智能时代教师的数据素养

1、汪琼智能时代教师的数据素养现实背景：如何看待大数据随着信息技术在教育教学中的广泛应用，教育系统中每时每刻都在产生海量的、与学生学习行为相关的非结构化数据。挖掘隐藏在其中的丰富价值，以此改进教学决策与实践，成为大数据时代教师面临的重大挑战与机遇。大数据时代，教育数据不再只是一堆用作统计的简单“数字”，而正在成为一种变革教育的战略资产和科学力量。“人类世界的下一个自然资源”教学决策：从 （ 经验 + 数据） 到 （经验 + 数据）经验直觉从 的统考试卷分析到每周甚至每日 的即时提醒学期末每个教学活动数据种类增加，实时性增加数据驱动的教学（Data-driven Instruction）: 教学绩效

2、改进按照理论模型实施的过程理论模型输入数据 X观测到的输出变量 YOBS预计输出变量 YMOD校准数据收集数据分析行动数据驱动的原理数据：信号，无意义的信息：有组织的、结构化的、有用的知识：场景化，综合的，可学的智慧：可理解，整合的，可行动的决定: 变革，运动情境化后意义化后深刻理解后赋予目的后未来什么行动？揭示方向什么是最好的？揭示原理过去为什么？揭示模式是什么？揭示关系数据驱动（Data-driven）& 数据联动（Data-informed）数据驱动: 数据触发决策在数据驱动的业务中，数据主导决策过程。换句话说，决策者将数据视为圣杯，他们可以从中提取信息来指导业务。赞成派决策完全基于证据

3、基于数据的决策要求对信息及时更新和审查基于证据的决策有助于促进长期的成功和创新反对派人们盲目地相信数据，而不去质疑这些数字低质量或不准确的数据可能导致错误的决策处理复杂的数据流需要技能，数据量很大数据联动：考虑(而不是盲从)数据使用数据作为决策的一个因素，而不是使用它作为整个基础。在一个以数据联动的业务中，团队在做决策时，除了考虑客观数据之外，还会考虑其他因素，如学生的主观体验。赞成派考虑到现有数据的局限性使用多个资源来做决策，而不是仅仅依靠数据可以促进更有创造性或“跳出框框”的决策过程，潜在地导致更好的结果反对派在做决定时，考虑多种声音和因素可能效率较低在不成熟的组织中跟踪和监视数据的方法会

4、比较松散概念辨析把人召集起来，围绕数据，讨论决策数据做为对话和决策的输入通过观察数据来找出应该做什么或如何处理某件事需要高质量的数据和数据处理能力/2015/07/20/architectures-for-building-a-data-culture/Data Literacy数据素养数据素养是“教师有效地了解和使用数据，并据之做出决策和执行的能力”，它由一系列具体的技能和知识构成，帮助教育工作者将教育数据转化为有用信息，最终转化为可操作的知识，具体包括如何识别、收集、组织、分析、总结和处理数据，并基于数据制定、规划、实施和监督行动方案等方面的能力。（Karen Dunlap , Jody

5、S. Piro. Diving into Data: Developing the Capacity for Data Literacy in Teacher EducationJ.Cogent Education, 2016, 3 (1) : 286-287.）“教师根据其专业角色和责任，持续、有效、符合伦理地获取、解释、运用来自州、学区、课堂和其他来源的多种数据，并对这些数据的使用与各方进行沟通交流、改善学生成就的能力”（美国数据质量运动 DQC，Data Quality Campaign）教师具备数据意识是教师数据素养的前提，它是指教师在教学实践活动中接触有价值数据时的敏锐性反应，从数据

6、的角度感知、理解和评价教学行为。数据知识是教师使用教育数据的基础，它除了日常生活中应具备的一般性数据知识，还包括教学过程中的专业数据知识。数据能力指获取、分析、解读和交流等数据处理能力，以及发现、处理教学问题和基于数据进行决策的数据应用能力，是教师数据素养的核心。除此之外，海量的数据通过多种渠道在教育领域不断产生与运用，教师还要具备数据方面的伦理道德，维护数据安全和保护学生数据隐私。（王正青,张力文.大数据时代美国发展教师数据素养的基础与路径J.比较教育研究,2018,40(02):68-75.）测试素养（Assessment Literacy） 数据素养美国州际教师评价与专业发展联盟（InT

7、ASC）（1） 教师需要学习教育数据相关知识和技能，据此开展学生的学业评估；（2） 在学业评估中合理运用形成性评价与总结性评价；（3） 使用学业评价数据了解学生的进步情况；（4） 根据学生需要和评估数据调整教学实践；（5） 向学生提供反馈意见，记录学生学习进度。教师数据素养的构成要素美国教育部规划、评估和政策发展办公室（OPEPD） 提出了教师在大数据时代应具备的特定技能：（1） 数据定位技能（data location），即找到自己所需要数据的能力；（2） 数据理解能力（data comprehension），即理解数据的重要性，以及数据的不同表达形式；（3） 数据解读能力（data int

8、erpretation），知道数据具体意味着什么，能够对其蕴含的教育教学意义做出解释；（4） 基于数据的教学决策能力（instructional decision making），即利用数据分析特定的教学情境，并做出适宜的判断，形成科学的教学决策；（5） 提出新问题、新思路的能力（question posing），即利用数据提出拓展性问题与教学新思路。Data Literacy for TeachersMandinach E B, Gummer E S. Data literacy for educators: Making it count in teacher preparation an

9、d practiceM.New York: Teachers College Press, 2016:28.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。李新,杨现民,晋欣泉.美国教师数据素养发展现状及其对我国的启示J.现代教育技术,2019,29(04):5-11.使用数据的能力（27项）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

10、、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。将数据转化为信息（10项技能）考虑影响和结果在教学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学习一些数据可视化工具根据信息做出决定（5项技能）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

11、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。评估结果（5项技能）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。建立DDI文化的学校（11条建议）让教师参与整个过程,培训快速分析数据，得出结论，开始行动。逐渐扩大DDI规模，比如从一个班开始设定考核标准，确定教学重点周期性小测，及时发现学习漏洞，及时补习只收集需要用的数据设定学生看得见的目标（让学生自我监督）用教育技术展示学生进步情况定期开展数据分析(提供分析模板和工具）鼓励教师合作（理

12、解所收集的数据，头脑风暴如何利用）审核补习的效果（根据测试情况重讲某个内容，可以用课堂即时反馈系统了解教学效果）将学校作为整体可视化地展示进步（保存最开始的基线数据）/blog/data-driven-instruction/X具有数据驱动教学（DDI)文化的学校分级为做好个别化学习（0级）具备个别化学习条件 （1级）一致性实践（2级）个别化（3级）数据驱动教学系统学校不知道也未采用DDI来创建数据驱动文化学校使用DDI作为数据驱动文化的基础（每个指标达到2）学校使用DDI来建立数据驱动文化，关心全班平均数据（每个指标达到3）学校使用DDI来建立数据驱动文化，关注每个学生的数据和全班平均数据（

13、每个指标达到4）数据会议数据会议由学校领导层发起，在统考后，会上对于数据无回应性行动数据会议由学校领导层发起，在内考之后，会采用规范的测试分析流程数据会议由教研组发起，学校领导会参加，单周或双周一次，教师离会时有详细的行动计划定期且经常地召开数据会议，鼓励学生分析自己的数据。为对某个学生有针对性的教学会基于对学生数据的正规分析，数据种类多样成长测定学校没有使用各类考核测定学生成长学校管理者会测定学生成长，但是老师不会用这个数据改进教学学校管理者每年至少组织三次成长测定分析，在教师层面拟定差异性教学行动计划学校管理者每年至少组织三次成长测定分析，在师生层面分别拟定行动计划学生获取学生不能随意获得成绩和以往考试数据，除非政府要求学校提供学生可以得到自己的数据，但不是通过成绩系统学生可以获得和使用自己的数据，但没有据此的行动学生使用数据（成绩或历史测试数据）监控和回应自己的进步/ddi.html需要研发