大數據在高校學生學習評價應用中的思路與困境

唐自政，楊俊銓

(1.皖西學院 政法學院，安徽 六安 237012；2.華東師范大學 哲學系，上海 200241)

大數據在高校學生學習評價應用中的思路與困境

唐自政1，楊俊銓2

(1.皖西學院 政法學院，安徽 六安 237012；2.華東師范大學 哲學系，上海 200241)

重視對學生學習過程的評價，改變傳統的單一結果評價機制，對提高學生培養質量具有非常重要的意義，隨著互聯網技術的飛速發展，大數據在學生學習過程評價中的作用日益彰顯。文章對大數據在高校學生學習評價應用中的思路進行了研究，分析了其存在的困境，希望對廣大教育工作者如何理性地思考和應用大數據技術科學，高效地服務于學生學習評價，提高人才培養質量發揮功效。

大數據；學習過程評價；應用；困境

隨著互聯網技術的發展，大數據已影響到人們生活與工作的方方面面。然而，大數據對于教育，除了技術，還意味著什么？本文從高校學生學習評價的角度入手，嘗試從大數據對高校學生的學習評價的價值與困境兩個方面予以探討。

1 大數據與學習評價應用狀況

“大數據”概念早在20世紀80年代出版的《第三次浪潮》一書中就已出現，作者阿爾文·托夫勒將“大數據”視作“第三次浪潮的華彩樂章”[1]。隨著電子商務、社交網絡、云計算等互聯網平臺或技術的興起，“大數據”在短短數年內成為一個耳熟能詳的詞。然而，對于大數據的含義，目前尚無統一的看法。麥肯錫全球研究院在其2011年發布的《大數據：創新、競爭和生產力的下一個新領域》報告中，最早從數量的角度對從大數據進行了定義，認為大數據是指大小超出了傳統數據庫軟件工具的抓取、存儲、管理和分析能力的數據群[2]。報告將大數據與傳統數據庫相比較，突出了其大與群的特點。英國著名的大數據科學家維克托·邁爾-舍恩伯格(Viktor Mayer-Schonberger)在《大數據時代》一書中認為，大數據是以一種通過對海量數據進行分析，獲得有巨大價值的產品和服務，或深刻的洞見[3]。這種觀點不僅揭示了大數據的數量之大，還說明了其價值之高?！渡虾Ｍ七M大數據研究與發展行動計劃》將大數據的內涵概括為三：一是數據量巨大、來源多樣和類型多樣的數據集；二是新型的數據處理和分析技術；三是運用數據分析形成價值。綜合各種論述，我們不難看出，相較于傳統數據，大數據具有數量巨大、類型復雜、速度快、價值高等特征。

隨著互聯網的發展，大數據已影響到經濟、政治、文化教育、醫療衛生等各個方面。正因如此，聯合國在2012年發布了一份名為“Big Data for De-velopment: Challenges & Opportunities”的白皮書 ，認為“大數據時代已經到來，大數據的出現將會對社會各個領域產生深刻影響”。大數據對教育的影響，除了政策理論方面，在具體的實踐操作方面，也得到了卓有成效的開展。各種網絡學習平臺，如教育APP、Mooc等不斷被開發應用。在學生學習分析或評價方面，國際學生評估項目(Programme for International Student Assessment，簡稱PISA)的宗旨就是通過數據收集與分析為各國教育政策提供數據依據。 2012年4月，美聯邦教育部也發表了一份題為《通過教育數據挖掘和學習分析改進教學：問題簡介》的報告，認為教育中有兩個特定的領域會應用到大數據：教育數據挖掘和學習分析。前者應用統計學、機器學習和數據挖掘的技術和開發方法，對教學和學習過程中收集的數據進行分析，教育數據挖掘檢驗學習理論并引導教育實踐。后者應用信息科學、社會學、心理學、統計學、機器學習和數據挖掘的技術，分析從教育管理和服務過程中收集的數據，學習分析創建的應用程序直接影響教育實踐[4]。該報告既是美國大數據在教育實踐運用中的成果，也是持續推進教育與學習大數據結合的指導意見。除了美國，世界許多國家，尤其是互聯網技術發展得較為迅速的國家，包括中國，都在努力嘗試將大數據與教師教學或學生學習評價結合起來，以此推動課改或教育的發展。

2 大數據為學習評價提供的思路

以上所說的那些大數據特征使得數據挖掘、分析、反饋、預測等成為未來各類教育機構爭相利用的技術，其中包括各類高校。大數據技術的運用，可以幫助高校對學生學習過程的分析或評價變得更加科學、深入，也就是說，大數據的采用為高校學生學習過程的科學評價提供了更多可能或思路。下面從思維、技術、教育理念三個方面加以論證。

首先，大數據提供了一種不同于以往的學習評價思維方式。大數據的容量、形態、速度、價值等會對傳統思維方式產生沖擊，隨之深入的是傳統思維方式的轉變。由于科學技術的局限，傳統的學習評價主體主要是具有個體性的科任教師，而學生往往被視作與評價主體相對立的評價對象。受評價主體自身的知識結構、主觀情感、價值觀念等因素的影響，對學生的學習評價要么為圖簡便而硬性套用整齊劃一的或單一性的評價指標，要么因為個體思維的狹隘而容易陷入主觀論斷。無論是前者還是后者，對于被評價者來說，都難以展現客觀公正性。大數據時代所收集的學生學習數據相對傳統而言，具有容量巨大、復雜程度高、資料相對完整的特征，而這些數據并不能被某個個體所把握，而需要一個龐大的群去協調、整合、分析，因而，大數據應用的思維是不同人群或部門之間的協作而非個體的單打獨斗。由于海量數據的開放與評價反饋技術的發展，學生也不再是被動意義上的受評者，而是可以直接參與自我的學習評價過程，在實時反饋中對自己的學習方法、狀態等做出個性化的反映。另外，大數據強調相關關系意識而非傳統意義上的因果關系意識的確立，如維克托·邁爾-舍恩伯格所言，“對相關關系意識的確立，是具有挑戰性的”[5]。雖然追求因果的思維方式具有重要價值，但因果關系的探索往往因各種主觀條件的限制而陷入謬誤。大數據強調具有客觀事實意義上的“是什么”，而非具有不確定性傾向的“為什么”，這就預示著評價者可以從許多無法分析因果的現象中擺脫出來，利用相關性為各種學習現象做出一個更為客觀公正的解釋。

其次，與大數據相伴的是一套全新的學習評價技術手段。大數據對傳統學習評價的思維方式形成了沖擊，相應的，為了使大數據在學習評價中得到運用，高?？梢蚤_發或利用相應的技術手段來搜集、整合、分析學生的學習數據，并考慮通過不同渠道反饋給學生或教學部門。在過去，由于技術手段的缺乏或限制，教育者往往單方面地收集、分析學生學習信息，而信息往往相當匱乏，因而，許多教育者就干脆借用某種標準從效果上對學生的學習情況予以評價，譬如考試?？荚囀亲钔ㄐ械膶W習評價方式，考完試即可通過分數與排名為學生定性，甚至運用因果性思維推出學生的學習方式與態度的好壞。這種評價方式簡便，但也很粗暴，對于鼓勵個性或差異發展的高校學生來說，是武斷或不公的。互聯網的快速發展使得云計算、云存儲技術發展得較為成熟。今天，我們完全可以依托云計算的分布式處理、分布式數據庫、云存儲和虛擬化技術等挖掘與處理海量的學生學習數據。并且這類處理技術不再是傳統數據處理那樣的單向流動，而是多向互動，能將學生、學校、校外機構、教育主管部門、各種教育平臺、教育產品等有機連接在一起，形成開放的、共享的、實時的評價與反饋。數據技術可以從不同時段、不同場合，利用不同平臺、不同方式收集學生的學習數據，監控學生的學習過程，從而在過程與結果等不同方面對各種數據進行相關性的分析、評價，并及時反饋給相關個人或群體，為教育與學習的良性發展提供技術性的支持。

其三，大數據的應用有助于個性化學習與教育理念的實現。我國政府2010年頒布的《國家中長期教育改革和發展規劃綱要(2010-2020年)》提出：“關注學生不同特點和個性差異，發展每一個學生的優勢潛能”。[6]高校作為直接面向國家與社會需要的各類人才培養與輸出機構，對個性化的教育要求更加明顯。從我國目前課業學習的現狀看，基礎教育面對的是應試指揮棒，相比之下，高校學生在學習上呈現出更多的自由。除了必修科目，他們可以根據自己的能力、需要、興趣等選擇不同的課程類型與內容。個性化教育離不開個性化的教育或學習評價。從學習評價(無論是過程評價還是效果評價)方面看，高校學生學習的個性化或多樣化程度更為顯著。傳統教育傾向于從結果上對學生予以評價，提供的標準也近于單一，而大數據能為學生學習評價提供一套個性化的或多樣化的路徑，從而使得教育不僅能夠從標準統一的結果上進行評價，還能從動態而多樣化的過程中進行評價，從而為學生學業系統、公正的評價與教學的個性化、多樣化發展提供一套基于實證分析基礎上的支持。生理條件、成長經歷、社會背景等不同造成了人的差異幾乎成為常識，高等教育鼓勵個性化或差異化的發展，大數據的出現與應用為此理念的實現提供了可能。舍恩伯格教授在其另一本著作《與大數據同行：學習和教育的未來》一書中將反饋、個性化與概率預測等作為大數據在改進學習、促進學生個性化學習目標的過程中存在的三大核心要素。他的論述中即包含這樣的含義：個人的差異性使得他所積累的學習數據呈現出有別于他人所積累的數據，我們可以借此分析不同學生的學習特點，且通過事先建立的反饋系統，及時地將學習過程反饋給學生，從而改善與促進學生的學習質量，也為教師提供個性化的教學輔助支持。

3 大數據在學習評價應用中的困境

大數據的運用能為高校學生學習評價帶來各種可能，同時，在運用的過程中，也因其某些特征，使得大數據在高校學生學習評價的實際運用中遭遇到諸多困境，譬如數據整合的困境、技術運用的困境、倫理的困境。

3.1 數據整合上的困境

大數據的數據量巨大、類型繁多等特征帶來了學習評價資料的相對完整與豐富，然而，也造成了數據整合的困難。從理論上說，我們可以通過上文所描述的各種方法解決各類資料的統籌協調與技術處理的困難。然而，面對大數據的挖掘、統計與分析這樣一個龐大的工程，在現實操作中，如果沒有從宏觀政策上建立一套確保與推動數據共享開發與利用的政策，高校或某個單位不可能有足夠的能力單方面獲取或整合出完整的學生學習數據。當然，我們可以想象，或許某個有足夠資源或實力的機構，譬如Google公司，可以在政府的支持下聯合其他完成這樣一項壯舉。從微觀上說，高校內部或許也沒有足夠的勇氣去嘗試這樣的轉型：將教師的評價權力讓渡給大數據技術人員。傳統高校中，學習評價人員主要是教師。然而，傳統的教師并沒有足夠的實力把握大數據處理的技能，更沒有多少經歷去挖掘、分析教育評價中的大數據。相反，大數據平臺開發、處理、分析等的技術人員有可能做到。因而，如果將教師的權力大規模讓渡給技術人員，似乎存在著眾多現實的阻礙。

3.2 技術運用上的困境

如果整合上的困境得以解決，我們毫不懷疑數據收集、整合、分析、反饋等方面的技術，也不懷疑大數據在教育評估與學習評價方面的巨大價值。借用哲學化的語言，可以將此稱之為形而下層面的技術。此處所指的主要是技術在高校學生學習評價的可能性?；梢粋€具體的問題：大數據技術能夠多大程度上評價或反映一個學生的學習狀況？我們一提學習，通常指的是狹義層面上的認知，或知識學習。知識固然可以通過數據進行書面化的表達，然而，幾乎沒有高校會認為他們的學生的學習僅僅指的是這一點。這與我們的教育目的有關，我們鼓勵學生多元化地發展，期望培養出德、智、體、美全面發展的人才。這就意味著，學習不僅僅指的是認知，還有情感、態度、價值觀等各個方面(我們暫不考慮這些主觀性較強的方面本身可不可教或可不可學)。我們將這些納入學習內容的范疇，但對這些內容的評價本身就具有主觀性與模糊性，想借助大數據科學的量化評價，恐怕也存在困難。數據或技術似乎并不是萬能的，如果一切學習內容都可以歸為數的規定，很容易陷入所謂的數據主義或技術主義?；蛟S大數據科學家會辯解，他們可以通過大量相關性的數據對此進行描述。但相關性也可能呈現為虛假的數據。比如受到主觀感情、風俗習慣、家庭背景、思維方式、特殊動機的影響。從現實看，一個較為普遍的現象是，不同于生源相對集中的中小學，大學生可能來自不同地域、民族，思維方式、習俗認知等可能呈現出較大差異。大數據如何在學習評價的過程中反映出影響學生表達背后的各種差異或狀態？這可能成為大數據技術的運用限度。因而，雖然大數據為學習評價帶來了新的思維與技術，但并不能由此排除大數據分析以外的思維評判。

3.3 倫理上的困境

大數據影響著人們的思維方式，為人類的生活、工作帶來了便捷，為教育與高校學生學習評價提供了積極意義上的思路，然而，作為一項對社會具有沖擊力的技術，又很難擺脫倫理的審查。對大數據的反思，首先讓人想到信息安全與隱私保護的問題。在對高校學生學習評價的過程中，必然會涉及大規模的學生數據搜集、處理、應用等。技術的發展，為全面高效地搜集與共享學生數據提供了條件。然而，在開放的網絡平臺上，如何確保學生的個人信息安全與隱私，如何防范學生的數據資料不被商業化利用，成為不可回避的存在。此處的隱私不僅指消極意義上的不被干涉或侵犯的私人領域，也指具有個體自決性的積極隱私，即個人具有決定隱私的對象、范圍等能動性[7]。就前者而言，大數據有可能因為超出高校對學生學習評價的利用范圍而侵犯學生的隱私，而后者，即使就高校本身的工作來說，大數據技術在對學生的學習評價運用的過程中也可能遭遇學生不信任甚至抵觸等阻力。除此，還需要解決公平的問題，而這個問題不僅與上一段論及的大數據技術的限度有關，還與數據搜集者、分析者等有關。終端操作者有可能因為數據多少、技術高低或自身素質等原因，導致學生評價結果與現實存在之間的數據鴻溝或巨大差異。我們還可能想到，大數據分析的目的在于預測與反饋。由于人本身是復雜且不斷變化的，對于因預測誤差而導致消極教學或學習態勢或結果該由誰來負責？當然，對于大數據在高校學生學習評價運用中產生的這些常見倫理困境，歸根到底，指向的都是學生的道德權利保護的問題。相對應的是，大數據的運用主體如何制定或遵守各種各樣的道德規則或道德義務的問題(此處不作累述)。

4 總結

綜上探討，我們嘗試給出簡要的結論：大數據因具有數量大、形態多、速度快、價值高等特征，不僅為人類的日常生活與生產帶來了便利，也給高等教育領域中的學生學習評價提供了新的思路。大數據帶給教育的，首先是一種思維方式。它促使人們從傳統數據處理時的個體性與因果性思維轉變為群體性與相關性思維。在大數據思維的影響下，高校學生學習評價技術手段變得更為靈活與科學，且促進了個性化學習與教育理念的實現。然而，在具體的高校學生學習評價的實際運用中，大數據也遭遇到諸多困境。譬如，因數據量巨大、類型繁多而帶來了數據整合的困難，如何在學習評價的過程中反映出影響學生表達背后的各種差異或狀態，如何有效確保學生的個人信息安全與隱私等。鑒此，對于大數據時代的到來，教育工作者應做好充分的準備，不僅要考慮大數據帶來的益處，也當直面大數據運用中存在的困境，理性地思考如何使大數據技術科學高效地服務于學生學習評價與教學改進等工作。

[1] 阿爾文·托夫勒.第三次浪潮[M].黃明堅，譯.北京：中信出版社，2008.

[2] 郭曉科.大數據[M].北京：清華大學出版社，2013.

[3] 維克托·邁爾-舍恩伯格，肯尼斯·庫克耶著.大數據時代[M]. 盛楊燕，周濤，譯. 浙江人民出版社，2013.

[4] 陸璟.大數據及其在教育中的應用[J].上海教育科研，2013(9)：5-9.

[5] 維克托·邁爾-舍恩伯格，肯尼思·庫客耶.與大數據同行：學習和教育的未來[M]. 趙中建，張燕南，譯.上海：華東師范大學出版社，2015：46.

[6] 國家中長期教育改革和發展規劃綱要(2010-2020年)[EB/OL].[2010-07-29].http://www.gov.cn/jrzg/2010-07/29/content_1667143.htm.

[7] 薛孚，陳紅兵.大數據隱私倫理問題探究[J].自然辯證法研究，2015(2):44-46.

責任編輯：張曉輝

Thinking and Predicament of Big Data in the Application of College Students' Learning Evaluation

TANG Zizheng1, YANG Junquan2

(1. School of Law, West Anhui University, Lu′an 237012, China;2. Department of Philosophy, East China Normal University, Shanghai 200241, China)

It is of great significance to the improvement of the quality of students' training by attaching importance to the evaluation of students' learning process and changing the traditional single result evaluation mechanism. With the rapid development of Internet technology, the role of big data in the evaluation of students' learning process is becoming more and more obvious. The paper studies the idea of big data in the application of university students' learning evaluation and analyzes its predicament, hoping to offer references for the educators to think and apply the technology of big data scientifically, serve the students' learning evaluation effectively and improve the quality of personnel training.

big data; learning process evaluation; application; predicament

2016-07-19

安徽省重點教學研究項目(2013jyxm179)

唐自政(1977-)，男，安徽廬江人，副教授，碩士，主要從事經濟法研究。

F326.27

A

1009-3907(2017)02-0071-04