從數據素養到數據智慧：教學決策的實踐脈絡與績效追問

林書兵 陳思琪 張學波

摘要：隨著教育大數據時代的來臨，數據逐漸成為教育領域的火爆熱詞，“量化一切”“讓數據發聲”等口號成為新時代教育的風向標，數據密集型科學范式儼然已成為教育研究的主流范式，數據驅動的教學決策模式也備受一線教師推崇成為教育實踐領域的流行趨勢。但數據在教育領域的應用并非一蹴而就的過程，數據驅動的教學決策過程受教師個體數據素養的提升、團隊數據智慧的建構等多種因素和條件影響。當前，該領域存在著簡單、線性和片面化等數據思維傾向，相關誤解亟待辯清，還需從理論基礎、動力機制與文化內核等方面理清實踐脈絡，并應強調從實證角度關注實際成效。為此，筆者試圖梳理美國該領域20年的先行經驗和實踐啟示，以期為國內這一熱點實踐領域提供深入推進的思路和方法。

關鍵詞：數據素養；數據智慧；教學決策

中圖分類號：G434 文獻標識碼：A

本文系國家社科基金重大項目“信息化促進新時代基礎教育公平研究”（項目編號：18ZDA334）研究成果之一。

一、引言

長期以來，以經驗和直覺作為主要支撐的教學決策過程因為沒有憑證缺乏依據不夠客觀比較隨意等問題而飽受詬病，而數據驅動的教學決策（Data-driven Decision Making，以下簡稱DDDM）模式逐漸為一線學校所推崇成為流行趨勢。但在將數據引入教育教學過程中存在著拿之便用一用即靈的現象，相關實踐對其實際效用避之不談或是寥寥數語，以毋庸諱言和默許定性的方式主觀設定其巨大成效。另一方面，任何外部推動力量在教育領域的介入都不是一蹴而就立竿見影的過程，從歷次教育運動風潮的反思來看，不求甚解，蜂擁而上和矯枉過正恰是我國教育教學領域尤需警惕的過往啟示。當前，數據是否真的成了教育教學改進的靈丹妙藥、數據驅動的教學決策主要受哪些因素和條件影響、具體有效性如何等等，這些問題值得教育學術和實踐領域認真去審視和回應。

二、有關DDDM的先天誤解

1.數據驅動就一定有效嗎

隨著大數據在其它行業應用價值的逐步凸顯，教育領域對數據的應用也形成了迫切期待。在大數據急速推進形勢下，現實的教育應用中容易涌現忽略背景條件限制的功能假象。Coburn等人曾指出，所有促進數據使用的干預措施都根植于這樣一種信念，即認為只要收集和分析正確的數據，它們將為關鍵的教育問題提供答案，并為行為者的決定提供信息，隨后將產生更好的教育結果[1]。但事實上，DDDM應用受多種因素影響。首先從數據的來源范疇來看，數據的量有大小之分，大數據和小數據在呈現自然全態和客觀實情方面存在著本質的差距，其處理程序和分析流程也不盡相同，對決策的指導價值當然也有著天然差別。從當前業界普遍公認大數據的5V特征出發，業界專家們普遍認為真正意義上的教育領域大數據應用實則非常奇缺，大部分是基于局部或便利情形采集的“大量”數據而非大數據，由此而開展的推理、判斷和分析等決策行為，其效力本身存疑。其次，數據的品質有優劣之別，除了眾所周知的數據的真假可靠性因素之外，數據采集技術的限制，如教育領域某些特定情形下只能基于收集的自我報告和回顧性數據做出簡單推理和分析，這些因素也決定了大多時候我們只能在相對客觀的基礎上做出盡可能真實地分析處理。此外，由于數據呈現方式的掣肘，如系統輸出過于復雜繁瑣的報告從而使得教學者無法解讀，或只是簡單告知教學情況的不足和缺陷，而對教學細節和補救措施卻只字不提，凡此種種，劣質不良數據的作用形同無物。再者，從類型上看，數據的冰山模型顯示了當前大部分數據應用仍然局限于規范標準的結構性數據，隱藏在冰山腳下的大量的非結構化數據（如教學視頻、學術報告、課堂討論記錄等）目前還未找到較好的處理方式和分析方法。因此，從總體上來看，基于片面數據的簡單分析勢必會影響到最終的決策精準性。除此之外，迫于壓力的數據問責和評估，違背倫理的數據濫用、缺乏素養的數據誤用以及追求個人利益的數據偽造等等，這些行為都會給基于數據的教學決策效果蒙上了陰影。

2.完全拋棄直覺和經驗嗎

數據進入教學領域帶著客觀科學有效的天然光環，也承擔著改變教師直覺和經驗依賴的重大責任，但是否有了數據之后就可以完全摒棄教師的直覺和經驗呢？顯然，這一做法是不現實也是不可取的。從DDDM開展的現實困境來看，數據的全面采集和分析往往需要耗費教學者大量的時間和精力，而且需要數據的質量保障和教學者的專業素養護航，才有可能做出相對客觀的決策判斷。但Kahneman等人認為，教師和所有人一樣，傾向于看到證實自己已有信念的東西，并不自覺地拒絕指向相反方向的數據[2]。因此，教學領域歷來特別崇尚靈機一動的直覺閃光時刻和長期依賴經驗累積的思維慣性，這些障礙會驅使著教師在基于數據和基于直覺經驗之間做出抉擇，而出于決策效率和經濟性上的考慮，他們往往會認為數據沒有直覺省事，沒有經驗可靠，或者認為數據雖然揭露了現實，卻不能呈現原因，所以對于解決問題也無濟于事。此外，直覺經驗同數據驅動之間并非非此即彼的關系，相關研究揭示了數據和直覺之間存在相互作用，在決策過程中直覺指導著對數據的搜索，直覺不僅可以用于理解數據，而且決定了哪些數據受到關注。正因為直覺的作用，人的決策過程往往呈現出享樂主義傾向，這也是用數據驅動挑戰直覺判斷如此困難的重要原因之一[3]。事實上，基于洞察力的直覺、基于經驗累積的知識和基于量化處理的數據，它們都是實踐信息來源的渠道之一。決策相關理論表明，基于數據驅動的理性策略特別適合解決允許固定程序的結構良好的問題[4]。但許多教育問題是復雜的，在現實不斷變化的情況下往往涉及多種影響因素，因此教育者的經驗和專業判斷非常重要，但它們必須與數據結合使用，才能應對愈加復雜的教學新情境和新情況。從教育決策的實際應用情況來看，直覺可能存在陷阱，經驗也不一定可靠，使用數據也絕不是屢試不爽。因此，現實中人們往往接受由理性和直覺雙重指導的決策過程。

3.成績和分數就是全部嗎

對DDDM的誤解還存在于對數據的來源渠道和最終目標的狹隘界定，特別是由于不同教育背景下的問責制壓力，導致教學領域大多數時候只關注學生的考試成績和分數，并且片面地以成績分數數據作為依據，從而做出較為膚淺的教學理論假設。雖然以學生成績數據作為數據源符合教學實踐領域的便利性原則，但基于成績分數的來源數據，教師通常無法做到全面客觀的理解和評價學生。教師往往需要相關背景性信息的支撐來輔助理解每個學生（如需要哪些先前知識，學生已經掌握了哪些，犯了哪些錯誤以及可能的原因是什么，如何更好地教學才能適應學生的需求等），并以告知他具體如何設計教學步驟的方式來幫助該學生。當前，教育工作者急需從基于考核成績數據的單邊線性求證思維轉向來自三方或更多數據源（如人口統計、出勤、健康、交通、司法、動機、家庭環境（無家可歸、寄養、潛在虐待、貧困）和特殊指定（殘疾、語言學習者、欺凌等））的三角互證思維，從而更加全面地了解學生的表現和行為，這些其它數據來源并不是為了取代學生表現的基本數據，而是為了提供解釋和背景，幫助教育者更好地理解和解釋數據的深層含義。

4.僅憑數據分析技能可行嗎

隨著大數據時代的快速來臨，教育數據的不斷豐富和多元，如何讓教師能夠充分利用這些數據以達到改進教師教學實踐促進學生個性化成長的目的，教師的數據運用能力顯得尤為重要。Gummer和Mandinach于2015年開創性地提出了一個有關“教師數據素養”的定義，即通過收集、分析和解釋所有類型的數據（評估、學校氛圍、行為、印象、縱向、動態等）將信息轉化為可操作的教學知識和實踐的能力，以幫助確定教學步驟。它將對數據的理解與標準、學科知識和實踐、課程知識、教學內容知識以及對兒童學習方式的理解結合起來[5]。在借鑒舒爾曼提出的整合技術的學科教學知識（TPACK）框架的基礎上，Gummer等人也提出了一個相應的教師數據素養結構框架，具體包括三個領域，即用于教學的數據、學科內容知識和教學內容知識，如圖1所示。他們認為教學數據素養是與學科內容知識、教學內容知識、對學生發展以及對學校教育背景的理解緊密交織在一起的一個綜合領域，因此在強調教師掌握最基本的數據分析處理能力基礎上，還需要關注學科知識和實踐領域以及教學內容知識領域，體現在實踐能力層面則具體包括應用數據發現教學問題的能力，即教師在樹立全新教育數據觀的基礎上，充分結合教學實際識別與發現教學問題的能力，是教師應用數據改進教學能力的起點所在；數據交流能力，即“用數據說話”的能力，也就是使用數據與教學利益相關者對教學相關主題進行交流的能力；應用數據進行教學決策的能力，是以數據為基本依據展開教學問題假設與教學干預論證，做出更為客觀、合理和指向教學發展教學決策的能力等。因此，任何專業發展或培訓都應該側重于數據的實際使用，而不僅僅是數據分析技術技能的練習，應盡可能地幫助教師學習如何將數據轉化為可操作的教學步驟，同時整合他們的內容和教學知識，從而改變他們的教學實踐。

獲取如何將數據轉化為教學改進的知識并不容易，這需要教師利用他們的專業智慧來理解數據。這一領域通常存在這樣的誤解，即認為當教師與同事合作時，這些知識就會自然而然地被分享和掌握。然而，這種情況是否會真正發生，在很大程度上取決于團隊內部的組織結構以及協作機制，以及是否有足夠的時間來鉆研教學。因此，如何促成教師應用數據改進教學的“知”“思”“行”三者間的良性循環，積極開展集體數據對話，以進一步營造學校協作型的數據文化氛圍，這就涉及下篇討論的數據智慧培育問題。

三、教師數據智慧的養成機制

我們對DDDM的先天誤解緣于教學實踐中對DDDM中的數據、技能、知識和經驗等相關元素的線性式處理和簡單化分割。事實上，結構完整而又全面精確的數據，完美嫻熟的教師數據分析和處理技能，專業深厚的學科教學知識、整合數據的教學內容知識以及通過教師自身的敏感直覺、清晰洞見和豐富的經驗所形成的對學生發展的認知以及對學校教育背景的綜合理解，教學者只有將這些元素緊密交織融合在一起，才能真正在具體的教學實踐當中，將抽象的教學數據素養轉化為具體情境中基于數據的教學決策能力，并通過實踐當中創造性地運用，不斷累積教師數據智慧，從而最終提升教學決策的精準性和有效性。需要特別指明的是，從教師數據素養到數據智慧的提升和飛躍過程，并非單靠教師個人的一己之力所能實現，而是需要教學者在學校數據驅動的教育變革生態中不斷吸收給養，積攢動力和協同合作才有望達成。為此，有必要就DDDM系統的理論基礎、動力機制和團隊文化做進一步深入探析。

1.正本清源：認清DDDM的理論基礎

DDDM中對數據應用速效式的目標追求和基于成績數據的片面式目標關注，主要緣于數據使用早期倡導的新行為主義和認知主義，在這一理論指引下，DDDM強調數據使用與教學績效的簡單聯結，注重快速達到預設的目標，但并不關注教學和學習發生的實際環境和背景，這也導致了對成績數據的狹隘關注，從而使成績分數成為數據的唯一來源[6]。顯然，這種思路在實踐中是會不斷受阻的，因為事實上教師使用數據的過程是復雜和多層次的，并時刻會受到教師的理解和社會互動的影響。Spillane等人認為大多數教學者對自己認為重要的數據證據給予了“選擇性的關注”，并對“我們從經驗中抽象出來的心理表征”形成的特定想法進行“歧視”和“優待”，即我們相信數據告訴我們什么，以及它如何與其它數據和實踐相關聯，是由教師以前的經驗所決定的。這些信念被存儲為“知識表示”，也被稱為“圖式”。它們塑造了我們的數據解釋過程[7]。Coburn等人進一步指出，教師的數據理解過程還受到語境的影響，人們傾向于搜索和看到支持他們的信念、假設和經驗的數據，甚至沒有注意到可能與這些觀念相矛盾或挑戰的數據，這種感知過程可能發生在無意識層面，教師的數據解釋過程不僅僅是教育者先前知識和信念的功能體現，也是他們與他人社會互動輸出的結果[8]。因此，當前DDDM有必要從單純的刺激反應式的封閉研究模式轉向一個更加強調社會文化的范式，不斷適應學習環境，考慮學習者的需求和個人特征，不僅僅是承認背景的影響或控制背景條件，而應強調在特定背景中的數據使用過程，以此促進和優化學習過程。

2.追根溯源：識別DDDM的動力機制

美國DDDM實踐中最大的批評來自于對評估和問責制的回應，這種數據使用的外部壓力模式可能產生的負面影響包括敷衍應付性對待、在測試中作弊以達到某個基準或問責指標、為考試而授課、邊緣化某些較弱學生將其排除在考試之外，甚至是鼓勵表現不佳的學生中途輟學[9]。此種模式絕非DDDM運行的長久之道，有關學者認為學校從業人員在決策過程中有效使用學校數據并不是有組織的、理性過程的產物，也不是簡單地通過輸入干預獲得改進的過程[10]。因此，教學者為何使用數據和哪些因素會影響教師的數據使用意愿是當前DDDM實踐當中迫切需要回答的兩個問題，而解決DDDM動力問題的一個重要途徑就是通過讓教師和學生積極參與整個決策過程來獲取他們對學校評估計劃的認可。要做到這一點，DDDM需要采取一種自下而上的方法，通過將教師、學生和其他學校利益相關者的觀點納入評估內容和結果使用的決策當中，最大限度地減少數據使用的強制問責壓力。

此外，傳統教學決策研究視野中，決策者的教師與決策對象（教學中的人和事）之間是一種認知、理性和邏輯的關系，側重強調教學決策的理性認知過程，但教學決策實則也有感性認知的一面[11]。DDDM的相關研究發現[12-15]，教師進行數據化決策受到多種因素的影響。有些屬于個體層面的問題，如數據素養，教師心智、知識和技能和態度等，干預和調整起來相對比較容易，而有些則屬于學校系統構建層面的問題，如技術性基礎設施的構建、數據的可訪問性，系統維護能力不足，學校領導、數據文化和學校內部合作，改善起來費時費力。有關學者認為當前對DDDM影響因素的研究，一方面比較分散、缺乏系統性整合，另一方面也缺乏對教學決策本身的審視，較多地將視野放在了數據的技術應用層面上[16]。因此，基于具體情境加強DDDM的動力機制研究和設計，才能從根本上解決其實踐走向的問題。

3.飲水思源：探尋DDDM的數據文化

由前所述，DDDM并非一個教學個體簡單的采用數據改變教學的簡單作用過程，而是教學者基于一定社會文化情境通過團隊協作的方式對教學數據做出合理解讀的過程。因此，DDDM本質上是一種社會情景學習模式，需要非常重要的團隊及其文化支撐。探尋這背后的文化內核及架構，有助于各類學校在DDDM實踐中構建基于數據的學習型組織，從而保障DDDM應用的持久不息。數據文化是學校或學區內的一種學習環境，包括態度、價值觀、目標、行為規范和實踐，并裹挾著領導層對數據使用的明確愿景，以及期望數據給決策過程帶來的重要影響[17]。積極的數據使用文化一般體現為數據團隊的集體責任和信任、使用數據進行持續改進的決心、共享數據使用的美好愿景和形成數據使用的迫切期望，以及尊重教師在數據使用過程中的自主權。擁有積極的數據使用文化和氛圍通常有助于學校實現共同愿景，并能夠促進教師使用數據來改進教學實踐[18]。

作為數據文化承載核心的數據團隊，是否擁有適當的組織技能和知識，使用什么樣的查詢流程來進行什么樣的決策，以及是否有足夠的時間和資源來支持協作查詢和感知決策流程，這些因素都是參與的教師個體快速成長的關鍵。在這樣的系統架構中，數據教練的作用同樣不容忽視，他通常由校長、教學領導或有經驗的老師來承擔，可以領導一個數據團隊，或者圍繞一個教師協作小組開展數據檢查，也可以是從每個學校挑選的人員接受數據技術培訓，然后為教師提供數據分析服務。數據團隊的協作需要以促進數據使用為目的，以數據使用成就為導向。對于具體如何推動團隊協作，有學者認為當存在一個共同的主題或愿景時，團隊協作會比較容易實現。在相互信任的氛圍中，團隊成員可以批判性地看待數據、反思并且當數據顯示需要他們改變相應做法時，他們也愿意這樣做[19]。同時，學校領導也應努力確保他們向教師提供的支持是基于數據的精確反饋，即在實施任何推薦做法之前，首先確保獲得關于教師對數據驅動決策的詳細看法和意見，讓教師的聲音成為決策過程的一部分。唯有如此，數據使用才有可能真正成為學校教育文化的一部分。

四、美國DDDM實踐的主要經驗與啟示

自2001年《不讓一個孩子掉隊》（NCLB）法案問世以來，美國要求各州、地區、學校、校長、教師和學生為標準化評估中的學習者表現負責。NCLB法案鼓勵管理人員、教師以及學生使用數據來衡量學習者基于目標標準的學習狀況，同時也鼓勵教師利用數據做出教學決策，目的是通過確定學生的具體學習需求，確保學生達到國家評估所要求的目標；2005年美國開啟了數據質量運動，旨在建立全國性的縱向教育數據庫，便于政策制定者和教育者獲取和利用有效的教育數據信息，這一實踐也為美國DDDM的全面鋪開奠定了基礎。2015年頒布的《每一個學生成功法案》（ESSA）強調教師需要有確鑿的證據來支持教育決策，而不是依靠軼事和直覺，進一步推動了教師邁向基于循證和數據驅動的職業。20年來，美國一系列有關數據使用的教育法案以年度評估考核的方式鑄就了一種飽受批評的教育問責文化，但也引起了社會各界對通過使用學生數據從而改善學校狀況的關注，同時也推動了DDDM學術研究的蓬勃發展。當前，DDDM理念和行動在世界范圍內的教育領域蔚然成風，利用數據來改善學校的教育實踐已經成為一種流行的學校變革趨勢，數據驅動決策的理論和實踐研究也在不斷增長。

相比美國，國內教育領域的教育數據應用主要始于近20年來各地的數字化校園建設浪潮以及各類教育信息管理系統的構建過程。自2012年起，伴隨著大數據技術的飛速發展，國內教育領域開始關注各類信息技術應用過程中累積的海量數據資產。直至近年來，各地開始著眼于將 DDDM技術應用于教育管理、評估和決策等領域，也涌現了一批典型的區域教育大數據應用案例，如浙江麗水地區的數據驅動精準教學、上海地區基于大數據綜合素質評價等。相關學術界研究視野更多的是從宏觀技術層面關注教育大數據和學習分析技術在教師專業發展、在線教育和個性化學習等方面的應用，而對一線中小學具體教學實踐中的教師數據使用過程較少涉獵，特別是未從學校變革的基本實際出發，深入探究數據驅動教學的有效經驗和規律。本研究通過對美國近年來DDDM相關研究進行系統回顧發現，美國的DDDM實踐經歷過一些曲折，但早已從強制推行的試水階段逐步邁入教研人員自覺探究的深水區，這其中有諸多值得其它地區借鑒的有益經驗和啟示，筆者具體梳理如下：

1.提倡學生自己參與管理數據

美國的DDDM研究發現，實現數據驅動決策的主要障礙之一是師生缺乏對實踐過程的認同。因此，評估數據呈現出的劣質結果，不一定是由教師教學因素所導致，也有可能是學生沒有參與動機的結果。DDDM過程涉及多個利益相關者，但通常是教師或學校領導使用數據，而學生并沒有參與其中。倘若增強他們的數據改進信念和動機，同時也可以促進他們自身的學習進步[20]。事實上，DDDM本質上就是一個以學習者為中心的教學工具，它通過提供信息幫助教師調整教學，以適應班級和個人的學習需求來支持差異化教學。學生如何看待數據，如何使用它，以及它在多大程度上促使學生反思自身學習，這對DDDM產生的實際影響至關重要。具體而言，老師可以通過教學生在課堂常規中使用自我和同伴批評的方式檢查自身相關數據（如考試成績和課堂作業等），并告知他們應該如何學習，協助其設定相應的學習目標；教他們閱讀、創建和管理數據集，并以制作數據報告或分享的方式增加其公開展示和傳播的機會。教師對學生學習的期望也應向他們具體明確，可以向他們提供具體規范和建設性的及時反饋、有效的認知工具，使他們能夠從反饋中獲得啟示，幫助他們理解并衡量相應的評估標準以及教師對他們成績的期望。

讓學生參與數據使用過程，滿足了學習的目標設定和自我測試，以及青少年對個人表現數據關注等多種動機需求。一直以來，在我國教育側重以教為主導的教學模式下，學生一直是作為教學數據的被動接收者而存在的。當數據成為教學變革的催化劑的時候，將學習的主動權交還給學生的呼聲再次響起。讓學生以恰當的方式參與管理自己的數據，實現由數據驅動的教學到數據驅動的學習轉變也是當前學校教學變革的有力契機，但到目前為止，學生在數據使用過程中的作用還沒有得到足夠的重視和凸顯，學生在數據使用過程中的功能角色和進入時機等問題還需要在實踐中進行充分地探索。

2.深入探究教師的數據解釋機制

數據使用行動理論表明，數據本身并不能確保有用。相反，數據必須被收集、組織和分析以成為信息，然后與利益相關者的理解和專業知識相結合才能成為可操作的知識[21]。然后，教師將這些知識應用到教學實踐中。根據這一過程的結果，相同的原始數據可能會因為數據用戶的情況和特征，指向非常不同的解決方案和行動。因此，數據解讀是將數據分析結果轉化為情境化信息的關鍵環節，也是做出最終決策的重要支撐過程。DDDM的相關研究表明，僅憑數據的簡單應用或數據使用技能是無法有效促進教學決策的。教師必須在考慮相關學習進度或內容規范時努力去解釋數據，數據才會體現其真正的價值。數據解釋過程是教師在制定教學計劃時，將掌握的相關數據同他們對特定內容領域的教育學知識，以及他們對學生如何才能更好地學習這些內容的觀點進行相互關聯，綜合分析，辯證理解，由此產生的綜合解讀才能在相應的教學框架下轉化為下一步的教學行為和決策。

Mandinach等人曾闡述了DDDM不同階段所需的知識和技能層次框架。除了為了識別和檢查可能有助于解決感興趣的特定問題的數據，為了將數據轉化為信息，教師需要理解不同數據采集目的之外，還需要理解如何解釋數據，這也包括理解數據的顯示和表示形式。Coburn等人曾對DDDM相關研究進行系統總結認為，大部分有關DDDM的研究都是有關數據使用干預與結果之間的簡單聯系以及描述數據干預的活動形式，較少關注數據的具體使用和解釋過程，即教師如何在課堂環境中解釋數據并將其轉化為可操作的知識的過程。

由此看來，當前DDDM領域需要大量注重數據使用的研究實踐，深入闡述特定情境下的教師數據解釋機制，這些研究通常聚焦教師和其他人如何通過交互過程來解釋數據的過程，試圖理解環境、組織和群體背景在數據使用實踐中的作用。而數據解讀過程本質是一個反復迭代的循環周期過程，能夠使學生思維清晰可見的豐富的嵌入課堂的數據，具有一定的數據解釋工具和流程，積極關注專家促進和小組互動的作用，并提供反饋、分析和實踐的持續機會，這些都是支持教師數據解讀能力成長的關鍵因素。除此之外，教學數據解讀還需要在宏觀定量分析和微觀定性分析方法之間找到一個平衡。國內有關學者據此提出了一個教學過程數據驅動下的教學解釋框架，具體以教學過程機制圖的形式呈現教學是如何發生的、過程進展如何以及存在哪些問題等過程性中觀信息，從而判斷教學是如何達成或偏離教學目標的，這一機制能從文本分析的教學細節中抽離出宏觀的教學認知，同時能夠彌補教學結果測量數據缺乏解釋力的不足[22]。與此同時，也有學者提到現實中容易出現的數據解讀困境，如由于學校數據共同體的多方成員參與，各方基于不同的思維假定容易形成的多樣化的數據解讀結果，不可避免的最終走向了由領導來做出決策的傳統決策困境，而解決這一問題需要協調與平衡學校的數據與管理文化，構建寬松、民主和信任的數據研討氛圍，加強基于學生數據的教學策略培訓等等，這些都是促進學校構建穩定教學數據解釋機制的有力做法。

數據解釋機制的探究對當前教育實踐的啟示在于，學校在推行數據驅動的教學變革實踐過程中不應僅僅關注片面的數據來源和強調分割式的教師數據處理技能，特別在開展相關教學培訓的過程中，不能抽離教師的實際教學情景而訓練其單項的數據應用能力，應重點關注他們數據應用實踐中的問題和困惑，加強其基于數據提出問題和質疑的能力，以及正確分析系統輸出數據和提供差異化課堂教學技能的能力。學校領導者應著重加強制定明確、具有挑戰性和可行的學校績效目標的能力，學校數據團隊也應具備監測目標實現程度的技能和知識，及時評估策略實效，并在此基礎上不斷推進數據驅動進程。

3.構建教育數據智慧的知識管理機制

數據相關的專業學習本質上一種組織學習過程，Supovitz將數據使用置于一個持續改進的循環中，并假設學校的數據組織通過四個有序的過程來移動，如圖2所示[23]。

首先，在數據捕獲中，教育工作者指定衡量學習和其他結果所需的數據類型，以及收集、存儲和訪問這些數據的過程，個體可以通過創建新的數據形式、準備圖形顯示和驗證現有數據的形式為組織做出貢獻。其次，教師開展基于數據的意義建構，使用他們自己的意義建構，社會互動和地區或學校為基礎的慣例來決定這些數據中包含的信息將如何影響實踐。在這一過程中，個體和集體對數據進行解讀，并在實踐中決定后續的變化，組織可以以多種方式支持意義建構，例如協作的時間和空間或提供支持人員幫助其解釋數據和做出決策。參與者的意義是通過培育更有效、更知情的實踐者來回饋組織。第三，信息共享，允許組織成員與其他人員分享他們積累的知識，一旦個人和集體通過數據捕捉和意義建構獲得了實踐學習，這種學習應該與整個組織的其他成員分享。組織可以通過建立有利于知識轉移的結構、機制和過程來支持信息共享，包括圍繞特定問題將教育者或學校聯系起來的活動，或使教育者能夠分享實踐的各種媒體形式。信息共享有助于向團隊現有成員傳播專業知識，并通過向集體介紹新穎的想法的方式來促進創新。第四，知識編纂，這是一個允許知識嵌入到學校和地區的常規規范的過程和實踐。即使學習內容在組織中是普遍共享的，也不能保證其過程會被保存下來，除非它被編纂成描述持續創造和嵌入日常實踐過程的創造性條規。個人和集體會從知識編纂中受益，因為編纂提供了新的思想和內容嚴密性保證。組織之所以受益，是因為新的學習不是孤立于產生這種學習的個人或集體之中，而是在整個組織中廣泛傳播。這一過程中，信息的傳遞和保存至關重要，它們不僅使教育工作者能夠在之前的學習基礎上繼續學習，而且還能通過借鑒組織其它部分的想法來豐富自身學習。通過將專業學習與組織結構結合起來，該框架使一個團隊成員在瀏覽完整的數據使用過程時提供其所需的幫助。

從數據的組織學習過程來看，“數據捕獲”和“意義建構”主要解決個人和集體獲取實用知識的方式問題，而“信息共享”和“知識編纂”主要處理信息的轉讓和保存問題。當前，大部分DDDM研究主要涉及前兩者。然而，組織學習相關研究表明，如果沒有后兩者，知識獲得通常存在于孤立的教師個體身上，幾乎沒有對整個組織形成貢獻。此外，當個人離開組織時，知識往往會丟失。而專業學習是一種互惠的努力，這種互惠關系貫穿于框架的四個階段，通過遷移和保存，知識變得豐富：它使個體能夠建立在自己先前的學習之上，并向其他個體提供新的學習。知識不是局限于少數人使用，而是為整個組織服務。個人與組織知識這種永不間斷的循環累積過程，在數據團隊中成為決策的智慧資本，有助于教學工作者做出正確的決策，學校或學區因此也會變得“更聰明”。

美國DDDM實踐當中，數據小組和團隊的構建為教師、管理員以及相關服務人員提供了一個獨特的學習和交流機會。數據團隊允許沒有數據分析技能的員工從更有經驗的同事或數據教練那里學習如何收集、分析和應用數據。新老成員可以在課堂或學校相關問題背景下協作討論學生的需求和進步，并根據評估結果來做出小組設定和跨年級教學調整的決定。美國學校的教育數據協作組織學習模式為國內的中小學數據變革提供了借鑒，通過教師個體數據素養的提升，其作用效果往往是局部的、臨時的和短暫的，要實現學校整體范圍基于數據的教學改進，必須將一個個教師個體累積的數據處理知識和技能聯結成集體智慧，努力構建學校教育數據智慧的知識管理機制，才是學校數據驅動變革的長遠之道。數據的組織學習視角為教師的DDDM專業發展提供了一個行動指引，通過積極構建學校的數據協作型團隊，圍繞數據的采集、分析、解讀以及改進等專題形成緊密協作機制，在促進教師專業技能提升的同時，也促進教師對自身教學的反思，同時教師在不斷的個體進步過程中為學校的數據文化建設貢獻自己寶貴的經驗和智慧，學校的數據資產累積機制也將成為每一位新進教師成長的重要階梯。

4.重視DDDM的決策效能

雖然美國的DDDM研究實踐已經形成了一個熱門專題，DDDM也被廣泛認為是對掙扎中的學習者加強干預的最佳實踐，但在實踐中有關這種行動有效性的經驗證據卻很少見。從DDDM的相關研究回顧來看，教育領域對學生成績數據的關注和獲取的增加，并沒有直接推動學生學習效果的大規模改善，且很少有研究深入關注學校DDDM運行過程、支撐機制以及這些努力在多大程度上與教學和學生成績的提高相關聯。大部分已有的研究主要是基于案例研究、描述性研究和專家意見得出的主觀判斷，很少有關于數據使用效果的明確結論。此外，相關研究的重點通常涉及學校組織環境的各個單獨因素，如領導力、學校特征、政策環境和政治環境等，但是對這些環境因素之間的相互作用知之甚少，而且學者們主要依靠自我報告和回顧性的方式收集數據，數據的使用往往沒有在真實的學校環境中進行驗證。總體而言，當前關于數據使用效果的因果推論很少，因此也就不能為我們提供數據使用干預何時以及在何種條件下導致最終結果——為何能提高學生成績的答案。此外，在多項有關DDDM有效性的元分析當中[24-28]，DDDM的實際應用效果好壞不一沒有定論，個別研究確實描述了數據用于指導決策的過程，但仍然沒有詳細說明使用了什么數據，數據收集和使用周期如何，以及使用了什么規則來做出決策，也缺少相應的數據使用專業發展干預模型建構。因此，總體來看，DDDM有效性研究數量較少，缺乏細節，限制了其結論推廣的力度。

對于DDDM研究而言，漠視過程的結果會導致數據驗證和解釋過程的無力，而忽視績效的盲目實踐又會流于數據應用的表象。如果學校DDDM實踐團隊要實現許多專家認為的對學生成績產生重大影響的潛力，他們需要對決策的具體步驟給予持續關注，并且對干預執行力度進行不斷跟蹤和監視，將關鍵細節的反饋融入到數據團隊的常規操作當中產生持續調節作用。當前，國內的教育數據應用實踐將主要思路和精力放在了提高教師數據使用應用能力上，進而期待其提高教學決策水平，而對數據驅動的具體效果鮮少進行評價，也沒有形成相對完整與合理的評價體系，教師基于數據的教學決策有效性仍需實證檢驗。因此，未來需要加強對教師和學生直接施加DDDM干預的影響驗證以及相關教學決策模式有效性的研究，淡化DDDM過程中片面強調數據技術應用的屬性特征，回歸教育教學決策的效果屬性探討，才能真正從實踐層面提供有價值的學校改進路線。

五、結語

數據驅動為未來的學校教育變革提供一種強有力的行動范式。當前，在吸收美國在DDDM教育行動中的有益經驗基礎上，結合我國教育的實際，建議一線學校避免數據應用的簡單線性思維，充分預估DDDM項目實施的曲折性、迂回性和迭代性。從教師數據素養的提升到團隊數據智慧的累積，學校的數據變革需要從技術到方法，從過程到結果，從動機到能力，從模式到文化等多方面進行通盤考慮和系統設計，在現實可行的條件下，識別優先問題，集中優勢資源，采用實證思維，加強評估機制，才能保障DDDM應用行穩致遠。

參考文獻：

[1] Coburn，C.E.，Turner，E.O..The practice of data use： An introduction [J]. American Journal of Education，2012，118（2）：99-111.

[2] Kahneman，D.，Frederick，S.A model of heuristic judgement.In J. H.Keith，R.G.Morrison（Eds.），Cambridge handbook of thinking and reasoning [M].Cambridge：Cambridge University Press，2005.

[3] Vanlommel K，Gasse R V，et al.Teachers decision-making：Data based or intuition driven [J].International Journal of Educational Research，2017，83：75-83.

[4] Epstein，S.Demystifying intuition：What it is， what it does，and how it does it [J].Psychological Inquiry，21（4）：295-312.

[5] Gummer，E.S.，Mandinach，E.B.Building a conceptual framework for data literacy [J].Teachers College Record，2015，117（4）：1-22.

[6] Stobart，G.Testing times：The uses and abuses of assessment [M].New York：Routledge，2008.

[7] Spillane，J.，Miele，D.Evidence in practice：A framing of the terrain[EB/OL]. http：//citeseerx.ist.psu.edu/viewdoc/download doi=10.1.1.534.1397&r ep=rep1&type=pdf，2021-07-19.

[8] Coburn，C.E.，Turner，E.O.Research on data use：A framework and analysis [J].Measurement Interdisciplinary Research and Perspectives，2011，9（4）：173-206.

[9] Hubbard，L.，Datnow，A.，Pruyn，L.Multiple initiatives，multiple challenges：The promises and pitfalls of implementing data [J].Studies in Educational Evaluation，2014，42：54-62.

[10] Ho，J.E.Cultures and contexts of data-based decision-making inschools （Doctoral dissertation） [EB/OL].https：//escholarship.org/ content/qt9nn9z1g0/qt9nn9z1g0.pdf，2021-03-01.

[11] 趙鑫.教師有效教學決策的情感基礎及其實踐路徑[J].教育科學，2012，28（5）：91-96.

[12] Mandinach，E.B.，Gummer，E.S.Navigating the landscape of data literacy：It is complex [EB/OL].http：//datafordecisions.wested.org/ wp-content/uploads/2014/01/Gates-Data-Literacy-White-Paper. pdf，2021-07-19.

[13] Prenger R，Schildkamp K.Data-based decision making for teacher and student learning： a psychological perspective on the role of the teacher [J].Educational Psychology，2018，（1）：1-19.

[14] Dunn，K.E.，Airola，D.T.，Lo，W.J.，Garrison，M.What teachers think about what they can do with data：Development and validation of the data driven decision-making efficacy and anxiety inventory [J]. Contemporary Educational Psychology，2013，38（1）：87-98.

[15] Steele，Jennifer L.“Using Data” to Inform Decisions：How Teachers Use Data to Inform Practice and Improve Student Performance in Mathematics.Results from a Randomized Experiment of Program Efficacy [EB/OL].https：//files.eric.ed.gov/fulltext/ED555557. pdf，2021-07-19.

[16] 馮仰存.數據驅動的教師教學決策研究綜述[J].中國遠程教育，2020，41（4）：65-75.

[17] Hamilton L，Halverson R，Jackson S，et al.Using student achievement data to support instructional decision making [EB/OL].http：//citeseerx. ist.psu.edu/viewdoc/download doi=10.1.1.473.7172&rep=rep1&type= pdf，2021-03-01.

[18] Hoogland，I.，K.Schildkamp，F.van der Kleij，M.Heitink，W.Kippers， B.Veldkamp，A.M.Dijkstra.Prerequisites for Data-Based Decision Making in the Classroom：Research Evidence and Practical Illustrations [J].Teaching and Teacher Education 2016，60（11）：377-386.

[19] Wayman，Jeffrey C.Involving Teachers in Data-Driven Decision Making：Using Computer Data Systems to Support Teacher Inquiry and Reflection [J].Journal of Education for Students Placed at Risk，2005，10（3）：295-308.

[20] Fletcher，A.，Shaw，G.How does student-directed assessment affect learning Using assessment as a learning process [J].International Journal of Multiple Research Approaches，2012，6（3）：245-263.

[21] Marsh J A，Farrell C C.How Leaders Can Support Teachers with Data-Driven Decision Making：A Framework for Understanding Capacity Building [J]. Educational Management Administration & Leadership，2015，43（2）：269-289.

[22] 何文濤，黃立新等.教學過程數據驅動下的教學解釋探究[J].中國電化教育，2019，（7）：38-45.

[23] Supovitz J.Knowledge-Based Organizational Learning for Instructional Improvement [M].Dordrecht：Springer Netherlands，2009.

[24] Kluger，A.N.，DeNisi，A.The effects of feedback interventions on performance：A historical review，a meta-analysis， and a preliminary feedback intervention theory [J].Psychological Bulletin，1996，119（2）：254-284.

[25] Marsh，J.A.Interventions promoting educators use of data： Research insights and gaps [J].Teachers College Record，2012，114（11）：1-48.

[26] Faber，J.M.，Visscher，A.J.Digitale leerlingvolgsystemen：een review van de effecten op leerprestaties [EB/OL].https：//www.kennisnet. nl/uploads/tx_kncontentelements/Digitale_leerlingvolgsystemen_ Kennisnet_eindversie_20022014.pdf，2021-03-01.

[27] Mandinach，E.B.，Gummer，E.S.Data-driven decision making：Components of the enculturation of data use in education [J].Teachers College Record，2015，117（4）：1-12.

[28] Jung，P.，McMaster，K.L.，Kunkel，A.K.，Shin，J.，Stecker，P.M.Effects of data-based individualization for students with intensive learning needs： A meta-analysis [J].Learning Disabilities Research & Practice，2018，33（3）：144-155.