基于大數(shù)據(jù)的教育決策研究*

單 瑩 ，楊圣洪 ，朱承學(xué)

（1.湖南省教育科學(xué)研究院，湖南 長(zhǎng)沙 410005；2.湖南大學(xué) 信息科學(xué)與工程學(xué)院，湖南 長(zhǎng)沙410012；3.湖南第一師范學(xué)院，湖南 長(zhǎng)沙 410205）

毋庸置疑，在所有教育管理活動(dòng)中，教育決策是核心和關(guān)鍵所在。它不僅影響教育管理工作的效率和成效，更關(guān)乎小到學(xué)生、教師的個(gè)體發(fā)展，大到地區(qū)乃至國(guó)家教育事業(yè)的興衰。在現(xiàn)今這個(gè)“自媒體”時(shí)代，教育由于關(guān)系每家每戶、各色群體，也因此成為全社會(huì)關(guān)注的焦點(diǎn)和人人都可以談?wù)摰臒狳c(diǎn)——高考改革的一舉一動(dòng)、基礎(chǔ)教育的備受詬病、地區(qū)差距及城鄉(xiāng)差別帶來的教育不均衡、農(nóng)村教育與教師隊(duì)伍的發(fā)展困境、學(xué)生的學(xué)習(xí)評(píng)價(jià)和教師的職業(yè)倦怠、學(xué)校的育人環(huán)境與校長(zhǎng)的專業(yè)化……有關(guān)教育的任何一個(gè)決定、一條制度、一項(xiàng)法規(guī)，都有可能牽動(dòng)無數(shù)人的目光，教育決策的環(huán)境變得前所未有的復(fù)雜，教育決策科學(xué)性、有效性的需求也日漸突出和迫切。

隨著教育信息化的全面快速推進(jìn)，海量的教育大數(shù)據(jù)為教育決策提供了充分的數(shù)據(jù)基礎(chǔ)，而數(shù)據(jù)挖掘、商業(yè)智能、云計(jì)算、計(jì)算機(jī)模擬等信息技術(shù)的迅猛發(fā)展，又為基于教育大數(shù)據(jù)之上的智慧教育決策提供了有效手段。2014年3月，教育部印發(fā)的《2014年教育信息化工作要點(diǎn)》中提出：加強(qiáng)對(duì)動(dòng)態(tài)監(jiān)測(cè)、決策應(yīng)用、教育預(yù)測(cè)等相關(guān)數(shù)據(jù)資源的整合與集成，為教育決策提供及時(shí)和準(zhǔn)確的數(shù)據(jù)支持，推動(dòng)教育基礎(chǔ)數(shù)據(jù)在全國(guó)的共享。可見，告別“感覺”和“經(jīng)驗(yàn)”，以數(shù)據(jù)驅(qū)動(dòng)決策的能力已成為教育決策的方向和實(shí)踐路徑。

一、大數(shù)據(jù)和教育大數(shù)據(jù)

大數(shù)據(jù)這一詞匯從2009年開始流行，2012年成為時(shí)代發(fā)展的一個(gè)重要趨勢(shì)，2013年被媒體稱為中國(guó)大數(shù)據(jù)元年。

教育大數(shù)據(jù)是大數(shù)據(jù)的一個(gè)子集，特指教育領(lǐng)域的大數(shù)據(jù)，是整個(gè)教育活動(dòng)過程中所產(chǎn)生的以及根據(jù)教育需要采集到的、一切用于教育發(fā)展并可創(chuàng)造巨大潛在價(jià)值的數(shù)據(jù)集合。

教育大數(shù)據(jù)主要分成兩類：宏觀數(shù)據(jù)，如國(guó)家、各省市的教育年鑒；過程數(shù)據(jù)，如各學(xué)生、各科目、各過程環(huán)節(jié)的成績(jī)，據(jù)教育部2017年統(tǒng)計(jì)數(shù)據(jù)（http://www.chyxx.com/industry/201808/664173.html）顯示，當(dāng)年全國(guó)中小學(xué)在校生總數(shù)為18560.7萬人，其中中職在校學(xué)生1592.5萬、高中在校學(xué)生 2374.5萬、初中在校學(xué)生 4442.1萬、小學(xué)在校學(xué)生10093.7萬、特殊教育在校學(xué)生57.9萬，如果按每個(gè)學(xué)生一年10門學(xué)科記錄期中、期末、小考分?jǐn)?shù)，按5門過程成績(jī)記錄，就有92.80億條數(shù)據(jù)，按平均每條數(shù)據(jù)5K計(jì)算，可能需4640175×5K=4.425216萬TB=43PB數(shù)據(jù)，如果再加上本科學(xué)生數(shù)據(jù)，將達(dá)到100PB的驚人數(shù)據(jù)量，多年累積下來，這些數(shù)據(jù)的存貯與利用就是大數(shù)據(jù)研究的范圍。

二、基于大數(shù)據(jù)的教育決策支持系統(tǒng)建設(shè)

早期數(shù)據(jù)處理采用“數(shù)據(jù)挖掘技術(shù)”，尋找數(shù)據(jù)之間的相關(guān)性，如“啤酒與嬰兒尿片”，當(dāng)數(shù)據(jù)達(dá)到海量，傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)需與云計(jì)算、超級(jí)計(jì)算結(jié)合起來，不僅要在海量數(shù)據(jù)中找出規(guī)律，而且將這種規(guī)律用某種方式表現(xiàn)出來，并應(yīng)用在新數(shù)據(jù)新問題中，這便是機(jī)器學(xué)習(xí)等人工智能技術(shù)，尤其基于深度神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)即“深度學(xué)習(xí)”技術(shù)，在AlphaGo與AlphaGo Zero戰(zhàn)勝人類頂尖圍棋選手后，這種技術(shù)已經(jīng)成為業(yè)界追捧的技術(shù)，因此教育大數(shù)據(jù)的處理應(yīng)采用機(jī)器學(xué)習(xí)等人工智能技術(shù)。

1.機(jī)器學(xué)習(xí)處理教育大數(shù)據(jù)的基本框架

教育大數(shù)據(jù)處理的機(jī)器學(xué)習(xí)建模過程，一般分為七大步驟，分別是數(shù)據(jù)采集、數(shù)據(jù)清洗、預(yù)處理、特征選擇、機(jī)器學(xué)習(xí)模型選擇、模型效果評(píng)估和決策。如圖1所示。

圖1 機(jī)器學(xué)習(xí)建模流程

第一步，數(shù)據(jù)采集。把紙質(zhì)的資料掃描為PDF形式，再把PDF形式轉(zhuǎn)換為CSV文件，存儲(chǔ)到云服務(wù)器上。

第二步，數(shù)據(jù)清洗。包括數(shù)據(jù)去重、字符串為空的統(tǒng)一標(biāo)注等。

第三步，數(shù)據(jù)預(yù)處理。包括Y變量標(biāo)注、訓(xùn)練樣本和測(cè)試樣本的篩選、正負(fù)樣本比例的調(diào)整以及啞變量處理等。

第四歩，特征選擇。包括Filter和Wrapper兩種特征選擇，特征降維、特征提升。

第五歩，模型選擇。包括模型選擇、參數(shù)設(shè)置以及評(píng)估指標(biāo)選擇。

第六步，模型效果評(píng)估。包括模型的ROC曲線、AUC面積、模型正則化、模型假設(shè)、超參數(shù)搜索等。

第七步，決策。把模型的輸出概率轉(zhuǎn)化為一個(gè)分?jǐn)?shù)，對(duì)所有樣本的分?jǐn)?shù)進(jìn)行區(qū)間統(tǒng)計(jì)，最后，選擇一個(gè)分?jǐn)?shù)閾值，把分?jǐn)?shù)閾值以內(nèi)的樣本判斷為壞樣本，把分?jǐn)?shù)閾值以外的樣本判斷為好樣本。

2.教育機(jī)器學(xué)習(xí)的實(shí)例：教師教學(xué)與學(xué)生學(xué)習(xí)成效評(píng)價(jià)的機(jī)器學(xué)習(xí)

在教育大數(shù)據(jù)時(shí)代，將各學(xué)校、各教育的監(jiān)控匯聚起來，將教學(xué)過程中教師板書、走動(dòng)范圍、教鞭、教具使用、形體動(dòng)作、聲音、語速、表情等言談舉止通過視頻形體分析提取出來，將學(xué)生課堂表現(xiàn)——小動(dòng)作、睡覺、全神貫注、互動(dòng)情況等分析提取出來，還通過問卷調(diào)查等獲取學(xué)習(xí)效果，通過機(jī)器學(xué)習(xí)，找出影響學(xué)習(xí)質(zhì)量的因子。為此采用機(jī)器學(xué)習(xí)方法建立成效評(píng)價(jià)模型，確定關(guān)鍵特征，選擇機(jī)器學(xué)習(xí)樹模型，決策會(huì)反饋到數(shù)據(jù)采集階段。此研究中最后采用隨機(jī)森林和XGBOOST模型?；跈C(jī)器學(xué)習(xí)方法的教師教學(xué)與學(xué)生學(xué)習(xí)成效評(píng)價(jià)模型如圖2所示。

圖2 基于機(jī)器學(xué)習(xí)方法的教師教學(xué)與學(xué)生學(xué)習(xí)成效評(píng)價(jià)模型

3.教育機(jī)器學(xué)習(xí)的實(shí)例：教育投入與教學(xué)質(zhì)量成效評(píng)價(jià)的機(jī)器學(xué)習(xí)的研究

在大數(shù)據(jù)時(shí)代，機(jī)器學(xué)習(xí)應(yīng)用在智能教學(xué)和智能學(xué)習(xí)中，收集湖南省教育年鑒的數(shù)據(jù)，將教育在校舍基本保障、教師績(jī)效、教師培訓(xùn)、信息化教學(xué)、學(xué)生競(jìng)賽等方面的投入，與九年義務(wù)制教育的比例、初中升高中比率、初中升高職比率、高中升本科比率、高中升高職比率、當(dāng)?shù)谿DP之間的相關(guān)性等進(jìn)行分析，通過機(jī)器學(xué)習(xí)建模，找出影響教育質(zhì)量的因子，哪些是正相關(guān)，哪些是互相關(guān)，找出投入與產(chǎn)出之間的關(guān)系，即模型，以確定最佳的教育投入模式，如投“磚頭”即校舍及設(shè)備的硬件投資、投“人頭”即教師待遇之間的比例是多大最合適等。

從教學(xué)管理的角度，收集每位學(xué)生、每科的各種過程數(shù)據(jù)，如入學(xué)考試、期中、期末、各種小考，小升初比率、初中升高中比率、初中升高職比率、高中升本科比率、高中升高職比率，各種競(jìng)賽獲獎(jiǎng)的情況，還有關(guān)于教學(xué)效果的各種問卷調(diào)查等，通過機(jī)器學(xué)習(xí)找出教學(xué)行為與學(xué)生學(xué)習(xí)效果正相關(guān)的因素。

4.基于以上分析建立驗(yàn)證系統(tǒng)

（1）平臺(tái)功能及模塊

①Web服務(wù)器

Web服務(wù)器，即平臺(tái)前端，以Web瀏覽器的形式展現(xiàn)給用戶?？梢怨芾砦募?，包括上傳、瀏覽、下載和刪除文件?？梢愿鶕?jù)機(jī)器學(xué)習(xí)的建模過程，選擇相應(yīng)的腳本，創(chuàng)建一個(gè)任務(wù)壓縮包，并儲(chǔ)存起來?？梢圆榭礄C(jī)器學(xué)習(xí)建模結(jié)果，瀏覽評(píng)估指標(biāo)ROC曲線和AUC面積；可以依據(jù)自定義的評(píng)分策略做決策。

兩個(gè)數(shù)據(jù)表：一個(gè)是mysql-文件信息數(shù)據(jù)表，記錄用戶的文件信息；另一個(gè)是mysql-任務(wù)信息數(shù)據(jù)表，記錄用戶的任務(wù)壓縮包信息。

②文件系統(tǒng)

文件系統(tǒng)可以是一個(gè)服務(wù)器，也可以是一個(gè)Hadoop集群，存儲(chǔ)用戶上傳的或者執(zhí)行任務(wù)返回的結(jié)果文件。

③Zookeeper調(diào)度系統(tǒng)

基于Zookeeper分布式開源系統(tǒng)搭建的調(diào)度系統(tǒng)，用于管理用戶創(chuàng)建的機(jī)器學(xué)習(xí)任務(wù)，并對(duì)相應(yīng)的任務(wù)進(jìn)行調(diào)度。

④任務(wù)執(zhí)行集群

是一個(gè)服務(wù)器，也可以是基于Spark搭建的集群，用于執(zhí)行用戶創(chuàng)建的機(jī)器學(xué)習(xí)任務(wù)。

（2）基本架構(gòu)，如圖 3所示

圖3 平臺(tái)基本架構(gòu)

（3）基本架構(gòu)中的邏輯關(guān)系

①用戶上傳文件，增加文件信息到mysql-文件信息數(shù)據(jù)表；用戶選擇機(jī)器學(xué)習(xí)處理腳本，創(chuàng)建機(jī)器學(xué)習(xí)任務(wù)壓縮包，存儲(chǔ)任務(wù)壓縮包，增加壓縮包信息到mysql-任務(wù)信息數(shù)據(jù)表。

②Zookeeper調(diào)度系統(tǒng)掃描mysql-任務(wù)信息數(shù)據(jù)表，發(fā)現(xiàn)有未執(zhí)行的任務(wù)；根據(jù)任務(wù)相關(guān)信息從文件系統(tǒng)下載文件數(shù)據(jù)和從Web服務(wù)器下載任務(wù)壓縮包。

③Zookeeeper調(diào)度系統(tǒng)根據(jù)mysql-任務(wù)信息數(shù)據(jù)表的相關(guān)信息，安排相應(yīng)的機(jī)器學(xué)習(xí)任務(wù)包到集群執(zhí)行。

④集群執(zhí)行任務(wù)完畢，給文件系統(tǒng)返回結(jié)果文件，給調(diào)度系統(tǒng)返回任務(wù)執(zhí)行結(jié)果信息，調(diào)度系統(tǒng)更新mysql-任務(wù)信息數(shù)據(jù)表的任務(wù)相關(guān)信息。

⑤在Web界面，根據(jù)mysql-任務(wù)信息數(shù)據(jù)表和mysql-文件信息數(shù)據(jù)表查看某任務(wù)的結(jié)果，包括評(píng)估指標(biāo)ROC曲線和AUC面積等。

（4）系統(tǒng)運(yùn)行界面（見圖 4a、b、c、d、e）

網(wǎng)址：http://apple41.com:2018/。

三、建立基于大數(shù)據(jù)的教育決策優(yōu)化機(jī)制

大數(shù)據(jù)應(yīng)用于教育決策包含大數(shù)據(jù)獲取、挖掘、分析、應(yīng)用等階段，不同階段面臨著不同的挑戰(zhàn)，需要不斷地完善各階段，形成整體機(jī)制，實(shí)現(xiàn)立體化的決策支撐。

圖4 a

圖4 b

圖4 c

圖4 d

圖4 e

1.加強(qiáng)教育大數(shù)據(jù)標(biāo)準(zhǔn)建設(shè)

數(shù)據(jù)的獲取是大數(shù)據(jù)應(yīng)用的源頭，基于大數(shù)據(jù)的教育決策需要多來源、多類型的數(shù)據(jù)集合。數(shù)據(jù)的標(biāo)準(zhǔn)化、規(guī)范化是保證各教育部門數(shù)據(jù)資源共享和業(yè)務(wù)系統(tǒng)整合的關(guān)鍵，數(shù)據(jù)標(biāo)準(zhǔn)的缺失可能會(huì)導(dǎo)致數(shù)據(jù)獲取不足、數(shù)據(jù)處理錯(cuò)誤、無效信息冗余、有效信息遺漏，從而將教育決策的方向引入歧途，降低教育決策的可用性和科學(xué)性，增加教育決策的風(fēng)險(xiǎn)性。因此，制定統(tǒng)一的數(shù)據(jù)格式標(biāo)準(zhǔn)、數(shù)據(jù)采集標(biāo)準(zhǔn)和質(zhì)量標(biāo)準(zhǔn)，構(gòu)建清晰有效合理的教育數(shù)據(jù)管理戰(zhàn)略、治理機(jī)制和處理流程，保障教育數(shù)據(jù)的規(guī)范化采集與匯聚共享，保證被采集數(shù)據(jù)的有效性、一致性和準(zhǔn)確性，是開展基于大數(shù)據(jù)的教育決策工作的基礎(chǔ)和前提。

2.提高教育決策主體的數(shù)據(jù)素養(yǎng)

大數(shù)據(jù)發(fā)展對(duì)教育決策者的數(shù)據(jù)素質(zhì)提出了更高要求。一是要培養(yǎng)數(shù)據(jù)意識(shí)：決策者要“心中有數(shù)”，樹立起數(shù)據(jù)驅(qū)動(dòng)決策的管理意識(shí)，建立大數(shù)據(jù)思維，保持對(duì)數(shù)據(jù)的敏感性，認(rèn)同教育數(shù)據(jù)的價(jià)值和意義，擺脫對(duì)舊有決策習(xí)慣的路徑依賴，構(gòu)建基于大數(shù)據(jù)決策的教育行政組織文化和制度。二是要提高數(shù)據(jù)能力：能夠?qū)芾頉Q策所需要的數(shù)據(jù)進(jìn)行大致定位；能夠理解可視化數(shù)據(jù)模型等不同數(shù)據(jù)的表達(dá)形式；能夠把握數(shù)據(jù)分析結(jié)果對(duì)教育決策的具體效用；能夠通過數(shù)據(jù)處理呈現(xiàn)的結(jié)果對(duì)決策做出準(zhǔn)確判斷；能夠反思數(shù)據(jù)對(duì)決策實(shí)施的效果，形成拓展性思維。三是要樹立數(shù)據(jù)倫理觀：教育管理者應(yīng)重視數(shù)據(jù)安全與個(gè)人隱私的保護(hù)，提高數(shù)據(jù)使用的倫理道德。

3.建立教育大數(shù)據(jù)共享融合機(jī)制

大數(shù)據(jù)視角下的教育決策對(duì)數(shù)據(jù)來源提出了廣泛性和全面性的要求，因此需要消滅現(xiàn)存的條塊分割的數(shù)據(jù)孤島，對(duì)各級(jí)各類教育部門的現(xiàn)有數(shù)據(jù)信息進(jìn)行整體優(yōu)化與有效清理，實(shí)現(xiàn)數(shù)據(jù)的規(guī)范化、模塊化，打通教育部門縱向和橫向業(yè)務(wù)數(shù)據(jù)的融合渠道，為建立數(shù)據(jù)共享機(jī)制提供平臺(tái)支撐。

4.培養(yǎng)教育大數(shù)據(jù)復(fù)合型人才

教育大數(shù)據(jù)涵蓋內(nèi)容廣泛，不同的教育決策需要不同的教育數(shù)據(jù)進(jìn)行支撐，如何根據(jù)決策需求從海量數(shù)據(jù)源中判斷數(shù)據(jù)的選擇，如何將來源于各異構(gòu)數(shù)據(jù)源的數(shù)據(jù)按照預(yù)先設(shè)計(jì)好的規(guī)則進(jìn)行轉(zhuǎn)化清洗，如何借助大數(shù)據(jù)進(jìn)行數(shù)據(jù)建?；蜈厔?shì)預(yù)測(cè)分析，都迫切需要同時(shí)具有大數(shù)據(jù)領(lǐng)域和教育決策領(lǐng)域知識(shí)的復(fù)合型人才。因此，當(dāng)務(wù)之急是加快教育大數(shù)據(jù)復(fù)合型人才的引進(jìn)和培養(yǎng)，既要充分發(fā)揮高校在培養(yǎng)大數(shù)據(jù)專業(yè)人才方面的先天優(yōu)勢(shì)，合理調(diào)整教育資源分配，完善專業(yè)人才培養(yǎng)體系；同時(shí)，又要加強(qiáng)與互聯(lián)網(wǎng)公司、數(shù)據(jù)技術(shù)企業(yè)資源合作，通過聯(lián)合創(chuàng)建大數(shù)據(jù)技術(shù)研發(fā)中心及科研團(tuán)隊(duì)，快速培養(yǎng)滿足需求的教育大數(shù)據(jù)復(fù)合型人才。

5.建立健全教育大數(shù)據(jù)安全保障體系

從國(guó)家層面看，教育數(shù)據(jù)的安全性可以比肩金融數(shù)據(jù)。從個(gè)人來看，龐大規(guī)模的受教育者與教育者群體，尤其是大量未成年學(xué)生，隱私保護(hù)至關(guān)重要。因此，應(yīng)當(dāng)出臺(tái)教育大數(shù)據(jù)治理的法規(guī)條令，設(shè)立完善的教育大數(shù)據(jù)使用及監(jiān)管機(jī)制，明確政府、學(xué)校、企業(yè)和個(gè)人在數(shù)據(jù)收集、處理、共享過程中的責(zé)任和義務(wù)，明確教育數(shù)據(jù)的開放程度、開放范圍、開放對(duì)象，規(guī)范公開數(shù)據(jù)與私有數(shù)據(jù)的邊界。同時(shí)，要建立教育大數(shù)據(jù)安全保障技術(shù)體系，通過開發(fā)新的數(shù)據(jù)安全監(jiān)測(cè)工具，升級(jí)數(shù)據(jù)安全防護(hù)技術(shù)來保證數(shù)據(jù)不被竊取。在來源清晰、責(zé)權(quán)明確、應(yīng)用有序的前提下，通過數(shù)據(jù)安全法規(guī)體系和技術(shù)保障體系的雙重作用，共同維護(hù)教育大數(shù)據(jù)的信息安全，有效開展教育大數(shù)據(jù)研究與應(yīng)用。