如何能有效地將巨量的數據資源轉化為豐碩的教育研究成果，應用于改善教育的決策與實踐，對教育研究界來說意義重大。而要實現這個目標，需要完成將數據資源轉化為生產要素、合理搭配生產要素、高效完成研究生產、產品的轉化與傳播四個步驟。

[[131103]]

***步，資源轉化為生產要素。

大數據被喻為“第三次浪潮”，其價值已得到商業領域的充分證實。然而，如何把沉睡的數據資源變成具有增值性的生產要素，是教育研究生產的預備步驟。

首 先，作為生產要素的數據應具有明晰的價值性。大數據記錄的既包括研究對象的實在行為，也包括他們的主觀選擇，顯示了人們應然和實然的表現，且不再拘泥于以 往的抽樣方式，因為樣本=全部。然而在大數據具有先天信效度優勢的同時，還伴生著劣勢，即數據雖具價值，但單位時間價值的含量可能有所不同。如兩個小時的 監控錄像中也許有用的信息僅2-3秒。此刻，需要研究人員對問題進行明確的界定，并列明清晰、可計算的篩選標準，用以提取該研究需要的有價值數據，而其余 的數據“尾礦”，應留存給其他研究者或相關部門挖掘。

其次，作為生產要素的數據可以被標準化。大數據時代要提高對混雜、無序數據的接納程度，但這種接納卻是研究的大忌。中國人民大學應 用統計科學中心主任趙彥云就曾表明，“指標不一致、指標口徑不一致、時間不一致、空間不一致、指標體系不一致、分類不一致、編碼不一致等，如此雜亂的數據 庫，基本上連常規的統計整理、統計描述和分析都無法做到。”研究者能做且該做的是，把非結構化信息進行一定標準化處理，將其變成可用于分析的數據，依此來 建模并尋找因果關系。

再次，作為生產要素的數據應具有安全性。如各類騷擾短信和電話推薦教育信息讓人不勝其煩，各國也多次出現叫停兒童發展數據的相關計劃。那么用技術（如匿名化）與立法雙重保護信息安全是數據用于研究的前提。

第二步，合理搭配生產要素。

期望在高等教育研究當中使用大數據，單純投入數據顯然是不夠的，還需要匹配人力、物力和財力。

一 方面，大數據時代最缺乏兩類人才：數據科學家和跨學科的學者。大數據的優勢在于數據科學家能用不同的算法呈現不同事物之間的相關聯系——而這些事物往往不 是同一領域或是直接符合我們主觀預期的。新一代的教育研究學人需與數據科學家和其他學科專家合作，抑或是自己及時補充此類知識，以便于繼續有說服力的探尋 教育相關事務的因果聯系，豐富人類的教育認知。

另一方面，大數據的運用需要硬件設施的匹配。云計算為存儲和利用大數據提供了便利，卻仍舊需要對維護與儲存的平臺系統進行支持。這部分器材造價不菲，且對環境也有一定要求，對巨量的教育數據搜集需要對應的財政投入保障。

第三步，高效完成研究生產。

一方面，研究應體現效率理念。在大數據的背景下，時間性顯得格外重要——數據隨時隨地更新，科研數據的精度可更高，而延誤的信息可能毫無價值。

另一方面，研究應呈現更準確的因果關系。大數據為我們展現了多種類型的相關關系，而研究者的責任在于從巨量的資料中挖掘更貼合實際、有說服力和實效的因果關系，厘清其間可能出現的干擾因素，讓教育服務變得更精確，更符合個人發展需求。

此外，研究產生的應是更親民的成品。所謂親民，是指產品能用更鮮活、通俗、便捷的方式來提供，且產品本身更符合消費者的個人需求。大數據的優勢就在于其可以充分地捕捉微觀個體特征來進行分析，實現所謂的互動和可視化服務。未來的研究理應是服務友好型，而不再是板著臉說理論。

第四步，產品的轉化與傳播。

大數據時代不僅為研究者豐富了研究數據與題材，還為研究成果的轉化與傳播帶來了便利。大數據讓科研（知識產品）生產更具科學性，它使實踐者在先驗中成長，使決策者在自信中完善，不僅拓展了教育服務的機會，也改善了教育服務的質量。

但 在不斷肯定大數據改變我們的研究范式之時，我們也需要提前思考一些問題：大數據的實時更新、動態分析對整體形勢的判斷是否足夠準確？會不會形成依賴而低估 經驗的價值？會不會消磨我們的創新力？我們的“學習自由”和“研究自由”被機器左右甚至決定？大數據的占據是否會引發新的社會不均等——固化甚至加深貧富 差距？在數據處理技術差異大的情況下，大數據的公開是否可能危及國家安全？而到大數據發展到***之時，大家的決策均享有并依據數據而行，這種動態的判別方 式是否可能消解彼此的數據優勢，而最終達到新的“數據對沖均衡”，到那時想取得先機還得回歸經驗。