大数据赋能基础教育学业质量评价的机理、困境与破解路径

/大数据赋能基础教育学业质量评价的机理、困境与破解路径【摘要】大数据重塑了教育评价生态，推动了基础教育学业质量评价的转型与变革。大数据通过革新评价理念、优化评价方式、扩展评价内容、改进评价结果，全面赋能基础教育学业质量评价。然而，囿于大数据的“双刃剑”属性，基础教育学业质量评价面临着数据滥用、教师数据素养缺失、学生主体性消解等现实困境。为破解困境，大数据赋能基础教育学业质量评价应从加强顶层设计、提升教师数据素养、厘清数据技术价值观念等方面着力，推动基础教育高质量发展。【关键词】基础教育；学业质量评价；大数据；教育评价；教育高质量发展

迈入大数据时代，数字化技术加快了数据的产生与传播，“数据爆炸”逐渐成为现代社会的特征。2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》强调，建设数字中国是数字化时代推动中国式现代化的重要引擎，要推动公共数据汇聚利用，建设教育领域国家数据资源库。[1]聚焦新时代教育现代化建设，大数据推动着教育信息化技术的发展与人类思维方式的变革，已从诸多方面重塑了基础教育生态，如学习分析技术、基于认知诊断的自适应测评、基于多模态数据的个性化教学等都改变着基础教育。大数据赋能学业质量评价改革已成为当前基础教育高质量发展的迫切需求。有研究指出，基础教育学业质量评价对象是基础教育阶段的学生在不同的课程领域学习活动中所表现出的身心发展的程度和状态，是学生通过课程学习在认知、情感、技能等方面所表现出来的变化程度和发展状态。[2]2022年，教育部印发《义务教育课程方案(2022年版)》提出，在基础教育学业质量评价中融入了核心素养的理念，强调应根据学生核心素养发展水平，结合课程内容，整体刻画不同学段学生学业成就的具体表现特征。[3]大数据凭借其技术优势和思维优势，为基础教育学业质量评价的数字化转型提供了支持，既有助于探索建立支持创新人才培养的基础教育评价模式，又能满足基础教育高质量发展的现实需要。本研究以大数据与基础教育学业质量评价的内在关联为起点，探寻大数据赋能基础教育学业质量评价的机理与困境，探寻破解困境的路径，以期为学业质量评价更好地服务于基础教育人才培养提供思路。 一、大数据赋能基础教育学业质量评价的机理 大数据赋能基础教育学业质量评价的本质是对传统学业质量评价模式的重构。大数据应在革新评价理念、优化评价方式、扩展评价内容、改进评价结果等方面，引领和支撑基础教育学业质量评价改革。 (一)革新评价理念：满足学生的个性化发展和教师的差异化教学需求 长期以来，我国基础教育学业质量评价深受“五唯”评价理念的影响，往往以“一刀切”的方式衡量学生学业水平，忽略了学生的个体差异。大数据技术通过充分挖掘并分析学生的兴趣偏好、知识与能力差异，凸显学生的个性化与差异化，使因材施教得以实现。[4] 其一，大数据可以满足学生的个性化发展需求。传统的学业质量评价深受目标评价模式影响，其特征是以目标预设与标准控制为主，忽视学生的个性化发展。大数据时代，学业质量评价逐步向注重学生的个性化发展转变。大数据技术可以持续追踪并反馈学生学业质量的过程性数据和个性化数据，为中小学生刻画出个性化的人才画像，教师能够通过人才画像识别学生的个性化特征，从而更有针对性地制定教学策略。同时，大数据还能为学生提供个性化、定制化的学业诊断报告，并依据诊断报告结果为学生推送个性化的学习内容与学习资源，引导学生在认识自己的基础上培养自主学习的意识和能力。 其二，大数据推动差异化教学理念有效落实。“五唯”思想的根深蒂固和知识功利主义的积重难返，使基础教育学业质量评价目的倾向于甄别选拔的功能，忽视了对学生能力素养的培养。新时代对创新人才培养的需求，推动了基础教育学业质量评价理念从关注学生学科知识的获得转向关注学生能力素养的培养。大数据技术能够实时捕捉并精准分析学生学业的多模态数据，形成基于学生学业质量水平的数字画像，准确研判并精准分析学生的问题，给予学生差异化的干预与指导。此外，大数据还能对学业困难的学生进行学业预警并开展补救教学，为学生提供精准化与差异化服务。大数据很好地将“识才—施教—发展”的教育演进逻辑贯穿学业质量评价过程中，既有助于实现“因材施教”，又能促进学生“因才择学”。[5] (二)优化评价方式：推动由单一评价方式向多元评价方式转型 我国基础教育学业质量评价大多采用终结性评价，获取的评价数据多是考试成绩、排名之类的简单数字。分数就像“普罗克拉斯提斯铁床”，每位学生都被这张“铁床”不断衡量并禁锢。[6]大数据使学业质量评价既关注评价“结果”又关注评价“过程”，凸显了学业质量评价的“动态性”与“发展性”。[7] 其一，大数据推动探索形成性评价，关注学生的持续发展。大数据赋能形成性评价主要体现在多模态数据的应用上，让学业质量评价走出依靠单一考试、单类证据的藩篱。“多模态数据”是指对于同一现象、过程和环境采用两种或两种以上的方式获取相关数据。[8]与传统形成性评价采用观察法记录数据相比，多模态数据可以从多维度、精准地采集、记录并储存课堂情境数据，涵盖数字、文本、图像、视频等多种数据类型，反映学生的基本信息、学习行为、学习习惯等，具有情境性、时序性和层次性等特征。多模态数据突破了已有形成性评价中的数据证据定式，让形成性评价更加真实、灵活而有效。 其二，大数据可以帮助提升诊断性评价，并对学生开展学业预警与补救。使用海量数据可以实现对全面数据的获取，运用规则空间模型等认知诊断模型，对学生的知识及技能掌握情况进行聚类，结合算法构建关系网络识别，并解释潜藏在学业问题背后的深层次原因，形成个性化诊断报告。[9]大数据还可以根据诊断结果向学业表现不佳的学生作出预警，并对这些学生开展课后补救教学。诊断性评价的优化与提升，既有助于发挥学业质量评价的功能，又有助于缩小学生间的学业差距，从而推进公平优质教育的实现。 其三，大数据持续赋能增值性评价，提供更高效便捷的模型。大数据从精确性到复杂性、从样本到全体、从因果关系到相关关系的思维模式，可以给学业质量的增值评价带来新的思路。[10]大数据赋能学业质量评价强调考查学生认知层面和非认知层面的进步幅度，将关注点从学生成绩转移到学生的学业进步幅度上来，因此，学业质量增值性评价的目标重点也从“学业成绩”转变为“综合素养”。增值性评价依托大数据可以采用更加便捷的增值模型，对学业质量的相关因素进行深入分析，提高人们对学业质量因素间关系的敏锐度。同时，增值性评价能够及时关注学生进步和教学发展的增量，从宏观到微观地把握学生的整体情况。 (三)扩展评价内容：重新厘定评价内容的“宽度”与“深度” 将学生的“成长”看作是一个系统性工程，关注多种因素对学生学习的促进作用。通过大数据技术可以使这些因素显性化，提升基础教育学业质量评价内容的“宽度”与“深度”。 其一，大数据驱动重构学业质量评价指标体系，为评价内容拓展“宽度”。大数据突破了以往用单一标准尺度评价学生学业质量的缺陷，可以有效防止以知识代替素养的评价偏差。[11]数据技术的进步推动评价内容更趋近于全面，学生的认知能力与非认知能力能够被客观评定。可被测评范围既包含认读能力、理解能力、批判性思维、创造性思维等认知因素，又涉及情感、行为等非认知因素对学生学业的影响与作用。[12]利用大数据还可以有效评估学生德智体美劳综合素质发展，在五育并举的评价体系下对学生进行学业质量评价。此外，大数据还可以帮助教育部门及教育研究人员摒弃以往的经验主义，构建更具全面性、科学性与发展性的学业质量评价指标体系，以此反映学生的真实情况。 其二，大数据注重挖掘评价要素间的内隐关联，为评价内容提升“深度”。传统的学业质量评价为教师和学生提供的信息有限，导致“学什么”与“考什么”之间的差距持续扩大。传统的学业质量评价虽然可以评价学生对具体学科知识的掌握情况，但无法测量学生的创造性思维、协作解决问题等学习能力。大数据可以深入挖掘学生非学业因素与学业水平之间的关联性，实现对多重要素的深度挖掘与分析，不仅能对影响学生目前学习状态的因素进行深入探究，还能对学生未来的学习发展进行预测，帮助学生发现他们未被开发的潜能，提升学生学习深度。 (四)改进评价结果：增强评价结果的精准性与预测性 基础教育学业质量评价的基本功能之一是为学生能力及相关因素监测提供高质量数据，从而为教育教学决策提供科学、准确、有效的依据。[13]大数据既强调基于“证据”分析，又强调对证据间的“相关分析”，这就提升了评价结果反馈的精准性与预测性。 其一，基于“证据”的大数据分析，可以提升评价结果的精准性。拉尔夫·泰勒在对教育评价概念进行界定时，使用了“证据”一词，他认为，评价是系统地收集证据，以此来确定学习者实际上是否发生了某些变化，展现学生个体变化的情况。[14]基于证据的评价始于美国20世纪80年代的学校问责制度，学校为了回应问责，需向政府和公众证明其教育产出和教育成效，学生学习成果的数据无疑是教育产出和教育成效的有力证明。大数据使学业质量评价结果更具有证据性，如应用多模态数据、全样本数据等数据收集方式，全方位、嵌入式采集学生在真实状态下表现出的学业水平，将非结构化数据转化为结构化数据，实现碎片化信息集约化的管理；运用数据挖掘技术进行多元回归、决策树等分析，从隐喻、模糊、毫无关联的学业质量评价大数据背后洞悉多方协同的决策价值。[15]学校和教师在充分了解和全面分析学生学业质量信息证据的基础上作出价值判断，增强了数据的可用性和真实性，推动了评价决策的科学化与专业化。 其二，从“因果分析”转向“相关分析”，增强评价结果的预测性。传统的学业质量评价强调数据分析结果中的因果关系，而大数据强调把因果关系转化为探究事物间的相关关系或某种规律性。大数据的应用使评价者跳出常规思维和传统分析，利用如学习分析技术下的数据挖掘算法、回归分析等技术，多层次、多维度采集与学生学习行为相关的数据，并通过相关关系法预测学生未来的学习趋势，揭示学业质量的影响因素。海量的信息让证据间的互联性愈发显著，通过基于“证据”的“大数据”研究解释学生学业活动的结果，可以研判学生的学业质量，预测学生的学习行为。与此同时，大数据还赋予了学生更多机会去全面认识自己，发现自己在学习中的优势与那些不被发掘的潜能。 二、大数据赋能基础教育学业质量评价的困境 “教育存在弱点，教育在‘输入’和‘输出’之间永远不会有完美的配合。”[16]大数据从理念、方式、内容、结果等方面推动了基础教育学业质量评价的发展与变革。但大数据具有“双刃剑”属性，在为基础教育学业质量评价带来机遇的同时，也为其带来了不可预知的风险。 (一)统筹监管失范引发数据滥用风险 “技术垄断使可提供利用的信息增加，随着信息供应量的增加，信息控制机制就会受到很大的压力。”[17]大数据技术需要严密而完善的顶层设计，但当前我国相关制度和监管机制依然缺失，大数据赋能基础教育学业质量评价还未步入正轨。 其一，一体化顶层设计和整体性思维的缺失加剧了“数据孤岛”的形成。一方面，教育行政部门未能做好顶层设计和相关发展规划，致使与大数据相关的制度障碍仍然存在。当前基础教育学业质量评价数据大多由教育行政部门管理，数据资源散落在孤立的系统和平台中，学校获取完整数据库的机会较少，导致评价数据的横向共享和纵向互动相对阻滞，数据壁垒情况依然严峻。另一方面，面对海量数据，教育行政部门在对学业质量评价数据进行管理和分配时尚未形成整体性思维。大数据时代，我们要用整体的眼光审视世界，形成面向整体、反映全部、注重细节的思维习惯。[18]当前，教育行政部门对数据管理仍坚持线性思维，未能充分发觉并利用数据之间的联系，致使数据使用的准确性和可靠性难以保证，数据信息在无形中被浪费。 其二，大数据应用存在数据泄露、滥用和技术异化的风险。在纷繁复杂的大数据中，并非所有的数据都具有价值和意义，也存在大量的杂质信息。首先，各区域教育行政部门对重复、错误、作用不明的评价数据的审查和监管相对较为松散，未能制定统一的学业质量评价数据治理规则，也未能提出风险应急处理办法。其次，尚未构建数据审查和监管机制。大数据实现了学业质量数据资源的流通共享，同时也诱发了数据主义下新的伦理问题。有学者提出教育大数据主要存在四大伦理问题：隐私保护、知情同意和数据所有权问题；数据和算法的有效性及完整性问题；道德决策和采取行动义务的问题；治理和问责制的问题。[19]数据监管机制的缺失及由此产生的隐私外泄、权责失衡、信息安全等问题，也会导致教育数据伦理问题。再次，大数据对学业质量的解读也可能带来新的偏见与歧视，尤其是对学业困难的学生，会使他们处于更加不利的位置。评价对象以牺牲隐私为代价而获得个性化服务，虽然从数据中获益但也因此被数据影响。[20] (二)教师的理念滞后致使其数据素养缺乏 教师的理念落后于大数据所赋予的基础教育学业的质量观，他们对大数据的解读和使用也存在误区。教师的理念滞后也使他们运用数据的能力变弱，导致其数据素养止步不前。 其一，个人经验主义和知识功利主义导致教师数据智慧缺失。一方面，教师个人经验主义依然严重。“如果教师自始至终都是一个人孤独地思考，这种思考就不是批判性思考，而是独断。”[21]中小学教师习惯性地凭借个人直觉和经验描述开展教学，并仍以传统的评价习惯来指导自己的数据管理与学业质量评价活动。教师既没有主动获取学生学业活动或学业水平表现数据信息的意识，也不具有运用过程性数据评价学生的能力。另一方面，教师的功利主义严重。他们受应试教育文化影响，将分数与升学率作为教学质量评价的主要标准，重结果、效率至上的形式化倾向明显。加之学业质量评价结果直接与教师的利益诉求挂钩，在绩效考核、资源分配、职称晋升等利益驱使下，教师过多关注学生考试成绩，而忽视了反映学生学业质量的其他方面，如思维倾向、情感态度等方面，导致应然的“促进学生发展”让位于实然的“教育问责”。 其二，教师知识储备陈旧与能力薄弱致使其数据信息价值被消解。在数字化背景下，教师对数字化带来的各种现象茫然不解，对于数字技术的应用，更是不知所以然或不得要领。[22]当前，众多中小学教师由于知识储备陈旧和数据经验不足，对先进的数据管理方法和手段了解程度较低，难以在学业质量评价中有效地把控并管理评价数据，也难以把握评价数据的内在价值与潜力。教师无法自觉地去选择所需的数据，也无法用科学的方法进行系统深入的分析，他们还停留在对平均值、及格率、方差等基本的统计分析上，面对学生的成长档案袋、学情报告等信息，教师不知如何分析及呈现评价结果，也无法给学生直观的评价反馈结果。大数据催生了新的学业质量评价设备和工具的产生，为学业质量评价提供更为精确化、个性化的教育技术支持。但教师尚未充分认识到教育技术产品的功能与使用原理，更无法熟练地运用学业质量评价设备和工具，对大数据产生更多是无力感与恐惧感，并认为大数据是负担而非是有效的教学工具，这也导致数据信息在无形中被贬值与浪费。 (三)价值冲突与过度量化消解学生主体性 在大数据背景下，人本价值观念与技术理性之间的冲突、过度量化致使学生被物化，学生的个人特征被作为可测量的指标。在大数据支持下，虽然教学模式已经实现从大规模、标准化转向个性化、自适应，但这种转型仅做到了“因人而异”而非真正“因材施教”。“将人降格于物”的问题并未得到很好的重视，数据化诱发的人文主义危机也在不断消解着学生的主体性。 其一，数据本身是无价值关涉的，但评价与教学是负载价值判断的。学生主体性缺失的背后反映的是人本价值观念与技术理性之间的冲突，一种价值的内容来自一种特定的立场或视角，而不是整个透视的整体性视域，它总是先行肯定了某些价值，同时也否定了一些价值。[23]大数据对学业质量评价的渗透，可能会使师生在教学活动中处于被动状态，造成人内心秩序的混乱。技术对基础教育教学活动的倒逼，容易导致对“人”主体生命意义的弱化。学生的个体价值在技术与人的模糊边界中不断被消解。学生作为评价对象，其应然的生命价值也被固化在数据之中，其多维的个性特质被数据与符号监控与管制。个性化数据的收集分析虽有助于为不同学生开展个性化、差异化的学业诊断与决策，但也可能因此强化学生的个人偏好，甚至促使学生走向极端化。[24] 其二，过度的量化，也体现了教育评价中实质性评价的匮乏。一方面，技术至上导致学业质量评价一味强调数据结果分析，容易造成只依赖数据。实质性评价是力图反映评价对象实质特征的评价理念和模式，倡导按照对象本身的特性来评价，所有指标的制定都要反映对象本身的特性。[25]而大数据时代的教师过度依赖数据分析，在解读评价结果时未能与自身的经验相结合，使评价结果缺乏对学生本质属性的研判与描述，弱化了学业质量评价的育人价值。另一方面，评价主体的单一也会造成学生主体性的丧失。在学业质量评价中，学生往往处于被动地位，教师用分数将学生分出等级，似乎将学生视为无差别的对象。教师处于评价者的地位拥有评判权，容易衍生评价者的不良情绪，从而缺乏对学生的情感关注。[26]在学业质量评价中，学生的自评和互评往往仅是一种形式化评价手段，很少能反映学生自身的本质特征。学生缺乏对自己学业水平进行诊断的习惯和能力，很少能自行制定学习计划并实施其制定的学习计划。在大数据操控下，学生学习的主动性和能动性较弱，自主学习的动力也由此日趋衰弱。 三、大数据赋能基础教育学业质量评价困境的破解路径 探索大数据赋能学业质量评价的现实困境，并非否定数据技术对基础教育教学的价值，而更多的是为了规避大数据为基础教育教学带来的风险。在大数据赋能基础教育学业质量评价的实施过程中，基础教育教学系统需要从各方面进行跟进，从而推动基础教育学业质量评价的优化与变革。 (一)加强顶层设计，提升学业质量评价的规范性 完善的顶层设计、权威性的制度建设及整体性思维的塑造与基础教育学业质量评价成效互相促进，既可以为数据搜集、分析和反馈等环节提供标准和规约，又能持续推动基础教育学业质量评价的变革。 其一，强化顶层设计，塑造学业质量评价的整体性思维。首先，国家层面应进一步完善大数据赋能基础教育学业质量评价的顶层设计，教育行政部门应根据上级要求并结合自身实际情况，制定学业质量评价改革战略行动方案。相关教育行政部门应该对区域内的学校进行统筹规划，制定各层级发展目标，并明确基础教育学业质量评价的发展方向和发展目标。与此同时，各地教育行政部门可以征集各区域内的典型评价案例，将各地区的优秀经验融入制度设计中，推动大数据技术进步与学业质量评价的和谐共生。其次，国家应利用大数据技术进行资源部署，合理配置学业质量评价资源。国家应优化大数据中心，按照学生的学习特征与学习需求，尝试建立多层级基础教育学业质量评价资源数据系统，创建学校层级学业质量评价资源数据库。[27]同时，国家要重点配齐乡村薄弱地区信息化设施，升级改造发达地区的设施设备，依托智慧学习软件、学习评估系统等建立在线学业质量评估机制，避免出现资源分配不均衡等现象。再次，国家应塑造整体性思维，统筹管理基础教育学业质量评价的数据资源。教育行政部门应探索各地区学业质量评价数据间的关联，探索数据间的因果关系，提高数据管理的实效性和可靠性，实现各地区之间数据的互联互通。 其二，构建评价数据监管机制，规约数据的搜集与使用。首先，应加快推进大数据监管机制建立，通过制定合理的管理和监控策略，开发高效的学业质量评价流程，对大数据进行科学维护。国家应统筹推进基础教育阶段的大数据环境建设，指导并规范基础教育大数据系统平台开发，打破大数据技术环境底层信息共享的壁垒和数据传输的技术障碍，实现各地区基础教育大数据的共享与联通。[28]其次，教育等相关部门应该出台基础教育学业质量评价的数据规范和标准，完善评价数据采集、开放和安全等相关的标准体系，并持续加强规范基础教育大数据资源的开发、标识、存储等的标准，提高数据资源的可用性。再次，应谨防“数字形式主义”滋生蔓延，加快研制数据伦理准则。教育行政部门应该推动构建涵盖数据库访问权限、使用权限、伦理责任、开发限度等内容的评价制度。同时，教育行政部门应恪守数据收集的“隐私性”和“向善性”，尊重教育主体的数据权利，切实保障教育主体的隐私权、知情权等，规范个体的数据责任与行为，创建利于基础教育教学发展的伦理环境。[29] (二)提升教师数据素养，推动学业质量评价专业化人才培养 大数据时代，教师作为学业质量评价的实施主体，提升其数据素养既是影响学业质量评价实践合理化的重要因素，也是推动基础教育学业质量评价变革的必要条件。 其一，开展基于大数据的学业质量评价培训，培育教师数据意识与数据能力。首先，在教师职前培养时，增设教育评价及数据分析课程。相关教育行政部门应为中小学教师增设教育评价与测量、教育大数据与学习分析等理论和实践课程，扩充教师职前培训的知识储备，提高教师的数据意识和数据思维，激发教师开展学业质量评价的数据智慧。其次，在开展教学与评价时，相关教育行政部门应鼓励并帮助中小学教师熟练运用在线教学平台、学习软件或统计工具，形成使用数据的习惯，提高教师对数据的解释和分析能力，能够准确地找出隐藏在数据背后的教学规律。再次，教育行政部门与学校应该为教师提供配套服务资源与具体指导，以创设大数据与学业质量评价深度融合的教学评价环境。国家应为教师配备相关评价专家和评价人员，对教师开展学业质量评价进行指导，帮助教师消解数据困惑，提升教师运用并管理学业质量评价数据的能力。以此，满足教师对数据服务的需求，提升教师在数据使用中的参与感与成就感，激发教师在学业质量评价中的潜在智慧。 其二，制定基于大数据的教师专业发展计划，培养学业质量评价专业化人才。良好的数据素养是开展课堂教学、教育评价的内在动力和必要前提，而培养教师数据素养是一个复杂的、多方联动的过程。[30]一方面，国家及相关教育行政部门应为教师制定学业质量评价专业发展计划，针对教师数据能力发展、评价能力提升的需求开展专项培训活动，帮助教师掌握基于大数据的学业质量评价的理论知识与技术方法。学校将教育评价、教育测量、大数据分析等主题研修和培训活动添加到中小学教师专业发展计划中，定期为教师开展基于大数据的学业质量评价主题培训，组织线上线下相结合的网络研修、学术会议等活动。从整体上提升教师对大数据的理论认知与实践能力，培育其数据素养和教育评价能力。另一方面，国家应深化学业质量评价人才培养方案改革，加强专业化学业质量评价人才培养。推动建立政府、中小学、科研机构的良性互动机制，促进学业质量评价与心理学、教育技术学、计算机等学科交叉融合，培养大数据与基础教育学业质量评价相融合的复合型人才。 (三)厘清数据技术价值观念，树立“以生为本”的基础教育学业质量评价观 “据器而道存，离器而道毁。”[31]技术承载着生命，基础教育的终极诉求离不开技术，需要技术的工具性、实践性与精神性为人的生命成长奠定基础。为此，应厘清并化解数据技术价值冲突，促使大数据赋能的基础教育学业质量评价观实现“器”与“道”的价值统一。 其一，平衡技术理性与人本价值的关系，注重基础教育学业质量评价中人的价值回归。一方面，要重拾人的生命意义与技术的人本价值。作为学业质量评价主体，师生决不能被动接受技术的安排，而应积极把握主动权，坚定基础教育的育人立场，聚焦评价目标。[32]教师应将育人为本的价值观融入基础教育学业质量评价的数据收集、分析与决策处理中，让生命至善至美的价值诉求在学业评价中得以彰显；学生也要积极了解学业质量评价的过程，主动思考数据结果，在头脑中绘制自己的未来发展图景。另一方面，超越技术理性，推动基础教育学业质量评价技术理性与人本价值的融合。教师在学业质量评价中应积极探寻大数据技术设计应用与师