我们生活的时代变了，我们现在的时代是一个完全的数字化的时代，而这种数字化的时代每天都在产生着海量的数据。举个例子，今年的“双十一”，在凌晨两点半的时候达到了500个亿的成交额，仅仅过去了两个半小时，就达到了500亿。在收官的时候，有1207亿的成交额，这个数字远远超过了去年“双十一”912亿的纪录。

很多人都在谈大数据，也有很多的书、很多的文章在探讨。我这几年一直在关注教育大数据，把教育大数据的核心思想梳理为六点：第一点，我认为大数据本身的价值远超过算法技术，数据量的增长可以在某种程度上去弥补算法技术；第二点，我们要承认数据的混杂性和多源性，学会接受不精确、不准确。通过这种混杂性和多源性，更可能去接近数据的真实；第三点，从因果关系转向相关关系，更加快速、客观；第四点，从“抽样”到“全样本”；第五点，突出跨领域数据的交叉融合和数据的流动生长。数据量从一个学校来看是一种解读，但是从全区甚至全社会来看可能又是另外一种解读；第六点，大数据特别强调即时分析，强调对未来的预测。以前的数据更多的描述是过去，是对过去的一种归纳和总结，而大数据让我们能够看到未来。

目前，大数据在国际上处于一个怎样的发展阶段呢？这是国际上非常知名的一个咨询公司提出的技术发展曲线，任何一项新的技术，从产生到最后走向成熟要经过五个阶段。目前大数据基本上处于从非常热的点往下滑的阶段。当技术在顶点大家都在炒的时候，不要因为“时髦”而加入；当它开始下滑的时候反而是机会。大数据技术成熟还需要大概五到十年的时间，我们可以展望在2020年-2025年的时候，可能这项技术就像云技术一样，经过近十年的发展会变得越来越好。今年，我们做了一项非常基础性的工作，编写《中国基础教育大数据发展蓝皮书（2015）》，4月份在北师大举行成果发布。随后8月份，把蓝皮书的成果作为著作正式出版。

教育大数据的三个问题，第一个是教育大数据有和无的问题；第二个是关于大数据和小数据关系的问题；第三个是数据的价值以及它存在的不足、隐患。

教育大数据的体量究竟有多大？我们从师生基本信息数据量、课业测试与作业数据量、校园实录数据量以及课程资源数据量四个维度对基础教育大数据进行估算，参考数据是2014年全国教育事业发展统计公报。我们估算完发现，一年一个班级的教育大数据可以达到GB的级别，而一个校园大概是TB的级别，区县达到PB的级别。PB数据量有多大？如果智能手机相机拍摄相片的平均大小为3MB，打印照片的平均大小为8.5英寸，那么总共1PB的照片的并排排列长度就达到48000英里——大约可以环绕地球2周。

有没有教育领域的大数据是一个相对的概念，因人、因事、因物而不同。作为一个老师，能掌握班级每一个孩子的数据、所授课程的全部数据，那么老师其实就拥有了班级大数据。作为一个校长，能掌握所管学校各方面的数据，包括设备的运行状态、学生的学习情况等，那么校长就拥有了这个学校的大数据。

关于大数据，还有一个无的问题。我们对数据的认识可以分三个阶段，第一个阶段是视而不见，不能说我们以前没有大数据，只是没有在意。当信息被泄露的时候，当有人给你打骚扰电话的时候，你会觉得数据很重要。第二个阶段是日日想见，思考数据怎么来、数据怎么用、数据怎么管的问题。第三个阶段是在也不见，当数据真正融入到我们的生活和工作的时候，你反而感觉不到它的存在了，但它确确实实是存在的。

关于大数据怎么去采集的问题，我们在蓝皮书里面做了一个归纳，大概有四大类、十三种常见的数据采集技术。第一类是物联感知技术。现在基本上所有的学校都有校园一卡通技术。第二类是视频录制技术。这种技术现在用得越来越普遍，大学每间教室都装了监控，可以监控每一个班级老师的授课情况。视频录制除了可以存下来看之外，还可以结合人工智能技术对视频做分析。比如说，学生上课打了一个盹儿或者面有不悦的表情，通过人脸识别技术，老师就可以知道学生是不是在学习或者在其他方面有问题。第三类是图像识别技术。比如采用点阵数码技术的数码笔，可以把学生做作业的过程上传到云平台。第四类是平台采集技术。通过日志记录的方式，记录学生在平台里面的一举一动。这些技术在未来会有非常大的发展前景。

未来，还有一些技术也很值得关注。第一，脑机接口，读取人类思想。荷兰一位医学院的教授，他的团队研发了一种面向渐冻症病人的技术。在病人的大脑嵌入电极，手部和胸部装上解码器，帮助渐冻症病人表达思想。第二，视频监控+人脸识别。目前，很多海关把这个技术用于反恐、犯罪，走过关口的时候自动捕获人脸特征，进行人脸识别。我们现在买东西用微信支付，没准儿两年之后就可以刷脸。第三，情绪数据采集。人类的情绪分为六种，愉快、惊奇、厌恶、愤怒、惧怕、悲伤，综合眉部、嘴部、头部来判断情绪。当嘴部成为一个夹角的时候，你是在微笑；开心和郁闷的时候，眉部也是不一样的；还可以通过头部的夹角去判断情绪。

我们先说说小数据。从一个故事说起，美国康奈尔大学一位教授发现，他父亲去世之前，各种身体检查都无异常，但是恰恰就出问题了。虽然身体检查没有问题，但是他发现他的父亲在几个月前不再去菜市场买菜，也不再去遛弯锻炼身体。日常“小数据”可以带来生命讯息的警示和洞察，同样地教育小数据可以帮助我们判断学生是否能够顺利完成学业，能够利用个人数据实现精准教学等等。小数据是个体化的数据，是围绕我们个体所产生、所采集到的所有数据，小数据其实就是个体层面的大数据。

大数据和小数据有什么区别呢？大数据强调的是要反映规律，而小数据是体现个性的；大数据强调的是全维度的数据，小数据恰恰是有限的数据样本数据；大数据往往需要大量的投入，小数据成本是比较低的；大数据强调全、广、大、多、快、高，而小数据强调的是围绕个体的，数据量小而精的数据。我总结一下，大数据与小数据的关系就是大中有小，很多小数据的累计一定会成为大数据；同时小中见大，个体单位的小数据也有很大的价值。

关于大数据的美，我做了三个方面的比喻。一、大数据是一个“显微镜”，能够让你看到以前你所看不到的东西。以前你看到小孩试卷得了80分。但是大数据可以让你发现这个孩子应该可以得到95分，有些地方是因为他粗心大意。二、大数据是一个“望远镜”，能够让人看得更高更远。从描述的分析走向诊断和预测，尤其是对于一个教育管理者来说，决策是面向未来的。三、大数据是一个“导航仪”。最近比较火的自适应学习也是一个引导，学生在网络世界里面，不知道怎么学，这时候大数据就好比一个导航，告诉学生先学什么、再学什么。关于大数据美之说，在我们蓝皮书里面，提炼了49个基础教育领域的大数据应用案例。

我看到很多外国专家说，大数据预测是好，但是谁愿意人生是被预测的，是被规定好的？同时我们很多数据是错误的，而这种错误的数据其实就是把我们带进陷阱。与大数据同行是有风险的，它也会加大教育的不平等。我们要更加理性地去看待大数据，它是一种技术，是一种理念，但是它绝对不是万能的，我们不应该被数据所绑架。人拥有非常高级的思维能力，对于完成有创造性的主题，你是要掌控数据，而不是被数据所掌控。

如何利用数据重建学校？首先，未来学校是一所数据为基的学校，数据可能成为每一所学校的根基。这张图是我对未来学校的设想。我觉得未来学校是全数字化的，各种设备一定是智能化的运维，业务管理、教学管理都是连通的，而不是像现在这样割裂的。它是一种创新驱动的模式，同时有泛在感知、社会学习、智慧学习、家校一体。社会上很多精英都可能成为学校的老师，所以教师一定会越来越多元化。数据流转，是构建校园大数据的基础，有了校园大数据，才能做更多智能化的、个性化的、开放性的、创新性的事情。

我的导师余胜泉教授有一个观点，数据将成为学校最重要的资产。我们现在提到学校资产，都是说学校有多少栋楼、有多少设备，这些都是显性资产。数据是无价的，未来学校的竞争将是一场数据处理和应用能力的竞赛。我在跟许多信息技术骨干老师交流的时候，我们经常探讨未来信息技术老师的角色怎么去改变，地位怎么去提升。现在，我们信息技术老师就是高级打杂的，在学校被边缘化，提职称非常困难。在未来我们要转型，不要让我们再去修电脑、修投影，未来信息技术老师要转向首席技术官，把数据管好、用好，成为数据的管理者、数据的运营者、数据的分析师，同时也是校长决策的智囊，当然这也是一个美好的期盼。

目前国家政府采购服务、服务外包，教育信息化也是如此。上海闵行区全部采购第三方教育评价服务，聘请专门做教育评价的机构去做办学效绩评价。未来我们的老师可能不需要出题、不需要批试卷，教育评价服务外包，而老师去做一些更有创新性的工作，教师职责分工更加精细化。

尊重生命是什么意思？第一，要给学生减负。现在的学生学得很苦、很累，问题就出在我们的课堂。因为我们的老师没有把课堂打造成高效的课堂，导致很多孩子，尤其是落后的孩子学不会，怎么办？只有补课，花了钱、投入了精力，这就形成了一种恶性循环。大数据应该起到润滑剂的作用，它能够精准地分析学情、分析知识缺陷，让我们的孩子不要盲目地采用题海战术，而是更加精准地去练习。

第二，珍爱生命，远离挂科。有很多学生出事，可能就是因为挂科了很郁闷。大数据提供学习预警功能，消除失败隐患，及时反馈，纠正影响学生成功的不利行为，让每个学生都获得成功。学习预警系统判断学生课业失败的机率，然后老师介入，帮助学生通过这门课程。

关于学习预警，目前更多的是从知识层面预警，而我们团队关注的点是从知识走向行为的情绪预警。情绪可以说是影响学生学习效果的一个主导性因素。情绪预警有两种方式，第一种是主观的测量，第二种是客观的测量，包括生理测量和行为测量。我们做了一些测量，同时构建了一个模型，综合语音信息、生理信息、心态信息，来判断学生情绪。

School of One是美国纽约市教育部门的一项初中数学教改项目，以学生为中心，一人一个时间表，确保学习的有效性。Knewton公司开发了智能数字教科书，这些课程和教科书能够适应每个学生的差异，学生可以按照自己的节奏来控制学习进度。南京市北京东路小学开展了基于大数据的学生成长过程评价，老师在教学过程中采集学生品行、学业、健康和才能四个方面的数据。

我们有很多虚拟实验室。杭州第十四中学的生物学科实验室，学生可以近距离接触生物、人体模型。青田中学有航模实验室，嘉兴高级中学有政治实验室，上海向明中学有科学与艺术创新实验室，成都第七中学有金融实验室。

未来学校会走向一种混合性的“境”脉。真实与虚拟的情境融合，打造入境学习环境。关于学习情境有三种，第一种是真实的，带着学生去植物园、动物园；第二种是虚拟的；第三种是虚实结合的，比如说在辅导功课的时候，老师虽然不在身边，通过全息模拟技术，给学生的感觉却是老师真实在的。

在数字化时代，我们的乐趣都是很肤浅的，而这就是典型的不尊重学习的表现。在混合“境”脉的学校，一定要走向深层学习。上世纪70年代就有学者在谈，浅层学习是死记硬背、关注问题本身、答题技巧；而深层学习关注知识的相互应用、创新创造。深度学习和浅层学习的课堂行为和在线行为是不一样的。深度学习者的课堂汇报频次要显著高于浅层学习者。

最后分享一句话，希望在座的各位校长、老师一起用数据的魔力重新塑造未来的学校和未来的教育。感谢大家！