大数据时代来临，如何为学生打造数字画像并发挥其效用？
随着移动互联网和大数据技术的发展，商业领域的用户画像逐渐向其他领域延伸，数字画像技术在教育教学中的应用得到越来越多的重视。
学生数字画像
需要多维数据的汇聚和天然状态下的伴随式数据采集，数字画像的采集与分析正日益成为教学评价和大规模因材施教的核心，基于学生数字画像的群体画像也在办学改进和教育治理中发挥重要作用。
交互设计之父艾伦·库珀（Alan Cooper）最早提出“用户画像”这一概念，他认为用户画像是建立在一系列真实数据之上的目标用户模型，是真实用户的虚拟代表。
“用户画像”的研究涵盖了多个领域，在教育领域，常见的是“学习者画像”，其画像主体特指教育领域中的学习者，基于某种个性化教学目的，通过将学习者标签化，对学习者提供总结性描述，促进教学利益相关者精准地为不同学习群体提供教学支持服务。
学习者画像多用于辅助在线教育、成人教育开展个性化教育，提升教学服务。
目前在学术界，关于学习者画像尚未有统一的定义。
马里亚纳（Mariana）等人将学习者画像定义为包含姓名、照片、职位描述、目标、代表性的签名和其他个人详细信息的集合，马尔肯（Mulken）等人将学习者画像定义为一种教学代理，利用教学代理角色来对学习者提供总结性描述，也有研究者认为学习者画像是基于某种个性化教学目的（比如开发学习工作、提升学习效果等）的原型用户或是教学代理角色，它代表了更大的群体而非个人的需求、目标和特征。
结合以上概念，笔者认为
“学生画像”是以学生多来源、多维度数据为基础，通过数据分析技术生成全方位的学生画像，既包含过程性描述，也包含总结性描述，促进学生全面而有个性地发展。
数字画像的构建背后是一系列技术的支撑，包括各种数据采集技术、采集工具的应用，如
全面感知的物联网
、
可穿戴设备
、
图像识别
、
RFID
、
学习行为轨迹转换记录系统
等，这些技术能从多个维度记录学生的学习、生活数据，从而为数据挖掘分析提供了素材。
上海市卢湾一中心小学开展未来学校探索与实践，积极探索数字画像技术，为大规模因材施教提供数据支撑。其数字画像的采集与分析维度及数据流向见下图。
来自学生的学习、生活、身体体征、作业、社交和位置信息等各种数据汇聚到学生成长数据中心，经过清洗后建模，构建学生数字画像。
此画像具有个性、实时、多维、全面等特征，可以帮助学校及时了解学生的发展状况，并与家长和教师共享，从而为形成教育合力、营造共同的育人场提供了数据支持。该项目在卢湾一中心小学已经取得很多新的进展，为未来大规模因材施教提供了可资借鉴的范式。
1
教育大数据的结构性短缺问题影响数字画像的精准性
现在很多互联网公司都在想方设法采集学生的作业数据，或者学习的过程类数据，但这些量大的数据还不能称之为大数据。归根结底是因为我们现在的教育组织落后于技术发展和教育需要。很多数据在教育公司，而这些公司壁垒森严，数据不共享，因此我们得到的往往是片面的数据。
教育大数据的结构性短缺涉及社交数据、检索数据、行为轨迹以及其他类型行为数据，无法聚齐。
比如家长让腾讯共享孩子的朋友圈数据，腾讯不会提供，百度检索数据和阿里购物信息数据都无法得到，通过移动公司手机跟踪查孩子的运动轨迹，想知道他们在运动场多还是在图书馆、小卖部多，这些数据的共享在技术上是可能的，但在政策、体系层面上是无法共享的，所以很多人拿到的数据都是结构短缺的大数据。
另外，我们过多关注学科学习的数据，忽视学生成长数据，教师尤其是如此。
教师以自己为中心，关注学生在学科方面学到了什么，成绩有没有达到预期目标，但对于一个人的长效成长发展往往不再关注，这也是学校的独特机制决定的。
很多学校过分关注自身教学，初中只管初中阶段目标是否达到，高中只管学生有没有考上大学，各自都只管一段，对于一个人大数据的长期追踪，彼此之间往往不会沟通，忽视了学生的长期成长。
大数据的价值不在于数量之大，在于可被积累、可被挖掘，能够实现从知识关联到学习关联的发展，对学习关联的持续追踪和挖掘才是教育大数据挖掘的核心价值。
2
群体大数据和个体小数据价值的矛盾影响数字画像的应用推进
大数据往往为寻找共性规律而服务，但个体大数据往往不一定完全归属于某一大数据，个体小数据对于个性化成长又至关重要，个体小数据对于一个人来说才是最有价值的。
个体小数据往往被群体规律所绑架，从而忽略个性的成长，比如很多教师以大数据为核心，忽略个体学习，这个问题是值得担忧的。
不同老师对同一个学生进行教学，学生在不同班级的结果有很大的不同，这些都是个体小数据对自身发展的影响。
当然，数据不是为了证明，而是为了发现、指引、激励，不仅为了让学生学得更好，还要能够接受学习怎样发生。
除此之外，数据服务要从人怎么学得好向个人怎么学得好的方向转变，个性化服务源于精确的反馈，但反馈越精确会导致教育决策越困难，掌握大量数据时决策反而更艰难，也会造成忽略其他东西，比如新闻推送按照个人的喜好来推送，但也会限制视野的开阔。
3
大数据集权与人类智慧的不同是数字画像面临的哲学困惑
用大数据来寻求集权，似乎掌握了大数据就掌握了决策话语权，人们不再用自己的智慧去发问，所以我们担心人类群体性智慧会降低。
我们使用学习者模型但不去构建模型，模型就会单一化，这是一个必然规律。所以当一个或几个学习者模型整合在内时，会带来狭窄化的问题，智慧也会变得越来越少。
数字画像的目的不是让所有的孩子照着画像成长，而是让每个人的成长都是最适合他的。
所以我们经常说不是要学得更多，而是要学得更多样，只有多样化的学习才会催生多样化的智慧，这是人类智慧整体进化的源泉。
4
片面追求数据之大从而偏离研究的本意
现在我们在做大数据研究时总想要更多更大的数据，要穷尽一切变量，结果变量就非常多，尤其体现在教育大数据中。
腾讯公司创办人之一马化腾就说过，大数据最难做的就是教育和医疗，因为教育的变量实在太多了。教育的变化太多，所以问题越多。最终在整个研究过程中噪声就会掩盖真相。
5
数字画像需要面对数据的精细和隐私的伦理之间的矛盾
数字画像要求数据越来越精准。数据越精准，人就会越“透明”，因而会产生一定的危机感，人的幸福感也会因此丧失。所有数据都透明了，人就没有隐私感，人生就变得索然寡味。未知的未来才具有富于挑战性的魅力。
另外，采集数据是否要经过本人的允许，比如我在教室中做鬼脸，你是否有权利采集，最近这也是一个热议的话题。
6
数字画像对便捷性的追求以及对安全性的担忧
如果大量的数据被聚集在一个U 盘里，那么随着失窃概率增加，失窃后的破坏性就会越来越大。
以前一个人的档案几张纸就包括了，那么现在靠一个U 盘就可以把全上海150 万学生的数据全拿走，这是非常可怕的。大数据太过集中，技术越发达，我们对于数据安全的担忧越是与日俱增。
数字画像让孩子的成长越发透明，但是对数据安全的担忧和数据隐私的过度利用，正在成为人们的焦虑点。
7
基于教育大数据的数字画像与人的发展主动性之间的矛盾
当数据本身也成为未来因素的时候，未来就不再依据数据来演绎，数据只是一种诱发因素。所以，人的未来不是由过去决定的，因为大数据主要是对于过去数据的采集。
我们预测比如大坝要不要决堤和预测人的行为的差别非常大。大坝要不要决堤，可以通过各种物理变量进行准确的预测，但是预测人的行为是很难测准的，有人会产生正反馈，有人会产生负反馈。
教育大数据与人的发展之间的矛盾也非常明显。大数据对于教育的预测就像科学算命一样，永远测不准。
8
数字画像的科学性与教育的艺术性的冲突
数字画像是一种技术，将数字画像运用于教育却是一项艺术，要把握它的精髓和模糊的度，并不是越精确越好，模糊是非常必要的。数据很重要，但比数据更重要的是教育本身，有了有意义的教育活动才会有有意义的数据。
所以数据创造不出经历，经历却可以创造数据。很多教师、校长忽视了更多经历的创造，这样个人的成长就会被大数据所绑架。这是一个很大的冲突，如何把握数字画像应用于教育的精髓和模糊的度，正在考验每一位教研人员。
我们知道，数据其实是让人越来越聪明的，聪明的核心是让人理智。理智的人总是在适应这个世界，不理智的人总想让这个世界适应自己，然而世界的进步总是取决于那些不理智的人，萧伯纳如是说。大数据让人理智的同时，希望还能让人保持那种不理智的冲动。对于数字画像应该保持谨慎的心态来对待。
本文作者张治，上海市电化教育馆馆长。
本文刊登于《教育传播与技术》2019年第1期，有删减。
蒲公英未来装备研究中心
基于学校面临的各种教育信息化变革道路上面临的困惑，
研究
国内外教育信息化领域最具专业研究能力的专家与实践者，
整合
具有一流研发能力的品牌服务商，帮助正在进行智慧校园革新的学校，提供
改善
学校信息化的整体方案，
设计
智慧环境教室的方案、
打造
多媒体教室、创客教室、VR教室、学科实验室等特色教室的专项装备配置方案，以及为各学科教师量身定制的信息化培训，去国内外走在前沿的信息化示范学校进行深度游学观摩……
如果您的学校正好还有这些方面的需求
可点击左下角“阅读原文”，填写您的学校需求调查表
