教育数据融通共享：困境、框架与实施路径_钱海燕.pdf

第 卷第期 年月中国医学教育技术 基金项目：该文系 年江苏师范大学研究生科研创新计划项目“直播教学中大学生学习投入度与学习效果的关系研究”（）和 年江苏省研究生科研创新计划项目“基于学习者画像的在线学习预警模型构建研究”（）的研究成果。收稿日期：作者简介：钱海燕（），女，河南信阳人，硕士研究生在读，研究方向为学习分析与大数据研究。通信作者：杨成（），男，江苏睢宁人，教授，本科，硕士研究生导师，研究方向为教育技术基本理论、在线教育、教师专业发展。：教育数据融通共享：困境、框架与实施路径钱海燕，杨成，蔡韩燕，刘霞江苏师范大学智慧教育学院，江苏徐州 【摘要】在大数据时代，教育数据的融通共享是实现数据驱动教育变革及创新的前提。当前中国教育数据融通共享面临着数据分散、结构多元、权责不清、关键技术尚未成熟以及数据安全等现实困境，亟待构建校内外教育数据融通的框架。文章从价值理念、教育服务以及教育数据“三个维度”构建了教育数据融通共享的理论框架；在此基础上，构建“四个层次”数据融通的技术框架；最后，从制度、主体、条件、技术、应用等“五个层面”提出教育数据融通共享的实施路径。以期对校内外教育数据融通共享提供参考框架，确保各级各类教育数据在应用上统一、高效、便捷，实现数据驱动的教育高质量发展。【关键词】教育大数据；数据融通；数据共享；保障框架；实施策略【中图分类号】【文献标志码】【文章编号】（）【】：，【】，“”，“”，“”，【】；大数据作为“互联网”时代教育发展的新引擎，其思维与技术正推动着教育科学化决策、智能化管理、精准化教研、个性化学习等多方面的变革与创新。在教育数字化转型的新阶段，云计算、物联网、人工智能、虚拟现实等智能技术逐渐应用于教学中，各种智能设备以及平台、系统间所采集到的教育数据呈现指数级爆发式增长，数据的“潜力”空前提升。教育大数据的核心价值就是将海量数据进行融合与互第 卷第期钱海燕等教育数据融通共享：困境、框架与实施路径通，以助力智慧教育的全面实施与动态发展。中国高度重视教育大数据的应用：年，教育信息化行动计划 中明确指出要深化教育大数据应用，构建一体化“互联网教育”大平台，整合教育资源公共服务平台和支撑系统，逐步实现教育信息与数据的有效共享；年，教育部印发 关于加强新时代教育管理信息化工作的通知，提出要建设数据共享开放平台，实现各级各类教育数据的动态汇聚和集中管理，推动不同教育阶段学籍数据的互联互通；与此同时，各省市（如上海、浙江、陕西等）也相继出台了教育数据管理办法，为促进数据归集整合，发挥数据价值提供有效保障。在“双减”背景下，校内外协同育人成为教育发展的新趋势。校内提质增效，不断提升学校教育教学质量；校外拓展“素质教育”服务供给，成为学校教育服务的有效补充。新兴技术有力支持教育资源建设，数字孪生技术助推场馆学习，大数据与人工智能促进“家校社”平台建设，教育新基建赋能智慧化学习环境。教育的高质量发展离不开校内外的双向发力，其内外数据融通是促进协同育人的重要变革力量。合理利用教育大数据有助于推动大规模因材施教，促进个性化教育的开展。然而，在教育大数据应用的过程中，尚未建立多元参与的应用生态，存在系统整合不足、数据共享不畅、服务体验不佳等突出问题，难以真正发挥数据的价值，并在一定程度上限制了教育的发展。因此，如何将多源、异构化数据进行关联整合，打通校内与校外教育的“数据壁垒”，解决各教育系统与学习平台间“数据孤岛”的现象，是全面深化教育综合改革亟待解决的问题之一。基于此，该文将对制约校内外教育数据融合互通的关键问题进行探讨，并构建校内外教育数据融通的理论与技术框架，为促进教育数据共享提供支持。校内外教育大数据融通面临的困境数据是教育大数据的应用基础，教育大数据是教育过程中产生的，是依据教育需求采集到的一切可用于教育发展的数据集合。挖掘数据之间的潜在关联是发挥数据价值的重要途径。中国在多年的信息化建设进程中，构建了许多教育数据中心和业务服务系统，其中汇集了大量的教育教学、管理决策和师生行为数据，但相关部门和管理者缺乏整合渠道，难以对这些数据进行合理利用，造成数据的利用率较为低下，许多具有巨大价值潜力的数据信息未被整合和应用。经过归纳分析，制约校内外教育数据共享的主要原因体现在以下五个方面：数据分散 校内外教育大数据严重分化教育大数据的应用依赖广泛、多维、动态、全过程的数据资源，而相对分散的数据源之间的互操作问题成为制约教育大数据发展的关键问题。校内外教育数据分散主要体现在校际教育、家校教育、社会教育与线上线下教育这四个维度。首先，校际教育数据缺少互联互通。以学校联盟、校际教研联合体、教育研究与实验共同体为代表的校际互动、合作交流、协同教研、资源共享等环节形成了常态化联动机制。然而，学校与学校之间的数据分散多样，甚至形成了多个“数据小岛”。其次，家校教育数据难以共享共治。家校之间也存在着数据衔接不畅的现实问题，究其原因在于家校之间存在业务不贯通的问题。再次，社会与学校教育数据缺乏整合渠道。社会教育组织在为学生提供知识服务的同时，拥有大量的文体、科技、素质类教育数据，而其教育方式与学校教育相对脱节，学校也很难开展与社会教育的整合工作；另外，线上线下过程性数据衔接不到位。在当前线上教学与线下教学混合共生的“双线教学”的时代，线下的过程性数据采集仍然是难题，其数据的缺失直接影响学习诊断的准确性与学习预警的科学性。因此，如何将线上线下不同教育场景的数据进行整合，打通不同教育场景的行为数据为学习者个性化学习提供服务，也是一个亟待解决的问题。结构多元 异构化教育大数据各自孤立教育大数据不仅存在来源广、体量大、数据多的现象，往往还以异构性的方式呈现。多年来，中国教育大数据的采集主要以高度整齐的结构化、格式化数据为主，缺少对非结构化、非关联性数据的集约与整合。教育数据源于多个教育业务应用系统和服务平台，不同系统间的数据存储模式、逻辑结构类型、语义关联方式有所区别。在面临多种数据内容、格式标准、处理方法时，不易对其进行解析和处理，难以完成跨系统、跨平台的数据共享。整合而成的数据往往存在质量不佳、兼容性差等问题，形成“数据垃圾”。因此，如何建立统一的数据标准体系，将采集的元数据进行规范性约束，确保业务数据的一致性、准确性中国医学教育技术第 卷第期和完整性，是教育大数据整合面临的一大挑战。权责不清 数据全生命周期管理机制缺失数据的全生命周期是指数据组织机构业务中的整个流转状况，包括数据的生产、采集、存储、整合、建模、呈现、使用、销毁等多个阶段。不同区域内的学校与校外组织平台数据库中，聚合了大量学习、教学、管理全流程的教育大数据。然而，学校内部和外部的数据治理体系远未形成，也尚未建立完整的组织管理制度，缺乏对数据的来源和用途进行整体规划。数据管理过程中相关责任者的管理意识淡薄，权责界定模糊不清，甚至没有对数据管理部门进行职责分工。从数据的创建、归档到删除都没有明确的管理权限，造成了某些数据中心出现人力资源空缺以及浪费的现象，不能及时对数据进行分析与处理。技术挑战 数据整合关键技术尚未成熟教育大数据的整合存在诸多制约短板和技术挑战。虽然物联网、人工智能、环境感知、数据分析与挖掘等技术在数据整合与可视化方面发挥了巨大作用，然而这些技术本身使用门槛较高并且尚未成熟，技术采集环境尚未智能化，需要专业人员才能进行分析处理。此外，对于教育数据的分析大多停留在学习行为数据上，缺少对生理、心理、认知、情感等层面数据的关注。数据整合的范围相对较窄，形成一定程度上的数据流失。支持多源异构数据转换的数据整合技术尚需进一步突破，以满足数据复杂的加工转换与周期性调度。因此，在教育大数据的整合中，实现从数据的产生、集成到呈现各环节技术的无缝联动，是完成技术突破的关键性挑战。数据安全 隐私保护和数据共享矛盾突出数据隐私与安全一直是大数据发展的重要障碍之一。数据开放在带来巨量产业价值的同时，也存在着一些潜在的危险：一方面，由于整体层面的数据开放能够实现基于数据的科学决策，推动教育高质量发展，有关部门亟待开放教育数据；另一方面，教育大数据涉及大规模的教育者与受教育者群体，涵盖了学籍信息、学习成绩、学习状况、家庭背景、教育环境等诸多关于个人隐私的敏感数据，这些原始数据一旦毫无保留的全部公开，容易受到不良企业的恶意侵袭与窃取：因此，很多学校、组织机构和政府部门出于保护学生隐私的角度，暂未向公众开放教育数据所有权。教育大数据应用的隐私风险与数据安全共享矛盾突出。校内外教育数据融通的框架构建教育数据融通具有其内在向度，是教育场景全面数字化的必然阶段。如何从宏观层面上衔接学校与校外两大教育系统，把握整体理论结构；从技术层面上聚焦融合流程，支撑数据共享，是教育数据融通的关键问题。该文将对其内在向度、理论与技术框架三方面进行深入研究，破解校内外数据融通难题。数据融通的内在向度数据融通本质上是实现多源异构的教育数据融合互通，达到“数据信息知识”的流通转换，驱动学习者泛在个性化学习。在教育数字化转型的新阶段，融通教育数据对于衔接校内外教育生态体系、识别教育教学问题、分析教育现象与规律具有重要意义。构建良性的数据衔接生态体系，对于学习者的自身发展以及整个教育系统的良性循环也不可或缺。因此，数据融通要把握校内外全方位、多层次的数据要素。数据融通的理论框架校内外教育数据融通的框架由三个维度构成：第一，理念先行。面临校内外两大不同的教育系统，双向价值理念要趋同融合；第二，服务贯通。教育服务的衔接是“横向”着力点，促进内外资源互补；第三，数据融合。数据融合是“纵向”保障，在横向协同多元化业务衔接的基础上，实现纵向程度上的数据共享融通（如图所示）。图校内外教育数据融通理论框架价值理念之间的融通价值理念的融通是满足校内外数据共享的先决条件。学校教育与校外教育作为两大独立的教育体系，它们之间存在一定程度的分化现象。学校教育通常以公益性的方式传授知识，在大规模、同质化班级授课制的主导作用下，往往更加注重学生发展的统一性和一致性。校外教育作为学校教育的补充和延伸，侧重于提升学生的艺术文化素养、实践技能和第 卷第期钱海燕等教育数据融通共享：困境、框架与实施路径综合素质，更加重视学生发展的多样化和差异性。在这种趋势下，若育人的理念不同则必然会导致业务应用上产生偏差。因此，应当以“立德树人”和“五育融合”为核心。一方面，立德树人是教育的根本任务，形成高质量的人才培养离不开“立德树人”。学校与校外教育都需要以立德树人为根本，不能脱离其原有本质各行其是地开展教育工作。要以“面向全员、贯穿全程、促进全方位发展”为立德树人的整体目标，将立德树人的思想渗透于教育工作的方方面面。另一方面，五育融合是推动教育高质量发展的重要途径。五育之间不是互相割裂，非此即彼的关系，它们相互渗透、相互交叉。学校与校外教育理念的融通尚须避免分解“五育”的内部逻辑，应当建立校内外五育融合的协同育人机制。教育服务之间的融通教育服务的融通是进行精准教育服务的集中体现。作为数据融通框架的中间层（如图所示），以学校与校外两大教育体系的价值理念为支撑，与教育过程、教育数据紧密结合，形成开放、共享、严密的业务应用，为教师的精准教学、学生的个性化学习提供服务。以教育数据驱动应用服务为基础，贯穿“资源互补、馆校衔接、活动连接、评估贯通”教学全流程，实现跨场景、全方位、多角度的应用层面融通，构建“家、校、社”协同育人服务样态。图教育服务之间的融通学校与校外在价值理念上一致，应用上才会进一步衔接。在资源互补方面，学校的学科教育资源与校外艺术类、科技类、实践类、体育类资源相结合，由校内校外教师通过平台渠道发布资源信息，学生自主选择资源进行实地场馆学习，达到资源互补的效果；馆校衔接为学生提供校外科普教育服务，将学校开展的科学课程与科技馆实践相结合，文史课程与博物馆参观相结合，既丰富了学生的学科知识，也提升了其自主探究与实践能力；同时，学校也能够将夯实知识体系与拓展学生视野的校外学习活动相连接，定位不同活动场景所产生的学习数据，为各年级阶段的学生分层推送学习资源并设计校外实践活动，为每位学生提供个性化的学习服务；在绩效考核方面，学校与校外需做到评价贯通，颠覆传统“重结果，轻过程”的评价方式，全面评估学习者的综合素质。其中，校外组织需要向学校阶段性推送场馆活动数据、教与学数据以及实践数据，便于学校客观分析学生的综合能力状况，实现校内外精准评价。教育数据之间的融通教育数据的融通是形成校内外教育数据共享的重要保障。教育数据之间要解决“融通哪些数据”以及“如何融通”的问题。这些数据源于不同的学习场景、业务系统、网络空间和云平台，包括智慧教室、在线学习、校外辅导、场馆活动、人机交互、家庭教育等各种类型的教育数据。首先，实现数据与数据之间的融通。要打破校内外数据之间的界限，应当融通校内外以下几个方面的数据：课程资源数据。学校的课程资源数据是指在学校环境下学生参与的学科课程数据（如语文、数学、体育等学科），包括具体的课程资料和多媒体资源。校外的课程资源数据涵盖了资源设备或系统课程数据（如博物馆课程、信息技术资源、实物资源、图文资源）。课程资源的融通可以打破学校与校外的资源界限，将不同环境下的“情景化”资源随时随地地呈现给学习者。场馆活动数据。是指学生参与校外不同场馆下的一系列教育活动数据，如场馆学习、课外实践。场馆衔接与馆校合作可以促进教育服务数据之间的融合，为学习者开展教育活动、优化数据共享，提供教育服务保障，能够进一步满足学习者的个性化发展。教与学数据。融通校内外教育全过程的教与学的数据，如智慧课堂系统中记录的教师教学数据、师生互动数据、校外实践中的学习数据（如文化、素质、劳动、思政、美育）。只有学校与校外的教学数据融通，才能落实“千人千面”的培养模式，以教学与学习的数据为载体，设置梯度合理、指向明确的课程方案与实践规划。绩效评测数据。中国医学教育技术第 卷第期指评估学生五育发展的综合数据，如课业测试与作业数据，绩效考核数据与综合素质评价数据等。将校内外的绩效评测数据融通，能全面评估学生的综合素质。其次，满足系统与系统之间的融通。教育数据存储在多种类型的应用系统中，实现跨系统的教育数据无缝流转需要将各个系统融通，才能满足系统与系统、数据与数据的交换与共享问题。学校与校外有多个教育应用系统，如智慧课堂系统、考试系统，综合素质评价系统、家校互动系统、社会实践系统和 实验系统，这些多方面的成长数据，保证系统之间的兼容性与可扩展性是融通之根本。最后，数据与系统之间如何融通，就需要解决数据的互操作性。所谓互操作性是指系统输入输出的数据流及数据格式可以完全被其他系统所识别和交换。实现系统之间的融通要满足以下两大条件：一是建立统一的标准规范，包括数据标准、信息标准和技术标准，这些标准可以保证校内外教育数据获取的规范性，从而提高教育服务水平；二是确保系统的框架组件之间使用通用的数据接口，避免出现教育系统接口不一致、数据交换不灵活的现象，提升各系统之间的兼容性。将数据接入校内外多方参与的协同平台上，逐步实现核心业务领域各系统之间的联系与互通。数据融通的技术框架校内外数据融通的技术框架由数据来源层、数据采集层、数据处理层、数据分析层四部分构成。该文构建教育数据融通技术架构以数据标准体系和数据安全与服务体系为保障，完成数据来源的规范管理、数据多样化采集、数据一体化处理以及身份认证服务，最终实现数据的产生、汇聚、处理、集成等层面呈现给用户的闭环监控，服务于多维度应用场景。笔者设计了“以学习者服务为先，数据融合为关键，规范体系为保障”的数据融通技术框架（如图所示）。图数据融通的技术框架数据来源层该层是教育大数据产生的基础。教育大数据由多源异构化数据汇集而成，涵盖了实时接入、离线同步等多种数据传输方式汇聚而成的全流程数据。这些数据源于不同的学习场景，包括智慧校园中学生的问题解决、场馆学习的互动探索、社会教育的文体培养、家庭环境的学习交流等各种教育环境。这些数据不仅发生的场所不同，还存在于不同传感器、可穿戴设备和学习平台中。与传统的教育数据相比，学校与校外产生的教育数据源种类多种多样。有简单逻辑映射的结构化数据、非关系模型的半结构化数据、没有固定模式的非结构化数据，这些不同来源、异化结构的资源、场馆、活动、评测数据能够发挥巨大的价值潜能。第 卷第期钱海燕等教育数据融通共享：困境、框架与实施路径数据采集层该层是教育数据预处理的基础。根据数据的来源和形式，可以分为三种采集方式：集中式采集、伴随式采集、周期性采集。集中式采集以结果性、结构化数据为主，能够统一获取课程活动数据；伴随式采集以过程性数据为主，全面采集校内外各个系统中产生的实时教育数据；周期性采集以宏观的、整体层面数据为主，定期对学校与校外教学过程、质量信息进行采集，完成对数据源的周期性检测。数据的采集主要包括以下途径：利用传感器、可穿戴设备记录学习者的学习时间、场景、场馆设备等信息；借助智慧课堂视频监控完整采录学习者的学习资源与学习行为；运用在线学习平台获取学习者学习课程、学习进度、学业评价等信息；此外，教育大数据的实时采集与离线获取使用的工具并不相同。通常用 、对动态产生的流式教育数据进行即时 收 集，用 、接口对校内外具体业务环境下离线数据批量获取。数据处理层该层是学校内部与学校外部数据融合互通得以实现的支撑枢纽，其主要功能在于将采集到的教育大数据进行清洗、集成、转换、归约、整合、存储，消除异构数据源的噪声干扰和数据冲突，最终整合为一个高质量的教育数据集。其中，数据清洗是指将原始数据中缺失、异常、结构不一致的“脏数据”进行归一化处理，确保数据的一致性与关联性；数据集成是将清洗后的数据结合起来进行统一存储，建立数据仓库的过程；数据转换与归约能将收集到的原始数据中的噪声数据进行清理，并在保持原有语义的基础上最大限度地精简数据量，提高全域式、整体化的教育大数据的建模效率；数据整合是把归约后的数据加载到一个新的数据源，针对不同来源、不同类型的数据有多种整合方案。例如，将交换格式进行一一映射的多数据库解决方案、依据不同数据主题的数据仓库解决方案、基于 与 实现异构系统（课堂系统、评测系统、互动系统）互相操作的中间件解决方案、基于在线学习和应用 的 整合方案等；数据存储要求教育存储系统不仅要具备超大的容量，还要有较强的可扩展性，存放不同技术场景下的感知、业务和互联网数据。数据平台层的六个处理环节在跨平台、跨系统、多数据源之间起着重要的管控和协调作用，将底层数据结构透明化，保障了各学校与校外数据源之间的联通性、集成度，完成数据的流通。数据分析层该层是将数据处理层整合的数据进行分析，挖掘教育大数据中的潜在价值并将其进行可视化处理，涉及了数据挖掘技术及可视化技术。教育数据挖掘技术是综合运用数理统计、人工智能与机器学习和数据挖掘等技术与方法，对教育原始数据进行分析处理，通过构建数据模型，对学习者的学习内容与学习结果、学习资源和学习行为等变量进行相关关系分析，从而有效地预测学习者未来的学习趋势。数据可视化技术能将学习环境中收集的抽象数据转化为信息，以清晰、直观的形式呈现出来，扩展数据的表达方式。利用计算机视觉、图像处理、科学计算等方法形成多样化数据报表，动态分析学情数据的演变过程和演化规律。在教育数据的综合分析过程中，对多时空环境下学习者学习状态的不同维度进行层级展示，并预测学习发展趋势。最终，将分析后的数据共享到实际应用场景中，呈现学习者画像，实现全面的智能成长检测、多维度个性化诊断、精准综合评价，从而完善阶段性教育预警。校内外教育数据融通的实施路径数据融通共享不仅需要内外两大体系在价值理念、系统数据及业务应用之间融通，还需从制度、主体、条件、技术以及应用等多个层面实施，以保障教育数据融通的规范化实现。制度层面：加强数据融通顶层设计制度是完善数据融通顶层设计和总体规划的有效保障。顶层设计以全局的角度对各层级、各要素进行整体关联性的系统谋划，旨在为战略规划提供实施路径。当前，中国教育大数据的发展处于初级探索阶段，仍需要许多制度层面的保障来推动学校教育数据与校外教育数据的有效衔接。在政策方面，教育系统应以 中小学数字校园建设规范（试行）和“智慧教育示范区”建设项目推荐遴选 为引领，加速家庭、学校、社会之间教育数据的互联互通，满足教育数据的共享与交换，构建以个性化教学服务为支撑的教育生态体系，探索数字化、智慧化、开放化的未来教育新模式。中国医学教育技术第 卷第期在组织方面，组织体系的协同是推进数据融通的关键。因此，教育主管部门应当完善从国家到地方的教育大数据统筹机制，以点带面地规划、运营、管理、建设数据管理中心，组织不同区域的学校与校外教育数据管理中心。从整体上统筹各分部门之间的协作关系，落实相关责任机构，形成责任明晰、统一协调的数据全生命周期管理制度，为实现大规模因材施教提供数据驱动的精准服务。与此同时，教育数据融通不仅要结合现实困境、发展阶段和智能技术的实现能力，还须全方面发挥教育系统自上而下的动力，避免数据管理各自为政的局面。在财政方面，由于教育数据的融合共享需要以技术的实现为前提，数据精准应用也需要以相对权威的分析模型为基础，才能进一步确保各项算法的指标权重、评测维度和评估结果的准确性。因而，相关财政部门应根据技术攻关难度预判经费标准，合理资助确保新兴技术的研发，攻克不同应用场景间的数据壁垒。主体层面：发挥内外联动形成合力为促进教育的创新发展，推动数据融通建设，教育系统应发挥内外联动效应。学校教育与校外教育需双向发力，增强学校、家庭与社会三个主体的联动作用。第一，学校作为教育活动的主体，在向校外教育组织共享教育数据的同时，要主动承担数据管理的工作。监管学校与校外的学生学习与实践过程全数据流，实现校内外教育数据的生命周期管理，科学有效地助力其全面发展。与此同时，学校要积极与校外组织合作，以多样化的方式满足学生的能力需求和兴趣爱好。学校应当充分运用校外教育的优势建立长期的协同育人机制，开展馆校衔接的方式，如增强学生爱国情怀的思政教育、激发学生创新创造潜能的科技馆教育、拓展学生丰富生活的文体教育等。运用科普讲座、夏令营、兴趣社团等实践活动进行校内外教育的互通。第二，校外教育作为校内教育的拓展，应在符合学生隐私安全的前提下开放教育数据。各校外教育组织和相关机构应向学校开放学生的校外数据，包括资源的使用数据、场馆的流动数据、活动实践数据和绩效评测类数据。学校就能通过数据了解学生的成长状况，充分尊重其个性特点及时调整决策偏差，在课程学习的基础上完善德育、艺术、运动等方向发展。同时，教育并不是独立存在的实践活动，数据的融通也需要家庭教育的支持。家长应发挥教育枢纽作用，通过家委会、微信群、群等家校交流渠道与学校建立互动的桥梁，定期向学校反馈学生的家庭成长数据。学校、家庭、社会主体的多方联动才能真正发挥数据共享的效力。条件层面：构建泛在互联型教育环境泛在互联型教育环境为数据的获取提供了支持。数据是促进个性化教育变革、赋能智慧教育的科学力量。互联型教育环境能够实时捕捉学校与校外不同环境的教育数据，也为线上线下泛在学习空间提供数据支持服务。一方面，应完善教育信息化建设的基础设施。发挥学校层面的资源整合作用，推进“云网端”构成的新基础设施建设，完善数据化、智能化的整体技术布局。与此同时，要优化中国各省市教育专网和学校教育网的组成，结合当前 技术更新网络的传输速率，加大研发力度，形成教育大数据相关的网络设备，确保网络的承载能力。另一方面，应着重探索大数据与教育场景的深度融合。以动作捕捉和情感计算等为代表的动态跟踪与学习分析技术，利用动态跟踪技术记录学习者的知识获取信息，追踪学习者在学校、家庭、场馆不同情境下的学习过程信息。收集学习者在课堂互动、知识获取、小组协作等方面的数据信息，便于进一步分析学习者的学业状况。此外，在泛在互联的教育环境下，学习者能够依托移动互联网建立学习社群，进行沟通与交流，促进整个学习群体的知识建构，也为个体到群体的数据传输建立渠道，支持数据的全面获取。技术层面：部署一体化教育大数据平台不同主体之间的数据流转与共享对于技术平台至关重要。大数据平台是大规模数据存储和信息流通的阵地，能够适应业务需求的变化以实现系统之间的数据融通。由于该平台解决数据整合及智能分析问题，在功能开发时应以学校、家庭、社会三方面的实际需求为基础。构建一体化的教育大数据平台应当注意三个方面：其一，运用统一的教育大数据标准体系。教育大数据涉及的数据量大、类型与标准相对多样。平台对于汇聚的各种数据应当结合标准引用组谱，不同的类型数据引用不同的数据标准：教育信息化领第 卷第期钱海燕等教育数据融通共享：困境、框架与实施路径域相关标准主要来自 、及 等标准组织的标准内容，大数据技术相关标准主要包括 、（即 大数据互操作框架 基于云计算的大数据需求与能力标准 信息分类编码标准的编写规定）等标准文档及白皮书。这些数据标准不仅包括基本的数据编码、语义描述、接口调用等技术应用指标，还包括学习者、教师、学校的对象信息描述、学习资源描述、行为记录框架等场景信息标准。统一的数据标准体系能够确保平台里流通的数据标准、传输口径一致，保障各层间的接口开放解耦，为数据流动提供共享通道和交换机制。其二，引用数据湖存储架构。教育大数据平台的数据承载量巨大，传统的存储方式无法满足数据的增长需求。这就要求数据平台及资源必须具备较强的存储和计算能力，引入面向多数据源的数据湖存储架构。数据湖（）作为大型的可扩展存储库，它能在高度多样数据源的前提下容纳大量原始数据，保留原始数据结构并且不需对其转换就能全面存取、处理、监控与分析，建立数据模型，便于分析人员按需获取数据并完成更长远的数据规划。数据湖支持多种存储和计算引擎，满足数据的集群式管理和资源动态调度，有助于平台的稳定运行。其三，将大数据与人工智能融合。人工智能作为提供机器学习、算法服务的智能技术，将其应用到大数据平台上将会发挥更多的潜在功能。根据平台内承载的海量数据部署相应的人工智能算法，不仅能够提高数据的整体质量，剔除可信度低、时效性弱、完整性差的模糊数据，还能进一步诊断性分析学生的能力结构，呈现学生的成长轨迹，预警其学习障碍与学业风险，为用户按需推送所需数据，提供个性化推荐服务。当前，美国 教育数据管理平台汇集不同 教育系统中的数据，结合数据分析工具帮助用户了解技术支出和学习成果报告，提供相应的解决方案，帮助更多学校和个人管理数据。应用层面：建立数据安全保障机制教育大数据的集约共享将会进一步增强用户的隐私泄露风险，在大数据时代师生都将成为数据制造者，数据能反映个人的行为规律、生活状况、性格特征等，但这些大量聚集的数据却难以避免地给师生隐私构成潜在的威胁。为此，首先需加强平台的安全防控管理。数据共享是在系统间“数据迁移”中完成的，亟待采用安全的数据加密方式。在平台访问时，自动过滤掉表征师生身份的敏感信息，最大限度地保护师生的隐私安全，避免遭受信息泄露而引发的危害。可采用单点登录和身份认证技术完成对敏感信息的授权访问，为师生创造安全的网络环境。其次，相关部门要制定完备的监管措施。对于那些利用泄露个人隐私数据而非法获取个人利益的组织，监管部门要采取严苛的措施加以惩治。此外，政府应当加强正面的舆论宣传，让全社会强化数据安全的意识，提高公民对隐私权保护重要性的认识，形成关注大数据安全的舆论氛围，共同维护教育大数据的安全。结束语教育大数据作为发展智慧教育的基础，其数据之间的融通共享是推动教育数字化转型的重要力量。该研究以学校教育与校外教育的两大教育体系为基础，对教育数据融通的现实困境、整体框架与实施路径进行了探讨，为促进教师精准教学与学生个性学习提供数据上的支持。同时，学校、家庭、社会作为教育数据产生的重要场所，需要加强协同育人的优势，加速其业务应用上的衔接，才能保障教育系统内部的数据融通。总之，在数据融通共享的基础上，实现教育的创新与变革是未来教育发展的新趋势。教育系统本身具有复杂性，在切实考虑现实问题的基础上，如何打通教育数据融合的理念与技术瓶颈，推进教育数据共享的应用场景，探索教育数据背后隐藏的潜在关系，提升教育的服务供给质量，是后续研究需要进一步解决的问题。参考文献 杨丽娜，魏永红，肖克曦，等教育大数据驱动的个性化学习服务机制研究电化教育研究，（）：中华人民共和国教育部 教育部关于印发 教育信息化 行动计划 的通知 ：，中华人民共和国教育部教育部关于加强新时代教育管理信息化工作的通知 ：，陈晓慧“双减”时代智能技术的可为与能为：基于“家中国医学教育技术第 卷第期校社”协同育人视角中国电化教育，（）：中华人民共和国教育部教育部关于加强新时代教育管理信息化工作的通知 ：，杨现民，唐斯斯，李冀红发展教育大数据：内涵、价值和挑战现代远程教育研究，（）：李振，周东岱，董晓晓，等 我国教育大数据的研究现状、问题与对策：基于 学术期刊的内容分析 现代远距离教育，（）：杨现民，李新，邢蓓蓓面向智慧教育的教学大数据实践框架构建与趋势分析电化教育研究，（）：何彤宇 大数据时代网络学习环境的数据融合 现代教育技术，（）：刘邦奇，张振超，王亚飞区域教育大数据发展参考框架现代教育技术，（）：沈阳，田浩，曾海军大数据时代的教育：若干认识与思考 访中国科学院院士梅宏教授电化教育研究，（）：顾小清，郑隆威，简菁获取教育大数据：基于 规范对学习经历数据的获取与共享现代远程教育研究，（）：柴唤友，刘三女牙，康令云，等教育大数据采集机制与关键技术研究大数据，（）：胡水星大数据及其关键技术的教育应用实证分析远程教育杂志，（）：沈恩亚 大数据可视化技术及应用 科技导报，（）：董玉琦，毕景刚，钱松岭，等 基础教育信息化发展的问题审视 与 战 略 调 整 开 放 教 育 研 究，（）：冯新新 我国高等教育数字治理的内在逻辑、核心要义与实施路径研究 黑龙江高教研究，（）：南旭光大数据驱动职业教育人才培养的价值逻辑与创新路径教育与职业，（）：徐晶晶，黄荣怀，杨澜，等智慧学习环境下学校、家庭、场馆协同教育联动机制研究 电化教育研究，（）：杨现民，郭利明，王东丽，等数据驱动教育治理现代化：实践框架、现实挑战与实施路径现代远程教育研究，（）：吴砥，饶景阳，吴晨教育大数据标准体系研究开放教育研究，（）：孙洪涛，郑勤华教育大数据的核心技术、应用现状与发展趋势远程教育杂志，（）：钟婉娟，侯浩翔大数据视角下教育决策机制优化及实现路径教育发展研究，（）：徐蕾，聂峰英教育大数据在教育管理应用中的研究现状与技术路径江苏高教，（）：