数据分析在学校管理中对决策支撑的意义初探

刘波

自计算机和网络进入教育应用以来，以信息化技术对数据进行分析来驱动决策的努力就已开始。决策可以由三种方式分别或混合驱动：直觉、经验和逻辑。虽然有时直觉和经验在决策过程中是无可替代的，但通过逻辑方式做出决策通常被认为具有高确定性的特点，更易于被接受。数据是填充逻辑过程的基石，大数据正在改变决策的驱动方式，由直觉和经验驱动决策开始向数据驱动决策（Data-Driven Decision Making，DDDM）转化。当前数据驱动决策系统已成为美国各学区利用数据支持学校改进的有力工具。

一、数据驱动决策及其产生的背景

2013年，福斯特·普罗沃斯特（Foster Provost）和汤姆·福塞特（Tom Fawcett）在《数据科学与大数据、数据驱动决策的关系》一文中将数据驱动决策定义为“基于对数据的分析，而不是仅仅依靠直觉进行决策的实践”。在教育领域中应用数据驱动决策这一概念是模仿工业和制造业的全面质量管理、组织学习和持续改进等成功做法。

如今全国各地具有超前意识的学区开始采用数据驱动决策系统，不仅要分析测试分数和学生成就，还要分析如何缩小学生之间的成绩差距，提升教师素质，改进课程，分享学校和学区的最佳实践，与关键利益相关者更有效地沟通教育问题，促进家长在教育过程中的参与以及加强与教育团体的对话。无论人们是否同意立法的范围和意图，NCLB已将全国各地对教育数据的重视提升到了一个新水平。

总之，如果没有一个正式的数据分析系统，各个学区往往无法发现和解决发生在学校层面的关键问题。由数据引发的反馈可以帮助学校确认是否在正确的轨道上行进，以提高学生成绩，同时了解进展的快慢。数据驱动决策为学校提供了学区、教师、学生和家长可以访问大量信息的路径。今天学校可让关键决策者利用数据作出更明智的决策，从而提升学校的整体性能，提高学生成绩。

二、数据分析和决策在学校管理不同层面上的作用

1、 数据分析在学校管理层面决策的作用举例

（1）问题

马斯洛需求层次理论是行为科学的理论之一，由美国心理学家亚伯拉罕·马斯洛在1943年在《人类激励理论》论文中所提出。书中将人类需求像阶梯一样从低到高按层次分为五种，分别是：生理需求、安全需求、社交需求、尊重需求和自我实现需求。我们知道教师对尊重需求和自我实现需求是超越了对物质需求，所以我们有必要把名师工程做到实处，让真正优秀的教师得到认同和尊重，激发他们的工作热情，避免教师们一旦取得高级职称，就会没有了往昔的工作热情。

（2）建议

在学区范围内对教师的全市学科数据进行追踪分析，每学期、没学年甄选出在教学中名列全市前茅的优秀教师，以权威的数据分析作为宣传依据，让学校、教师、学生、学生家长以及全社会知晓我们也拥有在全市也排名靠前的实力名师，这对学区的招生将会产生不可估量的影响。

2、 数据分析在学校教师管理层面决策的作用举例

（1）问题

学校管理工作中，科学、合理地安排教师的工作对学校的教学成绩的提高往往起到决定性的作用，同时因该项工作还牵涉教师个人的利益，安排无依据还会引发教师之间的矛盾，削弱教师工作積极性，更严重的会阻塞青年教师的上升空间，使学校的整体质量停滞不前。

（2）建议

“一切以数据说话，打破以印象代替数据分析的决策现象”，学校建立数据分析研究室，对教师和学科数据以全市统考为时间单位进行追踪分析，每学期分年级、分学科撰写分析报告，目的是搞清楚每个教师的工作效率和工作效果，让真正有能力的教师能够脱颖而出，给青年教师打通上升通道，让有能力、工作卓有成效的教师获得认可，同时以数据分析作为依据的工作安排，体现出无可争辩的科学性和合理性，对学校的良性发展奠定了坚实的基础。

3、 数据分析在学生管理层面决策的作用举例

（1）问题

高中生的文理科选择是每一个学生和学生家庭面临的一个重大抉择，往往多数学校都是放任学生自行选择，而部分学生的选择具有盲目性，这种方式有较大的可能会给学生和学校带来了遗憾，对学生而言没有做到扬长避短，致使学生的学业没有到达到最佳的规划，对学校而言，可能会造成不能达到更优的上线率和优生率。

（2）建议

对学生的数据进行分析，并根据分析的结果对学生进行初步评估，然后班主任组织相关任课老师依据对学生的数据和初步评估对学生的学业发展进行评价，并做出学业规划建议书，使学生和学生家长能在学业规划建议书的基础上结合自身的兴趣，清晰地进行科学、合理的选择。

三、展望

由于教育系统的决策所涉及内涵的广泛性和决策者组成的复杂性，其决策模式的多元化不言而喻。有研究者将传统的教育系统的决策模式总结为四种：依靠决策者所具有的理性认知能力制定决策的“官僚主义”模式；通过“合意”的过程来平衡大学内多方群体利益的“学院型”模式；通过“扩散”程序表达不同权力集团、利益群体诉求的“政治型”模式；决策程序无章可循、随意性大的“有组织的无政府型”模式。这些模式的共同弱点在于缺少有力的决策支持依据，管理者实际上仅仅是以“有限理性”为基础，努力作出“足够好”的决策而已。

大数据背景下的教育系统的决策可以为教育系统的决策者提供和完善他们认知经验所缺乏的信息、知识和智慧，有学者将其称为以数据系统为支撑的“知会理性”决策模式。通过这一模式完成教育系统的决策的过程如下：首先是确定决策目标。在通常情况下，管理者们需要制定政策或者寻求解决重大问题的方案时，会提出一系列与决策有关的问题。第二步是收集相关的数据。在了解了信息需求之后，开始收集相关信息的数据。同时还有大量外部与学校相关的数据信息，建立大数据库，这些数据与内部数据结合，为数据挖掘提供了庞大的资源。第三步是建立数据模型，进行数据分析。在这个过程中，非常重要的是如何建立有效的数据模型，将数据的整合和分析过程以及分析结果与决策问题和大学的背景联系起来。第四步是展示信息。信息分析完成后，大数据信息报告包含需要向决策者汇报信息、解释结果，并且在全校公开，其目的是进一步检验数据的来源与可靠性。第五步是决策。在大数据信息分析得出的结论之后，决策者将作出科学决策。

我们认为：基于数据分析的决策才是科学、合理的决策，学校不缺数据，缺的是需要决策时对数据的分析和梳理，当我们能够认识到决策需要数据分析的支撑的时候，才能行动起来，从已有的数据中挖掘出宝贵的资源，给学校发展提供强劲的引擎。

参考文献：

[1]福斯特·普罗沃斯特（Foster Provost）和汤姆·福塞特（Tom Fawcett）.《数据科学与大数据、数据驱动决策的关系》.

[2]《大数据时代的院校决策模式》.endprint