中外教育大數(shù)據(jù)研究熱點與發(fā)展趨勢

鄭志宏 杜斌 張碩

摘 ? 要：教育大數(shù)據(jù)在教育信息化中的作用愈發(fā)凸顯，挖掘教育數(shù)據(jù)潛在價值已經(jīng)成為當前教育技術(shù)研究領域的重要課題。文章以中國知網(wǎng)（CNKI）和科學網(wǎng)（Web of Science）數(shù)據(jù)庫的期刊論文為研究對象，以Hist Cite軟件分析和內(nèi)容分析法為主要研究方法，對比國內(nèi)外教育大數(shù)據(jù)的研究熱點與發(fā)展趨勢。分析發(fā)現(xiàn)，“數(shù)據(jù)挖掘”“學習分析”等技術(shù)依然是教育大數(shù)據(jù)的技術(shù)研究熱點，“思想政治教育”“人工智能”“智慧教育”等領域是目前國內(nèi)教育大數(shù)據(jù)的熱門研究方向，我國大數(shù)據(jù)標準正在走向國際并產(chǎn)生影響。

關(guān)鍵詞：教育大數(shù)據(jù);研究熱點;發(fā)展趨勢;中國知網(wǎng);WOS

中圖分類號：G434 ? ? ? ?文獻標志碼：A ? ? ? ? 文章編號：1673-8454（2022）03-0033-08

一、研究背景與問題聚焦

大數(shù)據(jù)具有體量大（Volume）、種類多（Variety）、速度快（Velocity）[1]三類傳統(tǒng)“3V”特征，高價值（Value）[2]與真實性（Veracity）[3]被認為是其新型“2V”特征。國際電信聯(lián)盟（International Telecommunication Union，簡稱ITU）定義大數(shù)據(jù)為：一種允許可能在實時性約束條件下收集、存儲、管理、分析和可視化，具有異構(gòu)特征的大量數(shù)據(jù)集的模式。[4]教育大數(shù)據(jù)作為大數(shù)據(jù)的子集，已經(jīng)在教育領域產(chǎn)生深遠的影響。

迄今為止，教育大數(shù)據(jù)在精準化教學[5]、個性化學習[6]、教育教學評價[7]、教育研究[8]、教學改革[9]等方面都有著不同程度的應用。已有研究以不同的方式從不同的角度定義教育大數(shù)據(jù)。方海光[10]認為教育大數(shù)據(jù)是教育領域中的大數(shù)據(jù)，特指教育領域的數(shù)據(jù)集合。楊現(xiàn)民等[11]認為是整個教育活動過程中所產(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)造巨大潛在價值的數(shù)據(jù)集合。杜婧敏等[12]認為教育大數(shù)據(jù)是面向教育全過程時空的多種類型的全樣本的數(shù)據(jù)集合。孫洪濤等[13]把教育大數(shù)據(jù)定義為服務教育主體和教育過程、具有強周期性和巨大教育價值的高復雜性數(shù)據(jù)集合。

教育數(shù)據(jù)是教育信息化不可或缺的要素，教育改革中的教學、學習、評價等方面的落地與實施仍需要新思路和新方法。隨著學校信息化配套設施的全面普及，教育大數(shù)據(jù)在數(shù)據(jù)規(guī)模、數(shù)據(jù)種類、數(shù)據(jù)使用、數(shù)據(jù)存儲、數(shù)據(jù)安全等方面正對目前的教育數(shù)據(jù)應用模式提出新要求。目前，教育大數(shù)據(jù)研究發(fā)展脈絡尚未經(jīng)過系統(tǒng)性梳理，階段性發(fā)展成果與未來研究方向仍需綜述性研究來加以歸納溯源。

二、數(shù)據(jù)來源和分析方法

（一）數(shù)據(jù)來源

本研究選擇科學網(wǎng)Web of Science（WOS）核心數(shù)據(jù)庫和中國知網(wǎng)（CNKI）數(shù)據(jù)庫作為文獻檢索來源，這些文獻絕大多數(shù)發(fā)表于經(jīng)過同行評議的學術(shù)期刊和國際學術(shù)會議。在WOS上以“教育大數(shù)據(jù)（education big data）”與“教育大數(shù)據(jù)（educational big data）”為主題進行檢索，時間區(qū)間為2010—2020年，研究方向設定為“教育研究（educational research）”。對檢索到的文獻手工篩選與研究主題不相符的文獻，截止到2020年12月22日，共篩選出論文1350篇，作為外文文獻的主要數(shù)據(jù)來源。在中國知網(wǎng)數(shù)據(jù)庫中，在期刊中選擇核心期刊和CSSCI來源期刊，對教育大數(shù)據(jù)這一主題進行檢索，時間區(qū)間為2010—2020年，截止到2020年12月14日，最終獲得有效論文1051篇。

（二）研究方法

研究主要采用兩種分析方法。一是可視化法。借助Hist Cite可視化軟件生成WOS論文引文關(guān)系圖，尋找文獻中最有價值的論文完整引文關(guān)系，以此確定主要研究的論文。在Hist Cite中按照局部引用分數(shù)（local citation score，LCS，即該文獻被目前文獻列表中文獻引用的總頻次）進行排序，生成包含論文序號的關(guān)系圖，圖中圓圈代表不同的文獻，圓圈中的序號代表該文獻在數(shù)據(jù)庫中的序號，圓圈越大的文獻代表越有價值，圓圈之間由帶箭頭的線段相連，箭頭指向被引文獻。二是內(nèi)容分析法。內(nèi)容分析法通過對文獻資料包含內(nèi)容的分析，認識現(xiàn)象之間的聯(lián)系。[14]對Hist Cite給出的最有價值的論文和高被引論文進行分析，進一步探究當前研究熱點的實質(zhì)與未來趨勢。對參考文獻的引用文獻進行分析，梳理研究脈絡與發(fā)展過程。

三、研究結(jié)果分析

（一）教育大數(shù)據(jù)國內(nèi)外相關(guān)政策

世界各國都非常重視大數(shù)據(jù)技術(shù)在教育領域的應用和發(fā)展，出臺了一系列教育大數(shù)據(jù)相關(guān)的政策與發(fā)展規(guī)劃。美國于2012年發(fā)布《大數(shù)據(jù)研究和發(fā)展計劃》，提出要增強聯(lián)邦政府數(shù)據(jù)處理能力、分析能力與對經(jīng)濟社會的預測能力。[15]同年，美國國家教育部發(fā)布《通過教育數(shù)據(jù)挖掘與學習分析促進教與學》，介紹美國教育大數(shù)據(jù)應用領域、案例與挑戰(zhàn)，并明確教育大數(shù)據(jù)的主要應用方向——教育數(shù)據(jù)挖掘和學習分析。[16]美國總統(tǒng)行政辦公室于2014年發(fā)布《大數(shù)據(jù)：抓住機遇、保存價值》報告，介紹美國大數(shù)據(jù)的發(fā)展情況，對個性化學習與學習軌跡研究進行預測，并針對隱私倫理、數(shù)據(jù)開放等問題提出一系列發(fā)展計劃。2016年發(fā)布《聯(lián)邦大數(shù)據(jù)研發(fā)戰(zhàn)略計劃》，進一步提出大數(shù)據(jù)發(fā)展的七項戰(zhàn)略內(nèi)容。[17]2013年，歐盟主要國家簽署了《八國集團數(shù)據(jù)開放憲章》（G8 Open Data Charter），將教育作為數(shù)字經(jīng)濟發(fā)展的重要領域。2020年，歐盟頒布的《歐洲數(shù)據(jù)戰(zhàn)略》（A European Strategy for data）明確要保證學習機會、人員技能等方面數(shù)據(jù)的質(zhì)量，通過由歐洲議會、理事會以及歐洲職業(yè)培訓發(fā)展中心共同制定的《歐洲通行證數(shù)字證書框架》實現(xiàn)安全和可互操作的數(shù)字證書認證與頒發(fā)。[18]2013年，日本總務省頒發(fā)《平成24年版信息通信白皮書要點》，提出要發(fā)展數(shù)據(jù)分析技術(shù)，培養(yǎng)大數(shù)據(jù)專業(yè)人才。[19]2020年，韓國宣布數(shù)字化經(jīng)濟支持政策，建設大數(shù)據(jù)平臺、5G等基礎設施，促進遠程教育的發(fā)展。[20]

中國也非常重視教育大數(shù)據(jù)的發(fā)展。從2012年至今，一系列相關(guān)政策鼓勵發(fā)展大數(shù)據(jù)產(chǎn)業(yè)。國務院2015年發(fā)布的《促進大數(shù)據(jù)發(fā)展行動綱要》要求，“推動教育基礎數(shù)據(jù)的伴隨式收集和全國互通共享”“探索發(fā)展大數(shù)據(jù)對變革教育方式、促進教育公平、提升教育質(zhì)量的支撐作用”。工信部2016年出臺的《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃（2016—2020年）》提出，“促進大數(shù)據(jù)在政務、交通、教育、健康等民生領域的應用”。教育部2018年發(fā)布的《教育信息化2.0行動計劃》明確提出，“深化教育大數(shù)據(jù)應用，全面提升教育管理信息化支撐教育業(yè)務管理、政務服務、教學管理等工作的能力”。中共中央、國務院2020年發(fā)布的《深化新時代教育評價改革總體方案》提出，利用人工智能、大數(shù)據(jù)等現(xiàn)代信息技術(shù)，探索開展學生各年級學習情況全過程縱向評價、德智體美勞全要素橫向評價。

（二）教育大數(shù)據(jù)的發(fā)展階段分析

2010—2013年是教育大數(shù)據(jù)發(fā)展的萌芽階段。如圖1所示，從WOS論文引文關(guān)系可以看出，2011年與2012年各有一篇論文對教育大數(shù)據(jù)研究有重要影響，編號為74的論文是本杰明·納金加斯特（Benjamin Nagengast）等[21]對英國學生成績與學業(yè)自我概念間關(guān)系所呈現(xiàn)的大魚小池塘效應進行的研究，提出需要進行大量數(shù)據(jù)采集和對比工作。編號為122的論文使用問卷的方法對358名學生人格特質(zhì)、計算機自我效能等數(shù)據(jù)進行采集與分析，研究博客的教育用途。[22]這一階段的一些研究開始對大規(guī)模的數(shù)據(jù)進行采集與分析。其中，信息化的軟件工具是數(shù)據(jù)采集與分析的重要手段，研究的問題聚焦在某類特定數(shù)據(jù)和特定問題，嘗試通過數(shù)據(jù)間的聯(lián)系尋找問題解決方案。

在2014年，有重要影響力的論文有四篇。從這一年開始，該領域的重要研究不斷涌現(xiàn)?？梢哉f，這一年是該領域迅速發(fā)展的開端。在這一時期，教育的各個領域被大數(shù)據(jù)的價值所吸引，許多學者在不同領域提出一系列大數(shù)據(jù)的應用模式，如邁克爾·克羅斯利（Michael Crossley）[23]討論了教育政策、比較教育研究與評估方式的國際遷移（論文220），韋特西絲·克里斯托斯（Vaitsis Christos）等[24]將大數(shù)據(jù)分析與操作技術(shù)、信息、知識表示和人類認知能力結(jié)合，以改善醫(yī)學教育（論文205），雷切爾·埃拉韋（Rachel Ellaway）等[25]對數(shù)據(jù)分析和大數(shù)據(jù)技術(shù)在醫(yī)學教育的用途、問題和挑戰(zhàn)做了詳實的描述（論文238）。這一時期的教育大數(shù)據(jù)研究主要停留在理論探索階段，對大數(shù)據(jù)在教育領域的應用場景、問題、挑戰(zhàn)等問題進行了充分討論。值得注意的是，這一時期大數(shù)據(jù)在醫(yī)學教育領域的研究較為突出。

2015—2018年有24篇重要文獻發(fā)表。這四年是該領域高速發(fā)展階段。這一時期最為顯著的是編號為343、452與298的論文。論文343梳理知識發(fā)現(xiàn)與數(shù)據(jù)挖掘技術(shù)的關(guān)系，匯總大數(shù)據(jù)分析的各類挑戰(zhàn)。[26]論文452研究大數(shù)據(jù)在教育治理中的重要作用。[27]論文298承認了數(shù)據(jù)在教育中的重要性，同時也表達了對數(shù)據(jù)隱私、數(shù)據(jù)偏見、數(shù)據(jù)監(jiān)控等問題的擔憂。[28]這四年的研究主要涉及學習分析、知識發(fā)現(xiàn)、數(shù)據(jù)挖掘、數(shù)據(jù)治理、數(shù)據(jù)隱私、教學績效、MOOC等領域。值得注意的是，相比數(shù)據(jù)挖掘，更多學者選擇將注意力放在學習分析領域?？?cè)忠梅謹?shù)（total global citation score， TGCS，即該字段在目前文獻列表中發(fā)表文章被WOS數(shù)據(jù)庫中文獻引用的總頻次）也反映了這一特征。一般認為TGCS值越高，研究者對該領域的關(guān)注度越高。與學習分析相關(guān)的關(guān)鍵詞analytics（分析學）和analysis（分析）的TGCS值分別為1229和454，顯著高于數(shù)據(jù)挖掘關(guān)鍵詞mining（挖掘）的TGCS值201。也有學者指出，學習分析在技術(shù)方面日趨成熟，但是對教學的促進作用只在改善教與學方面有明顯證據(jù)作為支撐，在提升學生認知、技能發(fā)展等方面還有待進一步提升。[29]數(shù)據(jù)隱私、數(shù)據(jù)倫理問題依然被廣泛討論。[30]大家普遍承認，在數(shù)據(jù)驅(qū)動下，教學、評價與認證等過程發(fā)生了改變，教育數(shù)據(jù)將在教育政策方面發(fā)揮重要作用。

本研究將局部引用分數(shù)（LCS）設置為100，發(fā)現(xiàn)2019年的兩篇重要參考文獻——編號為1156的論文[31]與編號為1103的論文[32]，都是對學習分析的進一步研究。研究的重點也從理論框架逐步向案例分析轉(zhuǎn)變，說明學習分析正在教育領域逐步落地。如圖2所示，重要參考文獻集中在2015—2018年這一區(qū)間，2019年重要參考文獻明顯減少。對比發(fā)文量，2019年相比上年發(fā)文量有所減少，2020年相比上年發(fā)文量有明顯減少。如表1所示。

有學者曾對國內(nèi)外教育大數(shù)據(jù)的發(fā)展階段進行梳理。蔣鑫等[33]基于WOS數(shù)據(jù)庫量化分析的方法，對國際上教育大數(shù)據(jù)的發(fā)展階段進行梳理，將國際教育大數(shù)據(jù)的發(fā)展歸納為在數(shù)據(jù)挖掘技術(shù)中孕育（2002—2008年）、可行性探究（2009—2010年）、一套成熟技術(shù)模型實現(xiàn)教育決策（2011—2012年）和基于數(shù)據(jù)的個性化服務（2013—2019年）四個階段?，旣悂啞ひ临Z茲·拜格（Maria Ijaz Baig）等[34]使用統(tǒng)計的方法，將梳理的文獻進行匯總，認為2014年國際上教育大數(shù)據(jù)的研究開始流行，2017—2019年是教育大數(shù)據(jù)快速發(fā)展的階段，并且這一趨勢將會延續(xù)下去。裴瑩等對教育大數(shù)據(jù)進行可視化研究，認為在2013年，我國開始將大數(shù)據(jù)技術(shù)應用于教育領域，2014年是教育大數(shù)據(jù)研究逐漸深化的一年，這一年國外《與大數(shù)據(jù)同行——學習和教育的未來》《2014地平線報告（高等教育版）》等著作對教育產(chǎn)生深遠的影響。2015—2016年是教育大數(shù)據(jù)逐步深化與擴展階段，教育大數(shù)據(jù)研究從教育大數(shù)據(jù)內(nèi)涵、個性化教育、教育改革等領域向數(shù)據(jù)素養(yǎng)、教育決策、教學效果等領域擴展。劉鳳娟等對中國知網(wǎng)的論文進行梳理，將2009—2012年劃分為大數(shù)據(jù)在教育領域應用研究的萌芽階段，2013—2014年為起步階段。有學者從技術(shù)發(fā)展角度進行劃分，認為2012年以后，以分布式數(shù)據(jù)倉庫、海量數(shù)據(jù)存儲技術(shù)和流計算的實時數(shù)據(jù)倉庫技術(shù)為代表的最新數(shù)據(jù)存儲技術(shù)的出現(xiàn)，宣布了大數(shù)據(jù)時代的真正到來。[35]

可以看出，多數(shù)國內(nèi)學者認可2013年前后是我國教育大數(shù)據(jù)發(fā)展的關(guān)鍵時間節(jié)點。也有國內(nèi)學者指出，我國教育大數(shù)據(jù)研究相比國際的同類研究，在發(fā)展時間和研究范式方面都存在一定滯后性。

（三）教育大數(shù)據(jù)標準分析

制定教育大數(shù)據(jù)標準是解決諸多當前問題的重要途徑，相關(guān)技術(shù)標準和規(guī)范的研究是國際教育大數(shù)據(jù)研究的重要領域。在時間維度上，大數(shù)據(jù)的相關(guān)標準和規(guī)范主要在2014年以后提出。

國際標準化組織和國際電工委員會第一聯(lián)合技術(shù)委員會（ISO/IEC JTC1，以下簡稱JTC1）的多個下屬委員會（Sub-Committee，簡稱SC）參與大數(shù)據(jù)的研究工作，還設立了ISO/IEC JTC1/WG9大數(shù)據(jù)工作組（以下簡稱WG9），由JTC1直接領導，專門致力于大數(shù)據(jù)基礎性國際標準研究。在JTC1主導下，SC42制定了大數(shù)據(jù)框架和應用過程（SO/IEC TR 20547-1）、大數(shù)據(jù)用例和派生需求（SO/IEC TR 20547-2）、大數(shù)據(jù)參考體系框架（ISO/IEC 20547-3）和大數(shù)據(jù)標準路線圖（ISO/IEC TR 20547-5）等標準;SC27制定了設計大數(shù)據(jù)安全與隱私的標準（ISO/IEC 20547-4）。WG9側(cè)重研制對統(tǒng)一大數(shù)據(jù)認知、規(guī)范大數(shù)據(jù)平臺具有重要價值的基礎性標準，但WG9的標準和報告多是理論性的方法表述與參考框架，優(yōu)秀實踐、參考案例等更具可操作性的標準和技術(shù)報告是未來應該發(fā)展的方向。[36]國際電信聯(lián)盟在大數(shù)據(jù)領域也發(fā)布了大數(shù)據(jù)的技術(shù)報告。2015年，ITU-T發(fā)布《大數(shù)據(jù)——基于云計算的需求與能力標準》（編號：ITU-T Y.3600）對大數(shù)據(jù)的定義、特征、生態(tài)系統(tǒng)、功能需求等基本問題做出解釋，并設計了大數(shù)據(jù)情境模式。

IEEE大數(shù)據(jù)治理和元數(shù)據(jù)管理（IEEE BDGMM）活動由IEEE大數(shù)據(jù)倡議組織和IEEE標準協(xié)會在2017年6月聯(lián)合啟動，主要開展大數(shù)據(jù)標準化工作。研究重點是面向大數(shù)據(jù)消費者和大數(shù)據(jù)生產(chǎn)者，進行大數(shù)據(jù)治理與大數(shù)據(jù)交換工作，希望通過可器讀與可操作的基礎設施，整合不同領域異構(gòu)數(shù)據(jù)集，讓數(shù)據(jù)可發(fā)現(xiàn)、可訪問、可利用。[37]

IMS全球?qū)W習聯(lián)盟（IMS Global Learning Consortium，簡稱IMS-GLC）于2015年編制和發(fā)布了學習分析數(shù)據(jù)互操作規(guī)范——卡尺分析（Caliper Analytics，簡稱IMS-CA）。該規(guī)范旨在降低從數(shù)字化教學工具中收集分析數(shù)據(jù)的成本，保證數(shù)據(jù)的一致性。IMS還開發(fā)了許多廣受認可的教學系統(tǒng)技術(shù)標準，如學習資源元數(shù)據(jù)（LRM）、學習工具互操作性標準（LTI）、問題測試互操作性（LIS）等。[38]

我國參與教育大數(shù)據(jù)標準制定的組織有全國信標委大數(shù)據(jù)標準工作組（簡稱工作組）、全國信息技術(shù)標準化技術(shù)委員會教育技術(shù)分技術(shù)委員會（CELTSC）等。工作組在2014年正式通過涉及交易服務平臺、交易數(shù)據(jù)、數(shù)據(jù)質(zhì)量評價指標等內(nèi)容的4項國家標準。在2016、2017年，通過了包括大數(shù)據(jù)術(shù)語、系統(tǒng)通用規(guī)范、大數(shù)據(jù)存儲和處理平臺要求等內(nèi)容的19項國家標準。截止到2018年11月，CELTSC共發(fā)布4項由我國主導的國際標準，包括電子課本（ISO/IEC TR 18120）[39]、虛擬實驗（ISO/IEC TR 18121）[40]等。

（四）研究熱點分析

1.學習分析

學習分析（Learning Analytics）是指測量、收集、分析和提交關(guān)于學生和環(huán)境的數(shù)據(jù)，以理解和優(yōu)化學習和學習發(fā)生的環(huán)境。[41]一般來說，關(guān)注學習分析的主體包括政府、學校、教學者、學習者和教育相關(guān)者。政府是教育政策的制定者與推動者，政府相關(guān)人員可以獲取不同機構(gòu)的數(shù)據(jù)以支撐政策的規(guī)劃與制定、教學評估等工作。學校需要對教學進行有效協(xié)調(diào)與管理，監(jiān)控學生的畫像數(shù)據(jù)是智慧學校扁平化管理教學過程、監(jiān)控教學結(jié)果的有效方法，學?？梢苑治鰩熒慕换?shù)據(jù)，以輔助制定新政策。教師作為教學的實際參與者與學習的引導者，及時掌控學習分析結(jié)果，對教師及時調(diào)整教學策略、進行有效的教學干預具有積極作用。學生是學習的主體，學習分析可以及時反饋學生的數(shù)據(jù)分析結(jié)果，尋求當前認知與學習目標的差距。有研究認為：教育大數(shù)據(jù)便捷的收集方式和嵌入型的應用讓大數(shù)據(jù)分析成為可能，教育大數(shù)據(jù)正從概念和模型驗證階段逐步走向應用落地階段。[42]學習分析在教育領域的實踐正是大數(shù)據(jù)向應用落地的途徑之一。評價、精準教學和個性化學習是教育大數(shù)據(jù)的關(guān)鍵研究領域，模型驅(qū)動的數(shù)據(jù)分析方法正在迅速發(fā)展，以指導算法的開發(fā)、解釋和驗證。

2.教育數(shù)據(jù)治理

自“推進國家治理體系和治理能力現(xiàn)代化”提出以來，治理和教育治理遂成為公共政策話語，并引發(fā)研究升溫。[43]數(shù)據(jù)治理是對數(shù)據(jù)資產(chǎn)管理行使權(quán)力和控制的活動集合。教育數(shù)據(jù)治理正在通過各種數(shù)字政策工具來輔助教育政策落地與實施。教育數(shù)據(jù)治理需要一定的公共政策工具，如先行的國際評估指標、質(zhì)量標準和比較基準等。[27]在技術(shù)層面，教育數(shù)據(jù)治理所涉及的軟件、代碼、算法等需要契合公共政策工具的實際要求，二者的有效結(jié)合才能讓教育數(shù)據(jù)治理變得現(xiàn)實，被大家普遍接受。教育數(shù)據(jù)治理還意味著數(shù)據(jù)的實時收集與自動分析，最后形成的報告是個性化的結(jié)果與未來決策的概率預測。在現(xiàn)有研究中，學習分析與教育數(shù)據(jù)治理系統(tǒng)相結(jié)合的案例還比較少，很明顯這一領域還有很高的價值值得挖掘。

3.可視化分析

可視化分析是理解教育大數(shù)據(jù)、尋找數(shù)據(jù)間聯(lián)系、最大化數(shù)據(jù)價值的重要方法。一般認為，在數(shù)據(jù)可視化之前，要經(jīng)過數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)清洗、數(shù)據(jù)存儲、數(shù)據(jù)處理，最終實現(xiàn)數(shù)據(jù)的可視化。目前有五種主流的大數(shù)據(jù)可視化表示方法，包括文本數(shù)據(jù)可視化、多維數(shù)據(jù)可視化、網(wǎng)絡數(shù)據(jù)可視化、時間序列數(shù)據(jù)可視化以及地理空間數(shù)據(jù)可視化。[44] 面向不同的服務對象，教育大數(shù)據(jù)可視化具備不同的價值。對于教育管理者而言，數(shù)據(jù)可視化可以呈現(xiàn)不同維度的數(shù)據(jù)結(jié)果，為教育決策提供支持。對于教學者而言，數(shù)據(jù)可視化可以建立學生能力與教學目標間的聯(lián)系，完善課程體系。韋特西絲·克里斯托斯（Vaitsis Christos）等[24]探索借助視覺分析的優(yōu)勢，將大數(shù)據(jù)分析與操作技術(shù)、信息、知識表示和人類認知能力結(jié)合，建立學生能力與教學目標之間的聯(lián)系，形成三個不同層次的課程體系。對于學習者而言，數(shù)據(jù)可視化可以降低學習的認知負荷，促進學生元認知發(fā)展。對課程、教學目標等數(shù)據(jù)進行可視化分析，可以輔助學生進行自主學習，激發(fā)學生學習的內(nèi)在驅(qū)動力。

四、研究總結(jié)與趨勢展望

本文基于中國知網(wǎng)和WOS數(shù)據(jù)庫，使用Hist Cite軟件和內(nèi)容分析法對2010—2020年教育大數(shù)據(jù)的研究現(xiàn)狀、發(fā)展脈絡、研究熱點和趨勢進行分析?；贚CS值與GCS值對文獻進行文獻分析與脈絡梳理，形成以下結(jié)論。

第一，從各國大數(shù)據(jù)相關(guān)政策來看，2012年，各國開始重視大數(shù)據(jù)的發(fā)展并出臺相應政策。在政策導向上，先對大數(shù)據(jù)產(chǎn)業(yè)進行布局，推動大數(shù)據(jù)技術(shù)發(fā)展，再逐步往教育領域延伸。

第二，從文獻發(fā)表時間來看，教育大數(shù)據(jù)的發(fā)展大致分為三個階段。2010—2013年是教育大數(shù)據(jù)發(fā)展的萌芽階段;2014年是教育大數(shù)據(jù)研究的關(guān)鍵之年，這一年有多篇重要文獻發(fā)表;2014—2018年是高速發(fā)展階段，諸多重要研究發(fā)表于這一時期;2019年至今是研究細化階段，這一時期的研究從學習分析和數(shù)據(jù)挖掘逐步向更細化的領域發(fā)展。

第三，從標準研究來看，大數(shù)據(jù)的術(shù)語、框架、安全隱私等標準已經(jīng)建立，之前教育領域的相關(guān)標準也被后來制定的標準所參考，不同標準組織之間對大數(shù)據(jù)研究的側(cè)重點不同。我國大數(shù)據(jù)標準和教育大數(shù)據(jù)標準逐漸走向國際化，越來越多的國家標準在影響國際標準的制定。

第四，學習分析是教育大數(shù)據(jù)研究的熱點，也是未來研究的重要方向。數(shù)據(jù)挖掘、數(shù)據(jù)治理、可視化分析、數(shù)據(jù)隱私等依然是當前研究的熱點。有幾個趨勢轉(zhuǎn)變不得不重視：研究重心正逐步從理論研究向案例支撐的實證研究轉(zhuǎn)變，越來越多的文獻有實際案例作為支撐;學習分析研究正在細化，更加關(guān)注具體問題和特定場景。

參考文獻：

[1]DRINGUS L P. Learning analytics considered harmful[J]. Journal of Asynchronous Learning Networks， 2012，16（3）：87-100.

[2]BARWICK H. The “four Vs” of big data. Implementing information infrastructure symposium[EB/OL]. （2012-10-02）[2021-10-03]. http：//www.computerworld.com.au/article/396198/ iiis_four_vs_ big_data/.

[3]GOES P B. Design science research in top information systems journals[J]. MIS Quarterly：Managemen Information Systems， 2014， 38（1）：3-8.

[4]ITU-T Recommendations. Big data-cloud computing based requirements and capabilities[EB/OL]. https：//www.itu.int/ITU-T/recommendations/rec.aspx？rec=12584&lang=en.

[5]王亞飛，李琳，李艷.大數(shù)據(jù)精準教學技術(shù)框架研究[J].現(xiàn)代教育技術(shù)，2018，28（7）：5-10.

[6]姜強，趙蔚，王朋嬌，等.基于大數(shù)據(jù)的個性化自適應在線學習分析模型及實現(xiàn)[J].中國電化教育，2015（1）：85-92.

[7]李葆萍，周穎.基于大數(shù)據(jù)的教學評價研究[J].現(xiàn)代教育技術(shù)，2016，26（6）：5-12.

[8]祝智庭，沈德梅.基于大數(shù)據(jù)的教育技術(shù)研究新范式[J].電化教育研究，2013，34（10）：5-13.

[9]湯天甜，冉楨.新聞傳播人才培養(yǎng)模式創(chuàng)新與教學改革研究——基于大數(shù)據(jù)背景[J].西南交通大學學報（社會科學版），2017，18（3）：8-14.

[10]方海光.教育大數(shù)據(jù)——邁向共建、共享、開放、個性的未來教育[M].北京：機械工業(yè)出版社，2017：17.

[11]楊現(xiàn)民，唐斯斯，李冀紅.發(fā)展教育大數(shù)據(jù)：內(nèi)涵、價值和挑戰(zhàn)[J].現(xiàn)代遠程教育研究，2016（1）：50-61.

[12]杜婧敏，方海光，李維楊，等.教育大數(shù)據(jù)研究綜述[J].中國教育信息化，2016（19）：1-4.

[13]孫洪濤，鄭勤華.教育大數(shù)據(jù)的核心技術(shù)、應用現(xiàn)狀與發(fā)展趨勢[J].遠程教育雜志，2016，34（5）：41-49.

[14]林崇德，姜璐，王德勝.中國成人教育百科全書：社會·歷史[M].海口：南海出版公司，1994：597.

[15]郎楊琴，孔麗華.美國發(fā)布“大數(shù)據(jù)的研究和發(fā)展計劃”[J].科研信息化技術(shù)與應用，2012，3（2）：89-93.

[16]徐鵬，王以寧，劉艷華，等.大數(shù)據(jù)視角分析學習變革——美國《通過教育數(shù)據(jù)挖掘和學習分析促進教與學》報告解讀及啟示[J].遠程教育雜志，2013，31（6）：11-17.

[17]田倩飛.美國發(fā)布聯(lián)邦大數(shù)據(jù)研發(fā)戰(zhàn)略計劃[J].科研信息化技術(shù)與應用，2016，7（4）：95-96.

[18]CIE智庫.《歐洲數(shù)據(jù)戰(zhàn)略》全譯[EB/OL].（2020-03- 17）[2021-10-03]. http：//www.cbdio.com/BigData/2020-03/17/ content_6155128.htm.

[19]日本總務省.2012年信息與通信白皮書要點[EB/OL].（2012-07-17）[2021-10-03]. https：//www.soumu.go.jp/johotsusintokei/whitepaper/ja/h24/index.html.

[20]人民網(wǎng).韓國宣布數(shù)字化經(jīng)濟支持政策[EB/OL].（2020-06-18）[2021-10-03]. http：//finance.people.com.cn/n1/ 2020/0618/c1004- 31750934.html.

[21]BENJAMIN NAGENGAST， HERBERT W MARSH. The negative effect of school-average ability on science self-concept in the UK， the UK countries and the world： the big-fish-little-pond-effect for PISA 2006[J]. Educational Psychology， 2011， 31（5）：629-656.

[22]WANG Y S， LIN H H， LIAO Y W. Investigating the individual difference antecedents of perceived enjoyment in students’ use of blogging[J]. British Journal of Educational Technology， 2012， 43： 139-152.

[23]CROSSLEY M. Global league tables， big data and the international transfer of educational research modalities[J]. Comparative Education， 2014， 50（1）：15-26.

[24]VAITSIS C， NILSSON G， ZARY N. Big data in medical informatics： improving education through visual analytics[A]. e-Health for Continuity of Care[C]. IOS Press， 2014：1163-1167.

[25]ELLAWAY R H， PUSIC M V， GALBRAITH R M， et al. Developing the role of big data and analytics in health professional education[J]. Medical Teacher， 2014， 36（3）：216-222.

[26]DANIEL BEN. Big data and analytics in higher education： opportunities and challenges[J]. British Journal of Educational Technology， 2015：904-920.

[27]WILLIAMSON BEN. Digital education governance： data visualization， predictive analytics， and “real-time” policy instruments[J]. Journal of Education Policy， 2015， 31（2）：1-19.

[28]NEIL SELWYN. Data entry： towards the critical study of digital data and education[J]. Learning， Media and Technology， 2015， 40（1）：64-82.

[29]OLGA V， MATHIAS H， OLOF B， et al. The current landscape of learning analytics in higher education[J]. Computers in Human Behavior， 2018， 89（DEC.）：98-110.

[30]RUBEL A， JONES K M L. Student privacy in learning analytics： an information ethics perspective[J]. Information Society， 2016， 32（2）：143-159.

[31]PRINSLOO P. A social cartography of analytics in education as performative politics[J]. British Journal of Educational Technology， 2019， 50（6）：2810-2823.

[32]CANTABELLA M， et al. Analysis of student behavior in learning management systems through a big data framework[J]. Future Generation Computer Systems， 2019， 90：262-272.

[33]蔣鑫，洪明.國際教育大數(shù)據(jù)研究的熱點、前沿和趨勢——基于WOS數(shù)據(jù)庫的量化分析[J].中國遠程教育，2019（2）：26-38.

[34]BAIG M I， SHUIB L， YADEGARIDEHKORDI E. Big data in education： a state of the art， limitations， and future research directions[J]. International Journal of Educational Technology in Higher Education， 2020，17：44.

[35]吳南中.教育大數(shù)據(jù)應用于MOOC的資源開發(fā)范式研究[J].中國遠程教育，2015（8）：23-29，79.

[36]光亮，張群.ISO/IEC JTC1/WG9大數(shù)據(jù)國際標準研究及對中國大數(shù)據(jù)標準化的影響[J].大數(shù)據(jù)，2017，3（4）：20-28.

[37]IEEE.IEEE大數(shù)據(jù)治理和元數(shù)據(jù)管理（BDGMM）[EB/OL].IEEE，2017. https：//standards.ieee.org/industry-connections/BDGMM-index.html.

[38]肖君.教育大數(shù)據(jù)（大數(shù)據(jù)技術(shù)與應用）[M].上海：上?？茖W技術(shù)出版社，2020：62-64.

[39]ISO. ISO/IEC TR 18120：2016 學習，教育和培訓—教育中對電子教科書的要求[DB/OL].（2015-12）[2021-10-03].https：//www.iso.org/standard/61510.html.

[40]ISO. ISO/IEC TR 18121：2015 教育和培訓—虛擬實驗框架[DB/OL].（2015-12）[2021-10-03]https：//www.iso.org/ standard/61511.html.

[41]SIEMENS G， LONG P. Penetrating the fog： analytics in learning and education[J]. Educause Review， 2011， 22（3）：132-137.

[42]LUAN H， GECZY P， LAI H， et al. Challenges and future directions of big data and artificial intelligence in education[J]. Frontiers in Psychology， 2020，11：580820.

[43]褚宏啟.教育治理：以共治求善治[J].教育研究，2014，35（10）：4-11.

[44]鄭婭峰，趙亞寧，白雪，等.教育大數(shù)據(jù)可視化研究綜述[J].計算機科學與探索，2021，15（3）：403-422.

作者簡介：

鄭志宏，首都師范大學教育學院;

杜斌，北京市東城區(qū)智慧教育研究中心主任;

張碩，北京市東城區(qū)智慧教育研究中心數(shù)據(jù)管理部主任;

方海光，首都師范大學教育學院教授、通訊作者，郵箱：fanghg2013@163.com。

Research Hotspots and Development Trends of Educational Big Data：

Based on the Andysis Data Base CNKI and WOS’s from 2010 to 2020

Zhihong ZHENG1， Bin DU2， Shuo ZHANG2， Haiguang FANG1*

（1.College of Education， Capital Normal University， Beijing 100048;

2.Beijing Dongcheng Intelligent Education Research Center， Beijing 100010）

Abstract： The role of educational big data in education informatization is becoming more prominent， and digging the potential value of educational data has become an important topic in current educational technology research. This research takes journal articles from databases of CNKI and Web of Science， using Hist Cite software analysis and content analysis as the main research methods to compare the research hotspots and development trends of education big data at home and abroad. The analysis found that big data technologies such as “data mining” and “l(fā)earning analysis” are still hotspots in the technical research of education. Research fields such as “ideological and political education”， “artificial intelligence”， and “smart education”， are currently focused on by domestic education. The China’s standards for big data has gradually become recognized internationally， with its influence noticeable on the international arena.

Keywords： Big data in education; Research focus; Development trend; CNKI; Web of science

編輯：王天鵬 ? 校對：王曉明