研訓者數據領導力測評模型構建與應用研究

摘要：隨著全球數字經濟的蓬勃發展，數據日益成為重要戰略資源和新型生產要素，對領導者的任務和能力要求帶來了革命性變化，數據領導力的概念應運而生。研訓者作為我國教師專業發展的引領者和指導者，只有具備一定的數據領導力才能更加從容地應對數字時代給教育教學和教師發展帶來的全新挑戰。科學測評是高質高效進行能力培養和發展的先決條件，但目前我國尚缺乏具有指導性的研訓者數據領導力測評模型。基于此，該研究遵循教育測評模型構建的一般范式，通過厘清研訓者數據領導力的內涵特征，從理論思辨與實證分析兩方面構建了包含數據使用規劃、數據探究指導、數據文化建設等3個一級指標、13個二級指標的研訓者數據領導力測評模型。實證檢驗結果表明，該測評模型具有較好的可行性和有效性，可以為科學精準測評研訓者的數據領導力水平提供理論指導。最后，基于我國研訓者數據領導力的現狀水平和存在問題，該研究從多智力投入、多角色參與、多場景構建三個方面提出了具體的對策建議。

關鍵詞：測評模型；測評指標體系；研訓者；數據領導力

中圖分類號：G434 文獻標識碼：A

本文系國家社會科學“十三五”規劃2019年度教育學一般課題“面向工作勝任力的教師培訓精準測評體系研究”（課題編號：BCA190083）研究成果。

一、引言

黨的二十大報告中強調，要“推進教育數字化，建設全民終身學習的學習型社會、學習型大國”[1]。在我國教育數字化轉型加速迭代升級的時代背景下，數據作為新型生產要素的價值愈發凸顯，給領導者的任務和能力要求帶來了革命性變化和全新挑戰。數據領導力被認為是信息化領導力在教育數字化轉型新形勢、新任務下的一種能力演化和系統升級[2]，體現出外界大數據浪潮對領導者能力的最新要求，逐漸引起了教育研究者與實踐者的廣泛關注。中小學教師研訓者是我國基礎教育發展的一支重要隊伍，在助推課堂教學改革、促進師資隊伍建設、提高教育教學質量等方面均起到了專業支撐作用。隨著數據量的爆發式增長，研訓者正面臨著教育決策從直覺經驗型決策向數據驅動決策（Data-Driven Decision Making，簡稱DDDM）轉變以及基于經驗的傳統研訓向數據驅動的精準研訓轉變所帶來的雙重挑戰。研訓者的數據領導力水平關乎其能否有力回應大數據給教師研訓和學校教育帶來的挑戰與機遇，有效運用數據支持教師學習和教學改進，因此如何發展研訓者的數據領導力就顯得尤為重要和迫切。然而目前，對研訓者數據領導力重要價值的認識還不夠充分，針對研訓者數據領導力的測評研究更是鳳毛麟角。因此，析取研訓者數據領導力結構要素與維度，構建研訓者數據領導力的測評模型，對數字時代研訓者數據領導力評價與建設具有重大意義。為此，本研究擬解決以下三個問題：一是研訓者數據領導力的內涵及特征是什么？二是研訓者數據領導力的測評指標有哪些？三是如何構建研訓者數據領導力的測評模型？

二、研究綜述

（一）數據領導力的定義與內涵

在大數據浪潮和各類數據項目的不斷推動下，人們逐漸認識到數據已成為繼“土地、資本、勞動”生產三要素后的第四大生產要素，是深化發展數字經濟的核心引擎。為應對領導情境帶來的變化，如何以數據作為外力輔助個體領導力的提升成為重要的研究議題。而隨著相關研究的不斷深入，數據開始作為領導力本體的一部分被探討，數據領導力（Data Leadership）的概念應運而生，并被認為是數字時代的一種新型領導能力和傳統經驗性領導的有益補充[3]。近年來在企業、政府領域，從國家治理現代化、數字政府建設、企業數字化轉型等角度都關注到了數據領導力的重要價值。張世昌等人認為，數據領導力是領導者充分利用數據資源，推動自我完善與管理革新，以更科學的方式實現管理目標的能力[4]；賀曉麗將數據領導力界定為領導者在數據情境中吸引和影響被領導者以實現組織目標的力量[5]。在學校教育領域，具備數據領導力的教育領導者能夠對教師進行需求評估、數據使用示范、反饋和經驗分享等[6]。Schildkamp和Poortman指出，數據領導力反映為教育領導者自己采取數據知情的行動，使用數據提出問題和組織討論，并提供方向和支持條件，以鼓勵教師提問、探究實踐、利用數據并根據數據采取行動[7]。林琦認為，數據領導力是指學校領導者將數據素養融入自身領導行為，通過有效的數據規劃、建設和決策，引領師生參與學校數據實踐，實現學校共同目標與愿景的能力[8]。楊鑫等人將校長的數據領導力界定為“在追求學校高質量、精準育人愿景的過程中，號召和引領全體師生將學校數據轉化為教育服務效能和價值，以推動教育數字化轉型的綜合能力特質”[9]。從上述定義來看，有些學者是從領導者在數據驅動決策過程中的領導行為或實踐的角度來定義數據領導力的，有些學者是延續了信息化領導力的定義方式，從領導情境發生變化的角度重新界定數據領導力。本研究更傾向于第二種界定方式，認為數據領導力是指領導者在數據情境中引導和影響被領導者努力實現群體或組織的共同目標的能力。

關于數據領導力的內涵，對不同對象的數據領導力內涵的探討都體現出了雙重性特點，如鄭鑫結合對名師工作室的案例分析結果，認為數據領導力一方面是指領導者的數據運用能力，能夠將數據互動有效融入教師學習，另一方面是指領導者的數據思維[10]；Roegman等人認為，管理者自身的數據運用和數據素養水平及其對教師數據運用和數據素養培養的支持是數據領導力的兩個主要組成部分[11]；張世昌認為，教師的數據領導力既包括數據資源的獲取能力，也包括運用數據提高教學質量的能力[12]；探討政府行政人員的數據領導力涵蓋領導大數據的能力（如數字資源獲取、數據價值激發、利用數據改革）[13]和在大數據環境下的新型領導能力（如文化領導力、組織領導力、決策領導力）[14]兩大類。基于數據與領導力的雙向互動關系，本研究認為數據領導力具有雙重內涵：一方面，是指領導者自身具備運用數據的能力，能夠通過數據分析與決策行動持續提升自我領導力；另一方面，也涉及領導者支持被領導者開展數據驅動決策的能力，能夠有效運用其領導力促進群體或組織的數據實踐。

（二）數據領導力的能力構成研究

對數據領導力的能力構成研究目前以學校管理者（校長）層面居多。MingChu等人以教育領導組成委員會標準（Educational Leadership Constituent Council，簡稱ELCC）為框架，從不同的領導力維度設計了校長數據驅動決策指標（Principal Data-Driven Decision Making Index，簡稱P3DMI），以衡量高中校長的數據驅動決策領導力水平，包括學校愿景、學校教學、學校組織運作和道德觀念、合作伙伴關系和大背景政治四個領導力維度[15]。Wayman等人針對校長數據領導力設計了由6道題目構成的簡單量表，包括鼓勵數據使用、創造數據使用機會、提供數據使用培訓、建模有效數據使用、共同討論數據、確保數據使用時間[16]。美國威斯康星州還專為學校、學區或教師領導團隊設計了數據領導力自我評估量表，包括數據源的相關性、數據管理、數據素養、探究思維、預期結果的清晰性和有效的數據使用等6個維度及48項要點[17]。Hoogland等人認為，學校領導者的數據領導力包含鼓勵數據使用、檢查數據使用實踐、展示數據素養、建立數據使用文化、為數據使用分配資源等幾個重要方面[18]。Reeves等人將學校層面的數據領導力劃分為數據使用優先化、為教師數據使用提供時間和機會、具有數據使用專業知識、建模、促進數據使用五個維度[19]。在國內，楊鑫等人確立了包含數據系統規劃力、數據設施建設力、數據循證創新力、數據賦能感召力、數據運營評估力、數據安全保障力和數據素養七大要素的校長數據領導力模型[20]。林琦通過文獻關鍵詞共現分析和德爾菲法構建了涵蓋數據規劃力、數據建設力、數據決策力和數據引領力4個一級維度和19個二級維度的數據領導力結構模型[21]。丁波濤從文化引導、組織變革、利益協調、績效控制和資源保障五個方面構建了大數據領導力的“五力”模型[22]。總體來看，國內外不同學者和機構組織提出的數據領導力構成要素不盡相同，在能力維度的劃分存在著一定區別。這種差異性展現了在不同研究環境、地域文化、研究對象等因素影響下對數據領導力的不同理解和界定。但同時可以發現，對數據領導力能力構成的探討大多考慮到了系統規劃、組織變革、績效評估、文化建設等幾個主要方面。

三、研訓者數據領導力測評模型構建

（一）研訓者數據領導力的界定和內涵剖析

從國家政策導向和現有實踐探索來看，研訓一體化已成為我國新時代教師培養模式的重要轉型。研訓一體化強調將教研與培訓視為不可分割的整體，其核心就是促進教師的學習[23]。研訓者（又稱研訓員、研訓教師）的概念，即是在研訓一體化的背景下發展而來的。研訓者是我國中小學教師隊伍中的特殊群體，其工作職責包括對教學的研究、培訓、指導、服務等[24]。本研究中的研訓者是指從事我國中小學教師培訓、教學研究及業務指導工作，促進教師專業發展的專業人員。從人員構成來看，承擔教師培訓工作的培訓者和承擔教研工作的教研員、學校教研組長都可以被納入本研究中研訓者的范疇內。基于前文對數據領導力的概念內涵與能力構成的文獻分析，并充分考慮研訓者職能定位，本研究認為研訓者數據領導力是指研訓者在數據情境中引導和影響教師使用數據賦能決策，以實現數據驅動教育教學改進和教師專業發展目標的能力。這種能力一方面體現在研訓者自身應具備運用數據的能力，能夠將基于數據的分析與診斷融入教師研訓過程，借助數據開展高效、精準、個性化的研訓工作；另一方面要求研訓者能夠深入教育教學的實踐層面，支持和指導教師開展數據驅動決策，有效利用數據改進教學實踐。此外，同其他能力一樣，研訓者數據領導力也具備知能融合性、實踐情境性、動態發展性和個體內隱性的基本特征，如圖1所示。

（二）測評指標的確定

測評模型的構建是后續測驗設計與測評實施的理論基礎，具有揭示研究對象要素構成及其內在關系和為科學評價與診斷研究對象提供有用信息兩方面的重要功能。基于文獻分析結果，本研究將研訓者數據領導力初步劃分為發展規劃指導、教學變革引領、績效評估交流、數據文化營造和主動學習發展五個一級指標。為進一步確定二級指標，本研究借鑒王永軍在構建信息化領導力模型的方法[25]，從支持數據驅動決策的領導行為入手，運用文獻梳理法和概念映射法歸納提煉二級指標。目前，教育領域關于數據驅動決策領導行為的探討主要以校長[26-28]和學區領導[29][30]為重點研究群體，涉及到設定數據使用目標、數據使用建模、組建數據團隊、提供反饋等領導行為。本研究聚焦能夠表征“發展規劃指導、教學變革引領、績效評估交流、數據文化營造和主動學習發展”五個一級指標且與研訓者實際工作密切相關的數據驅動決策領導行為，通過合并、精簡表述不同但含義和內容相近的行為，最終提煉得到的二級指標與一級指標間概念映射關系如下頁圖2所示。

本研究選取了兩類專家參與測評指標的論證，一類是高校學術類專家，其中大部分具有博士學歷且具有副教授及以上職稱，主要從學術視角保證指標的科學性、有效性；另一類是一線研訓者和研訓管理者，要求具備10年及以上的教師研訓經驗，主要從實踐視角保證指標的落地性和可操作性。兩類專家均在教師專業發展領域和數據驅動決策領域有著豐富的研究和實踐經驗。

第一輪專家論證共發放咨詢問卷15份，專家積極系數為100%。研究結果顯示：在一級指標上，除“發展規劃指導”外，專家認為一級指標總體重要程度較高（M>4.5）；在二級指標上，“團隊建設”“績效數據采集”“績效數據交流”“建立關系”“賦權師生”的平均得分小于4.5分。此外，專家對一、二級指標的意見集中程度較高（四分位數差<1.8）。結合專家文字意見，對測評指標的系統修訂主要從三方面開展：一是優化部分指標的命名方式，如2位專家認為“發展規劃指導”和“教學變革引領”對數據領導力而言范圍太大，在命名上未能體現數據特色；二是進行指標的增刪改，如2位專家指出“主動學習發展”雖然有利于數據領導力的發展，但不是領導力本身，還有3位專家指出“需求分析”“觀察診斷”“績效數據采集”“績效數據分析”之前存在交叉關系，核心都是數據采集與分析，只是數據的來源不一樣；三是修訂指標的內涵界定，如2位專家建議在“數據文化營造”中進一步增強數據文化的內涵，其中1位專家指出，對于研訓者來說，指導教師能夠批判性地看待數據而不盲目相信數據和數據分析結果同樣是數據文化的一個重要部分。

第二輪專家論證新增了3名具有豐富研究和實踐經驗的教師發展機構管理者，共發放18份咨詢問卷，其中有效問卷17份，專家積極系數為94.44%。研究結果顯示，除“賦權師生”平均得分略低于4.5分外，各一級指標和二級指標的專家認同度和意見集中度均達到了較好水平（M>4.5；四分位數差<1.8）。關于“賦權師生”，專家認為研訓者對師生使用數據更多是賦能而非直接賦權，建議改為“賦能師生”，具體指“研訓者賦予教師數據使用的潛能，并促進教師引導和支持學生使用數據為學習能力提高做出科學決策”。整體來看，第二輪論證中專家提出的修訂建議主要集中在命名方式和內涵界定兩方面，不涉及較大的結構性調整。

綜合兩次專家咨詢，圍繞數據驅動教育教學改進和教師專業發展的核心目標，本研究最終從系統規劃、示范指導和文化共建三個方面定位研訓者的數據領導力，詳細勾勒出研訓者在教育數字化轉型背景下引導和影響教師使用數據賦能決策所應展現的關鍵能力，將研訓者數據領導力的成分厘定為數據使用規劃、數據探究指導、數據文化建設3個一級指標及13個二級指標，形成了如圖3所示的測評模型。

四、研訓者數據領導力測評模型驗證

為進一步驗證測評模型的可行性、可操作性與有效性，一方面通過自評量表開發進行實證檢驗，另一方面開展專家認同度調查，具體結果如下。

（一）自評量表開發

本研究以初步形成的測評模型為依據，開發了研訓者數據領導力自評量表。自評量表共包含31個題項，其中數據使用規劃維度8個題項、數據探究指導維度14個題項、數據文化建設維度9個題項。量表采用李克特五點量表，分數越高，表明研訓者數據領導力水平越高。通過采用方便取樣的方式在華東地區和東北地區選取研究樣本，以網絡問卷的形式面向中小學教師研訓者收集數據，共回收問卷435份，其中有效問卷420份，有效回收率為96.55%。

1.項目分析

本研究遵循臨界比值法的分析思路，對研訓者數據領導力的自評數據進行分組，并采用獨立樣本t檢驗對高分組和低分組數據進行差異分析。結果顯示，各題項差異在p<0.01的置信水平上均達到顯著，表明問卷題項具有較好的鑒別度。

2.信度檢驗

信度分析結果表明，量表的Cronbach’s Alpha系數為0.992，且三個維度分量表的Alpha系數在0.972到0.988之間，說明自評量表總體信度較好。

3.模型探索與驗證

本研究隨機抽取一半樣本數據用于探索性因素分析，另一半數據用于驗證性因素分析，數據樣本量均滿足要求。

（1）探索性因素分析

KMO和Bartlett球形檢驗結果顯示，量表的KMO值為0.974>0.8，Bartlett球形檢驗的χ2值為10811.985（自由度為465），且達到顯著性水平（p<0.001），說明可以進行下一步的探索性因素分析。根據旋轉后的成分矩陣分析結果，刪除因子載荷小于0.5的題項Q14，保留余下30個題項。在最終確定的因子結構中，共提取出三個共同因子，分別指向數據使用規劃、數據探究指導、數據文化建設三個維度，三因子測量模型共同解釋了總方差的85.412%。

（2）驗證性因素分析

基于測評模型結構及前期探索性因素分析結果，本研究提出了二階模型和三階模型兩種假設模型。對二階模型驗證結果顯示，模型擬合度較好，因子荷載的標準化路徑系數均高于0.824。三個測評因子“數據使用規劃”“數據探究指導”和“數據文化建設”的相關系數分別為0.929、0.867、0.897，具有較高的相關性，表明三個因子之上可能存在更高階的共同因子。因此，研究進一步驗證三階模型，結果表明三階模型的擬合指數不僅達到了判斷標準[31]，且各項指標均優于二階模型，如表1所示。數據使用規劃、數據探究指導和數據文化建設三個因子在研訓者數據領導力因子上的路徑系數分別為0.966、0.989、0.934，均高于二階模型的路徑系數，這說明研究構建的研訓者數據領導力測評模型結構比較合理。

（二）專家認同度調查

本研究依托“國培計劃（2022）”示范項目——信息技術與教師培訓融合研修班，面向來自上海市16個區的50位優秀研訓者展開意見征詢，獲取關于自評量表中30個題項（三級指標）對其開展研訓工作重要程度的有效反饋信息，作為測評指標體系修訂的主要依據。研訓者的人員構成包括區優秀教研員、中小學校教研團隊負責人和學校管理者，主要從事培訓、教研、科研等方面的工作任務，由各區根據其數據素養水平與數據應用實踐成果擇優選拔參與國培項目。結果顯示，從平均數來看，30項指標的平均分處于4.60—4.76之間，說明專家認為測評指標整體的重要程度較高；從中位數和眾數來看，所有指標的中位數和眾數均為5（非常重要），說明專家對測評指標的意見較為集中；從離散度來看，所有指標的標準差均處于0.60—0.75之間，說明專家意見離散度較小，對指標意見較為統一；從填答百分比來看，各項指標中選擇“非常重要”和“比較重要”的專家人數合計比例均高于90%，同樣說明專家意見較為集中。從文字修訂意見來看，專家僅對測評指標的表述繁復程度和精準程度提出意見，并未對測評指標體系的結構提出異議。綜合上述分析，可以認為專家對測評指標體系的認同度較高，這也進一步驗證了研訓者數據領導力測評模型的科學性與可行性。

五、研訓者數據領導力測評模型應用

為了解掌握研訓者數據領導力現狀水平，本研究基于測評模型開展了兩輪測評實踐。第一輪測評實踐是對研訓者在數據領導力自評量表中的作答數據進行描述性統計和差異檢驗；第二輪測評實踐以情境性為主要測評特征，評估被試在情境判斷測驗中的作答反應。

（一）第一輪測評實踐

根據研訓者數據領導力自評量表計分要求，對420名研訓者的自評數據進行描述性統計，結果顯示：研訓者數據領導力的平均得分為3.04分，處于中等水平。其中，數據文化建設維度得分最高（3.09分），數據探究指導次之（3.03分），數據使用規劃得分最低（2.99分），各題項得分如下頁表2所示。

根據描述性統計結果，以2.99（25%分位數）和3.09（75%分位數）為觀測點對題項進行深入分析發現：（1）平均值低于2.99分的題目為A4、A3、A5、B11、B5、C5，這些題目主要分布在數據使用規劃和數據探究指導維度。研訓者在構建數據驅動決策模式（A4）、組建和發展數據團隊（A3）兩道題目上得分相對較低，說明研訓者目前在建設數據驅動的教學研究與實踐團隊，以及采用科學的決策流程支持數據決策方面能力不足。此外，尚不能針對數據使用設計清晰具體、可衡量、可達到的結果目標（A5）。（2）平均值高于3.09分的題目為C2、C4、C8、C1、C3，這部分題目歸屬于數據文化建設維度。隨著我國教育數字化轉型進程不斷推進，各地區的數據驅動實踐項目相繼涌現，研訓者對數據使用的價值認識和數據安全意識已基本構筑。相比之下，對于支持教師用好數據，以真正促進教育教學提質增效的能力則相對薄弱。

為進一步分析研訓者數據領導力的表現，本研究以性別、年齡、工作年限、學歷和職稱為控制因素進行差異檢驗。其中，性別采用獨立樣本T檢驗，其余采用單因素ANOVA方差分析，并進一步進行多重比較。結果如下：（1）研訓者數據領導力及各一級指標在年齡、工作年限、學歷和職稱上不存在顯著差異（p>0.05），基本呈現出研訓者學歷越高、職稱越高，數據領導力水平越高的特點；（2）以性別為控制因素進行差異分析發現，不同性別的研訓者在數據領導力及各一級指標均存在顯著差異（p<0.05），且男性得分均高于女性。

（二）第二輪測評實踐

情境測評是目前國際教育測量與評價領域的關注熱點，通過將注意力放在被試在真實情境中完成特定任務的能力表現而非獨立知識和技能上，可以更加客觀地衡量被試的能力水平。同時，數據領導力本身就具有典型的情境化特質。因此，本研究在測評模型和情境化測評理念的指導下，開發了研訓者數據領導力的情境測評工具，即一套包含22道題目的情境判斷測驗。為保證情境判斷測驗具有較高的信度和效度，在測驗開發過程中采用德爾菲法進行情境事件、反應選項、計分鍵等部分的多次評估和修訂工作，并在試測階段驗證了測驗具有較好的信效度。同時，針對研訓者數據領導力測評模型的每個二級指標都保證至少有1道題目去測量，以確保測驗的全面性。

研究采用方便抽樣的方法，通過湖南省和吉林省的教師發展機構、師資培訓中心等部門發放情境判斷測驗的網絡問卷，共回收有效測試答卷391份，有效回收率為94.9%。依據情境判斷測驗的計分鍵對測評數據進行處理，得到研訓者在每個題項上的得分（答對記1分，答錯則記0分），22個題項的得分之和即為研訓者數據領導力總體水平的測量指標（最高為22分），各一級指標的得分依據各指標下測量題項的總分除以題項數量得出（最高為1分）。情境判斷測驗得分越高，代表研訓者數據領導力水平越高。通過統計得出，研訓者數據領導力的平均得分為8.14分，說明研訓者數據領導力的整體水平處于中等偏下水平，亟待提升數據領導力。3個一級指標得分結果顯示，研訓者在數據文化建設方面表現最好（M=0.39），其次是數據探究指導（M=0.38），最后是數據使用規劃（M=0.33），與第一輪測評結果一致。

研究進一步從性別、年齡、學歷、職稱、工作年限和工作類別等方面對測評數據進行差異性檢驗，結果發現：（1）不同學歷研訓者的數據領導力水平存在顯著差異（p=0.001<0.05），具有碩士學歷的研訓者數據領導力水平最高（M=10.2；SD=3.72）。需要說明的是，由于具有專科學歷和博士學歷的研訓者樣本人數較少，在此不做分析。（2）以性別、年齡、職稱、工作年限、工作類別為控制因素進行差異檢驗發現，研訓者的數據領導力水平不存在顯著差異（p>0.05）。

六、結論與討論

科學測評是引領和推動研訓者發展數據領導力的重要工具和必要手段。本研究綜合運用文獻研究法、概念映射法、德爾菲法等，探析了研訓者數據領導力的概念內涵，構建了研訓者數據領導力測評模型，并開展了兩輪測評實踐。研訓者自評數據分析結果顯示，數據領導力尚未達到理想水平，在數據團隊建設、影響評估、目標設計等方面存在明顯不足，具體表現在籌劃、組建和發展數據團隊、依據科學的探究流程構建數據驅動決策模式、基于數據使用需求設計適切的結果目標、以及指導教師基于數據分析發現獲得關于策略調整的新見解等方面。為彌補自評量表忽視情境因素的不足，本研究基于測評模型，開發了《研訓者數據領導力情境判斷測驗》，以評估研訓者完成真實任務的外在表現。對測驗數據的分析得到了與第一輪測評基本一致的結論，這也進一步驗證了測評模型的科學性、可用性以及在不同測評工具和情境下的適應性。

數據領導力是數字時代背景下領導者能力內涵范疇的拓展，是判斷個體能否迎接數字時代機遇和挑戰的有力抓手和有形標尺。提高研訓者群體的數據領導力水平對于推動我國教育數字化轉型進程具有重要意義。結合實證數據分析結果，本研究從如下三個方面提出了對于提升我國研訓者數據領導力水平的對策建議：

一是，多智力投入，加快研制研訓者數據領導力標準體系。我國教育部于2014年啟動了“教育部—中國電信中小學校長信息技術應用能力提升項目”，并隨后發布了《中小學校長信息化領導力標準（試行）》，為如何提升中小學校長的信息化領導力指明了方向。但現實問題是，信息化領導力標準的更新情況相對落后。當前，我國教育信息化正向數字化加速邁進，時代背景、社會特征賦予大數據以前所未有的戰略高度，對領導者提出了更高的能力要求，數據領導力的重要性愈發凸顯。在研訓一體化的背景下，中小學教師研訓者肩負著教師專業發展的重任，其數據領導力水平直接關系到數據驅動的教育教學改進與教師專業發展的質量和成效。因此，應加快對研訓者數據領導力的標準體系研究。政府層面應整合高等院校、科研機構、市縣教師發展機構等多方智力資源，加快研制面向研訓者的數據領導力標準，多方面融入數據使用的基本理念和技術，通過標準引領加快落實精準研訓實踐。同時依據研訓者數據領導力標準，可進一步研制并出臺數據領導力相關培訓課程標準，以指導各地組織實施研訓者數據領導力提升項目，規范引領數據領導力培訓課程建設與實施工作。構建研訓者數據領導力評價指標體系，也可以填補我國在數據領導力評價標準方面的空缺，全面推動研訓者數據領導力標準銜接落地。

二是，多角色參與，建設以數據使用為核心的專業學習共同體。研訓者將數據分析與診斷融入日常研訓工作的前提是其首先有機會參與和浸潤在以數據使用為核心的共同體實踐中。在歐美等教育發達國家，數據團隊（Data Team）是基于數據的學校改進或教師專業發展的重要組織形式，對教師數據素養、教學動機、專業協作能力等方面的發展具有積極促進作用。數據團隊通常由4—6名教師和1—2名學校領導組成，還會有外部教學教練、大學促進者等的加入，運用結構化方法合作使用數據解決學校、學區或更大范圍內的特定教育教學問題[32]。在以數據團隊為組織形式的共同體實踐中，領導者通過示范、觀察、提供反饋、對話等措施，可以推動成員經歷“數據-信息-知識-行動”的數據探究過程[33]。借鑒數據團隊實踐的有益經驗，應推動組建和發展由學校管理者、研訓者、一線教師、數據專家等多元角色構成的教育研究與實踐共同體，圍繞學校教育教學改革與發展中的重要問題開展協同數據決策實踐，促進數據在共同體內的高效流通和創新應用。

三是，多場景構建，加強數據驅動決策的實施框架研究。近年來，國際上涌現出很多數據驅動決策過程模型，為教育工作者應用數據提供了路徑遵循。如美國技術教育研究中心（Technology Education Research Center，簡稱TERC）的“數據使用項目”提出了數據使用五階段過程模型，支持開展數據素養相關的培訓與實踐[34]；荷蘭數據團隊（Data Team）項目受荷蘭教育部支持，構建了數據團隊實踐過程模型，遵循界定明確的八個步驟指導教師以協作形式開展數據實踐以改進教育教學[35]；美國哈佛大學教育研究生院的“數據智慧”教師專業發展項目，基于Boudett團隊提出的“數據智慧改進過程（Data Wise Improvement Process，簡稱DWIP）”模型，為教師數據素養發展提供了“計劃-行動-評估”的明確路徑[36]；佛蘭德斯學校反饋項目的學校反饋使用步驟模型，支持從學校現有數據出發，實施改善教學的決策行動[37]。但在學校教育系統內，數據驅動決策實踐是一項系統工程，且學校數據使用場景的多元化也影響著數據驅動決策的目的和復雜度。因此，應加強不同場景下數據驅動決策實施框架的研究，綜合考慮數據使用的組織背景、可用數據、數據系統特征、數據使用過程等要素，構建具有系統性、應用性的數據驅動決策實施框架。同時，根據不同場景特點和應用需求，研究制定數據驅動決策的實施策略和舉措，為研訓者指導一線教師開展數據驅動的決策實踐提供腳手架支持。

參考文獻：

[1] 習近平.高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告[EB/OL].http：//www.gov.cn/xinwen/2022-10/25/content_5721685. htm，2023-05-25.

[2][9][20] 楊鑫，茍睿等.校長數據領導力：落實國家教育數字化戰略的關鍵能力[J].中國電化教育，2023，（5）：65-73.

[3] 李輝，趙家正.領導干部數據領導力指標體系建構及其應用價值分析[J].領導科學，2021，（12）：53-56.

[4][12] 張世昌，商容軒等.“變”與“不變”：大數據時代數據領導力提升策略的雙重建構[J].理論探討，2022，（3）：104-109.

[5] 賀曉麗.如何提升領導干部數據領導力[J].中國黨政干部論壇，2021，（8）：78-81.

[6][33] 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，（2）：269-289.

[7] Schildkamp K，Poortman C.Factors influencing the functioning of data teams [J].Teachers college record，2015，117（4）：1-42.

[8][21] 林琦.數據領導力：內涵特質、結構模型與實踐路徑[J].電化教育研究，2023，44（4）：110-116.

[10] 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.

[11] Roegman R，Perkins-Williams R，et al.Developing data leadership：Contextual influences on administrators’ data use [J].Journal of Research on Leadership Education，2018，13（4）：348-374.

[13] 閆境華，石先梅.數據生產要素化與數據確權的政治經濟學分析[J].內蒙古社會科學，2021，42（5）：113-120.

[14] 趙家正，李輝.公安機關大數據領導力及其提升策略研究[J].智庫理論與實踐，2021，6（3）：37-44.

[15] Mingchu L.Structural equation modeling for high school principals’ datadriven decision making：An analysis of information use environments [J]. Educational Administration Quarterly，2008，44（5）：603-634.

[16] Wayman J C，Wilkerson S B，et al.Guide to using the Teacher Data Use Survey [EB/OL].https：//files.eric.ed.gov/fulltext/ED569169.pdf，2023-10-10.

[17] Wisconsin Department of Public Instruction.Data-Informed Leadership [EB/OL].https：//dpi.wi.gov/wisexplore/data-informedleadership，2023-10-03.

[18][26] Hoogland I，Schildkamp K，et al.Prerequisites for data-based decision making in the classroom：Research evidence and practical illustrations [J]. Teaching and Teacher Education，2016，60：377-386.

[19] Reeves T D，Summers K H，et al.Examining the landscape of teacher learning for data use：The case of Illinois [J].Cogent Education，2016，3（1）：1211476.

[22] 丁波濤.大數據領導力的“五力”模型研究[J].上海城市管理，2019，28（4）：40-45.

[23] 郭紹青，張絨等.“教—研—訓”一體化教師培訓實踐模式與策略研究——以中國和聯合國兒基會“災區教師培訓”項目為例[J].中國遠程教育，2013，（3）：88-92.

[24] 王占發.促進研訓教師專業發展的思考與實踐[J].上海教育科研，2013， （6）：75-77.

[25] 王永軍.面向教育4.0的創新發展：中小學校長信息化領導力框架之構建[J].遠程教育雜志，2020，38（6）：41-49.

[27] Wayman J C，Spring S D，et al.Using data to inform practice：Effective principal leadership strategies [C].Vancouver：the American Educational Research Association，2012.13-29.

[28] Schildkamp K，Poortman C L，et al.How school leaders can build effective data teams：Five building blocks for a new wave of data-informed decision making [J].Journal of Educational Change，2019，20（3）：283-325.

[29] Leithwood K，Anderson S，et al.Leading data use in schools：Organizational conditions and practices at the school and district levels [J].Leadership and Policy in Schools，2010，9（3）：292-327.

[30] Levin J A，Datnow A.The principal role in data-driven decision making：Using case-study data to develop multi-mediator models of educational reform [J].School Effectiveness and School Improvement，2012，23（2）：179-201.

[31] 吳明隆.結構方程模型——AMOS的操作與應用[M].重慶：重慶大學出版社，2007.42.

[32] Bolhuis E，Voogt J，et al.The development of data use，data skills，and positive attitude towards data use in a data team intervention for teacher educators [J].Studies in educational evaluation，2019，60：99-108.

[34] Nunnaley D.Professional development to build data literacy：The view from a professional development provider [J].The Journal of Educational Research Policy Studies，2013，（2）：39-49.

[35] Ebbeler J，Poortman C L，et al.The effects of a data use intervention on educators’ satisfaction and data literacy [J].Educational Assessment，Evaluation and Accountability，2017，（29）：83-105.

[36] Boudett K P，City E A，et al.Data wise：A step-by-step guide to using assessment results to improve teaching and learning [M].Cambridge，M. A.：Harvard Education Press，2005.108.

[37] Schildkamp K，Lai M K，et al.Data-based decision making in education：Challenges and opportunities [M].Heidelberg：Springer，2013.

作者簡介：

王巍：助理研究員，博士，研究方向為教師培訓專業化、數字化領導力、信息化教學設計。

閆寒冰：教授，博士，博士生導師，研究方向為信息化教學、遠程教育管理、培訓專業化。

Research on the Construction and Application of the Data Leadership Assessment Model for Teacher Trainers

Wang Wei1， Yan Hanbing2

1.Research Institute of Fundamental Education Development， Shanghai Normal University， Shanghai 200234 2.School of Open Learning and Education， East China Normal University， Shanghai 200062

Abstract： With the vigorous development of the global digital economy， data has increasingly become an important strategic resource and new production factor， bringing revolutionary changes to the tasks and competence requirements of leaders. The concept of data leadership has emerged as the times require. As leaders and guides in the professional development of teachers in China， teacher trainers must possess a certain level of data leadership in order to calmly respond to the new challenges brought by the digital age to teaching and teacher development. Scientific assessment is a prerequisite for high-quality and efficient competence cultivation and development， but currently there is a lack of guiding data leadership assessment models for teacher trainers in China. Based on this， this study follows the general paradigm of constructing educational assessment models. By clarifying the connotation and characteristics of data leadership of teacher trainers， a data leadership assessment model for teacher trainers was constructed from two aspects： theoretical speculation and empirical analysis， which includes three primary indicators such as data use planning， data exploration guidance， and data culture construction， as well as 13 secondary indicators. The empirical test results indicate that the assessment model has good feasibility and effectiveness， and can provide theoretical guidance for scientifically and accurately evaluating the data leadership level of teacher trainers. Finally， based on the current level and existing problems of data leadership among teacher trainers in China， this study proposes specific suggestions from three aspects： multi intellectual investment， multi role participation， and multi scenario construction.

Keywords： assessment model； assessment index system； teacher trainers； data leadership

收稿日期：2023年11月9日

責任編輯：李雅瑄