智慧课堂环境下教师数据素养框架的构建

王一妃，苏佩尧

（福建师范大学 教育学部，福建 福州350117）

引言

“大数据”一词最早出现于1997年，研究者们通常用该术语描述难以用传统软件分析和管理的超大量的复杂的数据集合。［1］一般而言，普遍认为大数据具有多种“V”的特征，如大体量（Volume）、高速度（Velocity）、多样化（Variety）、高价值（Value）、以及可视化（Visualization）。教育大数据是大数据的子集，特指的是在整个教育活动过程中所产生的以及根据教育需要采集到的数据集合，能够用于教育变化规律的探寻以及教育发展趋势的预测。［2］

教育大数据催生了智慧课堂，而随着智慧课堂的大量应用又为教育大数据的发展提供助力。智慧课堂是指以建构主义学习理论为依据，利用大数据、云计算、物联网等新一代信息技术打造的，实现课前、课中、课后全过程应用的智能、高效的课堂。［3］智慧课堂具有教学决策数据化、学习评价及时化、交流互动立体化、资源推送智能化以及教学呈现可视化的特征。［4］

智慧课堂作为描绘未来教育的理想蓝图，受到了越来越多研究者们的关注。与此同时，大数据也逐渐进入人们的生活中。先前的研究表明智慧课堂与大数据的融合能够推动教育的变革，［5］那么，如何应对两者的融合也对教师提出了新的挑战。

一、智慧课堂中的数据流动机制

数据是生成课堂智慧的基础，掌握智慧课堂的数据流动机制是生成课堂智慧、构建高效能智慧课堂、充分发挥数据教学价值的重要前提。数据流动是指师生依托各种技术支持系统开展基于智慧课堂的教学活动，由此产生相应的数据，同时，技术支持系统能够实时采集教学活动中产生的多模态数据，经过数据处理、分析等中间过程，生成具有教学价值的数据信息，并反馈到教学活动中，帮助教师优化教学，促进智慧课堂的数据流动，实现智慧课堂的智能化及效益产出最大化，以此循环。［6］所以，本文主要从数据产生、数据操作以及数据应用三个方面来阐述智慧课堂中的数据流动机制，如图1所示：

图1 智慧课堂中的数据流动机制

（一）数据产生

智慧课堂环境下的教学活动、师生交互等都会产生海量的教育数据。教师通过教学支持系统进行课前备课、课中授课、课后辅导等环节，会产生相应的时长、方式、内容、资源等教学数据；学生通过学习支持平台进行预习、学习、复习、练习等环节，会产生相应的学习进度、时长、路径、答题正确率等学习数据；师生之间的互动，如讨论区交流、评价反馈等，会产生相应的互动数据；课堂教学过程中，师生的表情变化、动作行为、姿势等也会产生相应的情绪数据。可以说，智慧课堂中的数据产生是无处不在、无时不有的。

（二）数据操作

师生依托智慧课堂模式下的各种技术系统开展教学活动，同时，系统也会自动采集教学过程中生成的多模态数据，经过处理与分析的中间过程，这些数据被转化为具有价值的教学知识。教学支持系统能够采集教师备课、授课的时长、内容、资源等数据，经过可视化处理，为教师间的教学反思及合作交流提供直观的依据；学习支持平台能够采集学生的学习进度、路径、答题正确率等数据，经过可视化处理，教师可以根据数据分析学生的学习风格、倾向、进度、效果等，而学生也可以根据这些数据来判断对比自身学习情况的前后变化；互动管理系统能够采集师生之间互动的频次、内容等数据，通过可视化处理，教师可以依据数据分析学生参与讨论次数、字数、时间的变化，也可以从互动中获得学生对教学的整体及个别的反馈；智能录播系统能够在课堂中随时采集师生面部表情变化、语音、行为等数据，经过可视化处理，教师可以根据数据分析学生在课堂不同时段、内容时的学习状态、情绪等。

（三）数据应用

智慧课堂中产生的教育数据，经过技术系统的采集、处理与分析过程后，被及时反馈到课堂教学中，帮助教师优化教学活动，促进教学数据的流动，实现智慧课堂的智能化及效益产出最大化，以此循环。［7］课前教师通过备课数据和课前检测数据，进行学习者分析，了解学生的年龄特征、认知结构、学习风格，以此来选取适宜的教学内容、方式、媒体，最大化的满足学生的学习需要。课中教师通过实时的互动数据、情绪数据以及课中检测数据，及时发现学生在学习过程中的疑难点，产生的倦怠情绪等，动态调整教学的内容及形式，针对性地进行干预，尽可能的使更多的学生掌握学习内容。课后教师通过学生课后测评数据、评价数据，针对性地对部分存在困难的学生实施个性化辅导，并对自身教学进行反思和改进，优化后续的教学活动，提高课堂教学效率与教学质量。

二、智慧课堂中的教师行为分析

教师是课堂教学的主导者，是学生学习的引导者和促进者，是教学行为的研究者和反思者，教师的角色和行为对促进智慧课堂的数据流动起着至关重要的作用。数据的产生、操作、应用所形成的完整的数据流动依赖于技术支持下的教师来实现，只有教师配合引导数据的产生，具备数据操作的知识和能力，并充分将具有教学价值的数据信息应用于教学活动中，才能真正实现智慧课堂中数据流动的闭环。因此，根据广义的课堂概念，即凡是发生教学活动的地方都存在课堂，将整个智慧课堂中的教师行为划分为课前、课中和课后三个场景，并分析在这三个场景中教师是如何促进数据流动循环，从而使教师的角色和行为责任更加明确。

（一）课前教学设计

课前教师主要的行为是进行教学设计，教学设计主要包含资源发布、预习测评、学情分析和讨论交流四个环节。［8］首先，教师根据学生先前的测评情况、讨论区反馈、学习档案袋等数据为学生选择或开发灵活的学习资源，并将其发布到学习平台中，为学生预习新课提供支持。随后，在每位学生完成布置的预习任务后，教师在平台中继续发布相应的预习测评以检验学生的预习效果。紧接着，平台会自动采集学生在预习、测评中的过程数据，教师根据这些数据来分析学生整体及个别的学习情况、学习倾向、学习动机等要素。此外，教师要鼓励每位学生在讨论区中发表自身在预习过程中的学习收获、学习困难及反思，鼓励同学之间的相互交流讨论。最后，教师根据上述四个环节中收集到的学情数据，选择适合当前教学内容的教学媒体，调整预先的学习资源设计，确定课堂教学中的重难点讲解，完善课中环节的教学设计。

（二）课中课堂教学

课中教师主要的行为是进行课堂教学，课堂教学主要包含情境创设、新知探究、课堂互动、随堂检测和归纳总结五个环节。［9］情境创设是教学导入的主要方式，相比较于传统课堂的问题情境，智慧课堂中的情境创设结合了虚拟现实技术等新兴技术，为学生提供更加真实的情境体验，这就要求教师能够熟练掌握虚拟现实技术在情境创设中的运用，将其与学科知识巧妙融合，充分发挥技术的教学价值。在新知探究和课堂互动的过程中，教师的角色在于不断引导学生进行知识探究学习，利用电子设备远程视频连线领域专家，学生通过与专家面对面的实时交流、提问等形式，促进对专业知识的了解，鼓励学生及时在讨论区中分享、交流、反思，增加互动频率，体会协作学习的魅力。在完成新知识的探究后，教师将预先设计的测试题发送到每位学生的电子设备上，检验课堂内容的学习效果，同样，设备能够采集学生在答题过程中产生的各种数据，反馈给教师，教师根据学生的答题情况数据，针对性地进行归纳总结。此外，在课堂教学的各个环节中，教师通过可穿戴设备、智能录播系统等技术采集整个课堂教学中产生的实时数据，及时了解每位学生的学习情况、情绪起伏、专注时长等信息，动态调整课堂的教学形式、时长分配、难点讲解，确保课堂教学的高效进行。

（三）课后个性辅导

课后教师主要的行为是进行个性辅导，个性辅导主要包含任务发布、评价反思、个性辅导、拓展提升四个环节。［10］任务发布作为课后的一个重要环节，其目的同预习测评、随堂检测相同，是为了检验学生的学习成果，同时采集学生在完成任务过程中产生的过程数据与前两次测评进行比较，分析每位学生在不同时间段的表现及变化，在充分尊重学生个人隐私意愿的前提下，将可视化处理后的数据发送给学生，作为学生互评、自评、他评和反思的依据，再根据评价反思得出的结论，为每位学生制定个性化的辅导方式，其包含进阶式的答题练习，针对性的答疑解惑等等，从而帮助学生在掌握课堂知识的基础上，进一步拓展提升。

三、智慧课堂中的教师数据素养框架构建

（一）教师数据素养的概念及重要性

数据驱动教学的时代已经来临，而教师作为教育教学中的主导者，教师数据素养的内涵与发展也受到了国内外研究者们的关注。Mandinach（2013）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；［11］Deahl（2014）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；［12］我国学者杨现民教授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。［13］

随着大数据与智慧课堂的不断融合，对教师能力也不断提出了新的要求，教师只有熟练掌握数据相关技术，具备高度的数据素养，才能够充分发挥大数据在智慧课堂中的作用。而现阶段，技术的发展正逐步趋于成熟，但如何将技术与课堂教学活动进行有效整合仍存在较多问题，TPACK框架从整合的视角出发，探究技术如何与教学法和内容相联系，它需要教师知道如何使用新兴技术，将特定学科的活动或者特定主题的活动，与特定主题的表征结合起来以促进学生学习，［14］为智慧课堂中教师数据素养框架的构建提供理论基础。

（二）TPACK理论及发展的五个层次

“整合技术的学科教学法知识”（Technological Pedagogical and Content Knowledge，简称TPACK），最早是2006年由密歇根州立大学Mishra教授和Koheler教授正式提出的。［15］他们认为，“信息技术引入教育领域给教育带来了新的变革，但由于对技术与教学整合的理论基础缺乏形成或理解，目前对技术的使用及其与教学整合的关注仍然较少”。［16］Niess等人通过对一线教师学习电子数据表，并将其在数学课堂上作为学习工具使用时的活动的观察，结合Rogers（1995）的创新推广模型，针对教师在数学教与学中整合某种特定技术的过程，提出了TPACK发展的五个层次，如图2所示：①认知（知识）：教师能够使用技术，并认识到可以将技术和数学内容相结合，但还不能在数学教学中整合技术；②接受（劝说）：教师赞成或者不赞成在教与学中使用适当的技术；③适应（决策）：教师参加一些活动，由此教师开始选择或者拒绝在教与学中使用适当的技术；④探索（执行）：教师积极地在教与学中整合适当的技术；⑤提升（证实）：教师评价在教与学中整合适当技术的效果。［17］

图2 TPACK发展的五个层次［18］

（三）基于TPACK的智慧课堂环境下教师数据素养框架构建

根据TPACK发展的五个层次为智慧课堂环境下的教师数据素养框架制定由浅入深、层层递进的纵向指标。通过整理先前研究者提出的数据素养维度，经过拆分、组合成符合发展五层次的6个横向一级指标，分别划分入对应的发展层次中，再细化分为15个横向二级指标。在此基础上，通过确定特定的智慧课堂环境，将二级指标情境化、具体化，确定智慧课堂中教师数据素养的能力要素，以此来构建完整的基于TPACK的智慧课堂教师数据素养框架。

1．一级指标的确定

根据对先前研究者提出的教师数据素养组成维度进行整理，得到不同研究者提出的教师数据素养组成维度，如表1所示，主要涉及数据知识、数据技能、数据能力、数据意识、数据态度和数据道德六个维度。

表1 不同研究者提出的教师数据素养组成维度

从TPACK发展的认知、接受、适应、探索、执行五个层次进行划分。认知层面主要强调教师能够使用技术，但还未能将技术与教学相整合，即要求教师具备基础的知识和技能，故将数据知识与数据技能划分入认知层面；接受层面主要强调教师赞成或不赞成在教学过程中使用技术，即教师对技术的态度，由于数据道德主要强调教师在获取、使用数据的过程中能否遵守相关的道德法律，取决于教师个人的意愿态度，故将数据态度与数据道德合并为数据态度维度，并划分入接受层面；适应层面主要强调教师在教学过程中是否选择使用技术，取决于教师能否意识到技术对教学的价值，以及形成相应的意识，能够判断何时需要采集数据、何时适宜使用数据，属于数据意识维度，故将数据意识划分入适应层面；探索和提升层面主要强调教师在教学中应用技术的能力，是体现数据素养的关键，根据探索和提升层面对教师能力不同层次的要求及侧重，将数据能力拆分为数据应用能力以及数据反思能力。探索层面侧重于强调教师将技术与教学相整合，并实践运用于教学活动中，即数据应用能力，故将数据应用划分入探索层面；提升层面侧重于强调在掌握数据应用能力的基础上，能够与他人交流、反思数据应用的效果，即数据反思能力，故将数据反思划分入提升层面。综上所述，教师数据素养的六个一级维度对应TPACK发展的五个层次如表2所示。

表2 教师数据素养框架的一级指标划分

2．二级指标的确定

将上述确定的6个一级指标细化为15个二级指标，如表3所示。数据知识应包含数据基础理论知识及数据工具、技术基本知识。［24］数据基础理论知识指数据的类型、属性、来源、呈现形式等；数据工具、技术的基本知识要求教师了解常见的数据工具，并且能够进行基本的操作。数据流动机制中将数据操作分为数据采集、处理、分析三个环节，即要求教师具备相应的数据采集能力、数据处理能力和数据分析能力，故将数据技能按上述进行划分。数据态度可从教师思想态度和行为态度层面提出要求，从思想层面要求教师对数据整合教学持有积极的态度，赞成在教学中使用大数据技术；从行为层面则要求教师能够积极主动地参与数据素养的相关培训，且在数据获取、使用的过程中遵守相关的道德法律。数据意识维度要求教师能够意识到数据对教学的价值，能够判断何时需要采集数据、何时适宜使用数据，即具备一定的数据敏感性，此外，教师还需要能够有意识地在教学过程中使用数据。数据应用维度依据教学全过程的时间线索，要求教师课前能够利用数据监控、诊断教学行为；课中能够利用数据调整、优化教学过程；课后能够利用数据反馈、评价教学效果。数据反思包含两个方面，一是团队层面的，即能够与他人共享、交流数据信息；一是个人层面的，即能够反思数据驱动教学的应用效果。

表3 教师数据素养框架的二级指标划分

3．智慧课堂中数据素养能力要素的确定

前两个部分根据TPACK发展的五个层次，确定了教师数据素养发展的6个一级指标和15个二级指标，适用于一般环境下的教师数据素养发展过程。下文将继续探究在特定的智慧课堂环境下，根据之前对智慧课堂中教师行为的描述，将二级指标情境化、具体化，以确定智慧课堂中教师数据素养的能力要素，如表4所示。

表4 智慧课堂教师数据素养能力要素划分

了解数据的类型、属性等基础知识要求教师了解如何根据教学内容选择相应的数据类型及呈现形式等。了解常见的数据工具要求教师能够对数据统计软件进行基本操作。数据采集能力要求教师能够主动将学习资源、测试题等上传至教学平台，通过平台收集过程数据。数据处理能力要求教师能够进一步使用数据处理软件对原始数据进行筛选、管理、储存及可视化处理等，使数据更加简洁、易读取。数据分析能力则要求教师能够依据数据解读教学情况，为教学改进、反思、评价提供客观、真实、精准的数据依据。教师赞成在教学中使用大数据技术具体表现为教师愿意在智慧课堂中使用技术来获取、使用数据，通过数据来驱动教学。在行动上能够积极主动参与教师培训。在数据获取、使用过程中遵守道德法律具体要求教师要在征得当事人允许的情况下，通过正当途径获取、使用数据，且要注重保护他人的数据隐私，不泄露、不篡改、不伪造数据。数据意识方面，教师要意识到数据的价值，即数据驱动教学的作用，数据整合教学对教育信息化的影响；具备数据敏感性，即能够在教学各个环节中有意识地收集数据；有意识地在教学的各个环节以数据为重要依据，做出教学判断、决策。数据应用能力要求教师做到以下几点：课前能够利用预习数据进行学情分析；课中能够利用教学数据、学习数据、情绪数据、互动数据动态调整教学；课后能够利用测评数据进行个性化辅导。数据反思要求教师能够依据数据发现教学问题，并且提出相应的解决方案；在团队中能够与同事分享交流数据信息，并围绕数据展开教学合作。

四、促进教师数据素养发展的相关建议

构建教师数据素养框架的目的在于评价教师已有的数据素养，为教师数据素养的发展提供更加清晰明确的方向，同时，数据素养框架的建构也为如何提高教师数据素养提供了新的角度。从上文构建的框架来看，教师数据素养的发展包含认知、接受、适应、探索与提升五个阶段，分别对应数据知识与技能、数据态度与意识、数据应用与反思几个维度。各部门在教师数据素养发展的各个阶段发挥着举足轻重的作用。

认知阶段，应着重学习数据相关的知识与技能。师范生培养高校作为职前教师培养的重要场所，更应该在提高教师数据素养的过程中发挥积极的作用。高校可通过调整专业结构，有目的、有组织、有计划地教授大数据的相关知识与技能，为每个即将入职的师范毕业生打下良好的认知基础。

接受与适应阶段，应着重培养数据态度与意识，此阶段国家政策、社会认可、个人思想等都对数据素养的发展有着重大影响。国家应加强顶层设计，发布相应的政策文件来提升教师乃至全社会对大数据的认识与认可度。作为新时代的教师，应当意识到教育变革对促进我国教育未来发展的重要性，能够发自内心的产生并强化提高自身数据素养的动机。

探索与提升阶段，应着重提升数据应用与反思的能力。中小学校作为教师就职能力的把关人，也是教师入职后学习的重要场所。一方面，学校应提高教师招聘、选拔和考核的标准，将数据素养作为考核教师就职能力的重要指标之一，以此来强化教师提升自身数据素养的动机；另一方面，学校应该为在职的教师提供与兄弟学校、企业、社区和机构交流学习的机会，包括通过推选优秀教师示范课，组织教育数据使用观摩、经验分享会等一系列措施，使教师在交流学习的过程中不断提高数据素养。