论文部分内容阅读
[摘 要] 美国州纵向数据系统旨在帮助州、地区、学校、教育工作者及其他利益相关者管理、分析和使用教育数据，其建设过程经历了NCLB法案颁布后的正式启动、ARRA法案颁布后进入P-20W建设、ESSA法案颁布后转向共同推进等阶段。各州从完善数据治理机构、实行利益相关者分类使用、开展教师数据使用能力培训、建立数据隐私保护体系等方面，保障系统正常运行。在州纵向数据系统的运用方面，主要服务于教育研究者、教育管理者和一线教育工作者的教育决策需要，通过早期预警系统解决学生辍学问题，帮助学校和就业部门做好入学和就业工作，并为学术研究提供强有力的数据支撑。
[关键词] 教育大数据; 数据治理; 州纵向数据系统; 教育数据库
[中图分类号] G434 [文献标志码] A
[作者简介] 唐晓玲（1982—），女 ，重庆开州人。副教授，博士，主要从事教育信息化比较研究。E-mail：2308316045 @qq.com。王正青为通讯作者，E-mail：swuwzq@126.com。
人类社会已经进入信息化浪潮裹挟而来的大数据时代。大数据在对传统计算技术和信息系统提出挑战的同时，也带来了技术创新与商业机遇。作为率先将大数据上升为国家战略的国家，美国产业部门正经历由传统的制造业向数字化升级，并借助大数据技术推动交通、医疗、教育等行业发展。2010年，奥巴马政府启动“我的大数据”计划后，联邦教育部随即发布了《通过教育数据挖掘和学习分析促进教与学》报告，并于2013年启动实施“链接教育”（Connect ED）计划，从而将大数据明确为推动教育变革的关键性力量[1]。作为教育大数据战略的基础性工程，美国近年来着力推进以“州纵向数据系统”（Statewide Longitudinal Data System，SLDS）为核心的数据库建设，在协调各利益主体权责，指导数据库有效运用等方面积累了丰富的经验，对推进我国教育数据库建设具有借鉴意义。
一、美国州纵向数据系统的建设进程
美国的教育数据库建设可追溯至1973年，当年美国联邦健康、教育和福利部（HEW）在一份名为“档案、计算机和公民权利”的报告中，提出了建立数据系统，以准确、完整、永久性地记录公民个人信息的设想。这一建议被1974的《隐私法案》（Privacy Act of 1974）所采纳，奠定了建立数据库的法律基础。1985年，特拉华州建立了全美第一个州层面的学生信息系统。《不让一个孩子掉队法》（NCLB）實施后，美国各州加速教育数据库建设，以满足各州统计学业成绩进步的需要。2005年，美国教育科学研究所（IES）提议向全美各州提供资金以建立K-12数据库，用于统计分析学生的学业成就情况，并将这些数据用于教师评价和教学改进。这一倡议得到了美国联邦教育部的批准，从而正式启动SLDS建设。2007年，《美国竞争法案》（America Competes Act）出台，提出了各州建立教育数据系统的12项原则，包括设立独特的州级学生标识符、强化与高等教育数据系统的联系、汇总分析学生成绩信息等[2]。
2009年，为应对全球金融危机影响，美国联邦政府制定了《美国恢复和再投资法案》（ARRA）。法案除了重申《美国竞争法案》中关于数据库建设的原则外，更重要的是授权各州申请国家财政稳定基金（SFSF），资助各州建立满足12项原则的数据系统。基于ARRA法案，奥巴马政府启动了“力争上游”（RTTT）项目，拨款43.5亿美元资助各州推进教育改革，其中3.5亿美元资助开展跨州的质量评估[3]。各州则在K-12数据库的基础上，向前延伸至早期儿童教育，向后拓展至高等教育和就业等数据，从而升级为P-20W系统。2010年，美国劳工部（DOL）拨款1200万美元，启动“劳动者数据质量行动”（WDQI），资助各州建立与教育数据贯通的劳动者数据库。根据ARRA法案，美国联邦政府在2009年提供了3.35亿美元资助各州建设P-20W系统，相比2008年的4800万美元增长了近8倍。据统计，2005年至2015年间的六轮资助中，全美47个州和哥伦比亚特区获得了至少一次资助，受资助总额达7.21亿美元[4]。
2015年，奥巴马政府发布《让每个学生成功法案》（ESSA），法案要求各州进行年度评估，确保向教育工作者、家庭、学生和社区提供相关信息，衡量学生在学业方面的发展状况。为了更有效地发挥SLDS的作用，各州强化了系统开发与管理等环节中各利益相关者的协作环节，地方部门、数据库建设项目办公室、高等教育领导者、立法者等主体就数据库建设的经验教训进行了沟通。为降低数据库建设成本并简化服务流程，一些州正在将教育数据库的相关业务整合到政府的信息部门。2017年5月，美国各州首席教育官员理事会（CCSSO）组织了一次峰会，与会者探讨了各州P-20W数据库建设与使用经验，涉及数据隐私保护、机构和人员协作、数据质量改进、数据安全维护等议题[5]。
二、美国州纵向数据系统的运行保障
为满足各类教育机构及相关人员获得所需的教育数据，各州从完善数据治理机构、利益相关者分类使用、开展教师数据使用能力培训、建立数据隐私保护体系等方面，保障SLDS正常运行。
（一）责任主体：联邦与州两级数据治理机构
数据治理体系是指与教育数据管理相关的系列机构及其相应的职责，以提供更便利的数据访问和使用，及时发现并修复数据问题[6]。在联邦层面，美国国家教育统计中心（NCES）和美国教育科学研究所（IES）指导各州更好地设计、开发、维护和使用K-12和P-20W纵向数据系统，并负责SLDS项目资金管理与评审工作。以2015年为例，当年IES审查了43个州的申请，最后对16个州进行了为期四年的资助，总资助经费为1.08亿美元，重点资助在实践中使用数据。受资助州将重点关注以下六大事项：财务权益和投资回报、教育者人才管理、早期学习、大学和职业数据、评估和研究、教学支持。 州是SLDS建设与管理的关键主体，包括承担教育数据治理责任的个体和机构。其中，数据治理协调员和数据管理员是关键个体，数据治理委员会和数据管理员工作组则是关键管理机构。数据治理协调员主要负责制定数据治理议程、确定数据管理员、培训和监督数据管理员的工作、组建数据治理委员会等职责，数据管理员负责教育数据的日常管理，参与数据管理委员会和数据管理工作组，评估数据质量和管理水平。数据治理委员会是由数据治理协调员领导的数据决策与管理机构，由决策者、数据管理者和其他利益相关者组成。数据管理员工作组在数据治理委员会的领导下开展工作，主要解决涉及多个领域的数据问题，包括通信故障、系统不稳定、定义不明确等问题，以及与IT部门合作制定问题解决方案等。
（二）分类使用：满足利益相关者的数据关注差异
SLDS教育数据库允许不同利益相关者分类使用数据。一是，州教育行政机构授权研究人员开展学业进展等研究时获取数据;二是，学区和学校领导在教育管理中使用数据，以更好地进行财务和人力资源分配、招聘新教师、帮助教师专业发展、维护教学设施、对学业困难学生提前干预等;三是，劳动力管理和聘用机构使用纵向学生数据来预测未来劳动力变化，根据各州的人才培养情况规划产业布局;四是，寄养、少年司法、健康和养老等社会服务机构基于数据分析探讨提高服务质量，纳税人根据地方政府和学校的资源分配选择子女就读学校等[7]。
一线教师是教育数据的主要使用者。首先，教师利用学业数据监测学生的课程学习情况，评估学生的学业表现以及变化趋势，找出有潜在学业风险的学生，为这些学生提供额外的辅导帮助;其次，教师根据收集到的学生学业成绩及学习参与情况等反饋数据，自我评估课堂教学成效，并与同事分享教学体会，寻求更好的解决方案;最后，搭建与家长和学生的沟通渠道，家长和学生可以获取学校的课程与活动安排，查询学生的出勤率、违纪记录、学分、各类总结性和形成性评估结果、课程注册等数据，从而为家校协同提供数据支撑。
（三）评价原则：服务教育教学改革与学生成长
教育系统传统上主要依靠大规模的总结性评估来判断学生的表现，以此对学校和教师开展绩效考核。虽然此类评估能够评判特定时间学生整体的学业成就，但难以揭示个别学生的学习情况[8]。基于此，各州确立了SLDS服务于教学创新与学生成长的质量评价原则。首先，各州的SLDS要能够支撑总结性评估、形成性评估以及学生自我评估等不同评价类型;其次，要能满足于多主体的教育决策需要，除了帮助教师调整教学以提高学业成绩外，还要支持其他利益相关者基于数据分析评估学校教学质量和政策执行效果;最后，支持成长模式、增值模式等质量评估。成长模式主要评估学生当前的学术表现，为学生的未来成长设定更恰当的目标;增值模式主要评估各种教育投入对学生学习的相对影响。
阿肯色州在建设该州教育数据库时，为了帮助学校改进教学，方便评估人员获取和分析数据，推出了一个可视化分析工具——“蜂巢”（Hive），帮助用户在地区、学校、班级和个人等不同层面分析学生成绩。用户可以利用数据分析和可视化功能，发布和分享他们创建的图表，在线讨论和分享各自的想法[7]。科罗拉多州开发的学业成长模型主要用于统计州学生学业评估的进展情况，同时，向教育工作者和公众展示学生、学校和地区成果，包括学生个体和整体达到国家标准的情况，以及在学业成就测试中表现优异的学校和地区等信息[9]。
（四）专业培训：提升用户SLDS数据使用能力
为了最大限度地提高SLDS利用率，美国教育界对不同用户进行了使用SLDS的分类培训。对于州立法和政策制定者，帮助他们理解数据的价值，并将其用于教育决策;对于地区和学校行政人员，重点培训使用SLDS数据进行质量评估和教育决策;对于一线教师，主要培训使用数据来改进教学;对于新闻界人士，帮助他们解读数据以准确报道教育发展状况;对于家长和学生，帮助他们跟踪学习进度，合理设定学习成绩和目标。不同用户的培训主题包括系统登录、理解报告内容、使用分析工具，以及有关数据隐私和安全保护的法规等。
俄勒冈州于2008年在全州范围内启动了“数据用于教学改进”培训，包括四个主题：一是，数据文化培育，针对教师、管理者、校长等不同群体，让参训者将数据视为教学、学习和学校管理的重要基础;二是，利用数据规划地区和学校的教育;三是，用数据改进课堂教学，重点是组织、分析数据并用于教学改进的实践指导，以及各类质量监测工具的使用;四是，阅读数据的技能培训，更好地理解关键数据和术语，对参与者开展基准测试、进度监控和评分指南等培训。培训组织部门还将历次研讨会上的培训材料和研讨视频制作成光盘并在线发布，帮助地方教育机构在区域和学区层面开展对应的培训[7]。
（五）风险预防：建立学生数据隐私保护体系
各州SLDS通常包括：学生、学校和学区的身份信息;学生出生地、出生年月等人口学数据;参与特殊教育、移民教育、国家免费午餐计划等项目情况;学生入学率和出勤率、毕业率和辍学率;在校期间被停学和开除等行为数据;州或地方测试数据;参与课程学习、考试等级和获得学分情况;学生参加学术水平测验考试（SAT）或美国大学入学考试（ACT）等测试数据。从隐私保护角度看，家庭住址、联系电话等数据属于学生通信信息;学生姓名、社会安全号、学生证号等属于个人身份信息;学生和家长的政治派别或信念、精神或心理问题、违法或自残行为、个人及家庭收入等属于敏感信息。
《家庭教育权利和隐私权法》（FERPA）是学生隐私保护最重要的法律。根据FERPA法案，学生和工作人员的隐私和学生个人身份识别数据应得到保密，教育机构要在法律允许的范围内与其他机构或者公众共享数据。《学生数字隐私与父母权利法案》（HR2092）禁止网站运营商及其他网络服务商向第三方售卖学生个人信息，规定网络运营商有责任向家长公开其孩子的网上信息，允许家长修正、删除这些信息，并可以下载其孩子的任何材料[10]。密苏里州议会《学生数据保护法案》（HCSHB 1873）、弗吉尼亚州《议会2350号法案》（House Bill 2350）、加利福尼亚州《学生在线个人信息保护法》（SOPIPA）等地方性法案，都规定了学生数据使用范围、申请程序、责任追究等内容[11]。 三、美国州纵向数据系统的实践运用
SLDS服务于教育研究者、教育管理者和一线教育工作者的教育决策需要，通过早期预警系统等工具解决学生辍学等问题，帮助学校和就业部门做好学生入学和就业工作，并为学术研究提供及时有效的数据支撑。
（一）满足不同用户数据驱动的教育决策需要
SLDS在数据集合与连贯性上具有突出优势。首先，SLDS的数据收集范围涵盖全州学生与职员数据。其次，SLDS给每个学生建立一个完整的背景档案，同时，收集并分析学生群体信息。再次，SLDS能够为研究人员与决策人员提供数据分析报告。最后，SLDS将数据隐私保护和安全维护列为数据库建设的优先事项，保障了利益相关者获得安全的数据。SLDS的上述特征可以帮助不同利益相关者有效和准确地管理、分析和使用教育数据，做出教育系统规划和改善学生学习的科学决策。正如布鲁金斯学会在一篇报告中所指出的：“州纵向数据系统（SLDS）的开发和使用，对决策者和公众开展数据分析发挥了重要作用，而数据驱动的决策（Data-driven Decisions）确实更合理、更让人信服。”[12]
以州层面的行政事务和项目资助为例，之前的数据储存在不同的教育机构，这些储存在分离系统中的数据通常被称为“数据孤岛”，州教育机构之间缺乏互通，导致储存在分离教育系统中的数据得不到有效的利用。由于SLDS收集的数据是集合性的，涵盖了不同类型教育机构中的师生数据，不同教育机构横向间也可在被赋予的权限内查阅所需数据，从而为教育决策者提供了巨大便利。田纳西州建立了一个名为“评测田纳西”（Measure TN）的数据系统，系统涵盖K-12、高等教育和就业階段的数据，用户能够对各类图表进行排序和筛选，从而生成服务于决策的报告，公众也可轻松获得所在学区或学校的绩效数据[13]。
（二）建立早期预警系统，干预学生学业问题
预警系统是一种利用教育数据发挥预测及干预功能的应用工具，通过比照学生学业成就指标，帮助学校预测哪些学生能够达到毕业标准，或根据其成绩表现预测能达到哪种学业层次，通过比对纵向数据库建立的学业指标，在条件满足的情况下发出警报，从而较好地解决“什么时候适合对学生进行干预”“什么干预是有效的”“应该花费多少资金或人力资源”等问题。通过预警系统，学校、地区和州等不同层级管理者可以完整地把握数据，在准确深入了解学生的基础上进行政策调整。
马萨诸塞州在该州的SLDS基础上建立了早期预警信息系统（EWIS），该系统在每个学年开始前会提供报告，预测辖区内一至十二年级学生能否达到预期学业目标。据统计，马萨诸塞州在使用该系统后，公立学校辍学率由2011年的2.5%下降至2017年的1.8%;同期，公立高中的毕业率由83.4%上升到88.3%[14]。缅因州于2010年创建了“风险数据集”（At-risk Data Mart），该模型能够分析学生学业成绩、教育参与度和学生背景信息，帮助教育工作者识别面临辍学风险的学生，为有风险的学生设计专门的辅导程序[15]。
（三）为学术研究提供及时权威的数据
除了利用教育数据解决现实问题外，各州还致力于将现有数据用于学术研究，包括州教育机构内部专业人员开展的学术研究，以及高等学校等外部研究者开展的研究。一些设有研究和分析岗位的州教育机构，近年来组建了各种信息收集部门或独立研究部门，包括数据问责办公室、评估办公室和数据分析办公室，开展直接服务于地方决策的学术研究。如新泽西州设有教育政策与规划小组，负责设计数据收集模型和解释数据;田纳西州设立了第三方评估工作组，目的是分析和报告各类测试和项目评估结果;南卡罗来纳州设立了数据管理和分析办公室，下设三个小组分别负责数据研究、编程和区域技术服务。
由于数据收集和分析需要大量的专业人员，仅凭州教育机构内部人员无法实现对纵向数据进行深度分析和研究，因此，各州教育机构近年来拓展了与高等学校、专业协会等组织间合作。州教育行政部门与外部专业人员合作的一大方式就是成立区域教育实验室（RELs），通过吸纳高校专业人员和教育行政人员，旨在开展解决实际问题的应用研究，提供与申请相关的技术援助，并通过广泛、持续的支持来进行科学有效的研究，以满足利益相关者的多元需求。
（四）为学生进入大学和就业做准备
《每个学生成功法案》（ESSA）要求各州要确保学生为上大学和就业做好准备，SLDS在确保学生高中毕业和就业准备方面的作用越发凸显。SLDS帮助各州将不同类型的数据进行连接，以获得学生、学校和地区等更广泛的数据图景，使各州能够收集不同年级学生的数据，判断他们能否按期毕业，并在K-12阶段为学生未来的大学和工作做准备。部分州依托SLDS实施“学院和职业准备”（CCR），在SLDS框架下衡量CCR目标的进展情况，研发识别有学业风险的学生、学校和地区的预警系统，为各利益相关者提供用户友好型信息，促进跨机构数据共享和系统整合等，拓展了州纵向数据系统的应用范围。
各州采取积极措施来支持实现CCR目标。以佛罗里达州为例，该州在全美第一个将SLDS与CCR目标联系起来，提出了改善所有学生就业和收入的CCR目标。佛罗里达州的SLDS被视为该州的教育信息门户，提供了不同类别组织的数据，包括从学前到12年级的过程性学业数据，以及核心课程、发展性课程、入学课程和毕业率等信息。上述信息再与佛罗里达教育和培训安置办公室（FETPIP）对接，及时跟踪佛罗里达州学生毕业、退出或完成公共教育与培训等情况。这一系统为CCR数据进行了跨机构连接，并确保这些数据可为不同用户广泛使用[16]。
四、结 语
《国家中长期教育改革和发展规划纲要（2010—2020年）》（以下简称《纲要》）明确指出，到2020年，我国“要基本建成较完备的国家级和省级教育基础信息库”[17]。为落实《纲要》精神，教育部于2012年3月印发了《教育信息化十年发展规划（2011—2020年）》，将建立“有机衔接的国家级和省级教育管理基础数据库和信息系统”列为“国家教育管理信息系统建设行动”计划的核心目标之一[18]。教育数据库建设已成为教育信息化2.0时代推进“互联网+教育”的关键要素[19]。 借鉴美国SLDS建设与运行经验，在推进中国教育数据库建设中，要做到以下几点：一是，要完善教育数据收集和使用的制度条例与法律法规，保障数据收集的可靠性和数据使用的规范性，为各级教育行政部门和学校使用数据提供政策依据;二是，出台国家和地方两级数据库各项技术标准，明确数据收集范围和类型，不断更新数据库系统运行与密码保障技术;三是，加强教育信息化专家团队和研究基地建设，资助专业团队开展教育数据库建设领域研究，发挥专家团队在教育数据库建设规划与顶层设计方面的智慧;四是，建立健全网络安全责任制和问责机制，基于科学而严谨的分层分类数据使用权限与信息安全维护办法，将数据库系统安全与数据维护责任落实到人;五是，对教育行政人员、学校管理者和教师等不同群体开展有针对性的网络安全和数据使用培训，提高教育工作者的网络安全意识和数据素养;六是，引入市场调节机制，吸纳民间资本参与教育数据库建设，形成政府规范引导、部门统筹推进、社会积极参与、学校主动对接的教育数据库建设与运行体系。
[参考文献]
[1] 王正青，徐辉. 大数据时代美国的教育大数据战略与实施[J]. 教育研究，2018（2）：120-126.
[2] 麦奎甘·萨帕. 纵向数据大革命[M]. 胡俊，译. 北京：清华大学出版社，2015：45.
[3] MCCANN C， KABAKER J C. Promoting data in the classroom：innovative state models and missed opportunities[R]. New America Foundation， education policy program， 2013： 17.
[4] SWANSON D A. The frontiers of applied demography[M]. California：University of California Riverside，2017：9.
[5] National Center for Education Statistics. Best practices briefs[EB/OL].[2018-03-20].https：//nces.ed.gov/programs/slds/publications.asp.
[6] 彭雪濤. 美国高校数据治理及其借鉴[J]. 电化教育研究，2017（6）：76-81.
[7] National Center for Education Statistics. Traveling through time：the forum guide to longitudinal data systems book IV：advanced LDS usage[EB/OL].[2018-02-18].https：//nces.ed.gov/pubs2011/2011802.pdf.
[8] 傅钢善，王改花. 基于数据挖掘的网络学习行为与学习效果研究[J]. 电化教育研究，2014（9）：53-57.
[9] Department of Colorado Education.The colorado growth model frequently asked questions[EB/OL].[2018-03-10]. http：//assessment.aurorak12.org/wp-content/uploads/sites/5/2009/06/2009_07_02_FAQ.pdf.
[10] Congress.gov. Student digital privacy and parental rights act of 2015[EB/OL].[2018-05-30].https：//www.congress.gov/bill/114th-congress/house-bill/2092.
[11] 王正青. 大数据时代美国学生数据隐私保护立法与治理体系[J]. 比较教育研究，2016（11）：28-33.
[12] GROVER J. Opportunity through education：two proposals[R]. Washington D.C：Brookings Institution，2011：181-186.
[13] CONAWAY C，KESLER V，SCHWARTZ N. What research do state education agencies really need？ The promise and limitations of state longitudinal data systems[J]. Educational evaluation and policy analysis，2015，37（1）：16-28.
[14] Massachusetts Department of Elementary and Secondary Education.Cohort 2017 four-year graduation rates-state results[EB/OL].[2018-02-23]. http：//www.doe.mass.edu/infoservices/reports/gradrates/.
[15] National Center for Education Statistics. Development and use of early warning systems. SLDS spotlight[EB/OL].[2018-02-23].http：//files.eric.ed.gov/fulltext/ED565705.pdf.
[16] College&Career Readiness& Success Center. Harnessing the potential of statewide longitudinal data systems to support college and career readiness[EB/OL].[2018-12-12].http：//files.eric.ed.gov/fulltext/ED573154.pdf.
[17] 国家中长期教育改革和发展规划纲要工作小组办公室. 国家中长期教育改革和发展规划纲要（2010—2020年）[EB/OL].（2010-07-29）[2018-03-10].http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/info_list/201407/xxgk_171904.html.
[18] 中华人民共和国教育部. 教育信息化十年规划（2011-2020年）[EB/OL].（2010-03-13）[2018-03-10].http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/s3342/201203/xxgk_133322.html.
[19] 刘革平，余亮，龚朝花，等. 教育信息化2.0视域下的“互联网+教育”要素与功能研究[J]. 电化教育研究，2018（9）：37-42.
[关键词] 教育大数据; 数据治理; 州纵向数据系统; 教育数据库
[中图分类号] G434 [文献标志码] A
[作者简介] 唐晓玲（1982—），女 ，重庆开州人。副教授，博士，主要从事教育信息化比较研究。E-mail：2308316045 @qq.com。王正青为通讯作者，E-mail：swuwzq@126.com。
人类社会已经进入信息化浪潮裹挟而来的大数据时代。大数据在对传统计算技术和信息系统提出挑战的同时，也带来了技术创新与商业机遇。作为率先将大数据上升为国家战略的国家，美国产业部门正经历由传统的制造业向数字化升级，并借助大数据技术推动交通、医疗、教育等行业发展。2010年，奥巴马政府启动“我的大数据”计划后，联邦教育部随即发布了《通过教育数据挖掘和学习分析促进教与学》报告，并于2013年启动实施“链接教育”（Connect ED）计划，从而将大数据明确为推动教育变革的关键性力量[1]。作为教育大数据战略的基础性工程，美国近年来着力推进以“州纵向数据系统”（Statewide Longitudinal Data System，SLDS）为核心的数据库建设，在协调各利益主体权责，指导数据库有效运用等方面积累了丰富的经验，对推进我国教育数据库建设具有借鉴意义。
一、美国州纵向数据系统的建设进程
美国的教育数据库建设可追溯至1973年，当年美国联邦健康、教育和福利部（HEW）在一份名为“档案、计算机和公民权利”的报告中，提出了建立数据系统，以准确、完整、永久性地记录公民个人信息的设想。这一建议被1974的《隐私法案》（Privacy Act of 1974）所采纳，奠定了建立数据库的法律基础。1985年，特拉华州建立了全美第一个州层面的学生信息系统。《不让一个孩子掉队法》（NCLB）實施后，美国各州加速教育数据库建设，以满足各州统计学业成绩进步的需要。2005年，美国教育科学研究所（IES）提议向全美各州提供资金以建立K-12数据库，用于统计分析学生的学业成就情况，并将这些数据用于教师评价和教学改进。这一倡议得到了美国联邦教育部的批准，从而正式启动SLDS建设。2007年，《美国竞争法案》（America Competes Act）出台，提出了各州建立教育数据系统的12项原则，包括设立独特的州级学生标识符、强化与高等教育数据系统的联系、汇总分析学生成绩信息等[2]。
2009年，为应对全球金融危机影响，美国联邦政府制定了《美国恢复和再投资法案》（ARRA）。法案除了重申《美国竞争法案》中关于数据库建设的原则外，更重要的是授权各州申请国家财政稳定基金（SFSF），资助各州建立满足12项原则的数据系统。基于ARRA法案，奥巴马政府启动了“力争上游”（RTTT）项目，拨款43.5亿美元资助各州推进教育改革，其中3.5亿美元资助开展跨州的质量评估[3]。各州则在K-12数据库的基础上，向前延伸至早期儿童教育，向后拓展至高等教育和就业等数据，从而升级为P-20W系统。2010年，美国劳工部（DOL）拨款1200万美元，启动“劳动者数据质量行动”（WDQI），资助各州建立与教育数据贯通的劳动者数据库。根据ARRA法案，美国联邦政府在2009年提供了3.35亿美元资助各州建设P-20W系统，相比2008年的4800万美元增长了近8倍。据统计，2005年至2015年间的六轮资助中，全美47个州和哥伦比亚特区获得了至少一次资助，受资助总额达7.21亿美元[4]。
2015年，奥巴马政府发布《让每个学生成功法案》（ESSA），法案要求各州进行年度评估，确保向教育工作者、家庭、学生和社区提供相关信息，衡量学生在学业方面的发展状况。为了更有效地发挥SLDS的作用，各州强化了系统开发与管理等环节中各利益相关者的协作环节，地方部门、数据库建设项目办公室、高等教育领导者、立法者等主体就数据库建设的经验教训进行了沟通。为降低数据库建设成本并简化服务流程，一些州正在将教育数据库的相关业务整合到政府的信息部门。2017年5月，美国各州首席教育官员理事会（CCSSO）组织了一次峰会，与会者探讨了各州P-20W数据库建设与使用经验，涉及数据隐私保护、机构和人员协作、数据质量改进、数据安全维护等议题[5]。
二、美国州纵向数据系统的运行保障
为满足各类教育机构及相关人员获得所需的教育数据，各州从完善数据治理机构、利益相关者分类使用、开展教师数据使用能力培训、建立数据隐私保护体系等方面，保障SLDS正常运行。
（一）责任主体：联邦与州两级数据治理机构
数据治理体系是指与教育数据管理相关的系列机构及其相应的职责，以提供更便利的数据访问和使用，及时发现并修复数据问题[6]。在联邦层面，美国国家教育统计中心（NCES）和美国教育科学研究所（IES）指导各州更好地设计、开发、维护和使用K-12和P-20W纵向数据系统，并负责SLDS项目资金管理与评审工作。以2015年为例，当年IES审查了43个州的申请，最后对16个州进行了为期四年的资助，总资助经费为1.08亿美元，重点资助在实践中使用数据。受资助州将重点关注以下六大事项：财务权益和投资回报、教育者人才管理、早期学习、大学和职业数据、评估和研究、教学支持。 州是SLDS建设与管理的关键主体，包括承担教育数据治理责任的个体和机构。其中，数据治理协调员和数据管理员是关键个体，数据治理委员会和数据管理员工作组则是关键管理机构。数据治理协调员主要负责制定数据治理议程、确定数据管理员、培训和监督数据管理员的工作、组建数据治理委员会等职责，数据管理员负责教育数据的日常管理，参与数据管理委员会和数据管理工作组，评估数据质量和管理水平。数据治理委员会是由数据治理协调员领导的数据决策与管理机构，由决策者、数据管理者和其他利益相关者组成。数据管理员工作组在数据治理委员会的领导下开展工作，主要解决涉及多个领域的数据问题，包括通信故障、系统不稳定、定义不明确等问题，以及与IT部门合作制定问题解决方案等。
（二）分类使用：满足利益相关者的数据关注差异
SLDS教育数据库允许不同利益相关者分类使用数据。一是，州教育行政机构授权研究人员开展学业进展等研究时获取数据;二是，学区和学校领导在教育管理中使用数据，以更好地进行财务和人力资源分配、招聘新教师、帮助教师专业发展、维护教学设施、对学业困难学生提前干预等;三是，劳动力管理和聘用机构使用纵向学生数据来预测未来劳动力变化，根据各州的人才培养情况规划产业布局;四是，寄养、少年司法、健康和养老等社会服务机构基于数据分析探讨提高服务质量，纳税人根据地方政府和学校的资源分配选择子女就读学校等[7]。
一线教师是教育数据的主要使用者。首先，教师利用学业数据监测学生的课程学习情况，评估学生的学业表现以及变化趋势，找出有潜在学业风险的学生，为这些学生提供额外的辅导帮助;其次，教师根据收集到的学生学业成绩及学习参与情况等反饋数据，自我评估课堂教学成效，并与同事分享教学体会，寻求更好的解决方案;最后，搭建与家长和学生的沟通渠道，家长和学生可以获取学校的课程与活动安排，查询学生的出勤率、违纪记录、学分、各类总结性和形成性评估结果、课程注册等数据，从而为家校协同提供数据支撑。
（三）评价原则：服务教育教学改革与学生成长
教育系统传统上主要依靠大规模的总结性评估来判断学生的表现，以此对学校和教师开展绩效考核。虽然此类评估能够评判特定时间学生整体的学业成就，但难以揭示个别学生的学习情况[8]。基于此，各州确立了SLDS服务于教学创新与学生成长的质量评价原则。首先，各州的SLDS要能够支撑总结性评估、形成性评估以及学生自我评估等不同评价类型;其次，要能满足于多主体的教育决策需要，除了帮助教师调整教学以提高学业成绩外，还要支持其他利益相关者基于数据分析评估学校教学质量和政策执行效果;最后，支持成长模式、增值模式等质量评估。成长模式主要评估学生当前的学术表现，为学生的未来成长设定更恰当的目标;增值模式主要评估各种教育投入对学生学习的相对影响。
阿肯色州在建设该州教育数据库时，为了帮助学校改进教学，方便评估人员获取和分析数据，推出了一个可视化分析工具——“蜂巢”（Hive），帮助用户在地区、学校、班级和个人等不同层面分析学生成绩。用户可以利用数据分析和可视化功能，发布和分享他们创建的图表，在线讨论和分享各自的想法[7]。科罗拉多州开发的学业成长模型主要用于统计州学生学业评估的进展情况，同时，向教育工作者和公众展示学生、学校和地区成果，包括学生个体和整体达到国家标准的情况，以及在学业成就测试中表现优异的学校和地区等信息[9]。
（四）专业培训：提升用户SLDS数据使用能力
为了最大限度地提高SLDS利用率，美国教育界对不同用户进行了使用SLDS的分类培训。对于州立法和政策制定者，帮助他们理解数据的价值，并将其用于教育决策;对于地区和学校行政人员，重点培训使用SLDS数据进行质量评估和教育决策;对于一线教师，主要培训使用数据来改进教学;对于新闻界人士，帮助他们解读数据以准确报道教育发展状况;对于家长和学生，帮助他们跟踪学习进度，合理设定学习成绩和目标。不同用户的培训主题包括系统登录、理解报告内容、使用分析工具，以及有关数据隐私和安全保护的法规等。
俄勒冈州于2008年在全州范围内启动了“数据用于教学改进”培训，包括四个主题：一是，数据文化培育，针对教师、管理者、校长等不同群体，让参训者将数据视为教学、学习和学校管理的重要基础;二是，利用数据规划地区和学校的教育;三是，用数据改进课堂教学，重点是组织、分析数据并用于教学改进的实践指导，以及各类质量监测工具的使用;四是，阅读数据的技能培训，更好地理解关键数据和术语，对参与者开展基准测试、进度监控和评分指南等培训。培训组织部门还将历次研讨会上的培训材料和研讨视频制作成光盘并在线发布，帮助地方教育机构在区域和学区层面开展对应的培训[7]。
（五）风险预防：建立学生数据隐私保护体系
各州SLDS通常包括：学生、学校和学区的身份信息;学生出生地、出生年月等人口学数据;参与特殊教育、移民教育、国家免费午餐计划等项目情况;学生入学率和出勤率、毕业率和辍学率;在校期间被停学和开除等行为数据;州或地方测试数据;参与课程学习、考试等级和获得学分情况;学生参加学术水平测验考试（SAT）或美国大学入学考试（ACT）等测试数据。从隐私保护角度看，家庭住址、联系电话等数据属于学生通信信息;学生姓名、社会安全号、学生证号等属于个人身份信息;学生和家长的政治派别或信念、精神或心理问题、违法或自残行为、个人及家庭收入等属于敏感信息。
《家庭教育权利和隐私权法》（FERPA）是学生隐私保护最重要的法律。根据FERPA法案，学生和工作人员的隐私和学生个人身份识别数据应得到保密，教育机构要在法律允许的范围内与其他机构或者公众共享数据。《学生数字隐私与父母权利法案》（HR2092）禁止网站运营商及其他网络服务商向第三方售卖学生个人信息，规定网络运营商有责任向家长公开其孩子的网上信息，允许家长修正、删除这些信息，并可以下载其孩子的任何材料[10]。密苏里州议会《学生数据保护法案》（HCSHB 1873）、弗吉尼亚州《议会2350号法案》（House Bill 2350）、加利福尼亚州《学生在线个人信息保护法》（SOPIPA）等地方性法案，都规定了学生数据使用范围、申请程序、责任追究等内容[11]。 三、美国州纵向数据系统的实践运用
SLDS服务于教育研究者、教育管理者和一线教育工作者的教育决策需要，通过早期预警系统等工具解决学生辍学等问题，帮助学校和就业部门做好学生入学和就业工作，并为学术研究提供及时有效的数据支撑。
（一）满足不同用户数据驱动的教育决策需要
SLDS在数据集合与连贯性上具有突出优势。首先，SLDS的数据收集范围涵盖全州学生与职员数据。其次，SLDS给每个学生建立一个完整的背景档案，同时，收集并分析学生群体信息。再次，SLDS能够为研究人员与决策人员提供数据分析报告。最后，SLDS将数据隐私保护和安全维护列为数据库建设的优先事项，保障了利益相关者获得安全的数据。SLDS的上述特征可以帮助不同利益相关者有效和准确地管理、分析和使用教育数据，做出教育系统规划和改善学生学习的科学决策。正如布鲁金斯学会在一篇报告中所指出的：“州纵向数据系统（SLDS）的开发和使用，对决策者和公众开展数据分析发挥了重要作用，而数据驱动的决策（Data-driven Decisions）确实更合理、更让人信服。”[12]
以州层面的行政事务和项目资助为例，之前的数据储存在不同的教育机构，这些储存在分离系统中的数据通常被称为“数据孤岛”，州教育机构之间缺乏互通，导致储存在分离教育系统中的数据得不到有效的利用。由于SLDS收集的数据是集合性的，涵盖了不同类型教育机构中的师生数据，不同教育机构横向间也可在被赋予的权限内查阅所需数据，从而为教育决策者提供了巨大便利。田纳西州建立了一个名为“评测田纳西”（Measure TN）的数据系统，系统涵盖K-12、高等教育和就业階段的数据，用户能够对各类图表进行排序和筛选，从而生成服务于决策的报告，公众也可轻松获得所在学区或学校的绩效数据[13]。
（二）建立早期预警系统，干预学生学业问题
预警系统是一种利用教育数据发挥预测及干预功能的应用工具，通过比照学生学业成就指标，帮助学校预测哪些学生能够达到毕业标准，或根据其成绩表现预测能达到哪种学业层次，通过比对纵向数据库建立的学业指标，在条件满足的情况下发出警报，从而较好地解决“什么时候适合对学生进行干预”“什么干预是有效的”“应该花费多少资金或人力资源”等问题。通过预警系统，学校、地区和州等不同层级管理者可以完整地把握数据，在准确深入了解学生的基础上进行政策调整。
马萨诸塞州在该州的SLDS基础上建立了早期预警信息系统（EWIS），该系统在每个学年开始前会提供报告，预测辖区内一至十二年级学生能否达到预期学业目标。据统计，马萨诸塞州在使用该系统后，公立学校辍学率由2011年的2.5%下降至2017年的1.8%;同期，公立高中的毕业率由83.4%上升到88.3%[14]。缅因州于2010年创建了“风险数据集”（At-risk Data Mart），该模型能够分析学生学业成绩、教育参与度和学生背景信息，帮助教育工作者识别面临辍学风险的学生，为有风险的学生设计专门的辅导程序[15]。
（三）为学术研究提供及时权威的数据
除了利用教育数据解决现实问题外，各州还致力于将现有数据用于学术研究，包括州教育机构内部专业人员开展的学术研究，以及高等学校等外部研究者开展的研究。一些设有研究和分析岗位的州教育机构，近年来组建了各种信息收集部门或独立研究部门，包括数据问责办公室、评估办公室和数据分析办公室，开展直接服务于地方决策的学术研究。如新泽西州设有教育政策与规划小组，负责设计数据收集模型和解释数据;田纳西州设立了第三方评估工作组，目的是分析和报告各类测试和项目评估结果;南卡罗来纳州设立了数据管理和分析办公室，下设三个小组分别负责数据研究、编程和区域技术服务。
由于数据收集和分析需要大量的专业人员，仅凭州教育机构内部人员无法实现对纵向数据进行深度分析和研究，因此，各州教育机构近年来拓展了与高等学校、专业协会等组织间合作。州教育行政部门与外部专业人员合作的一大方式就是成立区域教育实验室（RELs），通过吸纳高校专业人员和教育行政人员，旨在开展解决实际问题的应用研究，提供与申请相关的技术援助，并通过广泛、持续的支持来进行科学有效的研究，以满足利益相关者的多元需求。
（四）为学生进入大学和就业做准备
《每个学生成功法案》（ESSA）要求各州要确保学生为上大学和就业做好准备，SLDS在确保学生高中毕业和就业准备方面的作用越发凸显。SLDS帮助各州将不同类型的数据进行连接，以获得学生、学校和地区等更广泛的数据图景，使各州能够收集不同年级学生的数据，判断他们能否按期毕业，并在K-12阶段为学生未来的大学和工作做准备。部分州依托SLDS实施“学院和职业准备”（CCR），在SLDS框架下衡量CCR目标的进展情况，研发识别有学业风险的学生、学校和地区的预警系统，为各利益相关者提供用户友好型信息，促进跨机构数据共享和系统整合等，拓展了州纵向数据系统的应用范围。
各州采取积极措施来支持实现CCR目标。以佛罗里达州为例，该州在全美第一个将SLDS与CCR目标联系起来，提出了改善所有学生就业和收入的CCR目标。佛罗里达州的SLDS被视为该州的教育信息门户，提供了不同类别组织的数据，包括从学前到12年级的过程性学业数据，以及核心课程、发展性课程、入学课程和毕业率等信息。上述信息再与佛罗里达教育和培训安置办公室（FETPIP）对接，及时跟踪佛罗里达州学生毕业、退出或完成公共教育与培训等情况。这一系统为CCR数据进行了跨机构连接，并确保这些数据可为不同用户广泛使用[16]。
四、结 语
《国家中长期教育改革和发展规划纲要（2010—2020年）》（以下简称《纲要》）明确指出，到2020年，我国“要基本建成较完备的国家级和省级教育基础信息库”[17]。为落实《纲要》精神，教育部于2012年3月印发了《教育信息化十年发展规划（2011—2020年）》，将建立“有机衔接的国家级和省级教育管理基础数据库和信息系统”列为“国家教育管理信息系统建设行动”计划的核心目标之一[18]。教育数据库建设已成为教育信息化2.0时代推进“互联网+教育”的关键要素[19]。 借鉴美国SLDS建设与运行经验，在推进中国教育数据库建设中，要做到以下几点：一是，要完善教育数据收集和使用的制度条例与法律法规，保障数据收集的可靠性和数据使用的规范性，为各级教育行政部门和学校使用数据提供政策依据;二是，出台国家和地方两级数据库各项技术标准，明确数据收集范围和类型，不断更新数据库系统运行与密码保障技术;三是，加强教育信息化专家团队和研究基地建设，资助专业团队开展教育数据库建设领域研究，发挥专家团队在教育数据库建设规划与顶层设计方面的智慧;四是，建立健全网络安全责任制和问责机制，基于科学而严谨的分层分类数据使用权限与信息安全维护办法，将数据库系统安全与数据维护责任落实到人;五是，对教育行政人员、学校管理者和教师等不同群体开展有针对性的网络安全和数据使用培训，提高教育工作者的网络安全意识和数据素养;六是，引入市场调节机制，吸纳民间资本参与教育数据库建设，形成政府规范引导、部门统筹推进、社会积极参与、学校主动对接的教育数据库建设与运行体系。
[参考文献]
[1] 王正青，徐辉. 大数据时代美国的教育大数据战略与实施[J]. 教育研究，2018（2）：120-126.
[2] 麦奎甘·萨帕. 纵向数据大革命[M]. 胡俊，译. 北京：清华大学出版社，2015：45.
[3] MCCANN C， KABAKER J C. Promoting data in the classroom：innovative state models and missed opportunities[R]. New America Foundation， education policy program， 2013： 17.
[4] SWANSON D A. The frontiers of applied demography[M]. California：University of California Riverside，2017：9.
[5] National Center for Education Statistics. Best practices briefs[EB/OL].[2018-03-20].https：//nces.ed.gov/programs/slds/publications.asp.
[6] 彭雪濤. 美国高校数据治理及其借鉴[J]. 电化教育研究，2017（6）：76-81.
[7] National Center for Education Statistics. Traveling through time：the forum guide to longitudinal data systems book IV：advanced LDS usage[EB/OL].[2018-02-18].https：//nces.ed.gov/pubs2011/2011802.pdf.
[8] 傅钢善，王改花. 基于数据挖掘的网络学习行为与学习效果研究[J]. 电化教育研究，2014（9）：53-57.
[9] Department of Colorado Education.The colorado growth model frequently asked questions[EB/OL].[2018-03-10]. http：//assessment.aurorak12.org/wp-content/uploads/sites/5/2009/06/2009_07_02_FAQ.pdf.
[10] Congress.gov. Student digital privacy and parental rights act of 2015[EB/OL].[2018-05-30].https：//www.congress.gov/bill/114th-congress/house-bill/2092.
[11] 王正青. 大数据时代美国学生数据隐私保护立法与治理体系[J]. 比较教育研究，2016（11）：28-33.
[12] GROVER J. Opportunity through education：two proposals[R]. Washington D.C：Brookings Institution，2011：181-186.
[13] CONAWAY C，KESLER V，SCHWARTZ N. What research do state education agencies really need？ The promise and limitations of state longitudinal data systems[J]. Educational evaluation and policy analysis，2015，37（1）：16-28.
[14] Massachusetts Department of Elementary and Secondary Education.Cohort 2017 four-year graduation rates-state results[EB/OL].[2018-02-23]. http：//www.doe.mass.edu/infoservices/reports/gradrates/.
[15] National Center for Education Statistics. Development and use of early warning systems. SLDS spotlight[EB/OL].[2018-02-23].http：//files.eric.ed.gov/fulltext/ED565705.pdf.
[16] College&Career Readiness& Success Center. Harnessing the potential of statewide longitudinal data systems to support college and career readiness[EB/OL].[2018-12-12].http：//files.eric.ed.gov/fulltext/ED573154.pdf.
[17] 国家中长期教育改革和发展规划纲要工作小组办公室. 国家中长期教育改革和发展规划纲要（2010—2020年）[EB/OL].（2010-07-29）[2018-03-10].http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/info_list/201407/xxgk_171904.html.
[18] 中华人民共和国教育部. 教育信息化十年规划（2011-2020年）[EB/OL].（2010-03-13）[2018-03-10].http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/s3342/201203/xxgk_133322.html.
[19] 刘革平，余亮，龚朝花，等. 教育信息化2.0视域下的“互联网+教育”要素与功能研究[J]. 电化教育研究，2018（9）：37-42.