近些年来,信息技术的不断进步,数据作为应用的衍生品,在各行各业发挥出实际效用,而在教育领域中,随着教育数据不断积聚,通过一定技术工具,使得教育数据的价值也在不断显现。但是,一些基础性的问题,比如,我们应当采集何种数据,我们应该如何实现数据的价值等问题逐渐浮现于行业与研究者面前。本研究聚焦于学生的学习表现数据,探讨如何进行学生学习表现数据的采集与利用工作。首先,本研究对学生学习表现数据的研究现状进行了综述,其中线下学习表现数据采集大多采用实地课堂观察、深度访谈法、问卷调查法等社会学研究方法,线上学习表现数据采集则依赖于LMS、ITS、MOOC中的日志文件、埋点记录等采集记录技术,数据的利用则以单因素或多因素统计模型为主。基于对现有工作的了解,我们寻找当前数据采集与利用工作的不足。之后,本研究在现有理论之上构建了学习表现数据采集框架。从早期自然哲学毕达哥拉斯学派提出的“万物皆数”思想到现在的大数据潮流,我们要从理念改变层面作出改变,对学生学习表现要进行“全过程”的量化,采集“全数据”。而寻找关键性的要素是开展采集工作的源头,由此,基于现有理论的反思,提出从“人”和“空间”的角度重新审视现有工作,凸显要素之间的关系数据,主要体现为生-生之间的角色关系数据,师-生之间的支持关系数据,生-师之间的反馈关系数据,物-人之间的功能关系数据、人-物之间的改造关系数据,以及物-物之间的互联关系数据。并且提出多种技术工具相配合,引入新的采集工具,学生表现数据为核心的数据服务等采集策略。然后,本研究从马克思主义价值论的角度出发,对学生学习表现数据的价值层次进行了划分,得出了包含表征价值、关联价值以及决策价值三个层次的价值及其关系模型,并结合现有实践与技术从采集工作,探索工作,代价调配等方面提出了学生学习表现数据的价值实现路径。最后,本研究结合一定量的公开数据,着重对数据的多层次价值进行了实证,主要使用了 SEM(structural equation modeling)以及机器学习中的监督学习、无监督学习算法,从多角度对数据集进行了处理与挖掘,并结合一定的学习理论,发现其中存在的关系或数学模型,并对结果与价值层次之间的对应关系进行了回应与说明。