實踐項目 返回列表

數據智能驅動教育生態重塑

2021/6/19 11:02:49

作為數字化轉型以及推進智慧教育的技術關鍵,教育數據技術及其應用創新是核心。智慧教育所追求的大規模因材施教,最關鍵的技術核心在于數據智能,以及伴隨數據智能技術的機制、教者的跟進。當前的智慧教育實踐中,數據智能驅動教育生態重塑的前景已經浮現。前路依然曲折。


未標題-1.jpg

如何理解數據智能



通俗地理解,數據智能是從大數據中“提煉”出來的價值。同樣地,教育數據智能是海量教育數據模型、深度學習算法、高度計算力等智能化技術與算法的融合體。業內也開始用“智能教育大腦”來隱喻之,是一個能夠實現數據融合、關系挖掘、問題診斷、決策優化等教育賦能的智能應用。


遵循“數據處理→模型訓練→測試評估→服務應用”的技術路線,數據智能的實現基礎是對基礎數據集的深度追蹤、結構化組織與動態監測。這個過程中,其技術核心是教育數據中臺和智能分析引擎。


教育數據中臺(教育數據匯聚中心)致力于實現教育數據規范統一、互通融合、開放共享目標。具體包括底層數據環境、教育數據中臺、數據治理機制和安全管理機制等。其中,底層數據環境通過互聯網、5G、云平臺、傳感器等基礎工具完成數據的持續采集。數據中臺通過對多源異構數據的清洗、關聯、流通、融合等,實現教育服務的精細化治理。數據治理和安全管理機制強調數據流通的合理性和科學性,以及把控數據治理過程的透明化和安全化。


智能分析引擎通過教育數據的關系挖掘,構建智能教育大腦的數據分析系統,為學生個性化自主學習、教師精準化教學提供價值提升支持,以滿足適合多種教育場景的個性化教學形態與活動的展開,呈現學校管理“一校一檔”、教師發展“一師一檔”、學生成長“一生一檔”的監測目標。


數據智能如何重塑教育核心業務



教育部推進的“智慧教育示范區”建設,教育理念上,體現的是以人的發展為核心;智能技術上,則體現為學習空間的無縫連通、學習情境的敏捷感知、學習資源的開放整合、學習過程的全程可記錄、學習體驗的自然交互以及學習服務的精準適配等。


以數據智能驅動學、教、管、評等核心業務的結構重塑,是推進智慧教育的實踐路徑。


第一,給教師的“化驗單”。


超越步調一致的集體教學,照顧到每一個學生的學習狀態和學習需求,推動因材施教目標的實現,這是數據技術重塑教學場景的價值意蘊。利用數據技術實時捕獲和挖掘教學進程中的海量數據,經由行為序列挖掘精準預判學生的過程性習慣,探尋學習發生的作用機制和關鍵誘因,并在多輪迭代中不斷調整教學設計,從而促進學生素養的普遍提升。同時,數據技術通過對學生知識掌握、學習習慣、學習態度和學習策略等多維視角下的綜合研判,能夠更加精準地診斷學習中存在的問題,以便更為精準地施加干預。


未標題-2.jpg


數據智能重塑教學結構的應用場景,最為突出的是線上線下融合的教學結構重塑。智能技術為教師提供學生在認知、行為、知識掌握及情感動機等各維度的表現,基于細致的學情研判,教師能夠對教學活動的組織實施相應的設計,比如教學活動差異化開展、前置組織、項目化設計等。


第二,給學生的個性化處方。


了解你、成就你、發現你是數據技術重塑學習場景的重要體現。學習者畫像,從學生如何學習(即記憶與知識的結構、問題解決與推理分析、元認知過程與自我調節能力),以及學生學習成長(主動獲取知識和技能過程中發生的情感、認知、行為變化)等維度,刻畫學習者典型特質和學習成長個性特征,在此基礎上的精細化和智能化學習診斷,成為給學生的個性化學習“處方”。同時,也是對學生的能力預判,幫助學生更好地認識自我、發展自我、規劃自我以及建構自我。


不難發現,數據技術支撐下的學習場景呈現如下典型特征:


  • 一是以學生為中心,學生作為學習進程的主體,借助智慧學伴、智能批改等技術支持,能夠自主控制教育活動序列。


  • 二是自主選擇,即學生依據興趣偏好和發展需求等,選擇適應的學習材料。


  • 三是靈活服務,依托智能技術支持,延伸了傳統教室環境下的數字資源和精準服務,激發了學生持續探究的熱情和內在動機。


第三,給評價的增值提升。


采用數據驅動的方法,利用監測學生學習成長的數據畫像實施評價,能夠突破評價方式、評價目的及評價維度等方面的局限。2020年10月,中共中央、國務院印發的《深化新時代教育評價改革總體方案》明確指出,堅持科學有效,改進結果評價,強化過程評價,探索增值評價,健全綜合評價……


未標題-3.jpg


學生成長數據畫像,回應了評價改革的綜合性、全程性和增值性要求。


  • 首先,以學習者核心素養發展為切入點,綜合學習者成長過程中認知發展、非認知狀態、社會情感發展等因素,對學習者成長發展進行綜合監測。


  • 其次,通過多模態數據收集,全面映射學生學習成長全過程;以數據驅動的方式,建立學習者動態畫像;


  • 再次,基于學習者動態畫像對學生學習成長進行監測,為相關者提供問題甄別、學習診斷、決策支持等增值性評價。


數據智能驅動的評價實現了評價場景的全周期監管,通過對多元數據的解碼,為診斷需求、縮小學習差距以及精準化干預提供證據,實現了評價的科學化與增值性的平衡。


實現教育數據智能的挑戰



數據驅動決策,分析變革教育。如何充分發揮數據技術的增能、增效、改進、變革等功效,既是重要考量又是艱巨挑戰。


一是數據治理方面的挑戰。


教育的復雜性導致教育數據的多源異構形態更為明顯,數據的采集、匯聚與互通方式更具挑戰,數據應用的需求更為多元。數據技術涉及教育大數據應用服務、平臺、系統等產品,涉及標準與規范的研制,涉及針對教育業務的數據建模和智慧教育應用。教育數據技術亟須協同多方力量攻關突破。


二是教師素養方面的挑戰。


數據智能驅動的教學創新需要教師具備基本的數據素養,然而這項能力教師普遍較為欠缺。此外,數據智能驅動的教學創新,需要教師重新定位教者角色,需要重塑教學結構,也即弱化“教書匠”的角色,發展和凸顯“設計者”“分析者”“促進者”的角色。


三是學校機制方面的挑戰。


智能技術驅動的教學業務的結構重塑是一種數字化轉型,對教、學、管、評來說都是一種機制的變革,學校如何借助數字化轉型的力量,系統地設計整個學校的教學系統、管理系統、評價系統等,這對于學校而言并非易事。

作者:顧小清(華東師范大學教授、教育部教育信息化專家組成員)

來源:《中國教育報》


向日葵下载在线官网_向日葵下载安装无限看_向日葵下载app下载