大数据理念下教育质量监测评价的变革与发展

　　2011年5月，世界著名的麦肯锡全球研究院（McKinsey GlobalInstitute）发布了一篇题为《大数据：创新，竞争和生产力的下一个前沿》（Big Data:The NextFrontier for Innovation,Competition,and Productivity）的报告，宣告了“大数据时代的到来”[1]。大数据时代的到来对整个社会都产生了重要的影响，教育也不例外。大数据在教育领域中的应用不仅可以实现对学生的量体裁衣式的教育，而且可以让家长了解到更为详细的教育信息，更加能够为教师的教学提供客观全面的教学反馈信息，而教育管理也能从中获取信息和依据，更好地组织教育资源、制定教育改革发展的措施，从而实现“以学生为中心”的人本主义教育。其达到上述理想效用有赖于教育质量监测与评价对大数据的利用与挖掘。教育大数据给教育质量监测与评价带来机遇的同时，也给其带来了挑战。在大数据理念和科学技术迅速发展的当下，教育质量监测与评价也正经历着一系列的发展与变革。

　　一、教育大数据给教育质量监测与评价带来的机遇与挑战

　　（一）教育大数据的特点及其在教育质量监测与评价中的应用现状

　　“大数据”不是一个单纯描述数据数量之巨大的概念，其意味着数据来源的多样化、数据类型的多元化以及在数据处理与分析层面的大容量与高速度。更为重要的是，“大数据”立足于对大量数据的深度挖掘与科学分析，寻求数据背后的隐含关系与价值，使得人们可以从基于小样本数据的推测或基于感性的偏好性选择转向基于数据__分析与理性证据的决策。可见，“大数据”在本质上已经转化为一种新的思维方式、一种新的问题解决方法。[2]

　　由于教育具有成长性、学习性以及受到天生遗传及后天成长环境等诸多因素的影响，所以，教育大数据除了具有数据容量大、多元多样的一般特点，还具有其自身的特点。教育作为以“人”为对象的社会活动，其核心是学生。教育大数据实现了对学生数据的全方位、全过程采集，横向数据覆盖了学生学业、知识技能、身心健康等各个方面，纵向数据贯穿了学生从幼儿园到高中的发展全过程。这些都为对教育展开系统、全面、可持续性、以人为本的教育监测与评价奠定了基础。但是由于数据本身特点的条件限制以及相关教育工作者缺乏专业的统计测量知识，目前对教育大数据的挖掘与利用远远不够。为了解教育大数据的特点，便于教育大数据服务于教育改革与教育的评价应用，将教育大数据的特点总结如下：

　　1.数据来源多样，不利于不同区域数据间的比较

　　从数据来源来看，教育大数据汇聚了来自不同区域、不同学校的数据。这些数据又包含了学生不同学科的学业测评成绩以及学生身心发展等不同方面及类型的数据。不同来源的数据往往缺乏统一的标准，从而给数据间的比较带来了困难。

　　2.数据类型多元但不具有一致性，不利于数据的整合

　　教育数据可划分四种基本类型，类别数据、等级数据、等距数据和等比数据。类别数据如学生的性别，等级数据如学生的排名，等距数据如气温，等比数据如学生的跑步速度。这些不同类型数据给考试分数和问卷数据的解释与评价带来了不便，不同学科、不同年级、不同时段的数据需进行转换、归类、整合，然后才可以比较。目前，教育行业对不同类型数据的整合不足，对学生分数及各种指标数据的解释与评价有待完善。

　　3.数据收集缺乏时间延续性，对纵向数据搜集及分析不足

　　目前，教育监测与评价注重对横断面数据的应用分析，对数据进行横向比较，较少进行纵向的追踪与比较。这一方面是因为纵向数据不易收集，并且在收集的过程中容易出现流失。另一方面，纵向数据的比较与分析从方法上来说也比横向数据的分析复杂得多。这些都是导致目前纵向数据收集与分析不足的重要原因。

　　4.数据容量大但深层挖掘不够，对数据的利用不够充分

　　教育大数据虽然庞大，但是目前对其挖掘与利用尚且不足，尤其是数据背后深层次的隐性信息的挖掘。在当前的教育监测与评价实践中，对学生往往只凭借一个“分”，对学校只凭借一个“率”。同样的一个“分”和“率”，所代表的能力和层次可能大有不同，背后还有很多的信息可挖掘。由于目前数据的收集缺乏规划，因此不够细致和到位，相关的教育工作者缺乏测量方面的专业知识，不懂得对数据进行深度挖掘与分析。

　　由此可见，尽管教育大数据对学生的数据进行了横向和纵向的全方位采集，但在实际的教育质量监测与评价实践中，对这些大数据的挖掘和利用还需要下大功夫。教育大数据给教育质量监测与评价既带来了机遇，也带来了挑战。