在教育領域，數據是描述事實的符號序列，是信息載體。教育數據大致可以分為三類，包括結構化、半結構化和非結構化的數據，通常，這些數據以數字、文字、圖像、聲音或視頻等形式進行存取。在大型教育信息的專用平臺上，統計數據大多是以結構化數據的形式存取的，用戶利用信息平臺所提供的應用軟件，可以自行生成所需的教育信息和知識。美國的國家教育統計中心網站就是這樣一個平臺，在此平臺上，連續性的開放獲取的數據既可以為教育決策提供決策支持，為教育研究提供數據支持，也可以為公眾在教育領域行使知情權、選擇權和監督權提供信息保障。

與數據不同的是，信息是為了某種目的而組合的數據，用來傳達某種意思。以數學課的考試成績為例，單一學生的考分只是一個數據，而全班學生的平均考分就是一條信息，它可以用來反映該班學生在年級的排名位置，也可以用來說明數學課的教學和學習情況。另外，如果把數學課的考分與學生的性別、家庭收入、教師的教學行為和學生的學習行為聯系起來，進行長期的跟蹤研究，研究的結果就可以揭示數學成績與學生性別、家庭收入、教學行為和學習行為之間是否存在某種關系，由此而產生的新知識就有助于促進數學課程的教學和學習，有助于證實或證偽某些假設。

教育教學知識的創造和創新，需要教育研究方法和數據具有多樣性和互補性。以定量研究和質性研究為例，通常，定量研究需要結構化的數字數據，教育統計軟件和大數據的研究也需要結構化的數據，定量方法及其數據特點使得大樣本的研究成為可能，但定量研究的結果往往缺乏深度的解釋力。在此方面，質性研究恰好可以用來彌補不足，質性研究一般采用半結構化、非結構化的數據，如研究筆記、訪談記錄和音像圖片等形式數據，研究結果解釋力強，但不宜概化。因而，在方法和數據方面，上述兩種研究的局限性使二者互為需要，數據挖掘方面更是如此。

教育教學知識的創造和創新，需要頂層設計的引導，也需要底層設計的支持。在此，頂層設計指的是自上而下的設計，其中的主要部分一般需要識別、分解和優化，直至成為可執行的行動方案。例如，促進公平和提高質量是我國教育頂層設計的目標，但能否實現目標，它們能否被分解成具體的、可測量的、可達到的、腳踏實地的和具有時間邊界的數據指標，很大程度上取決于權責一致的原則能否落實。同理，如果底層設計缺乏激勵全員參與的機制、學習型的組織或社會就難以建立，嵌入式知識和隱性知識就難以轉化為顯性知識，這當然不利于教育教學知識的創造和創新。

某種程度上，注重數據就是注重事實，就是注重把研究者的偏見及研究方法的局限性壓縮在最小限度，最大限度地還原事實真相。為此，教育領域至少采用兩種方式保證研究的客觀性，其一是規范研究設計。例如，美國的國家教育統計中心制定了《統計標準》，要求所有進入其數據平臺的統計數據，在問卷調查的規劃設計、數據收集、數據處理、數據分析、信息審核和信息發布等過程中，都必須嚴格遵循《統計標準》的相關規定，以確保數據質量——客觀性、實用性和誠實性。其二是注重科研倫理的教育，敦促教育研究人員必須了解、尊重相關的科研倫理。

隨著知識時代的到來、問責之風的興起，教育數據已不再是教育專家和學者的專利。事實上，包括網絡、媒體和市場在內的眾多利益相關方無時不在點評教育，有些點評還內含精心篩選的教育數據。因此，尊重不同的觀點是必要的，尊重不同觀點背后的事實依據更加必要，一是因為事實是觀點自由和言論自由的保障基礎，二是因為教育需要凝練共識，而不帶偏見和歧視的共識恰恰需要建立在事實基礎之上。在此前提下，教育領域的利益相關各方才可能對彼此抱有更為理性的期望，利益相關各方才更有可能協同建立360度的教育問責系統，使科層問責、專業問責、政治問責和市場問責形成互補性的關系格局，共同促進教育的健康發展。

更多精彩資訊請關注查字典資訊網，我們將持續為您更新最新資訊!