數據使能教學決策的發展

張學波 李王偉 張思文 王琛

[摘 ? 要] 大量研究表明，數據驅動的教學決策能有效增強教師教學和學生學習的效果。當前研究多聚焦于數據驅動的教學決策模型及實踐案例，較少關注支持教師教學決策的數據組織、收集和分析的過程。文章運用文獻研究法和案例分析法，闡明基于數據教育應用原理的教學決策過程，并對其中的數據收集和分析過程進行解構，基于多模態學習分析的發展和過程優勢，建構多模態學習分析支持的教學決策過程模型，找尋多模態學習分析支持教學決策的多模態數據收集和處理的過程與方法，并從實踐角度分析兩種多模態學習支持的教學決策的典型案例的過程和實踐，希冀為國內中小學開展基于數據的有效教學決策研究和實踐提供指引。

[關鍵詞] 多模態學習分析； 數據驅動； 教學決策； 數據教育應用

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 張學波（1975—），男，浙江龍游人。教授，博士，主要從事媒介素養、新媒體傳播和數據驅動的教學決策研究。E-mail：zhangxb@126.com。

一、引 ? 言

隨著學習科學和智能技術的深入發展，學校管理者從傳統教學績效數據和學生表現數據獲得的信息和知識，無法判定教師關于教學實踐的知識、能力和內在品格等特質，研究者和教育管理者需要開展較為全面完備的教師身心發展和工作狀態的數據調查，來發現教師的教學決策過程和實踐的有效性，助力教師的教學質量和學生學業成就的提升。然而，由于教育情境和主體的復雜性、動態性、緘默性和教學實踐效果差異的影響，學校內、學校間和教師教學多維數據之間的聯通，教師績效數據和身份數據的多維度采集，及學生學習過程與結果數據的分析、數據質量、數據服務、數據歸因、數據的標準化與整合等需要教育者尤為關注，并成為當前學校教學系統推進管理者和教師科學教育決策、提升學校整體教育發展水平和教師教學質量的難題。而多模態學習分析支持的數據驅動教學決策有望成為信息技術助力教師課堂教學效果提升和學校教育發展的重要途徑。

二、數據教育應用支持的教學決策發展

（一）從傳統教學決策到數據驅動的教學決策

從影響教學實踐效果的因素來看，教師的教學決策是其教學成效發揮的重要保證[1]。其通常指教師基于實現教學目的和計劃，根據其自身持有的知識、教學觀念、實踐性知識來分析和反思學生的學習狀態和水平，預測將要進行的教學實踐過程，并以此作出教學方案和行動選擇的主觀能動性過程[2]。著名教師教育學者達令·哈蒙德（Darling-Hammond）通過分析優秀教師專業成長的經驗指出，教師在備課時的教學反思性決策能有效促進其教育改革計劃的成功，它包括教師在課堂教學過程中不斷觀察、分析、評價和反思，進而促進其采取合理的教學行動，同時為其后的教學實踐提供信息支持[3]。威廉·威倫（Wilen）等人認為，有效的教學決策包括教學設計決策、教學互動決策和教學評價決策等[2]，對應教師教學準備、教學實踐和教學評價的整體過程[4]。

近來，隨著大數據教育應用和智能教學的飛速發展，指向證據取向的數據驅動的教學決策受到研究者和教育者的廣泛關注[5]。其中，數據意旨有關教師教學和學生學習的相關數據與量化。實際上，教師課堂教學和學生學習的數據并非都能被量化、處理和反饋。所以，教學數據主要是指定量或定性數據——在教師和學生個人或群體中有意捕獲、記錄和分析的數據，如課堂成績評估、非正式表現清單、學生行為觀察清單、軼事筆記或學生自我評估及生成的可能為教學提供信息的數據等。通常，教育領域的數據主要有兩種用途，包括大規模教育評估、教學效果的客觀評價，以及學校教師使用數據結果來指導和反饋教學過程的設計、實施和效果等。隨著當前教育大數據技術和教育全過程評價觀念的轉向，學管理者和教師越來越認識到教育數據的使用對于其進行有效的專業發展和教學質量提升及學生學習成就提高具有重要意義，并將數據驅動的教師教學決策普遍理解為教師和學校管理者系統地收集和分析各種類型的數據來指導其進行有關教學計劃和實踐的過程，其目的是促進教師教學效果、學生學習成就及學校整體發展層次的提升[6]。

（二）數據教育應用視角的數據驅動教學決策

從教育實踐的發展來看，傳統教學決策因其過于重視教師主觀經驗判斷、課堂實踐缺乏即時反饋和應變以及評估反饋缺乏標準而使得教師常常對教學實踐過程的把握和即時應對稍顯吃力。數據科學和智慧教育的興起使得教師可以從因果關系角度理解專家教師教學決策和效果的原因，并以此發現教學實踐的有效認識，從而在數據驅動的支持下即時作出有效教學決策。遵循數據—信息—知識—智慧的數據應用原理，數據驅動的決策通常要求學校管理者和教師收集教學實踐的相關數據并進行分析處理，從而指導其進行有效教學決策和學生學習，促進其教學質量提升的同時發展學生的學習成就。筆者認為，構建和發展數據驅動的教學決策過程對于學校管理者和教師教學改進和學校發展目標具有積極意義。

1. 數據教育應用原理視角的教學決策發展

美國學校促進者協會（ASCA）將數據驅動的教學決策過程概括為通過數據收集和分析，學校管理者和教師能創建促進學生和學校發展層次提升的實踐過程[7]。筆者通過分析國內外數據驅動的教學決策框架或者過程發現，數據—信息—知識—智慧的數據教育應用原理變化，貫穿教師數據驅動教學決策的內涵發展過程。如表1所示，筆者以數據的教育應用原理為依據，匯聚國內外較具代表性的數據驅動的教學決策過程或環節，呈現數據驅動的教學決策過程的共同要素或環節。需要說明的是，大多數據驅動的教學決策過程并非線性的，而是螺旋式循環，即以決策效果為依據不斷改進實踐和數據驅動。數據驅動的教學決策過程通常從學校管理者和教師的問題界定開始，教師需要對問題和改進目標進行三角測定——綜合多個來源的數據來識別和確定問題，并對教師和學生的多維度數據進行收集、處理和解釋，從而綜合判定問題的性質及提出解決策略。教師依據教學改進計劃和問題解決策略作出決策并實施教學實踐。而后，學校管理者和教師通過測量和檢驗其教學決策行動和教學實踐效果來評估數據驅動的教師教學決策效果。具體見表1[8-14]。

2. 基于數據教育應用原理的教學決策過程構建

筆者循著表1所示數據驅動的教學決策過程的共同要素與特征，基于情境學習理論、社會建構主義和布魯納的發現學習理論，借鑒國內外數據驅動的教學決策應用案例和數據團隊實踐[12]，建立基于數據教育應用原理的教學決策過程框架，如圖1所示，為中小學教師運用數據使能教學決策實踐和教學效果提升提供參考。

（1）實踐問題定義

基于數據教育應用原理的教學決策遵循從數據轉換為信息，信息轉換為知識，知識轉換為智慧，智慧轉換為能力等變化規律，學校管理者和教師根據課堂教學實踐問題和學校發展目標共同組建數據驅動的教學決策團隊，并首先進行教學實踐問題定義及提出改進目標，如學校教育發展和教師教學的明確的、可衡量的目標。而后，學校管理者和教師依此選取與實踐問題和改進目標相關的主題和數據收集維度，如關注學生學習成績的教學決策目標和問題確定需要關注學生成績和課堂表現數據。

（2）綜合數據收集與分析

基于學校管理者和教師確定的問題，數據驅動的教學決策團隊成員需要對問題和目標相關的多維度的數據進行收集和分析，幫助其描述教學問題或目標的狀態、性質和內容，包括對教師自身、家長、學生、學校管理者進行的調查設計和實施，運用相關智慧課堂平臺對學生的學習過程數據和情感數據進行采集。

（3）數據結果歸因

學校管理者和教師對問題數據分析和呈現的結果歸因是數據驅動的教學決策的關鍵過程。其包括學校管理者和教師通過團隊會議對數據結果的討論、判斷、理論分析、提出可能的教學改進策略等。以此，教師與其他同伴一起共同對數據分析的結果和可能的假設策略進行討論，從理論和日常經歷角度，計劃相關的改進實踐，并理論推演可能的教學實踐結果，從而使其能有意識地設計教學改進策略和實踐過程。

（4）合作教學決策與教學改進實踐

基于數據教育應用原理的教學決策提倡教師和同事間的合作決策。即教師和同事及學科指導專家在數據結果歸因基礎上進行教學改進決策與行動并對教學實踐的數據進行收集和分析，也是教師實踐“問題解決”的過程。其后，學校管理者和教師同樣對教學實踐的數據結果進行歸因和解釋。如果教師教學實踐和學生學習得到改善，則數據驅動的教學決策團隊進行結果共享和持續應用。否則，數據驅動的教學決策團隊繼續綜合數據收集和假設制定，對實踐問題進行數據分析和解釋，直至實踐問題的解決和學生學習成就的改善[7]。

（5）分享結果與評估

教師和同事對教學改進實踐的效果評估和分享是教師建立和拓展有效教學策略和實踐的持續性過程。數據驅動的教學決策團隊針對不同受眾對象設計不同的分享途徑，其與校內教師的分享可通過學校管理平臺進行即時交流或提供教學改進報告等相關資料，使其在分享經驗的同時獲得持續改進的經驗和動力；其與校外教師的分享則可通過使用媒體和技術工具來設計和開發學校發展簡報、在線會議和成果論文發布等方式。

三、多模態學習分析支持教學決策的

過程與方法

（一）多模態學習分析的發展

近年來，基于數據教育應用原理的教學決策實踐的數據收集、分析、處理和解釋過程漸趨向多模態學習分析（MMLA）。美國學習和技術圖書館網站發布的《地平線報告》將多模態學習分析描繪為未來教育技術革新的重要發展趨勢，并認為相對于學習分析而言，多模態學習分析不僅通過多種途徑和手段來采集、測量、分析、理解和報告有關學生學習的狀態和前景，而且通過關聯、融合和協調跨功能的細粒度數據來全面準確地分析并理解學習者行為和心理等狀態[15]，為教師、家長和學校管理者改進教學和促進學生學習提供精準支持。迪米特里（Di Mitri）等指出，多模態中的模態（Modal）既有“模態（Modality）”意蘊又有“模式（Mode）”的意蘊，具有數據交換的類型和情境信息狀態的雙重內涵[16]。克雷森齊（Crescenzi）認為，基于多模態的學習分析關注學習活動中生成、預測和支持基于學習為導向的行為和表現，其目的是增進教師對學習過程的理解，并為其改善學習過程和效果所需的教學決策提供支持[17]。安德拉特（Andrate）等人從課堂視頻錄像提取學生學習過程的手勢、眼動、聲音和臉部表情等數據，測定學生通過身體和情感認知進行概念理解的效果[18]。科哈納（Kohama）等人從中學智慧課堂系統采集出有關教師和學生的臉部表情數據、教學板書的時間和行為數據、學生記筆記和聽課回答行為數據等，運用多層神經網絡進行分析建模，突出了多模態數據在測定教師進行智慧課堂教學的效果有效性和整體性[19]。

美國教育部通過對學習分析應用的眾多領域的分析，闡述教學改進探究和學習效果提升的多維數據類型與其處理過程及效果，契合從數據到信息再到知識和智慧的教育應用原理及數據驅動的教師教學決策過程，展現多模態數據驅動和學習分析技術的融合優勢[20]；福克斯（Fox）基于美國加利福尼亞州閱讀教學實踐，將教育實踐的多維度數據分為三種——教學結果數據、教學基本信息數據和教學過程數據，并將每種數據的獨特作用和價值在分析和解釋過程中顯現，以增強州級閱讀教學的多元策略選擇[21]。筆者認為，當將多模態數據進行聯通、收集、整合和挖掘來為當前的教學問題解決和課堂改進提供依據和支持時，教師教學實踐將具有系統性、個性化和高效性等特征，而學生學習成就也會同步提升。此外，當教師將學生基本信息數據如性別、民族、家庭社會經濟地位與學習結果數據共同使用來支持其進行教學改進實踐時，其教學決策和改進效果將得到極大提升。

（二）多模態學習分析支持的教學決策過程

實際上，多模態學習分析及驅動教學決策是連續貫通的過程，學校管理者和教師通過數據處理平臺的數據查詢與分析、挖掘與可視化及結果展示等模塊和功能建立起多種教育應用模型，包括學生個性發展模型、多元教師發展模型、學校教育管理模型及多模態數據驅動的教育決策模型[22]。其遵循數據驅動的教學決策過程邏輯，將多模態教學數據收集和分析置于基于數據教育應用原理的教學決策實踐的重要位置，構建起課堂教學數據與教師有效決策和實踐的“中間件”，為學校管理者和教師提供多模態學習分析支持的教學決策計劃、預測和評估過程框架，使教師課堂教學質量和學生學習成績得到提升。

筆者認為，借助多模態學習分析過程的多樣化數據結果啟發，多模態學習分析支持的教學決策過程既關注學生的學習成績、發展能力與素養等與教育過程直接相關的因素和數據，同時關注學生、教師和管理者進行教育教學實踐的過程性數據、心理傾向數據及學生和教師日常生活的身心發展狀態數據，包括學生的課外學習活動、家庭生活實踐和教師日常生活等。學校管理者通過幫助教師收集其教學實踐過程的教學表現數據、行為數據和外部因素數據及相關教育主體的心理傾向數據等，達成教育系統內外數據連接、交叉分析和挖掘的目標。教師運用教育數據挖掘工具和技術進行數據聚類和挖掘、因素分析、關聯分析及結果呈現，并生成學生學習狀態的可視化報告。學校管理者和教師合作運用教育心理學和學習科學理論進行數據結果的歸因和策略探究，找出影響課堂教學和學生學習及學校發展的內外因素，如學生心理、學校環境和文化等，并提出指向課堂教學改進和教學質量提高的教學決策計劃。教師通過實施教學決策行動和實踐評估來提高課堂教學質量和學生的學習成就，其具體實踐過程如圖2所示。

如圖2所示，多模態學習分析支持教學決策過程遵循教育數據的教育應用原理規律，即從知識到信息再到知識和智慧及能力的實踐過程。同時，筆者依據多模態數據驅動的教師教學決策過程，嵌入教師、學生、學校管理者、家長和社區人員的多模態數據并進行分析和效果歸因，使學校管理者和教師能全面系統、準備高效和智慧便捷地進行教學決策，以取得較好的教學改進效果和學生學習效果。

多模態學習分析支持的教師教學決策通常從真實的問題和情境開始，由學校管理者和教師合作探究需要收集的變量和多模態數據，并和數據研究人員共同展開多模態數據的收集、篩選和學習分析，如學生的行為數據、情感數據、文本數據、話語數據、環境數據、生理數據、文化數據和表情數據等。然后，教師通過數據結果歸因和合作探究來制定教學問題解決的計劃，包括從問題主體維度和數據收集維度到教師決策和教學行動效果等方面的計劃。數據團隊成員幫助教師運用數據收集工具和軟件平臺進行關于教師、學生和管理者的多模態數據收集和選擇。教師基于此計劃和教學過程對多模態數據進行數據處理和挖掘，進行多模態學習分析，以將多模態數據轉化為教師決策的信息。其次，教師依據教學問題的情境將其轉化為輔助決策的有用信息，并進行教學改進策略的選擇、決策和行動，是多模態學習分析支持的教學決策和教學問題解決的重要過程。其包括教師教學反饋、學生主動學習和同事觀察反饋等。從數據的教育應用原理視角來看，其同時是教師將多模態數據轉換為有用信息再到有用知識和智慧的過程。最后，學校管理者和教師需要對其教學決策作出評估，來反饋基于多模態學習分析的數據驅動的教學決策效果和學生學習效果，其是數據教育應用的智慧轉換為能力的過程。通常，教學決策評估融合教師課堂教學表現數據和學習結果數據及學校管理者的觀察數據等收集、處理和評估反饋的過程。教師需要將教學決策的效果和過程進行報告，與其他同伴進行分享和交流，從而推動全校性或全區性的教師教學決策效率提高、教師專業成長效果提升和學校教育質量的提升等。

（三）多模態學習分析的數據采集過程與方法

國內外學界關于多模態學習分析重要前提的多模態數據并未有統一的分類邏輯標準，從教育的多維數據類型來看，祝智庭教授根據數據智慧的四層框架將學校教育的學生相關數據采集分為學業成就數據、心理健康數據、綜合素質數據和生涯發展數據等四類[23]。筆者根據多模態學習分析支持的教學決策過程和數據采集來源與對象，以教育主體對象為依據，將多模態數據類型分為教師、學生、家庭和學校環境等的多個維度。其中，每個數據采集主體包括外在行為和內在情感兩個層面的數據來源維度，學校和環境的數據采集維度包括成員互動和情境文化等數據來源維度，如智慧課堂環境和家校互動平臺等，具體多模態數據來源和采集如圖3所示。

如圖3所示，參考影響國內中小學生課堂學習效果的家庭、社會和學校的因素，筆者從教師課堂教學決策效果和學生學習效果影響的維度，設計教師教學決策的多模態數據采集來源、對象和過程。如學校環境的數據主要包括教育資源、管理活動、物理教學環境、校風、歷史文化、學校德育文化等，具體表現為學籍信息系統、教師管理系統、學科教學平臺、學業質量分析系統、教學管理系統、家校合作平臺、校園優課課堂和反思平臺及學校發展系統等數據的收集。需要說明的是，教師的課堂教學決策和管理需要基于真實情境和實踐問題。所以，多模態學習分析的指向是教師真實的教學決策和行動，其對多模態數據的收集、處理和歸因遵循問題解決的逆向設計思路。即數據驅動的教師教學決策團隊從教學問題出發，尋求問題的相關變量，并基于因果關系邏輯來組織和篩選數據。學校管理者和教師通過對數據的處理來全方位思考問題產生原因并作出有效的教學決策。多模態學習分析倡導學校管理者、教師和數據研究人員通過使用可穿戴設備對學生課堂狀態和表情數據進行收集和篩選，也可融合線上線下、文本和音視頻等數據采集方式。

四、多模態學習分析支持的教學決策案例

為清晰地顯示多模態學習分析支持的教學決策的實踐和效果優勢，為國內數據驅動的教學決策實踐提供質量提升的過程和方法參考，筆者從美國伊利諾伊州學區內多模態數據驅動的閱讀教學決策和紐約市教育局成長網絡報告的應用為例來闡述多模態學習分析支持的教學決策實踐應用和評價。

（一）基于多模態數據驅動的閱讀教學決策

多模態學習分析支持的教學決策實踐側重于地區或學校級多模態數據使用的實踐過程，美國伊利諾伊州四個學區的數據驅動的教學決策和評估過程案例是其典型代表。莫赫塔里（Mokhtari）等根據教學實踐設計出三類教學決策數據分析框架，包括專業發展、課堂數據和閱讀表現數據[24]。其中，專業發展數據包括來自對教師的評估或反饋調查及專家導師指導下的專業活動的數據，課堂數據是教師對其教學實踐的調查，學生表現數據是教師和閱讀教練合作收集的關于學生閱讀過程的數據。其數據使用過程都被嵌入在學校或課堂的教學實踐。學校管理者和數據研究人員幫助教師學習如何分析和解釋數據，并確定需要支持的學生。基于多模態學習分析的數據驅動的閱讀教學決策包括六個過程環節，一是學校管理者和教師從有關課堂教學和學生學習的多元主體和對象連續和系統地收集數據；二是教師利用數據進行多模態學習分析和解釋并指導其教學決策計劃和選擇；三是專家和教育管理者對教師使用數據作出教學決策過程進行支持；四是教師實施閱讀教學改進行動并確定學生閱讀優勢和需求；五是學校管理者評估監控教師教學改進和教學技能的階段性進展；六是學校管理者和教師定期比較學生閱讀學習過程和效果數據，并跟蹤及促進學校教師學習共同體專業成長的長期成就。

（二）多模態學習分析支持的成長報告

紐約教育局將多模態學習分析支持的學校教學評估報告引入教師專業發展對話并進行相互協調。學校管理者依此強化教師進行數據驅動的教學改進的觀念，為其課堂教學實踐和學校整體層次發展提供支持。學校管理者和教師認為，成長報告（Grow Reports）系統顯示的基于多維數據和多模態數據的分析與評估為教師和學生提供豐富的數據結果及原因結論，使學校管理者和教師能創建多元的教學行動計劃和課堂教學改進策略。多模態學習分析支持的成長報告使教師能在其教學實踐過程進行適當的決策，提升其課堂教學效果和學生學業成績，如教師進行有針對性的個性化教學，并對不同的教學內容選擇不同的教學策略。對于教師層面的數據驅動的教學決策使用過程，成長報告為教師進行課堂教學改進實踐提供有關學生學習的多維度和多模態的生理、心理和學習過程的數據結果及歸因，使其能夠專注于特定學生的優勢和劣勢，從而進行準確的教學決策和改進行動。如六年級數學教師能訪問根據三個問題分組的定制報告，包括學生表現、學習內容維度和網絡學習工具等。

五、結 ? 語

學界普遍的共識是，起源于多模態數據分析和多模態交互研究的多模態學習分析至今仍是定義繁多的新興領域[25]。文章從教學決策過程出發，基于數據的教育應用原理，論述數據驅動的教師教學決策趨勢和過程，并嵌入多模態學習分析過程和要素，構建多模態學習分析支持的教學決策過程模型。其中，與衡量學習效果的標準化測試相比，多模態數據收集和學習分析技術能系統地收集多元豐富且與教學實踐聯系較為緊密的教師教學和學生學習過程與結果的數據，使得教師教學反饋即時有效。學校管理者和教師可據此對教學管理和學習結果數據系統地反思，并將其進行組織、處理和解釋，為其進行教學改進策略探究和行動實施及教學效果評估提供支持。教師和學生可依據多模態學習分析過程發現新知識和學習新策略，并使用可視化工具查看跨維度數據間知識的聯系。所以，真實、系統、貫通的多模態數據和多模態學習分析過程，不僅能促進學校管理者和教師進行科學有效的教學決策，而且發展其教學專業能力，促進其個性化和持續性專業成長，繼而促進學生學習效果和學習能力的快速提升。

[參考文獻]

[1] 沈書生.聚焦學習決策：指向認知發生的數據及其應用[J].電化教育研究，2021，42 （11）：13-19.

[2] 威廉·威倫，賈尼斯·哈奇森，瑪格麗特·伊什勒·博斯，等.有效教學決策（第6版）[M].李森，王緯虹，等譯.北京：教育科學出版社，2009：2-3，20-22.

[3] DARLING-HAMMOND L， SYKES G. Teaching as the learning profession： handbook of policy and practice[M]. San Francisco： Jossey-Bass，1999.

[4] KIRKWOOD T F.Teaching about Japan：global perspectives in teacher decision making，context，and practice[J].Theory and research in social education，2002，30（1）：88-115.

[5] 楊甲睿，黃甫全.證據型教學決策在美國：興起、內涵、策略及其啟示[J].電化教育研究，2013，34（4）：107-113.

[6] HUANG R H， PRICE J K. ICT in education in global context[M]. Verlag Berlin Heidelberg： Springer， 2015： 145-166.

[7] TIMOTHY A. POYNTON J C C. An integrative model of data-based decision making for school counseling[J]. Professional school counseling，2006， 10（2）：121-130.

[8] 常桐善.如何提高大學決策績效——院校研究與“數據驅動決策”模式的視角[J].復旦教育論壇，2013，11（2）：54-60.

[9] 黃煒，王昭君，李鋒.數據驅動課堂教學決策的分析框架與實踐案例解析[J].中小學數字化教學，2021（7）：32-36.

[10] 張學波，林書兵，孫元香.從數據到知識：數據驅動教學決策的理論模型與能力提升[J].電化教育研究，2021，42（12）：41-47，54.

[11] 彭曉玲，吳忭.“數據驅動的精準教學”何以可能？——基于培養教師數據智慧的視角[J].華東師范大學學報（教育科學版），2021，39（8）：45-56.

[12] 李王偉，徐曉東.數據團隊——促進教師專業發展的新途徑[J].電化教育研究，2021，42（8）：79-87.

[13] BOUDETT K P，CITY E A，MURNANE R J.The "data wise" improvement process[J].Principal leadership，2006：753-56.

[14] MANDINACH E B，HONEY M.Data-driven decision-making：an introduction[M].New York：Teachers College Press，2008：137-176.

[15] MALCOLM B.2020 EDUCAUSE Horizon Report（Teaching and Learning Edition）[DB/OL]. （2021-07-29）[2022-12-29]. https：//library.educause.edu/resources/2020/3/2020-educause-horizon-report-teaching-andlearning-edition，2021-07-29.

[16] DI-MITRI D， SCHNEIDER J， SPECHT M， et al. From signals to knowledge： a conceptual model for multimodal learning analytics[J]. Journal of computer assisted learning， 2018， 34（4）：338-349.

[17] CRESCENZI-LANNA L. Multimodal learning analytics research with young children： a systematic review[J]. British journal of educational technology， 2020， 51（5）： 1485-1504.

[18] ANDRADE A.Understanding student learning trajectories using multimodal learning analytics within an embodied-interaction learning environment[C]//Proceedings of the 7th International Conference on Learning Analytics & Knowledge.New York：ACM，2017：70-79.

[19] WATANABE E，OZEKI T，KOHAMA T.Analysis of interactions between lectures and student[C]//Proceedings of the 8th Interactional Conference on Leraning Analytics & Knowledge， New York：ACM，2018：370-374.

[20] 徐鵬，王以寧，劉艷華，張海.大數據視角分析學習變革——美國《通過教育數據挖掘和學習分析促進教與學》報告解讀及啟示[J].遠程教育雜志，2013，31（6）：11-17.

[21] FOX D. Three kinds of data for decisions about reading[R]. Madison， WI： ?Wisconsin Center for Education Research， 2001：11-13.

[22] 丁衛平，王杰華，管致錦.基于數據挖掘技術的教學評估智能輔助決策平臺的設計與實現[J].電化教育研究，2009，30（4）：90-92，105.

[23] 祝智庭.智慧教育引領未來學校教育創變[J].基礎教育，2021，18（2）：5-18.

[24] ACKOFF R L. Ackoff's best[M]. New York： John Wiley & Sons， 1999：170-172.

[25] 王一巖，王楊春曉，鄭永和.多模態學習分析：“多模態”驅動的智能教育研究新趨向[J].中國電化教育，2021（3）：88-96.

The Development of Data-enabled Instructional Decision-making

—From Data Education Applications to Multimodal Learning Analytics to

Support Instructional Decision-making

ZHANG Xuebo1， ?LI Wangwei1， ?ZHANG Siwen2， ?WANG Chen3

（1.School of Educational Information Technology of South China Normal University， Guangzhou Guangdong 510631; 2.Key Laboratory of Brain， Cognition and Education Sciences， Ministry of Education， South China Normal University， Guangzhou Guangdong 510631;3. University of Aberdeen， King's College， Aberdeen AB24 3FX， Scotland United Kingdom）

[Abstract] Numerous studies have shown that data-driven instructional decision-making can enhance the effectiveness of teachers' teaching and students' learning. Current researches focus on data-driven instructional decision-making models and practical cases，but less attention is paid to the process of data organization， collection and analysis to support teachers' instructional decision-making. This paper uses literature research method and case analysis method to clarify the process of instructional decision-making based on the principles of data education applications，and deconstructs the process of data collection and analysis. Based on the development and process advantages of multimodal learning analytics，this paper constructs a process model of instructional decision-making supported by multimodal learning analytics，and finds the process and methods of multimodal data collection and processing for instructional decision-making supported by multimodal learning analytics. It also analyzes the process and practice of two typical cases of instructional decision-making supported by multimodal learning from a practical perspective，hoping to provide guidelines for the research and practice of effective data-based instructional decision-making in domestic primary and secondary schools.

[Keywords] Multimodal learning analytics; Data-driven; Instructional decision-making; Data education application