论文部分内容阅读
【摘 要】 当今社会被大数据影响着，大数据改变着人们的工作、生活和思维方式。当前教育领域的大数据也逐渐形成，教育大数据与传统意义上的教育数据和其他领域的大数据有着不一样的特征，教育者和被教育者必将受大数据的影响发生变化，从而驱动教育领域进行变革与发展。因此，本文基于教育大数据特征，根据大数据对教育评估的影响，对大数据驱动下教育评估的主要特征进行研究，以便为更好地适应大数据时代而开展教育评估研究提供参考。
【关键词】 教育评估 大数据 教育人工智能（EAI）
2011 年 6 月，麦肯锡全球研究所发布研究报告——《大数据的下一个前沿：创新、竞争和生产力》，第一次提出“大数据时代”来临，认为“数据”已经渗透到当今每一个行业和业务职能领域”。信息科技时代快速发展，大数据极有可能成为改变世界的一种战略资源。事实上，在大数据时代下，大数据影响已经深入到政治、经济、教育、医疗等人类生活的方方面面，为社会带来前所未有的‘大利润’‘大科技’和‘大知识’等发展机遇，进而影响着人们的“知识体系、价值体系和生活方式”。
1.教育大数据的特征
大数据是相对于小数据的一个相对概念，大数据并不是大批量的数据简单地累加而形成，它有交叉性、融合性、流动性和跨领域等特征。教育大数据就是在教育过程中产生的数据或者是在教育领域与教育相关的活动所产生的数据。
1.1 教育大数据的特征。（1）准确性。传统教育数据一般教育评估都需要大量的数据作支撑， 以往的情况下都是依靠人工采集。 比如，评估者会根据需要，设计出相应的方案或是调查问卷， 在大家都知情的情况下进行采集， 这种采集方式所获得的数据一定程度上往往带有评估者的主观刻意性和被评估者的非意愿性。（2）更具有客观性，从而使教育评估结果更具准确性。传统的教育数据都是人工方式进行进行采集，而且基本局限于某一阶段，并不能根据需要随时采集到数据，这主要还是与技术受限有关。互联网云计算的发展促进了大数据的发展，同时也发展了数据采集技术，这就使得我们即时采集数据成為可能。（3）连续性。教育大数据在每天的教育活动中不间断地产生着，由此产生的数据本身就具有连续性，但在传统的教育数据采集过程中，局限于技术手段，我们只能间断性地采集一部分数据。大数据时代，我们能利用移动终端、云计算等现代技术手段，在不影响教学活动的情况下快速、持续不间断地采集到更多微观层面的过程性数据。（4）复杂性。数据具有广泛性的特点，给我们带来数据收集便利的同时又带来了一些潜在的问题。教育活动是人类社会中较为特殊的一种实践方式，主体和客体的复杂，教与学的同时进行，而且教育模式本身就是复杂的而且没有任何所谓标准样板的，这些教育的本性就造成了教育数据的复杂性，再加上大数据本身的鱼龙混杂的特性，就使教育大数据更具有复杂性。
2.基于大数据的高等教育评估特征
教育大数据的上述特征对我们的观念和处理方式将产生巨大的转变。这对教育的影响是必然的，无论是宏观上讲的教育教学理念、教育管理和决策，还是具体到微观上的教学过程与评价等方面，都将会因为大数据而发生变革。牛津大学互联网研究所教授、数据科学家维克托·迈尔-舍恩伯格指出，大数据将重塑教育，并提出大数据改善学习的三大核心要素：反馈、个性化和概率预测。我认为这些核心要素将为教育评估开辟出新的思路。
2.1评估内容综合化。在国内，高等教育评估种类主要分为院校评估、专业评估认证以及各类专项评估、评价等。院校评估是对学校整体办学水平的评估;专业评估认证是对具有专业职业特征的专业人员的教育教学情况进行认证和评价的过程。如“临床医学”和“基础教育”的评价和认证;特殊评价分为很多种，对某一时期的建设需要有专门的评价，如促进双类学科的特别评价;在特定情况下进行的评估，例如就业调查和评估，以了解学生就业情况;以及对学生学习和教师素质的评估。无论是哪一种评价，一般来说，在理论的指导下，构建相应的评价指标体系，然后根据每一种指标类型收集相关数据，根据所得到的数据分析一个或多个结论，这就是“一对一”或“一对多”的评估模型。例如，我们在进行专业评估时，往往只通过对课程、教材、实验室、实践基地、教改项目、师资队伍、培训质量等方面的考核来得出专业建设的利弊与建议。这种基于职业本身单一因素的评价，得出的结论也是单一的。
2.2评估方式过程化。传统的高等教育评估基本是富有成效的一次性评估，是基于现有数据对目标实现情况的总结评估。即使在教育活动的过程中，形成性评价问题的及时识别、改进工作，实际上也是阶段性的总结评价。在教育活动过程中，对学生进行直接评价是传统评价方法难以做到的。首先，传统的评价虽然开始使用计算机信息技术，由于技术受限，不能很好地处理一些非常复杂的数据，尤其是一些非结构化的数据，如图像和音频。其次，在数据采集方面，仍然有些困难。由于数据壁垒的存在，缺乏数据保存意识，就不能在任何时间进行采集，传统的评价者只能采集一次。如上所述，教育大数据是以平台或载体为基础，综合应用各种数字设备，与研究对象相关的教育活动相关的所有数据都是我们直接或间接用于研究和分析的。使评价者在不增加技术使用难度的情况下，了解评价者在整个过程中的表现，进而利用基于大数据的程序性评估来指导教育活动的及时调整和改进。
2.3评估手段智能化。从技术层面来说，评估手段主要是指评估信息的收集，处理和分析。目前，我国教育领域的大数据正在形成，与课程教学，教学管理，学习信息，数字校园等方面相关的数据日益增多。如何处理这种看似混乱的大型数据需要更智能的技术。我们必须从杂乱无序的数据中找到有用的数据，然后仔细地分析和总结它们，以在评估系统中形成数据结构。这需要数据挖掘，这是通过使用计算机辅助系统和数学算法通过机器学习探索隐藏在大数据中的未知信息的过程。
3.结论
今天，教育人工智能（EAI）等新技术的快速发展与渗透赋予了高等教育、高等教育评估诸多新的理念、内涵和特点。 大数据的兴起与应用，一方面，为高等教育评估提供了丰富的数据资源;更加客观全面的评估结果，更加科学合理的评估手段等，另一方面，如何合理利用大数据技术为教育评估提供新的方法和手段是我们面临的新课题。
作者简介：刘贺，男，民族：汉，籍贯：安徽，学历：硕士研究生，单位：湘潭大学，研究方向：公共管理
【关键词】 教育评估 大数据 教育人工智能（EAI）
2011 年 6 月，麦肯锡全球研究所发布研究报告——《大数据的下一个前沿：创新、竞争和生产力》，第一次提出“大数据时代”来临，认为“数据”已经渗透到当今每一个行业和业务职能领域”。信息科技时代快速发展，大数据极有可能成为改变世界的一种战略资源。事实上，在大数据时代下，大数据影响已经深入到政治、经济、教育、医疗等人类生活的方方面面，为社会带来前所未有的‘大利润’‘大科技’和‘大知识’等发展机遇，进而影响着人们的“知识体系、价值体系和生活方式”。
1.教育大数据的特征
大数据是相对于小数据的一个相对概念，大数据并不是大批量的数据简单地累加而形成，它有交叉性、融合性、流动性和跨领域等特征。教育大数据就是在教育过程中产生的数据或者是在教育领域与教育相关的活动所产生的数据。
1.1 教育大数据的特征。（1）准确性。传统教育数据一般教育评估都需要大量的数据作支撑， 以往的情况下都是依靠人工采集。 比如，评估者会根据需要，设计出相应的方案或是调查问卷， 在大家都知情的情况下进行采集， 这种采集方式所获得的数据一定程度上往往带有评估者的主观刻意性和被评估者的非意愿性。（2）更具有客观性，从而使教育评估结果更具准确性。传统的教育数据都是人工方式进行进行采集，而且基本局限于某一阶段，并不能根据需要随时采集到数据，这主要还是与技术受限有关。互联网云计算的发展促进了大数据的发展，同时也发展了数据采集技术，这就使得我们即时采集数据成為可能。（3）连续性。教育大数据在每天的教育活动中不间断地产生着，由此产生的数据本身就具有连续性，但在传统的教育数据采集过程中，局限于技术手段，我们只能间断性地采集一部分数据。大数据时代，我们能利用移动终端、云计算等现代技术手段，在不影响教学活动的情况下快速、持续不间断地采集到更多微观层面的过程性数据。（4）复杂性。数据具有广泛性的特点，给我们带来数据收集便利的同时又带来了一些潜在的问题。教育活动是人类社会中较为特殊的一种实践方式，主体和客体的复杂，教与学的同时进行，而且教育模式本身就是复杂的而且没有任何所谓标准样板的，这些教育的本性就造成了教育数据的复杂性，再加上大数据本身的鱼龙混杂的特性，就使教育大数据更具有复杂性。
2.基于大数据的高等教育评估特征
教育大数据的上述特征对我们的观念和处理方式将产生巨大的转变。这对教育的影响是必然的，无论是宏观上讲的教育教学理念、教育管理和决策，还是具体到微观上的教学过程与评价等方面，都将会因为大数据而发生变革。牛津大学互联网研究所教授、数据科学家维克托·迈尔-舍恩伯格指出，大数据将重塑教育，并提出大数据改善学习的三大核心要素：反馈、个性化和概率预测。我认为这些核心要素将为教育评估开辟出新的思路。
2.1评估内容综合化。在国内，高等教育评估种类主要分为院校评估、专业评估认证以及各类专项评估、评价等。院校评估是对学校整体办学水平的评估;专业评估认证是对具有专业职业特征的专业人员的教育教学情况进行认证和评价的过程。如“临床医学”和“基础教育”的评价和认证;特殊评价分为很多种，对某一时期的建设需要有专门的评价，如促进双类学科的特别评价;在特定情况下进行的评估，例如就业调查和评估，以了解学生就业情况;以及对学生学习和教师素质的评估。无论是哪一种评价，一般来说，在理论的指导下，构建相应的评价指标体系，然后根据每一种指标类型收集相关数据，根据所得到的数据分析一个或多个结论，这就是“一对一”或“一对多”的评估模型。例如，我们在进行专业评估时，往往只通过对课程、教材、实验室、实践基地、教改项目、师资队伍、培训质量等方面的考核来得出专业建设的利弊与建议。这种基于职业本身单一因素的评价，得出的结论也是单一的。
2.2评估方式过程化。传统的高等教育评估基本是富有成效的一次性评估，是基于现有数据对目标实现情况的总结评估。即使在教育活动的过程中，形成性评价问题的及时识别、改进工作，实际上也是阶段性的总结评价。在教育活动过程中，对学生进行直接评价是传统评价方法难以做到的。首先，传统的评价虽然开始使用计算机信息技术，由于技术受限，不能很好地处理一些非常复杂的数据，尤其是一些非结构化的数据，如图像和音频。其次，在数据采集方面，仍然有些困难。由于数据壁垒的存在，缺乏数据保存意识，就不能在任何时间进行采集，传统的评价者只能采集一次。如上所述，教育大数据是以平台或载体为基础，综合应用各种数字设备，与研究对象相关的教育活动相关的所有数据都是我们直接或间接用于研究和分析的。使评价者在不增加技术使用难度的情况下，了解评价者在整个过程中的表现，进而利用基于大数据的程序性评估来指导教育活动的及时调整和改进。
2.3评估手段智能化。从技术层面来说，评估手段主要是指评估信息的收集，处理和分析。目前，我国教育领域的大数据正在形成，与课程教学，教学管理，学习信息，数字校园等方面相关的数据日益增多。如何处理这种看似混乱的大型数据需要更智能的技术。我们必须从杂乱无序的数据中找到有用的数据，然后仔细地分析和总结它们，以在评估系统中形成数据结构。这需要数据挖掘，这是通过使用计算机辅助系统和数学算法通过机器学习探索隐藏在大数据中的未知信息的过程。
3.结论
今天，教育人工智能（EAI）等新技术的快速发展与渗透赋予了高等教育、高等教育评估诸多新的理念、内涵和特点。 大数据的兴起与应用，一方面，为高等教育评估提供了丰富的数据资源;更加客观全面的评估结果，更加科学合理的评估手段等，另一方面，如何合理利用大数据技术为教育评估提供新的方法和手段是我们面临的新课题。
作者简介：刘贺，男，民族：汉，籍贯：安徽，学历：硕士研究生，单位：湘潭大学，研究方向：公共管理