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.实用GIS网站与工具集锦(第5辑)Ventusky是一个交互式气象可视化网站,提供全球天气数据的实时监测和展示。https://www.ventusky.com 交互式气象可视化网站 用户可以通过该平台查看风速、气温、降水量、云层覆盖等多种气象信息,支持多层次的可视化效果,使用户能够快速理解天气变化。Ventusky采用美观的动态图形界面,用户只需通过鼠标拖动和缩放,即可探索https://baijiahao.baidu.com/s?id=1818921655538169298&wfr=spider&for=pc
2.可视化算法网站可视化的算法开发平台可视化算法网站 这是一个可视化的算法和数据结构的学习网站,推荐给大家,同时也标注一下。。 http://www.cs.usfca.edu/~galles/visualization/source.htmlhttps://blog.csdn.net/wangxiaotongfan/article/details/48420589
3.可视化算法网站汇总,从此简单学算法!(附动图)可视化算法网站汇总,从此简单学算法!(附动图) 对于「算法」的第一印象,我相信大部分人都是一样的,就是一个“难”字了得。 而我比较特殊,我的第一印象、第二印象以至第 N 印象都觉得很难,所以为了更好的学习和理解算法,我千金一掷一下买了一堆的算法书,有图为证:https://maimai.cn/article/detail?fid=1523043265&efid=0b1HvfbFcoSoa5HNkdMRzA
4.支持中文的算法可视化网站,你想要的算法这都有支持中文的算法可视化网站,你想要的算法这都有 大数据文摘出品 作者:蒋宝尚 上次文摘菌给大家推荐了一个能让算法动起来的开源项目之后,有热心的读者给文摘菌推荐了另一个算法可视化的网站。文摘菌打开之后,立即被起画风所折服,所以决定探索一番。 先给出网站地址: https://visualgo.net/en 这个网站的名字叫做https://www.pianshen.com/article/87061902010/
5.推荐几个算法可视化网站,从此轻松学算法!大家好,我是大彬~ 很多初学者在学习数据结构与算法的时候,都会觉得很难,很大一部分是因为数据结构与算法本身比较抽象,不好理解。对于这一点,可以通过一些可视化动画来帮助理解。 下面大彬推荐几个学习数据结构和算法的可视化工具。 Data Structure Visualizations 这是https://www.nowcoder.com/feed/main/detail/6ecdab56f00b44bfacf3cb854929059e
6.分享:一个可视化算法网站(所有常见的算法)dylan的技术博客分享:一个可视化算法网站(所有常见的算法) 网站:https://visualgo.net/zh 各种算法说明: 排序算法将一串数组(一个列表)中的元素(整数,数字,字符串等)按某种顺序(增大,减小,字典顺序等)重新排列。 有很多种不同的排序算法,每一种都有各自的优势和限制。https://blog.51cto.com/wyf1226/5983522
7.一个可视化动画算法网站,值得收藏!以下是一些值得收藏的可视化动画算法网站: 1. [Visualizing Data](https://visualizingdata.com/):这个网站提供了各种数据可视化工具和教程,包括动画效果。它还提供了许多数据集和演示文稿,可以帮助您更好地理解数据可视化。 2. [Datawrapper](https://datawrapper.de/):这个网站是一个在线数据可视化工具,可以创建漂亮https://www.togogo.net/article/1745.html
8.霸榜Github:AlgorithmVisualizer将算法可视化,算法学习不再难今天将介绍一个开源项目,它的厉害之处在于有个在线动态演示算法的网站。它就是Algorithm Visualizer。 什么是Algorithm Visualizer Algorithm Visualizer Algorithm Visualizer是一个交互式的在线平台,可通过代码可视化算法。 29.7K个star,足以可见该项目的欢迎程度,这里推荐给要学习算法的各位。 https://xxhjs.nuc.edu.cn/info/1010/6766.htm
9.GitHublabuladong/fucking一、算法可视化面板 我的算法网站、所有配套插件都集成了一个算法可视化工具,可以对数据结构和递归过程进行可视化,大幅降低理解算法的难度。几乎每道题目的解法代码都有对应的可视化面板,具体参见下方介绍。 二、学习网站 内容当然是我的系列算法教程中最核心的部分,我的算法教程都发布在网站labuladong.online上,相信你会https://github.com/labuladong/fucking-algorithm
10.算法动态可视化工具有哪些帆软数字化转型知识库算法动态可视化工具包括:FineReport、FineVis、Jupyter Notebook、Gephi、TensorBoard。FineReport是一款功能强大的商业智能工具,具有高度可定制的数据可视化功能,可以方便地展示算法的动态过程。FineVis专注于数据可视化分析,提供直观的图表和交互功能,适合大数据分析和算法演示。Jupyter Notebook通过其交互式计算环境,可以轻松嵌入https://www.fanruan.com/blog/article/241547/
11.旧金山大学数据结构与算法可视化网站Basics Stack: Array Implementation Stack: Linked List Implementation Queues: Array Implementation Queues: Linked List Implementation Lists: Array Implementation (available injavaversion) Lists: Linked List Implementation (available injavaversion) Recursion https://www.cs.usfca.edu/~galles/visualization/Algorithms.html
12.Dijkstra的算法代码,用可视化实现这是一个很有名的算法,但我用可视化编程将其实现,效果非常好。 可视化 算法代码, 2011-05-09 上传 大小:3.00MB 所需: 33积分/C币 立即下载 Dijkstra最短路径算法的Matlab实现 Dijkstra最短路径算法的Matlab实现包括最短路径的打印子程序(感觉挺有用) 立即下载 https://www.iteye.com/resource/kanxiufang-3263261
13.算法服务平台可视化在线编排算法应用,助力企业打造智慧价值 数据管理统一数据集管理,支持JDBC、File等多种方式的数据接入;支持18+种包含数据清洗、转换、格式化和正则化等预处理工具,满足多种算法研发的数据准备场景。 申请免费体验 可视化建模可视化拖拽,轻松构建模型pipeline;内置超过20种算法模型算子,范围覆盖分类、回归、聚类、时序等https://wakedata.com/wakeAI.html
14.〖不可方物〗算法可视化——采样(一)下图是Poisson-disc算法的沃罗诺伊图 http://www.chinahadoop.cn/files/default/2015/03-12/11080333fd9f713501.jpg?5.0.1 颜色更加匀称了是不是? 再看看Poisson-disc算法下的星空 http://www.chinahadoop.cn/files/default/2015/03-12/1108215ef2da903264.jpg?5.0.1 https://bbs.pinggu.org/jg/huiji_huijiku_3622871_1.html
15.通过动画可视化数据结构和算法VisuAlgo 于2011年由Steven Halim博士构想出来,作为一个工具,帮助他的学生更好地理解数据结构和算法,让他们能够自学基础知识并按照自己的节奏进行。他与新加坡国立大学的学生一起开发并整合了一系列的可视化,从简单的排序算法到复杂的图形数据结构。虽然这些设计主要是http://visualgo.net/zh/
16.研究生个人年终总结(精选14篇)(11)科学计算可视化算法 这门课我觉得选的还是比较值的,算是我计算机图形学的'一个入门。主要是讲如何生成各种物体的三维体数据并绘制出来,是图形学的入门课程。老师教的也很好,讲的很细。主要讲了基于面片提取的marching cube算法和直接体绘制的ray casting算法,一些细节和算法实现还是不懂,但算法思想理解了。虽然https://www.jy135.com/nianzhongzongjie/1358295.html
17.一种基于机器学习的金融领域数据预测方法设备及介质与流程10.步骤s4、采用smote算法进行数据均衡化处理,优化最终预测模型;11.步骤s5、采用优化后的最终预测模型对金融领域数据进行预测,得到数据预测结果。12.优选地,所述步骤s1中数据预处理具体为:13.s11、样本数据空值处理、样本数据标准化处理;14.s12、引入t-sne降维算法对样本数据进行降维可视化,去除无效数据。15.优选地,https://www.xjishu.com/zhuanli/55/202210104353.html
18.sortingalgorithms排序算法Animation, code, analysis, and discussion of 8 sorting algorithms on 4 initial conditions.http://www.sorting-algorithms.com/
19.一个可视化学算法的好工具程序员学算法和数据结构时,如果从纯文本和静态图来学,挺枯燥的。 相反,可视化动画工具,真是一个非常棒的帮手。这类工具/网站,我们曾介绍过 3 个: 旧金山大学数据结构和算法的可视化学习工具 http://hao.jobbole.com/visualizing-algorithms-and-data-structure/ https://www.jianshu.com/p/c53f5031fc76