室数据中台顶层设计如下页图所示，依据从数据到应用的流向步骤，将其分为异构数据源、全面汇聚、融合治理、智能分析、应用策略五个层次。

2.标准先行

《教育部2022年工作要点》提出“健全教育信息化标准规范体系”，标准先行才能保障教育数字化战略行动有效落地。构建智慧教室数据标准的核心价值就是打破数据孤岛，创建一种通用语言增强数据之间的互联关系，解决局部数据或抽样数据的片面问题，实现数据的标准化管理，保障数据的完整性、一致性、规范性，推动数据规模化、有效化，实现数据价值的充分释放。

如果没有从业务的角度对数据进行规划，再多的数据也无法产生价值，高校可根据国家、行业的标准，结合学校自身特点，面向业务愿景蓝图，制订智慧教室数据标准，进行数据域划分和分层规划。数据域划分可参照行业经验和智慧教室属性，将其划分出几个相对独立的板块，使域之间的指标或业务重叠性较小，如人员域、课程域、学科域等。数据中台的存储架构可以数据融合加工的深度为度量，分为贴源层、基础层、主题层等，主题层的数据通过数据服务实现封装和开放，以此满足上层应用的需求。

智慧教室数据中台整体架构

3.全面汇聚

构建全时态、全覆盖、全渠道的智慧教室多元数据汇聚机制，为目标应用提供大数据“原料”。“全时态”是指建立伴随式数据收集机制，数据收集贯穿教学的所有时间区间，覆盖课前、课中和课后的所有教学环节。“全覆盖”是指实现数据源系统的全覆盖，根据与智慧教室的附属关系可以划分为外部关联系统和内部原生系统两大类，同时，根据业务域可以划分为教学资源类、教学运行类、环境设备类、科研管理类、校务管理类（如右表）。“全渠道”是指对数据采集工具和能力进行有效整合，对不同存储结构、不同开放形态、不同收集工具的数据进行收集，其中包括关系型数据库、nosql数据库、非结构化数据、半结构化数据、文件系统、API数据源、流式数据等源数据类型。

数据源系统分类

4.融合治理

数据融合治理在数据汇聚和智能分析两个步骤之间，主要目的是按照统一的智慧教室数据标准，运用主数据管理工具、元数据管理工具、数据模型、数据质量监测和数据安全管理等多种工具进行，形成统一、规范、分类清晰、层次递进的智慧教室全域数据体系。

在数据融合治理的过程中，为加快成果的获取速度，一方面可以从人、物等高价值主数据集做起，另一方面可以从具体的业务场景出发，围绕小而美的场景需求梳理数据资源，找到数据全景图中的部分数据集合，从小而美的应用场景落地，能快速推陈出新验证数据价值。这种方式参照了数据中台常见的数据治理模式，即设计阶段横着走，落地阶段竖着切，逐步丰富数据资源体系。

5.智能分析

智能分析是利用BI数据分析、机器学习、搜索引擎等技术对存储在数据中台中的数据进行深度分析和挖掘，发现数据中的模式、趋势和规律，萃取数据价值，为智慧教室应用提供有力支持。平台采用组件化、图形化开发工具，引入Featuretools、scikit-learn、keras等公共算法库，同时创建智慧教室专用算法库，集成AutoOCR、FeatureGo、FeatureZero等自动机器学习算法，覆盖智慧教室所需的主要结构化数据、半结构化数据、非结构化数据模型算法，利用高维模型算法分析挖掘大数据的高维离散信息，实现更细粒度、更精准化的“个性化”智能分析，使平台具备感知、思维和智能能力。

6.数据安全

教育是《数据安全法》提出的8个重要数据领域之一，2023年初国家信息中心受教育部管理信息中心委托牵头制订《教育系统数据安全分类分级指南》和《教育系统数据安全防护指引》，体系化的教育数据安全规范即将实施。智慧教室数据在融合应用过程中会涉及成绩信息、课程信息、科研信息和师生个人信息等私密性较强的敏感信息，因此需对照法律、规范，在数据全生命周期中加强安全保障，如对数据进行分类分级、发现敏感数据、对数据权限进行细粒度控制、构建数据隐私计算能力等，实现数据的加密化和标签化，保护数据安全。

智慧教室的各类算法要基于“以人为本”的原则，坚持传统教育秉持的人文立场，摒弃数据“暗箱操作”，保障算法合规应用。

●高校智慧教室数据融合应用

在数据驱动理念下，高校智慧教室将涌现出大量创新应用，主要可以分为教学个性化维度、学科适配性维度、环境体验感维度、空间一体化维度，除了单一维度之外，可以更多地扩展复合维度应用场景。

1.教学个性化维度

学生学习个性化。依靠大数据对海量学生行为、生活与学习等数据进行分析，围绕学生的核心素养提升和自我发展规划，更智能、高效、准确、全面地反映学习者的学习过程，在交流沟通、问题解决、批判性思维、创新能力、学习资源推荐、学习伙伴推荐、研究热点推荐、就业相关信息、心理调适、信息素养的能力、团队合作能力等方面构建应用场景，引导学生成为自我驱动的学习者。

教师教学个性化。在教学设计阶段，可以为教师确定教学目标和教学内容提供精准决策支持，同时扩大资源供给规模，引入大数据、虚拟现实、自然语言处理和人工智能等技术支持的情境式和实训操作的资源，形成多样化、立体型、丰富的数字教育资源体系；在教学实施阶段，实时反馈学生学习进度和思想行为的潜在问题，及早采取干预措施，促进学生的全面发展；在教学评价阶段，及时了解课程设置和教学模式的优势和不足，进而优化教学计划和流程，提升教学决策能力。

2.学科适配性维度

智慧教室的数据应用应与具体的学科结合，并依据学科的不同的理论学习特征、实践技能掌握方法及未来发展方向，以服务人才培养为核心，支撑不同学科背景下人才培养的教学模式改革，从教学模式、能力培养、教学评价上重新建构数据应用，如根据人文类、理工类、经管类、艺术类等学科特点，构建社交类、实验类、分享创造类、训练类、思考散发类、个性表演类数据应用，在设计、收集、分析的过程中紧紧围绕各项能力的建设，更好地开展生生互动、师生互动，调动学生学习积极性。

3.环境体验感维度

智慧教室的“智慧”也体现在环境智慧中，各类物联设备所产生的数据与教学、管理等数据融合分析，能够创新众多优化教室环境体验的新应用。例如，通过分析天气预报数据、课堂人数、温度传感数据以及室内PM2.5、CO2等有害气体的浓度数据、校园能耗系统等数据，智慧教室可采取自动策略启动净化设备进行空气净化，提高空气质量，确保学生和教师的健康并根据实际情况进行自动调节，或者当教室人员密度不高时，系统自动调节空调温度和风速，避免不必要的能耗，再有照明方面可以根据课表定时开启关闭教室灯，根据季节调整灯光场景。

4.空间一体化维度

构建线上线下一体化的数据应用也是当前的智慧教室需求热点，教学空间一体化、线上线下一体化、现实虚拟双融合是未来教室的趋势，打造物理空间、资源空间和社交空间有机整合的学习空间[6]，构建课堂内与课堂外的泛在式学习环境，有利于日常习惯、学习活动、学习资源和学习过程数据等有机融合。

●结语

综上所述，在教育数字化转型的背景下，高校智慧教室的建设不只是硬件的堆叠，还需整体深化推动智慧教室的数据融合应用，切实提高教室的“智慧性”。智慧教室数据融合应用实现路径需要技术和应用策略的双管齐下。一方面利用成熟、一体化的技术平台，如数据中台既是智慧教室应用的“数字底座”，也是深化教育改革的重要抓手，从整体架构、标准先行、全面汇聚、融合治理、智能分析、数据安全等层次规划建设数据中台，能够以技术的先进性有效解决系统的复杂性；另一方面以需求为导向，以教学个性化、学科适配性；环境体验感、空间一体化的单一、复合维度为智慧教室数据应用场景构建的方向，对分层分类推出切中师生需求的创新应用成果具有指导意义。