引用请注明以下信息：
陈丽,任萍萍,张文梅.后疫情时代教育创新发展的新视域与中国卓越探索——出席“2020全球人工智能与教育大数据大会”的思考[J].中国电化教育,2021,(5):1-9.
为顺应时代发展的最新趋势，探索基于信息技术环境下的新型教育教学模式与教育服务供给方式，促进智能化教育研究的深度开展，加速推进应用的融合创新，2020年12月11—12日，经教育部批准，中央电化教育馆与北京师范大学、科大讯飞股份有限公司在国家会议中心共同举办“2020全球人工智能与教育大数据大会”。本届大会以“教育未来 因A.I.而能”为主题，围绕人工智能、大数据与教育的深度融合等重要话题，邀请来自中国、美国、英国、菲律宾等众多国家的顶尖人工智能科学家、大数据专家、教育学家、名校校长、教育科技领域学者以及教育科技产业界优秀人才共同参与，采用线上线下相融合的方式，就“人工智能+教育”、大数据挖掘与应用、脑科学、心理健康测评、区域教育治理等话题进行了深入研讨。
此次大会，专家们针对智能技术与教育应用的主题，全方位、多角度对疫情期间的在线教育变革实践，智能时代的教育评价、因材施教、在线教育过程监控和区域教育治理等多个议题展开深入分析与探讨，为后疫情时代的教育研究与应用提供思考和借鉴。
一、“停课不停学”中的教育创新
为了应对新型冠状病毒肺炎疫情，教育部提出了“停课不停学”的要求，鼓励广大师生利用信息化教育资源和平台合理开展线上教学。这次史无前例、强制性的大规模在线教育实践让教育和互联网有了更紧密的结合，使得互联网空间成为一个重要的教育教学空间。相比于传统教学中的物理空间和社会关系空间，互联网空间具备时空灵活、资源共享、行为数据化、信息众筹、关系网络化和系统联通化6大典型特征[1]，这些特征使得互联网环境下的教育教学存在独特之处，该现象在“停课不停学”实践中表现得尤为显著。因此，笔者将从教学方法、教学组织形式、课程形态、教育服务模式和教育管理5个层面来探讨“停课不停学”中的教育创新及其对教育教学的影响。
(一)教学方法创新：先学后教，以学定教
传统课堂较多关注“教”和“学”，通常是教师先讲授知识内容，学生通过理解、练习等方式完成知识的迁移，课后作业的功能在于知识的巩固吸收。然而，互联网环境中的教师通常会失去与学生面对面直接交流的机会，为了在此时能更好地了解学生的学习掌握情况，许多教师会将知识学习过程提前，弱化教授作用，而更多地关注学生的知识习得过程。这种教学流程的颠覆势必引发教学方法的变化，在“停课不停学”在线教学时期，“先学后教，以学定教”的教学新方法得到广泛运用，即：学生先根据学习目标进行自学，然后教师基于学生学习情况确定教学内容和策略。基于课前的学情分析，教师在课堂上进行的是针对性的重点讲解和应用训练，帮助学生解决薄弱环节，推动知识迁移应用中学生高阶能力的发展。此外，网络平台提供的丰富学习资源、认知工具和过程性分析数据等学习支持，也为学生开展基于指导的自主学习提供了有利条件，在线学习中教师不再作为学习的主导者，而是扮演促进者和帮助者的角色，只在必要时提供相应的专业指导。这些在线教育中出现的教与学的方法创新，有助于重构互联网环境下的教育教学模式，促进学习者更高阶段思维能力的培养。
(二)教学组织形式创新：职能分工的协作教学
在传统课堂中，教师与学生的交流是面对面方式，教师是学生唯一获取知识与疑问解答的来源。在互联网环境中，教师与学生时空分离，师生间不再是简单的一对一或一对多的线性层级，而是多点对多点的复杂网络，学生可基于网络自主学习进行知识的获取。教学阵地的转移无疑对教师能力提出了极高的要求，既要求教师能够设计教学、组织活动，还需要其能够熟练网络管理、平台操作等工作。当教师一人分饰多角时，通常会引发教师精力分散的问题，从而对在线教学效果产生影响。在“停课不停学”期间，许多学校摸索出一种适用于在线教育的教学组织形式——基于职能分工的协作式教学，即在教学中细化教师职能，安排专项教师分别负责内容讲授、答疑解惑、平台管理、学习支持等环节的工作。在此次疫情教学中，甚至有部分家长承担起学习支持的角色。通过这种协作分工的组织形式，可将复杂的在线教学工作分解为较简单的几个环节，从而最大化地发挥个体的能力，提高教育教学的效果。未来可能还会出现教学设计人员、资源供给人员等多种服务角色，互联网时代的教学不再是教师一人的独角戏，而将逐渐走向团队协同的分工作业方式。
(三)课程形态创新：跨越式的生态化课程
长期以来，我国实行着较为单一的课程形态，班级授课是我国课堂教学的主要形态，中高考改革后出现的走班教学，已是对课程形态的一种进步发展。在疫情期间的大规模在线教学中，出现了一些跨越班级、跨越学校的课程，来自不同学校的师生基于网络平台共同参与一门课程的学习；同时，课程利用互联网自组织的特征，实现了跨越身份角色的联系，教师、学生之间都能互相进行指导。这样一类跨越班级、课时、学校，强调差异化与个性化的新型课程形态被称为生态化课程，在“停课不停学”期间对教育教学产生了重要影响。互联网空间打破了传统课程的班级、学校、身份、数量等规则约束，扩大了个体的影响能力，一个好的教师可以利用互联网在更大范围内服务更多学生；同时，学生、家长及各行各业的精英都可以通过网络发挥教学力量。互联网通过整合全社会资源，共同服务于学习者。未来的课程不一定是以学校为单位，可能是以区域，甚至国家为单位，这种跨越式的生态化课程突破了原有的学校教育的围墙，让教育与社会相融合，为因材施教提供了一种有效途径。
(四)服务供给模式创新：多主体协同供给
在传统教学中，教学目标、教学资源和教学过程都是由学校教师进行设计，学生获取教学服务的渠道限定在学校。在互联网的影响下，学校不再是学生获得教育服务的唯一场所，基于个体或企业的教育服务组织与机构持续涌现，它们为学习者提供了灵活、个性化和优质的教学资源与服务。这种多主体协同供给的教育服务模式能够较好地满足学习者多样化、个性化的需求，尤其是在“停课不停学”期间发挥了重要作用。在“互联网+”时代，教育亟需改变行业内单一主体的教育服务供给模式，创新教育的供给方式与供给内容。转变传统供方驱动的、基于知识(学科)划分的固化教学服务，提供学习者(消费)驱动的、基于技能需求的灵活教学服务，促进规模化教学中的个性化服务。为了实现这种转变，一方面，要积极创设开放共享的互联网协作机制，支持知识付费；另一方面，要建立完备的质量保证制度，通过政府审核、过程监控等方式保障准入内容的规范性。最终，整合全社会的教育资源，服务于日益变化的个性化、优质、终身的教育。
(五)教育管理创新：基于数据的科学决策
过去的教学管理主要依赖于教育管理者的主观分析，通过对测试、日常表现等方面的观察分析学校的教与学发展情况，难以保证教学过程管理的科学性和准确性。互联网为过程监控、精准诊断和个性化指导提供了前所未有的机遇，在互联网环境中，所有教和学的行为都会留下痕迹，从而为教育的过程监控提供可能。相比于传统基于直观经验的主观判断，互联网环境中记录着人类教与学行为的多维数据，这些数据能够用于精准地表征教育教学实践的本质和规律，助力于提升教育决策的科学性和准确性。譬如，可通过大数据平台实时监控在线教学的开展情况，帮助教学管理者基于不同学科的学习情况作出综合诊断和分析；与此同时，基于学生各阶段的作业完成情况，可精细分析每位学生的知识点掌握情况，从而帮助教师做出科学、精准的决策判断，以及时调整教学内容与进度。
“停课不停学”期间的在线教育创新为“互联网+”时代的教育教学研究提供了经验和参考，新时期，社会各界应转变原有的教育教学观念，促进以生为本、以学定教、教在学中等教育新思路的实践落地；积极探索智能技术与教育的深度融合与普及应用，满足“互联网+”时代学习者个性化、差异化的多元学习需求；立足教育优质资源流通和共享，通过社会各方力量的联动发展，协同推进教育改革创新。“2020全球人工智能与教育大数据大会”聚集学界与社会力量，直面“A.I.+大数据”给教育带来的变革，向社会展示了后疫情时代世界教育创新发展的探索与实践，下面笔者拟从智能技术助力教育评价、因材施教、在线教育过程监控和区域教育治理创新4个层面凝练大会精华。
二、智能技术助力教育评价
教育评价事关教育发展方向，有什么样的评价指挥棒，就有什么样的办学导向。2020年10月，中共中央、国务院印发《深化新时代教育评价改革总体方案》(以下简称为《总体方案》)[2]，旨在通过改变评价的“指挥棒”来推动教育的健康发展，解决现在教育发展中的一系列突出问题。《总体方案》不仅在宏观上明确了新时期教育评价的指导思想与改革目标，同时也在中观层面提出4点改革方向，分别是改进结果评价、强化过程评价、探索增值评价和健全综合评价。北京师范大学董奇校长在《科技赋能教育评价改革》的主题报告①中提到，在当前突出的教育实践问题中，教育评价改革是难点，却也是科技赋能教育可以发挥重要作用的领域。针对上述难点，应加强顶层设计，整合全国力量协同攻关，实现科技在赋能教育评价改革方面的力量。为了将《总体方案》中的4个评价落到实处，必须持续追踪和研究学习者在学习成长中的过程数据，覆盖教育教学的全要素，并实现对学生高阶思维能力的有效评价。
智能技术的发展为教育评价改革带来新的可能，多维度过程性信息、自动化评价工具等可为教育评价提供全方位、多层面的支持。在“互联网+”时代，教育的复杂性日益突出，教育领域的心理和测评场景更为多元，人们趋向于采用可靠、高效、智能的方式整合多维度、多层次的信息，教育评价的智能化改革势在必行。
(一)立足客观多维信息，助力全过程评价
随着人工智能、在线教育的蓬勃发展，基于实时动态的日志数据越来越丰富，利用数据挖掘技术表征日志文件中的行为并分析行为背后体现出的认知过程，探讨过程评价和终结性评价的有效整合，有助于构建精准的学习者模型和知识教学模型，对于教育者优化学习资源配置、全面掌握学生的知识结构、实施有效的教学干预等方面具有重要意义。
景丽萍教授②介绍了文本数据挖掘在心理和教育测评不同场景下的具体应用，包括基于在线写作的人格分析、自动化的开放式测评文本评分、教师评价文本的识别等方面。美国马里兰大学帕克分校的焦红教授③在报告中介绍了他们在基于计算机的教学评估研究中的最新进展，通过不同格式的过程性数据(如答案更改数据、答题时间等)，探讨了用于认知诊断的作答反应、反应时长和答案更改三类数据的联合建模。菲律宾马尼拉雅典耀大学信息系统与计算机科学系执行主任Ma.Mercedes T.Rodrigo教授④在大会上给出了基于眼动数据研究精通阅读的学生使用的阅读策略，以及这些策略与阅读熟练程度较低的学生使用策略的不同，由此讨论不同编程配对组合的学生阅读表现情况，以更好地支持教学改进。
(二)关注素养能力发展，促进全要素评价
近年来，学生的核心素养发展一直备受关注，国家倡导对学生德智体美劳全要素的综合教育，关注学生的核心素养发展，但实施环节如何评测学生素养能力始终是难点问题[3]。法国教育部统计局(DEPP)学生评估办公室主任、国际教育成就评价协会(IEA)主席Thierry Rocher⑤，以法国国家教育监测和评价项目为例，介绍了使用技术增强型题目、过程性数据以及用户体验方法等进行评价的重要创新进展，并展示了有关测量新兴技能(通常称为21世纪技能)的最新举措。
当前对于创新思维能力及其水平的评估，主要采用对其核心成分发散思维水平的测试，北京师范大学心理学部的徐建平副教授⑥介绍了一种采用机器评分测量学生作答中文字式和图片式两种形式的发散思维测验结果的方法，并对其评分的准确性、有效性以及工作效率进行初步研究，验证了机器评分的可行性。中国教育学会教育统计与测量分会副理事长、北京师范大学心理学部的刘红云教授⑦着眼于合作能力和问题解决的测量，研究基于计算机人人交互测验的过程性数据，提取了成功合作问题解决的关键特征，并基于评分规则对过程数据进行计分，然后选择合适的合作问题解决个体能力的测量模型，为新时期测量学生的合作能力和问题解决能力提供了一种参考思路。北京师范大学中国基础教育质量监测协同创新中心的常务副主任辛涛教授⑧立足写作能力评价视角，提出一种基于图的中文作文自动评价框架，将计算机语言特征融入到能力测量的标准框架下，在保证预测准确率的基础上增强智能评分对写作构念覆盖的可控性，同时探讨不同模型使用的合理性，并为学生与教师提供可视化的反馈。
(三)构建智能评价系统，健全教育质量监管
北京师范大学校长董奇教授就新时期的教育评价问题提出了“智能化基础教育评价系统”建设计划，以服务学生健康成长、教师专业发展、学校内涵发展、区域教育管理和国家教育治理。系统将具有智能化的数据采集、分析、判断和反馈能力，为用户提供改进建议和指导，并形成教育闭环，对改进的评估状态进行再评价。
纵观教育评价改革实践领域，已有许多单位和机构开展了基于技术的探索。由北京师范大学牵头的中国基础教育质量监测协同创新中心目前承担着由教育部发起的全国范围内的教育质量监测项目，采用“区县—学校—学生”三阶段分层不等概率抽样的方式进行抽样，由样本学生及对应的学科教师、校长参与测试任务；地方省区单位以自费跟队监测的形式参与国家监测，紧跟国家教育质量监测步调与标准，并可结合地区状况调整、增减测试内容。目前监测的学科领域为：语文、数学、科学、体育、艺术和德育，三年为一个监测周期，每年监测两个学科领域，依次为数学和体育、语文和艺术、科学和德育，最终形成四种监测报告：国家监测报告、分省监测报告、基础监测报告(分区监测报告)和分校监测报告。以“科学评测”系统为例，其通过人机交互进行科学知识素养测试，记录学生的操作行为轨迹，完成科学素养与计算机素养的双向评测。
上述研究表明，我国在教育评价方面已开展一系列有价值的探索，譬如：通过计算机记录多维数据，分析学习者的学习过程；探索利用机器实现智能评阅，使教师从重复性工作中解放出来。新时代教育评价改革的推进需要以《总体方案》为评价指向，促进教育评价的实践落地与普及应用。教育评价不是单一的教育问题，需要协同各界力量共同推进。对此，国家需出台相关评价标准，构建智能教育评估平台，整合地方数据；学校主动探究行动策略，促进评价政策落地；企业提供技术产品支持，助力科学智能评测。
三、智能技术助力因材施教
因材施教是教学中重要的教学方法和原则，无论是对个体发展、还是教育公平都具有重要意义。它强调教师应根据学生自身的认知水平、学习能力以及自身素质，选取适合每个学生特点的学习方法进行针对性教学，以发挥学生长处，促进学生的个性化发展。我国最早的教育家孔子曾提出“因材施教、有教无类”的教学理念，然而截至目前，教育教学中却仍普遍存在着教学内容繁重、教师资源偏少、学生数量较多的问题，精准化教育始终难以落实。
当前的社会正处于教育领域转型发展的关键时期，利用智能技术助力因材施教落地，破解大规模个性化教育难题，是新时代教育创新发展的重要使命[4]。讯飞教育技术研究院在《2019智能教育发展蓝皮书》研究成果的基础上，结合近年来国内基于技术开展个性化学习和因材施教的实践探索，对智能教育背景下技术赋能的因材施教进行系统研究，撰写了《2020智能教育发展蓝皮书——人工智能助力因材施教》研究报告(以下简称为《蓝皮书》)，并在大会上发布。讯飞教育技术研究学院的刘邦奇教授⑨汇报了《蓝皮书》的主要内容，包括四部分：(1)给出定位，即聚焦个性化创新人才培养，推进智能教育深入发展，用智能技术助力规模化因材施教落地应用；(2)构建框架，面向学习者、活动和教育机构三大要素，提出识材、施教、发展的三个层级，并从技术和应用两个层面对框架进行说明；(3)应用场景，给出了因材施教的三种应用场景，即：智能技术辅助学情分析、智能技术实现以学定教和智能技术助力智能测评；(4)展望未来，纵观因材施教行业的总体发展趋势，从政策扶持、技术推动、行业应用等方面展望行业发展前景。《蓝皮书》为新时期利用智能技术促进因材施教提供了较好的方向与解决思路，结合大会中的报告内容，笔者分别从识材、施教和发展三个层面探讨智能技术助力因材施教的应用场景与实践探索。
(一)智能技术辅助识材，绘制学习者画像
在“识材”层面，智能技术可辅助学情分析，科学识材。基本思路是利用大数据采集技术获取学习行为、学生生理信号等数据，深度挖掘基础数据、学习数据、行为数据、心理数据等多维度的学情数据，形成学生素质画像并可视化呈现，帮助教师进行学情分析。对于任何一个学生来说，只有先了解他的学习特点，才有可能为其提供最适切的学习方案。通过积累学生在日常学习、练习、测试过程中产生的数据，当数据累积到一定程度，基于深度分析可为学生进行多维度、深层次的知识能力画像，其中也包括“学科潜能”。在这方面，北京师范大学的心理系、教育部与科技企业深度合作，推出“学科潜能和专业兴趣双核测评”，通过学科潜能和专业兴趣的双核评价，将学生的学业成绩、知识点掌握情况和学科能力、学科潜能等方面的评价结合起来，以帮助学校、教师和家长更深入地了解学生的发展情况，从而为其提供针对性的指导和帮助。
(二)智能技术赋能教师，促进精准化施教
在“施教”层面，智能技术可助力实现以学定教，精准施教。智能技术助力精准施教的典型应用场景主要体现在弹性化教学预设、适切性情境创设、多样化课堂互动、个性化作业生成与批改、智能化辅导与答疑等方面。以新一代智慧课堂为例，其借助智能平台有效实现了课前、课中、课后的有机融合，提高教与学效率。在课前，教师通过平台向学生推送预习作业，利用大数据技术分析学情数据，提前预设教学重难点；在课堂教学中，利用智能终端，采用多种形式呈现教学内容，在解决教学重难点的同时，充分发挥学生的主观能动性，提升课堂效率；在课后，针对学生的薄弱知识点，向不同学生推送针对性的作业，实现教师的精准化教、学生的个性化学。
(三)智能技术助力评测，实现减负增效
在“发展”层面，智能技术助力智能测评，发展评价。智能技术助力发展评价的典型应用场景主要有课堂实时测评反馈、多维度学习效果分析、学生综合素质评价等。通过详细记录学生在学习、成长过程中的各类数据，智能生成学情分析报告，并及时反馈给教师；同时，利用人工智能实现机器智能评测分析，为教师因材施教、促进学生全面个性发展留下更多时间。譬如：讯飞智学网可以实现智能阅卷、智能分析等功能，根据学生的日常作业和测验，生成知识图谱，直观呈现学生对不同知识点的掌握情况。同时，系统能根据知识图谱以及学生的学习程度，推送适合每个人的个性化练习，避免无效的重复练习。通过数据调研和分析发现，应用人工智能因材施教不仅可把孩子重复练习量下降到50%、回家作业时间降低32%、课外活动时间提升50%，还能降低学生的焦虑情绪、提升学习兴趣，真正实现减负增效。
《蓝皮书》为助力因材施教落地、破解大规模个性化教育难题、促进新时代教育创新发展提供了有力支撑，充分展示了我国在人工智能助力因材施教领域所做的有价值的探索。然而智能技术助推因材施教除了涉及技术问题之外，也需要依托基础性的研究作为支撑。目前的研究工作大多限定在技术层面的探索，关于人的认知规律、交互规律等基础性研究有待深入。同时，后续工作还需要融合国家、产业和学界等多方的力量，通过国家出台方针政策把握方向，支持引领；学界深入基础性研究，揭示教育规律，提供融合思路；产业界推进智能技术发展，立足实践场景开展应用，方能实现更加精确、客观、量化的个性化教育。
四、智能技术助力在线教育过程监控
在线教育是一种基于媒介的、师生时空分离的远程教育形式，它与以人际直接互动为主要特征的面授教学有着本质上的区别。在线教育过程中，教与学的时空分离加大了教师教学的困难，导致许多教学环节难以开展。互联网等智能技术为破解在线教育难题提供了前所未有的机遇[5]，实现了对学习者过程性动态数据的自动记录与监控。下面笔者以高等院校和科技企业为例，介绍我国近些年对在线教育过程监控方面做出的探索与成果。
(一)在线数据分析平台
智慧线是北京师范大学远程教育研究中心开发的在线教育大数据服务平台，其是基于人工智能和大数据技术挖掘与分析在线教育机构日常教学和管理中过程性数据。通过对数据的汇聚、建模、分析和可视化为机构用户提供精准管理的数据支持，帮助用户监测机构运行、发现深层规律、预警潜在风险，进而优化工作和管理效率。作为一个数据挖掘平台，智慧线首先需要通过数据工具ETL(Extract-Transform-Load)抽取并汇聚在线教育机构中各类应用系统中的数据，包括机构基本信息数据、静态教学与管理数据和动态教学与管理数据，以能够动态表征机构管理与教学状况的数据为汇聚重点。数据汇聚后通过数据清洗和标准化，将不同来源、不同类型的数据加以整合，并存储到数据仓库中。紧接着，数据分析师基于汇聚数据来建立针对本机构的定制评价与预测模型(如综合评价的SERI模型)。最后，基于所构建的数据模型可以获得机构教学与管理状况的分析结果，这些分析结果将会以数据分析报告的形式通过Web端或移动终端APP定向推送给机构用户，不同角色的用户将收到与其业务相关的数据分析报告，如招生部分将收到招生数据分析报告，教师将收到课程教学报告，而决策者将收到机构工作综合分析报告。
在“智慧线”数据平台建设的基础上，中心研究团队继续探索过程数据和人工智能在教育领域中的应用，从教育建模的现实问题出发，构建出人机增强智能支持下的敏捷建模引擎——DMTS，主要包括模型构建的数据(Data)、模型(Model)、场景(Task)和服务(Service)四大环节。通过建立协同机制，充分发挥人机协同、领域协同的力量。DMTS作为支持人机协同、跨领域协同的模型构建工具，其宗旨在于让教育专家充分发挥其领域优势，弱化模型构建难度，解决复杂教育领域问题。目前，DMTS整合教育研究的成果与数据科学的力量，已在实践中作出了一些有价值的尝试，在以教育模型构建为核心业务的适应性学习、科学决策、精准管理和区域教育治理等场景中发挥了重要作用。
(二)在线教学七步法
在“停课不停学”的大规模在线教学实践中，全国在线教学普遍存在着直播课程形式单一、录播课程缺少互动、教师负担加重等问题[6]，基于这些教学痛点，我国科大讯飞基于人工智能和大数据技术应用，推出“在线教学7步法”，以过程化数据为支撑，助力因材施教和个性化学习。“在线教学7步法”将整个教学细分为进门测、新授课、互动测、出门测、A.I.作业、1对N答疑和可视化报告7个实施步骤，旨在形成完整的教学闭环，实现课前、课中、课后的有机融合。在课前，A.I.自动评测学生课前的预习情况，智能生成学情分析报告，帮助教师预设教学重点。在课堂中，教师通过讲练结合的模式讲授新课，系统实时评测来指导教师新授内容的动态调整，并根据师生互动结果把控课堂进度。下课前，系统配合教师进行“出门测”，以准确了解学生的当堂掌握情况，从而实现个性化、针对性的作业布置。在课后，系统将根据学生的作业完成情况智能形成作业分析报告，并引导教师开展1对N、而非面向全体学生的辅导答疑，以减少学生的无效听讲时间。最后，系统基于整个教学过程的自动监控数据，给出每个学生的动态、可视化学习报告，帮助指导学生的阶段性学习。
综上，在线教育过程监控为探究互联网背后的学习规律提供了有效路径，为过程性评价、个性化教学的实施创设了条件。然而，在享受数据、技术带来便利的同时，更应谨慎地把握在线教育过程监控的尺度与范围，密切关注信息泄露、个体隐私等安全问题，以便营造出文明、健康的网络学习环境。与此同时，应立足学生的行为数据和反映认知心理状态的内隐数据，通过合理有效的教学干预机制，促进学生自主学习能力、联通选择等高阶能力的发展。
五、大数据技术助力区域教育治理创新
2019年，中共中央、国务院发布的《中国教育现代化2035》[7]提出要加快信息化时代教育变革，推进教育治理方式变革，推进管理精准化和决策科学化。教育治理作为一种新兴的理论和实践范式，其强调多主体协同参与教育事务管理[8]。其中，区域教育治理特指在某些区域范围内政府、学校和社会等不同主体间对话与协商的持续互动过程，注重对区域教育事务展开公开透明、规范合理的动态管理[9]。大数据技术的发展为教育治理创新提供了契机，新时期提升区域教育治理，要形成教育大数据构建的良性管理机制，促进区域教育治理全面升级。未来区域教育发展要以数据促进科学决策、以过程评价支撑教学改革、以学习者为中心因材施教，从而促进更广泛、更深入的教育均衡，推动教育治理体制机制创新。
(一)大数据辅助分析，助力科学决策
目前，大数据技术正在成为推动区域教育治理发展的重要推动力。大数据能够助力区域教育治理采集手段的创新，扩大教育统计数据的来源，转变阶段性、静态的调查为全过程、动态化的监测，有助于科学监测和规划区域教育的发展[10]。
芜湖市教育局党委书记局长江汛⑩汇报了芜湖近些年在教育信息化建设方面的成果，他们基于大数据技术打造出1452的教育服务芜湖模式，其依托1个智慧教育的模型架构，汇集学生、家长、管理者和教师4类主体的数据，围绕智慧教学、智慧学习、智慧文化、智慧生活、智慧管理5大核心场景总集成总服务，构建数据体系，进而通过感知、测量、判断、评价、预警来形成科学决策。然后决策再上升为服务和质量，成为新的数据，形成一种闭环体系来提升教育服务和治理水平。模式已在学生健康监测、学业水平监控、优质资源共享和区域综合服务改革等社会各方面投入应用，并取得了可喜的进展。芜湖市在区域教育模式方面的探索与实践，体现了数据与决策的双向作用，可以促进生成教育新生态，助力实现治理体系和治理能力的现代化。
大数据为过程化信息的积淀提供了可能，让教育治理有据可依。通过数据挖掘可表征出隐含的教育规律及其演化趋势，教育决策部门由此通晓并可提前预测区域教育的发展趋势。譬如，北京市基于新增人口、学龄儿童、学校等数据和人口变化规律，模拟形成2022年北京各学区教育资源的配置方案，其涉及各个区的学位准备、各学段学校、教育资源等情况，可以辅助政府合理规划、科学决策，从而提高教育资源利用的科学性和有效性，促进教育公平。
(二)大数据统筹管理，提高教学效率
科大讯飞副总裁周佳峰⑪指出，新时期提高区域教学效率，要探索新型教学模式以推动信息技术与教育教学实践深度融合；提高区域学习质量，要借助人工智能和大数据技术以推动个性化、探索式学习；提高区域管理效率，要基于大数据统筹规划以促进科学高效管理。
青岛西海岸新区的教育和体育局副局长宋云宏⑫在大会上汇报了新区在大数据技术方面的应用与实践，通过人工智能、大数据等新一代信息技术与教育教学的深度融合，实现精准教学，帮助师生减负增效。在日常作业和考试测验中，通过计算机完成对题目的批改评分，自动完成数据统计分析工作，并生成多维度、可视化学情报表，为教师减少作业批改和阅卷的时间，以更好地服务于教育质量提升。在日常练习方面，学生完成作业后拍照上传，系统自动识别学生书写内容，进行批改评分，实现一对一的智能化辅导。在学生自学方面，通过课堂互动、自动评分，精准定位学生的学习状况，生成个性化知识图谱，智能推荐课后练习，实现作业千人千面，为学生减少无效重复的练习，提升学习效率。
珠海市金湾区教育局党工委书记、区教育局局长刘洁琼⑬也提到，学校常规的管理工作琐碎且繁重，在过去占用了管理者和教师大量的时间，大数据出现以后，极大地解放了教育工作者的时间，让教师回归教学，让管理更加高效。金湾区构建的大数据管理云平台实现了对区域内各方面数据的统筹管理，为基础设施建设、学区划分、区域评价等提供了详实的依据，实现了用数据说话和用数据管理。
(三)大数据赋能服务，推动机制创新
大数据技术对于区域教育治理的影响与作用，最终要落到体制机制的创新上。滨州市教育局电化教育馆馆长边清杰⑭在大会上介绍了滨州基于大数据技术规划的创新治理模式。首先，构建开放融通的互联网教育大平台，培育一批科学先进、特色鲜明的教育示范区，从教育资源共享、教学模式创新、教师队伍建设、现代化教育治理4个方面树立行业标杆，初步构建教育信息化教育大数据支撑服务体系。其次，社会协同推进，以市教育局为主体，专家引领，制定一系列的行动计划、指导意见与考核方案，加快推进智慧课堂和智慧校园建设，推进标杆学校发展。最后，通过考核持续引领，采用项目服务的双向考核评价机制，通过监理公司、教育局以及教育专家等多方主体协同推进机制创新发展。
此外，北京市实施的“教师走网”也是一种对教育机制的大胆创新。“教师走网”是北京市针对郊区教师资源紧缺问题所做的改革，将优秀师资开放共享，通过网络点播的方式，实现课后一对一答疑与个性化辅导。北京市结合学生对教师的打分、教师职称以及服务时长，给教师支付额外酬劳，通过这样的方式，既能解决教师资源分配不均衡带来的区域差异问题，又能提高教师的教学积极性，可谓一举多得。
以上案例表明，大数据技术通过建立“用数据说话、用数据决策、用数据管理、用数据创新”的机制，能够有效提高教育决策的针对性、科学性，推动政府管理理念和教育治理模式创新发展。基于人工智能、大数据和互联网等新一代信息技术的教育信息化，不再是单点和工具型等简单应用，而应贯穿在教育教学的各个环节之中。新时期应以大数据为基础，推动区域教育数据平台、教育资源供给生态和教师混合教研建设，形成覆盖教、学、考、评、管等全场景的教育闭环，促进教育的革新发展。
六、总结与展望
以互联网为核心的新一代信息技术创设了平等开放的信息共享空间，教育教学实践在物理、社会和信息三元空间的共同支撑下进行。相比于物理空间和社会空间，互联网这一全新的信息空间打破了传统教育的信息传播与生产方式，促使人类教育从规模化、标准化走向灵活、多样、开放、终身的个性化变革。以互联网为核心的新一代信息技术为破解新时期我国教育主要矛盾提供了全新的空间和全新的模式，是教育高质量发展的新动能，教育领域应将网络空间作为教育改革创新的新场景。我国数字强国战略为“互联网+教育”提供了强有力的支撑，具有先发优势。疫情加速了我国教育领域的环境建设和资源服务体系建设，我国“停课不停学”的在线教育实践已经成为国际典范，呈现引领态势。
与在线教育相比，当前人工智能教育应用尚处于初始阶段，实现人工智能的教育变革依然任重道远。为了更好地发挥智能技术在教育中的作用，笔者认为应从四个方面进行着力。第一，针对教育领域数据中心各自为政、相互分隔、互不协调的情况，推进技术融合、业务融合和数据融合，实现跨层级、跨地区、跨系统的协同管理和服务，推动建设一体化的国家级教育大数据平台，促进各级各类数据间的互联互通与共建共享。第二，单一的智能算法无法适应复杂多变的教育场景，容易引发以偏概全的风险。因此，应立足教育的实际场景去研发智能技术应用平台的核心算法，以适应复杂多变的教育环境，推动智能技术与教育领域的深度融合。第三，伴随人工智能技术的成熟和大范围的教育应用，可能会给学习者带来日益严峻的安全、隐私和伦理等方面的挑战。面对这些关键问题，必须及时出台适应智能化时代的法律法规体系，建立起人工智能进入教育场域的伦理准则，加强对人工智能教育产品的全流程监管。第四，新时期互联网参与的、新型学习环境下的教育教学实践，不再限定于教育系统内部，企业、政府乃至全社会都将是支撑这一体系的重要力量。政企校三方须联动发挥重要作用，政府充分发挥引导和协调作用，学校改变教学管理模式，企业注入力量扩大教育资源供给、提升在线教学支持和服务能力。
通过疫情，社会各界深刻认识到以互联网为支撑、人工智能为核心的新一代信息技术正对教育产生着变革性的影响，它对于破解我国长期存在的评价与管理体制功利化、教育教学形态固化、资源分布不均衡和资源浪费等教育难题带来了契机，将成为我国赶超世界、建设教育强国的重要抓手。与此同时，我们也应关注到人工智能助力教育教学改革是一项长期性、综合性、基础性的大工程，要推动这一重大工程的落地落实，不仅需要依托技术层面的支持，更需要底层基础研究的支撑和整个产业生态的配合。因此，新阶段应将智能技术教育应用纳入国家新型基础设施建设当中，成为国家“新基建”的重要建设内容；同时加强对教育的软硬件投资，推动应用普及，促进形成社会共识，集结社会力量协同推进教育教学的创新发展。
参考文献：
[1] 陈丽,逯行等.“互联网+教育”的知识观：知识回归与知识进化[J].中国远程教育,2019,(7):10-18+92.
[2] 新华社.中共中央、国务院印发《深化新时代教育评价改革总体方案》[EB/OL].http://www.gov.cn/zhengce/2020-10/13/content_5551032.htm,2020-10-13.
[3] 田爱丽.综合素质评价：智能化时代学习评价的变革与实施[J].中国电化教育,2020,(1):109-113+121.
[4] 刘邦奇.智能技术支持的“因材施教”教学模式构建与应用——以智慧课堂为例[J].中国电化教育,2020,(9):30-39.
[5] 陈丽,林世员等.“互联网+”时代中国远程教育的机遇和挑战[J].现代远程教育研究,2016,(1):3-10.
[6] 王继新,韦怡彤等.疫情下中小学教师在线教学现状、问题与反思——基于湖北省“停课不停学”的调查与分析[J].中国电化教育,2020,(5):15-21.
[7] 新华社.中共中央、国务院印发《中国教育现代化2035》[EB/OL].http://www.gov.cn/zhengce/2019-02/23/content5367987.htm,2020-10-13.
[8] 姚松.大数据时代教育治理转型的前瞻性分析：机遇、挑战及演进逻辑[J].现代远程教育研究,2016,(4):32-41.
[9] 王连照.教育问题区域治理的主要场域与关键事项[J].教育研究,2018,39(2):64-67.
[10] 宋宇,卢晓中.大数据驱动下区域教育治理探析[J].教育研究与实验,2020,(1):36-39.
作者简介：
陈丽：教授，博士，博士生导师，研究方向为“互联网+教育”。
任萍萍：在读博士，副总裁，研究方向为“人工智能+教育”。
张文梅：硕士，科研助理，研究方向为“互联网+教育”、信息化教学与应用。
