智能時代教師數據素養建設：困境、機理及破解

摘" "要：教師是教育高質量發展的第一資源，是培養高素質人才的重要抓手。智能教育時代下，教師數據素養構建是實現和推動教師隊伍高質量發展的重要視角，也是對智慧教育實踐的現實回應。教師亟需養成正確的數據觀念形成完備的數據素養體系，進而提升教育教學質量、改善教育教學活動、揭示教育教學規律。在剖析教師數據素養含義、厘定教師數據素養價值的基礎上，指出當前教師數據素養構建過程中遇到三點有待解決的困境：在觀念認知上難以理解數據何以作用于教學，在數據技能上難以掌握數據分析相關的能力，在應用過程上難以將數據應用于教學實踐。通過審視困境形成的內在機理，進一步指出：教師數據素養構建是多維領域的嵌合，其形成過程和影響要素也更為復雜，導致向教學實踐的轉化相對困難。然后，從革新教師數據應用觀念、優化教師數據知識和技能、革新發展教師數據實踐的角度提出困境破解的三點對策，以期促進智能教育時代背景下教師數據素養的系統建設和未來發展。

關鍵詞：數據驅動；教師數據素養；內在機理；困境；破解路徑；教師專業發展

中圖分類號：G434" " " " "文獻標志碼：A" " " " "文章編號：1673-8454（2024）12-0089-10

一、引言

“工欲善其事，必先利其器”，要想培養高素質的人才，就需要培養和建設高素質的教師隊伍。教育部等八部門印發的《新時代基礎教育強師計劃》中著重強調“建立教師教育協同創新平臺、實施高素質教師人才培育計劃、深化精準培訓改革、推進教師隊伍信息化，探索人工智能助推教育教學方法創新”[1]，黨的二十大報告中同樣提出，教師是教育高質量發展的第一資源，是科技自立自強的關鍵支撐，因此要著重關注培養高素質的教師隊伍。為了適應智能教育時代教師隊伍建設的最新要求，需要基于數據科學范式推動教師數據素養的持續發展，進而推動卓越型教師的培養。

多樣性的教育數據，驅動教師形成相應的數據素養，實施基于數據的教育教學活動。然而，在教育教學實踐中，許多教師存在對數據素養的理解有偏差、數據分析技能相對薄弱、數據實踐深度相對較淺等問題。這些問題的核心指向教師數據素養的建設相對缺失。為此，本研究意從目前教師數據驅動教學實踐中的相關困境出發，通過審視教師數據素養建設困境的內在機理，提出數據驅動教師數據素養建設的相應建議，為解決教師數據素養的建設困境、促進教師數據素養能力建設提供有力的理論和實踐支撐。

二、教師數據素養：何為以及為何

（一）何為教師數據素養

教師數據素養是對數據素養的擴展和補充，是數據素養在教育領域的扎根和深入。基于審視數據生命周期的視角，教師數據素養指向教師在收集數據、應用數據、管理數據、交流數據全數據生命周期過程中的一系列知識和技能的集合。克拉倫斯·梅比（Clarence Maybee）和莉薩·齊林斯基（Lisa Zilinski）將其定位為“數據意識、數據獲取、數據應用、數據管理、數據交流、道德和保護”[2]。美國教育部規劃、評估和政策制定辦公室（OPEPD）強調了定位、理解、解讀、決策、提問的重要性，認為教師數據素養能力有五種重要成分：對數據進行科學定位、對數據進行深度理解、對數據進行細致解釋、應用數據進行科學決策、應用數據提出問題或思路。[3]如表1所示，筆者總結了有關教師數據素養能力構成的18種具體劃分、九項典型定義，發現在教師數據素養能力的諸多界定中，研究者較為關注數據收集和獲取能力（7項定義）、數據分析能力（7項定義），然后關注數據意識、應用、反思決策（4項定義）。此外，有關定位、倫理及道德、共享交流能力的關注具有3項定義，而較少有研究者關注數據的組織、總結、解釋、整合轉化、提問、工具、發現問題和評價能力（少于3項定義）。

雖然不同研究者、機構對教師數據素養能力構成的認知有差異，但是對數據收集、數據理解、數據解釋、數據決策、道德等均有一定的共識，從2種分類界定（數據處理基本能力、數據教學應用），到克拉倫斯·梅比和莉薩·齊林斯基界定的數據意識、數據獲取、數據應用等7種分類，乃至趙歡歡的10類教師數據素養能力界定，研究者既強調數據意識、定位和理解，又強調數據的獲取、應用的鏈路構成應與具體的教育情境相結合，在真實的教學實踐場域中應用，并基于倫理道德的約束進行科學的教育決策。智能教育時代背景下，教育大數據在促進教育實證化的同時，也正影響教師能力素養的構成和革新。因此，面向教育中智能技術發展對教師的影響，需要對教師數據素養進行更為深入的研究和解讀。換言之，引領教師的信息化發展，除了對教師的教學新模式、新方法、新案例進行研究，還要總結和探討教師本身的發展和變化，教師如何定位數據、理解數據、解讀數據、應用數據，逐漸成為智能教育時代實現教師專業發展的重要路向。

（二）為何構建教師數據素養

1.教師數據素養有利于提升教育教學質量

了解教師數據素養是必要的，因為可以促使學校管理者、教師和其他利益相關者學會解讀教育數據，從而更好地指導和提升教育教學的質量。隨著學校系統的數據變得越來越豐富——學生信息系統提供關于學生考試成績、出勤、紀律、課程參與、課程學分、學術干預、輟學等電子報告，使教育者、管理者有機會利用這些教育教學相關的數據來改善學校的教與學。[13]楊現民總結了數據素養之于教師的重要作用：能夠幫助教師加強基于證據的教學實踐，促進教學水平、教學思維的變革，同時有利于教師教學領導力建設，促進教學績效和科研產出。[14]

教育大數據時代的來臨，促使教師擁有更多可以獲取、分析和利用的教育數據，這些數據成為基于證據的教育教學的重要起點，也促使教師實施基于證據驅動的精準教學。一些研究者同時指出，“學生數據在教學中可能是一種強大的、變革性的工具，但要獲得這些潛在的好處，從業者必須更加精通數據”[15]。數據伴隨學習活動、學習過程而產生，無論是學校的教學，還是拓展的在線教育、校外實踐，學習者所體現出的諸多數據有助于教師刻畫、診斷和評估學生的學習表現，從而有助于高階思維、問題解決等能力的培養，也有助于構建學習者終身學習體系，[16]進而提高教育教學的質量。

2.教師數據素養有利于改善教育教學活動

有學者認為，教師數據素養指向教師有針對性地收集和分析學生作品，以及反思和處理數據的能力，這種理解可以促進對學生學習的反思，并指導教育教學的實踐。[17]美國非盈利組織“數據質量行動”將其定義為改善學生績效的一種持續性能力，這種能力要合乎倫理道德的約束，對數據的訪問、解釋、處理和交流也需要考慮不同的數據來源（如州、地方、課堂等）。[18]有學者認為，教師數據素養被視為一種數據收集、分析和解釋的過程，其目的是要將教學的潛在信息轉化為教師可以操作和具象化的知識、實踐活動。[19]我國學者楊現民認為，教師數據素養關注數據的獲取、處理、分析、解釋的過程，并且將數據應用到教育教學管理一線，形成一種綜合的教育教學能力。[20]由此可見，數據使用的目的是要“改善教學”[21]，數據促使教師能夠以一種全新的、獨特且個性化的視角看待理解學習和教學的過程走向，實現教育教學活動的改善。

3.教師數據素養有利于揭示教育教學規律

研究人員強調數據在教師日常教學中發揮的重要作用，如可以監控教學進展、識別個性化的學習需求、輔助教師進行科學的教育決策等等，對于教師來說通過數據調整教育決策，并將其作為實時反饋的載體，成為教師選擇應用數據的重要原因之一。[22]審視視角的多元化，使教師實際使用數據的分類有所區別，但教師數據使用的本質是，教師通過數據揭示學習者學習狀態、依據數據反饋選擇和設計相應策略并提供個性化指導的一種過程。[23]這些從在線學習系統、應用程序、管理系統、IoT設備、WEB服務處收集全面的相關數據，通過形成個人學習記錄存儲（Learning Record Store， LRS），能夠以可視化和自動化的方式揭示學習發生的機制、規律、結果，這些結果能夠進一步幫助教師進行科學的教育決策。[24]

綜上所述，源于不同學科背景研究者審視視角、理解的不同，教師數據素養的構成和定義也有所區別，但正如研究者所說：學校教育系統不會因為一時興起或者政策制定者認為教育工作者（教師）的數據素養很重要，在教師這一特殊群體中建立使用數據的能力雖然部分源于政策的影響，但重要的是，這是一種對該領域“實踐需求的回應”（a response to needs from the field），也是當前教育數字化轉型中的重要一環。[25-27]通過將信息轉換為數據，教育工作者能夠將復雜的教育場域中不斷變化的行為規律可視化地顯現出來，基于數據的教育決策，即數據驅動促使教師能夠實施更加精準和個性化的教育教學工作，持續性地改變教育教學的過程、培養高階思維的學習者。然而，當前智能教育背景下教師數據素養建設仍有不足，在數據素養的觀念、能力和應用三重維度上出現亟待解決的困境。

三、教師數據素養建設的三點困境

對于教師來說，數據使用的目的就是進行科學的教育決策，所以“數據使用”“基于數據的決策”“數據驅動”等是等價定義。[28]教師對數據既陌生又熟悉，雖然教師長期接觸學生排名、考試等數據，但在教育數據評價和教育干預過程中教師常常處于被動地位。[29]智能教育環境中越來越多涌現的數據，對教師的教學提出新的挑戰，教師數據素養建設由此面臨觀念、能力和應用的三重難題：

（一）觀念認知——教師難以理解數據何以作用于教學

數據驅動的精準教學，不僅僅是在學校的教育系統內引入新興技術，從而解決傳統課堂數據難以收集、分析繁瑣等難題，實踐中教師往往難以理解數據何以作用于教學，這種片面的意識被總結為“技術導向”問題：只要引入新的技術，精準教學就實現了一半。[30]雖然在實踐中教師謀求教學智慧與教學數據的融合，從而驅動精準的教育決策，但對利用數據解決教育問題缺乏認識，教師往往將數據的使用限定于評價學生表現、識別成績欠佳的學生，而較少將其準確應用于改進教學和促進學生發展。[31]這表明，教師對數據何以作用于教學理解上仍然相對困難，對于許多教師而言，教育教學中到底產生哪些數據、如何準確識別進而應用這些數據來優化教學的能力仍有待提高。

（二）數據技能——教師難以掌握數據分析相關的能力

大規模建設智能教學環境，產生豐富且有潛在價值的教育管理、教育過程、學習過程數據，這些數據可以被教師、管理者和相關人員用來進行教育決策和教育過程改進。然而，對于教師來說，數據的復雜性和多樣性，使教師難以掌握數據分析的相關能力。一項針對教師數據閱讀和識別能力的大規模調查顯示，大部分教師僅有中等水平的數據閱讀和識別能力，整體平均為23分（40分為滿分），教師也僅能夠對簡單呈現的數據進行識別和比較，但對復雜數據（如箱型圖）的解釋則相對困難，甚至三分之一的教師會出錯。[32]另一項研究中發現，盡管大多數教師能夠在圖表上找到信息，但他們難以理解復雜的數據顯示，并對測試效度、分數信度、測量錯誤等關鍵統計概念的理解有限，導致無效的推斷。[33]這表明，針對規模化教育數據的分析，教師往往難以從復雜的數據體系中抽取關鍵特征進而改變教學，因此教師亟需增強對數據的認知，掌握數據分析的相關能力，從而從數據的角度促進和優化教育教學效果。

（三）應用過程——教師難以將數據應用于教學的實踐

將教育數據應用于改進教育教學的實踐，即基于數據進行教育決策，成為改進教學、提升學生學習質量的核心和關鍵，但實踐中人們往往發現教師不會將教育數據轉化為相應的決策，并且缺少相應的知識體系。雖然教師注重教育決策的干預作用，但是教師缺乏針對數據導向下的教育決策的知識。[34][35]許多教師對將數據應用于教學實踐持負面態度，海量的教育和學生數據使教師產生無力感和恐懼感，教師自我效能受挫、焦慮感凸顯，這被研究者解釋為數據驅動的決策障礙。[36]研究者也強調，如何挖掘教育場域中各種各樣的教育大數據，對于教師來說仍是一個“巨大的挑戰”。[37]數據應用于教學決策和實踐存在困難，說明教師缺乏與數據相關的知識和能力，因此促進智能時代教師數據素養建設極為重要。

總的來看，盡管教師數據素養已經進入教育政策、教育研究的視野，但在教育實踐中教師在教育數據的基礎知識、核心技能和相關能力上仍有缺陷，教師對數據理解得不充分、不深刻，促使教師無法將數據與教師的教學內容、技術和教學法聯系在一起，改變教學過程就更加困難。正是由于教師缺乏數據本質的認知，導致教師數據技能不足，最后導致教師無法充分進行應用實踐。因此，上述問題的核心指向教師需要在數據使用的過程中建立更強的數據技能和教學知識，[38]即教師亟需形成教師數據素養，以此促進智能教育時代教師的專業發展。

四、教師數據素養困境形成的內在機理

基于復雜系統論的角度審視，教師數據素養的形成是一種多維領域的相互嵌合，培養周期和影響要素都更為復雜，教師數據素養在教學實踐中的轉化也相對困難，這三點導致教師數據素養的建設尤為困難：

（一）數據素養的構建方式是多維領域的嵌合

構建教師數據素養的復雜點在于教師數據素養囊括教師的知識、技能、意識、態度等諸多方面，故使教師數據素養的構建尤為復雜。李青和任一姝認為教師數據素養是從知識技能、教學實踐、教學探究和意識態度四個方面解讀教師的能力素養。[39]許多學者同樣認為，教師數據素養是數據知識、數據技能等多維領域的相互嵌合。知識技能是教師數據實踐的基礎，教師要善于使用智能教育環境的諸多數據工具和教學平臺，同時教師也需要理解相關數據基礎知識。知識技能要為教學實踐服務，教師要善于使用教育教學數據對課堂教學中發生的諸多現象進行解釋，以改善學習、優化教學活動。同樣，知識技能也離不開教師的數據意識，意識態度層則貫穿于整個數據應用的過程，起到統領作用，確保數據能合法合規、合乎道德付諸實踐。一些研究者同時強調，教師數據素養各結構之間存在一種交叉轉化關系。趙歡歡在綜合考慮教師素養能力的相關構成基礎上，提出兩兩交叉、相互重疊的教師能力素養結構模型。[40]在該模型結構中，意識態度貫穿于各能力素養交叉融合的體系之中，不同能力的交叉和轉化，體現一個動態往復的過程，教師在這個過程中通過融入不同的能力素養，最終形成基于數據教育教學決策的能力體系。

（二）數據素養的形成過程周期和影響要素復雜

在討論教師數據素養建設時，教師數據素養的形成過程影響因素眾多，發展和培養周期較長，故影響教師的觀念形成、技能掌握和應用實踐。朱莉·馬什（Julie Marsh）認為教師在形成數據素養的過程中，可能涉及的能力包括檢查多種度量、綜合數據和進行推論的能力，也包括互動教學、實踐等能力，也同時強調并非所有教師都具備這些技能，而想要在長期的發展過程中實現教師數據素養能力的提升，就需要對教師的能力進行干預：一是促進教師訪問或收集數據；二是幫助教師組織、過濾、分析信息；三是幫助教師將信息同專業知識、理解相結合，形成可操作的知識；四是促進教師知道如何回應和調整指令；五是產生科學有效的過程和結果，進而支持教師的專業能力發展。[41]此外，教師形成數據素養的過程，也要考慮內部、人機、組織結構、環境等要素的影響，由此引發對教師數據驅動能力建設環境和影響要素的諸多探討。

（三）數據素養向教學實踐的轉化相對困難

在伊迪絲·格默（Edith Gummer）和埃倫·曼迪納契（Ellen Mandinach）構建的教師數據素養框架中，包含內容知識、教學中的數據使用、學科教學知識三個領域。[42]伊迪絲·格默和埃倫·曼迪納契提出基于數據發現教學問題、進行交流和決策具有重要意義，強調和要求教師在教學實踐中“使用數據說話”。同時，還建議對教師的數據實踐應用進行培訓，盡可能將數據能力轉化到教學實踐中，形成“可操作”的實踐步驟，通過整合內容和教學中的知識，改變教育教學的效果、促進教師的專業發展。[43]雖然國內外很多教師數據素養框架中，都普遍強調應在教育教學實踐中將教師學科教學知識（PCK）與實踐中的數據使用融合起來，但教師數據素養向教學實踐的轉化仍然是相對困難的。從理論上審視，教師數據素養的形成是一種教師內在與外在的相互融合，需要教師反復進行教育教學實踐才能得到發展，但教學實踐的規律告訴我們，教師教學實踐的深入往往受教師教育教學“慣習”的制約，多數教師難以改變原有的教育教學模式，使基于數據的教學成為“一紙空談”，教師教育數據收集、分析和應用的深度受到限制。

五、智能時代教師數據素養建設困境的

破解之路

基于教師數據素養內在機理的系統審視，對教師數據素養在觀念認知、數據技能、應用實踐三個層面產生的困境提出三點針對性建議，以期促進智能時代教師數據素養的發展：

（一）革新教師的數據應用觀念，促進數據的迭代優化

目前，基于數據的教學研究和實踐基本建立在這樣一種理念之上：如果教師能夠很好地了解學生已經知道的知識，以及他們在哪里遇到了困難，就可以計劃更有效、更有針對性的課程。[44]因此，要想實現教師數據素養構建，就需要教師革新傳統教育教學觀念。

智能時代下的教育教學實踐中，教師需要認識到數據的使用絕不是靈丹妙藥，也不是為實踐提供信息的唯一來源。教育者的經驗和專業判斷很重要，但必須與數據結合使用，尤其是現在理解學生已經變得更加復雜，這意味著數據使用領域需要從新行為主義和認知主義的視角，轉向一個基于社會文化的實踐范式。數據使用的重點應該是在課堂內外不斷調整教學方法，同時考慮學習者的需求和個人特點，以教育教學的相關理論作為支撐，促進和優化學生的學習過程。

此外，教師需要認識到，基于數據的教育決策應該是一個迭代和持續變化的過程。關注數據的使用，目的是實現持續改進教育教學的效果，而不僅僅是通過數據對教育進行簡單的干預，這是一個重大的理念轉變。一些研究機構同樣支持這一觀點，通過構建數據使用環（data use circle），表明教師應采取系統的循環型數據使用過程，拿證據支持教學決策，并提高教師的相關能力、滿足學生個性化的學習需求。[45]教師需要通過改變教學實踐來檢驗這些假設，并提高學生的學習表現。最后，他們應該通過收集和解釋新學生的表現數據來重復這個循環，以評估自己教學上的變化。這樣循環往復，秉持數據應用觀念的教師便可以促進個性化的學習。

（二）優化教師的數據知識和技能，推動教師的素養升級

數據素養構建的核心是，只有關注教師數據知識和數據技能的提高，才能夠幫助教師快速掌握數據分析的能力，突破能力困境。為此，教師需要重點關注原有知識體系如何與數據知識、數據技能聯系起來，實現數據素養的全面提升。

雖然現有研究開始關注教師數據素養的重要意義，但既往研究對數據素養的理解大多從數據能力的角度切入。在構建基于數據能力的數據素養結構時，研究者較少考慮教師的數據素養與教師本身的教學法、技術、學科內容的關聯。這迫切要求教師具有關于數據素養的相關能力，并反饋在教師的知識、能力和素養體系建設之中，以此促進精準和個性化教學的產生。促進教師數據素養培訓，不僅僅是讓教師接受使用特定數據系統、數據相關應用程序或評估系統的培訓，任何教師專業發展或培訓都應該關注數據的實際使用，而不僅僅是技能。數據素養的相關培訓應該幫助教師改變實踐路徑，學習如何將數據轉化為可操作的教學步驟，這個過程也需要將數據素養同學科內容知識、教學法知識相整合。[46]換句話說，只有將這些知識同教學內容、教學法相結合，才能夠幫助教師在實踐中確定具體教學的步驟，從而推動教師進行精準教學、提升數據素養。

（三）革新發展教師的數據實踐，推動精準教學反饋

當前，多數地區和學校的教育教學實踐仍較少關注對教育數據的分析和使用，故教師的教育教學實踐應用嚴重受限。從教學實踐的角度審視，破解教師的應用實踐困境，應當從多模態數據的角度加以改變，基于數據驅動革新教育教學活動。

在實踐的過程中，教師應該推動使用來源廣泛的數據來進行教育教學的科學決策。從多模態數據的角度審視，數據的類型既可以包括定性和定量數據，又可以包括正式和非正式數據，重要的是要考慮到與學生相關的不同數據來源，從而超越傳統，對學生的表現進行單一、定性的衡量。多種數據來源的使用，如人口統計、出勤率、健康、交通、司法、動機、家庭環境（如無家可歸、寄養、潛在虐待、貧困）、特殊狀況（如殘疾、語言學習者、欺凌）等數據，有助于了解學生的表現和行為。[47]使用這些數據來源的目的，不是要取代有關學生表現的基本數據，而是旨在幫助教師更好地理解和解釋學生數據的含義，從而為學生的教育工作提供解釋和背景。[48]

此外，教師的數據實踐還應該與教學反饋緊密相連。無論是在學生、教師、學校、地區還是更高層面的相關領域，教學的過程都應該有數據來告知、反饋和改進，數據反饋與改善教學之間的聯系越緊密，就越能有效地監測教學的進展并采取相應的行動步驟。來自智能教學場域中的多模態數據不斷向上匯聚，具有價值的信息被自上而下應用，以改進教育教學的相關決策。多樣性的教育數據，促使教師有更多的教育選擇，使教師有更多教育過程得以改進、高效和精準生成的教育教學模式。基于數據反饋教師傳統的技術、教學法同學科內容需要相互融合，不斷發展，通過在智能化教學場域中不斷應用，教師知識整合的水平和整體能力進一步提升。

六、結語

智能教育時代背景下，教育教學環境的建設和新興技術在不斷革新，教育數據收集和存儲數據的方式越來越普遍，基于可視化的方式分析教育數據的智能工具和平臺也變得越來越復雜，由此形成教師在觀念認知、數據技能、應用過程的三點困境。因此，教師亟需在其專業知識、能力結構中融入數據，以此形成教師的數據素養。教學場域的復雜變化，需要一線教師關注數據素養相關技能、知識的整合，這一復雜的教學過程，理應將教師數據素養與傳統學科教學法知識（PCK）相融合，促使教師產生新的知識體系。[49]因此，面向未來的教師培養，應當在強調數據素養重要性的基礎上，將教師數據素養與職前、在職教師培養，以及教師培訓聯系起來，并需在革新數據應用觀念的基礎上，持續優化教師的數據知識和數據技能，這樣才能真正革新和發展教師的數據實踐，促進智能教育時代的教師專業發展。

參考文獻：

[1]教育部等八部門.教育部等八部門關于印發《新時代基礎教育強師計劃》的通知[EB/OL].（2022-04-11）[2023-10-09].http：//www.moe.gov.cn/srcsite/A10/s7034/202204/t20220413_ 616644.html.

[2][6]CLARENCE MAYBEE， LISA ZILINSKI. Data informed learning： a next phase data literacy framework for higher education[J]. Proceedings of the Association for Information Science and Technology， 2015，52（1）：1-4.

[3][5][33]MEANS B， CHEN E， DEBARGER A， et al. Teachers’ ability to use data to inform instruction： challenges and supports[J]. Office of Planning， Evaluation and Policy Development， US Department of Education， 2011：37.

[4][8][39]李青，任一姝.國外教師數據素養教育研究與實踐現狀述評[J].電化教育研究，2016，37（5）：120-128.

[7]張進良，李保臻.大數據背景下教師數據素養的內涵、價值與發展路徑[J].電化教育研究，2015，36（7）：14-19，34.

[9][21]阮士桂，鄭燕林.教師數據素養的構成、功用與發展策略[J].現代遠距離教育，2016（1）：60-65.

[10][40]趙歡歡.中小學教師數據素養能力結構模型及評價指標體系研究[D].北京：北京郵電大學，2018：20.

[11][34]TODD REEVES， CHIANG J L. Online interventions to promote teacher data-driven decision making： optimizing design to maximize impact[J]. Studies in Educational Evaluation， 2018，59：256-269.

[12]KIPPERS W B， POORTMAN C L， SCHILDKAMP K， et al. Data literacy： what do educators learn and struggle with during a data use intervention？[J]. Studies in Educational Evaluation， 2018，56：21-31.

[13]WAYMAN J， CHO V， JIMERSON J， et al District-wide effects on data use in the classroom[R]. Education Policy Analysis Archives， 2012，20（25）.

[14][20]張力瑋，郭瑞.大數據時代教師需要怎樣的數據素養？——訪江蘇師范大學智慧教育學院院長、江蘇省教育信息化工程技術研究中心常務副主任楊現民[J].世界教育信息，2019，32（12）：21-24，41.

[15]MANDINACH E B， PARTON B M， GUMMER E S， et al. Ethical and appropriate data use requires data literacy[J]. Phi Delta Kappan， 2015，96（5）：25-28.

[16]李葆萍，仁青草.教師數據素養的研究現狀和啟示[J].北京教育（高教），2021（9）：15-19.

[17]ATHANASES S Z， BENNETT L H， WAHLEITHNER J M. Fostering data literacy through preservice teacher inquiry in English language arts[J]. The Teacher Educator， 2013，48（1）：8-28.

[18]Data Quality Campaign. Teacher data literacy： it’s about time[EB/OL]. Washington， DC： Author， 2014[2023-10-09]. https：//dataqualitycampaign.org/resource/teacher-data-literacy-time/.

[19][25]MANDINACH E， FRIEDMAN J， GUMMER E. How can schools of education help to build educators’ capacity to use data？ A systemic view of the issue[J]. Teachers College Record， 2015，117（4）：1-50.

[22]阮士桂.促進信息技術教師課堂數據應用的策略研究[D].長春：東北師范大學，2017：12-14.

[23][28]謝海燕.教師使用數據的含義、價值與前提[J].教師教育研究，2021，33（4）：14-18.

[24]張海，孫帙，李哲，等.日本教育大數據的應用現狀、特點及啟示[J].現代教育技術，2017，27（7）：5-11.

[26]聶小林，張金霞，黃倩倩，等.智能技術賦能教育數字化治理：內涵、框架及路徑[J].中國教育信息化，2024，30（4）：21-31.

[27]杜華，袁璐欣，王璐瑤.教師智能素養評價的國際研究：主體、要素、工具與建議[J].中國教育信息化，2024，30（4）：79-88.

[29]鄭鑫.從數據到證據：數據運用如何影響教師專業學習[J].全球教育展望，2021，50（3）：75-90.

[30]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.

[31]GELDERBLOM G， SCHILDKAMP K， PIETERS J， et al. Data-based decision making for instructional improvement in primary education[J]. International Journal of Educational Research， 2016，80：1-14.

[32]PIERCE R， CHICK H， WATSON J， et al. A statistical literacy hierarchy for interpreting educational system data[J]. Australian Journal of Education， 2014，58（2）：195-217.

[35]李袁爽，王運武，張子航.教師教育數字化轉型：愿景、挑戰與對策[J].中國教育信息化，2024，30（3）：81-89.

[36]OL？魣H L N， LAWRENCE N R， RIGGAN M. Learning to learn from benchmark assessment data： how teachers analyze results[J]. Peabody Journal of Education， 2010，85（2）：226-245.

[37]李艷，劉淑君.國外教師數據素養測評研究及啟示[J].開放教育研究，2020，26（1）：37-49.

[38][41]JULIE MARSH. Interventions promoting educators’ use of data： research insights and gaps[J]. Teachers College Record， 2012，114（11）：1-48.

[42]EDITH GUMMER， ELLEN MANDINACH. Building a conceptual framework for data literacy[J]. Teachers College Record， 2015，117（4）：1-22.

[43]林書兵，陳思琪，張學波.從數據素養到數據智慧：教學決策的實踐脈絡與績效追問[J].中國電化教育，2021（9）：79-87.

[44]DATNOW A， LOCKTON M， WEDDLE H. Capacity building to bridge data use and instructional improvement through evidence on student thinking[J]. Studies in Educational Evaluation， 2021，69：100869.

[45]HAMILTON L， HALVERSON R， JACKSON S S， et al. Using student achievement data to support instructional decision making. IES practice guide. NCEE 2009-4067[J]. National Center for Education Evaluation and Regional Assistance， 2009：10.

[46][48]MANDINACH E B， SCHILDKAMP K. Misconceptions about data-based decision making in education： an exploration of the literature[J]. Studies in Educational Evaluation， 2021，69：100842.

[47]MANDINACH E B， WARNER S， MUNDRY S E. Using data to promote culturally responsive teaching [Webinar][J]. Regional Educational Laboratory Northeast and Islands， 2019.

[49]MANDINACH E B， GUMMER E S. Data literacy for educators： making it count in teacher preparation and practice[M]. Teachers College Press， 2016.

Construction of Teacher Data Literacy in the Intelligent Era：

Predicaments， Textures and Solutions

Yulu CUI1， Weimiao HE2， Hai ZHANG1

（1.School of Educational Sciences， Xinyang Normal University， Xinyang 464099， Henan;

2.School of Media， Northeast Normal University， Changchun 130117， Jilin）

Abstract： Teachers are primary resources for high-quality educational development and an important way to cultivate high-quality talents. In the era of intelligent education， constructing teacher data literacy is an important perspective to achieve and promote high-quality development of the teaching staff， and also seen as a response to the demand for smart education practices. Teachers urgently need to incorporate the concept of data to form a complete data literacy system， so as to improve the quality of teaching and education， optimize educational and teaching activities， and reveal the laws of educational and teaching activities. Based on the analysis of the connotation of teacher data literacy and the value of constructing teacher data literacy， it is pointed out that although current teacher data literacy is a response to the practical needs of intelligent education， there are three predicaments to be solved in its construction process： it is difficult to understand how data can be applied to teaching in conceptual cognition， to master data analysis skills in data skills， and to apply data to teaching practice in the application process. Further examination on the inherent mechanism forming these predicaments indicates that the construction of teacher data literacy involves multi-dimensional integration， and its formation process and influencing factors are more complex， which makes its transformation into teaching practice relatively difficult. Finally， the research puts forward three solutions to break through the predicaments from the perspectives of innovating teacher data application concepts， optimizing teacher data knowledge and skills， and innovating teacher data practice， so as to promote the systematic construction and future development of teacher data literacy against the backdrop of intelligent education.

Keywords： Data driven; Teacher data literacy; Inherent mechanism; Predicaments; Solutions; Teacher professional development

編輯：王天鵬" "校對：王曉明