党的二十大首次将“推进教育数字化”写进党代会报告，作为国家教育数字化战略行动的重要组成部分，教育部加快推进大数据支撑教育治理转型升级，连续多年将提升数据支撑服务教育决策能力写入教育部年度工作要点，2021年提出形成教育系统数据资源目录和数据溯源图谱，制定教育基础数据标准规范，实现有序共享。2022年强调要提升数据治理、政务服务和协同监管能力，并强化数据挖掘和分析，构建基于数据的教育治理新模式。教育部部长怀进鹏在世界数字教育大会上提出，要推动教育治理高效化、精准化，通过人工智能、大数据等技术应用，实现业务协同、流程优化、结构重塑、精准管理，从而更好提升教育管理效率和教育决策科学化水平。
2023年5月29日，习近平总书记在中共中央政治局第五次集体学习时就加快建设教育强国发表重要讲话，强调我们要建设的教育强国“以教育理念、体系、制度、内容、方法、治理现代化为基本路径”，并指出“教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口”。建设教育强国，是以中国式现代化全面推进中华民族伟大复兴的基础工程，要加快推进教育数字化转型，以大数据赋能教育治理现代化，助力教育强国建设。
二 数据驱动教育决策的重要社会意义
大数据正日益成为提升政府治理能力的重要手段。早在2015年国务院印发《促进大数据发展行动纲要》，确定了未来5—10年我国大数据发展的国家顶层设计和总体部署，并将“打造精准治理、多方协作的社会治理新模式”作为第一条总体目标，强调将大数据作为提升政府治理能力的重要手段，通过高效采集、有效整合、深化应用政府数据和社会数据，提升政府决策和风险防范水平。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》也专章提出要提高数字政府建设水平，将数字技术广泛应用于政府管理服务，推动政府治理流程再造和模式优化，不断提高决策科学性和服务效率。
大数据服务在支撑教育决策方面，可以概括为四方面的价值：
一是循数决策：数据驱动决策的范式已经取代了传统的反应式处理方式，使教育决策者能够以数据为基础进行决策、管理和创新，促使教育决策者主动挖掘数据价值，深入理解教育系统的运行情况，从而制定更为科学和有效的教育政策和措施。
二是智能决策：将大数据与人工智能技术相结合，可协助教育决策者更有效地处理和分析庞大的数据集，超越个体处理数据的极限，从而超越传统的凭经验进行决策的范式，提高决策的科学性和准确性。
三是简化决策：通过有效处理大规模的教育数据，挖掘数据背后的潜在内涵，并将其转化为可解释的信息，从而将庞大而复杂的数据集简化为直观易懂的规律模式，迅速把握关键趋势和问题。
四是协同治理：在大数据时代，大数据的流动和共享使得家长、社会组织以及公众能够积极参与到教育决策过程中，形成开放和协同的治理模式。
三 教育大数据应用的现状与问题
当前教育大数据应用于教育决策仍面临着不少问题和挑战。
一是教育数据的开放性存在一系列困难。数据安全与开放之间存在矛盾，开放数据存在信息不完整或缺失的问题，所公开的数据往往呈现出模糊和粗糙的特征，从而影响了大数据在教育决策中的应用效果。此外，数据滞后或更新不及时使得研究者难以及时获取到最新的教育数据，直接影响并制约了大数据在教育决策中运用的准确性和有效性。
二是“数据孤岛”问题在教育系统中较为明显。各部门独立开发数据系统导致数据分散存储在各自独立的数据库中，部门间数据有效流动存在障碍，无法实现数据的集中管理和共享，呈现分散性、格式标准不一致以及权限和安全等问题，难以发挥其多维度的价值。
三是大数据高效处理面临着巨大的挑战。随着数据规模的爆炸式增长、数据来源和类型的复杂多样以及数据生成更新的高速性，已超过传统数据处理软硬件架构的承载能力。因此，满足规模庞大、格式多样、高速生成的大数据高效处理要求，成为大数据应用于教育决策的重要挑战。
四 大数据支持教育决策需要三大变革
1、思维模式的变革
提升教育治理现代化水平，应使决策过程从依靠经验向基于证据的循证思维转变，强化政策研究和决策的多主体协同意识、证据意识与大数据思维方式。传统思维与大数据思维在多个方面存在显著差异，包括数据来源和范围、数据处理方式、决策速度和实时性，以及面向未知和创新的适应性等方面。
（1）在数据来源和范围方面：传统思维主要依赖于有限的内外部数据，基于已有的经验和知识；而大数据思维则注重整合和利用多源、多类型、多领域的数据，包括结构化和非结构化数据。
（2）在数据处理方式方面：传统思维使用有限、已知的数据样本进行分析和决策，采用统计学和规则推理方法；而大数据思维关注海量、多样化、高速产生的数据，借助数据挖掘、机器学习等技术进行分析和决策。
（3）在决策速度和实时性方面：传统思维主要基于历史数据和固定模型进行分析，需要较长时间来收集、整理和分析数据；而大数据思维则通过对实时数据的快速处理和分析，使决策能够更及时地基于当前情况和趋势进行调整和优化。
2、数据收集和整合模式的变革
在大数据及人工智能时代，教育数据的收集和整合方式必须发生大的变革：
一是多源化：教育数据的采集须涵盖学习管理系统、在线教育平台、社交媒体数据、传感器数据等多源数据。
二是实时化：教育数据的采集变得更加实时和准确，通过智能设备和传感器，能够实时获取学生的学习行为、心理状态、生理指标等数据。
三是智能化：人工智能技术的应用使教育数据的收集过程更加自动化和高效，自动化工具还能够对大规模的学习数据进行快速处理和分析。
四是跨系统：教育数据的整合不再受限于单一的数据系统，而是实现了跨系统的整合，通过提升数据标准化和互操作性，不同系统中的数据能够进行无缝集成和流动，实现多维度数据的整合分析。
3、管理决策模式的变革
在大数据的背景下，传统的教育管理与决策模式必须从以管理流程为主的线性范式逐渐向以数据为中心的扁平化范式转变，教育管理与决策中各参与方的角色和相关信息流向应趋于多元与交互，为推动教育管理由“粗放式”向“精准化”转变提供机遇，也为实现我国教育治理现代化提供重要契机。
新时代新征程，大数据时代背景要求我们全面把握建设教育强国的要求，发挥我国制度优势，有效整合教育内外相关数据信息，充分利用先进技术和智能化手段，以教育数字化转型加速推进大国教育治理的智能化，支撑服务教育强国建设：一是加强教育大数据标准化建设；二是聚焦决策应用场景，提升服务应用能级；三是建立教育大数据共享融合机制；四是提升教育决策主体的数据素养；五是加强大数据在教育决策中的应用。将大数据支撑教育决策作为强国建设的一项战略性举措，健全大数据支撑、辅助教育决策的相关机制。教育行政部门和各级教育决策机构要借助于各种应用场景，善于科学运用大数据进行研判，从而全面提升教育决策科学化水平。
（本文摘编自《人民教育》2024-01-29官网发布的上海市教育科学研究院院长、教授桑标阐述）
