數據驅動課堂教學決策的分析框架與實踐案例解析

摘要：隨著教育教學數字化轉型發展日益深入，使用數據提升教學決策的精確性和有效性成為教師的必備數據素養。數據驅動教學決策過程分為四個階段：數據轉變為信息、信息躍升為知識、知識升華為智慧、智慧落實于實踐。該分析框架可以為教師開展數據驅動教學實踐提供腳手架支持，使教師更方便地分析類似教學案例和開展數據支持下的教學活動。

關鍵詞：數據驅動;教學決策;教學智慧;教師行為

有效的教學基本等同于合理的教學決策^[1]，教師教學決策能力是影響教學效果和提高教學質量的關鍵因素。數據對于決策的價值得到越來越多的認可，未來的決策將日益基于數據和分析而非經驗和直覺做出^[2]。研究顯示，學校和教師對數據的有效利用能提升學生的學業成就和學校的教學水平^[3]。但在實際教學中，要從數據中提煉出教學智慧不是件容易的事，讓教學從基于經驗轉向基于數據實證是個漫長的過程。當中亟須解決的關鍵問題是如何從數據中提煉出應有的教育價值和學習證據，以及基于課堂實踐正確解讀相關數據。

一、數據驅動教學決策的研究分析

基于數據的教學決策模型大多以阿科夫的智慧層級結構（DIKW）為基礎構建，包括數據、信息、知識和智慧四個層級^[4]（如圖1）。

馬什等通過研究一個為期6年的數據驅動教學項目，構建了數據驅動教學決策流程框架，包括數據采集、信息分析、信息轉變為知識、根據知識做出相關決策并實施、實施結果反饋^[5]。斯德卡普等的數據驅動教學決策流程包括界定目標、獲取數據、形成信息、提煉知識、轉變為行為，并對行動結果進行評估^[6]。曼迪納契將教師的教學知識與數據驅動教學決策能力進行融合，強調數據分析結果與教師教學知識經驗的結合，構建出數據驅動教學決策的五大步驟：問題界定、數據使用、將數據轉變為信息、將信息轉變為決策、評估實施結果^[7]。

上述研究構建的數據驅動教學決策框架將DIKW模型中各層級根據教學決策流程開展的時間次序有機地融入決策的步驟，前一步驟任務的實現為后一步驟的實施奠定了基礎。每個步驟雖然有所側重，但也并非完全分割開來，后一步驟的實施效果都可向前面進行反饋，以便針對性調整。整個流程就是一個循環迭代的過程。

曼迪納契等特別強調，開展數據驅動教學過程中，教師除了要具備一定的數據素養，還要具備相當的學科內容知識、教學法知識等^[8]。數據只有與特定的學習進程相關，才會被教師積極使用，發展出數據應用決策力。也就是說，教師數據應用決策力是與學科內容知識、教學法知識融合，共同作用于具體的學習事件，在其處理與發展中逐步形成和發展的（如圖2）。

二、數據驅動教學決策的分析框架

基于對阿科夫層級結構的理解和相關數據驅動教學決策流程的分析，參考彭紅超等的數據智慧機制^[9]，我們構建了如圖3所示的數據驅動教學決策過程框架，并以此為基礎設計出教學決策行為分析框架。

數據驅動教學決策過程分為四個階段：數據轉變為信息、信息躍升為知識、知識升華為智慧、智慧落實于實踐。四個階段的分析操作要緊扣教學活動，面向具體的學習情境，包括學科內容、教學法知識、學生基礎、認知特點等。

（一）由數據轉變為信息的流程分解

數據與信息的本質差別在于，其是否具有意義。離散的數據因缺少情境和解釋而沒有意義;信息則通過描述分析和可視化表征，表達出“何人、何時、何處、何事”等淺顯事實，具有情境意義。數據轉變為信息可分解為三個步驟：界定問題、建立數據解釋維度、數據提煉與分析。

界定問題主要是設定與教學相關的假設。起始階段，教師最好能預測他們的哪些教學措施且如何影響學生的學習行為和進度^[10]。目前，很多學習系統通過記錄學生的學習行為和結果自動生成具有淺顯事實的信息圖表，對此教師可直接利用，也可通過分析與解讀這些基礎信息表界定問題。建立數據解釋維度是指進一步細化教學假設，嘗試把一個教學實踐問題定義成數據可分析問題，通過數據變量的形式來呈現，即核心訴求是什么，設定與核心訴求可能存在關系的自變量有哪些^[11]。數據提煉與分析是指根據數據維度提煉出相關數據集，進行數據清洗，刪除冗余、重復數據，修正不一致數據，增加遺漏數據等;然后通過統計和數據可視化技術，對整理好的數據集進行描述性分析與可視化表征，使數據變成具有情境意義的信息。

（二）由信息躍升為知識的發生機制

對于教學決策來講，事實類信息具有一定作用，但更有價值的是事實背后隱含的模式，即事實的發生機制，包含意義理解和模式解釋。意義理解主要指教師根據經驗從各類可視化的教學信息圖表中得到的對整體教學狀況的理解，如學生當前的學習狀態、能力水平等。模式解釋主要是進一步洞悉教學現狀產生的來龍去脈，明確教學結果是如何發展的見解。

（三）由知識升華為智慧的關鍵要點

發生了什么是信息，如何發生的是知識，都是對已發生或正發生事情的理解，有助于對類似問題的處理，但還不足以應用到新的情境中，知識仍須進一步躍升為智慧，滿足精準決策的需求^[12]。它主要包含三個要點：專家端倪、價值判斷、決策生成。其中，專家端倪是指在模式解釋的基礎上，對學生的學習是否存在問題或潛在問題，以及是否需要變換學習支持或提供干預措施的判斷，是一種專家探究法，分為三步：聯想、推理和歸因^[13]。價值判斷是指決斷何時、何種服務的綜合價值是最高的，形成一系列的學習服務準則。決策生成是指關于是否提供服務、何時提供服務、提供何種服務、如何服務等決策的具體化呈現，具有一定的可操作性。

最后，將決策的結果在實踐中加以執行，進而形成教育智慧。如在實踐中產生了新的數據，又將依此形成新一輪數據分析過程。當然，在實踐分析中，每一步的界限很難分得很清楚，會有交叉，有時還會返回前面進行修訂。在一些簡單的決策中，不需要所有步驟都包含，基于對一定的信息加以分析也可進行有效決策。根據上述分析與解釋，可形成如表1所示的分析框架。

三、數據驅動教學決策的實踐案例解析

（一）實踐案例背景信息

案例“數據揭示課堂教學的盲區”選自圖書《課堂里的數據會說話》^[14]。該案例以一篇與七年級下學期單元學習程度相當的300個單詞左右的英語課外閱讀文章為載體，教學目標為：（1）語言知識目標，理解六個單詞或詞組的意思;（2）學會三種基本的閱讀方法，即略讀、跳讀和細讀。基于培養學生的閱讀理解能力，一位教師對此開展專題式的研究課教學，同一教研組的其他教師進入課堂觀察、分析和診斷，通過專業會診交流，提出實踐改進方向和策略，并在同一年級不同班級連續幾輪的課堂上改進，以達到較好的教學效果，分析影響學生閱讀理解能力的原因，形成相應的教學策略。

（二）梳理提煉影響英語學習成效的信息

1.問題界定

此環節主要是建立與教學相關的假設，包括：（1）課堂教學環節的時間分配會影響教學效果;（2）教師的提問指向會影響教學效果;（3）教師的提問類型會影響教學效果;（4）教師的指導行為會影響教學效果。

2.建立數據解釋維度表

根據上述問題的界定，我們將建立的假設轉變為數據模型量表。本案例的核心訴求，即因變量是要提升學生的英語學習成效，通過當堂檢測題的方式來獲得，檢測題的正確率用于衡量班級學生的當堂學習成效。結合本節課的教學目標，設計的測量評價題目如表2所示。根據前面的假設，影響學習成效的因素如表3所示。

3.數據提煉與可視化分析

同一教研組的其他所有教師進入該課堂觀察、分析和診斷，歸納整理相關數據。其中，衡量教學成就略讀水平測評全部正確;跳讀水平測試題目中，題目1的正確率為65%，題目2的正確率為44%，題目3的正確率為50%，題目4、題目5的正確率皆為47%;細讀水平測試各等級的人數占比中，比較全面的占5.9%，提及部分的占44.1%，籠統無物的占11.8%，未作答的占35.3%。

對于影響教學成就的自變量，教師課堂上不同類型提問的個數情況如圖4所示。

同時，深入追問行為次數為2，質疑反問次數為1，補充拓展次數為2，方法提供次數為3。不同課堂教學環節占用時間中，鋪墊熱身為10分鐘，略讀為5分鐘，跳讀為12分鐘，細讀為13分鐘。

（三）正確理解影響英語學習成效的因素

在整理課堂學習數據、提煉相關信息的基礎上，正確理解影響英語學習成效的相關因素。

意義理解層面，發現當堂課的檢測反饋中，學生在目標詞匯的理解方面表現相對較好，非目標詞匯以及句子的理解方面表現明顯偏弱，特別是對語篇的整體理解尤為欠缺。

模式解釋，即結果成因解釋方面，從教學側重點來看，在培養學生閱讀理解能力方面，教師把詞語理解作為教學和指導的重點（6個問題），并以詞義識記（9個問題）為主，而對句子理解（1個問題）和語篇理解（2個問題）的關注不夠。從教學實效來看，教師課堂上花了12分鐘引導學生理解目標詞匯，弱化了對課文中其他一些看似普通但學生卻未理解到位的詞匯的學習;在相關詞匯尚未理解清楚的前提下進行拓展，處理不妥，如對題目5中“these”具體指代判斷錯誤的學生達到53%（正確率不到一半）;在句子理解方面，教師提了一個問題，但停留于文本已有的解釋，對句子所傳達的多種言外之意沒有挖掘，導致句子方面的測試普遍不理想;在語篇理解方面，教師用了5分鐘讓學生快速閱讀全文，只是在講授后讓學生做簡單比較，沒有讓學生概括大意，造成語篇理解的促進作用有限，學生整體測評效果不理想。

（四）提出英語教學改進的策略和思路

這主要是對發現的問題或潛在問題提供改進措施。該案例具體表現為兩個方面：一是改變教學環節的時間分配，壓縮10分鐘的課堂導入時間，留出充裕時間讓學生細讀文本，并針對重要句子用學生熟悉的詞語解釋，而不僅僅停留于目標詞匯認知的過關上。二是嘗試在全文詞句疏通的基礎上，以思維導圖的形式揭示語篇的行文脈絡，以此促進學生對整個語篇的完整理解。

（五）基于教學改進策略進一步開展教學實踐并評估實施效果

在上述分析的基礎上，同一教師針對另一班級開展了第二次授課實踐活動，發生的變化如圖5、圖6所示（藍色為第一次，紅色為第二次）。教學環節上，增加了思維導圖促進學生理解語篇的環節，縮減了鋪墊熱身導入環節時間，對跳讀和細讀環節的時間分配也有所變化。

兩次課堂跳讀測試題目的正確率對比情況如下：題目1的正確率從65%提升至80%，題目2的正確率從44%提升至65%，題目3的正確率從50%提升至51.4%，題目4、題目5的正確率從47%分別提升至53.3%、54.1%，整體水平有所上升。細讀水平測試各等級的人數占比中，比較全面的從5.9%提升至8.1%，提及部分的從44.1%提升至51.4%，籠統無物的從11.8%降至5.4%，未作答的從35.3%降至35.1%。

在此基礎上，還可對教師的教學提出進一步的改進建議，如精簡學生較易掌握的詞匯，增強思維導圖在促進學生理解整體語篇上的作用等。本文主要通過拆解數據驅動教師決策行為的過程，構建支持教師理解、更易開展相關實踐的腳手架，使其獲得螺旋式的自我提升與發展。今后，將在教師培訓實踐中使用該框架模型構建相關的培訓課程體系，并根據實踐反饋不斷修正與完善。

參考文獻

[1] Hunter M. Knowing， Teaching and Supervising. In P. Hosford（Ed）. Using What Know about Teaching. Alexandria， VA： Association for Supervision and Curriculum Development，1984：198.

[2] 朱書堂.從卜筮到大數據：預測與決策的智慧[M].北京：清華大學出版社，2017.

[3] Schildkamp K， Ehren M. From“Intuition”to “Data”-based Decision Making in Dutch Secondary Schools？ In Data-based Decision Making in Education， Springer， Dordrecht，2013：49-67.

[4] Ackoff R L. From Data to Wisdom[J]. Journal of Applied Systems Analysis，1989，16（1）：3-9.

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

[6] Schildkamp K， Poortman C. Factors Influencing the Functioning of Data Teams. Teachers College Record， 2015，117（4）：4.

[7][8][10][12][13]Ellen B. Mandinach， Edith S.Gummer. What Does It Mean for Teachers to be Data Literate： Laying Out the Skills， Knowledge and Dispositions. Teaching and Teacher Education， 2016，60：366-376.

[9] 彭紅超，祝智庭.人機協同的數據智慧機制：智慧教育的數據價值煉金術[J].開放教育研究，2018（2）：41-50.

[11]王漢生.數據思維：從數據分析到商業價值[M].北京：中國人民大學出版社，2017.

[14]胡慶芳等.課堂里的數據會說話[M].上海：華東師范大學出版社，2018.

（作者黃煒系上海市電化教育館應用推進部主任，中學一級教師;王昭君系華東師范大學出版社編輯;李鋒系華東師范大學教育信息技術學系副教授）

責任編輯：孫建輝