王学男

大数据的4V特征，已成为大众对大数据的基本共识。本研究通过多选题调查教师对这一概念的认知，发现教师对大数据的认知主要是“3V”特征，即数据量大（21.2%、67.6%）、数据类型多（20.5%、65.2%）、数据处理速度快（20.2%、64.3%），而对于数据价值、数据来源、存储等价值维度还未形成广泛共识。这与大数据从3V到4V、6V等的发展历程及人类对其认知的过程一致。结果显示，东、中、西部区域差异与各选项的选择没有明显关联，百分比选择分布相对均匀。也就是说，教师对大数据的理解和认知不存在区域差异。

教师应用教育大数据的动力与评价

首先，对于使用学生数据最大的支持和动力来源的调查表明，选择“学校教学工作必须使用”的教师占比最高（23.2%），其次分别是“大数据能帮助改进教学”（占20.9%），“同事都在用，以便于交流”（12.7%），“想尝试一下”（11.9%），“专业发展规划”（11.7%），“校长要求”（8.0%），“大数据比较热”（6.7%），“学校有相关的培训”（5.4%）。由此可见，教师对教育大数据的态度受外部因素和内部因素的共同影响，既有学校要求，也有自我驱动。

其次，教师日常教育教学工作中易于接触数据是其应用教育大数据的基本前提。调查发现，响应率排在前五位的便利可接触的数据由高到低依次是学生基本信息（16.3%）、学校课程安排（15.9%）、学校教务信息（13.8%）、学校人员信息（10.9%）和学校统计报表（10.9%）。响应率约占5%的分别是学生作业、考勤、考试信息和学习过程记录。低于5%的为学生课堂学习行为、教师考核信息、家长信息。这也反映了数据应用水平和开放程度，教师便利可接触的数据类型和内容有限，会影响教师应用教育大数据的积极性与实效性。

再次，本研究调查了教育大数据推广中存在的问题。统计发现，增加教师工作量（18.9%）、增加学校管理工作量（13.50%）、数据应用有限（12.40%）、学校硬件不投入（10.90%）、增加学校财政支出（10.20%）、学校软件建设不投入（7.60%）影响较大;小于5%的分别是不会数据统计与分析、关注的教学数据无法收集、已有数据的使用不符合教学需求、不适应新的数据平台或系统、无法评价和比较数据、校长及所在区（县）教育局不重视。这些调查结果再次反映了教育大数据在落地推行过程中，面临着外部环境制度和主体因素的多重挑战，导致供需不一致，对应用产生了负面影响。

应用教育大数据的影响因素

为了探究不同教师群体应用教育大数据的积极性有无差异，本研究通过方差分析，对不同性别、民族、教龄、职称（初级、中级、高级）、毕业专业类型（是否师范类专业）、主要上网途径、家校距离、任教学校类型（所属行政区划级别及城乡类型）、所在区域的教师群体应用教育大数据的积极性进行显著性检验，研究发现，不同性别、民族、职称、毕业专业类型和主要上网途径的教师群体应用教育大数据的积极性没有显著差异。然而，不同教龄、不同家校距离、不同任教学校类型、不同区域的教师群体应用教育大数据的积极性有显著差异。6-10年教龄的教师应用教育大数据的积极性最高，16-20年教龄的教师应用大数据的积极性最低。家校距离5-10公里之间的教师应用教育大数据的积极性最高，家校距离5公里以上的教师应用教育大数据的积极性明显高于家校距离5公里以内的教师。东部教师应用教育大数据的积极性高于中部教师，中部教师又高于西部教师。不同行政区划层级和城乡教师应用教育大数据的积极性也呈现0.01水平显著性差异（F=5.62，P=0.00）。事后检验分析发现，地级市及以上的城区学校教师应用教育大数据的积极性高于县城或县级市的城区学校、乡镇学校和村完小教师;县城或县级市的城区学校教师应用教育大数据的积极性高于乡镇学校教师。

本研究将评价方式、教师态度、学科适用、学校投入、传播效果与教师应用教育大数据的积极性进行相关分析，结果发现，五个自变量之间、五个自变量与因变量之间存在显著相关关系，这说明五个自变量和因变量之间可能存在预测关系，需通过回归分析验证假设，分析变量之间的因果关系。

本研究以教师应用教育大数据的积极性为因变量，以评价方式、教师态度、学科适用、学校投入和传播效果等影响因素为自变量，进行多元回归分析后发现，五个自变量均能正向预测教师应用教育大数据的积极性，教师应用教育大数据的积极性与影响因素的判定系数R2为0.357，调整后R2为0.357，说明自变量可以解释因变量35.7%的变化原因。模型公式为：认知感受=1.008+0.155*评价方式+0.182*开放态度+0.104*传播效果+0.096*学校投入+0.115*学科适用。针对模型的多重共线性检验结果表明，模型VIF值均小于5，意味着不存在共线性问题;D-W值在2附近，说明模型不存在自相关性，样本数据之间没有关联，模型较好。模型通过F检验（F=603.659，P<0.05），也说明评价方式、开放态度、传播效果、学校投入、学科适用不同程度地对认知感受产生影响（见表七）。多元回归分析结果说明，教育大数据应用成效的评价方式越可操作，教师的积极性越高;教育大数据相关的理念、知识、方法传播的渠道越广泛，教师的积极性越高;学校对硬件和软件投入越充分，教师的积极性越高;不同学科的应用差异化与适用性越强，教师的积极性越高;教师的态度越开放，积极性越高。

应用未能真正扎根于实践

被调查教师群体对大数据特征的认知没有显著区城差异，东、中、西部的教师认知水平相当，对“数量大、类型多、速度快”达成了普遍共识，但对大数据价值层面的认知还存在一定局限。究其原因，主要在于教育大数据的应用尚不普遍，导致理念先导和实践滞后间的割裂。实践应用与政策倡导和学者研究仍有较大差距。调查发现，教学工作和非教学工作占据了教师大部分工作时间，少有专门时间用来接触或处理数据，这说明教育大数据的应用尚不普及，也不深入，并没有融入教师日常教学与管理工作，仍是附加在教育之外的“任务”。这与学校的信息化环境、制度管理和教师数据素养密切相关。学校的硬件设备、网络环境均已基本配置达标，但在应用数据平台或系统时，仍有一半教师主要使用“查询”“比较”等初级功能，来自学校管理要求的外部动机大于工作需要或专业发展的内部动机，与同事协作或完成更高行政级别的任务时更倾向于使用或研究数据，同时他们也认为教育大数据在推广过程中增加了工作量。这反映了大数据在学校层面的应用实践与政策、理论和理念之间存在一定差距，政策制度、理念宣传与理论研究已基本实现了相對公平，没有明显的区域差异，但在实践层面还未能实现预期的“减负提质”。

究其原因，本文认为现有大数据的应用未能真正扎根于教育实践，造成供需不匹配。学校关注管理和教务工作，教师更看重课堂教学和有效的沟通评价，不同群体对数据需求不一致，而真正与课堂教学、学习本质融合的大数据在技术和教育实践中都更具挑战性，很难立竿见影而受到市场冷落;学校信息化建设评估与考核的主要指标仍然是以硬件设备配置与课堂使用率为主，同时也造成配套软件、培训和教学实践的应用指导相对匮乏;学校对教师应用数据的要求和权限多集中于学生基本信息、课程安排、考勤安全、考试成绩、相关反馈等报表信息。国内外研究均已发现，教师对大数据在教育领域中的应用充满好奇，期望大数据的应用能够全面提高教育质量、期待得到有针对性指导和培训，但在现实中受到环境和制度的影响，“所用非所需”一定程度上限制了教师对教育大数据的认知程度和应用的积极性、易用性和有效性。