如何评价教育数据应用绩效?——基于3E理论的分析

教育数据是推动教育数字化转型的动力引擎,是推动教育高质量发展的重要抓手。在此背景下,我国各地区正大力推展教育数据应用项目,充分发挥教育数据在教育治理、教育教学以及教育评价等方面的重要潜能。然而,目前关于教育数据应用的实践效果缺乏系统评估,导致教育从业者难以准确了解教育数据应用的实际效果、资源配置等实践情况。因此急需一套科学有效的评价体系。基于此,本研究立足教育数据应用绩效的内涵和评价意义,以3E[经济性(Economy)、效率性(Efficiency)和有效性(Effectiveness)]理论为基础设计了教育数据应用绩效评价框架,随后采用德尔菲法构建了教育数据应用绩效评价指标体系,包括教育数据应用投入和教育数据应用产出2个一级指标,经费投入和人员投入等5个二级指标,以及涉及具体应用情况与评估现状的13个三级指标。最后基于该评价指标体系,从落实评价工作开展、规范评价方法程序、以横向与纵向比较为抓手,以及建立评价结果反馈和激励机制四个方面提出教育数据应用绩效评价的实施建议,以期促进教育数据应用绩效评价的落地,实现教育数据应用的科学化、高效化。

数据使能教学决策的发展--从数据教育应用到多模态学习分析支持教学决策

大量研究表明,数据驱动的教学决策能有效增强教师教学和学生学习的效果。当前研究多聚焦于数据驱动的教学决策模型及实践案例,较少关注支持教师教学决策的数据组织、收集和分析的过程。文章运用文献研究法和案例分析法,阐明基于数据教育应用原理的教学决策过程,并对其中的数据收集和分析过程进行解构,基于多模态学习分析的发展和过程优势,建构多模态学习分析支持的教学决策过程模型,找寻多模态学习分析支持教学决策的多模态数据收集和处理的过程与方法,并从实践角度分析两种多模态学习支持的教学决策的典型案例的过程和实践,希冀为国内中小学开展基于数据的有效教学决策研究和实践提供指引。

日本基础教育阶段教育数据应用的战略规划与挑战

日本自2020年起陆续出台系列政策规划,致力于搭建教育数据应用的整体框架,构建教育数据标准化机制,设立国家级教育数据应用专门机构。在推动中小学教育数据应用的过程中,尤为强调由易到难、逐步推进,保留创意、避免强制,坚持惠及学生,杜绝“数据至上”,并采取分散型数据管理模式。

论大数据教育应用思想的五大传统借鉴

近些年来,大数据在教育领域中的应用方兴未艾,已成为进行教育决策、优化教学模式、变革教育评价的重要依托力量。大数据教育应用与我国传统教育思想遥相辉映、彼此促进,这主要体现在大数据借鉴"有教无类"推进教育公平、借鉴"因材施教"开展个性化教育、借鉴"禁于未发"构建道德预警机制、借鉴"循序渐进"完善精熟教学法和借鉴"君子慎独"培养学生道德自律五个方面。大数据为诸多未能很好实现的传统教育思想提供了科学力量和技术支撑,而传统教育思想则为大数据的教育应用指明了发展方向。

区域性教育大数据总体架构与应用模型

教育大数据作为未来区域教育发展的契机和质量改进与提升的破解方法,在智慧教育领域有着不可估量的发展潜能。该文大数据与区域教育发展的关系出发,剖析了区域教育大数据的技术架构,包括教育过程多模态数据收集、学习者个性化认识模型构建、学科知识图谱构建、数据挖掘分析、资源语义标记与汇聚、个性化智能推荐引擎、区域教育决策分析等,提出构建区域大数据无缝流转的开放生态系统。同时,该研究以智能教育大数据公共服务平台"智慧学伴"为例,提出区域教育大数据应用模型,并展望了区域教育大数据未来发展的三个智能服务阶段:个性化定向学习支持的"学习助手"、封闭性问题解答和情感支持的"学习伙伴"、开放性问题解答和智慧成长支持的"学习导师"。该研究从理论构建、实践应用、未来展望三个层面对区域教育大数据作了较为全面的论述,以期为区域教育大数据的应用提供理论参考模型和实践指导。

舍恩伯格大数据教育应用思想的伦理关怀

教育伦理境界的提升,既是教育信息化的内在诉求,也是教育现代化的时代要求。基于对人、教育、技术及其三者关系的深刻理解和准确把握之上,舍恩伯格的大数据教育应用思想蕴含着深厚的伦理关怀,闪耀着温馨的人文光辉。该文以舍恩伯格的三部代表作和相关学术论文为参考文本,尝试从大数据教育应用的伦理风险、形成原因和规避策略三个维度将其集中和分散论述的有关大数据教育应用伦理问题的资料予以整理、分析和提炼,形成了一个较为系统的思想框架,以期为教育工作者开展大数据应用实践提供有益借鉴,从而促进大数据与教育的有机融合,在充分释放大数据巨大价值的同时最大限度地避免其负面影响和潜在威胁,追求工具理性与价值理性的和谐共进。

教育大数据挖掘的价值定位、现实限制与有效策略

教育大数据的挖掘是利用统计学、机器学习等方面的知识和经验,从海量的教育数据中不断整理、归纳出具有较高价值的数据模型和实用性广泛的数据手段,并从中提取出高效并可视化的数据处理过程。教育大数据挖掘的价值在于驱动科学教育决策、精准展现教育规律、解决教育主体需求。教育大数据挖掘存在的现实限制是:采集挖掘教育大数据缺乏统一标准,整理分析教育大数据缺乏科学手段,管理应用教育大数据缺乏个性动态。教育大数据挖掘的有效策略包括:建立健全教育大数据采集机制,科学整理教育大数据分析技术,深度整合教育大数据应用路径。

数字化时代下的区域智慧教育建设探索和思考

随着数字化时代的到来,教育正在经历着前所未有的变革。在这样的背景下,区域智慧教育建设作为数字化时代下教育建设的重要组成部分,成为学界和业界关注的热点。为了推动区域智慧教育的更好转型发展,要充分根据国家的政策要求、区域发展趋势等,要开展良好的顶层设计、提供合理的政策支持、积极开展实践创新,结合目前数字化时代下教育信息化的开展情况现状,通过对区域智慧教育的理念、特征、建设内容进行研究,发现了区域智慧教育建设在技术、人才、政策等方面存在着问题,并从这些方面提出解决对策,为推进数字化时代下区域智慧教育建设提供理论建议。

M-Learning在会展英语课程项目化教学中的应用研究

M-Learning辅助会展英语课程项目化教学的教学模式是在对高职高专学生的学习情况调查研究的基础上,利用移动互联网教育信息技术,为学生提供一个引导式的移动课堂学习路径。运用项目化教学法,将会展英语课程内容设计为各个项目任务的移动学习内容。将移动课程设计、教育大数据应用及移动学习圈等教学理念融合在一起,真正实现教学个性化、量化评估数据化和资源共享便捷化,更好地体现智慧移动学习时代的新特征。

社交媒体大数据的教育应用研究:价值、路径与挑战

社交媒体已经成为学生记录生活、表达观点、分享交流等的最主要途径,也是反映学生真实状态可靠、即时的大数据来源之一。真实、准确、及时的社交媒体大数据样本蕴含着巨大的教育价值,为教育研究提供了更丰富的可能。从价值角度看,通过对社交媒体大数据进行情感分析、主题挖掘、社会网络分析等,可以实现学习者画像、学习者危机发现、教学过程优化和教育舆情分析等,从而为利益相关者提供决策参考与支持。从技术角度看,将应用的路径概括为数据采集与预处理、数据存储、数据分析和可视化四个阶段,并总结了每个阶段常用的方法。多源异构数据的整合应用、数据挖掘的合理性与准确性、伦理隐私问题等是社交媒体大数据教育应用所面临的主要挑战,也是未来研究需要重点关注的方面。