杨开城

大数据使得复杂适应系统由概念的抽象存在转变为数据的真实存在。大数据的收集、存储、加工、可视化表征才是难题，特别是在某些算法尚不明确的情况下。总之，一个数据集是否是大数据，最根本的特征就是这个数据集是否是对某种复杂适应系统的完整表征。如果教育实践中没有复杂适应系统，教育就与大数据无缘。凭直觉，教育与大数据有关，因为教育实践本身就是一个复杂巨系统。那么在教育实践这个复杂巨系统中，我们能否找到可以按照大数据方式理解的复杂适应系统呢？

教育大数据的真义

存在是一回事儿，它是什么样子的是另一回事儿。后者取决于理论。很明显，那个复杂适应系统不是常识意义上能够直观得到的，而是理论投射的对象。只有理论在场，数据才有意义。数据只是理论的具体表达。理论也是数据采集处理的尺度。在哪些维度上、以什么颗粒度采集处理数据，是理论的规定。所以，只有先在学理上确认了那个复杂适应系统的概念模型、机制结构，我们才能够在大数据层次上展开更深入的研究和应用，才能以此理解现实中那个活动的系统的真实状况，才能确证教育规律、洞察教育。由此，教育实践中的那个复杂适应系统在哪里、教育大数据在哪里，只能是教育学理论观照的结果。只有在教育学理论逻辑上需要大数据，教育实践才真的可能是大数据的。根据Educology教育学（Pedagogy教育学不是理论，教育实践中的那个复杂适应系统就是教育系统，它本身就是教育学的研究对象。

一个教育系统就是一个完整的课程体系，而课程体系由门类课程组成，门类课程在实施时转化为教学系统。因此，实施态的门类课程可以认为是由教学系统组成。教学系统区分为设计态（Design-time）和活动态（Run-time），设计态是活动态的规划，即教学方案;活动态的教学系统即真实发生的教学活动，它是教育系统最微观、最底层、生存期最短的子系統，它是教师、学生和具有信息处理能力的媒体这三个信息处理主体之间的信息流动网络。由此可知，对于教育系统，从课程体系至教学方案，都属于设计态。不同层次的教育系统的活动态表现为随时间展开的不同规模的活动态教学系统的有机组合。

教育系统自身就是信息系统，包含着海量的非线性信息，信息量与复杂度相辅相成。同时，教育系统中各层次子系统之间又相互关联，这种关联一方面源自知识体系，另一方面源自行动，设计态系统转化为活动态系统是教师通过教学设计与教学行动完成的，因此，这种内部关联亦是非线性的。可见，教育系统属于一种复杂系统，其非线性特征是非常明显的。教育系统又是适应性变化的，这种适应性最直接的表现是教学设计与教学行动的适应性。教师将课程转化为教学方案时就要考虑所面对的各种实情条件，在按照教学方案进行教学时，更要根据现场的情况做出及时调整。但这种适应性调整不是一种任性胡来，我们用一致性来表达它，包括课程与教学的一致性、教学方案与行动的一致性。高度一致意味着失去适应性，若完全不一致，实施的就已经不是那个设计态系统了。其次，教育系统的适应性表现为整个系统的适时维护。如果实施过程中感知到系统的功能缺陷或性能不足，教育组织都会对教育系统做出调整，或者设计态的，或者活动态的。总之，完整的教育系统是一种复杂适应系统，教育大数据就是教育系统在现实中的生成性表现。

教育大数据实践

现代教育必然是数据驱动的，而非纯粹经验主义的实践。数据驱动相对容易，有理论、有数据即可。但是将数据驱动升级为大数据驱动，那只能是Educology教育学理论完整观照实践的结果：以教育系统的设计、开发、实施和调节为核心内容的完整的信息化教育实践，它是一种设计与分析相统一的教育实践，其自然的结果就是因材施教。

完整的教育系统既是设计出来的，又是行动的结果。但不存在一种千秋万代的理想系统，教育系统必须与时俱进，与它自身的环境协同进化。所谓进化，对于教育系统来说就是改进设计、调整行动。改进设计的前提是理解，理解教育系统的现实表现。但细致地理解教育本身是一个难题，因为教育历时长、信息量大。我们不能只是关注结果，诸如分数、升学率等，这些结果远远不能代表教育自身。理解教育需要着眼于真实发生的教育过程。理解离不开分析，通过梳理细节数据，整理出更高层次的真相。也只有依据这种分析出来的实情数据，改进性设计才能够增强教育系统功能的确定性、提高教育系统的适应性，适应性即因材施教。

历史经验表明，为了因材施教而设计开发大而全的学习产品是得不偿失的，不但功能难以实现，而且初期成本和后期维护成本都居高不下。也就是说，单个学习产品内部完全的因材施教是难以奏效的。正确的做法是利用教育众筹机制，开发大量的、功能各异、风格各异的学习产品，让个性化产品的总体丰富性与学习者个性差异的丰富性建立关联。对于某个具体的产品来说，它不需要精确地对学生进行分类，只需做到能满足某类学生某个特定需求即可。当学习产品的丰富性足够大时，学生经过短时间的有限尝试，就可以选择到自己满意的学习产品。这才是因材施教的正途。这种因材施教的学习产品集合是经年累月的结果，是协同进化的结果，绝不是一朝一夕的精明决策的结果。

因材施教不是一种产品功能，而是一种效应。因材施教的关键不在于对个体的精准感知，而在于教育自身的可选择性。所以因材施教可以在教育组织内部表现为课程和教学系统的可选择性，也可以表现为教育组织之间的理性择校。这里，理性择校的标准不是升学率，而是教育组织的服务质量和特色。一个教育组织的服务质量就是指将某个设计态教育系统转化为与其一致的活动态教育系统的能力水平。一个教育组织的服务特色就是指将设计态教育系统转化为活动态时的独特性。

无论是教育系统的改进性设计，还是特定功能学习产品的开发需求，抑或是确认教育组织的能力和特色，都需要真实的、完整的教育系统的分析，这种分析是一种一致性分析，关注活动态教育系统与设计态教育系统的一致性，关注教育组织之间的一致性，在不一致之处寻觅教育系统的缺陷、教育组织的能力短板以及教育组织的特色。教育系统是多层次复杂适应系统，又涉及设计态和活动态，对于它的分析包括课程、知识组件、教学方案、真实教学活动以及学习产品的真实运转过程等从宏观到微观多个层次，活动的教育系统自然又是分布式存在的。可见，这种分析只能是大数据的。教育系统的改进和调试从何处着手、优先处理何处以及如何调整等问题，只有依赖这种大数据分析，才能区分哪些缺陷是意外偶发，哪些是隐含的必然。

教育一定会走向数据驱动

教育学界是敏感的。某种哲学、某种技术、某种方式在其他领域的“巨大”成功对于教育学界而言，总是充满了诱惑或激励。但我们并不需要把首次尝试或简单尝试当作典型案例，把影响力大（谁承认？）的尝试当做成功案例，把基于数据的研究说成是基于教育大数据的研究，用教育数据冒充教育大数据。

教育学界又是不敏感的。对于教育而言，做没做不重要，做没做好才重要。对于“做得好不好”，教育学界却极度不敏感。其实只要想做好，就会触及教育的基本矛盾：教育者的文化传递与受教育者的自我生成之间的矛盾，这种矛盾一直是并永远是依赖直接的心灵和理性去调节的。教育所面对的挑战一直是自身内部的。很多其他领域的发展，并未真正给教育带来必须即时反应的挑战或机遇。至于数据驱动以及教育大数据，则与潮流无关。教育一定会走向数据驱动，并最终实现大数据驱动。