一极两仪：教育大数据与厚数据关系辨析

　　摘要：大数据赋能教育变革，在促进学情诊断、学习分析、教学评价反馈以及教育智能决策等技术实践运用的同时，也触发了教育数据挖掘和学习分析等教育技术研究热点。如何深度分析、挖掘、利用教育大数据，从而有效发掘教育规律、提升教学绩效、促进学习者个性发展，厘清教育数据本质内涵、建构客观教育数据观是关键。

　　针对目前教育研究数据观存在的维度偏向：重视量化的收集而忽略质性的分析、侧重将非结构化数据转变为结构化、强调相关关系而忽略因果关系，该文引入厚数据概念，分析了厚数据强调定性分析、善于揭示数据背景、侧重发现事物因果关系的特征，阐明教育研究中大数据与厚数据一极两仪、缺一不可的融合互补关系，进而强调理应回归大数据和厚数据原本一体、不可分割的“全数据认知观”，深入情景，挖掘厚数据的潜在价值，将大数据和厚数据结合运用在教育技术研究领域中。

　　关键词：教育大数据;厚数据;学习分析;智慧教育

　　推荐阅读：《黑龙江教育(高教研究与评估)》(月刊)创刊于2005年，是由黑龙江教育杂志社主办的高教刊物。

　　“智慧教育创新发展行动”是《教育信息化2.0行动计划》提出的“八大行动”之一，智慧教育作为新一代信息技术与教育创新融合的新形态，充分体现了万物互聯时代云计算、大数据、人工智能等新技术赋能教育创新发展的作用。我国学者黄荣怀认为建立智慧学习环境需要新技术、新手段，而不同的学生在新型教学模式中都需要不同的与其相适配的学习内容，这些技术的基础都是数据。智慧教育、智慧环境(核心是智慧计算)和智慧教学(包括Smart Teaching和Smart Learning)互相关联而成。

　　完成智慧教育“大厦”的构建，大数据是关键技术。因此，实现智慧教育的前提是教育大数据的完善，经过数据挖掘和学习分析(Learning Analytics)技术处理后的教育大数据为新型教学提供无限可能。教育领域的大数据与教育创新发展随之紧密相伴而行，如何有效发挥教育大数据效能成为关键。

　　一、大数据与教育同行

　　(一)教育大数据的界定

　　我国学界认为：大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。而教育大数据是大数据的一个子集，特指教育领域的大数据，是整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合。教育大数据并非仅仅强调数据的数量“大”，更重要的是强调数据带来的作用的大，通过对大量的教育数据进行分析，得出教育数据之间存在的关联、分析产生数据的原因并且帮助预测教育发展趋势。

　　(二)教育大数据的研究热点

　　自从2010年大数据一词进入我国视野以来，如今我国对教育大数据的研究已经进入稳定发展阶段。《中国基础教育大数据发展蓝皮书(2016-2017)》提出了教学范式3.0，研究集中在利用数据驱动教学范式，即人工智能各技术帮助分析教学过程中教师的教学数据和学生的学习数据，以期帮助教学者、学习者和教学管理者全面了解教学各个环节的数据，以促进教学的整体优化与变革。杨现民、田雪松等详细解释了应用大数据技术构建高效互动课堂的实施策略。

　　方海光提出了整合现有的及未来的业务应用系统的数据，将数据存储在“云”中，最终实现教育资源的信息化共建共享。武法提对于基于教育大数据的学习习惯动力、未来课堂、学习分析工具的功能都具有一定的研究。余鹏、李艳在教育大数据为背景的基础上提出了生态体系模型，该模型能够实现对数据的精准管理。孙志伟等人从教育大数据视角构建了锥体网络状结构模型，从层次性的视角来梳理教育大数据中不同元素之间的关系。此外，国内对于基于大数据的学习分析、机器学习、数据挖掘、深度学习和教学模式、教学管理、教学资源方面也有相关研究。

　　国外对于教育大数据的研究重点聚焦于三个方向：教育大数据的基础理论、大数据支持下的学习方式探索、教育大数据处理技术的应用与实践。

　　大数据在推动教育深度改革的过程中发挥着很多重要的优势。在重塑教学模式、重构评价体系、转型研究范式、创新教育决策、变革教育管理等方面的技术赋能意义重大。我国现阶段教育大数据在改善学习方面主要体现为三点：反馈、个性化和概率预测。而教育工作者和研究者在分析教育数据之间的关系，为教育主管部门提供决策支持、提升线上教学的智能性、技术支持学习者的个性化学习、校园安全的舆论监督、对未来发展提供数据支持等方面已有不少研究。

　　(三)教育大数据研究的偏向

　　大数据在教育领域的研究逐渐增多已经显示了大数据对教育领域的影响。但由于教育领域的特殊性，对学习者、教学者、教学过程的记录不能仅仅简单的用“0”和“1”来表示，因为教育领域更多面对的不是行为而是思维。较多研究分析了受教育者的行为以及行为之间的关联，但是大多忽略了行为和行为关联背后不可量化、个体化的思维和情绪要素。基于此，在涉及到教育的研究中(环境、过程、对象、行为、效果)，不可量化的非结构化数据将大量呈现，并对研究结果产生显著性影响。

　　现有的数据认识观更多的偏向于大数据的研究方法，在这个视域的研究中，祝智庭等提出了需要从方法论上探索，将大数据与教学实践和教学管理结合，并且提出了教育大数据文化的教育策略。刘清堂等提出了在大数据视角下在线学习过程性评价系统的设计，而在系统的设计中提到，数据采集是很重要的一个环节。但是大多在大数据视域的研究，对人类活动数字化记录的非结构化数据研究略显不足，造成了在整体教育数据研究上的数据认识观偏向：

　　1.重视量化的收集而忽略质性的分析

　　教育大数据是通过对学习者、教学者、教育管理者的活动和行为进行追踪而获得的，包含了教育过程中所有的数据，虽然呈现为0和1数字的量化数据很重要，但通过这些海量数据并不能获得对学习者完整的理解，只能得到浅层次的、对学习者简化的解释。例如，随着大数据、人工智能、可穿戴技术和情感计算的在教育领域的发展，教育领域的研究者将学习者的心理行为、体态行为、情感表现等数据整合之后建立了学习者的肖像特征，但是在建立的过程中忽略了产生这样肖像特征的原因和过程却强调了产生的结果。教育大数据通过对全体数据进行量化分析，得到学习者的行为和活动，却忽略了形成这些行为和活动的原因。这也正显示了教育大数据忽略了质性的研究却偏重于量化的结果这一现象。