教育大数据的应用

徐荣耀

润泽的愿景就是希望数字经济的发展可以照顾普罗大众。我们现在做了一个教育大数据的应用项目，教育是以造就人的品質为目标，人的品质提高，社会的品质才会提高。

最近微软CEO萨提亚·纳德拉在他的新书《刷新》里面讲到，教育加创新的总和乘以科技使用强度等于经济增长。我们大家都在追求经济增长，可是真正的经济增长根源是什么？其实就是人才。人才哪里来？靠教育。

我们今天追求社会发展、经济发展，教育是一个非常重要的点，这也是我们做教育大数据的原因之一。现在有一个契机，2020年高考将实施3+3改革方案，3+3方式中最重要的是分类入学、多渠道入学的方式，除了学科之外，也强调学生的素质，高校可以去选择它的学生。所以，整个实施都会涉及数据应用分析，高校如何选择高素质的学生，每一个学生该怎么选择3+3。另外，教育管理部门如何配合改革，怎样制定相关政策，教育大数据都是为了帮助解决这方面的问题。

什么是教育大数据？教育大数据其实涵盖整个教育过程，真正的教育是整个社会行为，教育采集包括教学活动、教育管理、地方思维状况和学习动机、学习行为等。而且整个数据采集需要长期跟踪，并能只取一个瞬间。

教育大数据希望产生多维度的分析，采用的不止是所谓传统的教育数据，同时也去搜集相关的社会数据，然后来做分析。目前看到教育统计方面的讯息，都属于冰山的一角，包括学校等量化的讯息。可事实上，影响整个教育发展的，更多的是非量化、非结构化的数据，包括整个安全环境、经济活动、家庭教育等因素都是要考虑进来的。

我们只要将这些因素考虑进来，按照不同情境、不同环境、不同状况去给教育制定不同的政策，来提升全民素质、学生素质，这是我们希望做到的目标。我们希望可以做到从非结构性变成结构性，非量化变成可量化，以往的经验可以用数据来解释。把教育目前比较趋向于宏观的方式，用更个性化的方式去做，这是我们希望在教育大数据方面推动的转变。我们在做教育大数据的时候，会跟国内很多专家去探讨，同时也参考了国际相关机构的做法。举一个例子，PISA是一个由经济合作与发展组织（OECD）筹划的对全世界15岁学生学习水平的测试计划，最早开始于2000年，每三年进行一次。该计划旨在发展教育方法与成果，是目前世界上最具影响力的国际学生学习评价项目之一。他们也通过问卷和社会调查去了解当地经济环境的状况，然后做一个评估，对被调查的区域给出一个建议。我国最早是上海开始做，调查内容包括学校资源、教师自主性、教师素质，也包括了家庭影响、学校在教学方面的先进化程度，还有学生的学习经验等。目前所提出的结果建议报告，是可以被采用的。

可是PISA到底还是国际性的计划，我们今天怎么样去做到本土化，更适合中国的环境？所以我们在这方面也花了很多时间去调查、去分析，跟很多专家合作。整个覆盖面包括兴趣爱好偏差分析、学生水平详细分析、考试成绩走势分析、教育综合指数分析等。这里面牵扯到很多很复杂的内容，不止在学校方面的活动，也包括课外活动。

在学习成绩评价方面，记录每次考试的成绩和详情，帮助学校和学生做知识板块分析和学习综合分析。比如很多学生可能在计算能力方面不是那么好，但他在动手实验方面可能是一流的，这时候应该怎么帮助他。另外就是综合能力构成，每一个科目都有不同的能力构成。一个数学题不会做，并不代表你不会计算。接下来就是综合素质分析。刚才讲到要把量化的分数，拆解成更细的、非结构性的观点，综合素质分析就会把非结构性的观点考虑进来。目前我们做的教育大数据结构层包括用户数据来源层、大数据存储层、数据评估平台层和综合服务应用层。

教育是百年大计，所以整个教育大数据要做的是持续长期的追踪和分析。我们做这些是希望教育成果评估可以是多维度的、多样化的，而不是像现在通过考试成绩来做评价，考试成绩只是参考之一，要真正了解背后的状况，去挖掘真正的需求跟专长。

我们怎样发掘学生的素质和潜能以及学习方式？当然最直接的方式是可以帮学生在高考3+3选科目，第一个3是数学、语文和外语，另一个3就是在政治、物理、化学、生物、历史、地理六科里面任意选三科，怎样选是一个最有利的方式？同样，我们也希望帮助高校，在选学生的时候，除了3+3直观的依据之外，也可以了解每一个学生的素质，他的素质适不适合高校的教学方向。

大数据应用要有场景驱动。在宏观方面，我们希望可以借助大数据了解除了学校之外的整个社会发展状况，描述整个教育的因果关系，然后来提供这方面的分析给政策制定者或者是学校，甚至是家庭做一个参考。另外，教育本身可以分析出来的社会和经济活动，我们希望借由教育大数据去帮助整个社会从教育的角度去考虑当地社会和经济的发展。

（根据演讲内容整理，未经本人审核）