学分银行数据聚集：愿景、模型及其技术实现

［摘要］通过学分银行聚集学习者学习成果信息，进而构筑一个服务个体、组织和政府决策的学分银行数据体系，是大数据时代教育类型数据来源拓展的重要内容，也是学分银行发挥其社会期待功能的重要方式。学分银行的数据具有数据标准化、存储过程化、采集全方位化等特征，能准确把握教育的发展状态和趋势，是支持教育治理的关键证据，也可为学习者提升自我导向学习的精准度。学分银行数据聚集的来源包括学分银行信息平台、学分银行对接平台和学习者自身补充的相关数据，形成了多元和多层次拓展数据，并以此构建了学分银行数据聚集模型。要从技术上落实学分银行数据聚集并使之产生效用，需要通过设计数据标准，夯实学分银行自身的数据采集能力和存储能力；打造学分银行数据中台，形成连接的数据前后台的数据组织系统；开展前端应用开发，拓展学分银行应用范畴；开展数据治理，保证学分银行运行的整体效用。

［关键词］学分银行；数据聚集；愿景；模型；技术实现

［中图分类号］G724    ［文献标识码］A    ［文章编号］1004-3985（2023）18-0095-07

信息技术的发展推动着教育信息化的宽度和广度，逐步从信息技术教学应用和信息技术与教育教学融合的历史阶段，转向“以应用驱动和机制创新为特征的‘信息技术与教育教学深度融合’的发展阶段”①。从客观上来讲，目前信息技术与教育教学融合也远远没有达到研究者期待的状态和效用，信息技术推动大规模个性化教学为特征的革命性影响还没有出现，但信息化所带来的“个体理解和智力发展为价值主张，通过技术塑造、内容更迭、技术引入，培养深度思维和技术工具使用能力更强的学习者”②已经深入人心。从生态学视角和系统论视角审视信息技术对教育发展的支持，数据成为关键的掣肘。数据缺乏导致对学习者相关先前经验获取不足，个性化教学和深度学习引导难以推动。“探讨形成大数据获取的环境构建……通过对教育大数据的捕捉、聚合、理解，促使其成为教育发展和变革的元素、动力、方法和支撑”③，成为教育学者关注的重点内容和现实问题。从数据生态的结构来讲，尽管大数据的关键是各类半结构和非结构化数据，大数据赖以生存的基础是自身范围广、层次多、内容复杂的数据，但结构化的数据在基础构建上无法替代。学分银行通过累积学习者的多类型学习成果，从理论上完整记录学习者从幼儿园到高校，乃至成人继续教育相关的学历和非学历教育成果，可以支撑起微观层面的个性化教学、中观层面的学习者中心制度构建和宏观层面的办学政策制定与实施，展现了对丰富的应用场景建设的期待。

一、大数据时代的教育数据需求与学分银行数据聚集愿景

（一）大数据时代的教育数据需求

商业领域在自身数字化过程中发现，数据达到一定量之后，隐匿在数据背后的关系被识别，大数据的价值被无限放大。“数据的交换、整合、分析，不断发现新的知识、创造新的价值，从而带来大知识、大科技、大利润和大发展。”④因此，各个行业也在关注、收集、整合与其相关的大数据，以期获得新的发展。在教育领域，经过了数十年的信息化建设，形成了应用与数据的良性互动，大数据被期待为教育治理、教育资源建设、教学模式创新、教育评价体系变革、学习支持服务模式创新、教学科研的范式创新等多领域提供方法、工具和内容。由于教育大数据所展现出来的场景和无法想象的空间，学者们将其定义为“金矿”。然而，教育大数据的应用都停留在“想象中的金矿”层面，在教育任何领域都没有真正发挥广泛而普及的作用，其中最为主要的原因是数据缺乏，原因包括了“数据采集通道不健全、个体身份识别技术难度大、信息的‘孤岛’现象大量存在、数据标准缺乏、数据采集资源投入不足、数据采集实时性与连贯能力差、教育应用开发不足、教师大数据使用意识和能力等制约了大数据在教育中的应用”⑤。亟待系统化设计大数据获取体系，形成一个涵盖多类数据的总体架构，强化教育领域的教育应用。

（二）学分银行数据聚集愿景

学分银行是在《国家中长期教育改革和发展规划纲要（2010—2020年）》“建立继续教育学分累积与转换制度”等文件要求下，以多类学习成果认证、积累与转换的制度体系和服务体系为主要功能，以实现各级各类教育机构和不同类型学习成果沟通与衔接，促进人才成长的内在联系、持续稳定性和阶段一致性，深化教育教学改革的制度和服务体系。要实现学分银行的功能，需要学习者建立学分银行的账户，将各个阶段所获取的学习成果通过一定的机制纳入学分银行信息服务平台，并通过连接证书和相关培训机构进行成果核验，借助区块链技术与人工智能技术，保证数据的质量进而提升学分银行的公信力。学分银行数据聚集就是通过学分银行的学习成果登记，将学习者全方位、立体化和过程化的学习成果登记在学分银行平台，进而为个体服务、教育组织和社会建设提供整合性的数据，支持教育体系对教育大数据的获取需求。

二、学分银行数据聚集特征及其价值

（一）学分银行数据聚集特征

数据发挥作用的基础是准确呈现问题，也就是数据本身是准确的。从学分银行的运行模式来看，学分银行信息平台本身是优质的教育大数据来源，呈现出了多种特征：一是学分银行存储的大部分数据是标准化数据，是形成学习者个体画像的骨干数据。从理论上说，学分银行可以收集学习者从出生到生命结束所产生的所有成果数据，并按照学分银行数据规范进行存储。这些数据可以准确读取学习者的技能水平、能力偏好、学历资历等，成为学习者个体画像的关键节点数据。二是学分银行存储的是过程化数据。学分银行存储学习者各个阶段的学习成果，其动态特征是准确反映学习者学习持续性和阶段一致性的重要信息。学习者整体的动态变化也是社会生产和生活模式变迁的“映像”，为过程性数据的获取提供了支撑。三是学分银行存储的是全方位数据。学分银行不仅存储了学历教育数据，也存储了非学历教育数据，能便利评价学习者全方位的能力。此外，多数学分银行平台通过自建学习平台和联通学习平台，成为直接的在线学习数据收集者。

（二）学分银行数据聚集价值

传统数据采集模式的阶段性和分散性，难以聚集规模化数据支持教育的整体决策和个性化服务，而通过学分银行的数据聚集，可以有效解决数据缺失的问题。同样重要的是，学分银行通过数据聚集作用的发挥，自身也能得到发展，真正发挥终身学习体系建构中的关键作用。

1.通过学分银行数据的大规模采集，形成教育治理的基础数据支持。“教育的主要矛盾已经由原来的‘人民日益增长的教育需求与教育供给的有限性’，转化为‘对高质量的教育需求和教育不平衡不充分的发展之间的矛盾’。”⑥现阶段教育治理的重点是教育公平、教育改革和教育创新，工作重点是解决教育质量和效率之间的关系，主要方式是通过调整多元参与关系化解工作过程中的混乱和迷茫，使教育整体围绕共同价值诉求开展教学资源调整。学分银行采集的是涵盖学历教育和非学历教育的数据，与国家通过定期人工采集数据结合，可以形成区域或者系统的结构化数据，用于宏观掌握教育发展现状，尤其是通过整合非学历教育相关数据，将国家现行模式下采集不到的部分非学历教育数据整合到学分银行中来，掌握非学历教育发展的类型、规模、质量、不同技能水平人口数量与比例、市场匹配度等方面的信息，为调整教育资源的配置提供数据支撑。

2.通过学分银行数据的过程化采集，准确把握教育的发展状态和趋势。从办学层面来看，传统基础数据的采集是阶段性开展的，如办学状态数据、学籍数据、毕业信息数据等，大量的及时发生的数据没有在采集范围之内。学分银行通过采集过程性数据，支持学习者养成完成学习成果就进行登记的习惯，尤其是企业支持的非学历培训，能有效反映企业的人才培养需求，促使教育决策者准确把握产业的培训需求而进行终身学习资源的供给。从学习者个体来看，在传统结构化、封闭性特征明显的学历教育中，学习者个体的需求是隐匿的，很难通过学历教育数据准确把握学习者的个性化需求。学分银行支持学习者通过多种渠道获取学分，也支持学习者避开传统的学习途径进行知识和技能的学习。所以，学分银行可以准确把握学习者的喜好、兴趣、生涯规划等信息。这样通过数据的关联分析，就可为准确把握教育发展的进程提供准确的数据。

3.通过学分银行数据的全方位采集，为个性化学习提供支持。信息化2.0时代的目标是智慧化，旨在形成支持学习者智慧学习的空间建构，夯实智慧学习的支持条件。智慧学习是一种学习者自我导向的、以学习者为中心的，并具有完整学习体验的新型学习范式；是一种大数据驱动的学习，最为根本的特征是学习者学习的个性化和自适应；是一种“通过大数据感知学习者需求和行为倾向，帮助学习者选择与其基础适应的个性化学习”⑦。这种个性化学习的实现，不仅需要把握学习者的实时状态，更为重要的是掌握学习者的基础状态，提供配合学习者个性化学习需求的学习支持服务，如直接相关的教学问题解答、教学方法服务和教学资源服务等。这类服务的供给需要数据的全方位支持，尤其是学习者先前学习经历数据的支持。准确掌握学习者现有的学习成果，包括学历教育的先修课程和非学历教育的相关成果，是学习支持服务真正满足个性化学习需求的关键。

4.通过学分银行数据的标准化采集，提高学习者自我导向的准确性。在诸多自我导向学习的成人教育理论中，学习者是一个需求明确的个体，有清晰的目标感和准确的过程观，能整合资源支持学习者高效的学习。然而，学习者通常会局限于自身的能力，难以得到周围群体性的支持等，导致自我导向所倡导的行动、生活方式等难以真正落实。特别是随着数字化转型的推进，成人学习从线下转移到线上线下融合的混合学习空间，造成学习过程中“学习者指导边缘化、学习情境碎片化、学习过程娱乐化、学习方式形式化等”⑧困扰，学习目标偏离，学习过程曲折，降低了学习的效用，也影响了自我导向的整体价值。行业能力等级标准是按照产业人才需求逻辑对学习者提供引导，学习者可以根据学分银行中的数据，了解自身所获取的学习成果，分析自身在行业能力等级标准中的层次，所缺的能力模块，需要补充的课程单元，准确引导自身完成以进阶为目标的能力提升。

三、学分银行数据聚集来源、采集逻辑及聚集模型

（一）学分银行数据聚集来源分析

厘清学分银行数据来源是布局学分银行信息平台数据采集的前提条件，也是设计数据标准、数据采集工具、数据处理模式和数据存储方式的基础。从学分银行功能和整体逻辑关系来看，学分银行数据来源包括学分银行平台数据、学分银行对接平台数据和学分银行平台运行过程中学习者自身登记的数据。

1.学分银行平台数据。当各级各类教育机构融入学分银行之后，教育机构所产生的学历教育学习成果和非学历教育学习成果就可以按照学分银行的标准纳入学分银行数据体系。其中课程数据、学分数据、学分层次数据是学分银行数据的主体部分，配合人才培养方案等课程实施计划，可以聚合和存储结构化的学习成果数据，如学历、职业资格、职业技能等级、计算机/英语等级证书等。同时，通过学分转换，可以形成学习者意向数据、发展规划数据等。

2.学分银行对接平台数据。学分银行需要与多类平台形成数据联通，获取相关的数据，形成覆盖学习者的完整数据链。一是对接学习者学籍信息。学籍数据是核定学习者身份的主要数据，是学分银行实施转换操作的基础。二是对接各类学习相关的管理数据。实施学分银行制度和服务体系，从整体看需要各级各类教育机构分享数据，整合到统一的平台中来。学分银行需要对接教务系统、信息管理系统、第二课堂信息管理系统等相关数据，与其他管理制度配合，实现管理数据的全覆盖。三是对接各类在线学习数据。对接在线学习平台可以有效掌握学习者的在线学习行为，为标准化数据之外提供非结构化数据采集的通道，能有效提升学分银行数据的完整度，也能有效获取学习者真实的学习兴趣和学习需求。四是对接各类非学历教育管理平台的数据。部分非学历教育供给者本身具有良好的信息管理平台，如1+X证书管理机构本身具有结构良好的信息平台，其数据是学分银行数据的重要来源，这类数据可按照协议整合到学分银行平台中来。