数据驱动学校教育教学改进的进阶路径

2023-07-24陈荣荣

教学与管理(理论版) 2023年7期

摘要数据驱动教育教学改进项目的本质是以数据为依托，加强学校过程性管理的实践研究，体现着“循证改进”。当前学校层面数据驱动项目的典型问题有：数据来源主要是学业，侧重结果判断；数据分析与解读的核心要素把握不足；数据驱动项目成为孤立项目。针对这些问题，数据驱动项目要关注四个核心要点：数据获取要从单一孤立走向全面系统；数据分析要从结果描述走向机制分析；数据解读要从数据表象走向教育内涵；数据运用要从单点改进走向综合整治。根据学校已有基础条件和数据支持情况，可将数据驱动工作分为三个阶段：专题式、整合式、全程式。学校可根据实际情况，逐步进阶升级完善。

关键词数据驱动过程性管理实践指导

引用格式陈荣荣.数据驱动学校教育教学改进的进阶路径[J].教学与管理，2023（21）：35-38.

从教育和大数据的背景来看，以数据驱动教育教学改进已成为必然趋势。数据“从无到有”，确实帮助学校在学情诊断全面化、教学决策数据化、评价反馈及时化、资源推动个性化等方面获得便利，以全方位视角监控学校教育教学质量，但也碰到不少问题。本文从数据驱动的本质分析、典型问题分析、数据驱动的核心要点、数据驱动的进阶路径四个方面展开讨论，以期为学校开展数据驱动教育教学改进提供路径和方法。

一、学校数据驱动项目的本质分析

学校开展数据驱动项目，其本质是以数据为依托，加强学校过程性管理的实践研究，体现着“循证改进”。学校教学管理中要向数据分析借力，不仅仅把数据分析作为一种工具，更要作为一种思维方式；以正确的方向和有效的方法来开展学校教学管理，努力作出最具智慧的管理决策。

当下，学校在开展数据驱动项目中，往往关注后续的“驱动”，而忽视数据本身的获得。在教育领域中各类数据的获取相当于教育测量的过程，是对教育中的各种客体在某个或多个属性上的特征描述，其独特性在于一种量化的描述。鉴于各种教育客体和过程的复杂性，教育测量具有间接性、多元性和随机性[1]。为此有学者从教育与医学在多大程度上是相似的、“有效的”与“适合的”哪一个更符合教育判断、教育过程的生成性增加了教育证据的获取难度、教育问题的复杂性折损了循证结果的应用价值等四个方面来讨论循证教育不能有效发挥作用[2]这个问题。

综上，从数据的本质、从数据驱动项目的本质来看，学校开展数据驱动项目有其积极价值，但也有其局限性。

二、数据驱动项目的典型问题

数据作为一种证据，从无到有，这是一种进步，但在数据来源、数据分析与解读和驱动改进方面还在初步摸索阶段，典型问题如下。

1.数据来源主要是学业，侧重结果判断

当下很多学校的数据驱动项目主要是从学业成绩分析切入，基于对学生考试结果的精细分析，从总分到维度分到小题分的结果呈现。这样的分析，确实给了教师一些数据，丰富了教师对考试结果的分析视角。但仅有学业数据，不一定能全面判断学生的学习情况；仅有结果分析，并不能帮助教师有效诊断数据背后的问题与原因，反而在一定程度上，加剧了数据结果的利害性，给教师带来压力，无形中又将压力转嫁到学生身上。

2.数据分析与解读的核心要素把握不准

数据驱动中，数据是一种信息，帮助我们做行为决策时更有证据支持、更加客观，但不能仅依赖数据，以数据分析为技术取向，丢了教育的方向和核心。不少学校在做数据驱动项目时，借助一些具体的研究内容，如作业设计、教—学—评一致性、学业后进生的补差等。但项目进行过程中，往往过分强调数据、强调技术支持，忽略研究内容核心要素。

3.数据驱动成为一个孤立项目

数据驱动项目不是推翻原有的教育教学工作，不是突变性的教育变革，而是多一些视角，渐变式地融入原有工作，更是思维方式的一种完善，这应当成为学校管理思维与工作方式的迭代升级。但有不少学校将其视为一个孤立项目，仅局限在这个项目中谈数据驱动，没有融入学校管理与常态化工作中。需要把这些分析工具集成起来，形成一套综合的方法体系，嵌入学校教育教学管理的整个周期过程中，实现从始至终、周而复始的闭环管理。

三、数据驱动项目的核心要點

数据驱动项目作为基于证据的教育循证实践，要充分发挥数据的功能与价值，可从数据获取、数据分析、数据解读和数据运用四个方面进行解析。

1.数据获取要从单一孤立走向全面系统

在数据驱动项目中，数据本身是基础，数据的针对性、科学性和有效性在很大程度上决定了数据驱动项目开展的有效性。为此，数据驱动项目中，前期数据获取是至关重要的。数据获取不是被动的、盲目的，不是有什么数据分析什么数据，什么数据好收集就收集什么数据。在数据驱动项目的开展前期，要做好充分的顶层设计，要根据项目的目标对数据采集做好充分的预设研究。为此，在项目开展前期，要明确“采集什么数据”“如何采集数据”两个问题。

一是在正确的价值导向下，如何做到采集的数据更体现教育的价值导向，更能实现数据驱动项目的价值与目标。数据驱动项目中，数据有多种指向和多个维度。数据不仅指向学生单一的学业成绩，也包括学生德智体美劳发展的各方面；数据不仅指向学生发展，也包括教师发展、学校管理方面的动态数据；数据不仅指向结果性数据，也包括过程性数据。唯有多元多维的数据，才能对学校教育教学过程有更加全面、客观、动态的审视，才能帮助学校做出更加客观、正确的决策。

二是在目标明确的情况下，如何实现技术上的突破，测到我们真正想测的内容。数据的获取是简单的，但获得有信度、有效度的数据并不简单。教育指向人的身心活动，而人是复杂的个体，当下的教育对学生个体的研究还远远不够。为此，如何在测量过程中，聚焦学生学习体验，探索过程行为的信息采集，是教育研究的一个突破点[3]，也是我们数据驱动项目的一个突破点。

2.数据分析要从结果描述走向机制分析

在数据驱动项目中，数据作为一种信息，为我们诊断学校教育教学工作提供了新的视角与方向。但数据的分析不能仅停留在描述性分析阶段。看似孤立、杂乱的大数据背后，有潜在的问题与稳定的规律。如何洞察到大数据背后潜在的规律与价值，认识到运用大数据的可能性，这就是大数据思维。为此，学校在数据驱动项目中，除了精细化描述，还须发挥数据的预测、改进和解释功能，体现数据的多元价值。应当通过数据的研究，发现教育背后所隐含的问题与规律，指向教育要素间的机制分析，才能逐步解析教育密码，才能真正做到指向学习、教学和管理的改善。比如：不仅分析学生学业成绩的结果，也分析学生学习过程的付出与成本（学业客观负担），同时也关注学生的学习体验（主观负担感受、学习压力、自信心等）和学习品质（学习动力、习惯与方法）。在此基础上，关注影响学生学习体验与学习品质的相关因素（如教师教学、学生心理、家庭教育方式等），关注学校教学管理行为对教师专业发展、课堂教学行为的影响等等[4]。如此分析，才能帮助我们知晓结果及其背后的影响机制，才能真正帮助我们以科学的方式改进学校过程性管理。

笔者结合自己多年数据分析与挖掘的经历，依据数据的复杂性，从单变量到多变量，从单一层面到多个层面，从结果的描述分析到系统建构，将数据挖掘的思路主线梳理为五个层次[5]（如图1）。学校在推进数据项目时，可以加强对于数据分析与挖掘的技术要求，以实现数据更加多元的视角与功能。

图1 数据挖掘路径与层次

3.数据解读要从数据表象走向教育内涵

2021年3月，教育部等六部门印发《义务教育质量评价指南》，从县域、学校、学生三个层面设定义务教育质量评价指标体系。其中，学校办学质量评价包括办学方向、课程教学、教师发展、学校管理、学生发展等五个方面重点内容，特别强调要运用好学校办学质量评价结果，指导学校改进教育教学和管理，全面育人、科学育人，提升办学治校和实施素质教育能力[6]。

数据驱动的最终目标是改进学校过程性管理，促进师生共同发展。我们要坚持数据驱动的初心，将数据的积极价值充分发挥，借助数据驱动项目找到学校发展、教师教学、学生成长的短板，诊断问题背后的原因；从办学方向、课程教学、教师发展、学校管理、学生发展等方面进一步调整与改进，以提升办学内涵。

2019年浙江省中小学教育质量监测项目中，通过教师问卷了解教师对学校考试结果数据运用以提高学校教育教学质量的有效性情况的评价。结果发现：教师认为“公布统一考试结果、在班级和教师层面排名排队”在提升学校教育教学质量方面发挥的作用相对是最小的，而“教研组、备课组基于测试数据开展研讨分析”“班级层面对学生综合成长进行追踪和个性化分析”发挥的作用相对是最大的。由此可见，数据驱动项目中，仅仅发挥数据的结果判断功能，其价值有限，更重要的是发挥其过程性诊断与改进功能，要从数据表象走向管理改进。

正如《中国基础教育大数据》这本书中提到的：大数据教育应用初期，研究机构和教育机构往往过分关注技术本身而忽略教育实际，造成本末倒置、舍本逐末的情况出现。在规划教育大数据挖掘和学习分析具体应用的时候，一定要按照从问题界定到数据选择再到技术选择的技术路线进行，真正做到有的放矢，避免不必要的人力和物力的浪费[7]。

4.数据运用要从单点改进走向综合整治

学者哈蒂对影响学生学业成就的800多项因素做了元分析，其中提供形成性评价排在影响效应的前10位[8]。而数据驱动项目是开展形成性评价与反馈调整的天然载体，是学校实现质量内控的重要抓手。

在学校发展的顶层设计方面，要借助数据驱动项目，做好校本的自我评价，全方位、过程性、综合化的形成性评价，形成学校的自我监控和反思机制，形成自主性、过程性、常态化的校本质量内控机制。

在学校教学管理具体实施方面，要充分利用数据驱动项目的“红利”，做好教学管理的及时反馈与指导。从数据驱动项目中及时了解学校教育教学的进展情况，并预判教育教学的发展态势；同时向教师反馈个体教育教学行为的优势与不足并提供有指导性的帮助。如：通过听课评课的数据分析，反馈教师教学行为的优势与不足；通过学校过程性测验与考试，帮助教师开展学情诊断，探索个性化的教学方式等等。学校教学管理要回到“初心”，充分发挥其组织与指导功能，将教学常规管理转化为常态化的教师研修发展活动，以提高教师的专业化水平和执教能力，实现学校教育教学质量的提升[9]。

四、数据驱动项目的进阶路径

数据驱动教育教学改进需要学校在摸索过程中，慢慢渗透，逐步成熟。本文根据学校已有基础条件和数据支持情况，将数据驱动工作分为专题式、整合式、全程式三个阶段（见表1）。学校可根据自己学校的实际情况，逐步进阶升级完善。

表1 数据驱动教育教学改进的三个阶段

1.专题式的数据驱动项目，做好问题聚焦

专题式的数据驱动项目可以聚焦切口小的具体问题。这个阶段，学校要引导教师聚焦问题，带着问题回到教育现场。从数据的表象中，寻找更加丰富立体的证据，解读数据背后的深层次原因。借助数据来研究学生、研究教学、研究管理，加强基于数据的实证研究。

案例1：有关初中函数学习的跟进研究

教师發现初中函数内容的学习，对学生有挑战。函数问题的作答，低于教师的预期。教师可聚焦函数内容的学习，从学生函数作答的数据结果切入，开展有关学生函数学习的跟进研究。从跟进目的、跟进内容、跟进对象和跟进方式上做进一步的设计和聚焦，试图寻找能反映学生函数学习，更多、更真实的数据信息，寻找影响学生函数学习的相关因素，为学生函数学习提供改进思路。

以上是数据驱动教育教学改进的一个专题式研究，重在做好问题聚焦，做好跟进研究设计。学校也可在这个专题式研究的基础上，引导教师将教育教学过程中发现的问题提炼为教研主题、培训主题、研究课题等，并在借助数据资源的基础上，开展相关的行动研究，逐步提高教师的教科研能力。

2.整合式的数据驱动项目，做好融合衔接

整合式的数据驱动改进，建立在学校已有一些常态化、成熟的校本研修基础上。学校要引导教师有意识地加强数据意识，在关注原有工作核心要素的基础上，借助数据更好地开展工作，使得量化分析与质性研究相融合，客观数据与主观经验相得益彰。

案例2：校本课例研修与数据驱动的有效融合

浙江省温州市瓯海区仙岩二中，开展校本课例研修近20年，形成了非常成熟的课例研修模式。通过课例研修的推进，学校在学生培养、教师成长、学校办学方面取得了非常显著的成效。

随着技术的改进、教育研究方法的改进，学校尝试进一步加强数据驱动与课例研修的融合，通过相关数据的嵌入，丰富教师对学生学习、教师教学的分析视角，从学生认知方式、学生经验基础、教师教学设计、教师教学行为等方面的分析提炼课例研修主题；在课例研修中，也通过数据进一步启发思考、佐证猜想，使得课例研修在原有侧重教师个人主观经验的基础上，有了教师主观经验判断与客观数据支持的相互补充，使得整个课例研修的视角更加丰富，证据更加充足。

3.全程式的数据驱动项目，做好系统设计

全程式的数据驱动项目，是一个系统工程。要把数据驱动作为一种工具集成，形成一套综合的方法体系，嵌入学校教育教学管理的整个周期，实现从始至终、周而复始的闭环管理。通过数据驱动，帮助学校、教师做出更加科学、合理的判断与决策。从这个角度看，数据不再是作为一种工具，更加成为一种思维方式。

案例3：“学—教—评—研—管”一体化的校本实践

浙江省温州市瑞安市塘下实验小学以评价研究为抓手，构建基于阳光办学理念的校本评价体系，坚持数据诊断、问题导向、科研视角，从学校、教师、学生三个层面，聚焦学生学习、课堂教学、科研建设、教学管理四个环节，通过评价开展、数据收集、结果分析、问题诊断、运用改进五大行动，形成“学—教—评—研—管”融通互动、共进共赢的良好生态，发展了学生核心素养，促进了教师专业化发展，提高了学校教育管理水平，打造了学校办学特色品牌。

评价是学校教育教学管理中的重要内容，也是数据驱动教育教学改进的天然载体与切入点。当然，全程式的数据驱动教育教学改进还可以进一步发展，突破评价，渗透在学校工作各个方面。这对学校的工作基础和工作机制的要求更高，需要学校层面有顶层设计、有数据支持平台、有核心团队、有固定载体。在此基础上，学校要形成数据驱动教育教学改进的工作闭环[10]（如图2）。

图2 数据驱动教育教学改进工作闭环

数据驱动学校教育教学改进项目，是随着教育实践研究和技术迭代到了一定阶段，两者融合促进下的一种工作机制或方式。为此，数据驱动并不是推翻原有的教育教学工作，也并不是仅依赖数据。数据驱动下，学校的过程性管理改进有更多的依据与视角，有更多的过程性监控与反思，这是一种思维与技术上的进步与完善。

参考文献

[1] 张敏强，教育测量学[M].北京：人民教育出版社，2019：3.

[2] 杨婷.当教育成为一种循证实践：兼与格特·比斯塔等人对话[J].全球教育展望，2021（07）：56-58.

[3] 郭利明，杨现民，张瑶.大数据时代精准教学的新发展与价值取向分析[J].电化教育研究，2019，40（10）：76-81+88.

[4] 陈荣荣，张丰.中小学教育质量监测的“浙江模式”[J].中小学校长，2021（12）：15-19.

[5] 陈荣荣.教育质量评价数据的挖掘思路与应用路径[J].上海教育科研，2017（06）：54-60.

[6] 教育部等六部门关于印发《义务教育质量评价指南》的通知[EB/OL].[2021-03-01]. http：//www.gov.cn/zhengce/zhengceku/

2021-03/18/content_5593750.htm.

[7] 方海光.教育大数据：迈向共建、共享、开放、个性的未来教育[M].北京：机械工业出版社，2016：207.

[8] 约翰·哈蒂.可见的学习：对800多项关于学业成就的元分析的综合报告[M].彭正梅，鄧莉，高原，等译.北京：教育科学出版社，2015：210.