美國中小學教師數據驅動教學決策：實踐框架、影響因素與推進舉措

[收稿日期] 2020-05-12

[基金項目] 教育部人文社會科學研究青年基金項目（18YJC880062）

[作者簡介] *婁元元（1983—），女，河南潢川人。博士，講師，碩士生導師，主要研究方向為課程與教學論。

[ 摘 要] 數據驅動教學決策在美國教育領域備受關注，已經成為了改進教學的重要驅動因素。美國中小學教師收集數據的類型主要有人口統計數據、過程數據、學習評價數據、感知數據等;數據驅動教學決策的過程包括收集數據、分析數據、闡釋數據、運用數據制定決策;影響數據驅動教學決策的因素主要有數據基礎設施不足、教師數據觀念的限制、學校數據文化的缺乏以及數據素養教育缺乏。鑒于此，美國采取了建立高質量數據管理系統，制定相關數據政策，培育學校數據文化，開展教師數據素養教育等重要舉措，以促進教師有效運用數據驅動教學決策。

[ 關鍵詞] 數據;教學決策;教學改進

[ 中圖分類號] G639 文獻標識碼] A [文章編號] 1005-4634（2021）03-0073-06

大數據時代，數據對教師教學決策具有重要價值。我國《國家教育事業發展“十三五”規劃》指出，要“利用大數據技術開展對教育教學活動和學生行為數據的收集、分析和反饋，為推動個性化學習和針對性教學提供支持”。 隨著我國各級教育數據庫的逐步建立，中小學教師面臨如何利用數據制定教學決策，促進教學改進的巨大挑戰。美國在數據驅動教學決策方面積累了豐富的經驗，取得了較好的效果，其數據驅動教學決策的推進舉措可資我國借鑒。

1 數據驅動教學決策的內涵

數據驅動教學決策是系統地收集、分析和應用多種來源數據，根據學生的學習需要，提高學生學業表現的過程。在此過程中，教師要能夠識別學生的學習優勢和劣勢，根據學習目標來設計教學[1]。教育情景下，數據驅動決策是分析和使用學生數據和相關的教育信息，為制定規劃、資源分配和學生布局以及課程設置和開展教學提供依據，不斷收集數據并持續改進教學的過程[2]。數據驅動教學決策主要強調超越數據，將數據轉換為有用的知識，闡釋數據背后的意義，繼而轉化成行動，改進教學實踐。因此，數據驅動教學決策可以界定為教師系統地收集和分析來源不同的數據，規劃和改進教學策略的過程。從原始數據中得出有用信息，包括6個步驟：（1）收集數據;（2）組織數據;（3）總結數據;（4）分析數據;（5）將數據轉化為信息;（6）決策制定[3]。

值得注意的是，學界對數據驅動教學決策存在爭議，一些研究者提出新的概念描述運用數據改進教學，如“基于數據的決策（data-based decision）”“數據感知教學決策（data-informed decision）”。研究者認為數據驅動教學決策本身具有工具主義的價值傾向，教學決策不能僅基于數據或者依靠數據驅動，數據并不能為教師提供學生學習的所有信息。教師需要合理認識數據與教學決策之間的關系：數據只是為教學決策提供了依據和參考，增加了教學決策的科學性。但是，教學決策不能僅依靠數據，排斥經驗、直覺、道德等因素的作用。

2 美國中小學教師數據驅動教學決策的實踐框架

數據并不能直接導致教學決策的產生，只有理解教師是如何運用數據來進行教學決策，才能揭開數據驅動教學決策的“黑箱”。

2.1 數據的來源及類型

教師需要收集的教學決策數據類型包括：人口統計數據、過程數據、學習評價數據以及感知數據。具體來說：（1）人口統計數據，可以為教學決策提供背景性信息，包括學生的人數、年齡、年級、民族、性別、家庭社會經濟地位等。（2）過程數據，包括課堂觀察數據，例如同事或學校領導者的課堂觀察、作業等。隨著信息技術在課堂中的運用，過程數據還包括電子設備收集的學生討論、回答問題、作業等即時性數據。（3）學習評價數據，包括國家統一測試的成績，期中、期末考試成績以及日常的測驗成績等。（4）感知數據，主要反映學生及家長對學校、教學的滿意度及感受。這類數據一般通過調查、訪談等方式獲得。

來源豐富的數據可以為教學決策提供證據鏈，突破以往僅靠考試成績來評價學生學習的局限。例如，當教師診斷學生的學習時，可以將考試成績與學生的背景性信息（例如作業、性別、家長調查的結果）聯系起來分析，從而判斷學生成績變化的原因，進而決定教學的哪些方面需要改進。由于教學和學習過程的復雜性，不能過度依靠標準化的測驗來測量學生的學習，以線性的方式診斷學生的薄弱之處并采取行動。相比之下，形成性評價數據對于教師來說是較為有用的[4]。 如果教師僅使用標準化測驗的數據來判斷學生的學習需要，有可能造成“為考試而教”。

2.2 數據驅動教學決策的過程

國外研究者總結了不同的框架，以揭示教師在實踐中如何運用數據進行教學決策。

第一，哈佛“數據智慧”改進過程框架。哈佛教育學院與波士頓3所公立中小學的學校領導者共同進行了為期2年的研究，提出了一個運用數據改進教學的框架，為在學校開展數據驅動教學決策提供了借鑒。“數據智慧改進”過程包括準備、探究和行動3個階段，共8個步驟[5]（具體見圖1）：（1）教師合作，建立教師、管理人員組成的數據團隊;（2）發展教師評價素養，教師要具有分析和處理數據的能力，例如探討評價工具、研究評價報告;（3）創建數據概覽，通過統計圖表（條形圖、折線圖、餅圖等），展示各種數據，運用可視化圖表幫助教師理解復雜的數據;（4）挖掘學生數據，確認一個學習者中心問題，主要是能夠反映學生在技能和知識方面存在的問題;（5）檢視教學，使教師明確教學實踐中存在的問題;（6）制定行動規劃，提出解決方案;（7）制定評價策略，在開展行動前制定評價學生學習進程的方案;（8）行動并評價。其中，（1）～（2）為準備階段，（3）～（5）為探究階段，（6）～（8）為行動階段。

第二，IES數據驅動決策框架。2009年，美國教育科學機構（Institute of Education Science，簡稱IES）發布研究報告《運用學生成績數據來支持教學決策》（Using Student Achievement Data to Support Instructional Decision Making），提供了一個運用學生成績數據來支持教學決策的框架（見圖2）。該框架認為教師運用數據改進教學是一個循環的過程：（1）收集和準備關于學生學習的數據，例如年度的、期中的以及課堂評價數據;（2）詮釋數據并且形成關于學生表現影響因素的假設，以及需要采取哪些行動滿足學生的需要;（3）改進教學實踐來驗證假設。最后重新開始這一循環過程，通過收集和解釋學生的表現數據對教學改進進行評估。由于教師運用數據的過程是一個循環的過程，因此教師可以從任何一個地方開始[6]。

3 美國中小學教師數據驅動教學決策的影響因素

數據驅動教學決策的理論假設是如果教師能夠獲得學生的學習數據，那么他們就能據此識別出學生已經掌握哪些知識，從而根據學生的學習需要改進教學實踐。而實際上，教師在實踐中運用數據改進教學比提倡者所理想化的假設要復雜得多，數據驅動教學決策的效果各異，受到數據系統、教師觀念、專業發展、學校文化和領導等多方面的影響。

3.1 數據基礎設施不足

數據基礎設施是影響數據驅動教學決策的重要因素，數據的相關性、及時性、易訪問性等都影響教師運用數據。對美國3個學區的教師調查發現，教師有效運用數據最大的挑戰來自于數據的及時性、價值性、用戶友好性[7]。 在問責制的壓力下，美國各州、學區建立了數據系統，教師較之以往容易訪問學生數據系統，但是數據系統不能跨系統分享數據，并且儲存的數據有限，缺乏工具幫助教師分析數據。此外，數據系統之間缺乏互操作性（interoperability），教師只能使用相互分離的兩個或幾個數據系統[8]。 一些學校數據系統儲存的只是國家考試數據，教師感覺這些數據是過時的。盡管學校是“數據豐富”的，但是學校仍然是“信息貧乏”的，大量的數據通常存儲在教師無法訪問的地方，缺乏相關的信息技術來有效地組織、存儲和產生數據[9]。如何將數據以易于使用的形式提供給教師是數據基礎設施建設面臨的挑戰。

3.2 教師數據觀念局限

長期以來，教師在教學中主要是根據直覺和有限的觀察以及經驗來進行教學決策。一些教師認為沒有必要根據數據來改進教學，即便為他們提供學校數據或者班級數據，教師依然習慣于將經驗作為決策的主要依據。教師運用數據的目的、動機、自我效能感等影響他們運用數據的方式。自我效能感理論認為一個人對自己做某事的能力的信念，會影響他或她的行為和執行該行為的有效性。教師有效運用數據進行教學決策，需要教師具有較強的自我效能感[10]。Vanlommel等人對408名小學教師進行調查發現，教師的動機影響他們數據的運用。當教師認為他們具有一定的自主性，會比較多地運用數據。反之，當教師感覺缺乏自主性時，他們運用數據的積極性就會降低[11]。 在運用數據的過程中，教師關注的主要是學習數據（data of learning ），例如標準化測驗的成績，而不是為了學習的數據（data for learning），如課程和教學實踐的數據等[12]。 受已有觀念的影響，教師傾向于尋求支持自己的觀念、假設和經驗的數據，忽視與他們的觀念相矛盾的數據。尤其是在學校數據超載的情況下，由于時間和注意力有限，教師通常縮小他們所查找的數據范圍[13]。

3.3 學校數據文化缺失

數據驅動教學決策是一個復雜的過程，涉及數據的收集、分析、詮釋等，依靠單個教師難以完成。數據驅動教學決策需要教師們以數據為中心開展協商與合作，使具有不同觀念、專長的教師收集來源豐富的數據，從不同角度詮釋數據意義，共同規劃和改進教學。然而，實踐中教師運用數據進行教學決策往往是私人化的、個體的行為，導致教師之間以數據為中心的合作分享是淺層次的、膚淺的。有研究者采用個案研究的方法，對6所學校以數據運用為目的的教師合作進行了研究，發現影響教師合作運用數據的因素包括領導關注數據運用、體現集體責任的數據驅動決策的框架、建立教師合作的規范、實施數據討論指南、教師分組等[14]。此外，教師缺乏時間也成為影響教師合作的重要因素。值得注意的是，在一些情況下，教師團隊合作也會對數據運用產生負面影響，例如教師團隊只有有限的專家，在此種情況下會造成誤解或者誤用數據，共同合作可能會產生差的課堂實踐[15]。

3.4 數據素養教育缺乏

數據驅動教學決策是教學范式的轉變，這種范式主要以學習者為中心，滿足個性化學習的需要，教師并沒有為此做好準備，教師數據素養缺乏成為影響教師運用數據的重要因素。教師數據素養是指通過收集、分析和解釋不同類型的數據，將信息轉化成教學知識和實踐，以改進教學的能力。包括基于標準理解數據、學科知識和實踐、課程知識、學科教學知識以及理解學生如何學習[16]。 在對教師數據素養進行的相關培訓中，主要關注如何訪問數據管理系統。對教師數據運用的培訓通常是和技術培訓同步的，但是如果培訓只是關注技術的學習，忽視了如何使用數據的學習，那么教師就很難具有數據素養[17]。美國一個全國范圍的調查發現：43%的教師接受了數據分析的培訓，接受調查的教師認為培訓不夠充分[8]。在美國一個學區進行的調查中，72%的教師認為缺乏相關的培訓是影響他們運用數據系統的障礙，教師表示其需要接受關于數據改進教學相關的專業發展[18]。

4 美國中小學教師數據驅動教學決策的推進舉措

為使教師有效地運用數據進行教學決策，美國積極探索數據驅動教學決策的路徑，取得了一些值得借鑒的經驗。

4.1 建立高質量數據管理系統

高質量的數據系統為教學決策提供必要的信息，能夠全面記錄和追蹤學生的學習軌跡。美國建立了覆蓋范圍極廣的教育數據系統，據“數據質量運動”統計，早在2014年，美國43個州的數據庫已涵蓋了從早期兒童教育至中學后教育階段數據，18個州以及哥倫比亞特區已建立了P-20W系統[19]。在中小學校，數據系統一般包括管理信息系統、學習管理系統和評價信息系統。管理信息系統涵蓋學校的基本數據，例如時間表、財政規劃等;學習管理系統主要是支持學習和教學過程;評價信息系統包括標準化測試成績、課堂評價以及學生的檔案袋，一些數據系統可以綜合成數據倉庫，進行多維度的分析，減少探究和維護的成本[20]。數據系統具有易于操作的可視化數據分析工具，能為教師提供格式化的報告和查詢工具，幫助教師理解和詮釋數據的意義。例如，一些學習管理系統具有提供數據實時報告的功能，為教師提供實時數據，而不是月數據、學期數據或者學年數據，實時數據可以使教師知道學生學習進程及學習需要。一些學習管理系統具有提醒功能，通過郵件等方式及時通知教師學生的學習進程;還能夠根據學習風格的不同將學生分組，為學生提供不同的練習和課程[21]。

4.2 提供相關數據政策支持

美國在促進數據驅動教學決策方面出臺了一系列的政策，為教師運用數據提供了指引和保障。2001年，美國政府出臺《不讓一個孩子掉隊法案》，2009年美國教育部頒布的《美國復蘇與再投資法案》，都要求建立監控學生學習質量的數據系統。2011年，美國教育部發布名為《教師利用數據影響教學的能力：挑戰與保障》的研究報告，教育部長鄧肯提出，教師要利用學生成績等數據來驅動教學和評價，聯邦政府鼓勵并支持利用數據改進教學[22]。2012年，美國教育部發布了《通過教育數據挖掘與學習分析促進教與學》藍皮書。在自上而下的政策驅動下，越來越多的學校投入到數據驅動教學決策的改革中。為了促進教師數據知識和技能的提升，美國將數據素養納入教師資格和認證制度。美國數據質量運動2014年的調查指出：2014年，已經有19個州在教師資格和審批程序政策中列入數據素養的內容，以確保教師在入職前掌握有效解釋和使用數據的技能[23]。在數據安全和數據隱私保護方面，許多州為了保護學生的數據隱私，制定了相關法案。2018年，美國共計25個州通過了59項新法案，涉及教育數據的收集、鏈接、使用、獲取、保護等方面[24]。

4.3 培育學校數據優先文化

培養合作、信任的數據文化是美國在促進教師運用數據驅動教學決策中達成的共識，其具體做法包括：第一，校長要建立以數據運用為中心的愿景和運用數據的規范。共同的愿景可以使教師愿意為了滿足學生的學習需要來運用數據。校長要充分信任教師，在學校中運用數據進行教學決策，不是為了懲罰或者責備教師，而是將數據作為工具來確定哪些領域需要改進。在良好的數據文化下，教師愿意將數據放在集體的環境下進行公開討論，而不用擔心管理者是出于評價的目的讓教師公開數據，使教師之間互相信任，重視數據在改進教學中的價值，能夠常規性地運用數據來進行教學決策。第二，學校領導者為教師提供合作的機會和時間。在學校建立教師合作團隊，如合作小組、研究團隊、專業學習共同體等，使教師能夠共同合作，分享和討論學生的學習結果，分析闡釋數據。教師合作可以為教師提供專業對話的機會，彌補教師個體數據知識和技能的不足。一些學校將數據討論以制度化的形式固定下來，利用一些工具促進教師合作。例如，美國一些學區開發了數據討論協議來指導以數據為中心的討論。

4.4 開展教師數據素養教育

2011年美國教育部規劃、評價和政策辦公室提出教師數據素養應包括5大技能：數據收集的技能、理解數據的技能、解釋數據的技能、運用數據進行教學決策的技能、根據數據發現問題的技能[18]。 美國對教師數據素養教育的形式是多種多樣的。第一，建立數據團隊。數據團隊包括一個數據專家，4～6個教師，1～2個學校領導者，他們共同合作運用數據來解決學校問題。數據團隊的成員一般接受大學研究者2年左右的培訓。大學研究者每月與數據團隊見面，對數據團隊進行指導和幫助[25]。 第二，配備數據教練，數據教練可以是學校內部人員，也可以是外部的咨詢者，包括校長、教師領導者、有經驗的教師等，幫助教師分析數據、解釋數據以及運用數據改進教學。第三，開設數據驅動決策的課程，包括兩種類型：一種是開設獨立的數據素養課程;另一種是將數據素養的學習整合進其他專業課程的學習中。這些措施從一定程度上提升了教師的數據素養。

參考文獻

[1] SCHIFTER C，NATARAJAN U， KETELHUT D J， et al. Data-driven decision making： facilitating teachers use of student data to inform instruction[J]. Contemporary Issues in Technology and Teacher Education，2014，14（4）： 419-432.

[2] U.S.Department of Education.Teachers′ use of student data systems to improve instruction[EB/OL].（2008-02-14）[2020-05-12].https：//www2.ed.gov/rschstat/eval/tech/teachers-data-use/teachers-data-use.pdf.

[3] IKEMOTO G S， MARSH J A. Cutting through the "data-driven" mantra： different conceptions of data-driven decision making [EB/OL].（2015-04-13）[2020-05-12].http：//www.rand.org/pubs/reprints/RP1372.html.

[4] DATNOW A， PARK V， KENNEDY L B. High school teachers′ use of data to inform instruction[J]. Journal of Education for Students Placed at Risk，2012，17（4）：247-265.

[5] BOUDETT K P， CITY E A，MURNANE R J. The "data wise" improvement process[J]. Principal Leadership， 2006，7（2）： 53-56.

[6] U.S.Department of Education.Using student achievement data to support instructional decision making [EB/OL]. （2019-3-16） [2020-05-12]. https：//files.eric.ed.gov/fulltext/ED506645.pdf.

[7] KARR K A， MARSH J A.Strategies to promote data use for instructional improvement： actions， outcomes ， and lessons form three urban districts[J]. American Journal of Education，2006，112（4）： 496-520.

[8]? U.S.Department of Education.Implementing data-informed decision making in schools： teacher access， supports and use[EB/OL].（2009-01-01）[2020-05-12].https：//files.eric.ed.gov/fulltext/ED504191.pdf

[9] WAYMAN J C.Involving teachers in data-driven decision making： using computer data systems for support teacher inquiry and reflection[J].Journal of Education for Students Placed at Risk，2005，10（3）： 295-308.

[10] REEVES T D， SUMMERS K H， GROVE E. Examing the landscape of teacher learning for data use： the case of Illinois[J].Cogent Education， 2016，3（1）：1-21.

[11] VANLOMMEL K， VANHOOF J， VAN P P. Data use by teachers： the impact of motivation， decision-making style， supportive relationships and reflective capacity[J].Educational Studies，2016，42（1）： 36-53.

[12] SHEN J P， COOLEY V E. Data-informed decision making on high-impact strategies： developing and validating an instrument for principals[J].The Journal of Experimental Education，2012， 80（1）：1-25.

[13] 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.

[14] DATNOW A， PARK V， KENNEDY L B. Affordances and constraints in the context of teacher collaboration for the purpose of data use[J]. Journal of Educational Administration，2013，51（3）： 341-362.

[15] DALY A J. Data， dyads，and dynamics：exploring data use and social networks in educational improvement[J]. Teachers College Record，2012，114（11）：1-38.

[16] MANDINACH E B， GUMMER E S. What does it mean for teachers to be data literate： laying out the skills， knowledge， and dispositions[J].Teaching and Teacher Education，2016（60）：366-376.

[17] DATNOW A， HUBBARD L.Teacher capacity for and beliefs about data-driven decision making： a literature review of international research[J].Journal of Educational Change，2016（17）：7-28.

[18] U.S.Department of Education.Teachers′ ability to use data to inform instruction： challenges and supports[EB/OL].（2011-02-01）[2020-05-12].https：//files.eric.ed.gov/fulltext/ED516494.pdf.

[19]? U.S.Department of Education.A guide to using state longitudinal data for applied research NCEE 2015-4013[EB/OL].（2015-06-01）[2020-05-12].https：//files.eric.ed.gov/fulltext/ED557784.pdf.

[20] BREITER A， LIGHT D. Data for school improvement： factors for designing effective information systems to support decision-making in schools[J]. Educational Technology & Society， 2006， 9（3）： 206-217.

[21] KADEL R. Data-driven decision making not just a buzz word[J]. Learning & Leading with Technology，2010，37（7）： 18-21.

[22] MANDINACH E B， GUMMER E S.A systemic view of implementing data literacy in educator preparation[J]. Educational Researcher，2013，42（1）： 30-37.

[23] Data Quality Campain.Teacher data literacy： it′s about time[EB/OL].（2014-6-30）[2020-05-12] https：//dataqualitycampaign.org/wp-content/uploads/2016/03/DQC-Data-Literacy-Brief.pdf.

[24] Data Qulity Campaign.Education data legislation review： 2018 state activity[EB/OL].（2018-10-2）[2020-05-12].https：//dataqualitycampaign.org/wp-content/uploads/2018/09/2018-DQC-Legislative-Summary.pdf.

[25] SCHIILDKAMP K， POORTMAN C L，HANDELZALTS A.Data teams for school improvement[J].School Effectiveness and School Improvement，2016，27（2）： 228-254.

Data-driven teaching decision-making in American primary and

secondary school teachers：practice framework， influencing factors

and promotion measures

LOU Yuan-yuan

（Professional and Continuing Education College，Yunnan University， Kunming，Yunnan 650091，China）

AbstractData-driven teaching decision-making has received much attention in the field of education in the United States， and has become an important driving factor for improving teaching. The types of data collected by primary and secondary school teachers in the United States mainly include demographic data， process data， learning evaluation data， perception data， etc.; the process of data-driven teaching decision-making includes collecting data， analyzing data， interpreting data， and using data to make decisions; affecting data-driven teaching the main factors for decision-making are insufficient data infrastructure， limitation of teachers′ data concept， lack of school data culture and lack of data literacy education. In view of this， the United States has adopted important measures such as establishing a high-quality data management system， formulating relevant data policies， cultivating school data culture， and developing teacher data literacy education to promote the effective use of data to drive teaching decisions.

Keywordsdata; teaching decision-making; teaching improvement

[責任編輯 馬曉寧]