教育数字化转型作为数字中国建设的重要组成部分，旨在发挥教育领域中的数字技术力量，通过数据基础建设、数据价值挖掘与数据素养能力三要素，驱动学校教学实践与教育治理的全方位、全流程创新与重塑。学校数智大脑作为隐喻，体现了数字化转型所依托的数据基础建设与数据价值挖掘的技术关键。如何以数智大脑实现学校数字化，构建“从应用来，到应用去”的教育数据治理与应用闭环？一起来看华东师范大学教育学部教授、上海数字化教育装备工程技术研究中心主任顾小清的深入阐述——
数字中国战略刻画了一幅全领域、全行业基于数字技术与智能技术实现的生产生活全方位数字化转型的宏伟蓝图。在数据智能的催化下，各行业通过建设用户数字轨迹，充分挖掘数据的潜在价值，从而运用数据智能提供个性化服务，如商业领域中的智能产品推荐、智能政务的一体化服务。而在教育领域，发挥教育数据价值、挖掘教育数据意义同样是教育数字化转型的关键，特别是通过建立学生成长轨迹、教师发展历程与学校管理档案，实现数据使能的教学创新与科学治理。[1]
教育独特的育人功能、教学与学习活动的复杂性以及教育管理的多维性，导致教育领域中的数据具有潜在性、复杂性与层次性等特征，使得教育领域的数字化转型具有更高的领域门槛。[2] 因此，落实教育数字化转型实践需要从数据基础建设、数据价值挖掘与数据素养能力三个关键要素出发，建立教育数字化转型的基础保障。[3] 其中，数据基础的建设与数据价值的挖掘更是实现教育数字化转型的基础，是解决教学与管理实践中难点与痛点的关键所在[4][5]。笔者用“学校数智大脑”指称这两个要素所提供的功能，即强调通过教育数据治理挖掘数据潜在价值，并将数据价值应用于实践之中，以数据使能教学创新与学校治理变革。[6]学校数智大脑通过对多源教育数据进行汇聚融合，结合理论与数据双向驱动技术，实现数据价值挖掘，并以产生的数据智能回送教学实践与教育治理，构建“从应用来，到应用去”的数据闭环，实现数据使能的教学流程变革与重塑。本文将从学校数智大脑的视角出发，深入剖析教育数字化转型过程中的数据难题，为数字化教育治理与教学实践创新提供数据智慧。
一、学校数智大脑的数据价值激活
学校数智大脑是用来隐喻数字化转型要素中的数据基础建设与数据价值挖掘功能，是激活数据价值、实现数据驱动教学创新的技术关键。数字化转型中的数据技术，核心体现为“教育数据治理→数据智能挖掘→数据使能应用”这一数据治理流程。学校数智大脑通过建立数字轨迹、构建理论与数据双向驱动的诊断模型和智能算法，对来自教育应用的多源数据进行价值挖掘，并以此回馈、深入、赋能教育实践应用，推动教育数字化转型的有效落实。[7]具体而言，学校数智大脑的实现，体现在数据基础、数据的教育语义化、数据价值挖掘与数据使能应用四个层面。
一是夯实数据基础，建立数字轨迹。学校数智大脑通过数据汇聚中心，将学习活动工具、网络教学空间、学校管理系统中的复杂数据按照标准数据结构进行统一化，即强调依据基础数据、行为描述数据、属性数据等不同类型数据的特征对采集的数据进行规范化、结构化、标准化，从而将不同类型的数据以统一的结构接入和存储。在已有数据基础之上，学校数智大脑通过建立学生学习数字轨迹的“一生一档”、教师专业发展的“一师一档”和学校管理的“一校一档”，为教育数字化转型提供长周期、实时且海量的教育数据支撑，夯实数据基础建设。[8]
二是建立教育语义，激活数据意义。教育领域中的数据往往表示学生复杂且潜在的学习活动、认知思维和素养能力发展等抽象过程，若仅是记录并统计如出勤率、课堂举手次数、作业正确率等表面数据，却忽视知识情境、任务情境、学生能力基础等教育属性，则难以让数据清晰表达出数据背后所蕴含的教育语义信息。[9] 学校数智大脑通过整合教育知识图谱、大概念地图、素养能力地图等教育领域图谱为数据标注教育语义标签，为充分激活教育数据意义、深度挖掘教育价值提供高质量的数据“原材料”。
三是领域驱动分析，挖掘数据价值。在数据价值挖掘方面，学校数智大脑强调将教育理论模型、学科专业知识、学生心理发展机制等教育领域理论与智能数据分析相结合，通过理论与数据双向驱动的教育数据价值挖掘，解决传统算法驱动数据分析中可能存在的可解释性差、透明度低、难以深入指导教学实践等问题，从而让数据智慧真正具备与教育实践相融合的关键契合点。[10]
四是深入教育实践，应用数据价值。在数据应用方面，借助学校数智大脑所产生的具备教育含义与可解释性的数据分析结果，改善教育治理策略、创新教学实践、优化学生学习支持，实现深入教育实践的数据价值应用。通过构建“面向教与学的数据治理→智能分析与诊断→个性化学习干预与教学支持→产生新的教与学实践数据”的闭环，充分应用教育数据资产，实现学校数智大脑在教育实践场景中的全方位、全流程、全业务赋能。
二、从应用来，到应用去：学校数智大脑及其数据闭环
图1：学校数智大脑的数据闭环
学校数智大脑强调构建“从应用来，到应用去”的教育数据治理与应用闭环（如图1所示）。在教育数据治理的全过程中，学校数智大脑通过整合数据汇聚中心、教育数据语义标注、理论驱动的数据分析引擎与数据使能的教育应用，从数字化教育应用中获取零散、海量的实时数据，以此建立教育数字轨迹、挖掘教育数据意义、激活隐含的数据价值，运用数据驱动一线教育应用实践创新。
（一）数据汇聚中心：应用数据接入与数据轨迹建立
学校数智大脑通过教育数据汇聚中心，将分散在不同系统平台、不同学习空间的学习经历数据、教学活动数据、教育管理数据等接入学校数智大脑这一“数据中心”，利用数据融合功能打通不同教育应用与管理平台之间的数据融合通道。多源数据融合为建立教育数字轨迹提供了数据基础，呈现了基于海量、动态、多源数据的学生学习轨迹、教师专业发展轨迹以及学校管理与教育质量发展轨迹。
为打破不同教育应用之间的数据壁垒、解决数据孤岛等问题，数据汇聚中心通过建立统一的应用数据接入标准，将分散在各个教学工具、管理系统与学习空间中的数据进行采集与汇聚，实现对教育领域全方位、多来源数据的管理与监控。例如，在学校数智大脑的数据汇聚中心支持下，教师教学管理系统能够实时获取学生在线学习空间、作业系统、课堂行为分析系统等其他教育应用或管理系统中的数据，数据汇聚中心通过将表征学生课前、课中、课后学习情况的多源异构数据按照统一的数据结构标准进行规范化、结构化存储，为教师开展学生学习状态监控、学习支持服务和针对性教学活动设计提供数据基础。
（二）教育数据语义标注：语义结构管理与数据意义激活 教育领域的数据需要在特定的情境下才能被赋予特殊的教育意义。例如，仅记录“学生A参与课堂讨论5次”这样的统计性数据，会丢失大量的教育语义信息。若能够详细记录这些课堂讨论的任务情境为“小说技法赏析”课，讨论内容显示了学生A总结思考的小说人物鉴赏方法等教育语义信息，则可以从知识背景、任务情境、讨论信息等角度对“学生课堂讨论”行为进行更全面、系统、深入的解读，从而使数据能够更清晰完整地刻画学生学习经历。因此，学校数智大脑需要将所获取的学习行为数据与学科知识、任务背景和学生认知能力水平等教育语义标签相关联，从而为不同情境中的数据赋予特定的教育含义。其中包含两个关键要素：教育语义标签及其结构，以及基于语义标签的数据标注。 教育语义标签—学校数智大脑以图谱的形式储备各类教育语义标签以及这些语义标签之间的结构关系，如学科知识图谱、大概念地图、素养能力地图等。基于知识图谱技术，可以实现对标签的结构化管理，并能利用图分析技术实现知识图谱内各类标签之间的关联推理。例如，一道题目涉及的知识概念为“异分母分数相加减”时，可以通过学科知识图谱推理出学生若要顺利解决此问题，还需要掌握通分、约分等相关知识。 教育语义标注—基于知识图谱所提供的各类知识、大概念与素养标签，为学习行为数据、教育资源（如问题、试卷、视频等）贴上相关的学科知识、大概念、核心素养等标签。如在作业问题中运用图谱标记解决任务所需的大概念，则可以用于分析学生解决思路与大概念所表征的专家思维之间的差距，从而为诊断学生思维过程中所存在的局限提供教育理论依据。 （三）数据分析引擎：理论与数据双向驱动的数据价值挖掘 以结构化、语义化教育数据为基础，学校数智大脑通过理论与数据双向驱动的数据价值挖掘，充分探索蕴含在数据背后的教育价值，为学、教、管、评等不同业务提供个性化数据分析支持与服务。实现这一功能的基础，便是将教育理论模型融合到智能数据分析的过程中。 在主流的学习分析与教育数据挖掘研究中，强调的是数据驱动、以算法为核心的分析方法，却忽略了学习活动背后的认知心理过程，由此导致机器学习结果的不可解释性。[11] 因此，学者们强调，教育领域的数据建模分析需要回归教育与心理理论，利用理论模型建立可解释、可循证、可溯源的从心理活动到学习行为数据的逻辑链，建立“学习的认知心理要素结构→认知要素的发展水平→特定学习情境下的特定行为反应”的论证关系，从而真正挖掘教育数据背后的价值，实现理论与数据双向驱动和基于证据的教学分析、学习评价与管理成效分析。[12] （四）数据赋能教育应用：数据价值应用与数据智慧实践 将数据价值回馈使能教学的创新，是学校数智大脑数据闭环中“从应用来，到应用去”的关键环节，强调运用数据赋能的学、教、管、评等实践过程的优化。通过数字轨迹记录以及数据分析诊断报告，教师、学校管理者能够在学校数智大脑的支持下了解教育活动的现状并发现存在的问题，进而依据诊断报告对实践活动进行优化完善。例如，通过课堂行为分析诊断可知学生的学习参与度会随着教学活动的改变而发生何种变化，教师可据此对课堂学习活动安排、教学内容设计、学习支持服务等进行一定的调整与优化，制定适合的教学策略。
三、学校数智大脑赋能教育数字化转型实践案例
学校数智大脑通过数据基础建设与数据分析服务，实现教育领域的数字融合、数据治理与数智决策，运用数据价值激活教与学全流程、全方位的数字化转型，以此全面赋能教学一线的核心业务，如课堂教学改进、作业分析、教学设计、教学评估等。我们以学校数智大脑使能的语文课堂教学改进为案例，介绍学校数智大脑的数据闭环实践。
（一）学校数智大脑使能的语文课堂数字轨迹建立
在语文课堂教学过程中，教师需要时刻把握学生间的讨论情况以及他们对课堂所学语料的理解程度，以促进语言交流、思维表达等活动的顺利开展。因此，汇聚不同系统平台与工具的学习行为数据是支持教师系统、全面了解学生课堂学习情况的关键。在学校数智大脑的支持下，通过数据汇聚中心打通不同系统平台之间的数据关联通道，将语文教学过程中的课堂交互数据、学生线上学习数据与教师评价数据进行汇聚、融合与结构化，以此建立语文课堂教学的过程性数字轨迹，为深度挖掘教育数据价值奠定坚实的基础。
（二）理论与数据双向驱动的语文课堂数据价值挖掘
图2：学生在线学习表现与教师教学实施过程的分析
在理论与数据双向驱动的数据价值挖掘中，学校数智大脑通过结合相应的语文教学论和课程理论，构建面向学生学习表现与教师教学实施过程的理论分析模型，如图2所示。在这一模型的基础上，学校数智大脑从自主学习、课堂互动与课堂表现成果三个关键维度对学生课堂表现相关的数据进行分析诊断，并采用可视化分析、关联规则挖掘等技术，最终输出数据分析与挖掘结果。
（三）数据驱动的语文教学实践改进
学校数智大脑在整合学生在线学习表现与教师课堂教学情况的基础上，输出教师教学实施过程的评价、诊断与行动建议，将数据价值挖掘的结果应用到教学行动改进实践之中，以此实现“从应用来，到应用去”的教育数据治理闭环。学校数智大脑所提供的教师课堂教学情况画像及其行动建议，如图3所示。
图3：指向教师课堂改进的行动建议
教师通过参考学校数智大脑的数据分析报告与行动优化策略，对当前教学活动中存在的问题进行反思和改进，以此优化教学设计内容、重组课堂教学活动。而在优化后的课堂教学活动中，教师再次使用学校数智大脑进行课堂数据采集、挖掘、分析与应用，并再次进行数据驱动的教学实践改进，从而在实现“从应用来，到应用去”的数据闭环的同时，也形成不断螺旋上升、不断优化突破的教学实践革新路径，真正实现数据使能的教学重塑与学校治理变革。
参考文献
[1][7] 顾小清. 教育信息化步入数字化转型时代[J]. 中小学信息技术教育，2022（04）：5-9.
[2] Elias T. Learning Analytics：Definitions，Processes and Potential[EB/OL]. [2011]. https://landing.athabascau.ca/file/download/43713.
[3] 顾小清. 基础教育数字化转型的三个要素[J]. 上海教育，2023（16）：48-49.
[4] 胡姣，彭红超，祝智庭. 教育数字化转型的现实困境与突破路径[J]. 现代远程教育研究，2022，34（05）：72-81.
[5] Wise A F，Shaffer D W. Why Theory Matters More than Ever in the Age of Big Data[J]. Journal of Learning Analytics，2015，2（2）：5–13.
[6] 祝智庭，胡姣. 教育数字化转型的实践逻辑与发展机遇[J]. 电化教育研究，2022，43（01）：5-15.
[8] 顾小清，胡碧皓. 教育数字化转型及学校应变[J]. 人民教育，2023（02）：47-50.
[9] 顾小清，李世瑾. 人工智能教育大脑：以数据驱动教育治理与教学创新的技术框架[J]. 中国电化教育，2021（01）：80-88.
[10] Vandenberg R J，Lance C E . A Review and Synthesis of the Measurement Invariance Literature：Suggestions，Practices，and Recommendations for Organizational Research[J]. Organizational Research Methods，2000，3（1）：4-70.
[11] 杨向东. 理论驱动的心理与教育测量学[M]. 上海：华东师范大学出版社，2014.
[12] 吴忭，David Shaffer. 数据赋能的理解学习[J]. 开放教育研究，2020，26（02）：46-48.
（作者系华东师范大学教育学部教授，上海数字化教育装备工程技术研究中心主任）
