中小學教師數據素養(yǎng)培養(yǎng)模式及其應用研究

胡藝齡 張啟迪 孫珂 吳忭

【摘 要】

隨著大數據技術與教育教學領域的深度融合，數據驅動教學成為時代所趨。作為應對教學范式從基于經驗向基于證據轉變的趨勢，教師是否具備良好的數據素養(yǎng)成為教學數據能否轉化為有意義教學決策的關鍵。教師研修作為培養(yǎng)教師數據素養(yǎng)的重要途徑，在以往的實踐過程中存在教師合作參與效果不佳、自身認知負荷較大、新舊教學理念和教學行為存在認知沖突等問題，而調節(jié)學習理論通過對自我和集體進行教學干預可以有效提升協作學習效果。因此，本研究基于調節(jié)學習理論，設計自我調節(jié)和共享調節(jié)作為學習支架，采用項目式協作學習，構建出新型教師數據素養(yǎng)培養(yǎng)模式。通過對20名參與數據素養(yǎng)培訓項目的中小學信息技術教師的實證研究發(fā)現：在調節(jié)學習視域下中小學教師數據素養(yǎng)培養(yǎng)模式可以有效促進教師數據素養(yǎng)發(fā)展，調節(jié)支架能夠對數據聚合和數據推理這兩項高階技能產生積極效用，并且不同支架間存在協同作用，相互促進。該結論對今后培養(yǎng)教師數據素養(yǎng)具有一定的參考價值。

【關鍵詞】? 教師數據素養(yǎng);數據驅動教學;教學決策;調節(jié)學習理論;自我調節(jié);共享調節(jié);協作學習;培養(yǎng)

模式;數據聚合;數據推理

【中圖分類號】? ?G451.2? ? ? ? ?【文獻標識碼】? A? ? ? ?【文章編號】? 1009-458x（2022）3-0051-10

一、引言

在大數據時代背景下，海量數據作為一種新的資源改變著人類實踐活動的方式與意義的生成，從根本上顛覆與再造了人類認知世界的思維范式。在教育領域，移動智能設備、智慧學習平臺、物聯網技術等為生成教育大數據創(chuàng)造了條件。從基于經驗感知的教學向數據驅動的教學轉向的新模態(tài)正在發(fā)生。數據可以幫助教師精準挖掘學生特征、分析學生需求、預測學生行為，采用有效的教學方式實施個性化教學。教師對這些教育數據進行深度挖掘和多元分析，可以提高教學效率、重塑教學生態(tài)、變革教學結構、優(yōu)化教學流程，實現數據驅動的決策和評價（孫眾， 等， 2019）。而當下，教師由于數據意識薄弱，數據技能欠缺，即使擁有多模態(tài)數據也無法最大限度地挖掘其價值（李新， 等， 2020）。因此，培養(yǎng)和提高教師的數據素養(yǎng)顯得尤為重要。

從2009年開始，美國教師資格認證組織就陸續(xù)將數據素養(yǎng)作為教師專業(yè)資格的考察要素（鄒逸， 2020）。到2014年，美國有19個州將其納入教師資格認證體系當中，使數據素養(yǎng)成為教師的基本素養(yǎng)（王萍， 等， 2016）。2017年，習近平總書記在中共中央政治局就實施國家大數據戰(zhàn)略進行第二次集體學習時指出，善于獲取數據、分析數據、運用數據，是領導干部做好工作的基本功，各級領導干部要增強利用數據推進各項工作的本領，體現出對數據素養(yǎng)的關注與重視（李新， 等， 2020）。2019年，教育部在《教育部教師工作司2019年工作要點》中指出，要“舉辦全國教師大數據高級研修班”來培養(yǎng)教師數據素養(yǎng)，促進數據驅動教學。

學者們展開了各種數據素養(yǎng)培養(yǎng)嘗試，比如美國國家科學基金主導的“數據使用項目”（Schifter， 2014）、俄勒岡州教師數據素養(yǎng)教育項目（Campbell， 1995）、哈佛大學“數據智慧項目”等（Boudett， City， & Murnane， 2005）。但是目前教師數據素養(yǎng)的培養(yǎng)形式主要以專題講座或實操培訓為主。在此類項目開展的過程中，會出現專家指導時間不長，教師大多自行組織研討，合作過程參與效果不佳，忽視對自身以往經驗進行反思和提煉等問題，從而使自身內在經驗結構與外部世界發(fā)生沖突（汪昀， 2020）。有學者（李青， 等， 2016）通過對若干數據素養(yǎng)教育模型進行研究發(fā)現，數據素養(yǎng)的提高是一個不斷進化的復雜過程。在不斷學習新知的過程中，如何降低其認知負荷、減少經驗沖突、促進復雜能力習得是急需研究者們解決的問題。

基于以上現狀，本研究試圖從調節(jié)學習理論出發(fā)，以項目式協作學習為主體框架，探索教師數據素養(yǎng)培養(yǎng)的創(chuàng)新模式，以期為培養(yǎng)中小學教師數據素養(yǎng)提供參考。

二、文獻綜述

（一）教師數據素養(yǎng)的概念界定及國內外發(fā)展現狀

信息素養(yǎng)是指人們知道在何時獲取何種信息以及如何獲取、應用和評價信息的能力。進入21世紀以來，信息量得到極大增長，信息交互逐漸以可視化和數據化的方式呈現。作為信息素養(yǎng)在大數據時代的延伸和拓展，數據素養(yǎng)是指人們對不斷增長的數據進行管理、解釋和批判思考的能力（Athanases， Bennett， & Wahleithner， 2013）。隨著大數據在教育領域的持續(xù)累積和深度挖掘，能夠依據教育數據做出決策是數據時代對教師提出的新要求，教師的數據素養(yǎng)成為數據驅動教學范式深入發(fā)展的核心力量。教師數據素養(yǎng)是指教師通過收集、分析和解釋各種類型的數據，將信息轉化為可操作的教學知識和實踐，以幫助確定教學步驟，開展有效教學的綜合技能（Mandinach， Gummer， & Edith， 2016），其中包含數據意識、數據知識、數據技能、數據倫理道德等多個方面。

由于教師數據素養(yǎng)構成的綜合性，其培養(yǎng)成為一個復雜、多面和周期性的過程，應貫穿教師專業(yè)發(fā)展的始終。早在2014年，美國就啟動了“數據決策倡議”，提出將數據素養(yǎng)納入教師資格認證體系中，并為教師數據素養(yǎng)認定制定了詳細的標準，從國家政策、基礎設施和文化氛圍等方面為教師數據素養(yǎng)發(fā)展創(chuàng)造條件（Gerzon & Guckenburg， 2015）?？梢钥吹?，由于起步較早，國外教師數據素養(yǎng)培訓有相對完整的理論體系和評價指標，有效使用數據和依靠數據進行教學和決策是大多數培訓的重點，培訓主要以理論框架與實際教學相結合的方式開展。例如，哈佛大學提出并使用“數據智慧改進過程”的環(huán)狀迭代框架，采用線上線下相結合的培養(yǎng)方式培養(yǎng)教師收集和分析學生數據的能力（Thomas， 2007）;荷蘭的“數據團隊”項目設計了“數據使用干預過程”框架，教師以團隊合作的方式實踐循環(huán)迭代的教學探究，參與者通過研討會、利用頭腦風暴等方法對教學過程進行分析和討論（Ebbeler， Poortamn， Schildkamp， & Pieters， 2017）等。

當前我國教師數據素養(yǎng)培養(yǎng)還處于起步階段，教育部在2014年發(fā)布了《中小學教師信息技術應用能力標準（試行）》《中小學教師信息技術應用能力培訓課程標準》，對培養(yǎng)教師利用數據進行學情和教學分析做出了明確要求（張斌， 等， 2017）。國務院在2015年頒布的《促進大數據發(fā)展行動綱要》中也指出要建立用數據說話，挖掘數據發(fā)現新知，創(chuàng)造新價值，提升新能力的新生態(tài)?，F有研究的主體集中在教師數據素養(yǎng)的概念界定、理論模型和評價指標構建、教師數據素養(yǎng)現狀調查等理論層面，實踐型研究近幾年逐漸增多，其培養(yǎng)方式為基于實際培訓需求設計課程內容和實施框架，面向特定人群開展專題培訓和線上線下教學（李新， 等， 2020）。

（二）教師數據素養(yǎng)的培養(yǎng)模式及應用

由于各地對教師數據素養(yǎng)框架的界定不一，并且本土化教師發(fā)展存在差異性，為培養(yǎng)教師數據素養(yǎng)而實施的培養(yǎng)措施呈現出多元化的特征。首先是培養(yǎng)形式不同。例如，美國特拉華州定期組織教師參與專業(yè)化協作學習社群（professional learning communities，PLC），提升教師自身數據素養(yǎng);阿肯色州將數據素養(yǎng)要求納入教師專業(yè)技能認證標準;還有一些研究對師范生和在職教師進行數據培訓（data coaching），并且每年定期召開研討會（Carlson & Robinson， 2011）。在采用的培養(yǎng)措施方面，許多組織都認為教師團隊合作對于提升教師數據素養(yǎng)具有可行性（Ebbeler， Poortamn， Schildkamp， & Pieters， 2017），并且認為該素養(yǎng)的培養(yǎng)應依據真實教學開展情境化的培訓（Gearhar & Guckenburg， 2009），由數據教練或專家指導教師進行數據分析和應用（Carlson， et al.， 2011;Gearhar， et al.， 2009）。也有研究調查發(fā)現，在數據素養(yǎng)的培訓中教師還需要指示和協助以確定需要用數據解決的問題（Wayman & Jimerson， 2013）。綜合來看，里夫斯等人（2015）認為，合作、專家指導、清晰明確的數據使用步驟和反思以及情境因素都是培養(yǎng)措施中對教師知識、態(tài)度、信念或做法產生積極影響的因素，應結合起來使用。

研究發(fā)現，早期的教師數據素養(yǎng)培養(yǎng)主要是對教師個體進行培訓，缺少教師間的交流與合作（Mandinach， Gummer， & Edith， 2016），因而導致教學決策主觀片面，過分依賴過往經驗，且易陷入常識性誤區(qū)和感覺性錯誤（馮仰存， 2020），從而導致數據驅動教學效果不佳等問題。事實上，不同學科背景的教師所具有的思維差異也會導致數據評判標準不同。郝媛玲等人（2016）通過研究證實文科背景的教師傾向于利用自身經驗進行數據評判，理工科背景的教師則更多利用實驗來進行理性分析，同行間的交流與合作可以有效避免這一差異所帶來的影響。因此，以協作學習方式開展教師數據素養(yǎng)培養(yǎng)成為學者們研究的重點問題。李新等人（2020）認為，當教師與同行以支持性的方式分析和解釋數據，進行經驗交流與案例分享，并在需要時能獲得專業(yè)知識的情況下，教師的學習動機會增加。包迪特等人（Boudett， et al.， 2005）通過研究證實了小組合作形式對推進教師數據素養(yǎng)培養(yǎng)的有效性。美國特拉華州通過對教師數據使用情況進行研究，發(fā)現增加協作時間可以產生或改善教師對數據的使用，而對數據的有效使用行為具有一定的社會性（Farley-Ripple， et al.， 2014）。Supovitz等人（2015）通過研究郊區(qū)學校11個專業(yè)學習社區(qū)的數據使用情況，證實團隊成員之間的協作會促進更深入的數據使用。雖然以協作學習形式開展教師數據素養(yǎng)培養(yǎng)有一定優(yōu)勢，但在實際情況下很多教師并不能很好地參與到合作過程中（李青， 等， 2016）。且大多數實證研究設計的指示因素都是以工作表和操作指南為主（Reeves， et al.， 2015），缺乏針對每個階段的指示和反思。

（三）調節(jié)學習視域下的支架研究

協作學習作為一種社會性過程，具有一定的復雜性，其協作效果受到諸多方面因素的影響，而基于調節(jié)學習理論對協作過程進行有效調節(jié)、提供支架輔助是提升協作學習成效的關鍵。Supovitz等人（2015）在對16名高職教師的訪談中發(fā)現，很多老師在協作中的參與效果不佳，而且他們表示會忽視自己對以往經驗的反思和提煉。美國特拉華州教育局開展的提升小學教師數據素養(yǎng)的實驗也表明，教師在專業(yè)學習社群活動中的參與積極性不高，在不同時間內任務的完成率也不高（Farley-Ripple & Buttram， 2014）。針對協作學習效果不佳的問題，Jrvel等人（2013）曾提出是由于協作小組沒有共享的任務和目標所致。因此，教師需要有意識地協商任務目標和計劃，策略性地采用工具和方法，優(yōu)化任務績效，及時監(jiān)控自身的學習過程和進展，當結果偏離預期目標或者面臨困難和挑戰(zhàn)時對學習進行調整和修改（鄭蘭琴， 等， 2017），而這恰好是社會調節(jié)學習理論的內涵所在。

社會調節(jié)學習理論主要應用于探究性學習、基于項目的學習等各類協作型學習模式中，指在協作學習的過程中學習者為達到其學習目的而自發(fā)、主動地設定目標，采用各種策略，監(jiān)控和評價自己和他人的認知、動機、情感等行為和學習效果的過程。調節(jié)的形式包括自我調節(jié)和共享調節(jié)，應用在實際教學過程中的干預工具有腳本工具、感知工具和系統化環(huán)境三類。研究表明，具備自我調節(jié)能力的學習者能夠意識到任務的需求，選擇合適的學習策略，采用結構化并具有目的性的方式去獲取、加工與儲存知識，不斷進行自我監(jiān)控從而優(yōu)化學習績效（鄭蘭琴， 等， 2017）。陳向東等人（2019）通過在STEAM課程中融入共享調節(jié)，利用案例分析證明了共享調節(jié)通過加強成員間在認知、動機、情感方面的交互水平而對學習者的認知結構、任務理解和作品質量等方面產生積極影響。另有學者（Wayman， et al.， 2013; Winne， Hadwin， & Perry， 2013， pp.462-479）提出，成功的協作不僅需要每個團隊成員對其認知過程、行動和信念進行自我調節(jié)，還需要進行共享調節(jié)來支持小組成員成功地調節(jié)他們的學習以及達到小組同步和采用有效方式的目的。自我調節(jié)是個體行為嵌入小組社會活動的自我約束，個體目標與社會目標不可分割，個體元認知與小組元認知共同發(fā)展并通過社會互動得以實現（林育瑜， 等， 2019），兩者在協作學習中相互依存。自我調節(jié)和共享調節(jié)作為調節(jié)學習支架在協作學習中所產生的具體效能大小還有待探究。

綜上所述，本研究主要探究以下兩個問題：

問題1：基于調節(jié)支架的教師數據素養(yǎng)培養(yǎng)教學模式是否能夠有效促進其素養(yǎng)發(fā)展并提高學習績效？

問題2：自我調節(jié)支架和共享調節(jié)支架對教師數據素養(yǎng)培養(yǎng)的影響是否存在差異？

三、基于調節(jié)支架的教師數據

素養(yǎng)培養(yǎng)教學模式設計

（一）理論基礎

目前公認的教師數據素養(yǎng)培養(yǎng)的理論基礎是由Marsh和Farrell（2015）構建的數據驅動決策能力建設框架。該框架包括數據驅動決策流程和能力建設指導兩部分。數據驅動決策流程是指數據不能直接使用，必須經過收集、組織和分析成為有效信息，然后教師利用專門知識進行教學決策。能力建設指導是指由數據專家組成數據團隊，從互動、實踐、工具和情境四個方面為提升教師的數據素養(yǎng)提供幫助。在這個框架中，互動部分包含數據專家對教師的一對一指導和教師團體的合作對話;實踐部分指首先確定數據素養(yǎng)提升的目標與要求，隨后數據專家與教師一起通過建模、觀察、反饋、分享、質疑等方式，對數據進行收集、處理、分析、解釋，提高教師的數據應用能力;工具分為概念性工具（數據使用框架）和實用性工具（數據分析軟件），用以提供明確的指示信息，以幫助教師提高數據分析能力;人際關系、組織結構等情境因素是實驗干預的基礎和背景。

（二）模式建構

為了更好地促進教師數據素養(yǎng)的發(fā)展，本研究借鑒了調節(jié)學習理論，結合數據驅動決策能力建設框架，構建出基于調節(jié)支架的教師數據素養(yǎng)培養(yǎng)教學模式（如圖1）。該模式旨在通過項目式教學方法，基于真實情境和真實教學數據使用過程培養(yǎng)教師數據素養(yǎng)，同時將協作探究、專家指導和過程指示作為指導性因素用于輔助受訓教師學習。在教學過程中，培訓者設計驅動問題，受訓教師以小組形式開展選題、項目探究、成果展示等活動。其中，為了使小組協作效果得到優(yōu)化，減少受訓教師自身經驗與外部世界的沖突及認知負荷，在協作過程中加入調節(jié)支架作為學習輔助。

在調節(jié)支架工具的選取上，本研究選用了腳本工具，包含宏腳本與微腳本兩類。宏腳本將小組協作學習過程劃分為計劃、執(zhí)行、監(jiān)控和反思四個階段，為各階段提供不同的支架，如表1所示。微腳本則對四個階段提供更加細致的支持，表征為在學習活動過程中為每一活動提供文本性提示。在調節(jié)干預工具的載體選擇上，將學習任務單作為主要依托形式，輔助培訓者為受訓教師提供及時而精確的指導。

第一，計劃階段。受訓教師需要對目標進行精準定位，設定預期標準，預估完成任務的質量和學習效果等。受訓教師不僅需要依據自身經驗精心安排時間進度，確定完成每個子任務的時間節(jié)點，還需要根據小組任務與團隊成員協商分工，制訂小組計劃。第二，執(zhí)行階段。該階段受訓教師需要根據學習目標選擇合適的方法和策略以達成目標，同時要與小組成員討論比較不同策略產生的預期學習效果，選擇最優(yōu)策略和資源，高效完成團隊任務。第三，監(jiān)控階段。受訓教師需要不斷對比自我和小組當前項目進展和預期目標的差距，根據進度調整時間安排，同時需要把控學習進程和方向，做出及時調整，以免偏離預期目標。第四，反思階段。這一階段受訓教師依據制定的任務標準評價解決方案，對項目進行總結和反思，判斷自我和小組是否達到預期目標，以進一步修正和完善當前解決方案。如果受訓教師發(fā)現沒有達到預期目標，則需要做出調整，通過協調沖突，調整目標、計劃、策略，或者調整態(tài)度、行為等方式來促進任務的有效完成。

四、實證研究

為驗證該教學模式在教學實踐中的有效性，在2019年暑期華東地區(qū)某大學開展的一次中小學骨干教師數據素養(yǎng)培訓課程上展開實證研究，采用對照實驗研究方式將整個班級隨機分配為實驗組與對照組。在兩個組別中分別提供共享調節(jié)支架和自我調節(jié)支架，均采用本研究設計的教學模式進行教學，并運用科學測量工具進行測量對比，以研究該教學模式對教師數據素養(yǎng)培養(yǎng)的作用。

（一）研究對象

研究對象為來自全國各地中小學的20名信息技術在職教師，其中男教師5名，女教師15名。被試被隨機分為實驗組（N=10）和對照組（N=10）。實驗前兩組被試均獨立完成了數據素養(yǎng)測試（意識態(tài)度、基礎知識、核心技能、思維方法），對實驗組成績（M=63.00，SD=14.944）和控制組成績（M=53.00，SD=14.944）進行獨立樣本t檢驗，發(fā)現兩組教師在實驗干預前的數據知識水平不存在顯著差異（t=1.496，P>0.05）。

（二）培訓過程

整個培訓共計36個課時，課程按照教育數據挖掘的基本流程按專題展開，由主講老師帶領受訓教師以講練結合的形式學習數據理論知識和統計分析方法。同時，全班以項目式學習方式分為10個組，每組2名受訓教師，以真實的教育數據為對象展開教育數據問題分析，最終每個小組需要協作完成一個基于教育數據的項目分析報告，包括解釋和討論數據含義，根據數據做出決策等。項目的完成分為四個階段：計劃階段、執(zhí)行階段、監(jiān)控階段和反思階段。受訓教師在項目完成的每個階段都要填寫對應的調節(jié)支架表單，以推進項目的進行。

（三）數據收集和分析方法

1. 數據收集

（1）知識測試

數據知識測試的內容是關于數理統計知識的10道測試題，前后測試題難度保持一致，總分設置為100分。前測的目的是在實驗之初評估受訓教師的基礎知識水平。課程完成后，再次向受訓教師發(fā)放知識測試，通過前后測對比，評估受訓教師在數據知識方面的掌握情況。

（2）調查問卷

本研究所使用的調查問卷分為數據素養(yǎng)調查問卷和課程滿意度問卷，問卷量表采用李克特5點式量表，從完全不符合到完全符合。其中數據素養(yǎng)調查問卷改編自楊現民團隊（2020）編制的《教師數據素養(yǎng)自我評價量表》，包括意識態(tài)度7題、基礎知識9題、核心技能和思維方法各12題，共40個題項涵蓋教師數據素養(yǎng)評估的四個層面（林秀清， 等， 2020）。在培訓前后均發(fā)放給受訓教師，調查受訓教師數據素養(yǎng)提升情況，從而評估培訓的有效性。課程滿意度問卷分為四個維度共13個題項，具體包括自我效能3題、自我調節(jié)4題、合作學習效果3題和課程滿意度3題，用以了解受訓教師對教學內容的掌握情況、自我調節(jié)和合作學習效果，以及對課程安排的滿意度。

為確保研究結果的科學性，本研究采用SPSS軟件對問卷進行了信效度檢驗。檢驗結果表明，數據素養(yǎng)調查問卷的Cronbach’s α值為0.979，課程滿意度問卷的Cronbach’s α值為0.940，說明兩份問卷均具有良好的信度。為檢驗兩份問卷各維度量表設置的合理性，采用因子分析，分析結果顯示：數據素養(yǎng)調查問卷的KMO檢驗系數>0.7，Bartlett球形檢驗P<0.001;課程滿意度問卷的KMO檢驗系數>0.7，Bartlett球形檢驗P<0.001。這說明兩份問卷適合進行因子分析。對問卷各維度進行主成分分析后，均獲得4個共同因子，經旋轉后，數據素養(yǎng)調查問卷中40個題項按原設計向4個主成分因子聚攏，數據素養(yǎng)調查問卷中13個題項按原設計向4個主成分因子聚攏，由此說明兩份問卷均具有良好的結構效度。

（3）課堂視頻

教學活動視頻采集于教學活動發(fā)生的各個階段，主要用于記錄各小組成員在學習過程中的學習行為軌跡、組內對話和小組協作討論情形。在本研究中，為更好地探究調節(jié)支架在受訓教師數據處理流程中的過程性功效，對課堂視頻的處理采用了視頻編碼，其編碼框架的制定是在Rubin（2019）所提出的數據處理流程五大結構的基礎上，借鑒Pintrich（2000， pp.451-502）和Hadwin等人（2011）對自我調節(jié)和共享調節(jié)的概念界定后，加入了自我調節(jié)和共享調節(jié)兩個子項，最終形成包含兩個維度七個子項的質性分析編碼框架（如表2）。

2. 分析方法

研究采用定量分析和質性分析相結合的數據分析方法。

在定量分析中，對于問卷中的數據采用SPSS 20.0軟件進行信效度檢驗、描述性統計和差異性分析，對培訓的效果和不同調節(jié)支架所產生的影響進行量化分析。

在質性分析中，對教學活動視頻中的會話內容進行采集，以每小組每個組員的發(fā)言內容作為轉錄單位進行轉錄、編碼，并采用認知網絡分析（epistemic network analysis，ENA）工具進行相關分析。認知網絡分析法是一種融合了質性與量化研究的數據分析工具，它通過對文本話語等非結構化數據進行編碼實現量化分析。在構建認知網絡圖的過程中通過提取核心數據元素建立各元素間的關聯關系，構成可視化網絡（吳忭， 等， 2018）。在本研究中，為進一步了解采用不同支架的受訓教師在數據處理流程上的差異性，研究者分別選取了實驗組和對照組兩組受訓教師的會話內容進行編碼，根據教學活動視頻將各組會話內容進行文本轉錄，以每位成員的每句完整話語作為分割單元，對自我調節(jié)、可變性、共享調節(jié)、聚合性、推理、語境、可視化七種行為進行編碼。三位專家依據編碼框架對各單元中的話語在七個行為編碼維度上體現與否給予0和1的行為編碼標簽，其一致性系數達到0.857（P<0.01），具有顯著一致性，并對不一致編碼點進行協商，最終生成12，000多個編碼數據，將編碼數據導入ENA在線工具進行認知網絡分析處理。

五、數據分析

（一）培訓效果分析

1. 教學滿意度分析

對課程滿意度調查問卷中的數據進行描述性統計發(fā)現，在滿分5分的機制下，學習者對該課程的平均滿意度評分為4.58分（SD=0.51），表明對本次培訓的整體教學設計較為滿意，認為該模式具有實踐應用價值。其中，受訓教師在自我效能方面評分較高（M=4.23，SD=0.50），表明在本次培訓過程中受訓教師認為這種方式能夠促進其對課程知識點的內化，進一步說明受訓教師對該教學模式持肯定態(tài)度。而自我調節(jié)得分（M=4.20，SD=0.66）低于合作學習得分（M=4.43，SD=0.52），表明在數據素養(yǎng)的培養(yǎng)中受訓教師認為合作交流是促進任務執(zhí)行的關鍵要素，并且在學習過程中主動發(fā)生的自我調節(jié)次數少于共享調節(jié)次數。

2. 教學質量效果分析

為檢驗該教學模式在提升數據素養(yǎng)方面的有效性，在起始能力相近的情況下對全體被試進行數據知識前后測，分析結果顯示，在滿分100分的機制下，通過本次培訓受訓教師的數據知識后測分數有所提高（M=82.00，SD=14.36），且培訓前后存在顯著差異（t=5.27，p=0.00），表明本研究設計的教學模式對于增加教師數據知識是有效的。

在教師數據素養(yǎng)調查問卷測評中，通過對意識態(tài)度、基礎知識、核心技能和思維方法四個子維度的數據分析可以看出，在意識態(tài)度方面，后測得分（M=4.26，SD=0.51）低于前測得分（M=4.17，SD=0.46），且不存在顯著差異（t=-1.14，P=0.267）;在基礎知識、核心技能和思維方法方面，后測得分均比前測得分高，且均存在顯著差異（見表3）。

通過對教學滿意度及教學質量效果的數據分析可以看出，該教學模式得到了受訓教師的較高認可，在數據知識和數據素養(yǎng)培養(yǎng)方面具有一定有效性，并能促進受訓教師數據素養(yǎng)發(fā)展，提高學習績效。

（二）不同調節(jié)支架的差異分析

1. 不同調節(jié)支架對數據素養(yǎng)發(fā)展影響的差異分析

為了解受訓教師在數據素養(yǎng)的發(fā)展上是否會因使用了不同的調節(jié)支架而存在顯著差異，研究對兩組受訓教師的數據知識和數據素養(yǎng)進行了獨立樣本t檢驗，結果如表4所示。研究發(fā)現實驗組的數據知識測試得分（M=87.00，SD=15.67）高于控制組（M=77.00，SD=11.60），但不存在顯著差異（t=1.62，P=0.12>0.05），表明自我調節(jié)支架與共享調節(jié)支架在促進受訓教師獲取數據知識方面沒有顯著差異。在數據素養(yǎng)方面，實驗組在意識態(tài)度、基礎知識、核心技能和思維方法四個維度上的得分均高于控制組，但是都不存在顯著差異。

2. 不同調節(jié)支架對數據處理流程影響的差異分析

將一個組的會話內容作為一個分析單元，各分析單元中七個行為編碼相互關聯，各編碼的共現體現了受訓教師在數據處理流程中的行為結構，如圖2所示。圖中節(jié)點代表編碼的行為要素，節(jié)點大小與該行為出現的頻次正相關，節(jié)點間連線的粗細與行為的共現頻次正相關。在自我調節(jié)組和共享調節(jié)組中，自我調節(jié)和共享調節(jié)兩種行為共現，且出現頻次最高的行為均為自我調節(jié)、共享調節(jié)、聚合和推理。但在自我調節(jié)組的認知網絡圖中，相較于共享調節(jié)，自我調節(jié)與其他五個元素聯系更加緊密;在共享調節(jié)組的認知網絡圖中，共享調節(jié)與其他五個元素聯系更緊密。兩個組的認知網絡差異圖表明，兩組的認知網絡圖在水平方向存在顯著差異（矩形為網絡的質心投影位置，虛線框表示質心投影位置的置信區(qū)間，兩個虛線框在水平方向無重疊即說明有顯著差異），反映出自我調節(jié)組和共享調節(jié)組分別在自我調節(jié)和推理以及語境和聚合性方面聯系更緊密。綜合來看，在培養(yǎng)數據素養(yǎng)的協作學習過程中，自我調節(jié)和共享調節(jié)作為兩種調節(jié)支架對學習效果共同產生影響，且由于在協作過程中自我活動與集體活動相互交融、彼此依賴，因此兩種調節(jié)行為協同發(fā)生、共同調節(jié)，影響受訓教師數據素養(yǎng)的發(fā)展。

六、結論與討論

（一）整合調節(jié)學習支架的項目式學習有助于提升數據素養(yǎng)

項目式教學融入調節(jié)學習支架可以有效提升教師數據素養(yǎng)培養(yǎng)效果。對數據素養(yǎng)測評結果的分析表明，該模式能夠促進認知能力發(fā)展，而在非認知因素方面受訓教師的自我效能感和學習滿意度均較高。這與以往學者（劉雅馨， 等， 2018）所提出的通過開展數據對話，基于數據表達、交流營造學校協作型數據文化氛圍，可以推動教師數據素養(yǎng)可持續(xù)發(fā)展的論述相一致。在項目式學習過程中，被試主要通過與其他教師以腳本工具作為支持方式進行數據分析、交流和解釋，并與同行進行經驗分享和案例剖析，共同完成數據驅動教學任務。有研究（Vanlommel & Petegem， 2016）表明，有效的協作和交流都能夠對教師的自主動機和數據使用產生積極影響，而有效協作的發(fā)生又依賴于調節(jié)支架的支撐。

此外，學習者與同伴共同分析和解釋數據可以增強其自主動機，而教師在數據使用中的自主動機強弱對其數據使用實踐會產生直接影響。同時，教師自主動機與自我效能感之間存在相互影響，兩者密切相關。教師的自我效能感水平會影響其學習動機水平（Ebbeler， et al.， 2017），較強的學習動機會帶來較高的自我效能感，而自我效能感是影響學習行為取向、行為過程和行為結果的重要因素，對學習績效有不可忽視的作用，其水平高低直接影響成人學習者的學習效果（楊文武， 2013）。因此，在培養(yǎng)教師數據素養(yǎng)的過程中，基于調節(jié)學習支架，采用數據對話環(huán)境可以有效提升受訓教師的學習動機、自我效能感和學習績效。

（二）自我調節(jié)與共享調節(jié)在數據素養(yǎng)培養(yǎng)中協同發(fā)生

通過本研究可以發(fā)現，自我調節(jié)和共享調節(jié)作為學習支架，對實驗組和對照組被試知識測試成績的影響不存在顯著性差異，且在數據處理流程中兩種調節(jié)支架相互依存、共同發(fā)生作用。有學者（蘇友， 等， 2020）曾提出，協作學習是一個復雜的社會性過程，提升學習表現是協作學習的真正目的所在，有效調節(jié)可以促進學習者的知識建構，因此提供調節(jié)支架就可以保證學習效率和質量。在本研究中，被試在調節(jié)支架的支持下進行學習，其成績量化分析結論印證了這一觀點。對實驗組和對照組被試數據處理流程的質性分析表明，自我調節(jié)與共享調節(jié)在協作學習中通過動態(tài)轉換共同促進集體成員互動與個人目標達成，即：雖然為實驗組與對照組提供了不同的調節(jié)學習支架，但認知網絡分析結果表明，在各組的話語分析中均出現了較強的自我調節(jié)和共享調節(jié)節(jié)點，且二者之間存在著強聯系。當學習中個人的自我調節(jié)受到同組成員的引導、支持和協助時，學習者就會發(fā)生共享調節(jié)。其中，個人的自我調節(jié)又蘊含在集體活動內，嵌入整個協作交流場域中，兩種調節(jié)方式共同幫助學習者進行任務理解、學習監(jiān)控和反思活動，對認知、行為、情感、動機等不同維度進行共同協調（王靖， 等， 2020）。由此可見，在小組協作學習過程中，自我調節(jié)與共享調節(jié)兩者協同發(fā)生，共同促進知識學習的發(fā)生。在今后培養(yǎng)教師數據素養(yǎng)時，培養(yǎng)者可以將兩種調節(jié)支架均作為有效支撐使用。

（三）調節(jié)支架有助于教師數據聚合和推理能力的發(fā)展

在大數據時代，數據表征形式多樣化，數據復雜性顯著提升，對教師的數據處理能力提出了更高要求。教師數據素養(yǎng)培養(yǎng)主要發(fā)生在數據處理流程中。Rubin（2019）曾提出，數據具有聚合性，聚合思維與個別診斷需要相互交叉，以豐富其決策的生成。例如，雖然對一個數據圖形進行解釋是相對容易的行為，但學習者會因專注于個別案例而被“卡住”，難以獲得超越案例的其他觀點。同時，基于數據的推理也是一個容易經歷但極易犯錯的過程。推理是運用人的智慧對已知和未知間的因果關系作出判斷與溝通的過程，教育結論需要依據教育數據經由邏輯推理而得出。數據聚合和數據推理的繁復性均由于數據本身的復雜性而導致。從本研究中的質性分析結果來看，在實驗組和對照組中調節(jié)支架與數據聚合和數據推理間的連接較其他元素更加緊密。由于學習環(huán)境的復雜性和受訓教師個體特質的差異性，在數據聚合和數據推理過程中需要多方支持以達成更好的數據處理和決策結果，從而將數據信息轉換為知識并進一步升華為智慧。調節(jié)支架通過對受訓教師個體和小組行為進行監(jiān)控與調節(jié)，使得整個協作過程運行良好并為其提供有效支撐。

七、總結與展望

本研究以數據驅動決策能力建設框架為基礎，融入調節(jié)學習理論，通過對照實驗形式對教師數據素養(yǎng)培養(yǎng)教學模式進行了探究。研究結果表明，基于真實情境的項目式學習模式可以把受訓教師融入有意義的任務完成過程中，受訓教師在調節(jié)支架的輔助下能夠針對復雜任務和多樣問題進行適應性調節(jié)，獲得良好的自我效能感并提升學習績效。教育數據作為一種變革教育的戰(zhàn)略資產和科學力量支撐，教師的數據素養(yǎng)是使其發(fā)揮真正效用的關鍵。本研究結果表明，專家指導與實景操作雙通道培養(yǎng)模式可以有效提升教師的數據素養(yǎng)。其中，調節(jié)支架可以對數據聚合和數據推理給予一定程度的支持。

但本研究也存在以下局限：由于實驗的開展場景為專題型課程，研究對象為骨干教師，導致樣本數量較少且代表性不足。在后續(xù)研究中，培訓對象應推廣至其他學科教師。研究結論的通用性和普適性還需進一步通過大規(guī)模教師培訓進行重復性驗證。此外，該教學模式對學習者深層次認知的影響，以及調節(jié)支架在各學習階段的具體變化過程還有待進一步深入研究。

[參考文獻]

孫眾，宋潔，陳文龍. 2019. 大數據時代專家教師新原型觀[J]. 中國遠程教育（6）：77-82.

陳向東，羅淳，張江翔. 2019. 共享調節(jié)：一種新的協作學習研究與實踐框架[J]. 遠程教育雜志（1）：62-71.

馮仰存. 2020. 數據驅動的教師教學決策研究綜述[J]. 中國遠程教育（4）：65-75.

郝媛玲，沈婷婷. 2016. 大數據環(huán)境下高校教師數據素養(yǎng)現狀及提升策略探析：基于上海地區(qū)高校的調查分析[J]. 現代情報（1）：102-106，113.

林育瑜，李建生. 2019. 社會調節(jié)學習理論及啟示[J]. 中國遠程教育（2）：85-91.

李青，任一姝. 2016. 教師數據素養(yǎng)能力模型及發(fā)展策略研究[J]. 開放教育研究（6）：65-73.

李新，楊現民. 2020. 中小學教師數據素養(yǎng)培訓課程設計與實踐研究[J]. 中國電化教育（5）：111-119，134.

林秀清，楊現民，李怡斐. 2020. 中小學教師數據素養(yǎng)評價指標體系構建[J]. 中國遠程育（2）：49-56，75.

劉雅馨，楊現民，李新，等. 2018. 大數據時代教師數據素養(yǎng)模型構建[J]. 電化教育研究，39（2）：109-116.

蘇友，李艷燕，包昊罡. 2020. 國際視野下社會調節(jié)學習研究歷程、焦點及趨勢[J]. 現代遠程教育研究（6）：33-43.

王靖，崔鑫. 2020. 如何支持與評價協作學習中的共享調節(jié)？基于2007—2020年國內外共享調節(jié)研究的系統性文獻綜述[J]. 遠程教育雜志（6）：86-95.

王萍，李穎欣，鄭瑩. 2016. 美國教師資格認證標準新視點：數據素養(yǎng)及測評[J]. 開放教育研究，22（3）：63-70.

吳忭，王戈，盛海曦. 2018. 認知網絡分析法：STEM教育中的學習評價新思路[J]. 遠程教育雜志，36（6）：3-10.

楊文武. 2013. 合作學習理論下成人自我效能感的培養(yǎng)策略[J]. 成人教育（10）：77-80.

鄒逸. 2020. 如何發(fā)展教師數據素養(yǎng)？——美國的經驗與啟示[J]. 比較教育學報（5）：125-136.

汪昀. 2020. 高職教師數據素養(yǎng)現實困境與發(fā)展路徑： 基于16名教師訪談數據的質性分析[J]. 寧波職業(yè)技術學院學報（3）：48-52.

鄭蘭琴，李欣. 2017. 調節(jié)性學習的發(fā)展：模型、支持工具及培養(yǎng)策略[J]. 現代遠程教育研究（2）：60-66.

張斌，劉三女牙，等. 2018. 面向大數據的師范生數據素養(yǎng)課程體系構建研究[J]. 中國遠程教育（4）：62-68.

Athanases， S. Z.， Bennett， L. H.， & Wahleithner， J. M. （2013）. Fostering data literacy through preservice teacher inquiry in English language arts. Teacher Educator， 48（1）， 8-28.

Boudett， K. P.， City， E. A.， & Murnane， R. J. （2005）. Data wise： A step-by-step guide to using assessment results to improve teaching and learning. Harvard Education Press， 77（1）， 118-120.

Boudett， K. P.， & Steele， J. L. （2007）. Data wise in action： Stories of schools using data to improve teaching and learning. Cambridge： Harvard Education Press.

Campbell， M. D. （1995）. A review of the Oregon and Texas experience in building performance measurement and reporting systems： Data selection， collection， and reporting. Washington， DC： National Institute for Literacy.

Carlson， D.， Borman， G.， & Robinson， M. （2011）. A multistate district-level cluster randomized trial of the impact of data-driven reform on reading and mathematics achievement. Educational Evaluation and Policy Analysis， 33（3）， 378-398.

Ebbeler， J.， Poortman， C. L.， Schildkamp， K.， & Pieters， J. M. （2017）. The effects of a data use intervention on educators’ satisfaction and data literacy. Educational Assessment， Evaluation and Accountability， 29（1）， 83-105.

Farley-Ripple， E. N. ， & Buttram， J. L. （2014）. Developing collaborative data use through professional learning communities： Early lessons from Delaware. Studies in Educational Evaluation， 42：41-53.

Gerzon， N.， & Guckenburg， S. （2015）. Toolkit for a workshop on building a culture of data use. National Center for Education Evaluation and Regional Assistance. US Department of Education. Retrieved from http：//ies.ed.gov/ncee/rel/regions/northeast/pdf/REL_2015063.pdf

Gearhart， M.， & Osmundson， E. （2009）. Assessment portfolios as opportunities for teacher learning. Educational Assessment， 14（1）， 1-24.

Hadwin， A. F.， J?rvel?， S.， & Miller， M. （2011）. Self-regulated， co-regulated， and socially shared regulation of learning. Handbook of self- regulation of learning and performance， 30， 65-84.

Jrvel， S.， & Hadwin， A. F. （2013）. New frontiers： Regulating learning in CSCL. Educational Psychologist， 48（1）：25-39.

Mandinach， E. B.， & Gummer， E. S. （2016）. What does it mean for teachers to be data literate： Laying out the skills， knowledge， and dispositions. Teaching & Teacher Education， 60， 366-376.

Marsh， J. A.， & Farrell， C. C. （2015）. How leaders can support teachers with data-driven decision making： A frame work for understanding capacity building. Educational Management Administration & Leadership， 43（2）， 269-289.

Pintrich， P. R. （2000）. The role of goal orientation in self-regulated learning. In M. Boekaerts， P. R. Pintrich， & M. Zeidner （Eds.）， Handbook of Self-regulation （pp.451-502）. Academic Press. Retrieved from https：//doi. org/10.1016/B978-012109890-2/50043-3

Rubin， A. （2019）. Learning to reason with data： How did we get here and what do we know？. Journal of the Learning Sciences，154-164.

Reeves， T. D.， & Honig， S. L. （2015）. A classroom data literacy intervention for pre-service teachers. Teaching and Teacher Education， 50：90-101.

Schifter， C. （2014）. Data-driven decision-making： Facilitating teacher use of student data to inform classroom instruction. Contemporary Issues in Technology & Teacher Education， 14（4）， 419-432.

Supovitz， J. A.， & Morrison， K. （2011， April）. Does collaboration facilitate data use in schools？. In annual meeting of the American Education Research Association， New Orleans， LA.

Vanlommel， K.， & Petegem， P. V. （2016）. Data use by teachers： The impact of motivation， decision-making style， supportive relationships and reflective capacity. Educational Studies，1-18.

Wayman， J. C.， & Jimerson， J. B. （2013）. Teacher needs for data-related professional learning. Studies in Educational Evaluation， 42：25-34.

Winne， P. H.， Hadwin， A. F.， & Perry， N. E. （2013）. Metacognition and computer-supported collaborative learning. In C. E. Hmelosilver， C. A. Chinn， C. Chan， & A. M. O’ Donnell （Eds.）， International handbook of collaborative learning. New York： Routledge.

收稿日期：2021-04-23

定稿日期：2021-10-25

作者簡介：胡藝齡，博士，副教授，碩士生導師;張啟迪，碩士研究生;孫珂，碩士研究生;吳忭，博士，副教授，碩士生導師，本文通訊作者。華東師范大學教育信息技術學系（200062）。

責任編輯 單 玲