论信息化教育的数据基础

来源:用户上传      作者:

　　 摘要：信息化教育的基本特征是数据驱动。具体的教育学理论决定了我们如何理解驱动教育的数据。在新教育学的“设计-行动-反思性分析”视野中，教育实践即教育系统的设计与真实运转，它直接依赖教育数据。在线教育的情境下，最基本的数据对象是信息對象，信息对象通过增加知识属性而演变成知识对象，知识对象通过增加学习目标属性、学习交互以及学习行为感知和分析方法而演变成学习对象。学习神经元可以看作是这类学习对象的基本概念原型。线下教育的课堂教学情境下，教学设计过程数据、IIS图分析的信息流、教学过程机制图都是重要的教育数据。无论哪种情境，知识建模图都是最重要的基础数据。现实地看，有了这些教育数据我们才能谈得上数据驱动，进而讨论教育大数据。只有构建和完善教育学理论，才能从教育数据出发看到当下的教育真相，才能产生大数据下的教育实践。
　　 关键词：信息化教育;数据驱动;学习对象;新教育学
　　 中图分类号：G434   文献标识码：A    文章编号：1009-5195（2019）04-0019-07  doi10.3969/j.issn.1009-5195.2019.04.003
　　一、信息化教育的最核心特征
　　在性质上，教育信息化绝不仅仅是信息技术进课堂，或者利用信息技术作为手段去解决某种教育问题。随着教育信息化的展开，原来的那些具体问题，或保持不变，或彻底消失，或被改写。我们需要在信息化教育的条件下重新确认问题、分析问题和应对问题。
　　教育信息化是一种教育实践方式（不仅限于教学方式）的转变，是一种将教育实践由更多依赖主观经验向更多依赖教育理性的转变过程，即实现现代教育的过程。可以说，信息化教育是现代教育的当代形式。这里所谓的教育理性，是指以“教育者的文化传递与受教育者自我生成之间的矛盾”（杨开城，2010a）为内容的完整理性，是包含即时内容的价值理性、科学理性和技术理性的综合体，是既有感性陪伴又基于客观数据的理性，是一种富含怀疑精神又对不确定性充满敬畏的主体间理性（杨开城 & 许易，2016a）。
　　现代社会中，权利是首要观念。教育权利具体表现为学生们的成长需求。为了满足数量庞大、丰富各异的成长需求，仅仅依赖理念、原则、方法模式和个体主观经验的教育实践是远远不够的。要想快速及时响应现代社会的教育需求，教育实践必须转变为一种客观上依赖教育实情数据、主观上依赖从教者教育理性的实践方式。由于量大、质杂，教育实情数据的生成、处理、解释以及在此基础上的教育理性的表达都离不开技术。所以，自启蒙之后，人类教育的进步将自然而然地由理念进步推动转而由技术进步来推动。
　　因为信息化，技术最终会全面介入教育实践（不仅仅包含资源数字化、信息技术的教学应用、学校管理数字化，等等），我们将有能力以可接受的成本生成、收集、处理教育数据并依此理解教育的过往以及为未来进行决策。这是一种全新的教育实践方式，它的最基本特征是数据驱动（杨开城 & 许易，2016a）。这种实践方式下，教育实践在全部环节上都严重直接地、技术性地依赖教育数据。
　　二、一项对教育数据的误解
　　在教育技术领域，除了教学模式、教学媒体之外，人们早已开始关注教育数据，比如早在2000年“电气电子工程师协会”（IEEE）下属的“学习技术标准委员会”（LTSC）就提出了学习对象的概念。如今，对数据的关注逐渐成为教育技术领域的集体显意识，其标志是各种对教育大数据的呼吁。可是，我们对教育数据的认识却很初步。
　　LTSC是这样定义学习对象的：学习对象是在技术支持的学习中使用、 重用或参引的任何数字化或者非数字化的实体（袁小芬 & 盛群力，2008）。由于LTSC的学习对象概念过于宽泛，研究者们后来纷纷提出更狭义的定义。国内广泛采用的是Wiley的定义：学习对象是任何支持学习的可重用的数字化资源（袁小芬 & 盛群力，2008）。
　　人们普遍认为可重用性是学习对象至关重要的特征。“可重用是学习对象最根本、最重要的特性，也是统领其他特性的关键点”（胡小勇 & 祝智庭，2002a） ，“它与资源有效共享的思想相互渗透，有着很密切的联系”（胡小勇 & 祝智庭，2002b;袁小芬 & 盛群力，2008），“只有保证教育资源最大限度的重用，才能实现优质网络教育资源的大范围共享”（余胜泉 & 杨现民，2007）。那么，学习对象的可重用性到底是指什么呢？顾名思义，可重用就是可以重复使用。但在哪里重复使用呢？国内研究者普遍认为，对学习对象可重用性是指“能在不同学习情境下多次重复使用”（胡小勇 & 祝智庭，2002a），“可以用于不同的教学情境，实现时空维度上的重用”（胡瑛 & 贾积有，2009），而“影响可重用外在形式的要素至少有以下几点：时间、地点、使用者、用途等”（胡小勇 & 祝智庭，2002b）。
　　LTSC的定义从一开始就将学习对象的可重用性设定在“技术支持的学习”这一语境下。Wiley定义所做的调整并没有改变这一“应用语境”，国内绝大多数文献沿用了这一语境设定。可以说，国内外学界对学习对象可重用性的理解都是在应用语境下的理解，这与软件工程（它是距离我们最近的这一术语的出处）意义上的可重用性相去甚远。软件工程语境下，一个模块的可重用是指该模块在不同的系统中重复出现，可以成为不同系统的有机组成部分。模块的可重用性源自模块在塑形时的优良分析与设计：功能相对独立、接口完备、与其他模块形成松耦合关系，等等。所以，可重用性是指模块不经修改地在不同系统中与其他模块耦合的无障碍性。可重用的具体表现无非是，该模块直接被插入新系统之中而不存在任何障碍，比如各种低端的库函数、组件等;另一种是在无法直接插入的情况下，在旧模块基础上生成新模块，在新模块中整合旧模块的数据和功能生成新数据和功能，从而适用于新系统，这个就是继承。 　　追求可重用性的目的是旨在降低早期开发和后期维护的成本。至于技术产品的易用性、适用性以及互联网上的检索或共享，都与可重用性无关。对于学习对象来说，可聚合性倒是可重用性的另一种说法。因为学习对象的可重用的“用”其实就是聚合。
　　教育技术界对可重用的讨论不是从模块间的相互关系、开发成本控制的可重用性技术机制入手，而是忙着说明可重用的重要性以及它衍生出来的其他诱人特征。似乎，学习对象的可重用性并非取决于设计者的设计功夫，而取决于那些文本声明。在软件开发领域中，只有经过精心分析设计才能产生的可重用性，在教育技术领域中，只需要规定一个概念模型，再辅以规范标准，就能轻松实现了。实际上，教育技术界所讨论的学习对象的可重用性是指它的适用性，是指针对各种情境和各种用户的产品可用性。
　　学界声称可重用性是学习对象的最重要特征，但是却无人讨论可重用性的内在技术机理，当然，学习对象的聚合机理也不会得到讨论。更为遗憾的是，某些做法看起来倒是破坏学习对象的可重用性的。比如，有文献称“创建可重用学习对象是建立在可重用信息对象（Reusable Information Object，RIO）基础之上的……每个RIO由内容项、练习项和评价项组成，并可构造成单个可重用学习对象（Reusable Learning Object，RLO）”（袁小芬 & 盛群力，2008）。可惜的是，将内容项与练习项、评价项组合的目的并不是让信息对象（IO）具有所谓的可重用性，而是使得它具有学习或教学应用意义上的完整性！同样的道理，在RIO对象基础上增加“学习目标、元数据”（袁小芬 & 盛群力，2008）并没有使得RLO自动获得可重用性。与之相反，这种组合恰恰破坏了可重用性。内容、练习和评价在逻辑上属于松耦合的内容，将它们分别设计成独立的学习对象再组合才是体现可重用思想的做法。
　　教育技术界对学习对象可重用性的误解，究其因，源自技术应用主义的研究取向（杨开城，2008），在应用的视野下思考学习对象及其可重用性，很容易就将可重用性误解为应用意义上的适用性。要想恢复学习对象及其可重用性的正确涵义，只有在真正的教育技术与工程意义上讨论才是可能的。可是若把教育技术理解为“技术的教育应用”，我们便找不到这个层面的分析设计技术了，自然也就无法定义可重用模块以及模块间的耦合机制，也就无法实现教育实践层的可重用性。也就是说，整个教育实践并没有实现技术化，我们的教育实践整体上对技术并没有产生逻辑上的依赖，自然我们便不清楚这样的技术性实践需要哪些技术环节、数据模块、功能模块以及它们之间的耦合关系，自然我们对学习对象的思考也仅仅是“隐喻”水平。对学习对象的误解只是我们对教育数据肤浅认识的典型代表。但基于如此浅表水平的理解，我们是无法实现教育数据的结构化从而实现数据驱动的信息化教育的，更枉谈教育大数据。
　　三、信息化教育的数据基础
　　数据只有结构化才有意义，信息化教育所依赖的教育数据绝不是杂乱无章或仅凭常识就可以准确理解的信息堆积。教育数据到底表征的是哪些对象？这些对象之间形成了怎样的关系？每种数据对象具有怎样的内部结构？对象的成分和属性都有哪些值？这些数据对象在何种算法下能产生对教育现实有意义的推论或能还原出直观不到的教育真相？这些数据如何生成、如何维护、如何更新从而形成历史性？这些问题的答案严重依赖教育学理论。是理论赋予数据对象模型，是理论让数据得以显现特定的结构，是理论观照实践才催生了各种算法。有什么样的教育学理论，就有什么样的对教育数据的收集、处理和使用，也就有什么样的教育实践。遗憾的是，旧教育学（Pedagogy）无法回答上述问题，因为它根本就不是理论（杨开城，2014）。对上述问题的回答只能依赖新教育学（Educology），信息化教育这种当代形式的现代教育只能是在新教育学观照下的教育实践。
　　新教育学以教育系统为研究对象。一个教育系统就是一个完整的课程体系，而课程体系由门类课程组成，门类课程在实施时转化为教学系统。因此实施态的门类课程可以认为是由教学系统组成的。教学系统区分为设计态（Design-Time）和活动态（Run-Time），设计态是活动态的规划，即教学方案。活动态的教学系统即真实发生的教学活动，它是教育系统最微观、最底层、生存期最短的子系统，是教师、学生和具有信息处理能力的媒体这三个信息处理主体之间的信息流动网络（杨开城 & 林凡，2010）。由此可知，在教育系统中，从课程体系至教学方案，都属于设计态。不同层次的教育系统的活动态表现为随时间展开的不同规模的活动态教学系统的有机组合。在新教育学看来，教育实践即教育系统的设计与真实运转，它直接依赖教育数据。
　　新教育学关注教育系统的两个方面，一方面是如何设计教育系统，另一方面是教育系统的整体特征及运转机制。设计对于现代教育是至关重要的，教育系统的设计学就是教育技术学，它提供专门的技术知识。教育系统的整体特征与运转机制其实就是所谓的教育规律（赵国庆 & 杨开城，2015），也即教育科学知识。教育系统的整体特征目前看到的包括教育系统的激活水平、一致性、适应性、主体参与度，等等（杨开城 & 许易，2016b）。教育系统的激活水平是指它所包含的社会交互网络所流动的信息熵总量。教育系统的一致性包括目标-手段一致性，设计态与活动态系统之间的一致性，等等。教育系统的适应性是指系统运转时对学生个体差异的兼容性。教育系统的参与度是指系统中师生主体的参与水平。教育系统机制是一种动态機制，它“不但要能说明教育行动是如何达到教育目标的，而且还要能说明某些合理的教育行动是如何偏离教育目标的”（杨开城，2016a）。
　　在“设计-行动-反思性分析”的教育实践框架下，“新教育学关注的是教育实践中的设计与反思性分析环节，创生的是教育技术知识和教育科学知识”（杨开城，2016a）。在教育技术学的视野下，教育系统成为一种技术人造物（杨开城，2005），这使得教育系统的设计开发过程成为依赖技术、自然也就依赖数据的过程;教育科学对实践的观照使得对教育系统真实运转情况的理解也成为依赖技术、依赖数据的过程。很明显，新教育学的这些知识都不是可以直观到的知识，它们的检验和应用都以教育数据为基础，它们所对应的教育数据自然也是针对设计与反思性分析这两个环节的。很自然，教育实践对教育数据的取舍和分析必然是新教育学理论观照实践的结果，是新教育学理论对实践提出了特定的数据要求，同时提高了实践的确定性。 　　整个新教育学都具有鲜明的技术学色彩。教育技术学本身就是技术知识，教育科学的研究与应用都是技术支持的结果，没有特定分析技术支持，教育科学的结论无从检验。只有在这样技术色彩浓厚的理论视野下，我们才能清晰地认识教育实践各个环节数据的需要，并按照工程技术原理定义教育数据对象的内容结构、层级关系、属性特征、聚合机制、进化机制，等等。
　　教育系统即课程体系，它由门类课程组成;而门类课程则由知识组件组成;知识组件是一种为完成特定课程目标而组织起来的知识的内容、学习方式、评价方式以及所需资源的综合体（杨开城，2004）。门类课程将以知识组件为基本单位转化为教学系统。目前这种转化存在两条基本路线：一条路线是在线教育，即直接将知识组件通过信息技术条件下的教学设计转化为在线学习环境（又称网络课程，或称学习系统）;另一条路线是线下教育，即将知识组件物化为教材、教参、学材，再由学校采纳，教师在此基础上设计教案，然后将教案落实为教学活动。这两种转化的核心都是教学设计，它最终将课程系统由设计态转化为活动态。
　　1.在线教育中的教育数据
　　在线教育的情境下，最基本的数据对象可以说就是一般意义上的各种信息资源，文本的、声音的、图形图像图表的、视频的，呈现知识背景的、解释知识内涵的、测试知识能力的，等等。我们可以将它们称为信息对象。如果没有新的属性、成分或特征的设定，信息对象无论规模有多大，仍然只是信息对象。信息资源经过裁剪、组合若没有生成新的质，就不能说是新类型对象。我们不能将一堆苹果，挑拣出卖相好的，就说成是新品种。我们只能通过继承信息对象并增加具有教育领域特异性的属性和方法而派生出教育实践所特需的新对象。
　　具体来说，我们可以在信息对象基础上增加知识属性而派生出知识对象，即知识对象=信息对象+知识属性。知识属性是信息对象所蕴含的知识集。由于知识本质上是网络的，因此我们通常用知识图来为知识属性赋值。但是知识对象的知识属性不应采用语义图来表征，因为语义图不具有大规模开发时所需要的数据一致性。“同一个知识材料，不同主体会提供不同的语义图，并且都可能是正确的。”（杨开城 & 李通德等，2017）我们认为可以采用知识建模图为知识属性赋值。知识建模图是一种按照特定规范绘制的知识隶属关系图（杨开城，2010b，pp.63-66）。它是基于知识之间的语义联系构建的，却不是语义图。研究表明，由于特定规范的约束，不同主体针对同一内容所绘制的知识建模图存在令人满意的一致性（赵文娟，2011）。由于知识建模图具有令人满意的数据一致性，因此可以用于对绝大部分知识对象的知识属性赋值。但有一类知识对象很特殊，知识图并不能完全反映它的知识属性。它就是问题本身，包括例题、考题等等。这类知识对象的知识属性不但要说明它所蕴含的知识，还要说明这些知识点在该问题情境下所形成的关系。我们建议用FC（Fact and Case）知识图（杨开城，2016b，pp.98-99，pp.136-142）对这类知识对象的知识属性赋值。
　　我们可以在知识对象基础上增加学习目标属性、学习交互过程以及学习感知与分析方法而派生出学习对象，即学习对象=信息对象+知识对象+学习目标属性+学习交互+学习感知与分析方法。信息对象和知识对象都可以用于学习，但其自身并不承诺学习目标，学习目标是外在于它的。学习对象则承诺了特定的学习目标，同时通过特定的学习交互设计来达成该学习目标，并利用学习行为感知与分析来提供学习支持服务。学习对象是一个完备的学习环境，是一种经过完整设计（Fully-Designed）的对象。所以，学习对象除了内在所设定信息引导（需要信息对象）之外，特别重要的是能够感知学习行为（需要知识对象的存在）的发生以及通过分析理解学习行为的意义。所以，除了学习目标属性和学习交互外，学习感知与分析方法也是必需的成分。
　　总的来说，信息对象通过增加知识属性而演變成知识对象，知识对象通过增加学习目标属性、学习交互以及学习行为感知和分析方法而演变成学习对象。从这个角度看，早期学习对象的定义是有严重缺憾的（它似乎成了信息对象的别名），它将学习交互设计和学习感知与分析看作是可有可无的，竟然还自动具有可重用性。从这个角度看，学习神经元可以看作是学习对象的基本概念原型。“学习神经元（Learning Neuron，LN）是一种能够提供富交互学习情境、旨在完整达到特定学习目标、可记录学习过程、可识别学习行为的可互联微型学习系统。它具有知识建模图属性，可实现跨平台互联聚合;它在客户端设有学习行为感知器，在服务器端设有学习分析引擎，可以解决学习分析和定制的问题。”（杨开城 & 李通德等，2017）虽然学习神经元的设计规范以及它们之间的聚合机制，仍需要深入探索，但学习神经元具有知识建模图属性，这扫清了学习神经元之间聚合的技术障碍，可聚合意味着初步的可重用。
　　2.线下教育中的教育数据
　　就目前来看，线下教育就是指课堂教学的情境。这种情境下，教学实践的最基本数据是教学方案和拍摄记录的真实发生的教学活动视频。教学视频基本上属于信息对象。从仅仅是某种规定的角度看，教学方案也属于信息对象。信息对象所能提供的教育实践信息相当贫乏。所以，要想完整深入地理解教学方案和教学视频，需要更多的信息。
　　要想深入理解教学方案，需要回到教学设计过程，了解教学方案的决策过程。要知道，反思设计过程要比修改设计结果重要得多。以学习活动为中心的教学设计理论将教学系统理解为学习活动序列，将学习活动理解为活动任务序列，活动任务表现为一系列师生交互。活动任务被区分为意义建构（又细分为六类）和能力生成（又细分为四类）两大类，意义建构和能力生成任务的设计又与所对应的学习内容的知识建模组块联系紧密（杨开城，2016b，pp.89-114）。如果我们了解这些设计过程信息，我们便会更深入地理解一个教学方案的基本逻辑和细节。因此，教学设计过程数据是一种非常重要的教育数据。 　　要想深入理解教学视频中的真实教学活动，反复观看教学视频是不够的。新教育学倡导从方案与行动一致性的角度考察教学活动。这需要将教学方案与教学视频做有意义的对比，这就要求使用同一套编码体系对它们进行分析和编码，并且这种编码表征还必须能说明教学过程是如何达成或偏离目标的。将教学系统分解为行为序列，用行为动词表征，则完全丢掉了教学的内容，自然不会帮助我们理解教学系统与其目标有关的特征。教学系统是一种信息系统，系统中的信息流动与它的目标有关。因此教学系统的分解需要采用基于信息流的方法。我们提出的IIS（Instructional Information Set，IIS）圖分析法（杨开城，2007）可以用于这个目的。这种分析方法先将教学方案或教学视频所蕴含的教学内容转化为知识建模图（它被看作是教学信息集合的图型表征，故称为IIS图），然后将教学过程切分为一系列的信息流，每条信息流都有自己的属性，最后从单个信息流属性出发推算教学的整体属性。在上述操作的基础上，只需要将一组时间上邻接的信息流进行特定的合并，再辅以一些行为编码的标注，就会生成一种被称为教学过程机制图的过程图。教学过程机制图主要反映了一个教学系统经过了几个教学环节、在何种知识内容的交互驱动下达成或偏离教学目标的。个案分析初步表明，“教学过程机制图是一种可用的教学过程中观视图，它提供了一种中观真相”（杨开城 & 何文涛等，2017）。如果我们能够将一名教师的教学方案与相应的教学活动都转化为教学过程机制图，我们便可以从中考察这两者的一致性水平，这个一致性水平反映了该教师的基本职业能力：基于设计的行动力，又称为基于行动的设计力。由此可见，教学活动过程的IIS图信息流以及教学过程机制图也是一种重要的教育数据，它们与前述的教学设计过程数据，都是教师日常教学反思的重要参照。
　　无论是在线教育还是线下教育，关于学生学习的数据是自然产生的，利用学生模型作为其概念框架就可以表征，简单易行。由于作为个体人，学生并非固定的抽象物，教育系统中的那点儿关于学生的数据无法完整地描述学生，依据这些数据对学生进行简单分类或许是可以的，但若据此制定有针对性的教育干预，我们便要警惕了——这些数据以及它给出的分类是否真的值得信任？而且教育干预的针对性本身并不完全取决于关于学生的数据，我们所掌握手段的多元性、丰富性也是重要前提。所以，在具体交互时，笔者更倾向于信任人与人交往所产生的感受而不是所谓的客观数据。由此可见，有关学生的数据对于信息化教育来说处于最边缘的位置、影响也最小，故本文不做讨论。
　　有了知识对象、学习对象、教学设计过程以及教学方案数据、教学系统IIS图分析数据以及教学过程机制图数据，再加上学生的学习过程及结果数据，我们便有了教育系统最底层的数据。按照它们的归属，通过组合，我们便得到了不同层次设计态教育系统的真实运转数据，通过推算就可以得到各层教育系统的整体特征和运转过程，这代表着任何人都无法直观到的教育实践真相。
　　四、教育数据的生成、进化与使用
　　教育实践包含人的成长，它自然是基于历史、面向未来的，它是与时俱进的。这就要求教育数据也要随着教育实践的进化而协同进化，它必然伴随着上述各种数据对象的生成、更新与淘汰。数据驱动的信息化教育必然将由精英主义+经验主义方式转化为基于大众参与的专业化实践。这种全新的实践方式，我们称之为教育的众筹。对于在线教育，教育众筹是指“由大众中的能手创建可聚合的知识产品模块，由专业团队将它们组装成高质量的在线课程并提供学习支持服务”（杨开城 & 李通德等，2017）的实践方式。这种实践方式完全可以适用于线下教育。在线教育所生成的优秀学习神经元应用于线下教育或转化为线下形式，并不存在技术障碍。
　　教育众筹的要义是，以专家为权威的专业团队负责教育系统的顶层设计（知识组件及以上），大众能手负责教育系统的底层落实。当然这两个层次需要市场驱动才能形成良好无障碍的互动。在教育众筹的方式下，知识建模图是教育实践基础性的共享数据，用于标注知识对象的知识属性，知识建模图的生成需要经过特定培训的大众能手和专业团队来完成。信息对象是大众自然生成的数据，我们可以在其中寻觅特定的对象将它们转化为知识对象。知识对象是为信息对象标注知识属性的结果，因此标注者需要经过培训掌握特定的技能和技术规范（比如知识建模规范，FC知识图绘制方法），但仍可以依赖大众来完成。学习神经元的生成需要经过特定培训的大众能手，因为学习神经元是精心设计的结果，需要设计者具有丰富的教学或学习经验。至于知识组件、课程以及课程体系则必须由专业人员并辅以专家来完成。
　　知识建模图和FC知识图是知识对象的知识属性，由此我们便知道特定知识对象是关于什么知识内容的，它会成为一个知识组件、教学方案或学习神经元采纳包含它的重要依据。同时知识建模图也是教学设计过程中特定学习内容的表征，知识组块（知识建模图子图）是活动任务设计的重要依据。知识建模图还是IIS图分析法中信息流切分的重要参照。IIS图分析使得方案与行动的一致性分析（许易，2016）成为可能。方案与行动的一致性分析是培养教师基于行动的设计力（也即基于设计的行动力）这一基本职业能力最重要的方式。由于知识对象的存在，我们便可以推算一门课程以及课程体系的内在结构，这是教育系统分析的重要方面。总之，上述数据对象的存在是教育系统设计与分析的实践基础，自然也就是信息化教育的数据基础。
　　教育众筹不可能一蹴而就，它最自然的起始点便是在线教育。在线教育基于全新的技术平台以及市场化驱动的运作方式，使得它没有那么多的历史遗留包袱。同时，在线教育有足够条件和理由首先开展信息化的课程开发，并将课程开发与教学设计融为一体，直接展开基于学习神经元的课程开发。如此开发出来的数字化课程精品再转化为印刷教材，扩展服务范围。在线教育展开教育众筹实践，一方面是一种信息化教育实践的试点，另一方面为全面展开教育众筹储备理论、技术和劳动力队伍。在线教育的众筹一旦成型，自然会扩展至线下教育实践，与传统课堂教学形成相辅相成的格局。 　　五、小結
　　在技术驱动下，特别是在教育技术这种内生的技术驱动下，教育实践的信息化转向是不可避免的，我们要么自觉转向，要么被推着走。对于信息化教育来说，拿来主义完全失效，因为信息化教育的基础不是理念、模式或原则，而是教育数据。教育实情数据无法被拿走，拿走也无用。要实现自己的信息化教育只能自己生成所需要的实情数据。信息化教育数据的生成与维护严重依赖教育学理论。虽然上述对教育数据的分析性构想仍很肤浅，但却明确了努力的方向：只有构建和完善教育学理论，才能正确思考这些问题，才能走向信息化教育。陷入技术应用主义、通过制造改革效果来维持学界存在感，是没有出路的。唯一的出路是独创教育学知识。只有当教育学理论能够提供教育数据的对象结构、功能指标和算法时，我们才谈得上教育大数据。只有通过教育学理论，我们才能从教育数据出发看到当下的教育真相，才能产生大数据下的教育实践。只有在大数据下，我们才能明了教育学理论所提供的各种指标常模，有了常模才能客观比较，才能产生恰当的对象分类体系，才能区分哪些是客观理性、哪些是主观个性。也只有在大数据下，从教者才能完整地体现教育理性。没有教育学理论在场，大数据所带来的无非是更加深重、更加武断的经验主义罢了。
　　参考文献：
　　[1]胡小勇，祝智庭（2002a）.学习对象——网络教学技术的新理念 [J].电化教育研究，（4）：22-28.
　　[2]胡小勇，祝智庭（2002b）.学习对象理念的发展历程[J].电化教育研究，（9）：14-19.
　　[3]胡瑛，贾积有（2009）. 学习对象内容本体描述框架研究[J].开放教育研究，（2）：102-106.
　　[4]许易（2016）. 教学方案与教学行动的一致性研究[D]. 北京：北京师范大学.
　　[5]杨开城（2004）.浅论课程开发理论中的角色分析和知识组件[J].教育理论与实践，（5）：46-49
　　[6]杨开城（2005）.一种教育技术学的研究方法——技术人造物缺陷分析法[J].中国电化教育，（8）：14-19.
　　[7]杨开城（2007）.教学系统分析技术的初步研究[J].中国电化教育，（8）：1-5.
　　[8]杨开城（2008）.论技术应用主义的教育技术学及其贫困[J].中国电化教育，（8）：1-3.
　　[9]杨开城（2010a）.论教育何以可能[J].中国电化教育，（10）：1-4.
　　[10]杨开城（2010b）.教学设计——一种技术学的视角[M].北京：电子工业出版社.
　　[11]杨开城（2014）.教育学的坏理论研究之四：教育学的理论品性[J].现代远程教育研究，（4）：29-38.
　　[12]杨开城（2016a）.论教育学眼中的教育实践[J].现代远程教育研究，（4）：11-20.
　　[13]杨开城（2016b）.以学习活动为中心的教学设计实训指南[M].北京：电子工业出版社.
　　[14]杨开城，何文涛，张慧慧（2017）.教学过程机制图：一种理解教学的重要中介[J].电化教育研究，（1）：15-20，27.
　　[15]杨开城，李通德，惠治儒等（2017）.在线教育众筹的技术机制与学习神经元[J]. 现代远程教育研究，（1）：51-58.
　　[16]杨开城，林凡（2010）.教学系统的IIS图分析法及其实证研究[J].中国电化教育，（2）：31-33.
　　[17]杨开城，许易（2016a）.论现代教育的基本特征与教育信息化的深层内涵[J].电化教育研究，（1）：12-17，24.
　　[18]杨开城，许易（2016b）.论教育科学[J].电化教育研究，（5）：5-10.
　　[19]余胜泉，杨现民（2007）.辨析“积件”“学习对象”与“学习活动”——教育资源共享的新方向[J].中国电化教育，（12）：60-65.
　　[20]袁小芬，盛群力（2008）.创建可重用学习对象的策略——思科公司的研究[J].远程教育杂志，（5）：24-32.
　　[21]赵国庆，杨开城（2015）. 教育学要揭示什么样的教育规律？[J].现代教育技术， （9）：25-29.
　　[22]赵文娟（2011）.知识建模技术的一致性研究[D]. 北京：北京师范大学.
　　On the Data Ground of Information-Based Education
　　YANG Kaicheng， CHEN Baojun
　　Abstract： The information-based education is characterized as being data-driven. Our understanding of the data driving educational activities depends on the specific educational theory. In the theoretical frame of educology， embracing design， action， and reflective analysis， educational practice which means the design and running of educational system depends directly on data. In the case of online learning， the primitive data objects are information objects. By the addition of knowledge attribute， an information object can be converted into a knowledge object， which can be transformed into a learning object by the addition of learning objective attribute， learning interaction and the method of perceiving and analyzing learning behaviors.  Learning Neuron can be considered as the basic concept archetype of this kind of learning object. In the case of offline conventional classroom， the data of instructional design process， information flows created by IIS-map-based analysis， and the mechanical diagram of instruction procedure， are the important educational data. In either case， knowledge modeling maps， are the most vital basic data. Practically， data-driven education and then educational big data can be discussed with this educational data. Only through constructing and developing educology， are we likely to get current educational truth in the educational data and then to implement the data-driven educational practice.
　　Keywords： Information-Based Education; Data-Driven; Learning Object; Educology.
转载注明来源:https://www.xzbu.com/1/view-14967991.htm