大数据时代提升教师数据智慧研究

大数据时代提升教师数据智慧研究摘要大数据分析已在一些国家应用到公共教育中，成为教育改革的重要力量。然而，目前有关数据智慧的研究还比较薄弱。如何提升教师的数据智慧，使其具备在大数据时代开展教学活动的能力，成为急需解决的问题。为了把握数据智慧的研究现状及最新发展，本研究在厘清数据智慧及相关概念的基础上，分析了大数据时代教师专业发展的新态势，并对数据智慧的国内外研究文献进行了梳理。文献回顾发现，国外在提升教师数据智慧方面构建了多种模型，其中美国开发的“数据智慧改进过程”模型可为我国教师提供借鉴。该模型包括“准备”“探究”和“行动”三阶段，旨在帮助教师更好地利用数据确认常见的学生学习需求，生成和实施教学方案，并衡量这些方案在提高学生成绩上的有效性。本文对该模型的实施步骤进行了说明，并以夏洛特一梅克伦堡学校为例分析了该模型的应用。了解这一模型，对探索我国数据智慧研究的未来发展趋势和提升我国教师数据智慧的研究有重要意义。关键词：大数据；数据智慧；数据智慧改进过程随着大数据时代的到来，教育逐渐被认为是大数据可以大有作为的重要应用领域。21世纪的学习模式提倡利用技术收集学生学习过程中的数据，以便多层面评价学生成绩，为改善学生的学习提供依据。由此，收集学生学习数据，并进行数据分析已成为未来教师不可或缺的能力。教师要利用数据改进教学，需要具有数据智慧（data-basedwisdom）。那么，什么是数据智慧？大数据时代教师专业发展的新态势是什么？有关数据智慧的研究现状如何？如何提升教师的数据智慧？未来将如何发展？对这些问题的厘清与澄明，有助于认清数据智慧的范畴，为大数据技术与教师教育的深度融合提供导向。一、数据智慧的内涵及相关概念（一）内涵2015年，美国中乔治亚州立学院的约翰·吉拉德（JohnGirard）与迈诺特州立大学的迪安娜.克莱因（DeannaKlein）、克莉丝蒂·伯格（KristiBerg）在新出版的《大数据时代战略性的数据智慧》一书中，回顾了大数据和智慧的相关文献，作者从知识管理的角度将数据智慧定义为“使用技术、领导力和文化来创造、转化并保存隐含在数据中的知识，从而实现组织愿景”。作者指出，数据的处理要基于“知识金字塔（knowledgepyramid）”得以实现，即数据要经历转化为信息，升级为知识，升华为智慧的过程（Girardetal.，2015）。要揭示数据智慧的内涵，我们首先必须了解“知识金字塔”的内涵。“知识金字塔”又称“知识体系”（knowledgehierarchy）或DIKW层级决策模型，是关于数据、信息、知识及智慧的体系（见图1）。运筹学、系统思维和管理科学领域公认的先驱——艾可夫（Ackoff，1989）博士的《从数据到智慧》一书对此作了系统论述。在数据、信息、知识和智慧构成的金字塔型的层级结构中，数据是形成信息、知识和智慧的源泉。数据描述客观事实，是分离的元素，即未经组织的数字、词语、声音、图像等。数据经过分析，显现数据之间的联系和模式，就形成了可以被人们理解的意义，成为了信息。但零散的信息往往无法帮助人们解决现实问题。对大量信息进行归纳演绎和集成提炼，获得以目标为导向的组织化信息，就形成了知识。在知识基础上，人们可以形成正确的判断并做出最佳的决策，形成智慧。智慧是人类特有的能力，它的产生需要基于知识的应用。如果对数据、信息、知识和智慧进行有序的加工和处理，它们可从底层向顶层转化，成为一个不断递进的过程（顾大权，刘高飞，2002）。在教育领域，教师获取数据智慧的过程，本质上是数据经过分析处理后，逐步提升为信息和知识，并最终成为头脑中极为个性化的智慧的过程。（二）相关概念与数据智慧相近的概念主要有数据利用能力（data-usecapacity）、数据素养（dataliteracy）、数字智慧（digitalwisdom）。数据利用能力指收集、组织、处理、表达、解释数据的能力以及运用数据系统的能力（Farley-Ripple&Buttram，2015）。目前人们对数据素养的定义还不统一。2012年5月3-4日，美国召集50位数据使用的不同利益相关者和专家，围绕数据素养展开讨论。会议目标是期望对数据素养的定义达成共识。会议要求每位与会者都提交数据素养的概念界定，然后研究者利用文字云图工具Wordle进行分析。文字云图可以凸显人们在概念界定时所使用的高频词。结果显示，“数据”是在界定概念中最常用的词，其次强调的是“组织、解释、整合、分析的技能”。此外，数据强调关于知识或理解的主题，例如内容知识（contentknowledge）、评价知识和统计知识等。然而，“决策”一词在概念界定中并不明显。会议最后没有就数据素养达成共识，但围绕数据素养的教育工作者应具备的技能和知识展开的调查发现，与会者对大约95%的知识和技能达成了一致（Mandinach&Gummer，2013）。可见，数据素养的核心是数据利用能力。美国著名教育游戏专家普伦斯格（Prensky，2009）首次提出了数字智慧概念。普伦斯格认为，数字智慧是21世纪能力差异的重要维度。它不仅关注人们使用技术的能力，更关注如何利用技术做出智慧的决策。技术无法取代人的直觉、判断、问题解决能力以及明确的道德指南等。他认为，“数字智慧”有两层含义：一是利用数字技术获取认知力（超出人类先天能力的部分）中产生的智慧；二是谨慎地使用技术以增强人类能力的智慧。数字智慧是数字时代人们以信息技术为中介参与现实活动，或者是与信息技术支撑的数字环境相互作用过程中出现的一种新的智慧形态。这种智慧不是数字技术与心理能力的简单相加，而是在人——技术（作为中介或者环境而存在）的共生性交互过程中出现的一种新质（祝智庭，贺斌，2012）。综上分析可知，数据利用能力是数据素养的子集。数据素养与数据智慧类似，但不强调利用数据进行决策的能力。具有数据智慧的教师不需要在统计和数据收集方法方面成为专家。数字智慧和数据智慧都注重决策能力，不同在于数字智慧关注的是数字技术，而数据智慧关注的是数据。数据智慧需要数字智慧的支持，利用数字技术可以更好地掌控和分析数据。数据智慧与数据利用能力、数据素养、数字智慧关系见图2。二、大数据时代教师专业发展新态势早在20世纪70年代，计算机领域超大规模数据库会议就提出了“大数据”的类似概念，但直到2012年“大数据”才开始引起学术界的高度关注。因为这一年美国政府高调宣布在“大数据”领域投入2亿美元进行研究，这是美国政府自提出“信息高速公路”计划后的又一次重大科技部署。至此，“大数据”在世界范围引起了高度关注（杨万勤等，2014）。在教育领域，世界许多国家都建立了教育问责制，要求收集有用数据，支持学校持续改善，提高教学质量。其中，美国政府将大数据视为强化国家竞争力的关键因素之一，最早在教育领域推进大数据应用（Meansetal.，2011）。继美国率先开启大数据国家战略先河后，其他国家也紧随其后。英国政府委托专家组发布了改革英国基础教育的重要报告——《2020愿景：2020年教与学评议组报告》。报告探讨的问题之一是“评估与责任制体系如何利用数据为学生的个性化学习提供支持”（李茂，2007）。在加拿大，总部位于安大略省沃特卢的教育科技公司“渴望学习”（Desire2Learn），已经面向高等教育学生推出了基于学生过去的学习成绩数据，预测并改善其未来学习成绩的大数据服务项目（胡德维，2013）。我国也在最大化地利用数据提升教学质量方面进行积极探索。例如，2003年北京教育科学研究院基础教育教学研究中心构建了“北京市义务教育教学质量监控与评价系统”，利用义务教育教学质量测试获得的数据分析课堂教学存在的问题，力求改变过去仅凭主观经验指导学校学科教学工作的局限性，提高教学指导的科学性（王云峰等，2009）。可见，当今的课堂、学校、学区和整个教育系统比以前更多利用数据。学生数据在学校日常运作中发挥越来越重要的作用。决策将日益基于数据和分析而作出。大数据时代下的教师专业发展呈现出新态势。教师面临着大量从其他渠道收集到的数据。他们必须学会有效地浏览海量数据，诸如诊断性、常模参照标准化的评价数据以及其他与教学计划、人口、出勤率、辕学率有关的数据。随着测试结果数据和学生背景信息逐渐可为学校所用，教师理解并使用数据的能力面临提升的要求。探求数据价值取决于把握数据的人，关键是人的数据智慧。技术本身无法取代人的内在能力。美国教育部2012年10月发布的《通过教育数据挖掘和学习分析促进教与学》的报告曾指出，大数据教育应用所面临的技术挑战，可以通过技术研发和基础设施建设去克服，而大数据教育应用过程有80%以上的挑战和限制来源于“人”。智慧的数据使用者，会使大数据的应用开发事半功倍（徐鹏等，2013）。数据不是策略，数据总得再经过分析和处理。正如克里斯蒂安·麦兹伯格（ChristianMadsbjerg）提出的，“事实上，我们需要更多的数据解释来应对那些构成大数据的信息所带来的冲击。解决世界上最棘手问题的瓶颈不是数据的缺乏，而是我们不能分析和解释这一切。”苏珊娜·罗芙韦斯勒（Roff-Wexler）引用麦兹伯格的话进一步指出，“在大数据时代，由于我们需要更多的是数据解释，那么我们当然就需要更多的数据智慧（Girardetal.，2015）。”由于教师分析数据能力的单一和局限，即便拥有丰富的数据，也可能无法最大程度地挖掘其价值，并得出有效的结论用以指导教学干预。因此，提升教师的数据智慧，可以最大化地利用数据，避免做出肤浅的教学规划方法和反应，对推进大数据在教育中的应用有着重要意义。大数据时代对教师专业发展提出了新要求。美国“华盛顿数据质量运动”（theWashington-basedDataQualityCampaign）已经发布了新的政策简报，要求提升教师的数据智慧。2014年美国19个州已将数据智慧纳入了教师资格认证的要求（Herold，2014）。三、数据智慧研究概况国外对数据智慧的研究存在两个视角——技术的视角和教育学的视角。早期技术视角是主流。研究者主要关注教师使用学生数据系统等技术工具的能力。例如，韦曼和乔（Wayman&Cho，2008）认为数据系统是有效的数据使用的必要组成部分。他们围绕如何让教师具有使用学生数据系统的能力，了解学生数据系统的建构基础、目标以及支持使用数据系统的教学结构展开了研究。随着研究的深入，目前教育学视角的重要性开始显现。一部分研究者从理论层面探讨了数据智慧及相关概念的界定。当今教育领域较常用的概念是数据素养，但研究者对数据素养的看法存在很大差异（Mandinachetal.，2013；Wayman，&TheUniversityofTexasatAustin，2013；Nunnaley&TERC，2013；Orland&WestEd，2013）。尽管理论层面对数据素养的概念界定仍存在争议，但一部分研究者已进入了实践研究阶段，致力于建构用以支持教师提升数据智慧的模型，并将模型运用于实践。例如，美国哈佛大学教育研究生院波德特（Boudettetal.，2005）提出了“数据智慧改进过程”（theDataWiseImprovementProcess，简称DWIP）模型。曼迪纳契（Mandinach，2006）在厘清数据、信息、知识、智慧四者关系的基础上提出了“从数据到知识的连续体”模型。米恩斯等人（Meansetal.，2011）通过调研教师在数据管理方面的实践和态度，对波德特和曼迪纳契等人的模型的实际应用效果进行了评价。研究表明，教师认为这些模型有助于他们利用数据改进教学。近几年，研究者还采用了一些新的研究方法展开实证研究。例如，伊丽莎白·法利和琼巴·特拉姆（Farley-Ripple&Buttram，2015）首次使用社会网络分析法探讨小学教师数据利用能力的发展。曼迪纳契指出，目前对教师数据利用能力的培养路径并不清楚，也不清楚教师应在职前准备阶段还是职业阶段获得这种能力，是通过专业发展经验还是通过在职培训？未来研