教育数据分析：从观察到决策

数据在具体背景中获得意义

教育活动产生有关任务、行动、成果、专业能力、 资源和参与者协作的数据。

只有与目标、背景、标准、角色和 先前状态建立联系，数据才具有分析意义。

观察提出问题，解释提供可能原因；负责任的 参与者选择行动并确定如何检验结果。

1. 01

   记录

   收集有关事件、行动或成果的数据。

2. 02

   建立关联

   确定任务、角色、标准和依赖流程。

3. 03

   比较

   与预期状态、先前成果或其他背景进行对照。

4. 04

   发现

   识别有意义的变化、模式或限制条件。

5. 05

   解释

   提出可能原因并说明不确定性。

6. 06

   准备情景方案

   列出行动方案及其预期后果。

7. 07

   作出决策

   负责任的参与者选择有依据的方案并明确权限。

8. 08

   执行行动

   在约定条件内调整任务、发展路径或流程。

9. 09

   检查成果

   评估决策和行动之后的新状态。

分析体系的六个层次

教育数据分析依次连接多个层次 - 从数据来源 到反馈与系统更新。

大学活动产生哪些数据

分析体系使用大学实际教育、研究和项目流程中 产生的数据。每个来源都应关联具体行动、责任参与者 以及明确的用途。

追溯指标的来源

指标：团队在论证阶段遇到困难

1. 01

   项目任务

   数据类型： 任务设定

   责任角色： 教师

   关联： 原始任务要求

   时效性： 在当前模块中有效

   对结论的影响： 确定评价标准

2. 02

   论证标准

   数据类型： 标准

   责任角色： 教学方法负责人

   关联： 任务的一部分

   时效性： 当前有效

   对结论的影响： 说明预期要求

3. 03

   阶段性成果

   数据类型： 阶段成果

   责任角色： 团队

   关联： 项目的一部分

   时效性： 在当前周期内有效

   对结论的影响： 显示与标准之间的差距

4. 04

   专家意见

   数据类型： 专家评论

   责任角色： 专家

   关联： 阶段检查

   时效性： 当前有效

   对结论的影响： 指出反复出现的不足

5. 05

   重复出现的错误

   数据类型： 模式

   责任角色： 分析智能体

   关联： 多个工作环节之间的关联

   时效性： 持续存在

   对结论的影响： 形成观察

6. 06

   分析观察

   数据类型： 信号

   责任角色： 协调员

   关联： 汇总分析结论

   时效性： 当前有效

   对结论的影响： 交由教师处理

分析意义的不同层次

指标描述流程的某个属性，观察则把多个 指标放进具体背景。解释提出可能原因，决策确定 后续行动。

1. 01

   数据

   三个项目阶段均晚于计划完成。

2. 02

   指标

   各阶段完成时间有所延长。

3. 03

   观察

   延误发生在分析角色向经济分析角色移交成果之后。

4. 04

   解释

   团队采用了不同的中间成果完成标准。

5. 05

   决策

   设立共同检查节点，统一成果移交格式。

每进入更高一个层次，都需要补充背景信息、进行核验，并由有责任的 参与者作出解释。

分析一个信号

情境：跨学科项目中，团队成果各部分之间的一致性下降。

分析必须追溯成果如何产生

行动、任务、标准、背景和参与者贡献之间的关联， 决定了成果的教育意义。

通过分析可以明确哪些步骤形成了成果、采用了什么方法、 困难发生在哪里，以及哪些能力还需要发展。

1. 01

   原始任务

2. 02

   参与者角色

3. 03

   已执行的行动

4. 04

   使用的数据与方法

5. 05

   形成的成果

6. 06

   质量标准

7. 07

   反馈

8. 08

   关联的专业能力

9. 09

   下一步行动

一项任务提供哪些信息

任务：为大学建筑制定降低能耗的方案。此处使用 包含技术和经济选项的情景模型作为示例成果。

作为关联证据体系的专业能力

专业能力分析将行动、成果、标准、应用背景以及专家的 确认联系起来。

一项成果可以证明多项专业能力；同一项能力也可能需要 通过多项任务及不同背景中的表现才能得到充分确认。

• 已经采取了哪些行动
• 形成了什么成果
• 达到了哪些标准
• 能力在哪种背景下体现
• 证明材料是否仍然有效
• 哪些角色确认了成果
• 哪些方面仍需进一步核验
• 下一种应用背景能怎样拓展能力

「系统分析」专业能力的证据图谱

根据已确认的成果确定下一步

发展路径分析考虑当前任务、成果、专业能力、目标、角色以及 可用的发展机会。

下一步可以深化能力、拓宽应用背景、弥补已发现的 不足，或承担新角色，将成果用于实际项目。

1. 01

   稳定的成果

   参与者持续高质量地完成同类任务。

   可选择的行动： 扩展应用背景或提高任务难度

2. 02

   背景方面的不足

   某项能力已在一个领域体现，但仍需在其他领域检验。

   可选择的行动： 安排跨情境应用方法的任务

3. 03

   方法方面的不足

   成果显示参与者在某种具体行动方法上遇到困难。

   可选择的行动： 补充说明并安排训练任务

4. 04

   角色准备度

   参与者表现出协调或整合成果的能力。

   可选择的行动： 建议承担新角色

5. 05

   项目准备度

   专业能力已经在多个教学情境中得到证实。

   可选择的行动： 将任务转化为应用项目

选择下一步

这是一个匿名化的示例档案。当前角色为分析员。已证实其数据处理、 情景建模、依赖关系识别与团队沟通能力。尚需发展： 经济论证、整合协调以及在真实环境中应用方法的能力。

下一步选择逻辑的演示。

教育成果受到流程组织方式的影响

流程分析考察阶段、依赖关系、期限、角色、资源和 协调节点。

长期存在的困难可能来自任务结构、相互冲突的标准、 时间不足、资源冲突或角色之间成果移交不畅。

1. 01

   个人层面

   • 任务
   • 行动
   • 成果
   • 发展路径
2. 02

   团队层面

   • 角色
   • 依赖关系
   • 沟通
   • 共同成果
3. 03

   教学方案层面

   • 模块
   • 顺序
   • 标准
   • 专业能力关联
4. 04

   资源层面

   • 时间
   • 场所
   • 设备
   • 专家可用情况
5. 05

   系统层面

   • 重复出现的限制条件
   • 流程之间的相互影响
   • 持续出现的延误节点
   • 管理规则产生的后果

查找系统性限制

情境：多个项目团队的成果整合工作反复延期。

分析结论必须在核验系统的多个层次之后形成。

相同情境下的不同分析任务

每位参与者根据自身角色、权限以及 需要作出的决策，使用相应的分析视图。

1. 01

   学生

   • 已经完成了什么
   • 哪些成果得到确认
   • 困难出现在哪里
   • 下一步有哪些选择
   • 哪些资源可以提供帮助
2. 02

   教师

   • 团队如何执行任务
   • 哪些困难反复出现
   • 哪些标准引起分歧
   • 哪些行动有利于学习发展
   • 哪些成果需要专家核验
3. 03

   教学方案负责人

   • 哪些模块造成持续的能力缺口
   • 工作负荷如何分布
   • 哪些能力得到确认
   • 哪些流程需要调整
   • 资源冲突出现在哪里
4. 04

   大学管理层

   • 哪些机制限制了发展
   • 教学方案、项目与资源怎样关联
   • 哪些改变会产生系统性效果
   • 哪些情景方案需要协商
   • 哪些成果能证实所选方向

相同情境下的四个分析层次

情境：跨学科项目往往需要在最终 答辩前再次修改。

分析结论必须说明可信度边界

每项分析结论都受数据质量、背景信息的完整性、所选 方法及其他可能解释的影响。

系统展示数据来源、完整程度、未解决的问题以及 解释的依据。

数据质量标准

• 时效性
• 完整性
• 一致性
• 可验证性
• 与任务的相关性
• 来源明确程度
• 背景是否充分

不确定性的类型

1. 01

   数据不足

   作出结论前还需要进一步观察。

2. 02

   数据相互矛盾

   不同来源呈现出不同状态。

3. 03

   存在多种解释

   这种情况可能有不同原因。

4. 04

   背景发生变化

   新事件之后，数据的意义随之变化。

5. 05

   方法的限制

   所用分析方法只能反映流程的一部分。

定性的可信程度状态

• 数据充分
• 需要核验
• 背景正在变化
• 存在多种解释
• 适用范围有限

分析使用相互关联的状态模型

数字孪生为分析提供有关人员、任务、专业能力、 项目、资源、场所和流程的关联背景。

分析观察更新数字孪生，形成新的状态、事件与 依赖关系。

1. 01

   人员状态

   • 正在执行的任务
   • 角色
   • 成果
   • 发展路径
   • 可用情况
2. 02

   任务状态

   • 期限
   • 依赖关系
   • 标准
   • 状态
   • 成果
3. 03

   专业能力状态

   • 证明材料
   • 应用背景
   • 时效性
   • 专家确认
4. 04

   资源状态

   • 可用情况
   • 使用负荷
   • 限制条件
   • 关联流程
5. 05

   项目状态

   • 阶段
   • 团队
   • 成果
   • 风险
   • 外部承诺
6. 06

   变更历史

   • 事件
   • 决策
   • 行动
   • 新状态
   • 后果

了解大学数字孪生 →

AI 智能体如何使用分析背景

专门的智能体承担分析周期的不同职能：整理 数据、查找关联、提出问题、检验解释并准备 行动方案。

智能体将成果连同来源、依据以及已说明的 不确定性一并交给负责任的参与者。

1. 01

   分析智能体

   • 关联数据
   • 识别变化
   • 形成观察
   • 提出可能原因
2. 02

   批判性评估智能体

   • 检验逻辑
   • 查找其他可能解释
   • 对照来源核验结论
   • 标记依据薄弱之处
3. 03

   专业能力智能体

   • 将成果与证明材料关联
   • 展示能力体现的背景
   • 识别能力缺口
   • 建议下一类任务
4. 04

   资源智能体

   • 分析使用负荷
   • 发现冲突
   • 比较情景方案
   • 说明资源方面的后果
5. 05

   协调智能体

   • 将结论与流程关联
   • 确定受影响的角色
   • 制定协商流程
   • 跟踪决策成果
6. 06

   治理智能体

   • 核验权限
   • 确定数据使用规则
   • 记录依据
   • 形成权限允许的行动方案

了解多智能体环境 →

一项建议如何形成

信号：学生团队反复需要重新完善 经济论证。

分析如何支持教学方案发展

初始情境：在多个项目模块中，参与者分别取得良好的 专业成果，却在整合共同方案时遇到困难。

分析结论的使用规则

1. 01

   目标明确

   每项分析工作都关联一个具体问题或决策类型。

2. 02

   来源清楚

   数据、关联和结论依据都可供核验。

3. 03

   结合背景作出解释

   结论考虑任务、角色、标准、时间和流程条件。

4. 04

   说明不确定性

   分析成果中记录未解决的问题、其他可能解释和限制条件。

5. 05

   明确角色责任

   每项决策均明确解释者、参与协商的角色和最终责任人。

6. 06

   有限访问

   使用者只能访问与其任务及权限相符的数据。

7. 07

   检验后果

   已作出的决策及其成果进入下一轮分析。

大学 5.0 教育数据分析的构成

1. 01

   关联的数据

   在共同背景下考察行动、成果、专业能力、流程和资源。

2. 02

   可追溯的来源

   每个指标和结论都与来源、任务、标准及责任参与者保持关联。

3. 03

   区分分析层次

   数据、指标、观察、解释和决策构成连续的分析意义层次。

4. 04

   与背景关联的发展路径

   根据已确认的成果、目标和可用的发展机会确定下一步学习行动。

5. 05

   系统分析

   从个人、团队、教学方案和资源层面考察持续存在的困难。

6. 06

   按角色查看

   学生、教师、教学方案负责人及管理层使用不同的分析背景。

7. 07

   说明不确定性

   分析成果包含数据质量、其他可能解释以及必需的核验步骤。

8. 08

   闭环

   决策改变流程，新成果更新数字孪生，并开启下一轮分析。

教育数据分析建立观察、解释和 负责任行动相互衔接的过程，帮助大学 5.0 发展参与者、教学方案、 项目和组织流程。

关于原创研究模型

教育数据分析概念由 Sergey Shatokhin 在 IWXA 实验室的大学 5.0 模型与 EduOS「Lad」架构框架下开展研究。

分析体系把事件驱动的流程组织方式、教育 发展路径、专业能力证据、数字孪生、AI 智能体和负责任的 管理决策联系起来。

• 作者简介
• 大学 5.0
• EduOS「Lad」
• 大学数字孪生
• 多智能体环境
• 科学研究