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.大数据推荐算法概念简述其基本思想非常易于理解,在日常生活中,人们往往会利用好朋友的推荐来进行一些选择。基于协同过滤的推荐算法正是把这一思想运用到电子商务推荐系统中来,基于其他用户对某一内容的评价来向目标用户进行推荐。 如何协同过滤,来对用户A进行电影推荐? 答: 找到用户A(user_id=1)的兴趣爱好https://zhuanlan.zhihu.com/p/631997973
2.Java中可以用的大数据推荐算法TechSynapse在Java中实现大数据推荐算法时,通常会使用一些开源的机器学习库,如Apache Mahout、Weka、DL4J(DeepLearning4j,用于深度学习)或者Spark MLlib(用于在Spark集群上运行)。由于完整实现一个大数据推荐算法的代码量可能非常大,并且需要配合具体的数据集和环境进行配置,这里我将简要介绍几种常见的推荐算法,并给出每种算法的伪https://www.cnblogs.com/TS86/p/18237245
3.大数据SparkMLlib推荐算法大数据推荐算法本节介绍的交替最小二乘法(AlternatingLeastSquares,ALS)算法,其核心思想就是要进一步挖掘通过观察得到的所有用户给产品的评分,并通过引入用户特征矩阵(UserFeaturesMatrix)和物品特征矩阵(ItemFeaturesMatrix)来建立一个机器学习模型,然后利用采集的数据对这个模型进行训练(反复迭代),最后得到用于推荐计算的用户特征矩阵和https://blog.csdn.net/ZGL_cyy/article/details/120937893
4.零基雌普:4种简单推荐算法背后的原理大数据平台只是提供了数据获取、存储、计算、应用的技术方案,真正挖掘这些数据之间的关系让数据发挥价值的是各种机器学习算法。在这些算法中,最常见的当属智能推荐算法了。 本文转载自微信公众号「大数据DT」,作者李智慧。转载本文请联系大数据DT公众号。 大数据平台只是提供了数据获取、存储、计算、应用的技术方案,真正挖https://www.51cto.com/article/664660.html
5.基于大数据的推荐算法研究基于大数据的推荐算法研究,推荐系统,协同过滤,矩阵分解,随着信息技术和互联网的迅猛发展,人们进入了信息超载的时代。推荐系统是一个解决信息超载问题的有效工具,它根据用户的历史行为等https://wap.cnki.net/touch/web/Dissertation/Article/-1014223131.html
6.大数据平台下的推荐算法研究信息过载推荐系统推荐算法深度学习 分类号: TP311.13(计算技术、计算机技术) 资助基金: 本文得到嘉兴学院南湖学院A3类SRT项目资助(No.NH8517203115) 在线出版日期: 2020-12-07(万方平台首次上网日期,不代表论文的发表时间) 页数: 5(14-18) 参考文献 (7) https://d.wanfangdata.com.cn/periodical/fjdn202011004
7.大数据推荐算法平台技术方案(ppt)大数据技术平台建设方案(ppt) 人工智能产业链 智慧城市大数据平台技术应用方案(ppt) 干货丨20页PPT教你做大数据平台规化方案 路灯大数据平台方案(ppt) 政务大数据云平台顶层设计方案(ppt)更多类似文章 >> 生活服务 热点新闻 首页 万象 文化 人生 生活 健康 教育 职场 理财 娱乐 艺术 上网 https://www.360doc.cn/article/65580397_1129055230.html
8.揭秘今日头条智能算法:深度解析内容推荐的秘密法则今日头条智能算法是一种基于大数据和机器学的推荐算法,它通过分析使用者的表现数据、兴趣偏好以及内容特征,为客户推荐最感兴趣的新闻资讯。这类算法的核心思想是“人以群分”,通过挖掘客户之间的相似性,实现精准推荐。 二、今日头条智能算法的四大特点 1. 大数据分析 https://www.yanggu.tv/webgov/aizhishi/252817.html
9.北京高校分宿舍不靠缘分靠大数据微信互选问卷调查总各地高校陆续进入开学季,对不少新生来说,结识室友将是一件充满期待又心怀忐忑的事。在以往随机分配为主的模式下,能否遇到心仪室友,多半只能靠“缘分”。不过,越来越多的高校正尝试打破这一传统,将“室友选择权”交给学生,抑或采用大数据推荐算法为新生匹配室友。 https://www.takefoto.cn/viewnews-1559605.html
10.大数据:分类算法深度解析机器学习中的分类算法正逐渐成为实现大数据洞察力的关键一环,它们的应用涉及到各个领域,从商业决策到医疗诊断,再到社交媒体推荐系统。通过对这些算法的深入理解,我们能够更好地应对大数据时代的挑战,挖掘数据中蕴含的有价值的信息。 # 一个简单的分类算法示例fromsklearn.datasetsimportmake_classificationfromsklearn.modelhttp://www.360doc.com/content/24/0112/20/78411425_1110858832.shtml
11.《互联网信息服务算法推荐管理规定》明日起正式施行《规定》要求算法推荐服务提供者应当坚持主流价值导向,积极传播正能量,建立完善人工干预和用户自主选择机制,不得利用算法实施影响网络舆论、规避监督管理以及垄断和不正当竞争行为。 不得实施差别待遇 剑指大数据“杀熟” 近年来,一些企业利用个人信息搞大数据“杀熟”,对不同群体进行差别定价,实行“价格歧视”,让消费者十https://h5.kxm.xmtv.cn/xmtv/2022-02-28/09873a0f5720d8bc.html
12.头部app关闭个性化推荐算法,用户终于逃离信息茧房?行业聚焦互联网三、个性化推荐与信息茧房 1. 信息茧房来源及定义 信息茧房这个概念最早来自美国学者桑斯坦,他在《信息乌托邦—众人如何生产知识》一书中提出,信息茧房意味着我们只听我们选择和愉悦我们的东西。 如今,人们逐渐迈入大数据、数字化、信息化时代,个性化信息服务慢慢兴起,平台根据用户信息和使用记录利用算法对海量信息进行选https://www.163.com/dy/article/H5T816IL0511805E.html
13.聚焦《互联网信息服务算法推荐管理规定》五大看点新华社北京1月6日电题:聚焦《互联网信息服务算法推荐管理规定》五大看点 新华社“新华视点”记者 通过大数据“杀熟”实施不合理差别待遇,利用算法诱导用户沉迷网络、过度消费……当前,算法技术广泛渗入互联网应用,在给用户带来一定程度便利的同时,由算法引发的侵害用户权益问题也屡屡出现。 http://www.xinhuanet.com/2022-01/06/c_1128238896.htm
14.大数据的精准推送是什么算法大数据的精准推送依赖于推荐算法。推荐算法是一种信息处理算法,主要应用于大数据处理和信息过载的场景中。针对大数据的精准推送,推荐算法的主要工作流程包括以下几个关键步骤和原理:1. 数据收集与处理 推荐算法首先需要对大量数据进行收集,包括用户的行为数据、喜好、历史浏览记录等。这些数据经过清洗、整合和https://zhidao.baidu.com/question/1778410757641943740.html
15.Z博士的脑洞算法会推荐管仲,还是会推荐妲己?澎湃商学院大数据要给大家推荐管仲 谈到大数据,是最近数年的焦点了。自从有了“算法”,人们尝到了酸甜苦辣,迄今难有定论。 不久前,百度创始人李彦宏在中国网络媒体论坛开幕式上发言,有一句话流传甚广:中国网络媒体经过20多年的发展,从早期千人一面的门户,到后来用户主动发起的搜索,再到现在沉浸式的信息流投喂,算法对于人类https://www.thepaper.cn/newsDetail_forward_9635722
16.大数据常用的各种算法13、快速傅里叶变换(Fast Fourier transform,FFT)——计算离散的傅里叶变换(DFT)及其反转。该算法应用范围很广,从数字信号处理到解决偏微分方程,到快速计算大整数乘积。 大数据展示图 14、梯度下降(Gradient descent)——一种数学上的最优化算法。 15、哈希算法(Hashing)。 https://www.jianshu.com/p/1e43bfd0487a
17.千人千价?优惠券陷阱?“大数据杀熟”新套路怎么破譬如,针对大数据杀熟,《征求意见稿》第十八条就提出,算法推荐服务提供者向消费者销售商品或者提供服务的,应当保护消费者合法权益,不得根据消费者的偏好、交易习惯等特征,利用算法在交易价格等交易条件上实行不合理的差别待遇等违法行为。https://hn.rednet.cn/m/content/2021/09/07/10116874.html
18.基于大数据的电影推荐系统20240817085750.docx大数据下推荐系统应运而生,其中协同过滤引擎的推出,主要是用于网页新闻的过滤,在社会上取得了的极大反响,并出现了以亚马为代表的使用了基于项目的协同过滤算法作为推荐算法的商业化推荐引擎,从此电子商务开始逐渐发展起来,伴随着推荐系统所展现出的愈加明显的优势,新型推荐系统算法开始接连出现,由于推荐系统的使用率不断https://max.book118.com/html/2024/0817/5302131324011310.shtm
19.专业定制师or大数据推荐,你愿意把你的黄金假期交给谁?但在你和目的地之间却还隔着几天几夜的行程规划,时间成本、语言障碍、信息杂乱可能让你体会不到规划行程中的乐趣——不过,一些创业者开始帮你揽下这些活儿,通过专业规划师、数据与算法帮助人们制定行程。 一个新职业:旅行定制师 雷涛所在的「无二之旅」就是这类公司中的一员。这是一家海外旅行定制公司,根据用户https://www.tmtpost.com/1706368.html
20.数据治理新要求个人介绍:杨青,度小满技术委员会执行主席、数据智能应用部总经理,硕士毕业于清华大学计算机系,曾就职于百度、阿里,从事 NLP、搜索、推荐、大数据架构等相关方向的研发工作。2018 年初加入度小满金融开始组建数据智能部,从0到1建设度小满金融的智能引擎的核心算法,深耕计算机视觉、自然语言处理、图模型、机器学习、因果推断等https://hub.baai.ac.cn/view/32749
21.个人信息保护法实施一周年汉盛个人数据保护的法律与合规百问百(4) 根据《个人信息保护法》第二十四条、《互联网信息服务算法推荐管理规定》第十八条、第十九条规定,算法禁止大数据杀熟,算法应当保护消费者公平交易的权利,不得根据消费者的偏好、交易习惯等特征,利用算法在交易价格等交易条件上实施不合理的差别待遇等违法行为。 http://hanshenglaw.cn/CN/08/99dc4c37cde74394.aspx