美国教师数据素养发展现状及其对我国的启示^*

李 新 杨现民^{[通讯作者]}晋欣泉

（江苏师范大学 智慧教育研究中心，江苏徐州 221116）

摘要：随着大数据技术在教育教学领域的应用推进，数据驱动教学时代已经到来。作为数据驱动教学时代的核心参与者，教师不仅要拥有扎实的专业技能，还需要具备良好的数据素养。文章在探讨教师数据素养内涵与价值的基础上，重点分析了美国教师数据素养的发展脉络、理论基础和发展框架，进而探讨了对我国教师数据素养发展的启示：政府发挥领导作用、区域统筹资源配置、学校营造数据环境和教师培养数据意识，以期对我国教师数据素养的发展提供有益的借鉴。

关键字：教育大数据；教师数据素养；数据驱动教学；发展路径

引言

随着数据密集型科研范式的兴起和大数据的持续影响，数据素养逐渐成为21世纪公民的必备素养之一^[1]。数据素养作为信息素养的延伸，最早由Shields^[2]于2004年在《信息素养、统计素养和数据素养》一文中提出，之后逐渐受到来自管理学、教育学等领域研究者的关注。数据素养主要是指个体能够对数据进行科学准确的认识、理解、操作与应用，以充分挖掘其隐藏价值的能力。如今，数据驱动的科学决策已经渗透到社会各个领域，无论是医院里的检查报告、天气预报中的数据报表还是超市里的销售清单，都已成为我们做出决策的重要依据。

教师数据素养作为大数据时代信息素养的新内容，逐渐引起国内外教育研究者与实践者的关注。作为数据驱动教学时代的核心参与者，教师不仅要有扎实的专业技能，还应具备良好的数据素养，以充分挖掘教育数据中隐藏的价值，进而做出科学的教育决策，提高教育教学质量。本研究在介绍教师数据素养概念、能力指标以及价值的基础上，从发展脉络、理论基础和发展框架等方面重点分析了美国教师数据素养的发展过程、研究成果以及具体举措，进而探讨了对我国教师数据素养发展的启示，以期对我国教师数据素养的发展提供有益的参考。

中国农业大学水利土木工程学院党委书记杨培岭以《节水灌溉技术的未来发展方向和趋势》为题进行了精彩演讲，他呼吁要深入基础理论研究，加快节水灌溉科研成果的转化，实现节水灌溉技术的创新。要推广自动化控制系统，加强节水灌溉设备质量的监管控制，加强水资源管理，合理确定水价，建立健全节水灌溉体系服务。

一 教师数据素养的内涵与价值

21世纪教育面临的一大挑战是：在当今社会不断变化的数据素养格局中，教育工作者需要利用各种数据来支持教育决策，制定教学计划^[3]。随着大数据技术的快速发展，教师将面临更多不同来源、不同类型的教育数据，教师的数据素养水平成为其能否充分利用这些数据的关键。

1 教师数据素养的概念

教师数据素养在大数据与教育领域深度融合发展的背景下应运而生，是推动数据驱动教学范式深入发展的核心力量。Athanases^[4]从教学实践的角度出发，认为教师数据素养是教师有目的地收集、分析学生的作业和成绩，并对这些学习数据进行反思和处理，以促进教师改进教学实践，提高学生成绩；Mandinach^[5]认为教师数据素养是教师将数据转化为信息，最终成为可操作的知识，以提高决策的科学性和学生成绩的能力；Deahl^[6]认为教师数据素养是指教师对定性和定量数据的理解、定位、收集、解释、可视化并用来支持教学决策的能力。综合不同的观点，本研究认为教师数据素养是指教师能够对不同类型、不同来源的教育数据进行定位、获取、处理与分析，并将分析结果转化为改进教学行为的知识，以提升自身专业技能和学生学习成绩的能力。

2 教师数据素养的能力指标

3.1.4 历史文化价值。公元九世纪中叶，西藏吐蕃赞普朗达玛禁佛，史称“三贤哲”来此避难修心，弘扬佛法，成为当地青藏高原佛教复兴的中心之一。佛教界普遍认为，这便是佛教在青海全面传播的开始，至今有千余年的历史，使坎布拉成为名副其实的佛教圣地而闻名国内藏区和海内外，有着很高的知名度。

3 教师数据素养的价值

大数据时代，教育数据正在成为一种变革教育的战略资产和科学力量^[10]。教师由于数据意识薄弱，即便拥有丰富的数据，也可能无法最大程度地挖掘其价值。国内外学者围绕教师数据素养的价值进行了探讨。归纳起来，教师数据素养的价值主要体现在五个方面：①帮助教师加强基于数据的教学实践，促进教师教学水平的提高；②形成基于数据的教学思维，促进教师教学思维的变革；③适应基于数据的文化氛围，促进教师教学领导力的提升；④增强基于数据的科学决策，促进教师教学绩效的提升；⑤强化基于数据的理解运用，促进教师科研成果的产出。

二 美国教师数据素养的发展现状

1 美国教师数据素养发展脉络

作为最早关注教师数据素养的国家之一，美国高度重视数据驱动教学和教师数据素养提升等工作，其教师数据素养发展一直走在世界前列。文献分析发现，美国教师数据素养的发展大致经历了四个阶段：萌芽期、起步期、发展期、完善期（如图1所示）。

国外学者从不同的角度出发，设计了多种教师数据素养能力指标体系。如Jimerson^[7]基于实践能力，提出教师数据素养主要包括六项关键技能：①使用数据工具的能力；②提出恰当问题的能力；③分析、解释数据的能力；④将数据整合到课程、教学和评估中的能力；⑤围绕数据开展合作的能力；⑥结合数据进行教学决策的能力。Mandinach^[8]从教学出发，将教师数据素养能力指标分为五个方面：①明确问题；②数据收集与处理；③数据分析与解释；④将数据转化为教学决策；⑤对教学决策进行评估。Love^[9]则指出教师应该具备三个关键能力：①使用多个数据源的能力；②准确分析数据的能力；③与同事进行合作交流的能力。

图1 美国教师数据素养发展

3.3 氧化应激 氧化应激是体内自由基的负效应，过度的氧化应激反应造成DNA的损伤或细胞死亡，游离铁含量、应激相关的因子(如乳酸脱氢酶、脂质过氧化物酶以及8-羟基2-脱氧鸟苷)与DNA损伤密切相关。一些研究表明，组织学上正常的子宫内膜也可能存在由铁依赖性氧化应激引起的DNA损伤。有报道称子宫内膜异位症囊肿中的高铁环境易致癌变，月经逆行和子宫内膜周期性剥脱出血可引起血红素和游离铁的积累，诱发氧化应激可以导致子宫内膜异位症恶变。

2 美国教师数据素养理论基础

随着大数据技术在教育中的持续发展与应用，全球教育者越来越关注数据对教育的推动作用。国际学生评价项目的一项调查结果显示，数据驱动决策（Data Driven Decision Making，DDDM）这一理念受到了英国、荷兰、新西兰以及南非等国教育部门的高度重视^[11]。

2014年，Marsh和Farrell^[12]构建了数据驱动决策能力建设框架（如图2所示）。该框架指出，数据不能直接使用，它必须经过收集、组织并分析成为有效信息，教师再利用专业知识将有效信息转化为可具体实施的教学行为或教学决策，从而充分发挥数据的价值。实践发现，由于不同教师对数据的理解和判断不同，导致同样的原始数据最终得出的解决方案或决策可能完全不一样。该框架指出教师利用数据的主要步骤包括：①获取和收集数据；②组织、过滤和分析数据；③将分析结果转化为有效信息；④结合专业知识和认知能力将信息转化为教学知识；⑤运用数据改进教学策略；⑥评估教学活动的有效性。

图2 数据驱动决策能力建设

能力建设指导（Capacity-Building Interventions，CBI）是由数据专家组成的数据团队，旨在通过以下三种方式为提升教师的数据驱动决策能力提供帮助：①互动教学，包括一对一讲授和小组合作两种形式。其中，一对一讲授有利于教师数据能力的快速提升，而小组合作的优势在于通过组员间的协作交流共同解决问题。②练习实践，首先通过正式与非正式的评估了解教师对数据使用和教学方法的需求，确定数据能力提升的目标与要求；随后数据专家与教师一起通过建模、观察、反馈、分享、质疑等方式，对数据进行收集、处理、分析、解释，提高教师的数据应用能力。③制定规范，数据团队为教师提供相应的工具和标准来规范教师使用数据的习惯和注意事项，其中工具包括概念性工具（数据使用框架）和实用性工具（数据分析软件），以帮助教师提高数据分析能力，而标准则是对教师的数据分析、查询、应用等过程提出规范要求，并促使教师团队形成共同的价值观、发展愿景及集体责任感。

2001年，美国政府颁布了《不让任何孩子落后》（No Child Left Behind Act）法案，旨在促进教育公平，要求学校必须经过严格的数据分析来得出要采用的教学方法，教师必须基于研究结果开展教学实践。2005年，美国发起的数据质量运动（Data Quality Campaign，DQC）正式拉开了教师数据素养发展的序幕。该运动旨在支持、鼓励教育从业者提高数据收集质量和使用价值，以提高学生的学习成绩。2009年，美国教育部长Duncan上任后，广泛宣传数据驱动教学的重要性和教师使用数据的必要性。正是美国教育部门负责人对数据价值的深信不疑与全力支持，数据驱动决策成为各级教育实践的重要组成部分，教师数据素养受到各教育部门的重点关注。2014年，美国“数据决策项目”（The Data for Decisions Initiative）提出将数据素养纳入教师资格认证，并就教师数据素养的认定制定了详细的标准。该标准规定了教师在入职前需要掌握的基本数据处理能力，标志着美国教师数据素养的研究与发展开始进入新时期。

数据驱动决策能力的建设还受外部环境的影响，即内部关系、人际关系、组织结构和环境因素。其中，内部关系是指教师的数据基础、数据使用技能及经历等；人际关系是指数据教学团队的凝聚力和数据专家与教师间的信任程度；组织结构和环境因素是指学校领导的支持、持续的专业发展以及专门用于数据处理与分析的时间，是推动教师利用数据驱动教学的保障条件。

3 美国教师数据素养发展框架

如图3所示，该框架规定了教师在数据驱动教学不同阶段所需要的知识和技能，包含七个关键的知识领域：内容知识、教学方法知识、课程知识、教学内容知识、学习者及其特点知识、教学环境知识、教育目的和价值观知识，这些知识为教学领域的数据使用提供了支持。数据驱动教学主要由以下五个关键环节组成：

其一，对于发展主体的认识。传统研究视域中一直偏重于人的“类”的整体性，其对人的发展的认识是抽象、模糊的。因此，有学者指出，“马克思所提出的‘每个人的全面而自由的发展’这一未来高级社会的基本原则中，‘每个人’这一极为重要的内容多被研究者所忽视。”[16]显然，对于人的个性和个性的人的追求和塑造才是马克思人的全面自由发展理论的终极旨归。学界对于这一向度的澄清极大地拓宽了马克思自由理论的阐释维度。

图3 教师数据素养框架

2016年，Mandinach^[13]根据美国教师数据素养发展历程和数据驱动决策框架构建了教师数据素养框架（Data Literacy For Teachers，DLFT），要求教师能够收集、分析和解释所有类型的教学数据，并将这些数据转化为可行的教学决策。该框架包括对数据标准、学科知识和实践、课程知识、教学内容知识以及学生学习方式的理解^[14]（如图3所示）。

①识别并构建问题。教师能够识别并解释学生个体、学生群体、课程学习以及教学方法等方面存在的问题，了解学生所处的情境，将学生可能遇到的学习与生活等问题置于具体情境中进行思考，有助于教师更好地理解学生遇到的问题，从而制定相应的措施。

③将数据转化为信息。该部分对教师提出了10项技能要求，分别是：考虑影响和结果、在指令与结果间建立假设、在调查初期测试假设、了解如何解读数据、了解如何表示数据、评估模式和趋势、探索因果关系、进行数据统计、综合各种数据、得出正确结论。因此，教师不仅能够对数据进行简单的处理与分析，还需要建立数据与教育教学的联系，从而做出教学决策，并对教学决策进行评估与解释，保证教学决策的科学准确，以促进教学水平和教学质量的提升。

②使用数据。该部分对教师提出了27项数据技能要求，分别是：确定数据来源、了解不同数据的作用、了解如何生成数据、了解评估机制、使用形成性和总结性评价、制定健全的评估机制、了解数据属性、使用多种数据、使用定性和定量数据、了解数据对问题的特殊作用、了解哪些数据是合适的、了解数据质量、了解数据准确性、了解如何访问数据、定位和检索数据、运用技术辅助数据的使用、了解如何分析数据、了解统计学和心理学、管理数据、将数据组织成有意义的信息、确定数据的优先级、检查数据、整合数据、操纵数据、深入数据、汇总数据、分解数据。因此，教师需要从数据获取、数据处理、数据分析及数据应用等方面入手，细化数据技能，提高数据处理与分析的能力，并学习统计学、心理学以及计算机科学等方面的知识，能够对分析结果进行准确解读。

上级党组织要加强对基层党组织执行“三会一课”情况进行督导检查，层层传导压力，发现问题及时通报、提出整改意见。要把“三会一课”落实情况作为书记抓党建述职内容，并列入年度党建工作考核，对执行不力、质量不高、搞形式走过场的基层党组织，要严肃追究相关责任，使党内生活常态化、制度化、规范化，切实让每个基层党组织动起来、严起来、强起来，让每个党员学起来、改起来、做起来。

④根据信息做出决定。该部分对教师提出了5项技能要求，分别是：确定下一步骤、观察学生表现、确定学生需求、进行教学调整、了解教学场景。因此，教师进行教学决策时需要将数据与教学场景相关联，根据学生的表现和需求灵活调整教学策略，有针对性地促进学生的个性化成长与发展，提高自身的教学效率和学生的学习成绩。

2009年7月，我赶赴香港，租下了一套30多平米的房子，开始准备代孕事宜。7月15日，医生成功提取出了陈清的卵子和方达生的精子。经过认真仔细的操作，精子和卵子在试管内成功结合形成受精卵。因为不是所有的胚胎都能在代孕母亲的体内成功“着床”，为了保证手术的成功，原本做了四对受精卵，只成活了两对，于是将这两对受精卵一起植入我的子宫。

⑤评估结果。该部分是一个迭代循环的过程，对教师提出了5项技能要求，分别是：重新审视原来的问题、比较决策前后的变化、观察课堂实践的变化、观察学生表现的变化、考虑需要迭代循环的周期。因此，教师需要对实施决策前后的课堂实践、学生表现等进行评估，确定该教学决策的科学性与准确性，探寻决策前后学生学习行为和学习成绩的变化情况，再根据实际情况进行迭代循环，直到真正解决教学问题并实现教学质量的提升。

三 美国教师数据素养发展对我国的启示

数据驱动教学时代已经到来^[15]，教师的数据素养发展水平作为推动教学范式从“经验主义”走向“数据主义”的核心动力显得尤为重要。本研究在深入分析美国教师数据素养发展路径的基础上，从政府、区域、学校以及教师四个层面对我国教师数据素养的发展提出了以下建议：

1 政府发挥领导作用，推动教师数据素养发展

教师数据素养在我国处于起步发展阶段，缺乏成熟的发展体系与实施路径，政府与教育部门需要担负起领导教师数据素养发展的重任，如美国出台了一系列政策为教师数据素养的发展保驾护航。政府在推动教师数据素养发展方面可从以下四个方面入手：

①将教师数据素养纳入职前教师培训，设计并开发教师数据素养培训课程，明确教师走上工作岗位前应具备的基本数据素养，如教育数据理念、数据获取能力以及使用数据工具的技能等。②将教师数据素养纳入教师资格认证，在教师资格考试中增加教育大数据理论知识的考核，如教育大数据的内涵、价值、数据体系等；在专业技能考核环节增加简单的数据处理与分析，如数据导入、数据筛选、描述统计、相关分析以及图表可视化等。③将教师数据素养纳入绩效考核，为教师提供实践反馈及改进途径，不断优化教学实践，提高教育教学质量。④为各地发展教师数据素养提供经费支持，鼓励各地开展教师数据素养培训，并将数据素养列为教师评职晋升的参考因素，从根本上提高教师对数据素养的重视程度。

标定矩阵C即为正映射矩阵G的逆矩阵,由于G一般为非奇异矩阵,不能直接求逆,因而需要利用伪逆矩阵来求解,其求解公式为:

2 区域统筹资源配置，提供教师数据素养指导

区域作为学校发展教师数据素养的直接领导，需要统筹全区资源，为教师数据素养的发展提供理论指导和技术支持。区域在提供教师数据素养支持和指导方面可从以下三个方面入手：

①将数据驱动决策纳入学校发展计划中，号召学校使用数据平台收集、处理、分析教学及管理数据，培养校长、教育管理者及教师的数据意识和数据知识，通过数据驱动提高学校的教学质量和管理水平，促进学校的全面发展；②为各学校提供使用数据所需的技术服务，包括数据收集平台、数据分析软件以及教师数据素养培训等，保证教师掌握最新的数据分析技术和方法；③将数据驱动决策与区域发展相结合，通过数据分析提高教育决策的科学性和合理性，为教师数据素养发展相对薄弱的学校提供指导，促进区域内教师数据素养水平的均衡发展。

3 学校营造数据环境，促进教师数据素养发展

学校是教师数据素养能否得到可持续发展的重要影响因素，需要为教师营造良好的数据环境，使其树立正确的数据意识。美国在教育领域营造了“数据至上”的数据文化，强调并推动教师利用数据进行教学决策。学校在促进教师数据素养发展方面可从以下五个方面入手：

①为教师提供可操作、易于访问的数据，学校需要配备先进的信息化教学平台，收集学生的学习数据、日常表现数据等，这些数据能够直接导入Excel、SPSS等教师常用的数据处理软件；②支持和激励教师以新的方式利用时间和资源，给予教师更多的时间使用数据、分析数据；③支持教师建立数据和教学策略之间的联系，以激励教师主动、积极、持续地使用数据做出教学决策，提高教育教学质量；④为全校师生营造安全的数据环境，保证教师和学生的数据不被侵犯，使得教师手中的数据更加真实、准确，以提高教育决策的科学性与准确性；⑤将数据驱动决策视为持续的系统过程，定期组织教师开展相关理论与技术的交流学习，并长期监测、评估教师的数据使用情况。

4 教师培养数据意识，提升自身数据素养水平

教师作为数据驱动教学时代的核心参与者，需要培养正确的数据观念和数据意识，提升自身的数据素养发展水平，推动数据驱动教学新范式的发展。数据意识是教师提升自身数据素养的基础和前提，教师可从以下四个方面提升自身的数据素养发展水平：①了解如何收集和使用学生的学习数据、生活数据及其它行为数据，确定学生的需求，设定合适的教学目标；②加强数据与课堂教学的联系，通过数据分析更好地了解学生的学习兴趣、学习需求、学习路径以及知识掌握程度等，在此基础上制定、调整教学策略，提高学生的知识水平和学习成绩；③学会通过建模、分享、质疑等方式对数据进行处理与分析，发挥数据的最大价值，更好地改进教学方式以提高教学效果；④围绕数据驱动教学主动与同事开展教研合作交流，形成正式与非正式的学习网络，促进个人数据素养水平的提升和数据驱动教学范式的发展。

参考文献

[1]Ridsdale C, Rothwell J, Smit M, et al. Strategies and best practices for data literacy: Education Knowledge Synthesis Report[J]. Journal De Physique IV, 2015,(3):11-18.

[2]Schield M. Information literacy, statistical literacy and data literacy[J]. IASSIST Quarterly, 2004,(2/3):6-11.

[3]Mandinach E B. A perfect time for data use: Using data-driven decision making to inform practice[J]. Educational Psychologist, 2012,(2):71-85.

[4]Athanases S Z, Bennett L H, Wahleithner J M. Fostering data literacy through preservice teacher inquiry in English language arts[J]. The Teacher Educator, 2013,(1):8-28.

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

[6]Deahl E S. Better the data you know: Developing youth data literacy in schools and informal learning environments[D]. Cambridge: Massachusetts Institute of Technology,2014:40-45(Unpublished master’s thesis)

[7]Jimerson J B, Wayman J C. Approaches to data-related professional learning in three Texas school districts[A]. The 2011 Annual meeting of the American Educational Research Association[C]. New Orleans: LA, 2011:20.

[8]Mandinach E B, Friedman J M, Gummer E. How can schools of education help to build educators’ capacity to use data? A systemic view of the issue[J]. Teachers College Record, 2005,(4):1-50.

[9] Nancy Love. Data literacy for teachers: tips and tools reference guide[M]. Moorabbin: Victoria Hawker Brownlow Education,2012:1-6.

[10]杨现民,唐斯斯,李冀红.发展教育大数据:内涵、价值和挑战[J].现代远程教育研究,2016,(1):50-61.

[11]Sanders M G. Using diverse data to develop and sustain school, family and community partnerships: A district case study[J]. Educational Management Administration & Leadership, 2008, (4):530-545.

[12]Marsh J A, Farrell C C. How leaders can support teachers with data-driven decision making: A framework for understanding capacity building [J]. Educational Management Administration & Leadership, 2014,(2):269-289.

[13]Mandinach E B, Gummer E S. Data literacy for educators: Making it count in teacher preparation and practice[M]. New York: Teachers College Press, 2016:28.

[14]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.

[15]杨现民,骆娇娇,刘雅馨,等.数据驱动教学:大数据时代教学范式的新走向[J].电化教育研究,2017,(12):13-20、26.

The Development Status of Teacher Data Literacy in the United States and Its Inspiration to China

LI Xin YANG Xian-min^{[Corresponding Author]} JIN Xin-quan

(Research Center of Wisdom Education, Jiangsu Normal University, Xuzhou, Jiangsu, China 221116)

Abstract: With the application advance of big data technology in the field of education and teaching,the era of data-driven teaching has arrived. As core participators in the data-driven teaching era, teachers not only requires solid professional skills but also good data literacy. Based on the discussion on the connotation and value of teachers’ data literacy, the paper focused on the developmental context, theoretical basis and developmental framework of teachers’ data literacy in the United States. Meanwhile, its enlightenment to the development of teacher data literacy in China was explored, which included governments playing a leading role, regions coordinating resource allocation, schools building data environment, teachers training data awareness, expecting to provide useful reference for the development of domestic teachers’ data literacy.

Keywords: big data in education; teacher data literacy; data-driven teaching; development path

【中图分类号】G40-057

【文献标识码】A

【论文编号】1009—8097（2019）04—0005—07

【DOI】10.3969/j.issn.1009-8097.2019.04.001

*基金项目：本文为江苏省高校哲学社会科学重点研究基地重大研究项目“‘互联网+’时代高校智慧型课程建设与发展研究”（项目编号：2015JDXM020）、江苏省333工程科研基金资助项目“网络环境下深度学习行为分析及其促进策略研究”（项目编号：333GC201702）、2017年江苏省研究生培养创新工程研究生科研与实践创新计划项目“中小学教师数据素养模型构建与培训体系设计”（项目编号：KYCX17_1677）的阶段性研究成果。

作者简介：李新，在读硕士，研究方向为教师数据素养，邮箱为lixin_407@163.com。

收稿日期：2018年9月18日

编辑：小西

标签：教育大数据论文;  教师数据素养论文;  数据驱动教学论文;  发展路径论文;  江苏师范大学智慧教育研究中心论文;