数智新教育系列第1篇 | 基础教育数字化转型的三个要素

数字化转型的基础条件就是数据。在教育领域，日常教学持续不断地产生各类数据，为下游教育分析服务提供丰富的数据来源。数据本质上是“非竞争的”，广泛共享将激发教育数据的价值潜能。但是作为关键要素，教育数据的可得性依然面临诸多挑战。

（1）数据孤岛现象依然存在。由于教育业务的复杂性，往往需要多个技术产品协作提供多样功能。而不同厂商提供的产品之间存在数据联通壁垒。

（2）教学过程数据欠缺。当前教育数据多是静态的、结果性的，而体现教育教学场景的动态的、过程性数据存在较大缺口。其结果是已有数据的维度单一、价值良莠不齐，难以用其勾勒师生完整的数字轨迹。

（3）“可信”智能的数据架构缺乏。当前所用的教育数据多是方便收集的数据、可服务于结果的数据，数据分析结果大概率缺乏可解释性，其所表现的“智能”就意义失真、效用不足，无法实现可信智能。

构建数据基础是数字化转型第一关键要素。针对当前存在的数据建设挑战，

第一，打破“数据壁垒”，通过基座+应用的数据基础建设，规范各类教育应用平台数据接入和分层分级存储过程，以及多源异构数据的接入标准，实现教育教学业务场景数据的汇聚融合。

第二，推进过程性数据的无损采集。智能物联技术的日益丰富，为教育环境的易接入、泛在化、全场景数据提供了可能。加强教育新基建，有望弥补教育教学过程性数据的欠缺。

第三，建立师生及学校发展数字轨迹。要确保数据智能的可解释性，就要以“服务师生与学校发展”的理念建立教育教学数字轨迹。因此，教育数据的建设应实现学生成长轨迹“一生一档”，教师发展历程“一师一档”，学校管理“一校一档”。以此确保高质量和高可信教育数据的采集、流转、共享，为教育业务场景的问题解决提供有力的数据支撑。

建立数据分析技术以挖掘数据智能，是教育数字化转型的关键要素。随着教育数据的大规模积累和算法算力的升级迭代，能否挖掘数据智能成为能否实现数据赋能教育教学的关键。教育数据分析通过运用数据挖掘、深度学习等智能技术，解蔽传统课堂教与学“黑盒”过程，揭示教育现象背后的规律和趋势，为课程设计、教学改革、过程评估等方面提供定量化依据，从而提高教育决策的科学性和准确性。但是，针对教育数据的智能挖掘目前主要迁移沿用企业成熟的数据中台产品，而其在挖掘教育数据价值上还有很多不足。1）迁移沿用成熟的数据中台产品，并未触及教育教学核心业务，致使数据分析如师生画像等浮于表层，对驱动教学改进的效果并未真正体现。2）迁移沿用成熟的数据系统，难以在其数据系统中融进教育数据指标和教育数据模型，也难以实现满足教育教学需求的分析和应用。3）企业成熟的数据产品缺乏具有领域属性的业务分析模型，难以满足不同主体需求。而教育数据的分析应用具有领域门槛，比如不同教育主体（学生、老师、学校、机构）的需求多样且差异巨大，要求教育数据应用时至少需要考虑两个方面的条件，即不同主体所需的业务数据分析模型具有差异，不同分析模型涉及的数据粒度具有差异。

研发基于教育领域模型的数据分析应用服务，建立教育教学核心业务的数据分析（计算）模型，将为推进教育数字化提供专业支持。数据分析模型的作用有两点：一是使从数据获得的智能是可解释的，以切实发挥数据驱动教学改进的作用；二是能对接入的数据进行转化，使之成为可计算的教育数据，并对缺少的数据进行弥补。模型是由教育领域业务主导的，基于它的数据分析结果也主要面向教育业务。因此，模型一定程度上是理论的载体，同时也是量化方法的具体体现，可以进一步指导数据的定制和开发。

当前数据分析面临领域知识模型化程度低的问题，不仅缺乏针对日常教学进行分析、诊断与干预的分析模型，更缺乏面向新的教学需求，如项目化学习、大概念教学设计、自适应学习资源建设、素养导向过程评估等指向新教学理念的数据分析模型。现成产品的分析反馈就难以提供细粒度分析，难以超越教师自身认知经验。而数据分析服务的关键，就在于对教与学“黑盒”过程的深入理解，建立“白盒”模型以支撑分析反馈，并通过构建面向学与教的数据治理→学习诊断→学习干预的闭环，体现有效理解和充分应用数据价值的学与教智能化水平。

对此，可行的解决路径是：第一，从技术上按照属性、证据、参考、行为、关系等教育数据特有的结构特征对数据贴标签、做架构，使其经处理后能进行数据的混合计算；第二，构建教育实体的合理结构，使教育实体关联的教育数据在领域内可复用、可计算、可建模；第三，构建反映教学过程、素养评价的学习者模型、知识模型、教学策略模型，打通教育理论与数据间的隐性关联，研发基于领域模型且适应教育新场景的个性化应用服务，实现数据分析反馈与教育实践场景的全场域映射。

数据素养是推进教育数字化发展的内在要求。数据价值的发挥不仅需要夯实数据基础和提供有效的数据分析服务，还需要教师相应的数据素养，能对教学数据分析结果进行解读并加以利用，从而形成数据驱动教学改进的闭环。教育领域的数字化转型特殊之处在于由其育人属性决定的“智能替代的不完全性”，它要通过“人机协同”，即对教育主体的智能赋能，实现教育的数字化转型。教育元宇宙、类ChatGPT生成式通用语言模型的火爆更预示着未来数字技术将以“人机协同”的方式赋能教育教学实践。而教育主体具备数据素养则成为必然条件。

对此，教师数据素养需包含两个层面的新要求。其一是数据层面的素养，即会解读、能分析、善设计；其二是“富人机交互环境”的教学理念和教学创新能力，即在数据分析服务支持下敢于探索数据驱动、技术赋能的新教学模式，使学生的学习更加个性高效。

教师则需要从数据意识、数据思维、数据决策等方面提升数据素养，增进对“人机协同”教育实践的理解和接受能力，积极推动人机“协同共教”的融合创变。

提升教师数据素养，开展“人机协同”教学实践，决定了数字化转型能否在核心教学层面落地。高水平数据素养能帮助教师在“人机协同”地精准教学、教研和管理决策中发挥更大作用。在技术的升级迭代下，越来越丰富的数字资源可供教师便捷获取，教师不再只是知识的搬运工，而是主要承担数据使能的学习设计者和帮促者。其一，教师应当加强对数字技术的正确认识，提高数据分析、利用的胜任力，创新教育教学模式。教师能够理解数据，科学制定精准教学方案，实施差异化、个性化的学习设计。其二，教师需要形成数据思维与认知，善于在数据分析支持与智能个性化技术服务下探索性设计项目式、探究式等教学活动，利用数据智能开展围绕学生发展的智能个性化教学。其三，当前教育系统还面临着要教会年轻一代如何学习、快速适应时代变化的挑战，教师也需要培养学生适应不可知未来的技能，引导学生建立数字化学习与生存、数字意识与创造的能力。对管理者而言，同样需要提升数字领导力与数据治理能力，统筹与重塑教学管理，有效引导学校开展转型变革与创新实践。

数字化已是全球教育发展共有的趋势，数字化转型更是一个多阶段、持续发展的过程。基础教育的区域、学校和教师应树立坚定的数字化发展信念，明确和统一学校数字化转型实施与实现的目标愿景、战略规划和文化建设，以数据为核心抓手，紧密围绕三要素提升中小学学校数字能力，包括学校数据能力、数字业务能力和人员数据素养。其重要价值与意义在于：它可以为学校事务提供教育服务和更多可能性，形成基础教育数字化转型根本性保障；它能以数据赋能解决教育教学实践中的实际问题，最大化教育数字化效能；它可促进学校主体具备主动、灵活和创新运用数字技术的意识和能力，以数字化推动基础教育高质量发展。