教育數字化轉型的數據賦能基礎與實踐

陳思睿 余勝泉

基金項目：“十四五”國家重點研發計劃項目“農村地區教師教學能力智能評測與教學精準輔助技術研究”（項目編號：2022YFC3303600）

[摘? ?要] 教育數字化轉型是教育發展和變革的必然趨勢，而利用數據賦能教育質量提升是當下數字化轉型的重點與難點。研究首先從信息生態和數據流轉的視角，分析現有數據難以有效賦能教育實踐的問題成因，并據此提出數據賦能教育高質量發展的基礎原理——以促進教育治理中人的業務協作與效率提升為原則，建立數據高效流轉的服務體系。其次，以公共教育服務平臺“智慧學伴”的架構設計與應用形態為例，闡釋如何構建面向多角色業務協同的數據服務，探索有效利用數據賦能區域教育質量提升的實踐路徑。研究提出，通過教育數據的中臺化、分析模型的可解釋化和應用服務的定制化，能夠有效促進基于數據流轉的教育業務協同，實現教育治理的全要素生產效率提升。

[關鍵詞] 數字化轉型； 教育信息生態； 數據賦能； 教育治理； 教育服務

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 陳思睿（1994—），男，陜西西安人。博士研究生，主要從事大數據教育應用研究。E-mail：wsswk311@163.com。

一、引? ?言

隨著互聯網、云計算、5G等信息技術的快速發展和廣泛應用，數字化的信息生態已經逐漸成為人類生存和實踐的全新場域。教育作為以往高度依賴線下信息交互的領域，在后疫情時代也被推入了數字化轉型的浪潮之中[1]。《教育部2022年工作要點》明確提出實施教育數字化戰略行動[2]，體現了這一不可逆轉的時代趨勢。

在數字化轉型過程中，數據將成為重要的生產要素，數據的資產化和其帶來的增值效應將成為未來教育生態的重要特征[3]。2021年6月，經合組織發布了《2021年數字教育展望》，指出數據革命和對教學與學習過程的重新想象正在推動教育的下一步發展[4]。數據，作為一種數字化的信息載體，是實現教育數字化轉型的基礎，而發揮數據賦能教育的潛力就在于通過數據生態實現價值生態的拓展，進而推動教育系統的創新和變革[5]。由此可見，探索數據賦能的現實路徑，構建科學高效的“數據能源”運轉體系，研究如何將數據的價值系統性地貫穿于教育實踐中，從而實現可持續的數據賦能教育質量提升，不僅在現實層面是教育數字化轉型的基礎環節和先行路徑，在價值層面也與數字化轉型的理念一致，具有重要的理論和實踐意義。

二、數據賦能的現實難點

關于如何充分挖掘數據賦能教育的巨大潛在價值，近年來全球教育研究者開展了廣泛的研究與豐富的實踐，包括微觀層面的個人學習活動[6]、中觀層面的教學與課程改革[7]和宏觀層面的教育系統治理[8]等，涉及多方面、多層次、多角度的教育場景與現實問題[9]。盡管人們對于教育數據的價值高度重視，為此也進行了大量的資源投入，但效果仍不盡如人意，數據的價值似乎在傳遞到教育現實的過程中出現了“斷層”。事實上，數據本質上是信息的載體，而信息的價值由人賦予。數據能否有效賦能教育實踐，取決于其中的信息能否有效被提取，并在人作為實踐主體的教育活動中實現價值變現。因此，數據是否承載了足夠的信息，這些信息能否被人所發現和提煉，被提煉的信息又是否與實踐改進相關，是數據價值鏈條中的三個重要節點，任何一個節點的阻塞都會影響數據賦能的有效開展。

（一）數據存儲割裂導致的信息碎片

廣受詬病的“數據孤島”“數據煙囪”，是對數據平臺割裂、信息交換困難、跨平臺業務難以開展等問題的生動比喻。在教育信息化的實踐進程中，具體表現為盲目建設大量的垂直業務系統，而系統與系統之間卻沒有建立數據交換和通信渠道，甚至難以支持統一的身份認證。這種數據信道的阻塞也必然導致業務數據碎片化的加劇，互不相通的數據在各自業務的垂直方向上持續累積，卻無法有效地被加以整合和利用，使得隱藏在多場景、長周期、跨業務教育活動背后的信息鏈條被切斷。但在教育治理的應用層面，需要數據作為一種信息載體發揮其良好的流動性，打破現實層面的物理障礙，以支持宏觀分析決策和龐大的業務協作。可以說，數據的連續性和完整性是支持教育問題中有價值信息提煉的前提，而數據平臺的割裂則降低了數據的流動性，形成了第一個節點上的阻塞。

（二）復雜算法導致的分析結果不可解釋

許多工業界的教育產品憑借企業級的數據積累，開始探索在教育活動中嵌入高復雜度的機器學習模型，并以“納米級知識點拆分”“自適應試題測驗”為主要特點宣傳產品特色。基于海量數據訓練形成的算法模型可以在特定事務和數據集上有良好表現，但其應用場景有所局限，算法本身的訓練機制亦依賴大量的同質化作答數據，其背后的知識觀與新時代所要求的學生素養背道而馳。同時，純數據驅動的機器學習模型往往缺少教育理論的支撐，缺少學科專家的教育經驗和實踐智慧的介入，這就使得模型的輸出結論對于教師而言難以解釋。可以說，以“黑箱”形式進行數據吞吐的復雜概率模型，難以滿足用戶對于數據使用的實際需求，從數據中得到的結論亦難以指向具體的改進行動，學生、教師等數據使用者實際上被剝離出了業務的決策過程，這就導致了第二個節點上的阻塞[10]。

（三）服務形態單一導致的數據價值與實踐應用脫節

數據中提煉的信息要在教育實踐中起到作用，需要整個教育治理活動中諸多分工的人作為中介，這就對數據服務的應用形態提出了更加精細的要求。如果沒有符合教育角色和業務層次的應用形式和特色服務，這條信息路徑就面臨著價值傳遞的“最后一公里”問題。目前，面向微觀學習活動和日常教學過程的教育應用，缺少將數據分析結果與建設性改進措施進行關聯，難以為學生、教師提供實際的幫助[11]；面向教育事業單位和教育行政部門的數據應用則多以數據大盤的形式呈現，缺少特色的分析服務和有價值的分析指標。數據的價值無法有效傳達到多角色的業務實踐中，也就無法沖破第三個節點的阻塞。

三、數據賦能的基礎原理

教育的數字化轉型需要數字技術在教育領域各個層面的滲透，形成積小變為大變的系統性發展[12]。隨著數字技術的不斷發展及其在教育中應用的持續深入，數字化轉型進程將逐步按照技術、業務和人本的層次演進[13]，最終實現人與技術的協同進化和雙向融合。由此可見，作為數字化轉型過程中的核心要素——數據，當面對其難以有效“賦能”教育治理的困境時，破解之道是從根本上指向“人”在數據賦能過程中的核心地位與重要作用。利用數據賦能教育的實際治理，需要以“解決人的問題”為價值原則，將數據的應用目的瞄準教育質量提升的實踐性問題，將數據的潛在價值輸送到教育分工的細枝末節，從而形成“以人為本”的系統性治理機制革新。據此，本文提出利用數據賦能教育高質量發展的基礎原理——以教育系統中多角色的高效協同為原則，通過跨業務數據流轉、可解釋數據分析和定制化數據服務三個層次的技術性改造，構建數據與需求精確對接的“數據即服務”模式，從而推動教育生態的全要素生產效率提升。基礎原理如圖1所示。

（一）跨業務數據流轉，建立數據賦能基底

促進教育質量提升是多角色、多環節、長周期的復雜系統工程，依賴多部門穩定、持續的高效協作。因此，利用數據賦能教育高質量發展的基礎在于保障數據在多部門、多業務、多角色之間的有效流轉，利用中臺化的技術架構建立穩固的數據應用生長底座。流動起來的數據，才可以較好地破解教育治理過程中的信息不對稱、開放性不足等問題[14]。這就要求目前“數據煙囪”形態的垂直式“單線流轉”，必須向更有助于數據融通的中臺化過渡。數據中臺化可以實現多方教育業務數據的整合，進行統一的數據開發、數據管理、接口維護和身份認證，對于支持更加復雜的上層應用具有重要價值[15]。

同時，中臺化對可復用的中層服務進行抽離，從而可以在保證數據規范的情況下，為應用側提供更加全面、靈活的數據服務集成[16]。通過跨業務場景的數據貫通，豐富的數據來源和分析視角成為可能，有價值的信息可以得到整合，進一步提升信息通道的透明度。因此，數據中臺化改造是數據得以高效流轉的基礎，也是建立個性化應用、促進多方協作、實現高效教育治理的前提條件。

（二）可解釋分析計算，創造數據應用抓手

利用數據賦能教育高質量發展的應用抓手在于具備良好可解釋性的數據分析模型，從而實現人機協同的決策智能。鑒于教育活動的高度復雜性以及教育評價的高利害性，數據在教育問題中的應用面臨更強的可解釋性挑戰。數據分析服務需要考慮教育工作者的主體地位和知情權益，讓用戶在明確的現實問題和熟悉的業務場景中應用數據[17]。因此，面向教育工作者的數據分析模型需要與現實問題場景和實際業務目標更加貼近，從而能夠有效“嵌入”用戶的日常工作中，持續發揮價值。

具體來說，這種面向教育業務的數據模型的可解釋性，主要通過數據來源與分析目標的雙向對齊來實現。一方面，在基礎數據中臺的基礎上，多源數據可以被靈活調用和整合，用戶可以根據自己關心的時間跨度、問題場景、業務環節和來源群體進行數據抽取；另一方面，用戶可以根據自己的分析目標，在已圈定數據范圍內應用不同分析模型，開展特定的分析事務，獲得不同程度的信息提煉，并由用戶決定數據分析對未來業務決策的干預程度。這種從數據來源到算法選擇的透明可控，使得用戶可以充分掌控數據的應用程度，能夠充分發揮機器的高效計算智能與人類的綜合判斷智慧兩者的優勢，通過信息對稱的人機協作，讓數據的“養分”更有效地被真實業務需求所吸收和利用。

（三）定制化數據服務，建立協同提效業務流

數據中臺化建立了基本的數據獲取能力，可解釋數據分析則規定了數據應用的基本機制。在此基礎上，需要建立面向教育過程中多業務、多環節、多角色的定制化數據服務，精準滿足各類數據應用需求，形成數據支持的業務流貫通。數據服務需要在分析目標、分析范圍、結果呈現、改進建議、交互形式等多個方面精確對應到不同角色的分工屬性和需求特征，從而促進教育治理分工體系下的群體協作提效、同頻共振，將單個環節的效率提升層層傳遞，實現多環節教育治理的效率增益累積。

首先，需要面向不同角色和需求建立服務體系框架，保證服務的全面性。如面向學業改進的學習類服務、面向教學改進的教學類服務、面向教師發展的研訓類服務、面向政策制定的管理類服務等。其次，特定服務要根據相關角色的業務影響力和分析視角進行分層，建立服務的層次性。如學情分析服務在分析范圍、時間跨度等具體參數上存在的差異，體現為教師更關心本班學生在本學年的學情狀況，教研組長更關心整個年級在某學科上的學情動態，而校長則可能更關心本校各個年級在整個學段的學情變化趨勢。最后，則需要針對不同角色的個性化需求進行服務的靈活配置和快速迭代，幫助個體建立自己的個性化服務集合，使其能夠快速基于服務所提供的功能開展業務、提高效率，提升服務的適配性。可以說，服務的精準打磨是促進多角色真正融入應用體系、完成數據價值傳遞“最后一公里”的必要環節。而以服務串聯起來的整體協同改進，必然帶來數據賦能的全要素生產效率提升。

四、數據賦能基礎教育應用實踐

——以“智慧學伴”為例

“智慧學伴”是致力于輔助區域教育質量提升的大數據公共服務平臺，該平臺在服務我國多個省市地區的基礎教育治理中發揮了重要作用，凸顯了數據賦能教育治理的價值[18]。隨著教育數字化戰略行動的實施、教育數字轉型和智能升級的加速推進，以及合作地區與單位的增加，不同用戶對于數據的應用方式和應用需求產生了明顯的差異化，也對“智慧學伴”的服務形式和迭代效率提出了新的要求。在此背景下，“智慧學伴”進行了服務架構的升級，以實現數據賦能的教育協同治理為基本設計原則，采取業務中臺與數據中臺相互配合的基本架構，以業務滋養數據，以數據連接業務，從而以輕量、敏捷的服務迭代響應基礎教育治理過程中的多樣化數據應用需求，具體體現為以下三個方面：

（一）面向多角色的數據中臺

“智慧學伴”的主要業務包括測評與考試中心、資源與內容中心、運營中心與用戶組織管理中心等。這些中臺業務不僅是服務具體需求的功能基礎，也是為數據中臺輸送數據的主要渠道。數據中臺基于統一的標準對業務數據進行加工、存儲和管理，形成了對應于各種業務服務的數據資產，這構成了“智慧學伴”的數據底座和核心數據能力。基于所積累的標準化數據資產，數據中臺的上層應用可以根據多角色用戶的需求提供靈活的服務能力。這具體表現為，在橫向上，不同業務中臺的數據可以實現整合和關聯，還原復雜教育業務中的多環節特性。而在縱向上，不同業務場景所關心的數據范圍、數據規模和數據形式可以按需提取。以基礎教育階段為例，“智慧學伴”的數字化中臺支持多角色協同的數據服務基本模式，如圖2所示。

“智慧學伴”的數據中臺將基本的業務數據資產打包為通過標準化數據API進行調取的數據服務，服務可根據用戶的業務類型、業務層次和個性化需求進行定制。由于現實中不同角色在所關心的業務上有不同側重，所以對應的數據分析服務也需要根據用戶角色進行適配。例如：班級層面的數據主要服務于班主任和各學科的任課教師，而基于兩類角色的分工差異，任課教師更加關注具體學科的考試數據，而班主任則需要綜合考試數據、日常評價數據和管理數據來輔助其對整個班級的管理事務。類似地，區域層面的數據服務根據服務對象不同，也需要做到精細化適配。通過數字化中臺對業務應用和數據應用的解耦，“智慧學伴”的數據服務能夠適應不同角色和業務對數據規模和數據類型的個性化需求，提供更高的服務靈活度和精準度。

（二）數據與專家知識聯合驅動的分析計算

數字中臺的技術性賦能為“智慧學伴”構建了更加靈活的數據服務模式，從而為數據價值向真實業務需求的精準映射奠定了數據基礎。對數據進行分析和計算的可解釋性是“智慧學伴”設計服務和應用的另一個重點。“智慧學伴”采取數據與知識聯合驅動的設計理念，利用平臺業務埋點和資源標注體系，實現專家知識與平臺數據的互解釋。

以平臺的核心業務——面向學生的學業水平診斷和學情評價為例，“智慧學伴”的資源與內容中心積累了近100，000道面向九大學科的經典題目和24，000多個學習資源，通過“診斷—改進”的閉環業務，支持教師開展各種規模的知識測評和學科測驗。為了使基于考試的評價數據和資源推薦結果能夠更加符合學科教師的理解和認知，“智慧學伴”構建了“3×3學科能力指標體系”[19]。該能力指標體系基于基礎教育階段九大學科專家的經驗構建，將知識的掌握水平以梯度化的指標呈現，并通過指標與數據對象的顯式關聯，實現能力測評工具、評價分析維度、改進策略制定的證據統一，貫穿于學業水平分析的全流程，如圖3所示。

通過將專家知識轉化為評價指標，與業務中使用的數字資源和操作過程進行關聯，就形成了相關數據分析鏈路的證據“埋點”，面向學習者的學情建模就可以通過日常的學業測評、作業、練習等形式獲得相應的標簽數據，平臺所提供的診斷報告和改進建議就有了學科視角的教育依據，便于教師理解和接受，有助于教師開展更加精準的教學改進。

（三）定制化數據服務個人中心

為了解決前文所述的“最后一公里”的問題，需要進一步提高數據服務的個性化程度，將數據的應用形式和分析手段與用戶個人的實際需求進行深度綁定。“智慧學伴”通過定制化數據應用中心的形式，輔助不同角色建立與自己日常教育業務高度相關的分析工具集和個性工作流。一名用戶的數據應用中心如圖4所示。

首先，用戶可以在自己的數據應用中心添加具備訪問權限的相關數據集，從而跟蹤數據的最新動態；其次，用戶可以對數據進行各類條件操作和基礎處理，并將相關操作指令整合進工作流；處理后的數據已經與用戶的具體業務高度相關，此時需要通過各種計算指標和分析模型來從數據中挖掘深層次的信息，這就形成了用戶專屬的計算指標集和分析模型集；最后，用戶可以通過可視化圖表來對分析結果進行直觀呈現，并配置個人數據儀表盤。基于以上工作流的自由配置能力，可以進一步將數據服務精確匹配高度靈活的個人需求，賦能各個教育角色對數據的深度應用，從而有利于多角色形成基于數據的教育質量整體協同改進機制。

（四）基于“智慧學伴”評價數據的多角色協同合作案例

利用數據賦能教育評價改革，不僅對評價活動本身的科學性、專業性和客觀性提升具有重要意義[20]，也將進一步促進教育治理業務形成證據導向的決策機制和協作模式[21]。“智慧學伴”平臺支持面向學生的學科知識考試、表現性評價活動、心理測評、身體素質等多種評價業務，這些業務豐富了評價數據的來源、種類與視角，并可以為不同角色提供相應的數據分析服務，幫助不同角色從數據中獲取與業務高度相關的信息，引導其做出相應的業務決策。以下將通過圖 5 所示的案例，介紹基于平臺的五個層次下的多種用戶身份如何基于評價數據進行協同教育治理。

1. 學生個體層

個體層主要包含的用戶角色是學生個人與其家長。在基礎教育階段，家長需要對自己的孩子的學業情況、在校表現和身心健康有更加全面和及時的了解。因此，在家庭層次，數據來源主要是孩子的個體綜合評價數據，數據服務的重點在于圍繞學生形成全方位的信息整合，使家長對孩子的日常學習和行為表現擁有常態化的知情權。在該服務中，學生收到的評價事件以事件檔案的形式組織，按照時間序列進行排布。家長可以通過該圖表快速了解孩子在學校經歷的評價事件的日期分布，快速定位異常時間，并了解具體評價內容。

2. 班級層

班級層主要包含的用戶角色是班主任、各學科的任課教師等。任課教師重點關注本班或本年級學生在學科知識上的共性和個性問題，從而采取有針對性的教學干預，因此，數據的應用場景相對集中。相比之下，班主任則不僅需要關注本班學生的學情動態，還需要關注學生的身心發展，兼顧許多日常管理和監督工作。因此，以學生的表現性評價數據為核心，并與其他評價數據進行關聯分析，建立學生知識水平、行為表現和心理健康的預警機制，對于班主任來說具有重要的實用價值。在該服務中，班主任通過本班學生的行為表現記錄和預警來實現對班級的日常管理和監督，并可以根據學業評價數據中反映出的異常個體（如顯著退步和進步）進行關聯分析，結合自身的日常經驗來定位個體學生所面臨的問題和相應的解決方案。

3. 年級層

年級層主要包括學科組長和年級組長。年級層面的角色將關注對象擴大到更大的學生范圍，業務影響力顯著提升。尤其是主管升學和畢業年級的年級組長，需要了解到本年級學生的學情動態，把握全年級學生群的學情差異，從而在年級層面組織分層教學、學科教研、高考選科等重要事務。因此，面向年級組長的數據服務側重于對全年級學生在學情層面的診斷，并能夠體現學生群體在知識上的共性問題和能力分層。在“智慧學伴”中，年級組長可以看到本年級學生在知識地圖上的掌握水平與層次差異。根據知識地圖所提供的信息，年級組長可以組織各學科的分層強化教學，瞄準不同學生在知識內容和能力層次上的需求，制定階段性的精準教學計劃。

4. 學校層

學校層的用戶角色進一步增多。在校長和分管教學、德育等相關事務的副校長之外，還有更加具體的如教務、政教、教科研、教辦、財務等部門的主任角色。學校層次的各個角色的分管內容更加明確，同時其決策的業務影響力進一步增大，往往決定了學校的整體性事務安排和階段性發展方向，因此，更加需要數據作為管理和規劃工作的決策支持。以教務主任為例，其主要職責涉及本校教師教學分工、課表編排、教學目標設定、日常考務安排等，對于本校教師教學質量和教學任務的動態進程需要及時把握。因此，教務主任可以通過知識地圖所表征的學生群體學情所暴露出的問題來輔助其進行教學重難點的判斷、課程編排、各年級師資分配等決策事務。尤其是根據知識地圖中所體現出的學生群體的認知難點，教務主任可以確定下次測評的內容側重，并與教科研主任協作推行更加精準的教學質量提升。

5. 區域層

在區域層面，各類教育行政管理部門和下屬事業單位的職能劃分更加細致，且這個層面的用戶角色所關注的群體不僅是某個或某幾個學校的學生，還包括本區域的教師、教研員等多種群體。盡管如此，有限的評價數據依然可以提供有助于區域層面業務實施和決策的重要信息。以某區域的教師進修學校為例，該單位的重要職責是準確了解本區域各個學校的教師教學水平和訴求，從而提供專題性的培訓，促進區域教師的能力提升和持續發展。因此，了解本區域各個學校的學情動態，并通過增值比對的方式來發現區域內需要重點關注的學校和教師，對于研訓部門和教師專業發展部門具有重要意義。在“智慧學伴”提供的增值評價分析報告中，用戶可以清晰地了解各個學校的學情發展趨勢，并定位進步飛躍校和退步預警校。在分析具體學校時，可以看到本校學生在歷次考試中的成績動態，并將這一過程與本校的教師群體進行關聯和對應。經過這一分析過程，可以更加精確地規劃研訓活動的任務重點和參與對象，開展更加高效的區域教師培訓。

五、結? ?語

教育的數字化轉型，不僅僅是教育應用中的智能技術革新，更是教育信息生態的整體性變革[22]。而數據作為信息載體，其在信息生態中的重要價值與核心地位不言而喻。將數據的價值有效輸送到實際的教育活動中，不僅能夠促進教育生產活動的效率提升，更能夠激發整個教育生態的生產方式變革。

撬動這一變革的技術創新已然存在并仍持續不斷地高速發展，然而新型的教育智能無法通過技術因素的單點作用走向現實。只有當人與技術能夠在數字化轉型的時代背景下雙向奔赴、和諧共處，技術革新所帶來的優勢才能轉化為教育生產力的顯著提升。在這一局面下，更加重要的是以人為本，即以真實的教育需求和教育目標為錨點，建立技術價值真實落地的“受體”機制，使技術革新能夠滲透到實際的教育深層土壤，實現自底向上且潤物無聲的教育生態變革。教育數據的價值取決于教育工作者能否對其進行有效利用，類似地，未來的任何技術革新都需要在教育應用中更準確地把握人的實際訴求。與此同時，數字時代的每一位教育工作者也需為此做好準備，積極面對數字化轉型過程中教育智能持續演進所可能帶來的改變和沖擊。

[參考文獻]

[1] 董麗麗，金慧，李卉萌，袁賀慧.后疫情時代的數字教育新圖景：挑戰、行動與思考——歐盟《數字教育行動計劃（2021—2027年）》解讀[J].遠程教育雜志，2021，39（1）：16-27.

[2] 教育部.教育部2022年工作要點[EB/OL].（2022-02-08）[2023-05-11]. http：//www.moe.gov.cn/jyb_sjzl/moe_164/202202/t20220208_ 597666.html.

[3] 楊現民，吳貴芬，李新.教育數字化轉型中數據要素的價值發揮與管理[J].現代教育技術，2022，32（8）：5-13.

[4] OECD. OECD digital education outlook 2023： towards an effective digital education ecosystem[EB/OL].（2023-12-13）[2023-12-31].https：//doi.org/10.1787/c74f03de-en.

[5] 祝智庭，胡姣.教育數字化轉型的本質探析與研究展望[J].中國電化教育，2022（4）：1-8，25.

[6] 楊麗娜，魏永紅，肖克曦，王維花.教育大數據驅動的個性化學習服務機制研究[J].電化教育研究，2020，41（9）：68-74.

[7] 楊現民，駱嬌嬌，劉雅馨，陳世超.數據驅動教學：大數據時代教學范式的新走向[J].電化教育研究，2017，38（12）：13-20，26.

[8] 謝娟.教育數據治理的倫理框架：價值、向度與路徑[J].現代遠程教育研究，2020，32（5）：15-24.

[9] BAIG M I， SHUIB L， YADEGARIDEHKORDI E. Big data in education： a state of the art， limitations， and future research directions[J]. International journal of educational technology in higher education， 2020，17（1）：1-23.

[10] 孔蘇.智能教育的算法技術規訓困境與出路[J].電化教育研究，2021，42（12）：36-40，54.

[11] 白雪梅，顧小清，尹歡歡，等.數據驅動精準教學：實踐路徑、感知理解與現實困境[J].電化教育研究，2022，43（4）：77-84.

[12] 祝智庭，胡姣.教育數字化轉型的實踐邏輯與發展機遇[J].電化教育研究，2022，43（1）：5-15.

[13] 余勝泉.教育數字化轉型的層次[J].中國電化教育，2023（2）：55-59，66.

[14] 張培，夏海鷹.數據賦能教育治理創新：內涵、機制與實踐[J].中國遠程教育，2021（7）：10-17，76.

[15] 胡翰林，沈書生.基于中臺技術的教育大數據應用研究[J].現代教育技術，2021，31（9）：78-86.

[16] 翟雪松，楚肖燕，張紫徽，陳文智.基于中臺架構的教育信息化數字治理研究[J].電化教育研究，2021，42（6）：40-46.

[17] 劉桐，顧小清.走向可解釋性：打開教育中人工智能的“黑盒”[J].中國電化教育，2022（5）：82-90.

[18] 余勝泉，李曉慶.區域性教育大數據總體架構與應用模型[J].中國電化教育，2019（1）：18-27.

[19] 王磊.學科能力構成及其表現研究——基于學習理解、應用實踐與遷移創新導向的多維整合模型[J].教育研究，2016，37（9）：83-92，125.

[20] 余勝泉.數據賦能的未來教育評價[J].中小學數字化教學，2021（7）：5-10.

[21] 李曉慶，余勝泉，楊現民，陳玲，王磊.基于學科能力分析的個性化教育服務研究——以大數據分析平臺“智慧學伴”為例[J].現代教育技術，2018，28（4）：20-26.

[22] 余勝泉，劉恩睿.智慧教育轉型與變革[J].電化教育研究，2022，43（1）：16-23，62.

Data Empowerment Foundation and Practice for Digital Transformation of Education

CHEN Sirui，? YU Shengquan

（Advanced Innovation Center for Future Education， Beijing Normal University， Beijing 100875）

[Abstract] Digital transformation of education is an inevitable trend of education development and reform， and using data to empower the education quality improvement is the focus and challenge of current digital transformation. Firstly， from the perspective of information ecology and data flow， this paper analyzes the reasons why it is difficult for existing data to effectively empower the educational practice. Then， this paper proposes a basic principle of data-empowered high-quality development in education —to establish a service system for efficient data flow based on the principle of promoting human business collaboration and efficiency in education governance. Secondly， taking the architecture design and application form of the public education service platform "Smart Learning Partner" as an example， this paper explains how to establish data services for multi-role business collaboration， and explores the practical path of effectively utilizing data to empower the improvement of regional education quality. The study suggests that through the centralization of education data， the interpretability of analytical models and the customization of application services， it is possible to effectively promote education business collaboration based on data flow， and to realize the improvement of all-factor productivity in educational governance.

[Keywords] Digital Transformation; Education Information Ecology; Data Empowerment; Educational Governance; Educational Service