2018年4月17日下午3点，北京大学教育学院丁小浩教授应北京师范大学教育学部教育经济研究所邀请，在英东学术会堂第二演讲厅开展了题为“大数据时代的教育研究——机遇与挑战”的学术讲座。此次活动由教育学部胡咏梅教授担任主持人，这是由教育学部教育经济研究所举办的“京师教育经济微观调查与实证研究论坛”系列讲座的第五场活动。

讲座开始，胡咏梅教授首先对丁小浩教授重回母校进行学术交流表示感谢，并向到场的老师、学生们介绍了丁小浩教授。丁小浩教授本科就读于北京师范大学数学系，1984年在北京大学留校工作，现任北京大学教育学院教授和学术委员会主席，研究领域为教育经济学、教育财政学，近期研究兴趣主要在教育与劳动力市场、大学生实习的经济学分析、教育政策评估等。

1 丁小浩教授

在本次讲座中，丁小浩教授首先剖析了大数据概念的内涵，由于超出了常用传统工具可容忍的时间内捕获、策划、管理和处理数据的能力，大数据需要用新处理模式才能具有更强的决策力、洞察力和流程优化能力。丁老师认为海量、高增长率和多样化是大数据核心的三个特征。那么，大数据对教育研究产生了怎样的影响呢？丁老师从研究问题、测量、研究对象、研究方法、相关和因果这五个方面，谈了自己的认识与思考。

在研究问题方面，大数据时代催生了教育数据挖掘（EDM）领域的发展，教育数据挖掘为从大量教育数据中发现潜在有用的信息提供了手段，学习分析( LA) 成为教育数据挖掘的核心，传统的教育技术、智能教学系统、教育游戏、学习管理系统等均产生持续增长的大量数据，成为分析研究的可用数据。对成千上万MOOCs学生的教学反馈和评价近年来也成为研究的新兴趣点。教育研究在预测学生学习行为、发现和改进既有的学生发展和教学策略模型、增强教育实验的评价效果等方面的努力和探索，似乎借力于大数据概念的兴起，给人们带来无限的憧憬和希望。在测量方面，测量包括对事实的测量和对认知情感的测量，大数据测量同样存在着与传统测量一样的问题。例如，在测量客观行为时，不一定得到的是真实客观的数据，一些自报信息可能是不准确的，关键要看数据是怎么收集的，因此大数据的采集同样需要注意信度和效度问题。在调查对象方面，大数据不需要像传统研究那样进行抽样，基本可以做到全样本，但是对其推广性，丁老师提出三个质疑，分别是“此总体是否能推广到彼总体”、“传感器记录的代表性”、“总体的漂移”。在数据分析方法方面，数据挖掘主要包括统计、数据库技术、模型识别和机器学习等，丁老师提出统计显著性与样本量有关，样本量增大已产生统计意义上的显著性，因此大数据可能会放大一些干预的效果，并且提出一个质疑：“如果大数据代表了总体，是否就不需要统计推断了？”在相关VS因果问题方面，社会科学一直在试图探索因果关系，教育研究也不能仅仅停留在描述、预测层面，还要把探索因果关系，解释教育现象作为研究重点；但是大数据更多是一种归纳的、相关的、预测的分析范式，因此，研究者要将大数据的分析范式与传统的研究范式相结合，追求现象背后的理论解释。大数据应用实际上可以看做是一种为因果关系的研究铺路奠基的探索性数据分析，而不是小数据研究范式的替代。最后，丁老师分享了自己在使用大数据研究方面的两次尝试中的困难与经验，使与会者受益良多。

2 在场老师、学生认真听讲

在互动环节，杜育红老师从自己的生活体验出发，分享了对大数据的认识与感受，他认为大数据存在着两面性，一方面可以对个体选择行为进行准确的判断，另一方面也感觉自己的行为在无意中被监控，但总体来说对大数据的应用保持一种乐观的心态。随后，也有老师、学生纷纷就此问题发表了自己的观点。侯龙龙老师从科学研究的角度，提出在大数据时代需要信息技术人员与教育研究者合作，开展更有价值的研究工作。杜屏老师回应了丁老师提出的大数据全样本的问题，认为研究人员和大数据公司在利用大数据分析时，需要对大样本研究对象进行时间、地点、人物的框定，小心谨慎的下结论。

3 互动环节，大家积极发言

最后，胡老师对本次讲座进行了总结。大数据的兴起和应用在众多领域蓬勃发展，也对许多学科的研究产生了深远影响，许多高校已经开设了专门的大数据分析的课程。在抓住大数据时代带给我们机遇的同时，也需要正确应对其挑战。本次讲座给予与会师生许多思考和启示，京师教育经济微观调查与实证研究论坛第五期活动在热烈的掌声中圆满结束！

撰稿/元静

摄影/元静

北京师范大学教育学部教育经济所

2018年4月18日