数据驱动教育服务供给的框架构建与实践探索——基于“服务金三角”模型的分析

点击蓝字关注我们

精选学术内容，让阅读更有价值

【刊载信息】张昊,杨现民. 2020. 数据驱动教育服务供给的框架构建与实践探索——基于“服务金三角”模型的分析[J]. 中国远程教育（8）：45-54.

【摘要】大数据的快速发展给教育服务供给带来了全新的机遇和挑战。本文首先借鉴管理学领域的“服务金三角”模型构建了教育服务供给的理论框架，包含教育需求者、服务供给战略、服务供给系统、服务供给主体四大元素。然后，通过对传统教育服务供给与大数据时代教育服务供给进行比较分析，探讨了大数据时代教育服务供给的转型方向。在此基础上，构建了数据驱动的教育服务供给实践框架，包含多类管理数据、一个服务供给平台、五种核心业务和六大供给制度。接着，选取北京市中学教师开放型在线辅导计划作为数据驱动教育服务供给的典型案例，进行了深入的剖析。最后，指出大数据时代教育服务供给面临的问题，并从政府、高校、企业和社会四个方面提出相关建议。

【关键词】 大数据；教育服务供给；服务金三角模型；转型升级；框架构建；实践案例；问题分析；发展建议

一、

引言

我国经济发展已进入新常态，深化教育服务供给侧结构性改革，提高服务供给质量和效率，发挥“教育红利”的潜在优势，满足人民日益增长的教育服务需求，是教育发展的题中应有之义（车富川, 等, 2017）。一直以来，党和国家积极推进教育公共服务供给改革，不断提高服务能力和水平。2017年1月，国务院印发《国家教育事业发展“十三五”规划》，指出要建成覆盖城乡、更加均衡的基本公共教育服务体系，满足人民群众高质量、个性化、多样化的学习需求（国务院, 2017）。2018年4月，教育部发布《教育信息化2.0行动计划》，提出构建一体化的“互联网+教育”大平台，助力教育服务供给模式升级（教育部, 2018）。2019年2月，中共中央、国务院印发《中国教育现代化2035》，提出要实现基本公共教育服务均等化，让广大人民群众享有更公平的教育。大数据作为新一代信息技术的杰出代表，深刻影响着教育教学变革，在教育管理、精准教学、教育评价等方面具有重要的应用价值（杨现民, 等, 2016）。

随着教育领域综合改革的不断深化，教育模式、教学形态、学习方式正发生着深刻的变革，终身学习、全民学习、个性化学习的理念逐渐深入人心。特别是进入新时代以来，人民群众对享受高质量教育服务的美好愿望更加迫切。当前，教育服务供给配置还不均衡，教育的区域、城乡、校际差距依然显著（车富川, 等, 2017），随迁入学子女享受的教育服务水平还比较低（薛二勇, 等, 2019）。政府单一供给“势单力薄”，优质的、多元化的高端供给能力不足，温饱型为主的供给体系已滞后于新的教育需求形式（周海涛, 等, 2016）。大数据为教育服务供给的变革与转型提供了新的思路与方法。大数据的优势在于能够帮助管理者进行科学的决策，使其了解学习者真正的需求，更好地将现有资源推送给他们，提升服务供给的精准性和有效性。

二、

理论框架：“服务金三角”模型的新尝试

“服务金三角”模型是美国著名管理学家卡尔·阿尔布瑞契特（Karl Albrecht）和让·詹姆克（Ron Zemke）在科技为本的全球新经济背景下，在总结各种企业管理实践经验的基础之上提出的一套服务管理模式。“服务金三角”模型代表了服务战略、服务系统和服务人员三大子系统，顾客处于三角的核心位置，表示公司的组织和管理都是为了满足顾客的需求（卡尔·阿尔布瑞契特, 等, 2004, p.54）。调研发现，一些专家学者也借鉴“服务金三角”理论针对其他领域的问题开展了相关研究。Graeme Payne等（2019）采用“服务金三角”模型，以定性研究的方式分析了传统机构主导的服务模式向消费者主导的服务模式的转变；方堃（2010）以该模型为分析框架，探讨了我国新型农村公共服务体系建设问题；陈世香等（2017）基于该模型，开展了农民工公共文化服务供给机制的研究；叶松庆等（2018）基于该模型，研究农村留守儿童教育与关爱供给机制相关问题。通过上述研究可以发现，“服务金三角”对于公共服务体系建设以及服务供给具有一定的指导和借鉴意义。“服务金三角”模型以满足用户需求为基础和前提，这与当前政府机关积极转变管理职能，打造服务型政府的理念相通。此外，教育服务供给模式构建的逻辑和运行过程也体现着这样的“三角关系”。满足大众对教育公共服务均等化、多样化、个性化的诉求，离不开服务供给战略、服务系统以及服务提供者之间的相互作用。同样，政府在提供教育公共服务、整合社会各类教育服务资源的过程中，也需要围绕“服务金三角”模型的各个要素进行运作。而且，该模型具有很强的延展性，能够延伸到教育服务供给的微观领域，对于教育服务供给每个子系统的运行也具有指导意义。由此，运用“服务金三角”管理模型分析教育服务供给问题具有明显的契合性。本研究在借鉴“服务金三角”模型的基础之上进行了迁移应用，构建了教育服务供给的理论框架（见图1）。该框架主要包含四大元素，分别是教育需求者、服务供给战略、服务供给系统和服务供给主体。

图1 教育服务供给理论框架

第一，不同的教育服务需求者。随着大众经济生活水平的提高，人们除了享受物质生活之外，更加注重个人精神文化和知识水平的提升。社会进步和教育发展衍生出了更多分属不同层次、不同群体的教育需求者。办好人民满意的教育，让人民群众享有更多的获得感，需要回应和满足各类人群的教育需求。

第二，科学谋划的服务供给战略。推进教育领域供给侧改革，需要制度创新，既要把满足大众教育需求摆在突出位置，又要善于运用政策手段加强教育服务的均衡配置。服务供给战略是服务的顶层设计，保障整个教育供给系统的合理运行。服务供给战略是供给过程中的指挥棒，在准确反映人民群众教育需求的同时，又能够对教育资源进行合理的配置。

第三，合理完善的服务供给系统。在服务供给战略的指导下，建立完善的服务供给系统是优化服务配置的重要途径。服务供给系统是一个整体，融合了服务供给平台、运作流程、工作规程、关键技术等诸多要素。成功的服务供给系统有助于提升服务人员的办事效率，促进教育服务供给目标的达成。

第四，多元参与的服务供给主体。随着我国行政管理体制改革的不断深化，政府提供教育服务不再是大包大揽，更多的机构和个人，如学校、科研院所、社会机构、企业、领域专家等加入到教育服务供给中，充分发挥各自优势，形成多元主体参与的服务供给体系。

三、

数据驱动教育服务供给的实践框架

（一）大数据推动教育服务供给转型升级

大数据时代的教育服务供给将打破传统教育服务供给的弊端，推动决策的科学化、供给的精准化、监管的动态化和评估的多元化，不断完善教育服务供给流程，促进教育服务供给的转型升级。本研究从教育服务供给理论框架的四个维度出发，剖析了大数据时代教育服务供给的转型方向，见表1。

表1 传统教育服务供给与大数据时代教育服务供给的比较分析

1. 教育需求者的转型

随着教育消费结构的转型升级，人民群众已经不满足“有学上”的阶段教育目标，对教育的质量和层次提出了更高要求。特别是近几年，民众对一些高品质的海外留学教育、优质的在线教育、特色的专业化教育呼声越来越高。与此同时，教育供给中针对非传统受众人群，如因城镇化导致身份转换的新市民、转岗分流再就业的新工人、已过学龄阶段的新网民、追求更高生活品质的新老年人还存在很大缺口（周海涛, 等, 2016）。收集和掌握不同群体传递、表达的准确需求是供给教育服务的前提，能够确保供给的针对性和方向性。

2. 服务供给战略的转型

随着数据挖掘、数据分析等相关技术的迅猛发展，各国政府也深刻认识到大数据对于社会公共服务管理和改革的重要意义，纷纷制定大数据相关战略，提升政府公共服务能力。2013年8月，澳大利亚政府信息管理办公室发布了《公共服务大数据战略》，旨在利用大数据分析提高公共服务水平，辅助相关决策和政策的制定。该战略从数据管理、数据分析、数据安全与隐私保护以及数据开放等多个层面进行优化，不断推动公共服务领域的改革和实践。2015年9月，我国国务院发布《促进大数据发展行动纲要》，明确指出要实施公共服务大数据工程，并强调要建设教育文化大数据。2018年12月，爱尔兰政府发布了《2019—2023年公共服务数据战略》，公共服务数据战略的启动是改善爱尔兰整个政府数据管理方法的关键一步，旨在优化相关部门使用数据提供公共服务的方式，鼓励公共服务机构在可能的情况下重用数据。由此可见，大数据已经成为政府推动公共服务改革的重要技术手段，公共服务战略也从“传统模式”向“数据驱动模式”转变。

3. 服务供给系统的转型

服务供给系统融合了服务供给过程中的各项业务，有学者从教育公共服务供给内容、方式、形态、结构、决策和监管六个方面分析了互联网时代教育供给的变革（余胜泉, 等, 2017）。本研究从业务需求的角度，结合教育服务供给的五大业务流程探讨大数据时代教育服务供给系统的转型。

（1）供给分析的转型：从小范围调查转向“全样本”的数据分析

做好需求分析，深入了解大众的教育需求是实现教育服务有效供给的基础和前提。传统的供给分析大多依靠小范围的数据调查来衡量区域整体状况，无法精确掌握大众的需求层次以及需求结构的变化，导致教育供给没能根据实际需求及时做出调整，出现供需错配、结构失衡等问题。传统方法一般只能掌握群体的共性需求，难以顾及个人需求（余胜泉, 等, 2019）。随着教育信息化的深入推进，各级各类教育管理信息系统整合汇聚了大量教育数据，特别是一些地方政务信箱、政务公众号以及政务微博的开通，进一步拓宽了民众表达需求的渠道。这些数据成为政府部门了解大众教育需求的重要依据。大数据技术能够汇聚全样本、全过程的教育数据，既可以帮助管理者了解一个区域内的整体教育需求，又可以精准定位到每一微观个体的需求和愿望。有了精准的供给分析，政府部门才能够驾驭民众的需求变化，采取积极有效的应对措施来对这些变化并做出回应。

（2）供给决策的转型：从“基于经验的拍脑袋”转向“用数据说话”

在传统决策过程中可能会出现忽视客观情况而仅依靠个人有限的理解和经验来取代全面的调查和科学论证，人们把这种现象称为“拍脑袋”（陈霜叶, 等 ,2014）。进入大数据时代，将“数据”转化为“政策证据”，“用数据说话”的教育决策趋势愈发明显。数据驱动教育服务供给决策的优势在于不仅能将每一微观个体层面的需求纳入决策范围内，而且善于从中捕捉存在的问题、弱点和盲区。此外，大数据的预测功能在供给决策中将发挥更大的价值。依据大众目前的教育需求情况，借助数据分析，可以合理预测未来一段时间内人们的需求变化，使决策更具前瞻性，帮助政府提前做好科学谋划。

（3）供给方式的转型：从普惠化的统一服务转向多元化的个性服务

传统的教育服务大都是以整体推进的方式进行供给，“大水漫灌”式地扩充总量虽然能够在短期内取得效果，但是很容易造成资源浪费。政府投入大量人力、物力和财力支持当地的教育服务设施建设，但实际应用效果差强人意。当前，“人人皆学、处处能学、时时可学”的学习型社会正在形成，加之信息技术正深刻改变着人们的教学和学习方式，民众对个性化学习的需求日益高涨。应对这种变化，就要打破传统教育供给单一、缺乏个性与特色的瓶颈，让每一个人都能根据自己的兴趣和需求选择合适的服务。在大数据时代，通过数据挖掘可以精准识别每位学习者的学习需求与学习特征（杨现民, 等, 2017），并为其推送合适的学习资源和服务，改变以往整齐划一的供给内容，实现定制化的教育服务供给。

（4）供给监管的转型：从结果性监管转向基于数据的过程性动态监管

传统的教育公共服务监管往往是以阶段性的检查为主（余胜泉, 等, 2017），很难对供给的整个流程实施监管。在大数据时代，教育服务供给的每一个环节都处在数据的监督之下，客观的数据为实现教育服务供给的全程监管奠定了基础。各级政府部门可以利用大数据技术构建功能强大的管理平台和数据库，对公共服务供给的每个环节进行实时监管，让供给过程更加公开、透明。基于数据的管理强化了事前事中的监控和预警，发现异常后可以立即采取措施，有效避免事后补救的被动局面。与此同时，监管主体也从政府单一监管转变为社会参与、媒体监督的多元监管体系，这样一来获取的数据更加全面，大众对教育公共服务供给效果的反馈更加客观。

（5）供给评估的转型：从政府主导的单一评估转向数据驱动的“中介评估”

传统的教育公共服务评估主要是政府主导的单一评估模式，存在评估内容科学性不足、评估信息来源单一、评估对象范围小等弊端（毛明明, 2016），不能客观全面地反映出教育服务的质量水平。相对于政府内部评估，第三方评估则表现出更强的独立性、客观性和可靠性。大数据的发展为第三方评估提供了更加丰富的数据获取渠道和采集方式，使其收集的数据更加精准和多元。将第三方评估纳入政府购买的教育公共服务中，不仅有助于进一步调整教育服务供给结构，而且能够优化教育服务供给秩序，不断提升教育服务供给水平。

4. 服务供给主体的转型

传统教育服务供给主体存在的弊端主要体现在两方面：一是供给主体单一，主要依靠政府提供教育公共服务；二是供给主体碎片化，缺少有效的协同供给。大数据不仅有助于推动多元主体的跨界协作，而且有利于提升主体间的协同供给能力（刘晓洋, 2017）。大数据技术能够简化信息传递层级，提升信息传播速度，建立起部门内部、部门与其他部门之间的合作交流机制，从横纵两端打通信息传播渠道（姚松, 2016）。与此同时，大数据也为政府部门和社会各界架起了一座沟通的“桥梁”，能够有效推动多元主体间的高效合作。

（二）数据驱动教育服务供给实践框架构建

基于上述对大数据时代教育服务供给转型方向的分析，本研究构建了数据驱动的教育服务供给实践框架（见图2）。在该框架中，上下6大供给制度代表了教育服务供给战略，中间5大核心业务构成了一个完整的教育服务供给系统，教育需求者以及服务供给主体位于整个系统之中。

图2 数据驱动的教育服务供给实践框架

1. 多类管理数据

数据贯穿教育服务供给的整个流程，是连接服务供给各环节的“桥梁”，包括教育管理数据、人口数据、经济数据、学习数据等。教育管理数据包括学校办学条件数据、师资队伍数据、学生管理数据、教育质量数据等。人口数据包括人口数量、性别比、出生率、受教育程度等。经济数据包括家庭人员就业情况、家庭收入、家庭消费水平等。学习数据包括个体课堂行为数据、作业与测试数据、评价数据等。这些数据汇聚在一起，构成一个中心化的数据系统，为教育服务供给提供全方位的数据支持。

2. 一个供给平台

教育服务供给平台依托互联网、大数据等新一代信息技术，集成优化教育服务资源，扩大优质资源覆盖范围，将服务由线下转到线上，形成个性化的辅助解决方案，满足不同主体的服务需求。大数据时代的教育服务供给是多元主体参与的融合供给，企业、社会机构、科研院所都是教育服务的提供者。教育服务供给平台能够整合学校、企业、社会等各方优质的服务资源，实现资源在供需双方之间的流转，促进供需结构的动态平衡。教育服务供给平台推动了资源的开放共享，让落后地区、偏远农村的弱势群体也能够平等享受优质的教育服务资源，共享教育改革带来的丰硕成果。

3. 五种核心业务

让“数据多跑路”，驱动供给分析、供给决策、服务供给、供给监管、供给评估等工作的有效开展，实现教育服务供给流程再造，全面升级各项业务。

（1）精准定位服务需求

需求定位就是对大众接受各级各类教育的需求及需求变化发展规律进行判断。借助大数据，能够精准定位大众的服务需求，达到三个目的：①通过对学校办学条件、教师队伍、学生管理等数据进行描述性分析，帮助决策者掌握辖区内总体教育需求状况；②通过聚类分析了解人民群众最关心的几大教育服务需求；③结合当地的人口和经济发展状况数据，合理预测未来一段时间内大众的需求变化。此外，在全面掌握群体共性需求的同时要兼顾个性化的需求。借助智能学习平台的大数据学习分析技术，追踪记录学生学习过程数据，了解学生的学习风格、认知特点等信息，为每位学习者“量体裁衣”。

（2）科学谋划供给决策

随着我国行政管理方式的重大转变，教育消费者享有越来越多的话语权，教育公共服务决策正向“多元参与、民主协商、公开透明”的模式转变，多元主体的参与为供给决策提供了更加多样化的数据支持。基于大数据的教育计算实验是利用教育计算方法，借助计算机模拟技术分析真实的教育系统，透过数据分析与挖掘实现科学决策的一种有效方法（余胜泉, 等, 2019）。教育服务供给涉及政府、市场、社会、学生、家长等多个主体，同时受经济、人口、文化等因素影响。基于大数据的计算实验能够从整体上分析教育服务供给涉及的所有要素，在建立各要素间关系模型的基础上模拟真实的教育服务供给系统，从中发现教育供给演化规律，进而为管理者改进供给决策奠定基础。

（3）精准提供教育服务

解决教育服务供需错配问题、提高有效供给比例的关键在于提升教育服务供给的精准性、多样性和有效性。实现教育服务的精准供给要打破“一刀切”的供给方式，提高需求端与供给侧的匹配度（向磊, 等, 2019），使教育需求和服务供给有效衔接。大数据时代的教育服务供给要以服务供给平台为抓手，全面整合供需两侧信息，以众建众享为手段，调动学校、企业、社会组织的积极性和主动性，以满足大众需求为根本，打造优质、多元、可选择的教育服务。

（4）动态监测供给过程

由于尚未建立完善的监管体制，教育服务供给在需求分析、招投标、供给流程、效果评估等方面缺乏有效的监管（任友群, 等, 2018）。大数据有助于加强教育服务供给的动态监管，具体包括：①招投标的监管。借助电子招标投标系统，对招标、投标、开标、评标与定标各个环节的数据进行监测，保证招投标过程的公平、公正。②供给流程的监管。依托信息化管理平台，利用大数据技术全面追踪教育服务采购动态和经费使用情况，进一步规范供给流程。③供给质量的监管。对大众利用多种渠道反馈的各类数据进行深入挖掘与分析，系统掌握供给质量情况和大众对服务的满意程度。

（5）数据驱动供给评估

在教育管办评分离改革的背景下，开展第三方评估是教育领域公共服务体系走向市场化的必然选择（袁强, 2016）。第三方评估机构通过收集教育服务内容数据、供给过程数据、供给质量数据和社会反馈数据，并与政府及教育行政部门的数据库对接，开展基于数据的教育服务供给综合评估。利用大数据分析平台，依据评估指标，对各项数据进行深入分析与挖掘，形成评估报告，并将评估结果反馈给委托方。第三方评估结果为行政部门调整供给政策、优化资源配置提供了参考。

4. 六大供给制度

供给侧结构性改革的重中之重是制度的改革和创新（郑旭东, 等, 2018），在教育服务供给制度上只有边“破”边“立”，敢于创新，才能解决教育服务供给中的发展难题，提高供给效能。一是完善教育服务供给多元主体参与机制，充分调动学生、家长、企业、社会机构的参与积极性，激发教育服务供给活力。二是建立教育服务产品研发激励机制，鼓励企业积极研发高端教育产品，为消费者提供高质量的教育服务。三是健全教育服务供给第三方评估机制，加强供给过程中的有效监管和评估。四是确立政府购买教育产品与服务专项机制，规范招标、竞标流程，灵活选择购买模式。五是完善教育服务供给监管与审计机制，确保资金的有效使用和合理分配。六是建立教育数据治理与融通共享机制，打破数据壁垒，为教育服务供给提供充足的数据源。

四、

数据驱动教育服务供给的实践案例

（一）案例选取

数据驱动教育服务供给是未来推动公共教育服务均等化，实现教育服务优化配置的重要发展趋势。国内外部分地区和学校已经认识到大数据与教育服务供给相融合的价值，开始逐步进行实践与探索。北京市开展的中学教师开放型在线辅导计划，依托大数据分析技术为每位学生提供个性化的在线辅导。上海市普陀区教育局通过打造“J”课堂学习平台，为全区师生提供统一的数字化教学环境和学习资源，通过学习分析了解学生多元化、个性化的学习需求，推动全区教学质量的提升（教育部科技司, 2018a, p.311）。复旦大学以数据服务体系和工作流管理为基础，搭建“一站式”服务平台，为学校管理者、教师和学生提供高效、便捷的教育服务（教育部科技司, 2018b, p.178）。美国学者Qiu和R.等人（Qiu, R.,et al.,2015）利用大数据技术以及定量和模型驱动的方法建立了一个教育监控和排名系统，它可以有效地汇总和可视化呈现高等教育服务的公众意见和情绪趋势，从而提升满足学习者需求的决策潜力。

但是从目前来看，无论是区域层面还是学校层面，数据驱动教育服务供给还处于初步探索阶段，尚未形成较为完善可以推广的应用模式。本研究选取北京市中学教师开放型在线辅导计划作为典型案例进行分析，主要考虑四方面因素：一是实施时间不少于两年；二是规模较大，覆盖范围较广；三是实施已取得良好成效，社会影响力大；四是大数据在整个服务供给过程中发挥了重要作用。

（二）案例介绍

北京市中学教师开放型在线辅导计划是北京市教委联合北京师范大学未来教育高精尖创新中心打造的开放型在线教师辅导服务。每位学生除了获得本校教师直接的教学服务外，还可以在课余时间，通过平台获得一对一的在线辅导，故该项目也被称为“双师服务”。“双师服务”自2016年11月底启动到2019年7月，已经为北京市6个区县135所中学的三万多名学生提供了在线开放辅导，成为个性化教育服务供给的典型实践，具有重要的借鉴和参考价值。“双师服务”的具体实施流程如图3所示。

图3 “双师服务”实施流程

首先，教师网上申请，通过审核后取得在线辅导资质，并设置体现个人辅导专长的属性标签。然后，基于智慧学伴平台，借助大数据分析技术对学生进行精准的学科诊断，全面了解学生各学科知识点掌握情况，为学生推送合适的在线辅导服务和学习资源。此外，学生也可以根据个人需求自主选择在线教师。教师实施在线辅导主要有四种形式：一对一实时在线辅导、一对多实时在线辅导、问题广场和微课学习。一对一实时在线辅导是学生通过提前预约的方式邀请在线教师进行一对一辅导，也可将问题拍照请空闲的教师进行辅导。一对多实时在线辅导是指教师针对某一专题内容同时面向多名学生进行在线辅导教学。微课学习是指在线教师可上传微课到平台供学生浏览学习，并根据学习进度适当安排教学活动。问题广场是学生将问题上传至平台，教师对平台推送或自主认领的问题进行解答。平台会自动记录整个辅导过程，并引导师生进行双向互评。北京市教委制定了详细的工作量考核标准，并根据每学期平台汇总的数据对每位在线教师进行绩效考核。

（三）案例分析

北京市中学教师开放型在线辅导计划是打破传统课堂集体教学的供给形态，通过教师走网实现教师资源精准配置和流转，满足学生个性化教育诉求的一次创新尝试。该项目从线下供给转向基于互联网的线上供给，实现了从面向群体到面向个体的供给方式变革，在满足学生共性需求的基础上兼顾了个性需求，同时体现了教育的普惠性、公益性特点，既让学生“用得好”，又保证每位学生“用得起”，切实推动了教育服务的均衡配置。本研究根据构建的实践框架，对“双师服务”做进一步的分析。

第一，“双师服务”坚持以满足学生的学习需求为导向。“双师服务”的运行是建立在学生主动发起学习的基础上，改变了教师讲什么，学生就学什么的被动局面，这种方式将核心指向了学生，赋予学生更多选择权，更加关注学生的实际获得。大数据的介入让学生需求的表达更加畅通。依托智慧学伴平台，通过采集学生学习过程中的所有数据，借助学习分析技术了解学生的学习风格、学习特点、能力水平、知识缺陷等情况，诊断学生需求。学生需求的识别更加精准，教师的服务就需要更加精细（赵兴龙, 等, 2016）。教师通过设置有关个人擅长的教学内容的标签，方便学生筛选符合自己需求的教师，完成专门化的在线辅导。由此，通过线下面对面的集体教学与线上一对一的实时辅导相融合，群体和个体的需求都能得到有效满足，实现了以学生为中心。

第二，“双师服务”制定了科学的服务供给战略。该项目是在北京市教委的统筹规划下，充分利用“互联网+”和大数据的发展优势，推动区域教育资源优化配置，促进教育公平的一项重要举措。为保障“双师服务”的有效开展，项目制定了包含教师上岗资质审查、教师应需、在线辅导管理、绩效评估等多重质量保障机制（陈玲, 等, 2019），提升了在线辅导的效果，增强了学生的获得感。“双师服务”不仅是一种实时的在线辅导，更是将个性化服务纳入政府公共教育服务范畴的一次实践探索。通过政府买单的形式，不仅减轻了低收入家庭承担高额课外辅导费的压力，而且促进了优质教师资源的流转。随着个性化教育诉求的不断增长，单纯依靠政府或市场都不能较好地解决个性化服务供给问题，需要政府和市场“两只手”通力合作，实现个性化教育服务供给的方法创新、模式创新和制度创新。

第三，“双师服务”设计了完善的服务供给系统。在供给分析上，智慧学伴平台和好双师服务终端为在线辅导提供了服务载体，并汇聚了大量辅导数据，通过对这些数据进行深度挖掘和分析，能够准确掌握学生的知识缺陷和不足，精准定位学生需求。在供给决策上，系统平台根据学生学习过程数据进行学生建模，实现精准诊断，为推送学习资源和辅导服务提供参考依据。在供给方式上，“双师服务”打破了时间和空间的限制，实现了线上线下的融合供给。在供给监管上，师生双向评价数据则体现了服务供给过程中的动态监管，一方面考查了教师的在线教学能力，另一方面规避学生对教师个性化服务的故意滥用现象（陈玲, 等, 2017）。在供给评估上，除了师生双方的互评之外，该项目还采取了绩效评估的方式，“双师服务”的整体实施效果由市教委组织进行第三方的专家评估。“互联网+教育”的发展催生出更多新的教育服务需求，推动教育服务供给系统不断优化。供给系统的背后是大数据强有力的支持，从海量的数据中识别出学生的服务需求，选择和推荐合适的资源，促进教育服务提质增效。

第四，“双师服务”体现了多元主体参与的服务供给。“双师服务”在实施和推进过程中能够吸纳、整合多方力量参与个性化教育服务供给。政府及各教育职能部门为在线辅导的开展提供了资金、人员和制度方面的支持，保障项目的正常运转和有效实施。一线教研员和领域专家通过参与服务模式和内容的设计，把握整个服务过程的科学性和合理性。平台技术人员为服务系统的开发和运行提供技术支持，保障在线辅导的正常开展。数据分析师通过对平台数据的挖掘，提供师生在线辅导分析报告，促进辅导质量不断提升。在线教师作为“双师服务”的直接供给者，在积极回应学生学习需求的同时，自身的教学能力也得到了锻炼。

五、

面临的问题与发展建议

（一）问题分析

大数据的快速发展给教育服务供给带来了全新的机遇和挑战。本文深度剖析了大数据时代教育服务供给的转型方向，在“服务金三角”理论模型的指导下构建了数据驱动的教育服务供给模式，以期为推动教育服务的有效供给提供一定的参考。但从目前来看，由于我国教育领域的大数据起步比较晚，在服务供给过程中存在诸多问题，接下来将从四个层面对大数据时代教育服务供给转型过程中面临的问题进行探讨。

1. 教育需求者层面：需求表达途径不畅导致教育服务需求不彰

推动教育服务供给侧改革，就必须深入了解大众的真实教育需求，关注人们对教育服务需求的表达。目前，民众表达教育需求主要存在两大难题：一是人们缺乏有效的需求表达途径；二是相关部门缺乏有效的技术手段识别大众需求。一方面，虽然人们可以通过微博、政务信箱、社会调查等途径表达自己的服务需求，但是对于处在技术洼地的弱势群体来讲依然缺少有效的表达途径。另一方面，步入大数据时代，每天都在产生海量数据，如果相关部门没有对这些数据进行充分的挖掘和利用，就很难从中掌握更多样化的大众教育需求。

2. 供给主体层面：数据孤岛问题削弱了主体间协同供给能力

教育服务供给系统是一个超级复杂的系统，需要政府各部门、学校、企业、社会之间协调联动。教育服务供给所依靠的不仅仅是教育领域的数据，还要综合考虑人口、经济发展等诸多因素。政府各部门都有独立的运作模式和数据系统，由于数据处理标准和格式不同，导致各部门的数据不能有效对接，难以实现跨层级、跨地域、跨系统、跨部门、跨业务的数据共享，从而弱化了各部门的服务供给职能。与此同时，学校内部也存在数据孤岛现象（陈良雨, 等, 2017），大大降低了学校各部门间的沟通协作能力和办事效率。加之企业出于商业利益考虑，对掌握的教育消费市场数据实行内部保护，不能充分释放大数据的潜能。总之，“数据壁垒”的出现阻塞了各部门之间数据共享的渠道，同时也削弱了多元主体的协同供给能力。

3. 供给战略层面：教育大数据规划起步晚造成相关制度不完善

虽然大数据已经引起了党和国家的高度重视，并将发展大数据上升为国家战略，但教育领域的大数据起步较晚，相关制度尚未完善。一方面，教育服务供给系统内部供给主体的权责体系、角色边界尚不明晰，缺少有效的制度保障，大数据的价值难以有效发挥。另一方面，大数据应用于教育领域的相关制度不健全，主要体现在数据标准、应用规范、隐私保护、法律法规等方面缺失，而这些制度和规范是制定数据驱动教育服务供给战略的基础和前提。因此，教育大数据相关制度的缺失在一定程度上限制了大数据时代教育服务供给战略规划。

4. 供给系统层面：数据体系匮乏抑制了供给系统高效运转

教育领域每天都在产生海量数据，但这些数据还未能形成教育服务供给所需要的大数据体系，不利于整个供给系统的有效运转。第一，数据来源单一。目前采集的主要是各级政府和教育行政部门的教育年鉴数据，以及根据管理需要填报的相关数据，且大都是结果性的统计类数据，数据之间的关联度不高。教育服务供给是一种动态的过程性活动，这些结果数据无法清楚地呈现人们需求出现的原因和变化过程，进而无法实现教育服务的精准供给。第二，缺乏统一的数据标准。目前，许多地区已经部署了来自不同厂商的教育管理系统，但由于数据标准不统一，难以保证各项教育数据采集、存储与传输的一致性（杨现民, 等, 2017）。第三，数据价值没有被深入挖掘。采集的数据由于缺少系统化的处理，对数据的分析也只停留在浅层的描述性统计，无法探析教育服务供给中的深层次问题以及各要素之间的关联程度，数据潜藏的价值没有得到有效利用。

（二）发展建议

大数据与教育服务供给的跨界融合是一个循序渐进的过程，首先要让大数据与现有业务之间发生“化学反应”，在此基础上进一步创新教育供给流程，拓宽教育供给业务，打造新的教育服务供给体系。数据驱动教育服务供给是一项长期、复杂的系统工程，需要政府、学校、企业、社会共同发力，推动教育服务供给的转型升级。本研究针对现阶段教育服务供给转型面临的问题，提出以下建议：

第一，政府要转变角色与职能，提升数据治理能力。在教育服务供给过程中，政府要实现从“管理本位”向“服务本位”过渡，做好教育服务供给的组织者和统筹者、教育市场的引导者和教育服务的“购买者”，发挥这只“看得见的手”的调控作用。政府和教育行政部门要适应大数据时代的发展浪潮，提升数据治理能力和数据素养水平（王永颜, 2017）。此外，教育主管部门要加快研制服务区域发展的教育大数据系列标准，规范各类教育数据的采集、处理、分析和呈现，进一步推进数据共享，为教育服务供给提供更多的数据支持。

第二，高校要加快大数据人才培养步伐，创新人才培养模式。一方面，要进一步整合现有资源，积极开设数据科学和数据工程的相关专业，培养专门化的大数据技术人才。另一方面，优化人才培养方案，打造面向大数据产业的高级人才课程体系（冯永, 等, 2017）。积极探索新的人才培养模式，实行校企联合的嵌入式培养，增强学生大数据处理、分析、挖掘等实践技能。与此同时，高校要做好大数据的宣传与普及工作，提升广大群众对大数据的整体认知水平。

第三，企业要注重产品创新与研发，提高教育服务与产品质量。一方面，企业要明确自身发展目标和竞争优势，依据教育领域行业数据分析报告，充分了解教育消费者的需求，促进企业产品与需求端的精准匹配。另一方面，要实现低成本创新与高品质服务，在保障每位用户都消费得起的同时，满足不同消费者的需求（郑旭东, 等, 2018）。此外，企业要有敏锐的嗅觉和洞察力，把握行业变化趋势和未来走向，提前抢占市场先机。

第四，社会各界要广泛参与教育供给改革，营造多元互动的氛围。主要包括两个方面：一是合理表达教育诉求。互联网的快速发展为民众提供了更多的信息反馈渠道，民众可以通过政务信箱、微博、论坛等媒介理性表达自己的教育需求，参与热点话题讨论。二是做好社会监督。民众可以通过政府数据共享平台了解和分析教育服务供给过程中的各项数据和信息，有序反馈，提升监督实效。

参考文献

向上滑动阅览

车富川，祁峰. 2017. 教育服务供给侧结构性改革的思考[J]. 现代教育管理（5）：33-37.

陈良雨，陈建. 2017. 大数据背景下的教育治理能力现代化研究[J]. 现代教育技术，27（2）：26-32.

陈玲，余胜泉，杨丹. 2017. 个性化教育公共服务模式的新探索——“双师服务”实施路径探究[J]. 中国电化教育（7）：2-8.

陈玲，刘静，余胜泉. 2019. 个性化在线教育公共服务推进过程中的关键问题思考：对北京市中学教师开放型在线辅导计划的实践反思[J]. 中国电化教育（11）：80-90.

陈世香，赵雪. 2017. 农民工公共文化服务供给机制研究：基于“服务三角”模型的建构[J]. 行政论坛，24（2）：103-110.

陈霜叶，孟浏今，张海燕. 2014. 大数据时代的教育政策证据：以证据为本理念对中国教育治理现代化与决策科学化的启示[J]. 全球教育展望，43（2）：121-128.

方堃. 2010. 当代中国新型农村公共服务体系研究[D]. 武汉：华中师范大学管理学院.

冯永，钟将，李学明，周尚波. 2017. 大数据高级技术人才协同创新培养研究与实践：以计算机全日制专业学位研究生与本科生协同创新培养为例[J]. 中国电化教育（6）：35-44.

国务院. 2017. 国务院关于印发国家教育事业发展“十三五”规划的通知[EB/OL]. [2019-11-21]. http：//www.gov.cn/zhengce/content/2017-01/19/content_5161341.htm

教育部. 2018. 教育部关于印发《教育信息化2.0行动计划》的通知[EB/OL]. [2019-11-22]. http：//www.moe.gov.cn/srcsite/A16/s3342/2 01804/t20180425_334188.html

教育部科技司. 2018a. 教育信息化优秀案例集（2017）[M]. 武汉：华中师范大学出版社.

教育部科技司. 2018b. 教育信息化优秀案例集（2017）[M]. 武汉：华中师范大学出版社.

卡尔·阿尔布瑞契特，让·詹姆克. 2004. 服务经济：让顾客价值回到企业舞台中心[M]. 唐果，译. 北京：中国社会出版社.

刘晓洋. 2017. 大数据驱动公共服务供给的变革向度[J]. 北京行政学院学报（4）：73-79.

毛明明. 2016. 当代中国政府购买教育服务研究：基于政府战略管理“三角模型”的分析框架[D]. 昆明：云南大学公共管理学院.

任友群，郑旭东，冯仰存，金凯. 2018. 新时代教育信息化的供给侧改革：市县级需求与问题的分析视角[J]. 电化教育研究，39（1）：12-19，35.

王永颜. 2017. 大数据时代教育治理能力现代化构建与路径选择[J]. 电化教育研究，38（8）：44-49.

向磊，左明章，杨登峰，马运朋. 2019. 信息化促进教育精准扶贫供给侧改革：作用机理与实施对策[J]. 中国电化教育（10）：61-66.

薛二勇，李健，单成蔚，樊晓旭. 2019. 实现基本公共教育服务均等化：《中国教育现代化2035》的战略与政策[J]. 中国电化教育（10）：1-7.

杨现民，唐斯斯，李冀红. 2016. 发展教育大数据：内涵、价值和挑战[J]. 现代远程教育研究（1）：50-61.

杨现民，骆娇娇，刘雅馨，陈世超. 2017. 数据驱动教学：大数据时代教学范式的新走向[J]. 电化教育研究，38（12）：13-20，26.

杨现民，陈世超，唐斯斯. 2017. 大数据时代区域教育数据网络建设及关键问题探讨[J]. 电化教育研究，38（1）：37-46.

姚松. 2016. 大数据时代教育治理转型的前瞻性分析：机遇、挑战及演进逻辑[J]. 现代远程教育研究（4）：32-41.

叶松庆，程秀霞. 2018. “服务三角”模型建构中的农村留守儿童教育与关爱供给机制研究：以安徽省合肥市为例[J]. 中国青年社会科学，37（4）：70-78.

余胜泉，李晓庆. 2019. 区域性教育大数据总体架构与应用模型[J]. 中国电化教育（1）：18-27.

余胜泉，汪晓凤. 2017. “互联网+”时代的教育供给转型与变革[J]. 开放教育研究，23（1）：29-36.

余胜泉，徐刘杰. 2019. 大数据时代的教育计算实验研究[J]. 电化教育研究，40（1）：17-24.

袁强. 2016. 第三方评估运行机制与实践规制的理性建构[J]. 中国教育学刊（11）：33-38.

赵兴龙，李奕. 2016. 教师走网：移动互联时代教师流动的新取向[J]. 教育研究，37（4）：89-96.

郑旭东，任友群. 2018. 教育信息化服务供给的转型方向与实施路径[J]. 教育研究，39（8）：113-120.

周海涛，朱玉成. 2016. 教育领域供给侧改革的几个关系[J]. 教育研究，37（12）：30-34.

Payne, G.， & Fisher， G. 2019. The service triangle and power: The role of frontline home support workers and consumer-directed care-An Australian context. Industrial Relations Journal,50(2):197-213.

Qiu, R. G., Ravi, R. R., & Qiu, L. L. 2015. Aggregating and visualizing public opinions and sentiment trends on the US higher education. In 17th International Conference on Information Integration and Web-Based Applications and Services, iiWAS 2015 - Proceedings. Association for Computing Machinery, Inc.

作者简介

张昊，硕士研究生，江苏师范大学徐州市智能教育工程研究中心（221116）。

杨现民，博士，教授，博士生导师，本文通讯作者，江苏师范大学徐州市智能教育工程研究中心（221116）。

基金项目：本文系江苏省社科基金一般项目“教育政务数据的开放共享机制设计与风险防控研究”（项目编号：19JYB003）的阶段性研究成果之一，同时受江苏省高校“青蓝工程”资助。

责任编辑：单玲

中国期刊方阵双效期刊

中文核心期刊   

中文社会科学引文索引（CSSCI）来源期刊

AMI综合评价（A刊）核心期刊

人大复印报刊资料重要转载来源期刊

中国科学评价研究中心（RCCSE）核心期刊

邮发代号2-353，全国各地邮局均可订阅。

本社亦办理征订，联系电话：010-68182513

更多精彩内容，尽在阅读原文

我知道你在看哟

欢迎您留言，反馈意见建议

电话：（010）68182514

邮箱：zzs@ouchn.edu.cn