科技猎大数据时代教师专业发展新路向
数据智慧：大数据时代教师专业发展新路向
大数据 时代的到来，给教育带来了深刻的影响，使得教师的教学方式和学生的学习方式都发生了显著的变化。然而，大数据时代给教育带来的绝不仅仅是大范围的数据以及互联网技术的支持，还使得数据智慧成为一种新的教师专业意识。教师的数据智慧，能够引领教师基于数据设定具体的学生学习目标和教师教学目标，能够了解学生学习与教师教学过程中的得与失，能够最终通过教学决策改进教学。因此，提升教师的数据智慧，成为大数据时代教师专业发展的新路向。
关键词： 数据智慧;大数据时代;教学决策;教师专业发展
在新管理主义思潮的影响下，数据决策成为指导学校领导与管理以及教师教学的工具。教师的数据智慧是在收集学生学习数据、利用数据、分析数据、依据数据进行教学决策的过程中形成的。通过教学决策形成的数据智慧能够引领教师设定具体的教学目标，改进教学策略并促进教师自身的专业发展。本文将通过介绍美国“数据智慧改进过程”(The Data Wise Improvement Process)，试图为我国教师数据智慧的培养提供借鉴。
一、大数据时代教师数据智慧的内涵
(一)大数据时代的教育大数据
数据智慧的核心概念是由“数据”和数据养成的“智慧”构成。大范围的数据最先引起人们的注意是在 IT 界，网络和数字经济的迅速发展引起了人们对数据的重视。大范围的数据已经成为这个时代的显著特征，并且正在改变着我们的思维方式。因为“大数据不只意味着体量的大小，同时意味着研究方法更倾向于利用新的多种类型的数据获取信息，以数据进行研究，并做出决策” [1]。
在教育领域中，大数据在课堂中的应用变得越来越普遍，数据的范围变得更加广泛。同时，也对教师使用大数据的能力提出了更高的要求。学校的数据库每天都能记录学生大量交互信息、个人信息、系统数据等 [2]，教师能够利用学习过程中收集到的学生数据，分析学生学习过程中遇到的问题。与以往不同在于，学校系统中产生的数据，不再仅仅作为评价结果的功能，对学生和教师进行奖励或惩罚。这些数据可以更加广泛地被教师利用并由此来提升教学，例如教师依据数据对每一个教学方法进行选择，依据学生学习数据对学生学习需要的了解等等。
数据智慧与智慧教育中的“智慧”内涵是相似的。关于智慧的内涵，约翰·杜威(John Dewey)认为，知识和智慧具有不同的含义，知识是一种获得的学问，而智慧是用学问指导生活的能力。智慧是超越知识的一种能力 [3]。“通常把智慧看成是包含心理学意义上的聪敏、有见解、有谋略以及技术上的智能化两个不同层面的含义” [4]。智慧教育强调对学生智慧的培育，本文的研究指向于培育教师的数据智慧以改进实际教学的角度。
(二)教师“数据智慧”的内涵
数据作为改进教学的工具，是数据进入教育领域的显著特征。然而，教师利用数据、分析数据、依据数据改进教学行动的能力，已经超越了能够使用数据分析软件工具的技术层面，而形成了教师的“数据智慧”(Data-based Wisdom)。数据智慧的内涵最早是由国外学者 Ackoff 开始进行研究的。Ackoff 在 1989 年首先提出了一个基于人类意识的认知理论，这个理论包括了数据、信息、知识和智慧，也就是DIKW 层级决策模型 [5]，如下页图所示。
知识的金字塔模型展现了 数据处理 的过程，数据经历了由信息到知识，最后升华为智慧的过程。DIKE 模型中，把数据、信息、知识、智慧按照层级纳入到一个金字塔形的层次体系，数据作为某个话语情境中的分离元素，是层级模型的底层，每一层构成着上一次的基础。通过对数据进行分析，获得关联而形成信息;信息的行动化构成了知识;知识的增长伴随着智慧的增加，这个过程关系着人的未来与发展 [6]。由此看出，数据作为分离的元素，是构成智慧的前提，从数据到智慧之间经历了信息和知识的升级和转换。
教师的数据智慧是在教学的活动中养成的。“在教育领域中，教师获取数据智慧的过程，本质上是数据经过分析处理后，逐步提升为信息和知识，并最终成为头脑中极为个性化的智慧的过程” [7]。教师的大数据来自于学校语境中包含教师和学生的方方面面的元素。因此，教师的数据智慧内涵是基于学校与学生的数据，而这些数据作为散乱的存在的元素，需要我们把有关的数据联系起来形成有用的数据集，即信息。教师要利用头脑中已有的对学生的认识，利用这些数据重新认识并改进教学，这样信息才能上升为知识。虽然教育数据的获得依靠信息技术，甚至教育大数据得以有效利用的根本前提是首先能够基于技术手段获取到教育大数据 [8]。例如，利用电子书包通过数据捕获、多感知数据和实时传感数据来获得教育大数据。然而，教师的数据智慧超越了教师使用数字软件的工具技术层面，数据不再仅仅作为符号的结果而存在。因此教师数据智慧的内涵赋予了数据丰富的教育意义。
二、数据智慧：改进教学的新方式
(一)大数据时代的教师教学决策
在教育领域中，基于数据的决策，实际上包含了两个层面：一个是外部的教育问责，另一个则是内部的教学决策 [9]。基于外部的教育问责是立足于学校的管理层面而言的数据决策，而数据智慧改进教学与学习的方式，是基于内部的教学决策而言的。“基于内部的教学决策是从提高教学质量的微观层面而言的” [10]。“在课堂教学中，如果教师们能够学会运用数据，他们就可以了解学生的能力和不足，从而来改进教学计划” [11]。
在教育领域中，“基于外部的教育问责”，主要指的是数据决策作为学校管理的工具。数据决策作为学校管理的工具，受到了新管理主义思潮的影响。新管理主义的主要精神是以市场为基础的治理模式取代官僚体制，以“效率”“弹性”“竞争”“绩效管理”及“消费主导”等为其追求 [12]，“大学为了让有限的国家财政拨款发挥出最大的效益，都试图通过高效率的管理来奠定大学的地位” [13]。大学开始向企业一样开始关注效率，以绩效进行管理。尤其是美国在 20 世纪 80 年代以来的绩效责任机制以及标准化改革都受到了新管理主义的影响。在这个过程中，美国通过实际调查获得了大量的优质数据，这些优质的数据不仅推动了绩效责任制的确立，形成了标准化的美国教育，还为学校基于数据进行决策提供了契机。学校开始利用所收集到的优质数据，为学校进行管理和学生学习的决策提供了可能。
基于内部的教学决策在教育领域获得了教育技术的支持，包括数据决策依靠统计学、数据挖掘方法和机器学习的方法。这些作为分析数据的方法，促进了大数据在教育中的运用。美国在利用教育数据促进教与学方面也展开了大量的研究。例如，美国教育部在 2012 年 10 月颁发了《通过教育数据挖掘和学习分析促进教与学》(Enhancing Teaching and Learning Through Educational Data Mining and Analytics)(以下称《报告》)，这个报告明确提出了利用教育数据挖掘和学习分析来改进教学的主张。报告的目的在于帮助教育决策者和管理人员理解数据挖掘和学习分析是如何开展的，以及是如何应用到网上学习系统来支持教育决策的。进入教育领域的数据如何发挥其自身的价值依赖于教师自身的数据智慧。教师的数据智慧正是在基于数据的决策过程中形成的。
(二)教学决策推动数据智慧改进教学
教师的数据智慧是在教学决策的过程中形成的。教师的教学决策不同于立足学校管理的外部决策，教师的教学决策具有更为丰富的教育意义。教学决策发生在包括课堂教学在内的一切教学活动中。以往教师的教学行为依赖于经验的自然循环，而学校中产生的关于学生的数据仅仅被看作评价的结果而进行奖励或惩罚。基于数据智慧的教学决策，是教师在教育活动中利用数据、分析数据、依据数据改进教学行动的过程中形成的。教师数据智慧的源泉是学校中产生出来的分散的大数据，学校中的原始数据绝不仅仅包括教师的教学结果与学生的测验成绩。学校教育活动中产生了大量的隐形数据，例如学校在绩效管理上，利用收集上来的不同教职岗位的工作目标的数据来反观教师的教学状态;教师可以利用学生对教师的反馈评价，有针对性地进行教学反思，获悉学生的学习需求，进行个性化教学。
在大数据时代，数据智慧切合了教师专业发展的新态势，成为教师新的专业意识。数据智慧能够引领教师设定具体的教学目标，了解学生学习与教师教学过程中的得与失。数据智慧之所以成为新的专业意识，是因为切合了互联网时代对教师专业水平的要求。互联网作为一个强大的量化工具，使得学校数据在收集和分析上的难度日益减少，而数据智慧通过教师的教学决策改进教学却并不是一件容易的事情。在教育活动中，教育的目的在于使受教育者的思维品质发生变化，而受教育者的思维品质怎么能够进行量化呢?因此，学校教务处获得的数据往往是较为容易进行量化的显性数据，例如学生的测验成绩、班级成绩、学区排名等。这些数据的功能仅仅被学校的管理人员用来对每一个班级、教师、学生进行评定，而并未影响到内部的教学决策，淹没在学校系统中的海量数据并未引起教师的充分利用。数据智慧包含了教师对学校海量数据的敏感与觉察，这首先是数据智慧改进教学的前提。教师从收集到的每个学生的数据中，了解每个学生的学习特点和学习需求，通过获得每个学生的数据来改进教学，实现学生个性化发展。
三、数据智慧改进教学的模型探析——以美国“数据智慧改进过程”为例
基于对数据内涵的理解，国际学者展开了大量对于数据智慧提升教学的方法探索，也形成了一些可供我国借鉴的模式。针对数据智慧的研究，美国学者 Kathryn Parker Boudett 开发了“数据智慧改进过程”的模型。在他写的《数据智慧：使用评价结果以改进教学的分布指南》中，为学校领导者呈现了一个清晰的数据分析模型，教师要意识到测验分数以及教学数据对于提升教师能力、促进合作、认清挑战以及提升校园文化和气氛的重要性，而后又在 Boudett 和 Steele 的《行动中的数据智慧：使用数据提升教学的真实学校故事》 [14] 中，以生动直观的真实案例，来阐述数据智慧改进教学的过程，为我国的数据智慧改进教学提供了借鉴。
Kathryn 提出了数据智慧的提升路径，他把数据智慧改进的过程分为了三个发展阶段：准备、调查和行动。三个发展阶段中又包括了八个具体的步骤：组织协作工作;建构评估素养体系;创建数据概览;挖掘学生数据;检查与指导;形成行动计划;计划评估进度;行动与评估。数据提升模型为改进教学提出了具体可操作的建议 [15]。
下面将以学校为例，详细介绍数据智慧提升的八个具体步骤的开展状况：
(一)组织协作阶段
在组织协作阶段中，Boudett 对 Pond Cove 小学开展了研究，提出了在数据智慧提升的第一个阶段需要注意的问题，例如，如何选择一个数据团队让教师协同开展工作，数据团队如何创建数据调查表，对教师的教学活动和学生的学习成绩进行记录。数据团队成员应该如何组织其他的同事等问题。建立数据团队，有利于教师之间明确任务和行动计划。另外，在 Pond Cove 学校的调查研究中发现，在组织协作阶段，教师还需要进行耐心的准备工作，选择正确的数据团队，目标要集中在与评价和教学实践相关的数据上。
(二)发展评估素养
在发展教师的评估素养阶段，根据对 Newton North 高中进行的研究，建构评估素养首先要通过帮助教师重新理解学生测验分数来消除老师对于数据的恐惧。数据团队建立后，发展教师的评估素养是后续工作顺利开展的前提。在这所高中，学校校长与数学组首先共创了一个数据团队，然后通过教师对评价工具、评价报告以及评价原则的理解，来建立教师的评估素养，以此引导教师通过利用数据和分析数据来改进教学。“为了有效合理地处理数据，教师必须具备解释、理解评价结果的能力，需要深入了解各种与测试相关的术语(如抽样、效度、信度)、评价(如测量误差)、不同类型的测试(如标准参照、常模参照)和测试量表(如年级当量、百分位数、表现水平)等” [16]。在 Newton North 学校的研究中，培养教师的评估素养除了从以上几个方面展开，还得出很多可借鉴的经验，比如要让教师对数据与评估产生科学的认识，可以先让教师通过使用数据评估来解决一个教师们关心的问题;支持教师们学习如何理解与分析数据;教师在对数据进行分析的时，应该彼此之间信任与合作等。
(三)创建数据概览
在创建数据概览阶段，以 Mckay K-8 学校为例展开了分析。首先，在 Mckay K-8 学校中，可以利用的数据有很多，如何进行有效的提炼并勾画出一个涵盖学生成绩的清晰的数据框架，成为一个关键的问题。Mckay K-8 学校在进入探究阶段后，学校的数据团队创建了一份数据概览。数据概览以具体的统计图表来呈现 Mckay K-8 学校的大数据，比如学生标准化测验的成绩。一个清晰的数据概览指的是对学生成绩进行简练的概括，创建一个清晰的数据概览需要周密的考虑和清晰的计划，同时有利于教师从复杂的学校数据中获得直观的认识。在这所学校的案例中，学校校长把学生的成绩数据作为一个行动使命，但是在研究中发现数据也有其自身的含义。通过对 Mckay K-8 学校的研究得出了一些切实的经验，比如有效的数据概览既要充分，又要有针对性，同时还要有完善的组织架构;数据概览应该来自于不同的数据源，避免是单一的学生测验成绩等。
(四) 数据挖掘
在数据挖掘阶段，本文用 West Hillsborough 学校数据挖掘的过程作为例子进行说明，包括如何通过合作来挖掘包括学校、年级、课堂以及学生在内的大数据，并以此来发现每个孩子的学习潜能及学习需求的。在探究阶段中，教师已经具有了有关评估的素养，学校的数据团队也创建了有效的数据概览。接下来，West Hillsborough 学校数据挖掘的过程展现了学校是如何确立全校性的学习者中心问题。通过挖掘学校数据，发现学生学习中普遍存在的问题，并做出恰当的教学决策予以改进。尤其需要注意的是，在West Hillsborough 学校的数据挖掘过程中，除了挖掘较易获得的显性数据外，还包括了学校文化在内的隐形数据。学校文化中蕴含的隐形数据，同样能够创造学习的机会。数据挖掘是数据提升过程中最为复杂的阶段，因为在学生的评价、测验以及作业的过程中有很多数据是被忽视掉的。因此，要求在数据概览创建的阶段，要涵盖更大范围的数据，同时这些扩大数据要具有可控制、可管理、可分析的特点。
(五)检查教学
在检查教学阶段，Murphy K-8 学校进行了调查研究。学校的数据团队挖掘了大量的数据以后，接下就是通过对数据挖掘结果进行分析得出学生存在的学习问题。检查教学在这个阶段存在的问题，并对教学中存在的问题进行解决。通过对数据结果进行分析，检查教学，得出恰当的教学策略从而改进教学中的问题，促进学生的学习。在Murphy K-8 学校的研究中，尤其需要注意的是教师之间可以通过彼此听课，收集数据，通过相互的观察与指导，来发现自己教学过程中存在的问题。在学校里，教师之间彼此观察与指导的学校文化氛围能够让所有的教师既是学习者，又是引导者。在Murphy K-8 学校中，数据的使用是整个数据提升过程的中心。“数据”绝非仅仅是测验的分数，同时也包括学生的作业以及教师之间彼此观察积累的教学方法等。
(六)形成行动计划
在形成行动计划阶段，教师基于在准备和探究两个阶段中收集到的数据，开始做出教学决策的改变。在这个阶段，以 Two Rivers Public Charter School 两江公立特许学校为例，形成了一个合作程序来帮助教师使用数据以改善教学实践。学校意识到提升数据智慧过程中很大的挑战是形成共享以及达成共识的行动计划，同时学校要帮助教师选择、完善以及评估行动计划来改进教学活动。在形成行动计划的过程中，形成行动计划不仅要强调教师之间的合作，关注教师的专业发展，同时还包括使用测试数据来发现学生的缺点、形成指导性计划、设置学习目标等。因此，行动计划中不仅要包括学生学习结果的数据，同时还应该包括学生学习过程的数据以及可测量的学习目标。
(七)计划评估进度
在计划评估进度阶段，主要是对上个阶段的行动计划进行评估。教师怎样确定在数据智慧提升过程中，学生学习是否取得进步?这个阶段以波士顿 Mason 学校为例，该校强调计划评估阶段教师之间合作的重要性。在数据智慧提升的整个模型中，教师之间的合作几乎是贯彻始终的原则。对行动计划实行结果进行评估的前提是行动计划本身的有效性。在对行动计划的有效性进行评估时，学生的成绩是否提升需要多样性的评价手段。数据来源既有长期才能获得的数据，比如学生的学习习惯、教师的教学风格等，也包括短期即能获得的数据，包括学生的作业以及课堂互动等，教师可以通过协同合作，为促进学生的学习设定不同的发展目标。
(八)行动与评估
数据智慧提升过程的最后一个阶段是行动与评估。这个阶段是行动计划在学校执行的过程，同时要对行动计划的有效性进行评估。这个阶段以 Community Academy 社区学院为例，在行动计划执行的过程中，一方面需要教师按照计划行动，另一方面要根据不断变化的学校的实际情况进行调整。
在数据智慧提升过程中的每个阶段中，Boudett 和 Steele 都选定了一所学校。依据这些行动案例，用来描述教师如何利用数据智慧来改进教师教学。在教师利用数据智慧的过程中也产生了许多的问题，在学校的日常教学中，我们经常谈到数据，但是通常我们会花费大量的时间把数据输入进电脑，便没有人再关注数据，数据智慧应该聚焦到具体的学习目标上，而哪一种具体的数据对于实现这些目标是有益的 [17]。美国的数据智慧模型在实践的过程中，每个阶段都为我们利用数据智慧改进教学提供了操作性的建议，为我国利用数据智慧改进教学，提高教师的专业水平提供了借鉴。
四、数据智慧提升的策略与建议
传统教育的教师依靠感觉、直觉，以学生个体以往的经验为基础，面向未来进行教学决策，而数据驱动决策的潜在优势之一就是确保客观的标准，而不是凭借日常点点滴滴的信息采集，运用严密细致的逻辑推理 [18]。数据智慧作为教师的专业意识，在提升过程中面临诸多现实的挑战：教师对数据的内涵理解片面，更加注重评价结果数据的事实导向;教师利用经验直觉进行教学决策的传统由来已久;教师缺乏教学数据决策的技术知识等等，针对诸多挑战，本文提出如下建议：
(一)创建教师数据团队，培养教师的数据素养
培养教师的数据智慧，需要学校管理者创建一个由教师组成的数据团队，教师之间要加强协作。创建数据团队，并由数据团队组织教师明确任务，开展行动计划。学校数据团队要以提升教师的数据智慧为目标，明确学校大数据的范围和来源，注重与评价和教学实践相关的数据收集。学校数据团队要创建一个包括学生学习和教师教学以及学校文化在内的数据框架，使得教师在通过数据改进教学决策的过程中能够明确数据的来源和价值。
数据素养不同于数据智慧，本文所指的数据素养是教师对于学校数据的理解。教师的数据素养包括教师对学校数据的敏感和觉察的意识，教师对评价工具，数据调查报告以及数据评价原则的理解。教师要合理地收集并分析数据，需要具备一定的统计知识和评估素养，比如与测试相关的术语，包括信度、效度、抽样以及测量的误差，不同的测试类型等。教师在进行数据决策时，需要数据团队首先培养教师的数据素养。例如，可以从教师们关心的问题入手，数据团队引导学校教师收集、理解和分析数据，让教师在这个过程中形成对于数据智慧能够改进教学的直观认识。
(二)挖掘学校数据，建立学校 数据分析 模型
数据挖掘，是提升教师数据智慧过程中最重要的阶段。数据决策的确需要依靠统计学、数据挖掘的方法等，这些作为数据分析的方法，成为学校数据团队的技术工具。学校管理人员和教师应该理解数据挖掘和学习分析的方法在实践中是如何展开的，并以此确立学习者中心问题。教师进行数据挖掘依托于对于大数据核心技术的掌握。“大数据的核心技术包括大规模并行处理数据库、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统” [19]。教师通过挖掘学校中的数据，发现学生学习过程或者教师教学过程中普遍存在的问题，这是依据数据进行教学决策的前提。
教师提升数据智慧的起点在于教师掌握学生的大数据。与以往不同之处在于，学生的大数据不再仅仅是作为结果的数据。在学校数据挖掘的过程中，除了那些较容易获得的显性数据外，比如学生测验成绩、班级评比、学区排名等，还应该包括学生学习目标与动机、学习需要与教师反馈、教师教学方法、学校文化等难以量化的隐形数据。因此，这就要求学校的数据团队建立学校数据分析模型，这个模型要有清晰的框架，涵盖数据来源、数据内容、数据分析方法选择、行动计划、现状分析、改进教学策略等要素，才能使得数据具有可控制、可管理、可分析的特点，才能为教师所用，有目的有意识的提高自身的数据智慧。
(三)依据数据分析结果，改进教学决策
教师在挖掘了学校的大量数据以后，接下来就要对数据结果进行分析，得出学生学习以及教师教学中存在的问题。数据时代的教师不仅要会教学，同时要具备强烈的研究意识，教学过程当中运用数字化工具记录学生行为，运用数字化技术记录教学过程，并进行分析、编码和数据分析 [20]，有利于教师数据智慧的培养。在对数据结果进行分析的过程中，教师之间还要加强合作，同时依据数据分析结果反映出的问题，做出教学调整和恰当的教学决策，传统的教学决策过于依赖经验、缺乏数据的支撑，基于数据的教育决策正是应对这个不足的解决方式之一。然而，基于数据的教育决策不仅能够提高教学质量，而且还能够在整个教育过程的多个环节可以应用 [21]。例如，在学校中通过数据分析结果显示，学校里很多学生并没有养成良好的阅读习惯，在阅读中不同年级存在不同程度的阅读障碍，学校以及教师就要从具体年级的不同层面关注学生阅读习惯养成，适当做出课程调整和教学改进，增加阅读课程，延长阅读时间，以及家校协同关注学生阅读等。同时，教师对获得的数据分析结果，需要通过教师之间的合作，发现教学过程中学生共同存在的学习问题，来实现使用数据改进教学实践。
五、结束语
美国的“数据智慧改进过程”模型及其实践为我国提升教师的数据智慧提供了借鉴。在我国，数据智慧作为教师的专业意识改进教学，仍然存在诸多现实的挑战。因此，提升教师的数据智慧首先在于教师觉察到学生的大数据，建立教师的数据意识;其次，依靠大数据时代的互联网技术，收集学生的优质数据;同时，基于教师教学和学生学习的目标，创建学校学生数据体系，教师要按照数据体系有意识地收集并分析数据;在学校数据挖掘的过程中，要对数据进行初步遴选，选择可控制、可分析、可管理的优质数据来改进教学。
注：本文转载自：《中国电化教育》，作者：许芳杰，版权著作权系原作者所有。数据观微信公众号(ID:cbdioreview) ，欲了解更多大数据行业相关资讯，可搜索数据观(中国大数据产业观察网www.cbdio.com)进入查看。
责任编辑：汤德正
