[修回日期]2021-06-18 [中图分类号]G434 [文献标识码]A [文章编号]1007-2179(2021)04-0017-10 [DOI编码]10.13966/j.cnki.kfjyyj.2021.04.002 [引用信息]林书兵，张学波(2021).教育数据解读的认知解密与技能解锁[J].开放教育研究，27(4)：17-26. 数据在教育领域应用的创新范式与变革成效，让广大一线教师成为数据驱动教学决策应用的忠实拥趸。教育数据应用涵盖从数据收集、分析、解释以及决策行动等一系列技能子集，印证着艾可夫(Ackoff，1989)的数据—信息—知识—智慧的数据认知金字塔。在将抽象数据解释成具体信息的过程中，如何识别教育数据呈现的内隐问题，如何基于现实语境解读数据的内涵意指，如何基于数据分析提供教学改进的实施策略和行动指南等是实现从数据到价值的核心阶梯，也是一线教师数据应用必须跨越的认知鸿沟。一直以来，教学实践领域常将聚集效应等同于价值凸显，将教育数据应用过程简化为数据采集加工和处理，而对如何识别和解读数据避而不谈。因此，本研究从教育数据应用的心理机制和过程原理角度，总结数据解读的心理过程，提炼教育数据解读的一般操作技能框架，以期为教师数据应用能力提升指明方向。 二、数据解读困境 教学决策是教育领域由来已久的研究领域，通常指教师为了实现教学目标与完成教学任务，通过对教学实践的预测、分析和反思，确定最有效的教学方案。随着大数据技术在各领域的应用以及不断凸显的预测、分析和决策价值，教育领域也期待数据能够推动自身从以经验和直觉为主要教学依据的模式，向基于证据的决策范式转变。当前，数据驱动的教学决策理念和行动在世界范围内蔚然成风，利用数据改善学校教育实践，已成为学校变革趋势之一，数据驱动的教学决策理论和实践研究也在不断增长。然而，相关研究显示，数据驱动的教学决策应用成效尚无定论。在从教学数据获取到教学决策输出的价值蜕变过程中，数据、教师、团队和学校等境脉性特征都会对教育数据应用成效产生实际影响(Marsh，2012；Mandinach & Gummer，2015；Faber & Visscher，2021)，教学者如何从抽象数据中解读出有价值的信息，恰为这一过程最关键的一环。 (一)数据聚集不能等同于价值呈现 数据存在和数据使用之间往往存在巨大差距。达文波特等(Davenport & Prusak，1998)曾将数据定义为“关于事件的一组离散、客观的事实”，即数据不提供判断或解释，也不显示可持续的行动基础。库森等(Cousins & Leithwood，1993)指出，数据难以直接体现价值，需要对其进行人为解释。在教育领域，数据必须转换成学校可以使用的信息才可能对变革起支撑作用。达特诺等(Datnow et al.，2007)研究显示，相对于收集数据，阅读和使用数据更难。数据虽可以突出教学实践的优缺点，但不能直接提高学生学习效果，中间需要教学者对数据的认知、解释和理解。 首先，数据解读是一个涉及教师多维知识综合应用的过程。数据驱动教学决策研究著名专家曼蒂纳克(Mandinach & Gummer，2016)提出教学数据素养定义时，特别强调教师需要将数据的理解与标准、学科知识和实践、课程知识、教学内容知识以及对学习者学习方式的理解结合起来，才能应对复杂的数据驱动的教学决策实践。无论是定性的还是定量的数据，教师都必须在特定内容领域进行解释，并与后续教学实践相联系。在解读数据的过程中，教师必须考虑相关的学习进展或内容规范。在制定教学计划时，教师将这些数据、他们在特定内容领域的教学知识及其对学生如何更好地学习这些内容的理解整合起来，通过联系教师的教育学知识转化为教学行动。而且，当基于数据的解释拒绝了教师最初的教学假设时，或者教师收到错误无效的行动反馈时，数据收集工作必须重新开始，直至教学工作者认为数据足够可靠和有效(Marsh，2012)。其次，数据使用也是复杂的非线性过程，常涉及多个反馈回路。科伯恩等(Coburn et al，2005)指出，数据驱动的教学决策研究大多关注数据使用干预与结果之间的简单联系，或是仅仅描述数据干预的活动形式，较少关注数据的具体使用和解释过程，即教师如何在课堂环境中解释数据并将其转化为可操作的知识。因此，我们很少知道教师如何与数据互动的——解释数据、对数据做出反应、忽略数据——以及这些反应如何促成他人感兴趣的解读结果。了解结果但不了解产生结果的机制，意味着我们对如何重新设计数据、使用干预措施增强数据的实践影响知之甚少。 (二)技术进步不能代替人的解读 教育大数据及其相关技术的出现，为教育领域的个性化、公平等难题的解决提供了可能。但另一方面，大数据的大肆炒作，使业界出现盲目的迷恋与跟风，一味地追逐数据的规模化效应和技术复杂性，忽视教育数据应用的根本目的，即通过数据驱动改进教学。然而，技术的进步无法总带来有用的结果。首先，技术应用并非完美的，一些数据平台和系统号称能够实现教学数据的自动采集、处理和分析，但输出的报告要么过于复杂，超出教学者理解的能力，耗费教学者的大量时间和精力；要么过于简单，仅显示学习者表现的数字排名，对具体缺陷和细节只字不提。因此，教师和学生无法据此提出准确的补救措施。为了将数据转化为信息，教师往往需要对数据进行系列转换操作，如添加便于解释的代码、图例或框架。教师需要理解数据的显示和表示形式，对学生的表现数据和评价标准进行比较，从而得出关于问题性质、初始判断或将要采取的行动的结论，这些都需要人为的心理操作。其次，在技术学习领域，教师数据素养的培养已被相关教育机构提上日程，但教育数据处理能力的训练呈简单化倾向，如认为教师只要掌握数据统计分析技能，自然就能胜任数据驱动的教学决策实践并发挥数据的教学推动作用。在这一理念的主导下，教育数据应用培训往往以统计、算法和计算技能为主题，将数据分析技能简化为以计算机技术为基础的数据操作处理技能。然而，对于教师而言，单纯抽象层面的数据统计和操作技能并不难掌握，真正的难点在于，在具体教学情境下如何选择恰当的统计方法理解和解读数据，也就是不仅要知道“是什么”，且要回答“为什么要使用这些技术”的问题，而这需要学习者的亲身实践和反思认知(Velleman，1997)。
