论文部分内容阅读
[收稿日期] 2020-05-12
[基金项目] 教育部人文社会科学研究青年基金项目（18YJC880062）
[作者简介] *娄元元（1983—），女，河南潢川人。博士，讲师，硕士生导师，主要研究方向为课程与教学论。
[ 摘 要] 数据驱动教学决策在美国教育领域备受关注，已经成为了改进教学的重要驱动因素。美国中小学教师收集数据的类型主要有人口统计数据、过程数据、学习评价数据、感知数据等;数据驱动教学决策的过程包括收集数据、分析数据、阐释数据、运用数据制定决策;影响数据驱动教学决策的因素主要有数据基础设施不足、教师数据观念的限制、学校数据文化的缺乏以及数据素养教育缺乏。鉴于此，美国采取了建立高质量数据管理系统，制定相关数据政策，培育学校数据文化，开展教师数据素养教育等重要举措，以促进教师有效运用数据驱动教学决策。
[ 关键词] 数据;教学决策;教学改进
[ 中图分类号] G639 文献标识码] A [文章编号] 1005-4634（2021）03-0073-06
大数据时代，数据对教师教学决策具有重要价值。我国《国家教育事业发展“十三五”规划》指出，要“利用大数据技术开展对教育教学活动和学生行为数据的收集、分析和反馈，为推动个性化学习和针对性教学提供支持”。 随着我国各级教育数据库的逐步建立，中小学教师面临如何利用数据制定教学决策，促进教学改进的巨大挑战。美国在数据驱动教学决策方面积累了丰富的经验，取得了较好的效果，其数据驱动教学决策的推进举措可资我国借鉴。
1 数据驱动教学决策的内涵
数据驱动教学决策是系统地收集、分析和应用多种来源数据，根据学生的学习需要，提高学生学业表现的过程。在此过程中，教师要能够识别学生的学习优势和劣势，根据学习目标来设计教学[1]。教育情景下，数据驱动决策是分析和使用学生数据和相关的教育信息，为制定规划、资源分配和学生布局以及课程设置和开展教学提供依据，不断收集数据并持续改进教学的过程[2]。数据驱动教学决策主要强调超越数据，将数据转换为有用的知识，阐释数据背后的意义，继而转化成行动，改进教学实践。因此，数据驱动教学决策可以界定为教师系统地收集和分析来源不同的数据，规划和改进教学策略的过程。从原始数据中得出有用信息，包括6个步骤：（1）收集数据;（2）组织数据;（3）总结数据;（4）分析数据;（5）将数据转化为信息;（6）决策制定[3]。
值得注意的是，学界对数据驱动教学决策存在争议，一些研究者提出新的概念描述运用数据改进教学，如“基于数据的决策（data-based decision）”“数据感知教学决策（data-informed decision）”。研究者认为数据驱动教学决策本身具有工具主义的价值倾向，教学决策不能仅基于数据或者依靠数据驱动，数据并不能为教师提供学生学习的所有信息。教师需要合理认识数据与教学决策之间的关系：数据只是为教学决策提供了依据和参考，增加了教学决策的科学性。但是，教学决策不能仅依靠数据，排斥经验、直觉、道德等因素的作用。
2 美国中小学教师数据驱动教学决策的实践框架
数据并不能直接导致教学决策的产生，只有理解教师是如何运用数据来进行教学决策，才能揭开数据驱动教学决策的“黑箱”。
2.1 数据的来源及类型
教师需要收集的教学决策数据类型包括：人口统计数据、过程数据、学习评价数据以及感知数据。具体来说：（1）人口统计数据，可以为教学决策提供背景性信息，包括学生的人数、年龄、年级、民族、性别、家庭社会经济地位等。（2）过程数据，包括课堂观察数据，例如同事或学校领导者的课堂观察、作业等。随着信息技术在课堂中的运用，过程数据还包括电子设备收集的学生讨论、回答问题、作业等即时性数据。（3）学习评价数据，包括国家统一测试的成绩，期中、期末考试成绩以及日常的测验成绩等。（4）感知数据，主要反映学生及家长对学校、教学的满意度及感受。这类数据一般通过调查、访谈等方式获得。
来源丰富的数据可以为教学决策提供证据链，突破以往仅靠考试成绩来评价学生学习的局限。例如，当教师诊断学生的学习时，可以将考试成绩与学生的背景性信息（例如作业、性别、家长调查的结果）联系起来分析，从而判断学生成绩变化的原因，进而决定教学的哪些方面需要改进。由于教学和学习过程的复杂性，不能过度依靠标准化的测验来测量学生的学习，以线性的方式诊断学生的薄弱之处并采取行动。相比之下，形成性评价数据对于教师来说是较为有用的[4]。 如果教师仅使用标准化测验的数据来判断学生的学习需要，有可能造成“为考试而教”。
2.2 数据驱动教学决策的过程
国外研究者总结了不同的框架，以揭示教师在实践中如何运用数据进行教学决策。
第一，哈佛“数据智慧”改进过程框架。哈佛教育学院与波士顿3所公立中小学的学校领导者共同进行了为期2年的研究，提出了一个运用数据改进教学的框架，为在学校开展数据驱动教学决策提供了借鉴。“数據智慧改进”过程包括准备、探究和行动3个阶段，共8个步骤[5]（具体见图1）：（1）教师合作，建立教师、管理人员组成的数据团队;（2）发展教师评价素养，教师要具有分析和处理数据的能力，例如探讨评价工具、研究评价报告;（3）创建数据概览，通过统计图表（条形图、折线图、饼图等），展示各种数据，运用可视化图表帮助教师理解复杂的数据;（4）挖掘学生数据，确认一个学习者中心问题，主要是能够反映学生在技能和知识方面存在的问题;（5）检视教学，使教师明确教学实践中存在的问题;（6）制定行动规划，提出解决方案;（7）制定评价策略，在开展行动前制定评价学生学习进程的方案;（8）行动并评价。其中，（1）～（2）为准备阶段，（3）～（5）为探究阶段，（6）～（8）为行动阶段。 第二，IES数据驱动决策框架。2009年，美国教育科学机构（Institute of Education Science，简称IES）发布研究报告《运用学生成绩数据来支持教学决策》（Using Student Achievement Data to Support Instructional Decision Making），提供了一个运用学生成绩数据来支持教学决策的框架（见图2）。该框架认为教师运用数据改进教学是一个循环的过程：（1）收集和准备关于学生学习的数据，例如年度的、期中的以及课堂评价数据;（2）诠释数据并且形成关于学生表现影响因素的假设，以及需要采取哪些行动满足学生的需要;（3）改进教学实践来验证假设。最后重新开始这一循环过程，通过收集和解释学生的表现数据对教学改进进行评估。由于教师运用数据的过程是一个循环的过程，因此教师可以从任何一个地方开始[6]。
3 美国中小学教师数据驱动教学决策的影响因素
数据驱动教学决策的理论假设是如果教师能够获得学生的学习数据，那么他们就能据此识别出学生已经掌握哪些知识，从而根据学生的学习需要改进教学实践。而实际上，教师在实践中运用数据改进教学比提倡者所理想化的假设要复杂得多，数据驱动教学决策的效果各异，受到数据系统、教师观念、专业发展、学校文化和领导等多方面的影响。
3.1 数据基础设施不足
数据基础设施是影响数据驱动教学决策的重要因素，数据的相关性、及时性、易访问性等都影响教师运用数据。对美国3个学区的教师调查发现，教师有效运用数据最大的挑战来自于数据的及时性、价值性、用户友好性[7]。 在问责制的压力下，美国各州、学区建立了数据系统，教师较之以往容易访问学生数据系统，但是数据系统不能跨系统分享数据，并且储存的数据有限，缺乏工具帮助教师分析数据。此外，数据系统之间缺乏互操作性（interoperability），教师只能使用相互分离的两个或几个数据系统[8]。 一些学校数据系统储存的只是国家考试数据，教师感觉这些数据是过时的。尽管学校是“数据丰富”的，但是学校仍然是“信息贫乏”的，大量的数据通常存储在教师无法访问的地方，缺乏相关的信息技术来有效地组织、存储和产生数据[9]。如何将数据以易于使用的形式提供给教师是数据基础设施建设面临的挑战。
3.2 教师数据观念局限
长期以来，教师在教学中主要是根据直觉和有限的观察以及经验来进行教学决策。一些教师认为没有必要根据数据来改进教学，即便为他们提供学校数据或者班级数据，教师依然习惯于将经验作为决策的主要依据。教师运用数据的目的、动机、自我效能感等影响他们运用数据的方式。自我效能感理论认为一个人对自己做某事的能力的信念，会影响他或她的行为和执行该行为的有效性。教师有效运用数据进行教学决策，需要教师具有较强的自我效能感[10]。Vanlommel等人对408名小学教师进行调查发现，教师的动机影响他们数据的运用。当教师认为他们具有一定的自主性，会比较多地运用数据。反之，当教师感觉缺乏自主性时，他们运用数据的积极性就会降低[11]。 在运用数据的过程中，教师关注的主要是学习数据（data of learning ），例如标准化测验的成绩，而不是为了学习的数据（data for learning），如课程和教学实践的数据等[12]。 受已有观念的影响，教师倾向于寻求支持自己的观念、假设和经验的数据，忽视与他们的观念相矛盾的数据。尤其是在学校数据超载的情况下，由于时间和注意力有限，教师通常缩小他们所查找的数据范圍[13]。
3.3 学校数据文化缺失
数据驱动教学决策是一个复杂的过程，涉及数据的收集、分析、诠释等，依靠单个教师难以完成。数据驱动教学决策需要教师们以数据为中心开展协商与合作，使具有不同观念、专长的教师收集来源丰富的数据，从不同角度诠释数据意义，共同规划和改进教学。然而，实践中教师运用数据进行教学决策往往是私人化的、个体的行为，导致教师之间以数据为中心的合作分享是浅层次的、肤浅的。有研究者采用个案研究的方法，对6所学校以数据运用为目的的教师合作进行了研究，发现影响教师合作运用数据的因素包括领导关注数据运用、体现集体责任的数据驱动决策的框架、建立教师合作的规范、实施数据讨论指南、教师分组等[14]。此外，教师缺乏时间也成为影响教师合作的重要因素。值得注意的是，在一些情况下，教师团队合作也会对数据运用产生负面影响，例如教师团队只有有限的专家，在此种情况下会造成误解或者误用数据，共同合作可能会产生差的课堂实践[15]。
3.4 数据素养教育缺乏
数据驱动教学决策是教学范式的转变，这种范式主要以学习者为中心，满足个性化学习的需要，教师并没有为此做好准备，教师数据素养缺乏成为影响教师运用数据的重要因素。教师数据素养是指通过收集、分析和解释不同类型的数据，将信息转化成教学知识和实践，以改进教学的能力。包括基于标准理解数据、学科知识和实践、课程知识、学科教学知识以及理解学生如何学习[16]。 在对教师数据素养进行的相关培训中，主要关注如何访问数据管理系统。对教师数据运用的培训通常是和技术培训同步的，但是如果培训只是关注技术的学习，忽视了如何使用数据的学习，那么教师就很难具有数据素养[17]。美国一个全国范围的调查发现：43%的教师接受了数据分析的培训，接受调查的教师认为培训不够充分[8]。在美国一个学区进行的调查中，72%的教师认为缺乏相关的培训是影响他们运用数据系统的障碍，教师表示其需要接受关于数据改进教学相关的专业发展[18]。
4 美国中小学教师数据驱动教学决策的推进举措
为使教师有效地运用数据进行教学决策，美国积极探索数据驱动教学决策的路径，取得了一些值得借鉴的经验。
4.1 建立高质量数据管理系统
高质量的数据系统为教学决策提供必要的信息，能够全面记录和追踪学生的学习轨迹。美国建立了覆盖范围极广的教育数据系统，据“数据质量运动”统计，早在2014年，美国43个州的数据库已涵盖了从早期儿童教育至中学后教育阶段数据，18个州以及哥伦比亚特区已建立了P-20W系统[19]。在中小学校，数据系统一般包括管理信息系统、学习管理系统和评价信息系统。管理信息系统涵盖学校的基本数据，例如时间表、财政规划等;学习管理系统主要是支持学习和教学过程;评价信息系统包括标准化测试成绩、课堂评价以及学生的档案袋，一些数据系统可以综合成数据仓库，进行多维度的分析，减少探究和维护的成本[20]。数据系统具有易于操作的可视化数据分析工具，能为教师提供格式化的报告和查询工具，帮助教师理解和诠释数据的意义。例如，一些学习管理系统具有提供数据实时报告的功能，为教师提供实时数据，而不是月数据、学期数据或者学年数据，实时数据可以使教师知道学生学习进程及学习需要。一些学习管理系统具有提醒功能，通过邮件等方式及时通知教师学生的学习进程;还能够根据学习风格的不同将学生分组，为学生提供不同的练习和课程[21]。 4.2 提供相关数据政策支持
美国在促进数据驱动教学决策方面出台了一系列的政策，为教师运用数据提供了指引和保障。2001年，美国政府出台《不让一个孩子掉队法案》，2009年美国教育部颁布的《美国复苏与再投资法案》，都要求建立监控学生学习质量的数据系统。2011年，美国教育部发布名为《教师利用数据影响教学的能力：挑战与保障》的研究报告，教育部长邓肯提出，教师要利用学生成绩等数据来驱动教学和评价，联邦政府鼓励并支持利用数据改进教学[22]。2012年，美国教育部发布了《通过教育数据挖掘与学习分析促进教与学》蓝皮书。在自上而下的政策驱动下，越来越多的学校投入到数据驱动教学决策的改革中。为了促进教师数据知识和技能的提升，美国将数据素养纳入教师资格和认证制度。美国数据质量运动2014年的调查指出：2014年，已经有19个州在教师资格和审批程序政策中列入數据素养的内容，以确保教师在入职前掌握有效解释和使用数据的技能[23]。在数据安全和数据隐私保护方面，许多州为了保护学生的数据隐私，制定了相关法案。2018年，美国共计25个州通过了59项新法案，涉及教育数据的收集、链接、使用、获取、保护等方面[24]。
4.3 培育学校数据优先文化
培养合作、信任的数据文化是美国在促进教师运用数据驱动教学决策中达成的共识，其具体做法包括：第一，校长要建立以数据运用为中心的愿景和运用数据的规范。共同的愿景可以使教师愿意为了满足学生的学习需要来运用数据。校长要充分信任教师，在学校中运用数据进行教学决策，不是为了惩罚或者责备教师，而是将数据作为工具来确定哪些领域需要改进。在良好的数据文化下，教师愿意将数据放在集体的环境下进行公开讨论，而不用担心管理者是出于评价的目的让教师公开数据，使教师之间互相信任，重视数据在改进教学中的价值，能够常规性地运用数据来进行教学决策。第二，学校领导者为教师提供合作的机会和时间。在学校建立教师合作团队，如合作小组、研究团队、专业学习共同体等，使教师能够共同合作，分享和讨论学生的学习结果，分析阐释数据。教师合作可以为教师提供专业对话的机会，弥补教师个体数据知识和技能的不足。一些学校将数据讨论以制度化的形式固定下来，利用一些工具促进教师合作。例如，美国一些学区开发了数据讨论协议来指导以数据为中心的讨论。
4.4 开展教师数据素养教育
2011年美国教育部规划、评价和政策办公室提出教师数据素养应包括5大技能：数据收集的技能、理解数据的技能、解释数据的技能、运用数据进行教学决策的技能、根据数据发现问题的技能[18]。 美国对教师数据素养教育的形式是多种多样的。第一，建立数据团队。数据团队包括一个数据专家，4～6个教师，1～2个学校领导者，他们共同合作运用数据来解决学校问题。数据团队的成员一般接受大学研究者2年左右的培训。大学研究者每月与数据团队见面，对数据团队进行指导和帮助[25]。 第二，配备数据教练，数据教练可以是学校内部人员，也可以是外部的咨询者，包括校长、教师领导者、有经验的教师等，帮助教师分析数据、解释数据以及运用数据改进教学。第三，开设数据驱动决策的课程，包括两种类型：一种是开设独立的数据素养课程;另一种是将数据素养的学习整合进其他专业课程的学习中。这些措施从一定程度上提升了教师的数据素养。
参考文献
[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]
[基金项目] 教育部人文社会科学研究青年基金项目（18YJC880062）
[作者简介] *娄元元（1983—），女，河南潢川人。博士，讲师，硕士生导师，主要研究方向为课程与教学论。
[ 摘 要] 数据驱动教学决策在美国教育领域备受关注，已经成为了改进教学的重要驱动因素。美国中小学教师收集数据的类型主要有人口统计数据、过程数据、学习评价数据、感知数据等;数据驱动教学决策的过程包括收集数据、分析数据、阐释数据、运用数据制定决策;影响数据驱动教学决策的因素主要有数据基础设施不足、教师数据观念的限制、学校数据文化的缺乏以及数据素养教育缺乏。鉴于此，美国采取了建立高质量数据管理系统，制定相关数据政策，培育学校数据文化，开展教师数据素养教育等重要举措，以促进教师有效运用数据驱动教学决策。
[ 关键词] 数据;教学决策;教学改进
[ 中图分类号] G639 文献标识码] A [文章编号] 1005-4634（2021）03-0073-06
大数据时代，数据对教师教学决策具有重要价值。我国《国家教育事业发展“十三五”规划》指出，要“利用大数据技术开展对教育教学活动和学生行为数据的收集、分析和反馈，为推动个性化学习和针对性教学提供支持”。 随着我国各级教育数据库的逐步建立，中小学教师面临如何利用数据制定教学决策，促进教学改进的巨大挑战。美国在数据驱动教学决策方面积累了丰富的经验，取得了较好的效果，其数据驱动教学决策的推进举措可资我国借鉴。
1 数据驱动教学决策的内涵
数据驱动教学决策是系统地收集、分析和应用多种来源数据，根据学生的学习需要，提高学生学业表现的过程。在此过程中，教师要能够识别学生的学习优势和劣势，根据学习目标来设计教学[1]。教育情景下，数据驱动决策是分析和使用学生数据和相关的教育信息，为制定规划、资源分配和学生布局以及课程设置和开展教学提供依据，不断收集数据并持续改进教学的过程[2]。数据驱动教学决策主要强调超越数据，将数据转换为有用的知识，阐释数据背后的意义，继而转化成行动，改进教学实践。因此，数据驱动教学决策可以界定为教师系统地收集和分析来源不同的数据，规划和改进教学策略的过程。从原始数据中得出有用信息，包括6个步骤：（1）收集数据;（2）组织数据;（3）总结数据;（4）分析数据;（5）将数据转化为信息;（6）决策制定[3]。
值得注意的是，学界对数据驱动教学决策存在争议，一些研究者提出新的概念描述运用数据改进教学，如“基于数据的决策（data-based decision）”“数据感知教学决策（data-informed decision）”。研究者认为数据驱动教学决策本身具有工具主义的价值倾向，教学决策不能仅基于数据或者依靠数据驱动，数据并不能为教师提供学生学习的所有信息。教师需要合理认识数据与教学决策之间的关系：数据只是为教学决策提供了依据和参考，增加了教学决策的科学性。但是，教学决策不能仅依靠数据，排斥经验、直觉、道德等因素的作用。
2 美国中小学教师数据驱动教学决策的实践框架
数据并不能直接导致教学决策的产生，只有理解教师是如何运用数据来进行教学决策，才能揭开数据驱动教学决策的“黑箱”。
2.1 数据的来源及类型
教师需要收集的教学决策数据类型包括：人口统计数据、过程数据、学习评价数据以及感知数据。具体来说：（1）人口统计数据，可以为教学决策提供背景性信息，包括学生的人数、年龄、年级、民族、性别、家庭社会经济地位等。（2）过程数据，包括课堂观察数据，例如同事或学校领导者的课堂观察、作业等。随着信息技术在课堂中的运用，过程数据还包括电子设备收集的学生讨论、回答问题、作业等即时性数据。（3）学习评价数据，包括国家统一测试的成绩，期中、期末考试成绩以及日常的测验成绩等。（4）感知数据，主要反映学生及家长对学校、教学的满意度及感受。这类数据一般通过调查、访谈等方式获得。
来源丰富的数据可以为教学决策提供证据链，突破以往仅靠考试成绩来评价学生学习的局限。例如，当教师诊断学生的学习时，可以将考试成绩与学生的背景性信息（例如作业、性别、家长调查的结果）联系起来分析，从而判断学生成绩变化的原因，进而决定教学的哪些方面需要改进。由于教学和学习过程的复杂性，不能过度依靠标准化的测验来测量学生的学习，以线性的方式诊断学生的薄弱之处并采取行动。相比之下，形成性评价数据对于教师来说是较为有用的[4]。 如果教师仅使用标准化测验的数据来判断学生的学习需要，有可能造成“为考试而教”。
2.2 数据驱动教学决策的过程
国外研究者总结了不同的框架，以揭示教师在实践中如何运用数据进行教学决策。
第一，哈佛“数据智慧”改进过程框架。哈佛教育学院与波士顿3所公立中小学的学校领导者共同进行了为期2年的研究，提出了一个运用数据改进教学的框架，为在学校开展数据驱动教学决策提供了借鉴。“数據智慧改进”过程包括准备、探究和行动3个阶段，共8个步骤[5]（具体见图1）：（1）教师合作，建立教师、管理人员组成的数据团队;（2）发展教师评价素养，教师要具有分析和处理数据的能力，例如探讨评价工具、研究评价报告;（3）创建数据概览，通过统计图表（条形图、折线图、饼图等），展示各种数据，运用可视化图表帮助教师理解复杂的数据;（4）挖掘学生数据，确认一个学习者中心问题，主要是能够反映学生在技能和知识方面存在的问题;（5）检视教学，使教师明确教学实践中存在的问题;（6）制定行动规划，提出解决方案;（7）制定评价策略，在开展行动前制定评价学生学习进程的方案;（8）行动并评价。其中，（1）～（2）为准备阶段，（3）～（5）为探究阶段，（6）～（8）为行动阶段。 第二，IES数据驱动决策框架。2009年，美国教育科学机构（Institute of Education Science，简称IES）发布研究报告《运用学生成绩数据来支持教学决策》（Using Student Achievement Data to Support Instructional Decision Making），提供了一个运用学生成绩数据来支持教学决策的框架（见图2）。该框架认为教师运用数据改进教学是一个循环的过程：（1）收集和准备关于学生学习的数据，例如年度的、期中的以及课堂评价数据;（2）诠释数据并且形成关于学生表现影响因素的假设，以及需要采取哪些行动满足学生的需要;（3）改进教学实践来验证假设。最后重新开始这一循环过程，通过收集和解释学生的表现数据对教学改进进行评估。由于教师运用数据的过程是一个循环的过程，因此教师可以从任何一个地方开始[6]。
3 美国中小学教师数据驱动教学决策的影响因素
数据驱动教学决策的理论假设是如果教师能够获得学生的学习数据，那么他们就能据此识别出学生已经掌握哪些知识，从而根据学生的学习需要改进教学实践。而实际上，教师在实践中运用数据改进教学比提倡者所理想化的假设要复杂得多，数据驱动教学决策的效果各异，受到数据系统、教师观念、专业发展、学校文化和领导等多方面的影响。
3.1 数据基础设施不足
数据基础设施是影响数据驱动教学决策的重要因素，数据的相关性、及时性、易访问性等都影响教师运用数据。对美国3个学区的教师调查发现，教师有效运用数据最大的挑战来自于数据的及时性、价值性、用户友好性[7]。 在问责制的压力下，美国各州、学区建立了数据系统，教师较之以往容易访问学生数据系统，但是数据系统不能跨系统分享数据，并且储存的数据有限，缺乏工具帮助教师分析数据。此外，数据系统之间缺乏互操作性（interoperability），教师只能使用相互分离的两个或几个数据系统[8]。 一些学校数据系统储存的只是国家考试数据，教师感觉这些数据是过时的。尽管学校是“数据丰富”的，但是学校仍然是“信息贫乏”的，大量的数据通常存储在教师无法访问的地方，缺乏相关的信息技术来有效地组织、存储和产生数据[9]。如何将数据以易于使用的形式提供给教师是数据基础设施建设面临的挑战。
3.2 教师数据观念局限
长期以来，教师在教学中主要是根据直觉和有限的观察以及经验来进行教学决策。一些教师认为没有必要根据数据来改进教学，即便为他们提供学校数据或者班级数据，教师依然习惯于将经验作为决策的主要依据。教师运用数据的目的、动机、自我效能感等影响他们运用数据的方式。自我效能感理论认为一个人对自己做某事的能力的信念，会影响他或她的行为和执行该行为的有效性。教师有效运用数据进行教学决策，需要教师具有较强的自我效能感[10]。Vanlommel等人对408名小学教师进行调查发现，教师的动机影响他们数据的运用。当教师认为他们具有一定的自主性，会比较多地运用数据。反之，当教师感觉缺乏自主性时，他们运用数据的积极性就会降低[11]。 在运用数据的过程中，教师关注的主要是学习数据（data of learning ），例如标准化测验的成绩，而不是为了学习的数据（data for learning），如课程和教学实践的数据等[12]。 受已有观念的影响，教师倾向于寻求支持自己的观念、假设和经验的数据，忽视与他们的观念相矛盾的数据。尤其是在学校数据超载的情况下，由于时间和注意力有限，教师通常缩小他们所查找的数据范圍[13]。
3.3 学校数据文化缺失
数据驱动教学决策是一个复杂的过程，涉及数据的收集、分析、诠释等，依靠单个教师难以完成。数据驱动教学决策需要教师们以数据为中心开展协商与合作，使具有不同观念、专长的教师收集来源丰富的数据，从不同角度诠释数据意义，共同规划和改进教学。然而，实践中教师运用数据进行教学决策往往是私人化的、个体的行为，导致教师之间以数据为中心的合作分享是浅层次的、肤浅的。有研究者采用个案研究的方法，对6所学校以数据运用为目的的教师合作进行了研究，发现影响教师合作运用数据的因素包括领导关注数据运用、体现集体责任的数据驱动决策的框架、建立教师合作的规范、实施数据讨论指南、教师分组等[14]。此外，教师缺乏时间也成为影响教师合作的重要因素。值得注意的是，在一些情况下，教师团队合作也会对数据运用产生负面影响，例如教师团队只有有限的专家，在此种情况下会造成误解或者误用数据，共同合作可能会产生差的课堂实践[15]。
3.4 数据素养教育缺乏
数据驱动教学决策是教学范式的转变，这种范式主要以学习者为中心，满足个性化学习的需要，教师并没有为此做好准备，教师数据素养缺乏成为影响教师运用数据的重要因素。教师数据素养是指通过收集、分析和解释不同类型的数据，将信息转化成教学知识和实践，以改进教学的能力。包括基于标准理解数据、学科知识和实践、课程知识、学科教学知识以及理解学生如何学习[16]。 在对教师数据素养进行的相关培训中，主要关注如何访问数据管理系统。对教师数据运用的培训通常是和技术培训同步的，但是如果培训只是关注技术的学习，忽视了如何使用数据的学习，那么教师就很难具有数据素养[17]。美国一个全国范围的调查发现：43%的教师接受了数据分析的培训，接受调查的教师认为培训不够充分[8]。在美国一个学区进行的调查中，72%的教师认为缺乏相关的培训是影响他们运用数据系统的障碍，教师表示其需要接受关于数据改进教学相关的专业发展[18]。
4 美国中小学教师数据驱动教学决策的推进举措
为使教师有效地运用数据进行教学决策，美国积极探索数据驱动教学决策的路径，取得了一些值得借鉴的经验。
4.1 建立高质量数据管理系统
高质量的数据系统为教学决策提供必要的信息，能够全面记录和追踪学生的学习轨迹。美国建立了覆盖范围极广的教育数据系统，据“数据质量运动”统计，早在2014年，美国43个州的数据库已涵盖了从早期儿童教育至中学后教育阶段数据，18个州以及哥伦比亚特区已建立了P-20W系统[19]。在中小学校，数据系统一般包括管理信息系统、学习管理系统和评价信息系统。管理信息系统涵盖学校的基本数据，例如时间表、财政规划等;学习管理系统主要是支持学习和教学过程;评价信息系统包括标准化测试成绩、课堂评价以及学生的档案袋，一些数据系统可以综合成数据仓库，进行多维度的分析，减少探究和维护的成本[20]。数据系统具有易于操作的可视化数据分析工具，能为教师提供格式化的报告和查询工具，帮助教师理解和诠释数据的意义。例如，一些学习管理系统具有提供数据实时报告的功能，为教师提供实时数据，而不是月数据、学期数据或者学年数据，实时数据可以使教师知道学生学习进程及学习需要。一些学习管理系统具有提醒功能，通过邮件等方式及时通知教师学生的学习进程;还能够根据学习风格的不同将学生分组，为学生提供不同的练习和课程[21]。 4.2 提供相关数据政策支持
美国在促进数据驱动教学决策方面出台了一系列的政策，为教师运用数据提供了指引和保障。2001年，美国政府出台《不让一个孩子掉队法案》，2009年美国教育部颁布的《美国复苏与再投资法案》，都要求建立监控学生学习质量的数据系统。2011年，美国教育部发布名为《教师利用数据影响教学的能力：挑战与保障》的研究报告，教育部长邓肯提出，教师要利用学生成绩等数据来驱动教学和评价，联邦政府鼓励并支持利用数据改进教学[22]。2012年，美国教育部发布了《通过教育数据挖掘与学习分析促进教与学》蓝皮书。在自上而下的政策驱动下，越来越多的学校投入到数据驱动教学决策的改革中。为了促进教师数据知识和技能的提升，美国将数据素养纳入教师资格和认证制度。美国数据质量运动2014年的调查指出：2014年，已经有19个州在教师资格和审批程序政策中列入數据素养的内容，以确保教师在入职前掌握有效解释和使用数据的技能[23]。在数据安全和数据隐私保护方面，许多州为了保护学生的数据隐私，制定了相关法案。2018年，美国共计25个州通过了59项新法案，涉及教育数据的收集、链接、使用、获取、保护等方面[24]。
4.3 培育学校数据优先文化
培养合作、信任的数据文化是美国在促进教师运用数据驱动教学决策中达成的共识，其具体做法包括：第一，校长要建立以数据运用为中心的愿景和运用数据的规范。共同的愿景可以使教师愿意为了满足学生的学习需要来运用数据。校长要充分信任教师，在学校中运用数据进行教学决策，不是为了惩罚或者责备教师，而是将数据作为工具来确定哪些领域需要改进。在良好的数据文化下，教师愿意将数据放在集体的环境下进行公开讨论，而不用担心管理者是出于评价的目的让教师公开数据，使教师之间互相信任，重视数据在改进教学中的价值，能够常规性地运用数据来进行教学决策。第二，学校领导者为教师提供合作的机会和时间。在学校建立教师合作团队，如合作小组、研究团队、专业学习共同体等，使教师能够共同合作，分享和讨论学生的学习结果，分析阐释数据。教师合作可以为教师提供专业对话的机会，弥补教师个体数据知识和技能的不足。一些学校将数据讨论以制度化的形式固定下来，利用一些工具促进教师合作。例如，美国一些学区开发了数据讨论协议来指导以数据为中心的讨论。
4.4 开展教师数据素养教育
2011年美国教育部规划、评价和政策办公室提出教师数据素养应包括5大技能：数据收集的技能、理解数据的技能、解释数据的技能、运用数据进行教学决策的技能、根据数据发现问题的技能[18]。 美国对教师数据素养教育的形式是多种多样的。第一，建立数据团队。数据团队包括一个数据专家，4～6个教师，1～2个学校领导者，他们共同合作运用数据来解决学校问题。数据团队的成员一般接受大学研究者2年左右的培训。大学研究者每月与数据团队见面，对数据团队进行指导和帮助[25]。 第二，配备数据教练，数据教练可以是学校内部人员，也可以是外部的咨询者，包括校长、教师领导者、有经验的教师等，帮助教师分析数据、解释数据以及运用数据改进教学。第三，开设数据驱动决策的课程，包括两种类型：一种是开设独立的数据素养课程;另一种是将数据素养的学习整合进其他专业课程的学习中。这些措施从一定程度上提升了教师的数据素养。
参考文献
[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]