大数据在高校学生学习评价应用中的思路与困境

唐自政，杨俊铨

(1.皖西学院 政法学院，安徽 六安 237012；2.华东师范大学 哲学系，上海 200241)

大数据在高校学生学习评价应用中的思路与困境

唐自政1，杨俊铨2

(1.皖西学院 政法学院，安徽 六安 237012；2.华东师范大学 哲学系，上海 200241)

重视对学生学习过程的评价，改变传统的单一结果评价机制，对提高学生培养质量具有非常重要的意义，随着互联网技术的飞速发展，大数据在学生学习过程评价中的作用日益彰显。文章对大数据在高校学生学习评价应用中的思路进行了研究，分析了其存在的困境，希望对广大教育工作者如何理性地思考和应用大数据技术科学，高效地服务于学生学习评价，提高人才培养质量发挥功效。

大数据；学习过程评价；应用；困境

随着互联网技术的发展，大数据已影响到人们生活与工作的方方面面。然而，大数据对于教育，除了技术，还意味着什么？本文从高校学生学习评价的角度入手，尝试从大数据对高校学生的学习评价的价值与困境两个方面予以探讨。

1 大数据与学习评价应用状况

“大数据”概念早在20世纪80年代出版的《第三次浪潮》一书中就已出现，作者阿尔文·托夫勒将“大数据”视作“第三次浪潮的华彩乐章”[1]。随着电子商务、社交网络、云计算等互联网平台或技术的兴起，“大数据”在短短数年内成为一个耳熟能详的词。然而，对于大数据的含义，目前尚无统一的看法。麦肯锡全球研究院在其2011年发布的《大数据：创新、竞争和生产力的下一个新领域》报告中，最早从数量的角度对从大数据进行了定义，认为大数据是指大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群[2]。报告将大数据与传统数据库相比较，突出了其大与群的特点。英国著名的大数据科学家维克托·迈尔-舍恩伯格(Viktor Mayer-Schonberger)在《大数据时代》一书中认为，大数据是以一种通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见[3]。这种观点不仅揭示了大数据的数量之大，还说明了其价值之高。《上海推进大数据研究与发展行动计划》将大数据的内涵概括为三：一是数据量巨大、来源多样和类型多样的数据集；二是新型的数据处理和分析技术；三是运用数据分析形成价值。综合各种论述，我们不难看出，相较于传统数据，大数据具有数量巨大、类型复杂、速度快、价值高等特征。

随着互联网的发展，大数据已影响到经济、政治、文化教育、医疗卫生等各个方面。正因如此，联合国在2012年发布了一份名为“Big Data for De-velopment: Challenges & Opportunities”的白皮书 ，认为“大数据时代已经到来，大数据的出现将会对社会各个领域产生深刻影响”。大数据对教育的影响，除了政策理论方面，在具体的实践操作方面，也得到了卓有成效的开展。各种网络学习平台，如教育APP、Mooc等不断被开发应用。在学生学习分析或评价方面，国际学生评估项目(Programme for International Student Assessment，简称PISA)的宗旨就是通过数据收集与分析为各国教育政策提供数据依据。 2012年4月，美联邦教育部也发表了一份题为《通过教育数据挖掘和学习分析改进教学：问题简介》的报告，认为教育中有两个特定的领域会应用到大数据：教育数据挖掘和学习分析。前者应用统计学、机器学习和数据挖掘的技术和开发方法，对教学和学习过程中收集的数据进行分析，教育数据挖掘检验学习理论并引导教育实践。后者应用信息科学、社会学、心理学、统计学、机器学习和数据挖掘的技术，分析从教育管理和服务过程中收集的数据，学习分析创建的应用程序直接影响教育实践[4]。该报告既是美国大数据在教育实践运用中的成果，也是持续推进教育与学习大数据结合的指导意见。除了美国，世界许多国家，尤其是互联网技术发展得较为迅速的国家，包括中国，都在努力尝试将大数据与教师教学或学生学习评价结合起来，以此推动课改或教育的发展。

2 大数据为学习评价提供的思路

以上所说的那些大数据特征使得数据挖掘、分析、反馈、预测等成为未来各类教育机构争相利用的技术，其中包括各类高校。大数据技术的运用，可以帮助高校对学生学习过程的分析或评价变得更加科学、深入，也就是说，大数据的采用为高校学生学习过程的科学评价提供了更多可能或思路。下面从思维、技术、教育理念三个方面加以论证。

首先，大数据提供了一种不同于以往的学习评价思维方式。大数据的容量、形态、速度、价值等会对传统思维方式产生冲击，随之深入的是传统思维方式的转变。由于科学技术的局限，传统的学习评价主体主要是具有个体性的科任教师，而学生往往被视作与评价主体相对立的评价对象。受评价主体自身的知识结构、主观情感、价值观念等因素的影响，对学生的学习评价要么为图简便而硬性套用整齐划一的或单一性的评价指标，要么因为个体思维的狭隘而容易陷入主观论断。无论是前者还是后者，对于被评价者来说，都难以展现客观公正性。大数据时代所收集的学生学习数据相对传统而言，具有容量巨大、复杂程度高、资料相对完整的特征，而这些数据并不能被某个个体所把握，而需要一个庞大的群去协调、整合、分析，因而，大数据应用的思维是不同人群或部门之间的协作而非个体的单打独斗。由于海量数据的开放与评价反馈技术的发展，学生也不再是被动意义上的受评者，而是可以直接参与自我的学习评价过程，在实时反馈中对自己的学习方法、状态等做出个性化的反映。另外，大数据强调相关关系意识而非传统意义上的因果关系意识的确立，如维克托·迈尔-舍恩伯格所言，“对相关关系意识的确立，是具有挑战性的”[5]。虽然追求因果的思维方式具有重要价值，但因果关系的探索往往因各种主观条件的限制而陷入谬误。大数据强调具有客观事实意义上的“是什么”，而非具有不确定性倾向的“为什么”，这就预示着评价者可以从许多无法分析因果的现象中摆脱出来，利用相关性为各种学习现象做出一个更为客观公正的解释。

其次，与大数据相伴的是一套全新的学习评价技术手段。大数据对传统学习评价的思维方式形成了冲击，相应的，为了使大数据在学习评价中得到运用，高校可以开发或利用相应的技术手段来搜集、整合、分析学生的学习数据，并考虑通过不同渠道反馈给学生或教学部门。在过去，由于技术手段的缺乏或限制，教育者往往单方面地收集、分析学生学习信息，而信息往往相当匮乏，因而，许多教育者就干脆借用某种标准从效果上对学生的学习情况予以评价，譬如考试。考试是最通行的学习评价方式，考完试即可通过分数与排名为学生定性，甚至运用因果性思维推出学生的学习方式与态度的好坏。这种评价方式简便，但也很粗暴，对于鼓励个性或差异发展的高校学生来说，是武断或不公的。互联网的快速发展使得云计算、云存储技术发展得较为成熟。今天，我们完全可以依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术等挖掘与处理海量的学生学习数据。并且这类处理技术不再是传统数据处理那样的单向流动，而是多向互动，能将学生、学校、校外机构、教育主管部门、各种教育平台、教育产品等有机连接在一起，形成开放的、共享的、实时的评价与反馈。数据技术可以从不同时段、不同场合，利用不同平台、不同方式收集学生的学习数据，监控学生的学习过程，从而在过程与结果等不同方面对各种数据进行相关性的分析、评价，并及时反馈给相关个人或群体，为教育与学习的良性发展提供技术性的支持。

其三，大数据的应用有助于个性化学习与教育理念的实现。我国政府2010年颁布的《国家中长期教育改革和发展规划纲要(2010-2020年)》提出：“关注学生不同特点和个性差异，发展每一个学生的优势潜能”。[6]高校作为直接面向国家与社会需要的各类人才培养与输出机构，对个性化的教育要求更加明显。从我国目前课业学习的现状看，基础教育面对的是应试指挥棒，相比之下，高校学生在学习上呈现出更多的自由。除了必修科目，他们可以根据自己的能力、需要、兴趣等选择不同的课程类型与内容。个性化教育离不开个性化的教育或学习评价。从学习评价(无论是过程评价还是效果评价)方面看，高校学生学习的个性化或多样化程度更为显著。传统教育倾向于从结果上对学生予以评价，提供的标准也近于单一，而大数据能为学生学习评价提供一套个性化的或多样化的路径，从而使得教育不仅能够从标准统一的结果上进行评价，还能从动态而多样化的过程中进行评价，从而为学生学业系统、公正的评价与教学的个性化、多样化发展提供一套基于实证分析基础上的支持。生理条件、成长经历、社会背景等不同造成了人的差异几乎成为常识，高等教育鼓励个性化或差异化的发展，大数据的出现与应用为此理念的实现提供了可能。舍恩伯格教授在其另一本著作《与大数据同行：学习和教育的未来》一书中将反馈、个性化与概率预测等作为大数据在改进学习、促进学生个性化学习目标的过程中存在的三大核心要素。他的论述中即包含这样的含义：个人的差异性使得他所积累的学习数据呈现出有别于他人所积累的数据，我们可以借此分析不同学生的学习特点，且通过事先建立的反馈系统，及时地将学习过程反馈给学生，从而改善与促进学生的学习质量，也为教师提供个性化的教学辅助支持。

3 大数据在学习评价应用中的困境

大数据的运用能为高校学生学习评价带来各种可能，同时，在运用的过程中，也因其某些特征，使得大数据在高校学生学习评价的实际运用中遭遇到诸多困境，譬如数据整合的困境、技术运用的困境、伦理的困境。

3.1 数据整合上的困境

大数据的数据量巨大、类型繁多等特征带来了学习评价资料的相对完整与丰富，然而，也造成了数据整合的困难。从理论上说，我们可以通过上文所描述的各种方法解决各类资料的统筹协调与技术处理的困难。然而，面对大数据的挖掘、统计与分析这样一个庞大的工程，在现实操作中，如果没有从宏观政策上建立一套确保与推动数据共享开发与利用的政策，高校或某个单位不可能有足够的能力单方面获取或整合出完整的学生学习数据。当然，我们可以想象，或许某个有足够资源或实力的机构，譬如Google公司，可以在政府的支持下联合其他完成这样一项壮举。从微观上说，高校内部或许也没有足够的勇气去尝试这样的转型：将教师的评价权力让渡给大数据技术人员。传统高校中，学习评价人员主要是教师。然而，传统的教师并没有足够的实力把握大数据处理的技能，更没有多少经历去挖掘、分析教育评价中的大数据。相反，大数据平台开发、处理、分析等的技术人员有可能做到。因而，如果将教师的权力大规模让渡给技术人员，似乎存在着众多现实的阻碍。

3.2 技术运用上的困境

如果整合上的困境得以解决，我们毫不怀疑数据收集、整合、分析、反馈等方面的技术，也不怀疑大数据在教育评估与学习评价方面的巨大价值。借用哲学化的语言，可以将此称之为形而下层面的技术。此处所指的主要是技术在高校学生学习评价的可能性。化成一个具体的问题：大数据技术能够多大程度上评价或反映一个学生的学习状况？我们一提学习，通常指的是狭义层面上的认知，或知识学习。知识固然可以通过数据进行书面化的表达，然而，几乎没有高校会认为他们的学生的学习仅仅指的是这一点。这与我们的教育目的有关，我们鼓励学生多元化地发展，期望培养出德、智、体、美全面发展的人才。这就意味着，学习不仅仅指的是认知，还有情感、态度、价值观等各个方面(我们暂不考虑这些主观性较强的方面本身可不可教或可不可学)。我们将这些纳入学习内容的范畴，但对这些内容的评价本身就具有主观性与模糊性，想借助大数据科学的量化评价，恐怕也存在困难。数据或技术似乎并不是万能的，如果一切学习内容都可以归为数的规定，很容易陷入所谓的数据主义或技术主义。或许大数据科学家会辩解，他们可以通过大量相关性的数据对此进行描述。但相关性也可能呈现为虚假的数据。比如受到主观感情、风俗习惯、家庭背景、思维方式、特殊动机的影响。从现实看，一个较为普遍的现象是，不同于生源相对集中的中小学，大学生可能来自不同地域、民族，思维方式、习俗认知等可能呈现出较大差异。大数据如何在学习评价的过程中反映出影响学生表达背后的各种差异或状态？这可能成为大数据技术的运用限度。因而，虽然大数据为学习评价带来了新的思维与技术，但并不能由此排除大数据分析以外的思维评判。

3.3 伦理上的困境

大数据影响着人们的思维方式，为人类的生活、工作带来了便捷，为教育与高校学生学习评价提供了积极意义上的思路，然而，作为一项对社会具有冲击力的技术，又很难摆脱伦理的审查。对大数据的反思，首先让人想到信息安全与隐私保护的问题。在对高校学生学习评价的过程中，必然会涉及大规模的学生数据搜集、处理、应用等。技术的发展，为全面高效地搜集与共享学生数据提供了条件。然而，在开放的网络平台上，如何确保学生的个人信息安全与隐私，如何防范学生的数据资料不被商业化利用，成为不可回避的存在。此处的隐私不仅指消极意义上的不被干涉或侵犯的私人领域，也指具有个体自决性的积极隐私，即个人具有决定隐私的对象、范围等能动性[7]。就前者而言，大数据有可能因为超出高校对学生学习评价的利用范围而侵犯学生的隐私，而后者，即使就高校本身的工作来说，大数据技术在对学生的学习评价运用的过程中也可能遭遇学生不信任甚至抵触等阻力。除此，还需要解决公平的问题，而这个问题不仅与上一段论及的大数据技术的限度有关，还与数据搜集者、分析者等有关。终端操作者有可能因为数据多少、技术高低或自身素质等原因，导致学生评价结果与现实存在之间的数据鸿沟或巨大差异。我们还可能想到，大数据分析的目的在于预测与反馈。由于人本身是复杂且不断变化的，对于因预测误差而导致消极教学或学习态势或结果该由谁来负责？当然，对于大数据在高校学生学习评价运用中产生的这些常见伦理困境，归根到底，指向的都是学生的道德权利保护的问题。相对应的是，大数据的运用主体如何制定或遵守各种各样的道德规则或道德义务的问题(此处不作累述)。

4 总结

综上探讨，我们尝试给出简要的结论：大数据因具有数量大、形态多、速度快、价值高等特征，不仅为人类的日常生活与生产带来了便利，也给高等教育领域中的学生学习评价提供了新的思路。大数据带给教育的，首先是一种思维方式。它促使人们从传统数据处理时的个体性与因果性思维转变为群体性与相关性思维。在大数据思维的影响下，高校学生学习评价技术手段变得更为灵活与科学，且促进了个性化学习与教育理念的实现。然而，在具体的高校学生学习评价的实际运用中，大数据也遭遇到诸多困境。譬如，因数据量巨大、类型繁多而带来了数据整合的困难，如何在学习评价的过程中反映出影响学生表达背后的各种差异或状态，如何有效确保学生的个人信息安全与隐私等。鉴此，对于大数据时代的到来，教育工作者应做好充分的准备，不仅要考虑大数据带来的益处，也当直面大数据运用中存在的困境，理性地思考如何使大数据技术科学高效地服务于学生学习评价与教学改进等工作。

[1] 阿尔文·托夫勒.第三次浪潮[M].黄明坚，译.北京：中信出版社，2008.

[2] 郭晓科.大数据[M].北京：清华大学出版社，2013.

[3] 维克托·迈尔-舍恩伯格，肯尼斯·库克耶著.大数据时代[M]. 盛杨燕，周涛，译. 浙江人民出版社，2013.

[4] 陆璟.大数据及其在教育中的应用[J].上海教育科研，2013(9)：5-9.

[5] 维克托·迈尔-舍恩伯格，肯尼思·库客耶.与大数据同行：学习和教育的未来[M]. 赵中建，张燕南，译.上海：华东师范大学出版社，2015：46.

[6] 国家中长期教育改革和发展规划纲要(2010-2020年)[EB/OL].[2010-07-29].http://www.gov.cn/jrzg/2010-07/29/content_1667143.htm.

[7] 薛孚，陈红兵.大数据隐私伦理问题探究[J].自然辩证法研究，2015(2):44-46.

责任编辑：张晓辉

Thinking and Predicament of Big Data in the Application of College Students' Learning Evaluation

TANG Zizheng1, YANG Junquan2

(1. School of Law, West Anhui University, Lu′an 237012, China;2. Department of Philosophy, East China Normal University, Shanghai 200241, China)

It is of great significance to the improvement of the quality of students' training by attaching importance to the evaluation of students' learning process and changing the traditional single result evaluation mechanism. With the rapid development of Internet technology, the role of big data in the evaluation of students' learning process is becoming more and more obvious. The paper studies the idea of big data in the application of university students' learning evaluation and analyzes its predicament, hoping to offer references for the educators to think and apply the technology of big data scientifically, serve the students' learning evaluation effectively and improve the quality of personnel training.

big data; learning process evaluation; application; predicament

2016-07-19

安徽省重点教学研究项目(2013jyxm179)

唐自政(1977-)，男，安徽庐江人，副教授，硕士，主要从事经济法研究。

F326.27

A

1009-3907(2017)02-0071-04