作为数字化转型以及推进智慧教育的技术关键,教育数据技术及其应用创新是核心。智慧教育所追求的大规模因材施教,最关键的技术核心在于数据智能,以及伴随数据智能技术的机制、教者的跟进。当前的智慧教育实践中,数据智能驱动教育生态重塑的前景已经浮现。

  作为数字化转型以及推进智慧教育的技术关键,教育数据技术及其应用创新是核心。智慧教育所追求的大规模因材施教,最关键的技术核心在于数据智能,以及伴随数据智能技术的机制、教者的跟进。当前的智慧教育实践中,数据智能驱动教育生态重塑的前景已经浮现。前路依然曲折。

  如何理解数据智能

  通俗地理解,数据智能是从大数据中“提炼”出来的价值。同样地,教育数据智能是海量教育数据模型、深度学习算法、高度计算力等智能化技术与算法的融合体。业内也开始用“智能教育大脑”来隐喻之,是一个能够实现数据融合、关系挖掘、问题诊断、决策优化等教育赋能的智能应用。

  遵循“数据处理→模型训练→测试评估→服务应用”的技术路线,数据智能的实现基础是对基础数据集的深度追踪、结构化组织与动态监测。这个过程中,其技术核心是教育数据中台和智能分析引擎。

  教育数据中台(教育数据汇聚中心)致力于实现教育数据规范统一、互通融合、开放共享目标。具体包括底层数据环境、教育数据中台、数据治理机制和安全管理机制等。其中,底层数据环境通过互联网、5G、云平台、传感器等基础工具完成数据的持续采集。数据中台通过对多源异构数据的清洗、关联、流通、融合等,实现教育服务的精细化治理。数据治理和安全管理机制强调数据流通的合理性和科学性,以及把控数据治理过程的透明化和安全化。

  智能分析引擎通过教育数据的关系挖掘,构建智能教育大脑的数据分析系统,为学生个性化自主学习、教师精准化教学提供价值提升支持,以满足适合多种教育场景的个性化教学形态与活动的展开,呈现学校管理“一校一档”、教师发展“一师一档”、学生成长“一生一档”的监测目标。

  数据智能如何重塑教育核心业务

  教育部推进的“智慧教育示范区”建设,教育理念上,体现的是以人的发展为核心;智能技术上,则体现为学习空间的无缝连通、学习情境的敏捷感知、学习资源的开放整合、学习过程的全程可记录、学习体验的自然交互以及学习服务的精准适配等。

  以数据智能驱动学、教、管、评等核心业务的结构重塑,是推进智慧教育的实践路径。

  第一,给教师的“化验单”。超越步调一致的集体教学,照顾到每一个学生的学习状态和学习需求,推动因材施教目标的实现,这是数据技术重塑教学场景的价值意蕴。利用数据技术实时捕获和挖掘教学进程中的海量数据,经由行为序列挖掘精准预判学生的过程性习惯,探寻学习发生的作用机制和关键诱因,并在多轮迭代中不断调整教学设计,从而促进学生素养的普遍提升。同时,数据技术通过对学生知识掌握、学习习惯、学习态度和学习策略等多维视角下的综合研判,能够更加精准地诊断学习中存在的问题,以便更为精准地施加干预。

  数据智能重塑教学结构的应用场景,最为突出的是线上线下融合的教学结构重塑。智能技术为教师提供学生在认知、行为、知识掌握及情感动机等各维度的表现,基于细致的学情研判,教师能够对教学活动的组织实施相应的设计,比如教学活动差异化开展、前置组织、项目化设计等。

  第二,给学生的个性化处方。了解你、成就你、发现你是数据技术重塑学习场景的重要体现。学习者画像,从学生如何学习(即记忆与知识的结构、问题解决与推理分析、元认知过程与自我调节能力),以及学生学习成长(主动获取知识和技能过程中发生的情感、认知、行为变化)等维度,刻画学习者典型特质和学习成长个性特征,在此基础上的精细化和智能化学习诊断,成为给学生的个性化学习“处方”。同时,也是对学生的能力预判,帮助学生更好地认识自我、发展自我、规划自我以及建构自我。

  不难发现,数据技术支撑下的学习场景呈现如下典型特征:一是以学生为中心,学生作为学习进程的主体,借助智慧学伴、智能批改等技术支持,能够自主控制教育活动序列。二是自主选择,即学生依据兴趣偏好和发展需求等,选择适应的学习材料。三是灵活服务,依托智能技术支持,延伸了传统教室环境下的数字资源和精准服务,激发了学生持续探究的热情和内在动机。

  第三,给评价的增值提升。采用数据驱动的方法,利用监测学生学习成长的数据画像实施评价,能够突破评价方式、评价目的及评价维度等方面的局限。2020年10月,中共中央、国务院印发的《深化新时代教育评价改革总体方案》明确指出,坚持科学有效,改进结果评价,强化过程评价,探索增值评价,健全综合评价……

  学生成长数据画像,回应了评价改革的综合性、全程性和增值性要求。首先,以学习者核心素养发展为切入点,综合学习者成长过程中认知发展、非认知状态、社会情感发展等因素,对学习者成长发展进行综合监测。其次,通过多模态数据收集,全面映射学生学习成长全过程;以数据驱动的方式,建立学习者动态画像;再次,基于学习者动态画像对学生学习成长进行监测,为相关者提供问题甄别、学习诊断、决策支持等增值性评价。

  数据智能驱动的评价实现了评价场景的全周期监管,通过对多元数据的解码,为诊断需求、缩小学习差距以及精准化干预提供证据,实现了评价的科学化与增值性的平衡。

  实现教育数据智能的挑战

  数据驱动决策,分析变革教育。如何充分发挥数据技术的增能、增效、改进、变革等功效,既是重要考量又是艰巨挑战。

  一是数据治理方面的挑战。教育的复杂性导致教育数据的多源异构形态更为明显,数据的采集、汇聚与互通方式更具挑战,数据应用的需求更为多元。数据技术涉及教育大数据应用服务、平台、系统等产品,涉及标准与规范的研制,涉及针对教育业务的数据建模和智慧教育应用。教育数据技术亟须协同多方力量攻关突破。

  二是教师素养方面的挑战。数据智能驱动的教学创新需要教师具备基本的数据素养,然而这项能力教师普遍较为欠缺。此外,数据智能驱动的教学创新,需要教师重新定位教者角色,需要重塑教学结构,也即弱化“教书匠”的角色,发展和凸显“设计者”“分析者”“促进者”的角色。

  三是学校机制方面的挑战。智能技术驱动的教学业务的结构重塑是一种数字化转型,对教、学、管、评来说都是一种机制的变革,学校如何借助数字化转型的力量,系统地设计整个学校的教学系统、管理系统、评价系统等,这对于学校而言并非易事。

  (作者系华东师范大学教授、教育部教育信息化专家组成员)

中国教育信息订阅号二维码
中国教育信息微信服务号