教育大數據生態圈構建：“3+3”模型的邏輯與實踐

吳南中 黃治虎 曾靚 謝青松 夏海鷹

【摘要】? 《教育信息化2.0行動計劃》將教育信息化作為教育系統性變革的內生變量，教育大數據的價值期待被無限擴大。教育大數據來源成為主要掣肘，探索積極的教育大數據生態體系建設，解決教育大數據來源和應用問題，提升教育大數據對教育教學支持程度顯得尤其重要。文章通過開發研究與行動研究，歸納了教育大數據生態圈構建的基本特征：大數據生態圈的構建是有目標、有計劃、有體系的整體構建;蘊含多樣性、廣泛性、全程性、持續性等特性;反映了人在環境實踐改造中的能動性;對教育發展的價值引領性和自身具備一定的成長性。基于此，本研究嘗試構建學校層面的“3+3”教育大數據生態圈模型，并開展實踐。結果表明，“3+3”教育大數據生態圈的構建對學校理解和應用好教育大數據有促進作用。

【關鍵詞】? 大數據;“互聯網+教育”;生態圈;建構;學習分析;模型;邏輯;實踐;數據采集

【中圖分類號】? G434? ? ? ?【文獻標識碼】? A? ? ? ?【文章編號】? 1009-458x（2019）7-0077-09

《教育信息化2.0行動計劃》正式開啟了信息化建設的第二階段，提出了“信息技術與智能技術融入教育全過程，推進改進教學、優化管理、提升績效”的發展目標。“加強教育信息化從研究到應用的系統部署、縱深推進”的戰略任務，需要在教育的方方面面落實。在這樣的目標體系下，教育大數據作為溝通物化的環境、符號化環境和人的反饋的載體，蘊含了更加理性地認識教育本質和功能、認識學習者學習過程和心理世界、改進教育研究的方法、提供人本化教育等認知價值和實踐價值，備受學者重視。楊現民等（2016）認為教育大數據正在“成為推動教育系統創新和變革的顛覆性力量”。其他學者也提出基于教育大數據的教學模式轉變（鄭立海， 2015）、學習方式轉變（徐鵬， 等， 2013）、研究范式轉變（吳南中， 等， 2017）等。也有學者從理論上構建教育大數據的整合平臺，如徐珊（2014）提出了基于XML的數據整合模型;孟玲玲等（2012）基于元數據標準設計了知識共享系統;常燕（2013）設計了基于本體技術的異構教育資源數據集成框架。“但鮮有學者對大數據平臺架構進行統一、完整的設計”（李振， 等， 2018）。有的從應用層面構建一些數據收集系統，起到了一定的數據收集效用（劉宏達， 等， 2018），但很多文章對應用數據捕捉效果和應用有效程度語焉不詳。綜上所述，教育大數據促成了教育發展的新愿景，獲取數據成為教育大數據發展和利用的掣肘，探討形成大數據獲取的環境構建，構建教育的數據生態圈，通過對教育大數據的捕捉、聚合、理解，促使其成為教育發展和變革的元素、動力、方法與支撐，進而形成可持續的信息化發展機制，積極支持國家信息化新戰略，成為教育研究者關注的問題。

一、教育大數據應用掣肘：數據在哪里？

（一）教育大數據內涵及其來源

1. 教育大數據內涵

互聯網時代的經濟運行發現，數據達到一定量之后，各種相關關系和關聯關系隱匿在傳統因果聯系無法識別和解釋的框架中。隨后，有人總結，大數據體現了數據量大、輸入和處理速度快、數據多樣和精準性等內在特性（Doug， 2017），“數據的交換、整合、分析，不斷發現新的知識、創造新的價值，從而帶來了大知識、大科技、大利潤和大發展”（徐子沛， 2012， p. 12）。教育大數據是指在教育體系中的一切數據，包括了發生在教育領域內各個在線應用中的數據，也包括大教育場景中的其他數據（如學校、社會、家庭等），還包括教育管理和教學管理的相關數據等。整個校內校外數據，構成了教育大數據形成環境，是一個教育時間發展和空間拓展的概念。由于教育大數據要服務于特定目標的人群，過于寬泛的內涵會限制教育大數據的應用落地，需要對教育大數據進行分層：宏觀層面上，教育大數據是指在廣義的教育中發生的一切數據，涵蓋全員（所有人）、全過程（從出生到死亡）、全方位（學習、生活、工作和閑暇）;中觀層面上，教育大數據指的是人在教育體系中發生的一切數據，包括學前教育、初等教育、高等教育與職后教育;微觀層面指的是在學校體系所發生的數據，包括學習數據、生活數據和相關管理數據。從現有的研究范疇來看，后兩者是研究的主要領域，前者著重于決策，后者著重于微觀的應用。本研究著眼于學校數據生態，在研究對象選取上指的是在一個學校中的所有數據和與外界的數據溝通，包括教學過程產生的數據、教育管理采取的數據、科學研究與校園生活產生的數據，也包含利用校外資源開展教育教學活動，提升生活體驗等數據，是一個以學校內數據為主的數據生態。從實踐來看，教育大數據具有三種特色：第一，數據來源復雜化。教育大數據既有各類學習者使用終端的數據，也有主動的情景感知終端的數據;既有蘊含過程的各類結構化數據和非結構化數據，也有展示結果的標準化數據和非標準化數據。第二，數據應用對稱化。教育大數據在理論上講，既能利用于教學管理，也能利用于學生自主使用;既能便利學生管理的數據挖掘，也能適應學生學習的自我調適。可以說，多種教育主體都能通過教育大數據找到其用處，這與商業情境中的數據挖掘和利用僅圍繞公司和企業的利益最大化有一定區別。第三，數據應用多層次化。在商業數據中，大數據主要用于預測關系和相關關系的挖掘;在教育大數據中，數據利用具有多層化的特征：在宏觀層面，可以用于教育政策制定;在中觀層面，可以用于解釋和預測;在微觀層面，可以用于教學策略的適時調整和學習方式的即時轉變。

2. 教育大數據來源

在社會經濟領域，大數據主要通過社會應用（如借助移動終端）來收集數據，用于識別和預測日常生活、人際關系等（Eagle & Pentland， 2006）。這種層面的數據收集忽視了環境信息和個性化信息的處理，在教育應用層面的個體畫像中存在缺陷，也無法提供教育大數據核心的價值歸旨——服務于個性化學習。發揮教育大數據的作用，需要圍繞學習者建立一系列的數據，才能開展基于數據的挖掘和分析。研究者進行了大量的探索，比如有學者基于在線教學平臺，通過事先“埋點”的布局，以量化的方式獲取數據，通過數據的增益分析學習者的進步程度（Seel， 2012， p.1176）。ADL使用學習管理系統，跟蹤學習者與學習資源之間的交互（顧小清， 等， 2014），通過網絡會話實現對學習經歷數據的捕捉。傳統的這些數據來源依然重要，但在泛在學習的概念和空間中，分析學習者學習進展，提供有針對性的支持，不能借助于簡單的匯總統計和比較分析，需要借助移動通信、云計算、情境感知設備等，對伴隨性的數據進行無感知、實時和持續的采集，比如學習者學習軌跡、停留時間、游離時刻、主動傾向等。除了學習過程本身，還包括學校的管理信息、狀態信息（設備、天氣環境等）和學校活動等。在某種程度上，微觀的有意義的教育大數據需要涵蓋學校生活的方方面面，實現實時的采集，從而挖掘與個性化學習、發展性評價、學習路徑設計、教育行為和政策預測等相關的數據，服務于學校教學、科研、管理和服務。

（二）教育大數據的應用掣肘

教育大數據展現了豐富的應用場景和無法想象的發展空間，被許多學者認定為“金礦”。但從目前來講，幾個核心的問題始終無法解決。第一，數據的采集通道并不健全。在大數據視域下，數據需要覆蓋教育機構全過程的所有數據。從實踐來看，可以通過學校Wi-Fi和移動運營商捕捉到學習者的移動數據，進而判斷學習者的活動地點。但在各種情境中學習者究竟在做什么？投入程度如何？情緒體驗如何？對于當前學校生態而言，并不具備完整的采集能力。就研究者所在學校而言，部分教室已經實現了學習者表情的捕捉，但脫離教室之外的學習者情形很難捕捉。第二，個人身份識別存在技術難點。對于學習過程而言，參與在線學習的識別始終存在問題。由于越來越多的學習行為通過翻轉課堂、混合式學習轉移到互聯網，互聯網的身份隱匿特征加大了個人身份識別的難度。同時，課堂教學和日常生活的個體識別也有技術門檻過高、推廣需要一定的硬件和軟件準備等難題，需要從頂層設計上做足文章，保持框架的包容性，然后逐步進行拓展。第三，各個系統中“孤島”還大量存在。在信息化1.0時代，建設了大量的應用，產生了和正在產生著大量有價值的信息，比如學生管理系統、教育管理系統、教材管理系統、在線學習系統等，要整合各類數據，對于學校來說是一件浩大的工程。第四，數據標準缺乏，導致互操作問題。大數據的價值是多維度、多階段數據的積累，由于獨立開發的各種應用并沒有相應的標準，產生的數據難以被其他系統識別、整合和交換，無法進行互操作，限制了數據的有效來源。第五，數據采集的實時性、連貫性和伴隨性，考驗了學校的技術實力和經濟實力。大數據的“大”不僅體現在“大”的價值上，還體現在“大”的量上。就物理課堂數據采集和智慧校園攝像頭系統采集為例，按照可識別的技術操作，保存相應的視頻材料，動輒產生TB計的數據量。實現整個學校完整的課堂數據采集，從數據量來看幾乎是天文數字，這對教育機構而言，考驗其云計算技術和經濟實力。因此，在已有的教育大數據研究與實踐中，真正使用大數據的典型案例不夠多，更多停留在理論層面。第六，各類教育應用并不充分。對于教育而言，數據挖掘技術、學習分析技術、數據可視化技術等是教育大數據應用的主要領域，但整體而言，圍繞這些方面的應用開發還停留在初期階段，與成熟的應用體系、與教育大數據來源形成良好的互動關系，還相去甚遠。

二、教育大數據生態圈建設：

解決數據來源的思路

從已有的研究視野來看，教育大數據的來源問題隱匿在數據挖掘和學習分析的浪潮里，似乎并不是問題。深究教育大數據的發展，尤其是“循數治理”（南旭光， 2016）、“循數診改”（胡娜， 2017）、學習分析、智慧教育等研究的不斷加深，帶來的困惑和難題，越來越多地來源于教育大數據本身的問題。當然，教育大數據并非是孤立的因素，而是在復雜的應用系統中多種因素的相互作用機制，有數據獲取的問題，有應用的問題，也有意識思維的問題。只有圍繞教育大數據產生、挖掘和利用形成一種內在統一性、外在平衡性和穩定性的體系構建，才能促進局域教育大數據的深度利用，實現“與教育主流業務的深度融合以及持續推動教育系統的智慧化變革”（楊現民， 等， 2016）。以此為驅動，課題組提出了教育大數據生態圈的概念，也就是圍繞教育大數據，通過有計劃、有目的、有系統的生態構建，形成以校內數據為主，溝通校外數據，努力協調數據產生、數據挖掘和數據利用之間的關系，構建一個具有內在一致性和持續發展能力的學校教育大數據生態環境，基礎在于數據的獲取，價值在于數據的挖掘和利用，其特征如下。

（一）教育大數據生態圈的系統性構架

與現有教育大數據的來源零散不同，教育大數據生態圈的建設是有目標、有計劃、有體系的整體構建，體現了系統的特征：一是數據構成的多樣性，就學校教育大數據生態而言，其構成有學習過程之中，也有學習過程之外。學習過程之中的數據指的是在線學習和實體學習數據。在線學習過程之中的數據主要渠道有門戶學習數據、搜索學習數據和社交學習數據。門戶學習數據指的是在學校學習門戶以及與學校相關的學習平臺的過程數據;搜索學習數據指的是學習者為了解決客觀問題，通過搜索獲取知識所產生的數據;社交學習數據指的是同伴和師長關系以及校外相關人員通過松散的或者正式的知識共享體系，共同解決問題所產生的數據。實體學習數據指的是在教室、圖書館等實體學習空間，通過情景感知、移動終端數據挖掘形成的數據。學習過程之外的數據指的是與學習者相關、影響學習過程的一切數據，包括管理系統數據、校園消費數據、圖書借閱數據、校園活動數據等。二是數據之間存在多維的相互聯系，形成相互影響和相互制約的關系。比如圖書借閱數據與學習者學習參與存在一定關系，從校園消費數據可以挖掘出學習者的同伴關系等。除此之外，學校大數據生態的各類數據，與校園社會環境有一定的相關關系。總之，整個教育大數據生態圈通過數據收集的總體布局，形成系統性的生態設計。

（二）教育大數據生態圈的復雜性影響

教育大數據生態圈的復雜性主要體現在以下幾個方面：第一，影響因素的多樣性和廣泛性。由于教育大數據生態圈關注的是人的發展，記錄的是人的活動，人的需求的多樣性和學校生活供給的多樣性都會影響大數據生態的結構和內容。第二，影響時段的全程性和持續性。由于人參與學校生活受到環境（尤其是文化氛圍）的影響是全程的和持續性的，這些都會促使學習者改變自身情況。比如計劃參與在線學習的學習者由于網頁新聞的影響，投入到了游戲之中;去圖書館的途中受到英語社區的影響，參與了英語角的活動，等等。第三，影響方式的多樣性和影響效果的多重性。教育大數據的影響方式有很多，比如教師對學習者學習成就的判斷，學生對自身感知的理解進而調整自適應學習路徑。從影響效果來講，有的是深層次的影響，有的是表淺的影響;有的是持久的影響，有的是暫時的影響。這就要求我們在設計感知與采集系統時，充分考慮各個因素之間的相互作用，形成內外數據與線上應用的作用關系，搭建持續的交付體系。

（三）教育大數據生態圈的建構性形成

與其他生態不同，教育大數據生態圈的構建更具有建構性，反映了人對環境的實踐改造能動性的發揮。教育大數據生態圈的建構性體現在以下三點：第一，教育實踐者的主動布局對生態圈的形成具有關鍵作用。隨著信息化的進展，教育大數據終究會實現數據支持教育教學的行為，會改造現有教學體系。但教育實踐者的主動選擇、頂層設計和平臺打造，會縮短實效產生的時間。第二，由于使用大數據的意識和技術受限于社會發展，尤其是教師的意識對教育大數據的需求在某段時間內釋放不夠，會導致教育大數據的作用受限。第三，使用教育大數據還需要學習者的主動賦權。一方面，教育大數據的推動者需要清晰自身的倫理義務;另一方面，學習者需要將自身無關隱私的信息通過授權的方式共享出來，服務于教育大數據的完善和發展。同時，教育大數據的實踐者還需要設計好相應的隱私保護機制，防止數據被濫用，讓數據提供者有所信任。這些要素都凸顯了主動性的作用和主動構建的價值。

（四）教育大數據生態圈的價值引領性

教育大數據的價值不斷得到恰當的認識和評估，逐漸定位為一種變革教育的戰略資本、科學研究支持和智慧教育發展的機制。在資本層面，教育大數據生態將海量數據聚集在一起，教育決策者不再依賴經驗和簡單的統計結果做決定，而是依托數據實現科學決策，提升了決策的科學性，優化了資源配置效率，在消解教育公平等社會問題上有了可以依托的工具;在教學過程支持上，教育大數據有助于實現智慧教育所追尋的個性化教育、自適應學習和發展性評價;在教育管理層面，教育大數據通過各類元素的相關關系挖掘，找準制約學習和生活的制度問題，優化教育管理模式，在安全管理、精準扶貧、治理體系構建等方面有極大的發展價值;在學習層面，通過教育大數據實現個性化路徑設計，精準學習支持服務，支持教育服務的人性化;在教學科研方面，在傳統的教育學研究范式中，教育作用機制難以讓人信服，比如學習者的內在領悟、高階智慧形成、內省感知等。依托生態圈所產生的數據——尤其是可穿戴設備、情境感知設備與腦科學等結合，各類原本隱匿的、無法測量的關系通過大數據有效展示出來，原本教育教學過程的“黑匣子”變成了“可見系統”（徐子沛， 2012， p.122），如同醫學有了“核磁共振成像”技術（吳南中， 等， 2016），學習者的學習過程變成一種可以測量的東西。此外，教育大數據的發展可以引領教育產業發展，加深校企合作，通過校企在信息技術應用于教育教學等方面的合作，加強與企業的聯系。

（五）教育大數據生態圈的成長性內在特征

教育大數據生態圈實際上形成與現存大數據產生技術、捕捉技術和利用技術相吻合的結構和形態，在不斷成長中實現平衡。首先，教育大數據生態圈的構成要素在發展變化。隨著數據產生布局的不斷擴大、感知和采集技術的不斷提高、教育大數據相關應用的不斷拓展，與學習者相關的數據不斷納入生態圈的范疇，在大數據生態圈內流動，同時也提升了生態圈的層次。其次，教育大數據生態圈元素的相互“斗爭”與“協同”，促使教育大數據生態圈的轉型升級。生態環境動態發展的兩種狀態是平衡和失衡。在平衡狀態中，相關要素體現了和諧共生狀態;在失衡狀態中，相關要素不斷“斗爭”，逐漸發生改變。在教育大數據生態圈中，各類大數據應用的使用，一方面提升了教育的水平，另一方面挖掘出新的問題，需要在不斷的技術進步和數據使用中尋求新的發展，通過技術的使用、挖掘的深度等打破原有的平衡狀態。隨著問題的逐漸解決，系統又進入到更高層次的平衡，實現了可持續的成長。這種成長同自然生態圈一樣，沒有頂點，只有過程。這就要求在教育大數據生態圈的構建中加強頂層設計，按照標準化數據、模塊化思路、分階段分步驟實施建設，通過標準一致、數據互訪等方式，支持教育大數據生態圈不斷升級。

三、“3+3”教育大數據生態圈：

一種基于實踐的解決方案

從實踐層面談教育大數據生態圈的構建，基礎是數據問題，構建則不限于數據，而是融入多種相關要素（如大數據應用），參照生態系統各個要素的相互關系，形成相互影響的體系（如大數據思維）。教育管理者、教育工作者和學習者對教育大數據的關注，影響了教育大數據生態的整個取向。依托學校轉型升級的整體背景，本研究以“建設3個平臺，構建3個體系”為抓手，以“數據支撐決策、數據優化教學、數據提升服務”為目標，積極探索學校教育大數據生態圈，提升學校治理質量，促進信息技術與教育教學深度融合，創造便捷舒適的學習體驗。

（一）“3+3”教育大數據生態圈的建構思路

1. 以人為本，問題驅動和頂層設計相結合的整體思路。伴隨著教育大數據應用的深入，勢必引發傳統教與學方式的變革;同時，學校管理模式、辦學模式、人才培養模式等不同結構、空間和方式的解構與重構，不可避免地影響到不同主體的增量利益和存量利益，甚至形成各種利益訴求。舉例而言，基于教育大數據的專業評價引導機制建成以來，不同層面的利益相關者對自身專業數據、專業地位、專業前景等的相關判斷提出質疑，這就要求整個教育大數據生態圈的構建，在問題驅動和頂層設計中規劃不同角色的職責和利益。教育大數據解決的是深層次的問題，挖掘的是教與學以及與教與學相關的問題，強調的是各個利益主體的整體價值。可以說，教育大數據生態圈的運行是圍繞“人”在教育、科研、管理和生活過程中的實際問題。但解決教育生態圈運行的現實問題不是一蹴而就的，頂層設計需要考慮技術發展的持續接入性、資金投入的連續性、人員保障機制和后續措施的立體化構建，逐漸形成“有序”的心理場域、“有效”的政策支持體系、理論與實踐相互適調的體系，逐步解決教育大數據生態圈構建和持續發展的動力問題。在課題組所在的學校中，頂層設計主要體現了“互聯網+”特色學校的目標定位、獨立的大數據應用研究院的構建，以及在此基礎上建立的系統化的制度，體現了發展的整體性和設計的全面性，既有解決當前問題的問題驅動意蘊，又有優化學校整體辦學效益的頂層設計，如專業建設和課程建設的大數據評價等。

2. 結構優化，梳理不同相關數據來源的關系。普遍認為現有教育體系不是缺乏數據（與教育大數據的量有區別），而是數據混亂，也就是常說的“數據孤島”現象（李香勇， 等， 2017）。教育大數據生態圈的構建，結構優化的目標是要解決不同相關數據來源的關系梳理問題。具體而言，在應用端，需要按照特定的數據標準，構建具有互操作能力的應用;在處理層，需要將劣構、復雜的數據轉變為可執行的信息（Global， 2012）。一般而言，來自各種終端的數據分為結構化數據、半結構化數據和非結構化數據。傳統的結構化數據需要通過人工設計，教育大數據生態圈的建設將更多富有價值的半結構化和非結構化數據納入到自身的視野，需要依托一定的數據收集模型，同時教育大數據的應用還需要考慮不同數據來源之間的數據共享，在數據安全和數據倫理的基礎上，實現各個應用專注于自身的責任，在規范的約束下不斷深入拓展，當用戶需求改變時，不需要改變底層結構，只需要改變數據來源的接口即可。

3. 良性互動，建立完善的數據應用運作機制。在教學領域，數據挖掘和學習分析方興未艾;在科研領域，大數據支持的相關應用逐步建立;在教育管理領域，依托教育大數據開展決策成為一種嶄新的思考問題和決策行為方式。人人生產數據、人人共享數據、人人熱愛數據、人人管理數據的大數據全民參與方式，正在改變教育領域數據使用的基礎、內容和方式，促進了數據生產、加工和使用的互動機制的形成。首先，數據采集平臺的開發，實現已有數據源的整合與利用，為教師、學生和管理者養成數據習慣、分享數據行為，建立了良好的意識;其次，教師、學生和管理者意識的提升促進了更多數據源的需求，促進了更多應用的開發和使用，豐富了教學模式，提高了教學效果。如對基于在線學習開展混合式教學、智慧教室的建設等，實現了從排斥到喜歡、喜歡到依賴的過程，豐富了數據來源;最后，豐富的數據來源激發了管理和科研的積極性，圍繞大數據的采集和應用的學習分析和教育決策方式大量開展起來，沖擊了原有范式，同時也促使相關數據感知與采集平臺的完善和拓展。

4. 技術能力提升，通過培訓逐漸實現全員參與和使用。教育大數據為教育發展帶來了新的機遇，然而教育大數據應用的基礎首先是來源廣泛的教育數據的獲取;其次是大量應用的投入，與數據開展對話和互動;再次是社會對大數據產業的投入，包括建設大量的基礎設施、數據標準、應用平臺、推廣應用等。可以預見的是，教育大數據生態圈在政策的重點支持下成長，已經不能單純依靠信息技術部門來支持大數據的發展，全員參與、全過程參與、全方位參與是教育大數據生態圈不斷升級和完善的基本條件。培訓教師如何使用各類教育大數據應用，理解教育大數據思想，依托教育大數據設計自適應學習路徑，開發不同層次和方式的資源，支持教育教學過程，這些都必不可少。在教師群體中，培養教師的數據模型建構能力，提升技術水平，是提升全員參與層次的有效方式。對于教育大數據的進一步應用而言，數據模型是對教學與管理進行有效監測、評價、診斷和預測的核心支持（孫洪濤， 2016）。教育大數據的模型構建，不僅需要正確認識教育大數據采集與挖掘系統的技術水平，還需要具備教育教學知識。而現在的教育大數據工作者以技術人員和科研人員為主，一線教師參與較少，使得其模型建構和應用開發不能滿足教與學對教育大數據深層次的應用。通過全員的理念、技術、應用使用等培訓，配合激勵、制約、引導機制的出臺，促使全員使用教育大數據應用并開展科研和教學，尤其是參與到相應的模型構建中來，是實現教育大數據發展的重要抓手。

（二）“3+3”教育大數據生態圈模型及其內容闡述

為了更清晰地闡述“3+3”教育大數據生態理念，課題組設計了如圖1所示的模型。

整個“3+3”教育大數據生態圈的核心是人，分內圈和外圈，其目標是人的教學、科研、管理和生活，是建立在系統性、復雜性、建構性、價值引領性和成長性的教育大數據整體構建思路上的。內圈的主要內容是數據感知與采集、數據匯聚與處理和數據分析與決策3大平臺。數據感知與采集平臺是通過多種情境感知裝備的投入使用、物聯網的進一步應用、線上應用的逐步開發和整合、外部數據的收集等，實施對校園設施設備、師生活動、環境互動的全面感知與采集。數據匯聚與處理平臺主要是通過網絡、數據交換中心和云計算中心，實現校園有線、無線、移動互聯網和數據交換系統，實時匯聚和處理科學、科研、管理和生活服務全方位的數據，形成中心數據倉庫，并利用云計算、大數據、人工智能等技術為數據的清洗、存儲、挖掘和分析提供高效的基礎平臺。分析與決策平臺是通過360°畫像、數據分析、趨勢預警等實現數據的價值。基本運作過程是基于中心數據倉庫，運用聚類分析、多維分析、報表展示、KPI分析、駕駛艙等技術，進行多層次、多維度的數據分析，構建實體校園的360°數據畫像，實時展現學校的運行狀態，為教學、科研、管理和生活服務等提供科學、全面的趨勢預警和決策服務。

外圈主要是智力支撐、持續交付和安全保障3大體系。智力支撐體系是依托大數據智庫、專家庫建設，通過提供決策類支持，實現辦學事務、資源調度、治理結構優化的“數據化”。比如通過專業數據庫的建設，形成專業評價引導的整合數據，實現專業評價和調整（吳南中， 2016）。持續交付體系指的是通過各類標準化的應用開發，以數據互訪問、系統模塊化、出入口一致化為目標，支持數據的聚合利用，開發各類教育教學應用，縮短教學、科研、管理和生活服務等信息化應用的交付周期，提高應用的迭代速度，提升數據的共享程度，滿足生態圈各類主題的應用需求。比如學校為跟蹤學習者，建設了“學習軌道”應用，跟蹤和整合學習者在學校生活的軌跡，判斷學習者學業投入的程度，對偏軌學生進行引導性的提醒。安全保障體系指的是在利用教育大數據全過程中，要有信息意識、倫理意識和安全意識。堅持信息系統和網絡安全“同步規劃、同步建設、同步運行”的原則，從策略方針、管理規范、技術和服務等多個層面入手，完善防護、檢測、響應和恢復網絡安全體系。完善防火墻、實名認證等網絡防護設施，搭建信息安全的第一道防線;完善病毒檢測、漏洞掃描、入侵檢測、等級保護等檢測設施和機制，發現安全薄弱環節;完善應急響應、事件處理、調查取證等制度，確保網絡安全事件的及時處理;完善備份、恢復等制度和設施，確保數據和系統的安全運行;堅持倫理為先，確保教育大數據的利用要強化對數據倫理的尊重，強化數據個人倫理觀，體現為強調自主性、使用的善意、公平公正和可持續發展（吳南中， 等， 2017）。

（三）“3+3”教育大數據生態圈運行成效

1. 初步建成了學校層面的數據感知與采集平臺

構建了從新生招錄和報到開始的學習者生活數據采集系統，涵蓋了校園生活的方方面面，如課程學習計劃、課程學習成績、其他學習成果、獎勵申報與批準情況、課程滿意度、圖書借閱、在線學習情況、食堂超市等后勤體系、智慧長跑等常規性應用的數據。在安全領域，對學校校園內流動的人員開展了數據采集。在學生授權的前提下，還可以采集學生學校位置數據、上網數據等，部分教室實現了學生學習全過程數據采集，并實現了基于flanders和s-t兩個模型分析學生投入狀態，以表盤方式進行顯示。教師在上課完畢之后，可以對學生表現進行基于整體的查閱，分析課堂結構，以優化教學。學校與騰訊云和中國移動等公司合作，通過采購云服務和信息化建設方面的合作，開發了數據交換中心和云計算中心，加強了數據存儲能力和計算能力。

2. 建設了一大批大數據應用

開發了短信系統（用于會議提醒、考試提醒、上課提醒、節日注意事項、放假提醒等）、迎新系統（新生入籍的相關環節）、決策支持系統、教學日志、交通車訂票系統、資產管理系統、財務報賬系統、辦事大廳、大數據平臺、學工系統、人事系統、辦公自動化系統、open-X在線學習系統等一大批應用，并設計了相應的數據采集標準，各類數據之間可以相互訪問（如圖2所示）。如人事系統可以讀取科研系統的相關信息，查閱教師的科研進展，用于判斷教師職稱晉升材料真實狀況，分析教師的發展趨勢等;食堂可以查閱交通車訂票系統，用于準備教師工作餐的數量等;辦事大廳將師生常用應用進行整合，登錄上網賬號之后，可以進入相關應用來開展工作，減少了簽字和“跑腿”的次數。

3. 打通了原有應用之間的數據屏障

在原有的框架下，學校建立了一些平臺，如學分銀行平臺、教改平臺、教材管理平臺、質量保證控制系統、教務管理系統等，保存了一些數據。學校遵循“不破而立”的戰略方針，對具備改造條件的應用（如學分銀行平臺和OA管理系統）進行改造;不具備條件改造但能有效讀取數據的進行數據讀取，如教務系統、教材管理平臺等;對于用處不大甚至沒有用處的應用在對數據進行清洗、保存后廢棄。經過新建、改造、換代等方式，建立了統一入口，規范了數據標準，實現了以單一身份登錄，可以使用學校所有信息化體系應用，并對過程進行了數據采集。

4. 試點建設了智慧教室

在部分教室實現了課堂數據的全過程采集，通過身份識別（點名、學生座位分布等）、行為識別（教師活動軌跡、PPT采集、板書設計、學生行為采集）、情緒識別（學生和教師）等，自主分析上課視頻數據。申請進入教室上課的教師，需要授權數據采集，可以幫助教師分析教學內容的教學效果，引發學生關注度提升的學習活動類型等相關信息，并根據學生的表現、教學設計與內容的匹配程度、教師的顯著性教學行為等，客觀形成教師課堂質量評價報告等。

5. 建成了分析與決策平臺

根據已有應用、已開發應用以及學習平臺相關數據的聚集，以及通過“爬蟲”技術對相關網站信息的獲取，形成了“分析與決策平臺”，并逐步擴大應用范圍和應用層次。現已運行的平臺有實訓室使用情況、科學研究計分情況、科研項目情況、人均借閱情況、專業發展情況等相關平臺（如圖3所示），并按照需求對不同層次的人開放查閱。管理人員和決策者可以根據數據進行決策，開展有針對性的管理工作。

四、結束語

文章從教育大數據應用的問題談起，分析了教育大數據應用的掣肘——教育大數據本身的缺乏，通過教育大數據生態圈的概念和特征分析，提出了學校層面的“3+3”教育大數據生態圈構建模型，并進行了3年多的實踐，在3個平臺和3大體系建設上都取得了一些進展，體現為數據收集和整合能力越來越強、師生使用的大數據應用越來越多、教與學過程的大數據支持越來越廣泛和深入。我們正在開發和完善基于教育大數據校園貸預警、學習軌跡偏離預警、職業潛能與職業推薦、專業評價引導機制、質量保證體系、校園安全預警等應用。但客觀來說，發展教育大數據、構建教育大數據局域生態圈還有較長的路要走。由于教育體系大數據應用人才本身不足，深入到學校層面的企業力量和社會力量不足，教育大數據本身的特性也在一定程度上束縛著教育大數據的發展。“3+3”教育大數據生態圈模型項目的實施，得到了許多同行專家的支持和贊許，但還未能達到預期的成效。我們深知，取得的成效只是初級階段甚至是萌芽階段。在國家整體產業轉型升級的大背景下，如何進一步落實教育大數據的價值和功能，發揮教育大數據與教育教學結合的增值效應，仍然需要進一步思考和實踐。

[參考文獻]

常燕. 2013. 基于本體的教育資源異構數據集成的研究[D]. 呼和浩特：內蒙古大學.

顧小清，鄭隆威，簡菁. 2014. 獲取教育大數據：基于xAPI規范對學習經歷數據的獲取與共享[J]. 現代遠程教育研究（5）：13-23.

胡娜. 2017. “循數診改”：高職質量保證體系構建的理念與實現途徑[J]. 重慶廣播電視大學學報（6）：34-39.

李振，周東岱，劉娜，等. 2018. 教育大數據的平臺構建與關鍵實現技術[J]. 現代教育技術（1）：100-106.

李香勇，左明章，王志鋒. 2017. 學習分析的研究現狀與未來展望——2016年學習分析和知識國際會議述評[J]. 開放教育研究（2）：46-55.

劉宏達，潘開艷. 2018. 融合創新：思想政治教育大數據研究的視角轉換[J]. 學校黨建與思想教育（2）：52-56.

孟玲玲，顧君忠. 2012. 基于元數據管理的遠程教育知識共享體系[J]. 現代遠距離教育（6）：79-82.

南旭光. 2016. 大數據時代高等教育“循數治理”解析及實現路徑[J]. 中國電化教育（8）：20-26.

孫洪濤. 2016. 教育大數據的核心技術、應用現狀與發展趨勢[J]. 遠程教育雜志（9）：41-49.

吳南中. 2016. 高職專業評價引導的實踐理性、運行邏輯與保障[J]. 教育與職業（16）：15-19.

吳南中，夏海鷹. 2017. 教育大數據范式的基本理念與建構策略[J]. 電化教育研究（6）：82-87.

徐鵬，王以寧，劉艷華，等. 2013. 大數據視角分析學習變革——美國《通過數據挖掘和學習分析促進教與學》報告解讀及啟示[J]. 遠程教育雜志（6）：11-17.

徐珊. 2014. XML與WebServices數據整合模型及其在教育考試信息系統中的應用[D]. 南昌：南昌大學.

徐子沛. 2012. 大數據：正在到來的數據革命，以及它如何改變政府、商業與我們的生活[M]. 桂林：廣西師范大學出版社.

楊現民，唐斯斯，李冀紅. 2016. 發展教育大數據：內涵、價值和挑戰[J]. 現代遠程教育研究（1）：50-61.

鄭立海. 2015. 大數據時代的教育管理模式變革芻議[J]. 中國電化教育（10）：5-13.

Doug， L. （2012）. 3-D Data Management： Controlling Data Volume， Velocity and Variety [DB/OL]. [2017-04-10]. http：//blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velo city-and-Variety.pdf

Eagle， N.， & Pentland， A. （2006）. Reality Mining： Sensing Complex? Social Systems. Personal and Ubiquitous Computing， （10）： 255-268.

Global， P. （2012）. Big Data for Development： Challenges & Opportunities[EB/OL]. [2018-5-11]. http：//www.unglobalpulse.org/sites/default/files/Big Datafor Development-UNGlobal Pulse June2012.pdf

Seel， N. M. （2012）. Encyclopedia of the Sciences of Learning （pp.1176- 1179）. NY： Springer.

收稿日期：2018-05-29

定稿日期：2018-08-27

作者簡介：吳南中，博士研究生，副教授;黃治虎，博士，教授;曾靚，碩士，講師;謝青松，博士研究生，副教授。重慶工商職業學院（401520）。

夏海鷹（本文通訊作者），博士，教授，博士生導師，西南大學教育學部（400716）。

責任編輯 韓世梅