摘要

  武汉大学混合式教学平台贯穿整个教学活动,融合线上线下资源,并从一系列服务中构筑了整个教学活动的完整数据闭环。  在教育领域,教育活动的各方面已经参与了大规模的数据革命,高校正在基于新一代信息技术和人工智能技术重塑教育管理理念和方法,积极探索以数据为支撑的科学化、智能化、个性化的教育模式。  高校是教育服务的提供者,必须有及时可靠的、有组织的数据来维持高效率运行。以数据驱动的教育管理在现阶段的发...

  武汉大学混合式教学平台贯穿整个教学活动,融合线上线下资源,并从一系列服务中构筑了整个教学活动的完整数据闭环。

  在教育领域,教育活动的各方面已经参与了大规模的数据革命,高校正在基于新一代信息技术和人工智能技术重塑教育管理理念和方法,积极探索以数据为支撑的科学化、智能化、个性化的教育模式。

  高校是教育服务的提供者,必须有及时可靠的、有组织的数据来维持高效率运行。以数据驱动的教育管理在现阶段的发展水平下正面临各方面的挑战:

  ■ 一是教学手段的不断创新使得高校日常教学活动中积累的数据越来越多,数据类型也复杂多样;

  ■ 二是学院和职能部门相对独立,职能分散,难以统筹协调;

  ■ 三是数据分散在各部门的业务流程中,缺乏统一的数据规划和数据标准,数据难以整合;

  ■ 四是多校区分散运作,不同的物理、地理位置使得数据管理进一步复杂化。

  这些挑战最终会影响教学管理效率,一个完整、有效、可行的教育数据治理体系显得尤为重要。

  总体来说,数据治理是建立数据管理政策、流程和标准的章程,通过数据治理可以统一不同业务部门的数据仓库,挖掘数据内涵、提高数据价值、降低数据成本,确保数据使用遵从政策法规,为决策者提供稳定可靠的信息。

  数据治理框架

  为了确保数据治理有效、可行,数据治理框架一般包括四个关键组成部分:

  1.数据标准:数据治理的一个关键功能是为数据建立标准。数据治理主体需要建立数据定义和分类方法,根据具体业务开发数据模型,实施与数据相关的开发和技术标准。

  2.业务流程:围绕数据的生产、管理和审计而设计的业务流程及政策是数据治理的实践基础。数据治理主体需要定义数据和相关的业务规则,控制数据的访问和交付,建立持续的监测机制。

  3.组织结构:数据治理主体在发起数据治理计划时,首要解决的问题是如何设计以数据为中心的组织结构,根据业务需要定义数据治理各环节的角色及相应职责。

  4.技术平台:提供访问、清理、转换、交付和监控等功能的数据集成技术平台是数据治理的理想选择,数据集成平台有助于自动化与数据相关的流程。

  武汉大学混合式教学平台

  目前,混合式教学改革已在国内外的高校顺利实践并形成了系统的混合式教学管理与实践模式。

  新冠肺炎疫情期间,我国所有高校全部实施在线教学,108万教师开出课程合计1719万门次,在线学习学生共计35亿人次,改变了高等学校教师的“教”、学生的“学”、学校的“管”和教育的“形态”,形成了时时、处处、人人皆可学的教育新形态。

  在混合式教学模式下,丰富多样的线上和线下教学活动,不断涌现的智能化应用场景,多终端、多平台的信息化设施,这些都给教育数据治理增加了新的内涵和要求。

  在疫情防控常态化下,武汉大学积极探索混合式教学模式,使用现代化的技术手段和平台,以智慧教室、课程建设、在线平台为抓手,建立了武汉大学混合式教学平台,全力保障教学工作平稳运行。

  该平台构建了混合式教学场域,“线上”与“线下”有机结合,线上通过智能会议系统、pc端、移动终端等多种方式可以灵活接入教学平台,线下跨校区、多教室融合统一,可随时随地开展教学活动的智能场域,支撑模式创新。

  武汉大学混合式教学场景目前主要有三种:

  1.传统课堂授课并同时开通线上直播。仅2021年上半年,武汉大学累计为609名学生提供了线上观看直播授课的服务,包括分布在全球47个国家的300余名国际学生,累计直播课头1181个、直播教室405间、登录人次4915次、直播课堂10917个、观看视频人次47990次。

  2.开设20门线上国际课程,学校提供“1+N”多间教室同步教学的体验场景,聘请知名外籍教师线上授课,累计1351人次选修国际课程。

  3.通过珞珈在线平台打造在线课程,目前共建设运行课程628门,其中143门课程进行混合式教学。个性化的课程设计、沉浸式的学习体验、发散式的思维碰撞,灵活多样的混合式教学模式使得传统的“线下”教学和网络化的“线上”授课优势互补,有效缩短了师生们的空间距离。

  通过混合式教学平台实现了全流程的教学活动完整数据闭环,有效构筑了教学数据资产。

  授课前,教师通过平台发布课程预习、共享课程资料,并根据课程情况提前做好备课,学生提前做好课程预习。

  授课中,教师和学生可以通过在线方式进行授课听课和线上互动,也可以同时融合线下课堂的教学方式进行互动。

  授课后,教师通过平台发布作业、做好课程复习和课程拓展,学生通过平台完成课后作业和课程复习,并可以进行自主学习。

  混合式教学平台贯穿整个教学活动,融合线上线下资源,畅通形式多样的互动渠道,并从课程拓展、课程作业、学情分析等服务中构筑了整个教学活动的完整数据闭环,为数据驱动型的教学活动搭建了基础服务和数据平台。

  混合式教学模式下的数据治理

  在混合式教学模式下,如何有效整合和使用多部门、多平台、多数据源的数据,推动教育活动、教育决策向数据驱动转型,成为教育数据治理的重点关注内容。

  1.数据治理需求

  武汉大学二级部门众多,业务信息系统复杂多样,混合式教学模式下的数据治理首要解决的问题是信息系统间的互联互通问题,将传统教学数据与混合式教学数据进行融合,统一标准、集中管理数据,同时与其他部门进行数据交互,打破不同部门、不同层级、不同系统之间的信息孤岛,形成具有统筹规划作用的数据治理平台。

  通过数据治理,进一步搭建综合与智能服务平台,按照武汉大学的教育需求建立动态质量监测体系,推动教育决策由经验驱动向数据驱动转变、教育管理由单向管理向协同治理转变。

  2.数据治理原则与内容

  数据治理原则是数据治理活动中所应遵循的标准或法则,使整个模型运转的边界将更加清晰。武汉大学数据治理原则包括战略、合规、价值、教学改革四个方面。

  ■ 战略一致:结合武汉大学的愿景使命、管理目标、文化背景和运作模式,让数据治理模式能够为整个组织的共享而服务。

  ■ 运营合规:在数据治理过程中遵守法律法规,约束敏感社会问题的边界。

  ■ 价值创造:教育数据治理最终目的在于降低教育教学系统运营与数据利用成本,同时应用数据不断进行服务创新,为教育增加价值。

  ■ 完善配套的教学改革机制:充分考虑教育体系的复杂性,从政策层面为区域教育质量的提高保驾护航,防止大数据时代的区域教育治理成为“技术孤岛”。

  全面、清晰、多维的数据是支撑教育数据治理转型的基础,教育数据治理就是要整合多元数据资源、建设统一规范的数据平台、促进数据的有效融合,使用大数据、人工智能等技术挖掘数据内涵,为不同的教学场景和不同角色提供数据服务。

  教育数据治理的核心内容主要包括多数据源接入、数据融合和数据服务三大部分,核心思想是对接入的不同数据源的教育教学数据进行有效融合,以提供智慧服务、创造价值。

  数据源接入

  混合式教学模式下的数据源接入包含以传统系统为代表的传统教学数据和以混合式教学平台为代表的教学数据,支持不同种类、不同数据源、不同系统的数据获取。

  常见的数据源包括考勤记录、课件文档、课堂互动、微课学习数据、视频数据、课程预习数据、讨论贴文、课程测试与作业、课程考试与成绩数据等。

  混合式教学模式极大地丰富了教学场景,不同的教学场景生产的数据从来源、类型和结构等方面差异性很大。

  从数据采集渠道看,混合式教学平台可以采集课程考勤数据、课堂互动、教学反馈、微课学习数据等,成绩系统可以采集课程作业、课程考试及成绩数据,资源平台可以采集视频数据、课件文档、讨论贴文等数据。

  这些数据按结构化程度排序,有基于Oracle、Mysql、SQLServer等关系型数据库结构完全的构化数据,有基于XML、HTML、JSON等半结构化的数据,有基于文本、视频、音频等非结构化数据。通过离线或实时数据存储将数据汇入到数据汇聚中心,建立全面、动态、可配置的数据接入机制。

  数据融合与服务

  数据的结构化程度决定了教育数据治理系统可以实现的程度,混合式教学模式下产生的异构、多源的数据要达到交互共享的目的,必须进行数据融合。

  数据融合工作由数据共享中心完成,作用是将各种不同来源、不同类型的数据进行规范清理并形成统一的标准数据,经过加载、抽取、转换等一系列操作来对数据进行统一管理,必要时进行主题划分和数据关联,同时借助深度学习等技术手段完成数据融合,最终形成统一、集中的数据体系结构,构建教育活动全景数据共享体系。

  如果没有统一的标准,高校不同部门、不同系统中的数据不一致问题无法得到解决。

  例如,在培养方案、成绩管理、课程管理和考核评估系统中,课程信息、授课教师信息、上课学生信息等可能会以不同的数据结构、数据字典进行存储,会使数据集成工作复杂化,并影响业务分析、教育智能和教育报告的准确性与数据完整性。

  数据共享中心主要基于元数据标准,从数据存储、数据结构描述、数据功能、数据分发、数据限制、数据质量等方面建构数据标准化体系。

  教育数据治理需要通过数据服务进行价值变现,通过建设多渠道、多维度的数据服务模式,借助大数据、人工智能等技术进行数据建模和分析挖掘,建构教育活动知识库,使教育组织能够具备战略眼光,积极适应教育教学改革新形势、新环境。

  从教学活动参与者角度看,数据服务可以从教师、学生、教学督导、教学管理者等角度提供数据分析,对教师的教学过程、学生的学习过程、学习教学评教管理过程进行监督评价并精准指导,通过智能、精细的过程管理保证教育教学目标的实现、保证人才培养的质量。

  ■ 在教师端,通过学生个体与班级群体画像、学习活动进展、学习任务完成情况以及课程反馈评价等数据分析,可以给教师提供学情分析报告,根据课堂情况和实时反馈安排教学进度、调整教学计划并精准推送学习资源。

  ■ 在学生端,可以及时获取学情分析报告,按照教学安排获取、提交新的学习任务,根据课程资源进行自助式、探索式、启发式学习,并在课程生态圈内跨时空、跨学科进行学习探究和分享。

  ■ 在教学督导端,可以提供日常教育活动的跟踪及分析,包括课程参与情况、学生学习进度、教学任务完成情况、评教情况,还可以根据专项行动进行专项督导情况分析等。

  ■ 在教务管理端,通过学院、课程、教师、学生等汇总数据,提供各维度统计分析和比较,如课程考勤、课程进度、教师开课情况、学生学习情况、教室资源使用情况等。

  此外,还可以基于数据展示平台,结合各部门数据进行教育教学活动的实时分析和展示。

  数据安全与隐私保护

  数据安全是数据治理中的重要一环,目前,教师和学生等主体的数据安全意识薄弱,尚未对数据安全和数据伦理形成充分认识,数据治理机制的运行要尽可能规避数据风险,营造安全的数据应用氛围。

  数据安全主要包括数据存储安全、数据导出安全、数据传输安全、数据展示安全、数据访问安全五大方面。除了在技术上保障数据安全,还要在制度上大力推进师生数据隐私保护政策法规的制定和实施,完善立体化、多层次的教育数据安全保护机制,明确应用主体在数据使用过程中的权利、义务、边界。

  随着智能应用场景的不断丰富,数据革命对学校、教师和学生的影响将继续深化,未来的教育将在人工智能技术的支持下,通过大数据进行科学、精确的监控和管理。

  2021年教育部在《关于加强新时代教育管理信息化工作的通知》中明确要求“提高教育数据管理水平,加强教育数据规范管理,促进教育数据开放共享,强化教育数据质量保障,提升教育数据管理效能。”未来需要逐步实现基于大数据的精准教育治理服务,积极探索解决基于隐私保护和开放共享的教育数据治理难题。

  作者:余智涛、冷俊、吴丹(武汉大学本科生院)

  责编:徐鹤

华人教育信息订阅号二维码