基于需求圖譜分析的智慧教育督導發展策略研究
——以國家智慧教育督導平臺建設的實踐為例

□ 張 生 孫 睿 曹 榕 辛 濤 沈 陽

一、問題緣起

伴隨著新一代信息技術的創新發展，大數據的研究和應用也滲透到教育領域，高質量教育體系的構建依賴教育數字化轉型（祝智庭等, 2022）。《教育部2022年工作要點》提出“實施教育數字化戰略行動”，加快推進教育數字轉型與智能升級，要求按照“需求牽引、應用為王、服務至上”的原則，深入推動全領域、全要素、全流程、全業務的數字化意識、數字化思維和數字化應用（黃榮懷,2022）。《加快推進教育現代化實施方案（2018—2022年）》中提出要重視數據對教育治理的作用，開展數據支撐下教育治理模式的創新與變革（張志華等,2022）。聚焦教育督導領域智慧化建設，充分利用智能技術感知、預測和預警教育方針貫徹落實、教育投入保障、教育評價改革、師德師風及校園安全運行等情況，及時把握師生認知和身心變化、家長和社會輿情變動，主動、及時、精準地作出決策，形成教育數字化治理新策略和新能力，實現教育督導數字化轉型升級，成為應然之選。

近年來，在國家教育信息化政策推動下，伴隨基礎設施、教學平臺建設，國家和地方在智慧教育督導方面已經取得了較為豐富的基礎性成果，如省級人民政府履行教育職責測評系統、國家義務教育質量監測平臺、幼兒園辦園行為督導評估系統、縣域學前教育普及普惠督導評估申報和審核系統等。地方層面的典型案例：北京教育督導信息管理應用系統中設計開發的督導數據采集功能、督學責任區網格化管理功能、教育輿情監測功能、教育決策支持功能等（趙麗娟等,2018）。學界也有關注智慧督導的學者對“智慧督導”進行了概念界定，分析了人工智能時代教育督導工作隊伍的建設策略，提出在基礎教育領域形成政府宏觀管理、學校自主辦學、社會參與評價、多元主體協同共治的治理模式（劉夢夢等,2020）。也有學者提出通過機器人即時智能回復與人工客服功能相結合的平臺構建，探索基于互聯網的交互式教育評價（鄭巧等, 2008; 劉廣超, 2019），或提出新一代信息技術，力圖從治理結構上推動協同化的治理主體、扁平化的治理層級、透明化的治理空間，從治理功能上推進科學化的治理決策、精準化的社會治理和高效化的公共服務（陳潭,2021）。

綜上所述，不管是工作實踐還是學術研究，信息技術賦能教育督導變革，不斷推進教育督導向“智慧督導”進階。督導職能向雙屬性演進，即“業務管理屬性”和“公眾服務屬性”并重。因此，精準把脈“雙屬性”驅動的需求，是構建我國智慧教育督導（以下簡稱“智慧督導”）發展框架頂層設計的關鍵。然而，在當前復雜的互聯網和移動應用環境下，服務供需雙方“雙盲”現象普遍存在，通過構建需求圖譜來分層拆解問題目標，逐級精準定位，才能找到最適切的理論框架、創新取向及其技術路徑。基于“多元共治”理念，利用信息技術將碎片化的用戶需求進行知識萃取、知識融合和知識挖掘，從離散的非結構化的數據中整合出有價值的用戶分層分類需求，在教育督導領域知識、信息化應用模式、用戶個性化需求之間建立起互聯互通的“橋梁”，是本研究所體現的價值意蘊。

二、研究設計

為了明確我國智慧督導發展的方向和重點，課題組基于國家智慧教育督導平臺的建設實踐，從問卷客觀數據結果、主觀訪談訴求表達切入，采用調研問卷數據分析和訪談文本LDA 主題算法挖掘兩種方法，對兩種模態的數據進行深入挖掘，以求更全面地反映地方需求。研究設計思路如圖1所示。

圖1 研究設計流程圖

（一）研究對象

研究以全國31 個省（自治區、直轄市）和新疆生產建設兵團的省級、地市級、區縣級督導相關人員及學校負責人為研究對象，采用分層隨機抽樣，對省級人員、市級人員、區縣人員和學校負責人進行分層抽樣。具體步驟為：①每個省份抽取1 位省級人員，共計32 人；②每個省份（除直轄市、建設兵團外）隨機抽取4 個市，每個市抽取1 人，共計116 人為市級人員（21×4+6×2+4×5，考慮到部分省份為平臺建設的試點省份，或已有成熟的省級督導平臺，因此，浙江、湖南分別抽取6 個市，江蘇、寧夏、遼寧、四川分別抽取5個市）；③每個省隨機抽取3個區縣，每個區縣抽取3 人，共計108 人為區縣人員（26× 3+6×5，考慮到4個直轄市沒有市級，以及部分省份為試點省份，因此，這些區縣人員分別多抽取2 人）；④每個省份隨機抽取兩所學校，每所學校抽取1人，共計64名學校負責人。綜上所述，研究對象包括省級人員32人（占全部樣本的10.0%），市級人員116人（占全部樣本的36.2%），區縣級人員108人（占全部樣本的33.8%），學校負責人64人（占全部樣本的20.0%），平均年齡為40.12±2.93 歲。另外，研究目的、自愿原則等相關事宜已提前告知研究對象，并取得其同意。研究共發放問卷320份，最終均有效回收（有效回收率100%）。

（二）問卷編制

目前，關于智慧督導的研究較少，僅萬紅波等人（2018）提出過明確概念：智慧教育督導是教育督導信息化、網絡化、智能化的一個過程。本研究結合上述定義，參考教育督導信息化和教育管理信息化的概念，提出智慧督導的概念內涵。前者指充分利用信息技術開發利用教育督導信息資源，促進信息交流與共享，充分、高效、科學地履行教育督導職能的過程（趙麗娟等,2018），后者則為推動政府轉變教育管理職能、提高管理效率和建設現代學校制度的有力手段（教育部,2012）。綜上所述，本研究認為智慧督導為利用大數據、人工智能等信息技術，整合、共享、建立教育督導相關數據、資源和指標模型庫，將其融入教育動態監測、信息研判、可視化智能決策等環節，從而形成科學、高效、多方參與的教育督導新生態。

已有研究證實，政府電子服務能力受政府互聯網資源、科技人才、財政支出、需求規模、經濟發展等因素的影響（丁依霞等,2018）。此外，《教育信息化十年發展規劃（2011年—2020年）》中提出，未來教育信息化行動包括：①提高教育信息管理水平，即建立教育管理信息標準體系與系統，推動教育電子政務，優化教育管理與服務流程；②多方共建共享，即要形成政府購買服務與市場提供個性化服務相結合的機制；③信息化隊伍建設，即加強教育信息化標準化工作和隊伍建設；④經費保障機制，即制定教育信息化建設和運行維護保障經費標準等政策措施（教育部,2012）。本研究參考相關文獻與政策文件、咨詢4名專家（2 名技術研發人員，2 名教育部督導業務工作者），最終確定問卷結構包括4 個維度，各維度的題目數分別為17、9、5、3，共34個，詳見表1。

表1 問卷指標體系

（三）檢驗效度

課題組邀請6名專家對問卷做內容效度評價。在6名專家中，3名為地方系統技術人員，3名為教育領域高校教師（教授1名，副教授2名，分別來自教育技術專業、應用統計專業、教育管理專業）；博士3名，碩士1 名，學士2 名；工作年限為5.83±1.25年。6名專家均認同問卷的指標體系，問卷總體內容效度為0.89，內容效度良好。課題組參照專家意見對部分問題的措辭進行修改，刪除包括重復含義的題目，最終確定問卷總題目數為31個。

（四）訪談大綱編制與對象選取

為全面了解各地智慧教育督導平臺建設情況，課題組采用文獻調研與專家指導相結合的方法編制訪談大綱。對31 個省（自治區、直轄市）和新疆生產建設兵團已有智慧教育督導平臺建設的各級用戶進行隨機抽樣訪談調研。本次訪談前后共計開展四輪調研，訪談對象為從有效問卷中隨機抽取的樣本，共160人，抽取方法為：①4 個直轄市省級人員均為訪談對象；②市級人員為每個省份樣本人數除以2 后的向上取整；③區縣人員為每個省份樣本人數除以2后的向下取整（4 個直轄市不做處理，試點省份向上取整）；④學校負責人訪談對象量為問卷樣本量的一半（試點省份不做處理，另從東部、中部和西部地區中各選取1個省份不做處理）。訪談分為4輪，每輪訪談對象人數為40 人。為保證訪談數據結果的代表性，訪談對象來自東部、中部和西部的省、市或區縣各級工作人員，同時包括平臺所面向的五級用戶。

（五）LDA主題模型的研究設計

為了在問卷之外更開放性地獲取地方對智慧教育督導平臺建設的需求點，我們綜合使用了文本聚類方法。傳統的TF-IDF 模型由于向量維度過高、數據稀疏，不能解決同義詞和多義詞問題。LSA（Latent Semantic Analysis） 模型和PLSA （Probabilistic Latent Semantic Analysis）模型雖解決了上述問題，但算法復雜度較高（Hofmann, 2003; Landauer & Dumais,1997）。LDA 主題模型對PLSA 模型進行了貝葉斯改進，通過引入文本主題分布來降低數據維度，減少模型運算的復雜性（Blei et al., 2003）。LDA 主題分析模型（Latent Dirichlet Allocation）由Blei 等人提出，主要用于推測文本中的隱含主題，它使用一個服從狄利克雷分布的維隱含隨機變量來表示文檔中主題概率的分布，來模擬文檔的產生過程（Blei et al.,2003）。本文使用LDA 模型對訪談數據進行挖掘。

1.數據采集

本研究對160位隨機樣本進行4 輪訪談調研，將訪談錄音轉為訪談紀要文檔。文檔篩選過程為刨除標題、訪談人與訪談對象的基本信息、人名類詞語、內容提綱類文本，最終得到訪談的客觀和主觀記錄文檔共計140 份，699,298 字，3,182 個自然段落，平均每份文檔約4,994個字，22個自然段落。

2.文本預處理

本文采用Python3.7 的jieba 分詞包、re 字符串處理包，通過自定義用戶詞典分詞處理，篩查出錯誤詞匯與無實際意義的詞匯，形成停用詞詞典，最后去除停用詞，對文本進行向量轉換。具體轉換步驟如下：第一，通過梳理《深化教育督導改革轉變教育管理方式的意見》《關于加強教育督導與評估工作的意見》等51 份政策文件，篩選出教育督導相關的專業性詞匯，如“優質均衡”“教育職責”“基礎教育”“學前教育”等，豐富自定義用戶詞典；第二，通過jieba 分詞包，對原始訪談文檔進行分詞處理（如圖2 所示），并從中篩查出錯誤分詞的詞匯，將錯分詞匯整合后添加至自定義用戶詞典中，以便計算機識別；第三，根據分詞處理后的結果數據，篩選出語氣詞、虛詞、助詞、人名等一些無實際意義的詞，如“個人建議”“總結”“舉個例子”“陳處長”等，形成中文停用詞詞典，提高訪談文檔與智慧教育督導的相關性；第四，使用Python 中Count-Vectorizer 函數對去除停用詞后的文本進行向量轉換，轉為LDA模型分析所使用的向量模式。

圖2 文檔語料分詞前后對比（部分）

3.LDA模型參數設置

本研究提取特征詞語數量為3,000個，納入關鍵詞的最大、最小閾值為50%和1，前者意味著若某個單詞的頻率大于50%，將不視為主題的關鍵詞。本研究采用1,000次為最大迭代次數，α值設為50/K，β設為0.01（徐戈等，2011）。

三、調研結果

（一）問卷結果

1.教育信息管理與共建共享

調查數據表明，66%的調研對象表示本省（市）已建立正在使用的網頁或客戶端形式的智慧督導平臺，且平臺使用頻率高（占比86%）、用戶規模大（200人以上占比57%）。但仍有81%的調研對象表示平臺之間數據不互通，且沒有外鏈的數據庫。在平臺業務上，主要聚焦于督政、督學和評估監測，占比分別是95%、86%和62%。在平臺建設與維護上，97%的調研對象表示平臺來源于市場采購、單位與企業聯合研發；95%的調研對象表示平臺由第三方專業團隊維護，這一群體中已提出平臺的升級改造計劃的調研對象占81%。在未來升級計劃中，90%以上的調研對象表示希望建立輔助預警決策的智能數據可視化功能或系統。

2.信息化隊伍建設與經費保障機制

數據表明，88%的調研對象表示地方督導配備人數在3～9人之間，均值為7人，在這一群體中已專門設置督導人員崗位的調研對象占78%。在經費保障機制建設上，66%的調研對象表示當地已針對督導信息系統的建設投入相關經費并對來年提出經費預算，而“缺乏業務培訓與指導”是主要的建設困難（占比97%）。

（二）LDA主題模型結果分析

大量研究證實LDA 主題數K 值對主題抽取的結果產生直接影響。在大量研究中，困惑度（Perplexity）是常用的主題數選取方法。它可以刻畫主題模型的泛化能力，對模型的性能做出量化評價（Blei et al.,2003;王婷婷等,2018;趙凱等,2020）。但困惑度選取的主題數目往往偏大，從而使得主題之間相似度較大。主題相似度，通過測量兩個主題間主題詞概率分布間差異性來反映，往往采用KL散度（Kullback-Leibler Divergence） 來衡量 （Arun et al.,2010）。參考Arun 等人（2010）的實驗結果：KL 散度越小，主題數越接近最優值（KL 散度見公式2）。基于此，本文權衡模型的泛化能力和主題抽取效果，將主題困惑度與主題相似度作為最優主題數選取的指標。

通過Python 編寫程序，設置最大主題數為15、步長為2來計算困惑度Perplexity得分。當主題個數為7時，困惑度Perplexity得分曲線和主題相似度曲線處于最低處（見圖3和圖4），因此基于困惑度Perplexity和主題相似度兩種計算方法，所得到的最優主題個數為7個。

圖3 困惑度結果曲線圖

圖4 主題相似度結果曲線圖

將7 作為主題數代入LDA 主題模型，通過運行Python 程序后輸出7 個主題下的關鍵詞。為節約篇幅，本文僅呈現每個主題下詞頻排名前五的關鍵詞，主題-關鍵詞矩陣如表2所示，主題占比與詞頻見圖5。

表2 主題-關鍵詞矩陣

圖5 主題占比和關鍵詞頻數圖

（三）基于問卷、訪談數據協同分析的需求圖譜構建

依據《關于深化新時代教育督導體制機制改革的意見》等51 個文件的政策精神，課題組對問卷調研結果和LDA 主題聚類結果進行了數據比對、溯源、編碼。通過德爾菲專家分析法，對主客觀數據結果展開綜合賦權與融合分析，對問卷調研結果中可用于校驗“需求”的Item 因子和LDA 主題聚類后的特征詞庫進行權重解析和綜合評價。結果表明：問卷調查中的客觀題數據能夠較好地量化不同層級用戶對需求要素的主觀認知，其中的權重因子項與核心需求主題詞有很高的一致性。

在需求圖譜構建過程中，運用一級主題詞（核心需求）和二級主題詞（關鍵需求）對不同用戶多個維度的細分需求進行精準繪制，進而為國家層面精準感知地方各層級的共性和個性化需求提供參考。如圖6 所示：一級節點為“核心需求”，包括提升社會公眾參與、數據打通與融合、業務優化與一網通辦、督導隊伍建設、政策資源投入、智能預警與決策支持、提供多元化用戶體驗，其節點大小取決于LDA 聚類系數由大到小的排序；二級節點為“關鍵需求”，包括五級用戶、數據外鏈、多元形式、協同、可視化、信息技術。圖6借助節點與節點之間的“邊”，用可視化的方法形象地表達了專家賦權后的需求關系。

圖6 需求關系圖譜

1.提升社會公眾參與

教育督導業務社會化是“管評辦”逐漸分離的現代學校制度和教育公共治理制度的體現，有助于解決督導業務過于行政化，缺乏專業性的問題（黃崴,2009）。在提升社會公眾參與需求中（占比最高，達20.2%），訪談過程多次提到“地方”（詞頻65次），其余高頻詞匯均涉及學生、家長、教師等督導前線人員。此外，在問卷結果數據中，57%的調研對象表示系統用戶規模達200 人以上，規模增大在一定程度上也表明有更多層級對象的納入，這一事實在數據上也得到證實：在平臺開放層級調研上，表明智慧督導平臺開放應用層級至區縣級的比例達100%。LDA 關鍵詞和問卷數據比例反映出調研對象對提升社會公眾參與高度的需求，以及部分地區對該需求的響應能力。

2.數據打通與融合

數據打通與融合是訪談者對平臺建設的另一個需求（主題詞詞頻占所有詞匯詞頻的18.3%），他們希望智慧教育督導平臺實現業務數據庫的整合，并建立起統一的數據標準和指標體系，打破原有各地之間存在的數據壁壘。從LDA 詞頻矩陣來看，“業務數據”的詞頻最高，為54 次，這說明以數據驅動為導向是智慧教育督導平臺的基石。這一事實在問卷調查中也有呈現，在已外鏈至其他數據庫的地方督導系統中，教育事業統計相關數據庫和中小學辦學條件數據庫的占比分別為33.3%和19.0%。詞頻矩陣中較高詞頻的詞匯分別是“指標體系（52 次）”“數據管理（35 次）”“數據標準（30 次）”；問卷中81%的樣本也表示當地的督導系統并沒有外鏈的數據庫，仍處于“數據孤島”狀態。從主客觀兩個角度來看，在平臺建設的數據方面，地方希望能夠建立統一的指標體系與數據標準，將數據融合打通作為平臺建設的重點。

3.業務優化與一網通辦

評估監測、任務單等5個主題詞詞頻占全部詞匯詞頻的15.8%，這反映了督導業務優化與一網通辦的需求點內涵。根據問卷調研，智慧教育督導平臺的業務使用基本聚焦于督政、督學和評估監測（在問卷調研對象中的占比分別為95%、86%和62%）。督導機構重組、義務教育普及和農村教育改革等歷史為我國督導中督政、督學的結合提供了實踐和理論本源（楊穎秀等,2005）。督政包括自上而下各級的督政，也包括各部門之間的橫向督政。由此，督導任務單之間的流轉顯得尤為重要。在LDA 數據結果中，“任務單”“業務”的詞頻分別為34次和30次。可見，地方需要將督政與督學過程中發現的問題以靈活快捷的任務單“一鍵觸達”業務流轉至各層級，以改善原有的各級業務線混雜、業務執行拖延的狀況，實現業務的優化。另外，評估監測作為督導的重要手段，同時是督導三大業務之一（主題詞詞頻占比62%），未來平臺減少加入評估監測系統或功能也成為各地的需求（LDA主題詞詞頻為57次）。

4.財政與資源投入

財政與資源投入詞頻占比為13.0%。第一，“專家”和“信息技術”的詞頻分別是33次和32次，訪談對象表示希望督導信息化平臺建立全國教育專家庫，為地方提供專家咨詢窗口，提高義務教育地區均衡水平。除了督導業務的專家資源投入，信息技術方面也是地方的訴求之一。50%的問卷調研對象表示在教育督導信息化中存在“缺乏專業的技術團隊研發或維護系統”的困難。同時，某省督導局工作人員表示項目前中后期都需要大量技術支持，技術人員投入問題亟待解決。第二，從經費方面來看，“資源”和“財力”的詞頻分別為27次和23次，多個訪談者表示信息建設是個持續戰，目前財政體系支持很不理想，且不同地區的資源存在差異。問卷結果也表明：47%的問卷調研對象表示“缺乏專項的經費支撐”。由此，專家投入和專項專款建立是督導信息化過程中財政資源投入的核心。

5.智能預警可視化與決策支持

缺乏可視化交互呈現，難以有效、直接地支撐教育行政部門的各項工作（楊宗凱,2017）。在問卷調研中，90%以上的問卷調研對象表示希望建立輔助決策的數據可視化智能系統。LDA 結果顯示，可視化成為主要關鍵詞（詞頻40次），訪談對象希望系統能夠將數據智能化地轉化為可視化大屏，而非傳統上依靠人工的數據計算和文檔呈現。決策依靠數據事實已經成為共識。在訪談文本主題挖掘中，“分析”一詞也多次被提到（詞頻17次），這里指的不僅是傳統數字的分析，還希望在平臺中內嵌豐富的數據分析模型、文本挖掘模型，如word2vec、Mirt等，便于對督導評價和公眾輿情數據作定時性、多樣式的報告，為教育督導科學決策提供準確、科學的數據支持。另外，訪談文本中提到“調研”（詞頻12 次），或希望能將實時調研數據實現報告自動化，或是對平臺提供調研工具開發檢驗計算，或提供成熟的調研工具使用產生需求。最終，平臺用戶可以依據上述內置工具或系統有效讀懂數據背后的問題，實現科學決策。

6.督導隊伍建設

督導隊伍建設詞頻占比為12.8%。第一，“培訓”詞頻最高（詞頻59 次），97%的調研對象表示“缺乏業務培訓與指導”。調研對象都表示未來培訓要通過信息化手段，提供線上課程，解決各級人員培訓隊伍過于龐大的問題。第二，“隊伍建設”也被提到多次（詞頻30 次）。隊伍建設包括年輕力量注入、信息化水平提高、崗位專職建設等方面。從隊伍年齡構成來看，78%的問卷調研對象的年齡段在31～50歲之間，另有19%的年齡在50歲以上。訪談對象也表示多數督學為退休返聘，年齡較大，無法深入實地完成督學任務。從信息化水平來看，43%的問卷調研對象表示“人員信息化應用能力較低，使用系統較困難”。從崗位專職建設來看，仍有22%的問卷調研對象表示未設置專門的督導人員崗位。訪談對象表示當地的督學多為學校校長兼職，隊伍松散。另外，“績效考核”也值得關注（詞頻17 次），訪談對象表示缺乏硬性的考核標準，熟人之間考核結果不客觀，同時也表達了提供督學績效補貼的需求。

7.用戶體驗多元化

由于移動設備深入日常生活中，對于系統的使用不再局限于電腦的操作。“用戶體驗多元化”詞頻占比為9.1%，“智能手機”（詞頻26 次）、“移動端”（詞頻13次）被提及多次，這反映出地方希望平臺終端能夠多元化，形成PC 端和移動端的有機結合。如某教育局局長表示：“希望教育督導在信息安全上加強，未來能夠在電腦、瀏覽器、QQ 和微信上都打通，實現跨云端跨情景的使用。”“多功能”（詞頻24次）是地方在功能多元化方面的需求。地方希望系統既要有普適的功能，又要有個性功能，同時希望增加問卷調查功能以輔助地方督導決策。“小程序”也被提及多次（詞頻11 次），“小程序”是指依附在某個應用程序上的接口功能，這一主題詞的提出反映地方對智慧教育督導平臺使用的任意性和伴隨性要求高。正如某督學表示：“現在微信人人都有，督導平臺應該嵌入微信，這樣人人都會順手使用。”由上可知，平臺的移動化、伴隨化、多功能化是地方對用戶體驗具體方向。

四、基于需求圖譜分析的智慧教育督導發展策略建議

按照國家關于深化教育督導體制機制改革的整體部署，結合地方督導的實際需求，構建全國統一、分級使用、開放共享的“國家智慧教育督導平臺”是我國教育督導向智慧督導轉型升級的關鍵。基于上述研究結果和數據分析，深度融合國家與地方需求，我國智慧教育督導平臺建設遵循的邏輯進路如圖7所示。

圖7 國家智慧教育督導平臺建設邏輯進路

督導的智慧化進階，本質上是基于數據的深度運用。在圖7中，平臺建設以數據為驅動，面向全域督導干系人的“分層分類服務”，實行統一數據標準與多接口管理，將“協同共治機制”下的多方數據匯聚至涵蓋各級用戶、指標模型庫、算法庫以及可視化引擎、觸發與決策機制在內的數據自動化生態圈中。發揮多端協同和數據自動化生態的作用，讓各級人員實現常態化調研、提交數據、預警報警與報告獲取，逐步實現“問督于民”與“全過程智治”。“平臺+隊伍”雙輪驅動是平臺可持續發展的基礎，一方面依靠穩定的經費投入保障系統運維，并在“協同共治機制”下，根據實際需求對不同業務、區域、層級下的子系統進行集成，實現全方位的共建共享；另一方面要依靠教育測量與評價、教育大數據等學科布局和信息化培訓，做好督導人才儲備以及信息化素養提升工作，夯實智慧督導發展的基礎。

（一）完善以數據驅動為核心的智慧督導體系架構

基于需求圖譜分析，國家智慧督導平臺建設的體系架構以數據驅動為核心，如圖8所示。通過創新數據采集方式和數據分析、展示以及結果運用，建立各類督導數據匯聚、整合、清洗和建模的數據中臺，形成一個涵蓋自然語言處理、機器學習、關聯分析、教育統計和心理測量成熟的程序模型庫，服務應用層模塊靈活調用。同時，實現數據可視化，提升督導專家和業務干系人對數據的理解能力，打通數據采集、指標提取、指標可視化、智能預警、預警報告觸發各環節，形成可視化的從數據到決策的閉環。為構建“長牙齒”的教育督導問責新局面提供有力的數據支撐。

圖8 以數據驅動為核心的智慧督導體系架構

（二）創設多場景應用為基礎的“全民參與”協同機制

基于需求圖譜得知，從第三方參與到全面參與的教育督導新體系構建，是民心所向。將“問督于民”落到實處，有賴于提高社會參與度。一方面包括將第三方引入督導評估與教育公共治理的環節，另一方面要為大眾提供有效的政策性服務。從用戶體驗的角度，要打造輕量級、便捷性強的交互操作平臺，創設智慧教育督導模式下的多場景應用。從教育服務的屬性出發，要跳出傳統硬件設備的圈子，構建起電腦、平板、手機互通互聯的多元終端網絡，設計流程優化與多端協同；通過建設“智慧教育督導門戶網站”“微信公眾號”“小程序”等，有效支持學生、家長和社會各方有序參與教育督導活動，健全師生、家長、社會共同參與的協同監管機制。從教育管理的屬性出發，經過數據采集、匯聚整合、清洗和建模處理后進行數據可視化，實現教育督導結果跨部門、跨區域、跨層級的場景運用，創設涵蓋教育全領域的“主動發現問題、精準診斷問題”的應用場景，創新“一鍵觸發”式教育督導工作新范式，也將成為智慧督導的著力點。

（三）遵循資源整合為目標的“平臺+隊伍”雙輪驅動原則

依據圖譜分析結果，一方面，教育督導信息化的經費投入應有所保障，支撐督政、督學和評估監測等業務板塊的信息化系統運維；另一方面，與教育數字化戰略行動背景下國家智慧教育平臺整體建設理念保持一致，充分利用現有的督導信息化建設成果，應用為王，加強連接與集成，集智攻關資源開發和應用開放，實現共建共享。從國家層面制定數據資源標準，設定安全標準，設計“質檢”體系和“安保”體系，為資源建設、地方系統對接和平臺融合等定規則、立規矩。如圖8所示，業務層要發揮好已有的省級人民政府履行教育職責測評系統、學前教育普及普惠督導評估系統、縣域義務教育均衡發展督導評估系統、國家義務教育質量監測系統等多個平臺和資源的基礎支撐作用，整合集成、改造“升艙”。加強督導相關專業的學科布局規劃、人才儲備以及信息化素養培訓力度，發揮現有督學專家隊伍，要嚴格督學聘任，創新督學管理模式，建立激勵機制，把有能力、有品德、有熱情、有擔當的同志吸納到督導隊伍中來。要加強培訓，不斷提升督導人員的政策水平和數據業務能力，強化“智慧督導”工作勝任力，進一步優化人、財、物資源整合格局。

五、總結與展望

本研究基于國家智慧教育督導平臺建設實踐，將教育學的研究方法與大數據技術手段相結合，以不同層級、不同角色用戶的需求為研究對象，在傳統的問卷調研基礎上，采用文本挖掘技術，實現了對用戶開放性需求的挖掘，通過融合“自下而上”的數據分析彌補了傳統研究/工作方法對各級各類用戶需求“自上而下”理解的不精準，構建了國家智慧教育督導平臺需求圖譜，并基于圖譜分析，為教育數字化轉型背景下，在我國教育督導邁向智慧督導高階階段進程中，頂層設計者精準感知用戶需求從而制定平臺技術路線提供科學分析與決策支持。

然而，在國家教育數字化戰略行動的快節奏進程中，由于“國家智慧教育督導平臺”Ⅰ期的建設和上線周期較緊，本研究也存在一些局限。本文構建的需求圖譜僅為靜態圖譜，未充分考慮督導業務在數字化進程中的轉型升級而引發用戶需求的動態變化。后續在國家智慧教育督導平臺上線實施中，團隊將持續以“應用為王”理念，改進需求識別與提取算法，且行且思、且建且用，通過發揮平臺自身優勢，創建“常態化需求調研”任務流程，納入智慧教育督導工具集，周期性地獲取各級各類用戶需求和體驗的相關數據；在大數據分析技術方面不斷加強人工智能技術賦能，如加入Word2Vec 模型，加強對主題詞間關系的刻畫，并以此為數據基礎進行主題自適應聚類；結合支持向量機、樸素貝葉斯等方法，智能挖掘高價值需求信息，刻畫更全面的需求特征庫，從而形成全周期、動態性的應用需求立體綜合畫像，用以指導平臺的持續升級迭代，為國家教育督導向智慧督導進階奠定良好的決策支持基礎。