陈金华 乔春霖 周雄俊 沈莉 胡欣煜
[摘 要] 大数据是推进基础教育信息化2.0发展的基石。面向大数据的基础教育信息化2.0“县·省”级动态综合测评既是实现教育公平和均衡发展、阻隔贫困代际传递的重要战略，也是理清“县·省”级基础教育信息化2.0综合发展水平的关键举措。研究通过文献分析了面向大数据的测评导向、“县·省”级基础教育信息化2.0大数据和数据驱动的动态性机理，系统阐述了动态综合测评模型建构的理论基础、技术平台与基本特性，建构了面向大数据的基础教育信息化2.0“县·省”级动态综合测评模型，开发了基础教育信息化2.0“县·省”级动态综合测评“双向”排序方法。以X省15个县为例对模型进行了应用检验，并对H县与另外14个县基础教育信息化2.0综合水平进行了纵横向可视化比较，清晰地勾勒出各县发展变化轨迹，充分说明了动态综合测评模型建构对推动基础教育信息化2.0发展的重要价值。
[关键词] 大数据；
基础教育信息化；
“县·省”级；
动态综合测评；
测评模型
[中图分类号] G434 [文献标志码] A
[作者简介] 陈金华（1967—），男，重庆石柱人。教授，博士，主要从事基础教育信息化战略、教育大数据测评和智慧教育研究。E-mail：csdcjh@126.com。
一、问题的提出
在大数据与教育信息化2.0背景下，建立基础教育信息化2.0“县·省”级动态综合测评模型，以“县·省”为对象全面测评基础教育信息化2.0综合发展水平（市、区可按照县级测评进行），科学制定发展规划、准确把握建设进展、及时发现发展短板是国家建设战略要求。纵观我国多年来基础教育信息化发展，“县·省”层面不均衡、数字鸿沟突出、投产效益不高、测评环节薄弱。实施基础教育信息化2.0 “县·省”级动态综合测评具有三个优点：其一，能突破建设中的发展瓶颈。机制瓶颈：长期投入无效；
差异瓶颈：区域差距明显；
应用瓶颈：高阶认知缺乏；
资源瓶颈：良构优质不足。其二，能扭转建设中的恶性循环。由于“拍脑式”的静态测评很容易进入“恶性”循环，导致不合理规划、建设和应用，继而使基础教育信息化环境恶化、资源劣质、应用不良，致使建设水平低、应用绩效差，总体投资绩效和推动力下降。反之，如果动态施测，则可进入“良性”循环，合理规划、建设和应用，继而使环境良好、资源优质和应用满意，致使建设水平和绩效稳步提高，总体建设水平和应用绩效稳步提高。其三，能抓住建设中的关键环节。“县”既是基础教育管理之首，又是基础教育管理之尾。“县·省”级动态综合测评既可以掌握以县为单元的基础教育信息化2.0基层状况，又可以了解省级差距，还可以摸清全国水平。面向大数据的基础教育信息化2.0“县·省”级动态综合测评能助力“县·省”级基础教育信息化公平、均衡和健康发展。
二、文献综述
面向大数据的基础教育信息化2.0“县·省”级动态综合测评模型建构是依据大数据测评“县·省”级基础教育信息化2.0综合发展水平，进行“县·省”级纵横比较，透视其薄弱环节，遏制县贫困代际传递，实现教育均衡化发展。为此，有必要首先理清面向大数据的测评导向、“县·省”级基础教育信息化2.0大数据以及数据驱动的动态性机理。
（一）面向大数据的测评导向
面向大数据的测评根据目的不同可将测评导向归纳为四种：一是面向大数据的战略导向。关注基础教育信息化发展战略的实现和竞争优势的贡献率。平衡计分卡测评就是一种战略导向的测评方式，使基础教育信息化走向综合性测评。二是面向大数据的均衡导向。以资源经济学、福利经济学、教育经济学、公平正义理论为基础，倾向资源配置均衡和区位空间均衡测评[1-2]。三是面向大数据的绩效导向。计算成本效益，通过指标分析基础教育信息化利润贡献率，绩效导向能够直观显示投资回报率的大小，符合高层的意图[3]，但由于效益的时滞性，往往存在感知矛盾与得到回报低的结论[4]。四是面向大数据的水平导向。水平导向看重信息技术应用价值的形成过程与应用价值产生的关键点，对价值增长点进行把控，可以反映实质，体现基础教育信息化的综合水平[5]。
（二）“县·省”级基础教育信息化2.0大数据
教育部《教育信息化2.0行动计划》提出，全面提高利用教育大数据服务能力，积极发挥教育大数据的重要作用，促进大数据与教育的深度融合[6]。“面向大数据的教育信息化持续推进模型”为基础教育信息化2.0提供了发展框架，动态监控（DM）、远程测评（RE）、科学决策（SD）和持续推进（CT）为核心逻辑架构，以及DM-RE-SD-CT良性互动是基础教育信息化2.0“县·省”级动态综合测评的大数据驱动基石[7]。“县·省”级基础教育信息化2.0大数据来源于四类数据的综合：面板数据（呈报的数据）、监控数据（平台教、学、研、培、管的數据）、调研数据和其他数据。目前，基础教育信息化存在分批多头建设、软件平台较多、数据标识不一、系统标准迥异、无法互通共享、数据孤岛严重的情况[8]。基础教育信息化2.0“县·省”级动态综合测评必须统一平台，通过人机协同将数据智慧转化为“行动智慧”[9]，实现对教育信息化“现场”的全面掌控，通过分布式远程测评实时掌握基础教育信息化2.0综合发展水平和“县·省”级差距。
（三）数据驱动的动态性机理
从国内外研究发现，基础教育信息化测评多为静态测评。然而，测评要素在不断发生变化，不断投入与获取效益的动态进程必然需要动态实施。大数据时代客观公正的做法是“让数据说话”，即利用数据驱动动态指标、动态权重和动态周期。指标体系的动态性表现在其随着测评生命周期和条件的变化必须根据数据事实进行动态调整；
指标权重的动态性表现在权重是由时序立体数据表所确定的，并且没有继承性，权重在不同条件下单项指标的重要程度有所不同；
测评周期的动态性表现在数据驱动下的测评周期是由经济周期、官职周期、预算周期或数据周期作为参考依据，根据美国“绩效法案”战略每3年至少更新一次[10]，以此确保测评周期的合理性、科学性和稳定性。
三、动态综合测评模型的建构
测评导向确定之后，从“县·省”级基础教育信息化2.0大数据与数据驱动的动态性机理研究发现，面向大数据的基础教育信息化2.0“县·省”级动态综合测评能实时监测县级以及省级基础教育信息化2.0综合发展动态。而动态实时测评模型建构的意义、理论基础与技术平台是什么，后续研究有必要对此进行深入分析。
（一）动态综合测评模型建构的意义
动态综合测评模型建构的必要性有三个方面：一是大数据具有非结构化、海量、异构、多源、连续、实时并无限接近本真的特征，大数据技术应用展现了“用数据说话”的本真；
二是大数据是在真实环境下采集、自然状态下产生，更加客观，有利于避免出现霍桑效应和晕轮效应；
三是大数据分析技术能够最终生成数据画像，更加形象、全面、易懂。县域数据画像能帮助我们直观看清薄弱环节和县与县之间的差距，省群数据画像能帮助我们看清省级差距，从而进行教育信息化治理。
近年來，随着云计算、物联网和大数据等技术的发展，以及移动学习设备的普及，动态综合测评模型技术平台能够采集到更多、更全面的数据。大数据技术寻找关联性的思维模式契合了测评情境下对充实依据与有效证据的本真需求，让测评结果真正成为决策的重要依据[11]。
“县·省”级动态综合测评模型建构的价值体现在三个方面：其一，解决了县与县之间和省与省之间的横向分析比较；
其二，解决了“县·省”级不同周期之间的纵向分析比较；
其三，解决了“县·省”级的“县域”或者“省域”内部分析比较。以县为单元的差异，可以统整省级综合水平并进行全国性比较。不仅可以进行水平比较，还可以进行经费精准投入比较，甚至于效率或者绩效比较，对及时发现短板，科学制定规划具有重要价值。
（二）动态综合测评模型建构的理论基础
面向大数据的动态综合测评（Dynamic Comprehensive Evaluation）是指数据在“时间维”上的综合驱动测评，其动态性决定于动态测评过程中测评周期的动态性、测评指标的动态性和测评权重的动态性[12]。时间、指标和被测对象构成动态综合测评的三个维度，核心是指标在不同时刻的权重。动态综合测评理论一般描述为：在一定周期内通过指标的等级范围来描述测评对象等级的测评范式，即设有n个被测评对象，有m个测评指标，每一个指标可分为k个等级，在时序立体数据表支持下，运用数学模型（或算法）将多指标值“融合”为一个整体性值的理论与方法[13]。动态综合测评的目标是将被测对象纵横向拉开档次，既能在横向体现某一时刻各被测对象的差异，又能在纵向体现各被测对象的总体情况，能解决基于时序的多指标决策问题[14]。在大数据时代，基础教育信息化2.0“县·省”级发展水平采用动态综合测评方法进行纵横向比较，具有非常大的价值。
（三）动态综合测评模型建构的技术平台
面向大数据的基础教育信息化2.0“县·省”级动态综合测评模型建构主要依托泛在网络、云计算和大数据技术，从用户端口获取数据、处理数据和分析数据，最终形成测评报告，具体技术平台如图1所示。
从图1可以看出，动态综合测评的第一要务是全息性采集各种基础教育信息化2.0数据，利用数据挖掘等技术让教师、学生、家长、行业和行政部门运用监测端口提供原始数据。第二要务是基础教育信息化2.0数据深度加工处理，从测评技术来说，要实现测评数据“纵向贯通”；
从测评操作来说，需要“统同置异”。一方面，需要加强数据仓库建设，把不同类型和格式的数据分类储存；
另一方面，要充分利用“互联网+”优势，综合使用数据采集、数据清洗、数据挖掘、数据甄选等技术对面板数据、监控数据、调研数据和其他数据进行处理，并利用现代数理统计方法对数据进行实时动态管理，保障数据的时效性。第三要务是根据基础教育信息化2.0数据进行测评和决策。一方面，要通过“县·省”级教育大数据平台强化云计算、云存储与统计分析，根据实际需要开展多维度、多层面、系统性的描述、推断、聚类、关联分析等；
另一方面，要借助“县·省”级教育大数据平台对数据进行综合统计应用，做出多元的价值判断和管理决策，并形成相应报告为教育行政部门提供参考。
（四）动态综合测评模型建构
从图2可以看出，动态综合测评模型是依据动态综合测评理论，利用泛在网络、云计算、大数据和物联网技术建构“技术平台”和“县·省”级教育大数据平台，将面向大数据的基础教育信息化2.0“县·省”级动态综合测评过程建构为逻辑运行框架，运行经典流程[15]包括以下6个步骤：
第1步：确定测评对象。测评对象是指界定范围的需实际实施测评的“县·省”级有限个体。通常是以县为单元进行测评，并且大多是一个省内的县，也可以是一个区域的不同省的县，通过对县县测评实现纵横双向比较，从而得出县与县之间的横向差异和每个县在不同周期的纵向差异，继而理清省与省之间的差异乃至“县·省”在全国的情况。
第2步：选择测评样本。测评样本是取自测评总体“省”的一部分测评对象“县”的集合。测评样本的任务是提供测评总体的有关信息，为确定测评标准服务。在综合测评中，由于测评总体的信息未知，人们以已获得的测评样本代表测评总体，以测评样本作为测评的现实参照系。从本质上说，测评样本“县”充当了统计学中统计样本的角色，“县·省”级动态综合测评样本是以县为单元进行的选择。
H=∑Nk=1Hk为m×m阶对称矩阵，可取w为H的最大特征根所对应的特征向量，w不带任何主观色彩，不具有继承性，数据变化后权重要重新计算。上述“分散程度”就是拉开档次，实际上权重w为矩阵H的最大特征值所对应的特征向量时，函数y最为分散，即呈现出差异。
第6步：纵横双向排序。当差异驱动赋权完成之后，就可进行纵横双向排序。纵向排序即将无量纲化后的xij（tk）和wj代入动态综合测评数学模型，进行放大倍数后获得排序表，然后用三维可视化软件进行可视化呈现；
横向排序是当k为定值时，取动态测评函数值即可计算横向排序值进行可视化呈现，纵向排序是k为不同周期标识时函数的取值排序，也可以同时进行双向排序，排序结果可自动形成年度报告或周期报告。
四、动态综合测评模型应用实例
本实例依据动态综合测评模型及其经典流程6步骤，采集连续6年的基础教育信息化2.0县级数据进行动态综合测评实例分析，主要包括以下关键环节：
（一）确定测评对象与目标
以X省H县与另外14个县为测评对象，目标是按照综合指标进行纵横双向动态综合测评排序，确定H县基础教育信息化综合发展水平以及在全省15个县中的地位及与其他县之间的差距。
（二）采集时序数据并处理
依据基础教育信息化综合测评指标体系的7个一级指标[21]，包括基础教育信息化规划（P）、设施（F）、资源（R）、应用（A）、人才（T）、保障（G）、效果（E），作为15个县（包括H县、PJ 、PX、WH、WJ、CH、QY、QJ、JJ、JT、JL、XJ、XD、SL、SZ）的测评指标体系，利用SPSS24.0对2015至2020年6年的基础教育信息化數据进行标准化处理后，放入立体时序数据表，建立矩阵。
（三）进行矩阵计算与赋权
将15个县6年的数据进行指标一致化、无量纲处理后，放入立体时序数据表{xij（tk）}建立6个矩阵，计算6个对称矩阵， 即Hk=（Ak）T Ak（k=2015，2016，…，2020），Hk为对称矩阵（保留2位小数，保留上三角） ，并计算Hk相对应的特征值及其所对应的（经过归一化处理后的）特征向量，即权重系数向量。最后计算总和H与相对应的最大特征值及其特征向量，其总和H为：
（四）实施双向排序与分析
将xij （tk）和wj*代入yi （tk）=∑jm=1wjTxij（tk），其中，k=2015，2016，…，2020；
i=1，2，…，15；
j=1，2，…，7。为便于直观比较， 且不失一般性，把yi （tk）做平移α处理，即取yi*（tk）=yi（tk）+20得yi* （tk）的值，15个县排序情况和发展类型见表2。
根据15个县的排序数据，利用可视化软件可作出如图3所示的三维柱形图，以此呈现H县与其他14个县6年基础教育信息化2.0发展水平的动态综合测评比较结果。
图3可视化显示了面向大数据的动态综合测评比较，准确地反映了15个县6年间基础教育信息化2.0综合发展水平的真实状况，并可根据图3详细分析H县与其他县6年间基础教育信息化2.0动态综合发展水平，进行“纵横双向”排序与分析。
1. 横向排名与比较分析
从图3横向排序可知，2015—2020年15个县发展差距逐年缩小，基础教育信息化水平正在接近，发展差距从大到小逐渐趋于均衡。从各县排名与发展状况看，虽然H县基础教育信息化综合水平开始处于比较落后的水平，但H县发展迅速、提升较大，只有2018年有轻微下滑，2019和2020年连续跃升至第八和第六位。除H县外，WJ名次上升也较快。XJ由于基础条件较好，区域位置优越，多次排名第一位，SL也多次排名前三位。PX由于基础条件较差而多次位于后三位。QJ基础教育信息化综合水平不升反降，在2017年之前还处于第一和第二位，而在2018年后两次处于后三位，是否与领导重视程度有关值得探讨。QY综合水平没有多大进步，在2018年后两次位于后三位。横向排名提供了各“县·省”对标分析的思路，只有对标分析并采取相应措施，才能提高基础教育信息化2.0发展水平。
2. 纵向排名与发展分析
从图3纵向排序看，用圆柱的高低来可视化表达某县2015到2020年间的基础教育信息化2.0综合发展状况。将15个县基础教育信息化2.0综合发展分为平稳型、波动型、增长型和衰减型四种类型， QY和JL属于平稳型，在发展中没有大起大落的现象，水平相对较为平稳，动态综合测评值始终处于较强的稳定状态，平稳型要想获取更高位次需突出自身特点并做出努力；
CH、WJ、JT和PJ属于波动型，基础教育信息化综合水平呈现出上下起伏的发展状态，需注意不稳定性可能造成的发展影响；
H县属于增长型，除H县外，其他增长型县还有SZ、JJ、WH、XD、PX、XJ和SL，共8个增长型县，它们呈快速发展趋势；
QJ属于衰退型，动态综合测评值呈现下滑的趋势，位次不断降低，需引起重视，找到下滑原因。
通过上述纵向排序，从整体发展来看，15个县中平稳型县2个（占13%），波动型县4个（占27%），增长型县8个（占53%），衰减型县1个（占7%），整体发展趋势较好。动态综合测评得出的结果可以帮助各县从规划、设施、资源、应用、人才、保障及效果7个指标入手，采取措施进行改进。排序不但有利于直观识别现实状况，也有利于决策部门进行比较，摸清潜在原因，解决相关问题。如果将基础教育信息化2.0“县·省”级动态综合测评结果信息及时反馈给决策者，将对基础教育信息化的发展和改革起巨大的推动作用。
五、建 议
动态综合测评原理简单、操作便捷、计算量小，且具有明确的直观意义和几何意义。动态综合测评既在横向上体现了各时段各县之间的差异，又在纵向上体现了各县总的发展情况。无论是面板数据、监控数据、调研数据还是其他数据，对于时序立体数据来说，综合测评的结果都具有可比性，且没有丝毫的主观色彩。虽然权重系数不显示时间关系，但与时间却有隐式关系，这是时序立体数据表所支持的。在大数据和教育信息化2.0时代，应大力推动动态综合测评，加强硬软件建设力度，为此，提出三点建设建议：第一，建立基础教育信息化2.0“县·省”级动态综合测评支持体系，把建设重点放在基础教育信息化规划、设施、资源、应用、人才、保障及效果上，对标分析并精准施策，推动基础教育信息化2.0发展；
第二，构建基础教育信息化2.0“县·省”级动态综合测评支持平台、技术平台和“县·省”级教育大数据平台，为全面推进教育信息化动态综合测评提供条件保障；
第三，开发基础教育信息化2.0“县·省”级动态综合测评决策系统，开展县与县之间和省级之间对标测评、客观对比、经验共享、协同推进，提高基础教育信息化2.0水平。
大數据时代将传统的静态测评时间节点值数据集结为动态综合测评值，充分挖掘基础教育信息化临场数据，为政府相关部门推动基础教育信息化2.0发展提供科学的决策依据。
[参考文献]
[1] 卢晓旭.县域义务教育发展均衡性测评研究[M].北京：科学出版社，2016.
[2] 李桂荣.县域义务教育均衡发展监测机制研究[M].北京：科学出版社，2016.
[3] 解月光.农村基础教育信息化绩效评估及发展研究[M].北京：人民出版社，2015.
[4] 谢幼如，郑云翔，宋灵青.引领与推动：教育信息化绩效评价[M].北京：高等教育出版社，2016.
[5] 张屹，杨宗凯，刘清堂.湖北省基础教育信息化评测与发展研究[M].武汉：华中师范大学出版社，2015.
[6] 教育部.教育信息化2.0行动计划[EB/OL].[2023-04-16].http：//www.moe.gov.cn/srcsite/A16/s3342/201804/t20180425_334188.html.
[7] 陈金华，陶春梅，张旭，廖静雅.面向大数据的教育信息化持续推进模型建构[J].中国电化教育，2019（6）：52-57.
[8] 周南平，贾佳.大数据背景下的高校信息化建设路径研究[J].中国电化教育，2018（9）：75-80.
[9] 祝智庭，孙妍妍，彭红超，等，解读教育大数据的文化意蕴[J].电化教育研究，2017（1）：28-33.
[10] 陈朝晖.创新战略绩效评价的国际比较及对中国的启示[J].中国科技论坛，2008（2）：130-134.
[11] 郑燕林，柳海民.大数据在美国教育评价中的应用路径分析[J].中国电化教育，2015（7）：25-31.
[12] 郭亚军.综合评价理论、方法及拓展[M].北京：科学出版社，2017.
[13] 李美娟，徐林明.区域自主创新效率动态测评与分析[J].福州大学学报，2012，26（6）：24-30.
[14] 郭亚军.综合评价理论、方法及应用[M].北京：科学出版社，2007.
[15] 张发明.综合评价基础方法及应用[M].北京：科学出版社，2018.
[16] 姜启源，谢金星，叶俊，等.数学模型[M].5版.北京：高等教育出版社，2018.
[17] 郭亚军.多属性综合评价[M].沈阳：东北大学出版社，1996.
[18] 易平涛，张丹宁，郭亚军，高立群.动态综合评价中的无量纲化方法[J].东北大学学报，2009（6）：889-892.
[19] 李美娟，陈国宏，陈勃，徐林明.基于方法集化的动态组合评价方法研究[J].中国管理科学，2013（2）：132-136.
[20] 易平涛，李伟伟.综合评价理论与方法[M].2版.北京：经济管理出版社，2020.
[21] 陈金华.中国县域基础教育信息化发展水平动态测评模型研究[D].西安：陕西师范大学，2017.
[Abstract] Big data is the cornerstone for promoting the development of basic education informationization 2.0. The "county-province" dynamic comprehensive evaluation of basic education informationization 2.0 for big data is not only an important strategy to realize the fair and balanced development of education and block the transmission of poverty between generations， but also a key measure to clarify the comprehensive development level of "county-province" basic education informationization 2.0. Through literature analysis， this paper analyzes the evaluation orientation for big data， the "county-province" level basic education informatization 2.0 big data and the data-driven the dynamic mechanism， and systematically expounds the theoretical basis， technical platform and basic characteristics of the construction of dynamic comprehensive evaluation model. This paper constructs a "county-province" dynamic comprehensive evaluation model of basic education informationization 2.0 for big data， and develops a "two-way" ranking method of basic education informationization 2.0 "county- province" dynamic comprehensive evaluation. The model was tested by taking 15 counties in X province as an example， and a longitudinal and cross-sectional visualization was conducted to compare the comprehensive level of basic education informatization 2.0 in county H with 14 other counties. It clearly outlines the development and change trajectory of each county and fully explains the important value of the construction of dynamic comprehensive evaluation model to promote the accurate construction of basic education informationization 2.0 development.
[Keywords] Big Data; Basic Education Informationization; "County-Province" Level; Dynamic Comprehensive Evaluation; Evaluation Model
猜你喜欢大数据基于在线教育的大数据研究中国市场(2016年36期)2016-10-19“互联网+”农产品物流业的大数据策略研究中国市场(2016年36期)2016-10-19大数据时代新闻的新变化探究商(2016年27期)2016-10-17浅谈大数据在出版业的应用今传媒(2016年9期)2016-10-15“互联网+”对传统图书出版的影响和推动作用今传媒(2016年9期)2016-10-15大数据环境下基于移动客户端的传统媒体转型思路新闻世界(2016年10期)2016-10-11基于大数据背景下的智慧城市建设研究科技视界(2016年20期)2016-09-29数据+舆情：南方报业创新转型提高服务能力的探索中国记者(2016年6期)2016-08-26
