旅游類專業高職教師數據智慧模型的構建與分析

[摘要]大數據的普及對高職教育產生了重要影響。文章以旅游類專業為例，采用專家評估法、問卷調研法，通過對樣本旅游院校的實證研究，可以建構起由教學決策數據智慧、教學實施數據智慧、評價反饋數據智慧三大因子十二個具體指標構成的高職教師數據智慧模型，不同年齡、地域、主要教授課程的高職教師在數據智慧綜合評價水平方面存在顯著性差異。對此，文章提出提供系統化支持、加強數據團隊建設、開展針對性培訓等提升高職教師數據智慧水平的具體建議。

[關鍵詞]高職教師;數據智慧;旅游類專業

[作者簡介]張駿（1984- ），男，江蘇南京人，南京旅游職業學院，寧夏旅游學校副校長，副教授，博士。（江蘇? 南京? 211100）

[基金項目]本文系2018年度江蘇省教育科學“十三五”規劃重點課題“大數據時代高職教師數據智慧發展模型構建與提升策略研究”（課題編號：C-a/2018/03/07）的研究成果和2019年度寧夏哲學社會科學（藝術學）規劃項目“文旅融合背景下寧夏文旅人才培養模式創新研究”（項目編號：19NXYACDG01）的階段性研究成果，并受江蘇省高校“青藍工程”中青年學術帶頭人項目的資助。

[中圖分類號]G715[文獻標識碼]A? ? [文章編號]1004-3985（2020）03-0075-06

一、研究背景

國務院印發的《促進大數據發展行動綱要》中指出，大數據是以容量大、類型多、存取速度快、應用價值高為主要特征的數據集合，正快速發展為對數量巨大、來源分散、格式多樣的數據進行采集、存儲和關聯分析，從中發現新知識、創造新價值、提升新能力的新一代信息技術。大數據的普及對各行業都產生了深刻的影響，對于高等職業教育而言，也同樣如此。大數據時代對高職教師的數據敏感性提出了更高的要求，要求教師通過數據對學生產生新的認知，并根據數據，優化教學方法，提高教學效率。

如何把數據轉化成信息、知識，升華為智慧，進而改進教學，對高職教師是很大的挑戰。長期以來，教師往往是“數據供給者”而非“數據使用者”，缺乏有效利用和解釋信息以幫助決策制定的思路和方法。對數據智慧的內涵有不同維度的詮釋，約翰·吉拉德（John Girard）與迪安娜·克萊因（Deanna Klein）認為，數據智慧是使用技術、領導力和文化來創造、轉化并保存隱含在數據中的信息和知識，從而實現組織愿景的綜合性信息素養，強調了數據價值的挖掘和圍繞教育目標達成的有效利用，得到了學界的普遍認可。我國的相關研究也由數據技術的單純運用向數據思維統領下教學全過程優化的方向發展，認識到數據智慧不僅是數字技術與心理能力的簡單相加，而是在人—技術（作為中介或者環境而存在）的共生性交互過程中出現的一種新質。

在數據智慧構成與提升方式的研究上，哈佛大學教育研究生院的“數據智慧改進過程”，即DWIP模型（the Data Wise Improvement Process）起到了奠基性作用，此模型從教學的準備、探究、行動3個環節8個維度，分析了教師數據智慧的組成要素，在宏觀層面給出了有效引導。在此基礎上，學者們使用不同研究方法對不同類型教師數據智慧展開了分析，如伊麗莎白·法利和瓊巴·特拉姆（Farley Ripple& Buttram）使用社會網絡分析法具體探討了小學教師數據智慧的發展;Boudett和Steele在對Pond Cove中小學展開實驗教學的基礎上，撰寫了《行動中的數據智慧：使用數據提升教學的真實學校故事》等。相較于國外相對系統的研究，目前我國相關研究大多是對DWIP模型等成果的介紹，還沒有形成完整的思路。尤其對于職業教育教師數據智慧的關注更為缺乏，實證性研究尤待加強。本文針對旅游類專業高職教師群體，采用實證研究方法，對教師數據智慧的具體構成展開分析，以期架構起具有普適性的高職教師數據智慧模型，促進高職教師數據智慧提升。

二、研究思路

課程是學校教育的基礎，也是當代教育改革的核心。因此，本文對高職教師數據智慧模型的研究，主要基于課程教學的開展過程。在調研專業選擇上，旅游高等職業教育專業門類齊全，既涉及操作技能要求較高的烹調工藝與營養、西餐工藝、導游等專業，又涉及管理、策劃等能力要求較高的旅行社經營管理、會展策劃與管理等專業;同時，旅游電子商務、旅游市場營銷、景區規劃等旅游管理專業方向對學生數據處理能力又有較高的要求。可見，旅游類高等職業教育是綜合性較強的專業大類，以此為例開展高職教師數據智慧的研究，具有一定的普適性和科學性。

目前，我國尚沒有體系完善的職業教育教師專業素質積累機制，評價范式的缺陷，導致機制建設的滯后。高職教師數據智慧的評估與測量更是困難。Boudett通過實證研究認為，由于學生難以了解教師課程教學探究、決策、實施等的全過程，因此以教師的直接領導者或業務搭檔的評價判斷教師數據智慧的水平更有意義。本文聽從其建議，以一線教學管理人員評價作為主要評估方式。具體評估問卷指標設計方面，在借鑒DWIP模型指標的基礎上，針對我國職業教育特點修正后形成35項測量指標，所有指標皆進行了前測凈化處理。其中，以數據智慧的使用意識、使用能力、使用效果三項指標，表征對教師數據智慧的綜合性評價，其余32項指標參考DWIP模型從不同維度分別展開調查。問卷題項皆使用李克特表的5分制來表示評估專家對于所回答問題的評價程度，以很好、好、一般、較差、差的遞減順序加以排列。需要說明的是，在對教師主要授課類型的調研中，根據專業和課程特點，將其歸納為管理類、實操類、基礎類三種類型，管理類課程以企業的基層管理和運營能力培養為主，實操類課程則更為注重一線對實踐技能的養成，基礎類課程重視職業基本素養的培養。

樣本院校方面，選擇我國不同區域具有代表性、旅游類專業開設規模較大、專業設置較齊全的8所高職院校：華東地區的南京旅游職業學院、浙江旅游職業學院;西北地區的寧夏工商職業技術學院、甘肅工業職業技術學院;東北地區的黑龍江旅游職業技術學院、長春職業技術學院;華中地區的鄭州旅游職業學院、江西旅游商貿職業學院。邀請受訪院校的8位旅游類專業負責人作為評估專家，對本專業教師的數據智慧水平進行評估。為保障調研的科學性，在評估開展前，以會議形式，通過訪談、研討和對10名樣本教師的情況分析與試評估，統一了專家評價標準。本研究于2018年11月25日至12月15日向專家發放評估問卷共300份，回收220份，回收率為73.3%，經檢驗回收問卷有效率為100%。所得數據經梳理，通過SPSS20.0分析，得到人口統計學特征如表1所示。

三、數據分析與模型構建

1.因子分析。對問卷中數據智慧的使用意識、使用能力、使用效果三組指標數據間的關系進行信度檢驗，測量項間的內部一致性較高，因子F1命名為“高職教師數據智慧綜合水平評價”可以較好地體現出專家對于樣本教師數據智慧水平的整體判斷。可將因子F1作為因變量與旅游類專業高職教師數據智慧若干構成要素即自變量開展進一步分析。F1的具體取值設定為三個測量指標的均值，以簡化數據統計過程。

使用SPSS軟件的主成分分析法，進行因子分析，所有可識別指標歸入F2、F3、F4三大因子內，結合指標內容與題意，將F2命名為“教學決策數據智慧因子”;F3命名為“教學實施數據智慧因子”;F4命名為“評價反饋數據智慧因子”。三大因子、12個指標共解釋總方差51.075%，具體分析結果如表2。

2.模型構建與分析。對三因子進行信度檢驗，可見因子及其內部識別指標組成的量表穩定性較強，自變量可以解釋大部分信息，具有一定的科學性。經上文分析，可以構建基于專家評價的高職教師數據智慧構成模型，見下頁圖1。

根據模型可見，高職教師數據智慧主要由教學決策數據智慧、教學實施數據智慧、評價反饋數據智慧三大因子構成，教學決策是教師通過對教學實踐的預測、分析，從而確定最有效教學方案的動態過程。教學實施和評價反饋則是課程教學活動具體開展與后期調整的過程。三者涉及準備、探究、行動、反思等教學前、中、后的系統行為，這與DWIP模型的基本理念一致。

教學決策數據智慧與課程教學前期的預測、分析工作密切相關，由下頁圖1可見其主要包括四個因子：數據的收集、學生學情特點的分析、行業需求的了解、課程內容的選取。數據的收集與獲取是教師數據智慧培養和功能發揮的基礎，孤立數據的意義往往是有限的，教師只有盡可能多地掌握有關課程教學的數據，才可能進一步找到其間的規律，得到具有意義的信息。學生學情特點的分析則是挖掘學生數據的過程，通過對學生顯性數據（年齡、性別、成績等）和隱形數據（興趣愛好、學習態度等）的梳理與分析，明確學情，了解群體學習者中心問題及個體學習者特征，從而有的放矢地開展教學。行業需求的了解，具有鮮明的職業教育特點。高職教育為行業的發展服務，通過對行業規模、崗位構成、人才缺口等行業數據的分析，可以為課程教學明確目標。課程內容的選取，本質上也是教學信息的篩選，無論是知識點還是技能點，最基本的構成要素仍然是信息，因此，課程內容的選取也是對課程教學信息的篩選和重組。

教學實施數據智慧影響著課程教學中的教師行為，由圖1可見，其包括教學資源推送、教學內容呈現、自學環節的設計、教學過程校企和師生的互動溝通四個因子。信息化的教學資源是數字形態存在的教學材料，包括教學過程中所需要的各種數字化的素材、教學軟件、補充材料等，信息化教學資源收集、制作和推送的豐富程度體現出教師的數據意識和數據使用能力。隨著智慧課堂的普及，教學內容也借助信息化的技術手段以更加直觀的形式加以呈現，如導游專業教學中景區點虛擬現實場景的使用。隨著顛倒課堂等教學理念的盛行，學生的自學環節越顯重要，具有數據智慧的教師應善于使用信息化教學平臺，設計符合學生認知特點的自學環節和內容。教學還應是互動的過程，教師的數據智慧還體現在借助科技手段，在教學中有效及時地溝通教師、學生、企業等不同的主體，開展互動，尤其對于高等職業教育而言，利用信息技術，使得企業專家遠程走入課堂、開展指導和交流尤為重要。

評價反饋數據智慧主要包括學習過程性評價、課程及時調控優化、教學資源不斷更新、教師自我定位認知四個因子。過程性評價中數據智慧的運用，是以量化的方式對學生課程學習各個階段的行為和效果進行記錄、考評，不僅可以了解學生的學習狀況，也可以為后期起到教學診斷、預測預警的作用。教學的過程也是反思的過程，教學實施后對前期教學資源進行審視，進一步完善數字資源庫，是提升新一輪課程教學效果的有效手段，也是數據智慧發展的關鍵。與之相聯系的是教師要通過對教學開展效果的評估，對課程的教學目標、內容等進行有效的調控優化。此外，教師對自身綜合性數據智慧水平進行客觀的自我認知與定位，也是不斷完善自我、改善教學行為、提升數據智慧的基礎。

3.方差分析。為進一步了解不同類型高職教師在數據智慧方面是否存在明顯差異，使用方差分析法，從人口統計學的角度測量不同控制變量是否給指標變量造成了顯著性差異。分別以教師的年齡、性別、課程、學歷、職稱、地域為自變量，以F1因子即“高職教師數據智慧綜合水平評價”為因變量，展開分析。使用SPSS20.0的方差齊性檢驗功能，所得結果顯示，不同性別、學歷、職稱的高職教師在數據智慧綜合水平上不存在顯著差異。而年齡、課程、地域的因子檢驗結果皆小于0.05，可見這三個自變量對數據智慧評價水平的影響顯著。

以年齡作為分組變量，青年、中年、中老年旅游類專業高職教師的數據智慧評價水平的指標均值分別為2.8、4.2和1.7。中年高職教師的數據智慧評價水平最高，這一年齡段教師既具有較為豐富的教學經驗，又對新的教學理念、技術、方法具有較強的適應能力;中老年教師的數據智慧評價水平較低，與這一群體相較而言對新鮮事物的接受程度下降有關，尤其是“銀色數字鴻溝”會加劇科技恐懼感，影響其數據智慧的提升;青年教師群體往往具有很大的創造性和靈活性，但從教時間有限，會影響其對職教規律的把握，從而制約對新教學方式的探索，導致此群體數據智慧水平整體低于中年教師。

以教授的主要課程作為分組變量，管理類課程、實操類課程、基礎類課程授課教師的數據智慧評價水平指標均值分別為4.6、2.3、3.4。可見，管理類課程教師的數據智慧評價水平高于基礎類、實操類群體。這與課程性質相關，管理類課程往往側重學生的理性思考、邏輯推演、知識學習等，而實操類課程更側重動手操作、技能練習、行為養成，較管理類課程更為形象、直觀，也更利于調動高職學生的學習興趣。因此，管理類課程教師會更加注重運用數據智慧進行學情分析、教學情境的營造、教學資源的設計等以提升學生的學習興趣。在此過程中，教師得到更多的鍛煉，水平提升的可能性更大。旅游類基礎課程既有一部分偏重理論教學，也有部分側重實踐練習，處于管理類課程與實操類課程的中間狀態，教師數據智慧特點不凸顯。

以地域作為分組變量，華東、西北、東北、華中四個區域旅游類專業高職教師的數據智慧評價水平指標均值分別為4.5、2.2、2.8、3.7。可見，數據智慧評價水平按華東、華中、東北、西北的次序遞減。這與我國職業教育資源分布的特點是基本一致的。我國各省、自治區、直轄市職業教育所獲資源情況，大致呈現由東部沿海省市向內陸地區逐次遞減的階梯形結構分布，表現為區域性職業教育不平衡的發展狀態。數據教學資源作為當代教學資源的重要組成部分，區域分布的特點直接關乎高職教師使用相關資源的頻次和質量，影響使用的態度和意識，最終導致不同區域高職教師數據智慧水平的差異。

四、討論與建議

1.提供系統化支持，輔助教師運用數據智慧。高職教師對數據的挖掘、分析、使用需要有外界的支持，其中學校的輔助是關鍵。上述研究表明，職業教育資源區域不平衡直接影響了教師數據智慧的提升。高職院校應提供系統化的資源性支持，給予教師數據智慧使用的契機與平臺，在實踐中得以鍛煉。具體而言，結合高職教師數據智慧構成模型，高職院校應重點關注三方面的資源性支持。其一，數據收集和分析系統的建設。對于學情、行業特點等數據的收集與分析是教師制定教學決策，開展教學環節，促進數據智慧提升的基礎。由表2可見，目前高職教師在“數據收集充分性”上的評價均值較低，這既有教師原因，也有院校相關系統未完善的責任。高職院校可建立數據收集與分析系統，一方面聯合行業企業擴大數據來源，另一方面對學生顯性、隱性數據進行規范性收集、整理，同時設計分析模型，使得數據更豐富、可控制、易管理，為教師的數據獲取和分析提供便利。其二，教學資源數據庫的建設。院校可通過購買、共建、自建等多種方式針對重點專業和課程，建設、完善教學資源數據庫，促進教師主動使用信息化教學方式，豐富教學內容，提升學生學習興趣和主動性。引導本校教師參與教學資源數據庫的建設，增強資源庫建設意識和能力，也是提升數據智慧的重要途徑。其三，教學信息化平臺的建設。高職院校可以通過不同模塊的設計，整合學校數據資源，開發課程教學新方法，促進教師、學生、行業的對接溝通等，為教師的教學決策、教學實施和評價反饋的信息化實施提供技術性支持。

2.加強數據團隊建設，促進教師整體數據智慧發展。數據團隊是指不同的教師與學校領導者共同組成的學習如何使用數據的團體，共同體驗數據使用的過程，以求提升教育者決策的水平、培養教師的數據智慧。數據團隊的組建以群體的方式幫助教師更加準確地分析數據特征，了解學校組織特點，開展針對性的數據化教學和評價。數據團隊的組建有兩個要點：其一是學校領導者的參與，領導的參與和切身體驗有助于從學校層面有效解決數據來源、平臺構建、校企對接等由教師個體難以完成的任務，從學校數據使用的氛圍、條件等方面促進教師整體數據智慧的發展。其二是教師混建數據團隊，通過數據團隊的形式，不同年齡、不同課程專業的教師相互借鑒，加強協作，可建立學習型組織，以協作學習和群體智力開發的方式促進教師隊伍整體數據智慧的發展。

3.開展針對性培訓，提升教師各環節數據智慧水平。對于高職教師數據智慧的培訓，可以從共性與個性兩個方面入手：一方面，高職教師數據智慧構成模型體現的正是高職教師數據智慧的共性特征。在師資培訓過程中要樹立教師信心，正確評價自身數據智慧水平，消除“數據恐懼”，并有針對性地從教學決策、教學實施、評價反饋三個維度入手，引導教師形成主動收集數據、豐富教學信息化素材、關注教學過程性數據記錄等意識;增長教師正確分析判斷數據價值、不斷優化教學信息資源等知識;提升教師利用數據技術加強行企、師生有效溝通，根據數據特點診斷優化教學內容和方法等能力。另一方面，不同高職教師群體數據智慧水平存在個性化差異。對于中老年教師而言，數據意識和信息化思維的養成、教學新技術的普及尤為重要，對于青年教師群體則更需關注其對專業性質、學生特點等職教規律的掌握。對于不同課程教師的培養也應因人而異，如對管理類課程的任課教師就可著重培養其利用數據智慧提升學生學習興趣，直觀呈現抽象教學內容等能力，以通過教學效果的提升進一步激發其提高數據智慧的動力。對實操類課程的任課教師需提升其對數據智慧的敏感度，引導其將數據化教學決策、實施、評價反饋的過程與實操性訓練有機結合。

[參考文獻]

[1]陳明星，錢鵬.讓數據使用有效：數據素養在教育者決策中的應用[J].圖書館雜志，2018（2）：33-38.

[2]史煥聰，陶紅.教師數據智慧的內涵及數據智慧提升實踐過程與方法[J].中國職業技術教育，2017（30）：48-53.

[3]王吉，潘彬.跨越銀色數字鴻溝：老年人信息技術教育初探[J].江蘇廣播電視大學學報，2013（2）：19-22.

[4]王萍.大數據時代提升教師數據智慧研究[J].開放教育研究，2015（3）：30-39.

[5]（美）威倫，（美）哈奇森，（美）博斯.有效教學決策：第6版[M].李森，王緯虹，譯.北京：教育科學出版社，2009.

[6]吳健.新時代職業教育發展不平衡不充分若干問題的探討[J].職業教育研究，2019（1）：50-56.

[7]閆智勇，吳全全.職業教育教師專業素質評價的困境表征與原因探析[J].中國職業技術教育，2017（3）：68-75.

[8]袁振國.當代教育學[M].北京：教育科學出版社，1999.

[9]祝智庭，賀斌.智慧教育：教育信息化的新境界[J].電化教育研究，2012（12）：5-13.

[10]Boudett K P，City E A，Murnane R J.Data Wise：A Step by Step Guide to Using Assessment Results to Improve Teaching and Learning[M].Cambridge， MA：Harvard Education Press， 2013.

[11]Farley Ripple，E.，Buttram，J.The Development of Capacity for Data Use：the Role of Teacher Networks in an Elementary School[J].Teachers College，2015（4）：1-34.