大数据时代的教育评价:特征风险与破解之道

21世纪以来,大数据成为当今社会发展的一个重要的时代表征,改变着人们生产、生活和理解世界的方式。一般来说,大数据指常用数据库软件无法获取、存储和管理的数据集,具有大容量、高速度、多样性、价值性特点,需要有效的技术来分析与处理。教育与信息技术的深度融合使大数据在教育管理、个性化学习、智慧教学等领域的应用不断深化。2020年,中共中央、国务院印发《深化新时代教育评价改革总体方案》,提出充分利用信息技术,提高教育评价的科学性、专业性、客观性。当前,大数据已成为重塑评价改革实践的重要驱动力量,不仅为评价过程提供丰富的数据支持,也通过数据分析与管理提升教育评价的精准性。然而在大数据赋能教育评价的过程中,亦不能忽视数据伦理、主体性迷失等潜在风险。教育评价工作者应基于教育立场和人的立场,通过科学判断,处理好数据与人之间的关系,真正发挥大数据的教育评价功能。

1大数据时代教育评价的基本范式

教育大数据已成为教育评价的核心资源,大数据支撑下的教育评价不仅意味着拥有海量数据,更体现为多源数据采集、数据深度挖掘、数据实时呈现以及高效数据管理在教育评价中的应用。

1.1多源数据,实现全过程、全方位的立体评价

多源是大数据的一个重要特征,表现出对教育评价全过程与全时空数据信息的持续采集与追踪,内含对评价对象全景式呈现的意蕴。传统教育评价受到技术条件限制难以获取全面评价信息,从而易使一些关键维度的评价内容缺乏强有力的信息依据,评价的有效性与专业性难以保证,多源数据则“帮助我们以前所未有的视角判断什么可行、什么不可行;展示那些以前不可能观察到的学习层面”,推动着教育评价从基于小样本数据的经验判断向基于整体性大数据的证据决策转变。

1.2深度挖掘,实现科学化、精确化的即时评价

1.3算法推荐,实现可视化、差异化的动态评价

算法是大数据时代的重要概念,数据的积累促成了算法研究的深入,大数据与智能化传播的本质,就是基于计算机的算法程序对各类数据信息进行搜集、整理、评估、分类以及应用。智能算法的基本要义即根据用户的历史数据,运用数学算法分析用户个人偏好并进行推荐。在教育领域中,仅凭单一的分析工具难以快速挖掘数据的多维功能,而智能算法的应用则有助于推动教学管理评价等走向精准化与个性化。

1.4数据管理,实现预测性、前瞻性的发展评价

高质量的教育评价离不开大数据技术的支撑,然而,目前教育评价数据的运行中仍存在一些问题,如不同机构之间的数据获取难度大、数据缺失、数据壁垒等现象。随着大数据管理技术不断提升,数据管理功能依托特定的技术或平台对所采集的海量数据进行分类、归纳、分析等处理,使复杂多样的评价数据处于有序的状态。

2大数据时代教育评价的数据隐忧

人工智能时代的到来,促使我们进入到数字化世界之中。大数据何以可为,又有何不为?从评价数据采集到数据分析,再到评价结果的运用,都可能产生不可预测的风险,大数据时代教育评价亦面临一定的数据隐忧。

2.1数据采集触发数据伦理威胁

2.2数据使用陷入主体规训困境

自启蒙运动以来,人是理性自主的存在这一观点广为流行,人的主体性被推至极高的位置,“主体性问题是哲学的核心问题,也是教育的根本问题,人的主体性是教育追求的重要目标。”大数据时代,海量数据支撑下个体的自主性与选择性似乎得以提升,但实际上“人的主体地位遭遇挑战,甚至可以说,是人类以一种乐观自愿的期盼把主体性让渡于自己创造的技术。”个体所具有的认识主体地位意味着我们无法将评价对象视为可以规训与塑造的客体,但在大数据驱动下却极易陷入数据依从的困境。

2.3数据使用存在边界迷失

数字思维范式在现代社会中备受推崇,计算主义的核心思想是一切认知都可进行计算。从本质上说,大数据是人类探索理解和量化世界的新进展。大数据时代教育评价同样受到计算理性的支配,力求在评价过程中让数据说话,寻求其可确定的部分,从而避免评价中不可预测的危害。但确定性与不确定性是客观世界的固有状态,任何对确定性寻求的努力都存在着不确定性。由于认识的不可穷尽性以及个体生命的无限可能性,教育评价活动同样内含复杂性与不确定性,这种不确定性使得评价数据本身以及数据结果的应用边界具有限度。

3以三重判断破解大数据时代教育评价的数据隐忧

教育评价是基于事实与价值的实践性活动,价值判断是教育评价的本质特征,而合理的价值判断需要以科学的教育价值观为基础。在大数据时代,要充分实现数据的教育价值,评价者需立足人的发展立场,通过正当性判断、价值性判断与有限性判断三重教育判断来破解大数据时代教育评价遭遇的数据隐忧。

3.1通过正当性判断化解数据伦理困境

3.2通过价值性判断促成评价对象主体性回归

人是事实性与价值性相统一的能动主体,人与客观世界之间既存在事实关系,也存在价值关系,价值性则反映了人与外界的价值关系。价值性判断是一种关于合理性的判断,是关于好与坏、善与恶、利与害、正当或不正当、合理或不合理等的判断,它解决的是客观事物对主体需要的关系“应怎样”的问题,大数据背景下的教育评价需要回应并处理好人与数据之间的价值关系,因为教育世界是人类意义生成的世界,教育活动是一种价值关涉的活动,教育活动本身具有内在的价值向度。从教育的立场即人的发展立场出发,数据技术仅仅是认识主体的延伸,大数据时代的教育评价需要在主体价值观的引导下开展活动,需要满足个体的需要和意志,而不能任由技术来改变作为认识主体的基本属性。教育评价中的价值性判断表现为评价者不是仅仅利用大数据转化为特定的行动,而是能够借助数据判断何种行动对评价对象是适切的,以及这种行动为评价对象所带来的价值。在评价过程中始终追求评价对象的发展以及个体主体性的生成,这也要求评价者所采取的行动始终是面向未来的、开放的,而不是对过去或现在的重复。

3.3通过有限性判断关照评价数据背后的教育本质

在大数据时代的教育评价中,有限性是指数据功能与作用的限度与边界,有限性判断则是指对数据功能与作用的限度与边界的评判。任何事物所起的作用均具有一定限度,都只能在合理的范围内发挥作用,如出现边界模糊,则可能会导致功能的泛化或僭越。正如海德格尔(MartinHeidegger)对技术与实践关系的分析,技术之所以在某些时刻不再是实践的手段,反而成为干扰活动的破坏对象,恰恰是因为在这些技术的使用中,使用者被“消散”了。大数据时代的教育评价如果缺少对评价数据功能的限度与边界的考量,忽略数据背后真正的内涵与意义,尤其在评价目的之间发生冲突时,教育评价数据有可能被滥用。由此,在大数据时代的教育评价中需要进行有限性判断,这种有限性判断并不在于简单拒绝大数据在评价活动中的应用,而是不断寻求数据与人之间的平衡,明确数据及其使用的合理限度,促使大数据时代教育评价回归教育育人本质。

在大数据时代,大数据支撑下的教育评价所实现的立体评价、即时评价、动态评价以及发展评价构建起一幅教育评价的全新图景;然而,当教育评价中数据的教育本质被搁置,教育评价促进个体全面而有个性发展的功能就会因陷入数据泥沼而无法实现。意识到大数据背后的风险,警惕大数据运用于教育评价带来的隐忧,进行基于人的发展立场的教育判断,让大数据为教育评价服务而不是数据凌驾于人的主体之上,这是新时代教育评价改革中对技术、数据与人之间关系的理性回应。

THE END
1.大数据算法一文掌握大数据算法之:概述特点类型及难点等,值得2.2 大数据算法特点 大数据算法是在处理和分析大量、多样性且高速数据时所应用的算法。 其特点既与大数据的特征密切相关,又对算法设计和优化提出了独特的要求。 以下是大数据算法的几个关键特点: 高效性 大数据算法必须能够在处理海量数据时保持高效性,这意味着要能迅速处理大量数据而不牺牲太多速度。分布式计算和并行处https://blog.csdn.net/wuyoudeyuer/article/details/141284911
2.大数据5大特点产品特点以下是关于大数据的5大特点以及产品特点的介绍: 这个介绍展示了大数据的5大特点以及对应的产品特点,有助于我们更好地理解大数据技术在实际应用中的关键要素。https://www.kdun.com/ask/715090.html
3.大数据主要特征有哪些大数据主要特征有哪些 东奥注册会计师 2024-09-12 03:52:09 大数据主要特征有大量性、多样性、高速性、价值性。 价值性是指海量数据中真正有价值的数据占比非常低,即价值密度低。 大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和https://www.dongao.com/zckjs/gsz/202107283501702.shtml
4.算法大数据平台有哪些特点帆软数字化转型知识库算法大数据平台是指集成了大规模数据存储、数据处理与分析工具,以及机器学习算法与模型管理系统的综合性平台。其主要功能是为企业和研究机构提供数据管理、处理与分析的能力,以及支持机器学习与数据挖掘应用的开发和部署。 算法大数据平台的特点有哪些? 弹性伸缩的数据处理能力:算法大数据平台具有强大的数据处理能力,能够支持https://www.fanruan.com/blog/article/4543/
5.Hadoop的特点有哪些大数据本篇内容介绍了“Hadoop的特点有哪些”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成! 1 Hadoop 简介 1.1 Hadoop 由来 数据容量 大数据时代数据量超级大,数据具有如下特性: https://m.yisu.com/zixun/489355.html
6.在线算法/数据流算法是面向大数据速度快的特点提出的。()在线算法/数据流算法是面向大数据速度快的特点提出的。()A.正确B.错误的答案是什么.用刷刷题APP,拍照搜索答疑.刷刷题(shuashuati.com)是专业的大学职业搜题找答案,刷题练习的工具.一键将文档转化为在线题库手机刷题,以提高学习效率,是学习的生产力工具https://www.shuashuati.com/ti/195ddf88b5cb4f11a28a7130fb63330e.html?fm=bdbdsd075b9c9bbaeeb8239adb7635af1fd3a
7.大数据有什么特点因此,如何从海量数据中提取出有价值的信息,是大数据处理和分析的关键问题。这也要求大数据处理技术具备更强的数据挖掘和分析能力,以发现隐藏在数据中的规律和知识。 综上所述,大数据具有数据体量巨大、数据类型繁多、处理速度快和价值密度低等特点。这些特点使得大数据成为当今信息化时代的重要资源,对于推动社会进步和经济https://localsite.baidu.com/article-detail.html?articleId=22506820&ucid=PHfzrjnLPWf&categoryLv1=%E6%95%99%E8%82%B2%E5%9F%B9%E8%AE%AD&ch=54&srcid=10005
8.云计算区块链大数据之间的关系与特点算法物联网区块链技术大数据主要涉及四个方面的特点,即数据量大、数据类型多样、数据生成速度快和数据价值高。大数据可以帮助企业和组织发现隐藏在数据中的模式和趋势,从而支持决策、优化业务流程、改善产品和服务,以及提高效率和竞争力,其中包括了大数据算法。 大数据算法是指在大规模数据集上运行的算法。由于大数据具有数据量大、复杂度高、https://www.163.com/dy/article/J8C6LTLB05524GM0.html
9.共达地李苏南:0代码自动化,让AI算法赋能千行百业商业模式鲸解请您和我们分享共达地的市场定位是怎样的,岗位分布有哪些特点? 李苏南:共达地专注在通过AutoML自动化机器学习实现AI的大规模商业化落地。如果说AI行业发展的上半场是只有少数公司、少数科学家和高阶工程师才能参与的“小众”领域,那么下半场,共达地希望把AI的开发和训练门槛降到最低,让各行业中了解业务场景、业务需求的https://www.cls.cn/detail/1154839
10.大数据:分类算法深度解析在实际应用中,理解数据的特点和选择适当的算法是取得良好性能的关键。 3.3 神经网络 神经网络是一种模拟人脑工作方式的分类算法,由多个神经元层组成。在深度学习中,神经网络在大数据分类任务中表现出色。 以下是一个基本的神经网络示例,使用Keras库构建和训练一个简单的神经网络模型。 http://www.360doc.com/content/24/0112/20/78411425_1110858832.shtml
11.Contents/premium.mdatmaster·Newslab2020/Contents·GitHub如果取消牌照费,有哪些替代方案? 与流媒体的竞争,以及 BBC的未来. 618 伊朗:女青年之死、抗议、断网 2022/9/25 “头巾法”与宗教警察; 第三次切断互联网; 女性革命的到来? 617 《柳叶刀》新冠报告 2022/9/20 委员会的构成与运行; 报告的主要观点; https://github.com/Newslab2020/Contents/blob/master/premium.md
12.个人信息安全知识(通用8篇)生活中你有没有接到过骚扰电话呢?可能有的是因为哪些人太无聊随手打的,但是有的是因为你的信息遭到了泄露,在大数据生活时代该如何保护好自己的个人信息呢?个人的信息要怎样保护它的安全呢?下面是小编为大家整理了有关个人信息安全知识的相关内容,希望大家喜欢。 个https://www.oh100.com/zhishi/641285.html?1500536401
13.大数据的详细定义当我们打开购物软件或社交软件,首页总会推送一些我们近期搜索过的物品、相关话题,这时候大家头脑里都会冒出一个词“大数据”,那究竟什么是大数据?对于大数据很多权威机构给出了自己的定义,比如Gartner对大数据的解释是:大数据是指高容量、高速度或高多样性的信息资产,它们需要借助成本效益高、创新的信息处理方式,以获取更https://blog.itpub.net/70041355/viewspace-3029299/
14.大数据金融第二章大数据相关技术第一节 大数据处理流程 首先是利用多种轻型数据库收集海量数据,对不同来源的数据进行预处理后,整合存储到大型数据库中,然后根据企业或个人目的和需求,运用合适的数据挖掘技术提取有益的知识,最后利用恰当的方式将结果展现给终端用户。 数据处理流程 一 数据采集 https://www.jianshu.com/p/d68251554c66
15.国家开放大学高起专真题《大数据技术概论》5、NoSQL数据库具有以下几个特点: A.与云计算紧密融合 B.灵活的可扩展性 C.灵活的数据模型 D.数据模型比较死板 正确答案:A、B、C 6、典型的机器学习和数据挖掘算法包括: A.聚类 B.分类 C.正交 D.回归分析 正确答案:A、B、D 7、大数据处理分析技术类型主要包括: http://m.sdlcjyjt.com/h-nd-6069.html
16.科学网—[转载]基于材料数值计算大数据的材料辐照机理发现然而,面向多尺度模拟软件的统一数据存储方案目前仍然是个空白。本文针对材料多尺度数值计算大数据的特点,设计了一种适用于材料多尺度数值计算大数据的存储与管理框架,并基于该数据库框架,结合机器学习等算法,实现了其在改进材料多尺度模拟中的应用。 3 材料数值计算大数据的特点https://wap.sciencenet.cn/home.php?mod=space&do=blog&id=1315554
17.大数据“杀熟”的法律规制问题研究但是由于算法技术的专业性和隐蔽性,极易导致网络平台利用其特点对用户进行价格歧视和精准“杀熟”。遏制大数据“杀熟”需要建立完善的监管措施,实现消费者与网络平台提供者之间的利益平衡;构建算法解释机制,以便于实现保护消费者知情权与平台创新动力的平衡;完善权利救济机制,确保消费者可以平等地与网络平台提供者进行交易https://www.acla.org.cn/article/page/detailById/35713
18.中量大?专业巡礼走进数据科学与大数据技术9、数据科学与大数据技术专业的毕业生,主要面向哪些行业就业? 本专业就业前景广阔,毕业生能够在计算机和互联网领域以及大数据相关产业从事数据科学研究、大数据相关工程应用开发、技术管理与咨询等工作。智能计算方向的毕业生可以从事算法工程师、机器学习与人工智能理论研究与应用开发;大数据技术方向的毕业生能够从事数字化标准https://zs.cjlu.edu.cn/info/1067/3006.htm
19.大数据算法:1.2大数据算法大数据算法的特点与难点硬声是电子发烧友旗下广受电子工程师喜爱的短视频平台,推荐 大数据算法:1.2大数据算法-大数据算法的特点与难点视频给您,在硬声你可以学习知识技能、随时展示自己的作品和产品、分享自己的经验或方案、与同行畅快交流,无论你是学生、工程师、原厂、方案商、代理商、终端https://www.elecfans.com/v/152621
20.大数据时代“算法风险”的思考德勤中国风险咨询随着算法的深度应用,依赖算法的潜在风险也逐渐引起公众和业内关注,如大数据“杀熟”现象、推荐算法易加强低俗内容的扩散,推送群体偏差造成的客户体验下降等。就目前而言,由人类创造的人工智能,还摆脱不了人为因素,虽然学习了知识,却无法摒弃认知偏见。https://www2.deloitte.com/cn/zh/pages/risk/articles/algorithmic-risk-in-big-data-era.html
21.大数据分析是什么大数据分析是指对规模巨大的数据进行分析,挖掘数据的有利信息并加以有效利用,将数据的深层价值体现出来。从大数据的特点可以看出,没有一套可靠的数据分析方法和数据分析工具是不可能完成大数据分析的。有了大数据分析才能让规模巨大的数据有条有理,正确分类,产生有价值的分析报告,从而应用到各领域中,促进其发展。 https://www.linkflowtech.com/news/2090