国外教师数据素养教育研究与实践现状述评_大数据论文

国外教师数据素养教育研究与实践现状述评，本文主要内容关键词为：述评论文,素养论文,现状论文,国外论文,教师论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      [中图分类号]G434 [文献标志码]A

      大数据是信息爆炸时代产生的海量数据以及对这些数据的创新应用。大数据时代，人们越来越关注数据的价值，以及获取数据、分析数据的能力。数据可以帮助我们发现其他方式所发现不了的问题，证明方案需要改进的必要性；可以确保或怀疑实践的正确性，发现问题产生的根源，表明需要改进的关注点，指导资源的有效分配[1]。因此，具备采集和识别有用的数据并将其转化为可理解信息知识的能力，逐渐成为各行业对从业者的能力要求之一。

      近年来，各行各业越来越关注数据所带来的价值，教育界也不例外。大数据的使用能够有效地解决教学过程中的诸多问题，如提高毕业率、改善教学方式、为学生提供更好的教学内容等。具备数据素养的教师能够利用教育平台上的数据，分析与解读学生的学习状态、学习偏好和认知特点，掌握学生的学习进度，进而制定出满足学生需求的教学策略，同时还可以针对系统提供的信息对学习效果进行有效的评价和反馈。

      从教育管理的层面上看，大数据支持的教学决策已经成为教育改革关注的重点。美国教育部教育科学研究中心(Institute of Education Sciences，简称IES)表示，数据使用和数据分析是提高地区和学校办学质量的基础。美国教育部也认为教育工作者要充分利用评估数据了解学生的学习水平，满足其学习需求[2]。为了给教师获取和使用数据创造良好的外部环境，各国政府构建了相应的数据系统。例如，美国政府建立了跨地区的纵向数据系统，将各州的学生数据与其他相关数据相连接，为教师收集和分析数据提供良好的技术基础[3]。然而，当前即使是在美国，使用数据进行教学仍旧存在许多问题。很大程度上归因于教师缺乏处理和运用数据的能力[4]。因此，教师的数据素养教育已经成为解决上述问题的关键。教师数据素养所包含的数据分析和解读能力以及批判思维能力，已经成为信息化教学中教师处理教学问题的关键，是开展教学活动的有力支撑，也符合个性化教育的本质要求。

      二、文献研究

      本研究采用文献分析法对教师数据素养相关的文献进行了整理和分析。首先，笔者在中国知网(CNKI)上以“数据素养”为关键词检索，获得文献25篇。这些论文大部分都是图书情报专业的研究，集中在对数据素养概念界定和对其意义的讨论。教育领域内的数据素养研究较少，陈娜萍对数据素养的发展历程和内涵作了简要的总结和分析[5]；张进良等从数据素养的概念和价值出发，探讨了教师数据素养所面临的问题和发展路径[6]；王萍从教师数据智慧的角度对数据素养的定义作了辨析[7]。以上研究均未涉及数据素养的教育实践活动。

      鉴于国内研究尚不充分，本课题主要关注教师数据素养教育的国外现状。通过检索外文专业数据库和国外专业搜索引擎，从ERIC、谷歌学术以及SSCI文献库中先后以"Data Literacy+Educators' Data Literacy Training"、"Data-Based Education"、"Data-Driven Decision Making"为关键词，检索关于教师数据素养的相关文献。通过浏览标题、文献摘要和正文筛选出相关度较高的外文文献109篇。从这些文献可以看出，该领域的研究主要集中在以下几个方面。

      1.关于教师数据素养概念和能力的界定。Athanase等认为教师数据素养是指教师集中、有目的地收集和分析学生的作业，反思和处理这些学习数据的能力，可以促进教师反思学生的学习效果和指导新的教学实践[8]。也有学者认为教师数据素养就是教师正确地观察、分析和解释很多不同类型的数据，有目的、持续性地提升学校和班级的教学效果的能力[9]。不同研究者对数据素养的内涵和外延存在不同的理解，目前并未形成统一的数据素养定义。

      2.教师数据素养教育的意义和挑战。大数据时代，教师的数据素养在教学实施中的作用越来越显著。美国教育部长邓肯多次表示，教师数据素养在指导教学中有重要意义，培养教师处理数据的能力非常迫切。数据素养教育也面临一些挑战，Mandinach等针对政府、学校、教师等不同层面存在的问题展开了讨论[10]。

      3.教师数据素养能力的理论基础。Marsh等设计了一种数据驱动教学(Data Driven Decision Making，简称DDDM)的指导框架，用来干预教师的教学实践[11]；美国哈佛大学教育学院提出了“数据智慧改进过程”(Data Wise Improvement Process，简称DWIP)模型，用以支持教师团队运用数据改善教学[12]；Mandinach从教师的数据素养技能和概念出发，提出了数据运用的概念框架[13]。这类研究主要致力于构建教师教学实践的理论模型，并应用到教师数据素养能力提升中，对教师开展具体的教学实践具有很好的指导作用。

      4.教师数据素养教育项目的开展情况。教师的数据素养教育受到了政府和相关机构的重视，并制定了相应的政策和认证机制。在美国，美国国家科学基金(National Science Foundation，简称NSF)、斯宾塞基金会(Spencer Foundation)、WestEd联合会等很多组织和机构投入了大量资金推进教师数据素养能力提升项目。在英国、澳大利亚、南非等国家也相继开展了这方面的培训。

      通过以上文献分析，可以看出：国外很多研究者已经对教师数据素养教育开展了较多的讨论和研究，并由政府或民间机构主导开展了相应的实践活动。而国内在此方面的研究尚处于起步阶段，缺乏相应的实践。本文将针对国外教师数据素养教育的进展情况展开讨论，分析和总结教师数据素养教育的理论基础、现状和典型案例，以期为今后我国开展相应的实践活动提供参考。

      三、教师数据素养的概念和内容

      (一)教师的数据素养

      数据素养是在大数据和云计算高度发展的背景下应运而生的。它是信息素养在大数据背景下的新内容和重要组成部分。基于大数据的异构性、多源性等特点，它涉及的数据获取、处理及利用的能力，远比原来信息素养中对信息的检索、分析、判断以及利用的能力要求要复杂得多[14]。数据素养是人们对不断增长的数据进行管理、解释和批判思考的能力[15]。Mandinach认为教师的数据素养是将数据应用到教育实践中的能力，运用学科知识、教学事件和教师所具备的教学专业知识与教学数据相结合，影响和改善学生的学习(如图1所示)[16]。也有机构认为数据素养是教师收集、分析、解释不同类型的数据，并转化为改进教学行为的知识和实践的能力，以此辅助教师确定教学步骤，开展有效教学[17]。美国的“数据质量运动”(Data Quality Campaign，简称DQC)是一个旨在通过有效的数据使用提升学业成绩的项目。它将教师数据素养定义为教师从政府、地区、学校、班级和其他途径持续、有效、合法地获取、解释、运用和传播多种类型的数据，以适合教育者角色和任务的方式来提升学生学习成果的专业技能[18]。Athanase等进一步指出教师的数据素养还应包括教学探究的能力：能够阐述教学问题，系统化地收集和整理数据，使用适当的工具分析和显示结果，最终得出结论。他们还认为运用数据指导教学是一个“基于数据提出问题，选择和评估数据以获得答案，基于解释得到推论”的迭代过程，是培养教师“调查探究”习惯的过程。通过处理数据，教师能够知道教学处于何种阶段，将会向哪个方面发展，如何取得成果，然后转身反思整个过程，对工作作出及时调整[19]。

      综上所述，教师的数据素养是教师专业能力中较为复杂的一项技能，既包括使用数据的知识，也包括使用数据进行教学的技能，还包括专业教学知识以及有目的地使用数据的意识。它是教师适应社会新发展的专业能力，也是全面了解学生学习水平和认知能力的有效工具。

      (二)数据素养教育的内容

      明确培养目标和内容是开展教师数据素养教育的前提。教师数据素养能力的培养要求教师能够通过一系列的数据处理过程，将数据信息应用到实际教学过程中。2005年，Light等人提出了数据驱动决策(Data Driven Decision Model，简称D3M)模型，之后，Mandinach、Marsh等不同的研究者又对该模型做了不同程度的改进。该模型将应用数据支持教学的过程概括为六个步骤：收集数据、组织数据、总结概括、分析数据、将数据整合与转化成信息和辅助决策[20]。这六个步骤包含了教师数据素养的各项主要能力。2011年，美国教育部的规划、评价和政策办公室也提出教师数据素养专业技能应包括五大技能[21]：(1)数据收集的技能，即收集所需要的数据并整理和筛选；(2)理解数据的技能，即能够理解数据表达的含义；(3)解释数据的技能，即从数据的含义中提取出有用的信息；(4)运用数据进行教学决策的技能，即依据数据制订教学计划；(5)根据数据发现问题的技能，即根据数据提出反馈问题，使用多种方法对教学结果进行评价，并调整教学计划。

      

      图1 教师的数据素养(Mandinach，2012)

      根据以上文献研究以及大量的培训实践，我们将教师数据素养教育的内容总结为数据意识、数据收集、数据理解、数据分析、数据使用以及运用数据发现问题等六个方面的能力。各方面的具体内容见表1。

      

      四、教师数据素养教育概况

      文献可追溯的最早开展教师数据素养教育的机构是国际社会科学信息服务与技术协会(International Association for Social Science Information Services and Technology，简称IASSIST)，该机构致力于在社会学科领域为研究和教学提供信息技术和数据服务支持[22]。早在2003年，IASSIST就提出培养数据素养方面所面临的一些挑战，并开展了相关培训项目。2004年，该机构基于“英国数据档案(UK Data Archive)行动计划”，对教学项目中的使用数据的情况进行了调查，旨在增加教学中可使用的数据资源，提高教师和学生使用数据的能力[23]。2005年，Codding等人在教师中开展了数据使用技能的培训，训练教师如何解释某些类型的评价数据，并且使用这些数据制定可观测、可实施的教学目标[24]。

      早期的教师数据素养教育表现出以下特征：(1)数据来源主要是E-Learning中的学习信息，数据量没有那么丰富；(2)侧重点是对评价和统计能力的培养；(3)技术上缺乏能够提供实时和可获取的有效数据的数据系统；(4)主要对教师个体进行培训，缺少教师之间的合作与交流。这些对教师利用数据解决教学基本问题的培训并不足以满足当今社会对教师数据素养的高要求。进入大数据时代以后，随着信息系统的不断完善，教学过程中产生的数据在数量上更加庞大，类型上也更趋于多样化。这对教师处理数据、利用数据指导教学的能力提出了更高的要求。许多国家和地区的政府以及民间机构逐渐开展教师数据素养培训项目，并提供相应的资金支持。

      美国是最关注教师数据素养的国家之一。2001年，美国政府促成了“不让一个孩子掉队”法案，旨在增进美国的教育公平，使每一个孩子都具备基本的阅读能力与数学能力，并要求教师使用严谨的研究结果来指导教学实践，使用多种数据支持教学[25]。教师数据素养教育是落实该法案的迫切要求，也是美国政府数据驱动的决策(D3M)项目中的主要内容。目前，美国有很多机构或项目都在推进数据素养教育，如美国教育部教育科学研究中心(IES)、数据质量运动(DQC)、WestED的数据决策战略项目以及数据智慧项目(The Data Wise Project)等。一些专业机构已经将数据素养纳入教师专业认证中，如美国大学教师教育协会(AACTE)、国家专业教学标准委员会(NBPTS)和国家教师教育认证委员会(NCATE)。全美州首席教育官理事会(Council of Chief State School Officers，简称CCSSO)制定的InTASC标准已经被许多州用于教师数据素养能力评估[26]。IES也据此发布了有关教师职业发展的实践指南，为教师使用数据教学提供指导。除了美国以外，大洋洲、欧洲、南美洲的一些国家也都发布了数据素养教育的相关措施和行动计划，但尚未进行大规模的推广和实践。有些国家仅对学校数据系统的推广应用和技术工具的使用进行了相关培训，如南非部署了小学监测反馈系统(SAMP)，为教师和管理者提供数据服务[27]。

      五、教师数据素养教育的层次和维度

      教师数据素养教育是一项综合工程，会受到政策因素、社会需求、文化因素和个人条件等多方面的影响，我们将自上而下，从政府、学校和教师等三个层面针对这些因素进行深入分析，以讨论不同层面上开展教师数据素养教育的关注点。

      (一)政府层面的关注点

      在政府层面，数据素养教育工作主要包括政策支持、资格认证、资金和技术支持以及信息公开等。以美国阿肯色州为代表的一些地区已经将数据素养的能力要求纳入教师专业技能认证标准中，该州采用的就是前文提到的InTASC标准[28]。资格认证为开展培训实践提供了清晰的培养目标，有利于培养教师数据素养能力的提高。

      政府的资金投入、对数据系统的支持，以及对教育数据的公开在提升教师数据素养的实践中也非常重要。如今，越来越多的数据系统被各地教师用于教学和评价，它们逐渐成为教师获取和分析学生数据的主要工具，有效地为教师提供所需要的数据支持。美国的DQC项目建立覆盖全州的纵向数据系统(Statewide Longitudinal Data Systems，简称SLDS)，将各个地区的数据连接在一起，并赋予教师访问学生数据的权限[29]。截至2014年，已经有34个州为教师提供了可访问的学生数据库。DQC项目中的第九项专门关注教师数据素养的培养，项目实施的结果见表2[30]：在这个项目中，2011年全部达到DQC规定目标的州仅有三个，2014年已经增加到了18个。

      在运用数据指导教学过程中，保证数据安全与提供可用的数据同等重要，它是促进数据有效使用的先决条件。针对安全问题，美国各州政府制定了相关的制度，规定数据的使用范围，以保证学生的隐私安全[31]。截至2014年，美国各州政府已经通过了110项法律议案对学生数据进行安全管理，其中已经有30项被纳入法律中[32]。

      

      (二)学校层面的关注点

      对教师数据素养的教育中，团队合作学习已经被证明是有效的方式。不同项目中受训团队的组成各有差异，既有全部是教师的研讨小组，也有包括校长和教师在内的小组，还有教师、技术人员和管理者共同参与的小组。美国特拉华州教育局在2010-2011年开展了一项提升小学教师数据素养的实验。对四所小学所有的教师每周强制实行90分钟培训，以专业化协作学习社群(PLC)的形式开展[33]。培训过程中，教师之间的合作学习很好地提升了他们运用数据开展教学的能力，并且形成了持续学习、分享数据和经验的文化。另一个由NSF主导的跨机构“数据使用项目”(Using Data Program，简称UDP)对由校长和教师组成的团队在有效运用数据指导教学方面进行了深入培训，通过混合学习的方式培训教师使用数据教学的知识和技能，引导他们通过协同工作鉴别和使用可靠的数据，发现教学中存在的问题，验证并解决这些问题[34]。

      校长的领导力和学校的组织文化对教师有效地使用数据进行教学决策也有重大影响。Wayman等设计了12条管理策略，用于识别管理者实施数据驱动教学的情况，为校长指导教师提升数据素养提供了参考依据[35]。这些策略包括为教师创造使用数据系统的机会，鼓励教师使用更多类型的数据，通过切身经验为教师示范，提供具体的操作指导，创设使用数据进行教学的环境等。学校管理者应该制定有利于教师提升数据素养的规定，营造使用数据的校园环境和文化，以影响教学活动。

      聘请专业人员为教师提供多种形式的帮助和技术指导是学校层面的另一个关注点。这些专业人员包括教育专家、资深教师、数据专家和教育机构负责人等。目前，美国三分之二的学校都配备了此类专业人员，他们负责组建数据小组，推进数据使用，帮助教师收集、分析和解释数据，以及进行数据素养的业务培训等[36]。

      (三)教师层面的关注点

      教师的专业能力水平也会影响培训的效果。不同的培训项目针对不同基础和水平的受训者设计，所提供的培训内容也有所不同。比如对于本科生，数据素养教育的内容主要是训练学生的数据思维和数据能力，如特拉华大学的教育学院的培训课程[37]。职前教育中的数据素养培训不仅包括处理数据的技能，还涉及教师教学的专业技能，如美国中西部的公立大学的师范生培训[38]。而在职教师培训，由于其已经具备了一定的专业技能和教学经验，则主要是帮助他们养成使用数据的习惯，提升在教学环节中获取、分析、解释、运用数据的能力，内容更加深入，并且和教学结合紧密。

      从个人层面来看，教师应有意识地培养自己的数据意识和批判思维能力。在培训和实践活动中，教师对数据的态度、数据信任度、团队意识、参与活动的积极程度等都很重要。不仅影响到培训的总体效果，同时也会对团队的整体绩效产生关键影响。因此，培训过程中有必要了解和改善教师的态度，从而有利于目标的达成。美国特拉华州的专业化协作学习社群项目中，项目组织者从行为规范、教师信任度、集体责任感和领导力等方面调查了参与学校的合作文化，旨在分析影响培训效果的文化因素[39]。

      根据以上讨论，我们认为教师数据素养教育可以从政府(地区)、学校、个人等三个层面上逐一展开，虽然每个层面关注的重心和组织方式各有差异，最终都是为提升教师使用数据驱动教学的能力服务。以此构建出一个教师数据素养教育的层次模型，如图2所示。

      

      图2 教师数据素养教育层次模型

      六、典型案例分析

      下面我们将以两个案例详细介绍数据素养教育开展的形式和内容。第一个案例是在一所学校中进行了数年的行动研究，侧重于数据环境以及教师数据素养的持续提升；第二个案例是一个较大区域内的综合培训项目，参与人数众多，影响很大。

      (一)案例1：科学课程教师数据素养训练项目

      2009年至2012年，美国国家科学基金(NSF)资助了一项中学科学教师数据素养教育项目，旨在培训教师使用数据进行决策的能力[40]。项目为中学科学教师提供了一个数据分析系统，帮助教师快速获取复杂多样的学生数据，分析学习情况，通过对数据的使用提升教师的数据素养和提高教学效果。项目涵盖的教学数据主要包括出勤情况、学生人数、成绩、测验和评价数据等，对数据的使用和分析以前文介绍的D3M模型为理论框架。

      该项目中，学生在一个沉浸式的虚拟学习环境中进行探究式学习，目标是学习科学课程的知识内容，并掌握探究学习的技能。学生与虚拟人物交互，获取重要的提示信息并完成学习任务，学习轨迹自动记录到数据管理系统中。管理者、研究者、教师和学生都能从这个系统里面获取自己想要的信息。系统还提供了可视化的数据界面，帮助教师全方位地获取学生的状态信息，并且在较长的时间周期上跟踪学生的学习进展情况。通过系统提供的数据，教师和研究者可以对学生的学习情况进行客观、综合的分析和评价。

      项目前三年的重点是D3M模型的前三个步骤。每年夏天开展为期一至三天的培训，内容包括“如何合作开展教学内容的设计”和“学习如何处理不断增长的数据”等。当教师熟练掌握了收集、组织和提炼数据的技能后，第四年对后面三步进行训练；学习如何通过在线学习的数据分析学生如何回答问题，分析学生行为活动的原因，提出总结性的问题。研究者通过研讨帮助教师解释和运用这些数据。经过四年的培训，教师学会了如何发现隐性知识，如何使用评价数据分析学生的学习状况，并采取不同的教学策略以支持学生的探究和学习。

      该项目是一个长期的、持续性的培训项目。参与人员包括教师与研究者共12人，以团队的形式开展活动。项目进展过程中，各类人员共同讨论，使教学计划更加全面和深入；通过数据反馈发现教学问题，使整个实践更加系统化。项目的培训内容和培训计划循序渐进地提升了教师的数据素养能力，为教师运用数据指导教学提供了指南和帮助，实现了以学习者为中心的教学理念。

      (二)案例2：俄勒冈数据项目

      俄勒冈数据项目(The Oregon DATA Project，简称ODP)是IES资助的教师数据素养教育项目，旨在培养教师获取、分析和运用数据的能力，指导教学实践，满足学生的个性化学习需求，最终提升学习绩效。自2007年到2014年，该项目已经完成了五千多名教师的数据素养能力培训。项目实施过程中，俄勒冈州的教育部门建立了一个覆盖全州的纵向数据系统(SLDS)，系统中的数据涉及地区、学校、班级和学生等四个层面，各地区实现了数据连接。该项目在八个地区成立了15个联席会，每个地区的参与人数超过180人，参与者包括政府代表、校长、教师、技术人员、保密人员和家长等[41]。

      项目实施的重点是针对校长和教师的数据技能培训和针对数据录入人员的技术培训，也包括对即将从教的本科生或研究生进行的职前培训，培训讲师是来自各地区教育部门的专家和中小学校的教学专家。培训的内容是如何获取、组织和分析SLDS数据，用于指导教学。该项目在七个区域中心组织了地区性的教学服务群，通过强大的数据团队和专业教学社区为教学活动提供持续地支持服务。项目以中小学的科学、数学以及阅读课程为试验田，配套的教学资源可以通过项目网站或邮寄光盘的形式获取。在数据支持服务方面，该项目给予教师访问学生数据的权限，并提供了全面的数据素养培训。

      结果表明，相比未参加数据项目的学校，参与学校的学生在学业成绩方面有显著差异。图3是两类学校学生在阅读能力上的对比，前者的优势非常明显。参与该项目的一些教师表示：通过在教学中获取、分析和应用数据，教学活动开展得更加轻松，教学设计更加到位，个性化教学效果更好。研究者认为实验学校通过数据指导教学两年取得效果，用传统教法至少要三到五年才能达到。同时，项目的实施也打破了区域间的障碍，加强了跨地区的交流合作，形成了一种新的数据使用文化。

      

      图3 实验校和非实验校的学生阅读水平差异(ODP，2012)

      俄勒冈州的数据项目是一个规模庞大、参与者众多的培训项目，具有鲜明的特色。地区政府提供了资金和技术上的支持，为教师获取教学所需的数据创造了条件，是项目成功的前提。项目提供了充足的人员支持和专家指导，来为教师解决数据处理和教学开展中的问题。除了线下面对面的支持以外，教师还可以在网上获取相应的学习资源应用到教学中。整个地区形成了使用数据的氛围，教师的数据意识有了很大提升，能够自觉地运用数据指导教学。

      七、讨论和总结

      国外开展的教师数据素养教育经历了多年的实践，已经取得了一定的成效，积累了丰富的经验。大多数培训都是以地区为单位组织和开展，得到了政府的大力支持以及学校的配合。在培训过程中，多方面的支持也是必不可少的，教育或数据专家的指导是教师成功开展数据教学的重要助力。在培训方式上，传统的集中式学习已经不再适用，线上线下混合成为趋势。培训和实践紧密结合，教师数据素养能力的培养需要在具体的教学实践中得到积累。

      然而，此类项目在开展过程中也存在一些问题和挑战。例如，在团队合作上，运用数据指导教学需要多个角色配合，很多教师并不能很好地参与到合作过程中。还有在培训组织上，很多地区只安排了少量时间，即使有些项目开展的时间较长，但每次提供的专家指导较少，大多数时间还是教师自行组织研讨。此外，在数据系统支持上，有些学校的系统功能原始，数据量小，数据类型较少，不能满足教学。这些缺陷对教师提升数据素养造成了障碍。

      相比国外，目前我国的学术界和政府部门还未充分认识到教师数据素养的重要性，更没有系统地开展培训工作。通过对国外教师数据素养教育实施情况的总结，笔者认为今后开展教师数据素养教育应该综合考虑管理部门、学校以及教师个人各方面的影响因素。

      1.管理部门需要对教师的数据素养教育作出长期规划，将教师数据素养技能纳入到专业技能的评定中，结合学科教学指导教师专业发展。区域教育主管部门和学校的领导需要强化数据使用意识，鼓励跨校、跨地区的数据分享和应用，在区域层面上对数据获取和处理提供技术支持；加大人力和资金支持，设立教师数据素养评价和培训的专业机构。

      2.学校要为教师使用数据优化教学提供相应的支持，鼓励教师之间开展合作，努力营造使用数据的文化氛围，提升教师的数据意识和数据思维习惯，并提出具体明确的评价标准，编制优秀教学案例和实践指南供教师参考。数据素养对教学的改善突破班级走向全校，需要将整个教学组织都动员起来。

      3.教师应加强自身的数据意识和数据敏感度，不仅掌握数据处理的技能，更应该不断地探索和研究有效的教学方法。此外，教师应该用积极主动的态度拥抱创新，提高数据素养不仅是提高教师教学水平的要求，也有利于教师个人职业能力的成长和综合素质的提高。

      数据素养是大数据时代教师应该具备的一项综合实践技能，是对教师的专业能力更高层次的要求。教师的数据素养教育不可能一蹴而就，需要政府统筹规划，学校和教师个人共同努力，长期地、持续地结合教学开展学习和实践，循序渐进地提升教师的数据素养。

标签：大数据论文;  教学技能论文;  教师技能论文;  教师评价论文;  系统评价论文;  教学过程论文;  教学评价论文;  提升技能论文;  教育研究论文;  系统学习论文;  国外教育论文;