大数据在教育评价中的应用与挑战：21世纪教育改革的新动力

hwyzw

    21世纪以来，大数据成为当今社会发展的重要标志，改变着人们生产、生活和认识世界的方式。一般来说，大数据是指普通数据库软件无法获取、存储和管理的数据集。它具有大容量、高速度、多样性和价值的特点，需要有效的技术来分析和处理。教育与信息技术深度融合，不断深化大数据在教育管理、个性化学习、智慧教学等领域的应用。 2020年，中共中央、国务院印发《新时代深化教育评价改革总体方案》，提出充分利用信息技术，提高评价的科学性、专业性、规范性。教育评价的客观性。当前，大数据已成为重塑评价改革实践的重要驱动力。不仅为评估过程提供丰富的数据支持，而且通过数据分析和管理，提高教育评估的准确性。但在大数据赋能教育评价的过程中，数据伦理、主体性丧失等潜在风险也不容忽视。教育评价工作者应站在教育立场和人的立场上，通过科学判断处理好数据与人的关系，真正发挥大数据的教育评价功能。

    1大数据时代教育评价的基本范式

    教育大数据已成为教育评价的核心资源。大数据支撑的教育评价不仅意味着拥有海量数据，更体现了多源数据采集、数据深度挖掘、数据实时呈现和高效数据管理在教育评价中的应用。 。

    1.1 多源数据，实现全流程、全方位三维评价

    多源是大数据的重要特征，体现了对教育评价全过程、全时空数据信息的持续采集和跟踪，蕴含着评价对象全景呈现的含义。传统的教育评价受技术条件限制，难以获取全面的评价信息。导致一些关键维度的评价内容容易缺乏强有力的信息基础，评价的有效性和专业性难以保证。多源数据“帮助我们获得前所未有的视角”。 “确定什么是可行的，什么是不可行的；展示以前无法观察到的学习方面”，推动教育评价从基于小样本数据的经验判断向基于整体大数据的循证决策转变。

    多源数据的重要价值在于使教育评价活动实现时间维度上的连续性和空间维度上的全局性。在时间维度上，多源数据体现为相关主体可以依靠数据采集平台和设备获取体现评价对象变化和发展的过程数据，如通过物联网传感技术、可穿戴设备技术、传感器等。 、视频记录技术、识别技术。此类数据可以获得海量的历史数据以及各种状态、各个环节的实时生成数据。一些行为数据可以通过同伴的方式进行收集，这样可以方便连接过去和现在的多时空数据，并展示评价对象的变化和发展过程。在空间维度上，多源数据一方面表现为数据采集渠道更加多样化，可以突破地点的限制。线上数据和线下数据也可以共存，形成多维度的评价空间；另一方面，数据类型更加全面。它可以展现评价对象在学习成绩、情感态度、身心健康等各方面的表现，充分反映评价对象的真实状况。同时，多源数据也意味着评价数据结构的完善和数据层次的清晰。例如，美国在国家、州、学区和学校层面建立了各种教育数据系统。 “这些数据系统之间相互关联、数据互联，形成三维数据网络，为美国教育评估大数据的获取提供了基础基础。 “多源数据可以打破时间和空间的障碍，对于推动教育评价从模糊因素走向精准因素具有重要意义，为构建全流程、全方位的三维评价网络奠定基础。

    1.2 深挖，实现科学准确的即时评价

    教育数据是教育评价的事实和证据的基础，但简单地收集、描述和浅层分析教育数据并不能充分认识其内在的价值和意义。长期以来，我国教育评价一直受到数据来源和类型单一、数据缺乏关联性、数据运用缺乏深度等问题的困扰。未能真正发挥评价数据的作用。然而，大数据具有大容量、高速度、多样性等特点，使得对数据进行深度挖掘成为可能。大数据深度挖掘后形成的结果可以呈现多模态数据之间的关联性，对评价对象的成长和发展规律进行深入分析，实现评价效果的跟踪和问题的预警。

    大数据时代的数据挖掘是以数据信息技术为支撑的，可以对海量数据进行比较分析、交叉核对和聚类统计，使多样化的数据得到整合和分析，形成更有针对性、更有效的评价数据。 ，实现数据质量的提升，从而不断提升评估分析结果的准确性。另外，对于海量、丰富的评价数据，深度挖掘可以从数据的相关性中发现其价值，而这是单一微量数据难以实现的。例如，研究人员可以通过PISA测试中形成的庞大数据库进行数据挖掘和二次分析研究，从教育、心理学、社会学、经济学等学科角度进行分析，从而获得评价的应用价值数据。完全实现了。利用多元化技术挖掘海量评价数据，可以为教育决策提供更加专业、科学的依据。对于教师教学而言，深度数据挖掘可以利用相关关系的“声音”捕捉学生的最新动态，构建学生个性化的数字肖像，为学生的学习提供及时反馈，实现即时评价。

    1.3 实现可视化、差异化动态评价的算法推荐

    算法是大数据时代的一个重要概念。数据的积累促进了算法的深入研究。大数据和智能通信的本质是基于计算机算法程序对各种数据信息进行收集、整理、评估、分类和应用。智能算法的基本本质是利用数学算法分析用户的个人偏好，并根据用户的历史数据进行推荐。在教育领域，单一分析工具难以快速挖掘数据的多维功能，但智能算法的应用有助于提升教学管理评估的精准化和个性化。

    使用算法产生教育知识首先需要收集足够的数据，然后通过适当的算法发现相应的知识。算法推荐可用于教育评估，更精准地推送评估对象所需的数据信息，压缩评估数据反馈。有偶发性。基于大数据技术，研究人员可以充分利用算法模型，依靠可视化工具等载体，从海量数据库中准确获取并反馈评价信息；可视化技术有助于分析和探索大规模复杂的评价数据，对教育公众理解和发现规律发挥巨大作用，是教育价值最直接的体现。智能算法利用相关工具，以可视化图表等更直观的形式输出与个体成长发展相关的评价数据，评价对象从中可以获得个性化的分析数据和精准的反馈结果，了解自身的优势和劣势。此外，忽视学生个体差异和个性化，导致教育评价陷入同质化困境，难以为改善评价对象的发展状况提供实质性帮助。大数据时代，算法推荐可以呈现适合特定群体和对象的评价内容，回应教育评价中存在的客观差异。智能算法注重评价数据的复杂性和差异性，这使得评价活动的动态性成为算法推荐价值的重要体现。

    1.4 数据管理实现预测性、前瞻性的发展评估

   

    高质量的教育评价离不开大数据技术的支持。但当前教育评价数据运行仍存在不同机构之间数据获取困难、数据缺失、数据壁垒等问题。随着大数据管理技术的不断完善，数据管理功能依靠特定的技术或平台对采集到的海量数据进行分类、汇总、分析和处理，使复杂多样的评价数据保持有序状态。

    数据库是整合和分析海量数据的有效手段。在信息技术的支持下，教育评价活动可以形成评价数据库，从而有效管理海量评价数据。当前的大型教育评估项目依托互联网，实现大规模协同评估开发、测试、流程和数据管理，形成包含学生学业素质和多学科背景的调查数据库，满足学生、家长、教师、教育管理部门和教育研究人员等相关单位对评价数据应用的需求。建立大规模跟踪数据库是实现预测性、前瞻性发展评价的必要支撑，也是实施增值评价的前提。利用数据库可以对评价数据进行统一管理和持续跟踪，系统地掌握评价对象在一定时间内的表现。内部发展和成就变化。同时，数据管理有利于数据的横向和纵向分析。还可以为了解学生学业成绩发展、构建学生学习过程常数、科学全面评价学生学习过程、真正实现发展提供重要数据支撑。性学生评论。维克多·迈耶-勋伯格（ Mayer-，Mayer-）等人提出了大数据改善学习的三个核心要素：反馈、个性化和概率预测。管理大数据不仅仅是关注过去或现在，而是更重要。更重要的是，它可以预测个体的行为偏好、成就表现等数据，帮助评估主体尽早了解自我发展状况。无论是学校评价、教师评价还是学生评价，都蕴含着促进人的发展的终极本质。随着大数据管理体系的不断完善，规划评价对象发展方向的可能性增加，推动教育评价向更具前瞻性的发展评价转变。

    2 大数据时代教育评价的数据关注

    人工智能时代的到来促使我们进入数字世界。大数据能做什么，不能做什么？从评估数据收集到数据分析再到评估结果的应用，都可能产生不可预测的风险。大数据时代的教育评价也面临一定的数据担忧。

    2.1 数据收集引发数据伦理威胁

    数字时代，大数据是推动社会发展的关键力量，与数据相关的伦理问题也受到广泛关注。数据伦理是一种新型伦理关系，与信息伦理密切相关。可以认为是数据运作过程中形成的风险问题和价值规范。大数据本身并无好坏之分，但它与其他因素的相互作用可能产生远远超出技术和实践的直接目的的影响。大数据时代教育评价中存在的数据伦理首先表现在数据采集过程中对个人隐私的侵犯。教育评价对评价对象进行全方位、全过程的数据采集。大量的评估数据极有可能触及评估对象的个人敏感信息。此外，相关主体数据隐私保护不足，评估数据存在泄露风险。其次，海量评估数据的价值更多来自二次利用，但实际评估过程中存在数据滥用问题。在大数据时代，事物一旦数字化，其用途就可以改变。有些数据在评估活动完成后没有及时清理，可能会被未经授权的组织重复利用。数据主体的知情权得不到保障，使得评估主体隐私被侵犯的风险持续增加。最令人不安的是可用于重新识别个人数据的不可预测的辅助数据集带来的风险。这意味着数据研究主体面临的风险不仅仅局限于项目研究本身的范围和寿命。最后，虽然在人工智能背景下评估数据采集方式日益多样化，但由于多样性和动态情况的限制，数据的完整性很难保证，尤其是同时使用多个数据集时，这些错误和差距也将被放大。在这种情况下，可能会形成对评价对象的认知偏差，由此产生的身份固化会在一定程度上加剧教育评价的不平等。大数据采集倾向也可能损害评估对象的合法权益。由于我国幅员辽阔，民族众多，受不同文化的影响，我国的教育存在着很大的地区和民族差异。偏见可能会导致算法歧视的风险。数据叠加算法很容易造成对评价对象的偏见和歧视，从而造成新的教育不平等。

    2.2 数据使用陷入学科纪律困境

    启蒙运动以来，人类是理性的、自主的存在的观点广泛流行，人的主体性被推到了很高的位置。 “主体性问题是哲学的核心问题，也是教育的根本问题。人的主体性是“教育追求的重要目标”。大数据时代，个体的自主性和选择性似乎在海量数据的支持下得到了提升。崛起，但事实上“人类的主体地位受到了挑战，甚至可以说，人类以一种乐观、自愿的期待，将自己的主体性让渡给了自己创造的技术”。个体的认知主体地位意味着我们不能将评价对象视为可以规训和塑造的对象。但在大数据驱动下，很容易陷入数据合规困境。

    首先，教育评价中的数据导向，促使人们越来越相信，只有通过大数据，才能探索评价对象成长和发展的规律。个人越来越依赖数据，他们的批判性思维和判断力被迫让位于丰富的数据。在大数据的强制下，个体主体性丧失，最终形成绝对服从数据的尴尬局面。其次，大数据支撑的教育评价学科学科还表现为将人类存在的多样性、差异性抽象为统一的数据，就像学生的认知活动、情感体验、教师的教学智慧等因素转化为无生命的物质一样。数据。通过对数据的简单化理解，个体成为“一维人”将成为既定事实，这将导致个体在教育评价中大数据构建的数字世界中越来越迷失价值和意义。最后，大数据时代的数据力量成为一种无形的主宰力量。 “算法力表面上是一种技术力，但背后是控制算法设计和研发过程的资本力。而且，在不久的将来，算法的力量可能会逃脱人类的控制，进化成人工智能。人类的技术优势甚至霸权。”教育评论。 Price通过对海量数据的深入分析，塑造了评价对象的画像，并基于技术手段掌握了评价对象的个人偏好，可以在一定程度上指导个体的思维和行为选择。个体自由意志减少，有限理性下对评价数据的依赖不断增强。 “我们在彼此层叠的数字景观中徘徊，但我们看不到景观中的其他人。”人们的主体地位受到挑战，只能被动等待数据呈现的结果，并以此做出价值判断和行为选择。 ，迫使个人放弃探索数据之外的空间。

    2.3 数据使用中失去界限

    数字思维范式在现代社会备受推崇。计算主义的核心思想是所有的认知都可以计算。从本质上讲，大数据是人类探索理解和量化世界的新进展。大数据时代的教育评价也以计算理性为主导，力求让数据在评价过程中说话，寻求其可确定的部分，从而避免评价中不可预测的危害。然而，确定性和不确定性是客观世界的固有状态，任何寻求确定性的努力都存在不确定性。由于知识的无穷无尽和个体生命的无限可能性，教育评价活动也包含着复杂性和不确定性。这种不确定性限制了评估数据本身和数据结果的应用边界。

    当数字技术主导教育评估时，评估者对数据的使用往往会陷入边界迷失的漩涡。一方面，大数据时代的教育评价希望通过获得的丰富数据构建一个真实可信的世界，用确定性数据表达不确定因素，充分利用算法模型发现评价数据隐含的价值，因此，这种认识是基于对已知和未知的美好愿景；通过大数据和算法的运算，可以预测评价对象的成长和发展，努力揭示评价对象发展的确定性规则。另一方面，在技术指导下，大数据叠加算法强行限制了教育评价中的偶然性因素。利用评估中获得的多源数据来预测评估对象的概率意味着限制个体的改进路径，这本身就是一种对数据边界的忽视。基于大数据的教育评价是以消除风险为基础的。虽然这在数据上有合理的逻辑，但当教育评价中数据的运用失去边界时，学生的发展空间和教师的教学空间也受到限制。 。在此之下，教育工作者需要深入思考：在数据日益影响教育评价的环境下，人们使用大数据的目的是什么？在某种程度上，评估者利用大数据来满足他们对可量化秩序的渴望，而这种对数据的信任使得评估者很可能被数据的虚假魅力所愚弄，而赋予数字更多的意义。评估数据背后的教育本质可能被掩盖。教育评价中数据价值的盲目扩张，回避或缺乏对什么是好的教育的质疑。事实上，任何教育规律的揭示都无法避免对理想教育追求的有目的的规制。大数据时代，数据在教育评价中的应用不应失去其内在边界，从而忽视对美好教育的向往和追求。

   

    3 用三重判断解决大数据时代教育评价的数据隐忧

    教育评价是一种基于事实和价值观的实践活动。价值判断是教育评价的本质特征，合理的价值判断需要建立在科学的教育价值观之上。大数据时代，要充分实现数据的教育价值，评估者需要立足于人的发展视角，通过三个教育判断来解决大数据时代教育评估中遇到的数据隐忧：合法性判断、价值判断和有限判断。

    3.1 通过合法性判断解决数据伦理困境

    合法性是一种基本的价值判断，合法性是一切社会行为的准则，也是教育行为的前提和标准。 “合法性探寻”意味着教育哲学研究必须对教育行为做出规范性判断：什么是合法的教育行为。在计算主义的统治下，对教育行为合法性的理性判断被忽视。有必要探讨大数据时代教育评价的合法性。教育评价的合法性判断表现为相关主体对评价过程做出规范性判断，对数据给予人文关怀，寻求数据理性与个体情感的融合。

    大数据时代的教育评价，合法性判断首先是指教育评价数据采集、分析和反馈的合法性。大数据的有效性并不意味着它是合法的。评价数据的收集、分析和管理过程必须符合数据规范。评估者必须明确哪些评估数据可以收集，哪些评估数据可以公开共享。数据操作应符合要求。教育目的，确保审查对象的隐私边界受到保护。其次，判断大数据背景下教育评价的合法性时应始终坚持的评价原则是让参与实践主体享有一定的评价权利，使每个评价对象都能获得公平公正的评价结果​​，发展。正确的。教育评价的合法性不能仅以满足大多数人的要求来衡量。评价者需要明确教育评价要达到的目标，提高理性思维能力，确定什么样的数据可以进入教育评价领域，充分关注评价对象。个体差异及其自身发展需要和内在潜力可以减少对某些群体的偏见和歧视。最后，需要坚持大数据时代教育评价的合法性判断，在技术活动中应首先考虑人文关怀。教育评价获得的大数据仅提供事实参考，并不代表评价对象的整体发展。当个体的成长受到过往数据的制约，遭受不公平待遇时，评价主体尤其需要更加人性化。我们应该用一种态度来审视大数据对个体发展的影响，营造更具教育意义的评价氛围，认识到评价对象不是冰冷的数字，而是情感丰富的人，让评价对象在评价过程中得到评价。评估过程。获得积极的情感体验。当评价对象不断数字化、算法化时，这种伦理困境应该引起人们的关注。这时，合法性判断也显得尤为重要，这表明了对更加科学合理的教育评价的渴望。

    3.2 通过价值判断促进评价对象主体性回归

    人是一个能动的主体，其现实性与价值是统一的。人与客观世界之间既有事实关系，也有价值关系，价值反映了人与外界的价值关系。价值判断是关于理性的判断，关于善与恶、善与恶、利与害、对与错、合理与不合理等的判断，它解决客观事物与主体需要之间的关系。对于“应该做什么”的问题，大数据背景下的教育评价需要回应和处理人与数据的价值关系，因为教育世界是人类意义生成的世界，教育活动是与价值相关的活动，以及教育活动本身都具有内在的价值维度。从教育的角度，即人类发展的角度来看，数据技术只是认知主体的延伸。大数据时代的教育评价需要在主体价值观的指导下开展活动，需要满足个体的需求和意愿，而不是交给技术。改变认知主体的基本属性。教育评价中的价值判断是评价者不仅仅利用大数据将其转化为具体的行动，而是可以利用数据来判断什么样的行动适合评价对象，以及这个行动给评价对象带来什么。价值。在评价过程中，始终追求评价对象的发展和个体主体性的生成，这也要求评价者所采取的行动始终是面向未来的、开放的，而不是过去或现在的重复。

    在大数据时代的教育评价中，数据为评价主体采取行动提供了可能的途径。能否转化为现实，还需要站在教育立场上进行价值判断。要避免数据可能给个人带来的纪律风险。摆脱对数字魔法的迷信，避免沦为基于数据的教育评价。这种基于数据的教育评价本质上是一种外部教育评价。它不涉及对人的内在的描述和判断。它只关注可以用数据表示的指标维度。然而，个体的发展是复杂而多样的。性被遗忘了。事实上，教育评价过程不仅是一个数据收集和分析的过程，更是一个价值判断的过程。大数据叠加算法无法取代能够表征人类主观性的专业判断能力。教育评价的数据导向导致个体主观性。损失必须通过价值判断来补偿。评价者不仅要判断基于大数据的事实判断、价值判断以及相应的评价行为对个体发展的影响，还要判断其教育潜力。这意味着评估者应该具有一定的实践智慧。评价者除了利用大数据来衡量评价对象的发展之外，还必须充分认识到个体发展的复杂性和无限可能性，在数据之外为个体构建发展空间。

    3.3 有限的判断和评价数据背后的教育本质

    在大数据时代的教育评价中，局限性是指数据作用和效果的限度和边界，有限性判断是指对数据作用和效果的限度和边界的评价。任何事物的作用都是有一定限度的，只有在合理的范围内才能发挥作用。如果边界模糊，则可能导致功能的概括或侵犯。正如海德格（）（）分析了技术与实践之间的关系一样，技术不再是某些时刻的一种实践手段，而是成为干扰活动的破坏对象，这正是因为在使用这些技术时，用户被“消散”。如果大数据时代的教育评估缺乏评估数据功能的限制和界限，而忽略了数据背后的真正含义和含义，尤其是当评估目的之间存在冲突时，可能会滥用教育评估数据。因此，在大数据时代，在教育评估中需要有限的判断。这种有限的判断不是仅仅拒绝大数据在评估活动中的应用，而是在不断寻求数据与人之间的平衡以及阐明数据的重要性时。以及其使用的合理限制，促使大数据时代的教育评估恢复了教育人士的本质。

    在大数据时代，教育评估以看似客观，公平的数据和某些结果指出了教育和个人发展的方向，使人们对数据变得迷信，而忽略了数据背后的教育本质。首先，有限的判断需要反映评估概念的教育性质，即基于大数据的教育评估应基于人们的全面发展。对于评估对象，不能完全数字化个人，并且在大数据时代，教育评估不能代表个人发展。无限的可能性，教育是有限判决的先驱；其次，有限的判断需要强调评估过程的道德规范，即评估活动的发展应遵循数据伦理。大数据的工具价值不能替代教育的固有教育价值，并且必须避免教育评估中的“灯柱”。综合征”并寻求人类发展，而不是陷入数据中。最后，有限的判断需要强调评估结果的增长。评估最终指出了个人的可持续发展，而不是反映当前的发展。注意数据背后的教育本质并促进评估数据的教育价值的回报是大数据时代的教育评估的正确含义。 “如果我们怀疑纯粹的本质的存在，或者不询问纯净的本质，而是考虑到现实中的一切，就可以将基本问题掩盖。”在大数据时代的教育评估中，仅关注评估数据中反映的实际意义并忽略数据的教育性质，然后将掩盖数据背后的教育性质和功能。

    在大数据时代，三维评估，实时评估，动态评估和发展评估由大数据支持的教育评估实现，建立了新的教育评估情况；但是，当搁置教育评估中数据的教育性质时，教育的教育功能将无法实现促进个人的全面和个性化发展的功能，因为它被困在数据的泥浆中。请注意大数据背后的风险，要警惕由大数据在教育评估中应用，根据人类发展做出教育判断，并让大数据提供教育评估，而不是数据覆盖人类主题的数据。这是对新时代教育评估改革中技术，数据与人员之间关系的合理回应。