返回上一页 文章阅读 登录

杨开城 陈宝军:论信息化教育的数据基础

更新时间:2020-09-04 09:45:54
作者: 杨开城   陈宝军  
教育系统的参与度是指系统中师生主体的参与水平。教育系统机制是一种动态机制,它“不但要能说明教育行动是如何达到教育目标的,而且还要能说明某些合理的教育行动是如何偏离教育目标的”(杨开城,2016a)。

   在“设计-行动-反思性分析”的教育实践框架下,“新教育学关注的是教育实践中的设计与反思性分析环节,创生的是教育技术知识和教育科学知识”(杨开城,2016a)。在教育技术学的视野下,教育系统成为一种技术人造物(杨开城,2005),这使得教育系统的设计开发过程成为依赖技术、自然也就依赖数据的过程;教育科学对实践的观照使得对教育系统真实运转情况的理解也成为依赖技术、依赖数据的过程。很明显,新教育学的这些知识都不是可以直观到的知识,它们的检验和应用都以教育数据为基础,它们所对应的教育数据自然也是针对设计与反思性分析这两个环节的。很自然,教育实践对教育数据的取舍和分析必然是新教育学理论观照实践的结果,是新教育学理论对实践提出了特定的数据要求,同时提高了实践的确定性。

   整个新教育学都具有鲜明的技术学色彩。教育技术学本身就是技术知识,教育科学的研究与应用都是技术支持的结果,没有特定分析技术支持,教育科学的结论无从检验。只有在这样技术色彩浓厚的理论视野下,我们才能清晰地认识教育实践各个环节数据的需要,并按照工程技术原理定义教育数据对象的内容结构、层级关系、属性特征、聚合机制、进化机制等等。

   教育系统即课程体系,它由门类课程组成;而门类课程则由知识组件组成;知识组件是一种为完成特定课程目标而组织起来的知识的内容、学习方式、评价方式以及所需资源的综合体(杨开城,2004)。门类课程将以知识组件为基本单位转化为教学系统。目前这种转化存在两条基本路线:一条路线是在线教育,即直接将知识组件通过信息技术条件下的教学设计转化为在线学习环境(又称网络课程,或称学习系统);另一条路线是线下教育,即将知识组件物转化为教材、教参、学材,再由学校采纳,教师在此基础上设计教案,然后将教案落实为教学活动。这两种转化的核心都是教学设计,它最终将课程系统由设计态转化为活动态。

   1.在线教育中的教育数据

   在线教育的情境下,最基本的数据对象可以说就是一般意义上的各种信息资源,文本的、声音的、图形图像图表的、视频的,呈现知识背景的、解释知识内涵的、测试知识能力的,等等。我们可以将它们称为信息对象。如果没有新的属性、成分或特征的设定,信息对象无论规模有多大,仍然只是信息对象。信息资源经过裁剪、组合若没有生成新的质,就不能说是新类型对象。我们不能将一堆苹果,挑拣出卖相好的,就说成是新品种。我们只能通过继承信息对象并增加具有教育领域特异性的属性和方法而派生出教育实践所特需的新对象。

   具体来说,我们可以在信息对象基础上增加知识属性而派生出知识对象,即知识对象=信息对象+知识属性。知识属性是信息对象所蕴含的知识集。由于知识本质上是网络的,因此我们通常用知识图来为知识属性赋值。但是知识对象的知识属性不应采用语义图来表征,因为语义图不具有大规模开发时所需要的数据一致性。“同一个知识材料,不同主体会提供不同的语义图,并且都可能是正确的。”(杨开城 & 李通德等,2017)我们认为可以采用知识建模图为知识属性赋值。知识建模图是一种按照特定规范绘制的知识隶属关系图(杨开城,2010b,pp.63-66)。它是基于知识之间的语义联系构建的,却不是语义图。研究表明,由于特定规范的约束,不同主体针对同一内容所绘制的知识建模图存在令人满意的一致性(赵文娟,2011)。由于知识建模图具有令人满意的数据一致性,因此可以用于对绝大部分知识对象的知识属性赋值。但有一类知识对象很特殊,知识图并不能完全反映它的知识属性。它就是问题本身,包括例题、考题等等。这类知识对象的知识属性不但要说明它所蕴含的知识,还要说明这些知识点在该问题情境下所形成的关系。我们建议用FC(Fact and Case)知识图(杨开城,2016b,pp.98-99,pp.136-142)对这类知识对象的知识属性赋值。

   我们可以在知识对象基础上增加学习目标属性、学习交互过程以及学习感知与分析方法而派生出学习对象,即学习对象=信息对象+知识对象+学习目标属性+学习交互+学习感知与分析方法。信息对象和知识对象都可以用于学习,但其自身并不承诺学习目标,学习目标是外在于它的。学习对象则承诺了特定的学习目标,同时通过特定的学习交互设计来达成该学习目标,并利用学习行为感知与分析来提供学习支持服务。学习对象是一个完备的学习环境,是一种经过完整设计(Fully-Designed)的对象。所以,学习对象除了内在所设定信息引导(需要信息对象)之外,特别重要的是能够感知学习行为(需要知识对象的存在)的发生以及通过分析理解学习行为的意义。所以,除了学习目标属性和学习交互外,学习感知与分析方法也是必需的成分。

   总的来说,信息对象通过增加知识属性而演变成知识对象,知识对象通过增加学习目标属性、学习交互以及学习行为感知和分析方法而演变成学习对象。从这个角度看,早期学习对象的定义是有严重缺憾的(它似乎成了信息对象的别名),它将学习交互设计和学习感知与分析看作是可有可无的,竟然还自动具有可重用性。从这个角度看,学习神经元可以看作是学习对象的基本概念原型。“学习神经元(Learning Neuron,LN)是一种能够提供富交互学习情境、旨在完整达到特定学习目标、可记录学习过程、可识别学习行为的可互联微型学习系统。它具有知识建模图属性,可实现跨平台互联聚合;它在客户端设有学习行为感知器,在服务器端设有学习分析引擎,可以解决学习分析和定制的问题。”(杨开城 & 李通德等,2017)虽然学习神经元的设计规范以及它们之间的聚合机制,仍需要深入探索,但学习神经元具有知识建模图属性,这扫清了学习神经元之间聚合的技术障碍,可聚合意味着初步的可重用。

   2.线下教育中的教育数据

   就目前来看,线下教育就是指课堂教学的情境。这种情境下,教学实践的最基本数据是教学方案和拍摄记录的真实发生的教学活动视频。教学视频基本上属于信息对象。从仅仅是某种规定的角度看,教学方案也属于信息对象。信息对象所能提供的教育实践信息相当贫乏。所以,要想完整深入地理解教学方案和教学视频,需要更多的信息。

   要想深入理解教学方案,需要回到教学设计过程,了解教学方案的决策过程。要知道,反思设计过程要比修改设计结果重要得多。以学习活动为中心的教学设计理论将教学系统理解为学习活动序列,将学习活动理解为活动任务序列,活动任务表现为一系列师生交互。活动任务被区分为意义建构(又细分为六类)和能力生成(又细分为四类)两大类,意义建构和能力生成任务的设计又与所对应的学习内容的知识建模组块联系紧密(杨开城,2016b,pp.89-114)。如果我们了解这些设计过程信息,我们便会更深入地理解一个教学方案的基本逻辑和细节。因此,教学设计过程数据是一种非常重要的教育数据。

   要想深入理解教学视频中的真实教学活动,反复观看教学视频是不够的。新教育学倡导从方案与行动一致性的角度考察教学活动。这需要将教学方案与教学视频做有意义的对比,这就要求使用同一套编码体系对它们进行分析和编码,并且这种编码表征还必须能说明教学过程是如何达成或偏离目标的。将教学系统分解为行为序列,用行为动词表征,则完全丢掉了教学的内容,自然不会帮助我们理解教学系统与其目标有关的特征。教学系统是一种信息系统,系统中的信息流动与它的目标有关。因此教学系统的分解需要采用基于信息流的方法。我们提出的IIS(Instructional Information Set,IIS)图分析法(杨开城,2007)可以用于这个目的。这种分析方法先将教学方案或教学视频所蕴含的教学内容转化为知识建模图(它被看作是教学信息集合的图型表征,故称为IIS图),然后将教学过程切分为一系列的信息流,每条信息流都有自己的属性,最后从单个信息流属性出发推算教学的整体属性。在上述操作的基础上,只需要将一组时间上邻接的信息流进行特定的合并,再辅以一些行为编码的标注,就会生成一种被称为教学过程机制图的过程图。教学过程机制图主要反映了一个教学系统经过了几个教学环节、在何种知识内容的交互驱动下达成或偏离教学目标的。个案分析初步表明,“教学过程机制图是一种可用的教学过程中观视图,它提供了一种中观真相”(杨开城 & 何文涛等,2017)。如果我们能够将一名教师的教学方案与相应的教学活动都转化为教学过程机制图,我们便可以从中考察这两者的一致性水平,这个一致性水平反映了该教师的基本职业能力:基于设计的行动力,又称为基于行动的设计力。由此可见,教学活动过程的IIS图信息流以及教学过程机制图也是一种重要的教育数据,它们与前述的教学设计过程数据,都是教师日常教学反思的重要参照。

   无论是在线教育还是线下教育,关于学生学习的数据是自然产生的,利用学生模型作为其概念框架就可以表征,简单易行。由于作为个体人,学生并非固定的抽象物,教育系统中的那点儿关于学生的数据无法完整地描述学生,依据这些数据对学生进行简单分类或许是可以的,但若据此制定有针对性的教育干预,我们便要警惕了——这些数据以及它给出的分类是否真的值得信任?而且教育干预的针对性本身并不完全取决于关于学生的数据,我们所掌握手段的多元性、丰富性也是重要前提。所以,在具体交互时,笔者更倾向于信任人与人交往所产生的感受而不是所谓的客观数据。由此可见,有关学生的数据对于信息化教育来说处于最边缘的位置、影响也最小,故本文不做讨论。

   有了知识对象、学习对象、教学设计过程以及教学方案数据、教学系统IIS图分析数据以及教学过程机制图数据,再加上学生的学习过程及结果数据,我们便有了教育系统最底层的数据。按照它们的归属,通过组合,我们便得到了不同层次设计态教育系统的真实运转数据,通过推算就可以得到各层教育系统的整体特征和运转过程,这代表着任何人都无法直观到的教育实践真相。

  

   四、教育数据的生成、进化与使用

   教育实践包含人的成长,它自然是基于历史、面向未来的,它是与时俱进的。这就要求教育数据也要随着教育实践的进化而协同进化,它必然伴随着上述各种数据对象的生成、更新与淘汰。数据驱动的信息化教育必然将由精英主义+经验主义方式转化为基于大众参与的专业化实践。这种全新的实践方式,我们称之为教育的众筹。对于在线教育,教育众筹是指“由大众中的能手创建可聚合的知识产品模块,由专业团队将它们组装成高质量的在线课程并提供学习支持服务”(杨开城 & 李通德等,2017)的实践方式。这种实践方式完全可以适用于线下教育。在线教育所生成的优秀学习神经元应用于线下教育或转化为线下形式,并不存在技术障碍。

教育众筹的要义是,以专家为权威的专业团队负责教育系统的顶层设计(知识组件及以上),大众能手负责教育系统的底层落实。当然这两个层次需要市场驱动才能形成良好无障碍的互动。在教育众筹的方式下,知识建模图是教育实践基础性的共享数据,用于标注知识对象的知识属性,知识建模图的生成需要经过特定培训的大众能手和专业团队来完成。信息对象是大众自然生成的数据,我们可以在其中寻觅特定的对象将它们转化为知识对象。知识对象是为信息对象标注知识属性的结果,因此标注者需要经过培训掌握特定的技能和技术规范(比如知识建模规范,FC知识图绘制方法),但仍可以依赖大众来完成。学习神经元的生成需要经过特定培训的大众能手,因为学习神经元是精心设计的结果,需要设计者具有丰富的教学或学习经验。至于知识组件、课程以及课程体系则必须由专业人员并辅以专家来完成。(点击此处阅读下一页)

本文责编:陈冬冬
发信站:爱思想(http://m.aisixiang.com)
本文链接:http://m.aisixiang.com/data/122748.html
文章来源:《现代远程教育研究》2019年第4期
收藏