大数据时代的跨国比较研究与比较教育学科转型，本文主要内容关键词为：学科论文,时代论文,数据论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：G40～059.3 文献标识码：A 文章编号：1003～7667(2015)09～0016～06 计算机和网络的高速发展带来了“大数据”，根据IBM最近的一次估计，人类和机器每天共同产生2.5万兆字节的数据。这些数据的来源包括电子邮件、博客、点击流、安全摄像头、气象传感器、社会网络、学术研究、学生学习历程档案等。大数据并非一个新概念，只是从量的角度来看数据，也称为“海量数据”。[1]全世界对大数据越来越重视，并掀起了一场大数据的研究热。2012年，英国的经济与社会研究理事会(Economic and Social Research Council，简称ESRC)将“大数据争论”作为年度社会科学议题，讨论了大数据带来的机会、面临的挑战、需要的技术、训练和资源等。[2]同年，奥巴马政府公布了“大数据研发计划”(Big Data Research and Development Initiative)，其目标是提高公众从海量、复杂的数据中获取知识的能力，主要聚焦于收集、储存、保留、管理、分析和共享大数据所需核心技术的开发应用，进而加速美国在科学、工程、教育和商业领域前进的步伐。[3]在教育领域，大数据同样吸引了全球的关注目光，美国新媒体联盟(New Media Consortium，简称NMC)和美国高校教育信息化协会(EDUCAUSE Learning Initiative，简称ELI)联合发布的《2013年地平线报告(高等教育版)》[4]以国际教育信息化为主题，指出未来5年将影响全球教育的6种新兴技术，即：学习分析技术、大规模网络课程、平板电脑、3D打印技术、游戏及游戏化、可穿戴技术。其中的学习分析技术和大规模网络课程就与大数据紧密相关。大数据已经渗透到世界教育系统的方方面面，影响着包括比较教育研究在内的教育研究实践范式与话语体系。 一、大数据时代世界教育发展的新趋势 (一)人才培养更加关注信息素养 最近20年，计算机和网络技术取得了飞速发展和巨大成就，知识和信息呈指数级增长，教学目标从传统的学生掌握知识转化为培养学生有效获取知识和信息以解决实际问题的能力。发掘知识、寻找知识间的联系、总结规律将成为大数据时代对人才的重要要求，各国也纷纷出台了与之相对应的评价标准。2004年，澳大利亚与新西兰的高校信息素质联合工作组共同颁布了《澳大利亚与新西兰高校信息素质能力指标体系》；[5]中国清华大学在2007年也拟定《北京地区高校信息素质能力指标体系》。[6]各指标体系虽然在细节上存在差异，但基本内容都是对学生信息素养标准的规定，包括信息意识、信息能力，甚至是信息创新。2008年，欧盟委员会(the European Commission)指出，信息素养愈来愈变成生活必不可少的能力，不能有效访问信息和使用信息技术将成为社会发展、个人发展的极大障碍。[7]2010年5月，欧盟发布了“欧洲数字议程”(the Digital Agenda for Europe)，这是“2020欧盟战略”的七大计划之一，且最早付诸实施，其内容包括提高全民信息素养，建立“欧洲数字化标准”的概念框架等。[8]2011年，欧盟委员会又发起了“DIGICOMP计划”(Digital Competence Project)，其目的是识别数字能力的主要构成，开发数字能力描述框架提出实施路线方法。[9] (二)课堂教学走向智能化与泛在化 美国著名的未来学家和社会思想家托夫勒(Alvin Toffler)在《未来的冲击》中提出，“未来的教育”要面向服务、面向创新，而在家上学、教育空间设计成为未来教育发展的重要趋势，学校的界限也将消失。大数据的海量信息内容和精准的学习分析技术带来了智慧学习和泛在学习。[10]智慧学习是根据学习者的特征自动为学生提供其需要的资源和工具，是一种自动化、智能化的学习方式。学习场所能够智能感知学习情景，识别学习者特征，即时为学生提供合适的学习资源与互动工具；自动记录学习过程，评测学习效果，实时给予反馈，以促进学习者更好地学习。大数据不仅带来了智慧学习，还带来了泛在学习。泛在学习是在高度发达的计算机和网络技术之下，以大数据为支撑的一种学习方式，所有人都不受时间、地点的局限获取任意需要的信息。泛在学习满足了学习过程的移动性、学习环境的智能性、学习服务的针对性以及学习方式的多元性，学习者更加自由，更加个性化。 (三)学业评价趋向系统化与多元化 传统的学生学业评价主要根据学生考试成绩、作业成绩和课堂表现对学生进行测评，评价结果难以真实反映学生学业水平。大数据时代，教师可以对学生行为长期记录跟踪，对获得的信息进行整理分析，从而发现问题，总结规律，以提高教学质量。美国的“纵向教育系统”就是一个典型案例。[11]该系统是美国各州首席教育主管理事会(the Council of Chief State Schod Officers)和美国联邦教育部数据峰会(US Department of Education's Data Summit)联合，在全国范围内建立的以州为单位的纵向教育数据系统，也即数据质量运动(Data Quality Campaign)。各州对每个学生都建有唯一的档案记录，记录了学生从幼儿园到12年级的每个成长阶段和整个成长轨迹。该系统包含10个数据库，其内容为：学生每年的行为表现；学生注册、统计及参加的教育项目；学生每年的考试成绩；未参加考试学生及其原因记录；与学生相关的教师档案系统；学生完成的课程和学分；SAT考试分数记录；学生毕业率和辍学率；学生从幼儿园到中学后记录卡；评估和核查数据有效性的记录。根据纵向数据系统，学校或教师可利用行之有效的分析工具和策略，对学生整个成长档案进行综合分析，从而评估学生学业情况。评价内容不仅依据学生最终的毕业考试成绩，还分析从幼儿园到高中每个阶段的学习成绩；不仅分析学生各学科的考试成绩，还重视学生在学习过程中的行为表现。评价方式从传统的重结果转向重过程，从而更系统、更多元地评价学生。 (四)在线学习成为超越传统的新型教学模式 在线学习在大数据时代正成为一种潮流。孟加拉裔美国人萨尔曼·可汗在2009年创立的可汗学院是一家非营利性的、以网络课程为载体的教育组织，通过网络进行免费视频授课，授课内容主要包括数学、物理和化学等7个学科的知识，授课视频被广泛传播，目前全球已有成千上万的学生通过互联网学习。2012年5月，哈佛大学与麻省理工学院宣布，将投入6，000万美元开发在线学习平台，向全世界免费开放，让全世界的学生都能享受名校名师的精彩授课。[12] 在线学习之所以发展很快，其最大的优势在于学生不受时间、地点的限制就可以享受优质的教学资源，同时还在于能量巨大的学习分析技术。学习分析技术利用在线学习系统中的大数据来分析学习者的学习趋势和学习效果，找出教学活动规律，以提高教育教学质量。在线学习系统可跟踪学生的在线学习轨迹，自动保存学生学习过程中的各种信息，深度挖掘更为广泛的学生行为。教师能更好地把握学生能力及知识的特点，在教学过程中做到有的放矢。不仅如此，在线学习的教学反馈和测试比传统的教学也更有优势。传统的教学从教师布置作业，学生完成作业，再到教师评定并返回给学生，反馈速度较慢，周期较长，而在线学习能够在学习者学习完某个知识点后立即呈现相应的试题，学生完成提交后可迅速得到系统的反馈。 二、大数据时代的大规模跨国比较研究 (一)大规模跨国比较研究的早期形态 教育的大规模跨国调查研究思想起源于“比较教育学之父”朱利安，他提出了如何获取、整理、对比和分析统计数据的一系列设想。例如，收集各国的学生入学数、教材、教师情况、财政情况、教育成效等数据，通过统计、分析，找出其中的内在关系，总结一些规律，这些教育规律可以移植到任何一个国家和地区，并发挥作用。虽然朱利安提出的设想当时没有得以实现，但其跨国调查研究的思想具有前瞻性，并深深根植于现代的教育调查中，被大量组织机构和研究机构所采用。20世纪30年代早期，国际教育研究所开始收集各国教育数据，1933年公开出版了《教育年鉴》(Education Yearbook)，揭示35个国家教育发展现状，这是国际教育资料收集与比较的开端。1946年，联合国教科文组织宣告成立，从1955年至1971年出版了五卷本的大型《世界教育调查》，从20世纪50年代初到1975年又出版了19卷本的《统计报告与研究》丛刊，20纪90年代初开始出版《统计年鉴》和《世界教育报告》。这一切为开展大规模跨国比较研究奠定了扎实的基础。[13] (二)当前以学业成绩测评为代表的跨国比较研究 朱利安提出的跨国比较研究在今天已经得以实现并迅速发展，OECD(经合组织)、UNESCO(联合国教科文组织)、IEA(国际教育成就评估协会)和世界银行当前所开展的大规模跨国教育调查和学业成绩测评就是例证。IEA在1964开始了世界范围内的数学成绩测试，随后又启动了科学、阅读理解、文学、公民、法语、英语“六科教育调查”。当前而言，OECD组织的国际学生能力评价(Program for International Student Assessment，简称PISA)和 IEA实施的国际数学与科学测评(Trends in International Mathematics and Science Study，简称TIMSS)是最具代表性的大规模跨国成绩测评项目。[14]其中，PISA是对义务教育阶段后的学生进行阅读、数学和科学三个领域的学业成就测评，评估学生知识、技能和解决实际问题的能力。同时，通过问卷调查学生个人特点、家庭、学校和社会经济文化等影响学业的各种背景信息。TIMSS是IEA在1994年启动的测评项目，测试不同国家4年级和8年级学生在数学和科学两领域的学业情况，同时还要分析学校、教师、学生、课程和课堂教学活动等。 (三)大数据促进大规模跨国比较研究不断完善 大数据使得跨国比较研究趋于完善，表现在调查对象范围的扩大化、调查手段的自动化和调查内容的多样化。首先，测试对象范围不断扩大。大规模比较运用于教育领域，开始只是针对基础教育阶段的学生，如PISA是针对15岁的学生进行阅读、数学和科学测试，而TIMSS是针对4年级和8年级的学生进行数学和科学评估。20世纪90年代后，信息处理从简单走向复杂，因而测试对象也由简单的学生群体转向复杂的成人群体。如 OECD在2012年主持实施的“国际成人读写能力评价项目”(Program for the Internatioiaal Assessment of Adult Competencies，简称PIAAC)就是一项针对成人的测试项目，有25个参与国。其次，测试手段发生变化。纸笔测试和背景信息调查是传统的测试手段，PISA2003是以纸笔方式测试学生， PISA2009在测试学生阅读能力时采用电子阅读方式，而PISA2012完全是通过计算机对学生进行测试。大数据时代的试题设计更为人性化，利用仿真技术模拟现实生活中的场景，以便被试更容易理解试题的真正意义。另外，PIAAC也是让被试在电脑上完成测试题目，调查者还入户调查，通过面对面的访谈来获得被试的基本信息。第三，测试内容不断扩大。HSA测试学生的阅读、数学和科学能力时，除了测试知识、技能的发展情况，还考查学生解决实际问题的能力，调查个人、家庭、学校和社会等多方面信息。随着大数据的普遍应用，信息技术也从单纯的评价工具转而成为学生基本能力要求。IEA在2013年启动的国际学生计算机与信息素养测评项目(the International Computer and Information Literacy Study，简称ICILS)，就是测试学生计算机与信息素养的大规模跨国比较研究，目的在于调查参与国开展计算机与信息素养教育的方式，并选取8年级学生开展信息素养水平测试。 (四)基于大数据获取的跨国比较研究结果影响了各国的教育决策 大规模的跨国比较研究通过传统测试和网络测试，获取了几十个国家的上百万学生的学业成绩，还包括影响学业成绩的个人特点、学校情况、家庭情况和社会信息等各种因素，数据量非常庞大，在大数据里挖掘和提取有价值的信息是进行跨国比较研究的首要目标。通过数据挖掘，世界范围内与教育政策相关的大规模比较研究结果，成为各国制定教育政策的重要依据。2010英国颁布的白皮书《教学的重要性》开启了英国教育改革的新浪潮，而白皮书中各项教育改革措施主要基于麦肯锡(McKinsey)顾问报告和OECD/PISA数据分析，麦肯锡顾问报告是麦肯锡公司通过分析多个高效教育教学系统的大量数据来判断各国的教育政策是否存在问题，并制定相应的计划。[15]英国的教育大臣在国会听证会上声称：“我已经去过新加坡和香港，值得人们欣喜的是他们执行的课程也可以在我们的学校执行。”[16]在2011年1月的世界教育论坛上，他说：“如果忽视HSA和麦肯锡研究，没有一个国家能够真正保证他们的孩子享受优质教育。我们发布的白皮书有意整合了最优质的教育政策，也即高性能国家的教育政策。”[17] 三、大数据时代比较教育学科的转型 (一)研究主体亟须提升大数据应用能力 在大数据时代，比较教育研究者必须具备大数据应用能力和共享协作意识。一方面，比较教育研究者可以方便获取丰富的图书资料，研究报告和学术论文等各种文献资源。以期刊硕博论文平台为例，比较教育研究者只需通过简单的检索就能获得知名比较教育学家的信息、重要的比较教育学专业期刊、比较教育研究方向以及各研究方向的进展程度。这些是比较教育研究者进行科学研究的前提和基础。同时，大数据在商业界和学术界存在大量交叉，比较教育研究者在进行学术研究时通常忽视了商业界中的重要信息。某些数据对公众是不开放的，要获取它们也很有挑战。另一方面，比较教育研究者获取数据之后，还需要快速、高效地将原始数据转换成可行的、有用的数据，以便更好地进行科学研究。所以，比较教育研究者必须具有大数据意识，能够快速、有效、充分地获取研究所需的大数据。进一步清理数据、管理数据、合并数据都是比较教育研究者应该具备的能力。 另外，比较教育研究者还应有共享协作意识。大数据时代，网络的飞速发展及在线互动工具的增多使得比较教育研究者之间的交流变得更为简单，比较教育研究者应相互分享研究成果，共享科研资料，避免因交流不足而经历大量的重复劳动，造成巨大的资源浪费。随着教育全球化的深入，大规模的、跨学科的资源共享和协同工作成为可能，比较教育研究者不再是各自为战，而应形成共享文化、协作互助，共同促进科学研究的创新。 (二)研究方法更强调大数据的收集与分析 比较教育研究方法呈多样化发展趋势。1817年至20世纪初期，比较教育研究方法主要为描述法，描述外国的教育理论和教育实践。20世纪初期到20世纪50年代，比较教育研究多采用历史研究法、因素分析法，分析教育制度形成的历史背景，关注教育外的政治、经济、文化、宗教、社会等因素对教育制度的影响。20世纪50年代后至20世纪70年代，比较教育研究采用社会科学的实证研究法，通过收集资料和数据，利用统计、分析来验证研究假设是否成立，如贝雷迪的“四阶段法”、安德森的“结构功能主义法”、霍姆斯的“问题研究法”等。20世纪70年代之后，比较教育研究引入了世界分析框架，采用新马克思主义、依附理论等方法研究教育发展与变迁。 随着大数据时代的到来，人们更热衷于客观和科学的大数据，通过对国外教育数据，甚至全球教育数据的收集、整理和分析，从而进行国别教育研究、区域教育研究、跨国教育研究等各种比较教育研究。虽然不同类别的研究有不同的特点，如获取方式不同，数据量大小不同，但大数据分析方法的流程是一致的。首先，是大数据的采集。利用各种数据库来收集、管理数据，通常用MySQL，Oracle，HBase和MongoDB等数据库产品，数据库的设计也要根据比较教育研究的内容和需要构建数据库表和字段，尽可能做到标准化和规范化。其次，是大数据聚集和处理。将海量的小数据库导入到大型的分布式数据库中，采用分布式技术对这些大数据进行操作，如查询、分类、统计汇总，可使用的产品有Hadoop、InfoBright、YunTable等。最后，是大数据挖掘，它属于更高级别的数据分析技术，可以识别潜在关系，预测未来发展趋势等，目前使用的工具有Hadoop Mahout。 基于大数据的研究包含了更多的样本，调查获取的数据客观而真实，统计方法科学而准确。用大数据进行比较教育研究，研究的结论更令人信服。但大数据分析法不能作为比较教育研究方法的全部，由于比较教育研究本身的复杂性，大数据分析法必须与其他研究方法相结合才能更有效地进行比较教育研究。 (三)研究对象拓展至跨国乃至全球性教育问题 从比较教育诞生之日起，比较教育的研究对象大多以民族国家为主，分析民族国家的教育理论和教育实践，从中吸取有益的成分以改进本国的教育。21世纪后，国际组织和跨国教育合作越来越普遍，迈克·吉恩认为，跨国公司、跨国银行及其类似的“超国家”(Supranational)机构削减了“民族国家”概念，对教育产生了巨大影响。[18]因此，比较教育研究对象又包含了国际组织和机构，“全球性”受到更广泛地关注，比较教育的研究范围呈扩大趋势。在IEA组织的测评项目中，38个国家和地区参与了2006年的国际公民素养研究(简称ICCS)，57个国家和地区参加了2011年的国际数学和科学发展趋势研究(简称TIMSS)，53个国家和地区参与了2011年的国际阅读素养进展研究(简称PIRLS)。就PISA项目而言，2000年、2003年、2006年、2009年的参与国家和地区数分别为41个、43个、57个、65个，2012年进一步增加到67个，基本涵盖了世界上主要发达国家和新兴经济体。 (四)研究目的指向大数据驱动下的教育决策 从研究目的上看，比较教育的研究目的最开始起于借鉴，借鉴他国的教育经验为本国所用。之后，比较教育学者开始反思借鉴过来的教育制度的本土化可行性，寻找影响各国教育制度的背景因素。这种通过历史研究、因素分析获得教育规律的研究思路被一些实证主义研究者所否定；于是比较教育研究的目的又转向寻求一些普遍的规律。在大数据时代，比较教育研究的目的更倾向于教育决策的制定，影响教育政策和改进教育实践成为比较教育研究的重要使命。OECD下属的 PISA管理中心(PISA Governing Board)在2011年曾开展过一次调查，调查主题为参与PISA测评对各国教育政策的影响程度。在参与调查的37个国家和地区中，17个国家或地区认为PISA测试对教育政策的影响比较大，11个国家或地区认为PISA的影响比较适中，而来自英格兰、丹麦、日本的调查人员表示PISA的影响非常大。这个案例佐证了大规模跨国比较教育研究对各国政策的影响。[19] 进行国别教育研究时，大数据用以分析各国教育决策的变化。最近布鲁金斯学会的一篇论文指出：“美国国家纵向数据系统的开发和使用、数据分析能力的提高、公众对各种决策及影响的证据需求，都导致了大数据在教育决策中的使用日益增多，而数据驱动决策(Data-driven Decisions)确实能使学校做出的决策更合理、更让人信服。”[20]美国哈佛大学教育与经济学教授凯恩(Thomas J.Kane)指出：“数据在本地政策讨论中更有影响力，因为任何政策干预都依赖于本地条件。以学前教育普及为例，学前教育的普及依赖于非补贴方案的可用性、控制程序质量的法规和熟练的教师，所有的这些现实条件都会随时改变，而这些现实条件就是大数据。”[21] 四、结语 大数据影响了世界教育发展趋势，改变了传统的教育目标、教学方法、教学评价和教学模式。比较教育研究需要关注世界教育发展动向，充分利用大数据给比较教育学科发展带来的巨大机遇。同时，大数据也推动了大规模的跨国比较研究的发展，大数据的收集、整理和分析是大规模跨国比较研究不可或缺的步骤。大数据在带给比较教育生机与活力的同时，对比较教育研究者也是一项挑战。在大数据时代，比较教育研究者应深入挖掘、整理和分析各国教育数据，从中探索总结教育发展规律和趋势。