陳金華 何建 劉俊 張養(yǎng)力 沈軼

[摘? ?要] 面向大數(shù)據(jù)的基礎(chǔ)教育信息化2.0（BEI2.0：Basic Education Informatization2.0）“縣·省”級綜合測評是推動我國BEI實現(xiàn)“三全、兩高、一大”發(fā)展的重要舉措和路徑，建構(gòu)科學、合理、高效的“縣·省”級測評工具是基礎(chǔ)教育信息化推進的有力保障。為充分發(fā)揮“縣·省”級對基礎(chǔ)教育信息化的決策和指導(dǎo)作用，實現(xiàn)頂層設(shè)計、科學規(guī)劃、精準建設(shè)，通過文獻研究、系統(tǒng)歸納、問卷調(diào)查和統(tǒng)計分析等方法，建構(gòu)了面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標模型，包含7個構(gòu)面及其27個可測指標，并基于實證，采用信效度分析、結(jié)構(gòu)方程模型和回歸模型對指標模型進行了驗證。結(jié)果顯示指標模型建構(gòu)科學且結(jié)構(gòu)合理，具有較高的實用價值，為推進我國基礎(chǔ)教育信息化發(fā)展及綜合精準測評提供了普適、客觀、有效和系統(tǒng)的工具支撐。

[關(guān)鍵詞] 大數(shù)據(jù); 基礎(chǔ)教育信息化2.0; “縣·省”級（縣、省兩級）; 綜合測評; 指標模型

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 陳金華（1967—），男，重慶石柱人。教授，博士，主要從事基礎(chǔ)教育信息化戰(zhàn)略與學習空間建構(gòu)、教育大數(shù)據(jù)測評與學習分析、人工智能與智慧教育研究。E-mail：csdcjh@126.com。

一、引? ?言

大數(shù)據(jù)和教育信息化是我國的國家戰(zhàn)略，面向大數(shù)據(jù)的教育信息化自然已成為國家教育改革和發(fā)展規(guī)劃的重中之重?！督逃畔⒒笆濉币?guī)劃》明確要求研制教育信息化水平測評指標模型和測評辦法，全面開展教育信息化督導(dǎo)評估，這充分表明在大數(shù)據(jù)背景下教育信息化測評作為指導(dǎo)和檢驗教育信息化發(fā)展水平的“試金石”從頂層設(shè)計上得到重視。多年來，基礎(chǔ)教育信息化發(fā)展指標作為衡量我國基礎(chǔ)教育信息化發(fā)展水平的重要工具，在教育信息化建設(shè)中發(fā)揮著重要作用。但是研究發(fā)現(xiàn)，國內(nèi)外現(xiàn)有指標模型研制多依賴于主觀判斷的思辨性研究，囿于專家定制或組織提供，缺乏大數(shù)據(jù)支持，目標局限于某一學?；颉疤囟▍^(qū)域”的發(fā)展狀況考察，是否有效很難證明。它們忽視了內(nèi)生動力的培育，難以綜合反映“縣·省”（縣、省兩級）級基礎(chǔ)教育信息化進展狀況，很難激發(fā)基礎(chǔ)教育信息化政策的“造血功能”，更無法很好地體現(xiàn)新時代BEI2.0規(guī)劃設(shè)計的實際效果。我國長期以來實行“以縣為主”的教育經(jīng)費投入體制，“縣”既是教育之首又是教育之尾，以縣省兩級為對象測評BEI2.0綜合水平，既可以較好地反映當下縣與縣級之間的差異，又可以直接映射以縣為單元的城鄉(xiāng)差異，還可以統(tǒng)整省級綜合水平進行全國性比較。以“縣·省”為主可以有效督促教育經(jīng)費精準投入，切實加強基礎(chǔ)教育信息化建設(shè)。因此，在大數(shù)據(jù)與教育信息化2.0背景下，建立客觀、精準、普適的BEI2.0“縣·省”級綜合測評指標模型，以“縣·省”為對象全面測評BEI2.0綜合發(fā)展水平，準確把握建設(shè)進展、及時發(fā)現(xiàn)發(fā)展短板、科學制定發(fā)展規(guī)劃是當前亟待解決的突出問題。

二、研究綜述

大數(shù)據(jù)與BEI2.0是近年來研究者一直都關(guān)注的熱點。面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評目的是利用教育大數(shù)據(jù)專門測評“縣·省”級BEI2.0發(fā)展水平，以進行“縣·省”級縱橫比較，明確“縣·省”級自身情況。要建構(gòu)面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標模型，必須深入研究指標模型的發(fā)展邏輯和建構(gòu)機理。為此，有必要對面向大數(shù)據(jù)的測評、“縣·省”級測評以及綜合測評指標模型的國內(nèi)外研究“歷史”做出深入考察。

（一）面向大數(shù)據(jù)的測評研究

面向大數(shù)據(jù)的基礎(chǔ)教育信息化已經(jīng)成為教育現(xiàn)代化的主導(dǎo)方式，呈現(xiàn)出一道數(shù)據(jù)化的教育景觀。Cukier認為大數(shù)據(jù)開啟了重大的時代轉(zhuǎn)型，就像顯微鏡觀察微生物和望遠鏡遙觀宇宙一樣，大數(shù)據(jù)改變了我們理解世界的方式[1]。Michael等認為大數(shù)據(jù)是依托于互聯(lián)網(wǎng)的思維方式革命。分布式大數(shù)據(jù)為教育信息化規(guī)劃（P）、設(shè)施（F）、資源（R）、應(yīng)用（A）、人才（T）、保障（G）和效果（E）進行遠程動態(tài)測評奠定了基礎(chǔ)。面向大數(shù)據(jù)的基礎(chǔ)教育信息化（BEI）持續(xù)推進模型[2]的提出，把教育信息化測評推向了新的技術(shù)高度，成為教育過程、教育行為和教育質(zhì)量的“全景化”數(shù)據(jù)監(jiān)控。基礎(chǔ)教育信息化測評大數(shù)據(jù)主要來源于“縣·省”級教育平臺，是基礎(chǔ)教育信息化常態(tài)過程中產(chǎn)生的過程性數(shù)據(jù)和結(jié)果性數(shù)據(jù)，屬于教育測評大數(shù)據(jù)的子集，具有常態(tài)化、易采集、結(jié)構(gòu)化程度高等優(yōu)勢?；A(chǔ)教育信息化測評大數(shù)據(jù)的研究才剛剛起步，在大數(shù)據(jù)和教育信息化2.0時代，應(yīng)加快建設(shè)，為BEI2.0有效測評及分析診斷提供客觀性支持與條件。

（二）“縣·省”級測評研究

我國國家尺度的基礎(chǔ)教育信息化測評體系仍然沿用“六要素模型”[3]，基礎(chǔ)教育信息化測評工具在國家“六要素模型”的引領(lǐng)下不斷開發(fā)涌現(xiàn)。據(jù)不完全統(tǒng)計，目前我國構(gòu)建的指向縣域的指標模型有伊川縣、偃師、嵩縣指標模型，保靖、鳳凰指標模型和“縣級監(jiān)測評估框架”[4];指向省域的指標模型有“X”省指標模型[5]、甘肅指標模型、寧夏指標模型[6]和上海指標模型等。深入分析這些指標模型可以發(fā)現(xiàn)，雖然指標的客觀性、針對性、準確性尚存不足，但仍然較為全面地涵蓋了基礎(chǔ)設(shè)施、資源、人才和應(yīng)用等指標內(nèi)容，相比于非“縣·省”級測評具有“補短板、抓關(guān)鍵、促規(guī)劃”的作用。

（三）綜合測評指標模型研究

Solar等從基礎(chǔ)設(shè)施、教育管理、管理者、教師和學生等五個方面構(gòu)建了立體化教育信息化測評模型[7]。Korea運用能力、探訪、應(yīng)用和滿意度四項指數(shù)測定BEI綜合發(fā)展水平[8]。通過對EUC（2008—2009）、UNESCO（2002—2009）、Japan（2000）、USA（1996—2001）、Eurydice（2001）等國際組織和國家典型基礎(chǔ)教育信息化指標模型研究發(fā)現(xiàn)[9]，國外基礎(chǔ)教育信息化測評指數(shù)的突出特征即涵蓋規(guī)劃、環(huán)境、資源、應(yīng)用、人才和保障等6 大維度。我國基礎(chǔ)教育信息化測評指標模型研究大致可劃分為三類：一是顧全大局類，如教育信息化建設(shè)與應(yīng)用研究課題組提出的設(shè)施、資源、管理、人才、政策、產(chǎn)業(yè)6維度指標[10];二是注重應(yīng)用類，如包含教師、學生、校長和骨干教師四層面的指標模型[11];三是關(guān)注資環(huán)類，如指向設(shè)施、資源、效能、機制和保障的指標模型[12]。抽取這三類指標模型詳細分析可以發(fā)現(xiàn)：其一，建構(gòu)指標模型的方法絕大多數(shù)是質(zhì)化研究，極少數(shù)是量化研究;其二，雖然隨著教育信息化的發(fā)展升級在指標模型的規(guī)劃、人才和效果等內(nèi)容有所增強，但指標總體綜合能力還是略顯不足。

三、研究設(shè)計

（一）研究思路與方法

本研究首先通過文獻分析進行理論梳理，然后確定研究對象、選擇抽樣方式、研制研究工具、明確統(tǒng)計方法，綜合采用質(zhì)化研究與量化研究相結(jié)合的研究方法建構(gòu)面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標模型，質(zhì)化研究主要是通過文獻分析和訪談?wù){(diào)查進行理論梳理、模型構(gòu)面建構(gòu)與構(gòu)面指標建構(gòu)，量化研究主要是通過問卷調(diào)查和統(tǒng)計分析進行模型驗證。在模型構(gòu)面建構(gòu)與構(gòu)面指標建構(gòu)研究中主要是通過指標海選、指標初選和指標定量篩選以建構(gòu)指標框架。在量化研究中主要是運用SPSS 24.0統(tǒng)計軟件進行聚類分析和探索性因子分析以抽取指標，最后進行結(jié)構(gòu)方程模型（利用AMOS24.0）驗證和回歸模型驗證，以獲得較為客觀、準確、科學的指標模型。

（二）研究情景與對象

本研究借助某省中小學教師信息技術(shù)培訓項目，按照省教育廳評定的全省教育強縣、教育中等縣和教育弱縣各選3成，對中小學校長、信息技術(shù)管理人員和教師進行問卷調(diào)查，參與調(diào)查者年齡在23～55歲之間。抽樣采用整群抽樣與隨機抽樣相結(jié)合，抽樣教師分布情況為：男教師418（46%）人，女教師482（54%）人;小學教師300（33%）人，初中教師350（39%）人，高中教師250（28%）人。發(fā)放結(jié)構(gòu)式問卷900份，剔除75份無效問卷，回收有效問卷825份，問卷的有效回收率為91.7%。此外，對8位小學校長、9位初中校長和6位高中校長進行了個人深度訪談，對10位中小學信息技術(shù)管理人員和25位教師進行了焦點小組訪談。

（三）研究工具與統(tǒng)計分析

本研究以構(gòu)面指標建構(gòu)的33個測量指標設(shè)計的《面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標模型問卷》（以下簡稱《問卷》） 及訪談提綱為研究工具，《問卷》從“面”的視角出發(fā)，訪談從“點”的視角看問題?！秵柧怼钒ㄈ丝诮y(tǒng)計學信息，采用李克特（Likert）7點計分法，1分為很不符合，7分為非常符合。統(tǒng)計分析根據(jù)目的不同使用不同的軟件進行數(shù)據(jù)處理。利用SPSS24.0分析整體樣本數(shù)據(jù)，數(shù)據(jù)無缺失值和異常值，并將數(shù)據(jù)分成了兩個樣本，一個樣本（n=413）數(shù)據(jù)用于預(yù)試，進行聚類分析和因子分析提取指標架構(gòu);第二個樣本（n=412）數(shù)據(jù)用于指標模型驗證，即用AMOS24.0建立結(jié)構(gòu)方程模型驗證和用SPSS24.0建立回歸模型驗證。

四、指標模型建構(gòu)

模型建構(gòu)是現(xiàn)代科學研究中常用的一種方法，要求模型具有良好的普適性。人們在建構(gòu)模型的歷史長河中，形成了科學建構(gòu)測評指標模型的一些原則。指標間要相互獨立、保持差異，尤其是橫向比較時要求口徑一致。在大數(shù)據(jù)時代，指標模型建構(gòu)主要研究如何從大數(shù)據(jù)中抽取適宜的指標，并根據(jù)指標信息構(gòu)建結(jié)構(gòu)化的指標與指標之間的關(guān)聯(lián)關(guān)系。從現(xiàn)有研究上看，建構(gòu)面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標模型主要有兩個關(guān)鍵環(huán)節(jié)：一是模型構(gòu)面建構(gòu);二是構(gòu)面指標建構(gòu)。

（一）模型構(gòu)面建構(gòu)與假設(shè)

面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標模型是由一系列用于測評縣省兩級BEI2.0綜合水平的指標集合，具有結(jié)構(gòu)嚴謹、信息豐富、功能性強等特征。本研究根據(jù)以上原則遵循、（文獻）理論梳理與BEI2.0（三全、兩高、一大）框架研究，初步確定了測評指標模型的7個構(gòu)面，即基礎(chǔ)教育信息化（BEI）規(guī)劃（Plan）、設(shè)施（Facilities）、資源（Resources）、應(yīng)用（Application）、人才（Talent）、保障（Guarantee）和效果（Effect），即BEIP、BEIF、BEIR、BEIA、BEIT、BEIG和BEIE，指標模型構(gòu)面如圖1所示。

圖1? ?指標模型構(gòu)面

基于此，提出理論假設(shè)：BEIP（H1）、BEIF（H2）、BEIR（H3）、BEIA（H4）、BEIT（H5）、BEIG（H6）和BEIE（H7）是衡量BEI2.0綜合水平（BEICL）高低的顯著因素，其水平越高綜合水平越高，并對綜合水平有正向影響。

（二）構(gòu)面指標建構(gòu)與預(yù)試

在模型構(gòu)面建構(gòu)的基礎(chǔ)上，根據(jù)BEI2.0測評指標模型建構(gòu)的原則遵循、研究思路與研究方法，利用“縣·省”級教育大數(shù)據(jù)平臺進行BEI2.0“縣·省”級綜合測評構(gòu)面指標建構(gòu)，其建構(gòu)流程如圖2所示。

第一步：建構(gòu)根基——多元方略。面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標模型建構(gòu)具體包括五個方面：現(xiàn)有指標篩選、大數(shù)據(jù)平臺抽取、理論模型分解、問卷調(diào)查建構(gòu)和專家智慧生成。建構(gòu)路徑依賴于縣或省級教育大數(shù)據(jù)平臺，平臺數(shù)據(jù)包括由下級向上級呈報的數(shù)據(jù)和“縣·省”級教育大數(shù)據(jù)平臺監(jiān)測的數(shù)據(jù)，指標模型面向平臺大數(shù)據(jù)進行多元化、精選化和綜合化融合建構(gòu)。

第二步：指標篩選——去粗取精。綜合測評指標篩選是依靠“縣·省”級教育大數(shù)據(jù)平臺“去粗取精”實現(xiàn)的，其篩選步驟如下：（1）指標海選。海選是根據(jù)BEI2.0測評指標模型應(yīng)遵循的原則和基礎(chǔ)教育信息化目標，通過“建構(gòu)根基”將能反映BEI2.0綜合水平的典型的基本符合要求的指標選入其中。（2）指標初選。初選是在海選的基礎(chǔ)上，用Dale可用性工程理論和系統(tǒng)分析方法[13]提出的八個標準：可測性、敏感性、可預(yù)測性、典型性、可控性、響應(yīng)性、穩(wěn)定性和整體性逐一考量，將符合五個以上標準的指標選入其中。經(jīng)過初選大體指標框架形成。（3）定量篩選。定量篩選常用Delphi法或數(shù)學模型方法（包括最小均方差法、極大極小離差法和因子分析法），其中因子分析是最常用的方法，將在預(yù)試中詳細論述。

第三步：指標識別——火眼金睛。指標“火眼金睛”甄別包括四個方面：（1）特征識別。即指標的可計量性和確定性識別，使指標表現(xiàn)出征象或標志?？捎嬃啃允峭ㄟ^指標計算彰顯指標特征，確定性決定指標力求認識復(fù)雜、超越復(fù)雜和追求簡單之目標特征。（2）對話識別。指標對話是指研究者與研究者、研究者與決策者、決策者與決策者之間的知識、信息和智慧共享，對話識別包括概念識別、核心識別、外延識別、價值識別和權(quán)重識別。（3）檢測識別?？茖W的指標模型是測評結(jié)果是否正確的前提，檢測識別包括單個檢測、重點檢測、必要性檢測和全面檢測識別。（4）合成識別。合成識別是按照自下而上合成為“父節(jié)點”的價值，直到最后合成為測評總目標的總價值。綜上，通過識別后生成了33個可測指標。

第四步：指標預(yù)試——架構(gòu)落成。指標預(yù)試是通過問卷數(shù)據(jù)抽取符合建構(gòu)原則的潛在構(gòu)面及測量指標的過程。預(yù)試采用探索性因子分析，首先進行人口學信息統(tǒng)計分析、KMO值和Bartlett 球形檢驗。結(jié)果符合要求，KMO值為0.882，Bartlett球形檢驗值為0.000小于0.001，說明適宜作因子分析。然后采用主成分分析法、最大方差旋轉(zhuǎn)，經(jīng)7次迭代抽取出測量指標。依據(jù)指標篩選三原則：刪除跑錯構(gòu)面的指標、刪除因子負荷量過低（小于0.6）的指標和刪除交叉負荷量過高（大于0.4）的指標。從旋轉(zhuǎn)后的成分矩陣得到了因子載荷量滿足要求的指標模型，并對測量指標進行了編碼和解釋，這樣預(yù)試結(jié)果架構(gòu)落成（見表1）。為便于有序識別和結(jié)構(gòu)方程模型驗證，按照因子載荷的大小對指標進行了排序，并將因子的初始特征值（7個構(gòu)面）和對應(yīng)的因子得分（取絕對值）相乘求和，將結(jié)果標準化，得到了各測量指標比較精準的權(quán)重，這種客觀性的權(quán)重測算方法可在未來大數(shù)據(jù)或區(qū)塊鏈驅(qū)動的綜合測評權(quán)重的自動化賦值中應(yīng)用。

表1? ? ? ? ? ? ? ? ?綜合測評指標模型編碼

為進一步檢驗因子分析效果，進行了聚類分析（Cluster Analysis），聚類譜系如圖3所示。

圖3? ?聚類譜系

通過聚類分析，可視化反映了7個合理構(gòu)面及其指標聚類形成的體系。這樣，通過指標識別的因子就匯聚成了7個構(gòu)面27個指標模型架構(gòu)，待接下來的指標模型驗證。

五、指標模型驗證

模型建構(gòu)之后，必須進行驗證。建立正確、可靠、有效的測評模型是保證測評效果具有較高可信度的關(guān)鍵和前提。通過預(yù)試基本確定了面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標模型。為達到指標模型建構(gòu)的科學性要求，以下利用“第二個樣本”數(shù)據(jù)進行信效度驗證、結(jié)構(gòu)方程模型驗證和回歸模型驗證。

（一）信度與效度驗證

為避免各測量模型權(quán)重過大，首先對測量模型進行信效度評估。通過指標修正、無相關(guān)分析以及相關(guān)性分析，得到構(gòu)面的信度（CR）、收斂效度 （AVE）和區(qū)別效度見表2。

根據(jù)Hair al et、Fornell and Larcker[14]建議，表中組成信度CR皆大于0.7，說明具有內(nèi)部一致性，即指標足以代表構(gòu)面。AVE（BEIR為0.496）接近或大于0.5，說明具有良好的收斂效度。對角線粗體字為AVE開根號值大于構(gòu)面之間的相關(guān)系數(shù)，代表7個構(gòu)面具有區(qū)別效度。

（二）結(jié)構(gòu)方程模型驗證

結(jié)構(gòu)方程模型（SEM）驗證利用AMOS24.0和“第二個樣本”數(shù)據(jù)建構(gòu)因子模型，其中，一階驗證性因子分析用以檢驗指標模型的7構(gòu)面結(jié)構(gòu)擬合程度，二階驗證性因子分析用以檢驗指標模型結(jié)構(gòu)的合理性。一階驗證性因子分析按照指標修正原則，淘汰因子載荷量小于0.6的指標和淘汰修正指數(shù)最大指標，將原識別的指標淘汰6個指標（BEIP3、BEIR4、BEIA3、BEIT4、BEIG2和BEIE3）進行修正之后，得到與因子分析吻合且適配性較為理想的7個構(gòu)面27個指標的一階因子修正模型，如圖4所示。一階模型因子負荷量介于0.605至0.913之間，而且信度系數(shù)都大于0.5，最終的擬合指數(shù)均在標準值以上，模型適配度良好，滿足結(jié)構(gòu)方程模型的擬合度參考指標要求，也表明修正的結(jié)構(gòu)方程模型通過了驗證。

為了進一步驗證一階因子修正模型7個構(gòu)面是否具有更高階共同因素BEI2.0綜合水平（BEICL）存在，本研究采用二階驗證性因子分析（圖4），來檢驗是否能使用一個高階因子BEICL去解釋上述7個構(gòu)面。運用指標模型一階因子修正模型與二階因子模型比較，用一階因子修正模型的卡方值574.909除以二階因子模型的卡方值615.610，結(jié)果值為0.934接近1，說明BEI2.0級綜合測評指標模型可以用二階因子模型取代一階因子修正模型，使模型更為簡化。判斷二階因子模型是否成立，包括兩項判定標準：一是二階負荷較高;二是與一階模型相比二階模型未顯著惡化。此二階因子模型中標準化二階負荷取值在0.550～0.851之間，說明二階因子與一階因子間擁有較強的關(guān)系，二階模型沒有顯著惡化擬合，且從各項擬合指數(shù)來看，二階模型與一階模型相差無幾。由此說明通過二階模型驗證了7個構(gòu)面的相關(guān)，能夠由一個高階因子BEICL去解釋，二階模型具有理論和實證上的合理性。

二階因子模型還表明了一階因子修正模型存在共同影響效應(yīng)，其效應(yīng)系數(shù)（即H1-H7）分別為0.687、0.550、0.761、0.851、0.488、0.550、0.655，說明外生與內(nèi)生潛變量之間的作用均有顯著的直接正相關(guān)。另外，模型P值達到顯著性水平，表明這7個構(gòu)面能較明顯地反映出BEI2.0綜合水平的高低，進一步證明了原假設(shè)（H1-H7）成立。一階因子修正模型與二階因子模型的擬合度見表3。

從表3一階因子修正模型與二階因子模型的擬合度驗證值看，χ2/df、RMSEA、GFI 、AGFI 、CFI、NFI、TLI、 SRMR（Standard Root Mean-square Residual）的擬合值滿足擬合良好標準，模型對數(shù)據(jù)擬合通過。充分說明結(jié)構(gòu)方程驗證支持前面探索性因子分析（預(yù)試）得出的綜合測評指標7構(gòu)面結(jié)構(gòu)模型，修訂后的包含27個題項的綜合測評指標具有良好的結(jié)構(gòu)，從擬合值也可以看出原假設(shè)（H1-H7）具有正向影響成立。

（三）回歸模型驗證

利用回歸分析將自變量與因變量的關(guān)系進行驗證，整個回歸系數(shù)a與模型摘要驗證結(jié)果見表4。

回歸模型非標準化B值皆在0.327以上表現(xiàn)為顯著，標準化Beta值均在0.582以上表示重要程度較高，決定系數(shù) R2能解率在33.9%以上。D-W在1.5～2.5之間即可說明無自相關(guān)現(xiàn)象。VIF都小于5，說明自變量之間不存在多重共線性?；貧w分析得到模型的擬合優(yōu)度符合指標規(guī)定，說明原假設(shè)（H1-H7）成立。

六、指標模型的進一步分析

為實現(xiàn)教育信息化2.0的基本目標：“三全、兩高、一大”，落實國家意志“未來石油（大數(shù)據(jù)）”的應(yīng)用研究，運用質(zhì)化與量化相結(jié)合研究的“縣·省”級綜合測評指標模型建構(gòu)邏輯表現(xiàn)為三個方面的特征：

（一）指標模型的建構(gòu)科學性

指標模型通過“研究綜述”“研究設(shè)計”和“模型建構(gòu)（包括模型假設(shè)、建構(gòu)根基、指標篩選、指標識別和指標預(yù)試）”建立起了指標體系理論框架，經(jīng)過因子分析、信效度驗證、SEM驗證和回歸模型驗證，建立了比較嚴格的理論方法邏輯和模型假設(shè)檢驗，建構(gòu)了面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標理論模型，研究過程目標明確、步驟清晰，具有較高的科學性，并可以從客觀上得出重要的結(jié)論：指標模型可以作為BEI2.0“縣·省”級的綜合測評工具。

（二）指標模型的結(jié)構(gòu)合理性

本研究采用主成分分析法和直接斜交旋轉(zhuǎn)法，得到7個構(gòu)面（因子），指標因子提取規(guī)范。因子負荷量皆大于0.6且不存在雙負荷的情況，交叉負荷量小于0.4，每個因子下所屬項目的含義相對一致，不存在命名困難，進行聚類分析譜系與7個構(gòu)面完全吻合。指標組成信度CR皆大于0.7，內(nèi)部一致性較好，平均方差萃取量AVE大于0.5，AVE開根號值（0.7以上）皆大于構(gòu)面之間的相關(guān)系數(shù)，收斂效度和區(qū)別效度良好。研究以第二批數(shù)據(jù)進行驗證性因子分析，一階結(jié)構(gòu)方程模型（圖4）擬合指數(shù)均達到理想標準。在絕對擬合中，RMSEA值為0.055（小于0.08）和RMR值為0.040（小于0.05），GFI值為 0.874和AGFI值為0.843、皆接近0.9，整個模型可以解釋樣本方差與協(xié)方差的程度，Chi-sqr值為574.909、Chi/DF值為1.897（小于3），表明模型的擬合效果良好。在相對擬合上，借用一些可比較的標準與假設(shè)模型自身進行比較以檢驗擬合效果，選用的指標CFI值為0.936（大于0.9），NFI值為0.875接近0.90，屬于可接受的范圍;TLI值為0.926（大于0.9），符合模型擬合良好的標準。指標結(jié)構(gòu)方程一階因子模型因子負荷量皆大于0.605， P-value值為1.897、Df值為303，滿足模型擬合良好的標準。進一步采用二階因子模型（Second Order Confirmatory Factor Analysis）分析發(fā)現(xiàn)（圖4），Chi-sqr、P-value、Df、Chi/DF、CFI、TLI、AGFI、RMSEA等值通過檢驗標準均符合測評指標工具要求。在回歸方程模型（表4）中，基礎(chǔ)教育信息化規(guī)劃（BEIP）、資源（BEIR）、應(yīng)用（BEIA）、保障（BEIG）和效果（BEIE）的B值較大，分別為0.457、0.542、0.601、0.420和0.515，說明了它們是基礎(chǔ)教育信息化建設(shè)中的重中之重，特別是基礎(chǔ)教育信息化資源（BEIR）值為0.542、應(yīng)用（BEIA）值為0.601和效果（BEIE）值為0.515對基礎(chǔ)教育信息化發(fā)展的影響更加突出、更加顯著和更加重要，這也恰恰與基礎(chǔ)教育信息化推進實踐中的幾個具體關(guān)鍵相吻合，應(yīng)予以高度重視和重點建設(shè)。

綜上模型結(jié)構(gòu)分析充分說明：指標模型結(jié)構(gòu)驗證性因子分析結(jié)果支持探索性因子分析得出的結(jié)論，面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評指標模型7個構(gòu)面27個指標能夠適配且達到較好結(jié)果，證明該模型能夠較好測評BEI2.0 “縣·省”級綜合發(fā)展水平，說明指標模型結(jié)構(gòu)具有較好的合理性，整體框架設(shè)計符合教育信息化2.0的要求。

（三）指標模型的領(lǐng)域適用性

大數(shù)據(jù)與教育信息化2.0時代，以數(shù)據(jù)驅(qū)動為科學邏輯的工具開發(fā)已經(jīng)成為研究的常態(tài)。BEI2.0 “縣·省”級綜合測評作為一種新興的測評理念，需要國內(nèi)外進一步的相關(guān)研究以及有效的測評工具。國外教育信息化的測評研究相對成熟，USA、UNESCO、EUC、Eurydice、UK 、Japan、Korea、Canada、Singapore 等分別研制了自己的指標模型并已應(yīng)用于實踐，且均被證明具有較好的重測信度、結(jié)構(gòu)效度和效標效度。已有研究表明，國內(nèi)包括國家尺度、省域尺度、區(qū)域尺度、縣域尺度和校域尺度的教育信息化測評指標模型研究也比較豐富。然而，這些國內(nèi)外測評指標模型皆是教育信息化1.0時代非數(shù)據(jù)驅(qū)動的開發(fā)產(chǎn)物。從教育信息化2.0視角出發(fā)，面向大數(shù)據(jù)的BEI2.0 “縣·省”級綜合測評指標模型能更好地適用于當前教育信息化發(fā)展，因而相較直接運用國內(nèi)外的指標模型，建構(gòu)符合中國國情的BEI2.0（三全、兩高、一大）“縣·省”級綜合測評指標模型更具有實際意義和應(yīng)用價值。

七、結(jié)? ?語

推進面向大數(shù)據(jù)的BEI2.0“縣·省”級綜合測評是我國基礎(chǔ)教育信息化均衡、高速、持續(xù)發(fā)展的重要戰(zhàn)略。實現(xiàn)基礎(chǔ)教育信息化公平發(fā)展，“縣·省”級是關(guān)鍵環(huán)節(jié)。但長期以來我國基礎(chǔ)教育信息化綜合推進并不理想，測評尺度蕪雜，缺乏科學的統(tǒng)一標準和客觀性依據(jù)。在大數(shù)據(jù)和教育信息化2.0時代，必須構(gòu)建“縣·省”級教育大數(shù)據(jù)平臺，建構(gòu)大數(shù)據(jù)驅(qū)動的BEI2.0綜合測評指標模型，不斷完善適應(yīng)時代發(fā)展要求，抓住關(guān)鍵環(huán)節(jié)建立動態(tài)測評模型和機制，為客觀、精準、全面測評我國BEI2.0綜合發(fā)展水平提供工具支持，為“縣·省”級基礎(chǔ)教育信息化發(fā)展提供持續(xù)性的可視化報告。唯有如此，才能為“縣·省”級、國家教育行政提供最優(yōu)化策略，指導(dǎo)基礎(chǔ)教育信息化建設(shè)和應(yīng)用，推進基礎(chǔ)教育信息化更精、更好、更快可持續(xù)發(fā)展。

[參考文獻]

[1] CUKIER K.The rise of big data：how it's changing the way we think about the world[J].Foreign affairs，2013（3）：29-40.

[2] 陳金華，陶春梅，張旭，廖靜雅.面向大數(shù)據(jù)的教育信息化持續(xù)推進模型建構(gòu)[J].中國電化教育，2019（6）：52-57.

[3] 呂新奎.中國信息化[M].北京：電子工業(yè)出版社，2002：42.

[4] 李賀.縣級教育信息化發(fā)展水平監(jiān)測評估框架建構(gòu)研究[J].中國電化教育，2017（7）：107-114.

[5] 張屹，白清玉，楊莉，范福蘭，周平紅.基礎(chǔ)教育信息化應(yīng)用水平實證測評模型及差異分析——以X省為例[J].電化教育研究，2015（3）：34-40，95.

[6] 楊永賢，楊曉宏.區(qū)域基礎(chǔ)教育信息化效益評估體系構(gòu)建——以寧夏回族自治區(qū)為例[J].中國教育信息化，2014（13）：67-70.

[7] SOLAR M，SABATTIN J，PARADA V. A maturity model for assessing the use of ICT in school education[J]. Educational technology & society，2013，16（1）：206-218.

[8] KIM J，LEE W Y.An analysis of educational informatization level of students， teachers， and parents： in Korea[J].Computers & education，2011，56（3）：760-768.

[9] 陳金華，傅鋼善，唐靜，江琴，王育欣.國內(nèi)外基礎(chǔ)教育信息化測評指標體系研究綜述[J].電化教育研究，2017（3）：29-32.

[10] 祝智庭，余平.智慧城市教育公共服務(wù)評價指標體系研制[J].開放教育研究，2017，23（6）：49-59.

[11] 郭炯，吳亞婕.甘肅農(nóng)村遠程教育項目運行的績效研究[J].中國遠程教育，2006（11）：61-64.

[12] 吳砥，尉小榮，盧春，石映輝.教育信息化發(fā)展指標體系研究[J].開放教育研究，2014，20（1）：92-99.

[13] DALE V H，BEYELER S C.Challenges in the development and use of ecological indicators[J].Ecological indicators，2001，1（1）：3-10.

[14] HAIR J F，BLACK W C，BABIN B J，et al.Multivariate data analysis（7th Ed.）[M].New York：Macmillan，2009.

[15] 吳明隆.結(jié)構(gòu)方程模型——AMOS的操作與應(yīng)用[M].重慶：重慶大學出版社，2014：52.