篇一：大数据时代主流的教学范式
《中小学教师数据素养》题库及答案
《中小学教师数据素养》之一：教育大数据基础认知
一、单选题（共
5题，每题
4分）
1、教育大数据来源包括___。
①在教学活动过程中直接产生的数据
②是在教育管理活动中采集到的数据
③在科学研究活动中采集到的数据
④在校园生活中产生的数据
A①②③
B①②③④
C②③④
D①②④
2、_____有望超越计算辅助教学，逐步成为大数据时代主流的教学范式。
A.经验模仿教学
B.计算机辅助教学
C.数据驱动教学
D.纸笔教学
3、教育大数据的来源可以概括为____两大类。
A.教师和学生
B.作业和考试
C.人和物
D.学校和社会
4、下列那一选项不属于教育大数据主流分析方法？（A.描述性分析
B.诊断性分析
C.预测性分析
D.处方性分析
5.适应性学习模型的“一引擎+四模型”中，“一引擎”指的是______。
A.呈现引擎
B.自适应引擎
C.可视化引擎
D.行为分析引擎
二、多选题（共
5题，每题
6分）
6、从持续性和规范性的角度来看，教育大数据的采集需要秉承（）的理念。
A．小颗粒汇聚大数据
B.大数据汇聚大价值
C.持续创造价值
D.规范提升价值
7、教育决策的系统框架包括（）
A、数据采集层
B、数据存储层
C、应用服务层
D、展示呈现层
8、知识追踪模型的参数有哪些？（）
A.猜测概率
B.学习概率
C.失误概率
D.初始概率
9、教学范式
3.0的核心特征有（）
A、科学化
B、精准化
C、智能化
D、个性化
10、下列哪些数据可以算作基础教育数据（）
A、师生基本信息数据
B、课业测试与作业数据
C、校园实录数据
D、课程资源数据
三、填空题（共
6题，每题
5分）
11、这里的教育是“大教育”的概念，具有全员、全程、______特点。
12、教育大数据之“大”并非指数量之大，而是强调______之大
13、教育数据可以分为四层，由内到外分别是基础层、状态层、资源层和______。
14、根据教育数据的来源与范围，将其分成五层架构，从下向上汇聚各种教育数据，分别是______、课程层教育数据、学校层教育数据、区域层教育数据、国家层教育数据。
15、教育大数据的最终价值应体现在与教育主流业务的深度融合以及持续推动教育系统的智慧化变革上，具体表现在驱动教育管理科学化、驱动教学模式改革、驱动个性化学习真正实现、驱动教育评价体系重构、______、驱动教育服务更具人性化。
16、总的来说，从农业时代开始，教学范式分别经历了经验模仿
教学、计算机辅助教学转向、______三个阶段。
四、判断题（共
4题，每题
5分）
17、教育大数据是指整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合。（）
18、教育数据采集的重心将向非结构化的、过程性的数据转变，此类数据主要位于“冰面以上”，具有难测量、隐性化等特点。这些数据无论从数量上、增长速度上、还是潜在的价值上，都将远远超越传统的教育数据。（）
19、大数据促使教育决策实现了从模糊到清晰，从猜测到证据，从冒险到保险的三转向。（）
20、教育大数据要能服务教育发展，具有教育目的性。(）
答案解析
单选题
1.正确答案：B2.正确答案：C3.正确答案：C4.正确答案：D5.正确答案：B多选题
6.正确答案：CD7.正确答案：ABCD8.正确答案：ABCD9.正确答案：ABCD10.ABCD正确答案：ABCD将字体设置为其他颜色即可显示答案
填空题
11.正确答案：全方位
12.正确答案：价值
13.正确答案：行为层
14.正确答案：个体层教育数据
15.正确答案
科学研究
16.正确答案：数据驱动
判断题
17.正确答案：√
18.正确答案：×
19.正确答案：√
20.正确答案：√
《中小学教师数据素养》之二：
教师数据素养内涵、动态与框架（含答案）
一、单选题（共9题，每题6分）
1.数据素养的面向对象是（）。
A.数据B.知识C.人D.信息
2.信息素养的概念最早在（）年由美国信息产业协会主席PaulZurkowski提出。
A.1973B.1974C.1975D.19763.教师数据素养是指教师能够对不同类型、不同来源的（）进行定位、获取、处理与分析。
A.教学数据B.学习数据C.教育数据D.课堂数据
4.美国教师数据素养的发展脉络大致分为四个阶段：萌芽期、起
D、思维方法层
9.（）是教师提升数据素养的先决条件。
A、基础知识B、意识态度C、核心技能D、思维方法
二、多选题（共5题，每题8分）
10.数据素养的构成要素有：（）。
A.数据意识
B.数据能力
C.数据知识
D.数据伦理道德
E.数据思维
11.中小学教师数据素养框架包括哪几层（）。
A.思维方法层
B.教学实践层
C.核心技能层
D.基础知识层
E.意识态度层
12.为保证教师数据素养的有效提升，需要协同（）、区域、（）以及（）等各方力量，共同促进教师数据素养水平的提升。
A.社会
B.政府
C.学校
D.教师
E.家庭
13．在中小学教师数据素养金字塔模型中，思维方法层主要包含
（）。
A、数据量化思维
B、数据关联思维
C、数据驱动思维
D、数据反馈思维
14.利用大数据，教师在课前可以（）。
A、采集学生预习数据
B、进行学情分析
C、精准定位教学目标和重难点
D、进行教学反思
三、判断题（共2题，每题3分）
15.数据素养可以看做信息素养的一部分，数据素养和信息素养没有区别。（）
16.核心技能层主要是指教师对教育数据的实际操作能力，核心技能是教师数据素养能力的体现，是发展评价教师数据素养的关键指标。（）
参考答案
单选题
1.正确答案：A2.正确答案：B3.正确答案：C4.正确答案：B5.正确答案：C6.正确答案：A将字体设置为其他颜色即可显示答案
7.正确答案：A8.正确答案：D9.正确答案：B多选题
10.正确答案：ABD11.正确答案：ACDE12.正确答案：BCD13.正确答案：ABCD14.正确答案：ABC判断题
14．正确答案：×
《中小学教师数据素养》之三：教育数据的处理与分析
一、单选题（共4题，每题10分）
1.描述统计分析中相关系数值为0.7，表示二者之间的相关性为（）
A微相关B低度相关C显著相关D高度相关
2.下列哪个软件不是常用的教育数据挖掘工具
（）
AWekaBOrangeCTableauDEchart3.在独立样本t检验中（置信区间为95%），若Sig值小于0.05，大于0.01，则说明显著性水平为____？（）
A.极其显著
B.显著
C.不显著
D.弱显著
《中小学教师数据素养》之三答案
单选题
1.正确答案：C2.正确答案：D3.正确答案：B4.正确答案：B多选题
5.正确答案：ABCD6.正确答案：CD7.正确答案：ABCD填空题
8.正确答案：0.059.正确答案：相关系数
10.正确答案：×
将字体设置为其他颜色即可显示答案
《中小学教师数据素养》之四：教育数据可视化
一、单选题（共4题，每题
7分）
1.“一图胜千言”是指数据图表能够将大量的数据以（）的形式呈现出所要表达的信息，方便用户对数据进行进一步的分析与应用。
A直观
B关联
C艺术
D交互
2.柱形图、饼图、散点图属于（）
A拓展类图表
B基础类图表
C特殊图表
D复杂图表
3.（）是以宽度相等的条形高度的差异来显示统计指标数值多少或大小的一种图形，在教育教学中可以对学生成绩、阅读时间、运动时间、迟到违纪次数、课上问题回答次数等进行可视化呈现。
A折线图
B饼图
C柱形图
D散点图
4.（）主要用来显示数据系列中各个项目与项目总和之间的比例关系，其特点是表示部分在总体中的百分比。
A柱形图
B折线图
C雷达图
D饼图
二、多选题（共
2题，每题
10分）
5.下列哪些可以用做数据可视化软件（）
AExcelB图表秀
CPowerBIDECharts
6.教育数据可视化的价值主要有（）
A、辅助学习分析，优化教学环节
B、支持客观诊断，完善教育评价
C、帮助实现更好的记忆效果
D、协助监测预警，支持管理决策
三、填空题（共
1题，每题
6分）
7.教育数据可视化的四大特征包括直观化、（）、艺术化、交互性。
四、判断题（共
1题，每题
6分）
8.数据可视化就是各种统计图表。（）
参考答案
单选题
1.正确答案：A2.正确答案：B3.正确答案：C将字体设置为4.正确答案：D其他颜色即可多选题
显示答案
5.正确答案：ABCD6.正确答案：ABD填空题
7.正确答案：关联化
判断题
8.正确答案：×
《中小学教师数据素养》之五：
教育数据意识、伦理与思维（含答案）
一、单选题（共4题，每题5分）
1.2016年欧盟颁布的（）法案，旨在加强对自然人的数据保护，并一统此前欧盟内零散的个人数据保护规则。
A.《一般数据保护条例
》
B.《联邦数据保护法》
C.《隐私法案》
D.《开放数据白皮书》
2.关于《中华人民共和国网络安全法》描述错误的是（）
A.《中华人民共和国网络安全法》于2017年1月1日起施行。
B.《中华人民共和国网络安全法》旨在保障网络安全，维护网络空间主权和国家安全、社会公共利益，保护公民、法人和其他组织的合法权益，促进经济社会信息化健康发展。
C.《中华人民共和国网络安全法》是我国第一部全面规范网络空间安全管理方面问题的基础性法律。
D.《中华人民共和国网络安全法》是我国网络空间法治建设的重要里程碑，是依法治网、化解网络风险的法律重器，是让互联网在法治轨道上健康运行的重要保障。
3.
下列哪一选项不属于大数据可能带来的伦理问题？（）
A．隐私泄露
B．信息安全
C．数据鸿沟
D．优化决策
4.教育数据意识的核心是______。（）
A.教育数据采集意识
B.教育数据观
C.教育数据隐私意识
D.教育数据分析素养
二、多选题（共7题，每题8分）
5.教育数据意识包含哪几方面要素（）
A.数据价值意识
B.数据获取意识
C.数据安全意识
D.数据应用意识
E.数据开放意识
6.教育数据意识的培养途径有哪些（）
A.阅读有关教育大数据的相关文献资料
B.参加专题培训
C.开展数据驱动教学实践
D.与别人分享学生各种数据
7.教育数据伦理有哪些潜在的威胁（）
A.隐私泄露对人格尊严的侵害
B.过往数据对个体发展的束缚
C.数据主导决策对学业进步的禁锢
8.教育数据思维包含哪些特征（）
A.关联性思考
B.基于经验的决策
C.数据结果的辩证审视
D.数据的价值创造
9.教育数据思维包含哪些要素（）
A.数据量化思维
B.数据关联思维
C.数据驱动思维
D.数据反馈思维
10.教育数据伦理的分析框架包括（）
A、价值B、利益C、时间D、情境
11.教育数据意识的内涵是________。（）
A.教育数据意识是顺应数据驱动教学时代的必然要求
B.教育数据意识是开展数据驱动教学实践的基本前提
C.教育数据意识是提升学生成绩的首要能力
D.教育数据意识是提升教师数据素养的先决条件
三、判断题（共4题，每题6分）
12.教育数据意识的核心是教育数据观，即对教育数据的整体看法和认识。（）
13.2012年，英国发布的《开放数据白皮书》要求将开放数据划分为大数据和个人数据，规定大数据和个人数据都可以对所有人开放（）
14.遵守数据伦理是每个公民的责任，对于我们教师而言，要合理、合法地使用学生的数据，保障学生数据隐私不被泄。（）
15.数据意识和信息意识所针对的对象不同，信息意识的对象是原始的数据，数据意识的对象是有意义的数据。（）
参考答案
单选题
1.正确答案：A
2.正确答案：A
3.正确答案：D
4.正确答案：B
多选题
5.正确答案：ABCDE
6.正确答案：ABC
7.正确答案：ABC
8.正确答案：ABCD
9.正确答案：ABCD
10.正确答案：ABCD
11.正确答案：ABD
判断题
12.正确答案：√
13.正确答案：×
14.正确答案：√
15.正确答案：×
将字体设置为其他颜色即可显示答案
《中小学教师数据素养》之六：
教师数据素养提升案例实训
一、单选题（共2题，每题10分）
1.数据的价值不包含以下哪项（）。
A帮助管理者精准定位
B提升集体教研时效性
C提高师生互动的频率
D提高课堂教学精准性
2.在分析PAD学生视力变化与普通班是否具有明显差异，需使用（）
A离散系数
B独立样本T检验
C单样本T检验
D成对样本T检验
二、判断题（共4题，每题10分）
3.用excel可以分析2个指标的是否存在相关性。（）
4.excel表格中的折线图X轴、Y轴起始点数据不可设置。（）
5.案例中PAD学生视力与普通版学生相比具有显著差异。（）
6.学业成绩分析报告中，离散系数越小，说明成绩越集中，反之成绩越分散。（）
《中小学教师数据素养》之六答案
单选题
1.正确答案：C2.正确答案：B判断题
3.正确答案：√
4.正确答案：×
5.正确答案：×
6.正确答案：√
将字体设置为其他颜色即可显示答案
《中小学教师数据素养》课程期末考试题及参考答案
一、单选。
1、柱形图、饼图、散点图属于(基础类图表)。
2、教育大数据的“大”指的是（价值）。
3、（意识态度）是教师提升数据素养的先决条件。
4、（优化决策）不属于大数据可能带来的伦理问题。
5、在中小学教师数据素养金字塔模型中，(思维方法层)是对教师发展教师数据素养的高阶要求，意在培养教师数据驱动教学的意识，形成基于数据发现问题、解决问题的教育理念，对教师提升数据素养水平意义重大。
6、试卷的效度是衡量(考试是否考了要考的内容,是否达到其预定目的)的指标。
7、在独立样本[检验中(置信区间为93%)，若Sig值小于0.05，大于0.02，则说明显著性水平为(显著)。
二、多项选择。
8、教育大数据来源包括(①在教学活动过程中直接产生的数据②是在教育管理活动中采集到的数据③在科学研究活动中采集到的数据④在校园生活中产生的数据)。
9、在中小学教师数据素养金字塔模型中，思维方法层主要包含(数据驱动思维
、数据量化思维、数据反馈思维、数据关联思维)。
10、下列哪些可以用做数据可视化软件(.图表秀、ECharts、Excel、PowerBI)11、利用大数据，教师在课前可以(采集学生预习数据、进行学情分析、精准定位教学目标和重难点)。
12、教育数据伦理的分析框架包括(情境、价值、利益、时间)13、下列哪些数据可以算作基础教育数据(师生基本信息数据、课程资源数据、校园实录数据、课业测试与作业数据)14、教育决策的系统框架包括(数据存储层、展示呈现层、应用服务层、数据采集层)。
15、衡量数据离散程度的指标有哪些?(标准差、方差)。
三、填空题。
16、在中小学教师数据素养金字塔模型中，意识态度层主要包含教师数据意识和
教育数据伦理。
17、要评判深度学习是否发生，应该从知识、能力思维层面和情感层面三个层面进行分析。
18、填空(5分)教育数据可视化的四大特征包括直观化、__关联化____、艺术化、交互性。
19填空(5分)教育数据可以分为四层，由内到外分别是基础层、状态层、资源层和行为层。
20、在非等幅振荡曲线中，最大值不一定等于_峰值。
四、判断题。
21、核心技能层主更是指教师对教育数据的实际操作能力，核心技能是教师数据素养能力
（√）的体现，是发展评价教师数据素养的关键指标。
21、数据素养可以看做信息素养的一部分，数据素养和信息素养没有区别。（X）
22、数据可视化就是各种统计图表。（X）
23、大数据促使教育决策实现了从模糊到清晰，从猜测到证据，从冒险到保险的三转向。
（√）
24、在未知全班英语成绩和数学成绩平均分的情况下，某学生的英语成绩为90分，数学成绩为80分，即说明其英语水平高于数学水平。
（X）
26教育大数据要能服务教育发展，具有教育目的性。
（√）
27、数据意识和信息意识所针对的对象不同，信息意识的对象是原始的数据，数据意识的对象是有意义的数据。
（X）
《中小学教师数据素养》课程期末考试（全）
本次期末考试限时60分钟，满分100分。其中，单选题5道,每题5分；多选题5道，每题5分;判断题5道，每题5分；填空题5道，每题5分。请在规定时间内完成题目作答，只有一次作答机会。
单送(5分)“一图胜千言”是指数据图表能够将大量的数据以()的形式呈现出所要表达的信
息，方便用户对数据进行进一步的分析与应用。
◎A.交互
◎B.艺术
●C.直观
◎D.关联
1单选(5分)柱形图、饼图、散点图属于()◎A.拓展类图表
◎B.复杂图表
◎C.基础类图表
◎D.特殊图表
2单选(5分)在中小学教师数据素养金字塔模型中，()是对教师发展教师数据素养的高阶要求，意在培养教师数据驱动教学的意识，形成基于数据发现问题、解决问题的教育理念，对教师提升数据素养水平意义重大。
●A.思维方法层
◎B.基础知识层
◎C.核心技能层
◎D.意识态度层
3单选(5分)()是教师提升数据素养的先决条件。
◎A.核心技能.●B.意识态度
◎C.思维方法
◎D.基础知识
4单选(5分)下列哪一选项不属于大数据可能带来的伦理问题?()◎A.隐私泄露
◎B.数据鸿沟
◎C.信息安全
●D.优化决策
4单选(5分)试卷的效度是衡量()的指标。
A.试卷难易程度
B.使用同-试卷对考生重复测验时，或两个平行试卷对考生测验时，所得测验分数的一
致性和稳定性程度。
C.考试是否考了要考的内容,是否达到其预定目的。
D.考试卷目对考生心理特征的区分能力
5单选(5分)教育大数据来源包括()。
①在教学活动过程中直接产生的数据
②是在教育管理活动中采集到的数据
③在科学研究活动中采集到的数据
④在校园生活中产生的数据
◎A.①②④
◎B.①②③
●C.①②③④
◎D.②③④
5单选(5分)在独立样本[检验中(置信区间为95%)，若Sig值小于0.05，大于0.01，则说明显著性水平为()?●A.显著
◎B.弱显著
◎C.极其显著
◎D.不显著
5单选(5分)教育大数据之“大”主要是强调()之大。
A.价值
B.种类
C.结构
D.数量
6多选(5分)在中小学教师数据素养金字塔模型中，思维方法层主要包含()■A.数据驱动思维
■B.数据量化思维
■C.数据关联思维
■D.数据反馈思维
6多选(5分)利用大数据，教师在课前可以()口A.进行教学反思
■B.采集学生预习数据
■C.进行学情分析
■D.精准定位教学目标和重难点
7多选|(5分)下列哪些可以用做数据可视化软件()■A.图表秀
■B.ECharts■C.Excel.■D.PowerBI8售多选(5分)下列哪些数据可以算作基础教育数据()■A.师生基本信息数据
■B.课程资源数据
■C.校园实录数据
■D.课业测试与作业数据
9多选(5分)教育数据伦理的分析框架包括()■A.情境
■B.价值
■C.利益
■D.时间
9多选(5分)教育决策的系统框架包括()■A.数据存储层
■B.展示呈现层
■C.应用服务层
■D.数据采集层
10[多选(5分)衡量数据离散程度的指标有哪些?()■A.标准差.口B.中位数
■C.方差
口D.平均数
11判断(5分)（对）核心技能层主更是指教师对教育数据的实际操作能力，核心
技能是教师数据素养能力
的体现，是发展评价教师数据素养的关键指标。
11判断(5分)（错）数据素养可以看做信息素养的一部分，数据素养和信息素养没有区别。
12判断(5分)（错）数据可视化就是各种统计图表。
12判断(5分)（对）大数据促使教育决策实现了从模糊到清晰，从猜测到证据，从冒险到保险的三转向。
13判断(5分)（错）在未知全班英语成绩和数学成绩平均分的情况下，某学生的英语成绩为90分，数学成绩为80分，即说明其英语水平高于数学水平。
14判断(5分)（对）教育大数据要能服务教育发展，具有教育目的性。
15判断(5分)（错）数据意识和信息意识所针对的对象不同，信息意识的对象是原始的数据，数据意识的对象是有意义的数据。
16填空(5分)在中小学教师数据素养金字塔模型中，意识态度层主要包含教师数据意识和_教育数据伦理
17填空(5分)教育数据可视化的四大特征包括直观化、______、艺术化、交互性。
关联化
18填空(5分)要评判深度学习是否发生，应该从___、能力思维层面和情感层面三个层面进行分析。
知识
19填空(5分)教育数据可以分为四层，由内到外分别是基础层、状态层、资源层和______。
行为层
20填空(5分)在非等幅振荡曲线中，最大值____(一定等于/不一定等于)峰值。
不一定等于
中小学教师数据素养期末考试
【单选题】英国的数据素养最早来源于
A.信息素养
B.数字素养
C.数学素养
D.智能素养
：数学素养
【单选题】关于《中华人民共和国网络安全法》描述错误的是
A.《中华人民共和国网络安全法》于
2017年
1月
1日起施行。B.《中华人民共和国网络安全法》旨在保障网络安全，维护网络空间
：《中华人民共和国网络安全法》于
2017年
1月
1日起施行。【单选题】教师数据素养是指教师能够对不同类型、不同来源的进行定位、获取、处理与分析。
A.教学数据
B.学习数据
C.教育数据
D.课堂数据
：教育数据
【单选题】在方差分析、独立样本T检验中，确定二者之间是否存在相关性的指标P值为
A.0.5B.0.05C.0.1D.0.01：0.05【判断题】教育大数据是指整个教育活动过程中所产生的以及根据教育需要采集到的，一切用于教育发展并可创造巨大潜在价值的数据集合。：正确
【多选题】数据素养的构成要素有A.数据核心技能
B.数据意识
C.数据知识
D.数据伦理道德
【多选题】描述统计分析常用的数据指标有哪些？A.均值
B.中位数
C.众数
D.方差
【判断题】教育数据采集的重心将向非结构化的、过程性的数据转变，此类数据主要位于“冰面以上”，具有难测量、隐性化等特点。这些数据无论从数量上、增长速度上、还是潜在的价值上，都将远远超越传统的教育数据。错误
【单选题】描述统计分析中相关系数值为0.7，表示二者之间的相关性为
A.微相关
B.低度相关
C.显著相关
D.高度相关
：显著相关
【填空题】根据教育数据的来源与范围，将其分成五层架构，从下向上汇聚各种教育数据，分别是个体层教育数据、课程层教育数据、学校层教育数据、区域层
教育数据、国家层教育数据。
【单选题】教育大数据区别教育数据最大的区别是什么
A.规模程度
B.细化程度
C.价值程度
D.技术程度
：价值程度
：【单选题】网络层、数据链路层和物理层传输的数据单位分别是(1.0分)
A.数据块、帧、比特
B.包、报文、比特
C.包、帧、比特
D.数据块、分组、比特
：【多选题】教育数据意识包含哪几方面要素
A.数据价值意识
B.数据获取意识
C.数据安全意识
D.数据应用意识
E.数据开放意识
【多选题】教育数据意识的培养途径有哪些
A.阅读有关教育大数据的相关文献资料
B.参加专题培训
C.开展数据驱动教学实践
D.与别人分享学生各种数据
【多选题】中小学教师数据素养框架包括哪几层
A.思维方法层
B.教学实践层
C.核心技能层
D.基础知识层
E.意识态度层
【多选题】教育数据意识包含哪几方面要素
A.数据价值意识
B.数据获取意识
C.数据安全意识
D.数据应用意识
E.数据开放意识
【单选题】柱形图、饼图、散点图属于（）
A.拓展类图表
B.基础类图表
C.特殊图表
D.复杂图表
：基础类图表
【单选题】2016年欧盟颁布的法案，旨在加强对自然人的数据保护，并一统此前欧盟内零散的个人数据保护规则。
A.《一般数据保护条例
》
B.《联邦数据保护法》
C.《隐私法案》
D.《开放数据
【单选题】具备数据素养的教师对学生的学习（）具有高度的敏锐性
A.数据
B.知识
C.内容
D.信息
：数据
【单选题】
有望超越计算辅助教学，逐步成为大数据时代主流的教学范式。
A.经验模仿教学
B.计算机辅助教学
C.数据驱动教学
D.信息化教学
：数据驱动教学
【多选题】下列哪些可以用做数据可视化软件（）
A.Excel
B.图表秀
C.PowerBI
D.ECharts
【单选题】“一图胜千言”是指数据图表能够将大量的数据以的形式呈现出所要表达的信息，方便用户对数据进行进一步的分析与应用。
A.直观
B.关联
C.艺术
D.交互
：直观
【填空题】相关分析主要目的是研究变量间关系的密切程度，在统计分析中，常利用（）定量地描述两个变量之间线性关系的紧密程度。
：相关系数
：【单选题】测定变量之间相关密切程度的代表性指标是
()。
A.估计标准误
B.两个变量的协方差
C.相关系数
D.两个变量的标准差
：相关系数
：【单选题】已知变量之间存在非线性关系,当利用Excel进行变量间的非线性回归分析时,可获得变量间()。
A.可能存在多个符合检验要求的非线性关系方程
B.唯一的非线性关系方程
C.当
：可能存在多个符合检验要求的非线性关系方程
：【多选题】SPSS中相关性分析测量的是两个变量的线性关系程度,大致可以分为?
A.皮尔逊积差相关系数
B.斯皮尔曼秩相关系数
C.肯德尔等级相关系数
D.辛普森极差相关系数
【单选题】教育大数据之“大”，更强调的是______之大
A.数量
B.价值
C.类型
D.来源
：价值
【单选题】
主要用来显示数据系列中各个项目与项目总和之间的比例关系，其特点是表示部分在总体中的百分比。A.柱形图
B.折线图
C.雷达图
D.饼图
：饼图
【单选题】美国教师数据素养的发展脉络大致分为四个阶段：萌芽期、起步期、发展期
、完善期。
【单选题】
是以宽度相等的条形高度的差异来显示统计指标数值多少或大小的一种图形，在教育教学中可以对学生成绩、阅读时间、运动时间、迟到违纪次数、课上问题回答次数等进行可视化呈现。A.折线图
B.
：柱形图
【单选题】教育大数据来源包括
①在教学活动过程中直接产生的数据②是在教
育管理活动中采集到的数据③在科学研究活动中采集到的数据④在校园生活中产生的数据
A.①②③
B.①②③④
C.②③④
D。①②④
【单选题】下列哪个软件不是常用的教育数据挖掘工具
A.Weka
B.Orange
C.Tableau
D.Echart
：Echart
：【单选题】下列哪个软件不是常用的教育数据挖掘工具
A.Weka
B.Orange
C.Tableau
D.SPSS
：SPSS
【多选题】教育数据伦理有哪些潜在的威胁
A.隐私泄露对人格尊严的侵害
B.过往数据对个体发展的束缚
C.数据主导决策对学业进步的禁锢
D.教育数据的不当传播引发学生的安全问题
【简答题】网络教学的利与弊
1、说是网课,没有强大的技术支持,老师们也是摸着石头过河,效果差
2、学生在听课之后,无法及时跟老师进行沟通协调,作为老师也无法关注到多数同学的表情以及眼神变化,学生在
18填空(5分)要评判深度学习是否发生，应该从知识、能力思维层面和情感层面三个层面选行分析。
19填空(5分)教育数据可以分为四层，由内到外分别是基础层、状态层、资源层和行为层。
20填空(5分)在非等幅振荡曲线中，最大值(一定等于/不一定等于)峰值。
2单选(5分)在中小学教师数据素养金字搭模型中，()是对教师发展教师数据素养的高阶要求，意在培养教师数据驱动教学的意识，形成基于数据发现问题、解决问题的教育理念，对教师提升数据素养水平意义重大。
A.思维方法层
B.基础知识层
C.核心技能层
D.意识态度层
单进(5分)()是教师提升数据素养的先决条件。
A.核心技能
OB.意识态度
C.思维方法
D.基础知识
4单选(5分)试卷的效度是衡量()的指标。
A.试卷难易程度
B.使用同一试巻对考生重复测验时，或两个平行试卷对考生测验时，所得测验分数的致性和稳定性程度。
C.考试是否了要考的内容，是否达到其预定目的。
D.考试巻百对考生心理特征的区分能力
5单选(5分)在独立样本[检验中(量信区间为95％)，若Sig值小手0.05，大于0.01，则说明显著性水平为()?A.显著
B.弱显著
C.极其显著
D.不显著
5单(5分)教育大数据之“大”，主要是强调()之大。
A.价值
B.种类
C.结构
D.数量
6多选(5分)在中小学教师数据素养金字塔模型中，思維方法层主要包含
()。
A.数据驱动思维
B.数据量化思维
C.数据关联思维
D.数据反馈思维
6多(5分)利用大数据，教师在课前可以（）
A.进行教学反思
B.采集学生预习数据
C.进行学情分析
D.准定位教学目标和重难点
7多选(5分)下列哪些可以用做数据可视化软件()A.图表秀
B,EchartsCExcelD.PowerBI8售多(5分)下列哪些数据可以算作基础教育数据()A.师生基本信息数据
B.课程资源数据
C.校园实录数据
D.课业测试与作业数据
9多(5分)教育数据伦理的分析框架包括()A.情境
B.价值
C.利益
D.时间
9多逆(5分)教育决策的系统框架包括()A.数据存储层
B.展示呈现层
C.应用服务层
D.数据采集层
10[多选(5分)衡量数据离散程度的指标有哪些?(A.标准差.B.中位数
C.方差
D.平均数
11判断(5分)(对)核心技能层主更是指数师对教育数据的实际操作能力，核心技能是教师数据素养能力的体现，是发辰评价师数据素养的关键指标。
11判断(5分)(错)数据素养可以看做信息素养的一部分，数据素养和信息素养没有区别。
12判断(5分)(错)数据可视化就是各种统计图表。
12判断(5分)(对)大数据促使教育决策实现了从模糊到清晰，从猜测到证据，从冒险到保险的三转向。
13判断(5分)(错)在未知全班英语成绩和数学成绩平均分的情况下，某学生的英语成绩为90分，数学成绩为80分，即说明其英语水平高于数学水平。
14判断(5分)(对)教育大数据要能服务教育发展，具有教育目的性。
5判断(5分)(错)数据意识和信息意识所针对的对象不同，信息意识的对象是原始的数据，数据意识对象是有意义的数据。
16導空(5分)在中小学教师数据素养金字塔模型中，意识态度层主要包合教师数据意识和教育数据伦理。
17填空(5分)教育数据可视化的四大特征包括直观化、关联化、艺术化、交互性。
18四种常用的教育数据挖掘工具，分别是
Weka、RapidMinder、Orange分析和
Tableau1大数据概念是在_________年由_________首次提出的？
A.
1991KevinAshton
B.
199JohnRMasey
C.
1956JohnMcCarthy
D.
1946JohnW.Mauchly&J.PresperEckert
2随着大数据的理念和应用的逐步深入，大数据的内涵正在不断扩展，大数据可以被认为是一种技术、能力、思维方式、___________。
正确答案：社会文化
3教育大数据的来源有哪些？
A.
教学活动
B.
教育管理
C.
校园生活
D.
科学研究
4教育大数据与其他领域的大数据相比，有什么不同？
A.
教育大数据的来源非常单一
B.
教育大数据的采集呈现高度复杂性
C.
教育大数据的应用需要高度创造性
D.
教育大数据不仅注重相关关系，也强调因果关系
5三代教学范式分别是什么（）？
A.
经验模仿教学
B.
计算机辅助教学
C.
数据驱动教学
D.
智能创新教学
正确答案：A、B、C你选对了
6.数据驱动教学范式下教学结构要素由四要素变为五要素，增加了（）要素。
A.
环境
B.
数据
C.
智能技术
D.
学习空间
7.教学范式3.0的核心特征是（）。
A.
科学化
B.
精准化
C.
智能化
D.
个性化
8教师数据素养的应用在课前可以体现为
A.
项目演练
B.
案例介绍
C.
线上与线下相结合
D.
理论与实践相结合
12关于教师数据素养金字塔模型下列说法错误的是
A.
教师数据素养金字塔模分为意识态度层、基础知识层、核心技能层以及思维方法层。
B.
教师的数据意识与态度是教师提升数据素养的先决条件。
C.
基础知识层是教师提升数据素养的理论基础。
D.
思维方法是教师数据素养能力的体现，是发展评价教师数据素养的关键性指标。
13思维方法主要包含数据量化思维、数据关联思维、以及数据反馈思维四个要素。
正确答案：数据驱动思维
14.数据开放意识是指：（）。
A.
教师对数据的数据采集和存储意识
B.
使教师有意识地利用大数据实施教学活动
C.
教师具备的数据交流意识和数据共享意识
D.
教师牢固树立的数据安全责任，保护教育者和受教育者隐私的意识
正确答案：C你选对了
篇二：大数据时代主流的教学范式
[摘要]大数据正深刻改变着人们的生活、工作和思维方式，由此引发科学研究范式的转变。在大数据时代，传统注重文本分析、逻辑推理的研究范式面临着前所未有的挑战，大数据研究范式具有全样本、可预测、可视化等特征和优势。思想政治教育大数据范式应用需要构建“一体化大数据平台”、深度挖掘数据资源，构建问题导向分析模型，要重视理论创新和对知识的原创性贡献，创新网络育人的个性化教育路径。
[关键词]大数据时代；思想政治教育；范式转型
随着网络信息技术的发展，大数据开启了一场新的数据技术革命，正在改变着人们观察、分析和把握客观世界与人的心理世界的思维方式和研究方法，改变着经济、政治、文化、社会、教育等社会生活的各个领域。为有效应对大数据带来的变革和挑战，各国纷纷将大数据提升为国家战略，如我们国家《促进大数据发展行动纲要》（国发[2015]50号）指出：“大数据成为重塑国家竞争优势的新机遇，探索发挥大数据对变革教育方式、促进教育公平、提升教育质量的支撑作用”。2012年底，美国教育部发布《通过教育数据挖掘和学习分析促进教与学》报告指出，运用大数据发现学习者学习结果与学习内容、学习资源和教学行为等变量的相关关系，提升教育质量和预测学习者未来的学习趋势。由此看来，大数据正深刻改变着不同国家教育发展战略和教育教学方式方法，就学科研究而言，大数据已经开启了思想政治教育研究范式的新转型。
一、大数据时代科学研究范式及其对思想政治教育研究的挑战
“范式”（Paradigm）是最早由科学哲学家托马斯·库恩在其著作《科学结构的革命》中提出的一个概念。他认为，“一门科学成熟的标志就是形成一个为
某个科学共同体所一致接受的研究范式。”所谓范式，是指“某一成熟的科学共同体在某段时间内所认可的问题领域、解决标准和研究方法的本源。”[1]“范式”一方面代表着不同研究共同体所共同秉持的信念、价值、技术等构成整体，另一方面表现为一种模型和范例。在科学研究中，不同范式是多元的，也是历史的、不断变化的，为所处时代的科学研究提供信念、原则和技术，以及参照视野和分析框架。据此，张耀灿、钱广荣教授认为思想政治教育学科范式本质上是“反映和描述本学科推进科学研究的方法论模型”[2]，反映着从事思想政治教育科学的研究者所共同遵从的价值、视角和方法。库恩的范式理论为大数据时代思想政治教育学科的新范式提出和实践提供了理论支撑。
（一）大数据的内涵及其科学研究范式的影响
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，其称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素”[3]。大数据时代是一个基于大规模数据基础上挖掘、运用和创新的“数字时代。”哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”[4]维克托·迈尔—舍恩伯格和肯尼斯·库克耶在论著中指出：大数据是“人们获得新的认知，创造新的价值的源泉”[4]。海量数据、运转快速、分类挖掘等特点，已成为大数据时代的主要特征。因此，大数据并不仅仅是指呈现出的海量化数据，更是指的对这些以非结构化的、无法用传统的方法进行处理的数据进行处理和运用，从数据中探求不同因素的相关性和规律性，为制定有效对策和制度政策提供科学性和实证性支撑。
大数据时代的到来使得科学研究范式发生了变革。美国学者吉姆·格雷提出在现有实验归纳、模型推演、仿真模拟研究范式后，出现了大数据时代科学研究的第四种范式——数据密集型科学发现（Data-IntensiveScientificDiscovery）。随着思想政治教育与计算机信息科学日趋紧密结合、交叉发展，出现了新计算思想政治教育研究范式，即以人的网络思想行为大数据为研究对象的范式，专注于分析客观存在的海量大数据，寻求
各种因素间的相关性新认识和新规律，以制定精准性、个性化的教育对策，区别于以理论假设、逻辑推理为主的传统研究范式。大数据新范式的出现，为大数据时代思想政治教育分析和把握大规模群体、特殊区域聚类群体或个体思想行为新特征、新规律、新动向，提供了科学的分析和认识工具。
（二）大数据时代对我国高校思想政治教育研究和实践的挑战
随着网络信息技术不断发展，高校思想政治教育研究面临着诸多的新问题和新挑战。当前，高等教育领域正面临着大规模在线教育、翻转课堂、微课等网络课程的勃兴和众多校园新媒体、自媒体的崛起，网络日益成为思想政治教育内容的主要载体和信息传播的主要平台，成为大学生学习研讨以及接受社会信息的主要渠道，从而使海量教育教学大数据和日常服务管理大数据不断涌现。面对海量网络大数据，高校思想政治教育面临着亟待解决的大量现实问题：如何准确把握大学生网络思想行为特征和规律？如何把握学生网络学习过程、成效和障碍困惑？如何科学评价学生网络在线学习质量和质量反馈？如何分析和应用校园海量、多元的学生思想行为大数据以服务教育教学？依据分析大数据和实现“学生画像”，如何基于个体或群体的差异性，精准实施个性化思想政治教育？等等。面对上述不断涌现的诸多新问题，都需要科学地梳理和分析高校学生思想行为大数据，才能获得正确解答，及时把握教育对象的思想特征，掌握网络思想政治教育原则和规律。
二、大数据时代思想政治教育大数据研究范式的优势与特征
（一）大数据时代传统思想政治教育研究范式面临的困境
基于目前思想政治教育研究范式的梳理，笔者大体归纳为五大类：社会学范式、人学范式、文化学范式、系统学范式、教育生态范式。这些范式都力求勾画和建构思想政治教育四大要素（教育主体、客体、中介和环境）之间的内在因果
关系，探析不同要素之间的内在因果性和相互作用机制。随着网络信息时代开启和网络社会崛起，与大工业时代生产方式密切契合的传统研究范式日益面临难以适应网络信息时代的问题分析和规律性认识的困境。
传统研究范式侧重描述和思辨研究，基于客观证据和量化分析的特征在大数据时代日益凸显不足。我国传统思想政治教育研究范式往往从经验教训和启示开展思辨性分析，往往缺乏实证性研究，尤其是基于大规模社会调查和大型数据库的研究比较少，难以适应以数据研究为基础的大数据时代的客观要求。近半个世纪以来，国外美欧发达国家人文社会科学研究日益偏重基于数据分析的量化研究和实证研究，最大限度地消除研究者基于个人主观偏见、价值立场和政治倾向等的自我诠释，回归到以量化和数据分析为主要方式的客观性解释。”[5]大数据时代到来，各种海量数据的涌现和对学生思想行为的系统性、整体性把握要求，使用描述和思辨研究是必要的，但远远不够，需要引入新的大数据研究范式，既能实现证据充分，展现客观现实，又能与国际学术界主流研究相契合，使思想政治教育学科获得国际学界的认同和肯定。
（二）思想政治教育大数据研究范式的优势与特征
大数据作为科学研究的重要资源和动力，是人类寻求量化和深化世界认识进步的新标志，深化了思想政治教育关于人的思想行为的量化研究。大数据的产生、收集、积累、存储、分析、运用、转换过程，就是数据、信息、知识、价值、趋势“五位一体”的交互转换和相互关系重构的过程。大数据通过对人的思想行为数据化，实现以人的精神为核心的定量研究，通过对全样本、全过程的抓取，超越了传统偏重因果关系质性分析的“小数据时代”，透析和揭示不同要素内在相关性的逻辑关系和规律性，深化了人的思想行为的量化研究，在质性研究基础上以数据量化方式推进人们对世界真理性认识的接近和新认识的拓展，从而呈现出传统思想政治教育研究范式不可比拟的优势。
一是大数据研究范式的全样本性。传统研究范式中虽存在问卷调查、焦点小组调查等数据性调查，但都局限于部分样本或代表性样本的分析，这种“小数据时代”往往会出现因样本数量、代表性差异影响研究的客观结果，尤其面对网络
社会科研数据的快速涌现时，其抽查少量样本分析的局限就更加突出。在大数据时代，思想政治教育研究能够实现研究对象的全样本数据挖掘和分析，尤其高校作为区域性研究单位更为有利地实现了校园大数据的汇聚和分析。
二是大数据研究范式的精准预测性。大数据的优势在于精准预测，这根源于对研究对象的行为数据轨迹的科学分析和规律性把握。通过对校园大数据的分析，能够实现对学生个体或特定群体的学习过程轨迹的刻画和规律性行为的整体分析，在社会热点、舆论动态、学习成绩预测、心理问题预诊等方面实现动态性、精准性的规律认识，而传统研究范式一般难以实现对教育对象的长期行为规律的科学把握。
三是大数据的相关性和可视化。运用大数据技术能够实现研究对象的各类复杂性数据信息的相关性分析，扩展了传统研究范式局限于因果关系为主的研究模式，实现了通过分析海量数据中的相关性来寻找研究对象发展中的规律性。此外，大数据能够实现研究结论中对不同相关性关系的可视化描述，系统性呈现不同相关因素的内在作用关系和相关性。
三、大数据时代思想政治教育大数据研究范式转型的三重维度
在大数据时代，思想政治教育研究范式面临着从传统探究因果关系的质性研究范式，逐渐向质性研究与量化研究相结合的相关关系研究范式转型，从而使得思想政治教育在价值论、认识论和实践论层面都发生着新的变化。笔者着重从大数据研究范式的方法论视角，探讨大数据新范式引发思想政治教育研究范式转型的三重维度。
（一）在价值论上，大数据研究范式促进思想政治教育对象从传统文本内容、逻辑推理为中心向以反映学生需求的大数据为中心转化
在大数据时代，数据成为客观世界和主观世界表达、记录和符号化的“原子”，成为表达学生思想需求和行为评价的外在“标识”，成为思想政治教育教学开展和政策制定、研究、评估的基础性“元素”。与传统思想政治教育研究侧重于文本内容、逻辑分析相比较，大数据范式确立了学生的思想行为数据化的整体性价值图式，以可视化方式呈现学生的思想、道德、政治问题和学生的需求的多重维度，更为科学地阐释客观世界的规律性和刻画人的认识、信念、理想以及情感、意志形成过程及相关影响因素。因此，大数据研究范式，既能通过数据挖掘和学习分析，准确、快速、全面洞察学生真实状况和多样需求，又能通过科学分析差异性，开发学生需求为核心的网络学习资源库，为思想政治教育的个性化教学、精细化服务、科学化管理提供教学决策和科学评价。
（二）在认识论上，大数据范式促进思想政治教育规律研究从偏重因果研究向相关性研究转变
传统思想政治教育方法注重思想、行为、环境三者之间的单向度的因果性关系分析和教育路径选择，注重还原论方式寻求因果关系；而大数据研究方法则以系统论的视角，确立了“人是核心”的理念，围绕人（特定个体或群体）的思想和利益需求、思想困惑、价值选择、成绩预判、心理预测等不同维度，勾画出不同因素之间的多重作用机制和相关性关系，丰富了传统单一的因果性关系。因此，在认识论层面，大数据“用数据规律补充了单一的因果规律，实现了唯理论和经验论的数据化统一，形成了全新的大数据认识论。”[6]（三）在实践论上，大数据范式促进思想政治教育实践教育范式从标准化、工业化教育模式向个性化、定制式教育模式转化
从教育发展史来看，班级授课制是与近代以来工业化标准生产模式和劳动力需求密切联系的，与精英知识垄断和教育传播载体局限等因素密切相关。但人类社会进入信息网络化时代以来，追求个性、意义的思想内因和培养大批具有创造力人才、网络泛在学习环境的实现等外因，共同促进了思想政治教育在差异化基础上向个性化、定制式教育范式转向。大数据范式能够基于学生需求进行数据分
析分类、多元评价整合、制定个性化教育路径，能够实施思想政治教育的个性化、定制式教育教学。
总之，在研究范式上，运用大数据技术分析和挖掘大学生网络思想行为客观数据，以可视化方式（星际图式、树状结构等）呈现出研究结论和要素的相互关系，能够揭示出学生个体或群体思想行为的新现象和新规律，实现“让数据发声”，进而提出一种全新的“科学始于数据”的新范式，从而使思想政治教育学科大数据范式在基础理论层面和应用层面实现了新变革和新突破。因此，从思想政治教育研究范式来看，大数据时代是一个基于大规模数据基础上开展数据汇集、挖掘、分析和分类，开发基于不同需求算法和以可视化呈现问题和相互关系，促进个体或群体个性化学习和发展的“大数据量化研究新时代”。
四、大数据时代思想政治教育大数据研究范式的实践路径创新
电子科技大学早在2012年率先在全国建立构架最为全面的大数据研究中心。近年来，基于学生思想行为大数据挖掘、分析和运用，开发出“面聊”“学生画像”“精准扶贫”等系列教育大数据产品，在开展高校网络思想政治教育理论研究和实践探索上走在国内研究前沿。
（一）在数据平台建设上，建立高校思想政治教育“大数据库”，创新高校网络思想政治教育育人模式
把握大学生思想行为特点和规律是思想政治教育研究重要目标之一。基于学生思想行为大数据汇聚的信息平台，电子科技大学从两个方面入手汇集思想政治教育大数据：一是建立“教育大数据一体化平台”。联合校内不同职能部门，建立基于数据层、平台层、应用层和服务层的教育大数据中心，通过这一平台实现师生思想政治教育课题教学、开放性网络论坛、社交媒体、日常管理服务等层面大数据汇聚。二是建立跨部门、跨专业的大数据应用团队，根据不同需求建立不
同项目组如数据采集团队、数据分析团队、数据应用团队，构建起“数据平台——职能部门——教师或辅导员——项目组数据分析——可视化呈现——教育引导对策”的“思想政治教育链”[7]，即首先，通过数据平台的建立，汇集信息；其次，由职能部门、教师和辅导员开展线上线下活动；再次，由项目组根据算法以可视化方式呈现问题；最后，基于大数据分析，制定出科学而有效的个性化教育对策。
（二）在教育对象上，开发呈现学生思想行为不同价值维度的“数据模型”和实现“学生画像”
一是明晰思想政治教育的多维度需求，确定大数据分析的问题导向。根据知识维度和价值选择不同，如对课程知识理解和把握、理想信念认识和坚定、中国特色社会主义道路选择和认同、社会热点关注度和即时学生关注问题“图式”等等，都能够实现对学生个体或群体，乃至全体进行大数据分析和可视化呈现，实现以问题为导向的“学生画像”。二是基于学生思想行为的大数据分析，构建“成电数据公式”，围绕学生知识、能力、人格、心理和生活五个维度，构建“五位一体”的大数据“学生画像”系统，通过对学生个体或群体的即时性、多维度的可视化描述，实现学生思想政治教育学习和日常管理上的“精准画像”，对于发现思想政治理论课教学问题、教育过程质量监控、了解学生当前关注社会问题和心理状态、研判和预测校园舆论走势等都具有重要指导意义。
（三）在教育引导路径上，开发面向学生需求为核心的网络学习资源库，积极开展个性化、定制式教育引导
一是基于学生网络思想行为的大数据分析，克服传统偏重以教师为主的教育教学资源建设，转向以学生需求为中心的各类学习资源开发，构建以图文、影视、微视频、音频等学生喜爱的网络在线资源数据库和网络文化资源库，实施网络在线的学生个体或学习共同体的自组织学习活动；二是基于“学生画像”分析，梳理学生个体或群体大数据分析出的问题和倾向，针对某一学生群体或个人，通过专题研讨、座谈访谈、心理咨询、影视播放、社会实践调查、思想分享会等方式，开展个性化、定制式的思想政治教育活动。因此，“大数据驱动型教学”范式能
够实现高质量的教学和科学评价机制，有利于提升高校思想政治教育科学化水平。
（四）在舆论舆情引导和主流价值观传播上，基于大数据对学生关注国内外时事热点分析，牢牢把握网络意识形态领导权
德国著名传播学者诺依曼认为“舆论是我们的社会皮肤”[9]。培育健康向上的舆论舆情是高校思想政治教育工作的重要内容，其承载着价值传播、文化育人和环境育人的重要功能。在信息传播上，基于学生网络思想行为的大数据分析，明晰学生思想特征、热点兴趣和多维需求，充分利用议程置的功能，把社会主义核心价值观渗透到新议题方案的精心谋划中，牢牢把握思想教育和舆论引导的主导权。同时，要基于“二次传播”理论，把握信息发布的时、度、效，多视角创设正能量舆论主题和引发学生参与围观效应，在此基础上形成新的舆论场和扩大网络新闻传播力。最后，运用大数据分析学生舆情舆论特征和预测走势，提前做好思想引导策略和方案，最大程度实现思想政治教育的针对性和实效性，从而牢牢把握高校意识形态领导权。
技术是科学研究的先导。在大数据时代，运用大数据与思想政治学科发展，是一个多学科、交叉性的新兴研究领域，其范式应用对于推进思想政治教育科学量化和实证性研究，以“数据驱动型教育教学”提升教育质量和创新教育路径都具有重要意义。思想政治教育学科要不断吸纳大数据新技术、新方法、新范式，准确把握教育对象的新特征、新需求和新成长规律，大力开展多学科、交叉性学科研究和探索，才能承担起国家赋予的意识形态教育伟大职责和使命。我们既要客观认识到大数据应用于社会科学研究量化和实证研究的优势，又要全面认识和避免其局限，立足国际高等教育前沿动态，推进大数据与思想政治教育学科发展的跨界融合，不断创新思想理念、研究范式和实践路径，为高校思想政治教育学科发展提供新动力和新空间。
参考文献：
[1]Kuhn,T.S.TheStructureofScientificRevolution,Chicago:ChicagoUniversityPress,1996.[2]张耀灿,钱广荣.思想政治教育研究论纲[J].思想教育研究,2014,(7).[3]周季钢,吴刚.掘金“大数据”[N]重庆日报，2013-02-26.[4][英]维克托·迈尔-舍恩伯格,肯尼恩·库克耶.大数据时代[M].盛杨燕,周涛，译.杭州：浙江人民出版社，2013:8-9.[5]阎光才.对英美等国家基于证据的教育研究取向之评析[J].教育研究，2014,(2).[6]黄欣荣.大数据时代的哲学变革[N].光明日报,2014-12-03.[7]李怀杰,夏虎.大数据时代高校思想政治教育模式创新[J].思想教育研究,2105,(5).[8][德]伊丽莎白.诺尔—诺依曼.沉默的螺旋:舆论我们的社会皮肤[M].董璐，译.北京：北京大学出版社,2013:13.
篇三：大数据时代主流的教学范式
?数据时代的教育测评模型及其范式构建摘要：在教育?数据时代，如何充分挖掘?数据对于教育实践、决策、评估与研究的价值及规避?数据风险，是当前教育改?和发展的重要议题。教育测评模型通过对教育现象的关键要素及其相互关系进?定量刻画和价值判断，使?们从海量数据中获取关键有效的信息，将“?数据”变成“?数据”。它是?数据时代我国教育改?和发展的战略?具，是教育决策科学化的有??撑，也是教育研究科学化的重要突破?。教育测评模型的构建范式是教育测评模型构建的?整套规范，是教育测评模型构建的?法论依据，其主要内容是：确定教育测评模型构建的价值取向，明确教育测评对象的操作性定义，构建教育测评指标体系，确定教育测评指标权重与?成教育测评模型，验证和修正教育测评模型。应?这?范式，从宏观、中观和微观层?构建了系列教育测评模型，对相关领域的研究、决策、实践和评估起到了积极的作?。20世纪90年代以来，随着信息技术和互联?技术的发展，?数据概念逐步形成并普及，?类社会逐渐进?所谓的?数据时代，?今关于?数据的应?和讨论?兴未艾，?数据正在对?类?产?活的各个领域产?深远的影响，?数据同样深刻影响着教育研究、决策与实践。
?数据是?把“双刃剑”，???，?数据给我国教育改?和发展带来前所未有的机遇，但?数据的价值不是?然彰显的，?是需要挖掘利?的，如果没有科学有效的?具，?数据的价值便如蒙尘之美?、没?之??，难以被发现；另???，?数据也给我国教育改?和发展带来前所未有的挑战和风险，在?数据时代仅仅凭经验认识和解决教育问题已经愈加不可能，??对纷繁复杂的?数据，如果没有科学有效的?具，?数据给?们带来的可能更多的是碎?化的信息和惶恐、焦虑的情绪，甚?误导教育决策。教育测评模型便是挖掘教育?数据价值和规避?数据风险的战略?具，对于提升教育研究的科学化?平，推动形成基于证据和?数据的教育决策机制，提?教育质量，促进教育公平，意义重??深远。对于教育改?和发展??，可以说这是个数据的时代，这也是?个模型奠基的时代，谁掌握了模型，谁便把握了?数据时代的发展?向。教育测评模型的构建需要模型思想和?定的?法论指导，教育测评模型的构建范式则可谓是模型之“模型”，是教育测评模型准确性和科学性的重要保证。研究教育测评模型构建范式，对于应对教育?数据时代具有基础性、战略性意义。展开剩余93%?、教育测评模型的内涵与特征教育测评即教育测量与评价。测量，“从?义上讲，就是根据某些法则与程序，?数字对事物在量上的规定性予以确定和描述的过程。”教育测量就是对教育现象进?定量刻画的过程。?教育评价则是对教育现象作出价值判断的过程。显然，教育测量侧重定量描述，?教育评价侧重定性描述，但这并不是说教育测量没有价值判断或者教育评价没有定量刻画，格朗兰德（N.E.Gronlund）便认为，评价包括定量描述、定性描述和价值判断三个??。教育测量与教育评价?者既有区别?有联系，测量不可能完全脱离价值判断，评价也往往离不开测量的?撑。这也是“教育测量与评价”总是被?们作为?个词或者专业领域的原因。为此，教育测评可以理解为对教育现象进?定量描述和价值判断的过程。教育测评是正确认识和评价教育现象本质和规律的重要?式，也是影响我国教育改?和发展的关键环节。模型是?们依据特定的研究?的，在?定的假设条件下，再现原型客体的结构、功能、属性、关系、过程等本质特征的物质形式或思维形式。在这?我们更关注的是本质上作为?种思维?式的模型概念，它反映的是研究对象各变量之间的相互关系，?这种关系?般可以通过定性和定量两种?式表达出来。在教育研究领域，存在更多的是定性地表达研究对象结构关系的模型，定量模型则较为匮乏。既然是对事物本质特征的描述和反映，构建?个科学的模型就意味着有效地把握了研究对象的本质特征。在?数据时代，教育数据具有规模?、类型和来源多样、处理速度快、时效性?等特点，其中也包含依靠传统?法?法获取的教育活动实时、真实的信息，如学?在各种传感器上留下的学习、?活等活动信息及时间分配，但正是由于?数据的样本接近于总体，数据获取具有偶然性，使?数据本?参差不齐，信息价值（value）密度低，加之?数据重相关?不重因果，使得“由?够详尽的搜索和拟合产?的数据"模式’可能是过渡拟合的结果，仅仅是随机波动的产物，并不代表所研究现象的任何本质特征”，因此，要想基于?数据把握教育改?和发展的本质与规律，?先应建?研究对象的测评模型，形成对研究现象??的科学认识，并基于模型系统地、科学地、有?的地搜集、分析和处理?数据。从这个意义上来说，教育测评模型是教育发展应对?数据时代的战略?具。随着?数据时代的到来，各级各类教育都开始关注和构建测评模型，如义务教育阶段学?核?素养模型、职业教育均衡发展测度模型等。我们认为，教育测评模型是对反映教育现象的关键要素及其相互关系进?定量刻画和价值判断的?具。它具有以下?个??的特征。第?，定量描述与价值判断相结合。构建教育测评模型的主要?的就是通过关键要素及其相互间关系来呈现复杂的教育现象，将复杂问题简洁化、计量化，这其中，有些教育要素，如?学
率、教育经费、教师数、学?数等是容易以数字呈现的，?由于教育问题具有价值性、复杂性、?成性的特点，诸多教育要素，如教师幸福感、学??理健康?平、校长胜任?等，即便是在互联?技术和数据科学如此发达的今天，也难以直接获取定量数据。在教育测评模型构建中，对于这类难以计量的教育要素要最?程度地进?量化，便于相关要素上?数据的挖掘，从?使教育测评对象的认识更加精确、科学，也使测评结果更具说服?、可?性和参照性，??智能、机器学习、机器阅读等?法的迅猛发展，也为对传统上难以定量分析的?结构化、半结构化数据进?量化分析提供了更多可能。不过，常为?们所忽视的是，追求量化的教育测评模型并不是完全脱离价值的冷冰冰的符号和数据，绝对价值中?的教育测评模型是不存在的，教育测评模型的构建?先是建?在?定的理论假设和价值?场基础上，对于为什么要构建?个测评模型，怎样构建这个测评模型，构建怎样的测评模型等问题，都必然地包含研究者的价值评判，也可以说，当决定构建?个测评模型的时候，研究者的价值已经“?场”。如上述“教育均衡发展测评模型”的构建基于?定的教育公平观，学?核?素养测评模型的构建基于?的全?发展观。不同的研究者基于不同的?场和价值观念，对于同?教育现象，可能构建出不同的测评模型。因此，教育测评模型是定量描述与价值判断的统?体。第?，精确性与局限性并存。?数据给教育改?和发展带来更多的不确定性，在不确定性的世界中找寻相对确定的??，这便是教育研究者、实践者和决策者在?数据时代的重要使命之?。教育测评模型可以通过定量刻画实现对教育现象的精确描述和再现，把握教育现象的本质规律。如《中国教育现代化2035》强调“到2035年，总体实现教育现代化”，但是这??标较为宏观和抽象，教育现代化的表征为何？如何衡量教育现代化?平？通过构建教育现代化测评模型，便可以明确教育现代化的各项指标，对教育现代化总体及各分项指标作出精确的规定，并定量刻画我国教育现代化?平，从?克服传统上仅仅通过演绎、推理等?式进?思辨研究和主观决策的缺陷。不过，这种精确性是相对的，教育测评能够反映教育现象的关键特征，但却不可能绝对完整地呈现教育现象的全貌，加之对?些指标尤其是主观指标的定量刻画不可避免地存在误差，因此教育测评模型也必然存在?定的局限性。规模?、类型多、时效性强的?数据使?们可以应?教育测评模型更加精确地认识教育现象，但是?数据同样难以克服数据价值密度低、样本偏差及在主观指标反映上的局限性，因?在?数据时代教育测评模型依然是精确性与局限性并存，最?限度地超越局限，实现最?程度的精确是教育测评模型的基本追求。第三，综合性与精简性相结合。教育测评模型对教育现象的定量刻画与价值判断应该是相对全?的、综合的，也就是说能够尽可能全?地包含反映教育现象的教育要素，全?地再现教育现象，同时，测评模型应该是普适?超越具体的、个别的教育现象的，如学?核?素养测评模型应该能够适?于区域乃?全国的学?，?不是某?个或部分学?，只有这样，教育测评模型的外延价值才能彰显。然?，反映教育现象的指标要素是众多的，在教育测评模型中，只能提取关键指标和数据，从?将复杂的教育现象简单化，将承载其中的?数据变成?数据，即教育测评模型应该?求精简，?不能包含太多的指标，否则便失去了构建测评模型的基本价值。?数据强调通过在海量数据中找寻相关关系来洞察和透析教育现象，强调数据的体量和效率，?不?定强调数据的精准，强调相关关系?不注重因果关系，?教育测评模型恰恰强调通过“降维”和“提纯”以提?数据的价值密度，因此，?数据有利于提?教育测评模型的综合性，?教育测评模型强调“精简性”有利于提??数据服务教育实践和决策的价值，两者相得益彰。第四，稳定性与发展性相结合。教育测评模型中所包含的指标和数据是研究者根据实际需要和基于?定的价值取向选取的，这些指标和数据往往都只是反映了?定时期内教育现象的基本状况，随着时间的推移，经济社会发展状况和教育政策发?改变，其中?些指标和数据可能会失去效?，?需要以新的指标和数据替代。因此，要保证教育测评模型的效度，既要使其在?段时间内保持?定的稳定性，?需要对测评内容进?追踪，根据实际需要，对测评模型予以调整和修订。需要指出的是，由于教育现象??的复杂性等??原因，尽管在?数据时代往往强调基于实时数据变动?更新模型，但教育测评模型则更多地是因“势”?动??因“数”?动，即基于教育实践和教育政策的变化与需要更新模型。?、教育测评模型的战略意义我国?20世纪20年代便开始教育统计与测评的研究和实践，但百年来的探索并未使其充分?撑教育研究、决策和实践，教育研究的科学化?平落后于发达国家，教育研究者?对教育?数据常感有???，基于证据和?数据的教育决策机制尚未形成，?数据对于教育质量和教育公平的推动作?也显不?。这源于我国教育领域数据挖掘、分析的意识和技术不?，尤其是模型思想不?，没有充分认识到教育测评模型的重要意义。在?数据时代，教育测评模型的战略价值更需重新认识。（?）教育改?和发展的战略?具公平与质量是我国教育改?和发展的主旋律。?模型思想对于促进教育公平和提?教育质量是不可或缺的。教育测评模型对于我国教育改?和发展具有?分重要的意义和作?，这主要体现
在以下??：
第?，反映和描述教育现象与问题。教育?数据意味着教育数据的爆炸式增长和数据模式的?度复杂化，仅凭经验准确地认识教育现象是不可能的，教育测评模型的意义在于它集中了教育现象最关键、最典型的特征，并加以量化，从?将教育现象较为准确地呈现出来，易于?们了解和把握。
第?，监测与评估教育过程。以基于?数据的质量监测作为评估?段，是教育评估领域最前沿的变?，这种评估?法扭转了以往“唯分数”、“唯升学”的不科学的教育评价导向，?科学的教育测评模型是教育评估有效性的关键保证，通过教育测评模型的应?，可以实现对教育过程的质量监测，保证教育?标的达成和教育事业的健康发展。
第三，预测与规划教育发展。基于现有的数据，通过构建?定的教育测评模型，在对过去和现实状况分析的基础上，可以对测评模型中的指标变化规律，对教育发展的?向作出预测，并根据预测结果作出教育规划。?数据为基于测评模型的教育发展预测提供了可能，?数据带来的不确定性也要求对未来教育的发展作出更为有效的预测，以增强教育改?成功的可能性。
第四，导向教育价值。教育测评模型包含?们对教育现象的系统思考，是?具性和价值性的统?体，教育测评可以导向?们对测评对象是什么、为什么、怎么做以及怎么评的价值判断，如“义务教育质量测评模型”实际深层次融?了研究者的义务教育质量观，这种质量观通过测评结果将会引领?们形成与研究者趋同的教育质量观。传统的教育测评中，为研究某?教育现象在总体中的情况，往往通过随机抽取有代表性的样本，通过统计分析得到样本中不同变量之间的关系，并依此推论总体的情况，?基于?数据的教育测评模型应?在理论上可以将总体全部纳?分析框架，??需参数检验，这为更加全?、系统地反映和描述教育现象与问题、监测与评估教育过程、预测与规划教育发展以及导向教育价值提供了更?的可能，为国家和地?提供更加全?的反映教育现实?平的客观数据，为加快教育现代化、办好?民满意的教育提供重要基础。（?）教育决策科学化的有??撑当前我国教育决策中凭经验主观决策的现象仍然较为普遍，教育决策的科学化程度有待提?。这???源于教育决策机制不够健全，另???则源于我国教育智库建设不完善，教育决策的科学?撑不?。根据《全球智库报告2018》，?前全球共有8162家智库，中国2018年共有507家智库，仅次于美国（1871家）、印度（509家），位居世界第三。尽管如此，在教育领域，教育智库建设及其对教育决策的作?则仍显不?。美国詹姆斯·科尔曼1966年完成的《关于教育机会平等》报告、1983年美国?等教育质量委员会完成的《国家处在危险之中：教育改?势在必?》报告等对美国的国家教育改?和发展产?了深远的影响，?在我国则难有此类报告。这与我国教育领域长期以来注重定性研究?忽视定量研究的传统有关系。基于?数据分析，可以对教育现象和教育问题进?定量刻画，并作出更为准确和更具说服?的判断和预测，但是，正如舍恩伯格和库克耶提出的，?数据“侧重于分析相关关系，?不再寻求每个预测背后的原因”,?数据分析可以告诉我们教育现象在统计上的相关性，但是却往往不能检验逻辑上的因果关系。如果没有科学的模型?撑，?数据有可能给?们呈现?些“统计欺骗”。也正因此，?数据分析在?些领域带来了巨?的商业价值，并体现了蓬勃的应?前景，但是在教育领域，却鲜见基于?数据应?的??平学术成果和教育决策案例。教育测评模型的作?便在于能够将?数据变成“?数据”，从不确定性中寻找确定性，增强?数据对教育决策的价值，?降低?数据带来的决策风险。因此，教育测评模型的构建是未来教育决策科学化的战略需要和?撑，将催?教育智库发展，并推动教育智库发挥更?的决策咨询作?。（三）教育研究科学化的重要突破?“科学界普遍把学科定量分析的?平当作研究科学性的重要的、不可或缺的指标”，如果以此作为衡量教育研究科学化?平?低的标准，那么我国教育研究科学化?平还?分不尽如?意，与教育发达国家的教育研究科学化?平还有很?的距离。有关研究表明，近年来我国教育研究领域定量研究的学术成果的占?还不到15%。尽管如此，对于教育研究科学化问题还存在诸多争论，不少学者对教育学注重实证、关注数据的倾向持质疑、否定态度，认为实证取向的教育研究盲?迷信各种证据，盲?迷恋?数据，?缺乏对教育学的价值和??观照，实际上，保持对教育研究实证化倾向的理性审视是必要的，然?如果在?数据时代漠视教育?数据，则?疑是固步?封的做法。纵观社会科学发展历程，“量化是促进包括教育学在内的社会科学取得突破性进展的关键”，在我国教育学仍然徘徊于??主义和科学主义的?字路?之时，?理学、经济学、社会学等社会科学的量化研究范式已经?向成熟，??提升了学科的科学化?平，并与国际接轨，即便是在历史学领域，计量史学的发展也为历史研究注?了新鲜?液和活?，?对教育学科学性和学科地位的质疑却从未间断。因此，在?数据时代教育学者应该认识到的是，以量化研究为主要特征的教育研究科学化是教育研究的必然趋势，数据既?洪?猛兽，也??上真理，理性地寻找基于数据的教育研究科学化路径，抓住?数据机遇增强教育研究的科学性才是我国教育研究者的重要学术使命。教育测评模型构建强调对教育现象的定量刻画，它从教育发展的现实问题出发，通过科学的研究?法尤其是定量研究?法，将复杂的、质性的教育问题最?限度地定量刻画，增强教育研究的科学性，是?数据时代教育研究科学化的重要突破?和前沿课题。同时，教育测评模型探索教育研究与计算机、互联?、??智能和?数据的结合，为“计算教育学”等前沿领域发展奠定了基础，也为我国教育研究与国际接轨提供了新的路径和机遇。
三、教育测评模型的构建范式托马斯·库恩（ThomasS.Kuhn）认为，“范式是?个特定共同体成员所共有的信念、价值、技术等等构成的整体”，包括符号概括、共同体成员共同承诺的信念、价值、范例等要素，是任何?个科学领域在发展中达到成熟的标志。尽管库恩作为物理学家和科学哲学家、科学史家，其提出“范式”更多是?然科学意义上的，但是“范式”?词?泛应?于??社科研究领域，如李吉林提出“构建择美构境，境美?情，以情启智，把情感活动与认知活动结合起来，引导?童在情境中学、思、?、冶的?童情境学习范式”，唐亚林提出建构“当代中国?都市治理的范式”等。这些范式内容迥异，但都基本指向了某?研究领域共同遵循的价值取向、科研信念、研究领域、研究?法和研究程度等。在库恩看来，凡是具有以下两个特征，便可称之为“范式”：“成就空前地吸引?批坚定的拥护者，使他们脱离科学活动的其他竞争模式。同时，这些成就??以?限制地为重新组成的?批实践者留下有待解决的问题。”依此判断，我们开拓了教育测评模型这?新的研究领域，构建了义务教育资源配置均衡发展测评模型、学校特?发展测评模型、课业负担测评模型、教材难易度测评模型、青少年动商测评模型等系列测评模型，这些模型在理论和实践上已经产?较为?泛的影响，并且基于?量的教育测评模型研究、实践与反思，探索出教育测评模型构建的基本价值取向、规范、内容、?法和程序等，基本符合库恩所谓的范式特征，因?概可以将其称为教育测评模型的构建范式。“范式”创造?种?贯的传统，为特定的连贯的科学研究的传统提供模型，为此，教育测评模型构建范式则是为教育测评模型研究提供模型，也可以说，教育测评模型构建范式是教育测评模型之模型。它包括教育测评模型构建的?整套规范，这绝?本?寥寥数字能够阐明，笔者仅是对其核?内容加以阐释。需要指出的是，由于教育现象的?度复杂性、?成性、价值性等特点，以及对教育测评结果解释性和预测性的?精确度要求，教育测评模型构建强调实践导向的模型构建，???数据科学强调的数据驱动的模型构建，即教育测评模型构建的逻辑起点在于教育改?和发展的现实需要，??教育?数据本?。
因此，所谓教育测评模型是应对教育?数据时代的战略?具，其主要意蕴在于，教育测评模型通过从复杂的教育现象中提取关键要素，并予以定量刻画，从?将复杂的教育现象简单化，将纷繁复杂的“?数据”变成“?数据”，即通过应?成熟模型把握教育?数据世界中的关键要素和信息，解决教育改?和发展中的实际问题。?教育测评模型对“?数据”的回应和价值主要体现在模型的应?中，教育测评模型构建本?则借助更多的依然是“?数据”，为此教育测评模型构建相对于?数据思维和?法??，依然是遵循较为传统的研究逻辑和范式，教育测评模型构建根据需要充分发挥“?数据”优势，?教育测评模型应?则充分利?“?数据”优势，两者相辅相成。（?）确定教育测评模型构建的价值取向教育测评模型是价值性和?具性的统?体，价值取向在某种程度上决定了教育测评模型构建的?的、理论框架、思路和?法，它引领教育测评模型的整个过程。如果没有理清价值取向的问题，教育测评模型有可能沦为冷冰冰的、??的?具。正如约翰斯顿（DenisF.Johnston）认为的，“如果没有理论，我们为继续收集和分析不断增多的统计资料所作的努?，可能降为?种"任意的实证主义’（casualempiricism），只是提供?意义的事实和?重点的指标，?且研究所得的结论，其造成的问题可能远较所解答的为多”。如对区域教育测评来说，公平取向和效率取向的测评模型不同；对于学校测评来说，?具取向的测评和??取向的测评不同；对于学?测评来说，分数取向的测评和素质取向的测评不同；等等。教育测评模型构建的价值取向的确定应主要考虑以下因素：
第?，测评对象的本质属性。如果对测评对象缺乏?够的认识，便没有正确的价值取向可?，为此，可以从历史的视?、国际?较的视?、实证分析的视?等多重视?分析测评对象的本质属性。如中国学?核?素养测评框架的构建便体现了多视?观照。
第?，测评对象的教育及经济社会基础。?是考虑教育发展的现实基础和需求。?是考虑经济社会发展包括全球经济社会发展对测评对象的影响。教育测评模型的构建要充分考虑其是否是教育和经济社会发展的现实所需，以及是否具备教育和经济社会发展的基础条件。脱离了现实基础和需要，教育测评模型构建便没有可操作性。
第三，教育科学理论?撑。社会学者普遍认为，没有理论框架的任何实证资料都是?效的。教育测评模型是通过严格的科学研究过程研制的，这必然要求教育测评模型基于科学的理论?撑。（?）明确教育测评对象的操作性定义操作性定义是相对抽象定义??，抽象定义是对测评对象本质内涵的概括，?操作性定义是?可感知、可度量的事物、事件、现象和?法对测评对象作出具体的界定、说明。它的最?特征就是可操作性。由于教育现象具有复杂性、?成性、价值性等特点，许多教育现象是内隐性的、潜在的、难以观测的，因此，要以测评模型对教育现象进?定量刻画，通过操作性定义将教育现象进?可观测、可度量的界定，便是其中的基础和关键环节。它直接关系到测评模型的信效度。因此，最早提出操作性定义的美国学者布?奇曼认为，要想避免概念混淆不清，最好
能?测量它的操作?法来界定。?英国学者迈克尔·卡利甚?认为，社会指标的建构过程实质上就是将抽象的、难以测量的社会概念翻译成可以考察、分析的操作性术语。?般??，操作性定义有以下三种?法：
第?，动态特征描述法，顾名思义就是通过描述测评对象的动态特征对其予以定义，如对有效教学进?定义，便需描述有效教学活动中的具体教学?为与表现；第?，静态特征描述法，即通过描述测评对象的静态特征对其予以定义，如对教师胜任?进?定义，可以通过描述教师胜任教育教学?作的具体静态特征；第三，?法和程序描述法，是通过描述使测评的教育现象发?的?法和程序对教育现象进?定义的?法。如对学业负担进?定义，便可以通过描述学业负担是如何形成的来对其进?定义。（三）构建教育测评指标体系对教育现象的测评最终需要依托系列指标为载体，因此，指标是测评模型的基础要素。操作性定义中的每?项具体内容都可以成为测评指标，?组具有内在联系的、综合反映测评对象状况的指标便构成指标体系。如前所述，教育测评模型是?数据时代捕捉教育现象关键要素的战略?具，指标体系便是这些关键要素。指标体系应尽可能全?反映操作性定义的内容，但这并不是说指标体系应该是“??全”的，精准简洁是指标体系构建应该遵循的基本原则。从指标的展开?式上分，指标体系的构建可以有两种?式：横向展开?式和纵向展开?式。以横向展开的?式构建指标体系意味着指标之间在逻辑上是相对平?的关系，如从办学条件、教师队伍、教育经费测评教育均衡发展?平；?另?种以纵向展开?式构建的指标之间具有?定的时序逻辑，往往体现为“投?（input）—过程（process）—产出（output）”的模式，如通过教育?财物投?、教育过程管理、办学质量来测评教育均衡发展?平。这种指标展开?式为?们所?泛使?，世界银?、联合国教科?组织(UNESCO)、经合组织(OECD)的教育指标体系都以此种?式构建，如OECD《教育要览》中的指标体系包括教育??背景、教育财政与??投?、公民的教育参与进步、学校环境与学校组织、教育的个?与社会产出、学?的学业成就等。?从指标构建的逻辑顺序来说，指标体系构建有三种?式：第?种，?上?下的?式。由研究者根据?定的理论基础和?献研究的结果初步构建指标和框架，再深?实践征求专家和有关??的意见和建议，对初步指标和框架进?修订和完善。UNESCO便是根据这?思路提出了七个维度的核?素养。第?种，?下?上的?式。由研究者在实践中?泛征求专家和有关??的意见和建议，并提炼出指标体系。第三种，混合式。即综合?上?下和?下?上两种思路，在开展理论研究的同时，?泛征求专家和有关??的意见和建议。不论以哪种?式构建指标，指标体系的构建不是随意的，?是从操作性定义出发遵循?定的逻辑架构??长的，好的指标体系应该实现价值框架、逻辑框架和结构框架三个框架的结构统?、指标融合和?标?致。（四）确定教育测评指标权重与?成教育测评模型从指标体系到测评模型的关键步骤是指标权重的确?，只有确?了指标权重，才能将各指标的值整合为?个综合值，将分项指标合成测评模型。显然，某?因素的权重的变化将会影响整个测评结果。因此，选择和正确使?权重确定?法显得?分重要。权重的确定?法有数?种之多，根据计算权重系数时原始数据来源和计算过程的差异，可以将权重计算?法分为主观赋权法、客观赋权法和主客观综合赋权法。其中，主观赋权法包括层次分析法（AHP）、德尔菲法（Delphi）等；客观赋权法包括最?熵技术法、主成分分析法、因?分析法、变异系数法等；主客观综合赋权法即综合运?主观赋权法和客观赋权法，从?对两种赋权法扬长避短。由于篇幅所限，对于上述?法的使?在此不再赘述，在指标体系和测评模型的构建过程中，需要根据实际需要合理地选择权重确定?法。教育测评模型实质上是定量刻画教育指标体系及其相互之间的关系。在指标权重确定以后，根据各指标的权数和指标之间的实际关系抽象、构建出数学模型Y=f(X1,X2,X3,…,Xn)，从?清晰、简练地表达指标之间的关系。如Y=a1X1+a2X2+a3X3+…+anXn，其中X1,X2,X3,…,Xn为构成模型的若?指标，a1，a2，a3,…,an为各个指标相对应的权数。需要指出的是，从指标体系构建到教育测评模型?成之间常伴随测评?具的研制，通过测评?具搜集各指标上的数据，从?对模型进?应?。这其中通常有三种路线：
第?种，从测评?具到指标体系再到测评模型。?些研究在初步构建指标体系后，构建测评?具，之后经过反复探索分析，对量表的项?进?增加或删减，常常将因素负荷过低、明显独?于其他项?或者与?个公共因??负荷相关的项?删除，在此过程中，不断调整项?，直到量表的各项指标都趋于良好，最终确定指标体系，并通过因?负荷确定指标权重，构建测评模型。如“学习?我效能感”研究。
第?种，从指标体系到测评?具再到测评模型。?些研究先通过德尔菲法等?法确?指标体系后，在指标不变的情况下开发指标的测评?具，通过?具的应?搜集指标数据，最后基于数据统计分析确定指标权重，构建测评模型。如“学校特?发展测评模型”研究。
第三种，从指标体系到测评模型再到测评?具。?些研究在确?指标体系后，通过层次分析法等?法构建测评模型，再开发?定的测评?具对相应指标予以测量和数据搜集。学科教育领域常遵循这样?种逻辑路线。“?项研究的好坏往往有赖于所得数据的质量”，指标数据的质量会直接影响模型的准确性。传统的指标数据的获取主要有两种?式，?种是从现有的材料中搜集有?的数据，另?种是通过调查或实验获取新的数据，包括使?问卷法、访谈法、观察法、实验法等。在?数据时代，指标数据的获
取变得更加多样，互联?发展及?些新兴技术、设备的发展，使以往难以获取的数据成为可能，如通过智能设备记录的学?每天活动轨迹、运动健康数据、学习数据等，这些?数据将使模型建构更加精准，也使模型应?具有更?的空间。（五）验证和修正教育测评模型为了保证教育测评模型的信效度，需要对其进?验证。这种验证?般有三种?式：
第?种，基于数据的验证。即通过?定的统计分析?法检验模型的拟合度。如通过验证性因素分析来验证假设模型的效度，检验模型各项拟合指数（含X2/df、GFI、CFI、TLI、NFI、IFI等）是否符合统计学要求。
第?种，基于专家的验证。即在模型构建后由相关领域权威专家对模型的效度作出评价。
第三种，基于实践应?的验证。即在应?过程中检验模型的优劣，测评模型构建后，往往通过在?范围试验检验其在实际教育情境中，对于解决教育?数据时代实际教育问题的效?，如对学校发展质量的测评，可以对?依据模型测评的结果与依据经验评判的结果、专家评判的结果之间是否存在明显的差异。此外，通过个案应?与深?分析，也可以检验测评模型的效度，并弥补以团体数据构建和验证模型的不?。实际上，教育测评模型验证是?个系统收集各种证据以证明测评模型有效性的过程。因此，教育测评模型验证往往不是采?单?的验证?法，?是综合利?多种验证?法。此外，由于教育现象的复杂性、动态性特点，教育测评模型尤其注重在实践应?中检验其科学性和有效性，?且教育测评模型的检验和修正可能会是持续性的、动态性的、周期性较长的过程。教育测评模型具有?泛的应?领域，包括教育投?测评、教育过程运?监测、教育质量监测等，通过测评模型应?可以发现模型本?存在的问题，并根据实际情况对模型作出修正。四、教育测评模型构建范式的应?通过教育测评模型构建范式的应?范例，可以进?步让研究共同体理解教育测评模型构建范式所包含的符号概括、信念、价值等。应?教育测评模型构建范式可以构建多种多样的教育测评模型。如前所述，我们在长期的探索实践中，从宏观、中观和微观层?构建了系列教育测评模型，并在实践中得到有效推?应?，对于相关领域的研究、决策、实践和评估起到了积极的作?。这些测评模型不???，仅从宏观、中观、微观教育领域三个层?举要分析。（?）宏观测评：义务教育资源配置均衡发展测评模型构建在宏观教育领域，义务教育是整个教育体系中的基础之基础，义务教育均衡发展是我国教育改?和发展的战略性任务，但相关研究多数仅从理论和经验上探究教育均衡或者教育差距，?缺乏衡量义务教育均衡发展科学有效的?具，尤其是缺乏对义务教育均衡发展核?要素义务教育资源配置均衡发展的测度?具，因此构建义务教育资源配置均衡发展测评模型具有重要的现实意义。为此，综合经济学、教育学以及教育管理学和教育经济学等相关理论，通过?献研究、访谈调查和编码分析等?法，研究了义务教育资源配置的理论框架，选取了义务教育资源配置均衡发展的测评指标，通过探索性因素分析和验证性因素分析的?法确定模型的结构，通过两轮德尔菲法确定该模型的权重，最终构建了义务教育资源配置均衡发展测评模型，并基于样本区县的实际测算数据对义务教育资源配置均衡发展?平进?初步划分。最后，通过对义务教育资源配置均衡发展测评模型进??范围测试对模型予以验证。最终建构的义务教育资源配置均衡发展测评模型为：Y=0.28A1+0.41A2+0.31A3，其中A1是办学条件指标、A2是教育经费指标、A3是教师质量。办学条件A1=0.55B1+0.45B2（B1为学校布局，B2为设备设施）；教育经费A2=0.67B3+0.33B4（B3为经费投?，B4为经费使?）；教师质量A3=0.82B5+0.18B6（B5为结构分布,B6为交流发展）。通过内部?致性检验、验证性因素分析及专家效度交互检验表明，模型具有良好的信效度。（?）中观测评：学校特?发展测评模型构建在中观教育领域，主要涉及学校管理问题。在义务教育基本均衡逐步实现的基础上，如何办出学校特?、为学?提供适合的教育，是当前基础教育改?和发展的核?议题。然??们对于特?发展普遍认识不清，实践混乱，更?法科学评判学校和区域特?发展?平，此种情况下，以测评为切?点，构建学校特?发展测评模型，可以引领?们对学校特?发展形成相对统?的认识，并形成学校特?发展的基本理论框架及测评框架和?法。为此，将定性研究?法与定量研究?法相结合，综合使??献研究法、问卷调查法、访谈法、案例研究法和探索性因素分析、结构?程模型、?差分析、回归分析等统计分析?法，尤其是先后调查访谈全国范围内专家146?次，调查4726个中?学校管理?部和教师样本。第?，构建了学校特?发展的操作性定义。第?，构建了学校特?发展测评指标体系。结合前期学校特?发展内涵研制过程中的理论研究和专家调查，初步构建学校特?发展测评框架，之后将学校特?发展指标体系?泛征求专家意见，最后确定了三维度、七指标的学校特?发展测评指标体系。第三，构建了学校特?发展测评量表和模型。?主开发学校特?发展测评量表，基于量表?样本施测，通过因?分析法确定学校特?发展测评指标权重，并形成学校特?发展测评模型，这?模型近似地?以下数学线性表达式表?为：S=0.33A+0.34C+0.33Q；A=0.50P+0.50D；C=0.60C1+0.40M；
Q=0.36S1+0.33F+0.31S2。其中，S表?学校特?发展?平，A表?学校特?发展理念体系的适切度，C表?学校特?实践与理念体系的?致度，Q表?学校特?发展效果的优质度；P表?办学理念，D表??向?标；C1表?课程体系，M表?组织管理；S1表?学?发展，F表?教师发展，S2表?学校发展。第四，对学校特?发展测评模型进?试验和验证。通过在?省市应?，?是整体分析中?学校特?发展?平及其在若?变量上的组群差异。?是选取有代表性的?学、初中、?中进?个案学校特?发展状况诊断。三是初步分析了学校特?发展?平与学?学习成绩之间的相互关系。（三）微观测评：学?与学科测评模型构建在微观教育领域，学?发展是教育发展的根本?的，“减负提质”是当前基础教育改?和发展的中??作，围绕减负，构建了学?课业负担测评模型，?围绕提质，由于课程是促进学?发展的关键载体，构建了系列学科测评模型。学?课业负担测评模型研究在构建课业负担操作性定义的基础上，通过对4省市、1350名被试的抽样调查，初步构建了学?课业负担的测评模型。其中，675名被试?于探索性因素分析，得到的课业负担测评模型包括成绩压?、课业难度、精?消耗和课内学习任务4个维度，合计14个指标；675名被试?于验证性因素分析，结果显?：课业负担测评模型拟合良好；课业负担各维度与睡眠时间、学习成绩有轻微的负相关，与厌学倾向有中等程度的正相关，说明该模型具有良好的测量学性能，可作为学?课业负担的测评?具。?在学科测评模型??，构建了数学教科书难度测评模型、数学学习兴趣测评模型、数学符号意识测评模型、数学?何直观测评模型、学?阅读素养测评模型、学?统计思维测评模型、青少年动商测评模型、学?综合素质测评模型、学?信息技术素养测评模型等。如?学低段数学符号意识测评模型研究探索从“?学低段数学符号意识的含义→表现形式→操作性定义→内涵维度的确定→测评指标的筛选→测评模型的构建→测评模型的检验”的测评模型构建的研究思路。通过实证研究陈述了?学低段数学符号意识的存在性，?次探析了?学低段数学符号意识的含义、表现形式和操作性定义，初步尝试构建?学低段数学意识的测评指标（3个内涵指标和7个?为因素指标）和测评模型Y=0.3X1+0.3X2+0.4X3，且模型的准确率为70.56%，其中，X1、X2、X3分别为数学符号的抽象、数学符号的识记和数学符号的应?。由于篇幅所限，以上仅简要呈现了?些教育测评模型构建范式应?的结果。上述模型的构建对于宏观层?的教育决策、中观层?的学校管理决策及微观层?的教学决策及学?的学习改进都将提供强有?的?撑，同时为相关领域研究提供了数据、?具?持和研究参考。以学校特?发展测评模型为例，学校特?发展是?个内隐性概念，以往区域、学校对于??特?发展?平到底如何，更多是基于?种主观的感受，区域之间、学校之间也难以?较，?通过以测评这?“牵?发?动全?”的研究，实际涉及学校特?发展的内涵与操作性定义、指标体系、测评?具、测评模型等??的系列研究，为学校特?发展的实践提供系统理论框架和系列?具，并通过全国?数据采集与分析，可以数据化和可视化全国、区域和中?学特?发展?平，诊断学校特?发展现实?平和存在问题，为中?学校特?发展提供理论指导和诊断?具。与此同时，基于模型应?数据，可以通过多元回归分析等?法探索学校特?发展的影响因素，?通过中介效应、调节效应等?法可探索学校特?发展对其他相关变量的影响，如校长领导?对学校特?发展?平的影响或学校特?发展对学?学业?平、学?核?素养等??的作?，从?探索学校特?发展的驱动因素和作?机理；?如就当前??，教育?数据主要体现在学??数据上，学业负担测评模型的应?过程中，可以借?信息技术?段包括可穿戴设备搜集学?在学习时间、作业时间、运动时间、睡眠时间及学习压?等??的?数据，精准刻画全国中?学?学业负担状况，为督导评估各级政府落实减负提质情况及因地制宜地制定“减负”政策提供专业?撑。尽管在?数据时代教育测评模型具有?阔的应?前景，但是，教育测评模型的应?应从实际出发，发挥教育测评模型的引领和诊断等积极功能，避免??新的“机械化”、“形式化”、“功利化”误区，?成为教育发展新的“枷锁”。结语教育测评模型构建是我们近年来探索创新的教育研究新兴领域，由于这?领域的研究时间毕竟不长，加之教育测评模型构建本?是?个极为复杂的?作，教育测评模型构建范式还有诸多问题有待在今后的研究中进?步完善，未来对于教育测评模型及其构建范式还将从以下?个??进?步探索。第?，构建教育测评模型体系。今后，应?教育测评模型构建范式，围绕我国教育改?与发展的重点、热点、难点领域，从宏观、中观、微观层?还可以继续构建系列模型，如在宏观领域，可构建教育现代化测评模型、城乡教育?体化测评模型、义务教育优质均衡发展测评模型、县域义务教育质量测评模型等模型；在中观领域，可构建学校教育质量测评模型、课程质量测评模型、课堂教学质量测评模型、校长领导?测评模型等模型；在微观领域，可构建学?发展质量测评模型、学?学业?平发展测评模型、学?核?素养测评模型、教师专业发展测评
模型等模型，每?个模型中?可有若??模型，从?构建?数据时代的教育测评模型体系。第三，探索?线性测评模型的构建?法和范式。本研究中的教育测评模型构建范式从测评对象的操作性定义??，这?范式具有独特优势，有利于形成对教育现象客观、统?的认识，提?研究结果的准确性、可?性和可检验性。但任何模型都不具有绝对普遍性，?是局限于?定的适?对象，本研究中的教育测评模型构建范式更多地适?于线性模型的构建，其中最基本的假设是，X和Y总体上具有线性关系，同时Y服从正态分布。但如果X和Y是?线性的变量关系，则需要构建?线性测评模型。?由于篇幅所限，对于?线性测评模型的构建范式将另?研究。第四，保持教育测评模型的?具价值与教育现象的??属性之间合理的张?。对于教育测评合理性的争议由来已久，科学主义者认为，科学知识以经验事实为基，??社会科学的问题同?然科学的问题?样可以??然科学的?法进?研究，因此，教育现象是可测可评的。但存在主义者认为，教育的??属性决定了教育现象是复杂???法测量的，如对学?品德发展?平的测量，由于“个体从其内在的道德信念和道德动机向外在??过渡的过程中，会受到诸多因素的影响，因此，从外显的指标去推断?个?真实的道德状况，不可避免地带有不同程度的失真情况”。教育研究中的科学主义和??主义各有其合理性，两者的争论不会停休，对于教育测评模型及其构建范式??，最重要的是，在构建和应?教育测评模型时，不陷?对数据的盲?迷信和乐观，保持对教育??属性的敬畏，同时，对于尤其难以定量测评的教育现象，以科学精神和科学的测评?法客观予以认识，最?程度地寻找反映教育现象本质的指标，最?限度地突破教育测评的??限度。这也是?数据时代教育测评模型及其范式构建?临的重要?法论难题。随着?数据在教育领域的深度应?，模型思维将愈来愈重要，教育测评模型的价值将愈来愈凸显，尽管?们对于教育测评尚存争议，尽管教育测评模型及其范式还未必成熟，但相信这些对教育测评模型及其范式的初步思考对我国教育改?和发展如何应对教育?数据时代具有启迪意义，希望它能引起学界对教育测评模型及其范式问题更多的关注和争鸣，促进教育测评模型及其构建范式不断?向完善。〔责任编辑：莫斌〕来源：《中国社会科学》2019年第12期P139—P155
推荐访问:大数据时代主流的教学范式 范式 主流 教学
