大數據賦能教育評價的悖論及消解

摘要：從媒介理論視角出發，構建分析框架，識別了教育評價中的認知、技術與媒介特性三重困境。認知悖論揭示了感知增強與理解削弱之間的矛盾；技術悖論展現了智能化的延伸與認知負荷超載的沖突；而媒介特性悖論則反映了冷媒介深度與熱媒介表面化的矛盾。悖論出現的原因包括視覺至上引致的感官失衡、技術發展與認知適應的非線性張力、作為“熱媒介”的數據缺陷。為了解決三重困境，提出了從技治向善治轉變的三條路徑：首先是深化信息篩選，提升教育評價主體的信息素養；其次是構建技術整合的教育文化，打造均衡的教學生態；最后是革新治理理念，堅持工具理性與價值理性的統一。

關鍵詞：大數據；教育評價；媒介理論；技術悖論

中圖分類號：G434 文獻標識碼：A

*本文系國家社會科學基金項目“國家教育體系適應人口結構變化的戰略管理研究”（項目編號：20AGL030）研究成果。

2020年10月，中共中央、國務院印發的《深化新時代教育評價改革總體方案》明確提出“要借助人工智能、大數據等現代信息技術來創新評價工具，不斷提高教育評價的科學性、專業性、客觀性”。教育評價與人工智能的深度融合，正成為新時代教育評價改革的新方向。其中，數據作為人工智能技術的基礎[1]，在教育評價領域得到了廣泛應用。當前，學界對大數據賦能教育評價的研究呈現蓬勃發展的態勢。一方面，大數據的引入被認為能夠使結果評價更趨客觀，過程評價更加全面，增值評價更富發展性，綜合評價更高效[2]。然而，與此并行的是對大數據局限性的深刻反思，特別是其可能忽略的“人的發展的內在性、唯一性和完整性”的問題，這種擔憂愈發受到重視[3]。技術本身，作為一種具有逆轉性的媒介[4]，不只是信息傳遞的載體，也具有改變信息接收和處理方式的力量。長期應用技術可能導致一些始料未及的后果，與最初的目標南轅北轍。人工智能技術在提高教育評價的科學性、專業性和客觀性的同時，也不可避免地帶來了由其固有不確定性所引發的悖論問題。盡管如此，目前鮮有研究集中探討以大數據為基礎的智能技術在賦能教育評價中所蘊含的悖論。這種研究的缺失不僅限制了教育研究者和實踐者對智能技術的全面認知，也削弱了教育評價的治理功能。在這一背景下，麥克盧漢的媒介理論提供了一個獨特的視角，使我們能夠重新審視大數據在教育評價中的應用。故而，本研究旨在深入探討信息技術賦能教育評價的悖論，探索消解其負向價值、發揮正向價值的策略。這對于提升教育評價效能、推動評價體系的創新與發展，以適應新時代教育需求，具有深遠意義。

一、媒介理論：構建人工智能技術賦能教育評價的分析框架

本研究以馬歇爾·麥克盧漢（Marshall McLuhan，1911—1980年）的媒介理論為理論視角，深入探析大數據如何賦能并塑造教育評價的未來趨勢。麥克盧漢，作為加拿大著名的傳播學者和媒介思想家，他提出的媒介（Media）概念幾乎泛指一切科學技術[5]。其媒介理論概括為三個核心觀點：

一是媒介即“人的延伸”，用麥克盧漢的話來說，就是“媒介對人的感知具有強烈的影響”[6]，具體而言，媒介使人類感官的形貌發生了變化，改變了人類接收知識的方式。

二是“媒介即訊息”，即媒介或技術不僅僅是信息、知識、內容的載體，不僅是訊息傳播的工具；媒介與內容不可分割，“媒介對內容發揮著塑造與控制的作用”[7]；媒介本身與其承載的內容一樣重要，其重要性甚至有過之而無不及。

三是“冷熱媒介特質論”。這為理解技術與社會、技術與人之間的關系提供了獨特的視角。所謂“熱媒介”，是指那些信息清晰度高、細節豐富，從而較少需要受眾參與填補信息、具有較少主觀解讀空間的媒介。相對而言，“冷媒介”則指那些信息清晰度較低，需要受眾更多參與和主觀解讀，以填補信息空白的媒介[8]。

首先，依據麥克盧漢“媒介即人的延伸”的觀點，一方面智能技術作為評價者感知能力的延伸，顯著提高了教育評價的全面性和客觀性。傳統教育評價受限于時間和資源，難以深入了解每個學生的學習狀況。而智能評價系統能夠實時收集、存儲和分析學生的學習數據，如學習時長、互動頻率、學習路徑、作業完成情況等，為教師提供了更為豐富、全面的評價依據。這種延伸使得教師能夠更準確地把握學生的學習狀態，進而提供更為精準的評價和指導。另一方面智能技術作為評價者認知能力的延伸，通過先進的數據分析算法，自動識別學生的學習模式和問題所在，為教師提供即時的反饋和建議。這種即時反饋有助于教師及時調整教學策略和方法，以更好地滿足學生的學習需求。這一過程中，智能技術不僅提高了教育評價的效率，也促進了教育教學的持續改進。

其次，“媒介即訊息”有助于探討智能技術如何重塑教育評價的內容與形式。大數據作為智能技術的核心，其廣泛收集與深度分析為教育評價帶來了前所未有的機遇。通過對海量學習數據的分析，教師能夠獲得更為細致、全面的學生表現數據，這些數據不僅豐富了教育評價的內涵，也使得評價更加個性化、精準化。此外，智能技術還通過其獨特的媒介特性，對教育評價的內容發揮著塑造與控制的作用，進一步推動教育評價的創新與發展。

最后，麥克盧漢的“冷熱媒介”理論區分了媒介在信息傳遞時給予受眾的參與度和主觀填補空間。大數據在教育評價中的應用，可以視為一種“熱媒介”的體現，它通過提供高清晰度和豐富的數據細節，減少了教育評價過程中的主觀性，提升了評價的客觀性和精確度，從而進行更為科學的決策。然而，正如“熱媒介”可能減少受眾的參與度，大數據的這種高效率和信息豐富性也可能導致教育者對數據的過度依賴，忽視了教育評價中不可或缺的人文關懷和學生個體的多樣性。大數據在教育評價中的應用應當尋求一種平衡，既要發揮其作為“熱媒介”的強大信息處理能力，也要融入“冷媒介”的參與性和創造性。

麥克盧漢的媒介理論為我們提供了一個分析框架，幫助我們理解大數據如何重塑教育評價的實踐。在評價標準的重塑上，大數據推動了從結果導向向過程和能力導向的轉變，要求評價者關注學生的多維度發展。在評價內容的擴展與深化上，大數據技術使得評價不再局限于學科知識和技能，而是包括了學生的非認知因素。而在評價方式的創新上，大數據的實時、動態和互動特性，為教育評價提供了深入的視角，同時也帶來了數據泛濫和信息過載的挑戰。

二、大數據賦能教育評價的悖論

人工智能技術的引入，如同麥克盧漢所言的媒介革命，不僅重塑了教育評價的工具和方法，更深刻地影響了我們的認知結構和價值觀念。從認知角度來看，人工智能技術通過其算法和數據分析能力，將教育評價推向了一個高度量化和標準化的新時代。然而，這種轉變也引發了認知上的困境，即我們可能過分依賴于數據驅動的決策，而忽視了教育評價的復雜性和多維性，這與麥克盧漢關于媒介如何塑造人類感知方式的理論相呼應。技術困境則體現在人工智能的不透明性和不可解釋性上，這些問題可能導致教育評價的公正性和有效性受到質疑，反映了麥克盧漢所強調的技術對社會和文化具有深遠影響的觀點。至于媒介特性困境，人工智能作為一種新型媒介，其自動化、實時性和可擴展性的特性，雖然極大地提高了教育評價的效率，但也可能導致教育評價的目的和價值觀發生偏移，從關注學生的全面發展轉向過分強調量化指標和短期表現，這與麥克盧漢關于媒介形式對社會結構和文化價值觀具有決定性影響的理論相一致。因此，人工智能在教育評價中的應用，不僅僅是技術層面的革新，更是一場涉及認知、技術和媒介特性的深層次變革，這場變革要求我們重新審視和定位人工智能技術在教育評價中的角色。

（一）認知悖論：感知的增強與理解的削弱

大數據通過其海量的數據集捕捉學生行為的細微變化，為教育者提供了傳統評價方法無法企及的觀察深度和廣度。換言之，現代化信息技術工具能夠對人類在決策過程中的有限理性形成補充[9]。在過去的教育評價實踐中，由于數據采集技術和分析方法的局限，評價方式主要依賴一種基于假設的“小數據”模式。這種評價模式往往受限于評價者的主觀臆斷，或是依賴于基于理論假設的小規模抽樣統計，在成本、數據規模、時效性等諸多方面受限[10]。而現在能夠追蹤學生在數字環境中從點擊率到在線停留時間，從互動頻率到學習成果的每一個微小波動。全時空場域數據無損采集為評價提供堅實的數據支撐；多元方法的數據融合分析推動了教育評價的精準化判斷；直觀可視化結果的及時反饋增強了評價的有效性[11]。在實踐中，口語數據的自動采集與評價系統的應用，實現了對不同語言聽說水平的智能化測評[12]，大大減輕了教師的工作負擔。基于人工智能的教學質量實時評價系統能夠精準刻畫學與教的實時動態互動模式[13]，為教育者提供了及時、準確的反饋。對在線學習數據的動態挖掘[14]進一步推動了教育評價的精細化與個性化。由此觀之，大數據技術的延伸極大地拓寬了教育評價的邊界，使其能夠更加全面、深入地了解學生的學習狀況，為教育決策提供了更為科學、精準的依據。

技術延伸的另一面卻隱含著教育者理解性的削弱。教育評價的自動化和量化可能導致教育者依賴技術，忽視教育的人文關懷和個體差異。因為一旦教育算法因其精確性和邏輯化特性被廣泛接受，便可能引導師生根據算法標準優化行為，從而忽視那些真實卻難以量化的教育目標[15]。隨著教育評價對技術的依賴日益加深，教育者可能逐漸喪失對評價過程的主導權和反思能力。因大數據算法和模型往往成為評價中的“黑箱”，教育者在缺乏對這些算法深入理解的情況下，可能會不假思索地接受技術提供的評價結果，導致評價主體的“機器僭越”現象。在這種情境下，人工智能的工具理性可能過度強調技術的高效性和精確性，進而引發評價主體的技術依賴癥。教育者可能機械地將評價數據的收集與分析、評價指標的建構以及評價決策的權力完全讓渡給技術，從而顛倒評價主體與技術間的“主輔關系”[16]。這不僅削弱了教育者的專業自主性，還可能限制他們在評價過程中的創造性和批判性思維。正如海德格爾對技術與實踐關系的分析，技術之所以在某些時刻不再是實踐的手段，反而成為干擾活動的破壞對象，恰恰是因為在這些技術的使用中，使用者被“消散”[17]。

其次，大數據在教育評價中的應用還可能導致評價標準的單一化和同質化，進而導致認知過程被機械地簡化。大數據技術的廣泛應用，傾向于將關注點集中在那些易于量化、易于捕捉的指標上，如考試成績、在線點擊率、學習時長等，從而忽視教育過程中更為復雜的非量化因素。可見，大數據應用在教育評價中雖然表面上提高了評價的效率和客觀性，但實則可能導致我們對學生發展的認知停留在較為膚淺的層面。教育者往往被迫在有限的數據框架內做出決策，而無法根據自身的專業知識和經驗進行靈活判斷。這種情況下，即使教育者擁有豐富的教學經驗和深厚的專業知識，也難以在教育評價中發揮出應有的作用。在教育評價中，任何試圖通過單一或同質化的評價標準來全面評價學生的嘗試都可能遭遇失敗。因為簡化處理的合理性是有限的[18]。教育系統本身復雜且多變，包含著眾多相互關聯、相互影響的因素。如果忽視因素間的復雜關系，偏指一方，就可能導致評價結果的失真和誤導。

（二）技術悖論：智能化的延伸與認知負荷的超載

技術的目的是通過設備簡化人類的生活，但同時也使得這些設備變得更難被人類學習或使用，這是技術的悖論[19]。人工智能技術的引入標志著一種從傳統人工評價方式中解放出來的理想愿景。它通過精確的算法和高效的數據處理能力，為教育者提供更為客觀、真實的評價結果。然而，這一理想狀態并非沒有代價。技術的復雜性往往隱藏在自動化的表象之下，使得教育者在使用這些高度自動化的工具時，需要投入大量的時間去學習如何應對復雜的用戶界面、理解深奧的功能選項以及適應不斷更新的系統要求。這種現象揭示了技術發展中的一個內在悖論：技術在提供便利的同時，也可能因其復雜性而增加了用戶的認知負擔，造成認知負荷的問題。

技術的迭代更新速度遠遠超過了人類的認知發展速度，導致教育評價中的認知負荷失衡。教育者在追求技術帶來的便利性的同時，可能會忽視技術對認知過程的影響。當智能技術的應用超出人類自然的處理極限時，信息過載便成為一個不可忽視的問題。在實踐中，評價者如今需要面對的數據量已達到空前的規模。從學生的學習軌跡、課堂參與度到各種標準化的測驗成績，每一項數據都蘊含著評價學生表現的重要信息。然而，當這些數據以驚人的速度增加并匯聚在評價者面前時，他們往往會感到應接不暇，甚至力不從心。即使是經驗豐富的評價者，也可能在如此龐大的信息海洋中迷失方向。技術信息的快速擴張不僅加重了評價者的認知負擔，還可能引發信息過載與職業發展的焦慮。為了有效地整合和利用這些數據，教師需要從眾多技術信息中篩選出與自身教學風格、學生認知水平以及課程內容特征相匹配的資源組合。這無疑增加了教師的工作負擔，可能導致其身心俱疲[20]。信息過載還可能導致評價者出現“信息麻痹”的現象。面對海量數據，評價者可能會因為無法有效篩選和處理信息而陷入決策困境。

從更深層次來看，技術悖論還涉及到教育評價的本質和目標。教育評價不僅僅是數據的收集和分析，更是對學習過程的理解和反思。人工智能技術可能在無意中將評價過程簡化為數據的機械處理，而忽視了評價這一核心目的。這種簡化不僅限制了教育評價的深度和豐富性，而且可能影響到教育的質量和效果。

（三）“媒介特性悖論”：冷媒介的深度與熱媒介的表面化

媒介的固有屬性對人類的感知與認知方式產生了深遠的影響。大數據作為當代教育評價領域的新興媒介，其特性游走于冷媒介與熱媒介之間，構成了一種引人深思的“冷熱悖論”：它既有深化教育評價層次的潛力，又隱含著使評價浮于表面的風險。

從冷媒介的角度看，大數據要求教育者進行高度參與和深度解讀。這一媒介形式鼓勵教育者深入挖掘數據背后的多層含義與復雜維度，以便更細致地理解學生的行為差異和學習進程。在這一過程中，教育者不僅扮演評價者的角色，更是數據的詮釋者和學習進程的剖析師。然而，大數據所蘊含的這種深度參與的可能性，同時也伴隨著表面化的潛在風險。在當前的教育監測實踐中，仍存在將學科的監測等同于傳統統考的情況。這種方式忽視了對學生品德修養、勞動態度、情感態度、藝術素養以及諸如創造力、問題解決能力等全面發展所必需的關鍵能力的評估[21]。這說明在實際應用中，大數據的直觀展現和算法的簡化可能導致教育者僅對數據進行淺層次的解讀，而忽略了數據背后的豐富意蘊和錯綜復雜的關聯性。

從另一方面來看，大數據的熱媒介特性則體現在對即時反饋和效率的追求上。在教育評價領域，大數據技術的應用常常強調快速反饋和結果的直接呈現。然而，這種做法可能導致教育者過度關注短期的學習成果，而忽略了長期的學習過程和學生的全面發展。這種表面化和即時性的評價方式可能會削弱教育者對教育本質的深入探索，從而限制了教育評價的深度和廣度。盡管如考試等技術性評價在當今教育中仍然普遍存在，但必須認識到，測量僅僅關注事物的量化特征，期望通過一系列純粹的數據來揭示事物的本質，卻忽視了事物的質性方面的重要性[22]。具言之，當某個算法廣泛應用于教育實踐時，其固有的話語和量綱可能扭曲教育評價體系。以分數排名為例，歷史上的排名算法往往基于人們對教育質量的主觀想象，通過尋找可測量的變量并賦予其數學權重來構建排名體系[23]。然而，這種方法的科學性值得商榷，因為它可能忽視了教育的復雜性和多元性。

三、大數據賦能教育評價的悖論何以生成

在探討大數據如何賦能教育評價的同時，不得不正視其帶來的悖論與挑戰。這些悖論不僅源于技術的固有局限性，更涉及到教育實踐中人的因素。

（一）主觀原因：視覺至上引致感官失衡

從歷史維度審視，技術革新不斷推動著人類感官體驗的演變。早期的口語交流依賴于聽覺，而隨后文字的發明和印刷術的普及則逐漸將重心轉移到視覺。進入電子媒介時代，尤其是當前的數字時代，視覺文化得到了空前的發展，進一步鞏固了視覺感官在信息接收中的主導地位。在后工業時代，視覺文化的迅猛發展更是加劇了這種感官失衡的現象，使得視覺成為了我們感知世界的主要途徑[24]。在教育評價的領域內，智能評價系統的引入標志著從傳統人文主義方法向數據驅動方法的轉變，這種轉變在教育評價中體現為對數據圖表和量化結果的偏好，而其他感官體驗，如學生的語言表達和情感交流，則相對邊緣化。這種感官失衡的現象，不僅在日常生活中日益凸顯，更在教育評價領域引起了廣泛關注。

首先，從評價方法的角度來看，智能評價系統通過數據化手段，將學生的學習表現轉化為可量化的指標，這種方法雖然提供了一種客觀的衡量標準，但也可能導致評價內容的單一化。在數據的主導下，學生的個體差異和獨特學習方式往往被忽視，學生的全面發展和個性發展受到了限制。這種一刀切的評價方式忽視了學生作為獨特個體的多樣性和復雜性，無法真實反映每個學生的實際情況。

其次，評價標準在智能評價系統中趨向于統一化和標準化，這可能導致評價體系忽視學生的個性化需求。傳統的教育評價標準是根據學生的個性化表現來制定的，而智能評價系統則將這些標準簡化為幾個固定的量化指標，從而無法充分考慮學生的個體差異和情感體驗。這種標準化的評價標準可能抑制學生的創造力和個性發展，影響學生的自我實現。再者，評價手段的創新帶來了數據解讀的挑戰。智能評價系統提供了自動化評分和學習行為分析等新工具，這些工具雖然提高了評價的效率和覆蓋面，但也帶來了數據解讀的難題。如何確保算法的公正性、如何解讀數據背后的含義，以及如何整合教師的專業判斷和學生的主觀體驗，成為智能評價系統需要解決的問題。此外，過度依賴數據化評價可能導致教育的狹隘認知，忽視了教育作為情感交流、價值觀塑造和人格培養的多維性。

（二）客觀原因：技術發展與認知適應的非線性張力人類的認知能力是經過長期進化形成的，其發展速度遠遠跟不上技術的迭代更新。技術的飛速發展無疑在教育評價領域掀起了一場認知革命，但這一進程并非均質化地惠及所有教育者。首先，技術熟練者與非熟練者之間的“數字鴻溝”不僅凸顯了技術接受度的差異，更深刻地映射出教育者在技術應用能力上的顯著分化。盡管中國網民規模已達到10.92億人，但仍有超過3億民眾未能充分享受到數據權利[25]。這種數字鴻溝不僅揭示了社會成員在獲取數據方面的差異，更暴露了由于知識積累、生活經驗等因素所導致的資源分配不均。在這種背景下，重要資源往往集中在少數具有較高知識水平的群體手中。對于廣大未能接觸到數據的群體來說，他們缺乏獲取、掌握、篩選和分析數據的能力，這無疑將成為他們在教育評價中有效應用信息技術的重重障礙。

其次，教育者在理解和應用大數據技術方面的能力不足，暴露了人力資本缺失。這種技能匱乏并非單純的技術操作問題，而是一種對數據驅動決策的深層次理解和應用的不足。它不僅限制了技術在教育評價中的有效應用，更對教育評價的質量和效率產生了直接影響。教育數據應用人員在對數據進行分析時，應重點關注學生真實的學習情況和需求，而非僅停留在分數和通過率上。要實現這一目標，必須正視當前教育領域在數據解讀方面所面臨的專業知識和技能挑戰。許多教師和教育工作者雖然意識到數據的重要性，但由于缺乏系統的數據分析和解讀能力，往往難以深入挖掘數據背后的深層含義。進一步觀察大數據人才的行業分布，發現教育領域的大數據人才缺口尤為顯著。這一缺口不僅體現在人才數量的不足上，更體現在人才結構的不合理上。一方面，高層次、高水平的大數據人才稀缺[26]。這限制了教育領域在數據分析和應用方面的創新和發展；另一方面，大數據人才的學歷結構也呈現出不合理狀態，本科學歷占比過高，而碩士及以上學歷的人才相對較少[27]。這種學歷結構的不合理不僅影響了大數據解決方案團隊的整體素質和能力，也限制了教育領域在數據驅動下的教育評價改革進程。

（三）源發性原因：作為“熱媒介”的數據缺陷

首先，大數據的量化特性在教育評價中可能導致對質的忽視。在追求效率和標準化的今天，大數據往往側重于對學業成就、論文發表等量化指標的評估，而忽視了對學生情感、態度、價值觀等質化維度的考量。然而，教育評價的本質在于全面、準確地評估學生的綜合素質，這要求關注量化數據的同時，也要注重對學生個體差異和內在特質的深入挖掘，避免陷入唯分數論的誤區。更值得注意的是，大數據的量化特性及其背后的算法和模型可能存在偏見和局限性。哈耶克在《知識的僭妄》中深刻指出，“有可能存在這樣的‘科學’證據，它們更傾向于支持錯誤理論而非有效解釋[28]，僅僅因為它們在形式上更為‘科學’”。這一觀點在教育評價領域同樣適用。例如，在華盛頓特區基于學生考試成績的IMPACT教師評估模型，清理了評分較低的教師后，引發了對模型公正性和準確性的質疑[29]。這種評價方式既可能忽視了教師的專業素養和教學質量，還可能加劇教育資源的不平等分配，對弱勢背景學生造成不公平待遇。如果過度依賴大數據提供的量化指標，例如學生的家庭背景、學校所在地區等，而忽略了個體的實際表現、努力程度和潛在能力，將導致教育評價忽視人文關懷以及決策的事實判斷力，陷入技治主義無法自拔。

其次，大數據的即時性和高清晰度使得我們更容易關注那些易于量化和獲取的數據，而忽視了那些難以用數據表達的復雜學習過程和教育成果。這種對即時、明確結果的偏好可能導致我們忽視對教育現象深層次的理解和探究，從而使教育評價變得表面化和狹窄化。因此，我們需要警惕大數據對教育評價深度與廣度的限制，以及可能帶來的反思、討論和批判性思維的缺失。

此外，大數據的靜態和歷史性特性還可能對教育評價的動態性和發展性造成限制。教育評價是一個動態的過程，需要根據學生的成長和學習環境的變化而不斷調整。然而，大數據的靜態和歷史性特性可能使教育評價變的僵化，無法及時反映學生的最新發展和需求。數據穩定性和靜態特性可能導致我們忽視教育評價過程中的變化和發展。正如阿爾文·托夫勒（Alvin Toffler）所言，在計算機的輔助下，同樣的數據可以用許多不同的方式進行“切割”或重新分類，與信息采集相比，理解、詮釋信息更為重要[30]。換言之，必須認識到大數據在教育評價中的局限性，并警惕其可能帶來的偏見和歧視問題。

四、從技治到善治：大數據賦能教育評價的悖論消解

《深化新時代教育評價改革總體方案》明確指出，教育評價改革的核心目標是提升教育治理能力與水平。將教育評價與教育治理緊密結合，意在加強兩者間的聯系。現代教育評價以技治主義為核心，體現了治理和管理的技術化思維。技治主義主導下的現代教育評價強調信息收集與處理技術，以便對教育實態和價值做出準確判斷。然而，這種高度信息化和數量化的評價方式也帶來了包括偽科學化、價值觀獨斷和結構僵化等風險[31]。為實現教育評價的“善治”目標，即治理的最高境界，需要不斷推動教育評價向更加科學、民主和靈活的方向發展。

（一）深化信息篩選機制，加強教育評價主體的信息素養

在大數據時代，信息篩選和信息素養教育的重要性愈發凸顯。信息篩選是教育評價中的關鍵環節，它要求教育者能夠從大量數據中提煉出對學生學習和教學過程有實際指導意義的信息。這不僅需要技術層面的數據處理能力，更需要教育者具備深入分析數據背后含義的批判性思維。教育評價過程中的信息篩選不應僅限于技術層面的數據處理，更應深入到數據背后的含義和教育價值的挖掘。信息技術并不是直接決定組織或制度變革的唯一因素，而是作為一個賦能者，為變革提供了可能性和手段。個體對信息技術的感知和使用對變革的成敗至關重要。因此，在推動技術執行時，需要重視人的因素，提高個體的認知水平和操作技能[32]。

深化信息素養教育作為解決認知悖論的關鍵，要求超越基礎的工具使用和數據處理技能，致力于培養一種深層次的批判性思維能力。這種能力的核心是對信息的全面評估，包括對信息來源的可靠性、內容的真實性、與教育目標的相關性以及信息本身的教育價值進行深入分析和審慎判斷。這種能力要求教育者能夠全面評估信息的可靠性、真實性、相關性和教育價值，發展出元認知能力，對自己的認知過程進行認識和調控。以便教育者能夠在數據泛濫的環境中保持清晰的思路，識別和抵御可能的認知偏差。對于教育數據應用人員而言，應深刻認識到數據本身并非終極追求，其背后所揭示的問題及解決策略才是核心所在。數據分析并非完全依賴于技術手段，它依賴于共同評價標準的建立與共享，以確保數據質量和分析結果的實效性。在進行數據分析時，關注點應轉向學生實際的知識掌握情況及其學習中的不足，而非僅僅局限于分數或通過率。更為重要的是，數據分析應與教學實踐深度融合，通過改革工作方式和策略，支持學生實現更大進步。此外，教育數據應用人員還需持續提升自身的數據應用反思能力，以更好地適應教育信息化的快速發展，為教育決策提供有力支持[33]。由此可知，深化信息素養教育、培育批判性思維能力、提升元認知能力及數據應用反思能力，對于解決認知悖論、促進教育數據的有效應用具有重要意義。

（二）構建技術整合的教育文化，打造均衡的教學生態系統

在教育評價實踐中，技術的融入不應被視為簡單的工具應用，而是一個深層次的文化轉型過程，這要求重新審視教育評價的本質和目標，構建技術整合的教育文化。首先，技術的使用必須與教育哲學和教育目標緊密結合。確保技術的使用與教育的根本目的即人的發展保持一致。根據布魯納的螺旋課程理論，教育應當是一個不斷上升的螺旋，技術的應用應當支持學生在認知、情感和社交各方面的連續發展。教育評價不僅僅是評估學生的知識掌握程度，更重要的是促進學生包括認知、情感和社交能力在內的全面發展。因此，技術的整合應支持這一目標，通過提供個性化的學習路徑和反饋，助力學生自我實現。

在實施層面，構建技術整合的教育文化需要教育政策的支持和引導。政策制定者應通過相應的政策，鼓勵學校和教育機構采用創新性技術手段，同時確保這些技術的應用符合教育倫理并保護學生隱私。有學者提出了教育大數據應用的四大主要倫理問題類別：隱私保護、知情同意與數據所有權、數據和算法的有效性與完整性、道德決策與行動義務，以及治理與問責制[34]。這些問題應當成為推進技術整合過程中不可忽視的考量因素，以確保技術的運用能夠以全面、公正、充滿人文關懷的方式服務于教育評價。同時，教育工作者的專業發展也至關重要。教育機構應當為教師提供持續的技術培訓和專業發展機會，幫助他們掌握技術整合的教育文化所需的知識和技能。最后，構建技術整合的教育文化還需要社會各界的共同努力。家長、學生、教育工作者和技術開發者應當共同參與到教育評價的改革中，形成一個開放、合作、共享的教育生態系統。

（三）革新治理理念，堅持工具理性與價值理性的統一

在智能技術迅猛發展的當代，教育評價的治理理念亟需一場深刻的革新，旨在實現工具理性與價值理性的有機融合與和諧統一。熱媒介，以其高清晰度和即時性，雖然在吸引受眾注意力方面具有無可比擬的優勢，但在教育治理中，過度依賴此類媒介可能會導致治理理念過度傾斜于工具理性。這種傾斜強調了效率和控制，有時可能會犧牲教育過程中的人文關懷和深層價值導向。相對地，冷媒介的特性在于其對受眾參與和解讀的要求，這種要求促進了深度思考的產生。在教育治理中，冷媒介的這一特性鼓勵我們重視價值理性，即注重教育的內在價值和長期目標，如培養學生的批判性思維和創造力。工具理性在教育評價中的體現，是對智能技術的精準運用，這包括但不限于數據分析、機器學習和自然語言處理等先進技術的應用。這些技術能夠高效地處理和分析海量的教育數據，揭示學生學習過程的深層規律，為教育決策提供科學的依據。然而，單純的工具理性可能忽略了教育評價中的人文關懷，導致評價過程過于機械化和表面化，甚至可能偏離教育的本質。因此，教育評價的治理理念需要在工具理性的基礎上，融入價值理性的考量，確保評價過程既高效又富有人文關懷，既科學又關注學生的全面發展。為了解決這一問題，需要在教育評價中明確并凸顯價值理性。價值理性強調教育評價的人文主義原則，關注學生的個體差異、情感需求和全面發展。它要求教育評價不僅關注學生的認知發展，更要關注學生的個性、興趣、價值觀和社會責任感等非認知因素。

為了實現工具理性與價值理性的統一，需要采取一系列措施。首先，評價標準應全面而多元，包含認知和非認知因素，以全面反映學生的能力和潛力。其次，加強教育評價的倫理審查，確保數據收集、處理和使用符合倫理標準，保護學生的隱私和權益。同時，通過專業培訓和教育提升教育者的倫理意識和人文關懷能力。此外，鼓勵和發展多元化的評價方法，如定性評價、同伴評價和自我評價等，以豐富評價的維度和視角。最后，促進利益相關者的參與和對話，包括學生、家長、教育者、政策制定者和技術開發者等，共同推動教育評價的設計和實施過程，實現不同觀點的交流和融合。

參考文獻：

[1] 史愛武.智能時代的三要素──數據、算法和算力[N].中華讀書報，2021-09-15（18）.

[2] 張志華，王麗等.大數據賦能新時代教育評價轉型：技術邏輯、現實困境與實現路徑[J].電化教育研究，2022，43（5）：33-39.

[3] 金生鈜.大數據教育測評的規訓隱憂──對教育工具化的哲學審視[J].教育研究，2019，40（8）：35-43.

[4] 何道寬.媒介即文化──麥克盧漢媒介理論批評[J].現代傳播（中國傳媒大學學報），2000，（6）：25-31.

[5][6][7][8] [加]馬歇爾·麥克盧漢.何道寬譯.理解媒介：論人的延伸[M].北京：商務印書館，2000.

[9] [美]赫伯特 A.西蒙.詹正茂譯.管理行為[M].北京：機械工業出版社，2004.17.

[10] 劉濤雄，尹德才.大數據時代與社會科學研究范式變革[J].理論探索，2017，（6）：27-32.

[11] 朱德全，吳慮.大數據時代教育評價專業化何以可能：第四范式視角[J].現代遠程教育研究，2019，31（6）：14-21.

[12] Wang YP.Detecting Pronunciation Errors in Spoken English Tests Based on Multifeature FusionAlgorithm [EB/OL].http：//doi. org/10.1155/2021/6623885，2024-10-20.

[13] TS A，Guddeti R M R.Automatic detection of students’ affective states in classroom environment using hybrid convolutional neural networks [J]. Education and information technologies，2020，25（2）：1387-1415.

[14] Chan M C E，Ochoa X， Clarke D.Multimodal learning analytics in a laboratory classroom [A].Maria Virvou，Efthimios Alepis，et al.Machine learning paradigms：advances in learning analytics [C].Berlin：Springer：2020.131-156.

[15] [美]羅素.張羿譯.AI新生：破解人機共存密碼——人類最后一個大問題[M].北京：中信出版集團股份有限公司，2020.110.

[16] 鹿星南，高雪薇.人工智能賦能教育評價改革：發展態勢、風險檢視與消解對策[J].中國教育學刊，2023，（2）：48-54.

[17] [美]唐·伊德.韓連慶譯.技術與生活世界：從伊甸園到塵世[M].北京：北京大學出版社，2012.36.

[18] [德]施特凡·格雷席克.胡凱譯.混沌及其秩序 走近復雜體系[M].上海：百家出版社，2001.8.

[19] Norman D.The design of everyday things：Revised and expanded edition [M]. New York：Basic books，2013.

[20] Fernández-Batanero J M，Román-Graván P，et al.Impact of educational technology on teacher stress and anxiety：A literature review [J].International journal of environmental research and public health，2021，18（2）：548.

[21] 田偉，楊麗萍等.科技賦能教育監測與評價：現狀與前瞻[J].中國遠程教育，2022，（1）：1-11+92..

[22] 楊彩菊，周志剛.西方教育評價思想嬗變歷程分析[J].國家教育行政學院學報，2013，（5）：50-54.

[23][29] [美]凱西·奧尼爾.馬青玲譯.算法霸權[M].北京：中信出版集團，2018.

[24] 郭纓.移動傳播時代聽覺回歸研究[D].武漢：華中科技大學，2018.

Q5QmdonnLQ/OUhsFz1s2S0Lg9MZIDKUDgwJP/Ej+XaA=[25] 中華人民共和國中央人民政府.我國網民規模達10.92億人[EB/OL]. https：//www.gov.cn/yaowen/liebiao/202403/content_6940952.htm，2024-03-22

[26] 中國大數據產業生態聯盟.2021中國大數據產業發展白皮書[EB/OL]. http：//www.cbdio.com/BigData/2021-12/21/content_6167398.htm，2021-12-21.

[27] 張志華，王麗等.大數據賦能新時代教育評價轉型：技術邏輯、現實困境與實現路徑[J].電化教育研究，2022，43（5）：33-39..

[28] [英] 馮·哈耶克.鄧正來譯.知識的僭妄[M].北京：首都經濟貿易大學出版社，2014.192.

[30] [美] 阿爾文·托夫勒.黃錦桂譯.權力的轉移[M].北京：中信出版集團股份有限公司，2018.326-327.

[31] 余清臣.現代教育評價的技治主義及其限度[J].山西大學學報（哲學社會科學版），2019，42（1）：103-109.

[32] 田進.網絡行政研究[M].湖北：武漢大學出版社，2012.233.

[33] Ronald S.Thomas.My Nine‘Truths’of Data Analysis [EB/OL].https：// www.edweek.org/technology/opinion-my-nine-truths-of-dataanalysis/2011/06，2011-06-14.

[34] Hakimi L，Eynon R，et al.The ethics of using digital trace data in education：A thematic review of the research landscape [J].Review of educational research，2021，91（5）：671-717.

作者簡介：

盧秀：在讀博士，研究方向為教育評價。

柳斯邈：講師，博士，研究方向為教育管理、學生評價。

邢克：在讀碩士，研究方向為基礎教育質量監測。

Paradoxes and Dissolution of Big Data Empowering Educational Evaluation

—An Analysis Based on the Perspective of Media Theory

Lu Xiu， Liu Simiao， Xing Ke

School of Education， East China Normal University， Shanghai 200062

Abstract： From the perspective of media theory， an analytical framework is constructed to identify the triple dilemmas of cognition， technology and media characteristics in educational evaluation. The cognitive paradox reveals the contradiction between enhanced perception and weakened understanding； the technological paradox demonstrates the conflict between the extension of intelligence and cognitive overload； and the media characteristic paradox reflects the contradiction between the depth of cold media and the superficiality of hot media. The reasons for the emergence of the paradox include the sensory imbalance caused by the supremacy of vision， the non-linear tension between technological development and cognitive adaptation， and the defect of data as a "hot medium". In order to solve the triple dilemma， three paths are proposed to change from technological governance to good governance： first， deepen the information screening and improve the information literacy of the subject of educational evaluation； second， build a technologically integrated educational culture to create a balanced teaching and learning ecosystem； and lastly， innovate the concept of governance， insisting on the unity of instrumental rationality and value rationality.

Keywords： Big data； educational evaluation； media theory； technological paradox

收稿日期：2024年7月31日

責任編輯：李雅瑄