政府如何提升教育數據治理能力
——基于16省數據的模糊集定性比較分析

田曉偉 彭小桂 冉 霞

(西南大學:a.西南民族教育與心理研究中心;b.教育學部,重慶 400715)

一、引 言

人類、計算機和周圍其他技術設備每時每刻都在生成數以億計的數據節點[1],這些數據節點涓滴成河,匯聚成為今天廣為熟知和廣泛應用的大數據。無論個體的生活世界,還是群體的公共領域,大數據都已經深度參與并深刻重塑了我們的周圍存在?；诖髷祿夹g的智慧城市、智慧政府、智慧教育等公共服務創新使人們的日常生活呈現數字化、公式化以及模型化特征,創造出前所未有的價值提升與效益增進。其中,“教育大數據”作為對教育治理進行前瞻性布局規劃的重要基質以及分析決策的重要參考,是現代教育體系建設過程中的重要生產要素和核心驅動力。各類教育數據資源的集成匯聚是驅動未來教育發展的引擎,能夠支持探索“互聯網”條件下教育發展新形態,構建基于數據的教育治理新模式,進而以教育治理模式創新破除教育改革發展梗阻問題,推動教育治理現代化進程,實現教育強國建設的根本目標。因此,如何挖掘和分析教育大數據資源,駕馭并利用潛藏于教育數據中的治理效能,同時規避潛在的負面影響和政策風險,成為教育理論研究和治理實踐面對的重要問題。同時,作為教育數據治理的主體,政府應主動求變、把握政策映照下的大數據技術紅利,明晰教育數據治理能力的提升邏輯及路向,進一步優化教育現代化治理行動路徑。

二、文獻回顧和研究框架

(一)文獻回顧

從語義上看,教育數據治理包括數據驅動的教育治理及面向教育的數據治理,是教育治理與數據治理在內容和理念上不斷融合的產物。[2]本研究借鑒有關學者[3]的定義,將教育數據治理界定為教育行政主管部門或教育機構圍繞教育數據,通過數據治理的手段,作出滿足公眾教育需求的科學決策以提升教育質量。

1.教育數據治理理論模型研究

教育數據治理研究首先在高等教育領域興起。[4]大數據與高等教育治理的耦合,呈現出一條大數據思維和技術嵌入高等教育治理體系的技術路徑[5],也為教育數據治理這一模式創新提供了一定的理論基礎和實踐指導。關于高等教育領域教育數據治理的研究首先引介出的是教育數據治理理論模型,為相關利益主體理解教育數據治理技術體系、實施教育數據治理實踐行為提供了理論方向的指導。一方面,國外高校的數據治理經驗能為我國教育數據治理理論模型的搭建提供一定的方向指導和經驗借鑒。例如,彭雪濤[6]、劉曉東[7]等人對美國高校數據治理進行了研究,從美國高校成功經驗中的教育數據治理模型,總結了教育數據治理理論模型。另一方面,基于我國國情,從不同理論視角出發的教育數據治理理論模型研究推進了我國教育數據治理實踐。如劉金松[8]從治理轉型視角出發,提出“數據—信息—知識轉換”模型的教育數據治理內在機理;董曉輝等[9]則依據權變理論和活動理論,架構了教育數據治理理論體系。

高校教育數據治理理論模型的搭建為其他具體研究應用領域提供了理論基礎和指導,更深入更廣泛的教育數據治理理論模型也在研究中逐步細化和成熟,包括智慧校園視域下的教育數據治理體系研究[10]、高校教學質量監控和評價體系研究[11]、教育資源評價研究、學生精準資助體系研究等。隨著教育改革任務的推進,教育數據治理逐步擴展到成人教育、職業教育等領域,一些學者開始注意到數據驅動下的教育管理改革系統設計[12]、教育督導改革[13]、教育政務數據開放[14]等相關理論問題。

2.教育數據治理技術體系研究

技術是教育數據治理過程中的關鍵手段,也是實現更加高效科學的教育治理決策的重要媒介。早期,國內一些學者大多借鑒國外關于數據治理的思想對國內教育數據治理問題展開討論,主要聚焦于技術層面的闡述。目前教育數據治理中關于技術手段方面的內容初步達成共識:技術治理范式下的教育數據治理實質是把智能技術嵌入教育數據治理之中,使其成為教育數據治理的“準主體”,進而發揮其內在的善治邏輯;[15]關鍵在于構建和諧的技術應用生態,使技術的應用和數據價值發揮到最佳狀態[16]。因而有必要對教育數據治理中的關鍵技術體系進行系統梳理,搭建一個綜合技術治理體系。樊建永[17]于宏觀上提出基于大數據技術建立包括數據倉庫(共享數據庫)系統、數據共享交換平臺、數據治理平臺、大數據管理平臺的數據治理技術框架。顧小清等[18]則從更具體的教學創新領域出發,闡釋了以數據驅動教育治理與教學創新的技術框架。其他學者也從不同維度和視角對教育數據治理的技術手段開展了具體研究與討論,協助搭建了教育數據治理技術體系,包括教育數據的采集機制和關鍵技術研究[19],教育數據標準體系與建設研究[20],教育數據的測評模型和范式構建研究[21],教育數據資產體系的構建[22],服務模式、服務平臺、服務生態等在內的教育數據資源服務策略機制和實現路徑研究[23]。

隨著教育數據治理技術的逐漸應用與實踐,技術本身的“雙刃性”加之技術主義傾向下的理論研究缺乏價值理性的關照,教育數據治理開始面臨監管風險、侵權風險、質量風險、服務風險等現實困境。為有效規避風險,應正視技術[24],從倫理視角批判反思教育數據治理[2][25],強調算法理性,并處理好教育數據治理過程中隱私保護與開放共享之間的矛盾關系[26]。

3.教育數據治理實踐策略研究

大數據帶來教育治理信息的“膨脹”與“爆炸”,予以教育治理體制從傳統向現代變革的新機遇并為實現教育善治提供了契機。然而,數據治理風險的暴露又使教育數據治理陷入新的實然困境,信息孤島阻礙、人才短缺牽制、制度設計缺失等問題使得教育治理體制面臨技術變遷與體制改革匹配的新挑戰。因此,理清思路、把握機遇、明晰問題、改進實踐,成為提升教育數據治理效能的重要命題。申國昌等認為應從大數據思維、大數據治理平臺、社會參與機制及教育信息法規建設方面整體搭建起教育數據治理機制。[27]任苗苗等分別從制度先行、管理規范、隊伍建設和素質護航四個方面回應教育數據治理困境。[28]李青等人聚焦于教育數據質量提升的方法和途徑方面,認為應從管理、標準、技術三大數據治理體系著手。[29]

在上述基本的教育數據標準規范制定、教育數據安全保障之外,提升政府管理服務水平、完善教育監管機制也是提升教育數據治理能力的有效路徑。在數字化時代,政府教育數據治理能力的缺陷在某種程度上延緩了教育治理現代化進程。為補偏救弊,政府首先要做到思想上的革舊圖新,深化對于大數據背景下權變型教育治理思維、有限型教育治理能力、學習型教育治理模式、創新型教育治理方法的理解與應用,[30]進而,在教育數據治理過程中優化行為模式,改進治理實踐。葉雯等闡述了政府通過搭建依托大數據的“四維一體”模式,同步實現網絡治理環境、政府頂層設計、市場資金創投、多元智慧共治的共享式治理;[31]徐玉特[32]認為政府應當提升教育協同治理能力,推進教育治理模式向開放政府轉型,提高數據整合能力,在多元主體協同參與中達成公共利益最大化的教育數據善治圖景。

4.文獻評析

總體而言,在第四次教育革命浪潮下,學界愈來愈重視教育數據治理相關研究,并產生了一系列具有建設性意見的學術成果,但仍存在需要改進的地方。一是已有研究對于技術手段方面的內容初步達成共識,但關于教育數據治理概念及內容的深層次闡釋不夠;二是缺乏整體性視角下對政府主體性地位的強調,以致其在教育數據治理中的重要性未得到充分顯現;三是與教育實踐的聯系不夠緊密,缺乏多個教育數據治理實踐案例的比較分析。因此,后續研究亟需深度剖析教育數據治理實踐案例,突出政府主體地位,把握教育數據治理內在邏輯。

(二)研究分析框架

TOE(Technology-Organization-Environment)框架由托納茨基(Tornatzky,L.G.)和弗萊舍(Fleischer,M.)于1990年開發,將影響組織采用和實施技術創新過程的三個要素確定為技術、組織和環境。[33]該框架最初被用來分析企業采納創新技術的影響因素[34],本質上是一種基于技術應用情境的綜合性分析框架。其為技術賦能下的組織機構創新提供了適切的分析框架,經過逐步的發展與演進,在智慧城市、網上政務服務、政府數據開放平臺管理、產業生態創新等方面都有一定研究成果。TOE框架在分析大數據驅動下的政府教育數據治理能力提升領域具有極大應用潛力。因此,基于上文關于教育數據治理的理論模型、技術體系以及實踐策略相關文獻的回顧,本文嘗試借鑒TOE框架,構建適合本研究的分析框架。(見圖1)

圖1 TOE分析框架

其中技術層面包括數據平臺建設、數據技術分析能力和數據利用創新成果三個解釋變量。教育數據是數據開放并獲得利用的核心要素,目前全國多個省級政府單位上線了數據開放平臺,其中教育科技主題的數據集進步迅速、蔚然成林。一個完善的教育數據開放平臺是施展政府教育技術分析能力、進行技術創新的基礎載體,政府基于此平臺進行的各種數據創新利用比賽以及產出的優秀創新成果也是政府教育數據治理能力提升的有力佐證。

組織層面包括財政資源投入、規章制度設計和價值觀念塑造三個解釋變量。財政資源是政府建設教育數據開放平臺、施展教育數據治理能力的重要基礎。一般而言,教育財政資源越豐富的政府,教育治理行動積極性和教育數據創新利用水平也更高。此外,政府應當做好頂層設計,在樹立大數據應用思維意識、塑造理性教育數據治理價值觀念的前提下,依托相關規章制度為教育數據開放和教育治理行動提供法治基礎和組織保障。

環境層面包括政民互動程度和公眾需求回應度兩個解釋變量。外在環境會影響教育數據的利用水平及治理能力。當公眾對某一數據開放領域的利用需求較為迫切時,更能體現數據的潛在價值。教育數據來源于學校、家長和社會,又同時服務于學校教育事務管理、家長優質教育需求以及社會教育資源分配。因此,暢通政民互動溝通渠道,及時收集教育需求及建議,做好公眾教育需求回應,營造良好的教育治理生態環境,是政府教育數據治理能力提升的重要體現之一。

三、研究設計

(一)研究方法

定性比較分析方法(Qualitative Comparative Analysis,QCA)是查爾斯·拉金(Charles C.Ragin)于1987年提出的以案例研究為導向的理論集合研究方法,具有能夠整合案例導向方法和變量導向方法的優點。[35]其實質是一種組態比較分析方法(Configurational Comparative Methods,CCMs),兼顧了組態比較和集合論,將社會現象看作屬性的復雜組合,并依照集合關系將它們概念化,揭示多個前因因素間的復雜關系對結果的影響。主張通過實證資料與相關理論的不斷對話,從中小樣本數據中建構出研究議題的復雜因果性關系,目前在社會科學研究中發揮了越來越重要的作用。主要有清晰集定性比較分析法(csQCA)、模糊集定性比較分析法(fsQCA)、多值集定性比較分析法(mvQCA)三種具體操作形式,其中fsQCA在處理變量的程度問題和隸屬問題方面都優于csQCA和mvQCA。fsQCA可以規避個案研究結果不具有普遍性和概括性的缺點,將多個案例視為一個整體對象,更易基于整體性視角從教育情境中分析條件呈現的組態效應,促進教育領域的因果機制研究。本研究使用fsQCA對案例數據進行組態分析,檢驗政府如何利用技術環境、組織要素合力提升區域教育數據治理能力,并探究其間的相互關系和聯動效應。將需要研究的省級政府教育數據治理實踐視為個體案例,通過跨案例比較不同的前因要素組合對政府教育數據治理能力的影響。

教育數據治理工作的落實歸根結底依賴于數據平臺的建設,考慮到各地區教育數據平臺的完備性、利用率及相關數據的可得性,將從已上線的教育數據平臺的省市中選取包括浙江省、北京市、上海市、貴州省等16個省市的教育數據治理情況作為研究對象。其余部分已上線的地方平臺由于出現不明原因的數據供給中斷,或實際教育數據并未開放等問題,不納入本研究范圍。鑒于各區域各政府的教育治理現代化水平以及教育數據治理能力水平存在差異,各省市的教育質量也不在統一平均的范圍內,因此fsQCA分析技術利用布爾代數最小化邏輯來實現對多個案例的充分分析與比較,有效規避獨立與凈效應弊端,從而探索教育數據治理過程中多種因素之間相互依賴的組態或聯動效應。

(二)變量設計

1.結果變量

本研究選取地方省級政府的教育數據治理能力作為結果變量,數據來源于清華大學數據治理研究中心發布的《2020中國數字政府發展指數報告》。該報告有多家業內高科技數字龍頭企業的參與,并獲得多項國家基金資助,數據具有完備的科學性、權威性和準確性。該報告從組織機構、制度體系、治理能力和治理效果四個維度構建數字政府發展指數的一級指標,為數字政府實踐提供了強有力的智力支持?；跀祿目色@取性和權威性,本研究選取報告中16省市數字政府治理能力作為原始數據,并依據報告中優質型、發展型、追趕型發展梯度,為原始數據設定錨點。

2.條件變量

第一,技術因素層面。數據平臺建設指政府為教育數據獲取、教育數據創新利用成果提交以及政民互動提供的系統平臺。該變量取自復旦大學數字與移動治理實驗室和國家信息中心數字中國研究院聯合發布的《中國地方政府數據開放報告(2020年下半年)》中的平臺層指數。數據技術分析能力指政府收集到的教育數據本身的數量和質量,包括教育技術的開放性和元數據提供等技術指標。該變量取自《中國地方政府數據開放報告(2020年下半年)》中的數據層指數。數據創新利用成果指政府基于教育數據資源,實現數據創新利用良好生態過程中產出的一系列成果。該變量取自《中國地方政府數據開放報告(2020年下半年)》中的利用層指數。

第二,組織因素層面。財政資源投入指政府為建設教育數據平臺、進行教育數據利用開發相關項目、提供教育數據政務服務的資金投入。該變量數據取自2020年中國政府采購網的招投標信息中顯示的各省市數據平臺建設和相關服務投入資金。規章制度設計指政府制定的為提升教育數據治理能力的相關政策法規,涉及政策的效力、內容以及組織實施情況。該變量數據取自《2020數字政府發展指數報告》中的制度設計指數。價值觀念塑造指政府領導層正確認識大數據的價值并強化大數據思維意識,積極推進教育數據治理工作,實現教育數據和社會數據的融合聯動。該變量數據取自中國電子信息行業聯合會與清華大學公共管理學院聯合發布的《中國政務數據治理發展報告(2021年)》中的“一把手關注度”指數。

第三,環境因素層面。政民互動程度指政府借助數字技術為政府和教育參與者互動開辟多元有效渠道,該變量數據取自《2020數字政府發展指數報告》中的政民互動指數。公眾需求回應度指政府對于學校、家長或其他教育機構等教育參與者的教育需求回應情況,既包括教育數據開放的需求,也包括基于教育數據改善教育環境的需求。該變量數據取自《2020數字政府發展指數報告》中的回應度指數。

(三)測量及校準

在fsQCA中,校準(Calibrating)指的是給案例賦予集合隸屬的過程。[36]具體而言,研究者需要根據已有理論知識和案例情境將變量校準為集合。校準后的集合隸屬度將介于 0～1 之間。為了將條件變量的取值校準到 0～1的區間范圍內,研究者需要結合案例中條件變量的實際取值分布,并根據案例的實際情況來選取能夠體現條件變量中間程度的取值來選取校準的錨點(完全隸屬、交叉點、完全不隸屬)。對于“完全隸屬”和“完全不隸屬”兩個錨點的選擇,我們參照一些既有研究的做法,分別選取樣本數據的95%和5%分位數。在具體操作過程中,將較大奇異點排除后的各項變量數據的最大值(包括奇異點)設定為“完全隸屬”,每項變量數據的最小值設定為“完全不隸屬”,交叉點則按照具體變量取最大值(排除奇異點)和最小值之間的平均值,并適當根據變量的實際情況來調整。(見表1)以上變量的校準通過 fsQCA 3.0 軟件來完成。

表1 變量選擇與校準

四、實證分析

(一)單個條件必要性分析

為使復雜案例的系統化比較分析能夠進行,必須將這些案例轉化為組態。而在進行條件組態分析之前,有必要評估單個條件的必要性,即檢驗結果集合是否為某個條件集合的子集。必要性通常用一致性(Consistency)作為衡量標準,以測量共享給定前因條件組合的案例在展示特定結果方面的一致程度。[37]

研究使用fsQCA 3.0軟件進行了單個條件必要性分析的操作,輸出結果如下。

根據表2對政府教育數據治理能力的必要條件分析結果,各個條件的一致性均低于臨界值0.9,因此可以認為此8個前因條件不存在高水平教育數據治理能力的必要條件。這說明政府教育數據治理能力的高低受多方面因素的共同影響。因此,要提高政府教育數據治理能力,增強治理成效,還需要進一步分析上述條件的組態效應,探討各因素之間的聯動作用,即政府教育數據治理能力的提升邏輯。

表2 單個條件必要性分析

(二)條件組態分析

教育案例本質復雜、具有多面性,單個案例可以使得人們對其有深入的理解和掌握,但局限性在于普適性差。fsQCA引入組態比較法,使案例的復雜系統化比較分析得以開展。在組態分析中,教育因果論證和教育案例層面的分析之間存在直接的對應關系。與上述必要條件分析不同的是,組態分析試圖揭示的是多個條件構成的不同組態引致結果產生的充分性分析。從集合論角度而言,即探索多個條件構成的組態代表的集合是否為結果集合的子集。

由于現有研究8個條件分別與政府教育治理成效之間的關系尚未有明確一致的結論,因此難以做出明確的事實分析。fsQCA 3.0軟件輸出三種不同程度的解:復雜解、簡約解和中間解,本文主要匯報中間解并輔之以簡約解。表3中所呈現的7種可能條件組態中,總體一致性為0.875,說明在所有滿足這7類條件組態的省級案例中,有87.5%的案例呈現出較高治理水平。解的覆蓋度為0.73,這意味著此7類條件組態可以解釋73%的案例。解的一致性和覆蓋度均高于臨界值,表明實證分析有效。

表3 條件組態分析

具體分析七個組態,其中組態1規章制度設計(O2)發揮了核心作用,政民互動程度(E1)則發揮了輔助性作用。組態2價值觀念塑造(O3)發揮了核心作用,政民互動程度(E1)則發揮輔助性作用。組態3數據平臺建設(TI)發揮了核心作用,公眾需求回應度(E2)則作為輔助條件存在。組態4存在數據平臺建設(T1)和規章制度設計(O2)兩個核心條件,數據創新利用成果(T3)和政民互動程度(E1)與公眾需求回應度(E2)則發揮著輔助性的作用。組態5數據平臺建設(T1)和規章制度設計(O2)作為核心條件存在,并由數據技術分析能力(T2)、數據創新利用成果(T3)、財政資源投入(O1)、公眾需求回應度(E2)作為輔助。組態6以數據平臺建設(T1)和規章制度設計(O2)作為兩個核心條件,數據技術分析能力(T2)、財政資源投入(O1)、政民互動程度(E1)、公眾需求回應度(E2)為輔助。組態7以價值理念塑造(O3)為核心條件,數據技術分析能力(T2)、數據創新利用成果(T3)、財政資源投入(O1)、公眾需求回應度(E2)輔助。

(三)穩健性檢驗

QCA作為以集合論為基礎的研究方法,可以通過調整校準閾值、改變案例頻數、變動一致性門檻值、增加其他條件、補充或剔除案例等集合論特定的檢驗方法,對其進行穩健性檢驗。[38]本研究采用調整一致性閾值的方法進行檢驗,將案例的一致性閾值由0.8調到0.85,調整后產生的組態與現有組態基本一致,且總體一致性和覆蓋度均無顯著變化。因此,可以認為本文的研究結果較為穩健。

(四)結果討論

基于組態分析結果,綜合核心條件的指向以及所覆蓋案例的特點,研究將上述組態歸結為三條組合路徑。(見表4)

一是組態2+組態7,以價值觀念塑造作為核心條件,覆蓋案例為湖北省、北京市。塑造數據思維、重構價值認知是開展教育數據治理的邏輯起點。作為典型案例之一的北京市,對推進教育政務信息系統整合共享和教育“互聯網+政務服務”予以了重點關注,在先進教育數據治理理念指導下制定了符合本地區教育數據治理的相關政策文件和具體規章制度,有效推進了區域教育治理體系和治理能力的現代化。其中東城區和海淀區先后成為國家2019年、2020年智慧教育重點工程示范區,在智慧教育工程建設過程中注重教育數據的全場景應用,以數據大腦服務于區域智慧教育實施的頂層設計和教育電子政務系統的集成,引領了“海淀區智慧教育云中樞”和“東城區區域泛在化智慧學習環境”目標的實現。

二是組態1+組態5+組態6,將規章制度設計作為提升教育數據治理能力的核心條件,覆蓋案例為河南省、浙江省、山東省、上海市、廣東省。制度設計為教育大數據的應用提供規范、約束和保障,只有將數據技術的制度邏輯同教育治理體系相結合,才能最大限度發揮教育數據治理效能。作為代表案例之一的浙江省,在數字政務相關制度體系設計上表現優秀。在數字政府發展、公共數據標準與安全、“互聯網+”監管、“互聯網+”政務等方面均有明確的頂層設計和政策支持。2021年,浙江省相繼發布了《浙江省教育領域數字化改革工作方案》《2021年浙江省教育領域數字化改革工作要點》《浙江省教育信息化“十四五”發展計劃》,堅持“以教育信息化支撐和引領教育現代化”的發展理念,規劃“教育魔方”工程[39],完善了教育數據治理相關制度。

三是組態3+組態4,將數據平臺建設作為核心,覆蓋案例為四川省和貴州省。數據開放平臺全方位實現數據的采集、存儲、共享和利用,是推動數據要素整合、利用效率最大化的保障,更是開展教育數據治理的基礎。貴州省作為中國首個大數據綜合試驗區,省級政府數據共享交換平臺已累計匯聚88個省級部門、9個市州數據目錄1.67萬個,掛接數據資源1.38萬個,信息項23.89萬個,交換數據10.24億余批次2.46萬億余條。2020年,《貴州省政府數據共享共享開放條例》從政府數據管理、政府數據共享、政府數據開放、監督管理等方面明確了貴州省政府數據共享開放事項。[40]完備的數據平臺建設和嚴謹的數據共享開放條例極大程度上提升了貴州省政府教育數據治理能力和水平。

五、政府教育數據治理能力提升的路向建議

無論是各省市教育數據決策支持體系,還是國家教育部教育數據的互通共享,都離不開有效的教育數據治理。fsQCA 3.0輸出結果為政府教育數據治理能力的提升提供發展路向建議,政府應將價值理念塑造(O3)、規章制度設計(O2)、數據平臺建設(T1)作為核心要素,從理念、制度、技術層面進行全方位變革與轉向,進而優化教育數據治理手段,提升教育數據治理能力。

(一)理念追求:突破思維約束,技術回歸教育求善原點

政府在教育數據治理過程中要堅持教育回歸原點的思考,以尊重和促進人的發展為旨歸,突破狹隘利益思維約束,破解“數據拜物教”的迷思。遵循以道馭器、道器相濟的理性思維,利用技術手段實現教育善治,以教育法則約束技術升級創新,避免在教育數據治理過程中陷入工具理性至上的無教育、反教育狀態。

第一,打破數據表象思維束縛。教育數據包括個體、班級、學校、區域、國家等教育數據,產生收集于各種教育實踐活動中。特定的數字化模型令海量教育數據以格式化形式記錄并呈現,成為教育活動的數字化存在表征。至此,數據開始構建教育事物的“數據表象”,使真實發生的教育實踐從“感性存在”轉變為“數據存在”。[41]政府及相關教育部門必須規避表象思維,深層次把握海量教育數據,從教育數據信息構建起來的數字表象中挖掘教育發展的規律性與內在必然性,將教育數據的靜態勢能充分轉化為教育發展改革的強大動能。 第二,推動數據倫理介入?，F代社會可能的“數據化”危機和“風險規制”活動使得“數據倫理”問題展露得愈發明顯,因此在基于數據面向未來進行教育決策時,必須充分考量數據倫理。對于政府教育數據治理來說,技術主義一旦占據上風,教育數據隱私侵犯、教育數據壟斷等諸多問題便會不斷出現,教育數據治理必將失范。政府必須在充分考量和謹密審度的基礎上,號召教育數據治理相關參與者及決策者對數據治理行為進行倫理審視和價值判斷,破解技術應用滲透于教育領域的數據倫理困境。 第三,審視數據外包服務。政府部門工作人員大多缺乏算法知識儲備及相應的數據技術分析能力,技術公司以其專業復雜的算法技術優勢成為教育數據服務外包的首選。然而技術公司作為盈利外包機構,其資本推動的教育數據資源運用過程會最大程度減少教育數據資源的公益性。公司技術人員由于缺乏對教育活動的價值感知和屬性理解,其主觀判斷和個體偏好也容易導致出現數據和算法偏見,使政府被迫陷入算法獨裁和算法黑箱。因此,政府要有一定的算法糾偏意識,審慎對待技術公司的服務。引導相關工作人員充分發揮“數字公民”主體性,提升數據素養,使其能夠在物理的教育場域和虛擬的數據世界的交疊空間中把握教育數據的人文價值。

(二)制度規約:強化規則構建,系統布局教育數據服務體系

當前我國對教育數據的需求程度逐級遞增,為回應公眾需求,政府應主動構建規則,完善教育數據治理框架,強化戰略引導和制度保障。以數據驅動為重點,以教育需求為導向,加強統籌謀劃,科學指導政府教育數據治理行動的實施。

第一,做好系統設計,完善教育數據協同治理體系。為有效統籌教育數據,構建治理系統戰略規則,政府應加強對教育領域數據治理系統問題的研究。研究那些涉及多部門、多領域、多層次的數據協同、信息共享等難題,以及治理系統集成相關的風險管理、治理理論、決策方法、體系設計等問題,以此不斷完善教育領域數據治理的頂層設計。同時在教育數據治理過程中,明確教育數據治理任務、治理平臺系統與治理信息需求之間的關聯,建立共性需求和個性化需求之間的結構關系。帶動學校、社會、家長共同形成一個教育數據集合體,在相互耦合交融的多元空間協同參與教育數據治理,促進教育數據治理創新取得突破。 第二,重視制度生成,強化立法、監管和執法工作。大數據上升為國家戰略使得教育數據成為教育變革的新引擎,但相關制度文件對于其應用與處理卻泛泛表述,因此亟待政府強化關于大數據在教育領域的立法、監管和執法工作,重視制度的生成。一是落實教育數據的公開制度,解決政府部門、商業機構等治理主體向社會或用戶開放或披露教育數據的范圍、權限等問題。二是完善教育數據的利用與共享制度,統一數據收集、使用與共享標準,建立不同類型教育數據的共享機制,強化各共享部門或單位的數據素養能力。三是完善教育數據的安全管理制度,加強重要教育數據和個人信息保護,避免侵犯用戶安全隱私,嚴防敏感數據和重要數據泄露。 第三,規制技術公司,探索服務外包有效模式。為駕馭教育數據,利用數據革命推進教育轉型,政府一定程度依賴技術公司所提供的服務。技術公司作為地方政府教育數據治理的重要創新主體與合作伙伴,其行為將直接影響到政府教育數據治理的成效。然而部分技術公司為攫取更多利潤,惡意誤導教育決策,影響了教育數據治理效率。為此,政府要考慮引導技術公司數據服務權責制度步入法制軌道,使得在技術“賦權”政府的同時同樣“縛權”技術公司,保障數據驅動與技術規制并驅齊行。在良性合作的過程中,逐步探索服務外包有效模式,以制度性約定延展教育數據價值鏈。

(三)平臺拓展:打破壁壘,構建多元開放教育數據生態

大數據計算模型造成的技術壁壘和各教育主體之間的數據藩籬在一定程度上影響了教育數據的應用價值。為構建良好教育生態,政府需要突破數據鄰避沖突,消除數據孤島障礙,拓展完善教育治理數據共享平臺。從底層打通各個業務系統的數據孤島,實現數據的互通和流動,實現各治理主體之間、教育治理系統與社會大系統之間的數據交互聯系與互動共享。

第一,打破技術壁壘,提高教育數據萃取質量及治理價值。大數據的計算模型造成了技術壁壘,政府工作人員以及相關教育研究者由于缺乏算法的儲備,難以將大數據轉變為有益于教育事業發展的決策。打破技術壁壘的關鍵在于政府要督導技術公司加強在數據整理分析階段的反思與糾偏,避免陷入技術主義。政府和技術公司可聯合搭建教育數據平臺,從技術體系、數據體系、服務體系、運營體系四個方面完成教育數據的融合與加工,進而以數據的可視化推進數據的服務化。政府組織內部也可建立教育數據治理智囊團,與技術公司加強交流,共同構建完善教育數據測評模型,以此為技術公司的算法模型以及政府的教育數據評估提供基礎。通過明確教育測評模型構建的價值取向,確定教育測評對象的操作性定義,構建教育測評指標體系。進一步堆動政府進行針對性的教育數據挖掘,進而帶動技術公司明晰數據背后教育發生的真諦,以測評指標體系支持教育數據治理過程診斷,助力教育治理科學決策。 第二,跨越數據藩籬,強化教育數據有序公開與互動共享。在大數據時代,條塊分離、業務分割、部門割裂造成的碎片化、孤島型、煙囪式數據源已成為發展“瓶頸”?；诖?政府首先應牽頭組織建立教育領域大數據共享機制和數據治理的標準規范,在符合國家規范、服務戰略發展、滿足教育需求的基礎上牽頭組織建立教育領域大數據共享機制和數據治理的標準規范。力爭消除數據空間隔閡,激發數據能量,推進數據聚合效應最大化。第三,做好系統統整與平臺拓展工作,突破政府、社會、學校之間的數據屏障,強化交互聯系與互動共享。通過對不同部門、不同領域、不同類型的教育數據進行萃集整合,實現從單一機構層面的數據應用向跨層級、跨部門、跨領域、跨時段協同應用的轉化[42],切實達到多元主體協同參與教育數據治理的目標。另外,要適時與學校等教育系統以外的行業、企業建立協作關系,適當引入市場化機制,防止教育數據資源被壟斷與分割,搭建起全方位、一體化的數據共建共享平臺。