随着人工智能、大数据、云计算等技术的协同发展，机器变得越来越复杂和智能，生产方式也从机械重复的手工作业逐渐向定制化、精益生产演进，经济社会迈向对人类脑力和机器算力更高要求的新发展阶段。我国“十四五”规划中明确提出了“加快数字化发展，建设数字中国”的新目标，要通过关键数字技术创新、数字化基础设施建设、全民数字素养提升等全方位举措，促进生产方式和治理方式变革。产业领域的数字化转型可以理解为，应用数字技术和数据要素，推动组织模式和发展范式重构，培育经济活动新模式，全面推进我国的数字化进程。教育领域作为数字中国战略的重要组成部分，在数字中国战略、《中国教育现代化2035》、教育新基建等相关政策的引领下，正式迈进了“数字融合”“数据治理”“数智决策”的教育数字化转型时代。
(相关资料图)
教育数字化转型是指利用数字技术推动教学范式、组织架构、教学过程、评价方式等全方位的创新与变革。教育数字化转型将帮助区域、学校管理者突破教育数据汇聚流转、治理方式变革的难点，帮助教师激活教育数据价值，赋能教学实践的痛点问题。教育行业的数字化转型不同于其他行业的信息化转变和数字化升级，教育生态系统固有的复杂特性，加之数据融合、学校治理、数智决策的困难，影响着教育数字化转型的有效性。对于区域、学校管理者和一线教师而言，深入理解和明晰“什么是教育数字化转型”“教育数字化转型能为未来学校带来哪些变化”以及“如何应对这些变化”，将是利用数字技术驱动学校治理和教育实践创新、推进教育数字化转型的关键。本文将从学校治理和教育实践的视角，分析和审思教育数字化转型为未来学校带来的影响和转变，并提出应对数字化转型所带来挑战的相应对策，以期为教育数字化转型赋能学校治理与教育教学实践提供理论支撑和方法路径。
一、如何理解教育数字化转型
理解教育数字化转型，需要放眼数字中国战略背景。随着数字技术逐步融入生产，产业领域完成了从手工生产到精益生产，再向着数据智能主导的定制化生产的跃迁。企业治理也从传统的人力资源管控，转向基于数据洞察和智能决策的前瞻性管理思维。教育领域同样也经历着从师徒传授、规模化教学到技术赋能的差异化、智能化教学的演变（见上图）。共性之外，教育的数字化转型不同于产业领域，关注的是人的发展的智能个性化。教育生态本身的复杂特性，加之数字技术融入教育领域落后于产业领域，亟须聚焦于数据智能与教师决策双驱动、“人机协同”的新教育范式的实践探索。
教育数字化转型，往往是治理先行。结合产业领域数字化转型经验来看，教育数字化转型往往最先呈现在教育治理的数字化转型层面。在“教育新基建”的推动下，学校运行中产生的大量异构教育数据将用于区域教育监管和评估，以及日常的学校教学质量监测和管理决策，最终形塑智能辅助决策、多主体协同治理的教育新生态，推动治理方式向数据驱动的精准治理转变。而当前教育治理数字化转型的重点和难点，在于如何建立标准化、统一化的数据交互基准，突破多终端、多应用、多源异构数据的融合壁垒，为个性化精准服务提供丰富的数据来源。
深入教育教学创新应用，是教育数字化转型的核心任务。教育实践的数字化转型推动着从基于经验的课堂教学，向基于数据智能的“人机共教”的教育新常态转变。教育实践的数字化转型是通过个性化服务与应用来实现的，也即利用数字技术实现师生教与学过程的追踪、诊断与赋能。例如诊断师生教学过程行为并提供动态诊断分析，提供适合学生素养发展的学习方案服务。而当前教育教学创新应用的重点和难点在于，如何使智能分析决策服务超越教师的经验定式，通过数据智能分析帮助教师看到日常现象背后的教育教学规律；如何突破智能算法“黑箱”，构建具有可解释性、更切合各类教育场景和业务的教育分析决策模型；如何提供更加契合教育教学各类场景和个性化需求的服务，实现教师“人机协同”的教学模式创新，使教师向设计者与决策者身份转变。
二、实现教育数字化转型的关键是什么
教育数字化转型，兼具了产业数字化转型的共性与教育生态特有的复杂属性。一方面，教育数字化转型包含数据参与到生产、分配、交换的过程，也面临着如何实现数据的流转、挖掘，与其他要素融合产生教育价值的机遇与挑战。另一方面，推动教育数字化转型在学校教育教学中的有效落实，需要秉持“需求牵引、应用为王、服务至上”原则，在数字技术的支持下，从区、校管理者和师生的实际需要出发，深入教育教学业务场景，实现教育数据融合治理与价值发现，为利益相关者提供多样化的个性服务。
（一）建立数字轨迹，激活数据价值
数字轨迹是实现个性化服务目标的数据基础。数字轨迹关涉教育领域中全要素、全业务、全流程的数据关联与融合。以人工智能教育大脑为代表的教育数据中台和智能分析引擎，作为学校治理、教学实践、教研评价等教育业务场景全面数字化转型的关键数字技术，需要长周期、海量的教育数据支撑。
当前的教育数据以静态的、短期的、结果性数据居多，动态数字轨迹构建仍有较大缺口。由于缺乏数据思维和数据资产意识，加之人力监督成本过高，教育数据问题日益凸显：（1）标准不一，数据互通共享难；（2）覆盖维度还不全面，数据可利用性低。
面对数字化转型的重大机遇，亟须突破伴随式数字轨迹采集瓶颈，激活数据价值。当前数据中台技术在其他行业领域赋能业务场景、产生业务价值的优势日益凸显。教育数据中台技术的运用可以低成本方式记录长周期的数字轨迹，实现学生成长轨迹“一生一档”，教师发展历程“一师一档”，学校管理“一校一档”，落实统一的教育数据标准与规范，并对数字基座中海量教育数据进行结构化的教育含义标注，最大程度激活不同教育应用与平台间的数据融合互通，解决“巧妇难为无米之炊”的“数据原材料”问题，为根据实际教育场景而提供的各类教育个性化服务提供丰富的数据基础。
（二）深入领域模型，打破数据“黑箱”
领域知识驱动是实现数字化转型的路径。个性化服务的实现需要基于教育数据的再生产、再加工，而智能分析引擎则是数据生产加工、挖掘数据价值的重要支撑。智能分析需要基于教育领域知识模型来实现。通过建立教育领域知识模型，将各类数据与教育含义关联，以发挥数据价值。换言之，领域知识模型作为智能分析引擎的关键内核，能够将非结构化的教育概念转为结构化的教育含义，再把教育含义与数字轨迹关联，实现教育概念的数字化表征。从面向的主体来看，常见的模型主要围绕学生成长、教师发展、区校治理等。从建构模型的过程来看，包括教育理论模型构建、教育数据标签化处理、教育智能模型的分析与决策等。
当前数字技术在教育领域更加关注教育人工智能算法模型的构建，相对缺乏对各类教育场景相应理论模型的深入研究。通用算法构建的智能模型更多面临着分析结果和算法缺乏可解释性、难以适配教育场景需求等挑战，甚至可能产生引导教师、管理者采取错误决策的风险。面对“教育教学全过程中产生的各类规模化数据如何与学科专业知识、学生认知心理发展水平、教学法内容关联”的难题，需要深入教育教学业务场景，为各类教育场景中的数据赋予教育含义，建立教学、教研、教育管理、教育评价的各类教育理论模型，让数据中心的数字轨迹“活起来”，为多维度融合的教育数据智能分析等个性化服务提供理论模型支撑，增强教育智能模型的可解释力。
（三）提供个性服务，发挥数据智能
个性服务是教育数字化转型的目标。教育数字化转型的落地应是以个性化服务重构教学活动的组织形态。通过发挥教育数据价值，赋能教、学、管、评、研等不同用户的多样化需求，实现教育教学实践各类场景的个性化服务与应用，颠覆传统的教学组织形式，创新“人机协同”的教学实践模式。
数字化技术与教育的深度融合，将使更多教育领域知识模型赋能个性化教育服务。学生学习场景的个性化、多元化也必然产生教师变革教学模式的新需求。教师教学模式的数字化转型不仅是智能技术支持下的课堂教学模式创新，未来会主要以多模态数据的分析、决策等个性化服务为核心，转向“人机协同”课堂的系统性变革。
尽管当前的教育数字化服务与应用初具形态，但在初步实践探索中仍暴露出一些问题。比如：（1）应用场景零散，深入教学业务场景的好用、易用、契合不同教育用户需求的服务和应用缺少；（2）数据要素的挖掘力度和深度不够，提供的分析刻画、决策建议等个性化服务浅层、通用，难以超出教师的常规经验认知，没有充分起到“人机协同”智能决策的作用。
三、教育数字化转型需要哪些条件
未来已来。教育数字化转型是以数字技术与教育的深度融合，实现教育治理、教学实践、评价决策等方面的全方位赋能和综合性变革。多数学校目前尚不能快速进入转型实践之中，加之现有数字化应用与个性化服务还不够全面和成熟，并不能满足学校转型的个性需求，这些都对转型实践提出了新的挑战。数据基础、数据分析服务、数据素养能力将是当前推动数字化转型实践不可或缺的关键要素。
一是数据基础。海量、丰富的数据是建立动态数字轨迹的重要支撑。实现教育数据的“融合统一”管理和开放共享，将为建立数字轨迹用以数据分析服务和数据素养提升提供丰富的数据基础。
二是数据分析服务。体现领域知识驱动的教育数据分析，这是数字化转型真正实现数据驱动业务流程重塑的基础。数据分析服务激活了数据价值，基于教育领域知识模型的数智分析，打通了教育教学理论与各数据间的隐性关联，实现了教育数据与模型维度的全场景映射。
三是数据素养能力。教育的个性化服务需要以“人机协同”的教学实践予以体现，为此需要教育管理者和教师具备基本的数据素养。良好的数据素养将有助于对数字技术的理解，明确对个性化服务的需求，依据教育教学需要确定和运用适合的数据分析、数智决策等服务，开展“人机协同”的教学模式变革。
落实教育数字化转型将会是长期的系统性变革，正确把握各关键要素之间的关系，为转型变革和创新应用做好充分准备，需要区域、学校管理者和实践者发挥重要角色。
（1）夯实数据基础，打破“数据壁垒”。各级各类教育主管部门需要加强顶层设计和统筹管理，优化驱动机制和运作模式，制定统一化的各类教育应用平台数据接入和分层分级存储规范，以及教师教研、教学资源等多源异构数据的数据标准，明确教育数据来自哪里、表示含义、存储在哪里、管理权限等，为实现数据融合流转、助力数据分析、发挥数据要素价值奠定基础。
（2）挖掘数据价值，开展“人机协同”实践探索。管理实践者需要充分了解当前学校现有的数据维度和内容，明晰各类数据的教育语义，协同高校等科研团队，构建反映课堂实体、教学过程、素养评价的各类型教育领域知识模型，设计与研发基于已有数据粒度的分析模型和方法，挖掘教育教学理论与各数据间的隐性关联，实现教育数据与模型维度的全场景映射，以适应不断发展的教育新场景、新模式。同时，鼓励教师积极运用基于人工智能技术的教育个性化服务与应用产品创设多元教学场景，“先行先试”开展项目式、探究式课堂教学活动，形成可推广、可复制的教育数字化转型优秀示范案例，这也将是教育数字化转型促进教育高质量发展的重要步骤。
（3）提升数据素养能力，提供个性化服务。区校管理者和实践者需要营造具有数字化氛围的教育文化，构建丰富的数字化学习环境，加强对数字技术的合理认识及对“人机协同”教育实践的理解和接受能力，提升教师的数字素养、教育数据意识、创造数字资源的能力、数据决策和管理的能力，培养学生数字时代的生存能力，以应对教育数字化转型带来的诸多不确定性挑战。同时，基于需求牵引原则，鼓励区、校积极探索，构建政校企等多方协同的个性化服务与应用建设模式，通过征集场景案例等多种方式深入教育教学实践，为分析学生的认知水平、行为习惯表现、素养结构特点以及个体与群体间的差异，深度刻画学生画像，协同教师优化教育资源配置，修订课堂教学设计与教学活动，关照每位学生的学习需要，促进学生的智能个性化发展等，提供更加切合的个性化教育服务应用，进而促使由经验驱动的教学决策向基于理论和数据智能双驱动的循证与决策转型，实现素养导向的“人机协同”的教学模式重构与变革。
本文系国家社会科学基金2019年度重大项目“人工智能促进未来教育发展研究”（项目编号：19ZDA364）的研究成果
顾小清（华东师范大学教育学部教授，教育信息技术学系主任）；胡碧皓（华东师范大学智能教育研究院博士）
《人民教育》2023年第2期
