基于数据智慧的教师数据应用行为调查研究*

李玉阁 高静瑶 刘 军

一、问题提出

随着“大数据时代”的来临，数据在各行各业中逐步显示其优势。而在教育领域，从2012年开始，教育大数据才引起学术界的高度关注。教育大数据产生于教育活动中，通过对课堂数据进行挖掘和精准分析，设定具体的学生学习目标和教师教学目标，实现学生的个性化指导和精准教学，这需要教师的数据智慧。对于数据智慧，国外学者Ackoff最早研究数据智慧的内涵并提出数据到智慧的转化不是直接的，而是经过了一个渐进的过程，由数据到信息，再到知识，最后到智慧，形成了DIKW层级决策模型，对数据智慧的形成过程提供指导；同时在《大数据时代战略性的数据智慧》一书中，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”[1]，这是对数据智慧的高度概括。之后，国内学者结合DIKW模型、数据智慧概念及实践经验，提出：“在教育领域中，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”[2]。可以看出，对于教师来说数据智慧已经成为教师专业发展的必要能力，教师要及时地发现课堂数据、利用数据，养成数据敏锐感。而经过前期调研发现，教师的这项能力是薄弱的，大部分教师未能及时利用信息做出最优化的反馈。基于此，本研究通过对智慧课堂环境下教师数据的应用行为进行统计和分析，以数据类型——数据行为的归纳方式总结数据应用的一般规律，以期为教师针对不同类型数据做出合理的决策行为提供参考和指导。

二、研究设计

1.研究对象

本研究针对利用电子书包的30个教学典型案例进行课堂观察。分为数学、英语、语文、信息技术学科，从不同的维度记录课堂中出现的行为，并对数据产生之后教师所作出的反馈给予记录，通过归类分析，统计出相应的量化柱状图。

2.研究方法

本研究采用课堂观察法，对优秀的视频案例进行课堂观察，记录统计数据，对调查结果利用Excel进行相关性分析，定量研究教师在智慧课堂中数据应用行为。

3.研究维度设计

本研究主要关注数据智慧的外显数据行为，在前期对教师数据意识研究的基础之上，针对教学活动中普遍存在的外显数据行为进行采样分析。

图1 数据智慧研究维度

图2 数据记录维度图

本研究将教学中可能出现的数据分为五大类：基础信息类数据、学习进度类数据、作业与课堂练习反馈数据、成绩趋势类数据、过程性激励数据。分类的目的就是为教师提供一种数据归类的方法，针对这类数据进行统计分析，制订合适的教学行为。

而将数据应用行为归纳为五类：描述性行为指的是根据历史数据进行归纳统计，可以实现现象的准确描述。例如：教师在根据课堂数据的反馈后做出的对知识的归纳总结行为；激励性行为是指教师对数据分析后做出的情感激励行为。例如：教师发挥榜样作用，提供优秀范例；诊断性行为指的是在数据中发现规律，发现表象背后的问题。例如：对课堂测试，考试成绩等数据的处理等；预测性行为是指如何在多变、不确定、动荡的背景下做出智能化决策，形成洞察。例如：通过学习轨迹，能够预测出之后一段时间该生应向哪方面展开重点学习；诱导性行为是指教师有目的的引导学生进行探索。例如：对于一项活动的开展，教师不参与其中，只是在旁边有目的的引导学生按照教学活动设计进行下去。

三、数据分析

本文将数据应用的行为分为5个维度：描述性行为、诊断性行为、预测性行为、激励性行为和诱导性行为。通过对数据进行分析归纳，对应到相应的行为措施，从而为教师提供指导性的教学指南，帮助教师更好地利用数据定位教学活动，逐步形成教师的数据智慧。

1.登录信息类数据

将教师利用登录信息类数据做出的教学反应行为对应到五类行为中，统计结果绘制成柱状图。由图3可以看出，对于登录信息类数据，37%的教师采取描述性行为，对呈现的登录信息进行描述，让学生做出反应。同时，对此类信息的处理做出激励性行为和诊断性行为分别为26%和23%。这就给教师一个建议，对于登录信息教师可以结合实际的教学场景，教学活动安排做出描述性行为、激励性行为和诊断性行为，而不是忽视登录信息这一数据。登录信息数据对于课堂的管理，学生的积极性方面均有着重要的作用，教师要善于利用这一数据，积极组织活动开展教学。

图3 登录信息类数据统计图

2.学习进度类数据

对学生课堂活动完成、作业提交等方面的进度数据统计分析，结果如图4所示。可以看出35%的教师对学习进度类数据采取激励性行为，也有24%的教师可通过这些数据做出诊断性行为，指导改进下面的教学活动，有15%的教师做出描述性行为，17%的教师做出预测性行为，这说明对于学习进度类数据的处理教师可以尝试从激励性、诊断性行为入手，挖掘数据背后的教学含义。从柱状图中也可以发现，对于学习进度类数据，有9%的教师做出诱导性行为，这就给教师一个启示，针对此类数据，不仅可以检测本节课的学生学习情况，也可以通过多节课数据对比分析，检测学生的学习效率和方法，诱导学生探索更积极快速的学习方法。

图4 学习进度类数据统计图

3.作业与课堂练习反馈数据

作业与课堂练习反馈始终贯穿在教学活动中，是产生数据的重要来源，同时也能反馈出学生的学习程度。对这部分数据的挖掘对教师的精准化教学，学生的个性化学习具有很强的指导意义。从图5可以看出，47%的教师对于反馈数据做出描述性行为，22%的教师做出诊断性行为，16%的教师做出诱导性行为，而对预测性行为仅占8%。这说明教师对课堂反馈数据重视度不够，仅仅从表面上去分析、描述所承载的教学信息，不能够很好地将数据反馈的学生现阶段学习状态利用起来，做出诊断性分析，制订学生个性化学习方案，预测学生今后的学习状态。对于课堂反馈数据的挖掘是教师最好的教学辅助数据、学生最好的学习状态载体，教师要重视这方面能力的培养。

图5 作业与课堂练习反馈数据统计图

4.错题本信息数据

错题本数据是反馈学生对现阶段知识掌握程度的一个直观体现，也是教学数据中比较重要的一个环节。从图6中可以看出，39%的教师针对错题本信息数据做出诊断性行为，27%的教师做出描述性行为和预测性行为，7%的教师做出诱导性行为，说明错题本数据已经引起教师的关注，教师对这类信息的加工已经不是单纯的描述一下结果，而是对数据做出了对应的分析。从图6中可以发现，对于错题本信息教师的关注度依然处于常规化，并未积极探索错题本数据背后可能潜在的对于诱导性行为、激励性行为的应用。

图6 错题本信息数据统计图

5.成绩趋势类数据

成绩趋势类数据反应学习者在一个阶段的学习成效，对于这部分的数据，从图7可以看出，30%的教师通过这些数据做出诊断性行为，24%的教师做出描述性行为，22%的教师做出预测性行为，这3种是针对此类数据用到的较多的行为，可以为教师提供一个数据思考的方向。从图7的整体走向也可以看出，对于成绩趋势类的数据，教师已经开始多方面行为的探索，整体处于均值状态。在课堂观察中，也能发现教师对于一类数据往往做出不同层次的多种行为，这就告诉教师，要善于从多个行为角度分析数据可能带来的改变，深度挖掘数据背后潜在的教学价值。

图7 成绩趋势类数据统计图

6.过程性激励数据

过程性激励数据是教学平台支持下产生的数据，是对学生课堂参与度的一个记录。对于这部分数据，从图8可以看出，排在前3个的行为分别是激励性行为、预测性行为、描述性行为，在诊断性行为和诱导性行为方面也有教师开始关注，整体处于均值状态，说明教师已经开始研究这部分数据背后更多、更深层次的教学信息。

图8 过程性激励数据统计图

对这五类行为的研究，并非是找出一个最好的行为指导，而是在众多行为中给教师一个参考的方向，根据不同的教学内容，设计安排教师可以选择相应的数据运用行为，本着不追求局部最优化而要实现全局最优化的思想。

四、结论与讨论

以课堂观察的方式对智慧课堂下教师的行为数据进行采样分析，可以看出教师已经开始利用新型技术改善教学，提高教学效率，并做出了较为准确的数据反馈，但目前对于数据的分析尚处于摸索阶段，不可避免会存在一定的问题。

1.数据分析与应用停留在浅层次

在教师教学过程中，教师会针对课堂检测反馈数据，学生完成作业的进度等进行分析并做出教学反馈，但是大部分的教师在利用这些数据的时候，只停留在数据本身的现实意义上，并没有深入挖掘数据深层次的含义，如学生会做出这样反馈的原因等一系列教学思考，对于数据的分析和应用停留在浅层次，对于教师来说，要充分考虑到教学内容与学生本身这两方面的联系，在数据利用方面教师还没有充分掌握这个技能，教师可以参考数据在其他领域应用的成功例子，对比课堂，验证数据策略的可行性。

2.数据思考与应用缺乏连续性

在教学的过程中，教师会对整节课的进度，数据等进行关注，以便更好地完成课堂教学，但不能很好地将每节课相似的数据进行归类分析，对于数据的思考可能仅限于当堂课的某道题，而不能将课程连贯起来思考分析，如上节课出现的测试反馈的数据如何更好地在本节课中发挥作用，大部分的教师对于数据思考与应用缺乏连续性，这方面需要教师有意识地发现和分析，能在课下对本节课进行反思，并能够有意识的联系到下节课的教学中，避免出现上节课存在的问题。

五、展望与建议

新型技术工具的出现必然对传统方式造成一定的冲击，教育工作者想要更好地加入到数据共享的行列，从而更准确地从事教育事业，必须要顺应时代发展，具备对数据的获取、管理、分析和利用的能力[3]。这就要求教师能够将技术融入教学中，利用技术补齐教学的短板，实现教学更优更高效。数据时代的教师不仅要会教学，同时要具备强烈的研究意识，在教学过程当中运用数字化工具记录学生行为，运用数字化技术记录教学过程，并进行分析、编码和数据分析[4]，这就是教师的数据智慧。在未来的教育中，教师能否熟练掌握新兴技术、能否灵活掌控新型课堂、能否实现精准化教学，是对教师职业能力素养的一项重要考核指标。这就要求教师在研读教学目标的同时，更加关注于学生的行为反馈，情感反馈，利用技术及时解读学生信息，形成学生成长轨迹，作智慧型教师。

[1]Earl,L.,&Katz,S. Leading schools in a data rich world[M].Thousand Oaks, CA: Corwin Press,2006.

[2]王萍.大数据时代提升教师数据智慧研究[J].开放教育研究,2015(3):30-39.

[3]张进良,何高大.学习分析:助推大数据时代高校教师在线专业发展[J].远程教育杂志,2014,32(1):56-62.

[4]刘清堂,吴莉霞,张思,毛刚.教师数字化能力标准模型构建研究[J].中国电化教育,2015(5):14-19.