數據驅動在教育領域中的應用現狀研究
——數據驅動在體育專業課程中的應用研究(一)

王 凱，盧叢媚，藍 瀟，李鳳梅，何江川

前言

遵循“讓數據說話、用數據決策、靠數據管理”的設計理念，深度融合教育領域和科研領域的需求，大力促進當前教育發展的個性化、智能化，是當前大數據背景下教育發展的新思路、新模式。本研究針對專業課程結構建設的優化研究從數據決策出發，對提高教育、教學質量，建立、健全人才培養體系有重要實踐意義。根據前期文獻，現將教育數據驅動在課程中的應用現狀匯總如下，為數據驅動在體育專業課程結構優化中應用提供參考。

1 數據驅動在課程結構優化中的應用前景

1.1 數據驅動的應用發展

(1)數據驅動研究模式的產生是發展的需求

隨著時代的發展，科學研究經歷了實驗、理論、計算三個時期的研究跨度，當計算科學達到一定基礎，個體、群體、社會數據信息的累積量、占有率達到驚人的規模，此時，以占有海量數據為前提，在超大功效計算能力計算機的支持下，采用恰當的數據處理模式、運算方式，發現、挖掘數據潛在價值，尋找數據信息隱藏規律的“第四研究范式”自然而然進入到科學研究的視野中。自此，在大數據背景下，以數據科學作為詢證的依據，以數據“證據鏈”驅動決策的模式，逐步的補充、占有，甚至取代傳統的經驗、直覺為依據的主觀決策模式，使得“數據驅動”為模式的研究成為現今各領域研究的主要模式[1]。因此，將“數據驅動”的研究范式——“第四研究范式”應用于教育領域，對課程專業建設進行探索、討論，極具現實意義，可使學科專業課程結構建設、優化更為科學、合理，對體育專業課程建設亦然。

(2)數據驅動決策研究模式有其獨特的應用優勢

圖1 “傳統經驗驅動”決策與“數據信息”驅動決策的對比

數據驅動決策在一定程度上摒棄傳統經驗式決策，堅持以數據、信息等客觀依據為基礎，利用軟件、模型，借助計算機的計算能力，形成具有科學論證依據的“證據鏈”來支持、捍衛管理中以現實、結果為導向的決策過程，因此，數據驅動的過程本質是決策過程，但其決策過程與傳統的決策具有較多差異，是傳統經驗驅動決策與科學推論驅動決策的融合(如圖1)。而相較于傳統“經驗式”決策而言，“數據驅動”決策具有其獨特的應用優勢(表1)。

表1 傳統“經驗式”與現代“數據驅動”決策特征對比

1.2 數據驅動在課程結構優化中的應用現狀

首先，大數據背景下的數據驅動可使戰略決策涵蓋內容更完整、更系統，使戰略決策發展方向更具科學性、針對性、精準性，且能滿足當前教育發展的個性化、智能化需求。教育領域各學科從不同主體、不同視角、不同層面開展了針對性研究，研究主要集中在大數據平臺建設、小樣本數據挖掘技術應用研究、數據可視化呈現研究、數據“畫像”研究、數據評價的應用研究等方面。

第二，當前“數據驅動”研究成果的側重點多在理論層面進行探討，實踐性較少，“服務下沉”不足。現今，數據精準挖掘、分析、診斷、監測、反饋的循環機制建設形成了多樣的理論成果體系，部分院校、機構也開展了小樣本的典型試點推廣，具有了一定的可推廣性、攤鋪性，但數據“壁壘”的存在同樣是影響了數據驅動發展的阻礙之一，這與“統一、開放、共享”的國家數字教育資源建設方向不一致。各高校、機構的“點”已具備領域內標準化規模，在各個行業、系統內的“線”具有了一定的行業規模體系，尚未在全局的全方位覆蓋的“面”上具有突破性進展[2]，未來在理論轉化為實踐的道路上可能存在“區域化、地方化、特色化”的全面、綜合發展可能。

第三，數據技術、教育領域理論兩者之間融合不足。近年來教育大數據的挖掘在各課程的建設和開展中逐步開展、推廣，尤其是智慧教室、線上課堂建設等，產生了大量的教育信息數據，然而在研究過程中，數據分析過程及結果呈現在相關教育理論指導下進行的較少，致使數據技術、教育領域理論兩者之間融合不足成為突出的現象。在體育科學領域同樣存在各類問題。

綜上所述，結合地區、學校、專業來開展數據驅動在體育專業課程結構優化的研究具有現實意義，在微觀層面符合學生個體及學校體育學科專業發展需求，在中觀層面符合地區體育教育事業、體育產業、競技體育發展需求，在宏觀層面符合國家體育領域群眾體育事業、競技體育事業、多元多層次的體育產業發展需求，因此，開展教育數據在體育專業課程機構優化中的應用研究極具可操作性。

2 教育數據信息的特點及指標的設定

2.1 教育數據信息的特點

隨著科學技術的發展和教育模式的日新月異，相較于傳統課堂直接面對面授課，單純的師生互動已成為授課和教學模式中的一部分，現今，人機互動、區域化模塊鏈接、智能個性化學習方案制定等均在不同場景中呈現出來，因此，教育數據信息在其領域內呈現出獨特的特征，主要包括：復雜性時變性、網絡時代性、動態協同性、高階類化性。

首先，復雜時變性。大數據驅動分析涵蓋全方位的數據信息，體量較大，其變化不單單局限于課堂相關信息的影響，與課程設置、師資資源、校園環境、教育政策等均具有關聯，此時，政策的穩定與否、師資資源配置級別、課程設置情況等均會使教育數據信息在復雜環境中呈現出時變的特征，此外，各地區教育水平、教育資源的不均衡，各地政策的不一致，也同樣導致教育數據信息呈現出區域化的特征，因此，關注教育數據信息的復雜時變性是研究教育數據驅動決策的首要切入點，任何的教育決策脫離其復雜的背景和時變性，大數據將不具有現實意義。

其次，網絡時代性。科學研究范式的改變是基于社會不斷發展和變化的，教育常態化的網絡技術應用也顛覆了傳統的師生課堂面對面式關系的存在模式，呈現其獨特的時代性特征。“人機互動、區域化管理、體量化授課、多平臺協作、網絡資源共享”等均成為網絡時代運用于教育領域的具體手段，也是這個時代教育技術的前沿表現[3]，因此，教育數據的獲取需從多條途徑入手，借助更多的現代網絡技術手段才能夠更好地實現，也才更能體現出科學技術發展背景下教育現代化的時代性。

第三，動態協同性。知識的學習包含教師為主的傳授和學生為主的接收，在這個動態過程中，智能系統能夠挖掘更多數據信息，達到智能化自適應的程度，而教師根據相應的不斷變化的大數據信息，適時地轉變教學方法，調整教學方案，可更好地使學習活動開展下去，也可更好提升教師授課中“基于數據決策的智能決策”的轉變速度，更充分的把握、掌控、認知現代教育學的客觀規律。此外，需根據多平臺數據信息的多領域、多層次、多主體的屬性，使教育行為涵蓋個體、群體教育生涯的全階段，模擬、創造不同的教育情境更迭，提升不同個體和群體學生學習為中心的程度，形成多主體、全方位的以數據為依據的協同培養體系，促進對教與學的更深層次的認識與反思。因此，在動態的教育情境中根據教育數據進行決策，才能不斷地促進多主體、全方位的協同合作，進一步的提升和優化教育決策水平，體現教育數據驅動的先進性。

第四，高階類化性。基于教育數據為基礎的決策，可為教育者和受教育者制定適合不同群體和個體的最優化培養和學習方案，使教育過程中的決策更科學化、智能化、精準化，而個性化方案的制定同樣能使服務過程更加靈活、多樣、開放、終身。在此過程中，數據驅動為內涵的決策過程是決策智能化的體現，脫離了過往經驗式的決策，體現數據驅動決策的高階性，此外，多樣化的數據決策方案面向不同的對象和群體，也更能突出教育理念中的“以人為本”，使學習成為“內驅力”下的自主行為，提升學習效率。因此，基于教育數據信息的驅動是更加高階的智能化行為，是面向全部對象和群體，進行不停分析、迭代、建模的過程，此過程中的“模型”針對不同的“類”群體和個體極具實踐意義。

2.2 教育數據指標的設定

首先，單一指標的選取，突出核心元素。成績是衡量學生專業學習效果的最核心指標[4]，因為課程成績的評定方式一般具備相對健全的監督體系，結果也相對客觀、嚴肅；不論是過程性評價還是終結性評價，始終不能脫離學習成績為核心的評價標準，而考核是具有診斷性質的信息，是最客觀的，一門課程是一次終結性評價，多門課程則會形成課程與學業相關聯的單一評價指標下的過程性評價與終結性評價相協調和匹配的評價體系；此外，成績的多次測試得到的多次成績的最終預測有較高的可靠性，平時數據的積累可對預測結果進行有效的補充，間接的幫助教育實施者更好決策[5]。因此，單一指標的選取，以成績作為核心元素，具有傳承性、科學性。

其次，多元指標的選取，突出優質。課程考核的本質是評價與評定的統一過程，以成績為主導核心體系在當前教育突出差異化的要求下是較為合理的選擇，利用成績指標形成一個多指標評價的體系是理想的解決思路；優質的多項指標通常是對個體的不同方面進行評定，常規教學模式中常采用平時成績、考核成績、作業成績等，按不同的比例形成一個總成績進行綜合評價，這樣的課程評價模式涵蓋了過程性與終結性，具有較高的可操作性，長期使用精準有效，是較為理想的選擇；此外，把不同的評價主體獲取的成績納入考核體系中也是部分教師采取的評價方式，該過程整合教師評價、學生自評、學生互評獲得的分數，最終形成一個評定分數，避免了評價主體的單一性所造成的絕對性，但在這個評價實施的過程中，應當注意不同評價主體的價值取向和能力具有差異的，當評價主體多元化時，評價的過程將容易造成差異化的結果[6]，此時設定評價的框架與標準是必要的。

第三，覆蓋全面的指標選取，突出掌控全局發展協調、可持續。評價指標的選取在實踐中以成績為指標具有科學性、合理性、可操作性，因為成績數據是單一結構的數據，可消除量綱的影響，能直接量化個體與個體、個體與群體、個體與全體相互之間的關系程度，可更好地兼顧個體和全局，提升課程與課程培養體系的地位；對學生評價的目的性要明確，指標要具有較高的針對性、可靠性、指導性，最好具備體系性[7]，這樣才能發揮和放大評價的積極性功能，因此，怎么樣突出過程性評價與終結性評價相結合、質性評價與量化評價相結合、共性評價與差異性評價相結合才能兼顧到個體、小樣本、群體的方方面面，并更為清晰、準確的體現個體和群體的整體發展過程和各階段狀況；在評價實施的過程中，指標的更新迭代要具有發展性，不斷地進行更新，使指標更具針對性。因此，覆蓋全面的指標選取，是指標不斷地更新的動態、可持續過程。

教育數據信息最終目標是服務于教育過程當中的決策[8]，使管理、教學提升“三效”，因此，秉承“數據驅動”的理念才是最為核心的部分，體育專業課程在“數據驅動”理念的支持下，結合教務管理工作實際、體育專業課程特征、體育專業學生發展狀況、體育專業教師特征等，機動靈活的設定具有代表性的指標才能夠更好地服務于體育教育事業的發展，促進數據驅動在體育教育領域決策的科學化、精準化、前沿化。

3 教育數據信息的采集

首先，數據信息驅動決策是一項系統的過程。在數據驅動研究領域，針對不同的問題可生成不同的解決方案，不論采取何種方案，最終的目的均是選擇最優化的方案來實現目標，這個過程是基于高精度、高密集度的數據支撐來實現的。在教育領域，以學校為單位進行統一化管理的過程中，大量的數據信息在積累中快速增長，而且隨著教育活動的不斷變化呈現海量化增長，更新速度流轉也較為迅速，與此同時，低價值的數據也隨之而來，面對此現象，做好頂層設計，制定技術標準，在各部門的協調運作下實現數據的常規化管理是一項艱巨的系統性工程。

其次，多元化、可選擇性是數據采集的關鍵。教學活動、教務管理的多元化決定了評價方式的多元化，教育目的實現途徑的多選擇性也決定了評價主體、客體和介質的可選擇性，進而造成以學校、部門、個體為單位積累的數據涵蓋的主體不同，面對的對象不一樣，因此，通過數據驅動決策，精準服務于各類活動的開展，可有效提升教學活動和教務管理水平。在此過程中，如何選取優質的量化指標，如何將質性評價與量化評價、過程性評價與終結性評價有機的結合起來，是數據指標選取和整理的關鍵要素。

表2 常見涵蓋過程性、終結性數據信息體現

第三，數據信息采集需涵蓋教育的過程性、終結性。學生個體的發展有其獨特的規律，在一定意義上呈現群體性特征，是教育規律的體現，因此，根據教育發展的規律，應注重過程性發展，又兼其終結性結果；過程性數據可從宏觀、中觀、微觀三個層級進行思考，常見數據化評價如表2所示；就單次行為、單一課程、某一階段而言，可作為其某一時期的過程性評價，從長遠來看，任何事物的發展都是在積累的過程中實現的，總體形成個體發展的最后狀態，因此，微觀、中觀、宏觀的概念是相對的，過程性評價和終結性評價的概念亦是，當前的結束意味著下一階段的開始，教育者在踐行教育理念的過程中要辯證的、客觀的面對事物的發生。

表3 不同主體線上和線下獲得數據信息點位

第四，線上、線下數據信息采集是當前教育活動開展的重要環節。主體的不同在線上和線下能夠獲得的數據信息的渠道和目的是不一樣的，具體如表3所示；針對單獨某一次課堂的數據分析，在日常可以參考表4的關鍵點位進行數據收集[9]；線上授課是現今的教學常態，從線上獲取數據信息是課程數據資源收集的重要部分[10、11]，整理當前文獻發現常見的線上獲取數據信息指標如表5所示。

表4 課堂數據信息收集關鍵點位

表5 在線學習平臺數據信息關鍵環節

4 結論與建議

大數據背景下的數據驅動戰略決策發展方向更具有科學性、針對性、精準性，能滿足當前教育發展的個性化、智能化需求，但實踐性較少，“服務下沉”不足，以及數據技術、教育領域理論兩者之間融合不足影響著數據驅動在體育專業領域的應用。教育數據信息呈現出復雜性時變性、網絡時代性、動態協同性、高階類化性的特點，而結合數據信息特征及體育科學的特點進行數據收集才能更好地服務于數據驅動在體育專業領域的應用。

在教育數據信息指標設定時，單一指標的選取，以成績作為核心元素，形成覆蓋全面的掌控全局發展協調、可持續的指標體系，是數據信息指標設定的重要內容；數據信息驅動決策是一項系統的過程，數據信息采集過程中多元化、可選擇性是數據采集的關鍵，而教學數據信息采集需涵蓋教育的過程性、終結性，并兼顧線上、線下數據信息。綜上所述，如何根據體育學科的專業性來選取、設定適合體育學科的指標體系可借鑒其他學科，但體育專業課程理論性、實踐性、技能性的自身屬性需納入量化指標體系中才能夠體現“數據驅動決策”在體育專業課程中的應用。