大數(shù)據(jù)在美國教育評價中的應(yīng)用路徑分析*

鄭燕林，柳海民

(1.東北師范大學(xué) 計算機科學(xué)與信息技術(shù)學(xué)院, 吉林 長春 130117；2.東北師范大學(xué) 教育學(xué)部，吉林 長春 130024)

大數(shù)據(jù)在美國教育評價中的應(yīng)用路徑分析*

鄭燕林1，柳海民2

(1.東北師范大學(xué) 計算機科學(xué)與信息技術(shù)學(xué)院, 吉林 長春 130117；2.東北師范大學(xué) 教育學(xué)部，吉林 長春 130024)

實施教育評價是教育教學(xué)決策的重要前提，而有效的教育評價依賴于全面的、可靠的評價依據(jù)。大數(shù)據(jù)重在對多維、大量數(shù)據(jù)的深度挖掘與科學(xué)分析以尋求數(shù)據(jù)背后的隱含關(guān)系與價值，有助于將教育評價從基于小樣本數(shù)據(jù)或片段化信息的推測轉(zhuǎn)向基于全方位、全程化數(shù)據(jù)的證據(jù)性決策。該文從三個方面分析美國在整體層面如何規(guī)劃與推進大數(shù)據(jù)在教育評價中的深入應(yīng)用：一是“大數(shù)據(jù)為何而用”——探析美國在教育評價中應(yīng)用大數(shù)據(jù)的目標(biāo)指向；二是“大數(shù)據(jù)從何而來”——介紹美國教育評價所依托的立體化、高質(zhì)量教育數(shù)據(jù)網(wǎng)絡(luò)；三是“大數(shù)據(jù)如何而用(包括如何用好)”——分析美國如何通過精心設(shè)計評價本身、選擇適當(dāng)?shù)拇髷?shù)據(jù)處理技術(shù)、提升教育工作者尤其是教師的數(shù)據(jù)素養(yǎng)、提供多方位支持等多種方式在實踐維度切實推進大數(shù)據(jù)在教育評價中的有效應(yīng)用。

大數(shù)據(jù)；教育評價；有效應(yīng)用；美國

“大數(shù)據(jù)”并不是一個單純描述數(shù)據(jù)數(shù)量之巨大的概念，同時意味著數(shù)據(jù)來源的多樣化、數(shù)據(jù)類型的多元化以及在數(shù)據(jù)處理與分析層面的大容量與高速度。更為重要的是，“大數(shù)據(jù)”立足于對大量數(shù)據(jù)的深度挖掘與科學(xué)分析尋求數(shù)據(jù)背后的隱含關(guān)系與價值，使得人們可以從基于小樣本數(shù)據(jù)的推測或基于感性的偏好性選擇轉(zhuǎn)向基于數(shù)據(jù)分析與理性證據(jù)的決策，可見“大數(shù)據(jù)”在本質(zhì)上已經(jīng)轉(zhuǎn)化為一種新的思維方式、一種新的問題解決方法[1]。近年來，“大數(shù)據(jù)”的應(yīng)用受到了各行各業(yè)的重視，在教育領(lǐng)域亦是如此，越來越多的教育機構(gòu)與教育工作人員以及研究者開始關(guān)注大數(shù)據(jù)在教育教學(xué)改革與發(fā)展尤其是教育評價中的應(yīng)用價值[2]。

美國自從2001年頒布《不讓任何一個孩子落后》教育法案后，開始大力推進數(shù)據(jù)在教育評價中的應(yīng)用，認為數(shù)據(jù)可以為不同層次、不同目標(biāo)指向的教育評價(例如，對州、學(xué)區(qū)、學(xué)校整體教育質(zhì)量與進展的評價，對教師教學(xué)質(zhì)量與教學(xué)能力的評價，對學(xué)生學(xué)習(xí)績效與學(xué)習(xí)發(fā)展水平的評價)提供直接、直觀、可靠的依據(jù)，幫助教育決策者、管理者、教師以及家長全面而客觀地了解教育的發(fā)展現(xiàn)狀、趨勢以及改進方向，幫助科學(xué)評價學(xué)生學(xué)習(xí)成果與教師教學(xué)有效性，為美國教育的發(fā)展與變革提供了行進路線圖；提出要大力提升教育工作者理解數(shù)據(jù)、利用數(shù)據(jù)的意識與能力，同時投入了大量人力、物力、財力發(fā)展各級各類數(shù)據(jù)系統(tǒng)，推進數(shù)據(jù)在教育評價與決策中的深度應(yīng)用[3][4]。2012年3月，美國政府提出“大數(shù)據(jù)研究與開發(fā)提案”，其中明確指出要提升教育領(lǐng)域?qū)Υ髷?shù)據(jù)的應(yīng)用能力，要利用大數(shù)據(jù)探尋發(fā)展教育的新途徑與新思路。

本文從三個方面入手分析美國在整體上(尤其是美國政府的整體規(guī)劃與設(shè)計)如何推進與支持大數(shù)據(jù)在各個層面教育評價中的應(yīng)用：一是怎樣回答“大數(shù)據(jù)為何而用”的問題——探析美國在教育評價中應(yīng)用大數(shù)據(jù)的目標(biāo)指向；二是怎樣解決“大數(shù)據(jù)從何而來”的問題——介紹美國收集教育評價大數(shù)據(jù)所依托的立體化、高質(zhì)量教育數(shù)據(jù)網(wǎng)絡(luò)；三是怎樣突破“大數(shù)據(jù)如何而用(包括如何用好)”的問題——分析美國如何從精心設(shè)計評價本身、選擇適當(dāng)?shù)拇髷?shù)據(jù)處理技術(shù)、提升教育工作者尤其是教師的數(shù)據(jù)素養(yǎng)、提供多方位支持等多個維度在實踐中推進大數(shù)據(jù)在教育評價中的有效應(yīng)用。

一、大數(shù)據(jù)為何而用：豐富教育評價的功能，支持教育教學(xué)決策

充分認識大數(shù)據(jù)在教育評價中的應(yīng)用價值，明確大數(shù)據(jù)在教育評價中應(yīng)用的目標(biāo)指向是推進大數(shù)據(jù)在教育評價中有效應(yīng)用的起點。大數(shù)據(jù)的介入使得教育評價本身的內(nèi)涵與功能得以拓展與深化，直接服務(wù)于科學(xué)的教育教學(xué)決策。

(一)大數(shù)據(jù)豐富教育評價的內(nèi)涵與功能

教育評價的核心雖然是對學(xué)生學(xué)習(xí)績效與成長狀態(tài)的評價，但又并不限于此，而是涉及到對教師教學(xué)質(zhì)量、教育環(huán)境與資源現(xiàn)狀、教育投入與產(chǎn)出等方方面面的評價。傳統(tǒng)的教育評價往往容易因為難以收集評價依據(jù)或因為只收集到片段化的評價信息而忽略了一些應(yīng)該評價的方面，并且容易在評價過程中因為缺乏可靠的依據(jù)而過于依賴于經(jīng)驗判斷或主觀評價。大數(shù)據(jù)意味著對教育數(shù)據(jù)進行全方位與全程性采集，不但注意對結(jié)構(gòu)化數(shù)據(jù)的收集，也重視對非結(jié)構(gòu)化數(shù)據(jù)的收集。基于大數(shù)據(jù)的教育評價突破傳統(tǒng)教育評價體系中對學(xué)生考試成績的依賴，將碎片化評價整合為系統(tǒng)化評價，保障了評價的全面性與可持續(xù)性，支持多主體、多元化評價，豐富了教育評價的功能。例如，針對學(xué)生的學(xué)習(xí)評價，傳統(tǒng)教育評價情境下的評價主體常常只有教師，偏重于對知識掌握程度的考核，評價方式也趨于單一化，往往只依賴于學(xué)科知識類考試，主要關(guān)注對學(xué)習(xí)結(jié)果的評價而常常忽略對學(xué)習(xí)過程的分析，并且缺乏對分析與評價結(jié)果的充分利用。而21世紀的人才需要合作能力，需要培養(yǎng)具備問題解決能力與批判性思維，但是這些本來應(yīng)該重點考核的內(nèi)容在一些諸如升學(xué)考試、資格考試的決定性考試中卻較少涉及，并且很多決定性考試往往都是一年一次[5]。基于大數(shù)據(jù)的教育評價則充分利用技術(shù)手段采集、整合學(xué)生學(xué)習(xí)過程數(shù)據(jù)與學(xué)習(xí)結(jié)果數(shù)據(jù)，融合專家評價教師評價、學(xué)生自評、同伴互評等多種評價數(shù)據(jù)，從而可以對學(xué)生進行多維、全面、深入而可靠的評價[6]。

基于大數(shù)據(jù)的教育評價實現(xiàn)了對多維教育數(shù)據(jù)的深度分析，可以滿足不同教育參與者的需要[7]：教師通過數(shù)據(jù)知道他們的學(xué)生表現(xiàn)如何并以此為依據(jù)調(diào)整自己的教學(xué)滿足學(xué)生的個性化、個別化學(xué)習(xí)需求；家長通過數(shù)據(jù)了解自己孩子的強項以及能夠提升的領(lǐng)域，了解學(xué)校的整體教育質(zhì)量與環(huán)境，從而能夠更加主動地為孩子選擇最適宜的教育環(huán)境；學(xué)校與學(xué)區(qū)的教育管理人員可以通過數(shù)據(jù)分析哪些教育項目對于提升學(xué)生的學(xué)習(xí)績效有作用，哪些沒有作用；而州與聯(lián)邦政府的政策制定者則可以綜合應(yīng)用關(guān)于學(xué)生學(xué)術(shù)成長與生涯發(fā)展需求的數(shù)據(jù)以便做出科學(xué)的教育決策，制定適當(dāng)?shù)慕逃卟⒎峙溥m當(dāng)?shù)慕逃Y源。由此可見，借助大數(shù)據(jù)技術(shù)的支持，教育評價不再像以往那樣往往是為了支持教育管理部門與教育機構(gòu)的決策性需求，而是可以服務(wù)于一切關(guān)注教育、參與教育的群體或個體，甚至一些課外學(xué)習(xí)支持機構(gòu)也可以在遵循相關(guān)制度、保障學(xué)生權(quán)益的前提下通過利用教育大數(shù)據(jù)分析學(xué)生的學(xué)習(xí)需求來提高課外學(xué)習(xí)支援的針對性與有效性。

(二)大數(shù)據(jù)支持基于證據(jù)的教育教學(xué)決策

教育大數(shù)據(jù)為美國政府、教育管理部門、學(xué)校與教師做出合理的教育教學(xué)決策提供了可靠的證據(jù)。整體上，美國建立了嚴格的教育問責(zé)制度，包括利用州教育問責(zé)系統(tǒng)(State Accountability Systems)對各州教育發(fā)展情況進行全方位評價，借助于學(xué)區(qū)級評價系統(tǒng)(District-level Evaluation Systems)評價各學(xué)區(qū)、各學(xué)校的整體教育質(zhì)量，并要求學(xué)校與學(xué)區(qū)要對后進生進行基于數(shù)據(jù)的支持性學(xué)習(xí)干預(yù)(Datadriven Interventions)。美國聯(lián)邦政府以及各州政府基于對教育大數(shù)據(jù)的分析結(jié)果評價各州或州內(nèi)學(xué)區(qū)的教育進展水平，并以此作為教育投入的依據(jù)以及教育政策制定的根據(jù)[8]。

美國學(xué)校一般利用基于大數(shù)據(jù)的教育評價支持本校在規(guī)劃學(xué)校整體發(fā)展、優(yōu)化學(xué)生管理、制定教學(xué)質(zhì)量改進計劃等方面的教育教學(xué)決策。據(jù)統(tǒng)計[9]，97%的美國中小學(xué)利用來自整個年級或整個學(xué)校的教育大數(shù)據(jù)確定學(xué)校需要提升的關(guān)鍵領(lǐng)域；分析學(xué)生的個體數(shù)據(jù)以便于分班或安排相關(guān)學(xué)習(xí)支持服務(wù)，包括了解哪些學(xué)生需要特殊支持或更多支持。47%的美國中小學(xué)通過專門的評價人員分析不同教師教授同一教學(xué)內(nèi)容或同一教師以不同教學(xué)策略教授同一教學(xué)內(nèi)容時產(chǎn)生的數(shù)據(jù)，評價教師的教學(xué)質(zhì)量并提出教學(xué)方式變革計劃。而83%的學(xué)校在利用教育大數(shù)據(jù)尤其是本校產(chǎn)生的大數(shù)據(jù)了解本校教師教學(xué)發(fā)展的現(xiàn)狀與需求，并據(jù)此決策如何支持本校教師的教學(xué)發(fā)展。

學(xué)校教師可以利用教育大數(shù)據(jù)改進與優(yōu)化自己的教學(xué)決策。整體上，教師可以利用大數(shù)據(jù)分析需要在何種時機對哪些學(xué)生以何種方式安排何種教學(xué)內(nèi)容[10]。教師利用本班學(xué)生產(chǎn)生的大數(shù)據(jù)，或同時借助與外部大數(shù)據(jù)的對比分析，可以深度評價本班學(xué)生的學(xué)習(xí)表現(xiàn)與學(xué)習(xí)效果，可以有效分析學(xué)生的學(xué)習(xí)偏好與個性化需求，分析學(xué)生群體的學(xué)習(xí)需求，同時也可以利用數(shù)據(jù)分析哪些學(xué)生更適合在一起進行小組學(xué)習(xí)，分析怎樣分組才更合理。對于那些有學(xué)習(xí)困難的學(xué)生，通過對大數(shù)據(jù)的利用，可以分析出學(xué)生在什么環(huán)節(jié)、什么類型內(nèi)容學(xué)習(xí)方面存在問題，分析哪些因素可能在影響學(xué)生的學(xué)習(xí)，這樣便于給出適當(dāng)?shù)膶W(xué)習(xí)支持與干預(yù)。

二、大數(shù)據(jù)從何而來：依托立體化、高質(zhì)量教育數(shù)據(jù)網(wǎng)絡(luò)

利用大數(shù)據(jù)的前提是能夠獲取大數(shù)據(jù)，美國在教育評價的實施過程中主要依托覆蓋全美的立體化教育數(shù)據(jù)網(wǎng)絡(luò)，同時注重數(shù)據(jù)質(zhì)量保障，有效地解決了教育評價“大數(shù)據(jù)從何而來”的問題。

(一)覆蓋全美的立體化教育數(shù)據(jù)網(wǎng)絡(luò)

美國建立了包括國家級、州級(State-level)、學(xué)區(qū)級(District-level)以及校級(School-level)在內(nèi)的各級各類教育數(shù)據(jù)系統(tǒng)(Educational Data System)服務(wù)于教育問責(zé)體系[11]。這些數(shù)據(jù)系統(tǒng)之間相互關(guān)聯(lián)，數(shù)據(jù)互通，形成立體化數(shù)據(jù)網(wǎng)絡(luò)，為美國教育評價用大數(shù)據(jù)的獲取提供了基本的依托。

在國家層面，美國有由教育部與各州教育管理部門及一些企業(yè)協(xié)同創(chuàng)建與發(fā)展的教育數(shù)據(jù)機構(gòu)EDFacts，建設(shè)了“教育數(shù)據(jù)快線(ED Data Express)”，還有美國國家教育統(tǒng)計中心(National Center for Education Statistics)，主要任務(wù)在于與教育部內(nèi)部各機構(gòu)、各州教育管理部門、各地教育機構(gòu)合作提供可靠的、全國范圍內(nèi)的中小學(xué)生學(xué)習(xí)績效與成果數(shù)據(jù)，分析各州報告的教育數(shù)據(jù)以整合成為聯(lián)邦政府的教育數(shù)據(jù)與事實報告，為國家層面的教育規(guī)劃、政策制定以及教育項目管理提供了有力的數(shù)據(jù)支持。2005年，美國教育部啟動了“州級縱向數(shù)據(jù)系統(tǒng)項目(The Statewide Longitudinal Data Systems (SLDS)Program)”旨在幫助全美各州“設(shè)計、開發(fā)與利用州級縱向數(shù)據(jù)系統(tǒng)以便有效地、準(zhǔn)確地管理、分析、分類處理與利用每一位學(xué)生的數(shù)據(jù)”，至今全美有47個州至少獲得過一次本項目資助。

州級與學(xué)區(qū)級數(shù)據(jù)系統(tǒng)主要為區(qū)域性教育評價提供數(shù)據(jù)支撐，其中主要包括本州/學(xué)區(qū)學(xué)生的成長數(shù)據(jù)，教育工作人員(包括教師與教育管理者)在工作方面的安排與準(zhǔn)備等相關(guān)數(shù)據(jù)，以及其它關(guān)于學(xué)與教條件的關(guān)鍵數(shù)據(jù)，比如教師人數(shù)、學(xué)生入學(xué)率、學(xué)生與學(xué)生家長及學(xué)校教職員工對于學(xué)校氛圍、條件等方面的評價數(shù)據(jù)等，認為這些數(shù)據(jù)直接反映學(xué)校與學(xué)區(qū)在讓學(xué)生做好畢業(yè)準(zhǔn)備方面取得的進展情況。各州的教育數(shù)據(jù)系統(tǒng)基本都具有測量學(xué)生的成長(Student Growth Measures)、提供高中學(xué)習(xí)反饋報告(High School Feedback Reports)、實施學(xué)業(yè)預(yù)警(Warning Systems)的功能。在收集學(xué)生成長數(shù)據(jù)方面，州與學(xué)區(qū)的數(shù)據(jù)系統(tǒng)目前還主要關(guān)注對學(xué)生在英語、數(shù)學(xué)、科學(xué)三大學(xué)科中學(xué)習(xí)方面形成的相關(guān)數(shù)據(jù)的收集，針對高中則還包括高中畢業(yè)率、大學(xué)入學(xué)率、以及未經(jīng)過復(fù)讀的學(xué)生大學(xué)入學(xué)率等數(shù)據(jù)[12]。

學(xué)校層面常常利用四種類型數(shù)據(jù)系統(tǒng)來收集、整合教學(xué)過程數(shù)據(jù)或評價數(shù)據(jù)[13]：一是在校學(xué)生的實時信息系統(tǒng)(Student Information System)，其中包括學(xué)生出勤率、人口學(xué)特征、考試成績、選課日程等數(shù)據(jù)；二是數(shù)據(jù)軟件坊(Data Warehouses)，其中保存了學(xué)校當(dāng)前或歷史上的學(xué)生、教職員工、財政方面的信息；三是教學(xué)或課程管理系統(tǒng)(Instructional or Curriculum Management Systems)，支持學(xué)校教師接入教學(xué)設(shè)計工具、課程計劃模板、交流與協(xié)作工具，支持教師創(chuàng)建基準(zhǔn)性評價；四是評價系統(tǒng)(Assessment Systems)支持快速地組織與分析基準(zhǔn)性評價數(shù)據(jù)。

(二)美國教育數(shù)據(jù)質(zhì)量保障

數(shù)據(jù)質(zhì)量對于數(shù)據(jù)分析結(jié)果的準(zhǔn)確性有著決定性作用，直接影響教育評價的可信度與可靠性。美國在整體上非常關(guān)注教育數(shù)據(jù)質(zhì)量，認為高質(zhì)量的教育數(shù)據(jù)一般具有以下三個特征[14]：一是縱深持續(xù)性(Longitudinal)——針對每一個數(shù)據(jù)主體(比如學(xué)生、教師、學(xué)校)，數(shù)據(jù)是持續(xù)的且在不同的數(shù)據(jù)系統(tǒng)中保持一致性；二是行動性(Actionable)——數(shù)據(jù)更新及時、用戶界面友好，并且能夠允許用戶定制；三是情境化(Contextual)——可分析、可比較，能夠表現(xiàn)具體的細節(jié)與特定的情境。

為了保障教育數(shù)據(jù)的質(zhì)量，一方面，美國非常注重分析可能影響教育數(shù)據(jù)質(zhì)量的主要因素以便有意識地防止或提出相應(yīng)對策。例如，下列因素可能影響教育數(shù)據(jù)質(zhì)量從而影響教育評價的質(zhì)量[15]：一是數(shù)據(jù)系統(tǒng)缺乏兼容性(System Noninteroperability)，致使一個數(shù)據(jù)系統(tǒng)的數(shù)據(jù)不能在另一個數(shù)據(jù)系統(tǒng)中利用，需要經(jīng)過重新錄入、變換數(shù)據(jù)結(jié)構(gòu)與參數(shù)等繁雜、重復(fù)的工作，不但浪費資源并且可能導(dǎo)致數(shù)據(jù)錄入錯誤；二是缺乏標(biāo)準(zhǔn)化的數(shù)據(jù)定義(Non-standardized Data Definitions)，不同的數(shù)據(jù)提供商利用不同定義與表達方式呈現(xiàn)同一數(shù)據(jù)元素，使得不同區(qū)域、不同學(xué)校的數(shù)據(jù)沒有可比性，并且也不能進行有效整合，在很大程度上影響到評價的準(zhǔn)確性；三是數(shù)據(jù)本身的可用性不強(Unavailability of Data)，即有價值的數(shù)據(jù)不多或難以獲取；四是針對同一數(shù)據(jù)元素，不同的數(shù)據(jù)提供者理解不一樣可能提供的數(shù)據(jù)并不具有一致性(Inconsistent Item Response),不利于同類數(shù)據(jù)的整合；五是數(shù)據(jù)缺乏時間持續(xù)性(Inconsistency over Time)，不同的時間段收集的數(shù)據(jù)不一致；六是數(shù)據(jù)錄入存在錯誤(Data Entry Errors)，致使數(shù)據(jù)本身不準(zhǔn)確；七是數(shù)據(jù)更新不及時(Lack of Timeliness)，會影響數(shù)據(jù)的完整性與代表性。

在實踐過程中，美國非常重視建立教育數(shù)據(jù)標(biāo)準(zhǔn)來規(guī)范數(shù)據(jù)的表達與處理。美國教育部組織相關(guān)機構(gòu)研制了《教育數(shù)據(jù)通用標(biāo)準(zhǔn)》，并且在應(yīng)用過程中不斷調(diào)整與優(yōu)化，2015年已經(jīng)發(fā)展到第五版。其中的數(shù)據(jù)模型包括了學(xué)前教育、中小學(xué)教育、職業(yè)教育、成人教育、生涯與技術(shù)教育、在職提升、學(xué)習(xí)標(biāo)準(zhǔn)、學(xué)習(xí)資源、評價、鑒定與授權(quán)共10個領(lǐng)域(Domain)，每一個領(lǐng)域中又有眾多實體(Entity)描述，包括人員(例如，針對中小學(xué)教育，涉及教學(xué)管理人員、教師、學(xué)生、家長等)、地點、事件、對象、概念等，標(biāo)準(zhǔn)中共有70余可實體單元，針對每一個實體還需要設(shè)計具體的數(shù)據(jù)元素(Element)[16]。例如，針對學(xué)生這一實體而言，要求數(shù)據(jù)元素的構(gòu)成與審計要達到以下標(biāo)準(zhǔn)[17]：學(xué)生的獨立認證信息，比如學(xué)號、社會保險號等；學(xué)生的注冊情況、人口統(tǒng)計學(xué)情況、學(xué)習(xí)項目參與信息；能夠通過學(xué)生逐年的測試分數(shù)分析學(xué)生的學(xué)術(shù)成長情況；對未參加測試的學(xué)生有信息記錄并且記錄了他們不參加測試的原因；能夠根據(jù)學(xué)生的情況選擇匹配適當(dāng)?shù)慕處煟粚W(xué)生的成績單數(shù)據(jù)，包括課程完成情況以及獲得的學(xué)分；提供學(xué)生的各種考試信息，尤其是為入大學(xué)而接受的考試信息；記錄學(xué)生的畢業(yè)率、輟學(xué)率；保障同一個學(xué)生在不同學(xué)習(xí)階段的信息的一致性與持續(xù)性；各州應(yīng)該有教育數(shù)據(jù)審計系統(tǒng)以評價數(shù)據(jù)的質(zhì)量、可靠性與有效性。

三、大數(shù)據(jù)如何而用：基于全方位規(guī)劃與支持

(一)精心規(guī)劃大數(shù)據(jù)在教育評價中的應(yīng)用

首先，需要對教育評價本身的評價范圍(包括地域與時間兩個維度)、評價對象、評價內(nèi)容、評價目標(biāo)、評價方法等進行整體規(guī)劃，對于利用大數(shù)據(jù)支持教育評價與決策形成清晰的預(yù)期，充分結(jié)合對教育評價本身的需求定位，深入分析需要利用哪些數(shù)據(jù)來解決評價中涉及的哪些問題。例如，需要先確定評價范圍，是針對全國還是某一州、或某學(xué)區(qū)、或者某學(xué)校的整體教育質(zhì)量或某一方面進行評價？是針對哪一個時間段的教育質(zhì)量進行評價？以學(xué)校層面的教育評價為例，需要進一步確認是面向?qū)W校整體教育質(zhì)量、教育投入、教育決策有效性方面的評價，還是面向教師使用某一教學(xué)策略的有效性進行評價，或是對學(xué)校中某一類學(xué)生在某一方面的發(fā)展情況進行評價。只有針對具體的評價需求才能確認需要收集哪些數(shù)據(jù)加以分析，明確應(yīng)該根據(jù)何種評價原理、選擇何種數(shù)據(jù)分析方法對數(shù)據(jù)進行有效分析以保障教育評價結(jié)果的實效性。

其次，在具體的實施過程中，要結(jié)合具體的教育評價情境充分利用可以用于支持大數(shù)據(jù)有效應(yīng)用的有利條件并應(yīng)對可能遇到的風(fēng)險與挑戰(zhàn)。例如，學(xué)校在利用大數(shù)據(jù)實施教育評價時，可以將基于大數(shù)據(jù)的教育評價及相關(guān)應(yīng)用納入到學(xué)校整體教學(xué)發(fā)展規(guī)劃，將學(xué)校已有的數(shù)字化平臺(例如教師協(xié)同備課平臺、教師實踐社區(qū)等)與基于大數(shù)據(jù)的教育評價系統(tǒng)相融合，充實教育評價系統(tǒng)的數(shù)據(jù)；可以制定一些適合學(xué)校實情的大數(shù)據(jù)使用制度，不要讓大數(shù)據(jù)的使用成為學(xué)校教師的負擔(dān)，將對評價數(shù)據(jù)的反思活動與學(xué)生表現(xiàn)管理活動相對分離，盡量不要將評價數(shù)據(jù)與教師的工作績效、工作地位直接關(guān)聯(lián)，讓教師在一個相對安全、自信的環(huán)境下利用數(shù)據(jù)支持教學(xué)評價，反思并利用評價數(shù)據(jù)以優(yōu)化自己的教學(xué)[18]。同時要注意到，利用大數(shù)據(jù)對大數(shù)據(jù)的來源、質(zhì)量與處理方法有著高要求，因此基于大數(shù)據(jù)的教育評價并不意味著一定能夠節(jié)省成本，尤其是教育數(shù)據(jù)與一般的商業(yè)數(shù)據(jù)相比顯然更為復(fù)雜多樣，因此需要在規(guī)劃階段就充分考慮到可能影響教育評價有效實施的相關(guān)因素并提前準(zhǔn)備相應(yīng)的應(yīng)對措施[19]。

(二)選擇適當(dāng)?shù)拇髷?shù)據(jù)處理技術(shù)

基于大數(shù)據(jù)的教育評價雖然并不是一種單純的技術(shù)處理過程，但是卻在很大程度上依賴于對數(shù)據(jù)的技術(shù)處理。大數(shù)據(jù)處理并不是一個簡單的統(tǒng)計過程，而是一個需要不斷獲取、管理、處理與分析數(shù)據(jù)的復(fù)雜過程，只有選擇適當(dāng)?shù)募夹g(shù)手段才能夠保障用于教育評價的大數(shù)據(jù)的來源、質(zhì)量、安全與處理有效性[20]。美國在技術(shù)應(yīng)用層面主要從以下兩個方面保障教育大數(shù)據(jù)技術(shù)處理的有效性。

一是美國統(tǒng)一規(guī)劃的各級各類的教育數(shù)據(jù)系統(tǒng)本身并不僅僅是一個數(shù)據(jù)采集系統(tǒng)，而是一個可以進行數(shù)據(jù)分析與可視化的綜合功能系統(tǒng)，不但為用戶提供全面的、可靠的、準(zhǔn)確的、及時的數(shù)據(jù)，還支持用戶快速查到找所需要的教育數(shù)據(jù)，并允許用戶選擇自己偏好的方式瀏覽數(shù)據(jù)結(jié)果。例如，美國教育部直接管理的“教育數(shù)據(jù)快線”包括了美國各州、各學(xué)區(qū)、各學(xué)校的綜合數(shù)據(jù)，例如學(xué)生參加州內(nèi)考試、國家測試、畢業(yè)率、學(xué)校問責(zé)類數(shù)據(jù)等，提供快速搜索工具，支持用戶按照自己的需求便捷地選擇不同的數(shù)據(jù)來源(比如選擇某一個州在某一學(xué)年的學(xué)生學(xué)習(xí)進展數(shù)據(jù)，或教師發(fā)展方面的數(shù)據(jù)等)，支持生成個性化定制的報告，數(shù)據(jù)分析結(jié)果可以以圖表、數(shù)據(jù)地圖、趨勢曲線等多種方式呈現(xiàn)。

二是可以借助專業(yè)的技術(shù)公司提供大數(shù)據(jù)處理技術(shù)支持。例如，美國的ESP工作組(ESP Solutions Group)專門致力于美國教育領(lǐng)域的大數(shù)據(jù)分析，提出了以“正確的方式(Move the Data the Right Way)快速即時地(Move the Data Right Away)處理正確的數(shù)據(jù)(Move the Right Data)”的大數(shù)據(jù)處理理念，受美國教育部以及一些州級教育管理部門的委托，研究各級各類教育領(lǐng)域的數(shù)據(jù)分析，致力于支持高質(zhì)量數(shù)據(jù)收集與交換(Quality Data Collection and Exchange)、策略性數(shù)據(jù)管理(Strategic Data Management)、行動性數(shù)據(jù)分析(Actionable Data Analysis)以及提供準(zhǔn)確及時的數(shù)據(jù)報告(Accurate and Timely Data Reporting)[21]。另外，美國的微軟公司、戴爾公司、思科公司、IBM公司等都在推動教育大數(shù)據(jù)的應(yīng)用，都提供了教育大數(shù)據(jù)解決方案，并在部分州或?qū)W區(qū)進行了有效實踐。

(三)提升數(shù)據(jù)應(yīng)用人員的數(shù)據(jù)素養(yǎng)

提升教育決策人員、教育管理人員與教師的數(shù)據(jù)素養(yǎng)對于大數(shù)據(jù)在教育評價中的有效應(yīng)用有著重要意義[22]。一方面，需要提升教育數(shù)據(jù)應(yīng)用人員對大數(shù)據(jù)在教育評價與教育教學(xué)決策中的功用與本質(zhì)的認識。例如，需要教育數(shù)據(jù)應(yīng)用人員認識到[23]：數(shù)據(jù)本身并不重要，重要的是分析數(shù)據(jù)背后蘊含的問題以及問題解決思路；數(shù)據(jù)分析并不是完全依賴于電腦技術(shù)，有效的數(shù)據(jù)分析需要建立、共享共同的評價標(biāo)準(zhǔn)以保障數(shù)據(jù)質(zhì)量以及對分析結(jié)果應(yīng)用的有效性；在進行數(shù)據(jù)分析時，重點不是分析學(xué)生得了多少分或?qū)W生的考試通過率，而是應(yīng)該注重分析學(xué)生究竟知道什么以及不知道什么，分析學(xué)校與教師為了提升學(xué)生的學(xué)習(xí)績效還需要做些什么；要切實發(fā)揮數(shù)據(jù)分析的作用，將數(shù)據(jù)分析與教學(xué)有效整合，改革工作方式支持學(xué)生取得更大的進步；要不斷提升自身的數(shù)據(jù)應(yīng)用反思能力。

美國教育部尤其重視教師的數(shù)據(jù)素養(yǎng)提升，認為有必要在教師培訓(xùn)項目加強涉及數(shù)據(jù)技巧、數(shù)據(jù)決策技術(shù)的培訓(xùn)內(nèi)容，支持教師有效地利用數(shù)據(jù)來幫助分析學(xué)生的學(xué)習(xí)與自己的教學(xué)得失，從而達到優(yōu)化教學(xué)的效果。美國教育部提出教師應(yīng)該具備以下的數(shù)據(jù)處理技能，包括[24]：數(shù)據(jù)定位技能(Data Location)——能夠找到自己所需要的數(shù)據(jù)；數(shù)據(jù)理解能力(Data Comprehension)——能夠理解數(shù)據(jù)的重要性，理解數(shù)據(jù)的不同表達形式；數(shù)據(jù)解讀能力(Data Interpretation)——能夠知道數(shù)據(jù)具體意味著什么，能夠?qū)ζ涮N含的教育教學(xué)意義做出解釋；基于數(shù)據(jù)的教學(xué)決策能力(Instructional Decision Making)——能夠通過數(shù)據(jù)分析具體的教學(xué)情境并做出適宜的判斷，形成科學(xué)的教學(xué)決策；以及提出新問題新思路的能力(Question Posing)——能夠利用數(shù)據(jù)提出拓展性問題與新思路等。為支持教師數(shù)據(jù)技能的發(fā)展，學(xué)校、學(xué)區(qū)則需要從提升數(shù)據(jù)系統(tǒng)使用的便捷性、豐富數(shù)據(jù)系統(tǒng)的數(shù)據(jù)分析功能、為教師提供可靠的分析結(jié)果與教學(xué)改進建議等多方面增強教師有效使用教育大數(shù)據(jù)幫助自身優(yōu)化教學(xué)的信心與能力[25]。

(四)提供多方面的保障與支持

為了推動大數(shù)據(jù)在教育評價與決策中的有效應(yīng)用，美國非常重視從多方面提供支持與保障，關(guān)注如何從政府層面減少各州、學(xué)區(qū)與學(xué)校在應(yīng)用數(shù)據(jù)方面的負擔(dān)，不斷發(fā)展、優(yōu)化全國教育數(shù)據(jù)系統(tǒng)的功能，擴大教育數(shù)據(jù)的服務(wù)面，并在實踐過程中提出了若干舉措[26]。例如，提出在國家與州層面需要從以下幾個方面努力[27]：一是加大投入力度提升州級教育數(shù)據(jù)系統(tǒng)功能以幫助各學(xué)區(qū)有效利用教育數(shù)據(jù)系統(tǒng)；二是數(shù)據(jù)系統(tǒng)要及時更新，讓學(xué)校能夠及時獲取學(xué)生數(shù)據(jù)以早做準(zhǔn)備與規(guī)劃；三是要推進區(qū)域性數(shù)據(jù)系統(tǒng)中暫時性的、間斷性的評價數(shù)據(jù)與基于州立標(biāo)準(zhǔn)或國家標(biāo)準(zhǔn)的教育數(shù)據(jù)之間的整合；四是鼓勵各學(xué)區(qū)加大投入力度切實提升本學(xué)區(qū)教育管理部門各機構(gòu)人員的數(shù)據(jù)素養(yǎng)；五是鼓勵或要求學(xué)校管理者要參與一些數(shù)據(jù)應(yīng)用相關(guān)的培訓(xùn)項目，知道在學(xué)校層面怎樣有效利用數(shù)據(jù)系統(tǒng)；六是鼓勵或要求教師參與一些利用數(shù)據(jù)進行教學(xué)決策相關(guān)的培訓(xùn)項目；七是提供好的數(shù)據(jù)應(yīng)用實踐案例讓學(xué)校在有效利用數(shù)據(jù)系統(tǒng)獲得有益借鑒，幫助學(xué)校形成利用數(shù)據(jù)的意識與文化氛圍。

學(xué)生數(shù)據(jù)的隱私保護與安全性保障是大數(shù)據(jù)在教育評價中應(yīng)用時面臨的一個重要挑戰(zhàn)。為了應(yīng)對挑戰(zhàn)，美國不但有立法支持而且成立了專門的技術(shù)中心提供技術(shù)保障。美國聯(lián)邦政府發(fā)布的《家庭教育權(quán)利與隱私法》《學(xué)生權(quán)益保護修正案》以及《學(xué)生在線隱私保護法》都被用于保護學(xué)生數(shù)據(jù)隱私。2014年，美國36個州共提議了110個議案用于保障學(xué)生數(shù)據(jù)隱私，其中21個州簽署了30個法案用于保護本州的學(xué)生數(shù)據(jù)隱私。例如，科羅拉多州的《Colorado HB 1294》法案明確規(guī)定了教育數(shù)據(jù)允許使用的范圍，并要求教育數(shù)據(jù)提供者要有具體的舉措來確保數(shù)據(jù)使用過程中數(shù)據(jù)的隱私與透明度的合理性，對制定公共數(shù)據(jù)清查、對提供與使用教育數(shù)據(jù)的工作人員進行數(shù)據(jù)隱私保護相關(guān)培訓(xùn)、違反規(guī)定的處理程序等方面做了嚴格的規(guī)定[28]。美國教育部在2005年就建立教育數(shù)據(jù)隱私保護技術(shù)中心(Privacy Technical Assistance Center)，其職能在于提供一系列技術(shù)工具、資源與支持產(chǎn)品與專門服務(wù)來幫助保護學(xué)生數(shù)據(jù)系統(tǒng)的隱私、安全性、機密性內(nèi)容；同時也為各州分享關(guān)于數(shù)據(jù)系統(tǒng)的安全性隱私性的有效實踐案例提供平臺；并為全國的教育數(shù)據(jù)系統(tǒng)提供數(shù)據(jù)安全、隱私保護方面的咨詢與技術(shù)支持，幫助解決學(xué)生數(shù)據(jù)隱私方面的突發(fā)性問題。

加強對教育數(shù)據(jù)應(yīng)用相關(guān)研究也有助于推動大數(shù)據(jù)在教育評價中的深入應(yīng)用，尤其是權(quán)威、持續(xù)的研究報告往往有著重要的啟示與指導(dǎo)意義。例如，美國教育部教育規(guī)劃、評價與政策辦公室從2006年開始研究美國學(xué)校的數(shù)據(jù)系統(tǒng)，每年都發(fā)布一個關(guān)于學(xué)校教育領(lǐng)域數(shù)據(jù)應(yīng)用的研究報告，其中2008-2011年的報告主題分別是《教師如何利用學(xué)生數(shù)據(jù)系統(tǒng)提升教學(xué)質(zhì)量》《學(xué)校實施基于數(shù)據(jù)的決策：教師如何介入、獲取支持并有效利用》《地方如何利用教育數(shù)據(jù)：從教育問責(zé)到教學(xué)改進》《教師利用數(shù)據(jù)支持教學(xué)的能力：挑戰(zhàn)與支持》。這些報告為全美發(fā)展、利用數(shù)據(jù)系統(tǒng)推進有效的教育評價提供了重要的指導(dǎo)作用。與此同時，美國各州也在主動推進大數(shù)據(jù)在教育中應(yīng)用的相關(guān)研究，到2014年，全美有41個州制定了本州詳細的教育數(shù)據(jù)應(yīng)用研究計劃，43個州有意向與相關(guān)機構(gòu)進行聯(lián)合研究[29]。

四、結(jié)束語

實施教育評價是教育教學(xué)決策的重要前提，可以為教育教學(xué)改革提供直接根據(jù)。如何保障教育評價的客觀性、全面性與可靠性，對于教育教學(xué)質(zhì)量的提升、教育的全面發(fā)展有著重要意義。有效的教育評價依賴于有效的評價依據(jù)。傳統(tǒng)的教育評價往往由于評價條件的有限性致使難以收集全面的評價依據(jù)或僅收集到片段化的評價信息而容易主動或被動地忽略一些本來應(yīng)該評價的方面，在評價實施過程中也容易因為缺乏可靠的依據(jù)而過于依賴于經(jīng)驗判斷或主觀評價。大數(shù)據(jù)并不是要刻意界定數(shù)據(jù)量究竟有多大，而是注重對多元化數(shù)據(jù)進行全方位、全程化收集，重視對盡可能全面的數(shù)據(jù)的深度挖掘，為教育評價的實施提供了新的思路與路徑。基于大數(shù)據(jù)的教育評價不再依賴于對單一評價對象的單一評價維度的評價，而是可以盡可能地將一切與教育相關(guān)的境脈數(shù)據(jù)納入其中，不但利用評價性數(shù)據(jù)，而且也注重過程性數(shù)據(jù)，不但包含了對結(jié)構(gòu)化數(shù)據(jù)的獲取，也重視對非結(jié)構(gòu)化數(shù)據(jù)的收集。近年來，隨著技術(shù)的發(fā)展，尤其是無線網(wǎng)絡(luò)與物聯(lián)網(wǎng)等技術(shù)的發(fā)展，伴隨移動設(shè)備的普及化，教育數(shù)據(jù)系統(tǒng)有望采取到更多更全面的數(shù)據(jù)，不但可以讓更多評價主體參與教育評價從而采集到更多維化的評價性數(shù)據(jù)，也可以采集教育過程中累積的過程性數(shù)據(jù)。大數(shù)據(jù)技術(shù)尋找關(guān)聯(lián)性的思維模式契合了教育評價情境下對充實依據(jù)與有效證據(jù)的本真需求。大數(shù)據(jù)的介入使得教育評價的內(nèi)涵與功能得以拓展，讓評價不再僅僅是評價，而是轉(zhuǎn)變?yōu)榻逃虒W(xué)決策的重要證據(jù)。

本文主要從“大數(shù)據(jù)為何而用”“大數(shù)據(jù)從何而來”以及“大數(shù)據(jù)如何而用”三個維度討論了美國在國家整體層面如何推進大數(shù)據(jù)在教育評價中的應(yīng)用。美國從2001以來就開始關(guān)注數(shù)據(jù)在教育評價與決策中的應(yīng)用，并在近15年來投入了大量人力、物力與財力打造覆蓋全美的教育數(shù)據(jù)系統(tǒng)，著力提升教育數(shù)據(jù)應(yīng)用人員的數(shù)據(jù)素養(yǎng)，并從政策、技術(shù)、研究等多個方面提供數(shù)據(jù)應(yīng)用的支持與保障推進大數(shù)據(jù)在教育教學(xué)決策與教育教學(xué)優(yōu)化與變革中的深入應(yīng)用。期望本文可以為關(guān)注大數(shù)據(jù)在教育評價中應(yīng)用的相關(guān)研究人員提供一些有益的參考。與此同時，由于本文主要討論是美國政府層面的一些做法，是相對宏觀的梳理而并未涉及到具體的應(yīng)用案例，在未來的研究過程中還需要進一步加強對大數(shù)據(jù)在教育評價中實際應(yīng)用案例的分析以及對具體應(yīng)用策略的總結(jié)與借鑒。

[1]金陵.大數(shù)據(jù)與信息化教學(xué)變革[J].中國電化教育,2013,(10):8-13.

[2]武法提,牟智佳.電子書包中基于大數(shù)據(jù)的學(xué)生個性化分析模型構(gòu)建與實現(xiàn)路徑[J].中國電化教育,2014,(3):63-69.

[3]王萍,傅澤祿.數(shù)據(jù)驅(qū)動決策系統(tǒng)：大數(shù)據(jù)時代美國學(xué)校改進的有力工具[J].中國電化教育,2014,(7):105-112.

[4]Duncan,A.Robust Data Gives Us The Roadmap to Reform [EB/OL].http://www.ed.gov/news/speeches/robust-data-gives-us-roadmapreform/,2015-01-06.

[5]Bennett,R.E. The Changing Nature of Educational Assessment[J].Review of Research in Education,2015, (39):370-407.

[6][10][22]US Depart of Education, Office of Educational Technology.Expanding Evidence Approaches for Learning in a Digital World[EB/OL]. http://tech.ed.gov/wp-includes/ms-files.php?file=2013/02/Expanding-Evidence-Approaches.pdf/,2015-01-05.

[7]Data Quality Campaign. Data for Action 2013: Right Questions, Right Data, Right Answers[EB/OL].http://www2.dataqualitycampaign.org/find-resources/data-for-action-2013/,2015-01-05.

[8]Reed,E., Scull,J., Slicker,G. & Winkler,A.M. Defining Strong State Accountability Systems: How Can Better Standards Gain Greater Traction? [EB/OL].http://edexcellence.net/publications/definingstrong-state-accountability-systems.html/,2015-02-06.

[9][13][18][27]U.S. Department of Education, Office of Planning,Evaluation and Policy Development. Use of education data at the local level: From accountability to instructional improvement[EB/OL].http://www2.ed.gov/rschstat/eval/tech/use-of-education-data/use-ofeducation-data.pdf/,2015-02-06.

[11][15]U.S. Department of Education, Office of Elementary and Secondary Education.Improving Data Quality for Title I Standards, Assessments,and Accountability Reporting[EB/OL]. http://www2.ed.gov/policy/elsec/guid/standardsassessment/nclbdataguidance.pdf/,2015-02-06.

[12]US Department of Education.A Blueprint for Reform: the Reauthorization of the Elementary and Secondary Education Act[EB/OL]. http://www2.ed.gov/policy/elsec/leg/blueprint/blueprint.pdf/,2015-03-06.

[14][28][29]Data Quality Campaign.Paving the Path to Success:Data Action 2014[EB/OL]. www.dataqualitycampaign.org/files/DataForAction2014.pdf/,2015-02-05.

[16]National Center for Education Statistics. Common Education Data Standards[EB/OL]. http://nces.ed.gov/programs/ceds/,2015-02-06.

[17]Data Quality Campaign.10 Essential Elements of Statewide Longitudinal Data Systems[EB/OL]. http://www2.dataqualitycampaign.org/yourstates-progress/10-essential-elements/,2015-02-06.

[19]Shorr,P.W.10 Things You Always Wanted To Know About Data-Driven Decision Making[EB/OL].http://www.scholastic.com/browse/article.jsp?id=423/,2015-03-06.

[20]Leek,J. 10 things statistics taught us about big data analysis[EB/OL].http://www.kdnuggets.com/2015/02/10-things-statistics-big-dataanalysis.html/,2015-03-06.

[21]Nadeau,G. The Optimal Reference Guide: Our Vision for D3MExtraordinary insight into today’s education topics[EB/OL].http://www.espsolutionsgroup.com/espweb/assets/files/ESP_D3M_Vision_ORG.pdf/,2015-03-06.

[23]Ronald S. Thomas. My Nine ‘Truths’ of Data Analysis[EB/OL].http://www.edweek.org/ew/articles/2011/06/15/35thomas.h30.html?tkn=UNZFK1u+dOgIrdSXpbrf/tuim4YZchGy/0Iw/,2015-01-05.

[24]US Depart of Education, Office of Planning, Evaluation and Policy Development(2011). Teachers’ Ability to Use Data to Inform Instruction: Challenges and Supports[EB/OL]. http://www2.ed.gov/rschstat/eval/data-to-inform-instruction/report.doc/,2015-01-05.

[25]Berger,L. 4 Ways to Build Data-Driven Classrooms[EB/OL].http://www.scholastic.com/browse/article.jsp?id=7041 /,2015-02-06.

[26]Data Quality Campaign.ESEA Reauthorization: Why Data Matter[EB/OL].http://www2.dataqualitycampaign.org/files/ESEA%20Reauthorization_DQC%20Recommendations.pdf/,2015-02-06.

鄭燕林：博士，教授，博士生導(dǎo)師，研究方向為現(xiàn)代遠程教育(yanlinzheng@nenu.edu.cn)。

柳海民：教授，博士生導(dǎo)師，研究方向為教育學(xué)原理。

2015年4月3日

責(zé)任編輯：李馨 趙云建

Path Analysis of the Application of Big Data for Education Evaluation in the United States

Zheng Yanlin1, Liu Haimin2
(1. School of Computer Science and Information Technology, Northeast Normal University, Changchun Jilin 130117;2. Faculty of Education, Northeast Normal University, Changchun Jilin 130024)

Educational evaluation is one of the most important prerequisites for education policy-making and instructional decisions,while effective educational evaluation depends on overall and reliable proofs. Based on deep mining and scientific analysis of multidimensional, large amounts of data in search of hidden relationships and value, big data is promising to help educators transform educational evaluation from small samples or incomplete information based suppositions into full data based evidences. This research discusses the United States how to plan and implement the deep application of big data for educational evaluation on the macro level from the following aspects. The first question is about “why”, focusing on the recognition of the application objectives of big data for US educational evaluation. The second question is about “where”, introducing how the big data for educational evaluation are collected by use of three-dimensional, high-quality education data networks. The third question is about “how”, exploring how the United States practices big data application for educational evaluation by deliberate design, choosing appropriate big data processing technologies, improving educators’ data literacy, and providing multiple supports.

Big Data; Education Evaluation; Effective Application; The United States

G434

A

1006—9860(2015)07—0025—07

* 本文系教育部科學(xué)技術(shù)戰(zhàn)略研究項目“大數(shù)據(jù)支持下的學(xué)習(xí)分析與教學(xué)評價研究”(項目編號：2014XX07)階段性成果。