數據驅動幼兒區域活動學習分析：邏輯向度、現實困境和優化路徑

摘要：教育數字化轉型是教育變革的必然趨勢，學習分析基于數據闡釋學習表現、揭示學習規律并提供適應性反饋，成為推動教育數字化轉型的重要力量。目前，學前教育場域下的學習分析多依賴經驗觀察，以數據驅動幼兒區域活動的學習分析路徑尚不明確。從政策指引、理論基礎和實踐趨向層面剖析數據驅動幼兒區域活動學習分析的理路，揭示了技術供給、學校變革和幼兒個體成長層面的現實困境。為實現數據的有效賦能與價值變現，未來應持續優化智能采集設備，低侵入性感知幼兒數據；秉持生態系統理論，科學化搭建學習分析環境；發揮技術聯動作用，多角度分析幼兒學習信息；重視倫理隱私安全，全方位關注幼兒和諧發展，以期革新評價工作、提高保教質量。

關鍵詞：大數據；幼兒；區域活動；學習分析

中圖分類號：G610 文獻標志碼：A 文章編號：1673-9094（2025）02-0034-06

在教育數字化轉型背景下，數據驅動學習分析呈現出獨特的教育價值。學習分析即從教學與教育管理過程中挖掘并分析海量數據，提取出價值信息和模式，以輔助教學和管理決策。《幼兒園教育指導綱要（試行）》指出，幼兒的日常行為特征與發展變化飽含評價意義，應被視作改進教育工作的重要依據[1]。幼兒學習行為是幼兒置身于游戲、集體活動等場景中完成學習相關任務時，所表現出的可觀察的行為模式，能夠傳達出幼兒對學習活動的興趣、對學習材料的專注度、克服活動困難的積極學習傾向性或學習品質等[2]。蒙臺梭利建立“兒童之家”，營造“有準備的環境”，提倡以區域活動作為幼兒園的重要教育形式[3]。區域活動中的學習分析有望為幼兒發展提供重要依據，而提取、存儲并分析數據集是實施幼兒區域活動學習分析的基本前提，適配的分析技術有助于輔助教師掌握幼兒發展水平、識別區域游戲策略和材料投放問題[4]，從而研判區域活動學習資源配置的有效性及優化路徑。目前幼兒學習分析多依賴教師的經驗觀察，而非數據等證據支持。因此，需結合時代背景，在系統剖析數據驅動幼兒區域活動學習分析的基礎上，審視現實困境并提出優化路徑，以期提供科學指導與策略。

一、數據驅動幼兒區域活動學習分析的邏輯向度

（一）政策指引：教育數字化轉型的時代訴求

教育數字化轉型以數據資源為信息載體，深度融合教育教學與數字技術以推動教育發展變革[5]。2022年，黨的二十大報告強調推進教育數字化和構建學習型社會的重要性[6]。《教育部2022年工作要點》指出應創新數字資源供給模式、搭建國家智慧教育公共服務平臺，從而推進教育智能升級與數字化轉型[7]。學習分析基于數據探索教育本質，成為推動教育數字化轉型的重要力量。2019年，聯合國教科文組織發布的《北京共識——人工智能與教育》，強調要融合人工智能平臺和學習分析等關鍵技術來構建終身學習服務體系，逐步形成人人皆學、處處能學、時時可學的學習型社會。可見，在教育數字化轉型背景下，人工智能、物聯網、大數據等技術與教育教學的深度融合，推動著智能教育和學習分析發展進程；以學習者的學習情境數據作為信息表征，為教育現象研究和發展規律探討提供了新方法。

（二）理論基礎：生態系統理論下的環境創設

幼兒區域活動學習分析環境既包含整體要素，又包含運行規律的動態系統。置于教育生態學領域視角下構建學習分析環境，有助于明確幼兒實際需求并優化幼兒學習與生活狀態。教育生態系統理念可追溯至19世紀末，以杜威為主要倡導者的實用主義教育，強調以兒童為中心。20世紀中期，美國心理學家萊特和巴克從社會自然生態角度，探討教育與兒童行為發生機制、發展特征間的關系。1979年，布朗芬布倫納正式提出生態系統理論，認為人類生存環境是社會性的生態系統，整個系統具有“微觀—中層—外部—宏觀”四大層次，個體位于環境的中心[8]。生態系統理論隨即被引入學前教育領域，并成為社會領域研究的重要理論之一。如盧晶以生態系統理論視角切入，構建智慧幼兒園生態系統模型和體系架構[9]。生態系統理論以整體、協調和可持續發展的理念為幼兒學習分析帶來嶄新的研究視角，有望揭示幼兒學習環境中各影響因素間的層次關系。生態即幼兒的受教育環境，良好的生態系統應將幼兒置于中心地位，注重環境搭建的動態平衡，由內至外囊括不同層次，共同構筑幼兒區域活動的和諧環境。

（三）實踐趨向：從海量數據中挖掘價值信息

數字化轉型背景下，數據是關鍵生產要素與信息載體，數據的潛在價值與增值效應被視作教育生態的重要特征[10]。而數據賦能教育變革的潛力發揮程度，關鍵在于深層信息能否被充分挖掘，并在以人為主體的教育實踐活動中實現價值變現[11]。學習分析以數據作為基礎，對于數據的有效解讀、系統建模將深刻影響學習分析研究與實踐成效。如僅抽取幼兒在區域活動時的面部表情、行為動作等數據而不加以剖析，將難以從中獲取與區域活動相關的規律、模式、特征等信息。在傳統學習分析中，原始數據背后的潛在信息很難被分類與提煉。隨著數據量逐漸增大，來源逐漸豐富，數據背后的信息需要利用一定的分析方法進行翻譯和表述。這就意味著，研究者應當在選取數據前，充分考量數據是否承載著充足的、有意義的信息，這些信息能否被挖掘和提煉，被提煉的信息是否與教學實踐改進密切相關。任何一個階段的阻塞或誤判都可能會影響數據賦能的有效性。研究者還需借助相關理論明確數據對應的學習指標，并構建系統的分析模型，從而實現數據的價值變現。

二、數據驅動幼兒區域活動學習分析的現實困境

（一）技術供給：解釋力與倫理性亟待增強

教育活動具備高度復雜性，教育評價具備高利害性，這使得數據驅動學習分析的應用存在一定的可解釋性挑戰[11]。目前，數據驅動的學習分析方法尚未成熟，運用何種方法挖掘并分析學前教育領域復雜異構的數據，還需依靠系列理論分析和實證研究。幼兒在不同區域活動中的行為特征存在差異，若缺乏教育理論支撐、專家經驗指導和實踐佐證，則無法對分析來源不同的數據得到的結論差異做出合理解釋。與此同時，學習分析是否有效取決于分析技術本身及其結果是否可信，身份偽造、數據濫用、隱私泄露等危機有可能消解我們對學習分析的數字信任。幼兒的生理數據如心率、腦電信號等往往需要使用特定的設備（如腦電頭盔、腕帶等）進行獲取。當大量檢測設備出現在教室，幼兒信息變得無“私”可“隱”，還容易對他們的學習過程造成干擾，甚至引發其抗拒心理[12]。例如，2019年，某小學課堂上采用“賦思頭環”監控學生的注意力集中程度和認知負荷水平就引發熱議[13]。因此，運用智能設備和使用相關數據應慎之又慎。數據分析服務須考慮學習者的主體地位和知情權益，低侵入性獲取并分析數據，構建可靠可信的學習分析體系。

（二）學校變革：覆蓋面與科學性仍需提高

幼兒憑借興趣與愛好進入區域活動，與材料、環境和同伴接觸后沉浸其中。因幼兒年齡小，思維能力和語言表達能力有限，所以目前幼兒學習分析的研究更多是采用經驗觀察法。然而該方法耗時費力，加之人腦本身的主觀性及教學環境的復雜性，容易造成學習行為數據獲取的片面性、滯后性[14]，無法覆蓋不同區域活動復雜多樣的學習行為。隨著智能設備融入課堂領域，可利用圖像處理、文本挖掘和生物傳感等多種數據處理技術來跟蹤和分析復雜學習環境中的幼兒學習狀態，通過不同的數據來源通道，捕捉和還原自然狀態下幼兒的學習過程。可以說，數據驅動學習分析正觸發著教育評價的深刻變革，使評價重點從“容易評估的技能”延展到“難以評估的素養”，使“經驗主義”學習分析更迭為“數據主義”學習分析。同時，學習分析技術工具在區域活動范圍內的布局應注重規范性、科學性。如大型技術工具應放置于幼兒無法觸及的位置，以避免因使用不當造成的安全問題。工具擺放應整齊有序，避免雜亂無章的擺放方式干擾幼兒的學習積極性和注意力，確保技術工具正常運行并提供優質的學習分析效果。

（三）個體成長：兼顧技術理性和人文關懷

數據驅動幼兒學習分析并非簡單地將技術移植至幼兒區域活動場域中，而應該讓技術更人性化地為學習評價服務。“數字至上”的學習分析方式容易將具體復雜的分析對象異化為抽象統一的“數據人”，這種整齊劃一的學習分析缺少應有的人文關懷。據調查，一款覆蓋約3000萬名學生的教育類App記錄著學生在校的幾乎全部行為表現，并通過加減分給學生排名，甚至將該排名與“三好學生”評選掛鉤[15]。分析對象的身份特征、學習興趣與偏好被完全量化，無形中加大了信息繭房和算法偏見的風險。數據驅動并非為用數據而用數據，也并非將技術變成“一舉一動皆量化打分”的學習監控。學習分析之核心是通過現代技術精準探究育人規律，有效提升育人精準度。在根深蒂固的科舉考試制度影響下，學習分析極易陷入以功利主義為導向，以排名、成績和應試為固化形式的文化洪流。因此，在數字智能的設定下，萬不可喪失“人是教育主體”的基本原則，幼兒的需求關切應得到極大滿足、感性體驗應得到較大提升、身份期待應得到有效回應。

三、數據驅動幼兒區域活動學習分析的優化路徑

幼兒區域活動學習分析聚焦于不同區域，為教育目標的圓滿實現提供路徑，其涉及內容廣泛且細致，其分析結果要想真正實現賦能教育，還需持續優化數據采集設備、科學搭建學習分析環境、聯動多項技術分析學習信息和重視倫理隱私安全，全方位促進幼兒和諧發展。

（一）優化智能采集設備，低侵入性感知幼兒數據

幼兒在區域活動過程中會產生肢體動作、面部表情、對話文本等多類型的交互數據，涉及他們的外顯行為和內隱行為，往往要依賴特定設備或儀器進行采集。隨著數據密集型科學研究新范式迅速崛起，用以學習分析的由經驗觀察而得的區域活動交互數據，將延伸至由智能設備自動化感知的多模態、多源異構數據，而數據采集工具可依托便攜式穿戴設備來提高便捷性、降低侵入性，實現學習狀態的精細化感知。幼兒區域活動涵蓋益智區、生活區、語言區、科學區、建構區、美工區等，在配置不同區域活動的學習資源時，應考慮數據采集設備的輕量化。如基于物聯網技術將傳感器內嵌至幼兒的手環、眼鏡和手套等可穿戴設備中，依托網絡實時互聯反饋幼兒數據，這不僅降低了應用成本，還可實現幼兒生理及運動信息的便捷化和低侵入性采集。在配置不同區域的學習設備時，可集成專用于幼兒生理信號采集的相關配套設施及系統，并一體化連接電腦、手機等智能設備，實時獲取區域活動中幼兒情緒、行為和投入度等學習信息，使得數據智能采集設備逐步向便捷性、無感化和輕量級發展。

（二）秉持生態系統理論，科學創設學習分析環境

作為理解人的行為特征與發展脈絡的理論框架，生態系統理論為幼兒區域活動學習分析環境創設提供著全新視角。在創設學習分析環境前，應提取幼兒園教育參與主體的態度傾向、關注點和實際需求，充分考慮幼兒的身心發展規律以及在不同區域的學習規律。微觀系統是幼兒直接接觸的環境，牽涉幼兒園的園長、教師和家長等多方角色。兒童心理發展規律表明，幼兒正處于自我概念建立的初級階段，對他人反饋信賴較強[16]。因此微觀系統是對幼兒影響最大的環境因素，其表現出的態度傾向、學習評價會直接影響幼兒的心理狀態，相關主體需關注幼兒的情緒體驗，重視雙向互動和情感溝通。中層系統即幼兒置身的各區域場域，須實現不同區域活動數據的智能級聯。如科技展示區利用VR交互、全息投影和網絡電子設備實現沉浸式體驗，并在交互過程中采集幼兒學習數據；特色課程區通過啟蒙幼兒學習的課程學習系統、智能機器人助手等輔助教學手段，支持智能化學習分析。幼兒使用區域內陳列物品的頻次以及進出不同區域的次數也可借助智能設備采集，從而分析不同幼兒對學習材料和各類區域的偏好，使得區域設置和材料投放更加精確化。外部和宏觀系統是幼兒生活的社會環境，涉及文化習俗、社交媒體、國家政策和意識形態等范疇，仍需在頂層設計上規范要求，從而為幼兒搭建良好的學習分析生態系統。

（三）發揮技術聯動作用，多角度分析幼兒學習信息

學習內容和環境的動態調整、學習者關系的變化導致學習分析異常復雜，為形成系統有效的分析結果，還須發揮多元技術的聯動作用。其一，應貫通數據挖掘、數據聚合和數據分析，構建“數據感知—智能分析—精準干預”全序列模式，全方位智能捕獲與分析幼兒學習信息。從幼兒區域散點式的表現記錄轉向全景式的信息獲取，實現對幼兒成長的橫縱向追蹤和全過程動態分析。其二，應利用多樣化技術提升幼兒數據的豐富性和開放性。區塊鏈技術以自治性和去中心化等特征推動數據資源的匯集與流動[17]。利用區塊鏈技術可打造透明度高、可信性強的幼兒智能學習分析平臺，將傳統垂直的資源配置模式轉化為扁平的資源共享模式，同時深度融合物聯網和泛在網絡，無縫銜接物理與信息空間。其三，應結合量化與質性方法對幼兒學習信息做出合理解釋。通過頻率、時長和進度等量化指標，獲取顯性或陳述性數據，剖析幼兒的學習習慣和行為模式。同時通過觀察描述和深度訪談，獲取隱性或程序性數據，了解幼兒的主觀感受和體驗。

（四）重視倫理隱私安全，全方位關注幼兒和諧發展

教育大數據引發的隱私安全和倫理道德問題日益凸顯[14]。因悄然審視學生的行為表現，學習分析過程可能會侵犯學生的隱私。用腦電儀或攝像頭捕獲幼兒在區域活動中的生理和行為信息，還可能會干擾處于自然學習狀態的學生，其行為表現的真實性也有待研判。因此，尋求學習分析技術與倫理隱私安全的平衡點至關重要，可從政策規范、技術強化和素養培育三個方面加以應對。其一，頂層設計上應頒布有關教育數據應用的政策規定，構建起分析主體與數字技術之間的制度秩序。政府部門應統籌規劃幼兒學習分析的工具規范、制度標準，確定各方主體在學習分析過程的權利地位，形塑“政府統籌、園內主導、行業企業參與、社會支持”的數字治理格局。其二，技術強化上應關注數據隱私安全的技術保障，構建起分析主體與數字技術之間的共生秩序。可合理運用多重身份驗證、數據匿名和安全監控等技術保障數據分析全過程的安全性，為幼兒區域活動學習分析提供可靠、可信的數據信息。其三，素養培育上應強化多方人員的信息素養和倫理意識，構建起分析主體與數字技術之間的價值秩序。還可調配靈活多樣的補充技術和數據收集方案，如通過舉行聽證會、建立專家組、設立意見箱等形式，給予幼兒及其家長一定程度的選擇權，體現科技之中以幼兒為本的人文情懷。

參考文獻：

[1]中華人民共和國教育部.關于印發《幼兒園教育指導綱要（試行）》的通知[EB/OL].（2001-07-02）[2024-07-15].http：//www.moe.gov.cn/srcsite/A06/s3327/200107/t20010702_81984.html.

[2] BEISLY， KWON， JEON. Executive function and learning behaviors：Associations with academic skills among preschoolers[J]. Early child development and care， 2020，190（15）：2469-2483.

[3] MONTESSORI. Childhood education[M]. Chicago： Henry Regmery Company， 1974：29.

[4]李志宇，原燕.《3-6歲兒童發展評估工具》的研制與應用[J].教育理論與實踐，2016，36（32）：27-30.

[5]袁振國.教育數字化轉型：轉什么，怎么轉[J].華東師范大學學報（教育科學版），2023，41（3）：1-11.

[6]習近平.高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告[EB/OL]. （2022-10-25）[2024-05-29].http：//www.gov.cn/xinwen/2022-10/25/content_5721685.htm.

[7]中華人民共和國教育部.教育部2022年工作要點[EB/OL].（2022-02-08）[2024-05-11]. http：//www.moe.gov.cn/jyb_sjzl/moe_164/202202/t20220208_597666.html.

[8] BRONFENBRENNER U， The ecology of human development： Experiments by nature and design[M].Cambrige Boston： Havard University Press，1979：33.

[9]盧晶.生態系統理論視角下智慧幼兒園環境構建研究[D].南昌：南昌大學，2022：57-74.

[10]楊現民，吳貴芬，袁李新.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.

[11]陳思睿，余勝泉.教育數字化轉型的數據賦能基礎與實踐[J].電化教育研究，2024（6）：66-73.

[12]劉新玉，王東云，師麗.腦機接口教育應用：原理、潛能與障礙[J].開放教育研究，2023，29（1）：18-25.

[13]李曉巖，張家年，王丹.人工智能教育應用倫理研究論綱[J].開放教育研究，2021，27（3）：29-36.

[14]趙麗，賀瑋，王洋.人工智能支持的課堂教學行為分析：困境與路徑[J].電化教育研究，2022，43（1）：86-92.

[15]曹培杰，王阿習.新一代數字技術何以賦能教育評價改革[J].人民教育，2023（20）：30-32.

[16]葉平枝.幼兒教師日常教學評價行為的現狀及存在的問題[J].學前教育研究，2010（6）：19-24.

[17]蘇若菊，李德顯，孟麗菊.基于區塊鏈技術的高中教育評價改革研究[J].教育理論與實踐，2024，44（14）：17-21.

責任編輯：趙赟

*本文系江蘇省教育科學“十四五”規劃2021年度課題“基于大數據的幼兒區域活動學習分析研究”（D/2021/04/118）的研究成果。

收稿日期：2024-10-05

作者簡介：徐金雷，南京師范大學校長辦公室，研究員，碩士生導師；王楠，南京師范大學教育科學學院碩士研究生；朱靜晶，南京市實驗幼兒園，高級教師。