大数据背景下社区教育论文

〔摘要〕在大数据背景下，数据作为一种信息资源其作用和影响越来越大，个人基本的数据分析和处理能力显得越来越重要。在信息素养教育的基础上，大学图书馆面向大学生开展数据素养教育是不可回避的现实。在分析当前国外数据素养教育的内容和模式基础上，对我国大学图书馆开展数据素养教育提出一些切实可行的思路。以下是小编精心整理的《大数据背景下社区教育论文(精选3篇)》，仅供参考，大家一起来看看吧。

大数据背景下社区教育论文 篇1：

“互联网+”时代教育督导信息化建设的机遇、挑战与对策

摘要：在当下的互联网、大数据时代，深化教育督导改革和国家政策的引导为教育督导信息化建设带来了前所未有的机遇。“互联网+教育督导”意味着互联网、大数据等信息技术与传统教育督导的深度融合，改变传统的教育督导方式和手段，使得教育督导进入了新的发展阶段——智慧督导。已有数据资源缺乏整体规划，信息孤岛现象严重，缺乏管理机制保障以及督导队伍的信息素养有待提高给教育督导信息化建设带来了挑战。该文基于北京市教育督导信息化建设的实践探索，从建设目标、实现教育督导手段现代化以及建立管理机制和加强督导队伍建设等给出“互联网+”时代教育督导信息化建设的有效对策。

关键词：教育督导；互联网；信息化；机遇；挑战；对策

互联网、大数据、云计算等信息技术的飞速发展对人们的思维、生活、学习和工作方式产生了深远影响。党的十八大把信息化作为“新四化”同步发展的重要组成部分，确立了信息化在全面建成小康社会中的战略地位。十八届四中全会提出“推进国家治理体系和治理能力的现代化”的新任务、十八届五中全会提出的“实施国家大数据战略”、2016年4月19日习近平总书记在网络安全和信息化工作座谈会上指出，“我们提出推进国家治理体系和治理能力现代化，信息是国家治理的重要依据，要发挥其在这个进程中的重要作用。要以信息化推进国家治理体系和治理能力现代化。”可见，信息化已成为国家的重要发展战略。

在教育领域，教育信息化是指在教育领域（教育管理、教育教学和教育科研）全面深入地运用现代信息技术来促进教育改革与发展的过程。教育管理信息化是指充分利用信息技术，开发利用教育管理信息资源，促进信息交流与共享，提高教育管理水平，推动教育改革与发展的历史进程。《国家中长期教育改革和发展规划纲要（2011-2020年）》中强调：“推进政府教育管理信息化，积累基础资料，掌握总体状况，加强动态监测，提高管理效率。整合各级各类教育管理资源，搭建国家教育管理公共服务平台，为宏观决策提供科学依据，为公众提供公共教育信息，不断提高教育管理现代化水平”。教育督导是教育管理的重要内容。目前在学术领域还没有专门关于教育督导信息化概念内涵的研究，本研究认为，教育督导信息化是指“充分利用信息技术，开发利用教育督导信息资源，促进信息交流与共享，充分、高效、科学地履行教育督导职能的过程”。

党的十八届三中全会以来，按照“深入推进管办评分离、强化国家教育督导”的要求，教育督导作为教育“管办评”中“评”的重要地位则对督导的科学性和权威性提出了更高要求。因此，在“互联网+”背景下全面推进教育督导信息化建设，创新教育督导方式，有效弥补当前教育督导工作的不足，对于提升教育督导的科学性和公信力有着重要意义。从当前我国教育督导信息化建设的现状看，基于教育督导工作的特殊性，推进信息化建设的道路中机遇与挑战并存。如何充分利用机遇，克服困难，探索出一条教育督导信息化建设的有效途径，是当前亟待解决的问题。本研究在相关政策和文献研究以及现状调研基础上，深入分析“互联网+”时代教育督导信息化建设的机遇和挑战，并结合北京市教育督导信息化建设的实践探索，提出相应的对策建议。
一、“互联网+”时代教育督导信息化建设的机遇

（一）加快推进教育督导信息化是深化教育督导改革、有效履行教育督导职能的迫切需要

国务院教育督导委员会办公室在《关于印发深化教育督导改革转变教育管理方式意见的通知》中提出了构建督政、督学、评估监测三位一体的教育督导体系的总体思路和工作目标。2016年10月时任国务院副总理刘延东在深化教育督导改革工作会议上强调“要创新督学方式，健全评估监测体系；提高信息化水平，增强教育督导权威性和公信力”。因此，教育督导的职能在以往以对地方政府履行教育职责的督导检查、即督政为主的基础上，要加强对学校规范办学提高教育质量的指导，建立从无到有的教育质量评估监测体系，不仅督导职能更加广泛，而且对教育督导工作的科学性、精准性、覆盖面和影响力提出了更高要求，迫切需要借助信息技术提高教育督导的效率和时效性、科学性和公信力。因此，以信息化推进教育督导改革已成为教育督导发展的重点方向，加强教育督导信息化建设是教育督导改革发展的必然选择。

（二）国家相关政策为教育督导信息化建设指明了方向

国务院《关于积极推进“互联网+”行动的指导意见》《促进大数据发展行动纲要》、教育部出台的《教育信息化十年规划》《教育管理信息化建设与应用指南》以及2015年12月在上海召开的深化教育督导改革工作会议上，时任教育部部长助理陈舜提出“以创新教育督导理念为先导，以建设教育督导信息化平台为基础，以加强教育督导实践中信息化技术的运用为核心，强化督学队伍信息化人才建设，推进信息技术与教育督导的深度融合，加快教育督导信息化进程，提高教育督导质量，推动教育督导事业改革发展”。等为教育督导信息化建设指明了方向、提供了建设依据。

（三）互聯网、大数据等信息技术为教育督导信息化建设提供了方法手段

现代教育评价是通过系统地收集信息，对教育的价值做出判断的过程。教育评价信息的全面性、可靠性、有效性是做出科学的评价结论所必备的条件。

目前我国教育督导评估主要以资料收集和实地调研的方式开展。收集信息的方法除查阅被评估对象事先准备的资料外，就是通过现场座谈会、访谈、调查问卷、听课等方式进行。为迎接评估，被评估者要按照督导检查的内容要点，提前至少半年时间收集和整理大量的纸质档案，给督导对象造成很大的负担。评估组进校接触到教职工和学生、社区人士、家长等样本数量少，信息收集不全面，而且收集来的信息的可靠性和有效性难以保证，因此很有可能造成对教育价值的判断失真，影响督导评估结果的科学公正。在这种完全依赖人工的督导模式下，不仅费时费力而且也很难获得全面准确的结果，导致督导效率低下。此外，通常督导专家在准备阶段不能大量接触到评估对象的信息，只有在实地督导检查时才能接触到督导对象，因而在督导实施阶段带有很大的盲目性和被动性；同时，由于督导专家入校时间有限，加上处理信息手段落后，无法当时对收集到的信息进行统计和分析，只能事后对数据进行分析、评估打分，最后的督导结论往往是根据督学自身的经验和认识进行判断给出，形成的督导报告主要还是以宏观定性描述为主，缺乏数据和科学方法的支撑而影响说服力和公信力，因而影响了教育督导的科学性和时效性。因此，如何便捷地收集信息，如何提高收集的评价信息的全面性和可靠性，如何保证督导结论的科学性和公正性是教育督导工作的关键。

为此，可以充分利用互联网不受时空限制的优势，充分发挥互联网及移动服务端的便捷性、高效性、即时性，可以随时随地为教育督导提供实时监控，即时采集数据，利用大数据技术对海量数据进行快速分析挖掘和结果可视化呈现，极大地提升教育督导工作实效和依数据决策、用数据说话的能力。因此，互联网、大数据等信息技术在教育督导领域的应用，能够使教育督导主体多元化、教育督导过程即时化、结果分析智能化、教育决策科学化成为可能，为促进我国教育督导水平提升提供了契机。
二、“互联网+”时代教育督导信息化建设的挑战

（一）已有数据资源缺乏整体规划，信息孤岛现象严重，信息不够全面

数据已经成为教育督导工作的重要依据，是教育督导各项业务的决策基础。数据的客观性和权威性是教育督导工作科学性和公信力的重要影响因素之一。北京市教育督导工作从2009年开始，陆续建立了一批督导专项数据库。通过对已有相关数据库调研发现，存在以下三方面问题：

第一，这些数据库建设之初缺乏统一的整体规划和设计，由不同业务处室甚至专项工作分散建设，互相之间缺乏关联，各数据库的数据标准不统一，有些指标分别在不同的数据库中录入，出现不一致甚至矛盾的现象，导致数据库之间的数据无法共享，信息孤岛和数据质量等问题比较突出，难以满足后续综合分析应用的需求。

第二，已有的数据资源仅仅停留在资源类数据范畴，如人、财、物配置情况，缺乏反映区域、学校教育教学质量和学校内涵发展等方面的数据，影响评估监测职能的发挥；缺乏反映社会舆情的数据，社会舆情能让政府部门了解到公众对教育政策、措施的评价，及时获取并分析社会舆情是教育督导和教育决策的重要参考，尤其在包括义务教育入学、中高考、学生课业负担、非京籍子女就学等在内的教育热点难点问题和突发事件上，来自家长等社会公众的舆情是非常值得关注的内容。

第三，数据分析方法单一，结果查询不方便，智能化、可视化功能欠缺，无法满足教育督导决策的需要。

已有数据资源存在的上述问题对于建立基于大数据的教育督导评估系统，提高“用数据说话”能力是深入推进教育督导信息化建设面临的最大挑战。

（二）教育督导信息化建设缺乏相关管理机制保障

教育信息化的管理既包括国家、区域宏观层面对教育信息化的规划、相关机构建立、以及行动措施的部署、实施与监督、评价的管理，也包括中观层面对学校教育信息化进程的管理和领导，还包括微观层面教师和教育技术人员对教育技术的使用、协调和管理。教育督导信息化的管理是教育督导信息化建设的关键。从全国来看，地方教育督导信息化建设在管理方面普遍存在的问题是，缺乏教育督导信息化建设的整体规划，往往由教育行政部门的信息化建设规划代替，或仅作为其中一小部分，没有明确的教育督导信息化建设目标；缺乏专门的机构和人员对教育督导信息化建设进行管理和支持；缺乏相应的管理制度、完善的监督评价机制和规范标准。以上问题将在一定程度上制约教育督导信息化建设，是深入推进教育督导信息化建设面临的一个挑战。

（三）督导人员的信息素养有待提高

教育督导信息化的推进、应用及优势发挥的主体最重要的是督导人员。当前，对于教育督导人员一方面还没有严格的遴选及培训考核制度，另一方面督学和督导专家主要是由经验丰富和专业水平较高的兼职人员构成，而且年龄较大。以北京市为例，2017年全市中小学校845名责任督学平均年龄51.7岁，专门从事挂牌督导工作人员占50.4%（含退休人员26.2%、在职人员24.2%），兼职人员占49.6%。因此，督导人员对于督导信息化的理念和重要性认识上不到位；同时，由于兼职做督学，本职工作就很繁忙，很难抽出精力再去熟练掌握信息化知识与运用，习惯于传统的文书处理手段，对网络信息文件的处理等需要适应与掌握，运用信息化技术开展教育督导的能力还不够高，影响和限制了教育督导信息化的应用和推广。这对于深入推进教育督导信息化建设是一个挑战。
三、“互联网+”时代教育督导信息化建设的有效对策——以北京市教育督导信息化建设实践探索为例

为应对“互联网+”时代对教育督导信息化建设提出的挑战，《北京市关于深化教育督导改革的意见》中明确提出，切实提升教育督导的信息化水平。以数据资源整合与共享为基础，形成包括基础性数据、条件性数据、过程性数据、结果性数据和相关信息的大数据信息平台，在数据深度挖掘、系统分析基础上实施教育督导综合估和专项评估，構建高水平的“北京教育督导信息管理应用系统”，强化教育督导的数据支持、信息支撑、管理保障与服务决策能力，提升北京教育督导的现代化水平。具体做法如下：

（一）明确“互联网+”时代教育督导信息化建设目标

为贯彻落实国家和北京市中长期教育发展规划纲要、《深化教育督导改革转变教育管理方式的意见》对教育督导任务的总体部署，以教育部《教育信息化十年规划》及《教育管理信息化建设与应用指南》为指导，以满足北京市教育督导的实际需求为目的，应用互联网和大数据等信息技术，构建北京市督导信息管理应用平台，为有效履行教育督导的督政、督学、评估监测职能提供支撑，进一步提升教育督导的现代化水平。具体目标如下。

1.督导指标标准化

通过评估指标和数据体系的标准化建设，实现数据口径统一，提升督导数据采集质量。

2.督导管理网格化

以责任区形式对各区域学校实行网格化管理，为有效开展责任督学挂牌督导工作提供支持。

3.督导工作移动化

通过移动终端实现督导信息的实时采集、实时评估、实时沟通。

4.督导结果智能化

利用大数据分析技术，通过数据关联、整合、挖掘，实现同比、环比、结构、趋势、预测等多种分析，智能发现教育工作存在的问题，主动推送整改通知、发布预警信息，提高教育督导的精准度和智能化。

5.档案管理电子化

对督导过程产生的各种文档和多媒体资料电子化管理，高效检索，永久存储，实现无纸化办公。

（二）实现教育督导手段的现代化

互联网为在时间上分散、空间上分离而督导工作又相互依赖的督导专家、被督导对象、督导机构提供了一个协同工作环境，将三者紧密联系起来，实现督导机构之间、督导与被督导者之间的交互作用，使督导工作无时空限制地进行。北京市基于教育督导信息化建设目标，充分利用互联网之优势，建设“北京市教育督导信息管理应用系统”，提高了教育督导的及时性和便利性，从而提升教育督导的时效性。

1.系统功能

“北京市教育督导信息管理应用系统”具备五项主要功能。

（1）督導数据采集功能。问卷调查数据采集实现问卷发放和回收、数据统计分析的自动化；一般数据采集能够自动生成采集数据表，在线进行数据填报，并具备数据校验、汇总和统计功能。

（2）教育督导评估功能。平台从督导评估工作布置、自评报告和信息上传、网上评估、数据自动汇总统计等对督导评估的全过程提供信息化支持，让督导的视角从局部走向全方位，让督导专家能够事先方便地查阅所有的评估资料电子文档，对督导对象情况进行初步了解，在实地督导评估时，可有针对性地、有侧重地深入考察，专家判断的依据更充分，提高了教育督导的效率和督导评估结果的科学性和公正性。

（3）督学责任区网格化管理功能。对全市责任区实行网格化管理，包括每所学校定位、基本信息查询、责任区及责任督学挂牌管理、挂牌督导工作实施等全过程管理。不仅便于开展学校督导工作，更便于突发事件发生时快速定位事件地点，提高应急事件处理效率；责任督学能够基于手机移动端随时随地开展督导工作，具有操作过程便捷、督导情况实时传达、评估结果自动生成、督学考评科学有据等特点，使督学工作更高效、专业。

（4）教育舆情监测功能。通过建设教育舆情监测子系统，能够准确、及时了解公众对新出台的教育政策和措施的看法及其教育需求，特别是教育热点、难点问题及突发事件的舆情信息，以周报、月报、年报、专报、快报等形式反馈，为教育热点、难点问题专项督导和突发性事件应急督导提供重要参考信息，提高督导决策的科学性。

（5）教育决策支持功能。根据各项督导工作需求，研发数据分析模型，为教育督导科学决策提供全面准确的基础数据与大数据分析支持。如义务教育优质均衡状况测算模型、教育满意度指数模型、学生课业负担监测结果分析模型、学生体质健康状况监测结果分析模型、区域教育发展水平分析模型等。将各类数据挖掘模型内嵌到系统中，实现结果的自动分析和结果自动生成统计图、表，让结果一目了然，提高了“用数据说话”能力，并自动生成多种格式的报告文件，且可方便地导出。

2.系统特点

经过两年的全面建设，该系统逐渐形成了“北京特色”。

（1）督导全业务纳入。统筹规划，从OA办公到督政、督学、评估监测各项督导业务开展，提供一站式解决方案，并实现了电脑和移动客户端的双平台，使得督导各项业务工作更便捷和即时，而不是以单项业务建设系统，如深圳市的“责任督学挂牌督导信息管理平台”、大连市的教育督导评估应用系统、义务教育均衡发展监测系统和责任督学管理系统。

（2）一级建设，四级应用。由市督导室组织建设，面向市级督导室、区级督导室、各类督学、各类学校提供应用服务。各层级用户包含共性的应用模块，同时各区还可根据区教育督导工作特点和实际需要，插入个性化的应用模块。

（3）学校管理网格化。基于网格化管理理念，利用地理信息技术，探索了学校督导责任区网格化管理的工作模式。

（4）大数据支持督导与决策。在整合北京市已有的北京市教育事业发展统计数据库、北京市教育经费数据库、北京市教师管理信息系统、北京市中小学生学籍管理系统、北京市中小学生体质健康测试和体检数据库、北京市中高考成绩、北京市国家义务教育质量监测结果以及学前教育、职业教育和高等教育等专门数据库基础上，建设教育督导基础数据库。教育督导基础数据库涵盖了较为全面的市、区、校教育督导信息资源，反映了各区及学校的人、财、物等资源建设的基本情况，是定期的跟踪性监控数据；同时，还包括督导评估工作的过程性数据，如各类问卷调查、座谈、访谈、自评材料等定量及定性数据。这些数据可以反映各级政府对于国家、上级部门的教育法规、政策、文件要求等教育职责履行和学校规范办学的基本情况，为教育督导和教育决策提供了科学、全面的依据。

（5）督导结果可视化。基于数据分析模型，利用大数据可视化技术，实现多源数据的综合分析和可视化展示。

（三）成立专门机构保障教育督导信息化顺利推进

为深化教育领域综合改革和教育督导改革，北京市教育督导内设机构增加了信息化部门，主要职责是负责全市教育督导信息化建设与管理工作。部门成立两年来，按照国家和教育部关于教育管理信息化的相关工作要求与规范，制定北京市教育督导信息化标准规范，组织开发“北京市教育督导信息管理应用系统平台”，建设北京市教育督导基础数据库，指导并推动区县教育督导部门信息化建设和督学人员、学校教育督导信息系统应用，为北京市教育督导信息化建设在体制机制上提供了有力保障。

（四）加强督导队伍建设，提升督学人员的信息化素养

督导人员的信息化素养是实施教育督导信息化的关键。高信息素养的督学不仅仅要会使用所需要的信息技术和设备，还应该具备互联网+时代所需要的理念与思维，改变以往以经验判断为主的习惯，加强“用数据说话”的意识和能力。为此，北京市教育督导信息化部门分批对各级各类督学进行全员培训，理念上，通过对国家和教育部相关政策解读和典型案例让督学认识到信息技术在教育督导中的应用价值，明确信息技术是教育督导的有效手段；技术上，通过示范和操作练习加强督学对电脑、移动客户端等设备和蓝信的使用和掌握能力；应用上，通过实践使用，加强督学在实际工作中应用信息技术的能力。经过系统的培训，“北京市教育督导信息管理应用系统”在日常的责任督学挂牌督导工作中、应急事件处理（如雾霾天临时停课）中、国家义务教育质量监测北京市的全过程监控中等得到了广泛的应用，责任督学能够运用信息技术手段科学、规范、高效的开展教育督导工作。
四、结语

在当下的“互联网+”时代，随着教育督导改革的不断深入，充分利用信息技术提高教育督导现代化水平、走向“互联网+教育督导”是未来教育督导发展的必然趋势，是教育督导迎接互联网时代挑战的有效应对选择。“互联网+教育督导”使得教育督导进入了新的发展阶段——“智慧督导”。“智慧督导”不仅体现在督导方式的智能化，更体现在大数据支持下决策的科学化。可以相信，在信息技术助力下，“互联网+教育督导”必将会给教育督导带来一场全新的变革，全面提升教育督导的现代化水平。

作者：赵丽娟 周航

大数据背景下社区教育论文 篇2：

大数据背景下大学图书馆开展数据素养教育的思考

〔摘 要〕在大数据背景下，数据作为一种信息资源其作用和影响越来越大，个人基本的数据分析和处理能力显得越来越重要。在信息素养教育的基础上，大学图书馆面向大学生开展数据素养教育是不可回避的现实。在分析当前国外数据素养教育的内容和模式基础上，对我国大学图书馆开展数据素养教育提出一些切实可行的思路。

〔关键词〕数据素养；大学图书馆；大数据；信息素养；用户教育

DOI：10.3969/j.issn.1008-0821.2015.09.024

〔

〔

〔Key words〕data literacy；academic library；user education；information literacy；big data

进入信息时代，随着计算机和互联网日益普及，人们获取信息更加便利，大学图书馆在提供信息获取平台与渠道方面的重要性不再突出，面对大量的网络信息资源，大学生的信息检索和分析利用等能力显得重要，许多大学图书馆以开设“信息检索与利用”课程的方式开展教育。在信息时代的背景下，大学图书馆信息检索课程内容经历着从文献检索利用到网络信息检索利用，再到信息素养教育的变化。

在大数据背景下，数据作为一种信息资源其作用和影响力越来越大，数据驱动创新，个人生活到社会管理都需要依靠数据进行决策，个人基本的数据分析和处理能力显得越来越重要，数据素养不再只是专业数据分析人员的必备素质，也应成为大学生学习与生存的基本素养，目前在开展信息素养教育的基础上，大学图书馆面向大学生开展数据素养教育的探索和实践是有现实意义的。

数据素养是大数据背景下信息素养教育不可回避的内容，大学图书馆在信息素养教育中有意识地引入数据素养内容，鼓励学生参与和实践与数据有关的活动，让大学生有机会理解数据潜在价值，把握数据对今天和未来产生的影响，赋予了信息检索课新的内涵，是信息素养教育顺应时代变化的表现。不可否认，数据素养教育对图书馆来说是一个新领域，不仅是跨学科而且也是跨越传统高校图书馆组织结构的[1]，开展数据素养教育对大学图书馆专业人员本身也是巨大挑战。

1 数据素养的含义

在大数据背景下研究数据素养（Data Literacy）是近几年的事情，但与数据有关的素养研究一直都在进行。一些学者研究认为与数据素养密切相关的素养主要是：信息素养（Information Literacy）、数据信息素养（Data Information Literacy）、科学数据素养（Science Data Literacy）、统计素养（Statistical Literacy）和研究数据素养（Research Data Literacy）等。希尔德（Milo Schield）[2]在2004年分析几种素养的关系时指出，信息评价是信息素养、统计素养和数据素养的基本元素，三者存在内在联系，不具备统计素养就难以提升信息素养或数据素养。美国研究与大学图书馆委员会在2008年制定人类学和社会学学生的信息素养标准时给出了统计素养的标准，包括选择调查方法、识别原始信息的价值、可以为研究调查找到合适的资源、正确评估信息并合理使用等内容[3]。施奈德（René Schneider）[4]认为研究数据素养（Research Data Literacy）就是由“Research Data”和“Information Literacy”两词合成而来。还有学者提出其他一些素养或技能也与数据素养有着千丝万缕的关系，诸如：量化素养（Quantitative Literacy）、媒体素养（Media Literacy）、学术素养（Academic Literacy）、科学素养（Scientific Literacy）、评价素养（Assessment Literacy）和多媒体素养（Transliteracy）等。

关于什么是数据素养学界有不同的理解。美国的秦健（Qin Jian）[5]强调数据素养是对科学数据的理解、利用和管理等能力。匈牙利学者科尔泰（Tibor Koltay）[6]认为数据素养是关于获取研究数据、并能进行批判式的评价和利用的能力与技能，并对与数据素养与其他素养的关系进行论述。迪赫尔（Erica Deahl）[7]认为信息素养是对定量和定性数据的理解、发现、收集、阐释、可视化和为观点作为佐证的能力。卡尔森（Jacob Carlson）认为数据素养的定义不仅要从数据使用者的角度考虑，也要从数据生产者的角度去思考，包括一些更深层的能力：发现和采集数据；数据管理；数据转换和互通性；质量保证；元数据；数据管理和重复利用；数据保存；数据分析；数据可视化；使用伦理（包括数据的引用）等各方面的能力，同时，他还明确提出大学图书馆员是开展数据信息素养教育的合适人群，大学图书馆员对学术研究和传播有着自己的广泛理解和深刻认识；具备对各种资源和研究工具的鉴别和推送能力；对各种用于数据管理的资料，具有组织和传播的经验与技能[8]。

在国内，任俊霞在研究大学信息素养教育体系创新时提出，在大数据时代，信息素养教育不再局限于科普教育范畴，而应向专业技能教育范畴延伸和拓展，有关数据的分析、挖掘和可视化应成为素养教育拓展方向，可尝试开设诸如NoteExpress文献管理软件、SPSS数据分析软件、Histcite文献分析软件、Citespace文献可视化软件以及Bibexcel文献计量软件的课程或使用讲座，将其作为科学研究的辅助手段和工具向学生推广[9]。孟祥保认为“科学数据素养（Science Data Literacy）”包括3个层次：具有“数据”意识，能够认识到数据是一种资源；具备数据基本知识与技能，熟悉数据生命周期与科学研究生命周期，在特定专业领域内具有查找、管理、利用与共享数据的能力，了解相关数据管理政策法规、数据伦理等知识；在大数据时代，能够利用数据资源发现问题、分析问题与解决问题[10]。金兼斌从新闻记者的角度出发，认为数据素养该包括数据意识、数据获取能力、分析和理解数据的能力、运用数据进行决策的能力、批判和反思精神等5个方面[11]。朱玉奴则为在倡导科研数据共享大背景下，数据素质教育将更加强调计算机信息技术的知识和技能，比起传统的基于文献属性的信息素质教育来讲，内容更加综合和复杂[12]。

笔者认为，数据素养可以归纳为是针对数据方面的关于普通公众的基本能力、学者的研究素质及专业人员的分析技能3种层次。综合起来，笔者比较认可的定义是：数据素养是一种将数据作为信息从而进行读取、创造和交流的能力，并能够通过各种方法正式地给以描述。数据素养侧重于从数据中构建知识的能力，以及传递其中含义的能力[13]。

2 美国开展数据素养教育研究和实践的启示

据不完全统计全世界有近170所大学开展了与大数据相关的专业教育，其中约150所大学开设了硕士研究生以上的学位课程[14]。在专业数据分析教育兴起的同时，为了加强理工大学生的数据分析基本能力，在欧美有超过20多所大学图书馆在开展数据素养教育。

21 大学图书馆开展数据素养教育的概况

目前的资料显示，大概以3种模式开展教育，主要通过Libguides建立科学数据管理资源导航提供数据服务；科学数据素养通识教育；学科专题数据素养教育等模式进行[15]。美国雪城大学（Syracuse University）教授秦健（Qin Jian）博士在2007年获得美国国家科学基金会（National Science Foundation）资助，开展为期2年（2008-2009年）提升本科生科学数据素养（Science Data Literacy Project），课程名称为“科学数据管理（Scientific Data Management）”，这是具有标志性的开展数据素养教育的研究与实践，由该校的信息研究学院团队承担，面向理工科的本科和研究生开展，通过课前课后的调查评估，对理工科教师关于数据管理的认识、数据素养教育课程的效果，以及学生关于数据的态度和认识的变化3个方面进行研究，得出的重要结论是：科学数据素养需要在不同的场景提供不同层次的培训，需要主动变化去适应各个专业的学科背景、术语和工作流程，科学数据素养教育在本科生阶段的目标就是：为未来在科技领域培养在数据管理和利用方面具有扎实的理解能力和相关技能的从业人员[16]。詹姆斯·麦迪逊大学（James Madison University）的亚斯明（Shorish Yasmeen）明确提出，研究型大学本科学生应该具备数据信息素养，这不仅是在学生期间的关键能力，也是将来职业的需要。因此，如果旨在塑造一批更加博学和富有创造力的公民，应该想办法让所有的大学生充分接触有效分析和使用数据的技能[17]。

22 针对中学生开展数据素养教育的概况

尽管国内外讨论的数据素养关注点多是在高等教育领域内，但也有不少学者将数据素养定义为面向公众，美国正在进行的对青少年开展数据素养教育的理念和实践。2014年6月，美国麻省理工学院学者迪赫尔（Erica Deahl）从社会和文化的角度阐释了她对数据素养的理解，她提出在大数背景下，应该关注和提高青年人的数据素养，因为“素养”代表的是更广泛的知识和技能，远远超越了其最初的读和写的定义，数据素养能支持民主、参与和激发公民权力，让学习者可以获得解决社区问题的实用技能，从而使他们能够更好的理解、分析和参与复杂的社会和政治问题；数据素养还能为知识经济、竞争力和选择能力提供支持，为学习者在数据科学的新兴领域提供实用技巧；数据素养能帮助终身学习、文化表达和个人价值的实现，使学习者能够追求创造性的使用数据。因此，开发年轻人的数据素养能力的最好的方法并不是直接传授数据相关的技能，而是让他们直接面对实际的案例，因为数据素养的目标是帮助个人学会通过数据来阐释社会中的现象，应该遵循基于案例去学习、针对问题去进行和结合文化背景因素这3个原则。在受到麻省理工学院的终身幼儿园实验室（MITs Lifelong Kindergarten Lab）曾开展的一项名为“Scratch”的青少年计算机科学学习项目的启发后，迪赫尔借鉴该项目“降低参与的壁垒和支持广泛的个人表达”的理念，鼓励广大青少年和教育者参与，依靠社区或社团的参与来维护项目持续性。在美国有两个专门针对青少年数据素养教育的项目成为关注和研究实例，一个是2014年在校外的非正式学习环境中开展的项目，名为“青少年形象重塑计划之编程节（Young Rewired States Festival of Code）”[18]，这是一个针对18岁以下青少年的全球性组织，利用免费开放的数据，让青少年进行网站、手机应用和解决方案等数字制作，通过开发基本的数据素质，激发青少年的自信与创新能力；另一个是2013年在纽约公立中学开展的项目，名为“数字城市（City Digits）[19]之本地彩票（Local Lotto）调查”项目，数字城市项目是由美国国家自然科学基金资助纽约城市大学（CUNYs Brooklyn College）与麻省理工学院城市数据设计实验室（MITs Civic Data Design Lab）合作，项目安排学生采访彩票购买和销售双方人员，获取各商店的销售量、购买习惯和社区居民态度等定性和定量数据，利用地理空间技术完成图表收集和数据分析，得出了低收入社区的人们买更多的彩票等调查结论，通过调查了解彩票的运作方式，有证据就有力量发出声音，学生有经验更明智地从事公共讨论的话题。项目旨在开发和试点综合课程及网上工具资源，基于数据调查和展现现实存在问题为手段，以激励克服学生对数学的厌恶感。经过观察研究，迪赫尔（Erica Deahl）提出了针对青少年的数据素养能力开发的3种模式：与数据互动的技术教育、校外数据素养项目和数据素养进入课堂战略，成为指导研究人员、教育者和参训人员在未来的数据素养教育中改进方针。最新的结果是，从2014年11月起，纽约的多所公立中学将在课堂上引入“数字城市之本地彩票调查”项目，通过大量学生的参与来提升青少年的数据收集和分析技能[20]。

23 针对小学生开展数据素养教育的概况

2014年11月，纽约丹顿大道小学（Denton Avenue School in New Hyde Park，NY.）开始给10岁的学生开发基础的数据素养能力，主持这项工作的教师帕里西（Parisi）利用图瓦实验室（Tuva Labs）提供的数据开展教学，例如：利用政府的数据，分析男女性别工资差异产生的原因。与此同时，莫里小学（Maury Elementary School）的教师福特（Vanessa Ford）组织学生观察记录日照时间、温度变化与食物腐烂的关系，通过对数据的收集和分析、理解并实现可视化，改变了学生对数学的畏难情绪。图瓦实验室收集纽约地区的真实数据并提供图表分析结果导出给使用者，大约有55个国家的2 800所学校免费使用该实验室提供的数据，福特还考虑将学生收集完成的数据上传到图瓦实验室供大家使用 。同时，一些重要部门机构的网站，例如：美国的人口调查局（US.Census Bureau）网站，专门有针对青少年学习数据素养的模块（Census in Schools）；还有公司以4～12年级学生为目标人群，开发数据分析软件（InspireData），培养数据素养，提高分析和批判性思维能力。

以上针对3种人群或层次开展的数据素养教育，值得我们大学图书馆思考。首先，要重视大学生的最基本的数据素养开发，以基础教育为主导而展开的数据素养教育，不仅能为学生的学习研究提供帮助，还能提升学习兴趣和自信，培养参与和判断社会事务的能力。其次，大学图书馆要开展数据素养教育是在信息素养教育的基础上开展，简单且容易的内容和教育模式是图书馆专业人员可能实现的，通过在信息素养中掌握的各中信息资源和检索工具，能够从中发现数据、收集数据、分析和展现数据，完成一个数据消费者的基本素养能力培养是第一步，进而的数据生产能力培养是大学图书馆努力的下一个目标。我们有心要关注大学生数据素养教育的实践，研究合适的教学内容和模式。

3 大学图书馆开展数据素养教育的内容分析

31 如何理解大学生的数据素养

笔者认为，对于大学生来说数据素养应该分为两个层面来理解。

311 通识教育层面

相当于信息素养（Information Literacy）的一种延续和扩展，解决日常生活和工作中常见问题的基本数据素养，即：对数据的敏感性；数据的收集能力；数据的分析、处理能力；利用数据进行决策的能力；对数据的批判性思维。传统观点认为数字或统计数据是信息，强调理解数据其中的意味，包括如何适当地阅读图形和图表，从数据中找出正确的结论，发现数据被误导或不适当地应用[22]。由美国开放知识基金（Open Knowledge Foundation）与网络大学联合开办的数据学校（School of Data），明确专门为社区、记者和市民提供数据素养训练，他们的“数据基础”课程涵盖了6个主题：数据是什么；找到数据；排序和过滤数据；分析数据；制作数据可视化和讲述数据的含义[23]。在图书馆的参与下，2014年普杜大学（Purdue University）面向理工本科生中开展数据信息素养基础教育，培养学生识别数据来源和信息质量，基于数据使用者的角度，开设两个课程来培训学生评估数据对象，以及互联网上的数据库和数据[24]。

312 专业学科领域层面

相当于科学研究素养的提高和升华，解决专业学习和科研中的专门数据素养。更深入的观点认为数据素养是一项综合能力，以数据为佐证列明和回答问题；用恬当的数、工具和表述展现想法；从数据中阐明信息；开发和评价基于数据的推断和解释；并使用数据来解决实际问题，并能沟通解决方案”[25]。具体到学科专业，对科学数据素养能力的要求更为具体和更具有专指性，如财经专业专门开设计量经济学、统计学课程，强调数据分析和建模能力；管理学社会学需要数据的收集和统计分析能力；生物信息学则强调以计算机为工具对生物信息和数据进行储存、检索和分析的能力；在哥伦比亚大学新闻学院的硕士学位教育中还专门设立“数据新闻”方向（The Specialization in Data Journalism）[26]，“开放知识基金”还开办了有“数据新闻记者手册（Data Journalism Handbook）”网站。

32 我国大学图书馆开展大学生数据素养教育的思考 笔者一直在从事“信息检索与利用”教学，内容以检索技能、学术资源利用、搜索引擎和毕业论文写作为主，采用授课与上机实践结合的模式，共计16个学时。在不断改进教学内容的过程中，笔者在思考如何在信息素养教育中溶入数据素养内容作为突破的方向，通过查阅国外文献，特别是与西南交通大学等学校同行的交流后，有些想法希望能与大家讨论。

在大数据背景下大学图书馆开展数据素养教育可以先从通识教育层面开始，应从学生工作和生存基本技能的角度出发，结合信息素养教育去定义数据素的内容，起到一个暂时没有专业学科数据素养教育的过渡作用，即培养学生发现、操作、管理和解释数据的基本能力，不仅限于数字形式，而且能通过文本和图像的形式来阐释[27]，相当于数据意识培养的范畴。

321 需要真正实现“信息检索与利用”教育向信息素养教育转变，这包括教学内容和教学理念上的转变

我们要避免过于强调检索理论和技术的讲授，要通过各种与学生学习与生活有关案例来激励学生找到解决信息需求的办法。这就要求教师要准备周全的案例，又能激发兴趣又能模仿学习，如果能结合学生的专业背景嵌入数据方面的内容是比较合适的时机，这对教师个人能力是一种考验。以考研相关信息检索为案例，不能限于考研信息网站的介绍，可以通过“如何了解一个导师的研究情况”为例进行分析，例如：搜索引擎可以检索到导师的公开信息和学术言论，中国的期刊论文库可以了解其在国内发文、学术会议、指导学生的项目研究等情况，用SCI和EI可以知道其在国内外发文的情况，还可以综合了解被引文的次数；通过知识产权局了解专利申请情况等等。目的是让学生通过案例学会如何获取个人的相关信息，从数据中获得有用的信息，从信息中分析得出数据。从某种意义上还可引导学生充分认识大数据时代个人信息在网络上隐私面临的新挑战，关注企业的可能分布在网络上的商业数据，成为就业的决策依据。

322 在信息素养基础上开展数据素养教育的实践，对教师个人能力是个考验，更需要教学团队开展教学内容的研究与合作

信息素养可以代表很广泛的知识和技能，需要与图书馆专业人员的背景知识和研究专长结合，每个人关注领域不同，有的擅长各种学术资源查找，有的关注搜索引擎发展，有的钻研统计分析软件，也有的对调查数据分析有兴趣。事实上，由几位教师组团共同完成各自擅长领域的信息素养教育已经有大学图书馆在尝试。例如：北京大学开展的“一小时讲座”内容就涉及“数据素养与统计数据资源介绍”，为大学图书馆开展数据素养教育提供了很好的内容和模式的参考，讲座分为3个单元，内容主要是：以实际案例为学生展示如何正确解读数据和统计分析结果、如何进行数据清理、怎样开展数据分析、如何科学地管理数据等内容；经济统计类信息（例如：宏观及微观经济数据、经济研究报告、金融数据、公司财务信息等）介绍，并举例讲解全球金融与企业资信分析数据库（BvD）、世界经合组织（OECD）、国际货币基金组织（IMF）、中经网等数据库的具体使用方法；分门别类地对网络上的开放获取统计资源进行介绍，包括：世界主要国家和经济组织等官方网站的资源、学术团体、研究机构提供的统计资源、民间权威调查机构发布的统计数据以及利用搜索引擎查找统计资源的技巧等。目的是通过培训能善用数据做分析，能够读懂各种统计、了解数据的价值，获得专业研究需要的数据[28]。

323 数据素养要重视数据的采集和处理能力培养，有助提高对数据的判断能力

数据才具有说服力，例如：日常的旅游出行购物的价格只是数字，需要比较分析各种价格后的数据才能帮助做出判断。掌握一些基本的数据采集和处理方法，了解数据出处和定义，能意识到数据判断能力不足可能带来的危害。目前针对学习研究，谷歌和百度都有提供功能基于大数据的统计分析功能，许多现成的专业网站和检索工具可以有统计分析功能，例如：我们可以从中国知网（CNKI）的“指数”检索功能中获得某个关键词的关注度；从万方数据知识服务平台的“知识脉络分析”分析知识点、领域的研究趋势及热点变迁，这都是系统基于大数据分析统计后提供的结果。除了介绍网站现成一些统计分析工具外，我们还可以设计适当的数据调查项目，训练学生数据获取能力，让他们有机会可以参与社会话题的讨论。

4 结 论

大学图书馆开展数据素养教育要关注数据分析专业教育的发展和变化，也需要一个数据开放的环境配合，数据素养教育需要建立在数据公开和用户体验基础上，如果没有数据公开就缺乏研究素材，如果数据平台使用有困难就会产生障碍，如果平台不是公平地对待不同团体那么就不会产生跨组织的应用，如果没有在普通人与数据科学家间建立无缝的桥梁与算法，那么数据驱动优化就不可能实现。目前，在信息素养教育基础上，如何开展数据素养教育，又做到有别于其他素养教育，体现大数据时代数据素养的特征，需要我们一段时间的实践才能找到答案。图书馆专业人员要从事数据素养教育需要进行培训和引导，但是我们仍然缺乏专门的数据素养研究和教育的网站和资源，在大数据背景下大学图书馆开展数据素养教育需要持续关注国外的变化。

参考文献

[1]Belliston C J，Boruff-Jones P，Davis-Kahl S，et al.Intersections of Scholarly Communication and Information Literacy：Creating Strategic Collaborations for a Changing Academic Environment[J].White Paper，2013：10-11.

[2]Schield M.Information Literacy，Statistical Literacy and Data Literacy[J].IASSIST Quarterly，2004，28（2/3）：6-11.

[3]ACRL.Information literacy standards for anthropology and sociology students[EB/OL].http：∥www.ala.org/acrl/standards/anthrosocstandards，2014-03-29/2014-12-18.

[4]Schneider R.Research data literacy[M].Worldwide Commonalities and Challenges in Information Literacy Research and Practice.Springer International Publishing，2013：134-140.

[5]Jian Qin and John DIgnazio.“Lessons learned from a two-year experience in science data literacy education”，in Proceedings of the 31st Annual IATUL Conference（June，20-24 2010），http：∥docs.lib.purdue.edu/iatul2010/conf/day2/5（Date of access 17.1.2014）.

[6]Koltay T.Big data，big literacies？[J].Information，Communication & Society，2012，15：663.

[7]Deahl E S.Better the Data You Know：Developing Youth Data Literacy in Schools and Informal Learning Environments[J].Available at SSRN，2014.

[8]Jacob Carlson et al.Determining data information literacy needs：A study of students and research faculty[J].Portal：Libraries and the Academy，2011，（11）：629.

[9]任俊霞，曹君.大数据时代高校信息素养教育体系创新研究[J].图书情报工作，2014，（S1）：236-238.

[10]孟祥保，李爱国.国外高校图书馆科学数据素养教育研究[J].大学图书馆学报，2014，（3）：11-16.

[11]金兼斌.财经记者与数据素养[J].新闻与写作，2013，（10）：5-9.

[12]朱玉奴，陈益君.图书馆数据素质教育的理论与实践[J].情报资料工作，2014，35（6）：106-109.

[13]Data literacy[EB/OL].http：∥en.wikipedia.org/wiki/Dataliteracy，2014–10–26/2015–01–08.

[14]何海地.美国大数据专业硕士研究生教育的背景，现状，特色与启示——全美23所知名大学数据分析硕士课程网站及相关信息分析研究[J].图书与情报，2014，（2）：48-56.

[15]孟祥保，李爱国.国外高校图书馆科学数据素养教育研究[J].大学图书馆学报，2014，（3）：11-16.

[16]Jian Qin and John DIgnazio.“Lessons learned from a two-year experience in science data literacy education”，in Proceedings of the 31st Annual IATUL Conference（June，20-24 2010），http：∥docs.lib.purdue.edu/iatul2010/conf/day2/5（Date of access 17.1.2014）.

[17]Shorish Y.Data Information Literacy and Undergraduates：A Critical Competency[J].College & Undergraduate Libraries，2015，22（1）：97-106.

[18]Young Rewired State[EB/OL].http：∥www.yrs.io/，2015-01-28.

[19]City Digits[EB/OL].http：∥www.citydigits.org/，2015-01-28.

[20]Leila Meyer.MIT，City U of New York Collaborate with New York City Public Schools for Data Literacy Project[EB/OL].http：∥campustechnology.com/articles/2014/12/08/mit-collaborates-with-new-york-city-public-schools-for-data-literacy-project.aspx，2014-12-08/2014-12-28.

[21]Mohana Ravindranath.Elementary schools start teaching data literacy[EB/OL].http：∥www.washingtonpost.com/business/on-it/elementary-schools-start-teaching-data-literacy/2014/11/14/9e8bb4ec-6aac-11e4-9fb4-a622dae742a2story.html，2014-11-16/2015-01-08.

[22]Carlson J，Fosmire M，Miller C C，et al.Determining data information literacy needs：A study of students and research faculty[J].portal：Libraries and the Academy，2011，11（2）：629-657.

[23]School of data[EB/OL].http：∥schoolofdata.org/，2015-01-28.

[24]Sapp Nelson M R，Zilinski L，Van Epps A S.Developing Professional Skills in STEM Students：Data Information Literacy[J].Issues in Science and Technology Librarianship，2014.

[25]Vahey P，Yarnall L，Patton C，et al.Mathematizing middle school：Results from a cross-disciplinary study of data literacy[C]∥Annual Meeting of the American Educational Research Association，San Francisco，CA.2006.

[26]Specialization in Data[EB/OL].http：∥www.journalism.columbia.edu/page/1077-specialization-in-data/936，2015-01-28.

[27]Harris J.Data is Useless Without the skills to analyze it[J].Harvard Business Review，2012.

[28]北京大学图书馆.一小时讲座[EB/OL].http：∥www.lib.pku.edu.cn/portal/fw/yixiaoshijiangzuo/ziyuanchazhao，2014-09-08/2015-1-28.

（本文责任编辑：孙国雷）

作者：何海地

大数据背景下社区教育论文 篇3：

大数据时代的教育革命

“人类历史中的许多灾难都源于这样一个事实，即社会的变化总是远远落后于技术的变化。这是不难理解的，因为人们十分自然地欢迎和采纳那些能提高生产率和生活水平的新技术，却拒绝接受新技术所带来的社会变化——因为采纳新思想、新制度和新做法总是令人不快的。”——斯塔夫里阿诺斯《世界通史》

摘要：在当今的信息时代，云技术、物联网和基于二者的大数据技术正推动教育发生着变革。未来教育在互联网等技术的作用下变的越来越个性化，通过对大数据技术的应用将有利于个性化教育，标准化的学习内容由学生自组织学习，学校和教师更多的关注学生的个性化培养，教师由教学者逐渐转变为助学者。在逐步到来大数据时代，互联网教育与学校教育将逐渐分离，更多的交往互动、个性化服务和灵活的学制将使学校获得新的生机。

未来的教育

有两件事情总让职业选手郁闷不已：科技的未来，科学家们从来没有作家预测得准；而教育的大师又往往不是教育学出身的。如果2013年我们要凑出第三件，那就是：能够既准确预测科技还能准确预测教育的，这个人既不是学科学的也不是学教育的，这个人叫托夫勒。

1970年，托夫勒写了第一本畅销书《未来的冲击》，在书中托夫勒不仅批评了以哈钦斯为代表的面向过去的教育、支持了以杜威所代表的面向现实世界的教育，更创造性地提出了明确的面向未来的教育：小班化、多师同堂、在家上学趋势、在线和多媒体教育、回到社区、培养学生适应临时组织的能力、培养能做出重大判断的人、在新环境迂回前行的人、敏捷的在变化的现实中发现新关系的人和在未来反复、或然性和长期的设想下的通用技能。

43年后的今天，基于云技术、物联网、数据库技术、社会网络技术等的成熟应用，托夫勒当年感性预知的理念性的东西清晰地展现在我们面前：信息不仅仅是一种视觉和感官的东西，更是可捕捉、可量化、可传递的数字存在。于是从1970年到现在，教育悄悄发生了一场革命，教育革命一词，正是托夫勒最早所说，而今天，我们已经明确知道带来这场革命的真正原因：那就是大数据。

我曾在各地反复提及“数据”与“数字”的区别。举个简单的例子：一个学生考试得了78分，这只是一个“数字”；如果把这78分背后的因素考虑进去：家庭背景、努力程度、学习态度、智力水平等，把它们和78分联系在一起，这就成了“数据”。正在发生的这场教育变革与之前的远程教育和在线课程的最大的不同在于，前者不过是“数字”而已，后者却是“数据”——数据的集中以物联网、云计算等综合技术的成熟为基础，数据是过程性和综合性的考虑，它更能考量真实世界背后的逻辑关系。

由于互联网的迅速发展，美国从1997年以来的十多年，在家上学的人数迅速增长至超过5%，这些孩子学习成绩和参与社区超过同龄公立学校30%以上，教育不再是每个学生必须接受的事情，互联网的作用确实在增加、增大。然而，如果就此断言未来的教育会消失就错了。正如随着印刷术的普及，教师的比例并不是减少而是大幅度增加一样，大量的信息垃圾的出现，反而需要更多的教师进行指导。未来的教育在互联网教育的推动下，会更加个性化和更加普及，只不过教师和学校的定义和内涵需要重新定位。

云技术、物联网和基于云技术和物联网的大数据是教育变革的技术推动力量。在向大数据时代、知识时代跨越的过程中，知识将无处不在。目前，仅就知识传播而言，教育资源正在经历的是平台开放、内容开放、校园开放的时代，这是前所未有的。未来的教育会是怎样的？主流的模式必将是：视频成为主要载体；教育资源极其丰富；翻转课堂；按需学习；终生学习；不以年龄划线；远程教育的提法将消失；距离不再是问题，教育在学校之外发生，等等。

大数据的支撑作用

传统的教育兴盛于工业化时代，学校的模式映射了工业化集中物流的经济批量模式：铃声、班级、标准化的课堂、统一的教材、按照时间编排的流水线场景，这种教育为工业时代标准化地制造了可用的人才。而大数据教育将呈现另外的特征：弹性学制、个性化辅导、社区和家庭学习、每个人的成功。世界也许会因此安静许多，而数据将火热地穿梭在其中，人与人（师生、生生）的关系，将通过人与技术的关系来实现，正如在2013年的春节，你要拜年，不通过短信、电话、视频、微信，还能回到20年前骑半个小时自行车挨家挨户拜年的年代吗？大数据时代，无论你是否认同技术丰富了人类的情感，技术的出现，让我们再也回不到从前了。

大数据与传统的数据相比，就有非结构化、分布式、数据量巨大、数据分析由专家层变化为用户层、大量采用可视化展现方法等特点，这些特点正好适应了个性化和人性化的学习变化。目前教育变革的讨论，过于集中在在线教育（远程、平板、电子、数字），这正像任何一个科技让人们最先想到的都是偷懒的哲学，自动化时代最先想到的是卓别林演的自动吃饭机，多媒体时代人们最先想到的是游戏。在线教育本身很难改变学习，在这场教育革命的浪潮中，由在线教育引发的教育由数字支撑到数据支撑变化（教育环境，实验场景，时空变化，学习变化，教育管理变化等等），确是很多人没有在意的巨大金矿。

教育环境的设计、教育实验场景的布置，教育时空的变化、学习场景的变革、教育管理数据的采集和决策，这些过去靠拍脑袋或者理念灵感加经验的东西，在云技术、物联网、大数据的背景下，变成一种数据支撑的行为科学。

在美国宾州，有一个叫做EDLINE的网站，将学生的每次作业、每次考试记录在网上，完成学生的日常GPA积累，这个网站的技术并不难，然而能够坚持下来的数据积累，对于学生、家长和教育管理非常重要，大家都知道，美国的大学入学GPA非常重要。依靠这个GPA 再加上学生的SAT和ACT所提供的分析报告以及志愿者活动资料，就决定了学生的大学去向。

教育将继经济学之后，不再是一个靠理念和经验传承的社会科学和道德良心的学科，大数据时代的教育，将变成一门实实在在的实证科学。

在上海的东华大学，学校正在将10多个学院的数十个实验室管理起来，通过物联网和云技术将实验系统连接起来，实现实验室数据的整合、分析、可视化、报表，依靠数据，不再依靠人的上报。

东华大学实验数据可视化

目前的经济，已经进入后工业化的大数据时代：经济结构转向服务经济，劳动力大规模转向服务业，职业分布由工厂转向办公室，社会焦点从围绕生产转向围绕创新；同时，人与机器的主流社会关系也逐渐转向人与数据之间的关系。若干年后的社会竞争是以服务和创新为核心的，然而我们的教育还围绕着减少犯错和标准化的魔咒。大数据教育提供了另外一种可能，标准化的教育将转向网络完成而人才培养和个性化将主要由学校承担：越来越小的班级、越来越近的学校、越来越聚焦的教育支持、越来越个性的培养方式，将使教育摆脱工业化时代。“为什么数学课每天都有，而舞蹈、音乐和体育课一周一次呢？” 罗宾逊这个疑问逐渐得到改观，针对性和多元的教育目标正在普遍得到认可，尤其是在私立学校中。

大数据带来的挑战

印度教育科学家苏伽特·米特拉是一个里程碑式的人物。1999年，他去了印度的很多偏僻的乡村，那里的人既不懂英语、也没见过电脑。苏伽特·米特拉在孩子们经常聚集的街头的墙上装上连接互联网的电脑屏幕，配上鼠标，然后离开那里。几个月后，试验表明，孩子们无师自通，学会了使用电脑。在以后的十多年里，苏伽特·米特拉在印度、南非、柬埔寨、英国、意大利等地还进行了类似的以生物、数学、语言等为内容的教育实验。结果证明，在不需要老师或科学家输入逻辑和程序的情况下，学习者可以独立自主地完成学习，这就是“自组织学习”。由此，苏伽特·米特拉对教育作了建构主义的重新定义：教育是一种自组织行为。

认识到了“学习是一种自组织行为”，那么，教师和教学机构的作用便要重新定位。互联网的不断普及，网络资源进一步开放，在线教育就不能仅仅是把传统的课堂搬到网络上，这样的做法也许更加违背学习规律。NMC（新媒体教育联盟）在做了相关历史研究的基础上总结了诸多人类的学习行为：社会学习、可视化学习、移动学习、游戏学习、讲授学习等，每一种学习方式，在信息和知识的载体方面，基本上都有相应的技术基础。换言之，技术既可能扩展人类的学习方式，也可能限制人们的学习方式。一旦有新的技术出现，这些新技术改变信息和知识的传播模式，那么，人类的学习方式也会相应地产生根本性的变化。在互联网时代，开放的社会和资源将进一步解放人们的学习，越来越多的人不用呆在学校里被动地接受学习，他们将会把自组织学习发挥得淋漓尽致。

美国新的在线教育浪潮，那些拥有巨额粉丝的大学教授，轻易能够拿到数千万美金的创业基金，对于传统的大学，是一个巨大的挑战，正是这个背景下，促动了大学改革的神经：再不顺应潮流，那么校园将不是最优秀教师的聚集地。然而，教育要想真正新生，不仅仅在在线教育上，而在于传统教育理念的变化：教师的功能，应该把低层次的和可拷贝的，交给大投入的电影模式去做，而未来，教师将成为教练，师生将走向训练场，如何从传统的篮球场，变成灯光幻影般用新技术武装的“主场”。

在信息技术大革命的今天，规训与教化在撤退，支持和服务在推进。教育本质是对学习者的支持和服务，而不是对他们的规训和教化。作为万物之灵，人类本身就有逻辑推断和自组织的能力。发掘这种逻辑和自组织的能力才是正道。正在发生的教育革命并不是要把传统的课堂搬到网上，而是让新技术解放人们本来就有的学习能力和天分。学生得到解放，人力资本成倍地增长。

在这场教育的变革中，最严重的问题已经不是教育资源的缺乏，而是毫无天分的教师在错误的方向上还在“勤奋地工作”。教育界将“重新洗牌”，这也是我预测未来教育的一个关键词。苏伽特说“对于教育者来说，这是一个大转变的时代。我亲眼目睹着教育界的各种力量在重新洗牌。或许我们说‘教育革命’未免言过其实，但是各种变化的确在更迭着。教学模式的多元并存会是一个长期存在的现象。但是毫无疑问，新技术从外围给教师增加了新的竞争对手。新技术的应用又导致学生在心理预期、学习习惯等方面的变化，这就从核心和内部促进着教学过程的转变。学生变了，不如以前‘好带’。这并不是坏事，在这当中，不知潜藏了多少机遇和可能性等待着有心之人去发现！”

苏迦特的一个观点很具有代表性：“你能够想象和确认，你所教的和考核的东西，在今后20年学生们走向工作岗位还管用吗？”为此，苏迦特分析，只有三种最基本的东西在今后的大数据时代是学生用得到和必须学的东西：“第一是阅读，第二是搜索，第三是辨别真伪”，谈到数学，苏迦特说：“也许数学，将成为一种体育运动”。基本能力加每个孩子特长的“体育运动”，构成了苏迦特心目中的未来教育，这种体育运动也许是数学，也许是领导力、是音乐、美术和篮球。数学也许是每个孩子的体育运动，也许是一部分专业运动员的体育运动，但大数据时代的数学，将不会是教育的基本标准和指向。

大数据时代给人最大的难题正如托夫勒所说，来自信息过载所带来的“信道危机”。在单一的信息来源情况下，比如高考的分数、固定的复习资料，教育最好的办法是重复吸收那些经过筛选的编码信息。中国湖北省和河北省的两所重点中学，在旧的教育体制下，非常成功地迎合了高考的指挥棒。大家应该注意到，这些中学的模式只适合信息闭塞的情况，不大适合北京上海等信息过载的城市。在以网络技术无限广阔的应用所带来的大数据信息压力时代，如何搜索、阅读、辨别信息成了一个巨大的难题。

迎接大数据时代的到来

随着硬件的高速革新和软件的高度智能化，新一轮的教育信息化的浪潮已经不可抗拒地推送到了我们面前。作为教育人，我们应该如何面对？围观？等待？抵制？显然，这些都是下下之策，只可能被浪潮击垮。唯有掌握良好的“冲浪”技术，具备相应的预判能力，我们才能逐浪前行，甚至在浪尖上优雅起舞。

目前，全国各地都在推进教育信息化工作。建立教育的信息化服务公共平台，开展数字化校园的实验工作，设立各种“数字化学习”试点学校，开发“微课程”，开展“翻转课堂”教学研究，一对一的“E课堂”教学实践……这是一系列不断加码的举措。然而，这条路并不好走。要充分做好“螺旋式”上升的准备，最重要的是顶层设计和理念超前。当一些概念、一些观点第一次呈现在大家面前时，带来的撞击不仅仅是“洗脑”时的泥沙俱下，更多的应该是“醒脑”后的深度思考。

在信息时代的今天，我们应利用大数据将“信息过载”的难题转变成为个性化的教育。例如，同样的一门课程，如《网络工程》，在计算机学院、信息学院、管理学院，巨大的知识推送和资料，如果假借大数据应用的推送，给不同的要求的学科完全不同的内容推荐，即使面对同样一个学科的不同行为习惯的学生，也会针对性地给出对应的学习策略。人类以往的知识体系和知识点在大数据背景下并不会发生变化，而学生们却可以通过大数据应用得出个性化的指导和无穷无尽的资源配套。

失去了知识垄断性的学校，剩下什么呢？是教堂？是厅堂？是弄堂？还是食堂？回答不了这个问题，学校确实是会成为创新的阻碍力量。大数据时代，互联网教育与学校教育将逐渐分离，正如电影院和电视机在初期竞争的时候水火不相容，而成熟以后会各得其所。颠倒课堂提供了一种学校教育与互联网教育共存的新模式，事实上，学校里更少的课堂与更多的实验室，更多的交往与更少的讲授，更多的互动与更少的灌输，更个性化的服务和更灵活的学制，将是未来学校得益于互联网教育得到新生的机会。

[1] 魏忠，上海海事大学副教授，庚商智能教育执行董事，美国卡内基梅隆大学高级访问学者。

[2] 何立友，上海海事大学经济管理学院。

作者：魏忠　何立友