計算機和網絡的高速發展帶來了“大數據”，根據IBM最近的一次估計，人類和機器每天共同產生2.5萬兆字節的數據。這些數據的來源包括電子郵件、博客、點擊流、安全攝像頭、氣象傳感器、社會網絡、學術研究、學生學習歷程檔案等。大數據并非一個新概念，只是從量的角度來看數據，也稱為“海量數據”。[1]全世界對大數據越來越重視，并掀起了一場大數據的研究熱。2012年，英國的經濟與社會研究理事會(Economic and Social Research Council，簡稱ESRC)將“大數據爭論”作為年度社會科學議題，討論了大數據帶來的機會、面臨的挑戰、需要的技術、訓練和資源等。[2]同年，奧巴馬政府公布了“大數據研發計劃”(Big Data Research and Development Initiative)，其目標是提高公眾從海量、復雜的數據中獲取知識的能力，主要聚焦于收集、儲存、保留、管理、分析和共享大數據所需核心技術的開發應用，進而加速美國在科學、工程、教育和商業領域前進的步伐。[3]在教育領域，大數據同樣吸引了全球的關注目光，美國新媒體聯盟(New Media Consortium，簡稱NMC)和美國高校教育信息化協會(EDUCAUSE Learning Initiative，簡稱ELI)聯合發布的《2013年地平線報告(高等教育版)》[4]以國際教育信息化為主題，指出未來5年將影響全球教育的6種新興技術，即：學習分析技術、大規模網絡課程、平板電腦、3D打印技術、游戲及游戲化、可穿戴技術。其中的學習分析技術和大規模網絡課程就與大數據緊密相關。大數據已經滲透到世界教育系統的方方面面，影響著包括比較教育研究在內的教育研究實踐范式與話語體系。

一、大數據時代世界教育發展的新趨勢

(一)人才培養更加關注信息素養

最近20年，計算機和網絡技術取得了飛速發展和巨大成就，知識和信息呈指數級增長，教學目標從傳統的學生掌握知識轉化為培養學生有效獲取知識和信息以解決實際問題的能力。發掘知識、尋找知識間的聯系、總結規律將成為大數據時代對人才的重要要求，各國也紛紛出臺了與之相對應的評價標準。2004年，澳大利亞與新西蘭的高校信息素質聯合工作組共同頒布了《澳大利亞與新西蘭高校信息素質能力指標體系》；[5]中國清華大學在2007年也擬定《北京地區高校信息素質能力指標體系》。[6]各指標體系雖然在細節上存在差異，但基本內容都是對學生信息素養標準的規定，包括信息意識、信息能力，甚至是信息創新。2008年，歐盟委員會(the European Commission)指出，信息素養愈來愈變成生活必不可少的能力，不能有效訪問信息和使用信息技術將成為社會發展、個人發展的極大障礙。[7]2010年5月，歐盟發布了“歐洲數字議程”(the Digital Agenda for Europe)，這是“2020歐盟戰略”的七大計劃之一，且最早付諸實施，其內容包括提高全民信息素養，建立“歐洲數字化標準”的概念框架等。[8]2011年，歐盟委員會又發起了“DIGICOMP計劃”(Digital Competence Project)，其目的是識別數字能力的主要構成，開發數字能力描述框架提出實施路線方法。[9]

(二)課堂教學走向智能化與泛在化

美國著名的未來學家和社會思想家托夫勒(Alvin Toffler)在《未來的沖擊》中提出，“未來的教育”要面向服務、面向創新，而在家上學、教育空間設計成為未來教育發展的重要趨勢，學校的界限也將消失。大數據的海量信息內容和精準的學習分析技術帶來了智慧學習和泛在學習。[10]智慧學習是根據學習者的特征自動為學生提供其需要的資源和工具，是一種自動化、智能化的學習方式。學習場所能夠智能感知學習情景，識別學習者特征，即時為學生提供合適的學習資源與互動工具；自動記錄學習過程，評測學習效果，實時給予反饋，以促進學習者更好地學習。大數據不僅帶來了智慧學習，還帶來了泛在學習。泛在學習是在高度發達的計算機和網絡技術之下，以大數據為支撐的一種學習方式，所有人都不受時間、地點的局限獲取任意需要的信息。泛在學習滿足了學習過程的移動性、學習環境的智能性、學習服務的針對性以及學習方式的多元性，學習者更加自由，更加個性化。

(三)學業評價趨向系統化與多元化

傳統的學生學業評價主要根據學生考試成績、作業成績和課堂表現對學生進行測評，評價結果難以真實反映學生學業水平。大數據時代，教師可以對學生行為長期記錄跟蹤，對獲得的信息進行整理分析，從而發現問題，總結規律，以提高教學質量。美國的“縱向教育系統”就是一個典型案例。[11]該系統是美國各州首席教育主管理事會(the Council of Chief State Schod Officers)和美國聯邦教育部數據峰會(US Department of Education's Data Summit)聯合，在全國范圍內建立的以州為單位的縱向教育數據系統，也即數據質量運動(Data Quality Campaign)。各州對每個學生都建有唯一的檔案記錄，記錄了學生從幼兒園到12年級的每個成長階段和整個成長軌跡。該系統包含10個數據庫，其內容為：學生每年的行為表現；學生注冊、統計及參加的教育項目；學生每年的考試成績；未參加考試學生及其原因記錄；與學生相關的教師檔案系統；學生完成的課程和學分；SAT考試分數記錄；學生畢業率和輟學率；學生從幼兒園到中學后記錄卡；評估和核查數據有效性的記錄。根據縱向數據系統，學?；蚪處熆衫眯兄行У姆治龉ぞ吆筒呗?，對學生整個成長檔案進行綜合分析，從而評估學生學業情況。評價內容不僅依據學生最終的畢業考試成績，還分析從幼兒園到高中每個階段的學習成績；不僅分析學生各學科的考試成績，還重視學生在學習過程中的行為表現。評價方式從傳統的重結果轉向重過程，從而更系統、更多元地評價學生。

(四)在線學習成為超越傳統的新型教學模式

在線學習在大數據時代正成為一種潮流。孟加拉裔美國人薩爾曼·可汗在2009年創立的可汗學院是一家非營利性的、以網絡課程為載體的教育組織，通過網絡進行免費視頻授課，授課內容主要包括數學、物理和化學等7個學科的知識，授課視頻被廣泛傳播，目前全球已有成千上萬的學生通過互聯網學習。2012年5月，哈佛大學與麻省理工學院宣布，將投入6，000萬美元開發在線學習平臺，向全世界免費開放，讓全世界的學生都能享受名校名師的精彩授課。[12]

在線學習之所以發展很快，其最大的優勢在于學生不受時間、地點的限制就可以享受優質的教學資源，同時還在于能量巨大的學習分析技術。學習分析技術利用在線學習系統中的大數據來分析學習者的學習趨勢和學習效果，找出教學活動規律，以提高教育教學質量。在線學習系統可跟蹤學生的在線學習軌跡，自動保存學生學習過程中的各種信息，深度挖掘更為廣泛的學生行為。教師能更好地把握學生能力及知識的特點，在教學過程中做到有的放矢。不僅如此，在線學習的教學反饋和測試比傳統的教學也更有優勢。傳統的教學從教師布置作業，學生完成作業，再到教師評定并返回給學生，反饋速度較慢，周期較長，而在線學習能夠在學習者學習完某個知識點后立即呈現相應的試題，學生完成提交后可迅速得到系統的反饋。

{C}

二、大數據時代的大規?？鐕容^研究

(一)大規模跨國比較研究的早期形態

教育的大規?？鐕{查研究思想起源于“比較教育學之父”朱利安，他提出了如何獲取、整理、對比和分析統計數據的一系列設想。例如，收集各國的學生入學數、教材、教師情況、財政情況、教育成效等數據，通過統計、分析，找出其中的內在關系，總結一些規律，這些教育規律可以移植到任何一個國家和地區，并發揮作用。雖然朱利安提出的設想當時沒有得以實現，但其跨國調查研究的思想具有前瞻性，并深深根植于現代的教育調查中，被大量組織機構和研究機構所采用。20世紀30年代早期，國際教育研究所開始收集各國教育數據，1933年公開出版了《教育年鑒》(Education Yearbook)，揭示35個國家教育發展現狀，這是國際教育資料收集與比較的開端。1946年，聯合國教科文組織宣告成立，從1955年至1971年出版了五卷本的大型《世界教育調查》，從20世紀50年代初到1975年又出版了19卷本的《統計報告與研究》叢刊，20紀90年代初開始出版《統計年鑒》和《世界教育報告》。這一切為開展大規?？鐕容^研究奠定了扎實的基礎。[13]

(二)當前以學業成績測評為代表的跨國比較研究

朱利安提出的跨國比較研究在今天已經得以實現并迅速發展，OECD(經合組織)、UNESCO(聯合國教科文組織)、IEA(國際教育成就評估協會)和世界銀行當前所開展的大規模跨國教育調查和學業成績測評就是例證。IEA在1964開始了世界范圍內的數學成績測試，隨后又啟動了科學、閱讀理解、文學、公民、法語、英語“六科教育調查”。當前而言，OECD組織的國際學生能力評價(Program for International Student Assessment，簡稱PISA)和 IEA實施的國際數學與科學測評(Trends in International Mathematics and Science Study，簡稱TIMSS)是最具代表性的大規?？鐕煽儨y評項目。[14]其中，PISA是對義務教育階段后的學生進行閱讀、數學和科學三個領域的學業成就測評，評估學生知識、技能和解決實際問題的能力。同時，通過問卷調查學生個人特點、家庭、學校和社會經濟文化等影響學業的各種背景信息。TIMSS是IEA在1994年啟動的測評項目，測試不同國家4年級和8年級學生在數學和科學兩領域的學業情況，同時還要分析學校、教師、學生、課程和課堂教學活動等。

(三)大數據促進大規模跨國比較研究不斷完善

大數據使得跨國比較研究趨于完善，表現在調查對象范圍的擴大化、調查手段的自動化和調查內容的多樣化。首先，測試對象范圍不斷擴大。大規模比較運用于教育領域，開始只是針對基礎教育階段的學生，如PISA是針對15歲的學生進行閱讀、數學和科學測試，而TIMSS是針對4年級和8年級的學生進行數學和科學評估。20世紀90年代后，信息處理從簡單走向復雜，因而測試對象也由簡單的學生群體轉向復雜的成人群體。如 OECD在2012年主持實施的“國際成人讀寫能力評價項目”(Program for the Internatioiaal Assessment of Adult Competencies，簡稱PIAAC)就是一項針對成人的測試項目，有25個參與國。其次，測試手段發生變化。紙筆測試和背景信息調查是傳統的測試手段，PISA2003是以紙筆方式測試學生， PISA2009在測試學生閱讀能力時采用電子閱讀方式，而PISA2012完全是通過計算機對學生進行測試。大數據時代的試題設計更為人性化，利用仿真技術模擬現實生活中的場景，以便被試更容易理解試題的真正意義。另外，PIAAC也是讓被試在電腦上完成測試題目，調查者還入戶調查，通過面對面的訪談來獲得被試的基本信息。第三，測試內容不斷擴大。HSA測試學生的閱讀、數學和科學能力時，除了測試知識、技能的發展情況，還考查學生解決實際問題的能力，調查個人、家庭、學校和社會等多方面信息。隨著大數據的普遍應用，信息技術也從單純的評價工具轉而成為學生基本能力要求。IEA在2013年啟動的國際學生計算機與信息素養測評項目(the International Computer and Information Literacy Study，簡稱ICILS)，就是測試學生計算機與信息素養的大規模跨國比較研究，目的在于調查參與國開展計算機與信息素養教育的方式，并選取8年級學生開展信息素養水平測試。

(四)基于大數據獲取的跨國比較研究結果影響了各國的教育決策

大規模的跨國比較研究通過傳統測試和網絡測試，獲取了幾十個國家的上百萬學生的學業成績，還包括影響學業成績的個人特點、學校情況、家庭情況和社會信息等各種因素，數據量非常龐大，在大數據里挖掘和提取有價值的信息是進行跨國比較研究的首要目標。通過數據挖掘，世界范圍內與教育政策相關的大規模比較研究結果，成為各國制定教育政策的重要依據。2010英國頒布的白皮書《教學的重要性》開啟了英國教育改革的新浪潮，而白皮書中各項教育改革措施主要基于麥肯錫(McKinsey)顧問報告和OECD/PISA數據分析，麥肯錫顧問報告是麥肯錫公司通過分析多個高效教育教學系統的大量數據來判斷各國的教育政策是否存在問題，并制定相應的計劃。[15]英國的教育大臣在國會聽證會上聲稱：“我已經去過新加坡和香港，值得人們欣喜的是他們執行的課程也可以在我們的學校執行。”[16]在2011年1月的世界教育論壇上，他說：“如果忽視HSA和麥肯錫研究，沒有一個國家能夠真正保證他們的孩子享受優質教育。我們發布的白皮書有意整合了最優質的教育政策，也即高性能國家的教育政策。”[17]

三、大數據時代比較教育學科的轉型

(一)研究主體亟須提升大數據應用能力

在大數據時代，比較教育研究者必須具備大數據應用能力和共享協作意識。一方面，比較教育研究者可以方便獲取豐富的圖書資料，研究報告和學術論文等各種文獻資源。以期刊碩博論文平臺為例，比較教育研究者只需通過簡單的檢索就能獲得知名比較教育學家的信息、重要的比較教育學專業期刊、比較教育研究方向以及各研究方向的進展程度。這些是比較教育研究者進行科學研究的前提和基礎。同時，大數據在商業界和學術界存在大量交叉，比較教育研究者在進行學術研究時通常忽視了商業界中的重要信息。某些數據對公眾是不開放的，要獲取它們也很有挑戰。另一方面，比較教育研究者獲取數據之后，還需要快速、高效地將原始數據轉換成可行的、有用的數據，以便更好地進行科學研究。所以，比較教育研究者必須具有大數據意識，能夠快速、有效、充分地獲取研究所需的大數據。進一步清理數據、管理數據、合并數據都是比較教育研究者應該具備的能力。

另外，比較教育研究者還應有共享協作意識。大數據時代，網絡的飛速發展及在線互動工具的增多使得比較教育研究者之間的交流變得更為簡單，比較教育研究者應相互分享研究成果，共享科研資料，避免因交流不足而經歷大量的重復勞動，造成巨大的資源浪費。隨著教育全球化的深入，大規模的、跨學科的資源共享和協同工作成為可能，比較教育研究者不再是各自為戰，而應形成共享文化、協作互助，共同促進科學研究的創新。

(二)研究方法更強調大數據的收集與分析

比較教育研究方法呈多樣化發展趨勢。1817年至20世紀初期，比較教育研究方法主要為描述法，描述外國的教育理論和教育實踐。20世紀初期到20世紀50年代，比較教育研究多采用歷史研究法、因素分析法，分析教育制度形成的歷史背景，關注教育外的政治、經濟、文化、宗教、社會等因素對教育制度的影響。20世紀50年代后至20世紀70年代，比較教育研究采用社會科學的實證研究法，通過收集資料和數據，利用統計、分析來驗證研究假設是否成立，如貝雷迪的“四階段法”、安德森的“結構功能主義法”、霍姆斯的“問題研究法”等。20世紀70年代之后，比較教育研究引入了世界分析框架，采用新馬克思主義、依附理論等方法研究教育發展與變遷。

隨著大數據時代的到來，人們更熱衷于客觀和科學的大數據，通過對國外教育數據，甚至全球教育數據的收集、整理和分析，從而進行國別教育研究、區域教育研究、跨國教育研究等各種比較教育研究。雖然不同類別的研究有不同的特點，如獲取方式不同，數據量大小不同，但大數據分析方法的流程是一致的。首先，是大數據的采集。利用各種數據庫來收集、管理數據，通常用MySQL，Oracle，HBase和MongoDB等數據庫產品，數據庫的設計也要根據比較教育研究的內容和需要構建數據庫表和字段，盡可能做到標準化和規范化。其次，是大數據聚集和處理。將海量的小數據庫導入到大型的分布式數據庫中，采用分布式技術對這些大數據進行操作，如查詢、分類、統計匯總，可使用的產品有Hadoop、InfoBright、YunTable等。最后，是大數據挖掘，它屬于更高級別的數據分析技術，可以識別潛在關系，預測未來發展趨勢等，目前使用的工具有Hadoop Mahout。

基于大數據的研究包含了更多的樣本，調查獲取的數據客觀而真實，統計方法科學而準確。用大數據進行比較教育研究，研究的結論更令人信服。但大數據分析法不能作為比較教育研究方法的全部，由于比較教育研究本身的復雜性，大數據分析法必須與其他研究方法相結合才能更有效地進行比較教育研究。

{C}

(三)研究對象拓展至跨國乃至全球性教育問題

從比較教育誕生之日起，比較教育的研究對象大多以民族國家為主，分析民族國家的教育理論和教育實踐，從中吸取有益的成分以改進本國的教育。21世紀后，國際組織和跨國教育合作越來越普遍，邁克·吉恩認為，跨國公司、跨國銀行及其類似的“超國家”(Supranational)機構削減了“民族國家”概念，對教育產生了巨大影響。[18]因此，比較教育研究對象又包含了國際組織和機構，“全球性”受到更廣泛地關注，比較教育的研究范圍呈擴大趨勢。在IEA組織的測評項目中，38個國家和地區參與了2006年的國際公民素養研究(簡稱ICCS)，57個國家和地區參加了2011年的國際數學和科學發展趨勢研究(簡稱TIMSS)，53個國家和地區參與了2011年的國際閱讀素養進展研究(簡稱PIRLS)。就PISA項目而言，2000年、2003年、2006年、2009年的參與國家和地區數分別為41個、43個、57個、65個，2012年進一步增加到67個，基本涵蓋了世界上主要發達國家和新興經濟體。

(四)研究目的指向大數據驅動下的教育決策

從研究目的上看，比較教育的研究目的最開始起于借鑒，借鑒他國的教育經驗為本國所用。之后，比較教育學者開始反思借鑒過來的教育制度的本土化可行性，尋找影響各國教育制度的背景因素。這種通過歷史研究、因素分析獲得教育規律的研究思路被一些實證主義研究者所否定；于是比較教育研究的目的又轉向尋求一些普遍的規律。在大數據時代，比較教育研究的目的更傾向于教育決策的制定，影響教育政策和改進教育實踐成為比較教育研究的重要使命。OECD下屬的 PISA管理中心(PISA Governing Board)在2011年曾開展過一次調查，調查主題為參與PISA測評對各國教育政策的影響程度。在參與調查的37個國家和地區中，17個國家或地區認為PISA測試對教育政策的影響比較大，11個國家或地區認為PISA的影響比較適中，而來自英格蘭、丹麥、日本的調查人員表示PISA的影響非常大。這個案例佐證了大規模跨國比較教育研究對各國政策的影響。[19]

進行國別教育研究時，大數據用以分析各國教育決策的變化。最近布魯金斯學會的一篇論文指出：“美國國家縱向數據系統的開發和使用、數據分析能力的提高、公眾對各種決策及影響的證據需求，都導致了大數據在教育決策中的使用日益增多，而數據驅動決策(Data-driven Decisions)確實能使學校做出的決策更合理、更讓人信服。”[20]美國哈佛大學教育與經濟學教授凱恩(Thomas J.Kane)指出：“數據在本地政策討論中更有影響力，因為任何政策干預都依賴于本地條件。以學前教育普及為例，學前教育的普及依賴于非補貼方案的可用性、控制程序質量的法規和熟練的教師，所有的這些現實條件都會隨時改變，而這些現實條件就是大數據。”[21]

四、結語

大數據影響了世界教育發展趨勢，改變了傳統的教育目標、教學方法、教學評價和教學模式。比較教育研究需要關注世界教育發展動向，充分利用大數據給比較教育學科發展帶來的巨大機遇。同時，大數據也推動了大規模的跨國比較研究的發展，大數據的收集、整理和分析是大規?？鐕容^研究不可或缺的步驟。大數據在帶給比較教育生機與活力的同時，對比較教育研究者也是一項挑戰。在大數據時代，比較教育研究者應深入挖掘、整理和分析各國教育數據，從中探索總結教育發展規律和趨勢。

參考文獻：

[1]Ovadia S.The Role of Big Data in the Social Sciences[J].Behavioral &Social Sciences Librarian,2013,(2):130-134.

[2]Gianluca B.The Centre for Economic Performance Is Financed by the Economic and Social Research Council:Acknowledgements[J].General Information,2010,(8):1017-1046.

[3]Worst J.The Case of the "Big Data" Revolution[J].Working Papers,2014,30(35):119-141.

[4]Project N H.NMC Horizon Report:2013 Higher Education Edition(Ⅱ)[R].Guangzhou Open University,2013.

[5]婁麗娜.基于FAHP的山東大學學生信息素養能力對比和提升研究[D].山東大學，2012.

[6]曾曉牧.北京地區高校信息素質能力指標體系研究[J].大學圖書館學報，2006，24(3)：64-67.

[7]Baltac V.European Universities and the ICT Industry[R].IFIP International Federation for Information Processing,2008:81-94.

[8]Billestrup J,Stage J.E-government and the Digital Agenda for Europe[J].Lecture Notes in Computer Science,2014,(18):71-80.

[9]Roussinos D,Jimoyiannis A.Blended Collaborative Learning through a Wiki-based Project:A Case Study on Students' Perceptions[J].International Journal of Digital Literacy &Digital Competence,2011,2(3):15-30.

[10]托夫勒.未來的沖擊[M].蔡伸章譯.北京：中信出版社，2006.

[11]Schenk T,Matsuyama K.Calculating Returns to Degree Using Student Longitudinal Data Systems[J].Social Science Electronic Publishing,2010,(2).

[12]石子.哈佛大學與麻省理工學院合推免費網絡教育[J].中國遠程教育，2012，(9)：45-45.

[13]Auld E,Morris P.Euan Auld &Paul Morris.Comparative Education,the "New Paradigm" and Policy Borrowing:Constructing Knowledge for Educational Reform[J].Comparative Education,2014,50(2):129-155.

[14]王正青，唐曉玲.國際學業成就測評的發展動因、政策回應與積極影響[J].比較教育研究，2013，(4)：101-105.

[15]Barber M,Mourshed M.How the World's Best Performing School Systems Came Out on Top[R].McKinsey,2007.

[16]方兆玉.英國前任教育大臣邁克爾·巴勃：目標堅定攸關改革成敗[J].上海教育，2012，(10B)：19.

[17]Education D F.Supporting Families in the Foundation Years:Proposed Changes to the Entitlement to Free Early Education and Childcare Sufficiency[R].Department for Education,2011.

[18]Crossley M,Watson K.Comparative and International Research in Education:Globalisation,Context and Difference[M].London:Routledge Falmer,2003:150.

[19]OECD.PISA 2009 Technical Report[R].OECD Publishing,2012.

[20]Grover J.Opportunity through Education:Two Proposals[R].Brookings Institution,2011:181-186.