作者：杨现民（江苏师范大学智慧教育学院院长、教授）

　　当前，我国各地教育数字化转型工作已全面铺开，“广度”上取得了显著成效，如何发动好“数据引擎”，实现数据充分赋能，是纵深推进教育数字化战略行动的“关键一招”。

　　数据充分赋能教育数字化转型的实践逻辑

　　“充分赋能”强调数据在驱动教育数字化全面转型中的全流程赋能、全要素赋能、全场景赋能。也就是说，数据要素要渗透到教育系统的每一个“细胞”，包括教育环境、教育活动、教育资源等。

　　这便涉及数据赋能教育数字化转型的实践逻辑，包含自下而上、递进支撑、循环反馈的三层赋能，分别是数据治理层赋能、数据开发层赋能和数据应用层赋能。数据治理层赋能要解决好数据自身的质量、交换、安全、隐私等关键问题，发挥数据的基础支撑价值。数据开发层赋能重在通过多元数据分析和深度数据挖掘，产出面向具体业务和具体问题的教育数据产品和服务，展现数据的生产加工价值。数据应用层赋能指向数据要素在教育业务场景中的示范应用和普及推广，通过合理规范、持续有效的数据应用，逐步提升教育系统的运行效能，推动各项教育事业高质量发展，展现数据的终极应用价值。

　　数据充分赋能教育数字化转型面临的现实难题

　　从国内教育大数据建设与应用实践来看，数据充分赋能教育数字化转型仍面临三项突出难题。

　　一是贯穿全生命周期的数据治理机制尚未健全。数据的全生命周期一般可划分为采集、传输、存储、处理、交换、销毁6个阶段。虽然全生命周期数据治理的理念逐步深入实践领域，但数据质量难以保障、数据多层多级交换难度大、数据安全与隐私泄露风险大、治理主体权责不清晰等问题依旧存在。此外，各级教育行政部门大都未建立专门的数据治理机构和专职人员队伍，难以对教育大数据开展专业化、高效化的治理，影响数据价值发挥。

　　二是用户隐私数据的使用边界不清晰、防护难度大。教育数据交换共享过程中容易引发数据泄露、流失、篡改、滥用等数据安全和伦理问题。各级智慧教育平台在构建用户画像过程中，为实现更加精准的用户画像，容易出现过度数据采集、敏感数据展示等现象，侵犯师生隐私。

　　三是教育数据的深度开发能力不强、应用示范度和广度不高。数据作为一种新型生产要素，从“原材料”变成“产品和服务”，须经过劳动者的加工处理，这是数据要素实现其自身价值的必经之路。当前，不少地区和学校虽然在积极探索数据驱动的精准教学、精准教研、教育科学决策、教师队伍治理等应用场景，但整体的应用深度和频度不足，数据价值的激活度不高、普及面不广，难以满足教育高质量发展的现实需求，也难以支撑教育全面数字化转型向纵深发展。

　　数据充分赋能教育数字化转型的实施建议

　　一是健全系统观指导下的全局教育数据治理机制。将国际数据治理经验与我国教育实际相结合，科学设计教育平台数据治理的组织架构、标准规范、人员队伍、配套机制、技术工具、监督考核等内容，构建教育平台全局数据治理体系。编制配套的、细化的、可操作的教育平台数据治理指南和实施方案，推进平台数据分类分级确权授权使用。加强各级平台数据规范审查力度，严格执行国家标准和行业标准，以标准的“真应用”切实破解“数据孤岛”顽疾。既要注重师生身份、行为轨迹、资源使用等原始数据的治理，也要加强用户画像状态、资源推荐结果等衍生数据的治理。认真研究ChatGPT等生成式人工智能技术产品对教育数据生产、加工、流通和应用带来的挑战及其应对措施，确保人工智能生成数据的可管可控。

　　二是建立用户画像全生命周期隐私保护链。基于国家法律，建立“事前防护—事中检测—事后审计”的平台数据安防机制。依法保障平台用户基本知情权，对所有接入智慧教育平台体系的平台和移动应用进行数据采集与使用用户告知事项进行全面审查，完善用户使用条款和隐私声明。明确用户画像全生命周期的隐私保护风险以及不同隐私等级数据的管理权限，根据不同业务场景和数据隐私等级，给予不同的管理权限和使用规范说明。建立平台算法审查制度和备案制度，对各类算法的可解释度、公平度等能力指标进行评价和分级，通过创建不良算法特征库开展智能算法筛查工作，确保算法公平透明。

　　三是打造教育数据深度开发生态圈。建立教育数据用户需求清单定期公开机制，吸引科研机构、行业企业等力量精准投入研发力量，开发更多好用、有用、易用的教育数据产品和服务。加强教育数据资源统筹，针对教育重大需求，设立“揭榜挂帅”科技项目，吸引高水平科研团队进行集体攻关。软件行业协会、人工智能学会等社会组织，积极联合高校加强高端数据人才培养，组织开展员工数据研发能力培训与精品数据产品和服务的遴选，加速推广优秀教育数据产品和服务，营造有序竞争、奋发向上的行业新生态。

　　四是着力推进教育数据应用示范。坚持“场景嵌入式，服务伴随式，学习泛在式”的基本理念，面向一线教师和管理人员开展普及式、渗透式数据素养培养培训工作，建立一支懂数据、用数据、爱数据的教师队伍。坚持“应用为王，服务至上”原则，积极探索教育数据场景应用的创新点，找好数据驱动教育问题解决的突破点，发挥好创新点的示范作用、突破点的带动作用，全面提升教育数据创新应用水平。通过征集场景案例、设立专项课题等多渠道创设更丰富的教育数据应用示范场景。建立“评估—反馈—优化”的教育数据应用链条，以评估结果为依据，开展数据证据导向的教育决策与教育干预，让数据价值在支撑教育高质量发展中充分彰显。