大数据时代：作为教师你准备好了吗？

在数据、信息、知识和智慧构成的金字塔型的层级结构中，数据是形成信息、知识和智慧的源泉。数据描述客观事实，是分离的元素，即未经组织的数字、词语、声音、图像等。数据经过分析，显现数据之间的联系和模式，就形成了可以被人们理解的意义，成为了信息。但零散的信息往往无法帮助人们解决现实问题。对大量信息进行归纳演绎和集成提炼，获得以目标为导向的组织化信息，就形成了知识。在知识基础上，人们可以形成正确的判断并做出最佳的决策，形成智慧。智慧是人类特有的能力，它的产生需要基于知识的应用。如果对数据、信息、知识和智慧进行有序的加工和处理，它们可从底层向顶层转化，成为一个不断递进的过程。在教育领域，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。

(二)相关概念

与数据智慧相近的概念主要有数据利用能力、数据素养、数字智慧。

数据利用能力指收集、组织、处理、表达、解释数据的能力以及运用数据系统的能力。目前人们对数据素养的定义还不统一。2012年5月3-4日，美国召集50位数据使用的不同利益相关者和专家，围绕数据素养展开讨论。会议目标是期望对数据素养的定义达成共识。会议要求每位与会者都提交数据素养的概念界定，然后研究者利用文字云图工具Wordle进行分析。文字云图可以凸显人们在概念界定时所使用的高频词。结果显示，“数据”是在界定概念中最常用的词，其次强调的是“组织、解释、整合、分析的技能”。此外，数据强调关于知识或理解的主题，例如内容知识、评价知识和统计知识等。然而，“决策”一词在概念界定中并不明显。会议最后没有就数据素养达成共识，但围绕数据素养的教育工作者应具备的技能和知识展开的调查发现，与会者对大约95%的知识和技能达成了一致。可见，数据素养的核心是数据利用能力。

美国著名教育游戏专家普伦斯格首次提出了数字智慧概念。普伦斯格认为，数字智慧是21世纪能力差异的重要维度。它不仅关注人们使用技术的能力，更关注如何利用技术做出智慧的决策。技术无法取代人的直觉、判断、问题解决能力以及明确的道德指南等。他认为，“数字智慧”有两层含义：一是利用数字技术获取认知力(超出人类先天能力的部分)中产生的智慧;二是谨慎地使用技术以增强人类能力的智慧。数字智慧是数字时代人们以信息技术为中介参与现实活动，或者是与信息技术支撑的数字环境相互作用过程中出现的一种新的智慧形态。这种智慧不是数字技术与心理能力的简单相加，而是在人——技术(作为中介或者环境而存在)的共生性交互过程中出现的一种新质。

综上分析可知，数据利用能力是数据素养的子集。数据素养与数据智慧类似，但不强调利用数据进行决策的能力。具有数据智慧的教师不需要在统计和数据收集方法方面成为专家。数字智慧和数据智慧都注重决策能力，不同在于数字智慧关注的是数字技术，而数据智慧关注的是数据。数据智慧需要数字智慧的支持，利用数字技术可以更好地掌控和分析数据。数据智慧与数据利用能力、数据素养、数字智慧关系。

(三)数据智慧研究概况

国外对数据智慧的研究存在两个视角——技术的视角和教育学的视角。早期技术视角是主流。研究者主要关注教师使用学生数据系统等技术工具的能力。例如，韦曼和乔认为数据系统是有效的数据使用的必要组成部分。他们围绕如何让教师具有使用学生数据系统的能力，了解学生数据系统的建构基础、目标以及支持使用数据系统的教学结构展开了研究。

随着研究的深入，目前教育学视角的要性开始显现。一部分研究者从理论层面探讨了数据智慧及相关概念的界定。当今教育领域较常用的概念是数据素养，但研究者对数据素养的看法存在很大差异。

尽管理论层面对数据素养的概念界定仍存在争议，但一部分研究者已进入了实践研究阶段，致力于建构用以支持教师提升数据智慧的模型，并将模型运用于实践。例如，美国哈佛大学教育研究生院波德特提出了“数据智慧改进过程”模型。曼迪纳契在厘清数据、信息、知识、智慧四者关系的基础上提出了“从数据到知识的连续体”模型。米恩斯等人通过调研教师在数据管理方面的实践和态度，对波德特和曼迪纳契等人的模型的实际应用效果进行了评价。研究表明，教师认为这些模型有助于他们利用数据改进教学。近几年，研究者还采用了一些新的研究方法展开实证研究。例如，伊丽莎白·法利和琼巴   ·特拉姆首次使用社会网络分析法探讨小学教师数据利用能力的发展。

曼迪纳契指出，目前对教师数据利用能力的培养路径并不清楚，也不清楚教师应在职前准备阶段还是职业阶段获得这种能力，是通过专业发展经验还是通过在职培训?未来研究应进一步探讨培养教师数据使用能力的策略。达特纳和哈伯德对教师如何利用评价数据的文献综述指出，目前教师专业发展的普遍缺失阻碍了教师使用数据的信心。

从已有研究成果看，国内还未明确提出数据智慧概念，主要是使用数据素养、数据能力、信息素养等表达。由于与数据素养相关的一些技能以前是计算机、图书情报、统计学的专业技能，这些领域最早将数据素养作为主要的研究论题加以深化和展开。科学领域也展开了数据素养的研究。张静波对数据素养的概念、研究意义、研究概况以及数据素养教育的主要内容、对策进行了全面分析。缪其浩指出对数据行业以外的专业人员，统计和数据分析知识可能越来越重要。在教育领域，近年来也开始关注数据素养的培养，但是这些研究主要是基于物理、数学、信息技术科学、化学等学科专业的特点提出的。

综合来看，在如何培养教师的数据智慧方面，国外构建了多种模型，已有了比较系统的研究，我国还没有形成完整的思路。教师和领导面临的矛盾是数据太多、时间太少。在多数情况下，可用数据的庞大数量带来的挑战似乎无法逾越。这一难题有必要借鉴美国的成功经验加以解决。美国哈佛大学开发的DWIP模型旨在协助学校开发和维护数据系统，帮助教师更好地利用数据确认学生的学习需求，生成和实施教学方案，并衡量这些教学方案在部门、年级或校内提高学生成绩的有效性。

大数据时代教师专业发展新态势

早在20世纪70年代，计算机领域超大规模数据库会议就提出了“大数据”的类似概念，但直到2012年“大数据”才开始引起学术界的高度关注。因为这一年美国政府高调宣布在“大数据”领域投入2亿美元进行研究，这是美国政府自提出“信息高速公路”计划后的又一次重大科技部署。至此，“大数据”在世界范围引起了高度关注。在教育领域，世界许多国家都建立了教育问责制，要求收集有用数据，支持学校持续改善，提高教学质量。其中，美国政府将大数据视为强化国家竞争力的关键因素之一，最早在教育领域推进大数据应用。继美国率先开启大数据国家战略先河后，其他国家也紧随其后。英国政府委托专家组发布了改革英国基础教育的重要报告——《2020愿景：2020年教与学评议组报告》。报告探讨的问题之一是“评估与责任制体系如何利用数据为学生的个性化学习提供支持”。在加拿大，总部位于安大略省沃特卢的教育科技公司“渴望学习”，已经面向高等教育学生推出了基于学生过去的学习成绩数据，预测并改善其未来学习成绩的 大数据服务 项目。我国也在最大化地利用数据提升教学质量方面进行积极探索。例如，2003年北京教育科学研究院基础教育教学研究中心构建了“北京市义务教育教学质量监控与评价系统”，利用义务教育教学质量测试获得的数据分析课堂教学存在的问题，力求改变过去仅凭主观经验指导学校学科教学工作的局限性，提高教学指导的科学性。

可见，当今的课堂、学校、学区和整个教育系统比以前更多利用数据。学生数据在学校日常运作中发挥越来越重要的作用。决策将日益基于数据和分析而作出。大数据时代下的教师专业发展呈现出新态势。教师面临着大量从其他渠道收集到的数据。他们必须学会有效地浏览海量数据，诸如诊断性、常模参照标准化的评价数据以及其他与教学计划、人口、出勤率、辕学率有关的数据。随着测试结果数据和学生背景信息逐渐可为学校所用，教师理解并使用数据的能力面临提升的要求。

探求数据价值取决于把握数据的人，关键是人的数据智慧。技术本身无法取代人的内在能力。美国教育部2012年10月发布的《通过教育数据挖掘和学习分析促进教与学》的报告曾指出，大数据教育应用所面临的技术挑战，可以通过技术研发和基础设施建设去克服，而大数据教育应用过程有80%以上的挑战和限制来源于“人”。智慧的数据使用者，会使大数据的应用开发事半功倍。数据不是策略，数据总得再经过分析和处理。正如克里斯蒂安?麦兹伯格提出的，“事实上，我们需要更多的数据解释来应对那些构成大数据的信息所带来的冲击。解决世界上最棘手问题的瓶颈不是数据的缺乏，而是我们不能分析和解释这一切。”苏珊娜·罗芙韦斯勒引用麦兹伯格的话进一步指出，“在大数据时代，由于我们需要更多的是数据解释，那么我们当然就需要更多的数据智慧”。

由于教师分析数据能力的单一和局限，即便拥有丰富的数据，也可能无法最大程度地挖掘其价值，并得出有效的结论用以指导教学干预。因此，提升教师的数据智慧，可以最大化地利用数据，避免做出肤浅的教学规划方法和反应，对推进大数据在教育中的应用有着重要意义。大数据时代对教师专业发展提出了新要求。美国“华盛顿数据质量运动”已经发布了新的政策简报，要求提升教师的数据智慧。2014年美国19个州已将数据智慧纳入了教师资格认证的要求。

展望

大数据改变了人类认识和探索世界的方式，使人们更易于认识教育规律，接近教育本真，教育将可能迎来新的时代。传统教育的教师依靠感觉、直觉，以学生个体以往的经验为基础，形成面向未来的教学决策。虽然经验具有一定优势，但人的感觉存在盲点，直觉的可信度可能存在偏差。这种喜欢利用以往应对的学生有效策略来应对新的学生的方法可能已被过度使用。数据驱动决策的潜在优势之一，就是确保客观的标准，而不是凭直觉或刻板印象作为教学决策的基础。大数据可以凭借日常点点滴滴的信息采集，运用严密细致的逻辑推理，客观展现学生的完整形象。教师可以使用学生的数据分析，确认可能推动学生表现的影响因素，然后调整教学更好地满足学生的需求。美国DWIP模型展示了“数据收集一知识形成一智慧行动”的过程，不仅回答了“what”，也指明了“how”，即提供了具体的技术、流程、方法，甚至团队建设、文化创新。实践案例表明，DWIP模型利用全校协作的方法来帮助教师利用数据，确定共同的学习问题和教学解决方案，有助于教师形成共同的责任感，并让教师看到自己的教学能更有效地服务学生。

未来谁能利用数据，并利用数据提供个性化的服务，谁就能在未来的竞争中获得更多主动权。面对大数据时代的到来，我国教育工作者如何把大数据转化成信息、知识，升华为智慧，进而改进教学，是很大的挑战。我们的学校和教师虽然拥有很多数据，但长期以来学校主要是为教育行政部门提供数据，扮演的是“数据提供者”，而非“数据使用者”的角色。教师缺乏有效利用和解释信息以帮助决策制定的思路和方法。教师即使利用数据，也主要是单一的考试成绩。随着当今对问责的强调，考试成绩数据更多地被用于判断学校的有效性、管理者和教师的能力。这在某种程度上促使人们越来越感兴趣的是结果，而对不同类型的数据进行深度研究，以发现问题领域并寻求新的解决方案方面无法形成共同动机。为了应对这种挑战，我国教师需思考如何在学校倡导数据文化，建立持久运作的收集、分析数据并将分析结果转换为教学决策和实践的体系，真正发挥大数据在教育发展中的价值。