面向大數據的BEI2.0 “縣·省”級綜合測評指標模型建構與驗證

陳金華 何建 劉俊 張養力 沈軼

[摘? ?要] 面向大數據的基礎教育信息化2.0（BEI2.0：Basic Education Informatization2.0）“縣·省”級綜合測評是推動我國BEI實現“三全、兩高、一大”發展的重要舉措和路徑，建構科學、合理、高效的“縣·省”級測評工具是基礎教育信息化推進的有力保障。為充分發揮“縣·省”級對基礎教育信息化的決策和指導作用，實現頂層設計、科學規劃、精準建設，通過文獻研究、系統歸納、問卷調查和統計分析等方法，建構了面向大數據的BEI2.0“縣·省”級綜合測評指標模型，包含7個構面及其27個可測指標，并基于實證，采用信效度分析、結構方程模型和回歸模型對指標模型進行了驗證。結果顯示指標模型建構科學且結構合理，具有較高的實用價值，為推進我國基礎教育信息化發展及綜合精準測評提供了普適、客觀、有效和系統的工具支撐。

[關鍵詞] 大數據; 基礎教育信息化2.0; “縣·省”級（縣、省兩級）; 綜合測評; 指標模型

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 陳金華（1967—），男，重慶石柱人。教授，博士，主要從事基礎教育信息化戰略與學習空間建構、教育大數據測評與學習分析、人工智能與智慧教育研究。E-mail：csdcjh@126.com。

一、引? ?言

大數據和教育信息化是我國的國家戰略，面向大數據的教育信息化自然已成為國家教育改革和發展規劃的重中之重。《教育信息化“十三五”規劃》明確要求研制教育信息化水平測評指標模型和測評辦法，全面開展教育信息化督導評估，這充分表明在大數據背景下教育信息化測評作為指導和檢驗教育信息化發展水平的“試金石”從頂層設計上得到重視。多年來，基礎教育信息化發展指標作為衡量我國基礎教育信息化發展水平的重要工具，在教育信息化建設中發揮著重要作用。但是研究發現，國內外現有指標模型研制多依賴于主觀判斷的思辨性研究，囿于專家定制或組織提供，缺乏大數據支持，目標局限于某一學校或“特定區域”的發展狀況考察，是否有效很難證明。它們忽視了內生動力的培育，難以綜合反映“縣·省”（縣、省兩級）級基礎教育信息化進展狀況，很難激發基礎教育信息化政策的“造血功能”，更無法很好地體現新時代BEI2.0規劃設計的實際效果。我國長期以來實行“以縣為主”的教育經費投入體制，“縣”既是教育之首又是教育之尾，以縣省兩級為對象測評BEI2.0綜合水平，既可以較好地反映當下縣與縣級之間的差異，又可以直接映射以縣為單元的城鄉差異，還可以統整省級綜合水平進行全國性比較。以“縣·省”為主可以有效督促教育經費精準投入，切實加強基礎教育信息化建設。因此，在大數據與教育信息化2.0背景下，建立客觀、精準、普適的BEI2.0“縣·省”級綜合測評指標模型，以“縣·省”為對象全面測評BEI2.0綜合發展水平，準確把握建設進展、及時發現發展短板、科學制定發展規劃是當前亟待解決的突出問題。

二、研究綜述

大數據與BEI2.0是近年來研究者一直都關注的熱點。面向大數據的BEI2.0“縣·省”級綜合測評目的是利用教育大數據專門測評“縣·省”級BEI2.0發展水平，以進行“縣·省”級縱橫比較，明確“縣·省”級自身情況。要建構面向大數據的BEI2.0“縣·省”級綜合測評指標模型，必須深入研究指標模型的發展邏輯和建構機理。為此，有必要對面向大數據的測評、“縣·省”級測評以及綜合測評指標模型的國內外研究“歷史”做出深入考察。

（一）面向大數據的測評研究

面向大數據的基礎教育信息化已經成為教育現代化的主導方式，呈現出一道數據化的教育景觀。Cukier認為大數據開啟了重大的時代轉型，就像顯微鏡觀察微生物和望遠鏡遙觀宇宙一樣，大數據改變了我們理解世界的方式[1]。Michael等認為大數據是依托于互聯網的思維方式革命。分布式大數據為教育信息化規劃（P）、設施（F）、資源（R）、應用（A）、人才（T）、保障（G）和效果（E）進行遠程動態測評奠定了基礎。面向大數據的基礎教育信息化（BEI）持續推進模型[2]的提出，把教育信息化測評推向了新的技術高度，成為教育過程、教育行為和教育質量的“全景化”數據監控。基礎教育信息化測評大數據主要來源于“縣·省”級教育平臺，是基礎教育信息化常態過程中產生的過程性數據和結果性數據，屬于教育測評大數據的子集，具有常態化、易采集、結構化程度高等優勢。基礎教育信息化測評大數據的研究才剛剛起步，在大數據和教育信息化2.0時代，應加快建設，為BEI2.0有效測評及分析診斷提供客觀性支持與條件。

（二）“縣·省”級測評研究

我國國家尺度的基礎教育信息化測評體系仍然沿用“六要素模型”[3]，基礎教育信息化測評工具在國家“六要素模型”的引領下不斷開發涌現。據不完全統計，目前我國構建的指向縣域的指標模型有伊川縣、偃師、嵩縣指標模型，保靖、鳳凰指標模型和“縣級監測評估框架”[4];指向省域的指標模型有“X”省指標模型[5]、甘肅指標模型、寧夏指標模型[6]和上海指標模型等。深入分析這些指標模型可以發現，雖然指標的客觀性、針對性、準確性尚存不足，但仍然較為全面地涵蓋了基礎設施、資源、人才和應用等指標內容，相比于非“縣·省”級測評具有“補短板、抓關鍵、促規劃”的作用。

（三）綜合測評指標模型研究

Solar等從基礎設施、教育管理、管理者、教師和學生等五個方面構建了立體化教育信息化測評模型[7]。Korea運用能力、探訪、應用和滿意度四項指數測定BEI綜合發展水平[8]。通過對EUC（2008—2009）、UNESCO（2002—2009）、Japan（2000）、USA（1996—2001）、Eurydice（2001）等國際組織和國家典型基礎教育信息化指標模型研究發現[9]，國外基礎教育信息化測評指數的突出特征即涵蓋規劃、環境、資源、應用、人才和保障等6 大維度。我國基礎教育信息化測評指標模型研究大致可劃分為三類：一是顧全大局類，如教育信息化建設與應用研究課題組提出的設施、資源、管理、人才、政策、產業6維度指標[10];二是注重應用類，如包含教師、學生、校長和骨干教師四層面的指標模型[11];三是關注資環類，如指向設施、資源、效能、機制和保障的指標模型[12]。抽取這三類指標模型詳細分析可以發現：其一，建構指標模型的方法絕大多數是質化研究，極少數是量化研究;其二，雖然隨著教育信息化的發展升級在指標模型的規劃、人才和效果等內容有所增強，但指標總體綜合能力還是略顯不足。

三、研究設計

（一）研究思路與方法

本研究首先通過文獻分析進行理論梳理，然后確定研究對象、選擇抽樣方式、研制研究工具、明確統計方法，綜合采用質化研究與量化研究相結合的研究方法建構面向大數據的BEI2.0“縣·省”級綜合測評指標模型，質化研究主要是通過文獻分析和訪談調查進行理論梳理、模型構面建構與構面指標建構，量化研究主要是通過問卷調查和統計分析進行模型驗證。在模型構面建構與構面指標建構研究中主要是通過指標海選、指標初選和指標定量篩選以建構指標框架。在量化研究中主要是運用SPSS 24.0統計軟件進行聚類分析和探索性因子分析以抽取指標，最后進行結構方程模型（利用AMOS24.0）驗證和回歸模型驗證，以獲得較為客觀、準確、科學的指標模型。

（二）研究情景與對象

本研究借助某省中小學教師信息技術培訓項目，按照省教育廳評定的全省教育強縣、教育中等縣和教育弱縣各選3成，對中小學校長、信息技術管理人員和教師進行問卷調查，參與調查者年齡在23～55歲之間。抽樣采用整群抽樣與隨機抽樣相結合，抽樣教師分布情況為：男教師418（46%）人，女教師482（54%）人;小學教師300（33%）人，初中教師350（39%）人，高中教師250（28%）人。發放結構式問卷900份，剔除75份無效問卷，回收有效問卷825份，問卷的有效回收率為91.7%。此外，對8位小學校長、9位初中校長和6位高中校長進行了個人深度訪談，對10位中小學信息技術管理人員和25位教師進行了焦點小組訪談。

（三）研究工具與統計分析

本研究以構面指標建構的33個測量指標設計的《面向大數據的BEI2.0“縣·省”級綜合測評指標模型問卷》（以下簡稱《問卷》） 及訪談提綱為研究工具，《問卷》從“面”的視角出發，訪談從“點”的視角看問題。《問卷》包括人口統計學信息，采用李克特（Likert）7點計分法，1分為很不符合，7分為非常符合。統計分析根據目的不同使用不同的軟件進行數據處理。利用SPSS24.0分析整體樣本數據，數據無缺失值和異常值，并將數據分成了兩個樣本，一個樣本（n=413）數據用于預試，進行聚類分析和因子分析提取指標架構;第二個樣本（n=412）數據用于指標模型驗證，即用AMOS24.0建立結構方程模型驗證和用SPSS24.0建立回歸模型驗證。

四、指標模型建構

模型建構是現代科學研究中常用的一種方法，要求模型具有良好的普適性。人們在建構模型的歷史長河中，形成了科學建構測評指標模型的一些原則。指標間要相互獨立、保持差異，尤其是橫向比較時要求口徑一致。在大數據時代，指標模型建構主要研究如何從大數據中抽取適宜的指標，并根據指標信息構建結構化的指標與指標之間的關聯關系。從現有研究上看，建構面向大數據的BEI2.0“縣·省”級綜合測評指標模型主要有兩個關鍵環節：一是模型構面建構;二是構面指標建構。

（一）模型構面建構與假設

面向大數據的BEI2.0“縣·省”級綜合測評指標模型是由一系列用于測評縣省兩級BEI2.0綜合水平的指標集合，具有結構嚴謹、信息豐富、功能性強等特征。本研究根據以上原則遵循、（文獻）理論梳理與BEI2.0（三全、兩高、一大）框架研究，初步確定了測評指標模型的7個構面，即基礎教育信息化（BEI）規劃（Plan）、設施（Facilities）、資源（Resources）、應用（Application）、人才（Talent）、保障（Guarantee）和效果（Effect），即BEIP、BEIF、BEIR、BEIA、BEIT、BEIG和BEIE，指標模型構面如圖1所示。

圖1? ?指標模型構面

基于此，提出理論假設：BEIP（H1）、BEIF（H2）、BEIR（H3）、BEIA（H4）、BEIT（H5）、BEIG（H6）和BEIE（H7）是衡量BEI2.0綜合水平（BEICL）高低的顯著因素，其水平越高綜合水平越高，并對綜合水平有正向影響。

（二）構面指標建構與預試

在模型構面建構的基礎上，根據BEI2.0測評指標模型建構的原則遵循、研究思路與研究方法，利用“縣·省”級教育大數據平臺進行BEI2.0“縣·省”級綜合測評構面指標建構，其建構流程如圖2所示。

第一步：建構根基——多元方略。面向大數據的BEI2.0“縣·省”級綜合測評指標模型建構具體包括五個方面：現有指標篩選、大數據平臺抽取、理論模型分解、問卷調查建構和專家智慧生成。建構路徑依賴于縣或省級教育大數據平臺，平臺數據包括由下級向上級呈報的數據和“縣·省”級教育大數據平臺監測的數據，指標模型面向平臺大數據進行多元化、精選化和綜合化融合建構。

第二步：指標篩選——去粗取精。綜合測評指標篩選是依靠“縣·省”級教育大數據平臺“去粗取精”實現的，其篩選步驟如下：（1）指標海選。海選是根據BEI2.0測評指標模型應遵循的原則和基礎教育信息化目標，通過“建構根基”將能反映BEI2.0綜合水平的典型的基本符合要求的指標選入其中。（2）指標初選。初選是在海選的基礎上，用Dale可用性工程理論和系統分析方法[13]提出的八個標準：可測性、敏感性、可預測性、典型性、可控性、響應性、穩定性和整體性逐一考量，將符合五個以上標準的指標選入其中。經過初選大體指標框架形成。（3）定量篩選。定量篩選常用Delphi法或數學模型方法（包括最小均方差法、極大極小離差法和因子分析法），其中因子分析是最常用的方法，將在預試中詳細論述。

第三步：指標識別——火眼金睛。指標“火眼金睛”甄別包括四個方面：（1）特征識別。即指標的可計量性和確定性識別，使指標表現出征象或標志。可計量性是通過指標計算彰顯指標特征，確定性決定指標力求認識復雜、超越復雜和追求簡單之目標特征。（2）對話識別。指標對話是指研究者與研究者、研究者與決策者、決策者與決策者之間的知識、信息和智慧共享，對話識別包括概念識別、核心識別、外延識別、價值識別和權重識別。（3）檢測識別。科學的指標模型是測評結果是否正確的前提，檢測識別包括單個檢測、重點檢測、必要性檢測和全面檢測識別。（4）合成識別。合成識別是按照自下而上合成為“父節點”的價值，直到最后合成為測評總目標的總價值。綜上，通過識別后生成了33個可測指標。

第四步：指標預試——架構落成。指標預試是通過問卷數據抽取符合建構原則的潛在構面及測量指標的過程。預試采用探索性因子分析，首先進行人口學信息統計分析、KMO值和Bartlett 球形檢驗。結果符合要求，KMO值為0.882，Bartlett球形檢驗值為0.000小于0.001，說明適宜作因子分析。然后采用主成分分析法、最大方差旋轉，經7次迭代抽取出測量指標。依據指標篩選三原則：刪除跑錯構面的指標、刪除因子負荷量過低（小于0.6）的指標和刪除交叉負荷量過高（大于0.4）的指標。從旋轉后的成分矩陣得到了因子載荷量滿足要求的指標模型，并對測量指標進行了編碼和解釋，這樣預試結果架構落成（見表1）。為便于有序識別和結構方程模型驗證，按照因子載荷的大小對指標進行了排序，并將因子的初始特征值（7個構面）和對應的因子得分（取絕對值）相乘求和，將結果標準化，得到了各測量指標比較精準的權重，這種客觀性的權重測算方法可在未來大數據或區塊鏈驅動的綜合測評權重的自動化賦值中應用。

表1? ? ? ? ? ? ? ? ?綜合測評指標模型編碼

為進一步檢驗因子分析效果，進行了聚類分析（Cluster Analysis），聚類譜系如圖3所示。

圖3? ?聚類譜系

通過聚類分析，可視化反映了7個合理構面及其指標聚類形成的體系。這樣，通過指標識別的因子就匯聚成了7個構面27個指標模型架構，待接下來的指標模型驗證。

五、指標模型驗證

模型建構之后，必須進行驗證。建立正確、可靠、有效的測評模型是保證測評效果具有較高可信度的關鍵和前提。通過預試基本確定了面向大數據的BEI2.0“縣·省”級綜合測評指標模型。為達到指標模型建構的科學性要求，以下利用“第二個樣本”數據進行信效度驗證、結構方程模型驗證和回歸模型驗證。

（一）信度與效度驗證

為避免各測量模型權重過大，首先對測量模型進行信效度評估。通過指標修正、無相關分析以及相關性分析，得到構面的信度（CR）、收斂效度 （AVE）和區別效度見表2。

根據Hair al et、Fornell and Larcker[14]建議，表中組成信度CR皆大于0.7，說明具有內部一致性，即指標足以代表構面。AVE（BEIR為0.496）接近或大于0.5，說明具有良好的收斂效度。對角線粗體字為AVE開根號值大于構面之間的相關系數，代表7個構面具有區別效度。

（二）結構方程模型驗證

結構方程模型（SEM）驗證利用AMOS24.0和“第二個樣本”數據建構因子模型，其中，一階驗證性因子分析用以檢驗指標模型的7構面結構擬合程度，二階驗證性因子分析用以檢驗指標模型結構的合理性。一階驗證性因子分析按照指標修正原則，淘汰因子載荷量小于0.6的指標和淘汰修正指數最大指標，將原識別的指標淘汰6個指標（BEIP3、BEIR4、BEIA3、BEIT4、BEIG2和BEIE3）進行修正之后，得到與因子分析吻合且適配性較為理想的7個構面27個指標的一階因子修正模型，如圖4所示。一階模型因子負荷量介于0.605至0.913之間，而且信度系數都大于0.5，最終的擬合指數均在標準值以上，模型適配度良好，滿足結構方程模型的擬合度參考指標要求，也表明修正的結構方程模型通過了驗證。

為了進一步驗證一階因子修正模型7個構面是否具有更高階共同因素BEI2.0綜合水平（BEICL）存在，本研究采用二階驗證性因子分析（圖4），來檢驗是否能使用一個高階因子BEICL去解釋上述7個構面。運用指標模型一階因子修正模型與二階因子模型比較，用一階因子修正模型的卡方值574.909除以二階因子模型的卡方值615.610，結果值為0.934接近1，說明BEI2.0級綜合測評指標模型可以用二階因子模型取代一階因子修正模型，使模型更為簡化。判斷二階因子模型是否成立，包括兩項判定標準：一是二階負荷較高;二是與一階模型相比二階模型未顯著惡化。此二階因子模型中標準化二階負荷取值在0.550～0.851之間，說明二階因子與一階因子間擁有較強的關系，二階模型沒有顯著惡化擬合，且從各項擬合指數來看，二階模型與一階模型相差無幾。由此說明通過二階模型驗證了7個構面的相關，能夠由一個高階因子BEICL去解釋，二階模型具有理論和實證上的合理性。

二階因子模型還表明了一階因子修正模型存在共同影響效應，其效應系數（即H1-H7）分別為0.687、0.550、0.761、0.851、0.488、0.550、0.655，說明外生與內生潛變量之間的作用均有顯著的直接正相關。另外，模型P值達到顯著性水平，表明這7個構面能較明顯地反映出BEI2.0綜合水平的高低，進一步證明了原假設（H1-H7）成立。一階因子修正模型與二階因子模型的擬合度見表3。

從表3一階因子修正模型與二階因子模型的擬合度驗證值看，χ2/df、RMSEA、GFI 、AGFI 、CFI、NFI、TLI、 SRMR（Standard Root Mean-square Residual）的擬合值滿足擬合良好標準，模型對數據擬合通過。充分說明結構方程驗證支持前面探索性因子分析（預試）得出的綜合測評指標7構面結構模型，修訂后的包含27個題項的綜合測評指標具有良好的結構，從擬合值也可以看出原假設（H1-H7）具有正向影響成立。

（三）回歸模型驗證

利用回歸分析將自變量與因變量的關系進行驗證，整個回歸系數a與模型摘要驗證結果見表4。

回歸模型非標準化B值皆在0.327以上表現為顯著，標準化Beta值均在0.582以上表示重要程度較高，決定系數 R2能解率在33.9%以上。D-W在1.5～2.5之間即可說明無自相關現象。VIF都小于5，說明自變量之間不存在多重共線性。回歸分析得到模型的擬合優度符合指標規定，說明原假設（H1-H7）成立。

六、指標模型的進一步分析

為實現教育信息化2.0的基本目標：“三全、兩高、一大”，落實國家意志“未來石油（大數據）”的應用研究，運用質化與量化相結合研究的“縣·省”級綜合測評指標模型建構邏輯表現為三個方面的特征：

（一）指標模型的建構科學性

指標模型通過“研究綜述”“研究設計”和“模型建構（包括模型假設、建構根基、指標篩選、指標識別和指標預試）”建立起了指標體系理論框架，經過因子分析、信效度驗證、SEM驗證和回歸模型驗證，建立了比較嚴格的理論方法邏輯和模型假設檢驗，建構了面向大數據的BEI2.0“縣·省”級綜合測評指標理論模型，研究過程目標明確、步驟清晰，具有較高的科學性，并可以從客觀上得出重要的結論：指標模型可以作為BEI2.0“縣·省”級的綜合測評工具。

（二）指標模型的結構合理性

本研究采用主成分分析法和直接斜交旋轉法，得到7個構面（因子），指標因子提取規范。因子負荷量皆大于0.6且不存在雙負荷的情況，交叉負荷量小于0.4，每個因子下所屬項目的含義相對一致，不存在命名困難，進行聚類分析譜系與7個構面完全吻合。指標組成信度CR皆大于0.7，內部一致性較好，平均方差萃取量AVE大于0.5，AVE開根號值（0.7以上）皆大于構面之間的相關系數，收斂效度和區別效度良好。研究以第二批數據進行驗證性因子分析，一階結構方程模型（圖4）擬合指數均達到理想標準。在絕對擬合中，RMSEA值為0.055（小于0.08）和RMR值為0.040（小于0.05），GFI值為 0.874和AGFI值為0.843、皆接近0.9，整個模型可以解釋樣本方差與協方差的程度，Chi-sqr值為574.909、Chi/DF值為1.897（小于3），表明模型的擬合效果良好。在相對擬合上，借用一些可比較的標準與假設模型自身進行比較以檢驗擬合效果，選用的指標CFI值為0.936（大于0.9），NFI值為0.875接近0.90，屬于可接受的范圍;TLI值為0.926（大于0.9），符合模型擬合良好的標準。指標結構方程一階因子模型因子負荷量皆大于0.605， P-value值為1.897、Df值為303，滿足模型擬合良好的標準。進一步采用二階因子模型（Second Order Confirmatory Factor Analysis）分析發現（圖4），Chi-sqr、P-value、Df、Chi/DF、CFI、TLI、AGFI、RMSEA等值通過檢驗標準均符合測評指標工具要求。在回歸方程模型（表4）中，基礎教育信息化規劃（BEIP）、資源（BEIR）、應用（BEIA）、保障（BEIG）和效果（BEIE）的B值較大，分別為0.457、0.542、0.601、0.420和0.515，說明了它們是基礎教育信息化建設中的重中之重，特別是基礎教育信息化資源（BEIR）值為0.542、應用（BEIA）值為0.601和效果（BEIE）值為0.515對基礎教育信息化發展的影響更加突出、更加顯著和更加重要，這也恰恰與基礎教育信息化推進實踐中的幾個具體關鍵相吻合，應予以高度重視和重點建設。

綜上模型結構分析充分說明：指標模型結構驗證性因子分析結果支持探索性因子分析得出的結論，面向大數據的BEI2.0“縣·省”級綜合測評指標模型7個構面27個指標能夠適配且達到較好結果，證明該模型能夠較好測評BEI2.0 “縣·省”級綜合發展水平，說明指標模型結構具有較好的合理性，整體框架設計符合教育信息化2.0的要求。

（三）指標模型的領域適用性

大數據與教育信息化2.0時代，以數據驅動為科學邏輯的工具開發已經成為研究的常態。BEI2.0 “縣·省”級綜合測評作為一種新興的測評理念，需要國內外進一步的相關研究以及有效的測評工具。國外教育信息化的測評研究相對成熟，USA、UNESCO、EUC、Eurydice、UK 、Japan、Korea、Canada、Singapore 等分別研制了自己的指標模型并已應用于實踐，且均被證明具有較好的重測信度、結構效度和效標效度。已有研究表明，國內包括國家尺度、省域尺度、區域尺度、縣域尺度和校域尺度的教育信息化測評指標模型研究也比較豐富。然而，這些國內外測評指標模型皆是教育信息化1.0時代非數據驅動的開發產物。從教育信息化2.0視角出發，面向大數據的BEI2.0 “縣·省”級綜合測評指標模型能更好地適用于當前教育信息化發展，因而相較直接運用國內外的指標模型，建構符合中國國情的BEI2.0（三全、兩高、一大）“縣·省”級綜合測評指標模型更具有實際意義和應用價值。

七、結? ?語

推進面向大數據的BEI2.0“縣·省”級綜合測評是我國基礎教育信息化均衡、高速、持續發展的重要戰略。實現基礎教育信息化公平發展，“縣·省”級是關鍵環節。但長期以來我國基礎教育信息化綜合推進并不理想，測評尺度蕪雜，缺乏科學的統一標準和客觀性依據。在大數據和教育信息化2.0時代，必須構建“縣·省”級教育大數據平臺，建構大數據驅動的BEI2.0綜合測評指標模型，不斷完善適應時代發展要求，抓住關鍵環節建立動態測評模型和機制，為客觀、精準、全面測評我國BEI2.0綜合發展水平提供工具支持，為“縣·省”級基礎教育信息化發展提供持續性的可視化報告。唯有如此，才能為“縣·省”級、國家教育行政提供最優化策略，指導基礎教育信息化建設和應用，推進基礎教育信息化更精、更好、更快可持續發展。

[參考文獻]

[1] CUKIER K.The rise of big data：how it's changing the way we think about the world[J].Foreign affairs，2013（3）：29-40.

[2] 陳金華，陶春梅，張旭，廖靜雅.面向大數據的教育信息化持續推進模型建構[J].中國電化教育，2019（6）：52-57.

[3] 呂新奎.中國信息化[M].北京：電子工業出版社，2002：42.

[4] 李賀.縣級教育信息化發展水平監測評估框架建構研究[J].中國電化教育，2017（7）：107-114.

[5] 張屹，白清玉，楊莉，范福蘭，周平紅.基礎教育信息化應用水平實證測評模型及差異分析——以X省為例[J].電化教育研究，2015（3）：34-40，95.

[6] 楊永賢，楊曉宏.區域基礎教育信息化效益評估體系構建——以寧夏回族自治區為例[J].中國教育信息化，2014（13）：67-70.

[7] SOLAR M，SABATTIN J，PARADA V. A maturity model for assessing the use of ICT in school education[J]. Educational technology & society，2013，16（1）：206-218.

[8] KIM J，LEE W Y.An analysis of educational informatization level of students， teachers， and parents： in Korea[J].Computers & education，2011，56（3）：760-768.

[9] 陳金華，傅鋼善，唐靜，江琴，王育欣.國內外基礎教育信息化測評指標體系研究綜述[J].電化教育研究，2017（3）：29-32.

[10] 祝智庭，余平.智慧城市教育公共服務評價指標體系研制[J].開放教育研究，2017，23（6）：49-59.

[11] 郭炯，吳亞婕.甘肅農村遠程教育項目運行的績效研究[J].中國遠程教育，2006（11）：61-64.

[12] 吳砥，尉小榮，盧春，石映輝.教育信息化發展指標體系研究[J].開放教育研究，2014，20（1）：92-99.

[13] DALE V H，BEYELER S C.Challenges in the development and use of ecological indicators[J].Ecological indicators，2001，1（1）：3-10.

[14] HAIR J F，BLACK W C，BABIN B J，et al.Multivariate data analysis（7th Ed.）[M].New York：Macmillan，2009.

[15] 吳明隆.結構方程模型——AMOS的操作與應用[M].重慶：重慶大學出版社，2014：52.