论文部分内容阅读
摘要：新型冠状病毒的出现，引起世界教育界对新型教育模式的探讨，“数据化”教学成为关注的重点，学习数据的应用可以明显改善教学环境，提高学生学习能力。其中基础工作是：通过制度设计，依法广泛收集、整理教学相关的数据，培养一批推广应用数据教学的人才，同时要创造一个良好的数据化学习环境。研究表明，“无距离的数据虚拟”化教学是今后“三教改革”的方向和重点。
关键词：学习数据的使用;数据化教学;制度设计
一、从网络课堂到数据化教学
由于新冠疫情的发生和传播，引起世界各国的高度重视和警惕。尤其是各类学校，在疫情发生期间，学生往往不能按时到校上课;在校生集中上课又要考虑学生的健康和安全。学生的安全问题成为各类学校头等大事，各学校都在苦思冥想希望能找到一个既保证学生健康安全又保证教学质量的教学方法。目前“数据化”教学方法的研究已经引起世界各国的高度关注和认可，是解决该问题的一种新思路和新方法，也赋予了“三教改革”（教师、教材、教法）新内涵。所谓数据（data）是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。
现在针对新型冠状病毒的教学策略——“数据化”教学正在逐步开展。各教育机构和民间企业使用学习支持系统和校务支持系统已经积累了各种学习数据，使用这个学习数据可以提高学生的学习能力。另外教师或者学生自己可以根据学习数据的分析结果，实时讨论教育方法和学习方法。对于这样的新颖教育，通过分析教师和学生之间、学生相互之间、学习支持系统之间的交互来整合知识，有可能构建新的教育学理论和实践。在美国和英国等各国，以高等教育机构为中心，盛行LA的研究和实践，LA（Learning Analythics）学习分析理论。[1]
根据这个理论，美国教育部2005年开始在全国范围内导入时间序列数据系统（SLDS：Statewide longitudional data systems），开始学习科目和成绩等学生数据的收集，2017年使用这个数据系统进行了大规模分析预测等各项研究。在大学教育方面，2012年以后，以密歇根大学、斯坦福大学为首，在大学中设置了LA（Learning Analytics）中心，有组织地收集大学内的教育、学习活动的数据，进行LA的研究和实践。因为美国各大学都是独立进行LA的，所以为了共享学习数据，又建立了Unizin和LearnSphere等网站。
在英国，从2014年到2017年，对50所以上的大学进行了LA的信息基础系统的建设，各大学开始实施LA。
2011年以后，使用教育大数据为目标的LA的研究快速发展，作为与之相关的LAK（Learning Analytics and Knowledge）学习分析与知识和EDM（Education Data Mining）教学数据开发的国际会议相继召开。除此之外，美国密歇根大学、纽约大学、亚利桑那州立大学等也设立了实践LA的中心，整个大学有组织地实践着LA。开展对成绩的预测、论文的分析、案例方案的选择、课程的评价，传感器可以对获得的各种数据信息进行综合分析。日本2016年在九州大学设置了LA中心，以整个大学为对象逐步进行学习数据的收集。目前作为新型冠状病毒的应急教学，以在线授课作为过渡，继续推动数据化教学。在线网络教学主要以单向传授知识为主，还是属于传统的被动式教育。而数据化教学是一种双向全新的教学模式，可以实时互动，学生更为主动的学习。AI大数据的使用，不仅仅是针对学校等教育机构，还跨越补习班、产业界、社会、行政等界限，进一步面向全社会。
二、学习数据的分类和使用
（一）学习数据的分类
学习数据定义为：根据教育的数据化，每个人一台的信息终端，使用学习支持系统和校务支持系统等积累的数据信息进行学习的信息集合。学习数据的分类和功能有以下几个。
1.学习支持系统，使用LMS学习管理系统（Learning Management System），也叫在线学习系统，也叫网络培训平台，在线教育系统等;2.数据演算的回答和评分;3.学生问卷调查结果;4.学籍信息学生学年成绩等基本信息;5.学生每天的出勤信息;6.每堂课的指导计划和大纲;7.小测试测验或定期测验和结果;8.成绩评定信息通知;9.教员问卷调查;10.健康观察记录。[2]
（二）学习数据的使用现状
学习数据的使用称为LA。所谓LA是应用信息技术，研究如何从教师和学生获得教学的信息，如何分析反馈促进学习和教育的教学活动。以前使用LMS（Learning Management System）和MOOCs（Massive Open Online Courses）等的在線课程的数据进行处理的研究有很多，解决面对面的数据授课的研究很少。近年来面对面的数据授课也增加了，欧美大学开始出现学习成绩提高和退学率降低等效果。目前国际很多研究者对个人授课中收集数据的研究和大学等教育机构对收集学习数据有效使用的研究并不多，理由是教育机构整体进行LA时，没有作为用于收集、管理、使用学习数据的制度标准。今后为了将LA应用和推广，有必要提出教育机构和整个国家的制度。学习数据有：1.学生或教师使用;2.教育机构或研究人员使用;3.全体社会使用。其中1是狭义的LA，2是教学IR（Instittional Research）也叫教学研究，3是根据制定制度（Evidence Based Policy Making：EBPM），开放数据、研究数据管理等相关措施。本研究主要目标是第3层面，也叫广义的LA使用。[3]
（三）学习数据收集的对象和等级
现有的学习数据分散在小学、初中、高中、大学等公共教育机构中，以及提供补习班等私人教育机构或为教育服务的民间企业中。作为收集学习数据的对象，首先要将小学、初中、高中等分散公共教育机构一起进行数据收集管理，大学、研究生院等公共教育机构开展学习数据实际有效使用。然后逐步推广到小学、初中、高中，各教育机构根据所属关系，考虑到对个人信息保护，适当处理后交由国家认定的公共机构收集，这样可以得到国家层面数据教育制度的支持和管理。 学习数据使用阶段共分为4个等级：
1级：学校、地方社会、大学等校际内无法共享，应用学习数据在校内使用，或者被分散管理，各自为政。
2级：在校际内共享学习数据在同一校际内学生可以应用学习数据，学校可以使用管理等手段，但是因为有些学习数据属于个人信息，所属校际以外有必要进行严格的管理，数据没有实现共享。
3级：在校际内共享学习数据，同时可以使用校际内外的学习数据，在对个人信息保护妥善处理后，应考虑学校信息保护，妥善处理公共团体、大学等外部对学习数据的使用，需要有校际间共享数据的规则，但校际内外的数据处理系统没有统一，计算机难以识别处理。
4级：在校际内共享学习数据、校际内外的学习数据可以有效使用。个人信息得到保护和妥善处理，校际内外数据处理系统得到统一，可以使计算机处理数据更加容易，实现校际间学习数据共享。[4]
为了达到更高的目标，需要积累从过去到现在的大量学习数据并且有效使用。大规模的学习数据有助于提高个人学习水平、教材的推广、学生的理解度、教学预测的精度，在教学上有助于优化教学计划等。另外在全国范围内大规模的学习数据中积累，实现基于个人能力培养的教育，从心理学、教育学、社会学等多种观点来分析数据，积累学术性的知识，对教育科学来说是非常珍贵的基础数据。[5]因此，教育机构要长期保存这些学习数据。在国家层面上保护个人信息，加工收集学习数据，使其长期处于可使用的状态。由于学习数据有一部分属于个人信息，为了在全国范围内收集、使用学习数据，有必要好好研究并实施相应的制度设计和实施方法。
三、用于收集和使用学习数据的制度设计
（一）学习数据使用级别的统一
根据学习数据的使用级别分等级。1级在教育机构范围内几乎不能共享应用学习数据。在2级状态下，由于学校收集的数据量会有很大的差异，使用学习数据进行的支持系统也有差异。在3级阶段，即使跨校际间共享学习数据，由于系统和意识不统一，使用计算机上的程序处理也变得人为的复杂。因此，考虑到有效利用计算机处理系统，并且考虑到跨校际间集中收集学习数据的情况下，应该实现以标准、系统、统一地收集数据的等级。如果不那样做，即使跨校际间收集学习数据，也很难用计算机处理数据。为了改善整个社会的教育，必须实现收集、使用学习数据的各项指标高度统一。[6]
（二）学习数据使用制度现状
关于学习数据的使用，即使是在同一机构内使用，从保护个人信息等观点来看，现在仍在讨论。将来为了在初等、中等、高等教育机构中促进学习数据的有效使用，有必要制定国家级的“教育数据的使用制度”。大部分大学都制定了信息安全制度，制定以学校为对象的信息安全制度教育委员会。另外与社会安全制度多样性进行整合，同时对教师的信息道德进行教育。
在制度设计中，在学习数据的使用上也有不同观点。特别是注意到国内外对“基于学历的教育”的批判性议论主要体现在教育原理性的层面上，主要人为教育总是以不同的人或环境为对象，进行不可再现性（非再现性）的面对面知识交流，体现了传统教学认知方式，如果从学习数据中能提取能力，体现教育体系是很困难的。但是近年来科学分析各个教育实践积累的教育大数据，并努力提取能力相关要素，要解决以上不同见解，在学习数据的使用中可以考虑如下。
1.在使用学习数据的时候，除了教育改善和教学改善的目的以外，不使用学习数据。表示教育改善的评价指标有成绩、学生的发言次数、积极性、创造性等。通过实践，在研究各自的数据指标时，也可以制定规则，适当扩大使用范围。
2.教育相关的选择是本人实施的，使用学习数据的推荐或提议对本人来说不会成为定论强加于人。
3.教师和LA专业人员对在教务中通过使用学习数据而得知的一定范围内信息负有保密义务。数据的使用者或研究者等对特定个人的分析，在地区和学校之间不要做无用的比较。
4.教师不要过度相信过去积累的学习数据的知识，不能成為经验主义。需要对照目前自己的经验和学生的状况，更好地发挥自身能力。
5.将数据用于制度制定的依据、制度和实践的评价时，重要的是要仔细考虑收集到的数据来龙去脉和方法，检查其可靠性和适用性，并考虑其使用界限。不仅要对有限的指标进行制度评估，还需要使用多方面的数据（例如：大规模调查的量的数据和根据学校和班级实践的的数据）进行相互验证。
国家要设立类似于伦理审查委员会那样的第三方机构，定期进行评估，以个人的知识产权和人格尊严作为最大的评价基准，促进学习数据的安全、合法使用和防止滥用等，另外该制度需要在网页上收集公众意见，在有关各地召开说明会和研讨会，通过多利益相关者的合作协商，在全国范围内推广应用。
（三）学习数据的管理体制
在现在的有关个人信息保护法下，国家或公共机构为了收集学习数据，应该在每个学校或者学校所属的校际间（地方社会、大学、各类学校等），收集考虑到个人信息得到保护而适当处理后的数据。这样一般就可以避免要一个个征求学生本人的同意，使用部分学生信息须取得监护人同意。为了避免现场教育缺乏公平性，在教育现场研究使用学习数据时，按照各研究机构的伦理委员会的规则，事前做好说明收集数据的项目和使用目的、管理方法等，从本人或法律代理人那里得到同意。[7]从不同的机构收集和分析学习数据时，要在数据完整性状态下收集保存数据。如果只是为了第三方进行客观分析，则不提供个人信息。如果需要研究将各教育机构所有的分散数据连结起来，保证数据完整性，可以用区块链的方法。
（四）学习数据的系统和意识的统一
将来应用学习数据，需要使用平板电脑等设备，通过使用LMS等学习支持系统（虚拟学习环境系统）。但是学习支持系统有很多种类，那些数据以独自的系统被记录，使用这些学习支持系统，为了共享在不同的教育机构收集的学习数据并用计算机处理，需要有共同的系统。数据表现的世界标准的规格有xAPI和Caliper两个。xAPI于2013年4月由美国ADL（Advanced Distributed Learning高级分布式学习系统）Initiative（主动）公开。之后IMS GLObal也提出了Caliper。xAPI和Caliper的学习数据通常存储在LRS（Learning Record Store 学习数据存储）中。通过使用这些标准的数据形式，可以很容易地在不同的机构之间交换学习数据。但是其中由于没有规定数据的意思（词语和数据的解释），所以存在着美国的Common Education Data Standards（通用教育数据标准）和英国的Common Basic Data Set（基本数据集合）等数据解释的标准化。这样不仅是共享数据系统，而且理解意识也同时统一存储，这对学习数据的推广使用是非常重要的。这里的意识是指各自对数据系统表现的理解，不同的理解可以经过相互研究讨论逐步趋于一致。 （五）教材等学习数据的著作权处理
数据教科书和数据教材的使用是把握教师和学生如何进行教学活动的重要数据，但是由于著作权规定的内容在授课或在线上教学有时难以推广使用。考虑到办理和遵守著作权法的手续会需要一定的时间，纸质教科书和教材的著作权作者和出版商已经完成了，但是那些电子版的著作权处理还要履行有关法律手续。如果使用这些电子教科书的话，也需要得到出版社许可。因此，为了使数据教科书和数据教材在课堂内外、在线、离线等方面都能充分使用，有必要重新修改教科书制度和著作权法。另外也可以讨论通过一揽子补偿金的制度，简化对著作权的使用权方法。不仅是教科书和教材，学生提交的报告和作文等文章收集分析的时候，也需要考虑著作权的问题。
四、LA人才的培养
（一）专业教师的培养
收集和积累信息说到底只是一种手段，为了提高数据教学水平，教师必须理解如何使用数据的教育。因此，有必要构建在职教师重新学习系统。在大学的教师培养课程中，也有必要开设教授使用学习数据的课程。
（二）培养LA专业人员
在教育现场，作为通过学习数据的收集和分析来支持教育改善的人才，现实上可以考虑由现在的ICT操作员来负责，但是为了处理学习数据，有必要设立ICT操作员的职业资格制度。例如，除了ICT操作员的资格外，还考虑培养从事民间企业和大学等机构的数据分析、LA研究等LA专业人员。[8]
（三）构建学习数据科学的人才培养环境
为了改善教育，有必要通过使用学习数据来发现现场的问题点，提出改善策略，培养发现有效的学习方法和教育方法的研究人员。有教育学、心理学、认知科学等素养，培养拥有数据科学和教育工学技術的学习数据科学是当务之急。为了教授学习数据科学，积极设置研究生的专业，并重新加入LA的课程。
五、建议与思考
（一）建议
在全国范围内收集学习数据，使用学习数据，不仅可以提高国家教育水平，也可以提高学生、教师的个人水平、学校等教育机构水平。可以对教师的优秀教学技巧，作为证据进行汇总、积累，重要的是能创造一个可以模拟的环境，把个人能力的成果应用到国家、社会、学校。
要创造一个使用学习数据的信息环境，完善用于收集学习数据的信息终端。学习数据不仅在课堂上，在课堂外也需要持续收集，因此，信息终端需要配备完整。有必要研究开发平板电脑和智能手机等已有的信息终端，使学校和家庭都能经常使用学习数据，建设快速连接互联网和完善信息的基础系统。
要完善信息道德教育和信息健康教育。信息环境要考虑对学生健康和精神方面的影响。例如，需要考虑信息终端的长时间使用对视力和身体的影响，以及睡眠不足和运动不足对精神方面的影响等，今后也需要继续进行调查研究。
（二）思考
早在1995年The Economist杂志就提出随着信息通信技术的发展，经济、知识、教育等活动中的“无距离世界”（Death of Distance）就会到来。但是一般认为，即使互联网普及了，也不会“距离消失”，反而会增加地理上的集成。但是受到新型冠状病毒的影响，教育的距离有可能朝着消失的方向移动。在AI和大数据分析等云计算环境中可以实现教学的远程研究开发，另外有些产品也可以在当地留下很少的操作员，进行在线研究。根据一些地区对外出进行限制，进入虚拟的数据研究开发的学校和研究机构就会增加，不考虑距离远近的数据研究开发体制一旦形成的话，这种高效率新方法也很有可能被人们接受。
目前作为应对疫情的研究课题，如：制造虚拟化、隐私数据开发、距离的消失等都可以成为教学系统变革的契机。[9]
教育是国家的基础，为了使整个社会都能更好地接受教育，要妥善处理开发好学习数据，统一数据系统，达到社会上共享和使用。特别是近年来学生学习处于多样化的时代，为了提供符合每个学生特征的学习教育，使用学习数据将会越来越重要。另外现在实施应对新型冠状病毒的在线授课需要进一步升级换代，学习数据收集、完善信息基础系统，构筑基于自身能力的教育环境的。
参考文献：
[1] Hiroaki Ogata， Toward the Realization of “Evidence-Based Education”[J].Using Learning Analytics， Journal of Educational Systems Information Society， 2019，36（03）：215-217.
[2] Hiroshi Ueda， Hiroaki Ogata， Tsuneo Yamada， Examination of policies regarding utilization of education and learning data in higher education institutions， Information Processing Society of Japan Research Report Electronic Intellectual Property and Social Infrastructure Study Group [R]. （EIP），2018 Vol.2018-EIP-81， No.21， pp.1-6.
[3] Yuasa Harumichi： Issues of revision of the Personal Information Protection Law ─ Focusing on the problems of personal information protection of local governments ─. Information Security Comprehensive Science[R]. No.6，2014. [4] Gert Biesta （translated by Hiroyuki Fujii and Hiroaki Tamaki） What is good education-ethics， politics， democracy-Shirasawasha[M].2016.
[5] Hirotaka Sugita and Shota Kumai （eds.）， Shumpusha Publishing， exploring the threshold of “evidence-based education”.[M].2019.
[6] Hiroaki Ogata， Introduction and Research of Learning Analytics in University Education[J]. Journal of the Japan Society for Educational Technology，2018，41（03）：221-231.
[7] Nozomi Kutomi. Characteristics of digital textbooks supported by educational sites inferred from paper textbooks. Digital textbook research[J]. 2014（01）：37-49.
[8] Obunsha， special edition in April during the snowy era National Universities Undergraduate / Department Information Basics of selecting a university Understand the faculties / departments！ ！！ [C]. 2019.
[9] Japan Educational Information Technology Promotion Association. Survey and research results report for training and securing ICT support staff. 2017 Ministry of Education， Culture， Sports， Science and Technology commissioned project[R]. 2018.
关键词：学习数据的使用;数据化教学;制度设计
一、从网络课堂到数据化教学
由于新冠疫情的发生和传播，引起世界各国的高度重视和警惕。尤其是各类学校，在疫情发生期间，学生往往不能按时到校上课;在校生集中上课又要考虑学生的健康和安全。学生的安全问题成为各类学校头等大事，各学校都在苦思冥想希望能找到一个既保证学生健康安全又保证教学质量的教学方法。目前“数据化”教学方法的研究已经引起世界各国的高度关注和认可，是解决该问题的一种新思路和新方法，也赋予了“三教改革”（教师、教材、教法）新内涵。所谓数据（data）是事实或观察的结果，是对客观事物的逻辑归纳，是用于表示客观事物的未经加工的原始素材。
现在针对新型冠状病毒的教学策略——“数据化”教学正在逐步开展。各教育机构和民间企业使用学习支持系统和校务支持系统已经积累了各种学习数据，使用这个学习数据可以提高学生的学习能力。另外教师或者学生自己可以根据学习数据的分析结果，实时讨论教育方法和学习方法。对于这样的新颖教育，通过分析教师和学生之间、学生相互之间、学习支持系统之间的交互来整合知识，有可能构建新的教育学理论和实践。在美国和英国等各国，以高等教育机构为中心，盛行LA的研究和实践，LA（Learning Analythics）学习分析理论。[1]
根据这个理论，美国教育部2005年开始在全国范围内导入时间序列数据系统（SLDS：Statewide longitudional data systems），开始学习科目和成绩等学生数据的收集，2017年使用这个数据系统进行了大规模分析预测等各项研究。在大学教育方面，2012年以后，以密歇根大学、斯坦福大学为首，在大学中设置了LA（Learning Analytics）中心，有组织地收集大学内的教育、学习活动的数据，进行LA的研究和实践。因为美国各大学都是独立进行LA的，所以为了共享学习数据，又建立了Unizin和LearnSphere等网站。
在英国，从2014年到2017年，对50所以上的大学进行了LA的信息基础系统的建设，各大学开始实施LA。
2011年以后，使用教育大数据为目标的LA的研究快速发展，作为与之相关的LAK（Learning Analytics and Knowledge）学习分析与知识和EDM（Education Data Mining）教学数据开发的国际会议相继召开。除此之外，美国密歇根大学、纽约大学、亚利桑那州立大学等也设立了实践LA的中心，整个大学有组织地实践着LA。开展对成绩的预测、论文的分析、案例方案的选择、课程的评价，传感器可以对获得的各种数据信息进行综合分析。日本2016年在九州大学设置了LA中心，以整个大学为对象逐步进行学习数据的收集。目前作为新型冠状病毒的应急教学，以在线授课作为过渡，继续推动数据化教学。在线网络教学主要以单向传授知识为主，还是属于传统的被动式教育。而数据化教学是一种双向全新的教学模式，可以实时互动，学生更为主动的学习。AI大数据的使用，不仅仅是针对学校等教育机构，还跨越补习班、产业界、社会、行政等界限，进一步面向全社会。
二、学习数据的分类和使用
（一）学习数据的分类
学习数据定义为：根据教育的数据化，每个人一台的信息终端，使用学习支持系统和校务支持系统等积累的数据信息进行学习的信息集合。学习数据的分类和功能有以下几个。
1.学习支持系统，使用LMS学习管理系统（Learning Management System），也叫在线学习系统，也叫网络培训平台，在线教育系统等;2.数据演算的回答和评分;3.学生问卷调查结果;4.学籍信息学生学年成绩等基本信息;5.学生每天的出勤信息;6.每堂课的指导计划和大纲;7.小测试测验或定期测验和结果;8.成绩评定信息通知;9.教员问卷调查;10.健康观察记录。[2]
（二）学习数据的使用现状
学习数据的使用称为LA。所谓LA是应用信息技术，研究如何从教师和学生获得教学的信息，如何分析反馈促进学习和教育的教学活动。以前使用LMS（Learning Management System）和MOOCs（Massive Open Online Courses）等的在線课程的数据进行处理的研究有很多，解决面对面的数据授课的研究很少。近年来面对面的数据授课也增加了，欧美大学开始出现学习成绩提高和退学率降低等效果。目前国际很多研究者对个人授课中收集数据的研究和大学等教育机构对收集学习数据有效使用的研究并不多，理由是教育机构整体进行LA时，没有作为用于收集、管理、使用学习数据的制度标准。今后为了将LA应用和推广，有必要提出教育机构和整个国家的制度。学习数据有：1.学生或教师使用;2.教育机构或研究人员使用;3.全体社会使用。其中1是狭义的LA，2是教学IR（Instittional Research）也叫教学研究，3是根据制定制度（Evidence Based Policy Making：EBPM），开放数据、研究数据管理等相关措施。本研究主要目标是第3层面，也叫广义的LA使用。[3]
（三）学习数据收集的对象和等级
现有的学习数据分散在小学、初中、高中、大学等公共教育机构中，以及提供补习班等私人教育机构或为教育服务的民间企业中。作为收集学习数据的对象，首先要将小学、初中、高中等分散公共教育机构一起进行数据收集管理，大学、研究生院等公共教育机构开展学习数据实际有效使用。然后逐步推广到小学、初中、高中，各教育机构根据所属关系，考虑到对个人信息保护，适当处理后交由国家认定的公共机构收集，这样可以得到国家层面数据教育制度的支持和管理。 学习数据使用阶段共分为4个等级：
1级：学校、地方社会、大学等校际内无法共享，应用学习数据在校内使用，或者被分散管理，各自为政。
2级：在校际内共享学习数据在同一校际内学生可以应用学习数据，学校可以使用管理等手段，但是因为有些学习数据属于个人信息，所属校际以外有必要进行严格的管理，数据没有实现共享。
3级：在校际内共享学习数据，同时可以使用校际内外的学习数据，在对个人信息保护妥善处理后，应考虑学校信息保护，妥善处理公共团体、大学等外部对学习数据的使用，需要有校际间共享数据的规则，但校际内外的数据处理系统没有统一，计算机难以识别处理。
4级：在校际内共享学习数据、校际内外的学习数据可以有效使用。个人信息得到保护和妥善处理，校际内外数据处理系统得到统一，可以使计算机处理数据更加容易，实现校际间学习数据共享。[4]
为了达到更高的目标，需要积累从过去到现在的大量学习数据并且有效使用。大规模的学习数据有助于提高个人学习水平、教材的推广、学生的理解度、教学预测的精度，在教学上有助于优化教学计划等。另外在全国范围内大规模的学习数据中积累，实现基于个人能力培养的教育，从心理学、教育学、社会学等多种观点来分析数据，积累学术性的知识，对教育科学来说是非常珍贵的基础数据。[5]因此，教育机构要长期保存这些学习数据。在国家层面上保护个人信息，加工收集学习数据，使其长期处于可使用的状态。由于学习数据有一部分属于个人信息，为了在全国范围内收集、使用学习数据，有必要好好研究并实施相应的制度设计和实施方法。
三、用于收集和使用学习数据的制度设计
（一）学习数据使用级别的统一
根据学习数据的使用级别分等级。1级在教育机构范围内几乎不能共享应用学习数据。在2级状态下，由于学校收集的数据量会有很大的差异，使用学习数据进行的支持系统也有差异。在3级阶段，即使跨校际间共享学习数据，由于系统和意识不统一，使用计算机上的程序处理也变得人为的复杂。因此，考虑到有效利用计算机处理系统，并且考虑到跨校际间集中收集学习数据的情况下，应该实现以标准、系统、统一地收集数据的等级。如果不那样做，即使跨校际间收集学习数据，也很难用计算机处理数据。为了改善整个社会的教育，必须实现收集、使用学习数据的各项指标高度统一。[6]
（二）学习数据使用制度现状
关于学习数据的使用，即使是在同一机构内使用，从保护个人信息等观点来看，现在仍在讨论。将来为了在初等、中等、高等教育机构中促进学习数据的有效使用，有必要制定国家级的“教育数据的使用制度”。大部分大学都制定了信息安全制度，制定以学校为对象的信息安全制度教育委员会。另外与社会安全制度多样性进行整合，同时对教师的信息道德进行教育。
在制度设计中，在学习数据的使用上也有不同观点。特别是注意到国内外对“基于学历的教育”的批判性议论主要体现在教育原理性的层面上，主要人为教育总是以不同的人或环境为对象，进行不可再现性（非再现性）的面对面知识交流，体现了传统教学认知方式，如果从学习数据中能提取能力，体现教育体系是很困难的。但是近年来科学分析各个教育实践积累的教育大数据，并努力提取能力相关要素，要解决以上不同见解，在学习数据的使用中可以考虑如下。
1.在使用学习数据的时候，除了教育改善和教学改善的目的以外，不使用学习数据。表示教育改善的评价指标有成绩、学生的发言次数、积极性、创造性等。通过实践，在研究各自的数据指标时，也可以制定规则，适当扩大使用范围。
2.教育相关的选择是本人实施的，使用学习数据的推荐或提议对本人来说不会成为定论强加于人。
3.教师和LA专业人员对在教务中通过使用学习数据而得知的一定范围内信息负有保密义务。数据的使用者或研究者等对特定个人的分析，在地区和学校之间不要做无用的比较。
4.教师不要过度相信过去积累的学习数据的知识，不能成為经验主义。需要对照目前自己的经验和学生的状况，更好地发挥自身能力。
5.将数据用于制度制定的依据、制度和实践的评价时，重要的是要仔细考虑收集到的数据来龙去脉和方法，检查其可靠性和适用性，并考虑其使用界限。不仅要对有限的指标进行制度评估，还需要使用多方面的数据（例如：大规模调查的量的数据和根据学校和班级实践的的数据）进行相互验证。
国家要设立类似于伦理审查委员会那样的第三方机构，定期进行评估，以个人的知识产权和人格尊严作为最大的评价基准，促进学习数据的安全、合法使用和防止滥用等，另外该制度需要在网页上收集公众意见，在有关各地召开说明会和研讨会，通过多利益相关者的合作协商，在全国范围内推广应用。
（三）学习数据的管理体制
在现在的有关个人信息保护法下，国家或公共机构为了收集学习数据，应该在每个学校或者学校所属的校际间（地方社会、大学、各类学校等），收集考虑到个人信息得到保护而适当处理后的数据。这样一般就可以避免要一个个征求学生本人的同意，使用部分学生信息须取得监护人同意。为了避免现场教育缺乏公平性，在教育现场研究使用学习数据时，按照各研究机构的伦理委员会的规则，事前做好说明收集数据的项目和使用目的、管理方法等，从本人或法律代理人那里得到同意。[7]从不同的机构收集和分析学习数据时，要在数据完整性状态下收集保存数据。如果只是为了第三方进行客观分析，则不提供个人信息。如果需要研究将各教育机构所有的分散数据连结起来，保证数据完整性，可以用区块链的方法。
（四）学习数据的系统和意识的统一
将来应用学习数据，需要使用平板电脑等设备，通过使用LMS等学习支持系统（虚拟学习环境系统）。但是学习支持系统有很多种类，那些数据以独自的系统被记录，使用这些学习支持系统，为了共享在不同的教育机构收集的学习数据并用计算机处理，需要有共同的系统。数据表现的世界标准的规格有xAPI和Caliper两个。xAPI于2013年4月由美国ADL（Advanced Distributed Learning高级分布式学习系统）Initiative（主动）公开。之后IMS GLObal也提出了Caliper。xAPI和Caliper的学习数据通常存储在LRS（Learning Record Store 学习数据存储）中。通过使用这些标准的数据形式，可以很容易地在不同的机构之间交换学习数据。但是其中由于没有规定数据的意思（词语和数据的解释），所以存在着美国的Common Education Data Standards（通用教育数据标准）和英国的Common Basic Data Set（基本数据集合）等数据解释的标准化。这样不仅是共享数据系统，而且理解意识也同时统一存储，这对学习数据的推广使用是非常重要的。这里的意识是指各自对数据系统表现的理解，不同的理解可以经过相互研究讨论逐步趋于一致。 （五）教材等学习数据的著作权处理
数据教科书和数据教材的使用是把握教师和学生如何进行教学活动的重要数据，但是由于著作权规定的内容在授课或在线上教学有时难以推广使用。考虑到办理和遵守著作权法的手续会需要一定的时间，纸质教科书和教材的著作权作者和出版商已经完成了，但是那些电子版的著作权处理还要履行有关法律手续。如果使用这些电子教科书的话，也需要得到出版社许可。因此，为了使数据教科书和数据教材在课堂内外、在线、离线等方面都能充分使用，有必要重新修改教科书制度和著作权法。另外也可以讨论通过一揽子补偿金的制度，简化对著作权的使用权方法。不仅是教科书和教材，学生提交的报告和作文等文章收集分析的时候，也需要考虑著作权的问题。
四、LA人才的培养
（一）专业教师的培养
收集和积累信息说到底只是一种手段，为了提高数据教学水平，教师必须理解如何使用数据的教育。因此，有必要构建在职教师重新学习系统。在大学的教师培养课程中，也有必要开设教授使用学习数据的课程。
（二）培养LA专业人员
在教育现场，作为通过学习数据的收集和分析来支持教育改善的人才，现实上可以考虑由现在的ICT操作员来负责，但是为了处理学习数据，有必要设立ICT操作员的职业资格制度。例如，除了ICT操作员的资格外，还考虑培养从事民间企业和大学等机构的数据分析、LA研究等LA专业人员。[8]
（三）构建学习数据科学的人才培养环境
为了改善教育，有必要通过使用学习数据来发现现场的问题点，提出改善策略，培养发现有效的学习方法和教育方法的研究人员。有教育学、心理学、认知科学等素养，培养拥有数据科学和教育工学技術的学习数据科学是当务之急。为了教授学习数据科学，积极设置研究生的专业，并重新加入LA的课程。
五、建议与思考
（一）建议
在全国范围内收集学习数据，使用学习数据，不仅可以提高国家教育水平，也可以提高学生、教师的个人水平、学校等教育机构水平。可以对教师的优秀教学技巧，作为证据进行汇总、积累，重要的是能创造一个可以模拟的环境，把个人能力的成果应用到国家、社会、学校。
要创造一个使用学习数据的信息环境，完善用于收集学习数据的信息终端。学习数据不仅在课堂上，在课堂外也需要持续收集，因此，信息终端需要配备完整。有必要研究开发平板电脑和智能手机等已有的信息终端，使学校和家庭都能经常使用学习数据，建设快速连接互联网和完善信息的基础系统。
要完善信息道德教育和信息健康教育。信息环境要考虑对学生健康和精神方面的影响。例如，需要考虑信息终端的长时间使用对视力和身体的影响，以及睡眠不足和运动不足对精神方面的影响等，今后也需要继续进行调查研究。
（二）思考
早在1995年The Economist杂志就提出随着信息通信技术的发展，经济、知识、教育等活动中的“无距离世界”（Death of Distance）就会到来。但是一般认为，即使互联网普及了，也不会“距离消失”，反而会增加地理上的集成。但是受到新型冠状病毒的影响，教育的距离有可能朝着消失的方向移动。在AI和大数据分析等云计算环境中可以实现教学的远程研究开发，另外有些产品也可以在当地留下很少的操作员，进行在线研究。根据一些地区对外出进行限制，进入虚拟的数据研究开发的学校和研究机构就会增加，不考虑距离远近的数据研究开发体制一旦形成的话，这种高效率新方法也很有可能被人们接受。
目前作为应对疫情的研究课题，如：制造虚拟化、隐私数据开发、距离的消失等都可以成为教学系统变革的契机。[9]
教育是国家的基础，为了使整个社会都能更好地接受教育，要妥善处理开发好学习数据，统一数据系统，达到社会上共享和使用。特别是近年来学生学习处于多样化的时代，为了提供符合每个学生特征的学习教育，使用学习数据将会越来越重要。另外现在实施应对新型冠状病毒的在线授课需要进一步升级换代，学习数据收集、完善信息基础系统，构筑基于自身能力的教育环境的。
参考文献：
[1] Hiroaki Ogata， Toward the Realization of “Evidence-Based Education”[J].Using Learning Analytics， Journal of Educational Systems Information Society， 2019，36（03）：215-217.
[2] Hiroshi Ueda， Hiroaki Ogata， Tsuneo Yamada， Examination of policies regarding utilization of education and learning data in higher education institutions， Information Processing Society of Japan Research Report Electronic Intellectual Property and Social Infrastructure Study Group [R]. （EIP），2018 Vol.2018-EIP-81， No.21， pp.1-6.
[3] Yuasa Harumichi： Issues of revision of the Personal Information Protection Law ─ Focusing on the problems of personal information protection of local governments ─. Information Security Comprehensive Science[R]. No.6，2014. [4] Gert Biesta （translated by Hiroyuki Fujii and Hiroaki Tamaki） What is good education-ethics， politics， democracy-Shirasawasha[M].2016.
[5] Hirotaka Sugita and Shota Kumai （eds.）， Shumpusha Publishing， exploring the threshold of “evidence-based education”.[M].2019.
[6] Hiroaki Ogata， Introduction and Research of Learning Analytics in University Education[J]. Journal of the Japan Society for Educational Technology，2018，41（03）：221-231.
[7] Nozomi Kutomi. Characteristics of digital textbooks supported by educational sites inferred from paper textbooks. Digital textbook research[J]. 2014（01）：37-49.
[8] Obunsha， special edition in April during the snowy era National Universities Undergraduate / Department Information Basics of selecting a university Understand the faculties / departments！ ！！ [C]. 2019.
[9] Japan Educational Information Technology Promotion Association. Survey and research results report for training and securing ICT support staff. 2017 Ministry of Education， Culture， Sports， Science and Technology commissioned project[R]. 2018.