发挥数据要素潜能促进学生AI核心素养提升

数据要素已成为推动数字经济发展的核心引擎，同时也是促进教育数字化转型和智能化升级的基础战略资源。数据要素既可以提升智能教育新模型中主体、环境和资源要素的价值利用效率，也可以通过内化运行过程，实现数智的价值创造和跨越[1]。发挥“数据要素×”的变革性影响作用，促进其在个性化学习、精准化教学、智能化评价和精细化管理中的价值释放，有助于推动教育高质量发展。一、“数据要素×教育”的意义、内涵和实现路径2020年4月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，首次将“数据要素”增设为继土地、劳动力、资本、技术之后的第五大生产要素，明确支持构建教育领域规范化数据开发利用的场景，提升教育数据要素价值。2023年11月，国家数据局在全球数商大会上首提“数据要素×”的概念，旨在发挥数据要素的放大、叠加、倍增作用，构建以数据为关键要素的数字经济。2023年12月，国家数据局等17部门联合发布《“数据要素×”三年行动计划（2024—2026年）》，推动数据要素与劳动力、资本等要素高效协同。随着数据共享、开放、流通、应用步伐加快，将有力促进资源要素的高效配置和全要素生产率的提升。数据要素是指加工处理原始数据，使之转化为具备潜在利用价值的数据资产，并成为可用于社会生产经营活动、能够为使用者带来经济效益或社会效益的重要生产要素[2]。教育行业的数据要素种类非常丰富，既包括学生的学习成绩和学情数据、教师的课件资源和课堂教学数据、家校社联动数据，也包括学校及地区的教育管理数据以及教育科技产品的后台统计数据，等等。“数据要素×”可以推动教育新产品和新服务等数据要素与教学、管理、人才培养等对接，使得不同地区、不同发展程度的学校得以低成本地复制和分享数据，破解传统教育模式的局限[3]。“数据要素×”还能推动不同主体之间快速便捷地进行价值共享和创造，促使教育数据要素、教育业务、教育场景实现全面融合，形成与现代经济社会发展高度适配的高质量教育体系[4]。对于学生而言，数据的挖掘分析能为他们提供个性、多元、精准的自主学习方式，搭建个性化成长和发展的平台，个性化成长报告单中，数据不再是冷冰冰的符号，而是承载着学生成长的回忆[5]；对于教师而言，数据的挖掘分析可以丰富他们的教育教学方式，提升他们的精准量化评价能力，解决评价标准模糊、单一的问题，真正“让评价看见人”；对于教育管理者而言，数据的挖掘分析提高了管理的精细化水平，让他们能动态掌握教育改革发展态势，增强对教育的诊断和预测能力，使得各种教育决策过程有数据可依，教育服务和管理更加公平、公正和科学合理。教育数据要素的实现过程，涉及学校、教师、学生、家长以及教育科技企业等多元主体，教育数据要素的流转模型如图1所示。通过系统全面地开展教学数据采集、处理与分析，原始数据便转化为可进一步分析利用的教育数据资源，即实现教育数据的资源化。教育数据资源中有一部分能产生实际价值的，再经过分类分级、登记入表等加工处理工作，参与到教育产品开发和使用、教育市场策略确定和师生服务的过程中，实现教育数据的资产化。教育数据资产化的过程意味着数据要素开始形成，产生一定的经济效益或者社会效益。未来，伴随教育数字化转型的步伐，致力于数据要素深度开发和利用的理论与实践将越来越有价值[6]，在某些特定场景，有望实现教育数据的资本化。二、数据要素赋能的AI核心素养评价（一）现状和问题《普通高中信息技术课程标准（2017年版2020年修订）》和《义务教育信息科技课程标准（2022年版）》中，分别提到了“信息素养”和“数字素养与技能”。此外，不少学者还提出并研究了“人工智能核心素养”（简称“AI核心素养”）。这些技术类素养都将直接影响“数据要素×教育”的价值发挥。数据要素的价值激活需要经过深度开发与利用的过程，而开发与利用的主体包括学校管理者、教师、学生、行业人士等利益相关者。这些群体的技术类素养越高，数据要素价值激活的速度就越快、程度就越深[7]。数据要素在提升学生的技术类素养、创新教育评价方面也发挥了重要作用。以中小学生AI核心素养为例，国内外的研究者大多从明确AI核心素养的框架入手，采用数据驱动的评价方式建立不同数据与素养框架的对应关系，从而对学生进行综合分析并生成评价，以期反映学生对人工智能的知识掌握、能力运用、态度责任等全方位素养水平，以及学生未来进入高校和社会后的AI迁移能力，提升评价的科学性、专业性和客观性。从青少年人工智能核心素养测评（AICE）[8]的AI核心素养框架（如图2）可以看出，一级维度的核心素养既包括学生的通识与技能、高阶思维等方面，也包括人机协同创新和智能社会责任等视角；二级维度则包括更加细分、具象化的指标，以更全面地刻画学生的AI核心素养。目前，国内面向中小学生的AI核心素养评价存在以下问题。一是大多是对知识、技能和低阶思维的评价，对高阶思维、人机协同创新、智能社会责任的评价较少涉及。二是大多以标准化测试、等级排名为主，偏成果评价和静态评价，尚存在未能有效融合多源数据进行产品化表征、未形成多方联动和数据闭环等问题。三是缺乏一体化的、能贯通追踪分析且可视化呈现素养各个维度的评价体系，数据要素价值有待进一步释放。（二）数据驱动的AI核心素养评价方法中小学生AI核心素养的评价方法包括：有一定阅读情境的标准化测试、调查问卷、小组合作式学习的项目展示、作品答辩等。采集课堂内外、学校内外的多维度数据，通过清洗、标记，对数据进行融合和挖掘分析，便可形成AI核心素养评价产品，服务于家庭、学校、社会等多元主体及环境，多方联动发挥数据要素的更大价值（如图3）。标准化测试用来描述学生对人工智能概念的态度、知识和理解水平，以及他们分析和评估人工智能系统的能力。其应用较为广泛，可准确、客观、迅速地得出结论，但不能有效评价学生在真实场景中的素养水平，需要引入更多过程性评价手段加以弥补。调查问卷可以描述学生对人工智能的情感、动机、学习态度等综合性素养，但这种方式存在一定的主观性和解释力度不强的问题。此外，学生作业、项目展示、访谈、作品任务答辩等方式，可以检查学生的人工智能满意度、动机和认知水平，便于开展更深入、更有针对性的人工智能教育，但存在效率较低的问题，需要在规模化推广时予以综合考虑。如AICE的基础阶段测评以标准化测试为主，提高阶段测评辅以作品任务答辩方式，由专家小组对学生进行综合提问，并从不同维度打分，以更丰富的维度进行中小学生AI核心素养的测评。Chai等设计了一份包括41道题目的问卷，对学生使用AI的态度和信心以及行为意向等进行调查。通过访谈，学生能内化学习经验，了解学习AI的挑战以及未来的就业前景。（三）数据要素赋能的AI核心素养产品将学生AI核心素养数据通过资源化、资产化的处理，形成适用于教育场景的全新产品，是挖掘数据价值的关键步骤，有助于提升数据要素赋能教育主体的实际效果。AI核心素养产品可以通过雷达图、知识图谱等可视化的方式呈现给学生，直观反映学生较为成熟和较为欠缺的核心素养维度，以及纵向贯通的核心素养发展水平和成长经历，有助于发现学生个体学习成长过程中存在的问题与缺陷，提高学生的自我认知，为今后自主学习的改进提高提供借鉴和导航（如图4）。面向地区和学校的AI核心素养报告，则有助于分析学生群体的特征状态、预测其成长与发展路径，为下一阶段的AI核心素养提升做好准备，同时也为区域教育统筹规划、学校跨学科融合、综合素质评价衔接、师生作品共创等管理和教学活动改进提供数据参考，指明发展方向（如图5）。各区域可依据报告中的数据，合理分配教育资源，开设特色课程，探索AI赋能的课程融合创新。此外，AI核心素养报告有着更广泛的连接性，可以与公民素养评价有效衔接，从而从个体层面上升到群体层面，在更大的政策框架内发挥作用，为教育等相关政策的制定以及全民AI素养档案画像的建立提供重要的数据支撑。三、未来展望数据要素是教育数字化转型的关键要素，数据已成为教学决策、改进和评价的强大驱动力[9]。全面采集、汇聚和共享教育数据，可实现全过程、全领域数据流通赋能和价值逐级释放，促进教育治理进一步精准化和教育服务供给品质的提升[10]。未来，数据要素赋能下的AI核心素养评价有以下发展趋势。首先，基于多源头数据，进一步发挥数据要素在个性化推荐、评价体系构建和决策制定等方面的作用。针对当前评价单一、片面化的问题，我们应结合课堂内外表现、校内外表现等丰富的过程性数据，借助各类智能化学习平台、学习和管理工具，调动家校社共同参与，实现跨学科、多模态、多维度数据融合。从数据中提取知识和技能、认知结构、动机态度等多维特征，有助于深入理解学生素养行为，从而实现对学生AI核心素养的立体化、综合化建模分析与评价，实现从数据采集到信息加工与知识建构，再到智能输出的素养培养和评价体系，进而为学生AI核心素养的精准评价和提升提供有力支撑。其次，进一步发挥教育科技企业在跨产业链协同中的作用。为解决教育产品与实际素养评价需求脱节的问题，教育企业的产品开发要以发挥数据要素价值为核心，加强教育数据的交换共享、协同开发和深度挖掘。比如，可以和教育企业平台数据、社会公共服务数据、全民素养水平数据等进行融合，创设更丰富的教育应用场景，供给更高品质的教育产品和服务。与此同时，编制动态更新的教育数据要素需求清单，精准引导数据要素的流动方向，打破传统孤立、烟囱式和相对封闭的数据要素流通模式，吸引教育机构和企业投入AI核心素养的培养和评价工作当中，形成更加开放、协作的教育生态系统，推动整个教育行业在数据要素助力下的创新发展。最后，必须统筹兼顾教育数据要素的全生命周期安全、数据安全伦理与社会责任，以及效率与安全的平衡[11]。为此，笔者建议从以下方面构建教育数据要素