赵海波 赵红梅
摘要：基于数字孪生的教育效用分析是教育对象（如教育者、学习者、学习素材、学习过程、价值模型、能力评估等）大数据的因果链、价值链的数字分析模型，通过接收来自教育对象的数据而实时演化。可对人的培养过程进行分析、预测、诊断、训练等（即仿真），并将仿真结果反馈给教育对象，从而帮助对教育对象进行培养过程优化和干预决策。
关键词：数字孪生 教育大数据 教育效用分析 数字分析模型
Analysis of Educational Utility based on Digital Twin
ZHAO Haibo ZHAO Hongmei
（School of Electronic Commerce， Beijing Open University， Beijing， 100098 China）
Abstract： Educational utility analysis based on digital twin is a digital analysis model of the causal chain and value chain of big data for educational objects （such as educators， learners， learning materials， learning process， value model， ability evaluation， etc.），which evolves in real time by receiving data from educational objects. It can analyze， predict， diagnose， train， etc. （i.e. simulation） of the human training process， and feed back the simulation results to the education object， thereby helping the education object to optimize the training process and intervene in decision-making.
Key Words： Digital twin; Education big data; Education utility analysis; Digital analysis model
现代教育就是把“自然人”培养成为具有现代价值理性的“社会人”的社会性活动，其根本出发点就是人的发展。为此，以人本身为立足点和归宿点，实现个人的权利、价值及个性的自由发展，就成为了人本化教育的目标导向与价值所在。对于个人来说，有效地将分散在各处的数据价值作为一个整体投资到有益于个人乃至整个社会群体的再成长具有重要价值。
数字孪生，英文名叫Digital Twin（数字双胞胎），也被称为数字映射、数字镜像。其主流定义是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体的全生命周期过程[1]。虽然人们对把人类完全变成数字化概念的解释并不认同，但换个角度想一想，数字孪生在教育领域的真正意义，是强调家庭养育的意义、教育过程干预的实践价值，教育领域数字孪生是对这种有目的地培养人的活动的数字化映射，创造敢冒风险、鼓励创新的教育环境，大规模培育创新性人才。
通过数字孪生技术可以有无数种可以纵观一生的视角来观察反思自己的学习过程。人是平等的、有尊严的、个性化的，利用现代技术极大化丰富培养模式路径可以有效避免现有教育模式由于人力不足导致的单一模式化教育。当今，倡导素质教育就应该明确这一点，融入到日常的教育教学过程之中去，融入到充满互动、丰富多彩的师生关系之中去。教育对象、数字孪生以及基于数字孪生的仿真及反馈一起构成一个信息物理系统（cyber physical systems）。面向数字孪生全生命周期（构建、演化、评估、管理、使用）的技术称为数字孪生技术（Digital Twin Technology）[2]。
在当下新兴信息技术与教育深度融合的教育语境中，在教育实践中如何多维度、全周期评估教育者和学习者的教育健康状态，更好地为学生赋能，让学生掌控自己的學习过程。在现代信息技术的加持下，学生的自主学习过程中，科技起着重要作用，在传统教育过程中口传和读写为主的知识表达和传播被各种形式的数字化工具所替代，并为现代学习过程评价提供了坚实的数据支撑。
在教育领域，利用覆盖整个校园的衣食住行、教学、教务、实习、实训、技能等数据，构建学习者的数字孪生画像。数据孪生可以被定义为学习过程环境的历史和当前行为的动态数字模型;在新时代的物联网、5G、大数据的智能网络系统中，应用数字孪生技术将教育对象本身的数字模拟来预测受教育者的未来状态。主要针对数字孪生的建模、信息物理融合、交互与协作及服务应用等方面开展相关研究[3]。
通过数字技术、学习过程和教学教务的深度融合，围绕学习者重构整体效用体系，基于数据流的因果链、价值链的分析建模、价值深挖和创造的良性迭代循环，数字孪生的教育效用分析从应用场景来看，全局视野、精准映射、推演仿真、虚实交互、智能干预，多维度、全周期评估教育者和学习者的教育健康状态[4]。
1 因果链与价值链的效用分析
1.1用户画像
随着新一代互联网原住民的成长，亿万用户在每天使用互联网平台的过程中产生海量的数据，互联网平台又从这海量的数据中创造出巨额的经济价值，通过数字孪生的教育效用分析可以创造出巨大的社会价值，也是互联网数据价值公有化的体现。
由于疫情原因，这一次大规模在线教学的社会实验，不仅是一场转变教学方式的变革;从深层次来看，这是一场对原有知识体系、对人才培养的素质结构的全方位审视和思考。大数据是未来新教育的“标配”不再仅有印刷时代的课本和课堂，知识内容的数字化表达和传播，教学的在线化、灵活性及伴随终身，将成为一种新常态[5]。
在线教学的核心不是录制音/视频课件，这些“资源”都可以用优质图书、纪录片等替代。一门在线课程最核心的任务是设计高质量的交互教学活动，通过优良的学习活动设计，实践“以学生为中心”的在线学习。
1.2数字孪生的因果链、价值链分析框架
数字孪生的因果链、价值链分析框架如图1所示，主要包括以下几方面。（1）基础性素质因素：这一单项素质的缺失，是否会导致更大范围人格、价值的崩溃。（2）竞争护城河因素：这项因素是否能为竞争优势提供强大防御力。（3）人生安全风险因素：这项因素是否可能对个人、社会安全构成直接威胁。（4）加速器素质因素：这项因素是否能提升整体创新价值速度。有些素质因素既是基础性素质因素，又是加速器素质因素，对个人发展、社会发展具有重大意义。
2 分析过程：
通过利用大数据对个人成长过程中的轨迹线（孩童时期的图书、动画、音乐、培训、家庭、入学等全域数据的分析）以及各年龄阶段的教育机理通过数字化技术进行建模，然后通过仿真方式以确定给定输入下所得输出是否符合目标，通过大数据的数字化模型不断丰富迭代中的参数并多次仿真与实际校验比对，待输出符合目标后将教育过程干预配置到现实教育过程中进行培养，将培养结果再反馈到孪生模型中进行优化，以此大数据迭代最终使得教育过程仿真所得输出与实际产出一致，并由仿真得到环境参数最优配置，则可得到现实条件下教育过程最优配置，以此减少实际试错的风险;当工作环境、技术变革、社会变革需进行改进提升时只按需调整即可得到最优教育输出[6]，如图2所示。（1）定义与价值;（2）创建学习者的数字孪生;（3）数字孪生体系架构;（4）数字孪生与数字教育因果链、价值链主线分析;（5）数字孪生，对学习过程周期管理;（6）场景先行，部分应用初显成效;（7）数字孪生总体架构;（8）数字孪生核心平台;（9）数字孪生关键技术要素对教育智能化創新;（10）数字孪生，重新定义教育服务。
3 数据使用模式
归根结底，在成熟的数据交易市场上，交易的是数据的使用权，或者更明确地说，是“用数据回答问题”的权利：数据使用者将自己的问题以算法形式提交到数据交易所的计算平台上，获得计算的结果，并为使用数据和算力付费。
4 改进建议
学习的输入不局限于阅读书本，聆听播客、浏览视频、甚至投入游戏本身都是学习;学习的输出不局限于文字创作，图像、音频、视频、网站、产品实物等形式的数字制品都可以成为展示想法的有力工具;学习不局限于个人的冥思苦想，讨论、合作、分享也可带来集体智慧。当学生从自己的创造、构建、设计、制作、协作中去学习，更有可能遵循自己的方向，表达出自己的观点，并产生创造性成果。
课堂上的“发言”，在时间上是“串联”的，每次只能一个人发言，整堂课没有几个人有机会“说话”。异步文字讨论区的“发表”是“并行”，给学生提供了更多的表达，以及相互分享、交流的机会。
探索通过直播，录制视频，线下参观等形式教学打通“企业—学校”人才培养通道，以充分多视野的“养分”撑开学生看世界的头脑。
5 结语
学习不局限在教室、互联网这样的环境，它可以发生在户外走访、实地考察甚至个人的冥思苦想，通过观察周遭、切身体验、与人访谈，了解一个新事物或新行业;所以，以教育大数据为基础的数字孪生模型并不能完全全息全维度地体现教育对象的全部信息，数字孪生这一动态、全周期可溯源的分析模型仍具有进一步提升的空间。
参考文献
【1】张霖.关于数字孪生的冷思考及其背后的建模和仿真技术[J].系统仿真学报，2020，32（4）：1-10.
【2】艾兴，张玉.从数字画像到数字孪生体：数智融合驱动下数字孪生学习者构建新探[J].远程教育杂志，2021，39（1）：41-50.
【3】Zaballos Agustín et al. A Smart Campus’ Digital Twin for Sustainable Comfort Monitoring[J]. Sustainability，2020，12（21）：9196-9196.
【4】张霖.关于数字孪生的冷思考及其背后的建模和仿真技术[J].系统仿真学报，2020，32（4）：1-10.
【5】陶飞，刘蔚然，张萌等.数字孪生五维模型及十大领域应用[J].计算机集成制造系统，2019，25（1）：1-18.
【6】陶飞，刘蔚然，刘检华，等.数字孪生及其应用探索[J].计算机集成制造系统，2018，24（1）：1-18.
中图分类号：G64 DOI：10.16660/j.cnki.1674-098x.2108-5640-7375 第一作者：赵海波，（1973—），男，硕士研究生，高级工程师，研究方向为软件工程、数据分析、大数据应用
作者简介：赵海波（1973—），男，硕士研究生，高级工程师，研究方向为软件工程、数据分析、大数据应用。
基金项目： 2020年教职所【2020】257号“跨境电商海外营销”1+x证书项目成果
