理解教師與教師理解：教師數據使用的現實困境和微觀審視

摘要： 從中國教育大數據元年的開啟到教育數字化轉型戰略的提出，教育領域的數據應用不僅面臨著物化數字化基礎設施的迭代更新，還亟待構建應用主體教師的數字化思維和能力。當前學校教育實踐主要從宏觀層面關注數據應用技術和活動的施展，而對教師具體如何理解和使用數據鮮少問津。教師作為教育數字化轉型的關鍵中介變量，我們是否能夠理解一線教師在數據應用實踐中所面臨的實際困難，以及是否能夠從具體層面認識教師理解和分析數據的復雜心理過程和規律，這將決定著教育領域數據應用的整體面貌和最終成效。該研究通過系統梳理教師數據應用的主要制約和影響因素，從微觀視角關注教師數據應用過程，歸納推動教師數據應用和過程探究的方法，試圖為當前數據驅動的學校變革提供有益啟示和建議。

關鍵詞：數據驅動的教學決策；數據文化；數據感知

中圖分類號：G434 文獻標識碼：A

本文系全國教育科學規劃一般課題“數據驅動的教學決策提升課堂教學績效的路徑與策略研究”（課題編號：BCA230279）階段性研究成果。

一、引言

隨著教育數字化轉型戰略的實施以及循證式教育的興起，數據已成為教師教育教學過程中的核心要素。當前，有關數據采集、挖掘、加工和處理的智能技術受到教育業界的普遍追捧，但數據使用本質上是一個人為的解釋性過程，包括注意數據，使其具有意義并構建相應行動。Evans曾指出，包括數據應用戰略在內的任何教育變革，只有在教師個人交付或實施時才會有效，因為數據使用是一種高度個人化的活動，教師將他們基于數據的發現應用到自身教學活動中[1]。Little也認為教師與數據互動的過程受其個人特征和社會互動的影響[2]。針對教師數據應用微觀過程的研究，有助于我們掌握教師圍繞數據構建的社會互動細節、細微差別和不同模式，從而最終理解教師如何通過數據獲得意義的過程。但迄今為止，針對教師數據應用實踐微觀層面的研究非常有限，教育領域有關數據驅動決策的研究主要集中在宏觀層面影響數據驅動決策的因素，如學校教育機構的背景、結構、支持和系統等，而較少考慮教師的個體心理特征。通過研究教師具體是如何與數據進行互動的，認識教師數據應用過程的各種影響因素，探究教師理解和分析數據的認知過程，可以幫助我們理解特定的數據使用活動是如何在地區、學校和教室的實踐中被采用和調整的，以及什么時候和在什么條件下教學活動、結構和組織能夠促進績效的提升，同時也可以增強我們對數據使用、教育改進以及組織學習和變革本質的理解，包括教師數據應用的各種困境，數據使用如何促進學生學業、教學變革和組織學習以及未能促進和引發意外等各種后果的產生機制。

二、理解教師：教師數據應用困境的現實考量

在過去十年里，智能技術的飛速發展使教育者能夠以越來越有效和系統的方式采集、處理、共享和呈現數據，人們也越來越多地期望教師能夠有意識地、系統地使用數據來指導他們的教學決策，數據也被認為是發現和糾正直覺決策陷阱的重要方法。但總體來看，期望教師使用數據能夠自動產生提升學生學習決策的想法還是過于簡單化，因為教師的數據收集過程并不像教育研究和政策所預期的那樣合理，可能呈現從理性的、深思熟慮的數據搜索到個體直觀的、以識別為基礎的多樣局面。即使數據是基于理性程序收集的，教師仍然需要學會理解數據，因為同樣的數據對不同的教師可能有著不同的含義，教師通過他們的直覺、心理印象、經驗和教學理念來不斷過濾數據，感知過程不可避免地會影響教師的推理和決策過程以及它們在多大程度上能得到數據的支持。因此，決策永遠不可能完全由數據驅動。

Shavelson等發現，教師教學決策受學生能力、學業成績、課堂參與、自我概念、社交能力、課堂行為、工作習慣、獨立性以及教師理念等多種因素影響，教師需要同時處理大量信息，包括對學生能力的評估，我們并不知道教師在復雜判斷任務中使用的隱含規則和標準，也不清楚他們如何整合信息得出事件因果解釋的過程[3]。為了使這一過程更加科學可靠，教師需要調用相關教學知識、技能和信念來有效和負責任地解釋數據。其次，在具體數據驅動的教學決策（Data-Driven Decision-Making，以下簡稱DDDM）過程中，教師還受到多種組織特征、用戶特征和數據特征的影響[4]，具體如圖1所示。通常，一個因素的存在是數據使用的促成因素（如獲取數據），而另一個因素的缺乏（如缺乏知識和技能）則可能是一個障礙，眾多因素交錯影響，共同構成了教師教學決策復雜影響局面。此外，數據雖然為有效決策提供了堅實的基礎，但它不是解決所有教育問題和挑戰的靈丹妙藥，通過數據改進教學的過程不能脫離人的因素和判斷，而且教學決策也不應完全由數據來驅動，因為教育終究是一項道德事業[5]。教師參與DDDM過程不僅需要與“數據”相關的知識和技能，還依賴于教師在評估、內容和教學方面的專業知識。當前，數據應用倡導者普遍比較重視數據收集過程的復雜性，而忽視教學和數據使用過程的復雜性，導致我們對數據在什么環境和條件下才能更好地指導教學知之甚少。而且，諸如教學管理人員對數據的不信任，缺少合作意愿、時間和專業學習機會，缺乏使用數據的知識、組織結構與文化，教師數據素養和數據驅動決策效能感不高，以及數據系統缺乏有效互通和明確的權限、數據采集標準和質量有待健全等等因素都嚴重影響著教師數據應用的質量和成效，這些現實困境也讓我們反思教師數據應用過程的具體問題，嘗試構建教師數據應用的新框架。

（一）從數據基建到數據文化

Salpeter認為通過數據來驅動教學最重要的不是數據、分析工具和課程框架，而是要創建包括態度、價值觀、目標、行為規范和實踐在內的學校數據文化[6]。這不僅需要指導教師如何使用數據，還需要建立驅動教師數據使用的教學價值觀，即教師群體對數據驅動教學決策過程重要性和必要性一致認同，教師的責任與持續改進行動并駕齊驅，并且要盡量避免數據揭露教學問題和績效差距所帶來的恐懼感，并伴隨著學校領導對數據使用明確愿景以及為數據驅動決策所提供的相關支撐力量。

但學校擁有數據文化并非易事，因為數據幾乎總是指向具體的教學改進行動，通常被認為是日常舒適教學常規的敵人。盡管數據能為決策提供信息，但它并不能確切地告知解決問題的具體步驟。因此，設計能夠幫助教師分析數據信息，并將其轉化為日常實踐變化的協作式專業學習組織是一項挑戰。教師的固有教學習慣往往會形成阻礙，他們習慣于獨立工作、自行決定課堂評估和決策，擔心與同事討論和比較教學業績會暴露自身教學的問題，而且傾向于將學生成績的差異歸因于學生能力的差異，而不是他們教學的有效性所致。因此，他們并沒有將DDDM視為指導他們專業實踐的一種方式。而且，許多教師不具備分析數據的統計技能，教師之間對學生成績分析也常常缺乏一致意見。總體來看，學校數據文化的構建道路任重而道遠。而且，學校的數據文化構建之路可能出現偏差，即數據既可以用于促進學校發展和教學改進，也可以用于績效問責。前者，教師數據的使用被視為一種向教師反饋學生需求的方式，教師根據這些信息調整和調整教學，學校領導利用數據作為他們在學校層面做出決策的依據。而后者，學校促使教師采取一切必要措施來提高學業分數，它通過促進以數字達標而不以教學專業判斷為標志的課堂決策，破壞了對學生學習的理解和真實評估。

（二）從數據堆砌到數據組織

教育數據呈現類別琳瑯滿目，除了常見的學生成績數據，還包括學生出勤、行為事件和作業完成情況、學生的語言背景、性別、經濟狀況，政策、資源等不受教師控制的背景數據。當前，學校確實收集了大量有關學生及其學業表現的數據，但并非所有數據都是有價值的，大部分堆疊的數據只是數字而已，構成了“事實”形式的數字表征，通常用于凸顯外在績效和適應外部問責等表現性目的，而不是為了更具教育性和包容性的拓展實踐，或是為了反映更深層次的教育困境和原因[7]。受相關數字指標的驅使和調遣，教師會使用各種形式的數據作為工具來反饋他們自己對學生進步的理解。在這種情況下學習通常被強調為一種非常特殊的形式——即很容易測量，可以用數字來概括。但在教師缺乏數據處理能力的情況下，最終限制了其充分支持學生的機會。

此外，教師們雖然有大量的數據來指導他們的工作，但他們往往被這些數據淹沒。在數據過載情況下，考慮時間和注意力等實際限制性因素，教師往往會縮小搜索和關注的信息范圍，首先注意到數據表征的熟悉模式，即傾向于尋找和看到支持他們已有信念、假設和經驗的數據，而沒有注意到可能與這些信念相矛盾或挑戰的數據。注意數據只是第一步，教師還須理解數據的含義，具體包括考試分數高還是低？作品中所包含的學生學習證據是什么？這種表現歸因于什么？數據、評估或測試分數是否有效？個人通過將新的信息放入預先存在的信念或認知框架中來做出解釋。新信息總是通過我們已經知道和相信的認知圖式來理解，進一步影響數據如何編碼，組織和解釋。教師更有可能將信息同化到自身預先存在看待世界的方式中，而不會根據新信息重新配置認知框架的方式與數據打交道[8]。

因此，如果數據太多、教師沒有時間解釋或無法訪問數據，不了解什么樣的數據可以提供有關學生如何思考的信息，不知道要問什么問題，要進行什么樣的合作和對話才能建構數據的意義，那么數據仍然是獨立的，只會被視為沒有意義的數字[9]。因為數據本身不提供信息、建議的行動和具體的決定。除非教師根據用戶的需求過濾并組織數據，將其轉化為有意義的信息。有效使用數據需要必要的知識、技能和程序，由于教師的數據共享和處理數據的方式缺少一致性，影響了其最大限度利用數據以提高學生成績的能力，他們對于如何從數據中得出最優結論并使用這些信息來改進教學缺乏共識。因此，如何對數據進行有效組織，并以互連共享的形式加以呈現，決定了教師是否能夠將數據轉變為有價值的信息，從而最終滿足學生特定的需求。

（三）從數據技能到數據認知

數據使用涉及教師人為的解釋過程，在此過程中，數據必須被訪問、收集和分析才能轉化為信息，并且必須與個人理解、專業知識相結合，才能變得有意義和對教學行動有用。教師的數據收集模式不僅僅是數據素養和技能的問題，還取決于他們認為好的教學應該是什么樣的。因此，它本質上是一個認知過程。當前，大多數研究都集中在圍繞教師數據使用過程和預期結果的系統策略上，很少涉及數據使用的前兆，即那些可能有助于形成或影響教師數據使用信念的因素或經驗。彌合數據和響應之間的空間涉及一系列假設、猜想和判斷，這些假設和判斷往往根植于一個人先前的信念和經歷。Spillane認為數據本身并不能客觀地指導決策，教師注意和解釋數據受他們的專業知識、認知以及他們所處的社會地位和環境影響[10]。雖然評估、測試、觀察以及其它種類的數據可以向不同使用者提供信息，但如何使用這些信息主要取決于他們如何注意、解釋和理解數據對行動的影響。包括注意、解釋和建構意義在內的解釋過程受教師個人信念、知識和動機的影響，也受社會互動模式的影響。同樣，學校的不同組織結構和文化對教學實踐的影響也是由教師心理因素調節的（如表1所示），但很少研究關注教師個體心理前因對于教師動機和教學調整之間的交互作用。因此，如果想要加深和拓寬我們對教師數據使用的理解，調查教師使用數據的心理條件是非常重要的。個人、社會和組織因素往往在教師理解和回應評估數據的過程中起到中介作用，其解釋過程受個人信念、知識和認知、社會互動、學校和地區領導以及教育政策的影響。

（四）從數據資產到數據生產力

數據被稱為當今社會的“新黃金”，但原始的數據并沒有價值。數據要成為教育決策的基礎力量，就必須對其進行進一步提取和深入挖掘。當前，學校的教育數據使用需要超越傳統的資產累積模式，即從強調數據的收集轉向關注數據所帶來的實際成效，而要實現這一轉變，主要依靠學校的數據生產力結構的構建，包括學校的數據應用協作組織，教師整體的數據素養培育機制和數據應用文化以及學校領導的數據應用領導力構建等。Schildkamp等發現學校組織特征對于構建以數據為中心的組織文化非常重要。當組織傾向于集成數據并鼓勵使用數據時，教師更有可能轉變并傾向于使用數據，從而形成數據生產力[13]。在此背景下，教師需超越表面的績效數據來理解學生，關注學生的優勢、標準、期望、興趣和所在環境。教育研究者也可以通過關注教師的實際工作實踐，了解當教師參與這些協作組時發生了什么，以及協作組在什么時候和條件下能夠促進教師的學習，進一步研究系統不同級別的參與者是如何以不同方式使用不同類型的數據的，如學校領導可能對學校的整體成績水平感興趣，以此作為決策的基礎，教師則會對他學生的成績水平更感興趣，更有可能根據這類數據改變教學策略。通過研究不同類型的數據是如何進入這些不同層級的，以及不同的參與者如何就數據的使用進行相互交流，我們就有可能創設強有力的組織文化和協作結構，促進數據的流動、聯結以及協同，從而構筑強大的數據生產力，使得數據的價值得到最大化利用。

三、教師理解：教師數據應用過程的微觀審視

Black等認為數據與課堂之間的聯系如同“黑匣子”，教師如何利用數據做出決策，在課堂上實施這些決策并提高學生的學習成績的過程依然未知。外部的學生、教師、資源、管理規則和要求、家長的焦慮、課程標準、高風險的測試等因素都進入到了這個盒子，輸出則是知識更淵博、更有能力的學生、更好的考試成績和更加滿意的教師等[14]。但我們似乎對盒子里面發生了什么不太關注，如何能確定一組特定的輸入將產生更好的輸出？教師如何根據數據提供的新信息闡述、保存和重構現有理解？我們并不知道教師是如何與數據進行互動的，包括解釋它、對它做出反應或忽略它，以及這些反應是如何與各種感興趣教學結果之間產生聯系，了解結果而不了解產生結果的機制，意味著我們還是不知道如何設計數據使用干預措施以增加數據在教學實踐中的影響。因此，我們亟待探索教師數據使用的微觀過程，即關注教室、學校或地區層面數據是如何進入正在進行的教學行動和交互流的，以及如何影響教師解釋數據的意義和含義，這一視角將為我們逐步揭開教師數據使用的神秘面紗。

（一）從選擇到組織的數據準備

相關研究顯示，教師選擇和組合數據的模式主要包括優先、互補和便利幾種。在優先模式中，為了與測試標準、教學或其它評估的要求保持一致，教師的數據選擇往往體現出一定的偏好性，即教師認為某些類型的數據比其他數據更為可信和有效[15]。教師一般優先考慮自己制定的課堂測試評估成績，而忽略標準的國家測試。因為這些數據通常由自己親手設計，更符合課堂教學的目標，并能提供及時教學反饋和更多有關學生個體思維的有用信息，教師更有可能被鼓勵去思考導致學生產生誤解的教學問題[16]。因為這些數據是課堂內部的，不包含與學生的外部分層、評比壓力相關的含義和期望，教師會對其感到更舒服，更加信任它，并將其視為學生未來是否能夠成功的重要預測。它們可以指引著教師深度考慮如何改進自己的教學實踐，而不是如何向外部證明學生的成績表現。此外，教師一般也會關注與高風險評估相關的數據，這是其它利益相關者重點關注的內容，因此考試數據通常成了學校辦學最重要的衡量標準，表現不佳會給自己或學校帶來不良后果，但這種關注也會限制其將數據用于教學改進。在互補關系中，教師同時使用兩種以上數據源明顯多于單獨使用某種數據源的情況。因為每種類型的數據源都具有不同的特點，如師生互動類實時數據通常是圍繞師生問答展開，能夠反映學生理解層次，教師可據此快速做出決定，而周期性數據可以提供學生某一段時間內的總體變化趨勢和模式，通常被用來確認學習者的進步和理解狀況，可以明確學生在特定時刻知道和能夠做什么的信息。教師只有將周期性數據和實時數據結合起來，才可以更全面地了解學生對知識的理解，從而進一步啟示自身可以提供什么樣的指導。此外，教師的數據選擇還呈現出便利性和補缺性等特征。教育決策往往是利用現有的數據，而不是適當的數據做出的。教師更傾向于使用近端的非正式數據而不是遠端的標準化測試數據，因為它們在收集時間、效率以及頻率上都能有所保障，同時這類數據也更加體現 “眼見為實”的真實特性。除了傳統的學業成績數據，作為傳統課堂練習、作業、作品和互動交流等可見數據的一個補充，近年來學生心理調查數據也引起了教師的普遍關注。隨著教學問題的日益復雜以及教師對教學規律認識的逐步深入，它對于理解學生的日常行為以及學習績效表現有著至關重要的作用。綜上，不同類別的數據都體現了一定的獨特性和互補性，如表2所示，我們需要關注教師在具體數據應用實踐中的選擇模式。

對于上述如此眾多的數據，如何進行有效地組織從而便于開展教學問題分析，是擺在學校和教師面前的一道難題。如果不將學生成績數據、人口統計數據和學校教學數據進行交叉分析，僅采用單一維度的數據分析程序，往往無法確定影響教學的根本問題和挑戰。數據的三角化驗證是通過從一個以上的維度探索以更詳細和平衡的方式解釋與學生能力相關結論，它也是交叉分析來自不同來源的數據的重要手段。由于教育測試中人的表現、測量環境、響應評估的變化以及所用測試項目的選擇引起的變化而產生測量誤差[17]。“三角測量”通過使用每個數據源的證據說明、緩和、測試或確認其它數據源證據，從而對學生學習需求得出合理結論的過程。它可能涉及雙向、三向或四向的數據互動，如學生人口統計、學生認知、學生學習和學校教學過程的多種衡量標準相互交織。當多個數據來源顯示出學生的優劣勢，教師可以更有信心決定重點關注哪些學習技能。相反，當一項測試顯示學生在某項技能上很吃力，而另一項測試顯示他們在該技能上表現良好時，教師就需要仔細觀察兩項測試中的具體項目，以便對學校、地區和社區面臨的問題建立清晰的視角。

（二）從數據到信息的意義提取

如上，數據是毫無意義的原始事實，往往不能以其呈現形式直接使用，其本身也不提供任何判斷和解釋，也沒有提供行動的基礎。僅僅擁有學生測試表現數據，并不能告訴我們其表現是“好”還是“壞”（不能提供判斷），也不能告知具體表現的原因（不能提供解釋）和下一步該做什么來支持學生（不能提供行動的基礎）。數據需要通過分析和解釋，從而轉化為信息，以便對使用數據的人產生意義和關聯。這一過程的核心是教師的解釋，即個人如何注意到數據，如何賦予數據意義以及如何構建行動的含義。將數據轉化為有用的知識以改善學生的學習是一項復雜的任務，眾多研究列出了收集和轉換數據的相似步驟，如目標集中的實施過程[18]、規劃評估周期[19]、數據使用模型[20]、數據團隊程序[21]和數據智慧改進過程[22]。數據-信息-知識-智慧（DIKW）層次結構也反映了要使數據成為有價值的信息，就必須通過辯論、共享和處理，在此過程中產生理解。

然而，學校將大部分時間花在數據驅動決策的初始階段——收集和組織數據，而避開了更復雜的分析和解釋數據階段。對于教師而言，轉換數據過程通常始于一個明確的目的，據此收集相關數據，通過以符合目標的方式對數據進行語境化、分類、計算、連接或總結。教師進一步對數據進行統計，了解學生預期表現，分析其優劣勢，然后開始解讀數據，試圖理解數據的內涵及其對未來行動的啟示。在此過程中，教師必須先了解數據源之間的差異，可能需要收集和分析更多的數據。只有當數據中的“信息”明確后，才能根據數據采取適當的行動。教師的知識、技能和經驗在這里也很重要，因為數據往往只能提示問題的存在，但教師需要決定如何在課堂上滿足這種學習需求，采用什么樣的教學方式，使用什么樣的教學材料以及需要掌握什么教學知識等等。

教師的解釋過程也會受到他們對學生的信念、對數據的不信任以及個體認知和感受的影響，教師個體的假設、偏好或感覺可能會導致無效的解釋，從而產生有偏見的推論，但很少有研究關注教師的心理特征與數據理解之間的復雜關系[23]。首先，有關數據意義的形成并非一個完全理性的過程，直覺在其中起著重要作用，相同的數據對不同的人意義也不同。教師傾向于使用更簡單快速、更少認知努力的策略。當教師試圖將數據擬合到一個框架中來確認他們的假設而不尋找替代解釋時，當他們的結論基于有限的數據集時，當他們的解釋受到自身教學信念的影響時，這些判斷性啟發式可能導致錯誤的解釋。其次，Jimerson認為教師的數據使用形式通常與其個體心理模型保持一致，在數據感知過程中，這些包含因果關系的模型用于對數據賦予意義[24]。Bertrand等進一步研究發現，教師的數據使用歸因模式主要包括歸因于教學、學生理解、測試性質或學生特征等四種模式[25]。具有以學生特征為導向的教師圖式更有可能將學生的成績歸因于學生感知能力，進而關注高低學生和資源在教室中的分布。教師的心理表征也受個人、社會和組織背景因素的影響，通過重塑個人經驗、培訓、與同事的社會互動和領導者建模等方式可以豐富教師對數據使用的思考。為了批判性地檢查教師的解釋推論過程，使教師的心理閾值和標準以及整個感知過程更加公開、透明、可追溯和可再現，教師需要對這些推論和所使用的標準進行清晰的闡述，包括教師如何理解數據以及推導結論的心理過程、數據解釋過程的結構和標準是什么，如何三角化互證數據、如何考慮替代的解釋和使用預定義的標準。

（三）從信息到行動的決策邏輯

在DDDM過程中，決策環節被定義為“將信息轉化為行動”。數據必須經過解釋才能成為信息，而信息反過來又成為背景中的知識。教師一旦收集到原始數據，就必須在語境中對其進行組織和理解，將其解釋為信息。當教師綜合信息，應用他們的判斷對其進行優先級排序，并權衡可能解決方案的相對優點時，信息就成為了可操作的知識，進而促發各種行動[26]。最為常見的決策行動包括設定目標、調整教學、調整課程、評估方案和實踐的有效性、調整策略以及根據需要重新分配教學時間和資源。Hess認為DDDM不僅需要好的數據，還需要好的決策，如對個別學生采取專門行動，迫使學生重新思考一個想法或再次嘗試某件事；以一種表現出關心和不污名化的方式把學生拉到一邊，以尊重學生思維和認知的方式提問，而不是在直接追尋正確答案；離開而不是放棄，對學生實現目標的能力充滿信心[27]。

根據數據分析結果做出教學決策是數據循環最后的一步，也是最為關鍵和艱難的一步。但多數人認為基于數據做出決策似乎是自然而然的，這種觀點是建立在對數據力量的社會技術理性信念之上的，即將數據看作中立的、客觀的，不受學校和學校系統的政治和意識形態的影響，認為數據和教學決策之間有一條直接明確的路徑，可以提高學生的成績。教師以一種工具化的方式處理數據，權衡替代行動方案的優點，并確定一個教學對策，這是解決問題的最佳方案。但現實中決策過程通常是困難的，由于背景、決策類型、結果以及教師對結果解釋的不同，決策者可能不會以線性、循序漸進的方式使用這些技能，這些步驟往往會有反復迭代。決策不僅僅是由理性數據驅動的，個人偏好、教學慣習，情感和權力地位、可用時間、參與決策的人和決策的社會背景都可能對其產生影響。教師可以以支持學生學習的積極方式整合數據，利用數據設定課堂目標，跟蹤學生進度，調整課程和內容排序，也可以以簡單的方式處理數據，不改變教學方式，僅僅重復先前的教學實踐。教師的個人教學理念也會影響決策的類型，Horn等認為教師對數據使用有兩種取向，一種被稱為教學改進取向，另一種被稱為教學管理取向[28]。采取教學改進方法的教師通常協調多種數據來源來反思教學，關注專業學習，并發展更深層次的教學技能。他們傾向于將表現不佳的領域歸因于教學方法的問題，而不是學生的缺陷。因此，他們的目標是響應學生的學習需求以支持更高的學業成就。相比之下，采取教學管理方法的教師主要關心如何組織教學以最大限度地提高考試成績，通常不會從根本上改變他們的教學風格和模式。他們傾向于強調應試準備和學生分流策略，這雖然可以導致更高的分數，但繞過了對教學實踐的反思和對學生學習需求的回應，不支持學生的理解，因此不太可能支持長期的教學改進或更深入的學生學習。

數據的某些屬性會影響教師的感知過程，不同類型的數據也會影響他們的教學反應。對于什么樣的教學反應可以更好地提高學生的理解，以及如何更好地實施教學行動這一關鍵問題，教師在教學實踐中通常沒有給出明確答案。教師針對數據反應的閾值標準很重要，教師必須將個體標準轉化為適當的經驗，通過這些標準組織教學單元和計劃適當的課堂活動，根據個人學習差異進行調整，以確保所有學生在邁向最終目標的過程中理解、實踐和掌握每個標準的每個組成部分。教師應該就學生應該學習什么和獲得什么技能形成共識，經過深思熟慮構建的教學標準，可以用于指導教育改革舉措，成為教育工作者在制定課程和新的學生評估形式時關注的焦點。

此外，僅靠智能機器自動生成的教學建議不足以確保教師建立有效教學措施。為了有效地解釋學生的學業進步數據，教師通常需與團隊成員討論進度數據，并將閱讀和解釋可視化圖表的結果同學生的其他信息結合起來，以便為該學生做出“最佳”決定。教師還應了解一些數據模式的固有模糊性，并愿意超越進度監控計劃提供的建議進行思考。對于如何針對評估數據中發現的模式做出更規范的反應，教師需要更深入地理解為什么學生不理解特定的概念，還需要應用包括斜率法、點下方法和標準掌握法等決策規則來分析學生朝著教學目標的進展[29]。斜率法和點下方法都是使用直觀的數據分析，將學生的進步與預期的增長進行比較，具體規定了已經掌握、適當進步、沒有進步、進步不足和進步不一致的等相關決策框架。

四、把握核心變量：數字化變革中的教師發展

當前，廣大教師在教學中的數據應用過程構成了教育數字化變革背景下最基本的實踐圖景。為此，我們應從加強教師數據應用干預設計和探究教師數據應用心理過程的角度，把控數字化變革中的教師這個核心變量，從而最大程度提升教師的數據應用績效。教師在數據應用實踐中存在的諸多困難和各種制約因素，不僅指導我們需要從學校實踐文化的角度提出針對性的教師數據應用干預措施，同時，還啟示著我們從科學探究的角度逐步深入認識教師數據使用過程的復雜心理作用過程。

（一）促進教師理解的數據應用變革舉措

教師的數據行為和態度之間的關系是相互作用的。側重于數據應用知識傳播的簡短培訓，忽視了教師信念和態度在獲取新知識和采用創新中的重要作用。教師往往持有特定的數據使用“心智模型”，即他們認為數據是關于什么以及應該如何使用的理解，教師使用數據的方式也受他們的“心智模型”影響。與數據相關的心理模型呈現出從積極、中性到消極的變化，消極模型表現為將其與“懲罰”“厭惡”相關聯，將“數據使用”等同于“考試分數”，與避責和合規活動緊密聯系在一起。而積極模型通常與有效的數據使用相關聯，學校領導能夠通過與教師積極合作，而不是通過匯編或突出評比的形式在教師會議上展示考試分數[30]。需要特別指出，教師的心智模型通常是可塑的，學校領導可以通過培訓、建模、鼓勵教師之間的互動以及傳授給教師經驗和提供有效協作時間等方式有意識地構建教師心理模型。“領導者”通過轉變為“合作學習者”，帶領教師檢查多種形式的數據，提出問題，集思廣益提出教學問題解決方案并評估結果，學校就將“數據使用”納入到了另一種模式，實現了從特權數據使用向強調協作探究的轉變，而不是專注于說服教師參與“數據驅動”的實踐。這種模型擺脫了“數據”只被理解為“測試分數”，促進了多種數據類別的使用，優先考慮圍繞數據的協作，有助于創造一種共享的教師數據文化。

對于具體如何推動教師開展數據應用合作，Kallemeyn等提出的數據團隊模式，為教師提供一個收集、分析和創造知識，并將知識轉化為教學行動的完整探究周期[31]。通過構建和提供固定協作時間，數據團隊可以集體檢查數據和設計教學策略。校長、教學領導或有經驗的老師也可作為數據教練，指導團隊開展具體協作。教師們可以通過課堂觀察分享或示范他們的最佳實踐，讓彼此認識自己在教學中的弱點，發展他們的專業知識，也可以隨時向同事尋求幫助。在這過程中，信任是數據團隊協作的重要促成因素。要進行嚴格的數據探究過程，教師必須毫無恐懼地承認并公開討論自身教學的優劣勢，愿意建設性地相互提出挑戰性的問題，并積極為調查過程中提出的教學主張提供證據。此外，DDDM涉及包括如何分析、解釋和規劃數據指導以及如何收集和響應實時數據等不同技能。與數據使用工作相關的教師專業發展項目，通常僅限于如何訪問數據管理系統，沒有提供如何獲取更細粒度的學生成績信息的技能，很少擴展教師的教學策略和教學差異化技能，較少關注教育工作者在進入課堂后如何使用數據，教師也沒有接受太多關于如何將數據轉化為課堂教學決策的在職培訓。因此，應盡可能為教師提供解釋數據和推導結論的機會，并且需要將其專業發展融入學校日常生活，使得專業發展和教學之間可以進行無縫知識和技能的轉換。

（二）理解教師數據應用心理的探究方法

除了通過設計干預手段，教育學術研究也可通過一些科學方法來探究教師DDDM的認知過程，揭示教師如何將數據轉化為行動的過程，如策略捕獲、鏡頭建模、過程追蹤、刺激回憶、案例研究和民族志、視頻分析、出聲思維、團隊觀摩、自我報告、故事線法、電子病例和模擬報告等，主要方法特征如下頁表3所示。以出聲思維為例，它是由心理學家鄧克爾1945年提出的，主要以言語報告為形式，通過讓被試采用外部言語的方式進行臨場思考，即出聲思維，使其思維過程達到外顯化的效果，從而可以直接被研究者觀察。該方法主要適用于被試慢速的信息加工過程、內部心理操作過程較為復雜，存在多種選擇可能性，對其過程行為不太容易測量且被試自身能夠清楚意識到的思維過程的情形。相對于調查、訪談、實驗和測試等常規被試檢測方法，出聲思維具有反應實時、重點突出和細節全面等獨特優勢，比較適合個體認知心理研究。以上這些方法都是僅從某一維度對DDDM過程黑箱進行探測，未來應強調采用多元混合的綜合方法路徑，深入挖掘教師數據使用的“蛛絲馬跡”，通過更加細致的深度過程分析，從而實現對教師數據應用過程的困境和過程達到全面理解。

五、結語

當前，我國正在積極籌措各級各類教育機構數字化轉型，但教育是一個十分復雜的系統，除了眾所周知肉眼可見的資源和條件建設等外部影響因素之外，學校教師的數據應用心理、素養以及教學文化等隱性因素也極為關鍵。而且，數據通常被視為一個應用整體，教師很少關注其類型、來源以及教師與數據的微觀互動過程。事實上，教師的數據使用過程遠比數據使用倡導者所描繪的畫面要復雜，教師數據應用的心理研究視角揭示了其并非一個一蹴而就的過程，教師個體的信念、效能感、心智模型和決策風格等因素都會對其產生影響。當前，有關教師對數據的感知和互動過程的研究存在嚴重不足，需要深入探究教師如何理解他們手頭的大量數據、如何感知數據的典型特征以及如何將數據的屬性與教師的決策反應聯系起來的規律。盡管本研究對教師參與DDDM實踐的影響因素以及過程原理做了初步的探究，揭示了一些關于數據如何用于指導教學的見解，但未來還需要更多的研究者采用多元混合的方法，綜合審視數據驅動的決策過程微觀細節。

參考文獻：

[1] Evans，A.No child left behind and the quest for educational equity：The role of teachers’ collective sense of efficacy [J].Leadership and Policy in Schools，2009，8（1）：64-91.

[2] Little，J.W.Understanding data use practice among teachers：The contribution of micro-process studies [J].American Journal of Education，2012，112（2）：143-166.

[3] Shavelson，R.，Cadwell，J.，et al.Teachers’ sensitivity to the reliability of information in making pedagogical decisions [J].American Educational Research Journal，1977，14（2）：83-97.

[4] Schildkamp，K.，Kuiper，W.Data-informed curriculum reform：Which data，what purposes，and promoting and hindering factors [J].Teaching and Teacher Education，2010，26（3）：482-496.

[5] Goodlad，J.I.，Soder，R.，et al.The moral dimensions of teaching：language，power，and culture in classroom interaction [M]. London：Routledge，1990.

[6] Salpeter J.Data：Mining with a Mission：Data-Driven Decision Making Is the Buzz Phrase of Choice for the New Decade. but Once We’ve Got the Information，How Do We Use It to Yield Results Here， 20 School Administrators Share Their Expertise [J].Ugeskrift for Laeger，2004，165（47）：30-32.

[7] Poovey，M.A History of the Modern Fact：Problems of Knowledge in the Sciences of Wealth and Society [M].Chicago：University of Chicago Press，1998.

[8] Jimerson，J.B.，Reames，E.Student-involved data use：Establishing the evidence base [J].Journal of Educational Change，2015，（6）：281-304.

[9] Hubbard，L.，Datnow，A.，et al.Multiple initiatives，multiple challenges：The promise and pitfalls of implementing data [J].Studies in Educational Evaluation，2014，（42）：54-62.

[10] Spillane，J.Data in practice：Conceptualizing the databased decision-making phenomena [J].American Journal of Education，2012，118（2）：113-141.

[11] R.M.Ryan，E.L.Deci.Self-Determination Theory and the Facilitation of Intrinsic Motivation，Social Development and Well-Being [J].American Psychologist，2000，55（1）：66-78.

[12] Nutt，P.C.Strategic Decisions Made by Top Executives and Middle Managers with Data and Process Dominant Styles [J].Journal of Management Studies，1990，27（2）：173-194.

[13] Schildkamp，K.，Poortman，C.L.，et al.Data teams for school improvement [J]. School Effectiveness and School Improvement，2016，27（2）：228-254.

[14] Black，P.，Wiliam，D..Assessment and classroom learning [J].Assessment in Education，1998，5（1）：7-74.

[15] Jennings，Austin Stewart.Situating Interim Assessments within Teachers’ Practice of Data Use：How Upper Elementary School Teachers Attend to，Interpret，and Understand Interim Assessment Data [J].Educational assessment，2011，16（1）：1-14.

[16] Park，V.，Daly，A.J.，et al.Strategic framing：How leaders craft the meaning of data use for equity and learning [J].Educational Policy，2013，27（4）：645-675.

[17] Feldt，L.S.，Brennan，R.L.Educational measurement [M].New York：Macmillan，1989.

[18] Carlson，D.，Borman，G.，et al.A multistate district-level cluster randomized trial of the impact of data-driven reform on reading and mathematics achievement [J].Educational Evaluation and Policy Analysis，2011，33（3）：378-398.

[19] Schildkamp，K.，Earl，L.，et al.Data-based Decision Making in Education：Challenges and Opportunities [M].Heidelberg：Springer，2013.

[20] Earl，L.，Katz，S..Leading schools in a data rich world：Harnessing data for school improvement [M].California：Thousand Oaks Corwin，2006.

[21] Schildkamp，K.，Handelzalts，A.Data teams for school improvement [J]. School effectiveness and school improvement，2016，27（2）：228-254.

[22] 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：Harvard Education，2007.

[23] Farrell，C.，Marsh，J.Contributing conditions：A qualitative comparative analysis of teachers’ instructional responses to data [J].Teaching and Teacher Education，2016，（60）：398-412.

[24][30] Jimerson J B，Mcghee M W.Leading Inquiry in Schools：Examining Mental Models of Data-Informed Practice [J].Current Issues in Education，2013，16（1）：1-20.

[25] Bertrand，M.，Marsh，J.A.Teachers’ sensemaking of data and implications for equity [J].American Educational Research Journal，2015，52（5）：861-893.

[26] Marsh，J.A.，Pane，J.F.，et al.Making sense of data-driven decision making in education [EB/OL].https：//www.rand.org/content/dam/rand/pubs/ occasional_papers/2006/RAND_OP170.pdf，2021-03-01.

[27] Hess，F..The new stupid [J].Educational Leadership，2009，66（4）：12-17.

[28] Horn，I.S.，Kane，B.D.，et al.Making sense of student performance data：Data use logics and mathematics teachers’ learning opportunities [J].American Educational Research Journal，2015，52（2）：208-242.

[29] 張學波，林書兵.數據驅動的差異化教學決策：癥結、邏輯與機制[J].現代遠程教育研究，2022，34（3）：48-57.

[31] Kallemeyn，L.School-level organizational routines for learning：Supporting data use [J].Journal of Educational Administration，2014，52（4）：529-548.

作者簡介：

林書兵：副教授，博士，研究方向為中小學教師數據素養、教育數字化轉型。

張學波：教授，博士，研究方向為教育數字化轉型。

崔裕靜：碩士，研究方向為教育數字化轉型。

姜雨晴：在讀博士，研究方向為數據驅動的教學決策。

Understanding Teachers and Teacher Understanding： Realistic Dilemmas and Microscopic Examinations of Teacher Data Use

Lin Shubing1， Zhang Xuebo2， Cui Yujing1， Jiang Yuqing2

1.Zhongshan Teacher Development Center， Zhongshan 528403， Guangdong 2.School of Education Information Technology， South China Normal University， Guangzhou 510631， Guangdong

Abstract： From the beginning of China’s education big data era to the proposal of the education digital transformation strategy， data applications in the education field not only face the iterative updating of materialized digital infrastructure， but also urgently need to build the digital thinking and ability of application subject teachers. The current school education practice mainly focuses on the implementation of data application technology and activities from a macro level， with little attention paid to how teachers specifically understand and use data. As a key intermediary variable in the digital transformation of education， whether we can understand the practical difficulties faced by frontline teachers in data application practice， and whether we can understand the complex psychological processes and laws of teachers understanding and analyzing data from a specific level， will determine the overall appearance and ultimate effectiveness of data application in the education field. This study systematically reviews the main constraints and influencing factors of teacher data application， focuses on the process of teacher data application from a micro perspective， summarizes methods to promote teacher data application and process exploration， and attempts to provide useful insights and suggestions for the current data-driven school reform.

Keywords： data-driven teaching decision-making； data culture； data perception

責任編輯：李雅瑄