作者简介：朱德全，四川南充人，西南大学教育学部部长，长江学者特聘教授，北京师范大学中国基础教育质量监测协同创新中心西南大学分中心，研究方向为课程与教学论、教育统计与测评；马新星，云南禄丰人，西南大学教育学部博士研究生，研究方向为教育评价。重庆 400715

　　标题注释：北京师范大学中国基础教育质量监测协同创新中心重大成果培育性项目“大数据时代教育测评技术转向与《教育测量与评价》课程平台的服务功能研究”(2018-06-004-BZPK01)，中央高校基本科研业务费专项资金项目“基于管办评分离的现代职业教育评价机制研究”(SWU1709492)。

　　中图分类号：G40-058.1 文献标识码：A 文章编号：1001-4519(2019)01-0005-03

　　人类社会正高速从IT时代进入DT时代，大数据作为新时代的核心科技力量，对各行各业产生了颠覆式的影响①，教育与大数据的深度结合是时代发展的客观要求，也是新时期教育质量提升的必然选择。教育质量的高低取决于评价质量的水平，而专业化是高质量教育评价的前提保证，走向专业化是现代教育评价的应然趋势②。在数据成为关键驱动力的时代，大数据作为新技术支撑并加速教育评价的变革，推动了教育评价专业化的进程。教育评价的实施可以拆解为信息数据的收集—价值判断—结果反馈三个环节，大数据的运行则遵循海量数据生成—数据筛选和深度挖掘—数据实时呈现的一般规律。借助大数据运行的一般规律来审视教育评价活动，为教育评价的专业化提供了新的理论空间，而充分发挥教育大数据的作用，则为教育评价专业化提供了更有效的实践路径：信息数据实现无损采集，提升了教育评价依据的可靠性，成为教育评价变革的逻辑基础；价值判断趋向科学精准，增强了教育评价数据解读的有效性，明确了教育评价变革的逻辑取向；评价结果得以高效交付，保证了评价互动反馈机制的实时性，凸显了教育评价变革的逻辑旨归。

　　一、逻辑基础：数据无损采集增强评价依据的可靠性

　　高质量的教育评价依赖于全面、有效的评价依据，可靠的评价依据是教育评价专业化的前提基础。在大数据时代，教育评价数据采集的全自动、全过程、全样本和全类型使得教育数据的产生与评价数据的采集实现无损对接，提升了信息和数据的质与量，增强了教育评价依据的可靠性，成为大数据时代教育评价变革的逻辑基础。

　　在传统的教育环境下，教育评价主要根据评价目标和方案有选择地对教育信息数据进行采集，数据因评价而生成，且由于技术、条件的有限性，数据来源相对单一，所收集的评价依据局限于小规模抽样所产生的结构化、片段化数据，教育数据产生与评价数据采集没有实现无损对接。大数据推动社会生活加速深度技术化，教育与技术的全方位深度融合使得教育评价的思维与方法都产生变革③。大数据技术使对多元化数据全自动、全过程、全样本和全类型的采集成为现实，教育评价数据采集的专业化具体表现为在思维层面重塑对教育评价依据的认知，丰富教育评价的数据内涵。从评价依据的来源看，教育大数据是教育过程中自动产生并存储下来的，而非基于特定评价目标的选择性采集，大数据技术促使教育评价数据产生与采集实现无损化；从教育评价数据的内涵看，随着教学管理、在线学习系统的运用以及各种终端设备的普及等，教育数据呈现井喷式增长，教育从数据最贫瘠的领域变成了数据最丰富的领域④，教育领域的数据盲点逐渐消失，包括时空数据在内的更多数据能够被用于教育评价之中。重新认识教育评价依据的内生机理，解读教育评价数据的丰富内涵，是教育评价数据产生与采集专业化思维的前提。方法层面，对教育活动全过程所有类型数据的动态抓取，弥补了教育评价数据采集的缺憾。大数据时代，万物互联和人机交互使得包括正式学习和非正式学习在内的全教育过程中产生的数据都有迹可循，智能教育环境和智能终端自动存储海量的教育数据，教育评价数据的产生和采集趋向全自动、全过程、全样本和全类型。基于物联感知类、视频录制类、图像识别类及平台采集类等技术，教育大数据产生与采集的无损连接，评价数据在教育过程中自动生成且覆盖教育全域，教育评价走出了对片段化结果数据的采集的局限，实现了过程化动态数据的全方位监测；样本量方面，不单纯依靠微观抽样，更要探索全样本的海量数据；数据类型方面，不仅关注结构化数据的采集，也要重视非结构化、半结构化的全类型数据⑤。找准教育评价依据采集的方法，充分发挥技术红利，是教育评价数据采集专业化方法的基础。

　　二、逻辑取向：价值精准判断提升数据解读的有效性

　　教育评价是对教育活动现实的或潜在的价值进行分析并作出判断的过程⑥，价值分析与判断是教育评价实施的核心环节。得益于大数据技术，海量数据价值解读的有效性得到增强，推动教育评价的价值判断趋向精准化，凸显了大数据时代教育评价变革的价值逻辑取向。

　　线性的因果关系思维和主观的经验判断影响了教育评价的科学性，成为教育评价专业化发展的瓶颈。大数据技术颠覆了传统的逻辑思维方式和认知方式，将思维从线性的因果关系中解放出来，引导人们通过海量数据集之间的相关关系⑦，发现问题、探索规律、分析价值并预测趋势。大数据技术使丰富联系的相关关系成为时代思维的主流，并以基于数据分析的客观性解释为主要运行方式，既关照教育的人文性，又提升评价的科学性，使教育评价趋向精准化：思维层面，多元价值的教育现实使评价范式面临转换，传统教育评价中线性的因果关系思维缺乏对多元价值的回应，而大数据绕开寻找因果理解的复杂过程，从数据的相关关系中寻找价值的思维为教育评价范式的转换提供了新的思路；主观臆断和经验主义等倾向的思维模式降低了教育评价的可信度和权威性⑧，大数据技术的规模性(Volume)、多样性(Variety)使得数据本身兼具客观性与价值性，通过直接考察全样本、全过程、全类型的数据本身，推动教育评价中数据驱动决策的实现⑨，促使价值分析和判断从“经验主义”向“数据主义”理念转变。相关关系的思路和数据驱动的理念是教育评价价值判断专业化思维的前提。方法层面：教育评价专业化需要对海量数据进行分析和处理，大数据技术具有高速性(Velocity)、准确性(Veracity)、价值性(Value)等特点，在分析复杂的教育数据时有不可比拟的优势，具体表现为数据价值密度高、分析速度快、挖掘能力强、关注范围广。基于关联规则分析(Apriori)、多层线性模型分析(Hierarchical Liner Modeling)、决策树分析(Decision Tree)、神经网络分析(Neural Network Analysis)、K-MEANS聚类分析等复杂算法模型，大数据技术对数据集合进行对比分析、交叉检验和聚类统计，将非结构化数据转化为半结构化、结构化数据，运用数学方法进行运算处理，以对现象之间的相关关系分析为基础深入到要素之间的因果关系分析，进而揭示教育现象背后隐藏的本质、模式和趋势⑩。合理运用大数据技术，提升价值分析与判断的精准度，是教育评价专业化核心。

　　三、逻辑旨归：评价结果高效交付促进互动反馈的实时性

　　及时、有效地将评价结果反馈给评价客体和利益相关方，并促进教育质量提升，是教育评价的逻辑旨归，因此结果反馈是教育评价的关键环节。大数据技术为教育评价信息互动反馈的动态性和实时性提供保障，促使评价结果的交付更加直观与高效，成为大数据时代教育评价变革的关键表征。

　　教育评价专业化的进程中，评价的行政色彩不断弱化，专门从事评价工作的机构成为重要评价主体，评价的服务功能日趋强化。教育评价专业化对教育评价的结果反馈提出了更高的要求，结果反馈的质量决定了教育评价功能发挥的效果，行政色彩的消解使得高质量的结果反馈成为教育评价在市场化进程中的核心竞争力，只有通过高效的结果反馈有效促进教育改革、支撑教学决策、改进教育活动(11)，才能凸显教育评价专业化的价值所在。结果反馈的高效具体表现为思维上明确教育评价的服务功能定位，方法上提升结果交付的质量和效率。思维层面，教育评价专业化表现为评价结果从行政反馈向价值性建议转变，教育评价的验收、检查功能更多地转化为服务功能，教育评价数据的无损采集、价值的精准判断，为教育评价结果的反馈提供了良好基础，基于改进与预测的系统解决方案成为教育评价产品与服务。方法层面，大数据技术让教育评价结果反馈实现智能化、可视化和动态化，大大提高了评价结果反馈的效果。智能化表现为大数据技术可将隐含于数据中的规律和信息引入相应的可视化分析工具，既可以树形结构、放射性层次圆环等结构展示评价结果，又可以进一步展示主题的合并和分支关系以及演变；可视化表现为以图表等可视化方式直接、直观地呈现评价结果，帮助利益相关方全面而客观地了解教育的发展现状、趋势，帮助师生更好地改进教与学；动态化表现为大数据技术催生教育评价结果反馈从粗略到精细、从延时到实时转化，结果反馈更加常态和及时(12)，有效支持科学的教育决策、改进教育活动、预测教育发展(13)。

　　教育评价专业化并非是教育评价领域的新理念，只是从国际经验和我国的改革实践来看，专业化是教育评价的必然发展趋势。大数据时代，教育评价数据采集的无损、价值判断的精准和结果交付的高效初步具备基础和条件，新技术在理论维度和实践维度共同推进教育评价的专业化发展，提升了教育评价依据的可靠性，增强了评价数据解读的有效性，保障了评价互动反馈的实时性，这也正是大数据技术在促进教育评价变革过程中的价值所在。

　　注释：

　　①Viktor Mayer-，Kcnnth Cukicr.大数据时代——生活、工作与思维的大变革[M].盛杨燕，周涛译.杭州：浙江人民出版社，2013.1-3.

　　②李雁冰.论教育评价专业化[J].教育研究，2013，(10)：121-126.

　　③吴晓蓉，谢非.大数据时代教育研究的变革与展望[J].西北师大学报(社会科学版)，2018，(1)：82-89.

　　④Viktor Maycr-，Kcnnth Cukicr.与大数据同行——学习和教育的未来[M].赵中建，张燕南译.上海：华东师范大学出版社，2015.121-122.

　　⑤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.

　　⑥陈玉琨.教育评价学[M].北京：人民教育出版社，1999.7.

　　⑦李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J].中国科学院院刊，2012，(6)：647-657.

　　⑧蔡敏.关于教育评价专业化的探讨[J].高等师范教育研究，2002，(3)：34-38.

　　⑨杨现民等.数据驱动教学：大数据时代教学范式的新走向[J].电化教育研究，2017，(12)：13-20，26.

　　⑩尧逢品.大数据视野下的教育评估监测探微[J].上海教育评估研究，2016，(1)：20-24.

　　(11)Stufflebeam D.L.The CIPP Model for Program Evaluation(Boston:Kluwer-Nijhoff,1983),117-141.

　　(12)马星，王楠.基于大数据的高校教学质量评价体系构建[J].清华大学教育研究，2018，(2)：38-43.

　　(13)尧逢品.大数据视野下的教育评估监测探微[J].上海教育评估研究，2016，(1)：20-24.